基于多時相衛星影像的復雜山區烤煙種植區域提取

劉 蕓，宋善海，李 雪，廖 瑤，李慧璇，王 偉

（1.貴州省生態氣象和衛星遙感中心，貴州 貴陽 550002；2.貴州省特種水產工程技術中心，貴州 貴陽 550025）

0 引言

烤煙是我國重要的經濟作物，其種植和產量受到嚴格管控，其定量化管理對維護市場秩序有著重要意義[1]。衛星遙感具有監測范圍廣、時效性高、使用成本低等特點，在農作物面積監測方面具有廣泛的應用。研究者基于多源遙感影像開展了烤煙種植信息的提?。簠敲先萚2]應用監督分類法研究了復雜山區煙草種植的提??；董梅等[3]通過無人機影像對煙草種植面積進行了提取和監測；李天坤[4]利用面向對象分類方法研究了煙草種植面積的提??；符勇[5]應用SAR 雷達衛星研究了煙草產量估測。作物的生長發育隨著生育期的變化具有不同的物候特征，其光譜信息也會隨之發生改變，因此，基于多時相衛星遙感影像的作物提取更具優勢。劉吉凱等[6]基于多時相Landsat8 OLI 影像，根據作物農事歷，基于作物光譜特征及植被指數，采用決策樹分類模型，完成了對研究區的種植結構信息提??；鄧劉洋等[7]基于光譜特征及地塊信息開展了多時相遙感影像的冬小麥種植面積提取。但目前基于多時相衛星影像的烤煙種植區域提取還很少見。

貴州省是我國烤煙生產大省，2019 年烤煙播種面積為13 萬hm2，居全國第2 位，產量為21.58 萬t，居全國第3 位，占全國總產量的10.68%[8-9]。貴州地處云貴高原，地形以喀斯特山地丘陵為主，耕地資源匱乏且分散，耕地細碎化，傳統單一時相衛星遙感數據無法滿足耕地細碎化條件下作物提取的精度。為進一步提升衛星遙感影像對烤煙種植區域的提取精度，基于多時相影像序列，根據烤煙不同生長期的物候特征，構建多時相烤煙種植區域提取模型，完成研究區域烤煙種植區域提取。

1 研究區概況及影像選擇與預處理

1.1 研究區概況

石阡縣（107°44～108°33E，27°17～27°42N），隸屬于貴州省銅仁市，位于貴州省東北部，銅仁市西南部，總面積為2 173 km2。石阡縣為典型貴州山地地貌，山地面積占77.3%，丘陵、谷地占22.7%。石阡縣屬中亞熱帶季風濕潤氣候區，年平均氣溫17.6 °C，年降雨量1 301.2 mm，年日照時數1 060.4 h[10]。研究區位于貴州省銅仁市石阡縣西部，包括河場壩鄉、本莊鎮、白沙鎮和聚鳳鄉4 個鄉鎮，占地面積690.6 km2，烤煙為該地區重要的經濟作物。

1.2 衛星影像資料選擇及預處理

農作物在生長發育不同階段會表現出不同的物候特征，這就造成了其在衛星影像上的光譜差異[11]?？緹煷筇锷诜譃檫€苗期、伸根期、旺長期和成熟期等階段，如表1 所示[4]。因此，選擇2019 年5 月23 日（還苗—伸根期）、7 月3 日（旺長期）及8 月13 日（成熟期）的高分六號2 m 分辨率衛星影像資料，并對衛星影像進行輻射定標、大氣校正、正射校正和影像融合等預處理。

2 研究方法

2.1 技術路線

烤煙種植區域提取流程如圖1 所示。

2.2 烤煙種植區光譜特征及植被指數特征分析

2.2.1光譜特征分析

根據外業GPS 調查采集到的樣本點，將研究區地物大致分為烤煙、其他植被、水體、建設用地和裸地5 種地物類型，統計每一類地物樣本點在不同時相衛星影像上的光譜特征，并繪制其光譜曲線，如圖2 所示。

結合實際調研和圖2 可知，烤煙在5 月還苗生根期為覆膜種植，其光譜曲線與建設用地及裸地相似；而到了7、8 月，烤煙葉片迅速生長，其光譜曲線明顯呈現出植被的特征，即在第2 波段的DN值高于第3 波段，并且第4 波段上的DN值明顯增大，但烤煙與其他植被的光譜差異體現在近紅外波段烤煙DN值明顯大于其他植被。7 月烤煙處于旺長期，因此，其在第2 波段（綠波段）的DN值明顯高于8 月。經過反復嘗試，確定單一時相烤煙光譜的劃分閾值。

圖2 地物光譜特征曲線Fig.2 Spectral characteristic curve of ground features

2.2.2植被指數特征分析

歸一化植被指數（NDVI）能夠很好地將植被和非植被區分開來，計算如下。

式中NIR—近紅外波段

RED—紅光波段

通過野外采樣得到的烤煙樣本點，繪制NDVI特征曲線，如圖3 所示，研究區烤煙在5 月還苗伸根期，NDVI最小，接近于0；在7 月旺長期，烤煙葉片呈現綠色，NDVI達到最大值，接近1（均值為0.72）；到了8 月，烤煙處于成熟期，其葉片逐漸變黃，呈現黃綠色，NDVI較7 月有所降低。經過反復嘗試，確定單一時相烤煙植被指數劃分閾值：5 月NDVI≤0.48，7 月NDVI≥0.62，8 月NDVI≥0.54。

圖3 NDVI 特征曲線Fig.3 NDVI characteristic curve

2.2.3面積特征分析

考慮到烤煙屬于經濟作物，種植面積一般＞0.067 hm2（1 畝），因此，剔除面積＜166 像元的小圖斑。

2.3 基于單一時相烤煙種植區提取

利用烤煙光譜特征、NDVI特征和面積特征，建立單一時相烤煙提取規則，采用面向對象分類法，分別對3 個時相影像進行烤煙種植區提取，得到單一時相烤煙提取結果T1、T2、T3。

2.4 基于多時相植被指數特征的烤煙種植區域提取

基于烤煙在不同種植期的NDVI特征，利用歸一化植被指數的差值和商，計算多時相植被指數如下

式中NDVI0523、NDVI0703、NDVI0813—分 別 為5 月23 日、7 月3 日、8 月13 日影像的歸一化植被指數

經過反復嘗試，確定基于多時相植被指數特征的烤煙種植區劃分閾值：NDVI1≥0.29，NDVI2≥0.21，1.3 ≤NDVI3≤11，1.6 ≤NDVI3≤8.3，得到多時相植被指數烤煙種植區初步提取結果T4。

3 提取結果及精度評價

將單一時相烤煙種植區提取結果T1、T2、T3及多時相植被指數烤煙種植區提取結果T4，進行交叉驗證，生成研究區烤煙種植區提取結果T，如圖4 所示。

圖4 研究區烤煙種植區提取結果分布Fig.4 Distribution of extraction results of flue-cured tobacco planting area in study area

采用隨機抽樣的方法對分類結果進行精度驗證，精度評價結果如表2 所示。

由表2 可知，本分類方法的分類總體精度高達94.67%，總Kappa 系數為0.94，分類質量達到很好水平。在單一時相的面向對象分類中，8 月13 日影像的分類結果精度最高，總精度為90%，Kappa 系數為0.9。多時相分類結果比8 月13 日分類總體精度提升了4.67個百分點，Kappa 系數提升了0.04，錯分率降低了個百分點。多時相分類的效果優于單一時相分類，總體精度提升，且錯分率明顯降低。

表2 分類精度評價結果Tab.2 Classification accuracy evaluation results

4 結束語

（1）以高分六號衛星影像作為數據源，根據烤煙生長物候期特征及貴州烤煙種植特點，抓住研究區烤煙在不同物候期的衛星影像光譜差異，選擇合適的衛星影像時序，構建多時序遙感影像烤煙種植區域的提取模型，采用面向對象分類法，完成了烤煙種植區域的多時相提取，分類精度為94.67%，Kappa 系數為0.94。此方法能夠在很大程度上減少因單一影像云量差異、異物同譜和同物異譜現象、烤煙生長差異等造成的錯分和漏分現象，分類精度得到了明顯提升，能夠在貴州復雜山區地塊破碎、種植分散的條件下，較為準確地提取烤煙種植區域。

（2）以4 個鄉鎮為研究區試驗方法，相對于以某個壩區或某個鄉鎮作為研究區域，研究范圍相對較大，種植結構更為復雜，說明試驗方法具有一定的普適性。

（3）試驗方法存在地塊與地塊之間界限不清晰的情況，下一步擬基于地塊進行分割，解決地塊邊界光譜與地塊內部光譜變異混合問題，進一步提高提取精度。