基于环境卫星的混合像元分解提取江汉平原油菜种植面积

　　摘要：利用中低分辨率卫星影像进行油菜面积提取时，需要考虑混合像元产生的影响，以提高面积提取的精度。通过选取2011年湖北省江汉平原油菜生长期内不同生育期的两景HJ-1A/B-CCD数据，生成1组8波段的数据；采取阈值技术结合夏收作物NDVI指数变化特点，提取夏收作物在江汉平原的空间分布；选取线性光谱混合模型进行油菜种植面积的分解计算研究。结果表明，线性光谱混合模型能够高精度地提取油菜的种植面积，是一种很好的油菜种植面积监测方法。 　　关键词：混合像元；阈值技术；线性光谱混合模型；油菜种植面积 　　中图分类号：S127 文献标识码：A 文章编号：0439-8114（2016）14-3745-04 　　Abstract：When extracting rape planting area by using low and middle resolution remote sensing satellite images， the influences from mixed pixel needed to be considered in order to improve the extraction accuracy of rape area. By choosing the two scenes HJ-1A/B-CCD 2011 data at different stages of rape growth in Jianghan plain of Hubei， an 8-band data was generated. By adopting threshold technology and combined with the of NDVI change characteristics of summer crops， the spatial distribution of summer crops in Jianghan plain were extracted. Using the linear spectral mixture model to decompose， calculate and analyze the rape planting area. Results showed that， the linear spectral mixture model could extract the rape planting area high precisely， and have proved to be a good method for monitoring rape planting area. 　　Key words： mixed pixel； threshold technology； linear spectral mixture model； rape planting area 　　江汉平原是湖北省油菜的主要种植区。准确、快速地估算油菜面积，对于制定油菜的耕作计划以保证粮食安全、油料产业的发展具有重大的现实意义，可为政府部门宏观决策提供科学依据。近年来，利用卫星遥感数据提取农作物种植面积已成为国内外学者研究的热点。一般来说，遥感影像中的像元大部分都是几种地物的混合体，但目前大多数遥感图像分类方法并未考虑这一现象，仅利用像元光谱间的统计特征进行像元分类[1]，导致面积所占比例较小的目标被错分到其他类别中去。江汉平原地区作物插花现象严重，受到“异物同谱、异物同谱”的影响，传统的分类方法难以保证提取的油菜面积的精度。为了解决这个问题，必须使用混合像元分解法，从亚像元水平上提高反演的精度。混合像元分解技术在多光谱遥感数据地物信息提取方面已得到广泛地应用。农作物种植面积提取方面，许文波[2]利用混合像元分解方法进行了冬小麦种植面积的提取，结果表明，单个样区提取的结果相对误差为2.09%，采用多样区提取的结果相对误差为3.82%。陈水森[3]在光谱混合分析模型基础上，提出了光谱角度和影像拟合残差相结合的最优端元选择方法，获得混合像元中各端元的面积比例，对小麦和荔枝种植面积进行了估算，结果表明，小麦像元内小麦作物比例制图的精度达到95%以上，荔枝面积估算结果和制图精度达到98%。Bannari等[4]利用线性光谱混合分析技术，对耕地上农作物收获后残余物进行了估算，结果表明，高光谱数据的估算精度高于IKONOS数据。李霞等[5]利用TM影像选取线性光谱混合模型计算大豆种植面积，其结果与QuickBird影像解译结果对比分析，分类精度达到92%，同时将混合像元分解方法与其他遥感定量提取方法相比，结果表明，混合像元分解方法能够提高大豆种植面积提取精度。 　　本研究根据小麦和油菜生长期的光谱特征与环境卫星传感器提供数据的波谱特征，运用混合像元分解法提取小油菜的丰度分布图，统计出江汉平原2011年种植的油菜面积。 　　1 材料与方法 　　1.1 研究区概况 　　江汉平原（29°26′-31°10′N，111°45′-114°16′E）， 位于长江中游、汉江中下游、湖北省的中南部，西起宜昌枝江，东起武汉，北自荆门、钟祥，南与洞庭湖平原相连，面积约4.6万km2，主要包括荆州市公安县、监利县等8个县（市）区及仙桃、潜江和天门3个直管市，并辐射周边武汉、孝感、荆门和宜昌、襄阳5个地级市的部分地区（图1）。 　　该区域为亚热带季风气候，年均日照时数约2 000 h，年太阳辐射总值约460～480 kJ/cm2。无霜期约240～260 d，10 ℃以上持续期约230～240 d，活动积温5 100～5 300 ℃。平原各地利于棉花、水稻等喜温作物栽种。年均降水量1 100～1 300 mm，气温较高的4～9月降水量约占年降水总量的70%。农作物以水稻、棉花、油菜为主[6]。 　　1.2 研究数据与预处理 　　2 结果与分析 　　2.1 混合像元分解法结果验证 　　2.1.1 线性分解误差分析 图2是应用线性模型分解求解过程产生的各像元均方根误差图像，RMS用以反映模型的精度、端元组分的选择、反射率值的确定以及线性模型本身的求解所带来的误差，均方根值越小分类计算的准确性就越高。通过对RMS误差图像中误差均方根的分析可发现，大部分像元的RMS值在0.012左右，最大值为0.078，总体误差较小。 　　2.1.2 统计结果分析 江汉平原油菜面积统计结果见表1，统计面积与计算面积的拟合曲线见图3。由图3可得出，R2=0.406 5，其显著性不明显，说明统计结果与计算结果差距比较大。主要原因是确定研究区的端元为油菜、小麦、裸地、树木和水体5类，而山区由于地物复杂，农田分散，远不止这5类端元，而且计算山区面积时，未考虑坡度的影响，因此误差比较大，如果剔除山区丘林地区（钟祥、荆门、京山、应城）和区域不准确的地方（汉川、江陵、潜江、监利），重新作拟合曲线，结果见图4。如图4所示，剔除误差较大的点后拟合曲线R2=0.974 6，表明计算结果与统计结果偏差较小，充分表明本研究提取油菜面积的方法是可行的，能在平原地区取得很好的效果，而在山区则要考虑更多的端元。 　　2.2 江汉平原油菜分布特点 　　图5是2011年江汉平原油菜种植丰度的空间分布。由图5可以看出，油菜主要集中于江汉中西部地区，一般油菜田在地势比较高的地方。 　　3 小结与讨论 　　本研究探讨了油菜和小麦种植“插花”比较严重的情况下，运用多时相的环境卫星CCD的4个波段遥感数据叠加为8个波段的数据，通过作物NDVI指数变化规律，采用阈值方法提取农作物的分布空间，运用线性光谱混合模型反演了江汉平原油菜种植面积。虽然反演精度不是很高，但由于该方法可操作性强、处理简单、针对性强、改进空间很大，运用环境卫星CCD数据提取油菜面积有很广阔的发展前景。 　　1）混合像元分解法受到端元选择的影响，因此进一步研究端元组分的自动选择方法可以进一步提高分解模型的稳定性和客观性。此外，考虑阴影产生的影响，研究不同光照条件下的阴影与光谱特征变化的关系，可进一步促进混合像元机理性探索研究。 　　2）遥感数据几何校正是保证叠加的多波段数据准确的关键，如果几何校正的误差大，会导致纯像元大量减少，影响分析的样本数，严重影响分析精度，因此要进一步提高几何校正的精度。 　　3）本研究采取直接在图像上选取纯像元提取其光谱曲线用于混合像元分解，存在严重的局限性。由于同物异谱，异物同谱的现象比较严重，可能导致选取的纯像元不具有代表性。因此最好选取纯像元的平均光谱曲线，能大大提高分析的精度。 　　4）在山区地物复杂，农田分散，要考虑端元的复杂性。 　　参考文献： 　　[1] 刘庆生，刘高焕，刘素红.黄河口遥感图像光谱混合分解[J].武汉大学学报（信息科学版），2001，26（3）：266-269. 　　[2] 许文波.大范围作物种植面积遥感监测方法研究[D].北京：中国科学院，2004. 　　[3] 陈水森.基于波谱库的作物纯像元识别与种植面积遥感估算[D].北京：中国科学院，2005. 　　[4] BANNARI A，PACHECO A，STAENZ K，et al. Estimating and mapping crop residues cover on agricultural lands using hyper spectral and IKONOS data[J].Remote Sensing of Environment，2006，104（4）：447-459. 　　[5] 李 霞，王 飞，徐德斌，等.基于混合像元分解提取大豆种植面积的应用探讨[J].农业工程学报，2008，24（1）：213-217. 　　[6] 蔡述明，王学雷，黄进良，等.江汉平原四湖地区区域开发与持续农业发展[M].北京：科学出版社，1996. 　　[7] CHARLES I，AMON K. A review of mixture modeling techniques for sub-pixell and cover estimation[J].Remote Sensing Reviews，1996，13：161-186. 　　[8] 赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003. 　　[9] 梁益同，万 君.基于HJ-1A/B-CCD影像的湖北省冬小麦和油菜分布信息的提取方法[J].中国农业气象，2012，33（4）：573-578.