遙感技術(shù)在作物生長監(jiān)測與估產(chǎn)中的應(yīng)用綜述

劉 彥，關(guān) 欣，羅 珊，謝紅霞

（湖南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，湖南 長沙 410128）

遙感估產(chǎn)是根據(jù)生物學(xué)原理，在收集分析各種糧食作物不同光譜特征的基礎(chǔ)上，通過衛(wèi)星傳感器記錄的地表信息，辨別作物類型，監(jiān)測作物長勢，并在作物收獲前，預(yù)測作物的產(chǎn)量的技術(shù)。該技術(shù)在對作物進行識別和提取播種面積的前提下，對長勢進行監(jiān)測并預(yù)報產(chǎn)量[1]。

傳統(tǒng)作物估產(chǎn)采用人工區(qū)域調(diào)查方法，速度慢、工作量大、成本高?，F(xiàn)代衛(wèi)星遙感技術(shù)（以下簡稱遙感）具有宏觀、快速、準確、動態(tài)的優(yōu)點，目前已被廣泛應(yīng)用于各種糧食作物產(chǎn)量的估算之中。不同類型的作物波譜特性不同，依光譜數(shù)據(jù)的差異，在衛(wèi)星照片上可區(qū)分出農(nóng)田及不同的作物類型、并據(jù)此判斷作物的生長狀況，進行長勢監(jiān)測，進而對最終的產(chǎn)量進行預(yù)測預(yù)報[2]。主要的遙感監(jiān)測方法和模型介紹如下。

1 國外研究進展

1.1 基本概況

利用遙感預(yù)測農(nóng)作物的產(chǎn)量始于20世紀70年代，當(dāng)時歐美的一些國家就已分別建立了自己的農(nóng)作物長勢遙感監(jiān)測系統(tǒng)，及時提供作物生長信息[3]。目前，這些歐美國家均已建立了龐大的農(nóng)作物業(yè)務(wù)化監(jiān)測、估產(chǎn)系統(tǒng)。遙感技術(shù)也已形成多星種、多傳感器、多分辨率共同發(fā)展的局面[4]。

YANG Xiao-Hua等提出遙感應(yīng)用于農(nóng)業(yè)檢測的主要目標(biāo)是一些特征值的估計，這種監(jiān)測依賴于植物的光譜反射。改進測算方法通常要靠從特殊的狹窄波段獲取的光譜信息，高光譜數(shù)據(jù)用分光輻射度計來收集?；谘苌瓷涞膹V義回歸神經(jīng)網(wǎng)絡(luò)是最好的預(yù)測LAI和葉片葉綠素密度的模型[5]。

迄今為止，美國農(nóng)業(yè)部的全球農(nóng)業(yè)遙感估產(chǎn)系統(tǒng)、加拿大的全球作物監(jiān)測系統(tǒng)和歐盟的MARS作物監(jiān)測系統(tǒng)均獲得了比較成功的應(yīng)用。就農(nóng)作物遙感監(jiān)測運行系統(tǒng)而言，美國農(nóng)業(yè)部國家農(nóng)業(yè)統(tǒng)計局運行的國內(nèi)遙感估產(chǎn)系統(tǒng)，以分層遙感抽樣為主，而美國農(nóng)業(yè)部外國農(nóng)業(yè)局運行的全球遙感監(jiān)測系統(tǒng)，可以對全球不同國家的糧食作物、棉花等農(nóng)產(chǎn)品進行動態(tài)監(jiān)測；歐盟建立的農(nóng)作物估產(chǎn)系統(tǒng)用于實施歐盟區(qū)的共同農(nóng)業(yè)政策，同時應(yīng)用ERSI/2雷達數(shù)據(jù)估算東南亞地區(qū)水稻產(chǎn)量；此外，法國、德國、泰國、澳大利亞、巴西等國家也相繼開展了作物估產(chǎn)工作，并取得了可喜的進展[6]。

1.2 基本模型

在運用遙感進行作物生長監(jiān)測與估產(chǎn)中，首先要建立許多有關(guān)作物的生長模型，這一直是植物數(shù)學(xué)模型研究的重點之一。國外的作物生長模型出現(xiàn)于20世紀60年代，較有名的有荷蘭的PS123模型（1992年開發(fā)），用于定量化土地生產(chǎn)力評價的普適模型，模型可適用于多種作物生產(chǎn)力計算。這一模型本身要求的參數(shù)較簡單，且綜合考慮了作物光合作用、呼吸作用及輻射、水分等因素的影響，以溫度決定的發(fā)育階段為控制變量，通過生長周期內(nèi)按一定時間間隔循環(huán)計算得出作物生產(chǎn)力和產(chǎn)量。該系統(tǒng)的數(shù)據(jù)易于獲取或估計，已在多個國家被修正和應(yīng)用。荷蘭作物模型的特點是強調(diào)作物模型的生物機理[7]。

國外不僅發(fā)展了不同的單產(chǎn)模型，而且還采用了不同的遙感資料估算作物的種植面積。如澳大利亞用陸地衛(wèi)星MSS數(shù)據(jù)對新南威爾士的莫著畢季區(qū)雙季稻種植面積的估算，精度達到98%[8]。

迄今為止，國外許多學(xué)者已成功建立了數(shù)百種遙感監(jiān)測模型，包括農(nóng)作物、森林等多種植物的數(shù)學(xué)模型。其中，美國建立的模型影響很大，如GOSSYM模型、SIMCOT模型等，特別是CERES模型，綜合考慮了氣象因子、土壤水分和土壤氮素對作物生長的影響，模擬的環(huán)境條件已經(jīng)基本接近作物生長實際環(huán)境條件。專家利用CERES模型研制的DSSAT系統(tǒng)，已經(jīng)在全世界數(shù)十個國家和地區(qū)推廣和應(yīng)用。STICS是法國科學(xué)家開發(fā)出的作物生長模型。該模型以天為時間步長,根據(jù)土壤水分和氮素平衡、氣象數(shù)據(jù)以及作物管理措施模擬作物生長和發(fā)育狀況[9]。

2 國內(nèi)研究現(xiàn)狀

2.1 基本概況

從1983年起，我國在農(nóng)作物遙感估產(chǎn)方面的研究進展明顯。從冬小麥單一作物估產(chǎn)發(fā)展到小麥、水稻和玉米等多種農(nóng)作物遙感估產(chǎn)，從小區(qū)域到橫跨11省市的遙感估產(chǎn)，均已建立了專業(yè)的遙感估產(chǎn)系統(tǒng)，如南京農(nóng)業(yè)遙感分中心的南方水稻遙感估產(chǎn)系統(tǒng)，可準確進行農(nóng)作物種植面積的提取、長勢的動態(tài)監(jiān)測、作物的識別和產(chǎn)量的預(yù)報等工作，為國家制定糧食政策提供準確和有效的保障。遙感技術(shù)與GIS、GPS和ES的結(jié)合，發(fā)展出了可實現(xiàn)作物生產(chǎn)的精確管理，提高作物產(chǎn)量和品質(zhì)的4S一體化系統(tǒng)[4]，從而形成了具有我國特色的有效的農(nóng)情速報與農(nóng)作物估產(chǎn)技術(shù)體系，關(guān)鍵技術(shù)已達世界領(lǐng)先水平。但是農(nóng)作物遙感監(jiān)測需要長期的時間積累，需要知識、經(jīng)驗和技術(shù)的有機結(jié)合才能得到較好的成果[8]。

2.2 監(jiān)測技術(shù)、方法

國內(nèi)也已形成一系列農(nóng)作物遙感監(jiān)測的技術(shù)方法，構(gòu)建了許多有關(guān)作物長勢監(jiān)測、產(chǎn)量及品質(zhì)預(yù)測的業(yè)務(wù)運行系統(tǒng)。如中科院地理所和浙江大學(xué)分別建立了“江漢平原水稻遙感估產(chǎn)集成系統(tǒng)”和“浙江省水稻衛(wèi)星遙感估產(chǎn)運行系統(tǒng)”實現(xiàn)了對水稻種植面積、單產(chǎn)和總產(chǎn)的預(yù)測預(yù)報；楊邦杰等建成了“中國農(nóng)情遙感速報系統(tǒng)”，完成了對全國主要農(nóng)作物的估產(chǎn)。吳炳方等通過年際間遙感圖像的差值,以時序NDVI圖像構(gòu)建作物生長過程,實現(xiàn)了農(nóng)作物生長過程監(jiān)測,建立了農(nóng)作物長勢遙感監(jiān)測系統(tǒng)[3]。

目前國內(nèi)外均比較重視高光譜遙感技術(shù)，是因為它具有以下優(yōu)勢：（1）可以快速準確地獲取農(nóng)田作物生長狀態(tài)的實時信息，為實施精準農(nóng)業(yè)提供重要的技術(shù)支撐；（2）能夠獲取作物的葉面積指數(shù),克服了傳統(tǒng)方法的弊端，并減少對作物葉片的破壞性，從而實時、快速、準確地獲取農(nóng)田信息；（3）能夠較好地監(jiān)測葉綠素含量，葉綠素密度、植被紅邊特性以及其他色素含量等重要信息；（4）快速、無損和準確地監(jiān)測葉片的碳氮比狀況，有助于進行實時的生長診斷及管理調(diào)控，實現(xiàn)作物生產(chǎn)過程中的高產(chǎn)、優(yōu)質(zhì)和高效。我國有很多研究都是借助于這些方法對作物的生長、產(chǎn)量信息[10]等進行推算。

歸一化植被指數(shù)NDVI是遙感監(jiān)測地面植物生長和分布的一種好方法，它能較好抑制大氣路徑和觀測方向的影響，即削弱大氣層和地形陰影的影響，提高對土壤背景的鑒別能力。有學(xué)者提出采用基于周期性特點時間序列的諧函數(shù)處理方法，用于數(shù)據(jù)的平滑處理，去除云噪聲的負面影響，而且提出了利用時序NDVI數(shù)據(jù)提取作物生長過程方法[11]。

2.3 基本模型

在建立模型方面，中國的學(xué)者也有許多成績。高亮之等研制了適用于水稻形態(tài)發(fā)育的水稻鐘模型，鄭志明等以O(shè)RYZA為基礎(chǔ)，建立了HDRICE，并對灌溉水稻的生長發(fā)育進行了模擬；嚴力蛟等利用氮行為模型ORYZA-0和Price（1979）規(guī)則系統(tǒng)數(shù)學(xué)優(yōu)化程序的結(jié)合及通過田間試驗獲得的模型參數(shù)和生成元函數(shù)，模擬了氮在土壤—水稻中的運行軌跡；呂永成等提出了一種基于專家系統(tǒng)（ES）和GIS的水稻優(yōu)質(zhì)高產(chǎn)栽培計算機模擬優(yōu)化決策咨詢系統(tǒng),并通過了測試與試驗驗證，取得了較好的效果[9]。

我國關(guān)于作物模擬方面的研究雖然起步較晚，但完善速度快。以往的研究大多集中于分析影像數(shù)據(jù)的光譜信息與水稻的LAI、生物量或產(chǎn)量間關(guān)系，然后建立回歸模型。這在很大程度上受到時空條件的限制，遙感預(yù)測成熟期產(chǎn)量時往往會出現(xiàn)較大偏差，并且模型年際間變化也給遙感估產(chǎn)帶來很多的不確定性。為解決這個問題，李衛(wèi)國等提出定量遙感反演的方法，對生長模型相關(guān)參數(shù)的獲取提供可靠的LAI、生物量、冠層溫度等信息源[12]。

遙感與作物模型結(jié)合，實現(xiàn)作物生長的動態(tài)模擬和預(yù)報，是目前國內(nèi)外關(guān)注的熱點。通過遙感與模型的結(jié)合，估算出實際產(chǎn)量，通過作物模型模擬出潛在生產(chǎn)力，可分析出潛在生產(chǎn)力與實際產(chǎn)量間的差距。在此基礎(chǔ)上,通過尋找限制當(dāng)前產(chǎn)量的因素，可為提高產(chǎn)量提供政策建議和方法指導(dǎo)。宇振榮等對建立遙感—作物模擬復(fù)合模型的原理、方法進行了探討，并在點上進行了校正。利用NOAA衛(wèi)星遙感估算地面植物冠層溫度并計算冠層與大氣間溫差，進而計算PS123模型所需作物實際蒸騰和水分脅迫系數(shù)，建立遙感—作物模擬復(fù)合模型PSX，從而可以在多點、不同土壤類型上，對區(qū)域作物產(chǎn)量及產(chǎn)量差進行估測和分析。利用PS-X模型進行產(chǎn)量估測,在平原地區(qū)的精度可達90%以上[7]。

考慮到遙感估產(chǎn)難以揭示作物生長發(fā)育和產(chǎn)量形成的內(nèi)在機理，作物模擬在區(qū)域應(yīng)用時初始值的獲取和參數(shù)的區(qū)域化存在很多困難，有學(xué)者考慮將兩者互補結(jié)合。馬玉平等在Wofost模型本地化和區(qū)域化的基礎(chǔ)上，首次利用同化法的思路探討了MODIS遙感信息與華北冬小麥生長模擬模型結(jié)合的可行性和方法,初步建立了潛在生產(chǎn)水平（水分適宜條件）下區(qū)域遙感—作物模擬框架模型（WSPFRS模型），該研究為下一步實際水分供應(yīng)條件下基于遙感信息的冬小麥區(qū)域生長模擬研究奠定了基礎(chǔ)。但該研究涉及多個學(xué)科，很多環(huán)節(jié)、過程和模型都可能不夠完善。如采用什么分辨率等問題均需繼續(xù)深入細致探討[13]。

為實現(xiàn)作物生長預(yù)測和精確管理，朱洪芬等提出了一套完整的基于遙感信息的作物長勢監(jiān)測模型，實現(xiàn)了對主要作物的生理和生化參數(shù)的定量化反演，將遙感監(jiān)測模型與管理知識模型耦合，不再需要歷史遙感圖像的積累，即可在生長關(guān)鍵時期進行作物生長狀況的監(jiān)測和診斷。同時，建立了廣適性作物適宜生長指標(biāo)的管理知識模型，利用系統(tǒng)設(shè)計原理與組件化程序設(shè)計思想，為不同條件下作物栽培過程中的苗情診斷與生長調(diào)控提供了定量化的動態(tài)指標(biāo)體系[3]。

為解決傳統(tǒng)的作物生長模型難以模擬大田的實際產(chǎn)量的問題，宇振榮等提出利用遙感估算區(qū)域冠層溫度，并計算水分脅迫系數(shù)，來近似估計作物實際生長速率和產(chǎn)量。因冠層溫度與周圍環(huán)境溫度之差是作物氣孔關(guān)閉的程度和與之相關(guān)的同化作用活性的一個指標(biāo)，它不僅反映了土壤水分對作物生長的影響，在一定程度上也反映了其他因素對作物生長的影響[14]。

張建華在分析遙感估產(chǎn)、數(shù)值模擬估產(chǎn)方法的基礎(chǔ)上，提出了新思路，即利用遙感與農(nóng)業(yè)氣象數(shù)值模擬技術(shù)相結(jié)合的辦法來進行作物估產(chǎn)研究，這樣能更好地大面積估產(chǎn)[15]。農(nóng)作物單產(chǎn)估算數(shù)據(jù)作為遙感估產(chǎn)的主要產(chǎn)品之一，其估算可行性和精度的高低直接影響到糧食總產(chǎn)量的整體預(yù)測精度，同時也會影響到?jīng)Q策支持部門的認可程度。為此，有學(xué)者總結(jié)了五個基本思路：模型搜集整理、篩選與膨化、單點模擬與檢驗、空間外推與區(qū)域單產(chǎn)估算的技術(shù)過程[16]，從5個方面對其可信度和可行性作評價分析。

3 遙感在作物生長監(jiān)測與估產(chǎn)中存在的問題及展望

與歐美國家相比，我國在運行農(nóng)情速報與農(nóng)作物估產(chǎn)技術(shù)體系時的規(guī)范化和可靠性不夠。目前，監(jiān)測范圍僅限于國內(nèi)的大宗作物，且監(jiān)測信息的服務(wù)領(lǐng)域較少，主要限于國家決策部門，而歐盟則利用監(jiān)測信息核查農(nóng)業(yè)補貼的發(fā)放，美國用于指導(dǎo)農(nóng)戶生產(chǎn)[7]。

高光譜遙感技術(shù)獲取的信息只反映了地表或作物群體表面瞬間物理狀況，而作物生長發(fā)育和產(chǎn)量形成、個體與群體生長發(fā)育狀況的關(guān)系、作物與氣候土壤環(huán)境的相互作用等內(nèi)在機制尚難以揭示,因此需加強遙感信息和作物模型的結(jié)合，推進其在作物監(jiān)測中的應(yīng)用研究,充分發(fā)揮二者的綜合優(yōu)勢[11]。

在利用遙感估算區(qū)域冠層溫度，并計算水分脅迫系數(shù)，來近似地估計作物實際生長速率和產(chǎn)量等方面，現(xiàn)有研究局限于對估算冠層溫度的方法，建立遙感—作物模擬復(fù)合模型的基本原理，以及建立該模型所涉及的計算方法等的探討，而利用遙感方法計算實際作物產(chǎn)量和整體研究方法還有待進一步的驗證[15]。

在對遙感與作物模型結(jié)合的研究上，利用NOAA衛(wèi)星遙感、PS123模型，建立遙感—作物模擬復(fù)合模型PS-X在實踐中收到了好的成效。在此基礎(chǔ)上，若能將高時間分辨率的靜止氣象衛(wèi)星與極軌氣象衛(wèi)星結(jié)合，改進作物模型中的時間內(nèi)插技術(shù)，將更有助于區(qū)域估產(chǎn)、產(chǎn)量差分析和早期預(yù)警應(yīng)用，這有待進一步的研究[7]。

在遙感信息與作物生長模式結(jié)合的研究上，人們雖然取得了一些成果,但也存在一些問題。如，將遙感信息應(yīng)用于模型時所需的多個參數(shù)和初始條件如何獲取，遙感信息和農(nóng)學(xué)以及生態(tài)學(xué)進行信息連接時的時空匹配問題如何解決，信息如何轉(zhuǎn)換等，這些問題目前尚無系統(tǒng)的和成熟的結(jié)論，仍需做進一步的研究和探討[9]。

現(xiàn)有的農(nóng)作物長勢遙感監(jiān)測系統(tǒng)多偏重于遙感估產(chǎn)與監(jiān)測，較少涉及作物長勢診斷與調(diào)控功能，難以實現(xiàn)作物生長動態(tài)及營養(yǎng)和水分狀況的實時診斷與調(diào)控。高空間分辨率遙感影像的時間分辨率較低，加之天氣條件的影響，很難在作物生長的關(guān)鍵時期獲取高質(zhì)量的遙感影像。另外，農(nóng)作物遙感監(jiān)測系統(tǒng)的運行需要以大量歷史遙感圖像為基礎(chǔ)，從而制約了其在農(nóng)業(yè)生產(chǎn)上的應(yīng)用與推廣。目前，用來支持區(qū)域尺度的作物生長預(yù)測和精確管理的研究僅處于初級階段，今后需進一步利用不同區(qū)域和時相的遙感圖像及農(nóng)學(xué)參數(shù)進行數(shù)據(jù)測試來完善之[3]。

作物單產(chǎn)估算的可行性和數(shù)據(jù)精度的高低直接影響到糧食總產(chǎn)量的整體預(yù)測精度，而相當(dāng)一部分估產(chǎn)研究中，對單產(chǎn)估算的檢驗分析，常常以統(tǒng)計數(shù)據(jù)為精度衡量標(biāo)準來評價單產(chǎn)估算準確程度。統(tǒng)計數(shù)據(jù)由于一些人為因素的干擾，與實際有出入，因此以統(tǒng)計數(shù)據(jù)作為檢驗精度的依據(jù)，會對精度的合理分析產(chǎn)生影響。此外，估產(chǎn)的重要作用就是在作物成熟收割前進行產(chǎn)量預(yù)報，此時的作物統(tǒng)計數(shù)據(jù)是不可得的，只能等作物成熟收割入庫后才能得知，這樣要及時檢驗估算產(chǎn)量的精度就無法實現(xiàn)[15]。

[1]關(guān)江東，王乃斌，楊小喚.我國糧食作物衛(wèi)星遙感估產(chǎn)的研究[J].自然雜志，1999，21（6）：351.

[2]王建華.高瞻遠矚，糧食作物的衛(wèi)星遙感估產(chǎn) [J].百科知識，1999，（5）：18.

[3]朱洪芬，田永超，等.基于遙感的作物生長監(jiān)測與調(diào)控系統(tǒng)研究[J].麥類作物學(xué)報，2008，28（4）：674-679.

[4]田麗萍，薛 林，等.遙感在作物估產(chǎn)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2007，35（3）：936-938.

[5]YANG Xiao—Hua，WANG Fu—Min，et al.Comparison Between Radial Basis Function Neural Network and Regression Model for Estimation of Rice Biophysical Parameters Using Remote Sensing[J].Pedosphere.2009,19（2）：176—188.

[6]李佛琳，李本遜，曹衛(wèi)星.作物遙感估產(chǎn)的現(xiàn)狀及其展望[J].云南農(nóng)業(yè)大學(xué)學(xué)報，2005，20（5）：680-683.

[7]王純枝，宇振榮，Driessen P M，等.基于遙感和作物生長模型的作物產(chǎn)量差估測[J].農(nóng)業(yè)工程學(xué)報，2005，21（7）：84-87.

[8]郭建茂.基于遙感與作物生長模型的冬小麥生長模擬研究[D].南京：南京理工大學(xué)，2007.

[9]蔣阿寧，劉克禮，趙春江，等.基于遙感數(shù)據(jù)和作物生長模型的小麥變量施肥研究進展 [J].遙感技術(shù)與應(yīng)用，2006，21（6）：601-603.

[10]李映雪，謝曉金，徐德福.高光譜遙感技術(shù)在作物生長監(jiān)測中的應(yīng)用研究進展[J].麥類作物學(xué)報，2009，29（1）：174-178.

[11]張 峰，吳炳方，等.區(qū)域作物生長過程的遙感提取方法[J].遙感學(xué)報 2004，8（6）：519-527.

[12]李衛(wèi)國，王紀華，等.基于定量遙感反演與生長模型耦合的水稻產(chǎn)量估測研究[J].農(nóng)業(yè)工程學(xué)報，2008，24（7）：128-130.

[13]MA Yu-ping，WANG Shili.Establishment of Winter Wheat Regional Sim ulation Model Based on Remote Sensing Data and Its Application[J].ACTA METEOROLOGICA SINICA，2006，20（40）：447-458.

[14]宇振榮，Driessen P M.基于遙感反演作物冠層溫度的作物生長模擬和預(yù)報[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2003，（8）：71-75.

[15]徐新剛.遙感估產(chǎn)中農(nóng)作物估算單產(chǎn)精度檢驗評價方法[D].北京：中國科學(xué)院，2004.