基于多时相多元数据的烟田分布信息遥感监测方法

基于多时相多元数据的烟田分布信息遥感监测方法高歌，刘小林，苏立红（陕西国土测绘工程院西安710054）摘要：我国烟草产区主要集中在云南、河南、贵州、湖南一带，如何高效地提取烟田面积对于提高烟叶管理水平十分必要。本文根据烟区典型作物光谱特征曲线，纹理信息，不同时间序列光谱特征差异等的基础上，提出基于多时相多元数据提取烟田分布数据，最后利用辅助数据和GPS实地测量数据进行核实纠正，得到比较理想的结果精度。该方法可以为烟田信息监测提供参考，也可以为相似地区其它作物分布信息提取提供借鉴。关键词：烟田分布；多时相；多元数据；TM影像；SPOT影像TobaccoFieldDistributionInformationExtractionbasedonMulti-temporalandMultipleRemoteSensingDataGAOGe,LiuXiaolin,SuLihong(ShaanxiInstituteofSurveyingandMappingofland,Xian)Abstracts:China'stobacco-producingareasdistributedmainlyinthoseprovincessuchasYunnan,Henan,Guizhou,Hunanandsoon,itisnecessarytoefficientlyextracttobaccofieldareaforimprovingtheleveloftobaccomanagement.Basedonatypicalcrops’spectralcharacteristiccurves,tobacco’textureinformation,multi-temporalsequencedifferencesinthespectralcharacteristics,finallyusingauxiliarydataandGPSfieldsurveyingdatatoverifythecorrecteddata.Theresultindicatedthatextractionisreliable.ThismethodcanprovideareferenceforTobaccoinformationmonitoring,alsocanbeusedtomonitorothercropsspatialdistributioninsimilarmountainousareas.Keywords:tobaccofielddistribution;multi-temporaldata;multipleremotesensingdata;TM;SPOT1引言烟草是重要的经济作物，是国家和地方财税的重要经济来源。烟草种植面积和产量是国家宏观管理和决策的重要经济信息，是管理者指导烟草生产，优化布局，优化种烟田地，优化种烟农户，实现规范化、规模化种植的重要依据，同时也是维护国家、企业、烟农三者利益的根本所在。只有及时、准确掌握烟叶种植面积，才能够充分发挥政府部门管理烟草市场的职能作用，严格按国家计划组织生产，有效控制烟叶种植面积，更好的维护好我国的烟草市场秩序。遥感技术具有快速、准确、低成本和高效率的特点，在烟草作物监测中发挥了重要作用。烟草种植面积的遥感监测进一步加强了对烟草种植的管理，有效地带动烟草行业信息化，提高行业宏观决策能力和生产管理水平，促进烟草行业现代化建设，有利于实现我国烟草生产持续稳定协调健康发展。2基本原理2.1烟草的光谱特性采用ASD光谱仪野外实地测量得到的云烟85植株冠层的反射波谱曲线如图1所示。烤烟植株冠层的反射光谱在各个波段的主要特征表现如下：1）400-490nm波段的反射波谱曲线具有很平缓的形状和很低的数值，平均反射率一般不超过10％；2）490-600nm波段的反射波谱曲线具有波峰的形态和中等的反射率数值（大多数在8-28％之间）；3）在550nm波长处又是植物吸收率的一个谷值，而透射率在此波长处为一峰值；4）在600-700nm波段的反射波谱曲线具有波谷的形态，并具有很低的反射率值；5）720-740nm波段有水的弱吸收，但被植物反射率的急剧增高所掩盖，在曲线形态上没有明显的反映，此波段的主要特征是反射率急剧上升，曲线具有陡而接近直线的形态；6）750-900nm波段具有波动起伏的形态和高反射率的数值，植物在此波段的透射率亦相当高，而吸收率极低。2.2TM影像典型农作物的光谱特征分析研究区的主要种植的作物有水稻、玉米、小麦、烤烟、甘蔗等，其他农作物种植规模相对较小，主要类型有葡萄、石榴、三七、蔬菜、柑桔等。水稻、玉米、烤烟、甘蔗等主要农作物在TM上的影像特征如图2所示。由图2可知，成长期的烤烟与玉米在光谱特征上十分相似，无法单从作物的叶片光谱特征来识别烤烟与玉米。但研究区移栽期烤烟与其他作物在使用地膜的时间上存在较大差异。云南烤烟移栽时间一般从4月下旬开始到5月下旬全部结束。烤烟移栽时基本都要覆盖地膜，以抢抓有效积温、实现早生快发、提高烟叶内在质量，地膜的存在为烟田种植面积的遥感监测提供了极为有利的条件。烤烟的移栽期间基本没有同样需要覆盖地膜的其他作物，地膜与烤烟叶片及耕地形成的混合光谱的光谱特征与其他地物存在明显的差异，有利于烤烟种植地块的遥感分类和解译。因此移栽期烟田地膜与烤烟叶片及耕地形成的混合光谱可以成为识别烤烟种植地块的重要特征。几年来的实践也证明了这一点。图1云烟85植株冠光谱反射曲线Fig.1canopyspectralcurvesofYunyan-85图2典型农作物的TM影像光谱曲线Fig.2Spectralcurveoftypicalcrops2.3烟田纹理信息分析野外实际调研的结果得知，烟田跟玉米，水稻等农作物混种不多时，它的种植沟垄很整齐，在高分辨率影像上能表现出较清楚的纹理信息，如图3。因此在提取烟田时，地块中影像的纹理对烟田的判定有重要参考价值。影像中的烟田纹理信息与烟叶光谱特征结合起来进行分类，是提取烟田重要的一步，可帮助提高分类的准确性，提高烟田提取的精度。a整齐的烟田沟垄实地图片b影像上清楚的纹理特征050100150200250TM1TM2TM3TM4TM5TM7TM波段DN值烟田地膜成长期烟田水稻玉米甘蔗裸地c整齐的烟田地膜实地图片d影像上清楚的纹理特征图3烟田的纹理特征Fig.3Textureoftobaccofields2.3烤烟独特的时间序列光谱曲线特征烤烟秧苗移栽前后各个时期的地表覆盖类型依次是：烤烟前茬作物烤烟移栽前的裸地烤烟移栽后覆盖地膜的烟田烤烟成长期的烟田，该时间序列光谱曲线与其他农作物的时间序列光谱曲线存在明显差异，并且烤烟秧苗的移栽期间基本没有同样需要覆盖地膜的其他作物，因此基于烤烟独特的时间序列光谱曲线特征，可利用多个时相的遥感数据，以烟田地膜为主要识别特征对烤烟的种植情况进行监测。如图4中，烟田地块和非烟田地块在烤烟前茬作物时段和烤烟成长期时段在TM光谱上十分相近，而在烤烟移栽前裸地时段和烤烟移栽后覆盖地膜时段两种的光谱存在显著差异，十分有利于烟田的遥感识别。图4烟田地块TM时间序列光谱曲线Fig.4TimeseriesplotsspectralcurveofTMimageofTobacco3烟草遥感监测技术方法3.1烟草遥感监测技术流程图5遥感影像提取烟田分布信息流程图Fig.5flowchartoftobaccofieldsspatialdistributioninformationextraction本文基于多时相多元数据和烤烟独特时间序列光谱曲线特征为基础、以烤烟秧苗移栽时地膜与烤烟叶片及耕地形成的混合光谱为主要烟田识别特征，以在高分辨率影像上烟田独有的纹理特征和相关地理背景信息为辅助因子的烟草种植面积遥感监测综合解译技术方法。具体流程如图5所示，关键在于选取恰当时期的遥感图像以反映出各个时期的土地覆盖特征，重点突出烟田地膜的光谱特点，在此基础上运用多时相遥感图像分类方法，结合利用5m的高空间分辨率SPOT-5影像作为烟田地块的地理底图以限定烟田地块的准确位置，综合考虑烟田与其他作物有明显差异的纹理特征以及现有多种地理背景信息（如地形图、土地利用现状图、烟田种植适宜区分布图、土壤类型图、道路、河流等），结合一定数量的GPS野外实地采集的样区进行核查纠正，有效提取烟草种植田块。3.3烟田分布信息的提取光谱角制图(SpectralAngleMapper，SAM)是一种图像波谱与地物像元波谱或波谱库中地物波谱相匹配的分类技术。光谱角分类法以运算影像像元光谱与样本参考光谱之间的夹角来区分类别。光谱角分类方法的原理是：把光谱作为矢量投影到N维空间上，其N维数为试验时选取的所有波段数。N维空间中，各光谱曲线被看作有方向有长度的矢量，而各光谱之间形成的夹角叫作光谱角,光谱角越小则两者的光谱相似性越大。光谱角分类法考虑的是光谱矢量的方向而非光谱矢量的长度。由于光谱矢量的长度关联到影像亮度，而光谱角分类法对亮度值的影响并不敏感。所以当计算影像光谱角的时候，光谱角分类方法仅仅需要光谱矢量的方向而不关注影像本身的亮度。光谱角分类法的结果是生成一系列的光谱角度图像。在一定光谱角角度允许的范围内每个角度图像对应一个类型组分像元，即每个像元在光谱相似性上有可能对应于被指定的一个样本参考光谱角度值(光谱曲线值)，如果被测像元光谱与所有参考光谱之间的角度超出允许范围，此像元被归为未分类，又叫无值类别。光谱角度越小，被估计像元的光谱曲线与参考光谱曲线就越相似，表现在两者之间的地物特性上也越相似，归类的概率和精度就越高。在N维空间上，光谱角分类方法也可以以数学公式的形式来获得估计像元光谱矢量与参考光谱矢量之间的角度，其光谱角的数学表达式为：122cos()()XYXY（1）多时相TM影像5米SPOT全色影像烟田基础数据DEM正射校正GPS数据辐射、几何校正影像融合多时相遥感分类训练样本结果验证土地利用现状图烟田种植适宜区分布土壤类型图道路河流高分辨率影像解译判读核查纠正烟田分类结果烟田遥感监测空间分布图DEM、坡度其中：α为影像像元光谱与参考光谱之间的夹角(光谱角)；X为影像像元光谱曲线矢量；Y为参考光谱曲线矢量。光谱角值以很小的α弧度角来表示，它代表了光谱曲线之间大部分的光谱相似性。α弧度角由cos－1决定，其变化范围是[0,π/2]。上面的等式也可以用cosα的形式表达，如公式2，在这种情况下，当cosα的值接近1的时候有最好的估计光谱值和类别分类结果。22cos()()XYXY（2）下面以云南红河某地区的烟田为例，基于多时相遥感数据形成的烤烟独特时间序列光谱曲线，以烟田地膜为主要烟田识别特征，利用光谱角制图方法对烤烟种植烟田进行遥感提取。a烟田4月份TM影像b烟田5月份TM影像图6烟田两个不同时相TM影像Fig.6TwodifferentperiodsofTMimagesofTobaccofields试验区位于红河州石屏县龙朋镇，分别利用4月份和年5月份两个时相的TM影像（如图6）用于比较分析和时间序列光谱角制图。由图6可以看出，4月份TM的RGB743合成影像中较亮的粉红色裸地部分在5月份TM的RGB743影像已经变为淡蓝色，这种淡蓝色是烤烟移栽后，烟田地膜与烤烟烟苗移栽耕地所形成的混合光谱的颜色，是识别烟田的重要标志。4月份和5月份TM影像经过辐射校正，将各个地物的辐射亮度校正到实际值，从而使得不同时相的TM影像地物光谱曲线之间具有可比性。烟田两个不同时相TM光谱曲线如图7所示，由图7可以看出，烟田和裸地在4月份的光谱曲线上是类似的，而在5月份的光谱曲线上存在很大差异，基于这种光谱差异可以提取烟田信息。由于林地在4月份和5月份两个时段的变化情况不大，反映在时间序列光谱曲线上，两种也十分相似，因此林地等其他地物变化不大的地类对基于时间序列的烟田提取不会造成影响。图7烟田两个不同时相TM光谱曲线Fig.7TwodifferentperiodsTMspectral