基于遥感技术的水稻种植面积提取研究综述
摘要：本文着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。首先简要介绍了国内外对水稻面积提取的研究现状，然后介绍了几个常用数据源，接下来对近年来水稻面积提取方法进行了分析，总结了每种方法的优缺点和应用范围，最后阐述了水稻面积提取还需解决的问题，并对水稻面积提取的进一步发展提出了展望。基于高分辨率卫星影像的水稻种植面积提取技术比较成熟；基于决策树、人工神经网络、面向对象、人工目视解译等分类提取方法的应用前景广阔，但精度有待进一步提高。
关键词：水稻； 种植面积提取； 遥感技术
一、文献综述
1 引言
水稻是世界主要粮食作物之一，水稻种植面积约占世界耕地面积的15%[1,2]。我国是世界水稻种植面积第二大国家。国家统计局统计数据显示，2014年中国水稻播种面积3，031万公顷、总产量20，651万吨，分别占世界总播种面积、总产量的18.57%和27.87%[3]。因此，准确及时地掌握水稻种植面积信息对于农业和经济发展都具有重要的意义[1]。传统的抽样统计方式，受客观因素影响较大，精度低，且花费成本高，已很难适应相关部门管理、决策对其现势性信息的需求，而农作物遥感监测技术，能够快速、准确收集多种作物的农情信息，监测农作物生产状况。利用遥感技术和方法进行水稻种植面积估算在国内外已有研究。因此，本文旨在综述各研究方法的优缺点和应用范围，为水稻面积提取精度的进一步发展提供帮助。
2 国内外研究现状
近些年来，国内外相关学者运用各种不同的数据以及不同的遥感技术对水稻种植面积提取进行了研究，如李石等人[4]利用MODIS数据，采用监督分类的方法，同时结合水稻不同生长发育阶段特点，对沈阳水稻种植面积进行数据提取，并制作了沈阳地区水稻种植面积分布图。将提取的水稻种植面积结果与统计局统计的面积及Landsat遥感数据资料进行比较分析。结果表明，通过MODIS遥感监测水稻种植面积具有良好的效果，利用监督分类的方法提取的水稻种植面积精度达92%。黄振国等人[5]以湖南省株洲市区为例，利用2008年8月19日SPOT5卫星影像数据，采用非监督分类方法，并借助地面样方监测数据，在实现计算机自动识别的基础上，准确提取出株洲市区的水稻种植面积6379.4 hm2。精度验证分析表明，研究精度达到95.70%。单捷等人[1]以环境卫星为数据源对泰兴市水稻面积进行提取，选择水稻与其他作物光谱差别最大的时期作为水稻识别的最佳时期，在利用影像原始光谱信息的基础上，分析和提取多种分类特征，运用支持向量机法、CART决策树法和最大似然法进行分类，提取水稻面积。结果表明支持向量机的分类精度最高，总体精度为80.38%。阎静等人[6]用NOAAA/VHRR热红外通道昼夜温差和归一化植被指数(normalized difference vegetation index，NDVI)基于神经网络算法分类提取湖北水稻面积，以TM影像作为训练区准真值，进行网络训练和分类结果的精度分析，比较了最大似然法和线性混合像元分解法提取水稻种植面积的差异，结果表明神经网络方法计算精度为92.4%，最大似然法为90.5%，线性混合像元分解法为86.3%。汤传勇等人[7]应用SPOT4遥感数据和遥感处理软件ENVI，利用面向对象的遥感分类方法提取早稻种植面积。分类结果表明，利用面向对象的分类方法有效解决逐像素分类结果的“椒盐”效应，获得比传统的像素级分类方法更高的分类精度。根据以上及其他学者对于水稻种植面积提取进行的相关研究可以证明使用遥感数据及遥感技术可以大幅度提高提取面积的精度，为相关部门的决策提供参考依据及信息服务。
3 研究区概况及数据处理
3.1常用数据源
3.1.1法国SPOT卫星
SPOT系列卫星是法国空间研究中心（CNES）研制的一种地球观测卫星系统，至今已发射SPOT卫星1-7号。
基本卫星参数：
Spot卫星采用的太阳同步准回归轨道，通过赤道时刻为地方时上午10：30，回归天数（重复周期）为26d。由于采用倾斜观测，所以实际上可以对同一地区用4～5d的时间进行观测。Spot1，2，3上搭载的传感器HRV采用CCD（charge coupled device )S作为探测元件来获取地面目标物体的图像。HRV具有多光谱XS具和PA两种模式，其余全色波段具有10m的空间分辨率，多光谱具有20m的空间分辨率。Spot4上搭载的是HRVIR传感器和一台植被仪。Spot5上搭载包括两个高分辨几何装置（HRG）和一个高分辨率立体成像装置（HRS）传感器[8]。
特点：SPOT卫星是世界上首先具有立体成像能力的遥感卫星，是一种多光谱高分辩率遥感卫星。
