ndvi與作物產(chǎn)量的遙感估產(chǎn)

ndvi與作物產(chǎn)量的遙感估產(chǎn)

0衛(wèi)星遙感技術(shù)以前，農(nóng)業(yè)估價是通過人工區(qū)域研究方法進行的。它結(jié)合了樹木的測量、農(nóng)學(xué)和統(tǒng)計學(xué)，并從不同角度建立了工廠估算模型。該方法速度慢、工作量大、成本高,且不利于時空動態(tài)監(jiān)測?，F(xiàn)代衛(wèi)星遙感技術(shù)具有精簡、宏觀、快速、準確、動態(tài)的優(yōu)點,被廣泛應(yīng)用于各種糧食作物產(chǎn)量的估算之中,成為衛(wèi)星遙感與農(nóng)業(yè)交叉的研究重點。鑒于此,國內(nèi)國外眾多學(xué)者對此項技術(shù)進行了深入研究,本文在此總結(jié)了前人的研究成果,探討了遙感估產(chǎn)的原理、技術(shù)路線及研究進展。1植物被指數(shù)ndvi與作物產(chǎn)量遙感估產(chǎn)的原理,學(xué)術(shù)上沒有存在什么爭議,都是根據(jù)作物的光譜特征來實現(xiàn)估產(chǎn)目的。作物潛在產(chǎn)量可以通過作物的光譜反射特征表達出來,并可利用光譜植被指數(shù)進行定量化。利用遙感影像的紅波段(R)和近紅外波段(NIR)遙感信息計算得到的植被指數(shù)與作物的葉面積指數(shù)、太陽光合有效輻射、生物量與糧食產(chǎn)量成正相關(guān),其中歸一化植被指數(shù)NDVI是最為常用的指標。目前對有關(guān)NDVI與作物產(chǎn)量的模型開展了大量的工作,在機理上已經(jīng)確定了NDVI的光譜組成部分與作物產(chǎn)量的物理關(guān)系。時序NDVI數(shù)據(jù)己廣泛應(yīng)用于各種環(huán)境條件下監(jiān)測作物生長狀態(tài)和產(chǎn)量。通過植被指數(shù)的時序分析,可以反映作物出苗、成熟和收獲的過程,作物的最終產(chǎn)量與作物的生長過程密切相關(guān)。遙感估產(chǎn)包括兩項重要內(nèi)容:作物識別與播種面積提取、長勢監(jiān)測與產(chǎn)量預(yù)報。2遙感預(yù)測技術(shù)方法2.1積極開展應(yīng)用基礎(chǔ)研究主要應(yīng)用陸地衛(wèi)星(Landsat)MSS和TM影像資料、其他衛(wèi)星遙感信息(包括我國自己將發(fā)射的衛(wèi)星信息)積極開展應(yīng)用基礎(chǔ)研究,為日后采用奠定基礎(chǔ)。2.2作物生長區(qū)域農(nóng)作物生長的動態(tài)監(jiān)測和估產(chǎn)是大面積的應(yīng)用,需要將自然條件、社會環(huán)境以及農(nóng)作物的生長狀況基本相同的地區(qū)歸類,以便于作物生長狀況的監(jiān)測與估產(chǎn)模型的構(gòu)建。在前人工作的基礎(chǔ)上,充分利用現(xiàn)有圖件、數(shù)據(jù)資料及多種遙感資料,分出作物類型區(qū)、產(chǎn)量水平區(qū),以便合理分層布設(shè)地面樣點,并確定單產(chǎn)模型適用空間范圍。2.3提供背景資料背景數(shù)據(jù)庫主要有兩個方面的作用:一是為遙感信息分類提供背景資料,使分類精度提高;二是在遙感信息難以獲取時,它支持模型分析,從歷史資料和實際樣點采集的數(shù)據(jù)中綜合分析,取得當(dāng)年的實際種植面積和產(chǎn)量。2.4產(chǎn)品模型、生產(chǎn)力監(jiān)測、區(qū)域提取作物不同,地域分布的差異,使得單產(chǎn)模型、長勢監(jiān)測、面積提取方法會有很大差別。2.4.1水稻抽穗后不同時期冠層的光譜反射率及產(chǎn)量模型的建立建模是一個復(fù)雜的問題,本文引用唐延林、黃敬峰、王人潮、王福民在《水稻遙感估產(chǎn)模擬模式比較》中的建模為例。通過大田小區(qū)試驗測定了2個品種3個供氮水平處理的水稻抽穗后不同時期冠層的光譜反射率、葉面積指數(shù)及最后的理論產(chǎn)量和實際產(chǎn)量,模擬MSS、TM、SPOT、資源一號CCD相機、IKONOS、MODIS和高光譜的波段來構(gòu)建光譜差值植被指數(shù)DVI、比值植被指數(shù)RVI、差值歸一化植被指數(shù)NDVI和綠度G,并模擬建立遙感估產(chǎn)模式。2.4.2小麥生育期的反射光譜特性以冬小麥為例。作物的產(chǎn)量是其光合作用的產(chǎn)物,葉綠素對其產(chǎn)量形成起至關(guān)重要的作用。冬小麥的葉綠素含量隨小麥出苗至收獲各不同的生育階段是不斷變化的,因此其不同生育期的反射光譜特性亦有差異。具體表現(xiàn)為隨小麥生育進程的推進,在可見光區(qū)的反射率逐步增加,而在近紅外光區(qū)的反射率則逐步下降。尤其是抽穗以后至成熟,小麥葉色變黃,葉綠素含量大大下降,其反射率表現(xiàn)為隨波長的增加而逐漸增加的趨勢,原吸收谷、反射峰漸不明顯。除此,長勢較差的麥苗其反射率亦表現(xiàn)為與此相似的增加趨勢。2.4.3對混合像元的分解農(nóng)作物播種面積提取是農(nóng)作物估產(chǎn)中的關(guān)鍵,是由單產(chǎn)估測總產(chǎn)的必需參量。國外衛(wèi)星遙感測算作物種植面積,主要應(yīng)用陸地衛(wèi)星(Landsat)MSS和TM的資料。在我國應(yīng)用陸地衛(wèi)星測算種植面積,由于存在資料源得不到保證、資料價格和處理費用昂貴等局限,在研究大范圍作物種植面積測算方法時,多采用氣象衛(wèi)星資料源。但由于氣象衛(wèi)星空間分辨率較低(星下點為1.1km),其圖像像元絕大部為混合像元,為提高測算種植面積的精度,應(yīng)考慮混合像元分解問題。劉茜等以1︰10000的黑白航空影像為準,對應(yīng)用TM影像估算冬小麥播種面積的精度進行對比檢驗,指出在傳統(tǒng)的監(jiān)督分類、K—T變換或混合像元分解方法中,混合像元分解方法的精度最高。吳炳方等在江漢平原水稻種植面積估測中,采用了用高分辨率TM遙感數(shù)據(jù)提取水稻種植面積本底,用NOAA-AVHRR數(shù)據(jù)估計水稻種植面積變化趨勢的方法。在太湖平原水稻遙感估產(chǎn)研究中,應(yīng)用NOAA衛(wèi)星提取水稻面積,是在地理信息系統(tǒng)(GIS)支持下,在對研究區(qū)TM圖像進行分類(城鎮(zhèn)、水稻、水體、旱地、林地)和重采樣基礎(chǔ)上,將NQAA—AVHRRCHlCH2圖像全部重采樣為相同像元大小,找出NOAA重采樣圖的純樣本像元。然后對NOAA—AVHRR樣本進行混合像元分解,得到水稻面積百分比圖,從而計算出各市的水稻面積。潘曉東等對應(yīng)用NOAA—AVHRR資料估算水稻面積的有效性進行了探討,認為NOAA—AVHRR估產(chǎn)所需的最小范圍為315個NOAA像元面積。2.5作物的遙感評價不同的面積提取方法、不同的單產(chǎn)模型會有不同的估產(chǎn)結(jié)果。3不同數(shù)據(jù)源的遙感估算性能的研究3.1遙感估產(chǎn)及計量模型的建立一般來講,大面積的作物長勢遙感監(jiān)測和估產(chǎn)采用NOAA/AUHRR資料,在估產(chǎn)中常用的指數(shù)有NDVI和RVI。國外利用NOAA/AVHRR資料進行了大量的遙感估產(chǎn)研究。如Lewis等利用每年收獲前的最大NDVI值作為評價作物產(chǎn)量的指標,與作物產(chǎn)量進行相關(guān)分析,建立模型進行產(chǎn)量預(yù)測。我國自開展遙感估產(chǎn)研究后,也取得了一定的成果。如林艷利用NOAA資料,根據(jù)氣候、土壤特點和玉米的產(chǎn)量水平,在河北省11個市的7個區(qū)域,分別建立了空間分布的遙感估產(chǎn)模式,經(jīng)過3年的預(yù)報結(jié)果檢驗,誤差小于5%。Kogan等利用植被健康指數(shù)對我國吉林省玉米產(chǎn)量進行估算,取得較好的效果。此外,浦吉存等應(yīng)用NOAA/AVHRR遙感信息,成功地對山地地區(qū)的小春作物增減產(chǎn)趨勢進行了預(yù)測。3.2evi對美國冬小麥產(chǎn)量預(yù)測的效果利用MODIS資料進行產(chǎn)量估算,一般采用NDVI和EVI兩種植被指數(shù)。王長耀、林文鵬利用MODID-NDVI和MODIS-EVI作為遙感特征參數(shù),對美國冬小麥的產(chǎn)量預(yù)測研究表明,EVI明顯地比NDVI更好的與產(chǎn)量建立回歸方程。用EVI建立的模型對2004年美國冬小麥估產(chǎn)結(jié)果與美國國家統(tǒng)計署公布的結(jié)果相比,預(yù)測單產(chǎn)誤差為2.62%,總產(chǎn)量誤差為-1.77%,并且預(yù)測時間比美國國家統(tǒng)計署預(yù)測時間提前約半個月。國內(nèi)的程乾在杭州市郊利用MOD13產(chǎn)品進行水稻估產(chǎn),MOD13-EVI所建立的估算模型精度顯著優(yōu)于MOD13-NDVI,并認為利用各個生育期MOD13產(chǎn)品所建立的復(fù)合模型有助于提高水稻產(chǎn)量的估算精度。3.3tm資料估產(chǎn)的效果利用Landsat-TM資料進行估產(chǎn)的研究雖然少見,但在一定區(qū)域范圍內(nèi),利用TM資料進行估產(chǎn)還是能得到較好效果的。例如張智韜等利用遙感影像(TM)的綠度指數(shù)(GDVI)對小麥進行估產(chǎn),通過與實際產(chǎn)量進行比較,其估產(chǎn)精度可達88.9%以上。3.4使用其他衛(wèi)星數(shù)據(jù)來估計產(chǎn)量雷達具有全天候、全天時的優(yōu)勢,也成為農(nóng)業(yè)信息動態(tài)監(jiān)測的遙感手段。4主要影響因素在大氣覆蓋區(qū)的測量,存在以下幾個以應(yīng)用較為廣泛的NOAA/AVHRR資料的NDVI為例,NDVI應(yīng)用研究很富有成效。但是由于AVHRR不是為土地覆蓋和植被研究所設(shè)計,其數(shù)據(jù)的應(yīng)用有著嚴重的局限性。如NDVI的飽和問題,對大氣影響的糾正不徹底,對低植被覆蓋區(qū)土壤背景的影響沒有處理等,使其進一步定量應(yīng)用受到不同程度的影響。LandsatTM資料在大面積遙感估產(chǎn)中也存在問題。根據(jù)中國遙感衛(wèi)星地面站的