松嫩平原农情遥感监测系统的设计与实现

张 亮，那晓东，臧淑英

(哈尔滨师范大学，黑龙江省普通高等学校地理环境遥感监测重点实验室，黑龙江哈尔滨 150025)

农作物种植面积是影响粮食产量的重要因素，快速、及时、准确、高效地获取农作物分布信息，已成为现代农业发展的一大要求，且农作物的识别与分类对社会经济、粮食安全、生态功能以及政府政策制定等都有重要影响[1-2]。

遥感在农业监测和估产系统中应用已有较长的历史,现已开发了一些国家级的农情遥感监测系统,而松嫩平原还没有农情遥感监测系统的相关研究和开发[3]。目前，大多利用中高分辨率卫星Landsat、单一时相的TM、SOPT、IKONOS和ERS-1/2等数据源来进行植被遥感监测，对于农作物类型识别有一定可行性，国内的专业研究人员围绕农作物面积遥感估算进行了比较深入的研究[4-5]。王茂新等[6]在冬小麦与同期主要大宗作物绿度-时相曲线对比分析的基础上,对利用NOAA图像检测冬小麦面积的方法进行了研究。方红亮[7]利用TM卫星数据，研究了水稻面积遥感提取方法，精度达84%以上。1991—1995年在科技部的组织下，中国科学院等单位采用Landsat /TM和NOAA /AVHRR影像数据对重点产粮区小麦、水稻、玉米种植面积和产量情况进行估算，小麦估算精度达90%，水稻和玉米估算精度为85%以上，基本掌握了利用遥感数据对作物估产的主要技术和实现途径[8-10]。国外有研究将MODIS的NDVI时间序列应用于草地植被分类[11-14]，也有将此方法应用于湿地植被信息提取[15]。该研究中的系统以不同平原植被类型的物候特征为依据，采用基于傅里叶组分相似度指数的监督分类方法，对松嫩平原重要的农作物植被类型进行信息自动提取研究，并利用最大似然法进行监督分类,同时国内外研究将MODIS的NDVI时间序列应用于草地和湿地的植被分类之中，但将此法应用到农用地植被信息提取的研究才刚刚开始[15]。将农情监测系统应用于松嫩平原的研究尚未开始，笔者对松嫩平原农情遥感监测系统进行设计与开发，利用MATLAB语言进行系统的开发，实现自动化监测以及农作物长势和植被信息自动提取。以下将对该监测系统的监测方法、系统设计与功能、系统实现与运行等进行详细说明。

1 监测理论方法

1.1长势指标监测松嫩平原农情遥感系统基于NDVI时间序列对于2000—2015年全年的23幅NDVI数据影像进行5类指标计算，即NDVI(归一化植被指数)、VCI(某一年NDVI 与所有年份中NDVI 最大值和最小值之比)、MVCI(某一年NDVI 与某一年之前所有年份NDVI平均值之比)、RMNDVI(某一年NDVI与某一年之前所有年份NDVI中值之比)、RPNDVI(某一年NDVI与前一年NDVI之比)。

1.2自动分类采用Evans J P提出的基于傅里叶组分相似度指数的监督分类方法，采用逐像素计算影像上NDVI波形与参考像素NDVI波形的相似性方法来区分植被类型，运用于松嫩平原农情遥感监测系统的开发之中,并利用最大似然法进行监督分类。最大似然法在遥感影像分类中应用非常广泛，具有分类精度高的特点，系统实现自动分类能够准确快速处理需要的MODIS NDVI影像，并为更好地研究松嫩平原的农作物长势和农作物分布监测提供可靠数据依据。利用ENVI软件得出玉米、水稻、大豆等植被NDVI时间序列图，玉米NDVI时间序列图见图1。

2 系统设计与功能

2.1系统设计

2.1.1开发语言。MATLAB是由Mathwork公司推出的一种高性能的数值计算和可视化软件，有强大的矩阵运算及图形显示能力，还有多样化的各种工具箱可供使用，在数值分析、信号处理、系统辨别、特殊函数和图形等方面具有广泛的应用[16]。在遥感影像分析处理中，以往研究用到MATLAB语言进行图像处理，可以得到精确度比较高的结果，但是每次都需要研究者进行编程，缺点是处理时间久，对电脑配置要求高。现在用MATLAB编程软件进行可视化编程，可以直接进行影像处理，优点是简单、快捷、准确地得出影像处理结果，便于研究。

2.1.2数据库。所使用的MODIS产品数据是 2000—2015年全年的23幅NDVI影像数据，对应的具体时间是每年1月1日—12月18日。由于松嫩平原地跨两景MODIS影像，采用Erdas9.2软件完成数据的镶嵌，并将影像由地球投影系统( SIN )投影到阿尔伯斯系统(Albers)；利用MODIS产品批处理工具MRT(modis reprojection tool)软件对MODIS进行空间拼接、投影转换和重采样等处理，最终输出成Albers投影，空间分辨率统一为250 m反射率数据[17]。高时间分辨率数据结合物候信息在大区域作物空间分布及土地覆被监测中发挥了重要作用[18-20]。利用MODIS植被指数时间序列及作物物候特征并融合中高分辨率数据，利用阈值或模型等来分析作物分布格局[21-23]等。

2.2开发环境农情遥感监测系统后台构建的数据库采用的是系统文件，可以加载相同类型数据影像。系统开发利用可视化编程技术基于MATLAB语言编写而成。实现直接通过编辑M脚本文件产生GUI,通过MATLAB图像用户界面开发环境GUIDE(graphical user interface development environment)来形成相应文件，具有简单、运算功能强大、安全、面向对象等优点。

2.3系统设计流程农情遥感监测系统运行主要是农作物长势指标计算、区域农作物自动分类等。计算5类长势指标，并进行数据分析、处理和总结等。自动分类可以将研究区域农作物进行分类，并进行估产和多年对比研究，评价分析某类经济作物种植面积变化趋势。农情系统设计流程见图2。

图2 系统设计流程Fig.2 The flow of the system design

2.4界面框架松嫩平原农情监测系统界面由文件区(对比选择——年内和年间、周期、文件列表、指标类型)、工具栏(放大、缩小、pan、拖放、home、刷新、上一个、下一个、确定像素值、定义状态/平原、定义矩形、进入、刷新图层、下载、清除、显示、统计数据、配置文件、截图)、功能按键(计算、分类)、输出界面(图3)组成。

图3 输出界面Fig.3 Output interface

输出结果可以用来研究整个松嫩平原农作物长势和对农作物进行估产。同时可以对任何数据影像进行边界裁剪，实现完全自动化。

3 系统实现与运行

3.1系统运行

3.1.1长势监测。系统对2000—2015年多时相16 d合成的250 m分辨率MODIS-NDVI数据进行处理分析，松嫩平原农情监测系统根据不同植被类型物候特征的差异，首先将NDVI数据分为11个区间(图4)，充分直观展示松嫩平原MODIS影像植被生长状况。通过NDVI影像对其他4类长势指标进行计算，得到不同植被条件指标，VCI、MVCI、RMNDVI、RPNDVI(图5)。VCI在0～1时被分为9个区间，MVCI、RMNDVI、RPNDVI被分为7个区间。MVCI和RMNDVI 从正数到负数，长势由优到差；VCI和RPNDVI 数值越大证明长势越好，可以非常科学直观通过图像和图例数值体现农作物长势。

图4 归一化植被指数Fig.4 Normalized difference vegetation index

图5 植被指数Fig.5 Vegetation index

3.1.2自动分类。作物遥感估产包括农作物长势、产量趋势监测及产量的早期预报[24]。目前国内外普遍将农情监测系统应用于长势监测和估产，而对于自动分类研究才刚刚开始。该系统可以自动对MODIS NDVI影像进行分类，通过分类可以对农作物产量进行更加准确的预报，并且可以进行逐年对比研究，使研究结果更加直观。笔者列举了2013年松嫩平原农作物分类图像(图6)，该图例包含大豆、玉米、水稻，同时将林地、湿地、草地、建筑用地和河流、湖泊归为1种颜色。由于大豆、玉米、水稻是松嫩平原主要的经济作物，所以该系统对此3类农作物进行分类。

图6 影像分类Fig.6 Image classification

3.2运行环境系统主要采用MATLAB语言编写而成，需要用户下载 MATLAB客户端，系统主要完成各类应用，包括图像处理、专题信息提取、统计分析等，由于处理对象为遥感影像、矢量信息等，因而对计算机性能要求较高，在普通个人计算机上安装MATLAB 2013版本以上软件即可运行[25]。

4 结论与展望

基于MATLAB语言对松嫩平原农情监测系统进行开发，可以实现平原农作物遥感监测流程系统化，松嫩平原管理效率有效提高。笔者查阅国内外文献后，针对各类监测系统进行分析，认为松嫩平原农情遥感监测系统已经比较完善，将农情遥感监测农作物长势指标类型增加到5类，并比较其他遥感监测系统不足之处，同时增加利用傅里叶组分提取特征信息，并利用最大似然法建立概率模型，系统自动提取农作物的分布信息，实现自动分类，并对松嫩平原农作物长势进行监测，计算各类农作物种植面积和历年农作物面积变化，同时进行作物估产，为政府农业经济生产决策提供依据与信息。

该系统还需要进一步开发和优化，批量进行影像分类，这样会节约使用者时间，优化算法，提高分类精度。同时设计在线监控松嫩平原农作物长势，实时监测研究区域作物生长状态。该系统推进了松嫩平原实时监测的推广和应用，今后可不断完善和增加各项有关研究农作物长势的功能。

[1] 陈思宁,赵艳霞,申双和.基于波谱分析技术的遥感作物分类方法[J].农业工程学报, 2012,28(5):154-160.

[2] 吴炳方.中国农情遥感速报系统[J].遥感学报,2004,8(6):481-497.

[3] 蒙继华,吴炳方,李强子,等.全球农作物长势遥感监测系统的设计和实现[J].世界科技研究与发展,2006,28(3):41-44.

[4] LIU J Y, LIU M L,TIAN H Q,et al.Spatial and temporal patterns of China’s cropland during 1990-2000:An analysis based on Landsat TM data[J].Remote sensing of environment,2005,98(4):442-456.

[5] VERBEIREN S,EERENS H, PICCARD I,et al.Sub-pixel classification of SPOT-VEGETATION time series for the assessment of regional crop areas in Belgium[J].International journal of applied earth observation and geoinformation,2008,10(4):486-497.

[6] 王茂新，裴志远，吴全，等.用NOAA图像监测冬小麦面积的方法研究[J].农业工程学报，1998，14(3)：84-88.

[7] 方红亮.两种水稻种植面积遥感提取方案的分析[J].地理学报,1998,53(1): 58-65.

[8] 夏德深,李华.国外灾害遥感应用研究现状[J].国土资源遥感,1996,29(3):1-8.

[9] 国家“八五”科技攻关项目办公室.国家“八五”遥感科技攻关取得重大成果[J].遥感技术与应用,1995,10(1):40-41.

[10] 陈沈斌,孙九林.建立我国主要农作物卫星遥感估产运行系统的主要技术环节及解决途径[J].自然资源学报,1997,12(4):363-369.

[11] BECK P S A,ATZBERGER C,HφGDA K A,et al.Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI[J].Remote sensing of environment,2006,100(3):321-334.

[12] GEERKEN R,ZAITCHIK B,EVANS J P.Classifying rangeland vegetation type and coverage from NDVI time series using fourier filtered cycle similarity[J].International journal of remote sensing,2005,26(24):5535-5554.

[13] EVANS J P,GEERKEN R.Classifying range land vegetation type and coverage using a Fourier component based similarity measure[J].Remote sensing of environment ,2006,105(1):1-8.

[14] GEERKEN R,BATIKHA N,CELIS D,et al. Differentiation of rangeland vegetation and assessment of its status:Field investigations and MODIS and SPOT VEGETATION data analyses[J].International journal of remote sensing,2005,26(20):4499-4526.

[15] 那晓东,张树清,李晓峰,等.MODIS NDVI时间序列在三江平原湿地植被信息提取中的应用[J].湿地科学,2007,5(3):227-236.

[16] 陈怀铭,蔡剑卿,黄春晖. JAVA和MATLAB混合编程及其应用[J]. 科学技术与工程,2008,8(14):3953-3956.

[17] 吴炳方,张淼,曾红伟,等.大数据时代的农情监测与预警[J].遥感学报,2016,20(5):1027-1037.

[18] 熊勤学,黄敬峰.利用NDVI指数时序特征监测秋收作物种植面积[J].农业工程学报,2009,25(1):144-148.

[19] XIAO X M, BOLES S, LIU J Y, et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images [J].Remote sensing of environment,2005,95(4):480-492.

[20] WARDLOW B D,EGBERT S L.Large-area crop mapping using time-series MODIS 250 m NDVI data:An assessment for the U.S.Central Great Plains [J]. Remote sensing of environment,2008,112(3):1096-1116.

[21] 陈颖姝,张晓春,王修贵，等.基于Landsat8 OLI与MODIS数据的洪涝季节作物种植结构提取[J].农业工程学报,2014, 30(21): 165-173.

[22] 潘耀忠,李乐,张锦水,等.基于典型物候特征的MODIS-EVI时间序列数据农作物种植面积提取方法：小区域冬小麦实验研究[J].遥感学报,2011,15(3): 578-594.

[23] 黄青,唐华俊,周清波,等.东北地区主要作物种植结构遥感提取及长势监测[J].农业工程学报,2010,26(9):218-223.

[24] 裴志远,郭琳,汪庆发.国家级作物长势遥感监测业务系统设计与实现[J].农业工程学报,2009,25(8):152-156.

[25] 吴炳方.全国农情监测与估产的运行化遥感方法[J].地理学报,2000,55(1):25-35.