华北平原冬小麦总初级生产力的遥感监测

该文以华北平原冬小麦为研究区,验证MODIS-GPP产品数据在下垫面复杂的农田生态系统的适用性,及农田生态系统的碳源/汇功能。首先采用MODIS-NDVI产品数据,根据冬小麦物候特征,解译出冬小麦种植面积;然后与经过验证并校正后的MODIS-GPP产品数据估算华北平原冬小麦2010年生长季内的GPP总量;最后,由涡度相关实测数据估算出冬小麦的生态系统呼吸量（RE）和净生态系统生产力(NEP)。结果显示：MODIS-NDVI解译出的冬小麦面积结果与TM解译结果的用户精度高达90.6%,总体精度达87.2%;MODIS-GPP产品数据与涡度相关数据估算结果的复相关系数高达0.9227;2010年华北平原冬小麦生长季GPP约为6.24′108 kgC,约占该区所有植被GPP的21.3%;华北平原冬小麦固碳能力较强,净生态系统生产力（NEP）占GPP的58.7%。研究表明,MODIS-GPP产品数据满足华北平原冬小麦GPP统计精度需求,冬小麦生态系统对陆地生态系统起到了重要的碳汇功能。     

利用Terra/MODIS数据提取冬小麦面积及精度分析

利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。     

华北平原2001-2011年冬小麦播种面积变化遥感监测

为及时、准确地获取华北平原冬小麦时空分布信息,构建多源遥感监测系统,基于MODIS EVI时间序列数据和两景TM影像,建立华北平原冬小麦时序波谱曲线库,并结合农作物物候历制订统一规则,在此基础上,重建华北平原2001-2011年冬小麦播种面积时空变化过程。结果表明:1)多源遥感监测系统提取华北平原2001-2011年冬小麦信息,在栅格尺度上获得了稳定的较高分类精度,平均为76.36%;在县域行政单元尺度上,2011年的冬小麦遥感监测面积与统计数据的耦合度也较高(决定系数为0.89,均方根误差为1.29×104 hm2);2)华北平原2001-2011年的冬小麦播种面积呈持续上升趋势,2011年比2001年增加了156.05×104 hm2(14.96%);3)冬小麦播种面积大致呈"南增北减"的时空变化格局:平原中南部的鲁西南平原、胶莱平原、豫东平原和皖北平原冬小麦种植面积扩张趋势显著;而北部的京津冀地区冬小麦面积明显收缩。该研究旨在为华北平原调整农业种植结构、制订粮食安全策略及优化水资源管理提供数据支持,也可为大范围、长时间尺度的作物播种面积时空变化遥感监测提供方法借鉴。     

基于决策树和混合像元分解的江苏省冬小麦种植面积提取

归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。     

综合季相节律和特征光谱的冬小麦种植面积遥感估算

及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。     

基于遥感的华北平原农作物时空分布变化特征分析

作物种植面积的多年时空变化是进行农业结构调整和优化的基础,也是开展农业减灾、地下水保护的重要依据。为了解华北平原主要作物近年来种植面积的时空变化过程,本文基于2000—2013年的MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,并分析了华北平原主要作物近年来的时空变化特征。结果表明:1基于MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,提取精度较高,结果可靠;2冬小麦?夏玉米主要分布于太行山前平原、山东省和河南省的引黄河灌区,单季玉米在河北平原北部分布最广,水稻集中分布于天津、河北唐山地区和黄河沿岸,蔬菜主要分布在城市郊区,林果分散分布于几个产果区和京津周边地区,棉花主要集中于华北平原中部地区。3华北平原粮食作物(小麦、玉米和水稻)种植面积明显下降,经济作物(林果和蔬菜)则显著增加,其中林果、蔬菜和水稻的面积变化率较大,分别为56.45%、35.76%和23.16%,蔬菜和水稻的位置转移明显。4景观格局AWMPFD和SHEI指数值表明,河北平原以南的冬小麦?夏玉米种植规模化程度提高,豫北地区冬小麦?夏玉米种植面积增加,豫北以北地区由于各类经济作物种植面积增加,区域作物种植多样化指数增加。该结果可为农业种植结构调整、资源合理利用提供参考。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

基于历史时序植被指数库的多源数据作物面积自动提取方法

针对目前作物提取工作中难以综合应用多源遥感数据进行自动分类的现状,该文以新疆博乐市为试验区,使用多年MODIS数据建立各类作物历史参考时序植被指数曲线库。对TM和环境星数据共同构成的当年时序数据通过植被指数转换、曲线相似性比较,并结合区分不同作物的关键时相,在长时期种植制度变化不大的区域,自动提取作物种植面积。结果表明:该方法使用多源(环境星+TM)中高分辨率遥感数据构建的时序植被指数提取作物的总体精度可达到90%以上;与传统的监督分类方法相比,省去了人工采集训练区的步骤,实现了作物种植面积的自动提取。     

基于种植制度利用MODIS数据提取冬小麦种植面积

为了及早获取冬小麦种植面积,为国家制定相关政策提供科学依据,该文基于山东省种植制度,将山东省冬小麦划分为“机播冬小麦—玉米”和“人工撒播冬小麦—水稻”两种类型,利用MODIS影像数据,分析冬小麦播种后、越冬期前冬小麦、大蒜、温室蔬菜的归一化差值植被指数（NDVI）值特征,结合9月中旬前茬作物NDVI特征建立当年机播冬小麦提取条件;鉴于稻茬麦播种后、越冬前的光谱特征与温室蔬菜光谱特征极为相似,则在水稻种植区利用拔节期冬小麦生物量迅速增长的特点提取上一年稻茬麦种植面积,由于“人工撒播冬小麦—水稻”这种耕作模式在山东特定地区较为固定,因此将上一年稻茬麦面积作为当年稻茬麦种植面积;合并两种类型冬小麦面积,用284组定位点数据对提取结果进行检验,精度达到了94.01%,结果表明：于越冬期前提取冬小麦种植面积是可行的,提取时间较利用拔节期NDVI值方法提前4个月。     

基于时序归一化植被指数的冬小麦收获指数空间信息提取

为获取农作物收获指数（HI）空间分布信息,该研究充分利用遥感技术,以冬小麦为例,利用时序归一化植被指数NDVI构成的作物生长过程曲线提取MODIS NDVI阶段性累积特征参数,并用生殖生长关键阶段和营养生长关键阶段对应的NDVI累积参数比值HINDVI_SUM构建了用于反演冬小麦收获指数的参数,并建立了参数HINDVI_SUM与冬小麦实测收获指数的定量关系,利用上述定量关系实现作物收获指数空间信息的提取。经过对反演冬小麦收获指数的精度验证,结果表明,利用构建参数HINDVI_SUM在区域范围内反演冬小麦收获指数取得了较好的效果。其中,冬小麦收获指数预测的平均相对误差为2.40%,均方根误差（RMSE）为0.02,证明了该研究利用时序NDVI构建参数HINDVI_SUM反演区域冬小麦收获指数空间信息的方法准确性和可行性。     

基于多年MODIS NDVI 分级的河北平原农田生产力评价

根据中等分辨率航天成像光谱仪(MODIS)遥感数据计算的归一化植被指数(NDVI)被广泛用于作物长势监测和产量预报, 但由于NDVI 数值在不同年份的同一时期变化较大, 直接用于评价农田生产力会有较大误差。本文以河北平原所在的北纬37°~39°之间连续种植的冬小麦农田为研究区域, 通过对多年冬小麦MODISNDVI 数据进行比较和分级, 尝试用每季NDVI 在区域内的高低级别评估区域农田生产力。Landsat 卫星数据用于对不同时相MODIS 图像进行精确配准, 从而实现像素尺度上长时间序列数据的统计分析。首先, 对区域内2000~2008 年间每年作物返青期到成熟期的NDVI 平均值及各生育阶段NDVI 平均值分别进行高低分级, 以了解河北平原农田生产力的空间变异, 结果显示其中高水平农田分布在太行山山前平原, 指数等级水平并没有完全按南北走向趋势分布, 表明该研究方法受纬度差异的影响较小。不同年份分析结果显示, 2008 年东部地区也出现了较高等级的田块。其次, 利用NDVI 分级结果计算出9 年间NDVI 等级的变异系数, 对采用不同生育期NDVI 可能带来的误差进行了分析, 结果显示不同小麦生育期NDVI 等级的变异系数不同, 返青期和成熟期变异系数较大, 且具有一定的地理差异。最后, 利用GIS 空间分析方法以9 年NDVI 分级结果为基础制作了以县为单元的麦田生产力等级图, 结果显示河北平原农田生产力高低分区, 同时也表明中低水平区块有较大提升空间, 为河北县级土地管理和耕地质量管理提供理论依据。     

基于改进N-FINDR算法的华北平原冬小麦面积提取

为了解决MODIS数据中普遍存在的混合像元问题,该文利用2008年和2009年多时相的MODIS13Q1影像,以经过优化的N-FINDR算法进行线性混合像元分解提取冬小麦种植面积,各省的误差均控制在正负4%左右。利用同期多时相的HJ-1星分类数据作为参考值,在试验区域选择14个均匀分布的样区验证混合像元分解结果。结果显示6个样区的相对误差在10%以内,其余8个样区的误差基本在15%左右。该研究可为冬小麦种植面积的监测提供参考。     

基于MODIS-EVI及物候差异免阈值提取黄淮海平原冬小麦面积

使用植被指数阈值法提取冬小麦种植面积时,通常需要根据区域间物候差异设置不同阈值。针对这一问题,该文以黄淮海平原为研究区,使用农业气象站生育期观测数据和气象再分析资料,利用逐步进入法模拟冬小麦播种期和成熟期,使用Savitzky-Golay(S-G)滤波重构的MODIS EVI数据逐像元计算播种期至成熟期EVI的峰值频数并结合光谱突变法构建了具有普适性的冬小麦种植面积提取模型。用统计数据验证提取结果表明:在市级尺度和县级尺度上R~2分别为0.91(RMSE 60.08×10~3 hm~2)和0.80(RMSE 8.97×10~3 hm~2)。该文改进的提取模型既考虑了区域间的物候差异,又避免了阈值设置问题,具有一定的普适性,能较好地在大范围内应用于冬小麦面积快速提取,可为大范围内冬小麦监测及估产提供参考。     

基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价

黄淮海农区是中国重要的粮食生产基地,研究该地区不同等级生产力耕地的空间分布,对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上,对10a时间序列冬小麦MODIS-NDVI进行特征参数提取,并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数,作为多年平均产量水平和稳产水平的指示指标,进行黄淮海农区冬小麦种植区耕地生产力评价,得到黄淮海农区冬小麦生产力空间分布图。结果显示:1)多时相MODIS-NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证,有较高的提取精度;2)县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系,可以用来评价冬小麦生产力水平;3)研究区冬小麦种植区耕地以中低生产力水平为主,高生产力水平的耕地只占不到20%。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区,中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区,而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导,局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。     

基于四维变分和集合卡尔曼滤波同化方法的冬小麦单产估测

为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。     

基于STME模型和MODIS数据的滹滏平原实际蒸散量遥感估算

滹滏平原光、热及土壤资源优越,是华北平原重要的粮食生产基地,灌溉是该区农业获得稳产高产的重要保障,持续抽取地下水和无节制利用地表水已经引起了严重的水资源危机,合理高效利用有限水资源进行农业生产势在必行。本文利用单源梯形遥感蒸散发模型(a single-source trapezoid model for evapotranspiration,STME)和中等分辨率成像光谱仪MODIS(2011—2012年共115期)地表温度和反射率产品估算区域地表土壤缺水状况及实际蒸散量,并利用中国科学院栾城农业生态系统试验站(以下简称"栾城站")和赵县梨园涡度相关系统地表水热通量的观测值对STME模型估算结果进行验证。结果表明该模型可以很好地估算区域蒸散量,误差在可接受范围内。赵县梨园净辐射Rn的观测平均值为4.10 mm,估算平均值为4.69 mm,均方根差RMSD为0.80 mm;赵县梨园蒸散量观测平均值为2.86 mm,估算平均值为3.01 mm,均方根差RMSD为0.95 mm;栾城站蒸散量的观测平均值为2.67 mm,估算平均值为2.44 mm,均方根差RMSD为0.87 mm。将STME模型应用到滹滏平原估算日蒸散量,明确了区域尺度蒸散发的时空变化特征:10月份果园生态系统蒸散量多于农田生态系统;11月份区域蒸散量整体小于1 mm;第2年春季小麦返青、拔节期,农田生态系统蒸散量多于果园生态系统蒸散量;5月份处于植被生长旺盛期,农田和果园生态系统的蒸散量相差不大;6月份小麦收获,玉米播种,农田生态系统蒸散量少于果园生态系统;7月份整个区域蒸散量达到最大,蒸散量不仅与植被长势相关,而且与土壤湿度相关;8、9月份随着植被的成熟和收获,区域蒸散量整体变小。不同时期区域水分亏缺指数不同,可根据其指导区域灌溉量。STME模型继承了基于数理计算确定梯形顶点的方法和水分亏缺指数,使得计算过程得以简化且物理机制明确。