基于多時(shí)相MODIS-RVI的玉米遙感估產(chǎn)研究

安 秦，陳圣波*，孫士超

（1.吉林大學(xué) 地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林 長春 130026）

傳統(tǒng)的農(nóng)業(yè)產(chǎn)量預(yù)測(cè)方法效率低、人力物力投入大，而遙感技術(shù)具有不直接接觸觀測(cè)目標(biāo)的特性，使其在農(nóng)作物產(chǎn)量估算方面具有獨(dú)特優(yōu)勢(shì)。隨著遙感技術(shù)的發(fā)展，其在作物估產(chǎn)研究中發(fā)揮著越來越重要的作用[1]。根據(jù)原理可將遙感估產(chǎn)模型分為經(jīng)驗(yàn)統(tǒng)計(jì)模型、光能利用率模型、作物生長模擬模型以及耦合模型4類，本文采用經(jīng)驗(yàn)統(tǒng)計(jì)模型。

在遙感估產(chǎn)模型研究的起步階段，應(yīng)用最廣泛的是經(jīng)驗(yàn)統(tǒng)計(jì)模型，其原理簡(jiǎn)單、數(shù)據(jù)容易獲取，且在區(qū)域估產(chǎn)中精度高，現(xiàn)在依然被廣泛使用。王人潮[2]等分別使用RVI和LAI建立了水稻產(chǎn)量預(yù)報(bào)模型；李衛(wèi)國[3]等將氣候條件加入使用NDVI、RVI建立的回歸模型中進(jìn)行綜合分析，建立了小麥的遙感估產(chǎn)模型；范莉[4]等以重慶三峽庫區(qū)為研究區(qū)，根據(jù)NDVI與作物產(chǎn)量之間的相關(guān)關(guān)系建立了水稻的遙感估產(chǎn)模型；秦元偉[5]等分別利用像元RVI和NDVI建立了山東省廣饒縣的冬小麥遙感估產(chǎn)模型；李建龍[6]等改善了上述遙感估產(chǎn)模型，在張家港市進(jìn)行了地面調(diào)查單產(chǎn)實(shí)驗(yàn)，建立了關(guān)于NDVI的農(nóng)作物估產(chǎn)模型，證明了估產(chǎn)算法的有效性。以上研究多以NDVI、RVI、LAI等植被指數(shù)為研究對(duì)象，大多使用的是單生育期影像，利用多生育期復(fù)合的估產(chǎn)研究也相對(duì)較多，但使用RVI的多時(shí)期復(fù)合數(shù)據(jù)對(duì)玉米進(jìn)行估產(chǎn)的研究較少，本文利用MODIS遙感數(shù)據(jù)提取RVI，并結(jié)合多時(shí)相遙感估產(chǎn)方法，開展了吉林省德惠市玉米估產(chǎn)研究，以期使該地區(qū)的玉米估產(chǎn)工作更加宏觀、高效、動(dòng)態(tài)和準(zhǔn)確。

1 研究區(qū)概況

吉林省地處東北地區(qū)中部，屬于北溫帶濕潤—干旱季風(fēng)氣候，年平均降水量為400～800 mm；主要作物包括水稻、玉米和大豆等。本文以吉林省德惠市為研究區(qū)，德惠市地處吉林省中北部。

2 數(shù)據(jù)來源

2.1 遙感資料

MODIS是一款低分辨率成像光譜儀，具有全球免費(fèi)、光譜范圍廣、更新頻率高等特點(diǎn)，在農(nóng)作物長勢(shì)檢測(cè)和產(chǎn)量估算等方面具有較大優(yōu)勢(shì)。本文采用的MOD09Q1 250 m地表反射率8 d合成產(chǎn)品，來源于地理空間數(shù)據(jù)云網(wǎng)站接收的數(shù)據(jù)。根據(jù)吉林省德惠市的實(shí)際情況，在MODIS數(shù)據(jù)分區(qū)塊中選擇h26v04、h27v04兩個(gè)投影塊。

本文選取了地理空間數(shù)據(jù)云網(wǎng)站提供的2016年玉米拔節(jié)期、抽雄期、乳熟期以及成熟期的MODIS晴空影像，對(duì)影像中采樣點(diǎn)的植被指數(shù)數(shù)據(jù)和實(shí)際產(chǎn)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，用以建立預(yù)估模型，并利用驗(yàn)證點(diǎn)的玉米產(chǎn)量數(shù)據(jù)驗(yàn)證模型精度。

2.2 玉米生育期資料

吉林省玉米生育期對(duì)應(yīng)時(shí)間如表1所示，4月20 日～7月1日為出苗期，7月1日～8月10日為拔節(jié)孕穗期，8月10日～9月20日為灌漿成熟期。研究表明，綠色植物光合作用產(chǎn)生的干物質(zhì)量在拔節(jié)孕穗期是最多的，灌漿成熟期相對(duì)減少，出苗期最少[7]，因此玉米的最佳估產(chǎn)時(shí)間在7～9月。本文選擇拔節(jié)期、抽雄期、乳熟期和成熟期4個(gè)時(shí)期進(jìn)行估產(chǎn)實(shí)驗(yàn)。

表1 吉林省玉米生育期對(duì)應(yīng)時(shí)間表

3 研究方法

3.1 植被指數(shù)選取

植被指數(shù)是利用植被光譜數(shù)據(jù)生成線性和非線性組合的光譜指數(shù)。光譜指數(shù)可有效減少其他因素的影響，從而達(dá)到增強(qiáng)感興趣地物信息的目的。植被指數(shù)在模擬地表生態(tài)過程的變化方面具有重要意義。

RVI是綠色植被的靈敏指示參數(shù)，可充分表現(xiàn)綠色植被在近紅外和紅光波段反射率的差異，達(dá)到增強(qiáng)植被與土壤背景輻射差異的目的。RVI與葉干生物量、葉綠素含量相關(guān)性較高，可利用該指數(shù)檢測(cè)和估算綠色植被的生物量。但RVI受植被覆蓋度的影響，植被覆蓋度較高時(shí)，RVI對(duì)植被非常敏感；而當(dāng)植被覆蓋度低于50%時(shí)，RVI的敏感性會(huì)明顯降低。RVI還受大氣條件的影響，大氣效應(yīng)將很大程度地降低其檢測(cè)植被的靈敏度，因此在使用遙感影像獲取RVI數(shù)據(jù)前需進(jìn)行大氣校正處理。RVI的計(jì)算公式為：

式中，B1、B2分別為紅光波段和近紅外波段的反射率。

3.2 回歸方法

對(duì)MODIS數(shù)據(jù)進(jìn)行預(yù)處理后，提取出采樣點(diǎn)的植被指數(shù)數(shù)據(jù)，并通過對(duì)植被指數(shù)進(jìn)行分析選擇估產(chǎn)的最佳時(shí)相；再將生育期采樣點(diǎn)的植被指數(shù)與實(shí)際產(chǎn)量數(shù)據(jù)進(jìn)行線性回歸[8]，獲得二者之間的回歸關(guān)系；最后對(duì)所得到的預(yù)測(cè)結(jié)果進(jìn)行精度驗(yàn)證。

回歸分析是統(tǒng)計(jì)學(xué)中常用的方法之一，通過分析得到因變量與自變量之間的數(shù)學(xué)關(guān)系表達(dá)式，并通過統(tǒng)計(jì)學(xué)理論對(duì)得到的關(guān)系進(jìn)行驗(yàn)證。根據(jù)這種擬合關(guān)系可獲得地物的潛在規(guī)律，并對(duì)其發(fā)展趨勢(shì)做出預(yù)測(cè)。

4 預(yù)測(cè)結(jié)果與精度評(píng)價(jià)

4.1 相關(guān)性分析

本文通過比較分析相關(guān)系數(shù)（R2）和均方根誤差（RMSE）來選擇玉米產(chǎn)量最優(yōu)的遙感擬合模型。R2稱為擬合程度，是判定回歸方程效果的一個(gè)很好的度量，其范圍是0～1，越接近1，回歸效果越好。RMSE[9]用以檢驗(yàn)?zāi)Ｐ偷念A(yù)報(bào)能力，一般值越小，模型精度越高，預(yù)報(bào)能力越好。RMSE的計(jì)算公式為：

式中，yi為統(tǒng)計(jì)單產(chǎn)值； yi'為估計(jì)單產(chǎn)值；n為樣本數(shù)量。

4.2 玉米估產(chǎn)模型建立

為了獲得精度較高的玉米估產(chǎn)模型，本文分別建立了玉米單生育期和多生育期的估產(chǎn)回歸方程。單生育期估產(chǎn)模型選擇的線性回歸方程包括一元一次函數(shù)、指數(shù)函數(shù)、對(duì)數(shù)函數(shù)、冪函數(shù)和二元一次函數(shù)5種類型；多生育期估產(chǎn)模型選擇多元一次方程作為線性回歸函數(shù)類型。單生育期5種回歸類型中相關(guān)性最好的模型以及多生育期模型見表2。

表2 研究區(qū)玉米各生育期模型回歸方程

可以看出，采用不同生育期的RVI建立估產(chǎn)模型得到的結(jié)果不同。模型l～4是利用單生育期的RVI數(shù)據(jù)建立的回歸方程，其中模型2的擬合系數(shù)為0.636，RMSE為8.48，表明利用該模型進(jìn)行估產(chǎn)預(yù)測(cè)效果較好。通過多生育期的組合可提高模型的預(yù)測(cè)精度，其中利用拔節(jié)期和抽雄期兩個(gè)生育期的RVI進(jìn)行回歸所得模型的R2為0.824，RMSE為7.73；利用拔節(jié)期、抽雄期和乳熟期3個(gè)生育期的RVI進(jìn)行回歸所得模型的R2為0.825，RMSE為7.61；利用拔節(jié)期、抽雄期、乳熟期和成熟期4個(gè)生育期的RVI進(jìn)行回歸所得模型的R2為0.826，RMSE為7.51。3個(gè)多生育期復(fù)合模型的擬合系數(shù)均達(dá)到0.8以上，表明模型相關(guān)性高；RMSE均在10以下，表明模型良好。由于模型1、模型3與模型4的R2偏小，因此不再對(duì)這3個(gè)模型進(jìn)行分析，只驗(yàn)證剩余的4個(gè)模型。

4.3 模型的驗(yàn)證與選擇

本文通過2016年16個(gè)驗(yàn)證點(diǎn)的實(shí)測(cè)產(chǎn)量與模型產(chǎn)量之間的相對(duì)誤差值來驗(yàn)證模型精度。模型預(yù)測(cè)結(jié)果的散點(diǎn)圖如圖1所示，相對(duì)誤差圖如圖2所示。

由圖1可知，模型5、模型6和模型7的擬合程度較好，各驗(yàn)證點(diǎn)的相對(duì)誤差值分布較接近1∶1的參考線，這3個(gè)模型均為多生育期模型。由圖2可知，模型6獲得的預(yù)測(cè)值與實(shí)測(cè)值之間的相對(duì)誤差均在10%以內(nèi)；模型2的相對(duì)誤差值較大，有5個(gè)點(diǎn)的玉米產(chǎn)量預(yù)測(cè)相對(duì)誤差超過了10%。因此，本文選擇模型6作為吉林省德惠市玉米估算模型。

圖1 各模型玉米驗(yàn)證點(diǎn)單產(chǎn)預(yù)測(cè)結(jié)果散點(diǎn)圖

圖2 各模型玉米驗(yàn)證點(diǎn)單產(chǎn)預(yù)測(cè)結(jié)果相對(duì)誤差圖

5 結(jié) 語

玉米是吉林省的主要作物，尋找一種便捷、高效、低成本的玉米估產(chǎn)方法是現(xiàn)代農(nóng)業(yè)的需求。本文利用光學(xué)遙感數(shù)據(jù)（RVI）的多時(shí)相數(shù)據(jù)對(duì)研究區(qū)的玉米產(chǎn)量進(jìn)行了估算。

1）研究區(qū)內(nèi)玉米單產(chǎn)與RVI之間存在較好的相關(guān)關(guān)系，利用該關(guān)系建立玉米估產(chǎn)模型是可行的。

2）通過研究發(fā)現(xiàn)，由單生育期的RVI數(shù)據(jù)獲得的玉米估產(chǎn)模型精度較低，而利用多生育期組合模型建立的估產(chǎn)模型可大幅提高模型精度。模型選擇和精度驗(yàn)證過程表明，利用拔節(jié)期、抽雄期和乳熟期3個(gè)生育期的數(shù)據(jù)共同建立的玉米產(chǎn)量估算模型的結(jié)果最好，驗(yàn)證點(diǎn)的相對(duì)誤差最小。

本文研究只使用了2016年的玉米產(chǎn)量數(shù)據(jù)，獲得的產(chǎn)量估算回歸函數(shù)還需利用多年數(shù)據(jù)進(jìn)行修正和完善，才能獲得精度更高的估產(chǎn)模型，進(jìn)而應(yīng)用于實(shí)際生產(chǎn)中?？傮w來說，本文對(duì)于吉林省德惠市玉米產(chǎn)量的估算有一定的指導(dǎo)意義。

[1] 陳水森,柳欽火,陳良富,等.糧食作物播種面積遙感監(jiān)測(cè)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2005,21(6):166-171

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

[3] 李衛(wèi)國,王紀(jì)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(bào),2007,27(5):904-907

[4] 范莉,羅孳孳.基于MODIS-NDVI的水稻遙感估產(chǎn):以重慶三峽庫區(qū)為例[J].西南農(nóng)業(yè)學(xué)報(bào),2009,22(5):1 416-1 419

[5] 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

[6] 李建龍,剛成誠,干曉宇,等.利用“3S”技術(shù)估測(cè)張家港市主要農(nóng)作物生產(chǎn)力[J].江蘇農(nóng)業(yè)科學(xué),2010(6):512-515

[7] 張樹文,鄭洪來,趙華昌.長春凈月潭遙感實(shí)驗(yàn)區(qū)玉米遙感估產(chǎn)模式研究[J].遙感技術(shù)與應(yīng)用,1995,10(2):14-19

[8] Thenkabail P S, Ward A D, Lyon J G.Landsat-5 Thematic Mapper Models of Soybean and Corn Crop Characteristics[J].International Journal of Remote Sensing,1994,15(1):49-61

[9] 彭代亮,周煉清,黃敬峰,等.基于抽樣調(diào)查地塊實(shí)測(cè)數(shù)據(jù)的省級(jí)水稻單產(chǎn)遙感估算[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(9):106-114