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。     

利用动态阈值决策树分类的华北平原冬小麦动态监测

华北平原是中国最大的粮食生产基地,准确监测其冬小麦种植面积及其变化对粮食产量预测和国家粮食安全具有重要意义。然而,不同土地利用产品所估算的小麦面积、空间分布及其动态均存在较大分歧,不能有效反映出冬小麦的长期变化特征。该研究结合作物物候特征和已有小麦专题数据产品,首先构建动态阈值决策分类算法,以降低传统方法在阈值设定和样本筛选方面的不确定性;进而分析了2003—2022年华北平原区冬小麦播种面积的长期变化规律。结果表明：1）该研究提出的动态阈值决策分类算法能准确地提取冬小麦面积,平均总体精度为93.44%,且与统计数据具有较高的一致性;2）2003—2022年华北平原冬小麦种植面积整体呈上升趋势,不同地区变化类型差异较大;3）研究时段内,持续种植冬小麦的耕地面积仅占各年份种植范围总面积的5%,种植次数低于10 a的面积占比达55%;4）河北中南部、山东省西部和河南省中北部冬小麦种植面积相对稳定,京津冀地区以及山区冬小麦播种面积变化相对频繁。该研究可为大尺度冬小麦动态监测提供了新的方法视角,并对科学制定耕地调控策略具有重要意义。     

黄河三角洲典型区域冬小麦播种面积变化与土壤盐分关系研究

【目的】将土壤盐分含量与冬小麦分布变化结合,分析两者之间的时空关系,旨在探索土壤盐碱化对冬小麦种植的影响,为冬小麦生产决策提供科学依据。【方法】以黄河三角洲垦利县为研究区,采用2003年4月、2008年4月和2013年3月三期ETM影像,通过分析典型地物光谱曲线生成决策树模型,提取冬小麦分布信息,将各时相冬小麦种植分布提取结果做空间叠加,分析了近10年来冬小麦面积与分布的变化规律;并结合实地土壤盐分调查分析数据,分析了冬小麦种植面积变化与土壤盐分的关系。一方面,将垦利县冬小麦分布图分别与相应时相的土壤含盐量分布图进行空间叠加分析,并对叠加图的属性进行统计,对比分析冬小麦分布与土壤含盐量分布的关系。另一方面,通过叠加2008和2013年土壤盐分含量分布图,将盐分变化分为盐分升高区和盐分降低区,将其与同时段的冬小麦种植范围变化图进行叠加,分析土壤盐分含量变化对冬小麦分布变化的影响。【结果】1)垦利县冬小麦的分布具有明显的空间特征,主要分布在垦利县域西南部和东北部黄河沿岸两个区域,与土壤低含盐量区具有一致的空间分布特征。2)垦利县冬小麦种植面积呈现2003 2008时段大幅减少和2008 2013时段的少许增加趋势。3)冬小麦种植范围变化与土壤盐分含量的相关性极高,冬小麦种植无变化区域土壤含盐量都集中在1.52.5 g/kg之间,冬小麦种植增加区域的土壤盐分含量集中在2 3 g/kg,而冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,即超过3 g/kg的土壤含盐量已不再适合冬小麦的生长。4)2008 2013年垦利县冬小麦分布区域变化显著受到土壤含盐量的变化。在土壤含盐量降低的小麦区域中,冬小麦种植增加区和不变区的面积占98.07%,而在土壤含盐量升高的小麦区域中,冬小麦种植减少的面积占84.54%。【结论】冬小麦种植范围及其变化显著受到土壤盐分状况及其变化的影响,冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,且随着土壤含盐量的升高冬小麦种植面积骤减,3 g/kg的土壤含盐量是适合冬小麦生长的上限,土壤含盐量调控是维持和扩大冬小麦种植范围的关键手段。     

华北平原冬小麦面积遥感提取及时空变化研究

多年作物种植面积的时空变化可以反映种植结构的调整结果,并可用于进行驱动力分析。为解决连续遥感监测作物种植面积变化过程中,不同的训练样本或分类规则不能较好地反映作物种植面积时空格局变化的问题,本文首先根据研究区(华北平原)农业气象观测站提供的主要农作物物候观测资料获得主要农作物典型物候期特征,结合HANTS滤波后的NDVI时间序列数据提取不同地物类型的NDVI时序曲线,引入复种指数,探讨了CART算法在提取华北平原冬小麦种植面积的可行性,最后提取了2000—2013年华北平原冬小麦种植面积,并参考市级的农业统计数据进行精度评价。经检验,近13年的遥感监测种植面积与农业统计面积相关系数达到0.94(置信水平为95%),且各市13年面积一致性小于40%的概率仅为15%。利用遥感监测多年冬小麦空间分布信息获得其空间种植概率,能较好地反映研究区冬小麦的主要种植区,该方法可为大范围、连续年份冬小麦种植面积时空格局的遥感监测提供参考。     

应用线性混合模型遥感监测冬小麦种植面积

中分辨率成像光谱仪（MODIS）具有多光谱、多时相以及免费接收使用的优势。该文利用冬小麦返青期间的MODIS多光谱数据,采用传统的监督分类和阈值方法研究冬小麦种植区域的分布情况,同时针对遥感像元多为混合像元的特点,重点将线性混合像元分解技术应用于冬小麦种植面积的分解计算研究。比较不同分类方法对冬小麦种植面积估算的精度分析表明,采用线性混合分解模型,绝大部分（98.45%）的均方根误差都小于0.01,对比实际冬小麦种植面积数据,相对误差约3%,明显优于传统遥感分类方法的精度。     

基于TM和MODIS数据的水旱地冬小麦面积提取和长势监测

采用Mahalanobis Distance分类法提取了冬小麦种植面积,通过搭建决策树结构进行了不同灌溉类型冬小麦种植面积的提取,通过两个年份不同生育时期MODIS-NDVI的比较,分析了NDVI时间曲线与冬小麦长势的响应规律和水旱地冬小麦年同期长势。结果表明：2007年临汾地区冬小麦总种植面积为234778.5 hm2,提取精度为96.96%,其中水地种植面积为107488.3 hm2,提取精度为86.15%,旱地冬小麦为127290.2 hm2,提取精度为86.16%。生育期内,水地冬小麦整体长势好于旱地冬小麦,通过NDVI变化斜率比较,表明随着生育期的推进,水地冬小麦NDVI达到峰值前的上升速度远大于旱地冬小麦,峰值后水地冬小麦NDVI下降速度小于旱地冬小麦。     

利用MODIS遥感数据监测冬小麦种植面积

冬小麦是中国最主要的粮食作物之一，利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一。美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪（MODIs）具有独特的光谱、时相和空间分辨率，为大范围的冬小麦种植面积监测提供了可靠的数据源。但中国耕地破碎，即使是250m分辨率的MODIS数据，采用传统的信息提取方法依然无法取得高的精度。因此结合多源遥感数据和GIS数据，建立了基于TERRA／MODIS数据的冬小麦种植面积遥感监测体系结构。首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图，用以指导野外采样工作；其次，在采样工作基础上，利用LANDSAT进行区域冬小麦种植面积提取；最后利用2002年TERRA／MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测，监测结果与国家统计数据相比，相对误差为5．25％，精度能满足农情监测的需要。研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法。     

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。     

华北平原地下水压采区冬小麦种植综合效应探讨

华北平原冬小麦-夏玉米一年两熟种植模式为维护国家粮食安全发挥了重要作用。但冬小麦生长期正处于华北平原降水较少的干旱季节,实现高产依赖于灌溉,是华北平原地下水超采的主导因素之一。随着国家地下水限采政策的实施,在地下水超采区如何稳定冬小麦的种植面积和产量是面临的一个重要问题。本文通过综述以往研究并结合典型地点田间试验结果,从冬小麦种植可减少休闲期土壤蒸发损失、具有的深根系系统可充分利用土壤储水、可利用微咸水替代淡水灌溉、通过限水灌溉发展优质麦生产、冬春形成覆盖层美化和防沙尘效应等方面论述了华北平原种植冬小麦的优势,提出华北平原冬小麦生产需要转变传统高耗水高产量理念,充分发挥冬小麦抗旱、耐盐能力强的特点,在不实施大规模压缩冬小麦种植面积条件下,通过冬小麦限水灌溉和微咸水利用满足对地下水压采需求,充分发挥华北平原冬小麦种植冬春防风沙、美化环境的生态功能,同时满足区域口粮安全的保障功能。     

基于Cokriging插值修正冬小麦面积遥感监测

在研究区内冬小麦种植区选取149个地面样方,筛选样方内反映种植结构、地块破碎程度、地形因素的参数并利用差分GPS测量,对3个参数量化并确定插值的主辅变量。探讨和比较了利用普通克里格和协同克里格2种插值方法对研究区的冬小麦种植面积比例的插值结果。结果表明,相同采样数量下,协同克里格法相对于普通克里格法的均方根误差降低1.48%,预测值与实测值之间的相关系数提高了6.82%,利用COK插值获取研究区内冬小麦种植面积比例分布状况,可以分区域对大尺度冬小麦面积遥感提取结果进行修正。     

中亚五国棉花和冬小麦需水量的变化及预测

农业灌溉用水是中亚地区最主要的水资源利用方式,灌溉用水量的变化直接影响中亚地区水资源消耗量,进而影响水资源管理和配置。作物需水量是衡量农业灌溉用水量的直接指标,为此本文以中亚主要作物棉花和冬小麦为研究对象,分析了2006—2015年中亚地区灌溉农业用地,以及棉花和冬小麦的需水量变化,并利用CA_Markov方法预测了2030年灌溉农地的变化,进而分析了未来中亚地区农业需水量的状况。研究表明,2006—2015年,中亚地区灌溉农田面积总体增加492km~2,其中哈萨克斯坦、吉尔吉斯斯坦和土库曼斯坦均有所增加,但塔吉克斯坦和乌兹别克斯坦有所减少。2006—2015年,棉花需水量只在土库曼斯坦和哈萨克斯坦东部地区显著增加(2.5～4.3 mm·a~(-1)),在吉尔吉斯斯坦显著减少,并且是唯一呈现总体减少趋势的国家。冬小麦需水量在土库曼斯坦明显增加(10.0mm·a~(-1))。至2015年,土库曼斯坦的棉花总灌溉水量增幅最大(3.44%),其他4个国家变化较小。中亚五国冬小麦的总灌溉水量均呈上升趋势; 2030年,土库曼斯坦是唯一灌溉农业用地增加的国家,棉花和冬小麦的总灌溉水量均明显增加,棉花灌溉水量增加约28km~3,冬小麦增加约17 km~3。     

冬小麦面积遥感识别精度与空间分辨率的关系

不同空间分辨率农作物面积识别精度是农情遥感监测数据源选择的依据。该文采用WFV(wide field view)、MODIS(moderate-resolution imaging spectroradiometer)、OLI(operational land imager)、Google Earth影像,在天津市武清区选择了12 km×14 km的冬小麦种植区作为研究区域,采用目视识别的方法,分析了2、5、10、15、30、100、250 m共7个空间分辨率尺度下冬小麦面积识别精度与遥感数据分辨率、农田景观破碎度之间的关系。结果表明,随着空间分辨率由2 m变化到250 m,冬小麦面积识别的总体精度逐步由98.6%降低到70.1%,精度降低28.5%;面积数量比例由5.5%扩大到110.6%,误差增加105.1个百分点;面积精度呈明显下降趋势,数量误差呈明显增加趋势,数量误差的增加速度高于精度下降的趋势。高、中、低3个景观破碎度条件下,随着分辨率由2 m降低到250 m,作物识别精度分别降低了72.8、63.2和47.0个百分点,破碎度的增加导致面积识别精度下降速度更快;同等分辨率下,破碎度越高的地区面积识别精度越低。像元内冬小麦占比与可识别能力密切相关,像元占比达到45.0%以上时才能够被正确识别为冬小麦类型,像元尺度降低导致细小斑块丢失是造成面积识别与数量精度降低的主要原因。像元空间分辨率越高,冬小麦像元的光谱一致性越强,越有利于冬小麦分类精度的提高。针对农情遥感监测业务运行的需要,上述研究结果可以作为区域范围不同用户精度要求前提下遥感数据源选择的依据。     

利用最大熵法(MaxEnt)模拟中国冬小麦分布区的年代际动态变化

从冬小麦地理分布的生理机制、生长特性和熟制出发,基于气候因子对冬小麦种植区分布的贡献,从区域尺度和年尺度收集了影响冬小麦种植分布的气候因子,并利用最大熵方法(MaxEnt)模拟和筛选了影响冬小麦分布的最佳气候因子组合即春化温度(0～7℃)持续的天数、最冷月平均温度、潜在蒸散量和年降水量,构建了冬小麦种植分布-气候关系模型,分析了1961-2010年中国冬小麦种植区及高适宜区的变化.结果表明,冬小麦可种植区的最冷月平均温度范围为-12～15℃,冬小麦的存在概率随着0～7℃持续天数的增加而增加,年降水量过低将严重影响冬小麦种植区分布的存在概率,年降水量低于200mm的地区不存在冬小麦分布.研究结果还表明,1961-2010年中国冬小麦种植区呈北移西扩趋势,高适宜区发生北移,从而增加了中国北方高寒地区的冬小麦可种植面积,同时有效提高了中国北方地区的气候资源利用率,可增加冬小麦产量.研究结果可为准确预测现在和未来气候条件下中国冬小麦的分布情况,科学合理地应对气候变化提供依据.     

安徽省冬小麦品种生态气候适宜性分析和精细化区划

利用安徽省78个气象站1971-2000年冬小麦生长阶段气象资料和地理信息,选取影响冬小麦品种分布和生长的主要气象因子建立区划指标,采用多元回归模型和GIS空间内插技术对指标要素栅格化,并通过温度和水分两级指标,形成千米网格的安徽省冬小麦品种生态气候适宜性精细化区划图,用安徽省耕地数据掩膜(mask)得到相应耕地意义的区划分布图,并进行分区评述。结果表明,以气温和降水为指标,可将安徽省冬小麦品种的生态气候适宜性划分为5大区11个亚区,分区结果能反映气候变暖背景下安徽省冬小麦生态气候适宜性的分布特点以及各区域温度适宜性和水分适宜性的差异。因冬季气温的南北差异,安徽省适宜种植的冬小麦品种自北向南冬性程度降低。冬小麦生产中的主要问题是水分失衡,北部水分不足,南部过多,制约了稳产高产。根据区划结果,应增强北部冬小麦主产区的抗旱能力,适当扩大沿淮和江淮丘陵北部地区半冬性品种种植面积,尽量压缩南部地区冬小麦种植面积,以全面提高安徽省冬小麦生产水平。     

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GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用

耕地作为一种稀缺资源对国家和农民来说都具有极其重要的意义,但随着市场经济的深入和农村经济的发展,农村耕地撂荒现象时有发生,撂荒耕地必然导致土地资源浪费,影响到中国粮食安全和农民增收,也不利于农村经济社会稳定发展。沿淮地区是安徽省乃至全国重要的商品粮生产基地,但近年来冬季撂荒情况日益严重。该文拟选取安徽省霍邱县,利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像,提取霍邱县冬季作物种植的空间分布和面积,通过多年数据对比,来分析霍邱县近年冬季耕地撂荒情况。结果显示:2015、2016、2017三个年度冬小麦种植面积分别为937.72,821.79,608.91km~2。参照2015年度冬小麦种植情况,2016年度冬季撂荒面积115.93 km~2、占比12.36%,2017年度冬季撂荒面积328.81 km~2、占比35.06%。结合实地调研分析,霍邱县近年来冬季撂荒面积不断增大的的主要原因有农田排灌等水利设施不足、稻茬麦效益低、外出务工等。而2017年度撂荒面积明显增加的直接原因是冬小麦播种期间,出现连续阴雨异常天气,低洼地区田间积水严重,致使冬小麦无法播种,被动撂荒。该文的研究可以为沿淮地区冬季撂荒遥感调查提供技术参考。     

基于GF-1影像NDVI年度间相关分析的冬小麦面积变化监测

为实现区域冬小麦种植面积变化的快速监测,减少监测难度,提高监测效率和精度,该文提出一种基于年际NDVI相关关系的监测方法(relationship analysis of normal difference vegetation index,rNDVI)。选择河北省黄骅市、孟村县、海兴县3个县市为研究区,基于2014年4月14日、2017年4月26日两个时期的GF-1/WFV数据,基于rNDVI方法,通过将样本点两年度的NDVI值构建二维空间,采用最小二乘法拟合的方法获得不变地物点的上下包络线方程,进而得到冬小麦变化区域的监测阈值,提取冬小麦种植增加和减少区域,实现对研究区域的变化监测。结果表明,采用rNDVI算法总体精度分别为90.60%,Kappa系数为0.84,相比传统的先最大似然分类后再提取冬小麦种植变化区域的方法,总体精度与Kappa系数分别提高了6.6个百分点和16.7%。对冬小麦增加区域、冬小麦减少区域的变化监测结果进行分析,发现基于rNDVI的变化监测方法可以有效提高裸地、线状道路、破碎的冬小麦地块等区域的变化识别能力,提高监测精度。同时分别利用2014年3月1日和2017年3月12日、2014年5月17日与2017年5月20日两对GF-1/WFV数据进行基于rNDVI的冬小麦变化区域监测,结果表明3月份的监测精度较低,主要是由于3月份冬小麦长势尚不明显,5月份与4月份的总体精度相近,主要是由于5月份冬小麦NDVI已较高,易于识别。上述研究结果表明,基于rNDVI的冬小麦变化快速监测方法可以有效监测区域冬小麦种植面积的变化情况,算法简单高效,且能够在种植结构相对单一的冬小麦分布区域保持较高精度,能够满足农情遥感监测信息快速获取的需要。