农作物长势的定义与遥感监测

监测作物生长过程的状况与趋势,即长势监测是农业遥感更为重要的任务。其目的是：１）为田间管理提供及时的信息;２）早期估计产量。该文以冬小麦为例,根据实地调查与北方数省的资料,用作物的个体与群体特征定义作物长势,讨论了遥感监测的可能性,提出了基于植被指数与植被表面温度的长势遥感监测的评估模型与诊断模型的概念与算法。     

全国土壤水分及作物长势地面监测体系的初步构想

土壤水分和作物长势监测是农情监测系统中不可缺少的重要组成部分。土壤水分含量直接影响着作物生长，作物长势的好坏与作物产量有着密不可分的关系。该文从应用角度出发，通过分析自然环境及作物布局等区域特征，进行监测样点布设，明确了监测内容及评价指标，并构建网络信息化平台，建立大尺度的地面土壤水分及作物长势监测系统，实现数据网络化管理，同时结合遥感信息进行综合应用，及时为政府提供决策支持。     

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.     

基于遥感的国外作物长势监测与产量趋势估计

国外重点产粮区的作物长势和产量增长趋势信息对于中国政府决策和制订合理的粮食政策具有重要意义,但由于地域的限制、生产方式的差异以及国外可获取的气象资料有限,气象模型和农学模型在国外估产方面尚存在不足,遥感以其便捷、快速、客观的优势已被越来越多地采用进行国外作物长势监测和产量估计。该文以美国玉米和印度水稻为例,探讨了基于1kmSPOT-VGT遥感资料进行作物长势监测和产量趋势估计的方法,并结合当地气象条件对其结果进行了分析。经检验,利用该方法得到的长势状况及空间分布与实际基本一致,产量增长趋势预测准确率为100%;在作物生长旺盛季节,植株覆盖密度较大时,EVI比NDVI能更真实地反映作物的长势状况。该研究可为国外作物长势遥感监测与产量估算业务应用提供参考。     

国家级作物长势遥感监测业务系统设计与实现

作物长势监测是农情遥感监测的重要组成部分。为了建立稳定的作物长势监测业务系统,该文一方面选取NDVI时间序列提取的时空参数从不同侧面描述作物长势,建立作物长势监测的综合性模型,另一方面建立了一个覆盖全国主要农区、由200个县组成的地面调查网络,采集地面实况信息,并采用客户端/服务器（C/S）和浏览器/服务器（B/S）的混合结构开展系统设计,基于遥感和地面调查两个角度设计实现了国家级作物长势遥感监测业务系统,同时对由于作物种类和监测区域不同引起的长势评价标准不一致、模型定量化和业务系统架构仍需根据应用进一步分解完善等问题进行了讨论。以中国冬小麦主产区为例,进行了作物长势监测试验,取得较好的监测结果。目前该系统已在大尺度作物遥感监测中得到应用。     

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.     

变量施肥条件下冬小麦长势及品质变异遥感监测

卫星遥感数据能够在作物生长期内获取大范围“面状”地物光谱信息,反映作物的长势变异情况,以2005－2006年度国家精准农业研究示范基地冬小麦变量施肥试验为基础,以高空间分辨率卫星遥感影像Quickbird为数据源,结合地面获取的冬小麦品质、产量等数据,研究冬小麦长势及品质的变异情况。研究结果表明,Quickbird光谱参数能够反映冬小麦不同施肥处理小区的长势变异,而冬小麦早期的空间长势变异与其最终产量、品质变异有着密切的关系;冬小麦孕穗后期长势光谱信息与其产量有着很好的正相关关系,而与其品质信息存在着显著的负相关关系,其中OSAVI与产量的相关性达到0.536、GNDVI与冬小麦籽粒蛋白质及湿面筋含量的相关性分别达到了-0.531和-0.535;研究还发现,不同植被指数所反映的作物长势存在一定差异,反映冬小麦群体长势的植被参数和反映冬小麦叶绿素密度的植被指数在指示作物空间长势变异上有所不同。因此,利用遥感影像监测作物长势及其品质空间变异在技术上是可行的。     

东北地区主要作物种植结构遥感提取及长势监测

以中国东北地区为研究区域,探讨基于遥感影像全覆盖的大尺度作物种植结构自动提取及长势遥感监测的技术方法。通过分析东北地区春玉米、春小麦、一季稻及大豆等主要作物时序光谱特征,确定不同作物种植结构遥感提取的阈值,建立基于MODIS NDVI数据的上述4种作物种植结构提取模型,获取2009年东北地区主要作物空间种植结构格局特征。其次,基于MODISNDVI数据,利用差值模型,通过与近5 a作物长势的平均状况进行对比,分析研究东北地区2009年4种作物的长势状况。结果显示,与多年平均统计数据比较,基于遥感提取的作物种植结构信息,总体精度达到了87%以上;不同作物长势在其整个生育期内在时间和空间分布上都有较大差异。研究表明,通过MODIS数据提取不同作物种植结构及进行大尺度作物长势监测的技术和方法是可行的,研究为中国农业遥感监测系统大尺度业务化运行的作物种植结构提取提供了有效方法。     

冬小麦冻害灾情及长势恢复的变化向量分析

大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。鉴于温度并非唯一冻害因子,且归一化植被指数（NDVI）易高估封垄前冬小麦覆盖度,该文引入基于多时相植被指数的变化向量分析法,进行冬小麦冻害灾情及受灾后长势监测研究。选取河北藁城2010年冬小麦冻害作为研究对象,利用多时相环境小卫星数据提取多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明,变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。因此,变化向量分析法能有效地监测冬小麦冻害灾情与灾后长势恢复情况,同时对其他作物灾害监测提供了途径。     

MODIS与ETM数据在甘蔗长势遥感监测中的应用

广西是主要糖业生产基地之一,甘蔗的长势和产量作为一种基础信息,对于政府决策、糖业企业经营规模和甘蔗种植户田间管理等方面都具有非常重要的参考价值。本文从遥感监测入手,利用MODIS资料,采用归一化植被指数的方法监测甘蔗长势。同时利用ETM资料的高空间分辨率的优势,采用监督分类方法提取相关的地表特征,排除监测区内非甘蔗用地信息的干扰。ETM和MODIS资料的结合提高了甘蔗长势监测的精度,可为甘蔗估产奠定基础。     

基于NDVI与物候修正的大豆长势评价方法

及时、准确的作物长势监测可以为宏观决策和农田生产提供作物生长信息,便于及时采取各种田间管理措施,达到科学管理和作物增产的目的。归一化植被指数(normalized difference vegetation index,NDVI)与植被的叶面积指数(leaf area index,LAI)和叶片叶绿素含量关系极为密切,可以用来评价作物的生长状况。为了降低主观因素及物候差异对大豆长势监测的影响,该研究以黑龙江红星农场主要农作物大豆为例,基于历史NDVI数据建立了该区域大豆长势评价的标准。利用NDVI时间序列拟合法提取大豆关键物候期,结合物候监测结果对大豆长势进行修正,最后利用41个地块的单产数据对长势评价结果进行了验证。物候修正前后长势与单产的一致性分别为58.5%、75.6%,容差为1个等级时分别为87.8%、95.1%,表明历史NDVI对大豆长势评价有一定参考意义,但简单同期对比不能完全反映大豆长势真实情况,物候修正可以进一步改善长势评价效果。研究可以为利用遥感进行大豆长势评价提供参考依据。     

我国农情遥感监测关键技术研究进展

我国作物的遥感监测已有20年的研究历史。但象中国这样国土辽阔、地形多样、种植结构复杂、农户规模小的国家的国家级农情遥感监测运行系统，在关键技术方面仍然需要加强研究。这些关键技术包括：数据处理、作物识别、面积量算、长势监测、灾害评估、产量估计及运行系统集成等。该文根据作者开发农业部农情遥感监测系统的经验，分析存在的问题，提出解决问题的基本思路。     

集成化的省级农情遥感监测系统

在“中国农情遥感速报系统（CropWatch-China）”的基础上,中国科学院遥感应用研究所开发了集成化的中国省级农情遥感监测系统（CropWatch-Province）。系统以遥感为主要数据源,在县、主产区和省3个尺度上进行农情信息的监测,包括作物长势、单产、种植面积、复种指数监测及作物估产、农气分析等,对系统的技术方法、结构、功能及其主要特点进行了详细论述。2010年系统通过“信息处理产品标准符合性检测中心”的检测,系统具有集成化程度高、灵活性强和应用新数据等特点。系统可以根据不同区域的特点进行灵活定制,通过集成化开发可以独立完成从数据预处理、科学计算、信息提取到结果输出的全部任务,并将包括HJ-1在内的一系列新数据应用于农情信息的获取。     

基于合成孔径雷达的农作物识别研究进展

精准识别农作物对于及时准确估计农作物种植面积、产量等关键农情信息具有重要意义。合成孔径雷达（synthetic aperture radar,SAR）以其不受云雨天气影响,可全天时、全天候监测等优点已被广泛应用于农情遥感监测领域,为大区域尺度的农作物遥感识别提供了强有力的数据保障和技术支持。该文以雷达技术的发展进程为论述主线,对20余年来国内外农作物SAR识别研究与实践应用的新进展进行了系统总结,具体归纳为4个方面：早期研究（20世纪80年代末－2002年）,特征是以单波段、单极化、多时相SAR数据为主;基于多极化、多波段SAR数据进行农作物识别与面积监测研究;利用SAR与光学遥感相结合提高农作物的识别精度与效率研究;农作物SAR分类算法研究。在今后农作物SAR识别研究中,对于复杂种植结构背景下的旱地作物识别,如何优化组合SAR系统工作参数（极化方式、频率及入射角等）及与光学遥感融合来提高农作物识别精度与时效性,发展机理性的农作物SAR分类算法将是需要重点解决的3个问题。     

基于MODIS时序植被指数的陕西植被季相变化分析

分析了MODIS在植被生长变化监测中的优势,讨论了省级MODIS植被指数序列的建立方法。根据陕西主要植被覆盖类型,在风沙草原区、农作物区、林区共选取了5个样本县,利用2004-2005年MODIS-NDVI序列数据,通过提取NDVI曲线特征参数,结合地面气象观测资料,总结上述植被类型的季相变化特征,提出了关中农作物的物候变化规律和长势评价指标,探索了利用遥感手段对陕西省植被进行宏观、动态监测的方法。结果表明:风沙草原区植被对降水的依赖性很强,林区植被与温度的相关性较好,对降水的响应不明显。时序NDVI曲线是农作物生长的动态迹线,结合农作物的物候节律,可实时监测其生长状况并进行量化评价分析。     

基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析

作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明:多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型(R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%);北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。     

遥感与作物生长模型数据同化应用综述

遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。