1、高分一号卫星数据县级农业遥感制图应用能力评价解文欢，张有智，吴黎，宋丽娟，张海峰，张宇（黑龙江省农业科学院 农业遥感与信息研究所，150086，黑龙江哈尔滨）摘 要：为探究高分一号卫星数据县级农业遥感制图能力，以同江市为研究区，采用最大似然法对同江市主要农作物种植面积进行提取，将提取的结果与地面实测GPS点进行精度评价，总体分类精度达到90.83%。采用不同分辨率影像，通过目视解译的方法提取样方种植结构，分析高分卫星数据制图应用能力。水稻制图精度16 m与10 m影像分类精度变化不大；大棚制图精度5 m以上影像分类精度变化趋于平缓；玉米制图精度4 10 m影像分类精度变化趋于平缓，10 m以上
2、影像分类精度明显降低；大豆制图精度5 m以后影像分类精度明显降低，816 m影像分类精度变化不大。高分一号数据中大豆、红小豆、辣椒和香瓜光谱特征接近，严重干扰了大豆的识别。同时期的蔬菜、瓜果、果树与玉米容易混淆，难以有效区分。关键词：高分一号卫星数据；同江市；空间分布；遥感制图农作物数据获取方法主要有两种：一种是层层上报的全面统计方法；另一种是国家统计局正式组建农村抽样调查队抽样调查，数据的精度和准确性尚难得到较为科学的验证。因此，利用高分辨率遥感数据提取农业数据，具有人为干扰少、探测周期短和费用成本低等特点，为摸清我国农业要素“家底”、实现农业过程科学监管、推进农业数字化管理体系建设提供了有
3、效的数据和技术支撑，为各级农业相关部门管理和决策提供了科学客观的信息支持。随着遥感技术的快速发展，高分辨率卫星遥感数据在农业信息提取中获得了广泛应用。王利民等基于Landsat-8数据，采用最大似然法分类，结果得出引入短波红外使玉米、大豆总体分类精度都有所提高1。钟浩基于高分六号卫星影像特点,选取面向对象分类的方式进行农业大棚信息提取2。孙逸飞等基于Sen-tinel-2A卫星影像，利用面向对象方法对潍坊市冬小麦种植面积进行提取，总体分类精度达93.1%3。刘学刚等以GF-1卫星影像为主要数据源,采用决策树分类法,提取出青岛市2017年冬小麦种植面积，总精度为94.3%4。高分一号卫星数据已成
4、为农业遥感业务运行系统的主要数据源之一，在农业资源要素调查、农业生产过程监测、农业灾害监测与损失评估、农业项目管理和重大农业政策执行情况监测等农业主体业务中实现了规模化应用。本文以高分一号卫星影像为数据源，采用最大似然法提取同江市主要农作物面积，通过与GPS点实测点和地面样方比较各种农作物监督分类精度，从空间特征和光谱特征两方面来分析高分一号卫星数据县级农业遥感制图能力，为基于高分一号数据的县级农业信息获取提供了科学依据。1研究区概况同江市地处黑龙江省东北部，位于东经13218221340715，北纬472330481720，地势由西南向东北递减。同江市属于中温带大陆性季风气候，年平均气温2.
5、5，年平均无霜期142 d，年平均降水量532.7 mm，年平均日照时长2 600 h，年积温2 456.8。土壤属于黑土、草甸土和白浆土，土地肥沃，适宜种植各种农作物。2研究数据2.1遥感数据本文以4景2017年8月21日的高分一号WFV数据为数据源，在ENVI5.3软件中，对高分一号WFV数据进行预处理工作（辐射定标、大气校正和几何精校正）5。辐射定标时采用2017年中国资源卫星应用中心发布的高分一号卫星载荷的绝对辐射定标系数进行定标6。大气校正是使用辐射定标的结果，利用ENVI5.3软件中的大气校正模块进行大气校正。几何精校正是以2017年8月12日Landsat-8 OLI全色影像卫星
6、数据为校正源，对大气校正结果进行有理多项式系数几何精校正。2.2野外实测数据2017年7月1030日，采用手持GPS获取地面实测点，包括玉米、水稻、红小豆、芸豆、鱼池、大棚、向日葵、糜子、窝瓜、高粱、胡萝卜和桔梗等257个。利用Trible4600差分GPS设备，在同江市的农作物主要种植区布设地面样方15个。基金课题：黑龙江省农业科学院“农业科技创新跨越工程”专项“农 田 信 息 与 农 机 作 业 工 况 智 能 感 控 技 术 研 究 与 推 广”（HNK2019CX20-02）。作者简介：解文欢（1980），女，山东龙口人，硕士研究生，助理研究员，主要研究方向为农业遥感监测业务运行。技术
7、设计与试验应用682023年第2期技术设计与试验应用空间分辨率/m1458101516总体分类精度/%图3不同分辨率下水稻分类精度的变化表2不同地物在不同分辨率下的分类精度类别像元数制图精度用户精度总体分类精度Kappa系数正确水稻64615992.19%96.72%玉米76786990.79%88.46%大豆1001019090.00%89.11%总计24024021890.83%0.86分类参考3研究方法对预处理的高分一号WFV影像进行裁剪和镶嵌，采用最大似然法对同江市主要农作物种植面积进行提取，然后采用误差矩阵法将提取的结果与地面实测GPS点进行精度评价，再利用布设的样方，采用不同分辨率
8、影像，通过目视解译的方法提取样方种植结构，计算分类精度，从不同尺度上，分析不同分辨率影像空间特征和光谱特征的变化。4结果与分析4.1遥感分类结果与精度评价2017年同江市种植水稻27.884万hm2、玉米2.047万hm2、大豆9.889万hm2，结果如图1所示。农作物面积提取结果与地面实测点做误差矩阵，采用Kappa系数、总体分类精度、制图精度和用户精度4种方式进行分类精度评价，分类精度评价结果如表1所示。4.2高分卫星数据制图应用能力评价随着空间分辨率的降低，影像栅格单元尺寸变大。在空间分辨较高时，可以清楚地看到旱地样方中的纹理、道路和林地；在空间分辨率较低时，已很难分辨出样方中道路、林地
9、的形状。地块随着空间分辨率的降低，校方轮廓、形状、大小逐渐变得模糊，与周围界限不明显。如图2所示。参照实地样方根据不同分辨率影像，通过目视解译的方法提取样方种植结构，计算分类精度，如表2所示。从图36中可以看出，水稻分类精度随着空间分辨率的降低而降低，分辨率4 m到10 m的范围，5 m的分类精度最高，16 m与10 m的分类精度比较接近。大棚分类精度随着空间分辨率的降低而降低，分辨率5 m以后，分类精度变化趋于平缓。玉米分类精度随着空间分辨率的降低而降低，4 m到10 m分类精度变化趋于平缓，10 m分类精度与4 m分类精度比较接近，10 m后分类精度明显降低。大豆分类精度随着空间分辨率的降
10、低而降低，分辨率15 m分类精度变化不大，5 m以后分类精度明显降低，816 m分类精度变化不大，16 m分类精度与8 m分类精度比较接近。大豆水稻玉米图2不同分辨率影像中地块形状变化大地地面样方高分一号（16 m）Landsat-8（15 m）Sentinel2A（10 m）高分一号（8 m）Rapid Eye（5 m）高分二号（4 m）高分二号（1 m）分辨率/m分类精度/%水稻大豆玉米大棚199.5498.4199.7897.77498.7098.4698.2296.52598.9298.8598.2395.61898.5796.8998.1695.331097.8796.1198.10
11、95.221598.1896.0496.8795.541697.8196.7697.5495.33100.0099.5099.0098.5098.0097.5097.0096.50图1同江市2017年大豆、水稻和玉米空间分布图表1分类精度评价表69图8 Landsat-8影像样方作物波谱曲线空间分辨率/m1458101516总体分类精度/%）100.0099.0098.0097.0096.0095.00空间分辨率/m1458101516总体分类精度/%99.0098.0097.0096.0095.0094.00图6不同分辨率下大豆分类精度的变化图5不同分辨率下玉米分类精度的变化空间分辨率/m1
12、458101516总体分类精度/%98.0097.0096.0095.0094.0093.00图4不同分辨率下大棚分类精度的变化对光谱曲线进行分析，从影像谱段设置及光谱之间的差异性来看（如图78），高分一号数据中大豆、红小豆、芸豆、辣椒和香瓜特征接近，严重干扰了大豆种植面积的提取。同时期的葡萄、秋葵、西瓜、白菜和果树与玉米容易混在一起，难以有效区分。Landsat-8数据中，大豆、红小豆和芸豆光谱值差异比较小，大豆与其他豆类很难区分。同时期的葡萄、西瓜、香瓜、白菜和果树容易混在一起，不易区分，但与玉米区别明显。5结语高分一号卫星数据在作物种植结构单一的区域，遥感解译精度较高，具有较好适用性，例
13、如对56月水稻的提取，精度达到96%以上；作物种植结构复杂的区域，由于影像分辨率和光谱设置等因素的限制，混合像元明显增加，提取精度有所降低，总体精度达到90%以上。通过对数据进行光谱分析得知，不同植被在红边波段上有较大差异，在其他波段上差异明显较小。而高分一号卫星数据波谱缺少红边波段，需借助更优的算法区分同期间种的农作物。高分一号卫星重访周期短、传感器数据幅宽大、覆盖面广，短时间内可获取大量的影像，能够满足县级一张图遥感业务化需求。参考文献：1王利民，刘佳，杨玲波，等.短波红外波段对玉米大豆种植面积识别精度的影响J.农业工程学报，2016，32(19):169-178.2钟浩.基于高分六号影像
14、的农业大棚信息提取D.赣州：江西理工大学，2021.DOI:10.27176/ki.gnfyc.2021.000396.3孙逸飞，柳平增，张艳，等.基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究J.中国农机化学报，2022，43(7):98-105.4刘学刚，李峰，郭丽娜.基于高分卫星影像的青岛市冬小麦种植信息提取J.中国农学通报，2020，36(11):118-123.5胡根生,吴问天,罗菊花,等.结合HJ卫星影像和最小二乘孪生支持向量机的小麦蚜虫遥感监测J.浙江大学学报(农业与生命科学版),2017,43(2):211-219.6王祥峰,蒙继华.基于HJ-1卫星的农田土壤有机质含量监测J.农业工程学报,2014,30(8):101-108.图7高分一号16 m影像样方作物波谱曲线技术设计与试验应用70
