刁 鵬 ， 蘇軍德

（甘肅有色冶金職業(yè)技術(shù)學(xué)院，甘肅 金昌 737100）

0 前言

金昌市第九次黨代會(huì)指出，今后5年將大力培育“2+4”產(chǎn)業(yè)鏈。永昌縣按照“建基地、強(qiáng)龍頭、補(bǔ)鏈條、聚集群、創(chuàng)品牌”的產(chǎn)業(yè)發(fā)展思路，著力形成“一帶、兩區(qū)、三中心、四基地”的產(chǎn)業(yè)發(fā)展格局。2022年，永昌縣全年預(yù)計(jì)高原夏菜種植面積達(dá)到23萬(wàn)畝以上。面對(duì)高原夏菜種植面積大、種類多、位置復(fù)雜等情況，及時(shí)掌握種植信息尤為重要[1]。傳統(tǒng)的方法主要依靠植保人員目視解譯或依靠種植農(nóng)戶提供的數(shù)據(jù)獲取，這種方式效率低。無(wú)人機(jī)遙感技術(shù)作為一種大面積、快速、無(wú)破壞、無(wú)污染的監(jiān)測(cè)技術(shù)，能節(jié)省人力、物力，提高監(jiān)測(cè)效率，可以實(shí)現(xiàn)經(jīng)濟(jì)效益、社會(huì)效益、生態(tài)效益相統(tǒng)一[2]。梁建平等[3]基于多源多時(shí)相遙感數(shù)據(jù)，結(jié)合面向?qū)ο蟮姆椒ㄌ崛∈卟朔N植分布及面積，誤差率僅為9.35%，達(dá)到了90.65%的精度。黃振國(guó)等[4]基于HJ-1影像的大棚菜地種植信息監(jiān)測(cè)，分析了蔬菜光譜特征，并結(jié)合相關(guān)資料準(zhǔn)確提取了大棚菜地的信息，得出樣本點(diǎn)總體精度為92.01%。

永昌縣高原夏菜種植面積大，種植種類繁多，如胡蘿卜、西芹、花椰菜、西蘭花、青筍、娃娃菜、洋蔥、辣椒等，所以獲取每種蔬菜的種植面積及種類信息時(shí)十分困難。傳統(tǒng)的方法是依靠近距離的觀察和量算，效率低，成本高，無(wú)人機(jī)遙感可以克服這種缺陷，在高原夏菜種類獲取中具有廣闊的應(yīng)用前景[5-8]。課題組借助大疆精靈無(wú)人機(jī)獲取高原夏菜的高分辨率遙感影像圖，并使用面向?qū)ο蠓▽?duì)遙感影像進(jìn)行分析和處理，找出最優(yōu)解，為蔬菜長(zhǎng)勢(shì)監(jiān)測(cè)、種植區(qū)劃以及產(chǎn)量預(yù)測(cè)等提供參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于永昌縣境內(nèi)的600畝試驗(yàn)田。平均海拔2 000 m，耕地海拔在1 452 m～2 400 m之間，屬溫帶大陸性氣候，年平均氣溫4.8 ℃，適宜作物生長(zhǎng)，平均降水量185.1 mm，無(wú)霜期134天。年平均日照2 884.2 h，日照率65%[9]，年蒸發(fā)量200.6 mm，良好的地理及氣候條件對(duì)于發(fā)展高原蔬菜種植具有天然優(yōu)勢(shì)。近年來(lái)，隨著政府的大力扶持，永昌縣高原夏菜種植面積也逐年遞增。近5年永昌縣高原夏菜種植情況如表1所示。

表1 近5年永昌縣高原夏菜種植情況表

1.2 數(shù)據(jù)獲取與處理

1.2.1 地面調(diào)查

使用無(wú)人機(jī)遙感獲取圖像前，研究人員先實(shí)地勘察高原夏菜種植情況，包括種植種類、邊界及位置，根據(jù)調(diào)研情況編寫調(diào)查情況報(bào)告，繪制草圖，為目視解譯提供依據(jù)。

1.2.2 影像獲取

研究采用無(wú)人機(jī)遙感獲取數(shù)據(jù)。機(jī)型為DJI大疆經(jīng)緯Matrice 600多旋翼無(wú)人機(jī)，軸距113.3 cm，最大起飛重量15.1 kg，持續(xù)飛行時(shí)間35 min～40min。無(wú)人機(jī)搭載多光譜傳感器，光譜相機(jī)分辨率為1 280×960，波段包括藍(lán)光、綠光、紅光、近紅外和紅邊，帶寬分別為20 nm、20 nm、10 nm、40 nm和10 nm，詳細(xì)參數(shù)如表2所示。2021年6月20日進(jìn)行無(wú)人機(jī)航拍作業(yè)。飛機(jī)選擇垂直拍攝模式，并覆蓋整片試驗(yàn)區(qū)進(jìn)行數(shù)據(jù)采集，巡航速度20 m/s，最大續(xù)航時(shí)間0.5 h，航向重疊度80%，旁向重疊度70%，定距曝光。

表2 多光譜傳感器部分參數(shù)

1.2.3 數(shù)據(jù)影像處理

處理軟件選擇Pix4Dmapper，首先使用軟件處理獲取的正射影像圖，然后通過(guò)目視解譯的方法得到實(shí)驗(yàn)地塊的種植信息。使用ENVI軟件ROI工具建立4種高原夏菜的樣本，統(tǒng)計(jì)屬性值，然后選擇青菜、大白菜、花菜、卷心菜這4種蔬菜的ROI樣本各25、50、40、80，選取像原的平均光譜值作為光譜值進(jìn)行處理，處理后得到4種蔬菜的正射影像數(shù)據(jù)。

1.3 蔬菜分類提取方法

課題組以各類蔬菜種植分布和種植面積為研究對(duì)象。為了獲取蔬菜種植信息，采用面向?qū)ο蠓诸惙?，?duì)遙感影像進(jìn)行分割，將分割后形成的對(duì)象輔以ROI（感興趣區(qū)域）作為信息提取的主要依據(jù)。主要過(guò)程如下：1）對(duì)試驗(yàn)區(qū)的影像圖進(jìn)行分割得到分割單元，對(duì)分割單元進(jìn)行特征信息提取，獲得各類型蔬菜的光譜、形狀和紋理信息；2）基于提取到的光譜、形狀和紋理信息，使用面向?qū)ο蟮姆椒ㄟM(jìn)行對(duì)象的構(gòu)建與分類，得到初始結(jié)果，然后進(jìn)行合并和錯(cuò)分調(diào)整，得到最終結(jié)果[10-11]。

1.4 精度檢驗(yàn)

精度檢驗(yàn)采用混淆矩陣法。選取4種指標(biāo)作為分類精度依據(jù)，分別為提取精度、生產(chǎn)者精度、總體精度和Kappa系數(shù)。其中提取精度、生產(chǎn)者精度、總體精度采用百分制（1%～100%），值越大，精度越高[12]。Kappa系數(shù)采用數(shù)字表示，取值范圍[-1, 1]，一般情況下計(jì)算結(jié)果介于0到1之間。研究將分類結(jié)果劃分為5個(gè)等級(jí)：幾乎完全一致（0.81～1），一致性較高（0.61～0.80），一致性中等（0.41～0.60），一致性一般（0.21～0.40），一致性程度低（0.0～0.20）[13]。

2 結(jié)果與分析

2.1 不同蔬菜光譜特征分析

4種高原夏菜影像的反射率分布圖如圖1所示。由圖1可知，在藍(lán)、綠、紅、紅邊、近紅外這5個(gè)波段上反射率存在較大重合的蔬菜是大白菜、花菜和青菜；卷心菜在藍(lán)、綠、紅3個(gè)波段上的反射率特征與其余3種蔬菜存在顯著差異；大白菜、花菜、青菜和卷心菜在紅邊和近紅外波段反射率重合度高。

圖1 4種高原夏菜影像的反射率分布圖

4種高原夏菜影像的反射率分布方差如表3所示。由表3可知，在藍(lán)波475 nm波段，卷心菜與大白菜、花菜，青菜與大白菜、卷心菜的反射率差異明顯；在綠波560 nm波段，大白菜與花菜、卷心菜、青菜，青菜與大白菜、卷心菜的反射率差異明顯；在紅波668 nm波段，卷心菜與大白菜、花菜，青菜與卷心菜的反射率差異明顯；在紅邊717 nm波段，卷心菜與花菜，青菜與大白菜、卷心菜的反射率差異明顯；在近紅外840 nm波段，青菜與大白菜、花菜、卷心菜的反射率存在顯著差異。

表3 4種高原夏菜影像的反射率分布方差分析

綜上所述，4種類型的高原夏菜在5個(gè)波段上的反射率存在著相同與不同之處，所以可以借助反射率對(duì)各類型蔬菜進(jìn)行分類。

2.2 面向?qū)ο蟮氖卟朔N植分類

研究使用ENVI 5.1版本軟件對(duì)影像圖進(jìn)行處理，使用面向?qū)ο蠓▽?duì)圖像上的蔬菜進(jìn)行分類。獲取單個(gè)對(duì)象時(shí)可以采取邊緣測(cè)算（Edge）對(duì)地物進(jìn)行分割，此時(shí)閾值設(shè)為55.2；獲取完整的對(duì)象時(shí)，可以選擇基于馬氏距離的面向?qū)ο蠓▽?duì)幾何特征、紋理、光譜相似的圖像進(jìn)行聚類，此時(shí)閾值設(shè)為99.3。對(duì)象分割完成后，從目視解譯的結(jié)果中挑選典型對(duì)象作為訓(xùn)練樣本，對(duì)各類蔬菜進(jìn)行自動(dòng)分類，使用面向?qū)ο蠓ㄟM(jìn)行分類時(shí)所得到的分類效果好，很少出現(xiàn)錯(cuò)分、漏分情況。此方法也可以清晰地辨別出各類地塊的邊界，且與真實(shí)分布一致性高。影像提取精度與目視解譯精度評(píng)價(jià)如表4所示，由表4可知，當(dāng)提取精度、生產(chǎn)者精度及總體精度均大于90%，Kappa系數(shù)大于0.9時(shí)，基于影像的分類與目視解譯結(jié)果相同，這時(shí)蔬菜分類的精度最高。

表4 影像提取精度與目視解譯精度評(píng)價(jià)

2.3 蔬菜種植面積統(tǒng)計(jì)

對(duì)影像圖上各類蔬菜種植面積進(jìn)行量取，根據(jù)量取的圖上面積依比例尺計(jì)算出實(shí)際面積，然后目視解譯出的各類蔬菜實(shí)際面積。將兩者結(jié)果進(jìn)行對(duì)比發(fā)現(xiàn)，誤差率在7.5%以內(nèi)，結(jié)果如表5所示。

表5 蔬菜面積影像分類與目視解譯結(jié)果評(píng)價(jià)

3 討論

綜上所述，無(wú)人機(jī)搭載多光譜相機(jī)獲取的遙感影像在不同波段上有不同的反射率，使用對(duì)象分類法對(duì)影像圖上的地物進(jìn)行分割和合并等操作，以蔬菜紋理及相似空間作為分類依據(jù)，然后對(duì)照樣本集的光譜特征，可以對(duì)不同類型的蔬菜進(jìn)行分類和種植面積信息統(tǒng)計(jì)，大大提高效率[14]。

無(wú)人機(jī)遙感除了可進(jìn)行蔬菜類型分類外，還可以根據(jù)影像圖，借助軟件量取影像圖上的面積，計(jì)算出實(shí)地蔬菜的種植面積，從而估算各類蔬菜的產(chǎn)量[15]，這種方法與傳統(tǒng)的目視解譯法相比效率更高，同時(shí)也有很高的精度[16]，對(duì)農(nóng)業(yè)智能化有促進(jìn)作用。此外，使用無(wú)人機(jī)還可以對(duì)高原夏菜進(jìn)行長(zhǎng)勢(shì)監(jiān)測(cè)、病蟲害識(shí)別及預(yù)警等[17]。