第1章 农作物面积遥感研究背景

1.1 引言

我国是农业大国，粮食生产是关系社会稳定和人民生活的重大问题。因此，农业生产情况一直受到国家、各级政府管理部门的高度重视。农业生产中，耕地面积、农作物播种面积、农作物长势情况等信息是国家每年制定生产管理措施及经济计划的重要依据。因此，通过农业统计调查，及时获取农作物的种植情况(面积、产量)，估计农作物种植面积和农作物产量，对国家掌握农业粮食生产状况，制定合理、有效的农村政策措施，确保国家粮食安全具有十分重要的意义。

遥感作为采集地球表面地理目标信息的有效技术手段，以其对地表信息获取的覆盖面广、信息量大、周期短、受地面条件限制少、调查成本相对较低等优点，在农情监测方面具有明显的技术优势，是农情信息获取的关键技术。近年来，随着经济的快速发展，耕地面积逐年减少，区域内粮食种植面积和产量年际与季节波动幅度大，如何利用遥感技术监测主要粮食作物的种植面积和单产，及时地为政府决策部门提供粮食生产状况，对于粮食宏观调控和贸易，无疑具有非常重要的意义。在农作物遥感估产中，农作物种植面积的遥感估算是农作物产量预测的基础和主要内容；而及时的农作物种植面积更新信息对于农业管理十分必要。到目前为止，诸多关于农作物种植面积提取的遥感方法与模型已经提出并得到广泛应用。从初的遥感图像人工目视解译法到各种基于统计学原理的传统计算机自动分类方法及其他计算机辅助的遥感分类法，农作物遥感信息提取在方法的性与时效性上发生了质的飞跃，计算机遥感图像分类技术以其可重复性、性、时效性等特点，成为了现代农作物种植面积遥感测量的关键技术之一。利用遥感技术进行粮食作物种植面积调查直接的方法是以遥感数据作为主要数据源，进行分类识别，对分类结果直接进行统计得到作物面积。根据不同传感器及遥感数据的空间分辨率、时间分辨率和光谱分辨率的不同，发展出许多分类识别的方法。

农业遥感监测是以遥感技术为主的空间信息技术对农业生产过程进行的动态监测。农业遥感监测的内容是对主要粮经作物的种植面积、作物布局、作物长势、农业灾害发生与发展、作物产量等生长过程进行系统监测。其范围大、时效高和客观的优势是常规监测手段无法企及的。民以食为天，粮食安全问题在过去、现在及未来都是国家生存与发展的重大问题，如何为我国粮食安全和农产品贸易提供及时的农作物长势、面积、灾情定量和动态信息，已经使农业遥感成为决策信息不可替代的重要来源，并和常规统计调查手段相结合，共同构成现代立体型农业信息采集处理分析系统。随着遥感等空间技术的发展，农业遥感监测在技术发展和应用深度均进入了一个全新时期，同时，也成为信息农业、精准农业和数字农业的一个重要组成部分。我国农业遥感监测已有30余年的研究历史，从"六五"计划开始至现在，经历了技术研究到示范应用这个过程，目前，能在一定程度上满足国家粮食安全和农业结构调整的信息需求。但由于我国国土辽阔、地形复杂、农作物种植结构多样、农户规模小，以及遥感技术发展的局限性，农业遥感在某些关键技术和应用运行方面仍然需要加强研究。通过研究和技术改进，使遥感技术在农业领域发挥更重要的作用。

近年来，随着我国国产遥感卫星不断发射，国产高分卫星农业技术研究与应用体系日趋成熟，尤其是HJ(环境)系列卫星、ZY(资源)系列卫星、GF(高分)系列卫星的发射，研究运用遥感技术进行农业遥感监测及农作物面积遥感提取技术方法的迫切性不断提高。本书将以国产GF-1影像为主要数据源，结合其他数据(无人机航拍、Google Earth影像、HJ影像等)，系统研究全国主要农作物面积业务化提取技术的完整流程，包括数据获取及预处理技术、农作物识别及面积提取技术、全国尺度农作物面积业务化提取技术等，为实现基于国产高分卫星数据的全国农业遥感监测及主要农作物面积提取提供了可行的技术路线。

本章将从农业遥感监测的理论基础、农作物面积遥感监测国内外研究现状及农作物面积遥感监测主要技术方法三个方面进行叙述，讲解农作物面积遥感监测的发展、现状及主要技术方法，使读者对当前形势下的农业遥感监测有更直观的了解。

1.2 农业遥感监测的理论基础

遥感技术是从人造卫星、飞机或其他飞行器上收集地物目标的电磁辐射信息，并以此对地面环境或目标进行识别判断的技术。任何物体都有不同的电磁波反射特征或辐射特征，这些反射特征或辐射特征又可以反映出不同地物的不同物质成分和结构信息。地球上各类型的地物，如植被、水体、土壤、岩石等，具有不同的光谱特征，其特征的差异是进行地物分类识别的基础。农业遥感的主要研究对象是植被中的农作物，农作物植被独特的反射光谱特征、周期性的生长特性及其他特性是农业遥感进行作物反演识别的基础。

典型植被反射光谱特征如图1-1所示，地面植被的光谱响应特征明显区别于其他地物，其光谱特征既与其内在的特性有关，又与植被生长的环境、植被发育情况和健康状况等密切相关。在可见光(0.38～0.78μm)范围内，植被的色素(主要是叶绿素)是形成植被独特光谱特征的关键因素，在0.45μm的蓝光波段及0.65μm的红光波段内，叶绿素能吸收掉大部分的入射太阳光，用于光合作用，同时在两个吸收带之间的绿色波段(0.54μm)范围内，由于吸收相对较弱，形成一个小的反射峰，因此大部分的植被呈现绿色。而在近红外波段，植被的光谱特征主要受到植被叶细胞构造的影响，在该波段形成一个非常强烈的反射峰，因此常常使用植被在近红外波段的高反射率和可见光波段的低反射率的特性进行植被的识别。而在可见光波段与近红外波段之间(0.67～0.76μm)，植被反射率从低到高迅速攀升，红边波段与植被的各项生理参数密切相关，是描述植物色素状态和健康状态的重要指示波段，是进行遥感植被调查的理想波段。在中红外波段范围内，植被的光谱特征主要受植被中含水量的影响，在1.4μm、1.9μm和2.7μm波段范围内，形成水分的强烈吸收带，其中，2.7μm是水分的主要吸收波段位置。一般情况下，随着植被叶片水分含量的减少，植被中红外波段的反射率将明显增大。

图1-1 植被光谱反射特征曲线

农作物区别于其他地类的另一大特性是其周期性生长的特性，即农作物的物候期，所谓"春种秋收"、"春华秋实"即描述植被这种周期性的生长特点。依据农作物物候期的规律，使用不同时相的遥感影像，可以有效区分植被与非植被、不同种类的植被。使用归一化植被指数(normalized difference vegetation index，NDVI)时序曲线可以标记农作物的物候期，以冬小麦为例，图1-2为2013～2014年度华北地区典型冬小麦的物候曲线，横轴为时间、纵轴为归一化植被指数。冬小麦发育时期一般可以分为播种期、出苗期、分蘖期、越冬期、返青期、拔节期、抽穗期、乳熟期和成熟期9个时期，由图1-2可以看出，冬小麦一般在10月初播种，此时NDVI较小；经过出苗期到分蘖期后，冬小麦不断生长，NDVI逐渐提高；12月中下旬开始进入越冬期后，冬小麦NDVI逐渐降低；至翌年3月开始返青，4月进入生长旺期，冬小麦NDVI达到点；经过抽穗期、乳熟期至成熟期后，NDVI逐渐减小，至6月中下旬收割完毕。可见冬小麦整个生长季近8个月，其生长状态可以从NDVI时序曲线清晰地反映出来，利用这种独特的周期性生长特性，结合多时相遥感影像，可以很好地区分单景影像上难以区分的地物类别。

图1-2 华北地区冬小麦典型物候曲线

除了作物的光谱特征及物候特性外，作物还具有区别于其他地物的典型特性。例如，作物生长的耕地一般为平地，因此坡度较小，可以结合耕地资料或数字高程模型(DEM)资料进行辅助解译；作物的纹理一般较为细致，有规则分割的田埂；水稻等喜水作物附近有灌溉沟渠等。综合这些作物相关特性，进行作物面积遥感识别监测，可以有效提高作物分类提取的精度。图1-3为GF-2全色与多光谱融合影像，由图1-3可以看出，在高分辨率尺度下，城镇地区纹理粗糙、林地纹理稍显细密、冬小麦地块则纹理紧致。

图1-3 GF-2卫星影像典型地物纹理

1.3 农作物面积遥感监测国内外研究现状

农作物种植面积是农作物估产的基本要素，其空间分布图在环境、经济和政治方面，特别是农业政策方面，具有非常重要的作用(Vaudour et al.，2015；Thenkabail，2010)。我国是世界农业大国，农作物面积和产量的丰歉历来受到我国和世界各级政府部门的高度重视，是国家制定粮食政策和经济计划的重要依据。近年来，随着中国经济的迅猛发展，农业生产面临新形势，加之全球气候变化等因素的影响，农作物种植面积及其空间分布出现波动性变化(蔡剑和姜东，2011；杨晓光等，2010)。快速地掌握我国主要农作物种植面积及其空间分布，对于辅助政府有关部门制定科学合理的粮食政策和世界粮食安全具有极其重要的意义，是确保国家粮食安全、合理调整种植结构、正确处理"三农"问题的重要保障。

我国作物种植种类繁多，主要作物包括冬小麦、玉米、水稻、大豆等，根据国家统计局统计资料，2015年全国粮食播种面积11334.05万hm2(170010.75万亩①)，全国粮食总产量62143.5万t。长期以来，我国作物面积及产量信息主要依靠抽样统计调查，采用行政手段逐级上报汇总的方式获取，该方法容易受到人为因素的影响，费时费力，越来越难以满足相关部门管理、决策的需求。遥感影像具有覆盖面积大、重访周期短、信息资料丰富、现势性强、费用低的优点，遥感技术已逐步成为作物面积监测的重要技术之一，农业遥感监测技术的研究也日益受到人们的重视。

在国际上，利用遥感技术进行作物面积监测起步较早，并已取得了丰富的成果。早在1974年，美国就开展了"大面积作物估产试验"(Large Area Crop Inventory and Experiment，LACIE)计划，应用LandsatMSS影像对作物进行识别，估算作物的面积、单产和总产。到1978年，估产的范围从美国扩大到全球，估产的对象从小麦扩展到玉米、大豆、水稻等农作物，估产的精度也不断提高，对冬小麦估产的精度达90%以上。LACIE计划是早开展的农业遥感监测工作，成为了遥感在农业上应用的里程碑。在此之后，从1980年开始，美国又制定了"农业和资源的空间遥感调查计划"(AGRISTARS)，进行美国及世界多种粮食作物的长势评估和总产量预报，此计划成功地将面积抽样框架技术(areasamplingframe)和遥感技术引入农作物种植面积估测中，该计划的实施为美国农业获取了巨大的利益。到2009年，美国首次实现了其全国20多种农作物的遥感空间分布制图，并在以后逐年更新，现在已实现每年几十种农作物的监测和空间分布制图，在第二年的1月通过互联网向全球，空间分辨率为30m。美国的农作物空间分布制图不仅服务了该国的农业生产，产生的科学数据产品还在气候变化研究、生态学、土地管理、环境风险评价、生物能源、植物保护、水资源管理、高效施肥、农业保险等方向有科学研究与应用，推动了科技进步。

欧盟于1987年提出了MARS(Monitoring Agriculture with Remote Sensing)计划，该项目研究的目的是利用遥感技术开发出欧盟内部农业统计体系的新方法，并研制能够实际应用的运行系统。该项目中的优先研究内容包括农作物种植面积清查、农作物总产量清查、农作物总产量预报。MARS可快速提供关于欧洲农作物状况的早期统计信息，这些信息包括每年种植面积较前一年变化的百分比，以及预计当年的农作物产量。这些信息必须动态地在欧盟每月出版的《农作物状况通报》上发表。MARS主要应用于以下两个方面：一是针对欧盟范围内的农业补助金申请情况，对农作物申报结果进行核查；二是利用遥感技术对农作物进行检测并进行作物产量估计。2003年，欧盟启动了全球环境与安全监测(Global M