尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础.     

Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong, China

The significance of crop yield estimation is well known in agricultural management and policy development at regional and national levels. The primary objective of this study was to test the suitability of the method, depending on predicted crop production, to estimate crop yield with a MODIS-NDVI-based model on a regional scale. In this paper, MODIS-NDVI data, with a 250 m resolution, was used to estimate the winter wheat (Triticum aestivum L.) yield in one of the main winter-wheat-growing regions. Our study region is located in Jining, Shandong Province. In order to improve the quality of remote sensing data and the accuracy of yield prediction, especially to eliminate the cloud-contaminated data and abnormal data in the MODIS-NDVI series, the Savitzky–Golay filter was applied to smooth the 10-day NDVI data. The spatial accumulation of NDVI at the county level was used to test its relationship with winter wheat production in the study area. A linear regressive relationship between the spatial accumulation of NDVI and the production of winter wheat was established using a stepwise regression method. The average yield was derived from predicted production divided by the growing acreage of winter wheat on a county level. Finally, the results were validated by the ground survey data, and the errors were compared with the errors of agro-climate models. The results showed that the relative errors of the predicted yield using MODIS-NDVI are between −4.62% and 5.40% and that whole RMSE was 214.16 kg ha⁻¹ lower than the RMSE (233.35 kg ha⁻¹) of agro-climate models in this study region. A good predicted yield data of winter wheat could be got about 40 days ahead of harvest time, i.e. at the booting-heading stage of winter wheat. The method suggested in this paper was good for predicting regional winter wheat production and yield estimation.     

Comparison of three remotely sensed drought indices for assessing the impact of drought on winter wheat yield

ABSTRACT

Agricultural drought threatens food security. Numerous remote-sensing drought indices have been developed, but their different principles, assumptions and physical quantities make it necessary to compare their suitability for drought monitoring over large areas. Here, we analyzed the performance of three typical remote sensing-based drought indices for monitoring agricultural drought in two major agricultural production regions in Shaanxi and Henan provinces, northern China (predominantly rain-fed and irrigated agriculture, respectively): vegetation health index (VHI), temperature vegetation dryness index (TVDI) and drought severity index (DSI). We compared the agreement between these indices and the standardized precipitation index (SPI), soil moisture, winter wheat yield and National Meteorological Drought Monitoring (NMDM) maps. On average, DSI outperformed the other indices, with stronger correlations with SPI and soil moisture. DSI also corresponded better with soil moisture and NMDM maps. The jointing and grain-filling stages of winter wheat are more sensitive to water stress, indicating that winter wheat required more water during these stages. Moreover, the correlations between the drought indices and SPI, soil moisture, and winter wheat yield were generally stronger in Shaanxi province than in Henan province, suggesting that remote-sensing drought indices provide more accurate predictions of the impacts of drought in predominantly rain-fed agricultural areas.     

受蚜虫危害与干旱胁迫的冬小麦高光谱判别

从高光谱遥感角度判别冬小麦旱害和蚜虫危害,可进一步提高遥感监测灾害的准确性.在麦长管蚜的自然危害下,通过控制其生育期水分条件形成的不同程度的干旱胁迫,监测了灌浆末期冬小麦冠层反射率对蚜虫危害和干旱胁迫的反应;并经一阶微分数据变换,筛选出识别蚜虫虫害和干旱胁迫响应最敏感的光谱波段.实验结果表明:受蚜虫危害和干旱胁迫后,灌浆末期冬小麦在近红外波段的光谱特征变化比在可见光波段的显著,可见光和近红外波段是识别蚜虫危害和干旱胁迫最敏感的谱段.经一阶微分数据变换发现,自然降水处理(灌水量相当于需水量的＜40％)下的冬小麦光谱曲线的“红边”斜率最小;受蚜虫危害以及灌水量分别相当于需水量的＞70％,60％～ 70％,50％～ 60％和40％～ 50％水分处理下的“红边”斜率依次变大;受蚜虫危害冬小麦光谱曲线的“红边”位置波长最短(698 nm),其他不同水分处理结果随着干旱胁迫的加重向波长短的方向发生“蓝移”.因此,“红边”参数也可以作为判别冬小麦蚜虫危害和干旱胁迫的重要参数.     

MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

2000—2009年河北省生态系统服务价值时空动态遥感监测

以TM图像及MODIS NDVI数据为主要数据源,通过建立生态系统服务价值评估体系、物质量评估模型及价值量评估模型,对河北省2000—2009年生态系统服务价值进行了计算。2000—2009年间,河北省生态系统总服务价值呈现出波动增长趋势;总体的空间分布规律呈现出北高南低、西高东低、山地丘陵区高于平原区的规律;生态系统服务价值的空间变化呈现出南北两端地区减少、中部地区增加,且增加部分面积大于减少部分面积的特点。     

河北省卫星遥感海洋应用平台建设研究

随着卫星遥感技术在海洋监测中的作用日益凸显,为了加快地方海洋监测能力建设,构建省级卫星遥感海洋应用平台十分必要。介绍了河北省卫星遥感海洋应用平台的总体设计思路、总体架构、系统建设和应用情况。该平台将国家遥感数据分发单位、地方业务化监测单位、现场观测单位有机联合在一起,形成了自卫星遥感数据与现场观测数据的收集、数据处理、产品生产、数据管理、成果发布至精度评价的全业务闭环流程,实现了海洋环境常规监测业务系统后台全自动化运行,极大程度地提升了河北省海洋遥感监测能力和服务能力,为地方海洋遥感监测平台的建设提供参考。     

遥感技术在主要粮食作物估产中的应用

文章分析了国内外遥感技术在主要粮食作物估产中应用现状,探讨了遥感技术在作物估产领域的研究进展,研究了作物气候产量预报模型、遗传算法结合神经网络模型、基于人机交互的反演模型、基于决策树分类的县域估产模型、单产估测模型、基于SCE_UA算法的CERES_Wheat模型、雷达遥感估产模型等在我国主要农作物估产中的应用;分析表明遥感关键技术及模型选择为农作物估产精度的提高提供了重要的技术支持.最后对作物估产遥感技术发展趋势及农业信息化相关技术做了展望,指出综合遥感与计算机技术开发自动化系统、推进物联网与遥感技术结合等问题,是进一步的研究趋势.     

基于RS和GIS的农作物估产方法研究进展

实时获取农作物长势及产量等信息对于现代农业的发展具有重要意义。近年来,随着遥感技术(remote sensing,RS)和地理信息系统(geographic information system,GIS)广泛应用于农作物估产领域,相继出现了一些较为实用的估产方法,主要有结合辅助数据的估产方法、基于植被指数的估产方法、基于特定模型的估产方法和基于农作物估产平台(软件)的开发等。其中,基于植被指数的估产方法又分为单一和多植被指数估产2类方法。在对近年来该领域大量文献深入研究的基础上,着重就几类热点方法展开论述,并对每类方法的优势和缺陷进行了评述,最后对该领域需要进一步研究的方向进行了探讨和展望,以期为后续研究提供参考。     

遥感定量反演华北平原地区冬小麦含水量

针对现有植被水分反演算法在华北平原地区适用性差、反演精度低、不能实施有效监测的问题,该文基于地面实测冬小麦植被含水量(VWC)数据,基于归一化型和比值型植被水分指数这两种常见的指数类型,提出调节植被水分指数以削弱土壤背景的影响,使用多个波段反射率数据反演VWC,提高拟合精度80%以上,发展适用于华北平原的农作物水分含量反演模型。拟合冬小麦植被含水量的决定系数为0.51,均方根误差为0.95(kg·m^-2)。结果表明:调节植被水分指数能够削弱土壤背景影响,大幅度提高植被水分反演精度;同一种指数计算形式中,在水汽吸收谷内,基于更长波段反射率的植被水分指数反演精度更高;归一化型和比值型植被水分指数在反演精度方面无明显优劣,归一化型植被水分指数反演精度。     

基于随机森林特征优选的冬小麦分类方法

本文基于多时相Landsat 8 OLI数据,进行综合光谱、植被指数的特征提取与特征选择的方法研究。通过分析光谱与植被指数特征时序变化,提取最佳时相光谱,构建小麦提取特征;采用基于重要性与Pearson相关性的随机森林特征选择算法优选特征。结果表明:利用优选特征分类时,总体精度为89.78%,小麦分类精度为98.33%;与优选前特征的分类结果相比,精度分别提高了2.96%、2.55%;基于重要性与Pearson相关性的随机森林特征选择提高了分类精度和分类器工作效率。