吉林省西部水稻种植信息遥感分类研究

2023-01-12袁铁英丁春雨谷金英马冠南邹思佳张晓娇

新农民 2022年34期

袁铁英，丁春雨，谷金英，马冠南，邹思佳，张晓娇

（吉林省农业资源与农业区划研究所，吉林长春 130000）

1 背景

粮食问题是全球性的、国际性的问题，是关系到全球人类生存和社会安定的战略问题。农业是国民经济的基础，随着土地、水、能源等自然资源日益匮乏，提高产量，减少投入，节约资源已迫在眉睫。发展精细农业是减少环境污染、节约成本、增加经济效益的有效手段，是实现农业可持续发展的重要途径。

作为国人的主要口粮，及时、准确地获取水稻的种植面积和空间分布以及产量非常重要。同时，建立现代化高标准的农业生产基地和制定科学的生产决策都反映出，运用原有的信息渠道和调查方法很难保证所需信息的可靠性、精确性与时效性。

水稻种植面积监测作为粮食作物监测的重要组成部分，通过监测准确掌握水稻实际种植情况，为优化作物种植格局、保证区域主要粮食作物产量提供科学可靠的依据。完善农情信息，为政府、企业和社会相关部门提供权威、客观、准确的地理省情信息服务，为制定相关政策和政府决策提供科学依据。

2 研究区概况

研究区为吉林省松原市和白城市，位于吉林省西部，风沙大，水资源稀缺，盐碱化严重，不利于农作物生长，多为草原、湿地生产态区，是牧业、杂粮杂豆、糖料、油料生产基地。为治理盐碱土，吉林西部地区开展以稻治碱，近年来，水稻面积不断扩大，土壤质量不断提升，对水稻种植面积进行分类和监测，具有重要意义。

3 数据源选择

3.1 卫星遥感影像选择

综合考虑分类的精准性与数据的可获得性，本研究采用高分二号（2m分辨率）、高分一号（16m分辨率）以及TM影像（30m分辨率）等中高分辨率卫星遥感影像，主要选取5～10月水稻生长期影像。

3.2 地形数据选择

选用30m格网DEM数据作为遥感解译的地形辅助数据；

3.3 其他辅助资料准备

对有关部门在大范围的地貌、农作物、植被等现成的专业调查或专业区划成果，水稻、玉米种植相关的统计汇总报告等。

4 遥感影像处理

4.1 高分系列卫星影像处理

高分系列卫星影像的处理主要包括辐射校正、大气校正、正射校正、图像融合等步骤，主要流程如下图所示

4.2 其他中分辨率卫星影像处理

针对多源多时相中分辨率遥感影像数据的应用需求，在控制点采集、平差（采集连接点）、正射校正、检查纠正等传统正射影像生产的基础上，利用基于大气辐射传输理论的大气校正算法、云影自动检测、影像自动拼接等算法，对各个时相的数据分别进行辐射校正、云影检测，剔除无信息或质量较差区域各自形成有效数据区，然后将多期相邻时相的有效数据区自动拼接成为一个时间段内（1周或2周）相对完整的无云数据，最后根据需求对完整数据进行辐射归一化，从而实现多云雨的研究区在一定的时间窗口内有完整数据覆盖。

5 地块级水稻种植面积提取

5.1 地块结构信息提取

地块结构信息提取是利用高分辨率卫星影像数据的高空间分辨率，来进行地块边界提取，获得耕地信息。主要是基于高分辨率卫星影像及辅助边界数据（如道路等）增加地块边界分割的准确性和精细度，获取完整地块边界。通过多尺度分割和决策树方法，先把林地、水体、村庄等非目标信息去除，在此基础上，对地块信息进行人工修正，得到高精度地块信息，用以最大限度避免同物易谱和同谱易物情况出现，提高分类精度。

5.2 基于中分辨率影像的特征计算

水稻和玉米及其他作物在生长过程中，由于物候期的不同，其生长状况在影像上表现也不同。通过计算不同物候期作物的归一化植被指数（NDVI），从而将水稻与玉米分别与其他作物区别开来。

5.3 基于地块的作物种植面积自动化提取

作物生长特征中物候差别是提取作物种类最重要的依据，针对不同地块不同作物则表现为不同的NDVI时间序列。吉林省水稻5月中下旬是插秧期，6月上旬开始返青，水稻在插秧前稻田需进行灌水，因此插秧期至返青期稻田是水稻和水体的混合物，此时水田的光谱特征趋向于水体，NDVI较小。6月中旬～7月上旬，水稻处于分蘖期至拔节期，植株高度和田间覆盖度迅速增加，NDVI相应也快速增加，增加速度高于旱田。7月中旬～8月上旬，水稻处于孕穗期至开花期，NDVI增加较慢，8月上旬NDVI达到峰值；高于旱田。8月中旬水稻从乳熟期进入成熟期，NDVI开始下降。综合水稻NDVI时间序列与其他地物的差异，可获得水稻的面积空间分布信息。

具体过程为在提取出来的高精度地块结构信息基础上，通过利用DVI/NDWI光谱指数阈值、时序特征阈值和作物生长规律阈值的特征组合规律构建多种判别分类模型，识别水稻信息。