【精品】农业信息化课程

遥感技术在农作物估产中的应用

摘要：遥感估产是基于作物特有的波谱反射特征，利用遥感手段对作物产量进行

监测预报的一种技术，在农业发展中具有传统的统计方法不可比拟的优势，能客观、动态、快速、精准地获得农作物长势、产量等信息。遥感技术必须与其它工

具相结合，才能更好地估产。本文主要研究了遥感技术在农作物估产中的应用，

先介绍了遥感估产的基本原理和方法，分析了几种与遥感技术结合的估产模型的

优劣；然后以冬小麦和玉米为例，介绍了两种遥感估产模型；最后，分析了现有

遥感估产存在的问题和遥感估产的发展方向，为遥感估产的进一步研究提供了方

向和思路。

关键字：遥感技术，农业，估产

The Application of Remote Sensing Technology

in Estimating Crop Yield

Abstract Estimating crop yield by remote sensing is a technology monitoring and forecasting crop yield by remote sensing based on specific spectrum characteristics of crop. It has incomparable advantages compared with traditional statistical methods in the development of agriculture and it can acquire growing and yield information of crops in a object,dynamic,fast and accurate way. To estimating crop yield better, remote sensing technology must be combined with other technologies. In this paper, the application of remote sensing technology in estimating crop yield is introduced. To begin with, the basic theory and method of estimating crop yield by remote sensing are mentioned, then the merits and demerits of the estimating models integrated into remote sensing are analyzed. Finally, the existing problems and prospect are statemented, which proposed direction and thoughts for next researches. Key words Remote Sensing Technology,Agriculture,Yield Estimation

目录

1引言--------------------------------------------------------------3

2遥感估产的原理和方法----------------------------------------------3

2.1基本原理和方法------------------------------------------------3

2.2遥感估产方法评价----------------------------------------------3

2.3作物估产模型比较----------------------------------------------4

3主要粮食作物估产模型----------------------------------------------5

3.1冬小麦产量分阶段预测模型--------------------------------------5

3.1.1技术流程--------------------------------------------------5

3.1.2合理取样数估计和样方布设方法------------------------------6 3.1.3估产方法--------------------------------------------------6

3.1.4模型分析--------------------------------------------------7

3.2玉米产量估算模型----------------------------------------------8

3.2.1模型中应用的技术介绍--------------------------------------8

3.2.2处理方法--------------------------------------------------8

3.2.3信息提取--------------------------------------------------9

3.2.4模型与优化算法--------------------------------------------9

4现有遥感估产方法存在的问题和发展方向-----------------------------11 4.1遥感估产方法存在的问题---------------------------------------11

4.2遥感估产的发展方向-------------------------------------------11

5结束语-----------------------------------------------------------12

参考文献-----------------------------------------------------------13

1引言

作物产量预测是农业生产管理的重要内容，也是国家制定农业政策所不可缺少的重要农业情报。对于农户及企业来说，在农业生产各阶段中能正确预测收成

也是非常重要的，因此世界各国均投入了较大的人力、物力和财力，进行作物产量预测试验研究，取得了较好的预测效果。

在众多农作物估产的技术中，遥感技术具有宏观、动态、快速、准确等优点，可以在短时间内连续获取大范围农作物产量信息，是最有前景的农作物估产方法之一。

民以食为天。随着人口的增加、气候的波动和可利用资源的减少，粮食安全问题一直备受关注。及时、准确地了解一个国家或一个地区的粮食产量和年际变化，对于在国际粮食市场中占有主动权和管理者采取有效管理措施至关重要。遥感技术可以快速、准确、动态获取农业所需空间信息差异参数，大大提高了统计业务工作效率和科技水平，无疑地对实现国家及时、准确地掌握粮食生产状况、

粮食宏观调控和在国际农产品贸易中争取到主动权具有重要意义。

2遥感估产的原理和方法

2.1基本原理和方法

作物遥感估产是通过装置于卫星上的多波段地物光谱扫描仪，去获取作物各生育期的光谱数据，并依此推断作物产量，因此确定作物光谱特征与产量之间的

数量关系，是作物遥感估产的基础。作物遥感估产主要包括 3个部分，第一，用遥感数据对作物进行分层；第二，用遥感数据计算作物面积；第三，用遥感数

据监测作物长势，结合农业、天气气候等资料综合估算平均单产，由面积和单产计算出总产。

2.2遥感估产方法评价

作物遥感估产具有快速、宏观、经济和客观等优点，因此日益被各国所重视。目前，遥感估产已从试验研究阶段逐步进入实际业务使用阶段。国内外遥感估产的方法很多，基本可分为利用空间遥感资料（航天、航空资料）的作物估产和利

用地面遥感资料（地面野外光谱测定）的作物估产，但不论哪一种方法，仍然存

在以下问题：

第一，遥感不能直接感知作物产量，只能通过测定作物光谱反射率来感知叶

面积指数，但各种作物叶，面积指数与其经济产量之间并不一定都有直接的联系。

从 1977年以来，美国开始寻找反射率与产量的定量关系，尽管采用了多种方法

探索这种关系，但一直收获很小。国内外进行了许多植被指数与产量之间关系的

研究，多集中于牧草及禾本科等作物上，而那些叶面积与产量相关较差的作物，

就很难直接用遥感方法来估产。因此遥感技术必须与其它工具相结合，才能更好地估产。

第二，纯粹用遥感数据来估产，也只能称为监测产量，更确切地说是监测作物叶面积或长势，因此大多数遥感估产方法是把植被指数与天气气候条件相结

合，利用统计方法建立一个综合的估产模型。在一个农业气象产量数值模拟模式

中所能考虑的影响作物产量的因素是很多的，如光合作用、呼吸作用、蒸腾作用等等，但其中最主要的因素是光合作用。一般表示作物光合作用能力大小主要

有叶面积指数 LAI和光合有效辐射吸收量APAR等。因此，通过遥感资料来导出LAI和APAR，并将它们输入模拟模式，是卫星遥感预测产量的方法途径之一。本文第二章第三节中对各种作物估产的指标模型进行了探讨，认为通过计算农作物的净第一性生产力，实现大范围农作物产量估算和预报较为合适。

2.3作物估产模型比较

目前，作物估产的方法有抽样调查、气象模型、遥感估产、作物生长模拟模

型等多种。其中抽样调查与气象模型估产，方法相对成熟、稳定，已业务应用多年，由于是统计模型，估产结果仍有相当的不确定性。人类的认识不会永远停留在一个水平上，总是要不断创新，做到有所发展，有所前进，因此机理性大面积

估产模型应运而生。

由于农作物的叶面积指数（LAI，leaf area index）是决定作物光合作用速率的重要因子，LAI 越高，单位面积的作物穗数就越多作物截获的光合有效辐射

就越大[1]，因此，很多学者利用各种植被指数，例如 SR（simple ratio）、NDVI （normalized difference vegetation index）、TCI（temperature condition index）、VCI（vegetation condition index）等，与作物的LAI和生物量的正相关关系，建立植被指数与作物产量的线性或非线性估算模型[2-3]，从而实现对农作物产量的估算和预报。然而，这种建立在植被指数与作物生物量关系基础上

的统计模型，当研究区改变时，模型的形式也会随之改变，模型的适用性就要重新被检验。随着人们对农作物产量遥感估算认识的不断深入，众多学者又采用作物的净第一性生产力（NPP，net primary productivity）来估算农作物的产量。在对 NPP 进行模拟时，大多采用光能利用率模型。然而，这类方法仍然不能跳

出统计模型的框架，并没有从机理上解释植被生产力的变化机制。因此，近年来一些学者试图从机理上研究农作物的生产力。邬定荣、马玉平、谢文霞等利用荷兰瓦赫宁根大学开发的WOFOST模型对华北平原冬小麦和浙江水稻的生长过程进

行适用性研究，并对模拟结果进行了验证，认为经过区域化后的WOFOST 模型能够很好地模拟作物的生长过程；但是该模型在对农作物的光合作用过程进行模拟时，模型的侧重点在于对作物生长过程的模拟，对作物产量的估算没有做详尽的

讨论；冯险峰利用北部生态系统生产力模拟（BEPS，boreal ecosystem

productivity simulator）模型模拟得到了全国陆地生态系统的NPP，并分析了不同土地覆被类型之间NNP的差异，但是模拟得到的农田生态系统的 NPP 还是建立在森林生态系统的基础之上，而且也没有把NNP进一步推算到农作物的产量上；于强等将作物冠层按 LAI 划分为若干层次，该模型对冠层光合作用的理论

研究、作物生长的数学模拟等有一定的意义，但是该方法仅是停留在理论模拟阶段，还没有将其付诸于大范围的应用。并且，该方法也没有进一步发展，以最终

得到作物的产量。因此，从理论上寻求一种基于作物光合作用机理的农作物产量

估算模型，走出各式各样统计模型的框架[4]，成为农业估产领域的研究焦点。

随着人们对作物产量形成机理探讨的深入，将农作物光合和呼吸作用的过程模型和卫星遥感相结合，通过计算农作物的净第一性生产力，实现大范围农作物产量估算和预报，已经成为一种可能。

3主要粮食作物估产模型

3.1冬小麦产量分阶段预测模型

关于作物产量遥感监测预报，早期的研究大多是在分析光谱信息与作物长势

或产量形成关系的基础上通过统计预报等途径建立回归模型而进行的。但由于作物每一生长时段内周围环境的可变性，只通过作物某一生长阶段的瞬时信息预测成熟期产量会出现很大偏差，因此综合作物生长过程的估产算法应运而生。

农业部遥感应用中心建立的全国农作物遥感监测业务化运行系统中，作物产量预测采用的农业遥感估产法主要是以作物面积提取和单产模型预测为基础，结合土壤水分状况评价和作物长势分析，进而对作物产量进行综合预测和预报。其对农作物单产预测的时效性和精确度要求较高，需要在作物生长的不同阶段及时获得作物生长动态及产量信息，从而实时调整作物生产预报情报，以便更好地为上级管理部门提供决策支持信息，进而为我国农业遥感监测产量提供预警服务。

3.1.1技术流程

农作物产量由农作物生长状况决定，农作物生长状况主要受到其内在遗传因子和外在环境条件的双重影响。其中遗传因子的影响作用主要通过其产量构成因

子即穗数、粒数和粒质量进行外部表达，同时受到外在环境条件如土壤状况、气象条件和管理措施的综合作用。很早就有研究人员提出可以利用产量构成因子来

解释遗传和环境因子如何在作物发育的不同阶段影响作物收获产量，随着对生殖生长量化理解的深入，发现利用三因子模型来模拟和预测籽粒产量及其构成方面

是有用的。因此，在对传统农学产量测定方法改进的基础上，根据农业部冬小麦遥感监测时间表，分别在冬小麦生长的抽穗期(前期)、灌浆期(中期)、收获期(后期)进行数据的取样和测定，以满足农作物遥感监测不同时效的预警需求，流程

如下图所示：

3.1.2合理取样数估计和样方布设方法

采用常用的Cochran针对区域纯随机取样而构造的合理取样数量计算公式：2

2

n d

tR

(

)

std

式中n:最佳取样数量

t:与显著性水平相对应的标准正态偏差

R std :样本标准差

d:样本平均值与相对误差的乘积，％

由于随机变量总体标准差未知，只能用样本方差来代替。根据产量调查资料，计算得到该县冬小麦产量估测的合理取样数量。

由于产量的区域平均变化率常小于田块尺度的变化率，所以为了减小误差，

要求所有样方点尽量均匀分布，并且在同一田块内采用3点斜线取样法进行重复取样，每个样方点都用GPS逐一定位。

在冬小麦生长的3个主要阶段即抽穗期、灌浆期和收获期，对冬小麦的平均行距及1m2样方内的有效穗数、穗粒数和千粒质量进行实地调查，同时记录农户

联系信息和相关管理信息。根据实际抽测产量值划分产量水平等级，确定权重，

求得估测产量；待完全收获后，调查农户收获产量，以便验证。

3.1.3估产方法

以玉冬小麦为试验材料，以冬小麦产量构成三因子即单位面积有效穗数(以下简称穗数)、穗粒数、千粒质量为研究对象，采用随机抽样和重复抽样的方法

进行样点布设。传统农学产量预测模型为：

f

x x 321x Y 式中Y ：理论单产值，ks ／hm

2 x

1：穗数 x

2：穗粒数 x

3千粒质量，g f:去除收获和晾晒损耗的实收产量系数，一般取0.85

由于产量构成因子之一的亩穗数在作物生育中期就可获得，

那么在假设后期作物不会受到明显的气象灾害或病虫害的影响下，

利用单因子预产模型可以提前预测冬小麦产量。给出单因子预产模型的定义：利用实测作物的单位面积(666.7 m 2)茎数结合作物管理水平、叶面积系数和当年的气象条件，按茎数的80％一95％成穗(根据经验和当地生产条件，若作物种植密度过大，单位面积穗数超过

60万以上，需要考虑穗粒数和千粒质量的递减因素，结合品种特性做系数调整

)，进行量纲换算后，得到估测产量值的一种方法。关于土、气、肥、水的配合说明

如下：一般的地力要求，土壤有机质含量在1％以上，全氮0 1％，有效磷2.5-4.9 g ／m 2，酌施钾肥和微肥。叶面积系数要求苗期为

0.8～1.2，拔节期为3.0左右，抽穗期5.0～6.0；土壤含水率保持在田间持水率的

60％左右为宜。将传统的作物单产预测模型改造为单因子预产模型

: 1000Y 1afx 式中a:经验系数

同理，双因子预产模型是指在冬小麦生长中期(灌浆期～乳熟期)，假设当年

冬小麦千粒质量为常年千粒质量，只需实地测定冬小麦的穗数和穗粒数，再与常

年千粒质量相乘。经过系数订正后即可得到冬小麦的双因子预产值。

双因子预测模型为:

2

1b Y x fx 式中b ——常年千粒质量，g

双因子预产模型是在假设冬小麦千粒质量与常年千粒质量相同的条件下进

行的。千粒质量作为常数值出现，考虑到多种因素会对常年千粒质量产生影响，此处建议采用近5年调查千粒质量的平均值作为常年千粒质量。

3.1.4模型分析

单因子预产模型的应用最好选择在作物单位面积穗数基本稳定不变的时期

进行。所以利用单因子预产模型，适宜在农户对冬小麦进行水肥管理措施实施后进行，根据试验经验，一般选择在抽穗中后期为宜，从而可以将产量预报的时间提前。

双因子预产模型适合在作物穗粒数基本稳定的阶段进行，穗粒数主要由小穗