NDVI时序相似性对冬小麦种植面积总量控制的制图精度影响

遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题,这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息,该研究以河北省衡水市武邑县为研究区,以时序Sentinel-2遥感影像生成的归一化差值植被指数(Normalized Difference Vegetation Index, NDVI)为研究数据,将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考,提出基于复合型混合演化算法(Shuffled Complex Evolution-University of Arizona, SCE-UA)和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法,并进行精度验证。在此基础上,进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明,利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上,总体精度达98.08%,Kappa系数为0.96,可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知,利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果,而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低,且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据,也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。     

基于环境减灾卫星时序归一化植被指数的冬小麦产量估测

依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。     

基于EPIC模型的冬小麦生长模拟参数全局敏感性分析

模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明：收获指数（HI）、生长季峰值点（DLAI）、潜在热量单位（PHU）、最大作物高度（HMX）是影响模型本地化最为关键的参数（总敏感指数＞0.1）;作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数（总敏感指数＞0.1）。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传统局部敏感性分析方法。     

基于NDVI加权指数的冬小麦种植面积遥感监测

该文针对农业信息服务中冬小麦种植面积调查业务的现状与需求,提出了一种基于NDVI（normal difference vegetation index）时间序列的冬小麦NDVI加权指数（WNDVI,weighted NDVI index）影像算法,可在训练样本、验证样本选择的基础上实现冬小麦面积的自动提取,并以河北省安平县及周边地区2013－2014年度冬小麦面积提取为例,采用GF-1/WFV（wide field view）数据进行了算法实现。算法的主要思路是在时序影像基础上,通过冬小麦NDVI加权指数影像的构建,扩大冬小麦地类与其他地类的差异,结合自适应的阈值获取方法,区分冬小麦地类,获取冬小麦作物面积。算法包括冬小麦时间序列影像的获取、基于网格的样本点设置、构建冬小麦 NDVI 加权指数影像、迭代确定冬小麦NDVI加权指数提取阈值、精度验证这5个部分。影像的获取根据冬小麦的生长时间确定,保证每月1景GF-1/WFV无云影像,并进行预处理及NDVI计算;同时将研究区划分为一定数量的网格,每个网格再等分为2×2个子网格,根据目视解译、专家知识、实地调查等方法,确定左上网格中心点及右下网格中心点的地物类型。统计该期所有左上网格点冬小麦及其他地物的NDVI均值,冬小麦NDVI大于其他地物的将该期影像的权值设置为1,否则设置为?1,将所有时相NDVI影像进行加权平均,即可获取冬小麦NDVI加权指数影像。获取冬小麦NDVI加权指数影像后,还需设置合适的阈值提取冬小麦。该文选用右下网格点目视解译分类结果作为阈值提取依据,具体方法是将冬小麦指数从小到大按照一定间隔划分,作为冬小麦 NDVI 加权指数提取阈值,将各阈值二值法运用,与右下网格点的冬小麦提取的目视解译结果对比,精度最高的就是最优冬小麦 NDVI 加权指数分割阈值。在所有网格中,以初始识别获取的冬小麦面积为准,等概率选择10个样方作为精度验证样方进行验证。精度验证结果表明分类总体精度达到94.4%,Kappa系数达0.88。该文通过构建冬小麦NDVI加权指数,将比较复杂的多个参数转换为一个参数,并且农学意义明确,相比传统的NDVI时序影像进行冬小麦面积的提取,具有自动化程度高、面积提取精度高、分类结果稳定的特点,已经在全国农作物面积遥感监测业务中进行了应用。     

利用STARFM模型提高复杂地表下复种指数遥感提取精度

复种指数是表征耕地利用程度的重要参数。然而，传统方法存在对影像获取条件要求较高，或在地表复杂区域提取精度较低等问题。高时空分辨率数据融合算法（如Spatial and Temporal Adaptive Reflectance Fusion Model, STARFM）能有效地结合不同数据的优势，有望被应用于提高复杂地表区域复种指数的提取精度。该研究以Landsat TM（Thematic Mapper）及MODIS（Moderate-resolution Imaging Spectroradiometer）为数据源，基于STARFM模型，构建了川东丘陵某区域内2010－2011年的Landsat-like 时序NDVI（Normalized Difference Vegetation Index）数据集，进而提取了该区域2010年冬季作物种植区及盐亭县2011年耕地复种指数的空间分布情况。利用目视解译样点（1509个）验证及多尺度（30～4 000 m）验证方法，对不同方法提取的2010年冬季作物种植区进行了对比分析。结果表明：1）在30m空间尺度上，基于Landsat影像分类法的总体验证精度为89.73%，高于基于Landsat-like时序NDVI峰值法的54.94%；2）在250～4 000 m空间尺度上，基于Landsat-like时序NDVI峰值法的总体验证精度比基于MODIS时序NDVI峰值法高3%～7%。利用统计年鉴及调查样点（73个）数据，对基于新方法提取的盐亭县2011年耕地复种指数结果进行了验证，在县域尺度上其与统计数据非常接近；其与调查样点的总体验证精度达到73.97%。综上，基于数据融合算法提高数据源空间分辨率的方式，不仅能够提高复杂地表复种指数结果的空间精细程度和提取精度，而且在实际应用中也有很好的实用性。     

利用HJ-1-A/B CCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。     

基于花后累积地上生物量比例的冬小麦动态收获指数估算

针对已有基于遥感信息的收获指数估算对籽粒灌浆过程中作物生物量变化和收获指数变化过程考虑不足且估算精度有待进一步提高的现状,该研究以冬小麦为研究对象,基于冠层高光谱数据、地上生物量和动态籽粒产量等数据,在提出灌浆至成熟阶段动态收获指数（Dynamic Harvest Index, DHI）和构建花后累积地上生物量比例动态参数（Dynamic fG, D-fG）基础上,提出了敏感波段中心构建归一化差值光谱指数（Normalized Difference Spectral Index, NDSI）估算D-fG的作物动态收获指数估测技术方法并进行精度验证。在此基础上,通过敏感波段宽度扩展确定了冬小麦D-fG估算敏感波段最大宽度,并实现了最大波宽下D-fG和DHI的遥感获取。结果表明,筛选的5个敏感波段中心λ（366 nm, 489 nm）、λ（443 nm, 495 nm）、λ（449 nm, 643 nm）、λ（579 nm, 856 nm）、λ（715 nm, 849 nm）构建NDSI进行D-fG遥感估算均达到了较高精度水平,均方根误差（Root Mean Square Error, RMSE）在0.036～0.050之间,归一化均方根误差（Normalized Root Mean Square Error, NRMSE）在10.46%～14.59%之间;基于敏感波段中心的DHI估算中,RMSE在0.039～0.053之间,NRMSE在10.50%～14.28%之间;估算D-fG的5个敏感波段中心最大波段宽度分别为30、68、58、20和86 nm,基于最大波宽获取DHI估算结果中,RMSE在0.054～0.055之间,NRMSE在14.38%～14.65%之间。可见,该研究所提收获指数遥感估算方法具有一定的可行性,为获取冬小麦动态收获指数提供了新思路和新方法,也为窄波段高光谱卫星遥感和宽波段多光谱卫星遥感获取大范围作物收获指数空间信息提供一定技术参考。     

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。     

基于遥感影像的作物生长监测系统的设计与实现

利用遥感监测技术实时快速地获取作物长势参数和氮素营养状况,可以为作物的精确管理提供决策支持。在已有作物（小麦和水稻）生长监测模型的基础上,采用GDAL和GDI+信息处理方法,使用EM算法对反演的作物长势参数进行聚类分析,在Microsoft .NET平台上构建基于聚类分析和遥感影像的网络化作物生长监测系统。系统具有常见格式遥感影像读取、遥感信息提取、作物长势参数反演、聚类分析、专题图制作以及信息发布等功能,并以江苏省方强农场为案例区,对系统的部分功能进行了测试与检验。结果表明,该系统能够准确的读取遥感影像信息,反演作物生长参数,并可根据聚类分析结果自动制作专题图,通过互联网予以发布,从而初步突破了用户无法直接参与遥感影像分析过程的瓶颈,为区域尺度的作物生长监测和精确管理调控提供了决策支持。     

基于NDVI-Ts特征空间的冬小麦水分诊断与长势监测

综合利用NOAA气象卫星4个波段的信息,来证实NDVI-Ts特征空间是否可用于作物的水分亏缺诊断以及监测作物长势.该文在N0AA17/AVHRR数据基础上,利用其1和2通道的数据计算了NDVI,利用4和5通道数据采用优选出的UL92裂窗算法反演了Ts,以邯郸地区为例计算了其植被供水指数(NDVI/Ts)并用NDVI-Ts二维特征空间分析该区冬小麦长势的情况.结果表明:NDVI/Ts基本能诊断邯郸地区冬小麦关键生育期(拔节和灌浆)的水分亏缺状况:NDVI-Ts二维特征空间表证了在各生育期冬小麦地的NDVI和Ts呈反比线性关系,而裸地二者没有相关性,证明了NDVI-Ts特征空间确实是研究作物水分亏缺和长势监测实用的理论方法.     

基于变化向量分析的冬小麦长势变化监测研究

现有的农作物长势遥感监测的基本思路是利用NDVI曲线形态变化与作物苗情变化的响应关系,提取特征参数,推测作物的生长发育状况.但由于表征NDVI时间序列曲线的特征参数较多,难以对所有特征参数进行全面变化分析.本研究引进变化向量分析理论,以东部五省冬小麦为研究对象,以1999-2005年SPOT-VGT的旬最大合成NDVI数据为主要数据源,采用Savizky-Golay滤波器重构NDVI时间序列,进而构建基于变化向量分析的长势监测模型,分别对研究区的年际与年内长势变化进行时间和空间上的定量分析.研究表明,变化向量分析方法能有效地从空间域和时间域反映东部五省冬小麦长势变化规律,以单一综合性指标综合了NDVI时间序列曲线的大多数特征参数,为农作物长势遥感监测提供了一种新的研究思路.     

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。     

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。     

基于遥感数据的冬小麦农情监测研究进展

对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效。提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望。     

用NOAA图像监测冬小麦面积的方法研究

冬小麦种植面积是农情监测中一个重要的监测因素,对生产管理与产量预测有重要意义。该文在冬小麦与同期主要大宗作物绿度－时相曲线对比分析的基础之上,建立反映冬小麦种植区域的差值植被指数图像,采用遥感－统计的方法,对利用ＮＯＡＡ图像进行冬小麦种植面积遥感监测进行了初步研究。通过对我国冬小麦主产区的河北、河南和山东三省的监测实验证明,该方法适用于大范围的冬小麦种植面积遥感监测。     

基于异源多时相遥感数据提取灌区作物种植结构

用遥感技术提取灌区作物种植结构需要源影像具有适宜的时空分辨率以适应其动态变化特征。该文综合运用多种遥感影像数据,将Landsat ETM+与MODIS NDVI数据融合区分灌区土地利用类型,由融合后的时间系列数据非监督分类结果提取植被指数变化信息,结合作物系数变化规律运用光谱耦合技术提取作物种植结构。根据该方法将漳河灌区作物种植结构区分为水稻—油菜、水稻—小麦、单季夏季作物以及双季经济作物。由地面统计数据和高分辨率IKONOS影像进行了检验,分类精度达到91%并且与统计数据相吻合。结果表明该法不仅能提供更为准确的灌区作物种植结构时空信息,而且节省影像购买成本,方便灌区尺度遥感应用。     

BEPS模型在华北平原冬小麦估产中的应用

粮食是一切生产和生活的根本,准确地估计冬小麦的产量,对国家制定粮食政策至关重要。该文利用北部生态系统生产力模拟（BEPS,boreal ecosystem productivity simulator）模型能够模拟森林植被净第一性生产力的特点,分析了BEPS模型在冬小麦估产中的适用性和局限性。针对冬小麦和森林植被冠层的不同生长特点,假设冬小麦冠层具有水平均一、垂直分层的结构,利用辐射传输方程,将原BEPS模型中的两片大叶模型改造为多层-两片大叶模型;同时,利用前人提出的收获指数（HI,harvest index）的概念,将冬小麦的净第一性生产力转化为经济产量,从而实现利用遥感机理模型对冬小麦产量的估算。将改进后的模型用于华北平原冬小麦估产中,并利用国家级农业气象站点的实测产量资料对模拟结果进行验证,复相关系数达到0.817,说明改进后的BEPS模型可以用于华北平原冬小麦的估产研究。     

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。