摘要：農(nóng)田防護林在西北多風沙地區(qū)發(fā)揮了重要防護作用，為農(nóng)作物提供了良好的生長環(huán)境。為了解農(nóng)田防護林的空間分布特征，需要對防護林進行有效提取，采用中低分辨率遙感數(shù)據(jù)進行農(nóng)田防護林提取成為重要途徑。以寧夏青銅峽市農(nóng)田防護林為研究對象，在2019年影像中選取7期可以代表4個季度地物特征的Landsat8 OLI影像數(shù)據(jù)，在影像預處理基礎上，融入水體指數(shù)、植被特征和植被指數(shù)，提取植被的物候特征，掩膜去除研究區(qū)內(nèi)其他地物，從而實現(xiàn)農(nóng)田防護林的提取。同時利用野外調(diào)查結(jié)果和土地利用數(shù)據(jù)對提取結(jié)果進行精度評價。結(jié)果表明，該方法防護林提取的總體精度為85.16%，野外調(diào)查的50個采樣點中有44個點被準確提取，精度達到88.00%。青銅峽市農(nóng)田防護林多以林帶的形式呈現(xiàn)，林帶主要沿排水溝分布。

關鍵詞：多時序遙感影像；青銅峽市；物候特征；農(nóng)田防護林；Landsat8 OLI

農(nóng)田防護林作為穩(wěn)定農(nóng)田內(nèi)各生態(tài)因子協(xié)調(diào)共存的屏障，在減小風沙危害、調(diào)節(jié)農(nóng)田小氣候、改良土壤性質(zhì)、增加作物產(chǎn)量等方面發(fā)揮著重要作用，對維護農(nóng)田內(nèi)生態(tài)系統(tǒng)的平衡和促進農(nóng)業(yè)更好更穩(wěn)定發(fā)展等具有重要意義，在農(nóng)區(qū)生態(tài)建設中的重要地位逐漸體現(xiàn)，日趨受到重視[1-2]。國內(nèi)外學者在防護林結(jié)構、防護效應、農(nóng)林競爭、增產(chǎn)效應等方面開展了大量研究[3-6]?；谵r(nóng)田防護林在農(nóng)業(yè)生產(chǎn)方面的重要作用，如何有效提取防護林信息、掌握其空間分布特征也成為廣大學者研究的對象，對林業(yè)研究與管理具有重要意義。

目前，能夠有效獲取農(nóng)田防護林信息的方法主要有兩種，分別是人工野外調(diào)查法和遙感數(shù)據(jù)監(jiān)測法。前者人工成本高且周期長，而遙感數(shù)據(jù)監(jiān)測的范圍廣、尺度大，并且回歸周期短，可以作長時段的監(jiān)測，在農(nóng)田防護林的提取中得到廣泛使用。國內(nèi)外學者在利用遙感影像技術監(jiān)測農(nóng)田防護林方面開展了大量研究，其中運用最多的是Landsat8 OL遙感數(shù)據(jù)、MODIS系列數(shù)據(jù)和高分遙感數(shù)據(jù)[7-9]。部分學者應用歸一化植被指數(shù)（NDVI）[10-11]提取了農(nóng)田防護林信息，但提取時會受到周邊地物尤其是作物的影響，因此部分學者將農(nóng)田防護林的數(shù)學形態(tài)、紋理信息及形態(tài)指數(shù)[7，9，12]引入信息提取中，提高了信息提取的進度，但是對于精度較低的影像來說，較短的林帶不容易被提取[13]。部分學者結(jié)合多光譜遙感和農(nóng)田防護林的幾何特征，利用面向?qū)ο蟮姆椒ㄌ崛〉匚镄畔9，14]，但受到遙感影像分辨率的限制，提高提取精度成為需要攻克的難題。

不同物種的生長物候不同，根據(jù)這個特點，多時相遙感開始廣泛應用，大量覆蓋范圍廣、回訪周期短的遙感衛(wèi)星成為重要的信息源。多時序遙感數(shù)據(jù)在農(nóng)作物提取中得到較為廣泛的應用[15-16]，可以用來識別不同地物類型。陳健等［17］和平躍鵬等[18]基于MODIS、Landsat等遙感數(shù)據(jù)提取了小麥、玉米、大豆等農(nóng)作物的信息，達到了很好的效果。雷思君等[19]通過重構作物與林帶生長的時間序列曲線圖來提取不同時間的不同地物，在低分辨率影像的基礎上提高了防護林的提取精度。

寧夏回族自治區(qū)位于西北內(nèi)陸干旱半干旱地區(qū)，多風沙天氣，農(nóng)田防護林對減少風害、增加作物產(chǎn)量具有重要意義。青銅峽市是寧夏農(nóng)田防護林建設最完善的區(qū)域。為了解當?shù)剞r(nóng)田防護林的空間分布特征，本研究基于多時序Landsat8 OLI遙感影像以及NDVI不同訓練閾值進行不同地物的劃分，進而提取農(nóng)田防護林，并將野外調(diào)查數(shù)據(jù)和土地利用類型數(shù)據(jù)相結(jié)合，對提取的農(nóng)田防護林進行精度評價，為今后農(nóng)田防護林的監(jiān)測、更新和如何建設提供技術手段和依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

本研究選擇寧夏青銅峽市（37°36′N～38°15′N，105°21′E～106°21′E）為研究區(qū)（圖1）。青銅峽市位于吳忠市，處于寧夏回族自治區(qū)中部，地勢由西南向東北降低，呈現(xiàn)階梯狀分布，屬中溫帶大陸性氣候，四季分明，晝夜溫差較大，年日照時數(shù)達3 044.1 h，年降水量177.8 mm。研究區(qū)內(nèi)大部分農(nóng)作物在4月-5月播種，8月-9月收割。研究區(qū)內(nèi)防護林以落葉闊葉林為主，大部分屬于農(nóng)田防護林，其中新疆楊占比最大。其中，研究區(qū)西部及南部為山區(qū)，植被主要為草本植物。

1.2 數(shù)據(jù)來源

1.2.1 遙感數(shù)據(jù)

在2019年的影像中選取7期（1月31日、4月21日、6月8日、7月26日、8月11日、10月30日、11月15日，軌道號為129034，時相為16 d）可以代表不同季節(jié)明顯特征的Landsat8 OLI（表1）影像數(shù)據(jù)作為提取農(nóng)田防護林的影像數(shù)據(jù)，對影像進行大氣校正和輻射定標處理。但受云量的影響，所得數(shù)據(jù)缺少2月、3月、5月、9月、12月5個月份，但植被生長關鍵部分時間序列數(shù)據(jù)完整，非作物生長時期的影像也可保證完整時序曲線的構建和關鍵物候期參數(shù)的提取。

1.2.2 樣地設計與野外調(diào)查

為使樣地與影像像元相匹配，因此將樣地設置為30 m×30 m。為保障樣地布設結(jié)果真實可信，在研究區(qū)內(nèi)選擇502個林地抽樣樣本、71個水體樣本和102個靠近水體的非水體樣本，并于2021年3月21日至4月15日進行野外調(diào)查，選擇502個（其中50個為精度驗證樣本）調(diào)查樣點作為精度的驗證樣本。

1.2.3 遙感數(shù)據(jù)預處理

通過大氣校正、輻射校正和研究區(qū)域裁剪對獲取的遙感影像進行預處理。

1.3 研究方法

1.3.1 基于遙感影像的研究區(qū)水體提取

數(shù)據(jù)預處理后，選擇7月26日對研究區(qū)內(nèi)水體進行掩膜提取，將研究區(qū)分為水體區(qū)域（包括黃河流域段、灌溉溝渠、排水溝、濕地等）和非水體區(qū)域。

基于前人研究，MNDWI水體指數(shù)與NDWI水體指數(shù)相比，前者可以更好地區(qū)分影像中的陰影和水體，水體信息中混入的土壤和陰影信息較少[19]，因此本研究運用MNDWI特征指數(shù)提取研究區(qū)的水體信息。根據(jù)野外調(diào)查數(shù)據(jù)和地圖影像數(shù)據(jù)，選取71個水體樣本和102個靠近水體的非水體樣本，對提取結(jié)果進行混淆矩陣，以提高提取精準度。

1.3.2 NDVI時序曲線重構

NDVI多時序數(shù)據(jù)可以用來提取地物信息，通過對數(shù)據(jù)進行重構使曲線更加平滑，從而減少提取時噪聲等對提取結(jié)果的影響。常見的擬合方法包括K-Y模型[20]、P＆M模型[21]等。

1.3.3 基于遙感影像的研究區(qū)地物類型分類

根據(jù)研究區(qū)現(xiàn)有的地物現(xiàn)狀，西南部、西部、西北部與南部山區(qū)大多為荒山裸地，在影像中可以十分清楚地看出，利用植被生長關鍵時期的遙感影像進行歸一化植被指數(shù)（NDVI）的提取，可以根據(jù)閾值不同將其分為植被（包括耕地、林地和草地）和非植被（包括建筑用地、未利用土地和裸地）。

NDVI=NIR-RNIR+R（1）

式中，NDVI為歸一化植被指數(shù)；NIR為近紅外波段；R為紅光波段。

1.3.4 基于土地利用類型的物候參數(shù)提取

利用Landsat8 OLI多時序數(shù)據(jù)對研究區(qū)內(nèi)植被類型進行物候參數(shù)的提取與分析。通過構建研究區(qū)內(nèi)的NDVI多時序曲線，提取關鍵植被類型（包括耕地、林地）的物候信息，區(qū)分不同類型的植被。由于在本研究中提取的為研究區(qū)內(nèi)的農(nóng)田防護林，因此還需要將成片林地分離出來，剩下部分則為研究區(qū)的農(nóng)田防護林。然后利用野外調(diào)查數(shù)據(jù)對提取結(jié)果進行精度評價與分析。

1.4 數(shù)據(jù)分析

本研究采用ENVI 5.3、ArcGIS 2.0和Origin 2018軟件進行數(shù)據(jù)處理、統(tǒng)計分析與繪圖。

2 結(jié)果與分析

2.1 植被與非植被信息提取結(jié)果與分析

在對水體進行掩膜處理后，提取7月26日研究區(qū)內(nèi)除水體外剩余地物的NDVI值（NDVI∈[0，1]）信息，并通過不同的閾值對植被與非植被進行區(qū)分（圖2）。

由圖2可知，從影像中提取的NDVI值與實際情況相符合，研究區(qū)內(nèi)植被在7月26日正處于最茂盛的時期，耕地和林地的NDVI值都比較高，同時其他地物的NDVI值之間也有明顯界限，根據(jù)不同的閾值可以有效區(qū)分地物類型。耕地和林地正是生長茂盛時期，二者的NDVI最小值都大于0.4；未利用土地和建筑用地的NDVI值相對較低，最大值小于0.4。根據(jù)閾值訓練，利用NDVI植被指數(shù)可以將4種地類分為兩大類：植被與非植被。其中將NDVImin＞0.4部分定義為植被，其余部分則為非植被，再從植被中提取農(nóng)田防護林。

2.2 多時序數(shù)據(jù)支撐下的物候特征提取及地物分類

2.2.1 NDVI時序曲線重構

本研究采用多項式函數(shù)擬合對時間序列曲線進行重構（圖3）。重構后耕地的擬合精度為77.00%，林地的擬合精度為92.00%。與擬合之前的曲線相比較，擬合之后的NDVI時序曲線在保持原有曲線走向與形狀的基礎上變得光滑，重構后的曲線可以更清晰地描述一年中林地和耕地物候特征隨季節(jié)變化的特征。

由圖3可知，林地與耕地的NDVI時間序列曲線趨勢大致相同，但也有不同的特征。圖中二者都有明顯的生長季，都在5月到8月植被生長速度最快，且在8月份達到植被最茂盛的時間段，并在一定時間段內(nèi)NDVI值保持較高水平。就林地與耕地的生長速度比較而言，林地在生長季NDVI值的變化幅度較大，從0.1以下增加至0.6附近，而耕地的增長幅度比林地小，但較林地大，其最大值在0.8附近。生長季過后，二者的NDVI值都開始呈減少趨勢，耕地的值減少至接近0；雖然林地的值也不斷減小，但由于始終保持植被特征，不會降為0。

2.2.2 物候參數(shù)提取

利用擬合后的時間序列曲線提取植被的物候參數(shù)。以耕地為例，提取了的6個物候參數(shù)，且用a至e表示（圖4，表2），其中a代表作物生長季的起始期，是NDVI在擬合曲線上的增長速率開始明顯提高；b代表作物達到生長頂峰，說明NDVI在擬合曲線上達到最高，此時植物也達到生長的頂峰；c代表生長季末期，是NDVI在擬合曲線上減少的速率出現(xiàn)明顯降低；d代表生長頂峰與生長起始期的差值；e代表生長頂峰與生長末期的差值，統(tǒng)稱為生長幅度；f代表生長季長度，用生長末期與生長起始期的差值來表示。

由圖4中可知，從5月份開始耕地的NDVI值快速升高，并在8月份達到最大值，此時正值農(nóng)作物的生育期。9月份開始耕地的NDVI值快速下降，因為研究區(qū)大部分耕地種植作物為玉米，9月-10月玉米進入成熟期，開始收獲，耕地的NDVI值急速下降。

2.2.3 地物類型識別

由圖5可知，將耕地與林地的時間序列圖進行對比。研究發(fā)現(xiàn)，二者的NDVI時間序列曲線變化趨勢相似，但與林地相比，耕地有較明顯的生長幅度（d）和較大的生長頂峰（e），因此耕地比林地更容易確定生長季長度（f）；除生長季之外，耕地的地表植被覆蓋度較林地低，NDVI值都低于0.2，更容易將耕地從地物類型中分離出來。設置當a＞0.6且d＞0.2時，耕地就可以從植被中被分離，進而提取林地。利用時序曲線提取的物候參數(shù)將林地與耕地進行分離，能有效減少二者間的異物同普和同物異普現(xiàn)象，降低提取過程中耕地對提取結(jié)果的干擾。

2.3 青銅峽市農(nóng)田防護林提取結(jié)果與分析

在提取林地信息后，剔除其他林地，得到防護林提取信息。通過野外調(diào)查可以發(fā)現(xiàn)，青銅峽市農(nóng)田防護林主要包括防護林帶、防護林網(wǎng)和部分片狀防護林，其他林地主要包括城市綠化林地、苗木基地、樹新林場成片林地和河邊濕地林地等。由圖6可知，將青銅峽市502個林地的野外調(diào)查點與土地利用類型圖相結(jié)合，對林地提取結(jié)果進行精度評價。評價結(jié)果表明，青銅峽市林地提取精度為85.16%。

剔除其他林地后，由圖7可以看出，青銅峽市農(nóng)田防護林多呈林帶的形式，并且主要沿排水溝分布，并且還存在少數(shù)林網(wǎng)和部分片狀林地。進一步用野外調(diào)查數(shù)據(jù)對防護林的提取結(jié)果進行精度評價，結(jié)果表明，50個野外樣點中有44個樣點被準確提取，提取精度達到88.00%。

3 討論

研究表明，通過對不同地類進行時間序列曲線重構分析，可以明確不同地類的物候變化規(guī)律，有效提取不同植被的物候信息。通過多時序遙感影像提取的植被物候信息，可以減少提取時非植被信息對提取結(jié)果的影響，很好地減少了單期影像提取植被信息的同普異物和同物異譜現(xiàn)象。通過對不同時間段內(nèi)同一地物信息的提取，即使影像精度不高，也可以準確判斷地物類型，進一步提高地物信息的提取精度[13]。

與其他土地利用類型相比較，除了少數(shù)片狀分布的防護林，寧夏青銅峽市農(nóng)田防護林以線狀、網(wǎng)狀為主，且大范圍的農(nóng)田防護林以帶狀為主，沿著排水溝分布。多數(shù)學者在高分影像的基礎上對農(nóng)田防護林的形態(tài)特征進行提取，包括使用UNet模型[22]、運用決策樹[23]等方法進行提取。在后期的深入研究中，可以運用不同分辨率的多時段遙感影像對農(nóng)田防護林進行信息提取，減少提取過程中的干擾因子，提高提取精度，確定適合不同地區(qū)、不同類型防護林的提取方法，對農(nóng)田防護林的長期監(jiān)測和更新建設提供基礎和技術支持。

本研究中利用分辨率為30 m的Landsat8 OLI遙感影像數(shù)據(jù)，雖然利用多時序影像對地物進行分層掩膜提取，最終提取農(nóng)田防護林。但選取影像過程中受云量影響較大，一年中可用影像較少。在今后研究中需要利用高分影像，將兩種方法相結(jié)合，進一步提高提取精度。也可利用遙感影像分析農(nóng)田防護林內(nèi)不同作物種植面積、農(nóng)田防護林對防護林網(wǎng)內(nèi)作物生長及產(chǎn)量的影響。

4 結(jié)論

（1）在提取歸一化植被指數(shù)的基礎上，利用時間序列曲線可以有效提取地物物候參數(shù)。根據(jù)作物和樹木的生長季長度、生長幅度等物候參數(shù)的差別，可以有效區(qū)分耕地與林地，降低干擾性，提高精度。結(jié)合野外調(diào)查樣點和該地區(qū)土地利用類型圖進行精度評價。結(jié)果表明，青銅峽市林地提取精度為85.16%。

（2）多時序遙感影像提取農(nóng)田防護林可以有效提高提取精度。結(jié)合野外調(diào)查情況，50個采樣點中有44個被準確提取，提取精度達到88.00%。

（3）青銅峽市農(nóng)田防護林多以林帶的形式呈現(xiàn)，并且主要沿排水溝分布，還有少數(shù)的林網(wǎng)和部分片狀林地。

參考文獻：

［1］BRANDLE J R，HODGES L，ZHOU X H.Windbreaks in North American agricultural systems[J].Agroforestry Systems，2004，61（1）：65-78.

[2]姜鳳岐，周新華，付夢華，等.林帶疏透度模型及其應用[J].應用生態(tài)學報，1994，5（3）：251-255.

[3]ZHAN K J，LIU S Z，YANG Z H，et al.Effects of sand-fixing and windbreak forests on wind flow：a synthesis of results from field experiments and numerical simulations[J].Journal of Arid Land，2017，9（1）：1-12.

[4]ZHANG W，WANG B J，GAN Y W，et al.Competitive interaction in jujube tree/cotton agroforestry system in Xinjiang Province，Northwestern China[J].Agroforestry Systems，2019，93（2）：591-605.

[5]聶哲.區(qū)域尺度農(nóng)田防護林的氣候效應及對農(nóng)作物增產(chǎn)機制的研究[D].沈陽：沈陽農(nóng)業(yè)大學，2020.

[6]KANZLER M，BHM C，MIRCK J，et al.Microclimate effects on evaporation and winter wheat （Triticum aestivum L.） yield within a temperate agroforestry system[J].Agroforestry Systems，2019，93（5）：1821-1841.

[7]寧亮亮，張曉麗.基于紋理信息的Landsat-8影像植被分類初探[J].中南林業(yè)科技大學學報，2014，34（9）：60-64.

[8]郭昱杉，劉慶生，劉高煥，等.基于MODIS時序NDVI主要農(nóng)作物種植信息提取研究[J].自然資源學報，2017，32（10）：1808-1818.

[9]幸澤峰，李穎，鄧榮鑫，等.基于ZY-3影像的農(nóng)田防護林自動提取[J].林業(yè)科學，2016，52（4）：11-20.

[10]凌成星，劉華，紀平，等.基于無人機影像VDVI指數(shù)的植被覆蓋度估算：以陜西神木防護林工程研究區(qū)為例[J].森林工程，2021，37（2）：57-66.

[11]申麗娜，孫艷玲，楊艷麗，等.基于NDVI的三北防護林工程區(qū)植被覆蓋度變化圖譜特征[J].環(huán)境科學與技術，2017，40（4）：70-77，106.

[12]郭海濤，張保明，徐青.一種從遙感影像中自動提取線狀目標的方法[J].信息工程大學學報，2004，5（4）：83-88.

[13]王文娟，鄧榮鑫，李穎，等.TM與SPOT5數(shù)據(jù)對農(nóng)田防護林景觀評價影響的對比分析[J].東北林業(yè)大學學報，2011，39（9）：54-56.

[14]劉新宇，劉洋.面向?qū)ο蟮母叻钟跋穹课萏崛》椒▽Ρ确治鯷J].網(wǎng)絡安全技術與應用，2020（9）：35-38.

[15]BOSE P，KASABOV N K，BRUZZONE L，et al.Spiking neural networks for crop yield estimation based on spatiotemporal analysis of image time series[J].IEEE Transactions on Geoscience and Remote Sensing，2016，54（11）：6563-6573.

[16]周佳瑋，涂理林，陳洪建，等.融合空間和時序遙感信息的深度學習水稻提取[J].地理空間信息，2022，20（2）：39-44.

[17]陳健，劉云慧，宇振榮.基于時序MODIS-EVI數(shù)據(jù)的冬小麥種植信息提取[J].中國農(nóng)學通報，2011，27（1）：446-450.

[18]平躍鵬，臧淑英.基于MODIS時間序列及物候特征的農(nóng)作物分類[J].自然資源學報，2016，31（3）：503-513.

[19]雷思君，孫華，劉華，等.Landsat8時間序列影像支持下的農(nóng)田防護林提取方法研究[J].中南林業(yè)科技大學學報，2020，40（4）：57-63.

[20]葉衍昌，趙東紅，李小娟.高斯平滑算子對Y-K模型改進的圖像去噪方法[J].軟件導刊，2013，12（11）：161-164.

[21]蔡銀珊，黃英銘.基于Pamp;M模型的圖像去噪平滑處理算法[J].計算機仿真，2011，28（8）：256-258，279.

[22]王學文，趙慶展，田文忠，等.U-Net模型對不同空間分辨率防護林提取精度的影響[J].測繪通報，2021（6）：39-43.

[23]呂雅慧，張超，鄖文聚，等.高分辨率遙感影像農(nóng)田林網(wǎng)自動識別[J].農(nóng)業(yè)機械學報，2018，49（1）：157-163.

Extraction of Farmland Shelter Forest in Qingtongxia City of Ningxia Based on Landsat8 Time Series

ZHANG Jiamin HE Jun1，2，3， GAO Fudong LI Min SUN Zhaojun1，2，3，LI Qian1，2，3， NAN Feishan1

Abstract：Farmland shelter forest plays an important role in protecting the northwest windy and sandy areas and provides a good growth environment for crops. To understand the spatial distribution characteristics of farmland shelterbelt， it is necessary to extract the shelter forest effectively. It is an important way to extract the farmland shelter forest by using the medium and low-resolution remote sensing data.In this study， farmland shelterbelt in Qingtongxia City， Ningxia as the research object. In the 2019 image， seven periods of Landsat8 OLI image data which can represent the characteristics of four quarters were selected to reconstruct the time series curve. On the basis of image preprocessing， water body index， vegetation characteristics and vegetation index were integrated， the phenological characteristics of vegetation were extracted， and other features in the study area were removed by mask， in order to achieve the extraction of farmland shelterbelt. At the same time， the accuracy of the extraction results is evaluated by using the field survey results and land use data.The results showed that， the overall accuracy" of shelter forest extractionwas 85.16%， and 44 out of 50 sampling sites were accurately extracted with 88.00% accuracy. Farmland shelterbelts in Qingtongxia City are mostly presented in the form of forest belts， which are mainly distributed along drainage ditches.

Keywords：multi-temporal remote sensing images; Qingtongxia City; phenological characteristics; field safeguarding forest; Landsat8 OLI

收稿日期：2023-09-15

基金項目：國家重點研發(fā)計劃課題（2021YFC3201205）；寧夏重點研發(fā)計劃項目（2021BBF02001，2021BBF02012，2022BBF02026）。

第一作者：張嘉敏（1996-），女，碩士研究生，從事水土資源高效利用研究。E-mail：zhangjiamin0926@163.com。

通信作者：何?。?983-），男，博士，副研究員，從事水土資源高效利用與生態(tài)治理。E-mail：hejun3025@163.com。