GF-1和MODIS影像冬小麦长势监测指标NDVI的对比

作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R ²=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R ²=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R ²=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R ²=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。     

安徽省冬小麦长势遥感监测与评估方法研究

沿淮淮北是安徽省主要的冬小麦种植区,为了对该区域冬小麦长势进行实时、动态地监测,通过采用变化向量分析方法,利用2005-2010年EOS/MODIS数据,在HANTS算法重构无云NDVI时间序列图像以及安徽省冬小麦种植区提取等数据处理基础上,研究基于NDVI变化向量、曲边梯形面积的长势综合监测模型,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。结果表明：HANTS处理平滑后的MODIS的10天合成植被指数的年时序曲线有效消除了云和数据缺失的影响,重构后的生长曲线可以更清楚地反应作物生长变化趋势和规律,有利于监测模型的建立;冬小麦种植区提取,大大提高了卫星监测精度,构建的综合监测模型适合单一生长季苗情长势遥感监测,该模型在2011年冬小麦长势评估中取得了良好的监测效果。     

基于GF-1卫星影像的中国冬小麦制图研究

旨在实现冬小麦面积自动化提取，本文提出一种基于冬小麦NDVI加权指数(WNDVI)的分类算法。将影像分割成标准的小区域，从而构建冬小麦分类单元，采用自适应方法确定冬小麦种植区和非种植区WNDVI分割阈值。以2013年10月至2014年5月期间的GF-1卫星WFV影像为例，构建了全国14个省（市、区）的1180个分类单元的WNDVI，实现了2014年全国主产区冬小麦种植区的空间分布图；采用14233个样本对结果进行验证精度，总体精度达到了90.6%。本方法自动化程度高，结果稳定，适合大范围冬小麦面积监测业务化运行。     

基于关键期HJ卫星数据提取无棣县作物种植面积

探讨利用作物关键生育期HJ卫星遥感数据,进行区域主要作物种植面积快速监测的可行性,旨在建立一种方便快捷的作物种植面积提取技术。以山东省无棣县为研究区,根据该县作物栽培技术月历为参考选择关键期HJ星遥感数据,通过EVI指数时序数据分析,采用支持向量机(SVM)方法进行了该县主要作物种植空间分布信息提取。结果表明：关键期HJ星EVI指数数据结合SVM方法,能较为准确地获取该县冬小麦、玉米和棉花的种植面积,总体的面积总量精度超过93%,空间分布精度大于75%;利用关键期影像大大减少了数据处理量,便于可视化感兴趣区的选择,仅利用SVM方法就获得了满足精度要求的作物面积提取结果,大大简化了操作流程,为其他区域利用HJ卫星数据提取作物种植面积提供了参考。     

基于GF-1卫星遥感数据识别京津冀冬小麦面积

省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积, 该文以北京市(京)、天津市(津)和河北省(冀) 3个省域范围为例, 以国家标准地形图分幅为分类的图幅单元, 利用国产GF-1/WFV数据, 构建冬小麦面积指数, 实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源, 依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理, 以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数, 将冬小麦面积指数按照1%的比例等分, 并将面积指数从0到100%分割为101个提取节点, 将提取节点的NDVI值依次与类型确认样本比较, 精度最高的则确认为冬小麦面积提取阈值, 同时将该阈值应用于图幅单元内冬小麦面积指数影像, 获取冬小麦种植分布。最后冬小麦面积识别的精度表明, 以标准地图分幅作为计算单元, 在GF-1影像基础上, 利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异, 且冬小麦的总体识别精度达到89.6%, 用户精度达到89.8%, 制图精度96.5%, Kappa系数0.72。在典型区域, 本文算法与监督分类算法精度结果较为一致, 除制图精度相差4.77%外, 总体精度与用户精度差都在1.00%以内, 说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点, 能够满足省级尺度农情遥感业务监测的需要。     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

基于HJ卫星的中国南方地区甘蔗面积提取研究

为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。     

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作...     

遥感技术在烟草长势监测及估产中的应用进展

烟草长势信息是烟草生产管理的重要依据,全面了解遥感技术在烟草长势监测及估产中的应用进展,为利用遥感技术支撑科学化、精细化烟田管理提供科学参考。在对相关文献分析和归纳的基础上,从地面光谱、无人机遥感、卫星遥感3种尺度对目前遥感技术在烟草长势监测与估产方面的应用进行系统总结,并对进一步研究进行展望。（1）基于地面光谱对烟草的监测,主要是利用反射率光谱及其不同的变换形式、光谱指数和光谱位置变量估测其生理生化参量（氮、磷、钾、生物量、叶面积指数、叶绿素等）,为诊断烟草生长、健康状况、成熟度提供依据,进一步实现烟草长势监测、估产与品质评定。（2）利用无人机遥感技术能够在小尺度上对作物的面积进行提取、监测长势及估产,但受搭载相机分辨率、地形、自身稳定性等影响,不能监测烟草的细微变化。（3）参考LandSat、SPOT、MODIS、HJ-1等光学遥感数据以及SAR数据,利用遥感影像融合、分类等技术能够实现对大面积烟田病害、长势进行监测和产量估计。结合多源、多平台遥感数据,对烟草的参数进行定量研究,并利用同化技术对大尺度上烟草生长过程进行动态监测,来探索烟草的最佳采收期是未来研究的重点。     

综合NDVI时序特征的冬小麦混合像元分解及面积估算

基于MODIS数据进行面积提取易受混合像元影响，为了降低因混合像元导致的错分和漏分误差，该文提出一种线性的混合像元分解模型，建立MODIS混合像元中冬小麦占比与MODIS/NDVI时间序列影像波峰波谷差值之间的定量关系。基于2017年保定市MODIS数据和GF数据进行了模型构建，基于2014年数据进行了模型验证，结果显示纯度指数（PPI）精确度均值为0.485，基于混合像元分解模型得到的2014年保定市冬小麦面积推算值为40.05万hm2，基于GF数据得的2014年保定市冬小麦面积“真值”为37.39万hm2，绝对误差为2.66万hm2，相对误差率为7.11%。利用河北省冬小麦广泛种植的8个地市对模型的适用性进行评价，结果表明不同地市的冬小麦面积推算值和冬小麦面积“真值”间平均误差率为3.69%。基于该模型的冬小麦面积推算值误差相对较低，数据可靠性较高，且受地域影响较小，具有较为普遍适用性。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

前茬冬小麦栽培措施对后茬夏玉米光合特性及产量的影响

为了明确前茬冬小麦施氮和种植方式对后茬夏玉米光合特性及产量的影响,于2013-2015年华北平原冬小麦-夏玉米轮作区进行裂区试验。冬小麦施氮112.5 kg/hm2(N1)和225.0 kg/hm2(N2)为主处理,冬小麦等行距(U)改为夏玉米等行距(UR),20+40沟播(F)改为垄作(BP)的种植方式为副处理。结果表明,与UR和N1相比,BP和N2提高夏玉米叶面积指数(LAI)、叶绿素含量指数(CCI)、净光合速率(Pn)及干物质重(DM),且减缓LAI、CCI和Pn后期降低幅度。冬小麦季,与U相比,F种植方式增产3.1%、穗数提高6.9%、穗粒数提高2.4%。与N1相比,N2处理增产5.0%、穗数提高13.8%、穗粒数提高4.9%;夏玉米季,与UR比,夏玉米BP种植方式增产7.1%、穗粒数提高2.4%、收获指数提高5.9%。与N1相比,N2处理增产13.0%、穗粒数提高9.2%、收获指数提高11.9%。在华北冬小麦-夏玉米轮作区,冬小麦季施氮225.0 kg/hm2的条件下,氮肥后效明显,结合沟播冬小麦收获后在垄上直播夏玉米的种植方式是一种全程简化、高效、丰产的栽培措施,在华北平原冬小麦-夏玉米轮作区有很高的实践意义。     

基于GreenSeeker的冬小麦NDVI分析与产量估算

以2007-2009年连续2个冬小麦生长季的田间试验数据为基础,利用GreenSeeker获取冠层归一化差值植被指数(NDVI),分别对不同氮营养条件下冬小麦的产量变化、冠层NDVI值随施氮量和生育期的动态变化,以及NDVI与产量的相关性定量分析,建立基于NDVI的冬小麦产量估算模型。结果表明,冬小麦的产量变化随施氮量的增加呈抛物线趋势变化;冠层NDVI在返青期前随施氮量增加基本不变,返青期至灌浆初期随施氮量增加呈显著增加趋势;整个生育期冠层NDVI呈现“低–高–低”变化趋势。冬小麦整个生育期不同施氮水平下的NDVI值与产量的相关性均为正相关关系,且相关性随生育期逐渐增强,在灌浆末期达到最大。利用NDVI建立的冬小麦产量估算模型,以灌浆初期(P=0.005)和灌浆末期(P<0.001)的模型达到极显著水平。经验证,灌浆初期的冬小麦产量预测值与实测值的回归关系达到了显著水平(P=0.0129),灌浆末期则达到极显著水平(P=0.0002)。因此,利用灌浆初期和灌浆末期的NDVI值可以预测冬小麦产量,尤以灌浆末期预测效果更佳。     

冬小麦济麦22和春小麦津强8号的产量形成差异分析

为探明冬小麦和春小麦产量形成差异,2016年10月-2017年6月以冬小麦品种济麦22和春小麦品种津强8号为材料,在大田条件下研究了冬小麦和春小麦生育期、叶面积指数、干物质积累及产量构成。结果表明,春小麦出苗比冬小麦延长8d,营养生长期缩短77~78d,灌浆期延长1~2d,全生育期缩短143~144d。拔节期和开花期,春小麦和冬小麦的叶面积指数无显著差异,但灌浆期春小麦叶面积指数比冬小麦叶面积指数增加6.34%~7.67%,不同生育时期春小麦和冬小麦干物质积累量无差异。春小麦收获穗数和千粒重比冬小麦分别增加2.35%~5.29%和4.28%~5.13%,但穗粒数比冬小麦少1.4~2.3,春小麦与冬小麦理论产量和实际产量均无显著差异。综上所述,春小麦可通过增加播量,增加穗数,保持稳定的叶面积指数和干物质积累量,实现小麦稳产,可为区域变革麦-玉种植制度,实现麦-玉周年双机收子粒提供理论支撑。