甘蔗是广西农业生产的优势特色产业，近二十年来，广西糖料蔗种植面积和产糖量均占全国产量的60%以上[1-2]。广西糖料蔗种植机械化水平低、种植分散，导致种植成本居高不下。此外，进口糖价低廉，国际糖价下跌，冲击国内市场，导致区内甘蔗种植面积逐年减少[3]。为确保国家食糖安全，保障国内食糖供应，广西糖办开展了全区甘蔗保护区划定工作，以遏制甘蔗种植面积连年减少的局面。由于休耕、轮作等因素，如何及时监测作物种类变化、掌握甘蔗实际种植面积成为亟待解决的问题。遥感技术被普遍应用于大规模作物监测估产中[4]。随着技术的不断发展，遥感影像的空间分辨率不断提高，覆盖周期逐年缩短，数据使用成本降低，高分辨率遥感影像解译技术不断成熟，已实现破碎地块地类性质明显改变的快速检索与发现，如耕地、林地变为建筑物等。广西作物种类繁多，对于农作物的精细划分，传统的基于像素值的分类方法缺乏有效的解决方案。20世纪70年代，Haralick等[5]提出了针对纹理信息的灰度共生矩阵（gray level co-occurrence matrix，GLCM）以及由此导出的能量、熵、对比度、均匀性等14种统计量，该方法已被广泛应用于图像识别中。He等[6]运用该方法对南宁城区的棚户区进行了准确识别提取。除甘蔗以外，保护区内常见玉米、桉树、水稻等作物，其光谱信息类似，但纹理信息略有不同，本文对是否能利用GLCM进行准确分类进行了探究。1数据与方法1.1任务区与数据来源横州市（原横县）位于广西东南部，是南宁市糖料蔗主要种植区之一，2019年全年农作物播种面积16.58 万hm2，其中粮食种植面积7.43 万hm2，甘蔗种植面积2.12 万hm2，其他农作物主要有玉米、花生、茉莉花等[7]。“高景一号”（Super View-1）卫星由2颗0.5 m分辨率的光学卫星组成，于2016年12月成功发射，具有专业级的图像品质、高敏捷的机动性能、丰富的成像模式和高集成的电子系统等特点[8]。本文利用2020年10月0.5 m分辨率高景一号多光谱遥感影像与甘蔗保护区划定数据进行外业核查，获取地块范围与作物属性信息，作为样本数据基础。高分辨率影像下甘蔗、玉米、桉树及水稻的光谱特征如图1所示。10.3969/j.issn.2096-1936.2021.11.005.F001图1高分辨率影像下甘蔗、玉米、桉树及水稻的光谱特征1.2理论基础灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息，是分析图像的局部模式和排列规则的基础。14个导出参数中，能量（energy）是对图像纹理的灰度变化稳定程度的度量，反映了图像灰度分布均匀程度和纹理粗细度；对比度（contrast）反映了图像的清晰度和纹理的沟纹深浅；相关性（correlation）反映了图像纹理的一致性；二阶距（angular second moment，ASM）值越大则图像越均匀、变化越规则。本文所使用的部分参数计算公式如下：Xenergy=∑i ∑jpi,j2  （1）Xcontrast=∑i ∑ji,j2pi,j  （2）Xcorrelation=∑i ∑jijpi,j-uiujSiSj  （3）ASM=∑i ∑jpi,j2  （4）式中：p（i，j）——GLCM矩阵；i，j——矩阵坐标。1.3方法经过外业核查，对甘蔗地保护区内的各类作物进行标注，选取随机样本点，生成甘蔗、玉米、桉树、水稻四类共2 196个21×21像素的影像样本点。通过调用OpenCV中的GLCM模块，分别计算影像四个波段的能量、对比度、相关性、差异性、同质性以及二阶距。利用最邻近算法分别对单一波段、可见光波段（三波段）、可见光与红外波段（四波段）三种情况进行监督分类。2结果与分析分类结果中的生产者精度指正确分类样本数与实际样本数的比值，单一波段、可见光波段、可见光与红外波段最邻近算法分类混淆矩阵如表1~表3所示。10.3969/j.issn.2096-1936.2021.11.005.T001表1单一波段最邻近算法分类混淆矩阵实际分类甘蔗玉米桉树水稻用户精度/%甘蔗1 259261271280.76玉米549602255.81桉树50258098.10水稻320017988.61生产者精度/%95.3125.4690.5384.0481.6010.3969/j.issn.2096-1936.2021.11.005.T002表2可见光波段最邻近算法分类混淆矩阵实际分类甘蔗玉米桉树水稻用户精度/%甘蔗1 207190171184.70玉米10617102157.38桉树60268097.81水稻216018190.95生产者精度/%91.3745.3694.0484.9883.2010.3969/j.issn.2096-1936.2021.11.005.T003表3可见光与红外波段最邻近算法分类混淆矩阵实际分类甘蔗玉米桉树水稻用户精度/%甘蔗1 223194231084.34玉米8916401860.52桉树61262097.40水稻318018589.81生产者精度/%92.5843.5091.9386.8583.52由表1~表3结果可看出，由灰度共生矩阵提取出的甘蔗、桉树特征值，在最邻近算法监督分类下可获得90%以上生产者精度，其中单一波段的甘蔗准确率最高，达95.31%。玉米在任何情况下生产者精度均不足50%，绝大多数被误分为甘蔗，说明两者纹理有极高的相似性，在可见光波段分类时精度最高，为45.36%。玉米与桉树、水稻与桉树极少存在误分情况，说明其纹理特异性强。增加红外波段后，甘蔗、水稻分类精度有小幅提升，但玉米、桉树精度略有回落。用户精度为正确分类样本数与分类结果的比值，桉树用户精度处于较高水平，达到97%以上，与生产者精度相比，水稻的用户精度普遍提高，达到88%以上。甘蔗分类的用户精度显著低于生产者精度，多波段方式优于单一波段。玉米的生产者精度均优于55%，其中四个波段参数分类方式达到60.52%。综合各项因素，采用多波段参数分类精度普遍优于单一波段。就总体精度而言，三种模式均达到80%以上，依次为81.6%、83.20%、83.52%，多波段精度显著高于单一波段，四波段最高精度最高，但较三波段优势不甚显著。3结语本文引入了计算机图像识别技术中常用的灰度共生矩阵算法，对甘蔗保护区内常见的几类作物的纹理特征进行了探究，初步验证了利用纹理特征进行农作物精分类识别的可行性。下一步可引入更多灰度共生矩阵参数、调整样本尺度，并利用支持向量机（SVM）、人工神经网络（ANN）等监督分类方法，进一步提升分类精度。基于该技术，可有效解决传统遥感自动解译方法难以实现高精度作物分类以及人工目视解译高度依赖作业员经验、解译精度不稳定、作业效率低下等问题，真正形成面向全区范围的甘蔗种植面积快速监测技术体系，实现农田精细化管理以及准确估产，助推广西糖业高质量发展。