蔣 怡，劉忠友，董秀春，任國(guó)業(yè)，李宗南

（四川省農(nóng)業(yè)科學(xué)院遙感與數(shù)字農(nóng)業(yè)研究所，成都610066）

0 引言

通過(guò)長(zhǎng)時(shí)間序列遙感、地理制圖等方法，國(guó)內(nèi)外科研機(jī)構(gòu)已生產(chǎn)多套不同時(shí)期的全球土地覆蓋、土地利用現(xiàn)狀［1-2］、種植結(jié)構(gòu)［3-4］、作物分布產(chǎn)品［5-6］；中國(guó)國(guó)土部門(mén)定期開(kāi)展國(guó)家土地利用變化調(diào)查與更新，農(nóng)業(yè)農(nóng)村部近年開(kāi)展了承包土地確權(quán)調(diào)查和“兩區(qū)”劃定等工作，政府部門(mén)當(dāng)前已積累海量土地利用類(lèi)型、土地用途及權(quán)屬等農(nóng)業(yè)空間大數(shù)據(jù)。土地利用空間信息等綜合反映了人類(lèi)多種開(kāi)發(fā)利用土地的信息，但對(duì)農(nóng)業(yè)生產(chǎn)、作物種植、農(nóng)業(yè)資源利用等多種內(nèi)涵的空間信息描述不足，且我國(guó)鄉(xiāng)村地區(qū)普遍為小農(nóng)經(jīng)濟(jì)，地塊面積小，早期受限于遙感影像的時(shí)空分辨率、數(shù)據(jù)覆蓋不全等因素，缺乏開(kāi)放使用的高時(shí)空分辨率農(nóng)業(yè)空間信息。

目前，作物種植結(jié)構(gòu)信息在全球、國(guó)家等尺度上有廣泛深入研究應(yīng)用，其時(shí)空分辨率普遍為30～1 000 m［4-5］。大尺度信息難以準(zhǔn)確反映多種精細(xì)作物種植結(jié)構(gòu)，不能滿(mǎn)足鄉(xiāng)鎮(zhèn)村級(jí)農(nóng)業(yè)規(guī)劃、結(jié)構(gòu)調(diào)整、生產(chǎn)管理等數(shù)字化需求。隨著多種10～30 m分辨率遙感影像的免費(fèi)獲取，農(nóng)業(yè)遙感監(jiān)測(cè)、農(nóng)業(yè)土地分類(lèi)等應(yīng)用的成本得以降低，小尺度、高分辨率的作物種植結(jié)構(gòu)和農(nóng)業(yè)土地利用信息得到更多關(guān)注和研究，具有應(yīng)用前景和潛力［7-8］。文章擬使用10 m分辨率的Sentinel-2A影像進(jìn)行鄉(xiāng)鎮(zhèn)尺度農(nóng)業(yè)土地利用和作物種植結(jié)構(gòu)制圖，對(duì)照基于WorldView-2融合圖像生產(chǎn)的0.5 m分辨率種植結(jié)構(gòu)圖，評(píng)價(jià)Sentinel-2A影像獲取的作物種植結(jié)構(gòu)信息的精度，以期應(yīng)用遙感大數(shù)據(jù)開(kāi)展鄉(xiāng)鎮(zhèn)農(nóng)業(yè)景觀分析、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整等提供技術(shù)參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

該文選取四川省成都市以農(nóng)業(yè)為主的典型鄉(xiāng)鎮(zhèn)（邛崍市原牟禮鎮(zhèn)）為研究區(qū)，該區(qū)位于邛崍市東南面，分別距邛崍市城區(qū)和成都市中心約25 km和60 km，交通便利，是典型的城市郊區(qū)鄉(xiāng)鎮(zhèn)（圖1）。該區(qū)域?qū)賮啛釒駶?rùn)氣候，四季分明，平均氣溫17.8℃，年均降雨量約1 300 mm；區(qū)域內(nèi)地勢(shì)平坦，平壩、淺丘相間，以平壩為主。該區(qū)耕地面積約23.33 km2，田間道路布局合理，排灌設(shè)施配套，隨著都市農(nóng)業(yè)發(fā)展，逐步形成了規(guī)?；?、專(zhuān)業(yè)化糧油、水果、蔬菜以及水產(chǎn)養(yǎng)殖等多種農(nóng)業(yè)產(chǎn)業(yè)，是成都市郊區(qū)農(nóng)業(yè)功能主導(dǎo)發(fā)展的鄉(xiāng)鎮(zhèn)。

圖1 研究區(qū)區(qū)位Fig.1 Thelocation of thestudy area

1.2 數(shù)據(jù)來(lái)源

高分辨率遙感影像是提取農(nóng)業(yè)土地利用信息的主要數(shù)據(jù)來(lái)源，應(yīng)用于大范圍的定期農(nóng)業(yè)監(jiān)測(cè)中，但基于單一高分辨率數(shù)據(jù)費(fèi)用高。基于多源數(shù)據(jù)提取不同類(lèi)型土地利用信息能充分發(fā)揮各類(lèi)數(shù)據(jù)優(yōu)勢(shì)、降低數(shù)據(jù)成本、提高信息精度。因此該文將使用當(dāng)前多種開(kāi)放數(shù)據(jù)和商業(yè)數(shù)據(jù)來(lái)提取研究所需的各類(lèi)空間信息。該文部分歷史高分辨率影像來(lái)源于Google Earth平臺(tái)；0.5 m分辨率WorldView-2影像通過(guò)購(gòu)買(mǎi)獲?。籗entinel-2A多光譜影像來(lái)源于歐空局的哥白尼開(kāi)放存取中心（Copernicus Open Access Hub）。該文使用QGIS下載研究區(qū)的開(kāi)放街區(qū)數(shù)據(jù)，并通過(guò)2018年2月5日外業(yè)調(diào)查，獲取在研究區(qū)內(nèi)典型地物解譯標(biāo)志和樣方內(nèi)土地利用類(lèi)型等數(shù)據(jù)。

1.2.1 OpenStreetMap數(shù)據(jù)

下載OpenStreetMap（OSM）開(kāi)放數(shù)據(jù)，提取各類(lèi)道路、居民點(diǎn)等建設(shè)用地信息。OSM是目前世界上使用最廣泛的開(kāi)源地理空間數(shù)據(jù)庫(kù)，向用戶(hù)免費(fèi)提供多種地物的空間分布矢量數(shù)據(jù)，用戶(hù)可下載元數(shù)據(jù)進(jìn)一步編輯、修改和使用。

1.2.2 遙感影像

WorldView-2衛(wèi)星于2009年10月6日發(fā)射升空，運(yùn)行在770 km高的太陽(yáng)同步軌道上，是用途廣泛的商業(yè)遙感衛(wèi)星，星載多光譜遙感器可提供0.5 m全色波段影像和1.8 m分辨率的多光譜影像。多光譜影像包括4個(gè)常用標(biāo)準(zhǔn)譜段（紅、綠、藍(lán)、近紅外），還可定制獲取四個(gè)額外波段（海岸藍(lán)、黃、紅邊和近紅外2）的影像。Sentinel-2衛(wèi)星是歐空局分別于2015年（A星）和2017年（B星）發(fā)射的小衛(wèi)星星座，Sentinel-2單星重訪周期為10 d，A/B雙星重返周期為5 d。衛(wèi)星搭載的多光譜成像儀具備13個(gè)光譜波段的感知能力，設(shè)置10 m、20 m、60 m這3種空間分辨率。在研究區(qū)范圍內(nèi)獲取的影像數(shù)據(jù)包括：2013年1月24日Google Earth真彩色合成影像；2018年2月28日WorldView-2影像；2018年3月8日、2018年5月15日、2018年12月16日優(yōu)質(zhì)無(wú)云的Sentinel-2A多光譜影像。

1.3 農(nóng)業(yè)空間信息提取與制圖

1.3.1 基礎(chǔ)空間信息整理

該文使用QGIS、ArcGIS等地理信息系統(tǒng)軟件完成數(shù)據(jù)清洗、整理、裁剪、編輯及更新，基于Google Earth 0.5 m分辨率影像數(shù)據(jù)進(jìn)行地塊邊界信息提取以及補(bǔ)充OSM缺失的農(nóng)田道路網(wǎng)、水渠網(wǎng)等，利用ArcGIS、ENVI遙感影像處理軟件進(jìn)行制圖，研究區(qū)基礎(chǔ)空間信息如圖2所示。

1.3.2 農(nóng)業(yè)空間信息提取

根據(jù)野外調(diào)查，樣區(qū)內(nèi)土地利用類(lèi)型包括農(nóng)業(yè)用地和建設(shè)用地，其中，農(nóng)業(yè)用地包括耕地（糧油作物、蔬菜和其他作物等）、林地、園地（以獼猴桃、葡萄、李子、柑橘等為主的果園用地）、設(shè)施農(nóng)用地、坑塘水面（除天然河流外的人工坑塘、水產(chǎn)養(yǎng)殖以及灌溉蓄水池等），建設(shè)用地為建筑物和主要道路。

在ENVI 5.5中對(duì)WorldView-2影像進(jìn)行數(shù)據(jù)融合、幾何配準(zhǔn)等預(yù)處理，得到調(diào)查樣區(qū)所需的空間分辨率為0.5 m的遙感影像，通過(guò)目視解譯方法在影像中提取各類(lèi)農(nóng)業(yè)土地利用信息、作物種植結(jié)構(gòu)信息。然后將道路、居民點(diǎn)建筑物等基礎(chǔ)空間信息與之融合，得到0.5 m分辨率的農(nóng)業(yè)空間信息數(shù)據(jù)集。

對(duì)多時(shí)相Sentinel-2A衛(wèi)星影像，通過(guò)幾何糾正、圖像融合、數(shù)據(jù)合成、影像裁剪和圖像融合等預(yù)處理，得到3期空間分辨率為10 m的10波段數(shù)據(jù)；計(jì)算各時(shí)期的NDWI指數(shù)，通過(guò)數(shù)據(jù)合成形成NDWI數(shù)據(jù)，使用遙感指數(shù)閾值法提取水體、河流等信息。然后使用監(jiān)督分類(lèi)法和已有空間信息為掩膜，逐步提取糧油作物用地、園地、林地及菜地等地物。

2 結(jié)果與分析

2.1 信息精度評(píng)價(jià)

該文利用10 m分辨率土地利用和作物用地類(lèi)型信息與0.5 m分辨率的結(jié)果進(jìn)行比較，評(píng)價(jià)基于Sentinel-2A影像的分類(lèi)精度。在研究區(qū)隨機(jī)選取驗(yàn)證樣區(qū)，結(jié)果見(jiàn)表1。各類(lèi)地物的區(qū)域面積精度均達(dá)到92%以上，表明10 m空間分辨率的Sentinel-2A影像提取土地利用及作物用地類(lèi)型信息具有較高精度，基于該農(nóng)業(yè)空間信息制圖方法，利用此類(lèi)衛(wèi)星遙感影像高時(shí)空分辨率、數(shù)據(jù)開(kāi)放免費(fèi)的優(yōu)勢(shì)，可快速獲取更高精度的農(nóng)業(yè)空間信息產(chǎn)品。

表1 研究區(qū)主要土地利用及作物用地類(lèi)型分類(lèi)精度Table 1 Classification accuracy of major land useand crop land types in thestudy area

2.2 農(nóng)業(yè)空間信息

分類(lèi)結(jié)果與道路邊界矢量數(shù)據(jù)進(jìn)行疊加，通過(guò)圖斑膨脹、邊緣融合等處理，對(duì)分類(lèi)結(jié)果進(jìn)行后處理，得到10 m分辨率的農(nóng)業(yè)空間信息數(shù)據(jù)集，局部制圖效果見(jiàn)圖3，土地利用及作物用地類(lèi)型分布如圖4所示。

圖3 土地利用及作物用地類(lèi)型對(duì)比Fig 3 Comparison of land useand crop land types

圖3 顯示，解譯結(jié)果邊界模糊，存在明顯的地塊粘黏現(xiàn)象?；A(chǔ)空間信息與Sentinel-2A多光譜影像分類(lèi)結(jié)果進(jìn)行疊加，可對(duì)地塊邊緣進(jìn)行優(yōu)化，形成封閉性的地塊邊界，能有效整合10 m分辨率影像分類(lèi)結(jié)果，提高地塊邊界信息精度。

從圖4可見(jiàn)，園地主要集中在淺丘區(qū)，糧油作物用地、菜地和設(shè)施農(nóng)用地則主要分布在平壩區(qū)，土地利用和作物用地類(lèi)型存在明顯的分區(qū)。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)由傳統(tǒng)單一化逐漸演變多元化，產(chǎn)業(yè)規(guī)?；厔?shì)加強(qiáng)。

圖4 2018年春季研究區(qū)土地利用及作物用地類(lèi)型分布Fig 4 Distribution of land useand crop land typesin the study area in 2018

3 討論

牟禮鎮(zhèn)靠近成都市區(qū)，為滿(mǎn)足城市居民生產(chǎn)生活需求，域內(nèi)農(nóng)作物類(lèi)型多樣，土地利用情況復(fù)雜，Sentinel-2A多光譜遙感影像和WorldView-2影像具有不同的空間分辨率，空間異質(zhì)性和尺度差異［9-10］會(huì)導(dǎo)致一定的誤差。此外，基于Google Earth的基礎(chǔ)空間信息補(bǔ)充主要依靠人工目視解譯，人力成本較大，在今后的研究中應(yīng)嘗試探索更先進(jìn)的方法快速完善基礎(chǔ)空間信息，為構(gòu)建成都平原地區(qū)的農(nóng)業(yè)土地時(shí)空大數(shù)據(jù)，定量分析土地利用、農(nóng)業(yè)產(chǎn)業(yè)格局，嘗試評(píng)估土地利用變化的經(jīng)濟(jì)、社會(huì)、生態(tài)綜合效應(yīng)等提供技術(shù)支持。

4 結(jié)論

基于Sentinel-2A多光譜遙感影像，以邛崍市牟禮鎮(zhèn)為研究區(qū)，構(gòu)建基于國(guó)內(nèi)外開(kāi)放使用的多源遙感數(shù)據(jù)和空間信息產(chǎn)品生產(chǎn)鄉(xiāng)鎮(zhèn)尺度高精度的農(nóng)業(yè)空間大數(shù)據(jù)產(chǎn)品的方法；通過(guò)時(shí)序遙感指數(shù)閾值分類(lèi)、最大似然法等完成各土地利用類(lèi)型分類(lèi)、作物空間信息提取，生產(chǎn)鄉(xiāng)鎮(zhèn)尺度農(nóng)業(yè)土地利用圖，與基于WorldView-2融合圖像的0.5 m分辨率農(nóng)業(yè)空間信息圖比較驗(yàn)證，結(jié)果表明：（1）研究區(qū)糧油作物用地、菜地、設(shè)施農(nóng)用地和園地的面積精度良好，依次為92.93%、98.98%、95.71%和95.14%，與實(shí)際面積的差異在8%以?xún)?nèi)。（2）應(yīng)用OSM道路數(shù)據(jù)和歷史高分辨率影像等生產(chǎn)的地塊邊界、農(nóng)田道路網(wǎng)、水渠網(wǎng)等空間信息與Sentinel-2A多光譜影像分類(lèi)結(jié)果進(jìn)行疊加制圖，能提高10 m分辨率影像分類(lèi)結(jié)果的地塊邊界信息精度。