引用本文
王凯, 张佳华. 基于MODIS数据的湖北省油菜种植分布信息提取[J]. 国土资源遥感, 2015,27(3): 65-70
WANG Kai, ZHANG Jiahua. Extraction of rape seed cropping distribution information in Hubei Province based on MODIS images[J]. REMOTE SENSING FOR LAND & RESOURCES,2015,27(3): 65-70  
Permissions
Copyright©2015, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于MODIS数据的湖北省油菜种植分布信息提取
王凯1,2, 张佳华2
1.长江大学地球科学学院,武汉 430075
2.中国科学院遥感与数字地球研究所,北京 100094
通信作者:张佳华(1966-),男,博士,研究员,主要从事遥感技术应用与气候变化-生态环境方面的研究。Email: zhangjh@radi.ac.cn。

第一作者简介: 王 凯(1989-),男,硕士研究生,主要研究方向为农业与土地利用遥感。Email: 283030433@qq.com。

收稿日期: 2014-01-01
基金项目: 国家“973计划”项目“全球变化影响下主要作物的脆弱性及评价指标”(编号: 2010CB951302)和气象行业专项项目“遥感技术在作物生长模式及农业气象预报中的应用研究”(编号: GYHY201106027)共同资助
摘要

MODIS归一化差值植被指数(MODIS-normalized difference vegetation index,MODIS-NDVI)时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。为研究基于MODIS数据的油菜种植分布信息提取技术,选取湖北省为研究区,利用2008—2013年75个时相的MODIS-NDVI时序数据,结合农作物物候和地面调查样本等辅助资料,通过建立油菜种植面积提取模型,采用多次阈值比较方法提取了2009—2013年湖北省油菜种植分布信息,与统计数据比较,总体提取精度为85%左右。最后利用环境小卫星HJ-1A CCD数据进行精度验证,证明了MODIS-NDVI时序数据及本文方法在油菜种植面积提取中的可靠性,对掌握油菜种植面积和产量信息、加强农业生产管理、调整农业结构及辅助政府有关部门制定科学合理的农业政策具有重要意义。

关键词: MODIS; 归一化差值植被指数(NDVI); HJ-1A CCD; 油菜分布; 湖北
中图分类号:TP 751.1 文献标志码:A 文章编号:1001-070X(2015)03-0065-06 doi: 10.6046/gtzyyg.2015.03.12
Extraction of rape seed cropping distribution information in Hubei Province based on MODIS images
WANG Kai1,2, ZHANG Jiahua2
1. Institute of Earth Sciences, Yangtze University, Wuhan 430075, China
2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
Abstract

MODIS vegetation index time series of products can reflect the coverage of vegetation continuously, and is an important data source for remote sensing of crops. The authors selected Hubei Province as the study area. Using the MODIS-normalized difference vegetation index(MODIS-NDVI) data of 75 phases in the period from 2008 to 2013, and combining the crop phenology with samples of ground survey and other auxiliary details, the authors established the model for extracting the area of rape growing, and then extracted the distribution of rape growing in Hubei Province in the period from 2009 to 2013. The overall accuracy of the extraction was 85%, as shown by the verification of the HJ-1A CCD data of small environmental satellite, and this indicates that the reliability of the data of MODIS vegetation index time series and the study methods proposed in this paper for the extraction of the area of rape seed cultivation. The results achieved by the authors are very important for detecting the area of rape growing and information of output, reinforcing the management of agricultural production, adjusting the structure of agriculture, and assisting the government to formulate the agricultural policy scientifically and rationally.

Keyword: MODIS; normalized difference vegetation index(NDVI); HJ-1A CCD; rape distribution; Hubei
0 引言

我国是一个农业大国, 人口众多, 地域广阔, 气候复杂多变, 农业一直是基础产业。作为国家农情基础数据的农作物种植面积是产量估测必不可少的参数, 也是国家粮食安全的重要指标之一[1, 2]。我国是油菜生产大国, 油菜是居水稻、小麦、玉米和大豆之后的第5大优势作物, 已成为我国重要经济作物和食用油的主要来源[3]。

遥感技术具有客观性、空间性、时效性、信息量大和成本相对低等优点, 对农作物种植面积监测具有其他方法不可替代的优势[4, 5, 6, 7]。农作物种植面积提取的关键是准确地识别作物类型, 但因高分辨率多光谱遥感影像重访周期长, 且数据获取容易受到天气影响, 很难得到覆盖大范围农作物实际种植区的图像, 并且高分辨率遥感数据费用高、推广难度大; 所以本文选用中低分辨率的MODIS数据进行农作物种植面积提取研究 。目前, 国内外应用于大面积农作物种植面积监测的方法主要是直接利用NOAA/AVHRR或MODIS数据进行监测[1, 2, 5], 如孙华生等[5]利用EOS-MODIS数据空间覆盖面大和时间分辨率高等优势, 选取覆盖中国范围的数据, 实现了对全国范围水稻种植和生长信息的提取; 解决了水稻遥感估产中最关键的技术问题, 为实施大面积水稻遥感估产提供了理论与实验依据。同时, TM、中巴资源卫星、环境小卫星和SPOT等中高分辨率卫星数据在农作物面积提取监测中也得到了广泛应用[6, 7, 8, 9, 10, 11], 如黄晓军等[6]利用TM数据对江苏省部分地区的冬小麦种植面积进行了提取。另外, 综合利用MODIS与TM数据也可以进行农作物面积提取, 如顾晓鹤等[7]针对大范围冬小麦种植面积遥感监测, 利用多光谱TM和多时相MODIS数据, 采用支持向量机技术提取了河南省中北部的冬小麦种植面积, 为利用多尺度遥感数据进行大范围冬小麦种植面积测量提供了理论和实验依据。近年来, 基于农作物反射光谱特征曲线提取不同类型作物的研究一直在不断开展[4, 12, 13], 多时相遥感影像和时序数据对农作物的识别发挥了重要作用[1, 2, 14, 15, 16]。

湖北省是农业大省, 全省70%的耕地集中在江汉平原、鄂东沿江汉平原及鄂中丘陵地区, 兼有水田旱地, 且水田稍多于旱地。在鄂南, 水田占耕地的70%左右, 普遍栽培双季稻; 而在鄂北和鄂西北, 旱地占耕地的68.3%, 主要作物是油菜、小麦、玉米及水稻等[17]。鉴于国内对油菜作物面积的遥感研究较少, 本文以湖北省为研究区, 以油菜为主要研究对象, 基于多时相的MODIS归一化差值植被指数(MODIS-normalized difference vegetation index, MODIS-NDVI)数据进行农作物提取; 充分利用不同作物各自的物候特征, 结合野外测量的NDVI数据, 提取了研究区油菜及其种植面积; 并利用环境小卫星HJ-1A CCD 数据及实地统计数据, 对基于MODIS-NDVI数据的油菜种植分布信息提取结果进行验证。利用本文方法能够及时掌握油菜种植面积和产量信息, 为加强农业生产管理、调整农业结构及辅助政府有关部门制定科学合理的农业政策提供依据。

1 研究区概况

湖北省位于E108° 21'~116° 07', N29° 05'~33° 20'之间, 土地面积18.59万km2; 位于我国地势第2级阶梯向第3级阶梯过渡地带, 地貌类型多样, 山地、丘陵、岗地和平原兼备[17]。山地约占全省总面积55.5%, 丘陵和岗地约占24.5%, 平原湖区约占20%(图1)。年均降水量在800~1 600 mm之间, 由于受地形影响, 神农架南部等地为全省多雨中心, 江汉平原在梅雨期长的年份常发生洪涝灾害。鄂西北山区昼夜温差较大, 年平均气温在15~22℃之间。湖北的农业以耕作业为主, 粮食生产居首要地位, 是我国重要的粮、棉、油及猪生产基地。“ 世界油菜看中国, 中国油菜看湖北” 就是对湖北油菜产业优势地位的生动写照。2012年湖北省的油菜种植面积近2 000万亩①(①1亩=0.066 7 hm2。), 约占全国油菜种植面积的1/6。油菜年产量连续15 a居全国之首。因此, 研究湖北油菜种植面积对油菜产量分析具有指导意义。

图1 湖北省地势图Fig.1 Chorographic map of Hubei Province

2 数据与方法
2.1 数据源与预处理

本文采用了2008年10月— 2013年5月获取的中等分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MOD13Q1)的16天合成产品, 空间分辨率为250 m, 主要利用其NDVI数据(陆地Ⅱ 级标准数据产品); 结合湖北省矢量数据对NDVI数据进行重投影、拼接和裁剪等预处理, 得到75景湖北省NDVI影像。

2.2 研究方法

湖北省越冬农作物只有冬小麦和油菜, 而油菜和冬小麦具有相同的物候期, 都是在10月下旬— 翌年5月上旬重合; 所以, 提取油菜种植面积的关键是区分油菜和冬小麦。表1示出湖北省油菜与冬小麦的物候期。

表1 湖北省油菜与冬小麦物候期 Tab.1 Phenological periods of rapeseed and winter wheat in Hubei Province

采用混合像元分解法对HJ-1A CCD影像进行的油菜信息提取具有较高的精度, 但因无法解决影像覆盖度的问题(很难找到覆盖整个湖北省的无云的HJ-1A CCD影像), 因而决定利用MODIS数据对湖北省油菜信息进行提取。通过调研得到的油菜和冬小麦生长重合期的NDVI曲线[11](图2)可以作为区分油菜和冬小麦的依据。

图2 油菜与冬小麦生长重合期的NDVI[11]Fig.2 NDVI of rapeseed and winter wheat during growth period coincidence[11]

由图2可以看出, 油菜和冬小麦的NDVI曲线变化趋势基本一致, 11— 12月处于缓慢生长阶段, NDVI曲线平缓上升; 1— 2月处于越冬期, 油菜和冬小麦停止生长, NDVI变化很小; 3— 4月返青后, 油菜和冬小麦均快速生长, NDVI曲线快速上升; 4— 5月成熟收获期, NDVI曲线开始下降。两者相比较, 在3月中旬之后, 油菜与冬小麦的NDVI曲线有相反的变化, 在此期间油菜进入盛花期, 所以NDVI曲线有所下降; 而冬小麦在拔节期继续生长, 其NDVI曲线则继续上升。而且, 同时段内的其他农作物(如早稻、棉花及玉米)尚未移栽, 所以3月中、下旬是识别冬小麦和油菜的最佳时相。

利用MODIS影像数据提取油菜信息的技术流程如图3所示。

图3 油菜种植面积提取技术流程Fig.3 Technical flow chart of rapeseed acreage extraction

根据油菜与冬小麦生长重合期的NDVI变化曲线, 选取获取日期分别为2009-11-01, 2009-12-19, 2010-02-18, 2010-03-04, 2010-03-20, 2010-04-05, 2010-04-21和2010-05-07的经过预处理的8期MODIS-NDVI影像进行判别。对8景影像进行编号(依次编号为A, B, C, D, E, F, G和H), 如图4所示。

图4 湖北省8景MODIS-NDVI影像Fig.4 Eight scenes of MODIS-NDVI images of Hubei Province

油菜种植分布信息的判别条件1: B> A(11— 12月油菜与冬小麦进入出苗期, NDVI呈增长趋势); 条件2: D> C(2— 3月返青时节, 油菜与冬小麦快速生长, NDVI呈增长趋势); 条件3: G> H(4— 5月份油菜和冬小麦成熟收获, NDVI下降); 条件4: E> F(3— 4月油菜进入开花期, NDVI下降)。当同时满足上述4个条件时, 判别结果即为油菜种植分布信息。

3 结果与分析
3.1 油菜种植分布信息提取

首先, 通过对以上8景MODIS影像进行综合分析, 成功提取了2010年湖北省油菜种植分布信息。油菜种植集中在襄阳、荆门、荆州和天门等地区, 武穴地区油菜种植密度也较大, 与实际情况相符。

然后, 统计所提取的油菜种植区的像元数, 并且计算其种植面积(种植面积=像元数× 像元面积, 本文中像元面积=250× 250 m2), 得到的油菜种植面积约为132.4万hm2。

最后, 与统计局公布的结果(115.9万hm2)对比, 本文总体提取精度达到了86.8%, 提取精度可信。

利用同样的方法, 提取了2009— 2013年的湖北省油菜种植面积, 其分布如图5所示, 其总体精度在85%左右。

图5 2009— 2013年湖北省油菜种植分布Fig.5 Distribution of rapeseed cultivation in Hubei Province from 2009 to 2013

3.2 精度验证

为了对油菜提取结果做进一步的检验, 采用2010年3月25日获取的环境小卫星HJ-1A CCD多光谱影像数据进行验证。

HJ-1A CCD影像油菜面积提取的技术流程(以钟祥市验证区为例)如图6所示。

图6 HJ-1A CCD影像油菜面积提取技术流程Fig.6 Technical flow chart of rapeseed acreage extraction from HJ-1A CCD image

经调研发现, 混合像元分解法对于小尺度地物的信息提取具有较高的精度。故选取位于江汉平原区域的钟祥(图7)、京山、沙洋及荆门等地作为验证区, 采用混合像元分解法提取油菜种植信息。

图7 湖北省钟祥市地理位置Fig.7 Location of Zhongxiang City in Hubei Province

3月下旬油菜与冬小麦在可见光和近红外波段的反射率具有显著差异, 利用该特征并运用混合像元分解法可精确提取油菜种植信息(图8)。

图8 3月下旬油菜与冬小麦反射波谱对比[11]Fig.8 Comparision between reflective spectrum of rapeseed and winter wheat on late March[11]

将所提取的结果与用MODIS数据提取的油菜分布信息进行对比分析。为了使结果显示得更加直观, 对30 m空间分辨率的HJ-1A CCD提取结果进行重采样, 使其空间分辨率也为250 m; 然后利用钟祥市矢量图(图7)裁剪得到2景影像提取的结果(图9)。

图9 钟祥市油菜种植分布信息Fig.9 Rapeseed cultivation distribution information in Zhongxiang City

从图9的对比情况可以看出, 利用MODIS-NDVI提取的油菜种植分布结果与利用HJ-1A CCD多光谱数据提取的结果基本一致。计算得到钟祥验证区2种遥感数据的油菜种植分布提取结果的二维散点图(图10), 其R2=0.883, 可见两者的相关性比较高。

图10 HJ-1A CCD与MODIS-NDVI提取结果散点图Fig.10 Scatter plot of results extracted from HJ-1A CCD and MODIS-NDVI

湖北省油菜种植分布提取的验证结果见表2。

表2 精度验证结果 Tab.2 Verification results of accuracy(103 hm2)

对比表2中利用2种影像提取油菜种植分布的验证结果可以看出, 两者数值相近、相关性较高, 说明提取结果比较可靠。

4 结论

1)本文利用MODIS-NDVI数据, 在湖北省进行了油菜种植面积监测实验; 同时, 使用环境小卫星(HJ-1A)的高分辨率CCD影像进行了精度验证。结果表明, 油菜种植面积的遥感监测可以达到相当高的精度水平。研究结果显示, 与统计数据相比, 湖北省2010年油菜种植面积信息提取准确率达86.8%。同时提取了2009— 2013年这5 a的湖北省油菜种植分布, 总体精度在85%左右。因此, 选择合适的数据时相, 利用MODIS-NDVI数据能够满足大尺度的油菜面积提取需求。

2)由于研究选用的MODIS数据的空间分辨率为250 m, 加之湖北省大多地区又习惯于混杂种植, 故不可避免地会导致实验结果偏大; 虽然目前已有不少能识别混杂种植作物的方法, 但是大多数方法都随着研究区域的变大、误差也越来越大。在今后的研究中, 将进一步考虑大尺度范围遥感影像的混合像元问题。另外, 由于气候或播种时间的差异, 不同地区油菜和冬小麦的物候期会略有不同, 这样也会造成大尺度的油菜种植分布信息提取产生较大的误差。

The authors have declared that no competing interests exist.

参考文献
[1] 潘耀忠, 李乐, 张锦水, 等. 基于典型物候特征的MODIS-EVI时间序列数据农作物种植面积提取方法——小区域冬小麦实验研究[J]. 遥感学报, 2011, 15(3): 578-594.
Pan Y Z, Li L, Zhang J S, et al. Crop area estimation based on MODIS-EVI time series according to distinct characteristics of key phenology phases: A case study of winter wheat area estimation in small-scale area[J]. Journal of Remote Sensing, 2011, 15(3): 578-594. [本文引用:3]
[2] 苗翠翠, 江南, 彭世揆, 等. 基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例[J]. 地球信息科学学报, 2011, 13(2): 273-280.
Miao C C, Jiang N, Peng S K, et al. Extraction of paddy land area based on NDVI time-series data: Taking Jiangsu Province as an example[J]. Geo-Information Science, 2011, 13(2): 273-280. [本文引用:3]
[3] 王翠翠, 陈爱武, 王积军, 等. 湖北双季稻区免耕直播油菜生长及产量形成[J]. 作物学报, 2011, 37(4): 694-702.
Wang C C, Chen A W, Wang J J, et al. Growth and yield formation of no-tillage direct-seeding rapeseed in Hubei double cropping rice area[J]. Acta Agronomica Sinica, 2011, 37(4): 694-702. [本文引用:1]
[4] 陈思宁, 赵艳霞, 申双和. 基于波谱分析技术的遥感作物分类方法[J]. 农业工程学报, 2012, 28(5): 154-160.
Chen S N, Zhao Y X, Shen S H. Crop classification by remote sensing based on spectral analysis[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(5): 154-160. [本文引用:2]
[5] 孙华生. 利用多时相MODIS数据提取中国水稻种植面积和长势信息[D]. 杭州: 浙江大学, 2009.
Sun H S. Extracting Planting Area and Growth Information of Paddy Rice Using Multi-temporal MODIS Data in China[D]. Hangzhou: Zhejiang University, 2009. [本文引用:3]
[6] 黄晓军, 何维, 张云柏, 等. 利用TM卫星资料进行江苏部分地区小麦面积调查[J]. 江苏农业科学, 2003(4): 85-87.
Huang X J, He W, Zhang Y B, et al. TM satellite data use survey conducted in parts of the wheat area in Jiangsu[J]. Jiangsu Agricultural Sciences, 2003(4): 85-87. [本文引用:3]
[7] 顾晓鹤, 潘耀忠. MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究[J]. 遥感学报, 2007, 11(3): 350-358.
Gu X H, Pan Y Z. Consistency study between MODIS and TM on winter wheat plant area monitoring: A case in small area[J]. Journal of Remote Sensing, 2007, 11(3): 350-358. [本文引用:3]
[8] 杨红卫, 童小华. 中高分辨率遥感影像在农业中的应用现状[J]. 农业工程学报, 2012, 28(24): 138-149.
Yang H W, Tong X H. Application status of middle and high resolution remote sensing images in agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(24): 138-149. [本文引用:1]
[9] 莫登奎. 中高分辨率遥感影像分割与信息提取研究[D]. 长沙: 中南林业科技大学, 2006.
Mo D K. High-Resolution Remote Sensing Image Segmentation and Information Extraction Research[D]. Changsha: Central South University of Forestry and Technology, 2006. [本文引用:1]
[10] 钟仕全, 陈燕丽, 莫建飞, 等. 基于中巴02B星遥感数据的油菜识别技术研究[J]. 国土资源遥感, 2010, 22(2): 77-79, 85. doi: DOI: 106046/gtzyyg. 201002. 17.
Zhong S Q, Chen Y L, Mo J F, et al. Cole feature extraction from CBERS-02B remote sensing images[J]. Remote Sensing for Land and Resources, 2010, 22(2): 77-79, 85. doi: DOI:10.6046/gtzyyg.2010.02.17. [本文引用:1]
[11] 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.
Liang Y T, Wan J. Application of HJ-1A/B-CCD images in extracting the distribution of winter wheat and rape in Hubei Province[J]. Chinese Agricultural Meteorology, 2012, 33(4): 573-578. [本文引用:2]
[12] 伍瑞卿, 杨存建. 云南省腾冲油菜反射波谱特征与应用分析[J]. 地球信息科学, 2006, 8(4): 136-140.
Wu R Q, Yang C J. A pilot study of reflecting spectrum characteristics for rape in Tengchong county of Yunnan Province[J]. Geo-Information Science, 2006, 8(4): 136-140. [本文引用:1]
[13] 王立辉, 黄进良, 孙俊英. 基于线性光谱混合模型的油菜种植面积遥感监测方法研究[J]. 遥感信息, 2010(3): 55-59.
Wang L H, Huang J L, Sun J Y. Study on remote sensing monitoring of rape acreage based on linear spectral mixture model[J]. Remote Sensing Information, 2010(3): 55-59. [本文引用:1]
[14] 屠星月, 赵冬玲. 多时相遥感影像农作物识别方法的分析[J]. 测绘通报, 2012(s1): 380-383.
Tu X Y, Zhao D L. Analysis of multi-temporal remote sensing of crop identification method[J]. Surveying and Mapping, 2012(s1): 380-383. [本文引用:1]
[15] Xiao X M, Boles S, Liu J Y, et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J]. Remote Sensing of Environment, 2005, 95(4): 480-492. [本文引用:1]
[16] Zhang M W, Zhou Q B, Chen Z X, et al. Crop discrimination in Northern China with double cropping systems using Fourier analysis of time-series MODIS data[J]. International Journal of Applied Earth Observation and Geoinformation, 2008, 10(4): 476-485. [本文引用:1]
[17] 李寄, 黄进良, 许文波. 湖北省冬小麦种植面积遥感估算方法研究[J]. 世界科技研究与发展, 2008, 30(5): 597-599.
Li J, Huang J L, Xu W B. Study on method of estimating the winter wheat acreage using remote sensing of Hubei Province[J]. World Science and Technology Research and Development, 2008, 30(5): 597-599. [本文引用:2]