基于遙感參數(shù)HINDVI-SUM及專家知識(shí)反演的春小麥遙感估產(chǎn)研究
——以呼倫貝爾市大興安嶺西麓為例

烏蘭吐雅，姚曉燕，烏 蘭，包珺瑋，姜英俊

（1.內(nèi)蒙古農(nóng)牧業(yè)科學(xué)院，內(nèi)蒙古呼和浩特 010031；2.內(nèi)蒙古拉布達(dá)林農(nóng)場(chǎng)，內(nèi)蒙古拉布達(dá)林 022250；3.海拉爾農(nóng)牧場(chǎng)管理局，內(nèi)蒙古海拉爾 021008）

作物生長(zhǎng)狀況的動(dòng)態(tài)監(jiān)測(cè)和產(chǎn)量的及時(shí)、準(zhǔn)確預(yù)測(cè)，對(duì)于國(guó)家糧食政策的制定、價(jià)格的宏觀調(diào)控、農(nóng)村經(jīng)濟(jì)的發(fā)展以及對(duì)外糧食貿(mào)易具有重要意義[1]。農(nóng)作物產(chǎn)量估產(chǎn)先后經(jīng)歷了抽樣調(diào)查、統(tǒng)計(jì)分析、氣象統(tǒng)計(jì)模型階段和衛(wèi)星遙感數(shù)據(jù)估產(chǎn)階段[2]。遙感技術(shù)具有宏觀、綜合、動(dòng)態(tài)和快速等優(yōu)點(diǎn)[3]，廣泛應(yīng)用于作物的估產(chǎn)中[2-11]。我國(guó)的遙感估產(chǎn)歸納起來(lái)有以下幾種模式：光譜信息-植被指數(shù)-長(zhǎng)勢(shì)信息-產(chǎn)量、光譜-水分與氮素-產(chǎn)量、光譜信息-植被指數(shù)-長(zhǎng)勢(shì)信息-生長(zhǎng)模型-產(chǎn)量[4]。前人的研究多集中在冬小麥遙感估產(chǎn)[2，5，6，8，10]，而對(duì)于春小麥遙感估產(chǎn)的研究甚少[11]。本研究應(yīng)用時(shí)間序列MODIS NDVI數(shù)據(jù)，對(duì)大興安嶺西麓的春小麥進(jìn)行HINDVI-SUM參數(shù)的計(jì)算，以地塊為單位與地上產(chǎn)量進(jìn)行回歸分析，建立空間估產(chǎn)模型，為呼倫貝爾市大興安嶺西麓春小麥的產(chǎn)量估算提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)域位于呼倫貝爾市大興安嶺西麓，林區(qū)到草原的過(guò)渡帶[12]。研究區(qū)域東高西低，起伏平緩，海拔一般在600～900 m，氣候冬季寒冷，夏季溫涼，無(wú)霜期在100 d左右，年降水量300～400 mm，地表地下水資源豐富[13]。主要農(nóng)作物為春小麥、油菜、大麥，其中春小麥?zhǔn)莾?nèi)蒙古的主產(chǎn)區(qū)之一。該區(qū)域分布著機(jī)械化程度強(qiáng)、勞動(dòng)生產(chǎn)率高、商品率好的國(guó)有農(nóng)場(chǎng)及私人農(nóng)場(chǎng)，耕地連片集中，適合用遙感監(jiān)測(cè)[12]。

1.2 研究方法與數(shù)據(jù)處理

1.2.1 研究方法 本研究從作物收獲指數(shù)形成機(jī)制和農(nóng)學(xué)概念出發(fā)，充分利用春小麥生長(zhǎng)期間時(shí)間序列歸一化植被指數(shù)與時(shí)間變量構(gòu)成的特征曲線，結(jié)合主要生育期曲線峰后（開(kāi)花期-成熟期）累積值和曲線峰前（出苗-開(kāi)花前）累積值的比值HINDVI-SUM表征春小麥?zhǔn)斋@指數(shù)[14]，最后根據(jù)專家知識(shí)背景的地塊估算產(chǎn)量進(jìn)行回歸分析，從而實(shí)現(xiàn)對(duì)空間春小麥的產(chǎn)量模擬和預(yù)算。

1.2.1.1 參數(shù)HINDVI-SUM的構(gòu)建 通過(guò)研究NDVI時(shí)間序列構(gòu)成的春小麥生長(zhǎng)過(guò)程曲線，利用春小麥開(kāi)花前曲線特征和開(kāi)花后曲線特征，構(gòu)建與春小麥?zhǔn)斋@指數(shù)概念相關(guān)的參數(shù)HINDVI-SUM，即：

式中：∑NDVIpost——春小麥時(shí)間序列NDVI曲線峰后累積值，即春小麥開(kāi)花后至乳熟期NDVI累積值，該指標(biāo)反映春小麥籽粒干物質(zhì)積累過(guò)程；∑NDVIpro——春小麥時(shí)間序列NDVI曲線峰前累積值，即春小麥苗期-開(kāi)花期NDVI累積值，該指標(biāo)反映作物莖、葉等干物質(zhì)積累過(guò)程，對(duì)后期產(chǎn)量形成具有一定影響；∑NDVIpost/∑NDVIpro是與作物收獲指數(shù)存在一定相關(guān)關(guān)系的參數(shù)[14]。

1.2.1.2 專家知識(shí)下的地塊產(chǎn)量 本研究于春小麥灌漿期-乳熟期在額爾古納市的拉布達(dá)林農(nóng)場(chǎng)、上庫(kù)力農(nóng)場(chǎng)，陳巴爾虎旗境內(nèi)的特泥河農(nóng)場(chǎng)以及海拉爾市北部的謝爾塔拉農(nóng)場(chǎng)，選擇41塊種植春小麥的耕地進(jìn)行實(shí)地調(diào)查，記錄春小麥行距、高度、長(zhǎng)勢(shì)以及農(nóng)場(chǎng)技術(shù)人員的估算產(chǎn)量。農(nóng)場(chǎng)技術(shù)人員從播種開(kāi)始到收割，每日觀察農(nóng)作物的長(zhǎng)勢(shì)，具有多年實(shí)地測(cè)產(chǎn)經(jīng)驗(yàn)，測(cè)產(chǎn)方面可以稱為專家。

1.2.1.3 參數(shù)HINDVI-SUM與春小麥產(chǎn)量的定量關(guān)系 在構(gòu)建春小麥HINDVI-SUM反演與地塊估算產(chǎn)量間回歸分析中，利用兩者定量關(guān)系進(jìn)行區(qū)域尺度春小麥產(chǎn)量反演。研究過(guò)程主要利用SPSS統(tǒng)計(jì)軟件曲線擬合模塊進(jìn)行參數(shù)HINDVI-SUM與地塊產(chǎn)量間的直線統(tǒng)計(jì)關(guān)系模擬?？紤]估產(chǎn)誤差，參數(shù)HINDVI-SUM標(biāo)準(zhǔn)差大于0.10的地塊沒(méi)有參與回歸分析，回歸分析的數(shù)據(jù)共30個(gè)。

1.2.1.4 參數(shù)HINDVI-SUM模擬春小麥產(chǎn)量精度檢驗(yàn)2015年春小麥生長(zhǎng)季遙感參數(shù)HINDVI-SUM模擬的產(chǎn)量與實(shí)際測(cè)產(chǎn)的產(chǎn)量以地塊為單位，將拉布達(dá)林農(nóng)場(chǎng)花木蘭隊(duì)26塊耕地進(jìn)行對(duì)比，得到平均相對(duì)誤差，對(duì)參數(shù)HINDVI-SUM模擬的春小麥產(chǎn)量的精度進(jìn)行評(píng)價(jià)。相對(duì)誤差δ=Δ/L×100%，式中δ——實(shí)際相對(duì)誤差，一般用百分?jǐn)?shù)給出，Δ——絕對(duì)誤差，L——真值。

1.2.2 數(shù)據(jù)處理 使用遙感數(shù)據(jù)包括法國(guó)SPOT7數(shù)據(jù)、（DS_SPOT7_201507240225149_FRI_SEI_SEI_E120N50_01140）2015年 6月 3日 path/Row（123/25、123/26）的兩景 LANDSAT8衛(wèi)星遙感數(shù)據(jù)（http：//glovis.usgs.gov/）和十三期（137、145、154、161、169、177、185、193、201、209、217、225、233）4 景（h25v04、h25v03、h26v04、h26v03）MODIS 地表反射 率 數(shù) 據(jù)（MOD09Q1）（http：//edcimswww.cr.usgs.gov/pub/ims welcome），共 52 景。

對(duì)SPOT7數(shù)據(jù)進(jìn)行正射糾正、融合、假彩色合成、投影轉(zhuǎn)換，對(duì)LANDSAT8數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、融合、投影轉(zhuǎn)換、543假彩色合成等操作。MODIS（MOD09Q1）是8 d合成的地表反射率數(shù)據(jù)，星下點(diǎn)空間分辨率為250 m。對(duì)其進(jìn)行NDVI計(jì)算，投影轉(zhuǎn)換，同一時(shí)期的4景數(shù)據(jù)進(jìn)行最大值合成，消除4景數(shù)據(jù)直接鑲嵌帶來(lái)的黑條，最后將研究區(qū)域剪切，統(tǒng)計(jì)不同區(qū)域值。

2 結(jié)果與分析

2.1 參數(shù)HINDVI-SUM信息提取結(jié)果

按地塊面積提取遙感參數(shù)HINDVI-SUM值，用軟件進(jìn)行統(tǒng)計(jì)，得到30個(gè)地塊的極小值0.553121，極大值 0.899231，均值 0.683552。

2.2 參數(shù)HINDVI-SUM與春小麥產(chǎn)量關(guān)系

回歸分析按地塊面積統(tǒng)計(jì)的參數(shù)HINDVI-SUM平均值與地塊單產(chǎn)，得出結(jié)果如下：參數(shù)HINDVI-SUM與春小麥單產(chǎn)負(fù)線性相關(guān)，y=-5769.493x+6957.497，R2=0.386，式中 y為產(chǎn)量（kg/hm2），x為遙感參數(shù) HINDVI-SUM，方差分析通過(guò)F檢驗(yàn)，模型系數(shù)通過(guò)t檢驗(yàn)，P為0.0001，說(shuō)明模型具有統(tǒng)計(jì)學(xué)意義，可用于現(xiàn)實(shí)估產(chǎn)研究。

2.3 參數(shù)HINDVI-SUM模擬春小麥單產(chǎn)，以地塊為單位產(chǎn)量精度檢驗(yàn)

本研究選擇拉布達(dá)林農(nóng)場(chǎng)花木蘭隊(duì)春小麥種植地塊作為產(chǎn)量精度檢驗(yàn)區(qū)域，用SPOT72.5 m分辨率的遙感影像上提取春小麥種植面積（圖4），以地塊為界線統(tǒng)計(jì)模型產(chǎn)量，與實(shí)測(cè)產(chǎn)量進(jìn)行對(duì)比，26塊種植春小麥的地塊總產(chǎn)量（預(yù)測(cè)產(chǎn)量）為2730357 kg，實(shí)測(cè)產(chǎn)量為3165120 kg，模型產(chǎn)量比實(shí)際產(chǎn)量少，相對(duì)誤差為13.7%，26塊地的預(yù)測(cè)產(chǎn)量與實(shí)際產(chǎn)量擬合度較高（圖5），能夠滿足現(xiàn)實(shí)估產(chǎn)需求，具有現(xiàn)實(shí)指導(dǎo)意義。

3 結(jié)論與討論

利用時(shí)間序列MODIS NDVI數(shù)據(jù)生成的春小麥籽粒生長(zhǎng)關(guān)鍵階段和植株葉子生長(zhǎng)關(guān)鍵階段對(duì)應(yīng)的NDVI累積值比值，構(gòu)建2015年春小麥遙感參數(shù)HINDVI-SUM，通過(guò)參數(shù)HINDVI-SUM與專家估測(cè)地塊產(chǎn)量進(jìn)行回歸分析，實(shí)現(xiàn)春小麥產(chǎn)量的定量反演。研究表明，利用參數(shù)HINDVI-SUM進(jìn)行區(qū)域范圍春小麥產(chǎn)量反演取得了較好的效果，反演春小麥產(chǎn)量的方法是可行的。

本研究在前人利用遙感時(shí)間序列植被指數(shù)提取區(qū)域冬小麥?zhǔn)斋@指數(shù)的基礎(chǔ)上，以大興安嶺西麓的春小麥為例，嘗試探索用參數(shù)HINDVI-SUM及專家知識(shí)下的地塊產(chǎn)量反演區(qū)域春小麥產(chǎn)量的方法。該方法無(wú)論從理論的角度還是實(shí)用性而言，對(duì)于其他農(nóng)作物的產(chǎn)量反演應(yīng)該具有一定的普適性。但是，對(duì)于不同作物的產(chǎn)量反演及反演精度的提高有待于進(jìn)一步研究。

本研究在實(shí)地調(diào)查中，利用差分GPS空間定位功能，獲取地塊的空間位置信息，并提取對(duì)應(yīng)的遙感參數(shù)，解決了研究區(qū)大麥、小麥不好區(qū)分的問(wèn)題。通過(guò)對(duì)參與模型的地塊及精度檢驗(yàn)的地塊實(shí)地核實(shí)，降低了春小麥種植區(qū)誤判所帶來(lái)的誤差。

參考文獻(xiàn)：

［1］王紀(jì)華，趙春江，黃文江，等.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用［M］.北京：科學(xué)出版社，2008.259－276.

［2］杜天昊.基于MODIS-NDVI的河南省冬小麥估產(chǎn)模型研究［D］.重慶：重慶大學(xué)，2013.

［3］樊科研，田麗萍，薛 琳，等.遙感在農(nóng)作物估產(chǎn)中的應(yīng)用與發(fā)展［J］.安徽農(nóng)學(xué)通報(bào)，2006，12（11）：145－147.

［4］李衛(wèi)國(guó)，李正金，申雙和.小麥遙感估產(chǎn)研究現(xiàn)狀及趨勢(shì)分析［J］.江蘇農(nóng)業(yè)科學(xué)，2009（2）：6-7，27.

［5］陳聯(lián)裙，朱再春，張錦水，等.冬小麥遙感估產(chǎn)回歸尺度分析［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26（S1）：169-174.

［6］任建強(qiáng)，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(jì)寧市為例［J］.應(yīng)用生態(tài)學(xué)報(bào)，2006，17（12）：2371-2375.

［7］顧曉鶴，何 馨，郭 偉，等.基于MODIS與TM時(shí)序插補(bǔ)的省域尺度玉米遙感估產(chǎn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26（S2）：53-58.

［8］李樹(shù)強(qiáng)，李民贊.基于車載近地遙感系統(tǒng)的冬小麥生育早期產(chǎn)量估測(cè)方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2014，30（3）：120-127.

［9］徐新剛，王紀(jì)華，黃文江，等.基于權(quán)重最優(yōu)組合和多時(shí)相遙感的作物估產(chǎn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25（9）：137-142.

［10］秦元偉，趙庚星，姜曙千，等.基于中高分辨率衛(wèi)星遙感數(shù)據(jù)的縣域冬小麥估產(chǎn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25（7）：118-123.

［11］鄧?yán)っ?，孫九林，陳鵬飛，等.利用國(guó)產(chǎn)環(huán)境減災(zāi)衛(wèi)星遙感信息估測(cè)春小麥產(chǎn)量——以內(nèi)蒙古陳巴爾虎旗地區(qū)為例［J］.自然資源學(xué)報(bào)，2011，26（11）：1942-1952.

［12］烏蘭吐雅，烏 蘭，姜英俊，等.基于MODIS-NDVI的春小麥苗期長(zhǎng)勢(shì)監(jiān)測(cè)——以呼倫貝爾市大興安嶺西麓為例［J］.安徽農(nóng)業(yè)科學(xué)，2015，43（31）：356-358.

［13］內(nèi)蒙古自治區(qū)農(nóng)牧業(yè)區(qū)劃委員會(huì)辦公室.內(nèi)蒙古自治農(nóng)牧業(yè)資源區(qū)劃數(shù)據(jù)匯編［M］.北京：中國(guó)區(qū)劃出版社，1991.

［14］任建強(qiáng)，陳仲新，周清波，等.基于時(shí)序歸一化植被指數(shù)的冬小麥?zhǔn)斋@指數(shù)空間信息提?。跩］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26（8）：160-167.