MODISEVI江汉平原油菜和冬小麦种植信息研究

分类：论文范文 发表时间：2021-06-05 10:23

　　摘要:两种生育期相近的作物在遥感识别时容易造成混淆，给作物识别和面积提取工作带来困难。针对这一问题，以江汉平原为研究区，根据不同地物的MODISEVI时序曲线，结合地物本身的光谱特征和农作物物候信息，利用决策树和二次差分法相结合方法提取2010年江汉平原油菜和冬小麦的种植面积。结果表明，与统计数据相比，研究区油菜和冬小麦种植面积遥感提取结果的总体精度分别为93．7%和87．1%;市(县、区)水平上，油菜与统计数据的相关系数R2为0．88，冬小麦为0．90。本研究能够较准确地识别生育期相近的油菜和冬小麦，从而获得较好的种植面积提取结果，具有一定的普适性，可为江汉平原的油菜和冬小麦监测及估产提供技术支持。

　　关键词:油菜;冬小麦;面积提取;MODISEVI;江汉平原

　　0引言

　　作物种植面积和空间分布信息关系到全球作物变化、粮食安全以及农业可持续发展，影响到和政府部门粮食政策的制定、调整和优化［1－2］。江汉平原是全国重要的农产品生产基地，及时、准确地提取农作物种植面积意义重大［3］。

　　1研究区概况及数据源

　　1．1研究区概况

　　江汉平原位于湖北省中南部(N29°26'～31°36'，E111°15'～114°5')，地处长江中游，是湖北省的粮食主产区，对湖北省农业发展和社会经济发展起着至关重要的作用，因此本文选取江汉平原为研究区，提取主要作物面积(图1)。研究区总面积为34668km2，占全省面积的19%。该区属亚热带季风气候，四季分明，雨水充沛，光热资源丰富，利于油菜、小麦、水稻等作物的生长。研究区内主要的越冬作物为油菜和冬小麦，二者生育期相近，生长重叠期达7个月(表1)。文章选取荆门市沙洋县作为参考区，获取油菜种植分布信息(图1)。该区位于江汉平原中部(N30°23'～30°55'，E112°02'～112°42')，地势平坦，种植结构相对单一，油菜和冬小麦为主要的夏收作物。其中，油菜种植面积约41．62×103hm2，是冬小麦种植面积的2．5倍［17］。利用该区进行油菜分布信息的遥感识别能一定程度上减少“同物异谱”和“异物同谱”的几率。

　　1．2数据源及预处理

　　本研究使用的数据主要包括:①30m空间分辨率Landsat7ETM+影像，考虑到Landsat7数据丰富、易获取的优点，根据作物物候特征和影像质量，选取2009年10月23日、11月08日和2010年3月16日共3景含云量小于5%的沙洋县区域(124/39)影像。已利用EN-VI5．3软件进行去条带、辐射校正、大气校正及裁剪等预处理。②MODIS16d合成MOD13Q1数据集(http://search．earthdata．nasa．gov)，时间跨度为2009—2010年，空间分辨率为250m，共15期，该影像集涵盖了研究区(h27v05，h27v06)油菜和冬小麦的主要生育期(10月16日—5月25日)。使用MRT软件完成影像集的拼接、投影转换及重采样。③统计数据(来源于湖北省统计局)，包括2010年荆州市、荆门市、仙桃市、天门市和潜江市5个省直管市，以及荆州市的8个县(市、区)和荆门市的5个县(市、区)的油菜和冬小麦种植面积统计资料。

　　2研究方法

　　提取油菜和冬小麦的流程如图2所示。首先，利用支持向量机［18］(supportvectormachine，SVM)提取参考区油菜种植分布信息;然后将提取的油菜分布图与MODISEVI时序数据做掩模处理，得到江汉平原油菜EVI时序曲线;再通过遥感影像目视解译并参考地物本身的光谱特征得到包括冬小麦在内其他4种地物的MODISEVI时序曲线;最后，以这5条时序曲线为依据，利用决策树［18］结合二次差分法［14］对研究区进行分类，提取江汉平原油菜和冬小麦种植面积。

　　3结果与分析

　　3．1不同地物时序EVI曲线

　　基于关键期ETM+数据提取的参考区油菜种植面积分布如图3所示。油菜像元总数为427870个，计算得到油菜种植面积为38．5×103hm2，经统计年鉴［17］验证，提取精度达到了92．5%，提取结果空间分布与尤慧等［10］在沙洋县提取的油菜种植空间分布也基本保持一致。表明在地势平坦、种植结构单一的区域，利用关键期ETM+影像提取油菜种植面积能获得较高精度。图3参考区油菜种植面积分布Fig．3DistributionofrapeareainthereferenceareaMODISEVI时序影像中的油菜、冬小麦、水体、建筑用地、林地按每个地类分别取平均值，得到5种不同地物的EVI时序曲线(图4)。油菜时序曲线由沙洋县油菜分布图与EVI时序图进行掩模得到。冬小麦EVI时序曲线通过在荆门市、荆州市和天门市的冬小麦集中种植区各选择15个像元得到。建筑用地、林地和水体在遥感影像上容易识别和区分，所以通过各选择研究区内15个像元来获得相应的时序曲线。·012·

　　3．2江汉平原提取结果及验证

　　3．2．1决策树分类结果

　　水体、建筑用地和林地的EVI时序曲线之间有着明显的差别(图4)，易于区分，利用决策树分类方法将这3种地物进行剔除。水体和建筑用地的EVI整体水平较低，变化趋势缓慢，形状较为相似，但水体EVI低于建筑用地，且有负值出现。林地由于在春夏和秋冬交界时EVI波动较大，最低0．16，最高能达0．55，形成一条独特的“两头高中间低”的时序曲线。而油菜和冬小麦由于表现出较强的季节性特征，时序曲线与其他3种地物有着明显的差异。依据以上不同地物的时序EVI特征可设计决策树模型图(图5)，判别规则如下:①在EVI时间序列中，只要当某一个像元值存在负数，或者10月16日至2月2日的EVI值均小于0．1时，判定为水体;②当3月22日、4月7日和4月23日的EVI值均小于0．35，且10月16日的EVI值小于0．15时，判定为建筑用地;③当10月16日的EVI值大于1月17日，且5月25日的EVI大于0．25时，判定为林地。将剔除水体、建筑用地和林地之后的地物合归为其他植被，得到决策树分类结果(图6)。最后，保留只含其他植被类别的时序数据集P1，利用P1进行下一步油菜和冬小麦的提取。

　　3．2．2差分法提取油菜和冬小麦种植面积

　　3月上旬至3月下旬期间，江汉平原油菜和冬小麦的EVI时序曲线出现了明显的差异(图4)。在此期间，油菜由于正处于盛花期，其EVI时序曲线中3月下旬处呈现出一个明显的波谷，而此时的冬小麦正处于快速生长的分蘖—拔节期，EVI从3月上旬至3月下旬都呈现出持续上升的趋势，并没有出现EVI低谷的特征。因此，3月下旬是识别油菜和冬小麦的最佳时段，利用差分法对3月22日这一时相数据进行油菜和冬小麦的识别和提取。

　　4结论与讨论

　　4．1结论

　　本研究基于MODISEVI时序数据，提取江汉平原生育期相近的油菜和冬小麦种植面积。相比于单一时相的遥感影像数据，作物完整生育期的时序植被指数数据能够反映植被随时间的变化，结合各典型地物的光谱、时序特征以及农作物物候信息，可以有效实现油菜和冬小麦种植信息提取。利用决策树的方法实现水体、建筑用地和林地的分类，能够在很大程度上减少非植被地物对油菜和冬小麦提取的干扰。针对生育期重合度较高的油菜和冬小麦，采用二次差分法可以快速识别具有明显波谷的农作物像元，以达到区分生育期较接近的油菜和冬小麦的目的，且二者的提取面积均达到了较高的精度，经不同年份提取结果的验证，此方法具有一定普适性。

　　4．2讨论

　　由于不同的气候条件会导致各个地区作物的生长速率及长势存在一定的差异，因此使用同一套判别规则进行作物提取会存在一定误差。再加上MO-DIS影像250m分辨率所导致的混合像元的存在，作物识别和提取精度有待进一步的提高。为此，探求区域地理环境差异和混合像元这两个因素对提取精度的影响是本研究下一步工作的重点。

　　参考文献(References):

　　［1］胡琼．基于时序MODIS影像的农作物遥感识别方法研究［D］．北京:农业科学院，2018:17－33．HuQ．ResearchoncropremotesensingrecognitionmethodbasedontimeseriesMODISimage［D］．Beijing:ChineseAcademyofAg-riculturalSciences，2018:17－33．

　　［2］WuB，GommesR，ZhangM，etal．Globalcropmonitoring:Asatel-lite－basedhierarchicalapproach［J］．RemoteSensing，2015，7(4):3907－3933．

　　［3］张煦．基于MODIS－NDVI时间序列数据的油菜识别与复种指数提取［D］．武汉:华中农业大学，2015:6－11．ZhangX．IdentificationofrapeseedandmultiplecroppingindexbasedonMODIS－NDVItimeseriesdata［D］．Wuhan:HuazhongAgriculturalUniversity，2015:6－11．

　　杨欢1，邓帆1，张佳华2，王雪婷1，马庆晓1，许诺1

上一篇：不同播种方式对鲜食玉米产量与效益的影响 下一篇：播种密度与氮肥施用量对玉米茎秆抗倒能力影响