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。     

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。     

基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测

旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明：原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R²>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。     

基于升尺度方法的华北冬小麦区域生长模型初步研究 Ⅰ.潜在生产水平

作物生长模型是在田间尺度上开发的,而区域尺度上的作物生长信息更受决策部门的关注。作物模拟从单点研究发展到区域应用需要解决升尺度连接（Scaling-up）等一系列技术问题。本文利用以经纬度为权重的IDW空间插值法对气象数据和与温度有关的作物参数进行空间插值;根据华北冬小麦的品种地带性分布特点进行了冬小麦品种参数     

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。     

北京冬小麦各生育期灌水量辅助决策模型研究

北京地区冬小麦不同生育期的需水量不同,灌溉量会影响冬小麦播种、生长和收获质量及产量。利用专家咨询法和文献查询法,得到北京冬小麦各生育期土壤湿度的致死下限、较适宜下限、最适宜、较适宜上限、致死上限值及其权重。利用Matlab进行数据拟合,得到冬小麦各个生育期土壤湿度适宜度模型。在了解北京有效降水量及小麦各生育期需水量这些数据的基础上,利用北京冬小麦各生育期灌水量辅助决策模型对其各生育期灌水量进行改良。以冬小麦各个生育期土壤湿度适宜度模型为基础,研究建立北京冬小麦各生育期灌水量辅助决策模型。     

潍坊市冬小麦生育期气候因子变化特征及其影响分析

为了研究气候变化对冬小麦生产的影响,利用潍坊市1981—2010年连续30年冬小麦生育期观测资料及其生育期的气温、降水量、日照等资料,采用气候变化倾向率、三次多项式函数、线性回归等方法,分析潍坊市冬小麦生育期的主要气候因子变化特征及其对冬小麦影响,以期对冬小麦种植提供依据。结果表明,潍坊市冬小麦生育期平均气温年际变化呈上升趋势,气候倾向率为0.24℃/10年,降水量年际变化呈减少趋势,气候倾向率为-0.49 mm/10年,日照时数年际变化明显减少,平均每10年减少50.18 h;冬小麦全生育期显著缩短,每年缩短0.426天,苗期、返青期和灌浆成熟期缩短,越冬期、拔节孕穗期延长;冬小麦的气候产量呈下降趋势,气候产量与气温呈负相关关系,而与降水量和日照时数呈正相关关系。     

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。     

潍坊市冬小麦生育期对气候变化的响应

为了探讨潍坊市冬小麦生育期适应气候变化的规律,利用潍坊市1980-2010年冬小麦生育期观测资料及其各生育阶段的积温、降水量、日照资料,采用线性回归和通径分析方法,对潍坊市冬小麦生育期对气候变化的响应进行统计分析。结果表明,潍坊市冬小麦整个生育期内积温和降水均呈减少趋势,日照时数显著减少,每年减少7.58 h;冬小麦全生育期显著缩短,每年缩短0.43天,播期推迟,苗期、成熟期缩短,越冬期、拔节孕穗期和灌浆期延长;在小麦拔节前,日照时数对生育期长度作用最大,拔节后,积温对生育期长度影响最大。     

遥感信息应用于水分胁迫条件下的华北冬小麦生长模拟研究

由于初始土壤水分、灌溉量等变量的空间分布不易获得,区域尺度水分胁迫条件下作物生长模拟存在一定难度。本文在WOFOST模型本地化和区域化的基础上,采用调控型方法,重点探讨了利用MODIS数据反演的地表蒸散在大范围内估算土壤水分平衡过程中的参数或变量初始值,以实现水分胁迫条件下作物模型区域模拟的可行性。2002年模拟结果显示,引入遥感信息优化获得初始土壤有效含水量、返青期生物量及抽穗期灌溉量后,土壤水分的模拟效果得到改善;32个农业气象试验站点模拟产量的相对均方根误差（RRMSE）由0.63降至0.20;华北冬小麦模拟产量的空间分布与实际产量分布更加接近,产量低估的情况得到较好改善;河北、河南、山东3省平均产量的模拟误差分别为－4.9%、4.3%和8.6%。初步结果表明,结合卫星遥感信息通过优化方法在大范围内估算作物模型的相关参变量,以实现水分胁迫条件下作物模型的区域应用是行之有效的。     

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。     

基于几何语义知识的冬小麦自动分类

【研究目的】为了实现遥感影像的作物自动分类，并探索空间信息在分类中作用，【方法】本文提出结合光谱和空间信息的作物分类方法。首先，借助光谱信息实现地物初始分割，然后以目标作物历史空间分布为语义约束，根据隶属度提取目标作物。最后，在多时相遥感影像条件下，以冬小麦为目标作物进行了方法的验证，【结果】结果显示，本文方法可实现冬小麦自动提取与识别，总体精度为95.33%，Kappa系数为0.90，可满足农情监测的实际需求。另外，在单时相遥感影像条件下，本文结合几何语义知识的作物分类精度也达到了较高水平。【结论】相对于遥感影像单一光谱信息的分类方法，本文方法利用了作物空间信息，不仅能满足精度要求，还实现了分类的自动化，对工程化应用具有一定的参考价值。     

基于GF-1/2卫星数据的冬小麦叶面积指数反演

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。     

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。     

农作物-农田环境系统关键信息采集规范研究与应用

高效率、标准化地采集反映或影响农作物生长的关键信息对通过遥感观测实现作物估产、长势预测等至关重要。通过采集指标筛选、取样点布局、数据采集方法、数据处理等的研究制定关键信息采集规范,以水稻-稻田系统为例,应用农作物-农田环境系统关键信息采集规范指导了实地的数据采集点选择、采集路线分析,完成了地面实测、气象等关键数据的采集,为基于遥感与现场数据结合的水稻估产模型的建立和验证提供了重要的数据支持。最后,还提出了规范在大区域农田环境系统下应用的改进建议。     

Azodyn: a simple model simulating the date of nitrogen deficiency for decision support in wheat fertilization

A dynamic soil–crop model was developed to predict the date on which N deficiency occurs for winter wheat crops in the temperate climate of Northwest Europe. It is based on the daily simulation of soil N supply and crop N requirement for the period during which N-fertilizer is usually applied to wheat crops, the end of winter until flowering. The soil sub-model was derived from the `balance-sheet method' used in France for nitrogen fertilization recommendations. It describes the net mineralization of various sources of organic matter (soil humus, crop residues, organic products). The crop sub-model simulates crop biomass production and its nitrogen content using a radiation use efficiency model and a critical dilution curve for nitrogen content. Both soil and crop sub-models require few parameters and inputs, most of which are readily available on commercial farms, together with daily climatic data. The model tested with various rates and timings of N application in three experiments accurately simulated the date on which nitrogen deficiency began in wheat crops. The interest in using the model for tactical and strategic approaches is discussed.