利用3S技術(shù)定量估測張家港市2005—2008年小麥生產(chǎn)力

李輝　李建龍　王釗齊等

摘 要：為了科學(xué)準確地、動態(tài)地大面積估測江蘇省張家港市小麥的生產(chǎn)力，利用TM和IRS-P6遙感影像，采用NDVI值比較區(qū)分法，應(yīng)用3S技術(shù)對張家港市2005—2008年小麥的生產(chǎn)力變化進行了動態(tài)估測。結(jié)果表明，遙感估測張家港市2005—2008年小麥平均種植面積的精度結(jié)果為97%以上；小麥平均產(chǎn)量精度結(jié)果為93.55%；利用3S技術(shù)進行張家港市小麥總產(chǎn)遙感估測值與地面統(tǒng)計值差異低于8%；遙感估測張家港市小麥總產(chǎn)量呈逐年上升的趨勢，而耕作面積相對穩(wěn)定?？傊?，基于近4年遙感數(shù)據(jù)所獲取的張家港市小麥總產(chǎn)量的變化情況建立模型，可以估測出張家港市城市化發(fā)展對當(dāng)?shù)匦←湽┬杵胶獾挠绊懖淮蟆?/p>

關(guān)鍵詞：3S技術(shù)；遙感估產(chǎn)；小麥；估產(chǎn)精度；估產(chǎn)模型；NDVI

中圖分類號： F061.1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2014.11.016

農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ)，這決定了農(nóng)業(yè)是糧食安全和經(jīng)濟安全的基礎(chǔ)。利用農(nóng)業(yè)科學(xué)技術(shù)可以建立城市糧食安全系統(tǒng)，科學(xué)地指導(dǎo)糧食生產(chǎn)，估測糧食產(chǎn)量，對可能發(fā)生的問題及時提供解決方案，能夠有效地提高城市可持續(xù)發(fā)展水平。張家港市是一個以農(nóng)業(yè)為主的新興城市，在進入21世紀的前10年，張家港市處于快速的農(nóng)村城市化階段[1]。隨著城市化發(fā)展，人民生活水平有了較大幅度改善，但也帶來了諸多生態(tài)環(huán)境問題。農(nóng)業(yè)用地不斷萎縮，糧食安全問題直接影響著張家港市的可持續(xù)發(fā)展。因此動態(tài)地大面積監(jiān)測農(nóng)作物長勢和種植面積，科學(xué)準確地預(yù)報農(nóng)作物的產(chǎn)量等活動，對張家港市合理利用耕地資源、控制耕地面積進一步減少，對張家港市各部門制定糧食調(diào)配計劃，對確保張家港市糧食安全可持續(xù)發(fā)展，為張家港市進行農(nóng)業(yè)決策提供及時、準確直觀的現(xiàn)代化農(nóng)業(yè)信息管理平臺都具有重大意義。

近幾十年來，遙感技術(shù)快速發(fā)展，尤其是近年來基于3S技術(shù)的估產(chǎn)方法，為農(nóng)作物長勢的大面積動態(tài)監(jiān)測、準確定位種植面積、預(yù)報農(nóng)作物產(chǎn)量，提供了一個全新的研究手段和創(chuàng)新平臺[2-14]。利用3S技術(shù)進行農(nóng)作物估產(chǎn)與利用非遙感的傳統(tǒng)估產(chǎn)模式相比，如農(nóng)學(xué)估產(chǎn)模式、氣象估產(chǎn)模式、統(tǒng)計估產(chǎn)模式[15]，能避開很多復(fù)雜的中間過程，如影響產(chǎn)量的氣候條件[16]、病蟲害、水肥等，以及農(nóng)學(xué)參數(shù)與產(chǎn)量的大量抽樣和統(tǒng)計計算，從而用遙感資料與農(nóng)作物產(chǎn)量建立直接的關(guān)系模型。遙感技術(shù)能夠準確、定量、高效、宏觀地評價農(nóng)作物產(chǎn)量變化情況[17]。因此，3S估產(chǎn)技術(shù)與其它估產(chǎn)技術(shù)相比，有著更為廣闊的技術(shù)優(yōu)勢。為此，得到了各國、各地區(qū)的廣泛應(yīng)用和迅速發(fā)展。

國際上，農(nóng)作物產(chǎn)量的估測始于20世紀初，首先從小麥開始。20世紀70年代，美國國家航空航天局（NASA）、農(nóng)業(yè)部（USDA） 、國家海洋大氣局（NOAA）利用遙感技術(shù)聯(lián)合制定并開展“大面積作物調(diào)查試驗”計劃（LACIE），對世界主要小麥產(chǎn)區(qū)生產(chǎn)力進行估算試驗，精度達90%以上。歐盟利用NDVI與土地覆蓋集成和小樣方方法，建立了農(nóng)作物估測系統(tǒng)，用于實施歐盟區(qū)的共同農(nóng)業(yè)政策。前蘇聯(lián)、法國、德國、澳大利亞、加拿大、巴西、阿根毛廷、印度、日本、泰國等也開展了對一些主要農(nóng)作物的遙感估產(chǎn)研究[18-20]。我國從20世紀80年代開始，首先以小麥為研究對象，進行糧食作物遙感估產(chǎn)的研究。“七五”期間，國家氣象局開展了北方11省市冬小麥長勢監(jiān)測和產(chǎn)量預(yù)測研究，江蘇省農(nóng)科院、福建省氣象科學(xué)研究所等對相關(guān)地區(qū)進行了水稻監(jiān)測和估產(chǎn)。此后數(shù)十年，我國農(nóng)作物遙感估產(chǎn)研究快速發(fā)展，全國不同研究院所對不同農(nóng)作物進行了大面積動態(tài)地長勢監(jiān)測和估產(chǎn)，陸續(xù)建立了一系列農(nóng)作物估產(chǎn)模型，精度不斷提高[21]，主要可以歸納為3類遙感估產(chǎn)模式[22]：“光譜信息—植被指數(shù)—長勢信息—產(chǎn)量”模式[23]；“光譜—水分與氮素—產(chǎn)量”模式[24]；“光譜信息—植被指數(shù)—長勢信息—生長模型—產(chǎn)量”模式[25]。此外，農(nóng)作物遙感估產(chǎn)中引入了一些新技術(shù)和方法，如楊小喚[26]將灰色理論方法用于小麥的遙感估產(chǎn)中；白銳崢[27]、劉婷等[28]研究了基于3S技術(shù)的小麥估產(chǎn)方法。

筆者基于張家港市2005—2008年的TM5影像和IRS-P6影像資料，采用NDVI值比較區(qū)分法，利用3S技術(shù)定量估測了張家港市8鎮(zhèn)1區(qū)2005—2008年的小麥生產(chǎn)力，建立小麥單產(chǎn)估產(chǎn)模型，同時進行地面小麥生產(chǎn)力統(tǒng)計，并做了精度分析與校正。實現(xiàn)了利用3S技術(shù)快速、準確、客觀估測張家港市小麥生產(chǎn)力的目標，可為張家港市將來發(fā)展精細農(nóng)業(yè)和實現(xiàn)農(nóng)業(yè)系統(tǒng)管理科學(xué)化、定量化，提供理論依據(jù)和新技術(shù)創(chuàng)新平臺。

1 材料和方法

1.1 研究地概況

江蘇省張家港市地處北緯31°43′～32°02′，東經(jīng)120°21′～120°52′，位于長江下游南岸，江蘇省東南部，為蘇州市下轄縣級市，也是長江和沿海兩大經(jīng)濟帶交匯處的新興港口工業(yè)城市，2012年戶籍總?cè)丝?1.02萬。全市總面積998.48 km2，其中，陸地面積785.55 km2。陸地東西最大直線距離44.58 km，南北最大直線距離為33.71 km。北寬南窄，呈倒三角形。地勢低平，土地肥沃。全年平均氣溫16.5 ℃，歷年平均降水量1 050.5 mm，屬亞熱帶季風(fēng)氣候。張家港市是蘇州稻麥一年三熟和晚稻、小麥、油菜一年兩熟、小麥、油菜一年兩熟并重的栽培區(qū)，其中主要種植的作物包括小麥、水稻、油菜和棉花等[29]。張家港市下轄8鎮(zhèn)1區(qū)，其縣政府位于楊舍鎮(zhèn)，同時該鎮(zhèn)也是張家港市區(qū)所在地。

1.2 主要技術(shù)路線

利用3S技術(shù)，以農(nóng)業(yè)系統(tǒng)管理工程理論為指導(dǎo)，實現(xiàn)ETM信息與MODIS信息及不同時相“天地”資料的疊加分析。基于農(nóng)作物遙感綠度值，即歸一化植被指數(shù)NDVI（Normalized difference vegetation index）、垂直植被指數(shù)PVI（Perpendicular vegetation index）和比值植被指數(shù)RVI（Ratio vegetation index），不同生育期產(chǎn)量資料與植被蓋度的相關(guān)性，通過農(nóng)業(yè)生產(chǎn)上的產(chǎn)量趨勢分析，和不同種類的農(nóng)作物識別、分層、播種面積提取方法研究，分析農(nóng)作物生長、遙感動態(tài)監(jiān)測農(nóng)作物長勢。加工與處理空間數(shù)據(jù)和制作圖件，進而在地面調(diào)查統(tǒng)計和遙感資料數(shù)據(jù)信息處理的交互方式下，構(gòu)建可運行決策支持系統(tǒng)及各類農(nóng)作物單產(chǎn)估測模型，科學(xué)準確地、動態(tài)地大面積估測江蘇省張家港市小麥的生產(chǎn)力[2-8]。

1.3 遙感資料數(shù)據(jù)處理

購買張家港市2005年3月23日TM5影像，2005年9月29日IRS-P6影像，2006年5月3日IRS-P6影像，2006年9月18日TM5影像，2007年1月24日TM5影像，2008年5月2日TM5影像和2008年7月5日TM5影像（購買于中國科學(xué)院對地觀測中心）。時間分辨率小于20 d，空間分辨率小于30 m。用ERDAS8.7軟件將這些遙感信息源數(shù)據(jù)轉(zhuǎn)化成IMAGE格式，以便于ERDAS識別。為了對遙感影像進行地理校正和投影坐標類型的轉(zhuǎn)換，我們從張家港市國土資源局獲取2004年、2005年、2006年和2007年的土地利用圖。所有遙感影像及土地利用圖均采用UTM-WGS84坐標系。利用了國際上使用較多，發(fā)展較為成熟的6S模型（Second simulation of the satellite signal in the solar spectrum）對各時期遙感圖片進行大氣輻射校正。

1.4 利用3S技術(shù)估測小麥種植面積

1.4.1 小麥種植面積提取 本研究基于兩景衛(wèi)星圖片資料逐步疊加，逐步限制，利用監(jiān)督分類法提取小麥種植面積。本研究將土地利用圖和遙感影像圖進行疊加分析，首先除去非農(nóng)業(yè)用地，然后再進行非監(jiān)督分類[30]，最后根據(jù)實際地面樣帶調(diào)查的解譯標志進行目視解譯，基本可以去除小麥農(nóng)田中的非植被用地。

1.4.2 精度驗證 為了確定實際的土地利用狀況，以便驗證遙感估測小麥面積的精度，在小麥的生長期內(nèi)，利用張家港市土地利用圖和GPS，合理布設(shè)若干條樣條，調(diào)查土地利用圖上的農(nóng)田地區(qū)，準確地對較大面積的農(nóng)田地塊進行定位，以用作監(jiān)督分類中的訓(xùn)練樣本、檢測樣本和非監(jiān)督分類中的檢測樣本。

1.5 利用3S技術(shù)建立小麥單產(chǎn)估測模型

1.5.1 小麥單產(chǎn)監(jiān)測樣區(qū)布置 依據(jù)各鄉(xiāng)鎮(zhèn)小麥種植條件、生態(tài)環(huán)境和隨機均勻性，選取面積大小1 hm2的小麥監(jiān)測樣區(qū)22個。利用土地利用圖和GPS對樣區(qū)進行準確定位，在小麥成熟時，每個樣區(qū)隨機采集2～5個采樣點（每點1 m2）對樣地進行單產(chǎn)調(diào)查。當(dāng)小麥收割后，調(diào)查每塊樣地的實際總產(chǎn)量數(shù)據(jù)，用于對實際產(chǎn)量的校正和精度驗證。

1.5.2 小麥單產(chǎn)估測模型建立 筆者主要以與小麥產(chǎn)量相關(guān)性較好的生長期[30]的衛(wèi)片資料為基礎(chǔ)，建立關(guān)鍵生育期的小麥單產(chǎn)的遙感（植被指數(shù)形式）估測模型。因為利用小麥抽穗期前后的遙感資料建立產(chǎn)量模型精度最高，綜合考慮實際天氣狀況、遙感影像接收情況和張家港市小麥的物候期，本試驗選取最佳的小麥產(chǎn)量估測的時相為3月底—5月初。分析遙感資料，提取小麥相應(yīng)生育期的NDVI和地面實際統(tǒng)計產(chǎn)量，建立地面產(chǎn)量與NDVI間的相關(guān)模型。

1.5.3 精度分析與校正 對張家港市2005—2008年小麥單產(chǎn)與NDVI進行相關(guān)性分析，進而建立各時期小麥的單產(chǎn)估測模型。將不同鄉(xiāng)鎮(zhèn)的布點數(shù)據(jù)分為兩組，一組用于建立單產(chǎn)估產(chǎn)模型，另一組用于對模型進行驗證。

1.6 數(shù)據(jù)處理與分析

本試驗遙感資料數(shù)據(jù)用ERDAS8.7軟件和ArcGIS9.0軟件提取處理和分析，試驗數(shù)據(jù)用Excel2007軟件進行統(tǒng)計處理和圖表制作、SPSS Statistics 17軟件進行統(tǒng)計處理后進行ANOVA單因素多重差異分析，均值差的顯著性水平為0.05。

2 結(jié)果與分析

2.1 利用3S技術(shù)估測小麥實際種植面積的結(jié)果與分析

根據(jù)地面樣線調(diào)查所選定的檢測樣本對最終分類結(jié)果精度作進一步分析，結(jié)果表明，張家港市2005年小麥耕種面積為1.43萬hm2；2006年小麥耕種面積為1.63萬hm2；2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。總體上小麥平均分類精度為94%。

總體上，張家港地區(qū)小麥遙感估測面積和地面調(diào)查面積的差異為3.51%，即小麥遙感估測面積與地面統(tǒng)計面積相比為97.6%。對于不同的鄉(xiāng)鎮(zhèn)，遙感估測面積和地面調(diào)查面積間的差異性表現(xiàn)出了較大的變動，差異較大的鄉(xiāng)鎮(zhèn)達到了30%，如就平均結(jié)果來看，面積比率最大的鄉(xiāng)鎮(zhèn)為大興鎮(zhèn)和常陰沙，其面積比率分別為34.08%和26.68%。

2.2 利用3S技術(shù)估測小麥單產(chǎn)的結(jié)果與分析

其中，估測2005年小麥平均單產(chǎn)為20.5 kg·hm-2；估測2006年小麥平均單產(chǎn)為24.03 kg·hm-2；估測2007年小麥平均單產(chǎn)為20.32 kg·hm-2；估測2008年小麥平均單產(chǎn)為22.81 kg·hm-2。從整個張家港地區(qū)來看，遙感估測單產(chǎn)和地面調(diào)查單產(chǎn)差異小于10%，即估產(chǎn)精度大于90%，其中，2007與2008年小麥差異分別為-7.72%和5.19%。遙感估產(chǎn)小麥平均精度為93.55%，能夠滿足估測所需要的精度。

2.3 小麥總產(chǎn)量遙感估測的結(jié)果與分析

根據(jù)單產(chǎn)估測模型與估測的小麥的種植面積，可以計算出張家港市不同鄉(xiāng)鎮(zhèn)的總產(chǎn)情況。表中：A為土地總面積，AY為遙測小麥面積，AD為地面統(tǒng)計小麥面積，MYd為遙測小麥單產(chǎn)，MDd為地面統(tǒng)計小麥平均單產(chǎn)，MYz為遙測小麥總產(chǎn)，MDz為地面統(tǒng)計小麥總產(chǎn)，AR為面積比率，MdR為單產(chǎn)比率，MzR為總產(chǎn)比率。部分計算公式為：面積比率=（遙測面積-地面統(tǒng)計面積）/地面統(tǒng)計面積×100%，單產(chǎn)比率=（遙測單產(chǎn)-地面統(tǒng)計單產(chǎn)）/地面統(tǒng)計單產(chǎn)×100%，總產(chǎn)比率=（遙測總產(chǎn)-地面統(tǒng)計總產(chǎn)）/地面統(tǒng)計總產(chǎn)×100%。

筆者對利用3S技術(shù)估測的小麥總產(chǎn)數(shù)據(jù)和張家港市統(tǒng)計局發(fā)布的官方統(tǒng)計資料數(shù)據(jù)作對比與分析研究。2005年遙感估測小麥張家港市總產(chǎn)為65 463 t，差異為1.11%；2006年遙感估測小麥張家港市總產(chǎn)為88 012 t，差異為1.74%；2007年遙感估測小麥張家港市總產(chǎn)為94 334 t，差異為-6.57%。2008年遙感估測小麥張家港市總產(chǎn)為105 881 t，差異為7.66%。但對于不同的鄉(xiāng)鎮(zhèn)，變異較大，如大興鎮(zhèn)，2008年小麥總產(chǎn)比率為49.26%。這表明，利用3S技術(shù)進行遙感估測值與地面統(tǒng)計值間差異不大。

小麥的估產(chǎn)存在一定誤差的可能原因是，本研究的小麥單產(chǎn)模型是基于小麥生育期內(nèi)遙感資料信息和地面實際調(diào)查指標間的關(guān)聯(lián)性實現(xiàn)的，模型的經(jīng)驗性較強，在張家港市不同鄉(xiāng)鎮(zhèn)和不同年份的適用性不同。此外，經(jīng)調(diào)查發(fā)現(xiàn)，原標記為農(nóng)田的地塊，當(dāng)前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產(chǎn)量多年變化的趨勢分析

3 結(jié) 論

（1）小麥種植面積的精確估算，會直接影響到小麥產(chǎn)量估測的精度。在研究中，為了區(qū)分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區(qū)分法將與小麥生育期相近的作物，如油菜等作物類型有效地區(qū)分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區(qū)來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產(chǎn)2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區(qū)來看，遙感估測單產(chǎn)和地面調(diào)查單產(chǎn)差異小于10%，即估產(chǎn)精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產(chǎn)小麥平均精度為93.55%。

（4）基于4年遙感數(shù)據(jù)所獲取的張家港市小麥總產(chǎn)量的變化情況建立模型，可以估測出張家港市城市化發(fā)展對當(dāng)?shù)匦←湽┬杵胶獾挠绊懖淮?，小麥總產(chǎn)量仍然呈現(xiàn)上升趨勢，而耕作面積相對比較穩(wěn)定。

本研究采用高分辨率影像遙感資料，結(jié)合GPS輔以土地利用圖對樣區(qū)進行準確定位，并進行估產(chǎn)研究，大大提高小麥生產(chǎn)力遙感估測的精度?？傊龊棉r(nóng)作物遙感估產(chǎn)的研究，進一步提高估產(chǎn)精度，對張家港市農(nóng)業(yè)部門制定生產(chǎn)管理決策和糧食的宏觀調(diào)控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應(yīng)及驅(qū)動力分析[J].安徽農(nóng)業(yè)科學(xué)， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調(diào)查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態(tài)監(jiān)測及驅(qū)動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區(qū)為例[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區(qū)主要地類自動分類方法研究[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術(shù)的縣級土地利用現(xiàn)狀更新調(diào)查[J]. 中國農(nóng)學(xué)通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅(qū)動力分析[J]. 資源環(huán)境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區(qū)土地利用變化及驅(qū)動力研究[J]. 資源科學(xué)， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅(qū)動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區(qū)土地利用數(shù)據(jù)庫建設(shè)[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農(nóng)業(yè)遙感技術(shù)應(yīng)用現(xiàn)狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產(chǎn)研究進展與發(fā)展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術(shù)集成及其在土地管理中的應(yīng)用[J]. 測繪科學(xué)， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛(wèi)星數(shù)據(jù)對冬小麥進行估產(chǎn)的試驗[J]. 環(huán)境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J]. 麥類作物學(xué)報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應(yīng)用[M]. 北京： 科學(xué)技術(shù)出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學(xué)院， 2005： 12-19.

[21] 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）： 680-684.

[22] 李衛(wèi)國， 李正金， 申雙和. 小麥遙感估產(chǎn)研究現(xiàn)狀及趨勢分析[J]. 江蘇農(nóng)業(yè)科學(xué)， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區(qū)域冬小麥遙感估產(chǎn)——以山東省濟寧市為例[J].應(yīng)用生態(tài)學(xué)報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J].麥類作物學(xué)報，2007，27（6）：1 076-1 084.

[25] 李衛(wèi)國，王紀華，趙春江，等.基于遙感信息和產(chǎn)量形成過程的小麥估產(chǎn)模型[J].麥類作物學(xué)報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產(chǎn)的灰色理論方法探討[J]. 遙感技術(shù)與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J]. 河南科學(xué)， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

小麥的估產(chǎn)存在一定誤差的可能原因是，本研究的小麥單產(chǎn)模型是基于小麥生育期內(nèi)遙感資料信息和地面實際調(diào)查指標間的關(guān)聯(lián)性實現(xiàn)的，模型的經(jīng)驗性較強，在張家港市不同鄉(xiāng)鎮(zhèn)和不同年份的適用性不同。此外，經(jīng)調(diào)查發(fā)現(xiàn)，原標記為農(nóng)田的地塊，當(dāng)前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產(chǎn)量多年變化的趨勢分析

3 結(jié) 論

（1）小麥種植面積的精確估算，會直接影響到小麥產(chǎn)量估測的精度。在研究中，為了區(qū)分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區(qū)分法將與小麥生育期相近的作物，如油菜等作物類型有效地區(qū)分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區(qū)來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產(chǎn)2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區(qū)來看，遙感估測單產(chǎn)和地面調(diào)查單產(chǎn)差異小于10%，即估產(chǎn)精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產(chǎn)小麥平均精度為93.55%。

（4）基于4年遙感數(shù)據(jù)所獲取的張家港市小麥總產(chǎn)量的變化情況建立模型，可以估測出張家港市城市化發(fā)展對當(dāng)?shù)匦←湽┬杵胶獾挠绊懖淮?，小麥總產(chǎn)量仍然呈現(xiàn)上升趨勢，而耕作面積相對比較穩(wěn)定。

本研究采用高分辨率影像遙感資料，結(jié)合GPS輔以土地利用圖對樣區(qū)進行準確定位，并進行估產(chǎn)研究，大大提高小麥生產(chǎn)力遙感估測的精度?？傊?，做好農(nóng)作物遙感估產(chǎn)的研究，進一步提高估產(chǎn)精度，對張家港市農(nóng)業(yè)部門制定生產(chǎn)管理決策和糧食的宏觀調(diào)控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應(yīng)及驅(qū)動力分析[J].安徽農(nóng)業(yè)科學(xué)， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調(diào)查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態(tài)監(jiān)測及驅(qū)動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區(qū)為例[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區(qū)主要地類自動分類方法研究[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術(shù)的縣級土地利用現(xiàn)狀更新調(diào)查[J]. 中國農(nóng)學(xué)通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅(qū)動力分析[J]. 資源環(huán)境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區(qū)土地利用變化及驅(qū)動力研究[J]. 資源科學(xué)， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅(qū)動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區(qū)土地利用數(shù)據(jù)庫建設(shè)[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農(nóng)業(yè)遙感技術(shù)應(yīng)用現(xiàn)狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產(chǎn)研究進展與發(fā)展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術(shù)集成及其在土地管理中的應(yīng)用[J]. 測繪科學(xué)， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛(wèi)星數(shù)據(jù)對冬小麥進行估產(chǎn)的試驗[J]. 環(huán)境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J]. 麥類作物學(xué)報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應(yīng)用[M]. 北京： 科學(xué)技術(shù)出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學(xué)院， 2005： 12-19.

[21] 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）： 680-684.

[22] 李衛(wèi)國， 李正金， 申雙和. 小麥遙感估產(chǎn)研究現(xiàn)狀及趨勢分析[J]. 江蘇農(nóng)業(yè)科學(xué)， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區(qū)域冬小麥遙感估產(chǎn)——以山東省濟寧市為例[J].應(yīng)用生態(tài)學(xué)報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J].麥類作物學(xué)報，2007，27（6）：1 076-1 084.

[25] 李衛(wèi)國，王紀華，趙春江，等.基于遙感信息和產(chǎn)量形成過程的小麥估產(chǎn)模型[J].麥類作物學(xué)報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產(chǎn)的灰色理論方法探討[J]. 遙感技術(shù)與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J]. 河南科學(xué)， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

小麥的估產(chǎn)存在一定誤差的可能原因是，本研究的小麥單產(chǎn)模型是基于小麥生育期內(nèi)遙感資料信息和地面實際調(diào)查指標間的關(guān)聯(lián)性實現(xiàn)的，模型的經(jīng)驗性較強，在張家港市不同鄉(xiāng)鎮(zhèn)和不同年份的適用性不同。此外，經(jīng)調(diào)查發(fā)現(xiàn)，原標記為農(nóng)田的地塊，當(dāng)前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產(chǎn)量多年變化的趨勢分析

3 結(jié) 論

（1）小麥種植面積的精確估算，會直接影響到小麥產(chǎn)量估測的精度。在研究中，為了區(qū)分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區(qū)分法將與小麥生育期相近的作物，如油菜等作物類型有效地區(qū)分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區(qū)來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產(chǎn)2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區(qū)來看，遙感估測單產(chǎn)和地面調(diào)查單產(chǎn)差異小于10%，即估產(chǎn)精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產(chǎn)小麥平均精度為93.55%。

（4）基于4年遙感數(shù)據(jù)所獲取的張家港市小麥總產(chǎn)量的變化情況建立模型，可以估測出張家港市城市化發(fā)展對當(dāng)?shù)匦←湽┬杵胶獾挠绊懖淮?，小麥總產(chǎn)量仍然呈現(xiàn)上升趨勢，而耕作面積相對比較穩(wěn)定。

本研究采用高分辨率影像遙感資料，結(jié)合GPS輔以土地利用圖對樣區(qū)進行準確定位，并進行估產(chǎn)研究，大大提高小麥生產(chǎn)力遙感估測的精度?？傊龊棉r(nóng)作物遙感估產(chǎn)的研究，進一步提高估產(chǎn)精度，對張家港市農(nóng)業(yè)部門制定生產(chǎn)管理決策和糧食的宏觀調(diào)控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應(yīng)及驅(qū)動力分析[J].安徽農(nóng)業(yè)科學(xué)， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調(diào)查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態(tài)監(jiān)測及驅(qū)動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區(qū)為例[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區(qū)主要地類自動分類方法研究[J]. 遙感技術(shù)與應(yīng)用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術(shù)的縣級土地利用現(xiàn)狀更新調(diào)查[J]. 中國農(nóng)學(xué)通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅(qū)動力分析[J]. 資源環(huán)境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區(qū)土地利用變化及驅(qū)動力研究[J]. 資源科學(xué)， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅(qū)動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區(qū)土地利用數(shù)據(jù)庫建設(shè)[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農(nóng)業(yè)遙感技術(shù)應(yīng)用現(xiàn)狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產(chǎn)研究進展與發(fā)展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術(shù)集成及其在土地管理中的應(yīng)用[J]. 測繪科學(xué)， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛(wèi)星數(shù)據(jù)對冬小麥進行估產(chǎn)的試驗[J]. 環(huán)境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J]. 麥類作物學(xué)報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應(yīng)用[M]. 北京： 科學(xué)技術(shù)出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學(xué)院， 2005： 12-19.

[21] 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）： 680-684.

[22] 李衛(wèi)國， 李正金， 申雙和. 小麥遙感估產(chǎn)研究現(xiàn)狀及趨勢分析[J]. 江蘇農(nóng)業(yè)科學(xué)， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區(qū)域冬小麥遙感估產(chǎn)——以山東省濟寧市為例[J].應(yīng)用生態(tài)學(xué)報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產(chǎn)量預(yù)測模型研究[J].麥類作物學(xué)報，2007，27（6）：1 076-1 084.

[25] 李衛(wèi)國，王紀華，趙春江，等.基于遙感信息和產(chǎn)量形成過程的小麥估產(chǎn)模型[J].麥類作物學(xué)報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產(chǎn)的灰色理論方法探討[J]. 遙感技術(shù)與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J]. 河南科學(xué)， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.