黑龙江省水稻种植信息遥感技术探讨

摘 要：为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化，通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法，研究提取研究区水稻种植分布的方法，并进行面积推算。结果表明，2012年黑龙江省东部地区水稻种植面积为15389.01 km2，主要集中在佳木斯、双鸭山和鸡西地区，分类精度达89.19 %。该方法可为区域水田空间分布信息提取提供借鉴。

关键词：MODIS；NDVI；水稻；黑龙江省

水稻是黑龙江省的主要粮食作物之一，种植面积在北方14省中居首位，稻米商品率达70 %左右，是全国商品稻米最大的产区，在中国稻米生产中占有举足轻重的地位。黑龙江省东部是该省水稻种植的传统区域，其自然、土壤、水资源情况等条件均适合水稻种植，种植面积占全省水田的30 %左右，而且分布集中连片。目前全球经济和气候复杂多变，国家粮食安全战略至关重要，能够准确、及时地掌握黑龙江省乃至全国重点水稻主产区的水稻种植分布及面积，对当地水资源调配、农业生产政策的制定以及水稻产量的估算都具有重要意义。

以业务应用为目的的作物种植面积提取不但要求有较高的分类精度，而且还要兼顾数据的易获取性和成本等问题，参考现有的较大尺度作物面积与空间分布研究方法，采用遥感和地面抽样调查技术相结合的方法，探讨基于黑龙江省东部2012年MODIS NDVI 250 m 16 d分辨率影像和2012年环境与灾害监测预报小卫星30 m分辨率影像数据，结合农田实地调查数据，根据农作物生长规律和农事活动，利用NDVI指数时序特征分析，提取东部2012年水稻种植分布和面积。以期为该省东部水资源调配、低温冷害防治、病虫害防治等农业生产措施以及水稻产量预估等提供借鉴方法，从而提高东部农业机械化生产管理的科技含量，为水稻产量和品质的提高做出贡献。黑龙江省东部地区水稻生育期为5～9月，种植方式均为移栽，由于研究区纬度跨越比较大，因此水稻各个发育期的时间跨度也较大，从移栽到成熟，各个发育期的时间跨度在25～42天，均是由南部县（市）开始，结束于北部县（市）。各发育期均有重叠，

纬度跨越大导致积温差异是影响水稻发育期的主要因子，同时种植制度也是影响作物发育期的另一个因素。水田和沼泽、旱田和未知类的NDVI时间序列变化是非常相似的，在30 m的多光谱影像中二者也很难区分。有研究表明，当地物的光谱特征比较接近时，纹理信息对区分地物具有一定的积极作用，纹理特征辅助光谱特征分类能够一定程度提高遥感影像的分类精度。因此本研究引入纹理信息对未确定类再分类，方法是把HJ卫星的2景图像进行纹理特征计算，与前面波段组合后的图像进行波段组合，然后将未知类提取出来再进行非监督分类，南部和北部地区均分15类，再采用人机交互方式，借助Google earth工具、DEM数据、水系数据等进行判定，直至每一类都有确定的土地覆盖类型为止。

2012年黑龙江省东部地区水稻种植总面积为15389.01 km2，主要分布于佳木斯、双鸭山和鸡西地区，占黑龙江省东部地区水稻种植面积的83.07 %，其中佳木斯地区水稻种植面积最大，占东部地区的46.02 %。在使用有效的地面调查点分类时，本研究按照分布均匀的原则，预留了37个点参与分类精度评价，这37个调查点包括旱耕地、水田、森林、草地、城市与建筑用地和未利用地。经过逐点验证，有33个点落到水田上，有2个点落到草地上，2个点落到未利用地上，分类精度为89.19 %。

利用遥感手段进行土地利用分类已经具有较好理论基础，中国也在第二次全国土地调查成果的基础上，采用卫星遥感、地理信息系统等技术，在全国范围开展土地变更调查与遥感监测工作，对土地调查数据库进行更新。本研究基于黑龙江省东部2012年MODISNDVI 250 m 16 d分辨率影像和2012年HJ卫星数据30 m分辨率影像数据，提取黑龙江省东部2012年水稻种植分布和面积，分类精度达89.19%。可见基于遥感的土地利用分类方法具有一定的实用价值。水体因其具有显著的光谱特征，因而在水稻移栽期具有很高的识别精度，这是本研究水田提取精度较高的原因之一。另外，MODIS数据和HJ卫星数据的融合，使数据同时拥有较高的时间分辨率和空间分辨率，极大地挖掘了2种数据的应用潜力，光谱耦合技术又使地面调查数据与NDVI变化曲线之间得到了较好地衔接，也大大提高了水田的提取精度。可见，使用该种方法即降低了水田分布和面积提取的成本，同时具有较高的精度和可操作性，从而使遥感技术在黑龙江省东部地区水田分布和面积提取工作走向业务化成为可能。

虽然本研究已经根据采样点平均NDVI值、纬度、行政区划、地形等因素，把研究区分为南、北2个区域进行研究，减少了由于作物发育期差别过大对分类精度的影响，但2个区域的交界处也不可避免地产生少量的断层现象，这一现象主要是由于本研究的分区是按照行政区划来划分造成的，但如果不考虑行政区划因素，各个县的种植制度又会有差异，也会影响分类精度，这一问题的解决方法还有待进一步研究。

同时，由于本研究的主要遥感数据源是MODIS205 m空间分辨率数据，即使与30 m空间分辨率的HJ卫星数据融合，对于夹杂在丘陵、固有水体边缘等复杂地形之间的零星小面积水田的提取，分辨率也显不足，从而影响分类精度。