基于TM影像的南方丘陵区早稻估产研究——以奉新县为例

传统的估产方法难以对水稻种植面积和产量进行及时准确地预测.利用TM影像资料,根据地物光谱特征的差异,提取稻田种植面积信息,在此基础上分析早稻像元的植被指数,与作物单产建立回归方程,通过检验标准筛选出方程拟合率高的估产模型,从而预报水稻总产.结果显示:2009年奉新县早稻实际总产和平均单产与遥感估产的结果相比,早稻总产误差率为5.78%,单产误差率为1.79%.由此可以看出,结合GIS技术和资料进行水稻估产,既提高了估产精度,又降低了费用,具有一定的可靠性和实用性.     

基于植被指数对望奎县粮食作物产量预测方法的研究

以望奎县为研究区,利用TM影像确定望奎县土地利用现状,根据当年农作物生长季节内累积植被指数的平均值之和与农作物产量存在的关系,建立了最大植被指数遥感估产模型。并使用2007～2010年的MODIS遥感资料和该估产模型,对2007～2010年的望奎县粮食总产进行了估测,其中,前2个年度的估产误差都接近3%。此方法在大范围粮食总产预测中值得借鉴。     

基于NDVI的水稻产量遥感估测

以云南省寻甸回族彝族自治县水稻为研究对象,提出一种基于时间序列归一化植被指数(NDVI)的水稻估产模型。利用2000—2013年各月NDVI影像数据和寻甸回族彝族自治县水田分布区域,分析研究区NDVI年月变化特征;然后,通过对比不同月份NDVI组合均值与水稻平均产量的皮尔逊积矩相关系数(Pearson)显著性,确定进行估产所使用的NDVI影像数据;最后,根据水稻年平均产量与NDVI均值建立不同估产模型,通过对比决定系数(R~2)、绝对及相对误差、平均偏差(ME)、均方根误差(RMSE)、纳什(Nash-Sutcliffe)效率系数(NSE)和符合指数(IA),分析各模型估产精度,最终确定最佳估产模型。结果表明,研究区水田NDVI大致从6—8月处于增长阶段,之后到次年5月处于下降阶段。每年6、7、8月的NDVI均值与水稻产量的相关系数为0.690,显著性最高,为0.006。多项式估产模型的绝对误差、相对误差平均值仅为210.431 kg/hm~2、3.602%;平均偏差、均方根误差计算结果中,多项式的值最小,Nash-Sutcliffe效率系数、符合指数最接近1的模型为多项式函数模型,其中符合指数高达0.921,预测结果较准确。基于时间序列NDVI的多项式估产模型预测产量精度最高,能够实现对水稻产量的遥感估测。     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

基于叶片尺度的东北粳稻产量估测

及时准确地估测水稻产量是服务现代农业的重要内容,对制定科学的粮食政策具有重要的现实意义。本研究以东北粳稻为例,利用试验区粳稻叶片植被指数归一化差值植被指数(NDVI)和光化学植被指数(PRI)估测粳稻产量。基于2015年粳稻生长关键期6-9月的叶片NDVI和PRI,结合试验小区产量数据,建立了基于试验区叶片NDVI和PRI的粳稻产量估算模型。单月NDVI与产量一元线性模型的R~2范围为0.455~0.581,平均估产精度为96.36%。单月PRI与产量一元线性模型的R~2范围为0.396~0.709,平均估产精度为96.68%。单月NDVI和PRI复合估产二元线性模型的R~2范围为0.655~0.784,平均估产精度为97.26%。利用不同月份组合的NDVI累积和与PRI累积和建立的粳稻产量模型R~2范围为0.765~0.949,估产精度均在97.48%以上。所建参数模型中拟合效果最好的是6月、8月、9月NDVI累积和与PRI累积和复合的估产模型,R~2为0.949,估产精度高达98.82%,此模型可作为粳稻估产的一种参考模型。     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

县域尺度的小麦高分辨率遥感估产

从县域尺度准确掌握粮食产量,对于国计民生具有重要意义。目前,基于高分辨率遥感影像的县域尺度的估产研究尚不多见。本文以山东省泰安市岱岳区为研究区,利用2019—2021年高分一号B星、高分一号C星影像,辅以Landsat-8影像,运用随机森林法进行遥感解译,识别耕地变化,探究了小麦种植区的时空格局,选取植被指数NDVI监测小麦长势,建立估产模型,并制作了像元级产量专题图。结果显示：小麦种植面积提取相对误差均在5.150%以内,2021年小麦种植面积降幅达26.021%;小麦长势虽然存在年际变化,但总体平稳;小麦总产量遥感估产误差不超过4.300%,2020年增幅约4.261%,2021年降幅约21.981%。研究表明：2020—2021年,研究区小麦种植面积显著下降,长势基本持平,小麦总产量减少。研究成果有利于地方政府及时准确了解粮食产量,对高分辨率遥感估产研究有积极意义,对于县域尺度的作物监测有较高参考价值。     

基于植被指数和最优物候期的玉米产量预测研究

本文以长春市为研究区,利用高分一号影像进行玉米种植面积提取,并以此对2006—2014年MODIS-EVI产品进行掩膜,计算长春各县市玉米不同物候期的EVI平均值,建立EVI与统计单产之间的关系模型,通过模型拟合的优劣程度筛选出各县市玉米的最优估产模型,利用最优模型开展2015年长春市玉米产量的预测工作。结果表明,基于最优估产模型的长春各县市2015年玉米单产预测的相对误差为-0.14%~16.88%,总体误差为1.61%,均方根误差为191.58kg/hm2,实现了区域尺度下对作物产量的高精度预测。     

江西双季早稻气候适宜度小波分析

利用江西省12个水稻观测站逐日温度、光照、降水资料,运用Morlet小波函数,研究近50年来江西省双季早稻降水、温度、日照适宜度的年际变化特征和未来趋势,为早稻气候年景预测提供新方法,为水稻安全生产和粮食期货提供科学依据。结果表明:近50年来,江西省双季早稻降水适宜度较低,且近15年来表现得不稳定,年际变化幅度加大;温度、日照适宜度较高,且温度适宜度年际变化表现出阶段性的波动,而日照适宜度近35年的波动较前15年明显为小。研究还表明,降水适宜度存在准26年和准15年的周期振荡,从20世纪90年代中期开始,出现了一个准7年周期,加大了降水适宜度波动,并使降水适宜度偏小的年份增多。温度适宜度的准26年周期和日照适宜度的准34年周期在整个分析的时间段内均表现得非常稳定,信号较强。预计,2011—2014年江西省双季早稻生长季降水、温度、日照适宜度将处于偏小期。     

河南省冬小麦产量遥感监测精度比较研究

【目的】预测冬小麦产量,提高估产精度,为国家粮食生产安全宏观调控提供重要的数据和技术支撑。【方法】以河南省为研究区,利用时间序列MODIS-NDVI数据,结合河南省17个地市的产量数据以及河南省的冬小麦遥感监测面积数据,运用实时NDVI与产量数据建立线性模型、两年差值NDVI与对应的差值产量建立线性模型两种方法对河南省冬小麦产量进行预估,比较分析两种方法的精度。【结果】(1)两年差值归一化植被指数(dNDVI)明显比实时归一化植被指数(NDVI)更好地预估冬小麦产量。(2)实时NDVI预估单产产量相对误差基本可以满足要求,大部分在0.25以下,只有少数几个市(焦作、鹤壁、新乡、安阳)相对误差较高。(3)两年差值归一化植被指数(dNDVI)预估单产的整体误差均可以满足估产的要求,均在0.1以下。【结论】两年差值归一化植被指数(dNDVI)可以有效预测冬小麦产量,有利于提高估产精度。     

水稻大田生长动力模拟模型的研究

根据农业气象学和植物生理学的基本原理，利用大田实测资料，通过计算机模拟，建立了一个适合双季水稻大田生产的动力模拟模型。利用模拟模型，对江西双季水稻大田干物质生长及早稻各器官干物质生长进行了动态模拟，模拟效果较好     

基于NOAA卫星的昆明夏粮监测及估产

根据NOAA气象卫星观测和地面农业气象生育期观测的实时资料，对昆明地区夏粮生长发育状况进行动态监测，对最佳估产时相进行分析研究，并建立昆明夏粮遥感估产的归一化植被指数估产模型、归一化植被指数一气象因子综合估产模型、相对植被指数非线性估产模型。所建立的估产模型误差较小，准确率高。     

江西省早稻高温热害灾损评估模型

针对江西省早稻高温热害灾损缺乏定量化评估技术的问题,采用主成分回归方法,对江西省早稻高温热害灾损评估模型进行研究和验证。结果表明:江西省早稻高温热害过程可分为相对高温胁迫和混合高温胁迫2类;在高温热害的影响因子中,热害积温、最高气温、热害日数对水稻热害具有同等重要的作用,单个或多个因子明显偏高亦可加重热害。本研究建立的早稻高温热害灾损评估模型验证结果表明:验证样本实际产量与模拟产量的平均相对误差为2.4%;分期播种试验期间,遭遇高温热害影响3个播期实际减产率与模型评估灾损率分别相差2.4%、0.7%、3.6%。研究表明模型模拟的结果比较客观,可利用该模型对高温热害年的早稻灾损率进行模拟和预测。     

GIS支持下的临汾市冬小麦动态估产模型研究

利用1982—2008年临汾市各县(市)的气象观测资料及冬小麦单产资料,在ArcGIS地理信息系统软件下,将各因子进行插值后,再提取耕地区域的要素信息,在SPSS 11.5统计软件中以旬为单位建立了临汾市冬小麦动态估产模型,并利用2008年的实测资料对模型进行了验证。结果表明,研究所建立的动态估产模型精度较高,其估产相对误差绝对值在0.33%～5.87%之间,具有较高的稳定性。同时,从模型估产的相对误差动态变化来看,随着时间的推移,即越临近小麦成熟期,估产误差越小,说明气象因素的累计作用对冬小麦估产具有重要的意义。     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

江西省双季晚稻寒露风影响评估

为定量评价寒露风对江西省双季晚稻的影响,依据1981—2013年江西省81个常规气象观测站9月1日—10月10日逐日平均气温、最低气温资料和1991—2012年江西省14个农业气象观测站双季晚稻灾害调查资料,研究江西省双季晚稻寒露风影响评估模型和等级划分标准,并利用江西省农业气象试验站2010—2013年晚稻分期播种试验资料进行验证。结果表明,在晚稻寒露风发生期间,降温幅度、过程平均气温、极端最低温度和低温持续时间对水稻冷害具有同等重要的作用,4个因子同时出现或部分出现异常均可以造成不同程度的冷害。在综合考虑了上述4个因子的基础上,结合主成分分析法构建寒露风影响评估模型和等级划分标准,其分期播种试验检验评估等级与实际等级完全一致的占80%;运用模型对江西省2006、2011年2次明显寒露风天气过程进行评估,评估准确率较高,达87.5%;表明所建立的模型可以用来定量评价江西省各市(县)晚稻寒露风发生程度。据此确定的寒露风评价指标为:寒露风指数(CDWI)≥0.70时为重度寒露风,晚稻减产15%;CDWI在0.50~0.70时,发生中度寒露风,晚稻减产10%~15%;CDWI在0.30~0.50时,发生轻度寒露风,晚稻减产5%~10%。     

基于MODIS-NDVI的水稻遥感估产——以重庆三峡库区为例

以重庆三峡库区为研究对象,利用MODIS-NDVI为遥感特征参量,分析水稻关键生育期的长势并对产量进行预测.考虑到NDVI数据饱和的局限性,选取库区各区县0.2～0.8范围内的NDVI值与作物产量建立水稻估产模型,进行相关性分析,估算出的水稻产量表明,各关键生育期的相关性系数均在0.75以上,且与实产数据对比表明,各区县预测精度均在90%以上,可见利用MODIS-NDVI能够有效的进行水稻监测和估产.     

气象灾害对江西省不同季水稻产量影响的灰色关联分析

选取1986—2014年江西省早稻、中稻、晚稻单产数据以及水稻因不同气象灾害(旱灾、洪涝灾、风雹、霜冻和台风)造成的受灾、成灾和绝收面积数据,运用灰色关联分析法计算不同季水稻单产与5种气象灾害的关联系数,并利用相关数据计算不同季水稻的灾损量和灾损率。结果表明,不同季水稻单产与洪涝灾害的关联系数大,说明洪涝灾害对水稻产量的影响程度大;从时间跨度看,不同季水稻单产受气象灾害影响程度除风雹外都在减弱;不同季水稻由于播种和收获时间不同,受到气象灾害的影响程度不同,中稻受影响程度高于早稻和晚稻。灾损量分析结果显示,江西省气象灾害造成稻谷年均减产162.9万t,相当于年均31.33万hm2水稻种植面积的产量。最后,提出了建设高标准农田、加强农田水利、路渠配套等基础设施建设实现旱涝保收,合理规划不同季水稻种植区域等水稻生产和防灾减灾方面的对策建议。     

异常气候条件下小麦估产方法研究

发展针对异常气候条件下的作物估产模型,对于理解气候变化对作物产量的影响,提高估产模型的适用性具有重要意义。本文提出了一种综合气象灾害指标、遥感植被指数与趋势产量的随机森林回归估产方法,基于该方法构建了中国五大麦区的小麦单产估算模型,并选择典型的灾害年份在县级尺度和麦区尺度上分别进行了精度验证,对比分析了不同麦区输入变量对估产模型构建的重要性。结果显示：五大麦区估产模型拟合精度的R²均在0.95以上,各麦区县级实际单产与预测单产平均相对误差均低于0.060,区级均低于0.049;输入变量在不同麦区的重要性存在差异。标准化降水蒸散指数在五大麦区重要性均较高,干热风指标在西北春麦区与北部春麦区相比其他区域更重要,月平均温度距平与月平均降水距平在各个麦区的重要性差异不大,小麦拔节期与抽穗期的标准化差分植被指数（NDVI）重要性相对其他时间段的NDVI更高。本文构建的估产模型能够满足异常气候条件下估产的精度,可以为极端气候条件下大尺度的估产研究提供参考。     

基于环境减灾小卫星数据叶面积指数的反演

叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数（NDVI）与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明：玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0．805和0．810,并采用该模型进行反演。