ndvi与作物产量的遥感估产

ndvi与作物产量的遥感估产

0卫星遥感技术以前，农业估价是通过人工区域研究方法进行的。它结合了树木的测量、农学和统计学，并从不同角度建立了工厂估算模型。该方法速度慢、工作量大、成本高,且不利于时空动态监测。现代卫星遥感技术具有精简、宏观、快速、准确、动态的优点,被广泛应用于各种粮食作物产量的估算之中,成为卫星遥感与农业交叉的研究重点。鉴于此,国内国外众多学者对此项技术进行了深入研究,本文在此总结了前人的研究成果,探讨了遥感估产的原理、技术路线及研究进展。1植物被指数ndvi与作物产量遥感估产的原理,学术上没有存在什么争议,都是根据作物的光谱特征来实现估产目的。作物潜在产量可以通过作物的光谱反射特征表达出来,并可利用光谱植被指数进行定量化。利用遥感影像的红波段(R)和近红外波段(NIR)遥感信息计算得到的植被指数与作物的叶面积指数、太阳光合有效辐射、生物量与粮食产量成正相关,其中归一化植被指数NDVI是最为常用的指标。目前对有关NDVI与作物产量的模型开展了大量的工作,在机理上已经确定了NDVI的光谱组成部分与作物产量的物理关系。时序NDVI数据己广泛应用于各种环境条件下监测作物生长状态和产量。通过植被指数的时序分析,可以反映作物出苗、成熟和收获的过程,作物的最终产量与作物的生长过程密切相关。遥感估产包括两项重要内容:作物识别与播种面积提取、长势监测与产量预报。2遥感预测技术方法2.1积极开展应用基础研究主要应用陆地卫星(Landsat)MSS和TM影像资料、其他卫星遥感信息(包括我国自己将发射的卫星信息)积极开展应用基础研究,为日后采用奠定基础。2.2作物生长区域农作物生长的动态监测和估产是大面积的应用,需要将自然条件、社会环境以及农作物的生长状况基本相同的地区归类,以便于作物生长状况的监测与估产模型的构建。在前人工作的基础上,充分利用现有图件、数据资料及多种遥感资料,分出作物类型区、产量水平区,以便合理分层布设地面样点,并确定单产模型适用空间范围。2.3提供背景资料背景数据库主要有两个方面的作用:一是为遥感信息分类提供背景资料,使分类精度提高;二是在遥感信息难以获取时,它支持模型分析,从历史资料和实际样点采集的数据中综合分析,取得当年的实际种植面积和产量。2.4产品模型、生产力监测、区域提取作物不同,地域分布的差异,使得单产模型、长势监测、面积提取方法会有很大差别。2.4.1水稻抽穗后不同时期冠层的光谱反射率及产量模型的建立建模是一个复杂的问题,本文引用唐延林、黄敬峰、王人潮、王福民在《水稻遥感估产模拟模式比较》中的建模为例。通过大田小区试验测定了2个品种3个供氮水平处理的水稻抽穗后不同时期冠层的光谱反射率、叶面积指数及最后的理论产量和实际产量,模拟MSS、TM、SPOT、资源一号CCD相机、IKONOS、MODIS和高光谱的波段来构建光谱差值植被指数DVI、比值植被指数RVI、差值归一化植被指数NDVI和绿度G,并模拟建立遥感估产模式。2.4.2小麦生育期的反射光谱特性以冬小麦为例。作物的产量是其光合作用的产物,叶绿素对其产量形成起至关重要的作用。冬小麦的叶绿素含量随小麦出苗至收获各不同的生育阶段是不断变化的,因此其不同生育期的反射光谱特性亦有差异。具体表现为随小麦生育进程的推进,在可见光区的反射率逐步增加,而在近红外光区的反射率则逐步下降。尤其是抽穗以后至成熟,小麦叶色变黄,叶绿素含量大大下降,其反射率表现为随波长的增加而逐渐增加的趋势,原吸收谷、反射峰渐不明显。除此,长势较差的麦苗其反射率亦表现为与此相似的增加趋势。2.4.3对混合像元的分解农作物播种面积提取是农作物估产中的关键,是由单产估测总产的必需参量。国外卫星遥感测算作物种植面积,主要应用陆地卫星(Landsat)MSS和TM的资料。在我国应用陆地卫星测算种植面积,由于存在资料源得不到保证、资料价格和处理费用昂贵等局限,在研究大范围作物种植面积测算方法时,多采用气象卫星资料源。但由于气象卫星空间分辨率较低(星下点为1.1km),其图像像元绝大部为混合像元,为提高测算种植面积的精度,应考虑混合像元分解问题。刘茜等以1︰10000的黑白航空影像为准,对应用TM影像估算冬小麦播种面积的精度进行对比检验,指出在传统的监督分类、K—T变换或混合像元分解方法中,混合像元分解方法的精度最高。吴炳方等在江汉平原水稻种植面积估测中,采用了用高分辨率TM遥感数据提取水稻种植面积本底,用NOAA-AVHRR数据估计水稻种植面积变化趋势的方法。在太湖平原水稻遥感估产研究中,应用NOAA卫星提取水稻面积,是在地理信息系统(GIS)支持下,在对研究区TM图像进行分类(城镇、水稻、水体、旱地、林地)和重采样基础上,将NQAA—AVHRRCHlCH2图像全部重采样为相同像元大小,找出NOAA重采样图的纯样本像元。然后对NOAA—AVHRR样本进行混合像元分解,得到水稻面积百分比图,从而计算出各市的水稻面积。潘晓东等对应用NOAA—AVHRR资料估算水稻面积的有效性进行了探讨,认为NOAA—AVHRR估产所需的最小范围为315个NOAA像元面积。2.5作物的遥感评价不同的面积提取方法、不同的单产模型会有不同的估产结果。3不同数据源的遥感估算性能的研究3.1遥感估产及计量模型的建立一般来讲,大面积的作物长势遥感监测和估产采用NOAA/AUHRR资料,在估产中常用的指数有NDVI和RVI。国外利用NOAA/AVHRR资料进行了大量的遥感估产研究。如Lewis等利用每年收获前的最大NDVI值作为评价作物产量的指标,与作物产量进行相关分析,建立模型进行产量预测。我国自开展遥感估产研究后,也取得了一定的成果。如林艳利用NOAA资料,根据气候、土壤特点和玉米的产量水平,在河北省11个市的7个区域,分别建立了空间分布的遥感估产模式,经过3年的预报结果检验,误差小于5%。Kogan等利用植被健康指数对我国吉林省玉米产量进行估算,取得较好的效果。此外,浦吉存等应用NOAA/AVHRR遥感信息,成功地对山地地区的小春作物增减产趋势进行了预测。3.2evi对美国冬小麦产量预测的效果利用MODIS资料进行产量估算,一般采用NDVI和EVI两种植被指数。王长耀、林文鹏利用MODID-NDVI和MODIS-EVI作为遥感特征参数,对美国冬小麦的产量预测研究表明,EVI明显地比NDVI更好的与产量建立回归方程。用EVI建立的模型对2004年美国冬小麦估产结果与美国国家统计署公布的结果相比,预测单产误差为2.62%,总产量误差为-1.77%,并且预测时间比美国国家统计署预测时间提前约半个月。国内的程乾在杭州市郊利用MOD13产品进行水稻估产,MOD13-EVI所建立的估算模型精度显著优于MOD13-NDVI,并认为利用各个生育期MOD13产品所建立的复合模型有助于提高水稻产量的估算精度。3.3tm资料估产的效果利用Landsat-TM资料进行估产的研究虽然少见,但在一定区域范围内,利用TM资料进行估产还是能得到较好效果的。例如张智韬等利用遥感影像(TM)的绿度指数(GDVI)对小麦进行估产,通过与实际产量进行比较,其估产精度可达88.9%以上。3.4使用其他卫星数据来估计产量雷达具有全天候、全天时的优势,也成为农业信息动态监测的遥感手段。4主要影响因素在大气覆盖区的测量,存在以下几个以应用较为广泛的NOAA/AVHRR资料的NDVI为例,NDVI应用研究很富有成效。但是由于AVHRR不是为土地覆盖和植被研究所设计,其数据的应用有着严重的局限性。如NDVI的饱和问题,对大气影响的纠正不彻底,对低植被覆盖区土壤背景的影响没有处理等,使其进一步定量应用受到不同程度的影响。LandsatTM资料在大面积遥感估产中也存在问题。根据中国遥感卫星地面站的