遙感技術(shù)在糧食作物時(shí)空分布信息提取中的研究

白玉琪

摘 要：該文論述了遙感技術(shù)在農(nóng)作物種植面積、農(nóng)作物估產(chǎn)、動(dòng)態(tài)監(jiān)測(cè)等方面應(yīng)用，從不同遙感平臺(tái)的作物種植面積監(jiān)測(cè)、MODIS影像的作物提取方法、MODIS影像的特征指數(shù)3個(gè)方面介紹了國(guó)內(nèi)外研究現(xiàn)狀，最后從4個(gè)方面提出了亟待解決的問(wèn)題。

關(guān)鍵詞：遙感技術(shù)；高光譜遙感；監(jiān)測(cè)

中圖分類號(hào) S157 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2014）22-137-02

1 研究的意義

遙感技術(shù)是一種遠(yuǎn)距離、在不直接接觸目標(biāo)物體的情況下，通過(guò)接受目標(biāo)物體的反射或輻射來(lái)的電磁波，探測(cè)地物波譜信息，并獲取目標(biāo)地物的光譜數(shù)據(jù)與圖像，從而實(shí)現(xiàn)對(duì)地物進(jìn)行定位、定性或定量的描述[1]。遙感技術(shù)是近年來(lái)迅速發(fā)展起來(lái)的一門綜合性應(yīng)用技術(shù)，是一門相對(duì)年輕的學(xué)科。高光譜遙感是利用很多很窄（通常波段寬度小于10nm）的電磁波波段從感興趣的物體上獲取有關(guān)數(shù)據(jù)，其所獲的數(shù)據(jù)能形成一條完整而連續(xù)的光譜曲線[2]。光譜的覆蓋范圍為可見光到熱紅外的全部電磁輻射波譜，可以獲取連續(xù)的光譜信息，這是高光譜遙感數(shù)據(jù)與常規(guī)遙感數(shù)據(jù)的主要區(qū)別。

利用高光譜遙感能夠很好的預(yù)測(cè)糧食安全面臨的挑戰(zhàn)和未來(lái)的形勢(shì)，獲取作物的光譜信息，進(jìn)而研究分析光譜變化特征，建立合適的監(jiān)測(cè)模型，獲取農(nóng)作物的種植面積，對(duì)其田間生長(zhǎng)狀況的監(jiān)測(cè)以及產(chǎn)量估算等具有十分重要的意義dd。

2 國(guó)內(nèi)外研究現(xiàn)狀

2.1 基于不同遙感平臺(tái)的作物種植面積監(jiān)測(cè) 早期，陸地衛(wèi)星Landsat常被應(yīng)用于農(nóng)作物種植面積的提取。MacDonald等在LACIE試驗(yàn)中成功地預(yù)報(bào)了美國(guó)小麥產(chǎn)量，他們利用的Landsat MSS數(shù)據(jù)為80m空間分辨率[3]。此后，基于MSS數(shù)據(jù)的信息提取結(jié)果令人滿意，精度高于90%，這在其他地區(qū)和農(nóng)作物方面也得到了推廣。遙感空間分辨率大大提高，遙感技術(shù)進(jìn)入高速發(fā)展的時(shí)代，30m分辨率的TM/ETM+和10m分辨率的SPOT等遙感數(shù)據(jù)在識(shí)別作物分布方面發(fā)揮重要作用。近年來(lái)，基于雷達(dá)獲取的影像也開始被研究者青睞，結(jié)合它來(lái)識(shí)別農(nóng)作物分布信息。

高分辨率多光譜影像對(duì)大區(qū)域尺度植被信息的識(shí)別提取較為困難，因?yàn)樗鼘?duì)天氣因素較為敏感，再加上有較長(zhǎng)的重訪周期，成本較高；而中低分辨率遙感影像則恰好避開了這幾方面，不僅費(fèi)用低，不易受諸多因素干擾，而且成像面積大，有較高的時(shí)間分辨率，這就為大尺度區(qū)域作物的遙感監(jiān)測(cè)創(chuàng)造了條件。

與以往的遙感數(shù)據(jù)相比，MODIS 數(shù)據(jù)改善了許多性能，數(shù)據(jù)的最大空間分辨率提升至250m，而且光譜分辨率達(dá)到36個(gè)波段，比SPOT、TM和AVHRR更高。不同波段的植被光譜類型不同，多波段和高光譜分辨率可探測(cè)精細(xì)的植被光譜信息，從眾多窄波段中篩選出那些光譜差異較明顯的波段，可改善對(duì)植被生長(zhǎng)狀況的認(rèn)識(shí)與研究。MODIS數(shù)據(jù)能夠有效降低水汽吸收所造成的影響，因?yàn)樗邢鄬?duì)較窄的波段，而紅外波段對(duì)葉綠素含量非常敏感，可以用來(lái)有效改進(jìn)植被指數(shù)的準(zhǔn)確度。

高時(shí)相、多波段的MODIS數(shù)據(jù)的應(yīng)用已經(jīng)越來(lái)越受到重視，特別是在全球觀測(cè)中；近年來(lái)利用MODIS數(shù)據(jù)監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況的研究在國(guó)內(nèi)外也越來(lái)越多。Xiao等利用MODIS數(shù)據(jù)，對(duì)中國(guó)南部13個(gè)省和東南亞13個(gè)國(guó)家的水田面積進(jìn)行研究。Sakamoto等利用MODIS數(shù)據(jù)，研究湄公河三角洲農(nóng)作系統(tǒng)和水稻物候的時(shí)空分布情況。張海珍等利用多時(shí)相MODIS數(shù)據(jù)對(duì)成都市水稻進(jìn)行估產(chǎn)研究，誤差為17.45%[4]。張春桂等利用MODIS數(shù)據(jù)監(jiān)測(cè)丘陵山區(qū)雙季稻種植面積相對(duì)誤差低于13%[5]。

2.2 基于MODIS影像的特征指數(shù) 基于MODIS衛(wèi)星數(shù)據(jù)識(shí)別提取農(nóng)作物分布信息，首先要根據(jù)作物的物候特征，確定識(shí)別作物的關(guān)鍵時(shí)期，包括：種植期、生長(zhǎng)期和收獲期等，這些關(guān)鍵的作物歷信息是識(shí)別作物所必須的。通常采用對(duì)植被和水敏感的特征指數(shù)來(lái)擴(kuò)大與其背景的差異，以突出植被和土壤濕度的信息。MODIS數(shù)據(jù)的主要有3種特征指數(shù)，它們把綠色植物在近紅外波段、短波紅外波段、藍(lán)光波段和紅光波段的反射率經(jīng)過(guò)分析運(yùn)算得到的，它們分別是歸一化植被指數(shù)、增強(qiáng)植被指數(shù)和陸地水分指數(shù)。MODIS-NDVI是最常用的植被指數(shù)，能夠有效消除影像內(nèi)部和外部的噪音，而且較好地反映出植被綠度的變化。EVI與NDVI互為補(bǔ)充，它利用藍(lán)光波段修正了大氣對(duì)紅光波段的干擾，消弱葉冠背景信號(hào)并降低大氣影響，對(duì)高生物量區(qū)域的敏感度大大提高，改善了對(duì)植被的監(jiān)測(cè)，有研究表明，EVI不易受背景噪音影響，對(duì)大氣噪聲的影響也不敏感，有更加有效和穩(wěn)定的監(jiān)測(cè)能力。LSWI利用了對(duì)水體敏感的短波紅外波段，是表征植被水分含量的植被指數(shù)，能夠較好的用來(lái)檢測(cè)泡田期的農(nóng)作物。

2.3 基于MODIS影像的作物提取方法 同物異譜和異物同譜現(xiàn)象普遍存在于單一時(shí)相的圖像上，這使得對(duì)圖像中地物的識(shí)別難度加大，研究者考慮利用多時(shí)相遙感影像則可以突破這個(gè)困境。20世紀(jì)80年代，多時(shí)相分析法發(fā)展起來(lái)并得到廣泛應(yīng)用，與傳統(tǒng)分類方法相比有較大提高。結(jié)合高時(shí)間、高空間分辨率的多光譜影像可以實(shí)現(xiàn)作物種植面積信息的提取，且精度較高。BADHWAR獲取多種農(nóng)作物的面積也是應(yīng)用了多時(shí)相分析法，并且他的方法得到廣泛應(yīng)用。同樣的，鄭長(zhǎng)春和張友水等在對(duì)水田的提取研究中，也采用多時(shí)相遙感數(shù)據(jù)。

提取作物信息，首先要了解不同農(nóng)作物類型的差異所在，可從它們的生長(zhǎng)規(guī)律和光譜特點(diǎn)著手，EVI時(shí)間序列數(shù)據(jù)可與空間光譜信息相結(jié)合，不同的土地覆蓋類型有不同的MODIS-EVI時(shí)間序列曲線，其表現(xiàn)出的光譜差異可實(shí)現(xiàn)對(duì)地物的識(shí)別，不僅如此，其表現(xiàn)出的生長(zhǎng)規(guī)律的差異，與農(nóng)作物生長(zhǎng)發(fā)育的不同階段相對(duì)應(yīng)，為農(nóng)作物的識(shí)別提供了重要依據(jù)。農(nóng)作物生長(zhǎng)狀況受諸多因素影響，包括人為因素和環(huán)境因子（如氣候，水文、土壤等），其復(fù)雜的生物物理過(guò)程使得農(nóng)作物覆蓋區(qū)域的光譜特征呈現(xiàn)季節(jié)性變化，這種隨時(shí)間變化的特征或現(xiàn)象可以作為作物識(shí)別的重要依據(jù)。在同一區(qū)域，不同作物類型隨著季節(jié)或年份的變化，其植被指數(shù)也不一樣，時(shí)序指數(shù)曲線相近或相似的像元可視為相同的作物覆蓋類型。

3 亟待解決的問(wèn)題

（1）盡管遙感技術(shù)已在提取地物的分布信息及面積方面取得一定進(jìn)展，但很少有對(duì)耕地內(nèi)部不同作物分布情況的研究，且對(duì)大空間尺度下作物分布信息的提取研究極少，多集中于在某一小區(qū)域范圍內(nèi)采用遙感手段對(duì)作物生長(zhǎng)狀況進(jìn)行監(jiān)測(cè)。

（2）由于缺乏不同農(nóng)作物空間分布的信息，導(dǎo)致長(zhǎng)勢(shì)遙感監(jiān)測(cè)在分區(qū)域、分作物建立模型時(shí)遇到極大困難，也使得作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)的精度受到制約，農(nóng)作物的估產(chǎn)和農(nóng)業(yè)災(zāi)害預(yù)報(bào)也存同樣的問(wèn)題。

（3）大田中的冠層反射率不僅受葉片反射率的影響，還受到冠層結(jié)構(gòu)以及植被下地面光譜特性的影響，而這種影響，隨著觀測(cè)角度的不同又有所不同。地物光譜技術(shù)還受大氣對(duì)光譜吸收、太陽(yáng)高度角等因素的影響較大，因此其可靠性、精度和數(shù)據(jù)的穩(wěn)定性有待于提高。

（4）遙感作物監(jiān)測(cè)技術(shù)方法尚且不能滿足有關(guān)部門對(duì)信息的需要量，需要進(jìn)一步完善時(shí)效性，努力改進(jìn)基于對(duì)象的新型分類方法或?qū)σ延械姆诸惙椒ㄟM(jìn)行組合，發(fā)展自動(dòng)分類模型和方法，重視農(nóng)作物的種植區(qū)劃、種植結(jié)構(gòu)和物候歷等農(nóng)學(xué)因子和氣象因子的結(jié)合分析，融合專家知識(shí)和GIS數(shù)據(jù)。

參考文獻(xiàn)

[1]朱述龍，張占睦.遙感圖像獲取分析[M].北京：科學(xué)出版社，2000：1-4，153-157.

[2]浦瑞良，宮鵬.高光譜遙感及其應(yīng)用[M].北京：高等教育出版社，2000：3-5，89-93.

[3]MacDonald R B，Hall F G.Global crop forecasting [J].Science，1980，208（4445）：670-679.

[4]張海珍，馬澤忠，周志躍，等.基于MODIS數(shù)據(jù)的成都市水稻遙感估產(chǎn)研究[J].遙感信息，2008，5：63-67.省昆明市東川區(qū)為例[J].水土保持學(xué)報(bào)，2004，18（4）：177-181.

[5]張春桂，林晶，吳振海，等.基于 MODIS數(shù)據(jù)的水稻種植面積監(jiān)測(cè)方法研究[J].自然資源學(xué)報(bào)，2007，22（1）：1-8.

（責(zé)編：吳祚云）endprint