基于植被指數(shù)的新疆棉花遙感估產(chǎn)模型研究

劉姣娣,曹衛(wèi)彬,李華,唐湘玲,歐陽異能

(1石河子大學(xué)機(jī)械電氣工程學(xué)院,石河子832003;2石河子大學(xué)師范學(xué)院,石河子832003)

基于植被指數(shù)的新疆棉花遙感估產(chǎn)模型研究

劉姣娣1,曹衛(wèi)彬1,李華1,唐湘玲2,歐陽異能2

(1石河子大學(xué)機(jī)械電氣工程學(xué)院,石河子832003;2石河子大學(xué)師范學(xué)院,石河子832003)

利用植被指數(shù)與棉花產(chǎn)量的關(guān)系建立了棉花遙感估產(chǎn)模型,以期利用多時相遙感數(shù)據(jù),實現(xiàn)對棉花產(chǎn)量定量遙感預(yù)測。模型建立以新疆棉花各生育期的不同衛(wèi)星數(shù)據(jù),構(gòu)建相關(guān)植被指數(shù),并與實際棉花產(chǎn)量進(jìn)行回歸分析,建立了棉花單產(chǎn)的遙感估算模型。結(jié)果表明:以棉花最佳估產(chǎn)時相期植被指數(shù)與棉花產(chǎn)量構(gòu)建的產(chǎn)量估算模型可很好地定量預(yù)測棉花產(chǎn)量,模型為棉花衛(wèi)星遙感估產(chǎn)提供了參考模型,對其他作物使用動態(tài)生長信息提高遙感估產(chǎn)水平也有一定的借鑒意義。

新疆棉花;植被指數(shù);遙感估產(chǎn)模型

由于棉花的生產(chǎn)受多種因素的影響,在作物收獲前進(jìn)行大范圍的作物長勢評價,提前估測作物產(chǎn)量逐漸受到各國政府的重視。及時準(zhǔn)確預(yù)測我國或一個地區(qū)的棉花產(chǎn)量,不僅對農(nóng)民的生產(chǎn)計劃的安排,也對我國棉花外貿(mào)和進(jìn)出口計劃的制定有直接的作用,而且對我國國民經(jīng)濟(jì)發(fā)展戰(zhàn)略的規(guī)劃也有十分重要的意義[1-2]。

長期以來,我國各級政府和單位采用不同方法對產(chǎn)量進(jìn)行預(yù)測,傳統(tǒng)的產(chǎn)量估算途徑主要有調(diào)查統(tǒng)計、氣象模型、農(nóng)學(xué)模型和遙感模型[3-5]。傳統(tǒng)的調(diào)查方法依靠自下而上的統(tǒng)計報表,所得到產(chǎn)量數(shù)據(jù)誤差較大,上報時間滯長,所需費用高。氣象部門在一定范圍內(nèi)的預(yù)報精度雖然高,但在不同氣候與不同品種的條件下,預(yù)報精度往往偏低;而目前各農(nóng)場普遍采用的農(nóng)學(xué)估產(chǎn)方法,往往是在棉花盛鈴期,此方法速度慢,工作量大,尤其是時間上的滯后,使其失去了產(chǎn)量預(yù)報的實際意義[6-11]。遙感模型是通過建立測得的作物信息(光譜信息)與產(chǎn)量間的關(guān)系來估算作物產(chǎn)量。隨著3S技術(shù)(RS、GIS、GPS)的不斷發(fā)展,對植被生產(chǎn)力與生物量的研究已經(jīng)從小范圍、二維尺度的傳統(tǒng)地面測量發(fā)展到大范圍、多維時空的遙感模型估算[12]。衛(wèi)星遙感數(shù)據(jù)有更高度的概括性,而且在表征區(qū)域植被狀況和分布方面比從現(xiàn)有氣象站點得到的氣候變量效果更好,是農(nóng)學(xué)參數(shù)和氣象因子的綜合反映,遙感模型的優(yōu)點是適于監(jiān)測大范圍的作物產(chǎn)量[1,13]。目前在估產(chǎn)中用到的遙感模型還是以植被指數(shù)為主要輸入變量的基于像元的數(shù)理統(tǒng)計回歸分析方法,通過在不同尺度的數(shù)據(jù)之間建立函數(shù)關(guān)系來完成局部的點到整個面的轉(zhuǎn)換[14]。國內(nèi)已經(jīng)有許多研究者研究了產(chǎn)量與不同植被指數(shù)之間的統(tǒng)計關(guān)系并建立了不同的大尺度遙感估算模型,而利用植被指數(shù)進(jìn)行新疆棉花產(chǎn)量遙感估算還鮮有報道。為此,本研究基于農(nóng)學(xué)產(chǎn)量形成的理論機(jī)理,結(jié)合棉花冠層光譜反射率和遙感植被指數(shù),分析冠層光譜特征與產(chǎn)量構(gòu)成因素及產(chǎn)量的相關(guān)關(guān)系,以建立在最佳時相內(nèi)較為可靠的棉花產(chǎn)量遙感估產(chǎn)模型。

1 材料與方法

1.1 遙感影像數(shù)據(jù)

根據(jù)當(dāng)?shù)孛藁ǖ纳诤凸庾V試驗時期,新疆南疆遙感數(shù)據(jù)選取了2006年6月25日SPOT4數(shù)據(jù)1景、7月10日北京1號數(shù)據(jù)1景和8月29日ASTER數(shù)據(jù)1景;新疆北疆選取了2006年6月22日和7月22日北京1號數(shù)據(jù)2景,2003年Landsat-7/ETM+數(shù)據(jù)1景,共計6景遙感影像數(shù)據(jù)。

1.2 植被指數(shù)

遙感圖像上的植被信息,主要通過綠色植物葉子和植被冠層的光譜特征及其差異、變化而反映的,如圖1顯示了綠色植物的主要光譜響應(yīng)特征。在植被指數(shù)中通常選用對綠色植物(葉綠素引起的)強(qiáng)吸收的可見光紅波段 R(0.6～0.7μm)和對綠色植物(葉內(nèi)組織引起的)高反射和高透射的近紅外波段N IR(0.7～1.1μm)。本研究采用應(yīng)用最廣的綠度指標(biāo)有比值植被指數(shù)(RV I)和歸一化植被指數(shù)(N DV I)。其計算公式為:RV I=N IR/R、N DV I=(IR-R)/(IR+R)[16]。根據(jù)近紅外波段 N IR(0.7～1.1μm),可見光紅波段 R(0.6～0.7μm)的反射率來計算植被指數(shù) RV I和N DV I。

圖1 南疆6團(tuán)2006年6月25日歸一化植被指數(shù)灰度圖像Fig.1 The gray level image of normalization vegetation index in 6 corps NanJiang June 25(st),2006

1.3 產(chǎn)量數(shù)據(jù)

本研究選取了有代表性的北疆石河子新疆兵團(tuán)143團(tuán)、南疆阿克蘇新疆兵團(tuán)6團(tuán)作為試驗區(qū),采集試驗點2006年棉花實際產(chǎn)量數(shù)據(jù)。

1.4 田間試驗內(nèi)容與方法

供試品種:以新疆南北疆多年種植和種植面積比例大的棉花品種作為試驗品種,北疆石河子試驗品種選取了產(chǎn)量穩(wěn)定,種植面積比例較大的18-3品種、種植面積較大297-5和今年新推出的134-1三個品種;南疆阿克蘇選取了歷年種植的長絨棉新海14,陸地棉中棉35及種植面積較大的新推出的雜交棉作為試驗品種。

試驗內(nèi)容:棉花冠層光譜測定、葉面積指數(shù)測定和GPS地理定位。

棉花冠層光譜的測定:使用測量儀器選擇美國ASD公司 FieldSpec HandHeld手持便攜式光譜分析儀測定目標(biāo)地物反射光譜。主要技術(shù)指標(biāo)為:波長范圍,300～1100 nm;光譜采樣間隔,1.6 nm;靈敏度線性,±1%。光譜數(shù)據(jù)采集在北京時間12:00-15:00,所獲取的反射率高光譜均來自無病蟲害、無缺苗斷壟、生長均勻一致的棉花冠層;探頭垂直于冠層頂,距冠頂140 cm。每處理測定3個樣點,每樣點獲取5條光譜數(shù)據(jù),每條光譜掃描0.2 s,在測定前后用標(biāo)準(zhǔn)板進(jìn)行太陽輻射光譜矯正。

棉花葉面積的測定:在光譜測試點取樣,每樣點采集5株棉花,立即摘葉,不重疊地平鋪在白色背景紙上,采用800萬數(shù)碼照相機(jī)拍攝,取景以剛好框住所有葉片為宜,要求葉片上光線均勻,無陰影,同一目標(biāo)重復(fù)拍攝 3次,記錄照片編號與樣點號,用Photoshop軟件獲取葉面積,其測定的結(jié)果準(zhǔn)確穩(wěn)定、速度快[16]。

試驗時間:根據(jù)棉花生長的幾個關(guān)鍵時期,結(jié)合衛(wèi)星過境時間同步進(jìn)行棉花冠層光譜數(shù)據(jù)采集、棉花葉面積的測定。北疆試驗時間是2006年6月26日(蕾期)、7月 15日(初花期)、7月 23日(盛花期)、8月17日(結(jié)鈴期)、8月24日(盛鈴期)、8月 31日(吐絮期);南疆于2006年6月26日(蕾期)、7月10日(花期)、8 月 13 日(鈴期)、9 月 14 日(吐絮期)進(jìn)行試驗。

2 結(jié)果與分析

2.1 利用棉花生長期內(nèi)各時相光譜選擇最佳棉花遙感估產(chǎn)時相

圖2為棉花在不同生育期的棉花反射光譜曲線圖。

圖2 各生育期棉花冠層光譜波段曲線圖Fig.2 The spectral reflection curve of cotton at different growth stages

通過對比分析可得出如下結(jié)果:

1)棉花隨著植株增高、葉片增多,葉面積指數(shù)增大,覆蓋率增大,反射率逐漸升高,尤其以近紅外波段表現(xiàn)最為明顯;

2)從盛蕾期到盛花期,棉花在可見光波段反射率逐漸降低,在近紅外波段反射率逐漸升高;

3)盛鈴期棉花反射率迅速增大,尤其是在近紅外波段反射率達(dá)到了最大值;

4)絮期棉花反射率則明顯降低。

由圖2得出:盛花期和盛鈴期棉花在近紅外波段反射率較高,棉花達(dá)到了生殖生長的最高峰,為棉花產(chǎn)量形成的關(guān)鍵期,是棉花遙感估產(chǎn)的最佳時相[17-18]。

2.2 地面遙感反演

在北疆棉花的蕾期、初花期、盛花期、結(jié)鈴期、盛鈴期、吐絮期6個生長時期;南疆棉花的蕾期、花期、鈴期、吐絮期的4個生長時期,對南北疆共6個棉花品種所測得的植被指數(shù)與產(chǎn)量進(jìn)行相關(guān)分析,找出最佳棉花估產(chǎn)因子。

從表1和表2中可以看出,棉花產(chǎn)量與植被指數(shù)在棉花的生育期內(nèi)都顯著相關(guān),以盛花期相關(guān)性最好,其次是盛蕾期、吐絮期和盛鈴期。其中N DV I植被指數(shù)在棉花的各生育期與棉花產(chǎn)量均達(dá)到了極顯著相關(guān)水平,所以本研究采取歸一化植被指數(shù)N DV I作為棉花估產(chǎn)的遙感因子。

表1 南疆棉花植被指數(shù)與棉花產(chǎn)量的相關(guān)關(guān)系Tab.1 The correlation of cotton vegetation index and cotton yield in Nanjiang

表2 北疆棉花植被指數(shù)與棉花產(chǎn)量的相關(guān)關(guān)系Tab.2 The correlation of cotton vegetation index and cotton yield in Beijiang

2.3 影像值校準(zhǔn)

在直接利用遙感影像反演不可行的情況下,用與遙感數(shù)據(jù)同時期的實測地面光譜反射率計算得出的棉花植被指數(shù),對試驗樣方所在像元的植被指數(shù)N DV I,按下列通用線性模型進(jìn)行校準(zhǔn)[19-21]。

式(1)中,I為影像值,M為實測值,即:

N DV Iix=0.9314N DV Imax-0.0891。

用校準(zhǔn)的影像 N DV I作為遙感估產(chǎn)的植被指數(shù),來獲取棉花產(chǎn)量的遙感反演模型。

2.4 棉花遙感估產(chǎn)模型的建立

在棉花產(chǎn)量形成的幾個關(guān)鍵生育時期,把校準(zhǔn)的影像 N DV I作為遙感估產(chǎn)的植被指數(shù),用各生育期的N DV I植被指數(shù)與實際棉花產(chǎn)量進(jìn)行回歸分析,以獲取棉花單產(chǎn)的遙感估算模型。

其中:y代表棉花產(chǎn)量擬合值,t代表植被指數(shù),b0、b1、b2和 b3為常數(shù)。研究目的是要從這些模中選擇最佳產(chǎn)量估算模型。

表3中,18-3品種的 N DV I與棉花產(chǎn)量的6種回歸方程,以盛鈴期的指數(shù)函數(shù)模型擬合最好,R2為0.964,F值為106.324。

表3 18-3號棉花品種的 NDVI與產(chǎn)量的6種回歸方程Tab.3 The six regression models of the NDVI and cotton yield of Xin Lu 18-3 cotton

表4 134-1品種的 NDVI與棉花產(chǎn)量的6種回歸方程Tab.4 The six regression models of the NDVI and cotton yield of 134-1 cotton

表5 297-5品種的 NDVI與棉花產(chǎn)量的6種回歸方程Tab.5 The six regression models of the NDVI and cotton yield of 297-5 cotton

由表3～5可以看出,134-1、18-3品種單時相遙感估產(chǎn)的最佳估產(chǎn)模型以盛鈴期的指數(shù)函數(shù);297-5品種單時相遙感估產(chǎn)的最佳估產(chǎn)模型以結(jié)鈴期的指數(shù)函數(shù)。

3 結(jié)論

從新疆南北疆各棉花品種在各生育期內(nèi)的產(chǎn)量遙感估算模型中可以得出以下結(jié)論:

1)由南北疆各棉花品種的實測光譜值計算出植被指數(shù) RV I和N DV I,與實測的棉花產(chǎn)量的相關(guān)分析得出:南北疆共6個棉花品種在棉花的生育期內(nèi)都顯著相關(guān),以盛花期相關(guān)性最好,其次是盛蕾期、吐絮期和盛鈴期,其中 N DV I植被指數(shù)在棉花的各生育期與棉花產(chǎn)量都達(dá)到了極顯著相關(guān)水平。所以采取歸一化植被指數(shù) N DV I作為遙感估產(chǎn)因子是很有意義的。

2)各品種棉花的最佳遙感估算時相期不同。南疆長絨棉新海14和中棉35遙感估產(chǎn)最佳時相是盛花期;雜交棉遙感估產(chǎn)最佳時相是始花期;北疆18-3品種、134-1品種是盛鈴期為最佳遙感估算時相期,297-5品種遙感估產(chǎn)最佳時相是結(jié)鈴期。

3)在試驗區(qū)各品種棉花的最佳遙感估算時相期內(nèi)各品種棉花的遙感估產(chǎn)模型不同。南疆長絨棉新海14最佳單時相遙感估產(chǎn)以盛花期的對數(shù)方程擬合度最好;雜交棉最佳單時相估產(chǎn)模型為始花期的直線方程;中棉35最佳單時相估模型為盛花期的三次多項式方程;北疆18-3、134-1品種的最佳單時相估模型分別為盛鈴期的指數(shù)函數(shù),而297-5品種以結(jié)鈴期的指數(shù)函數(shù)模型擬合最好。

[1]焦險峰,楊邦杰,裴志遠(yuǎn),等.基于植被指數(shù)的作物產(chǎn)量監(jiān)測方法研究[J].農(nóng)業(yè)工程學(xué)報,2005,21(4):104-1089.

[2]曹衛(wèi)彬,楊邦杰,裴志遠(yuǎn),等.新疆棉花遙感監(jiān)測系統(tǒng)建立的對策[J].石河子大學(xué)學(xué)報:自然科學(xué)版,2003,7(2):23-25.

[3]王建林,宋迎波.棉花產(chǎn)量動態(tài)預(yù)測方法研究[J].中國棉花,2002,29(9):35-36.

[4]吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運(yùn)行化遙感方法[J],地理學(xué)報,2000,55(1):19-22.

[5]楊邦杰,裴志遠(yuǎn),焦險峰,等.基于CBERS-1衛(wèi)星圖像的新疆棉花遙感監(jiān)測技術(shù)體系[J].農(nóng)業(yè)工程學(xué)報,2003,19(6):146-149.

[6]Baker D N.Gossym:a simulator of cotton crop growth and yield[J].South Carolina:Agr Exp Sth Stn Bull,1983,1089:19-22.

[7]白麗,蔣桂英,王進(jìn).干旱區(qū)基于高光譜的棉花遙感估產(chǎn)研究[J].中國農(nóng)業(yè)科學(xué),2008,41(8):2499-2505.

[8]Boone M YL.Calibration of GOSSYM:theory and practice[J].Computers and Electronics in Agriculture,1993(9):193-203.

[9]柏軍華,李少昆,王克如.棉花產(chǎn)量遙感預(yù)測的L-Y模型構(gòu)建[J].作物學(xué)報,2006,32(6):840-844.

[10]王人潮,黃敬峰.水稻遙感估產(chǎn)[M].北京:中國農(nóng)業(yè)出版社,2002.

[11]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.

[12]戴小華,余世孝.遙感技術(shù)支持下的植被生產(chǎn)力與生物量研究進(jìn)展[J].生態(tài)學(xué)雜志,2004,23(4):92-98.

[13]Felik N Kogan.Droughts of the late 1980s in the United States as derived from NOAA polar orbiting satellite data[J].Bulletin of the American Meteorological Society,1995,76,655-668.

[14]彭曉鵑,鄧孺孺,劉小平.遙感尺度轉(zhuǎn)換研究進(jìn)展[J].地理與地理信息科學(xué),2004,20(5):6-14.

[15]Thenkabail P S.Inter-sensor relationships between IKONOS and Landsat-7 ETM+NDVI data in three ecoregions of Africa International Journal of Remote Sensing,2004,25(2):389-408.

[16]劉姣娣,曹衛(wèi)彬,馬蓉.棉花葉面積指數(shù)的遙感估算模型研究[J],中國農(nóng)業(yè)科學(xué),2008,41(12):4301-4306.

[17]曹衛(wèi)彬,劉姣娣,新疆棉花遙感監(jiān)測識別區(qū)域的劃分[J].農(nóng)業(yè)工程學(xué)報,2008,24(4):172-176.

[18]劉姣娣,曹衛(wèi)彬.新疆棉花遙感估產(chǎn)最佳時相的選擇研究[J].中國棉花,2007,34(3):10-11.

[19]查勇.草地植被變化遙感監(jiān)測方法研究-以環(huán)青海湖地區(qū)為例[D].南京:南京師范大學(xué),2003:18-25.

[20]張洪亮,倪紹祥,蔣建軍,等.環(huán)青海湖地區(qū)天然草地TM影像植被指數(shù)分析[J].中國草地學(xué)報,2002,24(2):6-11.

[21]查勇,Gao Jay,倪紹祥.國際草地資源遙感研究新進(jìn)展[J].地理科學(xué)進(jìn)展,2003,22(6):607-617.

The Research of Cotton Yield Estimation Based on Vegetation Index Using Remote Sensing in Xinjiang

LIU Jiaodi1,CAO Weibin1,LI Hua1,TANG Xiangling2,OYANG Yineng2
(1 College of Mechanical and Electrical Engineering,Shihezi University,Shihezi 832003,China;2 Teachers College,Shihezi University,Shihezi 832003,China)

The model of cotton yield according to the relationship between Vegetation Index and the cotton yield,using remote senging datas in every growing period to structure vegetation indexes,and the best model for estimating cotton yield has been established through regression analysis.The results indicated that there was a good relationship between vegetation indices and cotton yield,The referenced model for yield estimation from the present research could contribute the improvement of other crop yield remote sensing estimation.

Xinjiang cotton;vegetation index;yield estimation model with remote sensing

S127;TP79

A

1007-7383(2011)02-0153-05

2010-04-26

國家自然科學(xué)基金項目(40701128、41001020),國家科技支撐計劃項目(2007BAH12B04)

劉姣娣(1975-),女,講師,從事作物遙感監(jiān)測;e-mail:liujiaodi@shzu.edu.cn。