基于多時(shí)相Landsat8數(shù)據(jù)的吉林梨樹縣玉米遙感估產(chǎn)研究

摘" 要：糧食產(chǎn)量關(guān)系到國計(jì)民生，世界各國都非常重視糧食估產(chǎn)在農(nóng)業(yè)和糧食安全中的作用和意義，因此及時(shí)對吉林省重點(diǎn)玉米產(chǎn)區(qū)梨樹縣進(jìn)行估產(chǎn)及動(dòng)態(tài)預(yù)測糧食產(chǎn)量是非常必要的，也具有重要的現(xiàn)實(shí)意義。該文基于多時(shí)相Landsat8數(shù)據(jù)、全球高精度土地覆蓋數(shù)據(jù)集GlobeLand30數(shù)據(jù)，結(jié)合吉林省統(tǒng)計(jì)年鑒數(shù)據(jù)對梨樹縣玉米種植區(qū)進(jìn)行識(shí)別提取及精度檢驗(yàn)，同時(shí)利用波段計(jì)算處理修正該區(qū)域植被指數(shù)，并以此建立較為準(zhǔn)確的吉林梨樹縣玉米遙感估產(chǎn)模型。研究表明，累積NDVI值和累積RVI值均在玉米生長的抽雄期達(dá)到最值，且具有一定的負(fù)相關(guān)性；對于任何生長時(shí)期，使用累積NDVI值作為特征參數(shù)、對抽雄期及乳熟期進(jìn)行估產(chǎn)的模型具有更高的精度數(shù)據(jù)。因此，多時(shí)相Landsat8數(shù)據(jù)在農(nóng)作物遙感應(yīng)用方面有較好的發(fā)展空間。

關(guān)鍵詞：梨樹縣；Landsat8數(shù)據(jù)；提取玉米種植面積；植被指數(shù)；玉米遙感估產(chǎn)

中圖分類號(hào)：P208" " " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2023）31-0022-05

Abstract： Grain output is related to the national economy and people's livelihood， and countries all over the world attach great importance to the role and significance of grain yield estimation in agriculture and food security. Therefore， it is very necessary to estimate and dynamically predict grain yield in Lishu County， a key corn producing area of Jilin Province. It also has important practical significance. Based on the multi-temporal Landsat8 data and the global high-precision land cover data set GlobeLand30 data， combined with the statistical yearbook data of Jilin Province， the corn planting area of Lishu County was identified and extracted and its accuracy was tested. At the same time， the regional vegetation index was modified by band calculation， and a more accurate remote sensing yield estimation model of corn in Lishu County of Jilin Province was established. The results showed that both the cumulative NDVI value and the cumulative RVI value reached the maximum at the heading stage of corn growth， and had a certain negative correlation; for any growth period， the model using cumulative NDVI value as characteristic parameter to estimate yield at heading stage and milk stage has higher accuracy data. Therefore， multi-temporal Landsat8 data has a good development space in the application of crop remote sensing.

Keywords： Lishu County; Landsat8 data; extraction of corn planting area; vegetation index; estimation of corn yield by remote sensing

國以民為本，民以食為天，所以倉廩實(shí)，天下安。習(xí)近平總書記在吉林考察時(shí)指出：“吉林作為糧食主產(chǎn)省，要扛穩(wěn)國家糧食安全重任?！狈€(wěn)糧倉必須穩(wěn)種植面積，穩(wěn)產(chǎn)量，而對農(nóng)作物生長過程進(jìn)行連續(xù)的監(jiān)測是不可缺少的關(guān)鍵步驟。全球生態(tài)環(huán)境遙感監(jiān)測工作專家組組長郭華東院士也曾表示：“中國利用遙感技術(shù)進(jìn)行世界糧食估產(chǎn)，已成為全球鼎立的‘三足’之一，這代表我國在該領(lǐng)域的能力已達(dá)到國際水平。[1]”提高糧食估產(chǎn)能力將為我國在國際糧食貿(mào)易中爭取到更多的主動(dòng)權(quán)[2]。

當(dāng)今時(shí)代糧食豐收不再只是靠天吃飯的風(fēng)調(diào)雨順，還有來自現(xiàn)代科技為糧食生產(chǎn)的護(hù)航——豐糧于技。衛(wèi)星遙感因其具有大范圍連續(xù)觀測，時(shí)效性高、成本低等優(yōu)點(diǎn)受到人們的青睞，為糧食估產(chǎn)提供了新的快速準(zhǔn)確的科技方法[3]。遙感估產(chǎn)主要包括兩方面內(nèi)容：一是作物識(shí)別與種植面積提取；二是生長發(fā)育期監(jiān)測和產(chǎn)量預(yù)估[4]。不同地物具有不同的光譜特征，表現(xiàn)為不同的農(nóng)作物在衛(wèi)星影像上的色調(diào)不一樣，不同時(shí)間段獲取的遙感影像可以顯示出農(nóng)作物不同生長期的光譜信息特征，由此可以區(qū)分不同的地表類型和農(nóng)作物類型[5]，將其結(jié)合全球高精度土地覆蓋數(shù)據(jù)集GlobeLand30數(shù)據(jù)的耕地掩膜，生成其光譜決策樹，用以完成識(shí)別較為準(zhǔn)確的作物種植區(qū)域，實(shí)現(xiàn)種植面積的提取。利用計(jì)算的農(nóng)作物種植面積數(shù)據(jù)信息，可以進(jìn)行農(nóng)作物產(chǎn)量遙感估算，通常需要借助利用可見光與近紅外波段波譜數(shù)據(jù)經(jīng)過數(shù)學(xué)上的線性或非線性組合而構(gòu)成的植被指數(shù)，其能從定量的角度來反映作物的長勢，是理想的農(nóng)作物估產(chǎn)遙感特征參數(shù)[6]，如比值植被指數(shù)（RVI）、歸一化植被指數(shù)（NDVI）和增強(qiáng)植被指（EVI）等。

本文將以吉林省的重點(diǎn)玉米產(chǎn)區(qū)梨樹縣作為研究區(qū)，基于新一代中高分辨率遙感衛(wèi)星Landsat8數(shù)據(jù)探索玉米遙感估產(chǎn)方法，建立更為準(zhǔn)確的玉米種植面積提取方法，構(gòu)建簡單易行高效的玉米產(chǎn)量估算模型。為國家和吉林省及時(shí)掌握梨樹縣玉米生產(chǎn)狀況，為制定糧食宏觀調(diào)控政策提供支撐信息。

1" 數(shù)據(jù)和方法

1.1" 研究區(qū)概況

梨樹縣是吉林省的重要玉米產(chǎn)區(qū)，作為典型的農(nóng)業(yè)縣， 始終走在農(nóng)業(yè)綠色發(fā)展的前沿。為進(jìn)一步夯實(shí)農(nóng)業(yè)基礎(chǔ)，挖掘農(nóng)業(yè)優(yōu)勢，杠穩(wěn)國家糧食安全重任[7]，這里已建成百萬畝國家綠色食品原料（玉米）標(biāo)準(zhǔn)化生產(chǎn)基地，是全國糧食生產(chǎn)先進(jìn)縣，及國家現(xiàn)代農(nóng)業(yè)示范區(qū)[8]。吉林省梨樹縣行政區(qū)劃如圖1所示。

1.2" 數(shù)據(jù)源概況

本文研究的數(shù)據(jù)源包括Landsat8衛(wèi)星遙感影像數(shù)據(jù)、全球土地覆蓋數(shù)據(jù)集GlobeLand30數(shù)據(jù)以及2016—2019年吉林省統(tǒng)計(jì)年鑒數(shù)據(jù)[9-12]。

1）該研究的主要數(shù)據(jù)源Landsat8數(shù)據(jù)考慮其縣級(jí)的行政區(qū)域尺度，選取來自美國陸地衛(wèi)星計(jì)劃（Landsat）的第8顆對地觀測衛(wèi)星搭載的新一代傳感器陸地成像儀（Operational Land Imager，OLI），且該影像中對植被信息的監(jiān)測波段具有多時(shí)相，影像數(shù)據(jù)質(zhì)量較好。

2）選取與Landsat8具有相同30 m空間分辨率的全球土地覆蓋數(shù)據(jù)集GlobeLand30數(shù)據(jù)，避免尺度轉(zhuǎn)換而產(chǎn)生的誤差，便于數(shù)據(jù)處理。

3）2016—2019年吉林省統(tǒng)計(jì)年鑒數(shù)據(jù)，為梨樹縣玉米面積提取及估產(chǎn)模型提供輔助驗(yàn)證數(shù)據(jù)。

1.3" 研究流程

該研究的主要流程為可用遙感數(shù)據(jù)的篩選及下載、遙感數(shù)據(jù)預(yù)處理、識(shí)別及提取玉米種植面積、計(jì)算及修正選用的植被指數(shù)、建立并驗(yàn)證玉米估產(chǎn)模型。整體流程如圖2所示。

作為模型特征參數(shù)在眾多植被指數(shù)的選擇上，歸一化植被指數(shù)NDVI應(yīng)用最廣泛，基本已從機(jī)理上確定了其與作物產(chǎn)量的內(nèi)在關(guān)系；比值植被指數(shù)RVI可以突出植被與土壤的反射差異，與葉干生物量相關(guān)性較高，可以檢測綠色植被生物量，因此本研究將采取NDVI和RVI作為2個(gè)遙感估產(chǎn)特征參數(shù)。2種植被指數(shù)的計(jì)算可以為遙感估產(chǎn)提供依據(jù)。

吉林省玉米生長期最佳估產(chǎn)時(shí)間是在7—9月份，此時(shí)正值玉米拔節(jié)期、抽雄期、乳熟期和成熟期。在線性回歸模型的建立上，分別建立玉米4個(gè)生長期的多時(shí)相遙感估產(chǎn)模型，分別計(jì)算各年不同生長期內(nèi)玉米種植區(qū)累積NDVI值和累積RVI值，再各與其對應(yīng)年份的統(tǒng)計(jì)產(chǎn)量進(jìn)行線性擬合或其他回歸分析，也可建立多生育期組合模型。

1.4" 玉米面積提取方法

生成的Landsat8遙感影像數(shù)據(jù)的標(biāo)準(zhǔn)假彩色圖像，以其為基礎(chǔ)進(jìn)行數(shù)據(jù)圖像預(yù)處理及應(yīng)用：基于典型地物光譜曲線構(gòu)建決策樹，利用GlobeLand30數(shù)據(jù)提取耕地掩膜修正分類異常，實(shí)現(xiàn)對吉林梨樹縣玉米種植區(qū)的解譯、識(shí)別及提取，提取成果分別如圖3、圖4所示。

1.5" 數(shù)據(jù)處理

對統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行匯總整理，將提取的種植區(qū)面積數(shù)據(jù)與實(shí)際播種面積相對比，分析得到其誤差數(shù)據(jù)。

對疊加后的玉米范圍求取累積NDVI值和累積RVI值，分析該值與統(tǒng)計(jì)年鑒中實(shí)際產(chǎn)量的線性關(guān)系，再各與其對應(yīng)年份的統(tǒng)計(jì)產(chǎn)量進(jìn)行數(shù)據(jù)的線性擬合或其他回歸分析。以線性擬合為例，其公式如下

PNDVI=a×XNDVI+b" ， （1）

PRVI=m×XRVI+n， （2）

式中：PNDVI和PRVI分別代表利用NDVI和RVI遙感估算的產(chǎn)量，XNDVI和XRVI分別代表對應(yīng)年份某一生長期的NDVI累積值和RVI累積值，a、m、b和n是回歸系數(shù)?？梢岳枚鄠€(gè)以往年份的數(shù)據(jù)構(gòu)建模型，也可建立多生育期組合模型。通過對比選取最優(yōu)植被指數(shù)和玉米估產(chǎn)期，確立玉米遙感估產(chǎn)模型。

基于建立的遙感估產(chǎn)模型得到梨樹縣玉米遙感產(chǎn)量估算結(jié)果，采用產(chǎn)量誤差統(tǒng)計(jì)進(jìn)行精度驗(yàn)證，即計(jì)算遙感識(shí)別的玉米產(chǎn)量與梨樹縣統(tǒng)計(jì)年鑒玉米產(chǎn)量數(shù)據(jù)的誤差，其公式如下

式中：Psta表示估算誤差，P表示遙感估算產(chǎn)量，P′表示統(tǒng)計(jì)年鑒的玉米產(chǎn)量。

2" 結(jié)果分析

2.1" 提取玉米面積誤差分析結(jié)果

對提取的種植區(qū)面積數(shù)據(jù)與實(shí)際播種面積相對比進(jìn)行，其誤差分析結(jié)果見表1。

2.2" 累積NDVI值和累積RVI值計(jì)算結(jié)果

求取玉米范圍的累積NDVI值和累積RVI值，其結(jié)果見表2。

2.3" 生成估產(chǎn)模型結(jié)果

將抽雄期與乳熟期的累積值與產(chǎn)量建立一元線性回歸模型，對同年的拔節(jié)期與成熟期建立多元組合線性回歸模型，其結(jié)果見表3、表4。

2.4" 結(jié)果分析

NDVI和RVI作為植被指數(shù)有不同的靈敏指數(shù)參數(shù)，植被覆蓋度較高時(shí)，RVI對植被十分敏感，反之敏感性顯著降低；而NDVI則對高植被區(qū)具有較低的靈敏度，因此RVI值增加的速度高于NDVI值增加的速度，在表2中也均有所體現(xiàn)，即梨樹縣抽雄期植被覆蓋度最大，提取面積最準(zhǔn)確，誤差越小，累積NDVI值最小，而累積RVI值最大，乳熟期次之。

經(jīng)吉林省統(tǒng)計(jì)年鑒數(shù)據(jù)整理發(fā)現(xiàn)，梨樹縣的產(chǎn)量數(shù)據(jù)與時(shí)間呈現(xiàn)線性的負(fù)相關(guān)，由表2中數(shù)據(jù)可得累積NDVI和累積RVI值均與實(shí)際產(chǎn)量呈現(xiàn)出一定的線性相關(guān)。因2016年和2018年數(shù)據(jù)所處的抽雄期和乳熟期植被覆蓋度較高，提取精度較高，誤差較小，因此將此分為一組建立相關(guān)NDVI和RVI的一元線性回歸模型；而將2019年同年的2個(gè)具有相同產(chǎn)量時(shí)期的數(shù)據(jù)分為一組，分別建立不同特征參數(shù)的多元線性回歸模型。但由于NDVI指數(shù)范圍在（-1，1）內(nèi)，且本研究對NDVI指數(shù)進(jìn)行了植被區(qū)的修正，只提取了（0，1）內(nèi)的NDVI值，而RVI指數(shù)在植被區(qū)通常大于2，使得其累積NDVI值遠(yuǎn)小于累積RVI值，故而給模型提供了較大基數(shù)的自變量，導(dǎo)致無論哪個(gè)生長階段玉米遙感的估產(chǎn)模型使用NDVI指數(shù)相較于使用RVI指數(shù)的精度更準(zhǔn)確。

3" 結(jié)論

本文基于多時(shí)相Landsat8衛(wèi)星遙感影像數(shù)據(jù)，結(jié)合GlobeLand30數(shù)據(jù)，利用吉林省梨樹縣統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行輔助驗(yàn)證，實(shí)現(xiàn)了準(zhǔn)確提取梨樹縣玉米區(qū)面積，從而確立玉米遙感估產(chǎn)模型的方法，并基于該成果得到如下結(jié)論。

1）玉米生長期中抽雄期與乳熟期植被覆蓋度較大，玉米區(qū)面積提取也較為準(zhǔn)確。累積NDVI值在4個(gè)生長階段中抽雄期數(shù)據(jù)最小，其次是乳熟期、成熟期和拔節(jié)期，累積RVI值在抽雄期數(shù)據(jù)最大，其次是拔節(jié)期、成熟期、乳熟期，兩者存在一定的負(fù)相關(guān)性。

2）對于抽雄期與乳熟期的回歸模型分別對NDVI和RVI使用組合的一元線性模型，同年份拔節(jié)期與成熟期數(shù)據(jù)也分別對NDVI和RVI使用了多元的線性回歸模型，結(jié)果表明無論哪個(gè)組合時(shí)期，使用NDVI累積值這一特征參數(shù)相較于RVI累積值有更高的精度數(shù)據(jù)，且對抽雄期及乳熟期進(jìn)行估產(chǎn)的精度更高、作用更好。

3）使用多時(shí)相Landsat8數(shù)據(jù)對吉林梨樹縣玉米產(chǎn)量進(jìn)行遙感估產(chǎn)具有可行性，且精度較高，可以對更多種類的農(nóng)作物、更大范圍的作物種植區(qū)進(jìn)行遙感估產(chǎn)研究，能夠在農(nóng)作物遙感應(yīng)用方面發(fā)揮更大的作用。

參考文獻(xiàn)：

[1] 我國已取得全球糧食遙感估產(chǎn)發(fā)言權(quán)[EB/OL].https：//www.most.gov.cn/xwzx/twzb/qqsthj2014/twzbmtbd/201506/t20150610_120039.html.

[2] 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（12）： 2371-2375.

[3] BASTIAANSSEN W G M， ALI S. A new crop yield forecasting model based on satellite measurements applied across the Indus Basion， Pakistan[J].Agriculture， Ecosystems amp; Environment，2003（94）：321-340.

[4] 周青青， 胡永紅， 段建南. 農(nóng)作物遙感估產(chǎn)的方法綜述[J]，國土資源導(dǎo)刊，2014，11（5）：101-103.

[5] ZHANG" M， ZHOU" Q， CHEN Z， et al. Crop discrimination in Northern" China with double" cropping systems" using Fourier analysis of time-series" MODIS data[J].International Journal of Applied Earth Observationamp;Geoinformation，2008，10（4）：476-485.

[6] 李郁竹，譚凱琰. 華北地區(qū)玉米遙感估產(chǎn)方法的初步研究[J]. 應(yīng)用氣象學(xué)報(bào)，1995，6（S1）：33-41.

[7] 孫雙雙.吉林：杠穩(wěn)國家糧食安全重任 勇攀800億斤糧食生產(chǎn)[J].中國食品工業(yè)，2021（Z1）：18.

[8] 保護(hù)好黑土地 端好“中國飯碗” 記省人大代表、梨樹縣農(nóng)業(yè)技術(shù)推廣總站站長王貴滿[J].吉林人大，2020（11）：38-39.

[9] 吉林省統(tǒng)計(jì)局.2016年統(tǒng)計(jì)年鑒[M].長春：吉林大學(xué)出版社，2016.

[10] 吉林省統(tǒng)計(jì)局.2017年統(tǒng)計(jì)年鑒[M].長春：吉林大學(xué)出版社，2017.

[11] 吉林省統(tǒng)計(jì)局.2018年統(tǒng)計(jì)年鑒[M].長春：吉林大學(xué)出版社，2018.

[12] 吉林省統(tǒng)計(jì)局.2019年統(tǒng)計(jì)年鑒[M].長春：吉林電子出版社，2019.