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。     

中国作物生长模拟监测系统构建及应用

该文系统阐述了中国作物生长模拟监测系统（Crop Growth Simulating and Monitoring System in China, CGMS-China）的构建方法及其在国家级农业气象业务中的应用。CGMS-China是基于WOFOST、Oryza2000、WheatSM、ChinaAgroys 4个作物模型构建的系统,在作物长势监测评估、农业气象灾害影响评估、作物产量预报等农业气象业务中均有应用。该系统可进行作物长势监测、产量预报、农业气象灾害影响评估。利用CGMS-China模拟输出的地上生物量、叶面积指数、穗质量,建立作物长势评估指标,可对小麦、玉米、水稻进行实时长势监测与评估。通过CGMS-China对2014年8月中旬华北黄淮夏玉米的干旱产量损失评估和2016年6月22日早稻高温热害的产量损失预估表明,CGMS-China对农业气象灾害影响评估的效果较好。利用CGMS-China对2014年冬小麦主产省进行产量预报,各省的平均预报相对误差为7%。与此同时,在CGMS-China中利用遥感数据同化方法,对山西洪洞县进行产量预报,预报相对误差小于11%。该系统在国家级农业气象业务中具有良好的应用前景。     

基于植被指数的作物产量监测方法研究

在作物收获以前进行大范围的作物长势评价与作物产量估测,对粮食供需平衡、贸易、农业政策制定非常重要。该文收集了1984年到2002年的NOAA卫星和农业统计资料,计算耕地范围的植被状态指数VCI、温度状态指数TCI和植被生长状态指数VHI,分析了遥感植被指数与作物产量间的相关关系,分别建立了基于植被指数的线性回归模型和非线性回归模型。结果表明,遥感植被指数与作物产量间存在较好的相关性,其非线性回归模型在拟合精度上高于线性回归模型。研究目的是利用卫星资料得出应用于监测作物长势的植被指数,建立作物产量监测模型,应用于农作物遥感监测业务化运行系统。     

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。     

国家级农情遥感监测系统的开发、运行与关键技术研究

20世纪80年代,遥感在农业上的应用重点是遥感估产,90年代转向农情遥感监测与精准农业管理.本文介绍国家级农情遥感监测系统的研究、开发与应用,以及应进一步研究的关键技术问题,特别是数据处理、抽样方法、作物识别,长势诊断,灾害评估,产量估计的模型研究.     

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。     

基于遥感影像的作物生长监测系统的设计与实现

利用遥感监测技术实时快速地获取作物长势参数和氮素营养状况,可以为作物的精确管理提供决策支持。在已有作物（小麦和水稻）生长监测模型的基础上,采用GDAL和GDI+信息处理方法,使用EM算法对反演的作物长势参数进行聚类分析,在Microsoft .NET平台上构建基于聚类分析和遥感影像的网络化作物生长监测系统。系统具有常见格式遥感影像读取、遥感信息提取、作物长势参数反演、聚类分析、专题图制作以及信息发布等功能,并以江苏省方强农场为案例区,对系统的部分功能进行了测试与检验。结果表明,该系统能够准确的读取遥感影像信息,反演作物生长参数,并可根据聚类分析结果自动制作专题图,通过互联网予以发布,从而初步突破了用户无法直接参与遥感影像分析过程的瓶颈,为区域尺度的作物生长监测和精确管理调控提供了决策支持。     

作物产量指数设计及在黑龙江省的应用

针对传统基于归一化植被指数（normalized difference vegetation index，NDVI）的作物长势监测方法对于同一时期处于不同生育阶段的作物缺乏可比性，以及NDVI的高低不能直接代表产量的高低的问题，该研究设计了一种可以动态反映作物长势和产量变化的具有时空可比性的统计指数（作物产量指数）。以黑龙江为例，基于单产数据、气象数据、遥感数据、作物分布数据，对3种作物分别进行估产分区，综合使用随机森林重要性评价方法和留一法为各估产分区筛选最优估产建模变量，构建动态估产模型和产量指数计算模型，并在2022年作物生长季（6—9月）进行了大豆、玉米、水稻的动态估产和产量指数预报和分析。结果显示：1）建模指标的重要性从高到低依次为趋势单产、遥感植被指数、气候类指标。2）3种作物整体单产预测精度最高的为水稻，其平均绝对相对精度(mean absolute relative precision，MARP)为95.20%，其次是玉米（MARP为93.81%），最后是大豆（MARP为92.73%）。3）以历史5 a为基期计算的3种作物的6—9月的产量指数的对比结果显示，大部分区县3种作物各月的产量指数差异处于“平”状态。4）生长季产量指数的月环比结果显示大部分区县产量指数的月环比值处于-0.01~0.01之间。该研究设计的作物产量指数可用于比较某一统计单元（如县、市或省）在特定评估时间点相对于其历史平均单产的增减状况，也可以环比相邻两个评估时间点的产量变化情况；在空间维上可以比较同处于某个特定评估时间点的不同统计单元的单产指数的高低情况，在长势监测、产量预报等中具有很好的应用前景。     

基于关键发育期的冬小麦长势遥感监测方法

利用遥感方法识别中国冬小麦关键发育期并基于识别发育期进行长势监测。通过冬小麦主产区271个气象站2005-2010年的农业气象资料和同期MODIS-EVI(增强植被指数)遥感资料,综合分析EVI时间序列与冬小麦返青、抽穗和成熟期的关系,使用最大变化斜率法、窗口转折点法和简单转折点法识别冬小麦关键发育期。然后基于遥感识别抽穗期数据,使用相邻年抽穗期EVI值比较方法对冬小麦2006-2010年长势进行遥感监测。遥感识别冬小麦主要发育期均方根均值为14.61d,平均绝对偏差均值为11.2d;冬小麦遥感长势监测结果显示基于识别抽穗期的遥感长势监测方法监测效果好于传统长势监测方法。     

WOFOST模型同化时序HJ CCD数据反演叶面积指数

为增强作物叶面积指数遥感反演的机理性并提高反演精度,在深入分析作物长势模型WOFOST机理的基础上,采用最小二乘法作为同化算法,以生长季内获取的时序HJCCD遥感数据作为外部数据源,反演冬小麦叶面积指数进行长势监测和估产应用。以河北省玉田县为试验区,以三要素法和实测LAI作为基准,模型模拟产量和LAI作为反演精度的度量指标,成熟期LAI估算误差由模型同化前的14.95%降至同化后的9.97%,产量误差由同化前的18.17%降为同化后的15.89%。叶面积指数的同化结果与实测数据具有较好的拟合度,表明该方法的具有一定可行性,为作物生长模型区域化应用提供了参考。     

基于时间序列Landsat影像的棉花估产模型

为提高棉花遥感估产精度,该文选取加州San Joaquin Valley地区2个棉花地块作为研究区,利用时间序列Landsat_5_TM、Landsat_7_ETM遥感影像数据,结合野外实测产量数据,进行棉花产量遥感预测模型研究。结果表明：基于Landsat影像纯像元的植被指数时间序列准确地揭示了棉花整个生长期的长势情况,不同长势的棉花植被指数随时间变化在花铃期差异比较显著;整个花铃期植被指数与产量之间的相关系数均大于0.80,最大相关系数达0.90,花铃期NDVI平均值建模决定系数为0.82,均方根误差为463.69,证明花铃期比其他生长期更适用于棉花产量预测;单一时期最优模型为第206天（7月25日）,多时期最优模型以NDVI最大值前三期NDVI平均值为自变量;整个花铃期NDVI最大值建模决定系数为0.81,均方根误差为477.82,该模型具有普适性。该文的研究成果为基于MODIS_NDVI最大值合成法的相关研究提供了理论依据,并且为其他农作物的估产模型建立提供借鉴。     

基于MODIS EVI的冬小麦产量遥感预测研究

Terra-MODIS数据集同时具有归一化植被指数（NDVI）和增强型植被指数（EVI）两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果，该文利用MODIS-NDVI和MODIS-EVI作为遥感特征参量，以对美国冬小麦的长势监测与产量预测为例进行了研究：运用区域作物特定生育期内多年的NDVI和EVI值与作物产量进行相关分析，采用一次线性拟合方法分别建立回归方程，估算当年的农作物产量。结果表明，EVI明显地比NDVI更好地与产量建立回归方程，用EVI建立的回归方程，各州相关系数大多在0．7以上；而用NDVI建立的回归方程，相关性不稳定。因此利用EVI建立的模型对2004年美国冬小麦进行估产，并将预测结果与美国国家统计署6月1号公布的预测结果进行对比，结果发现，美国国家统计署预测单产误差为3．05％，总产误差为-2．56％，而该研究预测结果单产误差为2．62％，总产误差为-1．77％且预测时间比美国国家统计署预测时间提前约半个月。可见EVI可以更有效地进行作物监测及估产，提高预测的准确性。     

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。     

基于环境减灾卫星时序归一化植被指数的冬小麦产量估测

依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。     

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。     

基于无人机遥感植被指数优选的田块尺度冬小麦估产

田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。     

基于NDVI时间序列数据的施肥方式遥感识别方法

农产品生产过程时空动态监测是有机/绿色农产品认证亟待解决的问题,不同施肥方式的时空精准识别是解决该问题的关键。本文以美国加州大学戴维斯分校长期定位实验为基本材料,利用时间序列Landsat8和Sentinel-2影像研究长期施肥实验下不同施肥处理轮作地块的植被指数时间序列,对比分析不同施肥处理NDVI的差异以及NDVI与产量的相关性。结果表明:1)不同施肥处理下的NDVI时间序列曲线总体趋势相似,有机肥与化肥处理NDVI时间序列曲线差异较大;2)不同施肥处理NDVI随作物生长期呈现规律变化,生长初期和后期有机肥处理NDVI均值高于化肥处理,生长中期化肥处理高于有机肥处理;3)不同施肥处理下的NDVI与产量之间相关系数随作物生长期有规律变化,应用植被指数进行遥感估产需要考虑不同施肥处理的影响。研究成果初步探讨了利用不同施肥处理NDVI时间序列差异、NDVI与产量相关性差异区分有机肥与其他施肥方式,有望为有机/绿色农业的时空动态监测与认证提供遥感技术支持,深化遥感技术在农业领域应用。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

作物长势遥感监测指标的改进与比较分析

为改善归一化植被指数（NDVI）作为遥感监测作物长势指标的性能,该文分析了归一化植被指数的内在设计缺陷,在不增加额外波段的情况下,以近红外波段和红色波段为基础引入一种新的作物长势遥感监测指标——GRNDVI。通过在像素和区域层次上同其他4种指数进行比较发现：GRNDVI能够改善归一化植被指数在低植被覆盖度时期/地区容易受到作物冠层土壤背景的影响,而在高植被覆盖度时期/地区又容易发生饱和现象的设计缺陷,可以作为遥感监测作物长势过程中替代归一化植被指数的指标。