遥感技术在农业塑料大棚识别中的应用.pdf

引用本文格式李慧珍遥感技术在农业塑料大棚识别中的应用 J农业工程，2023，13（5）：52-55 DOI：10.19998/ki.2095-1795.2023.05.010 LIHuizhenApplication of remote sensing technology in identification of agricultural plastic greenhouseJAgricultural Engineering，2023，13（5）：52-55遥感技术在农业塑料大棚识别中的应用李慧珍（中国矿业大学公共管理学院，江苏 徐州 221116）摘要：农业塑料大棚的使用对农业生产至关重要，但若使用不当会对农业生产和生态环境带来不利的影响。因此，运用遥感技术监测农业塑料大棚的数量与规模对于农业的可持续发展具有重要意义。通过分析与对比不同分类原理、遥感数据源、分类器在农业塑料大棚识别中的具体应用，简要阐述了遥感技术在大棚识别领域的发展前景，以期为相关研究提供参考。关键词：农业塑料大棚；遥感技术；设施农业中图分类号：S126文献标识码：A文章编号：2095-1795（2023）05-0052-04DOI：10.19998/ki.2095-1795.2023.05.010Application of Remote Sensing Technology in Identification ofAgricultural Plastic GreenhouseLI Huizhen（Department of Public Administration，China University of Mining and Technology，Xuzhou Jiangsu 221116，China）Abstract：The use of agricultural plastic greenhouse is very important for agricultural production，but if it is improperly used，it willhave adverse effects on agricultural production and ecological environmentTherefore，using remote sensing technology to monitorquantity and scale of agricultural plastic greenhouses is of great significance for sustainable development of agricultureSpecific applica-tions of different classification principles，remote sensing data sources and classifiers in identification of agricultural plastic greenhouseswere analyzed and comparedDevelopment prospects of remote sensing technology in the field of greenhouses identification were brieflydescribed，with a view to providing reference for related researchKeywords：agricultural plastic greenhouse，remote sensing technology，facility agriculture 0引言根据我国第 2 次全国农业普查及相关研究数据，2006 年全国共有农业塑料大棚 78 万 hm2，2019 年增长至 103 万 hm21-2。塑料大棚数量的显著增加改变了传统季节性粮食生产的方式，大大提高了农业生产力。塑料大棚的扩建也带来了一系列环境问题，大棚生产过程中会产生大量邻苯二甲酸盐，导致土壤次生盐碱化；过度施肥会导致土壤酸化和养分失衡，最终导致作物减产3。为了合理规划农业用地，减少塑料大棚生产带来的不利影响，保持粮食供给和环境安全之间的平衡，区域规划者应对农业大棚的空间分布与扩张程度做出及时、准确的判断。目前，遥感技术已广泛应用于农业塑料大棚的空间分布及动态监测，使农业塑料大棚高精度、大尺度、长时序监测成为可能4。因此，遥感技术的应用对于农业塑料大棚的科学监测与管理及现代农业的可持续发展具有重要意义。近年来，利用遥感技术识别农业塑料大棚越来越受到重视。国内外学者在农业塑料大棚识别中运用了多种遥感技术方法，从最小分类单元的角度主要有基于像元分类及面向对象分类，从数据源的角度主要有中高分辨率及多源遥感融合影像，从分类器的角度主要有决策树与支持向量机等常用分类器。1最小分类单元 1.1基于像元分类法早期从遥感图像中提取空间信息一直使用手动方法，但使用传统摄影测量技术手动获取空间信息的速 收稿日期：2022-10-18修回日期：2023-01-13作者简介：李慧珍，硕士生，主要从事农业遥感研究E-mail：第 13 卷 第 5 期农业工程Vol.13No.52023 年 5 月AGRICULTURAL ENGINEERINGMay 2023度很慢，并且需要训练有素的操作人员，因此，该方法经济适用性低。计算机自动分类方法的应用促进了遥感图像上空间信息的提取。AGUEERA F 等5采用QuickBird 高分影像，以单个像元为最小单元，通过像元的光谱特征识别农业塑料大棚。AGUERA F 等6在像元光谱的基础上结合纹理特征分析改进了基于像元的农业塑料大棚分类方法。AGUERA F 等7以基于像元的方法，在 IKONOS 和 QuickBird 等多种高分影像上提取塑料大棚，提取精度高达 90%。ARCIDIACONOC 等8同样基于像元对高分影像上的农作物进行分类。ARCIDIACONO C 等9又增加了纹理分析以提高作物分类精度。1.2面向对象分类法使用基于像元的分类方法进行高分辨率影像的分类会产生“椒盐现象”，即影像中存在很多空白点和“噪声”，由此面向对象的分类方法逐渐发展成型10。MANUEL A 等11在 使 用 GeoEye-1（0.5 m）和WorldView-2（0.5 m）等高分影像时，采用面向对象的塑料大棚分类方法以提取西班牙南部地区的塑料大棚。AGUILAR M 等12又采用面向对象方法，结合决策树技术识别了西班牙阿尔梅里亚地区的塑料大棚。WU CF 等13在 Landsat-8 图像中使用面向对象方法提取了萧 山 区 的 塑 料 大 棚，取 得 了 较 高 的 分 类 精 度。TARANTINO E14采用面向对象分类方法，使用高空间分辨率（VHSR）真彩色航空数据识别塑料覆盖的葡萄园。AGUILAR M A 等15为了提高精度，在面向对象 方 法 的 框 架 内 提 出 了 一 种 基于 WorldView3（0.31 m）影像的优化多分辨率分割方法，以识别西班牙阿尔梅里亚地区的塑料大棚。1.3基于像元和面向对象分类法比较目前，基于像元的分类方法在农业塑料大棚识别领域应用较普遍，然而，仍存在一些制图问题。首先，基于像元法不适用于提取高分辨率影像信息。基于像元法分类处理时的最小单元是像元，主要考虑单个对象的光谱信息，无法快速提取高分辨率遥感影像中的同一地物类别，并且存在同物异谱、异物同谱现象，“椒盐现象”也十分严重16。其次，基于像元法无法充分利用几何、纹理等特征信息。最后，基于像元方法大多侧重于确定农业塑料大棚的现状，而忽略了对潜在驱动因素的分析。这种分析有助于加深对农业塑料大棚扩张的理解，并为未来土地利用决策提供科学依据。相对于基于像元的分类，面向对象分类基于由若干个相似像元组合表示的对象，而不是基于单个像元，有效地避免了“椒盐现象”；可以使用多尺度来优化分类过程，避免同物异谱、异物同谱现象，提高影像分类精度；可以充分利用遥感影像的光谱、纹理、几何信息，提高空间信息利用率。因此，面向对象法成为处理农业塑料大棚影像分类以及信息提取的一个重要趋势。2主要遥感数据源遥感影像已广泛用于不同空间分辨率和时间频率的农业塑料大棚识别。国内外学者常用中分辨率影像、高分辨率影像以多源遥感融合影像进行农业塑料大棚的识别。2.1中分辨率卫星影像目前农业塑料大棚识别中比较常用的中等分辨率卫星影像主要有 Landsat 系列，哨兵 2（Sentinel-2）等，并 且 都 可 以 免 费 获 取，分 辨 率 主 要为 10 30 m。YANG Dedi 等 17使用 Landsat 系列卫星影像对山东省潍坊市西北部农村地区进行大规模农业塑料大棚制图，总体准确率为 91.8%，Kappa 系数为 0.83。LU L 等18提出了一种有效的决策树分类器，以 Landsat TM 影像作为源数据，提取新疆维吾尔自治区北部区域的透明地膜覆盖物（PML），研究年份的总准确度均85%，而 Kappa 系数0.8。ZHANG Peng 等19以 Sentinel-2 卫星影像为数据源，绘制了中国、西班牙、土耳其的塑料大棚地图，总准确率均90%。2.2高分辨率卫星影像近年来，使用高空间分辨率影像（0.52.0 m）的农业塑料大棚制图引起了越来越多的关注20。目前农业塑料大棚识别中比较常用的高分辨率卫星影像主要有国产高分系列、WorldView 系列等。SHI L 等21利用高分 2 号卫星数据绘制山东省德州市禹城市周边的塑料大棚地图，精度达到 97.34%。ZHANG X 等22以高分 2 号卫星影像为数据源，绘制了山东省寿光市的农业塑料大棚地图，精度达到 97.22%。TADEMIRK 等 23基于 WorldView-2 卫星影像对土耳其安塔利亚地区的塑料大棚进行无监督提取，Kappa 系数为 0.75，总体准确率为 87.68%。2.3多源遥感影像目前，为实现多种遥感影像的优势互补，多源遥感影像在塑料大棚识别中得到广泛应用24。NOVELLIA 等 25使用 Sentinel-2 MSI 和 Landsat 8 OLI 卫星数据绘制了西班牙阿尔梅里亚地区的塑料大棚地图，总体准确率分别为 87.9%和 93.4%。AGUILAR M A 等 26通过结合 WorldView-2 和 Landsat 8 OLI 卫星影像绘制了西班牙阿尔梅里亚地区的农业塑料大棚地图，2014年和 2015 年数据集的总体准确率分别为 93.0%和93.3%。GONZLEZ-YEBRA SCAR 等27结合存档的航空正射影像和陆地卫星数据评估了西班牙阿尔梅里 李慧珍：遥感技术在农业塑料大棚识别中的应用 53 亚地区的塑料大棚变化情况，总体准确率达到 94.2%。2.4数据来源比较各种分辨率的遥感影像用于农业塑料大棚识别各有优缺点。对中分辨率遥感影像而言，可以免费获取，成本低，可用于长时序监测。我国大部分农田面积较小，分布较为分散、破碎，使用中分辨率影像提取农业塑料大棚，容易出现混合像元问题，错分率较高，提取精度不高。而对大面积农业塑料大棚进行识别时，在能达到精度要求的前提下使用中分辨率遥感影像能够提高计算效率，及时反应大棚的变化情况。因此，中分辨率遥感影像主要适用于识别农田面积大、分布集中的地区。对高分辨率遥感影像而言，混合像元数量较少，也可以提供更详细的空间结构特征和纹理信息，有效提高分类精度。因此，高分辨率影像有利于刻画小面积地物的空间结构及纹理特征，适用于小区域、高精度农业塑料大棚提取。若使用高分辨率影像识别大尺度塑料大棚，会存在成本高、数据量及工作量过大等问题，并且由于高分辨率影像的光谱分辨率较低，易出现“同谱异物”现象。对多源遥感影像而言，可以有效解决以上所述的单一遥感数据在大棚识别中产生的问题，实现多种遥感影像的优势互补，提高大棚提取精度。哈斯图亚28分别使用单一遥感影像与多源遥感影像提取河北省冀州市的地膜，发现多源遥感影像在总体识别精度、制图精度、用户精度方面均高于单一遥感影像。此外，多源遥感数据可以有效填补光学遥感数据因受天气影响导致数据缺失的空白，为监测农业塑料大棚的动态变化提供了数据支撑。3主要分类器在农业塑料大棚识别中常用的非参数监督分类器包括支持向量机和决策树。3.1支持向量机KOCSAN D 等 29以 WorldView-2 卫星影像为数据源，使用支持向量机分类器探测土耳其库姆卢卡地区的塑料大棚，总准确率 90.28%。MANUEL A 等 11以GeoEye-1 和 WorldView-2 卫星影像为数据源，使用支持向量机分类器探测西班牙阿尔梅里亚地区的农业塑料大棚，总准确率接近 90%。3.2决策树LU L 等 18以 Landsat-5 TM 影像为数据源，提出了一种用于提取新疆维吾尔自治区塑料地膜的决策树分类器，研究年份的总精度均85%。AGUILAR M A 等 26以 WorldView-2 和 Landsat 8 卫星影像为数据源，结合面向对象分类与决策树分类，绘制西班牙阿尔梅里亚地区的农业塑料大棚地图，总准确率达到 93%以上。3.3分类器比较决策树分类法是一种多元统计分类方法，具有能高效分割遥感影像特征空间的优势，对缺失数据不敏感，适用于数据量大的情况，并且分类精度较高，能有效提高农业塑料大棚分类精度。在规则适当提取的前提下，决策树分类法比传统分类方法的准确率要高。缺点是容易过度拟合数据，需要从大量样本中选出最能具代表性的样本集。支持向量机是一种新型计算机算法，与决策树分类法相比，支持向量机在小样本学习、学习效率等方面效果较好。支持向量机适用于数据量小的情况，但分类精度较低。决策树分类器比支持向量机分类器的分类精度高、具有更强的泛化能力与抗噪声能力，因此，决策树分类器在农业塑料大棚识别领域中应用的更加广泛30。4结束语遥感技术在农业塑料大棚识别领域的全面应用，推进了我国的农业现代化进程。相较于传统费时费力的实地考察方式，遥感技术具有成本低、时效性强、覆盖范围广和精确度高等优点，为大棚信息自动化提取提供了极大的便利，在农业塑料大棚监测与管理方面发挥着重要作用。虽然遥感技术应用于农业塑料大棚识别领域已取得了巨大的成果，但仍存在一些缺陷，如物候变化及周围地表的复杂性等因素会对制图精度造成负面影响，并且单源单时相遥感影像难以清晰反映农业塑料大棚的长期动态变化情况。对此，要加强对大棚遥感识别技术的要求，将大棚光谱特征与纹理结构特征有机结合，融合多个分类器，使不同的分类器优势互补，从而提高分类精度，最重要的是要加强多源多时相遥感影像的应用，发展新的数据融合算法，充分发掘多源多时相遥感数据在农业塑料大棚识别中的时空谱优势，使其在农业塑料大棚识别领域朝着更高效、更精确、更实用的方向发展，从而为农业管理及环境保护提供必要的科学信息，促进农业可持续发展。参考文献 ESPI E，SALMERON A，FONTECHA A，et alPlastic films for ag-ricultural applicationsJ Journal of Plastic Film&Sheeting，2006，22（2）：85-1021 冯权泷，牛博文，朱德海，等2019 年全国农业塑料大棚遥感分类数据集J中国科学数据（中英文网络版），2021，6（4）：149-166FENG Quanlong，NIU Bowen，ZHU Dehai，et alA dataset of re-mote sensing-based classification for agricultural plastic greenhouses in2 54 农业工程信息与电气化 China in 2019J China Science Data（Chinese and English OnlineEdition），2021，6（4）：149-166 LI Cheng，CHEN Jiayi，WANG Jihua，et alPhthalate esters in soil，plastic film，and vegetable from greenhouse vegetable production basesin Beijing，China：concentrations，sources，and risk assessmentJScience of the Total Environment，2016，568：1 037-1 0433 石文西，雷雨田，汪月婷，等基于深度学习的农业大棚遥感提取方法研究J无线电工程，2021，51（12）：1 477-1 484SHI Wenxi，LEI Yutian，WANG Yueting，et alResearch on remotesensing extraction method of agricultural greenhouse based on deep learn-ingJRadio Engineering，2021，51（12）：1 477-1 4844 AGUEERA F，AGUILAR M A，AGUILAR F J Detecting green-house changes from QuickBird imagery on the Mediterranean coastJInternational Journal of Remote Sensing，2006，27（21/22）：4 751-4 7675 AGUERA F，AGUILAR F J，AGUILAR M AUsing texture analys-is to improve per-pixel classification of very high resolution images formapping plastic greenhousesJISPRS Journal of Photogrammetry andRemote Sensing，2008，63（6）：635-6466 AGUERA F，LIU J G Automatic greenhouse delineation from Quick-Bird and Ikonos satellite imagesJComputers&Electronics in Agri-culture，2009，66（2）：191-2007 ARCIDIACONO C，PORTO S M CA model to manage crop-shelterspatial development by multi-temporal coverage analysis and spatial in-dicatorsJBiosystems Engineering，2010，107（2）：107-1228 ARCIDIACONO C，PORTO S M C，CASCONE GAccuracy of crop-shelter thematic maps：a case study of maps obtained by spectral andtextural classification of high-resolution satellite imagesJJournal ofFood Agriculture&Environment，2012，10（3）：1 071-1 0749 赵建鹏基于 GF-2 遥感影像提取农业大棚方法研究D廊坊：北华航天工业学院，201910 MANUEL A，FRANCESCO B，FERNANDO A，et alObject-basedgreenhouse classification from GeoEye-1 and WorldView-2 stereo im-ageryJRemote Sensing，2014，6（5）：3 554-3 58211 AGUILAR M，VALLARIO A，AGUILAR F，et al Object-basedgreenhouse horticultural crop identification from multi-temporal satelliteimagery：a case study in Almeria，SpainJRemote Sensing，201512 WU C F，DENG J S，WANG K，et alObject-based classificationapproach for greenhouse mapping using Landsat-8 imageryJInterna-tional Journal of Agricultural&Biological Engineering，2016，9（1）：79-8813 TARANTINO E Plastic covered vineyard extraction from airbornesensor data with an object-oriented approachC/Remote Sensing forAgriculture，Ecosystems，&Hydrology XIIIInternational Society forOptics and Photonics，201114 AGUILAR M A，NOVELLI A，NEMMAOUI A，et alOptimizingmultiresolution segmentation for extracting plastic greenhouses fromWorldView-3 imageryC/10th KES International Conference on Intelli-gent Interactive Multimedia Systems and Services，IIMSS 201715 靳欢欢基于逐像元和面向对象分类方法的分析研究J江苏科技信息，2014（19）：38-4016 YANG Dedi，CHEN Jin，ZHOU Yuan，et alMapping plastic green-house with medium spatial resolution satellite data：development of anew spectral indexJISPRS Journal of Photogrammetry and Remote17Sensing，2017，128：47-60 LU L，DI L，YE YA decision-tree classifier for extracting transpar-ent plastic-mulched landcover from Landsat-5 TM imagesJ IEEEJournal of Selected Topics in Applied Earth Observations and RemoteSensing，2014，7（11）：4 548-4 55818 ZHANG Peng，DU Peijun，GUO Shanchuan，et alA novel index forrobust and large-scale mapping of plastic greenhouse from Sentinel-2 im-agesJRemote Sensing of Environment，2022，276：113 04219 NAVULUR K Multispectral image analysis using the object-orientedparadigmJCRC Press，200620 SHI L，HUANG X，ZHONG T，et alMapping plastic greenhousesusing spectral metrics derived from GaoFen-2 satellite dataJ IEEEJournal of Selected Topics in Applied Earth Observations and RemoteSensing，2019，13：49-5921 ZHANG X，CHENG B，CHEN J，et al High-resolution boundaryrefined convolutional neural network for automatic agricultural green-houses extraction from GaoFen-2 satellite imageriesJRemote Sens-ing，2021，13（21）：4 23722 TADEMIR K，KOC-SAN D Unsupervised extraction of green-houses using WorldView-2 imagesC/2014 IEEE Geoscience and Re-mote Sensing SymposiumIEEE，2014：4 914-4 91723 罗琪基于时序遥感数据的地膜识别方法研究D昆明：云南师范大学，2021LUO Qi Research on plastic mulchmapping method based on timeseriesremote sensing dataDKunming：Yunnan Normal University，202124 NOVELLI A，AGUILAR M A，NEMMAOUI A，et alPerformanceevaluation of object based greenhouse detection from Sentinel-2 MSI andLandsat 8 OLI data：a case study from Almera（Spain）JInterna-tional Journal of Applied Earth Observation and Geoinformation，2016，52：403-41125 AGUILAR M A，NEMMAOUI A，NOVELLI A，et alObject-basedgreenhouse mapping using very high resolution satellite data and Landsat8 time seriesJRemote Sensing，2016，8（6）：51326 GONZLEZ-YEBRA SCAR，AGUILAR M A，ABDERRAHIM N，et alMethodological proposal to assess plastic greenhouses land coverchange from the combination of archival aerial orthoimages and LandsatdataJBiosystems Engineering，2018，175：36-5127 哈斯图亚基于多源数据的地膜覆盖农田遥感识别研究D北京：中国农业科学院，2017Hastuya Mapping plastic-mulched farmland with multi-source remotesensing dataDBeijing：Chinese Academy of Agricultural Sciences，201728 KOCSAN D，SONMEZ N KPlastic and glass greenhouses detectionand delineation from worldview-2 satellite imageryC/ISPRS-Interna-tional Archives of the Photogrammetry，Remote Sensing and Spatial In-formation SciencesISPRS-International Archives of the Photogram-metry，Remote Sensing and Spatial Information Sciences，2016：257-26229 栗云峰基于时间序列高分一号影像的南京市农业用地提取方法研究D南京：南京大学，2019LI YunfengAgricultural land extraction in nanjing based on time seriesGF-1 WFV imagesDNanjing：Nanjing University，201930 李慧珍：遥感技术在农业塑料大棚识别中的应用 55