基于光谱反射信息的作物单产估测模型研究进展

及时准确地估测区域作物单产信息,对于粮食安全预警、粮食贸易流通,以及农业可持续发展都具有非常重要的意义。基于光谱反射信息的遥感技术,能够实时获取作物和土壤在不同时间和空间尺度下的分布信息,为区域作物单产估测研究提供了新的机遇和挑战。在简单介绍作物反射光谱特性和作物单产影响因素的基础上,分经验模型、半经验半机理模型和机理模型三部分,详细论述了基于光谱反射信息的作物单产遥感估测模型的国内外研究进展,并指出基于作物生长机理模型与多时相遥感信息同化技术的研究,应该是未来区域作物单产估测的重要发展方向之一。今后应该重点加强作物冠层关键参数(如叶面积指数、叶绿素浓度、作物吸收光合有效辐射系数、植被覆盖率等)的定量反演研究,同时加强多源遥感数据替代和整合技术研究,以及作物模型与遥感信息同化关键技术研究,以进一步改善单产估测精度和提高系统可运行性。     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

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。     

基于无人机采集的视觉与光谱图像预测棉花产量

为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法。盛花期前的棉花图像由无人机遥感平台在距地面50m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像。基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetationindex,NDVI)3个特征参数,用于构建棉花产量的预测模型。包括产量与特征参数的原始数据集随机分为训练集(90%)与测试集(10%)。训练集数据首先基于产量概率分布特征去除了10%的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型。通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估。试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5%显著性水平)。其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9 773,因此适应性最优。基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0%。因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测。     

小麦品质指标与冠层光谱特征的相关性的初步研究

该文通过研究冬小麦体内生化组分之间的相互关系得出，开花期叶片全氮含量与类胡萝卜素与叶绿素a的比值之间存在极显著的负相关，决定系数为0.7245，通过研究光谱指数与叶片生化组分的关系得出开花期冬小麦叶片的类胡萝卜素与叶绿素a的比值与光谱结构不敏感植被指数(SIPI)之间存在极显著的正相关，决定系数达到0.7207，且研究了冠层生化组分与籽粒品质指标间的关系，得出开花期叶片全氮与籽粒蛋白质、湿面筋、干面筋和沉降值之间存在极显著正相关。小麦不同品质指标间存在相关性，其中蛋白质品质性状间的粗蛋白含量与湿面筋含量、     

基于Sentinel-2A的棉花种植面积提取及产量预测

及时并准确地估计作物产量,对保障粮食安全、维护世界粮食供应稳定具有重要意义。此前,已有许多研究者使用机器学习方法对作物产量预估进行研究。然而,结合作物的空间分布、使用局部模型进行分析的研究较少;且诸多研究均以年份为时间尺度进行建模,未能精细到作物生长的各个阶段,无法实现作物产量的早期预测。针对以上问题,该研究结合多源遥感数据,利用随机森林（random forest,RF）以及地理加权随机森林（geographically weighted random forest regression,GWRFR）模型对美国县级玉米产量进行建模,探讨全局与局部模型在玉米产量预测方面的性能;并通过将GWRFR模型应用于玉米的各个物候期,获取了玉米产量的最佳提前预测时间。结果表明,GWRFR局部模型的精度（R²=0.87,RMSE=864.21 kg/hm²）高于传统的RF全局模型（R²=0.83,RMSE=994.75 kg/hm²）,并且能够较好地克服空间数据的非平稳性,即使在全局模型中加入经纬度作为变量,RF模型的预测效果（R²=0.85,RMSE=890.88 kg/hm²）仍然低于GWRFR模型。对于玉米产量的预测可以提前至收获前2～3个月,即在乳熟期前后就能得到比较准确的预测结果（R²=0.90,RMSE=748.39 kg/hm²）。该研究结果可为大尺度作物产量预估提供一种新的思路,对区域或全球其他作物的产量预测也具有一定的指导意义。

     

Landsat 8和机器学习估算蒙古高原草地地上生物量

草地地上生物量（Above-Ground Biomass,AGB）是反映草地植被利用状况的重要参数,其精准监测对于草地科学管理与合理利用具有重要意义。近年来,遥感技术因其能快速、准确获取大尺度草地光谱信息,已经被广泛应用于草地地上生物量的估算中。该研究以中国内蒙古呼伦贝尔市与其毗邻的蒙古国东方省草原区为研究区,利用Landsat 8数据计算的9种植被指数、气象数据和地面调查数据,比较分析6种机器学习算法构建的回归模型性能,重新构建优化的随机森林回归模型。结果表明,以光谱、降水量、气温为特征的优化后的随机森林回归模型性能更稳定,预测值与实测值之间决定系数为0.801,均方根误差为43.709 g/m2,相对均方根误差为23.077%。研究区域地上生物量呈中部较低,东西两侧较高的空间分布特征,最高可达357.2 g/m2,最低为33.01 g/m2,与该区域降水量与草地利用方式的空间异质性密切相关。该研究表明,基于Landsat 8数据结合气象数据构建的机器学习模型在草地生物量遥感反演中有较大潜力,地上生物量反演结果可以为草地资源合理利用与评价提供参考。     

基于机器学习和无人机多光谱遥感的苜蓿产量预测

作物产量快速准确预估对规模化农业生产具有重要意义。该研究在河北省涿州市开展田间试验，设置5个灌水处理及雨养对照区，使用无人机搭载多光谱相机在苜蓿的分枝期、现蕾期和初花期进行遥感监测，将光谱参数与苜蓿产量做相关性分析，分别挑选各生育时期相关性较好的5种植被指数，以去除土壤噪声后的5种植被指数和作物表面模型提取的苜蓿株高为输入变量，通过支持向量回归算法建立各生育时期的苜蓿产量预测模型，并结合实测产量进行模型评价。结果表明，苜蓿产量预测模型精度由高到低的生育时期依次为初花期、现蕾期、分枝期，使用植被指数和株高组合作为输入变量可以提高产量模型的预测精度。在初花期使用植被指数和株高组合输入变量所构建的估产模型最优，其决定系数、均方根误差和标准均方根误差分别为0.90、500 kg/hm2和14.3%，可用于苜蓿产量的快速准确评估。研究结果可为苜蓿的规模化生产和精细化管理提供技术支持。     

遥感技术在玉米估产中的应用与研究

玉米是我国主要的粮食作物之一,在我国北方地区占有举足轻重的地位。及时了解玉米种植面积、长势及产量,对于国家粮食政策的制定、价格的宏观调控以及对外粮食贸易都具有重要意义。遥感估产技术在农业发展中具有传统的统计方法不可比拟的优势,能及时客观地获得作物长势、产量等信息,特别是种植面积及其不同区域分布的信息,对于遥感估产玉米生产具有非常重要的作用。     

环境敏感变量优选及机器学习算法预测绿洲土壤盐分

基于机器学习预测干旱区(如新疆)土壤盐分的研究目前较少涉及且敏感变量的筛选还需深入探讨。该研究比较5种机器学习算法(套索算法,The Least Absolute Shrinkage and Selection Operator-LASSO;多元自适应回归样条函数,Multiple Adaptive Regression Splines-MARS;分类与回归树,Classification and Regression Trees-CART;随机森林,Random Forest-RF;随机梯度增进算法,Stochastic Gradient Treeboost-SGT)在3个不同地理区域(奇台绿洲,渭-库绿洲和于田绿洲)的性能表现;参与的变量被分为6组:波段,植被相关变量集,土壤相关变量集,数字高程模型(digital elevation model,DEM)衍生变量集,全变量组,优选变量组(全变量组经过算法筛选后的变量集合)。通过算法筛选,以示不同研究区的盐度敏感变量。同时借助以上述6组结果评判算法的性能。结果表明:综合分析6个变量组的R2和RMSE,预测精度排名如下:优选变量组植被指数变量组土壤相关变量组波段DEM衍生变量组。由于结果不稳定,全变量组未参与排名。在所有变量中,植被指数(EEVI,ENDVI,EVI2,CSRI,GDVI)和土壤盐度指数(SIT,SI2和SAIO)与土壤盐度相关性高于其他变量。综合评价以上5种算法,Lasso和MARS的预测结果出现极端异常值,但其预测结果能基本呈现土壤盐分空间分布格局。CART的结果能清晰分辨灌区和非灌区土壤盐分的分布态势,但二者内部并无太多变化且稳定性较差。RF和SGT的结果显示,二者在3个绿洲的土壤盐分值域范围和土壤盐分空间分布格局相似,纹理信息相对其他3个算法更为丰富。更为重要的是,算法在各个地区的结果都较为稳定。二者相比,SGT验证精度相对最高,其次为RF。     

遥感与作物生长模型数据同化应用综述

遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。     

土壤有机质高光谱遥感和地统计定量预测

通过两种不同的尺度进行了土壤有机质含量的预测,在全县范围（大尺度）内运用地统计方法进行最优无偏内插估计,得到全县土壤有机质含量的空间分布格局。在小尺度高光谱Hyperion影像范围内,确定623.6 nm处反射率倒数之对数的一阶微分与564.4 nm处反射率倒数之对数的一阶微分的比值为土壤有机质的敏感变量,运用多元统计分析方法,确立各土壤有机质高光谱定量最佳反演模型,并把该模型应用于高光谱影像进行有机质含量定量填图,取得了很好的预测效果（R2=0.8684）。同时为了进行客观比较,基于同一尺度,利用30个样点进行地统计空间插值定量预测,比较两种预测结果,通过分析得出由于地统计学受到样点的数目、分布和间距情况以及内蕴假设的影响,其预测效果不如高光谱遥感反演模型。     

甘肃省两种主要草地类型的光谱反射特征比较

干旱荒漠草甸和高寒草甸是甘肃省两种主要的草地类型。2005－2007年,在安西草场和玛曲草场,分别对2种草地类型进行了光谱观测。文章分析和比较了2种草地类型的光谱反射特征及其差异性。结果表明,在可见光波段,荒漠草甸植被的冠层光谱反射率要高于高寒草甸植被,在近红外波段刚好相反;相同类型的草地,在不同的植被之间近红外波段的反射率差异较大。在可见光波段和近红外波段,荒漠草甸植被的叶片光谱反射大于冠层光谱反射,而高寒草甸植被则是冠层光谱反射大于叶片光谱反射;同一植被冠层光谱反射受植被长势影响明显;两种草地类型的红边特征参数表现为荒漠草甸小于高寒草甸。总之,高光谱遥感可以应用于草地植被的分类和长势监测。     

重金属铜和锌胁迫下的小麦冠层反射光谱特征

目前关于土壤重金属污染对作物的光谱影响仍然处于探索阶段,受植物种类和环境等因素的影响,植物重金属胁迫机理的诊断仍存在不明确的问题,作物不同生长阶段对不同重金属的耐受程度存在差异。为了探究快速监测作物受重金属污染胁迫状况,采用田间小区试验,利用光谱分析方法研究了土壤重金属不同质量分数铜(0、100、300、600、900 mg/kg)和锌(0、250、500、750、1 000 mg/kg)处理下小麦分蘖期、拔节期和抽穗期冠层光谱特征。结果表明,小麦在分蘖期和拔节期冠层光谱在可见光(350~760 nm)波段内反射率总体随着铜、锌污染浓度的增加而升高,而在近红外(760~900 nm)波段内反射率随铜、锌处理浓度的增加而降低;分蘖期不同浓度铜、锌处理下,小麦冠层光谱出现红边蓝移和红谷蓝移现象;分蘖期铜处理在600、900 mg/kg和拔节期铜处理在900 mg/kg下小麦红边归一化指数值(NDVI705)均低于0.2;分蘖期锌处理在750和1 000 mg/kg下小麦红边归一化指数值(NDVI705)均低于0.2;该试验中引起小麦受到胁迫作用冠层光谱响应的铜临界浓度介于300与600 mg/kg之间,而锌临界浓度介于500与700 mg/kg之间。     

基于遥感和作物生长模型的作物产量差估测

传统的作物生长模型很难模拟大田的实际产量,因为大量的数据、复杂的数学运算以及误差传递限制了作物生长模拟模型的运用。目前为止实际产量仅能通过观测和实地调查获得。该文将NOAA-14 AVHRR遥感获取的冠层温度信息引入作物生长模型,利用冠气温差计算作物水分胁迫系数,可以近似地估计区域作物实际生长速率和产量,进而建立了遥感-作物模拟复合模型PS-X,提出了估算区域作物实际产量的方法。PS-X模型可在不同层次模拟作物的生长和产量,在PS-1、PS-2、PS-X水平计算的分别是作物的光温生产潜力、水分限制下的生产力和实际产量。利用该模型,论文分别模拟了邯郸地区1998年夏玉米的光温生产潜力、水分限制下的生产力和实际产量,并通过比较不同模拟水平下产量和农户调查产量进行区域产量差分析。结果表明：PS-1和PS-2水平之间的产量差主要由水分和土壤质地差异造成;PS-2与PS-X水平间的平均产量差异较大,占总产量差（PS-1与PS-X水平之差）的81.4%,主要由田间管理差异造成;对于平原地区,夏玉米产量估测精度可达90%以上;砂质土壤区估算冠层温度和水分胁迫系数比壤质、粘质土壤区要高,因此砂质土壤区模拟作物产量较低,这与PS-2计算结果、农户调查数据一致。研究证实,区域上应用遥感瞬时温度信息建立遥感-作物模拟复合模型进行估产是可行的。     

冬小麦病害与产量损失的多时相遥感监测

为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期（4月10日,4月26日）的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。     

基于GEE和机器学习的河套灌区复杂种植结构识别

河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine（GEE）云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。     

结合GWRFR和作物物候信息的玉米产量早期预测

及时并准确地估计作物产量,对保障粮食安全、维护世界粮食供应稳定具有重要意义。此前,已有许多研究者使用机器学习方法对作物产量预估进行研究。然而,结合作物的空间分布、使用局部模型进行分析的研究较少;且诸多研究均以年份为时间尺度进行建模,未能精细到作物生长的各个阶段,无法实现作物产量的早期预测。针对以上问题,该研究结合多源遥感数据,利用随机森林（random forest,RF）以及地理加权随机森林（geographically weighted random forest regression,GWRFR）模型对美国县级玉米产量进行建模,探讨全局与局部模型在玉米产量预测方面的性能;并通过将GWRFR模型应用于玉米的各个物候期,获取了玉米产量的最佳提前预测时间。结果表明,GWRFR局部模型的精度（R²=0.87,RMSE=864.21 kg/hm²）高于传统的RF全局模型（R²=0.83,RMSE=994.75 kg/hm²）,并且能够较好地克服空间数据的非平稳性,即使在全局模型中加入经纬度作为变量,RF模型的预测效果（R²=0.85,RMSE=890.88 kg/hm²）仍然低于GWRFR模型。对于玉米产量的预测可以提前至收获前2～3个月,即在乳熟期前后就能得到比较准确的预测结果（R²=0.90,RMSE=748.39 kg/hm²）。该研究结果可为大尺度作物产量预估提供一种新的思路,对区域或全球其他作物的产量预测也具有一定的指导意义。     

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。     

基于权重最优组合和多时相遥感的作物估产

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合（WOC）是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例,首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型,然后利用WOC的迭代算法,通过赋予4个单一时相产量模型以最优权重,生成基于多时相遥感的组合模型估算大麦产量,结果表明：基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善,估算精度提高明显。同时,通过对WOC获取的各时相单一模型最优权重大小进行分析表明：应用多时相遥感数据进行作物估产时,权重大小能够反映各时相遥感数据所携带的产量信息的多少,这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。