2021遥感应用组二等奖：基于长时序Landsat遥感影像的赣南脐橙时空变化分析

 作品介绍

一、应用背景

自上世纪70年代开始种植脐橙以来，赣州大力实施“兴果富农”等战略，经过38年发展产业规模迅速壮大，目前赣州全市果业总面积263万亩，脐橙158万亩，产量超112万吨，成为种植面积世界第一、产量世界第三、全国最大的脐橙主产区，脐橙种植得到了大规模发展，形成了以寻乌、安远、信丰等县为代表的赣南脐橙主产区，有力地促进了地方经济增长。通过ENVI遥感影像分类技术得到脐橙果园30年来分布变化，对脐橙种植区的进行时空变化分析，探索脐橙发展历程及其影响因素，为人们进行脐橙种植与面积评估等提供一定的科学依据与有效指导，对掌握脐橙果园发展现状、科学规划改造果园和指导退果还林等均有重要意义。

随着科学技术的进步，光谱信息成像化，光学探测多向化，地学分析智能化，环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展。随着高性能新型传感器研制开发水平以及环境资源遥感对高精度遥感数据要求的提高，遥感影像获取技术呈现高空间和高光谱分辨率的总发展趋势，由航天、航空和地面观测台站网络等组成以地球为研究对象的综合对地观测数据获取系统，为数据获取提供更强大的保障。用卫星遥感技术进行经济作物的监测研究具有实时性、低成本等独特优势，随着星载传感器设备的不断升级、影像处理技术的不断提高以及计算机自动解译技术的不断突破与发展，使得对脐橙等经济作物的生产活动监测更为方便。此外，ENVI软件遥感影像的监督分类方法也逐渐丰富和成熟，为我们进行特征提取，对比分析提供了更多方法。

本作品基于2015年Landsat8影像，利用ENVI软件对研究区脐橙种植区进行特征提取，使用ENVI 深度学习扩展模块建立脐橙分类模型，然后将分类模型应用于1990-2020年Landsat影像，得到30年间7个时期的脐橙提取结果，最后对赣南脐橙典型种植区域信丰、安远、寻乌三个县进行脐橙种植区的时空变化研究，探讨影响脐橙分布的因素及其发展趋势，为人们进行脐橙种植与面积评估等提供一定的科学依据与有效指导。

二、应用目标

以江西省赣南脐橙主产区为研究对象，基于长时序的Landsat遥感影像，选取合适的分类方法，通过对不同分类方法的实验和对比分析，得出合适的脐橙提取方案，从分类结果的精度验证和统计年鉴的误差对比来验证方法的可行性。最后通过对多期分类结果的时空变化分析得到赣南脐橙的变化发展历程及其分布规律。

充分利用公开免费的卫星数据，获取多源的赣南地区卫星影像，为研究赣南脐橙产业发展提供可靠的数据支持。通过赣南地区的融合卫星影像，使用随机森林、支持向量机、深度学习等分类方法，有效地获取赣南脐橙种植区域的时空分布，研究脐橙种植区的时空变化特征，分析脐橙种植面积变化带来的经济效益和生态效益，对于掌握脐橙果园发展现状、科学规划改造果园和指导退果还林等均有重要意义，进而，有利于抓紧抓实民生工作 深入推进脱贫攻坚，对赣南果业乃至农业经济的快速发展影响深远。同时对南方其他地区脐橙产业的发展也能够提供一定的研究思路。

三、主要技术流程

首先利用Google earth engine网站，通过最小云量合成处理，获取了研究区1990-2020共7期的Landsat地表反射率影像数据，并获取了SRTM高程数据。同时在GADM网站下载了研究区矢量数据。

在ENVI中对下载影像数据进行预处理，主要有镶嵌与投影、波段匹配、主成分分析。

接着进行影像的特征集制作。利用ENVI中的Occurrence measures工具进行纹理提取，由进行主成分分析结果的第一波段完成。利用ENVI modeler工具建立模型，提取光谱特征（NDVI、NIMI、SAVI）和地形特征（DEM、坡度），同时将所有特征进行叠加。

样本制作。通过分析不同地物生长的时域特征与地表差异，根据脐橙不同的生命周期呈现的不同特征和与其他地物的分异特点，将研究区分为早期脐橙和晚期脐橙、水体、城区、林地、耕地、裸地这七类地物，并在Google earth pro中勾画研究区七类地物图斑。

进行“支持向量机”和“随机森林”分类。将所选图斑的30%作为验证样本，70%为训练样本，在ENVI中将样本转换为ROI，进行可分离性分析，达标后用于“支持向量机”和“随机森林”分类，同时对分类结果进行精度验证。

进行“深度学习”分类。先在空间上对影像进行子集化，再使用基于规则的特征提取工具创建三个子区的训练样本，对三个子区创建标签文件，然后训练深度学习模型，最后用模型进行影像分类；如果分类结果不理想，再进行分类样本的调整和优化，重新流程化训练分类模型，通过不断地改进深度学习模型和精度评估，最后得到满意的结果。

对比三种分类方法的脐橙提取结果，分析各自的优劣与适用区间，最后选择使用深度学习完成其他年份的分类工作。

用深度学习模型对特征合成后的七个时期的影像进行脐橙提取，得到结果后对照统计年鉴进行精度评估。最后通过多期的脐橙提取结果分析1990-2020年30年间的赣南脐橙的发展历程，通过时空分析得到赣南脐橙时空分布特征，并对赣南脐橙的种植提出建议与展望。

图1：作品技术路线图

四、关键技术

① 利用ENVI Modeler进行建模，完成对多期影像的特征集制作。计算影像的光谱特征（NDVI、NDMI、SAVI），地形特征（Elevation、Slope），同时加入纹理特征，并将所有特征合成、输出。

② 运用传统随机森林（Random Forest Classification）和支持向量机（Support Vector Machine Classification）对2015年影像进行分类，将其与深度学习分类结果进行对比分析，最后判断各自对脐橙分类的影响以及优缺点。

③ 通过反复训练完善的2015年深度学习模型对多期的遥感影像进行脐橙分类提取，对脐橙种植区长时序的时空变化作分析研究。

五、结果分析

图2：随机森林算法分类结

图3：支持向量机分类结果

图4：深度学习分类结果（动图）

①基于上述三种分类方法得到的分类结果，我们分别从目视判读、精度评估、对照统计年鉴等方法进行比较。对比结果发现，深度学习的分类方法在对单景的中低分辨率的影像进行分类时并没有表现出其独特的优势，反而体现出其诸多劣势，如对训练样本的要求较为严苛、参数设置较为复杂、模型训练时间较长等。但是，深度学习能够发现并积累图像中的空间和光谱特征，模型在经过反复训练后，可用于在其他影像中寻找相同的特征。对于长时序影像的目标提取，可以避免对每一年份单独绘制样本，很大程度上减少了工作量，并且深度学习可以通过后续样本的添加以提高模型精度，改进空间较大。

②30年来，由于脐橙种植的经济价值逐渐凸显，市场需求的不断增加，加上政府的支持和科学引导，赣南脐橙果园在寻乌、安远、信丰三县的分布由90年的零星分布逐渐形成集中连片的聚集分布特征。受地形、水源、人口交通等因素的影响，脐橙种植区主要集中于寻乌县中部、北部，安远县中部和南部、信丰县中北部等地区。上述区域由于自然条件和社会经济条件较好，脐橙种植的集约化、科学化管理水平较高，成熟期脐橙大面积分布于此。部分地区如信丰县中部由于条件欠佳、经营不当等导致脐橙种植区经过多次的复垦、品种轮换，具体表现为多年来一直处于中早期脐橙的分布状态。

③从面积统计的结果上看，赣南脐橙主产区自1990年开始大面积种植，1995年至2005年，脐橙种植得到了政府的大力支持，10年间，脐橙种植区面积呈稳步增长态势，主要表现为中早期脐橙面积的增长。2005年，受打造超百亿产值的脐橙产业集群的号召，05年至10年间脐橙种植面积加速增长且逐渐达到顶峰。2013年至2015年间由于黄龙病侵害，脐橙种植面积大幅度地减少，由于老龄树的抗病能力比幼龄树差，所以在此期间主要表现为成熟期脐橙面积的大量减少。2015年至2020年，黄龙病尚未根除，部分果农因病害遭受巨大损失转而从事其他行业，对黄龙病的恐慌也导致了部分果农对脐橙种植失去信心转而种植其他作物。

④使用 1990-2020年的寻乌安远和信丰县的脐橙种植区提取结果，结合高程和坡度数据分析该地区 1990-2020年脐橙种植区扩张变化的地形分布特征。

a.主要分布在海拔200-400m，此区域光照充足、气温适宜，年积温较高、冻害较少，且地形雨较多、降水充沛。

b.少部分分布在0-200m、400-500m附近，只有极少部分分布在高于500m的地区。

c.1990年-2010年，脐橙的扩张主要集中在200-400m附近；在2005年至2010年间，200-300m地区脐橙的扩张尤为明显。

d.2010年-2020年，大面积脐橙面积的减少也发生在200-400m附近。

e.脐橙种植区集中分布于0°-10°地区。此区域坡度适中，在具备排水条件的同时也具有一定的蓄水能力。

f.有少部分脐橙分布于10°-20°地区，只有极少部分分布在高于20°的地区。

g.脐橙种植区在0°到5°范围内面积最大，2013后，此区域的面积减少最为严重。推测黄龙病这类病虫害在地势较为低洼的地区容易滋生和蔓延。

⑤寻乌、安远、信丰三县作为赣南脐橙的主产区，脐橙产业的发展情况一定程度上反映了整个赣州地区的状况。该项目以Landsat遥感影像数据为基础，用深度学习提取了7个年份的脐橙目标，较为客观地再现了赣南脐橙30年来的发展历程。针对脐橙种植区种植密度过大、品种单一、病虫害预警和防治薄弱等问题，相关部门必须保持对脐橙和其他果类种植空间布局相关性的分析，做好黄龙病等灾害防治工作。强化检疫，强制果农使用脱毒苗木，及时在果园中找到带病植株并及时挖除销毁，减轻农户的损失同时也要关注园内脐橙的合理化种植，提出指导意见，加强园内水土保持措施的建设，从而推进赣南地区生态环境可持续发展。