基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段，对农业生产管理具有重要意义。以安徽龙亢农场为研究区，收集了中高分辨率多源卫星遥感数据并进行了定量化处理，构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型，生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律，分析了不同品种冬小麦的长势情况，发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上，构建了基于归一化植被指数（NDVI）的冬小麦估产模型，结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算，据此绘制了龙亢农场2017年冬小麦产量遥感估算地图，产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测，为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数(NDVI)的冬小麦估产模型,结果表明:利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数（NDVI）的冬小麦估产模型,结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

长春净月潭遥感实验区玉米遥感估产模式研究

以长春净月潭遥感试验区和吉林省梨树县为主要试验区，研究建立玉米遥感估产模式。利用多种图像处理方法提取玉米播种面积，建立单产估产模型，对试验区1992年玉米产量进行了估算预报，结果较好。     

冬小麦播期的卫星遥感及应用

播种日期对冬小麦生长发育、产量和品质形成均有一定的影响。利用2003年拔节期的Landsat TM卫星的NDVI数据．成功地监测了冬小麦的播种日期。提出了基于NDVI和播种日期的冬小麦的遥感估产的优化模型，并在抽穗期至乳熟期的3次生育期的遥感估产中得到了成功验证与应用。利用出粉率与播种日期的显相关特性，采用拔节期的Landsat TM卫星的NDVI数据，成功预测了小麦籽粒的出粉率。     

基于多时相MODIS监测冬小麦的种植面积

论文基于时相和波谱信息，利用MODIS数据监测了北京冬小麦的种植面积。首先，基于地形高度对地物光谱反射值的影响，借助DEM数据对研究区域进行划分。其次，在分析并提取北京地区主要农作物时间谱曲线特征的基础上，设计决策函数，成功提取了北京地区冬小麦的种植面积。最后，比较并分析了非遥感数据对监测精度的影响。研究结果表明，（1）时相信息可以极大的提高农作物种植面积的监测精度。（2）辅助数据的利用，使决策函数的设计更具有针对性，监测结果更可靠。（3）多源多时相遥感数据在农作物种植面积的提取中具有明显的技术优势和重要的应用潜力。     

基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究

遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。根据2005~2006年北京冬小麦不同物候期的Landsat TM影像和2006年Spot\|2影像,计算了各时期影像中主要植被类型的光谱可分性距离,分析了北京郊区主要植被物候差异和光谱可分性;对各生育期的遥感影像及其主要组合进行了监督分类,采用总体精度和分类效率指标两个参数,结合地面GPS调查数据,对分类结果进行了精度评价。结果表明：北京地区小麦监测最佳时相是4月上旬,影像分类的总体精度为92.9％,明显优于其它单时相影像的分类结果;发现北京郊区冬小麦光谱分类的最佳时相组合为4月上旬(起身期)和5月下旬(灌浆期),分类总体精度为94％。     

利用MODIS 数据监测河北省冬小麦种植信息

根据冬小麦发育期的同步性、土壤类型、灌溉条件等多项因子, 参考河北省土地利用现状资料和生态功能区划成果, 将河北省冬小麦种植区域划分为五大区。利用多时相MODIS 遥感数据和冬小麦地面GPS 定位调查信息, 充分考虑冬小麦的生长发育特征和下垫面的植被生长特征来剔除小麦生长季节的非麦区信息。在测算冬小麦种植面积、解决混合像元问题时, 改进了“麦土比”的概念,提出了“像元麦土比”的新方法, 将遥感知识、农学知识和地学知识进行有机结合, 形成一套计算机自动提取冬小麦种植信息系统。利用该系统提取了河北省2004～2005 年度冬小麦播种信息, 遥感测算的全省总面积误差为3. 2% , 综合考虑各个地市的偏差情况, 9 个地市面积平均绝对误差为9. 6%。     

利用多时相NDVI 监测京郊冬小麦种植信息

物候和时相信息在农作物种植信息提取方面有十分重要的应用价值, 利用多时相L andsat TM 数据, 结合冬小麦的波谱和时相信息, 成功提取了北京地区的冬小麦种植信息。首先, 选用了2003 年4 月7 日、5 月1 日、5 月25 日、6 月18 日不同时相的4 景TM 卫星影像, 计算了不同时相的NDV I 时间谱图像数据; 其次, 结合北京地区农作物种植的实际情况, 提取并分析了北京春夏季主要植被地物(冬小麦、苜蓿、苗圃、春玉米、树林等) 的NDV I 时间谱特征; 第三, 利用不同时相的NDV I 图像数据, 通过NDV I 图像通道间的逻辑运算算法, 成功提取了2003 年北京地区的冬小麦种植信息, 提取精度达到96. 92%; 最后, 与2002 年收割小麦的统计数据相对比, 监测了北京各郊区县的冬小麦种植结构调整情况。结果表明, 多时相、多光谱遥感数据在作物种植信息的监测中有十分明显的技术优势和重要的应用潜力。     

HJ星数据在关中冬小麦种植面积遥感监测中的应用 

应用冬小麦抽穗期的环境小卫星影像对关中地区依据行政区划划分,采用多种遥感监测方法进行冬小麦种植面积提取,提取精度达95.64%。结果表明:抽穗期是关中地区提取冬小麦种植面积的最佳时相,同时也表明环境小卫星可以用来监测大范围的冬小麦种植面积,并得到很高的精度。在未来的研究中,对于地形差异较大的地区,可依据地形和冬小麦的种植结构对研究区进行划分,针对每个子研究区采用不同的遥感监测方法以提高提取精度。     

利用光谱指数进行冬小麦变量施肥的可行性及其效益评价

变量施肥技术作为精准农业一个新的发展方向，如果能以适时获得的高光谱数据代替传统繁琐的实验室土壤养分测定数据来指导变量施肥实践，那将对我国精准农业的发展具有重要的实践意义。研究根据冬小麦起身拔节期冠层光谱数据，选用反映冬小麦长势信息的优化土壤调节植被指数（OSAVI）进行变量施肥，对光谱指数（OSAVI）指导变量施肥实践的可行性进行了探讨，结果表明起身拔节期的冠层光谱特征值与产量之间表现出很好的线性相关关系，可以根据起身期的冠层光谱特征值预测当李作物目标产量。对变量施肥效益也做了研究，结果显示通过变量施肥能够改善冬小麦的长势差异状况，显著提高了冬小麦籽粒产量，降低各处理产量之间的变异，但各处理籽粒品质之间的差异却略有增加。     

机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证

遥感提取叶绿素含量的方法是精准农业的重要研究方向之一,但是如何用冠层光谱数据有效地提取叶绿素含量仍然是一个难点。本文用光谱指数TCARI和OSAVI的组合建立提取冬小麦冠层叶绿素含量的关系式,并使用实验田获取的冬小麦冠层光谱以及与之同步的机载高光谱传感器OMIS数据进行了验证。通过误差分析讨论了该方法用于遥感高光谱数据时需要注意的问题,表明大气校正的精度,传感器的信噪比以及波段中心的漂移是模型反演精度的主要制约因素。     

Quantitative analysis and hyperspectral remote sensing of the nitrogen nutrition index in winter wheat

ABSTRACT

The nitrogen nutrition index (NNI) is a quantitative and reliable indicator of the nitrogen nutrition distribution or status of crops. The timely and accurate estimation of the NNI is crucial in agriculture management. In this study, the quantitative analysis and hyperspectral remote sensing modelling of the NNI were conducted, in which the hyperspectral remote sensing data and NNI data at different growth stages of winter wheat were measured using ground and unmanned aerial vehicle (UAV) carrying high spectrometer equipment. First, the NNIs of the four growth stages of winter wheat were calculated and statistically analyzed. Then, the hyperspectral characteristics at different growth stages and various NNIs were examined. Second, the representation wavebands of the hyperspectral data, which were sensitive to the NNI of winter wheat, were acquired and evaluated. In addition, hyperspectral models were established and comparatively assessed for the NNI estimation. Finally, the hyperspectral characteristics and the remote sensing estimation of the NNIs were determined on the basis of UAV-based hyperspectral data. The results are as follows. (1) As the NNIs of winter wheat changed, the characteristic of the red shift, the variations in the red edge position, and the near-infrared waveband range of the hyperspectral data became apparent. (2) The green band, red edge, and near-infrared were sensitive to the NNIs of winter wheat, and they could be effectively used for estimating the NNI. Moreover, the multiple statistical regression models, which were based on representative wavebands, performed well in estimating the NNI results for the different growth stages of winter wheat.     

星载SAR在涡阳县冬小麦测产中的应用

由于雷达遥感的全天候、全天时的优势,使之成为南方大范围农业信息动态监测的最佳遥感手段。应用星载合成孔径雷达(SAR)-RadarSat-2,选择安徽省涡阳县冬小麦产区进行测产研究。利用SAR的多极化特点(HH/HV/VH/VV),针对此卫星影像比较选择VV极化,并在试验田取样,获得试验田产量,从而建立产量和后向散射系数关系的线性测产模型,在提取冬小麦种植区基础上,应用此模型对冬小麦进行大面积产量测产。通过计算,得到了超过80%精度的测产模型和冬小麦较准确的测产结果。研究结果表明:在冬小麦收割前一周左右应用SAR进行测产,从而为农保提供服务,这种思路和方法是行之有效的。     

A data fusion and spatial data analysis approach for the estimation of wheat grain nitrogen uptake from satellite data

The selection of the optimal band combination for the estimation of specific crop variables is a key aspect in order to obtain reliable estimation of in-field variability from multi- and hyperspectral remote-sensing data. The selection of the bands is strongly influenced by the phenological stage of the crop at the acquisition time. In this work, the influence of the growing stage on the combination of spectral bands related to grain nitrogen (N) uptake in wheat was evaluated using multispectral (Satellite Pour l’Observation de la Terre – SPOT) and hyperspectral (Compact High Resolution Imaging Spectrometer – CHRIS-PROBA) satellite images at different growth stages over two wheat growth seasons in central Italy. In order to identify the more appropriate covariates (spectral bands) for each phenological stage, stepwise regression with backward selection was combined with stepwise variance inflation factors (VIFs) analysis and linear mixed effect model (LMEM). The results obtained in this study suggest that the spectral region most related to N uptake varies over the growing season of the wheat crop. For SPOT data, near-infrared (NIR) region was selected at all the phenological stages in both growing seasons, except for the latest stage, with low chlorophyll content due to the onset of senescence, in which the red band was selected. At stem elongation, the shortwave infrared (SWIR) band of SPOT data was also selected. At this stage, the best N estimation accuracy was obtained using an LMEM (root mean square error, RMSE = 0.012 t ha^?1). The inclusion of a spatial component in the estimation model by means of LMEMs provided a more accurate estimation than ordinary least square (OLS) models at all growth stages. The test carried out with CHRIS-PROBA data at the fourth stage confirmed the importance of NIR and in particular of the red-edge region for N uptake prediction. A novel methodology is proposed, which involves two crucial aspects in the context of the use of remote-sensing data in precision agriculture: i) the standardization of the spatial resolution for in-field and satellite data by a geostatistical data technique (data fusion); and ii) the selection of the most appropriate spectral bands for each phenological stage, taking into account both correlation with the target variable and collinearity.     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

Use of Landsat TM and EOS MODIS imaging technologies for estimation of winter wheat yield in the North China Plain

This study focuses on the methodologies of winter wheat yield prediction based on Land Satellite Thematic Map (TM) and Earth Observation System Moderate Resolution Imaging Spectroradiometer (MODIS) imaging technologies in the North China Plain. Routine field measurements were initiated during the periods when the Landsat satellite passed over the study region. Five Landsat TM images were acquired. Wheat yields of the experimental sites were recorded after harvest. Spectral vegetation indices were calculated from TM and MODIS images. The correlation analysis among wheat yield and spectral parameters revealed that TM renormalized difference water index (RDWI) and MODIS near-infrared reflectance had the highest correlation with yield at grain-filling stages. The models from the best-fitting method were used to estimate wheat yield based on TM and MODIS data. The average relative error of the root mean square error (RMSE) of the predicted yield was smaller from TM than from MODIS.     

TM遥感与地块内冬小麦产量变异

卫星遥感可以为农作物的准确管理提供必要,及时并具有空间连续性的信息,但高成本一直是限制该项技术在农业上深入发展的主要障碍,利用价格相对较为低廉的TM卫星影像作为信息源来评价其对估测小区域内作物产量空间变异并为规划管理单元提供必要信息的可行性做了初步的研究,结果表明,利用TM图像所获得的植被指数能较好地反映小麦各生育时期的基本特点,两种植被指数（NDVI及RVI）都表现出一定程序的空间,而且都以小麦抽穗后期的变异程度为最大,而且,小麦生长发育的三个重要时期（分蘖期,抽穗期及拔节期）的两种植被指数之间具有极显著相关关系,两个试验地块小麦11月8日的归一化植被指数都与产量表现出了良好的相关关系,另外,两种植被指数在表现作物千粒重和亩穗数等产量指标信息方面,也有一定的效果。