基于Landsat影像的冬小麦种植面积研究

梁雨,张鹏强

摘要：本文主要针对冬小麦种植面积提取方法而展开，其目的就是为了更加快速、准确的提取冬小麦种植面积，并保证一定的提取精度，为小面积农作物种植面积遥感提取方法研究提供一种新的解决方案。决方案。本文主要选择的的研究区域是河北省石家庄市，影像选择的是2015年到2018年4月的Landsat8影像，通过分析影像地物的主要特征，并通过计算EDVI提取冬小麦种植面积。

关键词：遥感；冬小麦；landsat8；种植面积；NDVI

1 引言

粮食，对于一个国家而言，是其稳固和发展的基础，对于普通民众而言，是其生存和发展的必备物质资源。对于一个国家或民族的长远发展来说，粮食安全至关重要，是国家稳定和发展的基础。小麦在我国总体种植面积占到粮食作物种植总面积的五分之一，是我国十分重要的商品粮和粮食作物，并且属于战略储备粮品种，对于我国的粮食安全、农业发展而言至关重要。石家庄市地区广泛种植的小麦、玉米、油菜等农作物，冬小麦又是石家庄市主要的粮食作物，及时、准确的掌握小麦覆盖面积变化的数据，对于相关部门制定农业政策，调整产业结构而言意义重大。

2 研究区域的分析

石家庄市地处河北省中南部，环渤海湾经济区，实际总面积13504平方千米（不包括河北省直管辛集市面积960平方千米），农业集约化和产业化水平较高，生产规模位居全国36个重点城市第一位，被国家确定为优质小麦生产基地，素有“北方粮仓”之称。

3 研究区域的分析

Landsat8上载负了两个传感器，即OLI和TIRS，TIRS是独立的热红外传感器，这是Landsat8与陆地资源卫星一个比较大的区别。Landsat7虽然也载负了热红外传感器，但是该传感器并不是独立的，而是与ETM+传感器集成在一起的。不过，Landsat7上的热红外数据分辨率是60米，而Landsat8上的热红外数据分辨率有100米，且Landsat8上载负的OLI传感器设计使用年限是5年，而TIRS传感器的设计使用寿命仅有三年。Landsat8上的陆地成像仪包含了总共9个波段，其中包括了1个全色波段，空间分辨率是15米，8个多光谱波段，空间分辨率是30米。和Landsat7相比，这9个波段中有两个波段是新增加的波段，即Band1深蓝波段，该波段主要作用是对大气中存在的气溶胶以及近岸水体进行监测，也可称作海岸/气溶胶波段；另一个波段是Band9卷云识别波段，该波段的主要任务是对卷云进行检测。此次使用的影像的波段分辨率在30m以内，大致满足影像研究要求。

4 种植面积提取流程

（1）首先利用Radiation Calibration工具进行辐射定标，对由外界因素、数据获取及传输系统等产生的系统的、随机的辐射失真或畸变进行校正，消除或纠正因辐射误差而引起影像畸变，再使用Convert Interleave工具对定标好的影像数据存储格式转换为BIL。

（2）利用Computer Statistics工具，对下载好的DEM数据进行计算求得平均高程。

（3）Landsat8多光谱的空间分辨率是30m，用预处理完的影像与全色波段（第8波段15m）进行影像融合综合成高质量的图像，以提高图像信息的利用率，从而改善解译精度，最后得到15m的遥感影像。

图1 种植面积提取流程图

（4）使用Seamless Mosaic工具进行无缝镶嵌，更精细地控制图像镶嵌，包括镶嵌匀色、接边线生成和预览镶嵌效果等。

（5）用研究区的矢量边界裁剪融合后的影像，得到研究范围的影像（波段组合5和4），处理之后得到裁剪后的影像。

6 计算种植面积

植被指数作为一种经济、有效和实用的地表植被和长势参考量，在作物长势监测和产量预报中有着广泛应用。大量研究表明：归一化植被指数NDVI（Normalized Differential Vegetation Index）除了是反映植被生长状态及植被覆盖度的最佳因子外，还可部分消除与太阳高度角、地形、云、阴影和大气条件有关的辐照度条件变化等的影响。因此，该指数对于植被具有较强的响应能力。上述原因决定了NDVI指数在大范围植被动态监测中，特别是在作物估产中的重要地位。但是许多研究结果也表明，NDVI增强了近红外与红光通道反射率的对比度，它是近红外和红光通道比值的非线性拉伸，其结果增强了低值部分 ，抑制了高值部分。而且 NDVI的敏感性与植被覆盖度有关，即当植被覆盖度在80%时，NDVI与植被生物量呈良好线性关系，而当植被覆盖度小于15%时，NDVI很难准确指示植被生物量；当植被覆盖度大于80%时，NDVI又呈现出饱和状态。其计算公式为：

NDVI=(CH2 CH1)/(CH2+CH1)

其中CH1和CH2是卫星传感器的近红外通道和可见光通道。由于采用Landsat8影像，故计算公式为NDVI=（B5-B4）/(B5+B4)，种植面积统计表如表1所示。

表1 种植面积统计表

年份	种植面积（万亩）
2015	1006.73
2016	828.32
2017	809.84

7 结论

（1）Landsat8影像波段信息丰富，通过计算各个波段之间的相关性，并结合野外调查数据及样方数据，确定了石家庄市冬小麦种植面积，选取4和5波段便于精度观测和种植面积提取等工作；

（2）通过使用Landsat8影像进行石家庄市的冬小麦种植面积提取发现，与传统遥感数据相比，Landsat8影像数据获取较为容易，成本低，波段信息丰富，将其作为农作物种植面积动态监测工作的数据源是可行的；

（3）NDVI不仅可以消除与太阳高度角、地形、阴影和大气条件等有关的辐照度条件变化的影响，而且对植被生长状况、生产率及其他生物物理、化学特征较为敏感，其变化与作物生长状况、发育时期关系非常紧密。因此，用NDVI做冬小麦种植面积变化的观测是可行的。

8 不足

（1）下载的图像云量过大导致计算数值存在误差，尤其是2018年数据云量过大，故选择剔除；

（2）影像年份较少，导致精度降低；

（3）由于选用4-5月份的影像，故杂草，油菜花等对影像的影响无法消除。

参考文献

[1] 贺振，贺俊平.基于NOAA-NDVI的河南省冬小麦遥感估产[J].干旱区资源与环境，2013(5):46-52.

[2] 任建强，陈仲新，唐华俊.长时间序列NOAA-NDVI数据在冬小麦区域估产中的应用[J].遥感技术与应用，2007，22(3):326-332.

[3] 贺振，贺俊平.基于NOAA-NDVI的河南省冬小麦遥感估产[J].干旱区资源与环境，2013(5):46-52.

[4] 冯美臣，杨武德.不同株型品种冬小麦NDVI变化特征及产量分析[J].中国生态农业学报，2011(1).87-92.

1