一种东北三省水稻种植面积提取方法

      摘要

为准确提取水稻面积，以东北为研究区域，采用多时相16天合成MODIS增强型植被指数数据和8天合成MODIS地表反射率数据提取水稻种植分布。选取水稻代表样点利用IDL编程提取物候曲线，利用归一化植被指数（NDVI）将水稻与其他明显地类区分，然后建立水稻增强型植被指数（EVI）、地表水体指数（LSWI）之间的相关关系，结合最新2015年土地利用数据提取东北三省2015年水稻种植面积。同时运用运筹学理论建立省级尺度水稻判别条件最优化模型，分析其在空间分布上的差异性和相关性，并将结果与统计年鉴进行对比分析，分析表明MODIS数据适合大区域省级范围水稻面积的提取，精度可达90%以上。由此得出， MODIS数据在省级尺度提取水稻种植面积上有着较大的优势。

      引用格式

曹丹，景海涛，孙金珂，等．多时相ＭＯＤＩＳ指数提取东北三省水稻种植面积［Ｊ］．测绘科学，２０１８，４３（７）：５４-６０．

正文

水稻是中国主要的粮食作物，占全国粮食总播种面积的27%，而其产量则达到粮食总产量的35%。及时、准确获取水稻生产信息（种植面积、长势和产量），对加强水稻生产管理，指导水稻生产，确保中国粮食安全具有重要意义。过去，对水稻面积的监测主要通过农业报表和实地抽样调查的方法，这种常规的方法不能及时有效地获取大范围的水稻面积，不利于国家对农情的管理与监督。随着卫星技术的发展，遥感作为一种高新技术在农作物的生产、农情监测和农业研究中得到了广泛应用。

利用遥感技术和方法进行水稻田种植和长势监测在国内外已有研究, 通过监测农作物的光谱变化,研究农作物的反射光谱与叶面积指数、生物量、农作物产量、叶绿素含量等作物农学参数之间的关系, 可以为作物长势监测和遥感估产提供依据。从20世纪70年代将遥感技术用于农作物种植面积至今，无论是技术还是方法上都在不断的改进和提高。文献[8]利用NOAA/AVHRR数据来确定水稻的分布情况，NOAA/AVHRR数据虽然时间分辨率高、覆盖面积大但是其空间分辨率较低，不适合水稻面积的研究。中分辨率MODIS数据具有较高的光谱分辨率和时间分辨率，为大面积水稻面积的估算提供了新的依据。文献[10，11]利用MODIS数据建立各种指数，对中国南部地区、东南亚地区进行水稻面积提取；文献[12]利用MOD09A1数据计算NDVI（normalized difference vegetation index）和LSWI（land surface water index）等特征指数研究浙江省水稻种植面积。

上述研究发现，MODIS（moderate-resolution imaging spectroradiometer）数据能较好地提取水稻面积信息。水稻在一个生长周期内将经历５个主要生长阶段：秧苗生长期、分蘖期、幼穗发育期、抽穗扬花期和灌浆成熟期。在水稻生长早期，稻田需要保持一定深度的水层，与同期其他农田( 玉米、大豆、花生和棉花等) 相比，具有较高的地表含水量，有利于MOD09A1 中的短波红外数据对稻田的识别。另外，16d 合成的MOD13Q1 数据分辨率相对较高，能够反映水稻生长规律，有助于通过比较其他农作物与水稻的生长特征曲线来提高稻田识别能力。本文以东北省为例，采用较高分辨率的MOD13Q1时序植被指数并计算水体指数LSWI，利用水稻生育期规律，结合2015年土地利用数据提取东北三省水稻种植面积，将结果与统计年鉴进行精度分析与评价。

东北地区包括黑龙江、吉林、辽宁三省，辽宁临海，土地总面积7.873×10⁵ km²，占全国的8.2%；而东北地区耕地面积大，约占全国耕地面积的20%。东北地区土壤多为黑土，含有较高的有机质，土层深厚，土壤肥沃，规模化生产水平高。2014年水稻种植面积达5.29×10⁶ hm²，东北稻区已成为世界上最大的以种植早、中熟粳稻为主的优质粳稻产区，在我国水稻生产中占有重要地位。

MODIS 数据为2015年多时相MODIS 图像，来自美国对地观测系统( EOS) TEERA 卫星的MODIS 传感器，与其他卫星相比，有很大的特点和优势：空间分辨率较NOAA有了大幅提高；时间分辨率较高；光谱分辨率也大大提高。在NASA 网站下载的经过辐射值校正的250 m 分辨率的MOD13Q1和500 m 分辨率的MOD09A1 数据。东北地区主要包括H25V03、H26V03、H26V04、H27V04 和H27V05 共5个区域的原始数据，为后期应用必须进行数据的投影变化、格式转换、裁剪和镶嵌等预处理。数据处理时，采用MRT 批处理对影像进行操作处理，同时将数据格式hdf转换为tiff格式，投影方式转换为等面积投影。

2015年东北三省土地利用数据

东北三省水稻样点分布

本文利用水稻特有的移栽期地表水分指数和增强型植被指数（enhanced vegetation index，EVI）的变化特征来实现水稻的提取。根据水稻的生理特性，农田为了便于插秧，在水稻移栽前需要对稻田进行灌水，此时稻田的土壤含水量很高。因此，在水稻移栽期从遥感图像中根据此时稻田含水量高的特点，可将水稻鉴别提取出来并能很好地与其他作物区分。本文提取东北三省内水稻样点数据，利用IDL编程提取MODIS-NDVI时间序列的变化曲线分析水稻物候特征，再根据水稻移栽期地表水指数（LSWI）和增强型植被指数（EVI）的时序变化，建立两者之间的数学关系提取东北三省水稻面积。最后利用东北三省农业统计年鉴对提取水稻种植面积结果进行分省精度验证。

本文利用水稻生长状况，选取水稻样点对水稻物候进行提取，选取能显示水稻特有的移栽期特征，采用时序MODIS影像中能反应植被特性的各种指数进行大区域水稻面积提取。此数据避免了单一时间影像分类带来的缺陷，并参考东三省农业统计数据对提取结果进行评价。其监测结果与土地利用水稻分布大体一致，说明采用MODIS数据对大区域水稻面积的监测是可行的，其结果可以为农业部门提供信息服务。

但是研究结果存在一些缺陷：①由于MODIS属于中低空间分辨率影像，虽然获取方便，时间分辨率相对较高，但仅仅适用于大范围的水稻面积提取，较难在小尺度区域（如市、县等尺度）实现水稻面积的有效提取；②由于水田和旱田存在交界，并考虑到东北地区农业种植为一年旱田、两年水稻间作种植，此监测结果存在水田和旱田混合像元，这些混合像元影像结果的准确性；③本文采用16 dMOD13Q1，虽然空间分辨率有提高，但是时间跨度较大，东北三省由于地区差异水稻移栽期时间范围有些许波动，将MODIS第145 d数据作为水稻移栽期存在误差；④土地利用数据空间分辨率为1000 m，此数据较MODIS数据精度较低，在重采样过程中也会使其精度有所降低。这些缺陷将会在进一步研究中逐一改善。

编辑：邓国臣