农作物长势遥感监测需求、系统框架及业务应用

【目的】农作物长势是农业生产管理的重要依据,也是农情遥感监测业务的重要组成部分。【方法】在当前农作物长势遥感监测研究及业务状况扼要回顾基础上,文章从农作物长势遥感监测需求、系统框架等方面进行了系统总结,并以全球冬小麦长势遥感监测应用为例进行了说明。【结果】农作物长势遥感监测需求可以归纳为服务对象、作物类型、空间范围、地面尺度、监测周期等5个方面,系统框架至少包括数据层、方法层、结果层和服务层4个层次。【结论】针对农作物长势遥感监测技术研究及业务应用的现状,研究提出了以下3个观点:(1)农作物长势遥感监测业务方案是成熟的,但是关键技术研究有待加强;(2)农作物长势概念的深入解析,将有利提高长势遥感监测的业务化能力与精度;(3)针对全球、国家、省级以及县级尺度农作物长势遥感监测,采用不同空间分辨率遥感数据开展监测业务,是今后较长一个时期内农作物长势遥感监测的客观现状。上述研究结果给农作物长势遥感监测业务的建设提供了依据,也明确地指明了系统的服务目标。     

农作物种植面积“一张图”遥感监测业务设计及应用

【目的】农作物种植面积遥感监测是世界农业大国农情遥感监测业务的主要内容,监测结果也是政府宏观监测与生产管理的重要依据。所以农作物种植面积"一张图"遥感监测业务的设计及应用为农业生产定量化管理提供进一步服务。【方法】文章在农作物种植面积"一张图"概念定义的基础上,提出了基于低、中高空间分辨率2种数据源的"一张图"遥感监测技术方案,并采用EOS/MODIS、GF-1/WFV数据实现了全球、中国大陆区域冬小麦空间分布"一张图"的监测方案应用。【结果】农作物种植面积"一张图"概念的提出,是从监测范围与监测内容上对农作物种植面积遥感监测业务的规范,对遥感监测技术从基础研究向实际应用具有推动作用。【结论】现有遥感数据、分类识别技术能够保证"一张图"遥感监测业务方案的实施与实现。限制遥感数据向"一张图"成果转化的技术瓶颈,是遥感监测自动识别技术的精度与能力。在今后较长一个时期内,从全球及国家尺度出发,开展作物光谱分布规律研究,进而提出普适性较高的算法,是提高全球、国家尺度农作物种植面积"一张图"遥感监测业务效率的主要途径。     

不同灌溉梯度下冬小麦冠层温度与土壤水分关系研究

【目的 】 冠层温度是作物响应水分胁迫的重要指标,厘清小麦种植过程中冠层温度与土壤水分、周围环境因子之间的相互作用关系,对干旱监测、精准灌溉、智慧农业的发展有重要意义。 【方法 】 文章采用温室试验,通过自动连续观测土壤含水量、作物冠层温度、环境因子,分析小麦拔节期在不同水分处理下冠层温度和土壤含水量的关系。 【结果 】 （1）小麦拔节期日变化趋势与太阳辐射日变化基本一致。探索小麦拔节期冠层温度与土壤含水量相关性时,最佳观测时间为12：00—14：00;（2）冠气温差是判定小麦缺水的最佳指标,小麦冠气温差和土壤含水量线性拟合R=-0.63,表明冠层温度与土壤含水量呈负相关关系;（3）小麦拔节期冠层温度与环境因子密切相关,冠层温度与空气温度、太阳辐射存在显著正相关关系,与空气相对湿度和气压为负相关关系。 【结论 】 通过监测小麦冠层温度、环境因子等指标,可以实时了解小麦实际生长状况,为实现小麦精准灌溉管理提供数据支持。     

黑龙江垦区卫星应用需求调研分析

1 卫星遥感数据服务建设需求 1.1 卫星遥感应用领域 a.农业资源监测 主要包括土地利用现状监测、水土流失监测、土壤盐碱化与沙化监测等领域. b.农业生产监测 主要包括积雪厚度监测、土壤墒情监测、作物种植结构监测、作物主要生育期长势监测、作物主要病虫害监测、作物产量与品质监测、农业灾害(干旱、洪涝、低温冷害、倒伏、冰雹)监测等领域. 1.2 卫星遥感数据需求 黑龙江省,特别是农垦地区大面积、规模化种植生产管理中,对农田作物长势诊断、灾害胁迫(病虫害、低温冷害和干旱)、产量与品质等农情信息实时、快速获取具有迫切而现实的需求.     

不同灌溉梯度下冬小麦冠层温度与土壤水分关系研究*狄艳1,高懋芳1,李强1,游炯

【目的】冠层温度是作物响应水分胁迫的重要指标,厘清小麦种植过程中冠层温度与土壤水分、周围环境因子之间的相互作用关系,对干旱监测、精准灌溉、智慧农业的发展有重要意义。【方法】文章采用温室试验,通过自动连续观测土壤含水量、作物冠层温度、环境因子,分析小麦拔节期在不同水分处理下冠层温度和土壤含水量的关系。【结果】(1)小麦拔节期日变化趋势与太阳辐射日变化基本一致。探索小麦拔节期冠层温度与土壤含水量相关性时,最佳观测时间为12:00—14:00;(2)冠气温差是判定小麦缺水的最佳指标,小麦冠气温差和土壤含水量线性拟合R=-0.63,表明冠层温度与土壤含水量呈负相关关系;(3)小麦拔节期冠层温度与环境因子密切相关,冠层温度与空气温度、太阳辐射存在显著正相关关系,与空气相对湿度和气压为负相关关系。【结论】通过监测小麦冠层温度、环境因子等指标,可以实时了解小麦实际生长状况,为实现小麦精准灌溉管理提供数据支持。     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

“高分五号”卫星地表温度反演与验证

【目的】“高分五号”卫星是中国首颗同时具有4 个热红外通道的遥感卫星，文章目 的是促进中国遥感卫星的应用，提高地表温度反演能力。【方法】文章对“高分五号”卫 星分别采用两通道劈窗算法和四通道劈窗算法反演得到内蒙古地区2019 年3 月份的地表温 度，并通过实测站点温度数据对反演温度进行检验。【结果】两通道劈窗算法的温度RMS 为 2.168 K，四通道劈窗算法的温度RMS 为1.609 K，结果表明四通道劈窗算法反演精度更高。 将四通道劈窗算法应用到2019 年3 月至6 月获取的山东省部分区域数据，反演了地表温度， 用于区域尺度农情信息监测与定量评价，为农业精细化管理提供技术支持。【结论】研究结 果表明，“高分五号”卫星地表温度反演精度较高，其高空间分辨率的地表温度信息将在农 业干旱监测中发挥重要作用。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

棉花叶面积指数的遥感估算模型研究

 【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec? 手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2 均达到了极显著水平。     

利用MODIS数据监测大面积土壤水分与农作物旱情研究

[目的]更好地利用MODIS数据监测大面积土壤水分与农作物旱情。[方法]在叙述MODIS传感器优点的基础上,介绍了几种MODIS数据监测土壤水分与农作物旱情的方法,讨论了土壤水分遥感监测中存在的问题和发展趋势。[结果]热惯量法适用于裸露的土壤或作物前期生长的地区土壤水分监测,温度植被干旱指数法(TVDI)适用于植被覆盖度比较大地区的土壤水分监测,光谱法使用MODIS数据进行大面积、多时相土壤湿度监测是可行的,该方法从叶片光合作用和冠层温度两个方面研究了作物对水分胁迫的响应。[结论]必须加强土壤水文模型和遥感模型、遥感反演方法和数字土壤工程的研究。     

基于无人机影像的作物土壤水分亏缺反演方法

【目的】基于无人机影像进行作物土壤水分亏缺反演研究有利于提高农田集约化管理效率,提升农田精准灌溉水肥空间分布信息高效获取技术水平。【方法】文章以冬小麦为例,采用大型喷灌机变量灌溉的方式,设置3个灌溉水平和6个不同施肥处理;利用无人机携带热红外、可见光、多光谱相机,规划航线飞行采集影像数据,结合田间布点取样校准,反演冬小麦长势;根据获取的无人机遥感影像,经图像拼接、数据提取等处理,获得田间不同试验小区光谱数据,计算植被指数,反演水肥指标,构建土壤水分反演模型。【结果】水分亏缺情境下,灌水的多少直接影响冬小麦的生理生长指标,灌水量越多,冬小麦株高和叶面积发育越好;3个灌溉水平处理间冠层温度差异在2～5℃;植被指数与灌溉处理一致性较好,而不同的施肥处理反演效果不理想。【结论】热红外影像反演作物冠层温度计算得到的作物水分亏缺指数可以展现冬小麦作物水分亏缺空间分布,作物水分亏缺指数与土壤水分平均含水率有很好的相关性。无人机遥感在田间水肥管理的应用有效提升了大田时空数据的获取能力,下一步应开展水肥时空变异性研究,探讨水肥精准施用技术,从理论和技术两方面着手提升精准管理水平。     

基于“高分一号”遥感影像反演华南地区亚热带典型作物冠层SPAD

【目的】以广州市增城试验基地为例,探索国产高分卫星影像数据在反演华南地区亚热带典型作物冠层叶绿素相对含量（SPAD）的应用.【方法】根据2013年10月1日“高分一号”影像数据和相应的亚热带典型作物的实测数据,建立植被指数与典型作物冠层SPAD之间的关系模型,并分别探讨9种植被指数与SPAD之间线性和非线性关系,以便获得最佳的植被指数和相应的回归模型反演华南地区亚热带作物冠层叶绿素相对含量.【结果和结论】7种植被指数均与亚热带典型作物冠层SPAD有极显著的相关性,其中比值植被指数（RVI）相关性最好,其次是差值植被指数（DVI）.经分析,RVI的指数回归模型Y=31.445e^0.141X（R² =0.889）是反演亚热带典型作物冠层SPAD的最佳回归模型,实际拟合精度达92.75%,故使用该回归模型估测研究区内大范围亚热带典型作物冠层SPAD是可行的.     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

遥感技术应用于水土保持动态监测的主要流程解析

随着科学技术的进步与推广,遥感技术应用范围越来越广,尤其是高空间分辨率的遥感卫星影像的信息应用已经进入推广化,高空间分辨率的遥感卫星影像信息应用在防止水土流失的动态监测、水土保持的规划治理方面已经日趋完善。阐述了遥感动态水土保持监测技术应用的主要特点及其功能,并对遥感动态水保监测技术应用的主要流程进行了解析,以供参考。     

多源中高分辨率影像协同下时间合成窗口对农作物识别的影响

【背景】中高空间分辨率（≤30 m）影像是在耕地破碎、种植结构复杂的中国南方开展农作物遥感识别研究的重要数据。然而,要克服中高分辨率传感器重访周期较长以及南方多云雨天气的影响,对影像进行时间窗口合成以协同使用多源中高分辨率遥感数据,是获取时空连续农作物制图结果的必要保障。由于不同卫星影像获取的周期不同,且不同农作物物候季相节律存在较大差异,如何选择影像合成时间窗口是农作物准确识别的关键前提。【目的】通过探究影像合成时间窗口对于农作物识别的影响机制,为大尺度复杂农作物种植结构制图提供重要参考依据。【方法】以农作物类型多样且云雨天气频繁的湖北省江汉平原为研究区,通过协同Landsat-8和Sentinel-2A/2B卫星影像,设置7种时间合成窗口（15、20、25、30、40、50和60 d）情景,分别从影像的覆盖度、不同农作物时序光谱特征以及不同农作物分类精度等角度,深入分析影像时间合成窗口对农作物遥感识别的影响。【结果】在影像20 d时间合成窗口的情景下,江汉平原农作物（冬油菜、冬小麦、水稻、稻虾田和其他作物）的总体分类精度最高,为93.13%。对比而言,在影像较短时间合成窗口（如15...     

基于遥感反演作物冠层温度的作物生长模拟和预报

利用作物冠气温差可以计算作物生长水分胁迫系数.用遥感信息估算作物冠层温度并且利用气象站的气温资料,通过冠气温差计算作物水分胁迫系数,并引入作物生长模拟模型,就实现动态和连续的作物监测及预报作物产量.本文对建立遥感-作物模拟复合模型的基本原理进行了探讨,并提出建立遥感-作物模拟复合模型所涉及的计算方法,但整体研究方法还有待进一步的验证.     

农村宜居环境遥感监测内容分析及初步方案设计

【目的】面向农村绿色发展的需要,为推动农村宜居环境遥感监测业务的开展提供依据。【方法】在农村宜居环境遥感监测内容分析基础上提出初步的建设方案。【结果】农村宜居环境遥感监测内容应包括农村居民点本底调查遥感监测、农村居民点景观监测和农村宜居环境评价3个部分。第一项内容属于资源清查性质的监测,是后续遥感监测与评价的基础,可以采用国产中空间分辨率高分卫星数据为主、机器识别与目视判读相结合的农村居民点本底调查遥感监测方案。第二项内容是村落内格局的监测,属于动态监测范畴,可以采用亚米级无人机影像为主、目视判读结合统计外推技术的农村居民点景观遥感监测方案。第三项内容可以采用遥感监测结果为主、结合综合权重打分的宜居环境评价方案。【结论】文章提出的技术方案充分考虑了农村宜居环境监测的紧迫性以及遥感技术的潜力,是今后较长时期内农村宜居环境遥感监测方案建设的主要趋势。     

作物籽粒蛋白质含量遥感监测预报研究进展

【目的】梳理目前作物资料蛋白质含量遥感监测预报研究进展,掌握最新该方面的研究方法、技术等。为发展优质专用谷物并依据以蛋白质含量为主导的不同类型谷物分类收获和加工探明发展道路。【方法】通过收集国内外籽粒蛋白质含量遥感监测预测研究文献,整理、分析及归纳当前研究内容,综述前人研究等方法。【结果】概述了3种常规的作物籽粒蛋白质含量检测方法,包括常规的室内分析化学法、近红外分析方法及遥感技术预测方法;介绍了植物碳氮代谢过程与籽粒蛋白质含量形成机理以及作物籽粒蛋白质遥感预测的可行性;然后归纳了4类作物籽粒蛋白质含量遥感监测预测等方法,分别为基于‘遥感信息—籽粒蛋白质含量’模式的经验模型、基于‘遥感信息—农学参数—籽粒蛋白质含量’模式的定量模型、基于遥感数据和生态因子的籽粒蛋白质含量半机理模型、基于遥感信息和作物生长模型结合的机理解释模型,并分别综述了这4类预测模型的国内外研究进展。【结论】明确了当前在籽粒蛋白质含量遥感预测中存在的问题及进一步解决的对策。     

基于能量平衡的蒸散遥感估算模型的应用研究

【目的】用遥感技术估算陕西关中渭北地区的实际蒸散,并将估算的蒸散与参考作物蒸散进行比较。【方法】以陕西关中渭北地区2008-06-23和09-05的NOAA-18卫星遥感资料以及该地区的气象资料为供试数据,利用能量平衡单层模型,计算陕西关中渭北地区的潜热通量及蒸散,并将蒸散估计值与参考作物蒸散分布进行比较。【结果】能量平衡单层模型中参数的反演途径直接影响着蒸散的反演精度,蒸散与植被指数的分布具有高度的一致性,蒸散的变化与研究区域的土地利用密切相关。【结论】根据下垫面特征建立的、物理意义清楚的基于遥感和气象资料的能量平衡单层模型,更适合区域实际蒸散的估算。     

基于多光谱影像的单红边波段叶绿素指数验证

【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。