中国农情遥感速报系统的发展与未来

结合中国农情遥感监测技术的发展, 重点介绍了“中国农情遥感速报系统”的建设背景、监测范围、监测内容、技术革新及其在农情遥感监测领域内的技术引领作用, 说明了系统运行监测结果在中国粮食决策关键期所发挥的作用, 并对粮食生产能力、精准农业及农情信息在线服务等3 个“中国农情遥感速报系统”的重点发展方向进行了展望。     

冬小麦叶面积指数的高光谱估算模型研究

本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。     

基于WOFOST模型与UAV数据的玉米生长后期地上生物量估算

地上生物量能够有效反映作物的生长状态,其信息的实时估算对产量预测和农田生产管理都有重要意义。作物生长模型因其详尽的生理生化基础和对生长过程数字化描述能力,成为生物量估算的理想模型。近年来,研究人员利用数据同化算法将时间序列遥感数据同化到作物生长模型中,实现了作物模型由基于气象站的点模拟到区域尺度面模拟的外推,使生物量模拟结果同时具备大范围和机理性两个方面的特点。这一模式下,时间序列的遥感数据质量将对生物量模拟精度产生直接影响,作物生长后期受到光谱饱和的影响,遥感数据的作物冠层信息获取能力会出现明显下降,因此有必要对该阶段遥感数据和作物模型的结合方式进行优化,提升生物量模拟精度。本文针对东北地区春玉米生物量遥感估算存在的问题,提出了利用WOFOST作物模型结合无人机（UAV）遥感数据实现作物生长后期生物量准确估算的新思路。新思路首先利用多光谱遥感数据获取WOFOST模型具备较高空间异质性的土壤速效养分参数以提升模型的空间信息模拟能力,使其能在一定程度上摆脱点尺度模拟的限制。同时,结合集合卡尔曼滤波算法将生长前期无人机（UAV）遥感数据同化到模型中,以缩短模型单独运行时间,减少模型运行过程中的参数误差累积,实现无遥感数据参与下的短期作物生长模拟,并输出生长后期相应的生物量模拟结果。最后,本文利用地面实测数据对新方法的生物量模拟精度进行了评价。结果表明,与全生育期数据同化相比,新方法的生物量估算精度有了明显的提升（全生育期同化：R² = 0.45,RMSE = 4254.30 kg/ha;新方法：R²= 0.86,RMSE = 2216.79 kg/ha）。