1 绪论
1.1 研究背景和意义
水稻是世界上最重要的粮食作物之一，以水稻为主要粮食的人口占全世界人口的一半以上，因此粮食安全显得尤为重要。水稻种植主要分布在亚洲、非洲以及拉丁美洲国家。在全世界范围内，仅2013年，就有七万两千吨粮食生产量，其中 90%出自亚洲。近年来，世界水稻增产量逐年递减，年水稻需求量超过了年水稻生产量随着人口增长(预计到2050年全球人口将达90亿)，世界粮食需求也将上涨。粮食是人们维持生存的必需品，粮食安全不但关系到人的生存需要是否满足，它也是全世界许多国家共同面临的重大问题。东南亚国家大部分是农业国家，而且是传统的农业国家，因此农业在国家经济中的地位非常重要。老东盟成员国(包括印度尼西亚、菲律宾、马来西亚和越南) 的农业产值占GDP的比重大约为则介于10%~21%之间。因此，快速、及时、精准的获取大范围水稻种植面积的空间分布信息对政府指导水稻生产、保证中国的粮食安全和调整区域供需平衡等具有极为重要的意义。
遥感数据植被指数的时相特征为遥感影像分类提供了一种基础方法，现已广泛应用于对大尺度区域进行植被监测。利用遥感技术可以以节约高效的方式获得即时的作物生长状态可信的，定量的，完整的信息。遥感数据可提供与水稻农业系统相关的许多即时可信的数据。如：绘制及监督水稻生长生态系统；监督并获得水稻生长状态；获得作物生长模式以及耕作系统效率；估算与作物生长相关的指数(叶面积指数(LAI), 生物量,蒸散量，局部辐射吸收光合活性(fAPAR)；精准农业(估产，可持续农业的肥力和虫害应用， 以及分辨作物与芦苇)；建立作物生长与产量模型，例如土壤盐度或土地辐射量；对水稻生长以及生长环境有进一步了解；水文评定及建模(土壤湿度，模拟区域产量与用水量关系，作物产量与水文过程关系)；灾害评定(干旱及害虫)；估算气温变化以及相关的甲烷通量。
遥感技术提供的信息为支持多年相的农业发展状况提供了重要决策，其光谱对季节的响应也直接为水稻生长状态季候变化提供了依据。因此，利用水稻生长状态的阶段性光谱特征成为利用遥感技术进行水稻面积监测的热点。
1.2 国内外研究现状
国内外利用遥感技术手段监测水稻种植信息由来已久，其中包括对水稻种植面积的研究、水稻估产研究和水稻生长物候期研究三个方面。水稻种植面积的提取实际上与遥感图像分类息息相关，而遥感图像分类方法又可划分为基于像元的分类、基于对象的分类以及混合像元分解三个方面。另外，遥感数据预处理作为遥感信息提取的基础工作，国内外学者也进行了充分研究。
1.2.1 国外研究现状
近年来，国外对利用遥感时序数据进行农业信息监测的研究较为全面。如日本人Toshihiro Sakamoto 等 2005 年发表的论文中，对作物物候提取进行了详细研究，他们使用MODIS 表面反射率 8 天合成产品(第四版)提取出的 EVI 数据，在进行去噪处理后，运用特征值法提取了播种期，抽穗期，以及收获期的时刻，效果较好；2009 年，Toshihiro Sakamoto等人使用MOD09数据对越南湄公河三角洲的三季稻及内陆农业的扩展进行了动态监测。R. Geerken, B. Zaitchik 等使用 SPOT VEGETATION 数据以及 AVHRR NDVI 时序，利用傅里叶过滤周期判断时序相似性的方法，对叙利亚东北部地区牧场植被进行了分类。其后，J.P. Evans 和 R. Geerken 使用 MODIS 时序数据，运用时序相似性方法对同一研究区牧场植被进行了分类，其运用的相似性方法为离散傅里叶变换法；
对MODIS数据的质量分析，如QA数据层中不同云掩膜数据的比较，以及MODIS VI时序数据对不同植被的时序曲线精确度，许多国外学者也进行了深入研究，如Patrick Leinenkugel 等人比较了东南亚地区 MODIS 数据两种不同云掩膜的表现，并确定了 MODIS QA 状态描述层中的内部云掩膜数据精确度高于 35 波段的云掩膜数据。Brian D. Wardlow等人对比了MODIS 16天合成数据的250m分辨率产品的EVI 与ETM+的EVI数据进行了单幅影像的比较，结果表明，两种影像的对应波段吻合率较高；并且将EVI 与NDVI 进行比较，结果表明在植被位于季节变换的区间部分，MODIS数据的EVI 数据产品与 NDVI数据产品差异较大。
由于MODIS影像在东南亚大部分地区都会受到云污染，去云去噪成为使用MODIS时序数据进行农业监测的关键步骤，许多学者也针对MODIS数据去噪进行了专门研究。如方红亮研究员、梁顺林教授在马里兰大学对MODIS LAI 数据的重构进行了详尽研究，即考虑时序平滑又考虑了以多年值为背景值对LAI时序进行滤波并且结合使用了图像滤波方法。许多信号滤波方法也被应用于植被指数去噪，例如Savitzky A和Golay M.J在1964年提出了基于最小二乘法卷积原理的S-G滤波方法，目前被广泛应用于VI 时序平滑，另外，还有例如非对称高斯(Asymmetric Gaussians)、时间序列谐波分析法(HANTS)、双逻辑函数拟合法(Double Logistic)等滤波方法。Per Jonsson和Lars Eklundh基于S-G滤波、非对称高斯滤波以及双逻辑函数拟合法滤波的基础上进行改进，在2004年开发了TIMESAT软件针对VI 数据平滑滤波。同时，许多学者对不同的滤波方法进行了优劣分析以及适用性分析，如Jennifer N 在2009对非对称高斯算法、双逻辑函数拟合法算法、S-G算法以及4253H、二次滤波以及均值迭代滤波、ARMD3-ARMA5 滤波法进行了比较。Yves Julien等人2010年针对 HANTS滤波和双逻辑函数拟合法滤波进行了比较，并提出了一种迭代插值方法用于无云数据的重构，并证明了在无云情况下，迭代插值的方法对VI 数据的重构质量优于HANTS滤波和双逻辑函数拟合法滤波。
2 研究区与数据及预处理
2.1 研究区概况
2.1.1 越南地理概况
越南国土面积约33万km2，位于中南半岛东部，北与中国广西、云南为邻，西和老挝、柬埔寨交界，面积约33万km2，其中耕地面积934.5346万ha，总人口8700万人，农业人口超过80%。越南地形南北狭长，南北长1600公里东西最窄处为50公里，纬度从8°30′N到23°30′N，经度102°E~109°E。地势由西北向东南倾斜。北部和西北部为高山和高原。山地和高原占国土面积的2/3，平原占国土面积的 1/3，大部分由河流泥沙冲积而成，主要有：北部的红河平原，面积1.5万km2，占整个北方耕地面积的 57%；南方的九龙江平原，面积约3.2万km2。1989年全国森林覆盖面积98万km2。东面和南面临南海，海岸线长 3260多公里。越南地理位置分布如图2-1 ：
越南纬度跨越大，各地气候条件差异明显，但总的特点是气温高、湿度大、风雨多。越南北部四季分明，大部分地区平均气温为23~25℃，最热为7月，平均气温约 29℃；最冷为1月，平均气温约15℃，终年无雪。南部则只分旱季(10月~次年3月)和雨季(4~9 月)，大部分地区年平均气温为 26~27℃，最热为 4 月，平均气温约 29℃，最冷为 12 月，平均气温约 26℃。除西北部外，越南沿海地区每年 7~11 月常遭台风袭击，尤其是越南中部夏季的“老挝风”对作物危害较大。越南雨量充沛，年平均降雨量达 1800~2000 mm，南方一些地区甚至高达3000~4000 mm。
2.1.2 越南农业区划
根据地形、土壤和气候条件，可将越南农业划分为 8个农业生态区，分别为：中北部沿海，东北部，湄公河三角洲，红河平原，东南部，中南部沿海地区，西北部，中部高地地区。农业区划图见图2-2。东北部面积共63815.1 km2，东北部地区多高山，只在靠近红河平原地区地势较为平缓，适合种植旱地作物。西北部地区面积共37346 km2，多高山，水稻种植与山间，较为分散。红河平原面积共14763.1 km2，为越南第二大平原，土壤肥沃，适合种植水稻。中南部沿海地区面积共约50967 km2，其西部多为山区，东部沿海条带地区土地不适宜种植水稻，多种植果树等植物，只有山区与沿海间部分地区适宜种植水稻。中南部沿海地区面积共32236 km2，水稻零星分布于沿海地区，其西部多高山。中部高地面积共约54589 km2，多为山地。东南部面积共34627.7 km2。湄公河三角洲共约40000 km2，是越南最主要的稻米种植基地。
2.2 数据介绍
2.2.1 MODIS 时序数据
MODIS 的地表反射率合成产品数据 (MOD09A1) 由美国国家航空航天局网站(http://www.modis-land.gsfc.nasa.gov) 提供。时间从 2000 年 1 月 1 日至 2004 年 12 月 31 日、2008 年 1 月 1 日至 2012 年 12 月 31 日。以及相应的的 MOD09A1 数据质量评价 QA 数据。以行列号(Tile)表示的MODIS数据中，覆盖越南的影像共有五幅，其行列号分别为h27v06，h27v07，h28v06，h28v07，h28v08。每一年每景共 46 幅影像，其空间分辨率为 500m，包含七个波段。MOD09A1 数据产品已完成对气体、卷云及气溶胶的大气校正。每个像元包含 8 天期间 L2G 观测数据的质量最优像元(最高观测范围，最低观测角度，无云和云阴影)。
利 用 MRT 软 件 对 MODIS HDF 文 件 进 行 波 段 提 取 ， MRT 工 具 由( https://lpdaac.usgs.gov/tools)获取。在 MRT 工具中，使用等面积的 Lambert Azimuthal 投影，对每幅影像进行投影，提取MOD09A1 数据集的前两个波段，分别代表红和近红外。覆盖越南地区的影像共占五个 tile，每个 tile 以行列号表示。其中，h27v06 设置中央经度、纬度为 104°，25°；h27v07 设置中央经度、纬度为 98°，15°；h28v06 设置中央经度、纬度为116°，25°；h28v07设置中央经度、纬度为108°，15°；h28v08设置中央经度、纬度为 105°，5°。并对每年的 46 期影像分别进行影像的拼接、裁剪。拼接后仍然使用Lambert Azimuthal 投影，并设置拼接后影像中央经度、纬度为 105°E，5°N。
使用LDOPE软件( https://lpdaac.usgs.gov/tools)对每年的MODIS HDF 文件进行QA数据层进行的分离。并对QA数据进行拼接、裁剪。
LDOPE 软件是从 Windows cmd 窗口打开的，输入路径后，使用 unpack_sds_bits 命令分离 HDF 文件后，再使用 cp_proj_param 命令对 HDF 文件投影。分离出的所有 QA 数据按照与反射率一样的投影及拼接步骤合成与反射率产品相一致且像元准确对应。
3基于时序 MODIS数据的水稻种植遥感快速提取 ............ 25
3.1时序相似性计算 ........... 25
3.1.1DTW应用概况 .............. 25
3.1.2DTW算法原理 ................. 25
4基于面向对象的方法的时序与TM影像结合分类 ........ 57
4.1面向对象分类方法原理 ............ 57
4.1.1多尺度分割 ..................... 57
4.1.2对象分层 ................. 58
4.1.3基于对象的决策树分类 ........... 59
5 越南水稻种植格局变化十年分析 .................... 67
5.1越南水稻种植面积统计.............. 67
5.2水稻种植面积变化分析 ................ 72
5.3水稻种植格局变化分析 ................. 72
5 越南水稻种植格局变化十年分析
5.1 越南水稻种植面积统计
通过利用MODIS NDVI时序影像以及TM影像对越南中部地区提取的结果对越南地区单季稻、多季稻进行提取，获取越南地区2000以及2010年单季稻、多季稻种植分布及面积分区统计数据如表5-1及5-2。
首先得到单季稻、双季稻及三季稻种植比例如图 5-1，对比两期不同种植制度的水稻种植面积可知，在 2000 年单季稻种植面积与双季稻相似，占总水稻种植面积的百分之四十左右，为 210 万公顷左右，而 2010 年，单季稻面积减少至 178 万公顷，双季稻增加至286 万公顷，而三季稻种植面积略有增加，从 114 万公顷增加至约 140 万公顷。
6 结论与展望
6.1 结论
本文以越南为研究区，系统探索了利用多源遥感卫星数据对水稻田面积进行高效、高精度提取的方法。并对越南2000年以及2010年水稻种植面积进行了提取。主要研究工作汇报如下：
(1)MOD09A1 时序数据去云研究
地处热带、亚热带季风气候下的越南，雨季多云雨，使得MOD09A1 NDVI 时序数据质量低，许多像元点NDVI 时序曲线失真，对直接利用MODIS NDVI 时序数据进行水稻提取造成困难，本文探索了在S-G滤波中，S-G滤波能够有效重构的最大无效像元间隙长度以判断无效时序像元，并提出一种使用往年完整像元NDVI 时序数据进行替换的方法，经过验证，重构后的NDVI 时序数据中，单幅影像标准差平均提高0.03以上、时序标准差从0.07317 减少至 0.03505、典型地物平均回归标准差由 0.156132 降至 0.065074。
(2)基于 NDVI 曲线相似性的大面积水稻快速提取
针对越南地区水稻种植灵活的特点，本文首次将 DTW 距离算法应用于 NDVI 时序相似性比较。基于NDVI 曲线相似性和模糊分类的方法对越南地区2000及2010年水稻进行了快速提取，精度达到83%。论文对越南的8个农业生态区典型作物的标准NDVI 生长曲线进行了提取，得到分区的标准作物生长曲线。分区进行逐项元NDVI 时序曲线与作物标准曲线相似性比较，得到逐项元与不同作物的 DTW 距离值。还提出了利用时序标准差剔除林地、水体、城市等 NDVI 值不随季节变化的地物的方法。最后，将 DTW 距离值作为隶属度，利用模糊分类的思想判断越南水稻分布。
(3)时序数据与 TM 影像相结合的高精度提取方法
本文基于面向对象的方法，在eCognition软件平台下，将所得的MODIS NDVI 时序相似性数据(逐项元DTW距离影像)与中高空间分辨率TM 影像相结合，对越南水稻种植较为破碎的中北部沿海地区水稻进行高精度提取。利用了面向对象中的分层的优势，将大空间尺度MODIS NDVI 时序相似性图作为父层对象，与TM 影像分割形成的子层对象结合进行水稻提取，TM 影像借助 NDVI 时序相似性信息、NDVI 时序相似性辅助 TM 影像，各自提高了分类精度，所得提取精度89%。
(4)分析越南地区水稻种植面积变化
对2000年至2010年越南地区水稻种植面积进行了分区分析，得到各区域单季稻、多季稻的面积时空变化特征。
参考文献（略）