北京数慧遥感+: 耕地“非粮化”卫星遥感监测解决方案

数据来源：数慧云脑 2022-10-28 578

民以食为天，我国始终将粮食安全作为治国理政的头等大事。过去十年间，我国粮食产能稳定提升，产量连续七年稳定在1.3万亿斤以上，十年再上一个千亿斤新台阶，这其中耕地的贡献功不可没。

然而，耕地的资源约束也越来越明显，粮食种植面积扩大的空间越来越小。对标粮食安全的硬要求，耕地保护和利用问题值得高度关注。

我们在上一期文章北京数慧遥感+：耕地“非农化”卫星遥感监测解决方案中，探索了遏制耕地“非农化”的工作方案。今天，我们接着来看看耕地“非粮化”卫星遥感监测解决方案。

北京数慧基于深厚的深度学习、图像识别技术应用经验和多年的自然资源行业业务积累，建立业务驱动的技术研发模式，充分利用多光谱、高光谱等多源、长序列卫星遥感影像及自然资源调查监测成果，在计算机智能识别与提取算法支撑下，开展“非粮化”用地遥感监测。

“非粮化”主要将三调耕地数据范围内未发生用地类型变化区域与永久基本农田矢量数据进行套合，以序列高分辨率卫星影像为主要数据源，并根据实际情况以高光谱卫星影像、航空影像为辅助，开展种植作物智能提取与分类工作，并对比分析得到初步“非粮化”成果。再经过人机交互复核，外业核查验证，得到最终“非粮化”成果，为管控耕地“非粮化”，严格保障耕地数量底线和粮食播种面积提供数据支撑。

（一） 影像预处理

主要涉及光学卫星影像数据处理、高光谱影像数据处理及无人机影像数据处理。根据监测区域及监测周期等需求，自动化统筹获取无云覆盖、影像清晰、反差适中的遥感影像数据，通过构建全工序、自动化、集群化的遥感数据生产框架，实现全流程、自动化的影像协同生产。通过将经验知识化，知识工艺化，实现了正射校正、几何校正、辐射定标、大气校正、影像融合、镶嵌、裁切等流程的一键处理，高效支撑“非粮化”遥感监测底图数据生产。

（二）解译样本库建立

1、解译知识库建立

通过收集分析监测区域的基础地理信息数据、主要农作物物候数据和统计数据，充分了解区域内主要农作物各生育期的时间分布。在收集分析不同农作物光谱特征的基础上，通过遥感影像记录的地表信息，识别农作物的类型。

农作物的识别需要利用绿色植物独特的光谱反射特征，将主粮作物与其它经济作物区分开，为后续建立解译知识库提供基础。解译知识库建立过程如下图：

2、样本库建立

利用种植作物生长物候特征及已明确种植结构地块，建立稻谷、小麦、玉米等主粮作物和其他农作物不同生长季光谱数据库。结合卫星影像光谱特征、纹理特征，参考三调未变化耕地数据以及基本农田地块边界和权属信息等属性，并综合外业采集的样本，识别出目标地物，建立遥感影像与外业样本点之间的对应关系，形成解译样本库，为后续各类农作物地类快速、准确识别提供支撑。

（三）永久基本农田粮食作物遥感监测

主要对监测区域内种植的小麦、水稻、土豆、大豆、红薯等粮食作物进行智能提取。

以冬小麦为例，冬小麦的生长周期一般在220-270天。小麦的生长规律一般可以划分为12个生育时期，即播种期、出苗期、分蘖期、越冬期、返青期、起身期、拔节期、孕穗期、抽穗期、开花期、灌浆期、成熟期。