基于物候信息的山東省冬小麥長勢遙感監(jiān)測

侯學(xué)會， 隋學(xué)艷， 姚慧敏， 梁守真， 王 猛

(1.山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所,濟(jì)南 250100； 2.農(nóng)業(yè)部華東都市農(nóng)業(yè)重點實驗室,濟(jì)南 250100)

0 引言

作物長勢監(jiān)測是農(nóng)情監(jiān)測最核心的內(nèi)容之一。作物長勢信息客觀描述了作物生長、土壤墑情、肥力及植物營養(yǎng)的綜合狀況，是作物估產(chǎn)的必要前提。遙感技術(shù)因其可獲得在空間和時間上的連續(xù)信息，已成為大范圍作物長勢監(jiān)測的有效手段[1]。國內(nèi)外很多組織建立了政府性的農(nóng)作物遙感監(jiān)測系統(tǒng)，為相關(guān)部門及時提供農(nóng)情信息[2]。

植被指數(shù)，如歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)、增強(qiáng)型植被指數(shù)(enhanced vegetation index，EVI)和歸一化差值紅外指數(shù)(normalized difference infrared index，NDII)等，是利用遙感技術(shù)研究植被長勢的主要指標(biāo)[3-4]。國內(nèi)外學(xué)者基于遙感技術(shù)進(jìn)行作物長勢監(jiān)測已經(jīng)取得了一系列成果。黃青等[5]基于MODIS NDVI 數(shù)據(jù)，通過與近5 a 作物長勢的平均狀況對比，發(fā)現(xiàn)2013年東北地區(qū)不同作物長勢在整個生育期內(nèi)的時空分布存在較大差異； 鄒文濤等[6]利用MODIS NDVI 序列數(shù)據(jù)，綜合采用實時監(jiān)測、過程監(jiān)測和時間序列聚類監(jiān)測方法，以2008―2012年間平均長勢為基礎(chǔ)，對印度2013年作物長勢進(jìn)行監(jiān)測，優(yōu)化了Cropwatch作物長勢監(jiān)測方法； Esquerdo等[7]、Duveiller等[8]和Becker-Reshef等[9]也基于SPOT-VGT，NOAA-AVHRR和MODIS遙感影像開展了大范圍的作物長勢監(jiān)測。但綜合來看，目前已有的成果一般都是根據(jù)作物多年平均長勢狀況對當(dāng)年相應(yīng)時間點或時間段的作物長勢進(jìn)行研究，而在大范圍的作物長勢監(jiān)測時，不同區(qū)域的作物會因所處物候期的不同導(dǎo)致長勢出現(xiàn)差異； 且受氣候因子和人為因素的影響，同一區(qū)域作物的物候在時間序列上也會發(fā)生變化，這種因為物候變化產(chǎn)生的長勢差異與作物本身長勢狀況的變化混在一起，增加了對作物長勢在時間序列上變化分析的不確定性。因此，開展大區(qū)域、長時間序列作物長勢監(jiān)測研究，首先需要對作物長勢參數(shù)進(jìn)行物候修正，以消除或減少物候差異對作物長勢監(jiān)測結(jié)果的影響。

本文以山東省冬小麥為研究對象，以MODIS 8 d合成反射率數(shù)據(jù)為主要數(shù)據(jù)源，結(jié)合地面調(diào)查數(shù)據(jù)，在提取2001―2015年間冬小麥抽穗期的基礎(chǔ)上，進(jìn)行抽穗期冬小麥長勢監(jiān)測； 并對冬小麥長勢狀況的時空格局進(jìn)行分析，初步探索如何消除長時間和大區(qū)域作物長勢監(jiān)測中物候差異的影響。

1 數(shù)據(jù)源與預(yù)處理

1.1 遙感數(shù)據(jù)源

本文使用的遙感數(shù)據(jù)為8 d最大值合成的MODIS反射率數(shù)據(jù)集——MOD09A1，空間分辨率為500 m，從MODIS數(shù)據(jù)免費分發(fā)網(wǎng)站(https: //ladsweb.nascom.nasa.gov/search/)獲得，數(shù)據(jù)覆蓋每年的3―5月，年際范圍為2001―2015年。MOD09A1的原始數(shù)據(jù)為HDF格式的Sinusoidal投影，利用MRT軟件對MOD09A1進(jìn)行預(yù)處理，提取植被指數(shù)構(gòu)建所需的4個波段(B1―3和B6)的反射率和質(zhì)量標(biāo)記文件refl_500m_qc，并轉(zhuǎn)為tiff格式，投影到Albers坐標(biāo)系下。根據(jù)表1，基于反射率數(shù)據(jù)計算得到NDVI，EVI，NDII，產(chǎn)品改進(jìn)-NDVI(product improve-NDVI,PI_NDVI)和產(chǎn)品改進(jìn)-EVI(product improve-EVI,PI_EVI)等 5種常用的植被指數(shù)； 然后基于像元質(zhì)量文件，利用Savitzky-Golay濾波法對時序植被指數(shù)進(jìn)行像元尺度上的去噪處理[10-11]，進(jìn)一步去除影像中的噪聲，提高監(jiān)測精度。為了與驗證數(shù)據(jù)使用的儒略日一致，將濾波之后的8 d合成植被指數(shù)重采樣為1 d的數(shù)據(jù)。

表1 各種植被指數(shù)的定義Tab.1 Definitions of several vegetation indices

表1中，Rnir，Rred，Rblue和Rswir分別為MOD09A1數(shù)據(jù)中B1,B2,B3和B6波段的反射率值；L為冠層背景的調(diào)整因子;C1和C2分別為權(quán)重系數(shù)，用于減少大氣氣溶膠影響。文中L,C1和C2分別取值為1.0，6.0和7.5[13]。

1.2 冬小麥種植區(qū)

本文中的冬小麥種植區(qū)依據(jù)中科院地理所發(fā)布的2005年山東省土地利用數(shù)據(jù)中的耕地數(shù)據(jù)進(jìn)行掩模運算得到(圖1)。

圖1 山東省冬小麥種植區(qū)分布及農(nóng)業(yè)臺站位置

因為冬小麥種植面積變化不是本文研究的重點，因此本文未對研究時間段內(nèi)冬小麥種植區(qū)的分布變化對研究精度的影響進(jìn)行分析。

1.3 地面驗證數(shù)據(jù)

利用中國氣象科學(xué)數(shù)據(jù)共享網(wǎng)(http: //data.cma.cn/)獲得的山東省11個站點(圖1)的冬小麥2001―2013年間的物候數(shù)據(jù)，對提取的研究時間段內(nèi)山東省冬小麥抽穗期進(jìn)行驗證。冬小麥地面物候觀測數(shù)據(jù)為“年/月/日”格式，為了與利用遙感數(shù)據(jù)提取的第N天數(shù)據(jù)對應(yīng)，利用Excel中days360()函數(shù)將年/月/日轉(zhuǎn)換成儒略日。

2 研究方法

2.1 冬小麥抽穗期數(shù)據(jù)提取

基于遙感技術(shù)的作物物候提取方法已有很多，本文基于濾波重構(gòu)后的逐日植被指數(shù)時間序列提取植被指數(shù)(vegetation index，VI)峰值出現(xiàn)的時間，作為冬小麥抽穗期的時間標(biāo)識。NDVI是目前基于遙感進(jìn)行作物物候提取的最常用指標(biāo)，但在植被生長旺盛時期，NDVI易出現(xiàn)飽和； 而EVI因加入了藍(lán)光波段，可降低土壤背景和大氣因素的影響，消除NDVI易飽和的缺陷[16]。 因此，本文基于NDVI和EVI時序數(shù)據(jù)，分別進(jìn)行山東省冬小麥抽穗期提??； 然后根據(jù)11個農(nóng)業(yè)臺站觀測的冬小麥抽穗期數(shù)據(jù)，依據(jù)相關(guān)系數(shù)r、平均絕對誤差MAE、偏差bias和納什系數(shù)NSE，對2種指數(shù)的提取結(jié)果進(jìn)行判定，選擇提取精度較高的指標(biāo)作為本文冬小麥抽穗期提取的遙感指標(biāo)。

2.2 冬小麥長勢狀況判定

首先，逐像元計算出2001―2015年間抽穗期的NDVI，EVI，NDII，PI_NDVI和PI_EVI值； 然后，計算所有年份抽穗期中各指數(shù)均值； 最后，提取各指數(shù)的逐年距平值(即指數(shù)值與指數(shù)均值的差值)。正距平指數(shù)表示植被長勢比多年平均狀況好，負(fù)距平指數(shù)則表示植被長勢比多年平均狀況差。陳維英等[17]基于平均植被指數(shù)(average VI，AVI)對干旱狀況進(jìn)行了分級，(-0.2,-0.1)表示干旱，(-0.6,-0.3)表示嚴(yán)重干旱。以此為參考，結(jié)合地面調(diào)查資料，本文將山東省冬小麥長勢分為5個等級。由于缺少直接表征冬小麥長勢的地面驗證數(shù)據(jù)，據(jù)已有研究，與其他生長期相比，小麥抽穗期的綜合長勢情況與產(chǎn)量呈顯著相關(guān)[18]。因此，為了評價各植被指數(shù)在山東省小麥長勢監(jiān)測中的適應(yīng)性，首先，計算出研究區(qū)每年的各指數(shù)和； 然后依據(jù)山東省統(tǒng)計局發(fā)布的2001―2014年間山東省冬小麥產(chǎn)量數(shù)據(jù)，評價各指數(shù)監(jiān)測山東省冬小麥長勢精度的適宜性； 從而選擇出能表征山東省小麥長勢狀況的遙感指標(biāo)，并對近15 a以來的山東省抽穗期冬小麥長勢進(jìn)行評價。

山東省冬小麥長勢等級劃分如表2所示。

表2 山東省冬小麥長勢劃分等級Tab.2 Grade of growth of winter wheats inShandong Province

3 結(jié)果分析與驗證

3.1 2001―2015年山東省冬小麥抽穗期分析

3.1.1 冬小麥抽穗期遙感監(jiān)測結(jié)果驗證

根據(jù)經(jīng)緯度分別提取農(nóng)業(yè)臺站站點的冬小麥抽穗期NDVI和EVI監(jiān)測結(jié)果，并利用站點數(shù)據(jù)進(jìn)行驗證，結(jié)果如圖2所示。

(a) NDVI指數(shù) (b) EVI指數(shù)

圖2冬小麥抽穗期遙感提取結(jié)果與地面實測數(shù)據(jù)對比

Fig.2Comparisonbetweenheadingdatesofwinterwheatextractedusingremotesensingdataandgroundmeasureddata

基于NDVI和EVI提取的冬小麥抽穗期與地面實測數(shù)據(jù)均呈極顯著相關(guān)關(guān)系(NDVI：r=0.469，p<0.001； EVI：r=0.559，p<0.001)，說明二者均可作為冬小麥抽穗期遙感判識指標(biāo)。分析二者提取結(jié)果的其他評價指標(biāo)，基于EVI提取的MAE為9.45，小于基于NDVI提取結(jié)果(MAE=10.1)； 且基于EVI提取結(jié)果的bias和NSE分別為0.06和-2.39，優(yōu)于基于NDVI提取結(jié)果的0.07和-2.64。說明本文基于EVI指數(shù)提取的冬小麥抽穗期優(yōu)于基于NDVI指數(shù)提取的冬小麥抽穗期，可以作為研究區(qū)冬小麥抽穗期長勢評價的依據(jù)。

3.1.2 近15 a冬小麥抽穗期時空格局

圖3分別示出基于EVI提取的山東省近15 a以來冬小麥抽穗期均值的空間分布(圖3(a))和時間變化趨勢(圖3(b))。根據(jù)圖3(a)可知，山東省冬小麥抽穗期主要集中在年積日第100―120天(即4月中旬―下旬)，并從南向北、自西向東逐漸推遲； 從時間變化(圖3(b))來看，近15 a以來山東省冬小麥抽穗期的時間變化趨勢并不明顯，變化在-0.5～0.5 d/a的區(qū)域占冬小麥種植區(qū)總面積的63%以上，但僅有0.07%區(qū)域的冬小麥抽穗期變化達(dá)到顯著水平。

(a) 冬小麥抽穗期均值 (b) 冬小麥抽穗期時間變化

圖32001—2015年山東省冬小麥抽穗期時空格局

Fig.3Spatio-temporalpatternofheadingdatesofwinterwheatinShandongProvinceduring2001—2015

3.2 2001―2015年山東省冬小麥長勢評價

3.2.1 冬小麥長勢時空格局

表3示出研究區(qū)各植被指數(shù)值逐像元累積之和與2001―2014年間山東省冬小麥總產(chǎn)量數(shù)據(jù)的相關(guān)關(guān)系。

表3 各植被指數(shù)表征的長勢與產(chǎn)量相關(guān)關(guān)系Tab.3 Correlation between VIs and yield of winter wheat

根據(jù)表3，綜合考慮作物綠度和水分指數(shù)(PI_NDVI和PI_EVI)與作物產(chǎn)量的相關(guān)性達(dá)到顯著水平，優(yōu)于只考慮綠度的指數(shù)(NDVI和EVI)和只考慮水分的指數(shù)(NDII)，其中以PI_NDVI的相關(guān)關(guān)系最優(yōu)，為極顯著相關(guān)(r=0.727，p=0.003)。因此，本文以PI_NDVI為指標(biāo)，對近15 a以來的山東省冬小麥長勢提取結(jié)果進(jìn)行評價。

為更好地反映山東省冬小麥長勢演變，本文取研究區(qū)每年P(guān)I_NDVI的均值代表該年山東省冬小麥整體長勢，結(jié)果如圖4所示。從圖4可以看出，山東省冬小麥抽穗期間長勢在2001―2015年間整體呈上升趨勢，年變化趨勢為0.006(r=0.442)； 年際間波動較大，如2004和2014年全省小麥抽穗期時長勢明顯優(yōu)于其他年份，2004和2014年P(guān)I_NDVI的距平值分別為0.214 5和0.209 3，分別比近15 a平均距平值高218.25%和210.53%，這可能主要是因為2004年2月份[19]和2014年2月份[20]山東全省降水偏多，且氣溫偏高，為冬小麥越冬期之后的生長提供了適宜的生長環(huán)境，使小麥長勢較常年好。其余年份長勢狀況差別不明顯，比較接近于多年平均狀況(PI_NDVI=0.067 4)。

圖4 2001—2015年山東省冬小麥抽穗期

圖5為2001—2015年山東省冬小麥抽穗期長勢的空間分布。

(a) 2001年 (b) 2002年 (c) 2003年(d) 2004年

(e) 2005年 (f) 2006年 (g) 2007年

圖5-12001—2015年山東省冬小麥抽穗期長勢空間分布

Fig.5-1Distributionofgrowthconditionofwinterwheatduringheadingdatesfrom2001to2015inShandongProvince

(h) 2008年 (i) 2009年 (j) 2010年(k) 2011年

(l) 2012年 (m) 2013年 (n) 2014年(o) 2015年

圖5-22001—2015年山東省冬小麥抽穗期長勢空間分布

Fig.5-2Distributionofgrowthconditionofwinterwheatduringheadingdatesfrom2001to2015inShandongProvince

從總體來看，近15 a山東省冬小麥長勢很差的區(qū)域所占比重很小，2002年占比0.32%、2005年占比0.89%、2008年占比0.51%、2010年占比0.69%、2013年占比1.07%。部分區(qū)域的小麥長勢嚴(yán)重低于多年均值，主要分布在魯西地區(qū)； 但2013年受春季大范圍干旱的影響，小麥長勢很差的區(qū)域范圍較廣，魯西、魯中和魯南地區(qū)均有出現(xiàn)，長勢較差的區(qū)域占當(dāng)年冬小麥種植面積的20.36%。但從總體上來看，在研究時間段內(nèi)，絕大部分區(qū)域的冬小麥長勢都比較一致，長勢與15 a間平均長勢持平的區(qū)域占63%以上，其中以2009年所占比重最大(達(dá) 92.94%)，而2013年所占比重僅為63.56%。雖然2015年冬小麥整體長勢不如2014年(圖4)，但2015年冬小麥長勢好于多年平均的區(qū)域所占比重最大(達(dá)27.85%)。

從空間分布來看，魯西南地區(qū)冬小麥長勢在整體上比較一致，除2001年和2002年魯西南部分地區(qū)小麥長勢較差外，其余年份的小麥長勢比較一致； 而魯西北地區(qū)的小麥長勢總體上呈上升趨勢。這可能是因為魯西地區(qū)是山東省主要農(nóng)業(yè)區(qū)，政府在該地區(qū)對農(nóng)田水利設(shè)施的投入較多，基本上能保障農(nóng)田需水； 而魯東地區(qū)冬小麥長勢狀況在年際間波動較大，這與該地區(qū)作物主要靠雨水供養(yǎng)有關(guān)，降水較少的年份小麥長勢明顯差于正常年份。

3.2.2 評價結(jié)果驗證

冬小麥長勢是降水、墑情/干旱狀況的綜合反映。本文利用已有的相關(guān)研究對山東省冬小麥長勢評價結(jié)果進(jìn)行驗證。據(jù)楊麗萍等[21]的研究，2008年4月上旬山東全省平均降水量為15.9 mm，比常年偏多148%； 但魯西北大部、半島及魯中地區(qū)平均降水量在10 mm以下，墑情較低。而基于遙感數(shù)據(jù)和地面實測數(shù)據(jù)反演結(jié)果顯示，2008年4月上旬山東省大部分地區(qū)墑情適宜，魯北、魯中及半島地區(qū)土壤墑情低，出現(xiàn)了一定的干旱，魯北地區(qū)旱情尤為嚴(yán)重，這與本文結(jié)果基本一致。另外，劉暢等[22]基于氣象觀測資料分析指出，2014年春季在山東省冬小麥主產(chǎn)區(qū)的魯西北和魯南大部分地區(qū)降水較常年偏多，且氣溫較常年較高，日照時數(shù)偏多，導(dǎo)致冬小麥生長期進(jìn)程加快； 段海霞等[23]的研究指出2014年4月上旬山東省出現(xiàn)不同程度的旱情，但到4月下旬旱情已得到緩解，僅魯中和魯西的部分地區(qū)出現(xiàn)輕微干旱。而本文研究得出2014年山東省冬小麥92%以上區(qū)域長勢好于多年平均或持平，僅魯中和魯西的部分地區(qū)呈現(xiàn)長勢較差狀況，這與劉暢等人基于氣候資料分析的結(jié)果比較一致。據(jù)2012年山東省氣候影響評價，2012年初夏山東省農(nóng)田干旱總面積約為120萬hm2，其中重旱面積12.4萬hm2。而本文基于MOD09A1數(shù)據(jù)反演冬小麥長勢，得到2012年抽穗期冬小麥比多年平均長勢差的面積為149.14萬hm2，長勢較差區(qū)域面積為7.47萬hm2。盡管因研究空間尺度、數(shù)據(jù)源和監(jiān)測時間以及統(tǒng)計對象的差異導(dǎo)致本文研究結(jié)論與已有成果在空間特性上略有差異，但本文結(jié)論與前人成果仍具有一定的可比性。因此，本文的監(jiān)測結(jié)果基本上反映了研究區(qū)冬小麥的長勢狀況，具有一定的可靠性。

4 結(jié)論

本文基于MODIS 8 d最大值合成反射率數(shù)據(jù)，在提取冬小麥抽穗期的前提下，分析了2001―2015年間山東省冬小麥抽穗期時長勢狀況。

1)用加入藍(lán)光波段構(gòu)建的EVI指數(shù)提取的山東省冬小麥抽穗期具有一定的可靠性。冬小麥抽穗期主要集中在4月中、下旬，且從南向北、從西向東逐漸推遲。

2)遙感監(jiān)測的冬小麥長勢是植被綠度和水分綜合信息的反映，基于PI_NDVI指數(shù)，近15 a間山東省冬小麥長勢狀況整體呈上升趨勢； 但年際間波動較大，且因受自然氣候因素和人工田間管理的影響，相同年份、不同區(qū)域的冬小麥長勢存在顯著差異，但大部分區(qū)域與多年狀況持平。

3)與自然植被不同，冬小麥長勢狀況受自然氣候因素和田間管理綜合影響，尤其是近年來山東省加大農(nóng)田基本設(shè)施建設(shè)，在平原地區(qū)基本上能保證農(nóng)田需水，因此導(dǎo)致基于自然氣候因素分析農(nóng)田作物農(nóng)情的精度不高。如何結(jié)合田間管理提高農(nóng)情遙感監(jiān)測精度，需要進(jìn)一步深入研究。

參考文獻(xiàn)(References)：

[1] 蒙繼華,杜 鑫,張 淼,等.物候信息在大范圍作物長勢遙感監(jiān)測中的應(yīng)用[J].遙感技術(shù)與應(yīng)用,2014,29(2):278-285.

Meng J H,Du X,Zhang M,et al.Integrating crop phenophase information in large-area crop condition evaluation with remote sensing[J].Remote Sensing Technology and Application,2014,29(2):278-285.

[2] 吳炳方,蒙繼華,李強(qiáng)子.國外農(nóng)情遙感監(jiān)測系統(tǒng)現(xiàn)狀與啟示[J].地球科學(xué)進(jìn)展,2010,25(10):1003-1012.

Wu B F,Meng J H,Li Q Z.Review of overseas crop monitoring systems with remote sensing[J].Advances in Earth Science,2010,25(10):1003-1012.

[3] 趙 虎,楊正偉,李 霖,等.作物長勢遙感監(jiān)測指標(biāo)的改進(jìn)與比較分析[J].農(nóng)業(yè)工程學(xué)報,2011,27(1):243-249.

Zhao H,Yang Z W,Li L,et al.Improvement and comparative analysis of indices of crop growth condition monitoring by remote sensing[J].Transactions of the Chinese Society of Agricultaual Engineering,2011,27(1):243-249.

[4] Guindin-Garcia N,Gitelson A A,Arkebauer T J,et al.An evaluation of MODIS 8- and 16-day composite products for monitoring maize green leaf area index[J].Agricultural and Forest Meteorology,2012,161:15-25.

[5] 黃 青,唐華俊,周清波,等.東北地區(qū)主要作物種植結(jié)構(gòu)遙感提取及長勢監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,2010,26(9):218-223.

Huang Q,Tang H J,Zhou Q B,et al.Remote-sensing based monitoring of planting structure and growth condition of major crops in Northeast China[J].Transactions of the Chinese Society of Agricultaual Engineering,2010,26(9):218-223.

[6] 鄒文濤,吳炳方,張 淼,等.農(nóng)作物長勢綜合監(jiān)測——以印度為例[J].遙感學(xué)報,2015,19(4):539-549.

Zou W T,Wu B F,Zhang M,et al.Synthetic method for crop condition analysis:A case study in India[J].Journal of Remote Sensing,2015,19(4):539-549.

[7] Esquerdo J C D M,Zullo Júnior J,Antunes J F G.Use of NDVI/AVHRR time-series profiles for soybean crop monitoring in Brazil[J].International Journal of Remote Sensing,2011,32(13):3711-3727.

[8] Duveiller G,López-Lozano R,Baruth B.Enhanced processing of 1-km spatial resolution fAPAR time series for sugarcane yield forecasting and monitoring[J].Remote Sensing,2013,5(3):1091-1116.

[9] Becker-Reshef B,Vermote E,Lindeman M,et al.A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data[J].Remote Sensing of Environment,2010,114(6):1312-1323.

[10] Chen J,Jonsson P,Tamura M,et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J].Remote Sensing of Environment,2004,91(3/4):332-344.

[11] 吳文斌,楊 鵬,唐華俊,等.兩種NDVI時間序列數(shù)據(jù)擬合方法比較[J].農(nóng)業(yè)工程學(xué)報,2009,25(11):183-188.

Wu W B,Yang P,Tang H J,et al.Comparison of two fitting methods of NDVI time series datasets[J].Transactions of the Chinese Society of Agricultaual Engineering,2009,25(11):183-188.

[12] Rouse Jr J W,Haas R H,Schell J A,et al.Monitoring vegetation systems in the Great Plains with ERTS[C]//Proceedings of the 3rd Earth Resources Technology Satellite-1 Symposium. College Station,TX,United States:NASA,1974:3010-3017.

[13] Huete A,Justice C,Liu H.Development of vegetation and soil indices for MODIS-EOS[J].Remote Sensing of Environment,1994,49(3):224-234.

[14] Hardisky M A,Klemas V,Smart R M.The influence of soil salinity,growth form,and leaf moisture on the spectral radiance of Spartina alterniflora canopies[J].Photogrammetric Engineering and Remote Sensing,1983,49(1):77-83.

[15] Gonsamo A,Chen J M.Continuous observation of leaf area index at Fluxnet-Canada sites[J].Agricultural and Forest Meteorology,2014,189-190:168-174.

[16] Liu H Q,Huete A.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J].IEEE Transactions on Geoscience and Remote Sensing,1995,33(2):457-465.

[17] 陳維英,肖乾廣,盛永偉.距平植被指數(shù)在1992年特大干旱監(jiān)測中的應(yīng)用[J].環(huán)境遙感,1994,9(2):106-112.

Chen W Y,Xiao Q G,Sheng Y W.Application of the anomaly vegetation index to monitoring heavy drought in 1992[J].Remote Sensing of Environment China,1994,9(2):106-112.

[18] 肖偉中.小麥長勢與產(chǎn)量信息空間變異性及相關(guān)性研究[D].鎮(zhèn)江:江蘇大學(xué),2009.

Xiao W Z.Research on Spatial Variability and Relationships of Wheat Growth and Yield[D].Zhenjiang:Jiangsu University,2009.

[19] 耿 勃,張 颯.2003年冬季(2003年12月—2004年2月)山東天氣評述[J].山東氣象,2004,24(1):48-50.

Geng B,Zhang S.Weather review of the winter 2003(Dec.2003-Feb.2004) in Shandong Province[J].Journal of Shandong Meteorology,2004,24(1):48-50.

[20] 韓永清,劉 暢,王 娜,等.2013年冬季(2013年12月—2014年2月)山東天氣評述[J].山東氣象,2014,34(1):77-79.

Han Y Q,Liu C,Wang N,et al.A review on the weather of Shandong in the winter of 2013(December,2013—February,2014)[J].Journal of Shandong Meteorology,2014,34(1):77-79.

[21] 楊麗萍,隋學(xué)艷,楊 潔,等.山東省春季土壤墑情遙感監(jiān)測模型構(gòu)建[J].山東農(nóng)業(yè)科學(xué),2009(5):17-20.

Yang L P,Sui X Y,Yang J,et al.Construction of remote sensing monitoring model for spring soil moisture in Shandong Province[J].Shandong Agricultural Sciences,2009(5):17-20.

[22] 劉 暢,王 娜,孟祥新.2014年春季(2014年3—5月)山東天氣評述[J].山東氣象,2014,34(2)：62-64．

Liu C,Wang N,Meng X X.A review on the weather of Shandong in the spring of 2014 ( from March to May,2014)[J].Journal of Shandong Meteorology,2014,34(2)：62-64．

[23] 段海霞,王素萍,馮建英.2014年全國干旱狀況及其影響與成因[J].干旱氣象,2015,33(2):349-360.

Duan H X,Wang S P,Feng J Y.Drought events and its influence in 2014 in China[J].Journal of Arid Meteorology,2015,33(2):349-360.