复杂场景下小农经营区地块级苹果园模块化制图方法框架

1 引言

中国是世界上最大的苹果生产与消费国，苹果产业是中国现代农业经济发展中的重要组成部分。山东省栖霞市位于北纬37°的苹果种植黄金带上，是我国苹果的主产区之一，由于其内部果树种植区的地形复杂，山区、丘陵等地域零散分布，严重的耕地破碎化导致规模化农业发展缓慢，目前仍以小农经营模式为主。在农业生产经营与管理中，普遍将具有同一属性的完整封闭的农田——地块，作为研究的基础。因此，在小农经营区获得精准的地块级苹果园分布制图结果，对我国苹果产业的发展具有重要意义。

复杂场景下果园的提取在国内外的相关研究普遍较少，当前研究多以基于高时间分辨率遥感数据的像素级分类为主，根据光谱、物候与纹理等特征进行园地提取。然而，高时间分辨率影像普遍空间分辨率较低且复杂场景下果园地块较为破碎，很难准确地将果园与林地等干扰地物区分开。同时，像素级分类不可避免地会出现"椒盐"现象，给果园种植面积核算、精确管理等带来很大不确定性，难以满足精准果园农业的需求。

随着VHR数据时代的到来，遥感影像可以更精细地体现地块的位置形态、纹理边界等特征信息，地块级作物制图得以迅速发展，使得地块级苹果园制图成为可能。当前地块级作物制图研究大部分采用两步走策略：① 利用具有较高空间分辨率的单幅VHR影像提取地块；② 使用空间分辨率相对较低的时间序列影像，如Sentinel-2、GF-1等，提取时序特征以识别地块类型。然而，该方法在场景复杂的小农经营模式下的园地内表现不佳，主要有以下2个问题：① 复杂的地形场景使得苹果园地块存在明显的空间异质性，不同地形区域的苹果园地块视觉特征差异化明显，导致地块提取难度较大；② 小农经营模式下出现大量细碎狭窄的地块，尤其在丘陵区的梯田果园宽度甚至小于2 m（只有一行苹果树种植），远小于常用的时间序列光学影像的空间分辨率，使得仅依赖时序特征进行地块分类的精度较低。

本文从2个问题分别入手。对于第一个问题，当前利用深度学习模型代替传统分割方式从VHR影像中提取地块的研究越来越多，但这些研究大多着力于通过改进模型结构一次性提取所有地块，导致模型结构变复杂却降低了提取效率。Sun等提出了一种层次结构的框架，结合现有的成熟模型模拟人类对目标场景的视觉感知，对视觉内容进行推导、预测，从而准确地从复杂场景中提取地块。该框架已成功应用于多个地块提取任务中，虽然各个任务使用的深度学习模型有所不同，但层次约束的思想始终贯穿了地块提取的全过程。因此，可以基于分区分层思想设计地块提取策略，从而提高苹果园候选地块的提取精度。

对于第二个问题，目前有很多时空融合模型理论上可以将单幅VHR影像与时间序列影像进行融合，但这些模型普遍存在几何误差较大与效率低下的问题。Liu等使用多源VHR影像成功在地块尺度上量化了洪涝灾害对冬小麦的影响，表明VHR影像也具有识别作物的能力。但由于VHR影像重访周期较长，缺乏对作物时序特征的描述，导致很多空间特征相似的作物在分类中出现混淆。通过时空协同的方式将空间与时序特征相结合进行地块分类，将有效地提高复杂场景下小农经营内苹果园的分类精度。同时，目前已有很多人工设计的时空特征，但普遍存在鲁棒性低，泛化能力弱的缺点。而深度学习模型可以通过深度神经网络自动学习高级特征，并且已广泛应用于作物分类任务中。因此，可以利用深度学习模型自适应地提取苹果园地块的空间与时序特征。

本文旨在解决传统的像素级果园提取方法与地块级作物制图框架在地块破碎化严重的苹果园地区表现不佳的问题，提出了一种新型模块化的地块级苹果园制图方法框架。首先，通过基于分区分层思想的深度学习感知模型对VHR影像中呈现的多种视觉特征的苹果园候选地块进行提取。然后，将DABNet与LSTM模型作为特征提取器，提取符合苹果园地块的空间与时序特征的特征像素，并构建描述特征像素在地块内部分布情况的元特征替代传统的人工设计特征，利用RF模型将候选地块分类为苹果园地块和非苹果园地块。实现了复杂场景下小农经营区内地块级苹果园的分类制图，为其他作物类型的地块级制图提供参考。

2 研究区概况与数据来源

2.1 研究区概况

本文研究区位于山东省栖霞市西城镇（图1），120°40'16"E—120°49'2"E，37°14'45"N—37°25'31"N，地处苹果黄金生长带，行政区域面积90.1 km²。该地区地势北高南低，自艾山前麓向南一狭长丘陵贯通全境，最高点雷山，海拔500 m；最低点海拔141 m；气候温暖湿润，夏无酷暑，冬无严寒，属于典型的亚热带大陆季风气候。研究区年平均气温18.9 ℃，年累计光照时间达2 690 h，阳光照射时间充足，秋季昼夜温差大，土壤条件适宜，非常适合苹果种植。

西城镇的苹果种植模式具有以下3个特点：

2.2 数据信息

研究使用的遥感数据包括Google Earth影像与Sentinel-2影像。其中，采集于2019年11月的0.6 m空间分辨率的Google Earth影像作为VHR影像。采集于2019年1—6月的Sentinel-2影像作为时间序列影像，获取数据集的具体时间如表1所示。同时，实地考察了713处包含不同地形的苹果种植区，并对种植区内部的苹果园地块进行采样，为特征像素提取与地块分类提供样本。

由于本研究目标为精准的地块级苹果园提取。因此识别对象为苹果园与非苹果园，其他作物类型与地物类型统一归为非苹果园类。

3 研究方法

3.1 方法框架

本研究提出了一个适用于复杂场景下的小农经营区内地块级苹果园模块化制图方法框架。框架流程如图2所示，分为独立的3个模块。

（1）候选地块的分层提取，包括研究区地形分区与不同地形区的地块提取。

（2）特征像素提取，包括基于DABNet的空间特征像素提取与基于LSTM模型的时序特征像素提取。

（3）地块级果园/非果园分类，基于地块元特征与内在特征构建特征序列，利用RF模型将候选地块分类为苹果/非苹果园地块，并对最终的地块级苹果园制图结果进行精度评估。

本文采用Windows10操作系统和PyTorch深度学习框架，利用Python语言实现该方法框架的开发与应用，CUDA版本为10.1，GPU采用NVIDIA GeForce TITAN X（pascal）。

3.2 候选地块的分区分层提取

研究区地形复杂，包括山地、丘陵、平原区域，导致苹果园地块存在较大视觉特征差异。因此，需要对研究区进行划分，使得分区内部的苹果园具有相似的视觉特征。表2显示了本研究中不同地形分区内苹果园地块的代表性样本，包括平原地区的平原果园、育苗果园，丘陵区的梯田果园，以及山区的林地果园。同时，由于在苹果树种植过程中普遍利用反光膜反射阳光给苹果着色，导致一些苹果园地块呈现出独特的白色纹理，这类苹果园地块为反射膜果园，且不受地形约束。

候选地块的提取可以看作是一项实例分割任务，由于VHR影像包含丰富的空间信息，传统的地块级作物分类制图多采用VHR影像直接进行地块提取。但苹果园地块具有较为复杂的视觉特征，使用单一实例分割模型很难一次性提取所有的候选地块。因此，本研究设计了一种基于分区分层思想的地块提取策略，首先通过DEM数据获得高程与坡度，将研究区分为平原地区、丘陵地区与山区。然后，依据不同区域内苹果园地块边界所呈现的视觉特征分别构建不同的候选地块提取模型，提取出满足苹果园边界视觉特征的所有地块。

更丰富特征的边缘检测（Richer Convolutional Features for edge detection, RCF）模型通过使用多尺度边缘特征，提高了预测时对网络特征的利用率，实现了端到端边缘检测，是目前性能最好的边缘检测算法之一，可以提取地块中清晰的边缘。因此，本框架对于有明确边界的果园类型，包括平原果园、育苗果园、梯田果园与反光膜果园，构建RCF模型分别进行地块提取。对于林地果园这类外部边缘模糊的果园，只利用RCF模型提取其清晰的内部边界，外部边界通过后期人工编辑进行补充。在RCF模型训练过程中设置样本大小为224像素×224像素，并通过随机旋转与翻转等方式增加训练样本数量，初始学习率设置为0.001，批大小为32，共训练3 000个epoch，训练与验证集比例为4:1。

3.3 特征像素提取

本研究提出的分类框架引入了特征像素的概念，即符合苹果园某些抽象特征的像素。特征像素的提取过程与像素级苹果园分类过程相同，但特征像素不作为分类结果，而是作为苹果园的抽象特征辅助地块级苹果园分类。本研究采用两种深度学习模型从VHR影像和时间序列影像分别提取苹果园的空间与时序特征像素。

3.3.1 基于DABNet的空间特征像素提取

基于卷积神经网络（Convolutional Neural Network, CNN）的模型对VHR影像的空间特征提取能力强，且考虑到西城苹果园纹理特征明显，因此本研究采用基于CNN的高效轻量化的非对称瓶颈网络（Depth-wise Asymmetric Bottleneck Network, DABNet）模型从VHR影像中提取苹果园空间特征像素。

DABNet模型最初是为实时语义分割而设计的，网络结构较为简单。DABNet设计了一种新的深度非对称瓶颈（DAB）模块来提取特征（图3（a）），它利用膨胀卷积提供更大的接受域，使用深度可分离卷积降低计算量。由于苹果园具有小而密集的独特点状纹理，当原始模型向下采样到1/8时，丢失了苹果园主要的空间特征。因此，本研究在原始的DABNet上删除了一个DAB模块和一个下采样操作，改进后的DABNet模型结构如图3（b）所示。

提取苹果园空间特征像素后，根据其在候选地块内的分布情况，计算每个候选地块的空间元特征。

DABNet模型训练参数设置如下：初始学习率设置为0.001，并利用自适应Adam优化器自动调整学习率，样本大小为1 024像素×1 024像素，共训练3 000个epoch，批大小设置为32，其余参数默认。

3.3.2 基于LSTM的时序特征像素提取

长短期记忆（Long Short-Term Memory, LSTM）模型是循环神经网络（Recurrent Neural Networks, RNN）的一种特殊类型，可以学习长期依赖信息，体现数据的时间序列变化的特点。本研究利用LSTM模型从时间序列影像中提取苹果园的时序特征像素。图4显示了研究中使用的LSTM的网络结构，它由两层32个隐藏单元组成。

LSTM模型已广泛地应用在基于时间序列的作物分类研究中，形成了一个成熟且完善的处理过程。首先，对Sentinel-2影像进行预处理，包括辐射校正和大气校正，并建立每个像素的归一化植被指数（NDVI）时间序列。NDVI的公式为：

式中：ρ_NIR代表近红外波段反射率；ρ_red代表红波段反射率。然后，利用LSTM模型提取苹果园的时序特征像素，学习率为0.001，共训练2 000次，批大小为32。并将时序特征像素重新采样到与VHR图像相同的空间分辨率，计算每一个候选地块基于时序特征像素分布的元特征。

3.4 基于随机森林的地块分类

利用随机森林（Random Forest, RF）模型将候选地块分为苹果/非苹果园地块。RF是基于Bagging集成学习理论和随机子空间方法提出的若干个决策树构成的集成学习方法。当输入分类对象特征后，最终结果由众多决策树以投票的方式输出结果。本研究基于候选地块、空间与时序特征像素的提取结果，自主编写代码得到苹果园地块分类特征，包括地块内在特征（Parcel Intrinsic Features, PIF）、空间元特征（Spacial Meta Features, SMF）以及时序元特征（Time Series Meta Features, TMF），如表3所示。其中，PIF为地块的内在特征，描述地块本身的形态与地理位置特征，本研究设计了的9种子特征组成PIF。SMF描述空间特征像素在地块中的分布，是真实地表的空间信息的抽象。TMF描述了时序特征像素在地块中的分布，是真实地表的时序信息的抽象。

本研究基于特征像素设计了4种子特征组成空间与时序元特征。① 覆盖度，描述地块内特征像素所占比例，覆盖度的值越大，说明地块中符合苹果园的特征像素越多；② 偏离率，描述地块内独立特征像素分布的偏离程度，其中独立特征像素（Independent F-pixels Distribution, IFD）是指地块内连通的特征像素集合；③ 最大独立分布分数（Maximum Independent Distribution Fraction, MIDF）是最大IFD的比例；④ 独立分布数（Independent Distribution Number, IDN）是IFD数量，MIDF与IDN相结合能够描述IFD的离散程度。

在基于RF的地块分类过程中，为检测不同特征组合对地块级苹果园提取的精度影响，本研究构建了7种不同的特征组合，并将其导入RF算法生成7个分类模型，前3个模型依次仅使用PIF、SMF和TMF作为分类特征；第2—6个模型依次使用PIF+SMF、PIF+TMF和SMF+TMF作为RF分类特征组合；最后一个模型使用全部特征变量，即构成PIF+SMF+TMF特征组合的RF分类模型。研究将对比以上分类模型的精度，以评价地块内在特征、空间元特征与时序元特征对地块级苹果园提取的贡献。最后，选取最优特征组合，得到苹果园地块的最终分类结果。