中国农业科学院作物科学研究所耕地数据产品技术服务

一．背景介绍

     耕地，是人类赖以生存的基本资源和条件。进入21世纪，人口不断增多，耕地逐渐减少，人民生活水平不断提高，保持农业可持续发展首先要确保耕地的数量和质量。2017年全省行政区域总面积3831.89万公顷，耕地面积621.33万公顷，共划定永久基本农田489.88万公顷，城镇周边共划定永久基本农田计18.95万公顷，划定坝区永久基本农田106.83万公顷。

     地理国情监测云平台应中国农业科学院作物科学研究所的要求，对云南省2018年30米栅格耕地数据提供产品技术服务，以满足客户项目及科研工作的需要。

二．案例详情

     本次技术服务的核心是基于Landsat-OLI遥感影像生产的云南省耕地数据产品，包括水田与旱地两种类型。本次技术服务主要流程如下：

    1.数据获取与数据准备

     本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于2018年所拍摄的Landsat-OLI30m遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，但是季相接近，分别在4-9月份获得，因此地物信息较清楚，由此带来的地物反射光谱差异显著，容易识别，影像解译比较容易。

    2.数据预处理

     在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:

    （1）波段选择及融合

     本文采用最佳指数法（Optimum Index Factor，简称）和特征值法相结合，共同确定了最佳波段组合，也就是5、4、3波段，分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征，并且能提供丰富的信息，能充分显示各种地物特征的差别，便于分类，可以保证分类的准确性。

    （2）图像几何校正与配准

     本次技术服务采用的Landsat-OLI图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正，但为了使研究结果更加的科学、可信，则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control Point，GPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像，必要时辅以实地考察的GPS点，采用多项式几何纠正计算模型，对遥感影像进行几何精校正。

    （3）图像增强处理

     传感器获取的遥感图像含有大量地物特征信息，在图像上这些特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法辨认，图像增强处理是的目的在于突出图像中有用的信息，扩大不同图像特征之间的差别，从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类：频域法和空间域法。本文主要采用空间域图像增强方法，其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外，在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。

    （4）影像拼接与裁剪

     本案例中的研究区域为云南省，则遥感影像数据需要覆盖整个云南省区域，因此需要进行影响拼接，进行拼接时首先要参照某一遥感影像，将其它遥感影像进行直方图匹配处理，使得所有用到的遥感影像具有基本一致的色调，然后再将要用到的影像进行无缝的拼接处理，之后经过裁剪得到覆盖整个研究区的遥感影像。

    3.分类方法

     本次服务是基于Landsat-OLI等遥感信息基础上，在多位专家的参与下，采用全数字人机交互作业方法，同时参照有关地理图件和统计资料，结合外业实地考察验证，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，并在综合各位专家意见后，建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上，不断的对解译模板进行修改，直到修改的模板经过评价以后比较满意为止，以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖 的分类体系，结合本项目的开展的目的和要求以及遥感信息源的情况，制定了水田、旱地分类体系。

     在分类过程中，由于遥感图像自身的空间分辨率，同物异谱以及异物同谱现象广泛存在，所以错分和误分的情况很常见，因此对分类结果要做进一步的处理工作，也就是去除小图斑的工作，我们常称之为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）和分类重编码（Recode）等。

    4.质量控制与检查

     各工序过程质量按要求进行过程检查 ,需100%检查。

    （1）耕地数据抽样检查

     对获取的耕地数据产品进行空间抽样检查，验证耕地数据类型定性是否正确。验证的方式主要依靠高分影像（要考虑影像的时效性）与野外实地验证相结合的方式作业，未达到抽样精度90%的重新修正数据。

    （2）数据图形处理

     1）栅格数据

     栅格数据统一采用arc/info的grid格式。处理后的分县grid，要严格按照县界确定界线。所有的空间数据均要统一到系统的投影坐标系统下。所有的处理过程都不能增加数据的误差，无论是空间误差还是属性数据误差。

     2）精度控制参数

·         差值(fuzzy)：10米；

·         线段最小值(weed):100米；

·         悬结点限值(danglc):10米；

·         结点归并空间距离限值(nodesnap):10米；

·         结点与弧段最短距离(snapping):10米。

    5.技术服务成果展示如下图所示

 一．背景介绍

     耕地，是人类赖以生存的基本资源和条件。进入21世纪，人口不断增多，耕地逐渐减少，人民生活水平不断提高，保持农业可持续发展首先要确保耕地的数量和质量。2017年全省行政区域总面积3831.89万公顷，耕地面积621.33万公顷，共划定永久基本农田489.88万公顷，城镇周边共划定永久基本农田计18.95万公顷，划定坝区永久基本农田106.83万公顷。

     地理国情监测云平台应中国农业科学院作物科学研究所的要求，对云南省2018年30米栅格耕地数据提供产品技术服务，以满足客户项目及科研工作的需要。

二．案例详情

     本次技术服务的核心是基于Landsat-OLI遥感影像生产的云南省耕地数据产品，包括水田与旱地两种类型。本次技术服务主要流程如下：

    1.数据获取与数据准备

     本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于2018年所拍摄的Landsat-OLI30m遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，但是季相接近，分别在4-9月份获得，因此地物信息较清楚，由此带来的地物反射光谱差异显著，容易识别，影像解译比较容易。

    2.数据预处理

     在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:

    （1）波段选择及融合

     本文采用最佳指数法（Optimum Index Factor，简称）和特征值法相结合，共同确定了最佳波段组合，也就是5、4、3波段，分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征，并且能提供丰富的信息，能充分显示各种地物特征的差别，便于分类，可以保证分类的准确性。

    （2）图像几何校正与配准

     本次技术服务采用的Landsat-OLI图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正，但为了使研究结果更加的科学、可信，则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control Point，GPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像，必要时辅以实地考察的GPS点，采用多项式几何纠正计算模型，对遥感影像进行几何精校正。

    （3）图像增强处理

     传感器获取的遥感图像含有大量地物特征信息，在图像上这些特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法辨认，图像增强处理是的目的在于突出图像中有用的信息，扩大不同图像特征之间的差别，从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类：频域法和空间域法。本文主要采用空间域图像增强方法，其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外，在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。

    （4）影像拼接与裁剪

     本案例中的研究区域为云南省，则遥感影像数据需要覆盖整个云南省区域，因此需要进行影响拼接，进行拼接时首先要参照某一遥感影像，将其它遥感影像进行直方图匹配处理，使得所有用到的遥感影像具有基本一致的色调，然后再将要用到的影像进行无缝的拼接处理，之后经过裁剪得到覆盖整个研究区的遥感影像。

    3.分类方法

     本次服务是基于Landsat-OLI等遥感信息基础上，在多位专家的参与下，采用全数字人机交互作业方法，同时参照有关地理图件和统计资料，结合外业实地考察验证，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，并在综合各位专家意见后，建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上，不断的对解译模板进行修改，直到修改的模板经过评价以后比较满意为止，以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖 的分类体系，结合本项目的开展的目的和要求以及遥感信息源的情况，制定了水田、旱地分类体系。

     在分类过程中，由于遥感图像自身的空间分辨率，同物异谱以及异物同谱现象广泛存在，所以错分和误分的情况很常见，因此对分类结果要做进一步的处理工作，也就是去除小图斑的工作，我们常称之为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）和分类重编码（Recode）等。

    4.质量控制与检查

     各工序过程质量按要求进行过程检查 ,需100%检查。

    （1）耕地数据抽样检查

     对获取的耕地数据产品进行空间抽样检查，验证耕地数据类型定性是否正确。验证的方式主要依靠高分影像（要考虑影像的时效性）与野外实地验证相结合的方式作业，未达到抽样精度90%的重新修正数据。

    （2）数据图形处理

     1）栅格数据

     栅格数据统一采用arc/info的grid格式。处理后的分县grid，要严格按照县界确定界线。所有的空间数据均要统一到系统的投影坐标系统下。所有的处理过程都不能增加数据的误差，无论是空间误差还是属性数据误差。

     2）精度控制参数

·         差值(fuzzy)：10米；

·         线段最小值(weed):100米；

·         悬结点限值(danglc):10米；

·         结点归并空间距离限值(nodesnap):10米；

·         结点与弧段最短距离(snapping):10米。

    5.技术服务成果展示如下图所示