论文部分内容阅读
摘 要:本文依据烟草种植区划选择河南省洛阳市宜阳县作为北方烟区代表，通过建立地面调查点，选择不同时期卫星影像对地面研究区进行监测，提取烟草种植信息及相关植被信息。根据当地物候历，选择较佳两个时相做NDVI差值，确定烟田的阈值，提取烟田面积，与烟田种植现状相比，用户精度达到71%以上。说明采样点绝大部分在提取区域内。经过研究证明，利用遥感技术提取烟草的种植区域是可行的。
关键词:遥感监测；烟草；宜阳。
1、数据采集
宜阳位于河南省洛阳市西部，地跨东经111°45′～112°26′，北纬34°16′～34°42′。宜阳地处豫西浅山丘陵区，西高东低，南山北岭，属暖温带大陆性气候，四季分明，春暖夏热，秋凉冬寒。
研究区主要采用宜阳县1：5万地形图、2007年4月28日TM影像（30米）、2007年6月27日TM影像（30米）、2007年1月SPOT-5影像（5米）作为数据源，通过多光谱遥感影像与全色高分辨率影像融合、实地调查及目视解译等方法判断研究区内烟田种植分布。
2、影像数据处理
2.1遥感影像融合
HSV融合是将RGB图像变换到HSV色度空间，用高分辨率图像代替颜色亮度植波段，自动用最临近、双线性或三次卷积技术将色度和饱和度重新采样到高分辨率像元尺寸，然后再将图像变换到RGB色度空间。
融合后的图像分辨率明显提高，信息量增大。与原多光谱影像相比，在分辨率、清晰度上有很大提高，水体和线形地物更加突出，融合影像能分辨一些植被的边界、裸地、居民区轮廓等线形地物和各居民点之间的小路，而这些在TM原始影像上就相对模糊。
2.2地面调查
为检验提取遥感信息的准确性，需要对当地的种植情况进行实地调查，用GPS进行样点、样线、样方的调查。表1为实地调查记录表格。
本次调查共采集739个GPS样点和样方，利用ArcGIS软件，从地理坐标到平面直角坐标进行投影变换。投影参数如下：
表2：投影参数
2.3目视解译判读工作
目视解译是指专业人员通过直接观察或借辅助判读仪器在遥感图像上获取特定目标地物信息的过程。根据目视判读，了解宜阳县2007年烟区分布。解译标志分直接解译标志和间接解译标志。直接解译标志有目标地物的大小、形状、阴影、色调、纹理、图型和位置与周围的关系等；间接解译标志是指能够间接反映和表现目标地物信息的遥感影像的各种特征，借助它可推断与目标地物的属性相关的其他现象。需要注意的是，建立和运用各种间接判读标志，一般需要一定的专业知识和判读经验。地表现象是错综复杂的，各种要素之间的关系可以有多种类型。有的具有明显的规律性，如地带性规律，植物季节性变化。有的具有随机性不确定性，如旱涝灾害，森林火灾。有的具有模糊性，存在过渡渐变关系。这就要求与地理环境联系起来，进行综合分析，而不能拘泥于同一个模式，对于不确定的要实地验证，不断积累经验，提高解译的准确性和精度。（见表3）
3、时相差值法提取地物
根據上述方法我们已经大致了解研究区内的烟田种植区域，下面来讨论烟田的提取模式及主要方法。农作物类型的识别工作直接关系到判读和提取烟区的准确性。在目标作物全生长期内不同时相的遥感图像中，目标信息最显著的时相为作物识别的最佳时期。（见下面的表4）
宜阳县的主要作物有冬小麦、夏玉米、烟草，少量的绿豆、春玉米和花生等。根据当地物候历可知：4月下旬冬小麦处于抽穗期，而烟叶移栽不久，正是生长前期。而6月下旬冬小麦已经收获，夏玉米刚播种或刚发芽，而此时的烟叶正是旺长的前期。这时的夏玉米叶子的面积相对较小，裸露的土地较多，而此时的烟叶面积大，叶厚，土地裸露较小。
由此根据作物的生长特征采用如下方法监测烟叶的种植区域：首先，计算6月下旬植被指数与4月下旬的植被指数的差值，大于零的为植被覆盖区，而差值高的区域应该是烟田。根据实地调查，将合适的植被指数域值定为烟田。（见图3）
两个时相的农作物NDVI差值分析：
小麦与夏玉米轮作田块：4月末，小麦正值抽穗期，麦田密度较大，LAI、绿色生物量、植被覆盖度等植被参量都较大，相应小麦的NDVI值也较大。而6月下旬，小麦已收获，夏玉米刚刚发芽，整个土地裸露。亮度值也特别大，基本上没有植被覆盖，NDVI值也较小。两时期的NDVI差值呈现较大的负值。
水体：4月末水在红光波段的反射率比近红外波段大，6月下旬水体的NDVI为负值，两时期的NDVI差值在零附近。
建筑物及公路：岩石和裸土在这两个波段的反射率近似，NDVI值接近于0， 两时期的NDVI差值在零附近。
林地：4月末，树叶茂盛，NDVI值高，6月下旬树叶更浓密。NDVI值较高，两时期的NDVI差值大于零，但不会太大。
烟田：4月末，烟叶刚刚移栽，烟叶正是生长前期。6月下旬，此时的烟叶正是旺长期。叶子宽大，覆盖度较大，两时期的NDVI差值较大。
根据以上代表地物进行样点NDVI差值统计，得出以下结果：
经过统计发现，有少量林地和水体的NDVI差值与烟田相混淆。对烟田正确取值造成干扰的林地集中在洛河以南的花岗岩山区。经多次统计大部分烟田的取值范围在3.6-16.5之间。所以，利用NDVI差值法区分地物的办法对烟田的提取具有一定的可行性。
根据实地调查，洛河以南花岗岩山区基本无烟叶种植区，洛河附近平原地区无烟叶种植区，烟叶主要种植在丘陵地带。结合DEM数据，将宜阳西南部高程较大的山区去掉，确定海拔大于532米的山区为无烟田种植区。图3为宜阳县DEM与影像叠加图，蓝线为532米等高线。图4利用NDVI差值、修正水体指数和地貌条件（去掉山区林地干扰），最后得出研究区烟田分布。
4、精度评价
遥感分类后需要进行结果评价。精度评估方法是将专题分类影像中的特定像素与已知分类的参考像素进行比较得到分类结果的精度，它是基于误差矩阵(error matrix)的评价方法。误差矩阵是一种描绘分类精度十分有效的方法，可以计算出每种类别精度的误判(commission)和漏判(omission)误差。误差矩阵中的列表示的是地表真实值，即通过航片，卫星影像，地面观察或实地测量所获得的数据；矩阵中的行表示的是待检验数据，即经过解译的遥感数据。
其中，N表示总的样点数。
N+j，表示根据参考值认为属于第j类的样点数，公式表达为:
Ni+，表示根据解译值认为属于第i类的样点数，公式表达为:
Nij表示根据地表真实值认为属于第j类而根据解译值属于第i类的样点数。需要说明，因为在矩阵行列排列中，行列号的顺序一致，故Nkk 就是地表真实值与解译后数据一致的样点数目。这样，分类总体精度OA就是对角线数目的和除以总样点数，公式表示为:
某类别的生产者精度指该类别中地表真实值和解译后数据一致的数目除以地表真实值认为是该类别的样点总数(矩阵中该列的总和)。公式表达为:
(公式4)
相应的，某类别的用户精度指该类别中地表真实值和解译后数据一致的数目除以解译后数据认为是该类别的取样点的总数(矩阵中该行的总和)，公式表达为:
(公式5)
因此，以实际调查的烟田种植区域为地表真实值，在ENVI软件里面转成感兴趣区，然后与提取的烟草区域做误差矩阵。从273个采样点看，正确分类样点为196个，精度为71.79%。
5、结论
本文利用遥感技术在河南省宜阳县所研制的遥感监测模式，采用了遥感技术、地理信息系统图件处理及分析技术、定性分析、统计分析、空间分析等多种方法，对监测烟草种植模式的研究，得出以下结论：
（1）利用多源遥感信息源，监测烟草种植区在技术上是可行的，并可以满足一定的精度要求。但研究区出现罕见旱情，造成大面积烟草生长缓慢，部分煙田旱死绝收，与预期正常烟草生长季节差距较大，与影像时期不符合，对监测工作影响较大。遥感影像的时相按照研究区物候历设计，而在6月27日烟田没有像历年那样旺长，大部分处在3-4叶片期，与周围收割后春小麦田块中的杂草形成混淆，干扰了烟田的提取精度。
（2）研究发现，提取样本并确定阈值时，对先验资料和专家知识要求较高，因此充分的实地调查非常必要。另外，在训练区的选择上，样本提取数量要足够，要掌握适当的样本提纯方法。
（3）对于分类体系中同一类别中出现的"同物异谱"现象，根据光谱特征分析建立不同的规则进行信息提取，不同类别之间存在的"同谱异物"现象通过辅以土地利用现状信息或土壤信息的方式加以区分。
（4）遥感数据是多光谱测量，波段多，在分类时，计算量相当大，数据也有相当的一致性或称为冗余性。本文采用对原始图像经各种变换后进行分类计算，并结合原始图像选择训练区，既可以集中所需要的信息，达到数据压缩的目的，又可以提高目视选择训练区的精度。
（5）在农业发展的新阶段，运用遥感技术开展烟田的监测工作，对相关政府部门及时准确掌握烟草种植区，指导烟草生产，优化种烟布局，优化种烟田地，实现规范化种植都有很重要的现实意义。
参考文献：
[1]赵英时.遥感应用与分析原理与方法[M].北京：科学出版社，2002.
[2]王乃斌.中国小麦遥感动态监测与估产.中国科学出版社，1996.
[3]吴炳方.全国农情监测与估产的运行化遥感方法。地理学报，2000年1月，第55第1期.
[4]周成虎，骆剑承等.遥感影像地学理解与分析[Ｍ].北京:科学出版社，1999.
[5]戴昌达、姜小光、唐伶俐等.遥感图像应用处理与分析 北京：清华大学出版社，2004.175-178.
[6]黄敬峰，王人潮，蒋亨显，杨忠恩等.基于GIS的浙江省水稻遥感估产最佳时相选择.应用生态学报 2002.3.290-294.
[7]李存军、王纪华、刘良云、宋晓宇、王人潮等.利用多时相Landsat近红外波段监测冬小麦和苜蓿种植面积，农业工程学报 2005.2.96-101.
[8]张宏群、安裕伦等.利用多时相ＴＭ影像分析贵州惠水喀斯特地区植被的变化，安徽师范.
大学学报(自然科学版).2004.3 109-113.
[9]杨凯.遥感图像处理原理和方法[M].北京:测绘出版社，1988.
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
关键词:遥感监测；烟草；宜阳。
1、数据采集
宜阳位于河南省洛阳市西部，地跨东经111°45′～112°26′，北纬34°16′～34°42′。宜阳地处豫西浅山丘陵区，西高东低，南山北岭，属暖温带大陆性气候，四季分明，春暖夏热，秋凉冬寒。
研究区主要采用宜阳县1：5万地形图、2007年4月28日TM影像（30米）、2007年6月27日TM影像（30米）、2007年1月SPOT-5影像（5米）作为数据源，通过多光谱遥感影像与全色高分辨率影像融合、实地调查及目视解译等方法判断研究区内烟田种植分布。
2、影像数据处理
2.1遥感影像融合
HSV融合是将RGB图像变换到HSV色度空间，用高分辨率图像代替颜色亮度植波段，自动用最临近、双线性或三次卷积技术将色度和饱和度重新采样到高分辨率像元尺寸，然后再将图像变换到RGB色度空间。
融合后的图像分辨率明显提高，信息量增大。与原多光谱影像相比，在分辨率、清晰度上有很大提高，水体和线形地物更加突出，融合影像能分辨一些植被的边界、裸地、居民区轮廓等线形地物和各居民点之间的小路，而这些在TM原始影像上就相对模糊。
2.2地面调查
为检验提取遥感信息的准确性，需要对当地的种植情况进行实地调查，用GPS进行样点、样线、样方的调查。表1为实地调查记录表格。
本次调查共采集739个GPS样点和样方，利用ArcGIS软件，从地理坐标到平面直角坐标进行投影变换。投影参数如下：
表2：投影参数
2.3目视解译判读工作
目视解译是指专业人员通过直接观察或借辅助判读仪器在遥感图像上获取特定目标地物信息的过程。根据目视判读，了解宜阳县2007年烟区分布。解译标志分直接解译标志和间接解译标志。直接解译标志有目标地物的大小、形状、阴影、色调、纹理、图型和位置与周围的关系等；间接解译标志是指能够间接反映和表现目标地物信息的遥感影像的各种特征，借助它可推断与目标地物的属性相关的其他现象。需要注意的是，建立和运用各种间接判读标志，一般需要一定的专业知识和判读经验。地表现象是错综复杂的，各种要素之间的关系可以有多种类型。有的具有明显的规律性，如地带性规律，植物季节性变化。有的具有随机性不确定性，如旱涝灾害，森林火灾。有的具有模糊性，存在过渡渐变关系。这就要求与地理环境联系起来，进行综合分析，而不能拘泥于同一个模式，对于不确定的要实地验证，不断积累经验，提高解译的准确性和精度。（见表3）
3、时相差值法提取地物
根據上述方法我们已经大致了解研究区内的烟田种植区域，下面来讨论烟田的提取模式及主要方法。农作物类型的识别工作直接关系到判读和提取烟区的准确性。在目标作物全生长期内不同时相的遥感图像中，目标信息最显著的时相为作物识别的最佳时期。（见下面的表4）
宜阳县的主要作物有冬小麦、夏玉米、烟草，少量的绿豆、春玉米和花生等。根据当地物候历可知：4月下旬冬小麦处于抽穗期，而烟叶移栽不久，正是生长前期。而6月下旬冬小麦已经收获，夏玉米刚播种或刚发芽，而此时的烟叶正是旺长的前期。这时的夏玉米叶子的面积相对较小，裸露的土地较多，而此时的烟叶面积大，叶厚，土地裸露较小。
由此根据作物的生长特征采用如下方法监测烟叶的种植区域：首先，计算6月下旬植被指数与4月下旬的植被指数的差值，大于零的为植被覆盖区，而差值高的区域应该是烟田。根据实地调查，将合适的植被指数域值定为烟田。（见图3）
两个时相的农作物NDVI差值分析：
小麦与夏玉米轮作田块：4月末，小麦正值抽穗期，麦田密度较大，LAI、绿色生物量、植被覆盖度等植被参量都较大，相应小麦的NDVI值也较大。而6月下旬，小麦已收获，夏玉米刚刚发芽，整个土地裸露。亮度值也特别大，基本上没有植被覆盖，NDVI值也较小。两时期的NDVI差值呈现较大的负值。
水体：4月末水在红光波段的反射率比近红外波段大，6月下旬水体的NDVI为负值，两时期的NDVI差值在零附近。
建筑物及公路：岩石和裸土在这两个波段的反射率近似，NDVI值接近于0， 两时期的NDVI差值在零附近。
林地：4月末，树叶茂盛，NDVI值高，6月下旬树叶更浓密。NDVI值较高，两时期的NDVI差值大于零，但不会太大。
烟田：4月末，烟叶刚刚移栽，烟叶正是生长前期。6月下旬，此时的烟叶正是旺长期。叶子宽大，覆盖度较大，两时期的NDVI差值较大。
根据以上代表地物进行样点NDVI差值统计，得出以下结果：
经过统计发现，有少量林地和水体的NDVI差值与烟田相混淆。对烟田正确取值造成干扰的林地集中在洛河以南的花岗岩山区。经多次统计大部分烟田的取值范围在3.6-16.5之间。所以，利用NDVI差值法区分地物的办法对烟田的提取具有一定的可行性。
根据实地调查，洛河以南花岗岩山区基本无烟叶种植区，洛河附近平原地区无烟叶种植区，烟叶主要种植在丘陵地带。结合DEM数据，将宜阳西南部高程较大的山区去掉，确定海拔大于532米的山区为无烟田种植区。图3为宜阳县DEM与影像叠加图，蓝线为532米等高线。图4利用NDVI差值、修正水体指数和地貌条件（去掉山区林地干扰），最后得出研究区烟田分布。
4、精度评价
遥感分类后需要进行结果评价。精度评估方法是将专题分类影像中的特定像素与已知分类的参考像素进行比较得到分类结果的精度，它是基于误差矩阵(error matrix)的评价方法。误差矩阵是一种描绘分类精度十分有效的方法，可以计算出每种类别精度的误判(commission)和漏判(omission)误差。误差矩阵中的列表示的是地表真实值，即通过航片，卫星影像，地面观察或实地测量所获得的数据；矩阵中的行表示的是待检验数据，即经过解译的遥感数据。
其中，N表示总的样点数。
N+j，表示根据参考值认为属于第j类的样点数，公式表达为:
Ni+，表示根据解译值认为属于第i类的样点数，公式表达为:
Nij表示根据地表真实值认为属于第j类而根据解译值属于第i类的样点数。需要说明，因为在矩阵行列排列中，行列号的顺序一致，故Nkk 就是地表真实值与解译后数据一致的样点数目。这样，分类总体精度OA就是对角线数目的和除以总样点数，公式表示为:
某类别的生产者精度指该类别中地表真实值和解译后数据一致的数目除以地表真实值认为是该类别的样点总数(矩阵中该列的总和)。公式表达为:
(公式4)
相应的，某类别的用户精度指该类别中地表真实值和解译后数据一致的数目除以解译后数据认为是该类别的取样点的总数(矩阵中该行的总和)，公式表达为:
(公式5)
因此，以实际调查的烟田种植区域为地表真实值，在ENVI软件里面转成感兴趣区，然后与提取的烟草区域做误差矩阵。从273个采样点看，正确分类样点为196个，精度为71.79%。
5、结论
本文利用遥感技术在河南省宜阳县所研制的遥感监测模式，采用了遥感技术、地理信息系统图件处理及分析技术、定性分析、统计分析、空间分析等多种方法，对监测烟草种植模式的研究，得出以下结论：
（1）利用多源遥感信息源，监测烟草种植区在技术上是可行的，并可以满足一定的精度要求。但研究区出现罕见旱情，造成大面积烟草生长缓慢，部分煙田旱死绝收，与预期正常烟草生长季节差距较大，与影像时期不符合，对监测工作影响较大。遥感影像的时相按照研究区物候历设计，而在6月27日烟田没有像历年那样旺长，大部分处在3-4叶片期，与周围收割后春小麦田块中的杂草形成混淆，干扰了烟田的提取精度。
（2）研究发现，提取样本并确定阈值时，对先验资料和专家知识要求较高，因此充分的实地调查非常必要。另外，在训练区的选择上，样本提取数量要足够，要掌握适当的样本提纯方法。
（3）对于分类体系中同一类别中出现的"同物异谱"现象，根据光谱特征分析建立不同的规则进行信息提取，不同类别之间存在的"同谱异物"现象通过辅以土地利用现状信息或土壤信息的方式加以区分。
（4）遥感数据是多光谱测量，波段多，在分类时，计算量相当大，数据也有相当的一致性或称为冗余性。本文采用对原始图像经各种变换后进行分类计算，并结合原始图像选择训练区，既可以集中所需要的信息，达到数据压缩的目的，又可以提高目视选择训练区的精度。
（5）在农业发展的新阶段，运用遥感技术开展烟田的监测工作，对相关政府部门及时准确掌握烟草种植区，指导烟草生产，优化种烟布局，优化种烟田地，实现规范化种植都有很重要的现实意义。
参考文献：
[1]赵英时.遥感应用与分析原理与方法[M].北京：科学出版社，2002.
[2]王乃斌.中国小麦遥感动态监测与估产.中国科学出版社，1996.
[3]吴炳方.全国农情监测与估产的运行化遥感方法。地理学报，2000年1月，第55第1期.
[4]周成虎，骆剑承等.遥感影像地学理解与分析[Ｍ].北京:科学出版社，1999.
[5]戴昌达、姜小光、唐伶俐等.遥感图像应用处理与分析 北京：清华大学出版社，2004.175-178.
[6]黄敬峰，王人潮，蒋亨显，杨忠恩等.基于GIS的浙江省水稻遥感估产最佳时相选择.应用生态学报 2002.3.290-294.
[7]李存军、王纪华、刘良云、宋晓宇、王人潮等.利用多时相Landsat近红外波段监测冬小麦和苜蓿种植面积，农业工程学报 2005.2.96-101.
[8]张宏群、安裕伦等.利用多时相ＴＭ影像分析贵州惠水喀斯特地区植被的变化，安徽师范.
大学学报(自然科学版).2004.3 109-113.
[9]杨凯.遥感图像处理原理和方法[M].北京:测绘出版社，1988.
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”