第1节
农作物种植结构的提取

生态功能要素主要包括林地、草地、园地、耕地、水域/滩涂、裸地/荒漠及其他生态用地等。生态功能要素的变化对物质能量循环过程的影响及其衍生的资源与环境问题是当前研究的热点问题，同时也是国土及生态规划中需要考虑的关键问题。利用遥感影像信息提取及分类的方法，可以辅助实现生态功能要素提取的目的。

农业生产是人类社会赖以生存的基础，大范围的可靠农情信息是保障区域及全球粮食安全的重要依据。现代遥感技术能实现低成本、高时间分辨率、高空间分辨率的农作物生长环境、长势、产量等的大面积监测，是常规监测手段无法企及的，对于现代化农业生产具有至关重要的意义。近年来，农业遥感向多尺度、多传感器、高精准发展，精细化的农作物种植结构信息提取和估计是作物施肥、灌溉、作物长势、估产等应用研究的重要基础。

遥感影像真实全面地记录了地物的各种变化信息。不同的农作物反射波谱不同，在遥感影像上亮度值、纹理、形状也不同。另外，农作物从发芽、出苗到成熟、收获的生长变化过程与归一化植被指数（NDVI）的增长或降低相对应，因此，一年内NDVI时间序列曲线能生动明了地刻画农作物的生长规律。随着农作物的生长，NDVI逐渐增大，并在一定生育期达到最大值之后开始下降。各种农作物都有其自身的生长发育规律，同种农作物在同一地区的生长过程是相对稳定的。不同农作物生育期不同，NDVI峰值及其出现的时相也不相同，其时间序列曲线形态不同，遵循一定的规律变化。例如，图4-1展示了不同地物按时间顺序和按大小顺序得到的NDVI光谱曲线，可以看到年度NDVI排序曲线更有利于地物的区分。因此，结合NDVI和反射率等信息对农作物种植结构信息进行提取具有较为可靠的理论基础。

本节将以地理学、景观生态学等理论为指导，应用遥感、地理信息系统等技术手段，对2014年、2016年和2019年永定河流域土地覆被（土地覆被类型包括但不限于耕地、林地、草地、水域、建设用地、未利用土地等）信息进行识别和提取。并在此基础上，结合时间序列植被指数等特征重建方法，实现农作物种植结构提取的目的。

1. 研究区概况

本节以永定河流域为例，介绍了土地覆被信息提取的方法，并在此基础上结合耕地的空间分布数据，对农作物种植结构进行了精细化提取。

永定河流域是华北山区典型的生态环境脆弱区（图4-2），也是北京市“京西绿色生态走廊与城市西南生态屏障”。随着工业化和城市化的快速发展，该区域水资源短缺的问题日益突出。虽然流域内的水分平衡分量受上游流域的深刻影响，但区域内部土地利用/土地覆被格局及其变化也对流域的生态系统服务价值产生了重要影响。

2. 数据与方法

（1）数据基础

土地覆被信息提取方面，选用国产高分系列GF-1和GF-6卫星2014年、2016年和2019年影像为主要数据源。同时，以永定河流域边界矢量数据和已有地表覆盖产品作为辅助数据。

农作物种植提取结构信息提取方面，结合永定河流域内农作物生长规律，除选取2014年、2016年、2019年每年两期高分辨率遥感影像（以米级和亚米级高分系列卫星GF-1、GF-2、GF-6和资源卫星ZY-3为主）为主要数据源之外，同时以Landsat-8卫星和Sentinel-2卫星影像为辅助数据。

（2）研究方法

用于土地覆被信息提取的遥感图像融合与镶嵌。在ENVI遥感影像处理软件中，将2014年、2016年和2019年3个年份GF-1、GF-6卫星影像进行辐射校正、大气校正和几何校正等预处理，将8m多光谱波段和2m全色波段图像采用Gram-Schmidt方法进行融合，然后将融合后的图像进行镶嵌，并利用永定河流域边界对图像进行裁剪。

土地覆被信息提取及分类（图4-3）。参考统计年鉴和已有数据产品中对该地区的分类结果，确定该地区土地覆被类型（包括耕地、林地、草地、灌丛、湿地、水体、裸地、不透水层）。基于2014年、2016年和2019年遥感影像采集各类地物训练样本，结合所选取的深度学习分类器，完成3期土地覆被类型识别和提取，并根据地面实测数据进行精度检验，构建该流域土地覆被信息数据库。

用于农作物提取的遥感影像预处理。永定河流域农作物种植结构信息提取及变化监测技术流程见图4-4。为确保遥感影像无云等质量要求，从而保证监测年份（2014年、2016年和2019年）分别有两期无缝拼接、精度较高的作物种植结构产品，我们充分利用监测年份内所有可用的数据，对高分系列卫星遥感图像进行辐射校正、大气校正和几何校正等预处理，采用Gram-Schmidt方法将8 m多光谱波段和2 m全色波段图像进行融合，并将不同图幅进行镶嵌，以永定河流域矢量文件对图像进行掩膜处理，得到研究区2 m分辨率遥感影像。

基于面向对象的影像分割及农作物分类。结合土地覆被信息提取结果，采用面向对象的方法对各年份各期高分系列卫星影像中的耕地分布范围内影像进行分割，并对分割后的斑块进行重采样。为满足对永定河流域全区进行作物种植结构信息监测的要求，利用GEE平台将2014年Landsat-8卫星影像和2016年、2019年Sentinel-2卫星影像进行时间序列植被指数等特征重建，计算斑块内对应的特征集，再集成多种分类器进行遥感分类，最终得到永定河流域3个年份3-5月和7-9月农作物种植结构分类产品。

3. 结果与讨论

（1）土地覆被分类识别结果

对2014年、2016年和2019年永定河流域土地覆被信息提取及分类结果如图4-5至图4-7所示。

为保证精度验证结果的准确性，采用以下产品精度质量控制的方法：对以上分类结果进行精度检验时，对每一年度每种土地覆被分类产品采用随机采样的方式，选取至少200个实测点；利用地面实测资料以及Google Earth平台的高分辨率遥感影像，验证土地覆被分类提取结果；将检验人员划分为5个精度检验小组，进行多轮检查和交互验证。经统计，2014年、2016年和2019年的土地覆被产品总精度分别为86.53%、85.65%和87.83%，各年度土地覆被分类混淆矩阵如表4-1至表4-3所示。

（2）农作物种植结构信息提取结果

2014年、2016年和2019年永定河流域农作物种植结构信息提取结果如图4-8至图4-13所示。

为保证精度验证结果的准确性，在野外调查和实地验证时，每种类型采集至少150个样点，用以验证和完善土地覆被分类提取结果，从而保障最终的产品质量；采用Google Earth平台的高分辨率遥感影像进行验证；将检验人员划分为3个精度检验小组，进行多轮检查和交互验证。经统计，2014年、2016年和2019年3-5月农作物种植结构分类总精度分别为80.22%、82.67%和81.78%。2014年、2016年和2019年的7-9月农作物种植结构分类总精度分别为81.11%、82.44%和81.33%。各年度农作物种植结构分类混淆矩阵见表4-4至表4-6。