基于时序影像及关键物候特征的江苏省夏收农作物提取

王宗伟，卢 刚，秦慧杰，张 汛，陈刚强，黄博超

（1.江苏省测绘工程院，南京 210013；2.自然资源部国土卫星遥感应用重点实验室，南京 210013）

农作物空间分布是开展农作物长势分析、农作物估产、灾害评估的数据基础，对于掌握农业种植情况、制定农业产业政策、指导农业生产与优化农业种植结构等具有重要的参考价值［1］。农作物常规调查方法人力和物力成本极高，调查统计周期长。随着卫星遥感现代化技术的快速发展，因其现势性强、覆盖范围广、获取成本低，被广泛应用于自然资源、测绘、水利、农业、环保等诸多行业中［2-6］。

利用卫星遥感技术获取农作物种植范围通常是基于单期影像，采用最大似然法、人工神经网络法、支持向量机、随机森林等遥感影像分类方法进行提取［7-11］。随着生物量的不断累积，农作物在不同的生长周期内，其形态结构存在一定的差异，但表现出的冠层反射率光谱往往存在“同物异谱、同谱异物”的现象［12］，不同农作物在同一期遥感影像上可能表现出相似的光谱特征。因此，在单期遥感影像上难以有效区分不同农作物的种植区域。

江苏省不仅是工业大省，也是全国13 个粮食主产省之一。江苏省处在亚热带和暖温带的气候过渡地带，主要种植“一年两熟”作物，分为夏收农作物和秋收农作物，其中夏收农作物主要是油菜和小麦，秋收农作物主要是水稻、玉米和大豆［13］。目前，对江苏省夏收农作物的提取研究较少。本研究以宜兴市作为研究区，基于不同农作物在生长发育过程中的差异性特征，结合农作物的物候信息，采用表达作物每个生长期阶段特征的相关时间序列数据，通过光谱特征分析，优选其关键物候特征，利用时序遥感影像构建关键物候特征量化参数，建立不同农作物的提取规则，实现江苏省主要夏收农作物的提取。

1 研究区概况

宜兴市属于江苏省县级市，归无锡市代管，位于江苏省西南部（N31°07′—31°37′，E119°31′—120°03′），与浙江省、安徽省接壤，东临太湖，西与常州溧阳市、金坛区相傍，北接常州武进区，南向宣城广德市和湖州市长兴县，除南部地区，其他区域地势较为平坦；该地气候温润，属北亚热带季风气候，境内水系发达、纵横交叉，东部太湖渎区、北部平原区和西部低洼圩区特别适合种植各种农作物，是江苏省经济发达的农业大市［14］。宜兴市所处地理位置如图1所示。

图1 宜兴市地理位置

2 技术流程

首先，获取时序遥感影像，经过大气校正、正射校正等遥感影像预处理后，进行影像分割，分割结果作为农作物提取的最小单元。其次，通过时序光谱特征分析和时序指数特征分析，构建关键物候特征，然后，根据关键物候特征建立农作物的提取规则，最后，实现研究区夏收主要农作物的提取。具体技术流程如图2 所示。

图2 技术流程

2.1 时序遥感影像

在选取时序遥感影像时，不同时相影像上能突出农作物的关键物候信息，宜兴市夏收主要农作物的关键物候期如表1 所示，其中小麦是10 月中下旬播种，第2 年5 月下旬至6 月上旬收割，油菜是9 月中下旬播种，第2 年5 月中下旬收获。

表1 小麦和油菜物候信息

在自然资源卫星遥感云服务平台查询国产卫星遥感影像，根据宜兴市主要农作物关键物候期，选取的时序遥感影像数据源如表2 所示，使用ENVI 5.3软件对时序遥感影像进行大气校正和几何校正。

表2 时序遥感影像数据源

2.2 影像分割

影像分割是为了获取农作物提取的最小处理单元，目前常用的影像分割方法有Mean Shift［15］和多尺度分割算法［16］。本研究以宜兴市“第三次全国国土调查”成果中的耕地范围作为辅助数据，选用多尺度分割算法对遥感影像进行分割。不同的分割尺度，其分割效果不同，对本研究所列的2 m 级遥感影像选用不同的分割尺度，其分割效果如图3 所示。

由图3 可以看出，分割尺度设为10 时，分割图斑太过破碎，会将相近光谱特征的农作物分割开来。分割尺度设为50 时，分割效果最佳，既可以区分不同光谱农作物，又可以满足相近光谱农作物图斑的完整性。而分割尺度设为100 时，不同光谱特征的农作物，特别是零碎的油菜会被分割到其他图斑内，不能满足提取要求。经过反复试验，本研究遥感影像多尺度分割尺度阈值设为50。

图3 不同分割尺度下多尺度分割效果

2.3 关键物候特征分析

野外实地采集了10 个小麦和10 个油菜点位，并展点到遥感影像上，分析其时序平均光谱特征，确定其关键优选特征，并形成量化参数，用于后期农作物提取。

2.3.1 时序波段光谱特征 由图4 可知，小麦在整个生长周期内光谱反射率的变化主要体现在近红外波段，2019 年12 月至2020 年2 月，小麦处于播种-越冬期，近红外光谱值稍有下降，2—4 月随着小麦返青-开花期的到来，近红外波段反射率上升。

图4 小麦时序光谱反射率特征

由图5 可知，油菜近红外波段光谱变化与小麦类似，主要特征体现在2020 年4 月7 日左右油菜开花期，开花期的油菜在影像上表现为黄色，在绿光波段与红光波段反射率有明显上升，所以，可以利用绿波段和红波段组合作为提取油菜的关键特征。

图5 油菜时序光谱反射率特征

2.3.2 时序指数特征 由于小麦和油菜在绿光和近红外波段的变化特征相似，为进一步区分小麦和油菜，结合光谱特征分析结果，选择归一化植被指数NDVI，并构建黄光波段合成指数YVI进行分析，进而确定提取小麦和油菜的关键时序特征。

NDVI计算公式如下［17］。

式中，NIR为近红外波段；Red为红光波段。

小麦和油菜的归一化植被指数曲线如图6 所示，可以发现小麦的植被指数在12 月至2 月份较为平稳，3 月份至4 月份呈现上升的趋势，5 月底小麦趋于成熟，植被指数下降。油菜的植被指数在3 月之前趋于平稳，而在4 月7 日开花期有明显的下降，至5 月份趋于平缓。对比小麦与油菜的归一化植被指数，可以发现油菜在开花期的归一化植被指数呈明显下降趋势，这一明显的下降趋势特征可以用于提取小麦和油菜。

图6 小麦与油菜NDVI时序特征

为了更精准地提取小麦和油菜，受时序波段光谱特征分析启发，本研究构建了黄光波段合成指数YVI，其计算公式如下。

式中，Red为红光波段；Green为绿光波段。

小麦和油菜的黄光波段合成指数曲线如图7 所示，可以发现小麦基本保持平稳，4 月份略高，而油菜在4 月份开花期黄光波段合成指数有明显上升趋势，所以黄光波段合成指数也可作为提取小麦和油菜的关键特征。

图7 小麦与油菜黄光波段合成指数时序特征

2.4 夏收农作物提取

通过以上分析，选用2019-12-03、2020-02-18、2020-04-07 和2020-05-24 这4 期时序遥感影像，分别对应夏收农作物越冬、返青、开花和成熟4 个关键物候特征，采用归一化植被指数（NDVI）和黄光波段合成指数（YVI）2 个量化参数提取2020 年宜兴市夏收农作物。

eCognition 软件相比于传统商业软件，提出面向对象的分类方法，参考编程采用规则集的方式，既提高了分类精度又具有一定的灵活性，广泛应用于遥感解译领域［18］，利用eCognition 软件构建宜兴市夏收农作物规则集模型如图8 所示，提取成果（局部）如图9 所示，提取成果图中黄色区域为油菜，绿色区域为小麦。

图8 夏收农作物eCognition 提取规则集模型

图9 夏收农作物提取规则成果（局部）

3 精度评价

为了验证宜兴市2020 年夏收农作物的提取精度，采用统计年鉴和野外实测点分别进行精度评价。

3.1 统计年鉴对比

经查询《2021 年无锡统计年鉴》［19］，小麦的提取精度为85.6%，油菜的提取精度为86.5%，具体统计信息如表3 所示。

表3 提取成果与统计年鉴对比

3.2 野外实测点验证

野外实地采集了272 个点位，分别为小麦、油菜和其他地类，野外实测点位分布如图10 所示。

图10 宜兴市野外实地采集点位分布

遥感解译精度通常采用总体精度、Kappa 系数、每一类的制图精度和用户精度［20］等评价因子进行评价。其中，总体精度是指被正确分类的单元与全部待分类单元的比值，Kappa 系数是基于混淆矩阵计算的，其值为-1～1，Kappa 系数越大，说明分类结果越好。经计算，宜兴市2020 年小麦和油菜的总体提取精度为92.65%，Kappa 系数为0.86，具体验证结果如表4 所示。

表4 小麦与油菜遥感分类精度

4 结论

针对江苏省主要夏收农作物快速、准确提取的难题，通过分析不同农作物在生长发育过程中差异性特征，结合农作物物候信息，优选其关键物候特征，利用时序遥感影像对宜兴市夏收农作物进行提取，有效解决了农作物提取时“同物异谱、同谱异物”的影响，通过野外实测采集点进行验证，总体精度为92.65%，Kappa 系数为0.86，达到了很好的提取效果，宜兴市作为江苏省经济发达的农业大市，本研究可为江苏省夏收农作物的提取提供参考，有效服务于耕地“非粮化”监测和农作物精细化监测，促进“强富美高”新江苏建设。