作物产量预测的遥感方法
如何利用遥感测绘技术进行农作物监测与评估
如何利用遥感测绘技术进行农作物监测与评估遥感测绘技术在农作物监测与评估中的应用遥感测绘技术是通过获取地面上的电磁辐射能量，进行图像捕获和数字处理的一种技术。
它可以帮助我们了解和监测农作物生长状况、评估土地质量和预测农作物产量等。
本文将探讨如何利用遥感测绘技术进行农作物监测与评估，以及其在农业发展中的重要作用。
遥感技术与农作物监测通过航空遥感和卫星遥感技术，我们可以获取大范围的农田信息。
利用遥感图像和数字图层，我们可以对农作物进行分类和识别，了解其生长状态、结构和分布情况。
这些图像和数据可以帮助乡村规划者、农业专家和农民制定农业管理策略，提高农作物生产效益。
通过遥感技术获取的图像，可以通过图像处理软件进行分类和监测。
利用遥感图像的不同波长段反射率的差异，可以对不同类型的农作物进行识别和分类。
例如，我们可以通过比较植被指数（如NDVI）来判断农田中不同作物的状况，了解其生长是否健康，是否受到病虫害的侵害。
这些信息对于农民来说至关重要，可以帮助他们及时采取措施保护农作物的健康生长。
遥感技术与农作物评估除了监测农作物的生长状况外，遥感技术还可以用于评估农田土壤质量、作物产量和水分利用效率等因素。
通过获取与农田土壤相关的图像和数据，我们可以了解土壤质地、散射率、含水量等信息，从而判断土壤质量的好坏。
利用这些信息，农民可以根据土壤特点，合理调整施肥、灌溉和种植方案，提高农作物产量和减少资源浪费。
遥感技术还可以通过监测农田和作物的生长周期内水分利用情况，进行农作物水分管理和节水利用。
通过分析遥感图像和数据，可以获取农田土壤含水量、植被水分蒸发量等信息，以及农田土壤水分胁迫状况。
这些信息可以帮助农民合理安排灌溉周期和用水量，减少水资源的浪费，提高农作物的水分利用效率。
遥感技术与农业发展的重要作用遥感技术在农作物监测与评估中发挥着重要的作用，对农业发展具有巨大的潜力。
首先，遥感技术可以帮助农民、农业专家和政府监测和评估农田情况，及时掌握农作物状况，预测产量和需求，从而制定科学的农业管理和规划策略。
农作物单产遥感估算模型研究进展
农作物单产遥感估算模型研究进展随着科技的不断发展，遥感技术已经成为农作物单产估算的一种重要手段。
农作物单产遥感估算模型的研究进展，对于提高农业生产效率、优化资源配置以及指导农业生产具有重要意义。
本文将对农作物单产遥感估算模型进行概述，综述其研究现状，并探讨未来的发展方向。
农作物单产遥感估算模型在国内外学者的不断探索和研究下，已取得了一系列重要成果。
这些模型大致可以分为基于统计模型、机器学习模型和混合模型三类。
其中，统计模型利用地块级产量和遥感数据建立回归关系，机器学习模型则多采用神经网络、支持向量机（SVM）和支持向量回归（SVR）等方法进行预测。
混合模型则综合了统计模型和机器学习模型的优点，进一步提高了预测精度。
尽管农作物单产遥感估算模型已取得了显著成果，但仍存在一些问题和挑战。
由于遥感数据的时空分辨率较低，模型预测结果的准确性和精细化程度受到限制。
模型参数的确定和调整缺乏系统性的理论指导，导致预测结果存在一定的不确定性。
大多数模型仅考虑了单一的遥感数据源，如光学遥感或雷达遥感，而忽略了多种数据源的融合和互补性。
为了解决上述问题，本文将采用多源遥感数据融合的方法，充分利用不同类型数据的优势，提高模型的预测精度。
同时，将引入深度学习等先进的人工智能算法，构建更为精确的预测模型。
还将开展大量的实验验证，对比分析各种模型的优劣，为农业生产提供可靠的单产预测结果。
实验结果表明，基于多源遥感数据融合的深度学习模型在农作物单产遥感估算中具有较高的精度和稳定性。
相比传统模型，该模型能够更好地处理复杂的地形和气候条件，提高预测结果的精细化程度。
同时，该模型还具有较低的计算复杂度，能够满足大规模农作物单产预测的需求。
本文的研究成果对于推动农作物单产遥感估算模型的发展具有一定的参考价值。
然而，仍然存在一些未来研究方向值得探讨。
如何更好地利用高分辨率遥感数据进行农作物单产估算仍需进一步研究。
混合模型的构建和研究仍有很大的发展空间，可以通过融合更多类型的数据和采用更先进的算法来提高模型的预测精度和稳定性。
冬小麦遥感估产多种模型研究
四、结果与讨论
四、结果与讨论
本研究利用高光谱遥感技术对冬小麦长势进行监测和估产，取得了较好的效 果。通过对冬小麦的长势进行监测，能够及时发现生长过程中存在的问题，为农 业生产提供科学依据。同时，利用估产模型对冬小麦产量进行估算，能够提前预 测产量，为农业决策提供支持。然而，本研究仍存在一些不足之处，如综合指标 体系的完善程度、估产模型的普适性等，需要进一步改进和完善。
一、引言
随着全球人口的增长和资源的有限性，粮食安全问题日益凸显。冬小麦作为 我国重要的粮食作物，其产量对于保障国家粮食安全具有重要意义。然而，传统 的农田监测方法已经无法满足现代农业对产量的快速、准确估算需求。因此，利 用高光谱遥感技术对冬小麦长势进行监测和估产，成为当前研究的热点。
二、高光谱遥感技术
结论与展望
结论与展望
本次演示探讨了基于遥感和作物生长模型的多尺度冬小麦估产研究，通过融 合遥感数据、气象数据和土地利用数据等多源信息，建立了多尺度冬小麦估产模 型。经过验证，该模型可以提高冬小麦估产的准确性和科学性。在应用过程中， 我们可以通过实际数据来预测冬小麦的产量，并对其不确定性进行分析，为国家 和小麦生产部门的决策提供科学依据。
二、高光谱遥感技术
高光谱遥感技术是一种新型的遥感技术，通过获取地物的高光谱信息，实现 对地物的精细识别和分类。其优势在于能够提供丰富的光谱信息，为冬小麦长势 监测和估产提供了新的手段。
三、综合指标的冬小麦长势监测 与估产研究
三、综合指标的冬小麦长势监测与估产研究
本研究通过构建综合指标体系，利用高光谱遥感技术对冬小麦长势进行监测 和估产。首先，通过分析冬小麦的生长规律和光谱特征，筛选出与产量相关的光 谱参数和生长指标。然后，构建综合指标体系，将多个参数进行集成，实现对冬 小麦长势的全面监测。最后，通过建立估产模型，实现对冬小麦产量的准确估算。
如何利用遥感技术进行农作物监测
如何利用遥感技术进行农作物监测农作物是人类生活中不可或缺的一部分，而通过遥感技术进行农作物监测，对于提高农作物产量、优化农业生产具有重要意义。
遥感技术通过获取地面信息的无损手段，可以提供大范围、高分辨率的农田数据，帮助农民和农业专业人员更好地管理农作物。
本文将从遥感技术的原理、应用以及未来发展等方面，谈谈如何利用遥感技术进行农作物监测。
一、遥感技术的原理与应用遥感技术是指通过空中或卫星搭载的传感器采集地物辐射信息，并对所采集的数据进行分析和解释。
遥感技术的原理基于物质辐射特性的变化，通过电磁波与地球表面进行相互作用，进而获取地物信息。
遥感技术可以获取农作物的生长信息，如植被指数、叶面积指数等，从而辅助判断农作物的生长状态和健康状况。
遥感技术在农作物监测中的应用广泛，可以实现以下功能：1.作物面积估算：通过遥感影像分析，可以确定特定区域内农作物的面积，为农民按需种植提供数据依据。
2.作物受灾监测：利用遥感技术可以实时监测农作物受灾情况，如旱情、水稻低温冷害等，及时采取救灾措施。
3.农作物长势监测：通过遥感数据，可以实现对农作物生长速率、施肥状况等方面的监测，为农民提供农作物管理的科学依据。
4.病虫害监测：遥感技术可以探测农作物受到的病虫害威胁，提前预警并采取相应措施。
5.农田水资源监测：通过遥感技术，可以观测农田的湿润程度，为合理的灌溉和水资源管理提供支持。
二、遥感技术在农作物监测中的案例1.作物面积估算案例：通过卫星遥感技术，结合地理信息系统，可以准确估算大范围的农作物种植面积。
例如，利用遥感技术和GIS分析，中国农业科学院遥感应用研究所对全国范围内的主要农作物进行面积估算，为政府决策提供了精准的数据支持。
2.农作物受灾监测案例：在山西省的农作物受干旱影响时，通过卫星遥感技术，可以及时检测到受灾地区，为相关部门提供救灾支援的准确信息。
同时，结合气象数据和农作物遥感监测结果，可以对灾区进行一站式的监测和评估。
农业遥感内容及技术
农业遥感内容及技术一、农业遥感内容农业遥感技术是集空间信息技术、计算机技术、数据库、网络技术于一体，通过地理信息系统技术和全球定位系统技术的支持，在农业资源调整、农作物种植结构、农作物估产、生态环境监测等方面进行全方位的数据管理。
数据分析和成果的生成与可视化输出，是目前一种较有效的对地观测技术和信息获取手段。
20多年来，遥感技术在农业部门的应用也越来越广泛，完成了大量的基础性工作，取得了很大的进展，在农业资源调查与动态监测、生物产量估计、农业灾害预报与灾后评估等方面取得了丰硕的成果。
农业遥感关键技术主要包括基于GIS 的农业机械导航定位技术、田块尺度农作物遥感动态监测技术、作物水分胁迫信息的遥感定量反演与同化技术、作物生长发育理化参量和农田信息遥感反演理论方法体系等。
二、农业遥感技术遥感是以航空摄影技术为基础，在20世纪60年代初发展起来的一门新兴技术。
开始为航空遥感，自1972年美国发射了第一颗陆地卫星后，这就标志着航天遥感时代的开始。
经过几十年的迅速发展，目前遥感技术已广泛应用于资源环境、水文、气象、地质地理等领域，成为一门实用的、先进的空间探测技术。
目前遥感技术在农业中的应用主要包括农业估产、资源调查、气象灾害预测和评估，以及生态环境监测。
1.农业估产我国农业遥感技术最早就是用于估产领域。
早在“六五”时期，我国就已经开始运用卫星技术尝试对局部农产品产量进行预估，在随后的发展中，中国气象局、中国科学院以及许多大学、研究所都对农业遥感估产技术起到了实践和创新推动作用。
2008年12月1日我国“遥感卫星4号”发射成功，其主要作用之一就是负责我国农作物的品质与产量监测数据的采集。
2.农业资源调查我国是一个资源大国，但是人均资源占有率却很低，特别是在耕地方面，由于缺乏保护意识，许多人着重于眼前利益，导致我国耕地数量和质量不断下降。
遥感技术的运用能使我们及时掌握大量的信息，这对我国农业资源的保护和管理起到了很大的作用。
基于遥感技术的玉米产量预测估产研究与实践
２ ２ ０ ・
农 林科 研
基于遥感技术的玉米产量预测估产研究与实践
姚玉霞 赵建华 １ 刘晓彦 ， 胡 楠 ｚ （ １ 、 吉林农业大学发展学院， 长春 双阳 １ ３ ０ ６ ０ ０ ２ 、 吉林生 松原市银监会， 吉林 松原 １ ３ ８ ０ ０ ０ ）
摘 要： 利用遥感技术对玉米产量预测估产感设备， 在短时『 日 １ 内 友时客观地、 连续获
有非常重要 的意义 。 １遥感技术与应用
建立估产模 型 ， 以应用 于玉米生长的监测 与产量的预测。
（ ３ ） 传统方法与遥感方法比较。传统的农作物长势监测和估算 这两种方法应用在农 目 前， 计算机技术、 全球定位系统和遥感技术已经被广泛应用 产量 的方法主要有气象估产法和农学估 产法 ， 于生活和生产的各个领域。 遥感技术是一种并不直接接触测量目 标 作物估产中时， 其精度会产生较大的起伏， 这是因为农作物的产量 对其进行研究与分析的技术。是指在遥感平台上 ， 使用各种传感器 受到许多因素的影响。 由于气象是对农作物的产量有直接影响的因 获取作物及其环境背景的反射、 辐射信息的瞬时记录， 经计算机识 素， 气象估产方法就是建立在这种因素与农作物产量相结合进行估 这种方法在本质上属于统计 预报 的估产方法 。气象 别、 处理、 分类 、 信息提取等方法； 并结合地学分析和数理统计分析 ， 产的基础上的 ， 估产方法在于过分依赖人的行为、 自然气象等因素。农学估产模型 最后估测出农作物的最终产量。 根据采集农作物在生长发育阶段的各项指标结合组成作物产量要 （ １ ） 遥感技术的优点主要体现在可以快速获取资料， 周期短， 时 效性强； 遥感设备放置的平台越高， 视角也就更加宽广， 可以大范围 素来进行农作物产量预测的。 以玉米为例， 在测定玉米产量过程中， 的同步观测。应用遥感技术估产的方法与传统方法相比， 具有更高 要收割十到二五块试验田中在试验范围内种植的玉米， 统计每棵玉 这样做是为了得到玉米的个体 的经济效益和社会效益山 ； 通过遥感获得的数据能够综合反映许多 米杆上成活的玉米穗数量以及重量 ， 的自然和人文信息， 而且数据来源连续 ， 具有很强综合性和可比 性。 生长状况和群体特征［ ２ １ 。这两个指标里面可 以反映 出玉米在生长过 （ ２ ） 遥感估产的手段可以概括为以生物学原理为指导 ， 在遥感 程 中利用 光合作用的等一系列生态生理特征 。从 这个例子 可以看 使用农学估产模 型首先受 到了栽植范 围的限制 ， 如果要 收集大 获取的作物极其环境的数据基础上， 结合空间信息技术 ， 经过一系 出， 就需要获取每个样本试验田中的植株参数， 需 列处理综合数据的过程， 实现对农作物进行生长观测和在收获前进 面积农作物的数据， 行产量预测。根据遥感资料来源的不同， 农作物遥感估产可分为空 要大量 的实地测量数据 ， 不 仅耗费精力 ， 也耗费时间。 间遥感作物估产和她面遥感作物估产。 本文主要研究的是以地面遥 遥感技术具有前两种方法无法比拟的优势。 遥感由于其不直接 感对玉米预测估产； 是根据地面遥感平台获取的玉米物光谱信息进 接触观测 目 标的特性， 因此可以利用空间或地面遥感器来获取农作 得到数据的手段就是接收农作物在生长期各个阶段 行估产。根据不同生长期玉米的光谱特征和农事历解译作物 ， 建立 物的生长数据。 解译标志， 再对多光谱资料采用 目 测与计算机结合的方法进行分类 的光谱数据和植被指数。 将遥感得到的数据输入计算这些估产模型 和识别， 经地面实测资料补充修正 ， 最后完成种植面积测算。 单产预 中的参数来实现农作物产量的预测。在玉米遥感预测中， 通过光谱 测是基于分析玉米产量与各种影响因素之间关系， 组建回归模型来 数据配合其他必要的参数也可以估算出玉米穗的重量 ， 因此对玉米 在观测时能够发现的农作物生长问题也愈 完成。为了提高单产预报准确率 也采用多种估产模型预测结果集 进行估产也就完全可行， 成最终单产的方法｛ 总产可由单产与种植面积相乘求得， 也可在分 加明显， 是我们可以完全不必过问个体与群体形成的复杂原因与过 析总产与总光谱指数值之间关系的基础上建立遥感估产模型来实 程 ， 就可以应用少数遥感数据对作物进行估产［ ３ １ 。 现。 通过以上的比较可以看出， 遥感方法和传统方法相 比， 遥感方 ２研究内容方法与技术路线 法保证遥感影像的获取时间和地面试验时间保持同步， 使得因时相 （ １ ） 研究的内容与方法。本研究是在吉林省榆树市弓棚镇十三 引起 的结果误差降至最低 ；在地面实验 中采样要做到有代表性 ， 减 号村的实验 田中开展的。完成玉米作业区生长性状、 病虫草害调查 少因系统误差造成的结果偏差 ； 因存在遥感和地面尺度不 同造成 的 和田间测产调查， 开展了叶龄与覆盖度、 田间同期杂草密度的关系 结果误差， 可以对其进行尺度转换 ， 减少因尺度原因造成的误差， 进 虽然目前它主要应用于在一定范围内农作物种类比 研究。在研究中， 为建立玉米栽培技术、 玉米病虫草害防治技术， 提 步提高精度。 供 田间的文字数据和模型 实现玉米田间生长、 玉米病虫草害防治 较单一的产量预测 ， 但是这种方式仍然是一种高效便捷的估产方 及玉米产量预测等基础数据。为了解杂草密度、 杂草叶龄与施药量 法 。 的关系， 进行了变量施药除草田间试验 ， 利用遥感方法监测玉米中 参考文献 杂草的方法； 研究玉米的红边峰值面积， 来比较准确的估计 Ｎ Ｄ Ｖ Ｉ 。 ［ １ 】 樊科研 ， 田丽萍， 薛琳， 等． 遥感在农业估产中的应用与发展［ Ｊ 】 ． 宁 通过计算 Ｎ Ｄ Ｖ Ｉ ， 再应用 Ｎ Ｄ Ｖ Ｉ 值与植被覆盖度的关系估算植被覆 波农业科技 ， ２ ０ ０ ７ ， ３ ： １ ７ — １ ９ ． ２ １ 姚玉 霞， 陈桂芬 ， 王越 ， 等． 多媒体 玉米病 虫草 害诊 治专 家系统 的 盖度，在实验基础上求得了施除草剂药量与杂草密度的函数关系。 『 ｃ ］ ／ ／ “ 第一届国际计算机及计算技术在农业中的应用研讨会” 暨 这种方法在估算植被覆盖度上是一种新的探索 ， 并通过分析玉米虫 应用『 “ 第一届 中国农村信 息化发展论 坛” 论文集， ２ ０ ０ ７ ｝ １ ７ ５ — １ ７ ７ ． 害与产量的关系建立估产模型。 ３ ｉ 徐新刚， 吴炳方， 蒙继华， 等． 农作物单产遥感估算模型研究进展 （ ２ ） 研究的原理与技术路线。遥感估产的依据是根据利用地面 『 Ｊ 】 ． 农业工程学报， ２ ０ ０ ８ ， ２ ４ （ ２ ） ： ２ ９ ０ — ２ ９ ２ ． 的各种遥感设备， 研究处理农作物的光谱反射率后 ， 进行农作物的 『
农业生产中的遥感技术应用教程
农业生产中的遥感技术应用教程随着科技的快速发展，遥感技术在农业生产中的应用越来越广泛。
遥感技术通过对地表、大气和水体的遥感信息获取，可以为农业生产提供准确的数据和信息，帮助农民科学决策、增加农作物产量、改善环境等。
本文将结合实际案例，介绍农业生产中遥感技术的应用，并提供相关教程，以帮助农民更好地利用遥感技术进行农业生产。
一、遥感技术在农业生产中的优势1. 监测农作物生长情况：遥感技术可以通过获取多光谱、高分辨率的遥感影像，实时掌握农田的植被覆盖度、生长状态等信息。
农民可以根据这些信息，调整灌溉、施肥等措施，提高农作物的产量和质量。
2. 预测病虫害发生：通过遥感技术获取农田影像，可以精准地识别农作物受病虫害侵袭的区域。
农民可以根据这些信息，有针对性地采取措施，减少病虫害对农作物的破坏，提高农作物的品质和产量。
3. 监测土壤水分状况：遥感技术可以通过获取热红外遥感数据，实时监测农田的土壤水分状况。
农民可以根据这些信息，精确测定灌溉的时机和水量，避免水资源的浪费，提高灌溉效率。
4. 规划农田合理布局：遥感技术可以获取大范围的农田影像，帮助农民进行农田的合理规划和布局。
通过遥感技术分析，农民可以优化农田的利用效率，提高农作物的产量和农田的经济效益。
二、遥感技术在农业生产中的应用案例1. 农作物生长监测：农民可以借助遥感技术获取农田的高分辨率遥感影像，并利用专业的遥感软件进行图像处理和分析。
通过对地表反射率、植被指数等参数的计算和分析，农民能够及时了解农作物的生长情况，调整各类农业措施。
2. 病虫害监测与预警：农民可以利用遥感技术获取农田的多光谱遥感影像，通过进行监督分类等图像处理方法，识别不同类型植被的分布情况。
通过与历史数据对比，农民能够预测病虫害发生的可能性，及时采取防治措施。
3. 土壤水分监测与灌溉调控：农民可以利用遥感技术获取热红外遥感数据，通过分析地表温度、蒸散发等参数，了解农田的土壤水分状况。
不同生育期小麦冠层SPAD值无人机多光谱遥感估算
不同生育期小麦冠层SPAD值无人机多光谱遥感估算一、引言在农业领域，小麦作为全球重要的粮食作物，其生长状况直接关系到粮食产量和品质。
而冠层SPAD值，即叶绿素相对含量，是评估小麦生长状况的重要指标之一。
传统的SPAD值测量方法主要依赖人工采样和实验室分析，不仅耗时耗力，而且难以实现大面积、快速的监测。
因此，寻求一种高效、准确的小麦冠层SPAD值监测方法具有重要意义。
近年来，随着无人机技术的快速发展，无人机多光谱遥感技术在农业领域的应用日益广泛。
该技术能够获取作物冠层的光谱信息，通过解析这些光谱信息，可以实现对作物生长状况的实时监测和评估。
因此，本文旨在利用无人机多光谱遥感技术，估算不同生育期小麦冠层SPAD值，以期为农业生产提供科学依据，推动精准农业的发展。
二、文献综述在国内外研究现状方面，无人机遥感技术在农业领域的应用已经取得了显著进展。
许多学者利用无人机搭载多光谱相机，获取作物冠层的光谱信息，进而构建生长监测模型，实现对作物生长状况的评估。
这些研究不仅证明了无人机多光谱遥感技术在作物生长监测中的可行性，而且为本文的研究提供了重要的理论和方法基础。
在相关理论基础方面，叶绿素相对含量（SPAD值）是反映植物叶绿素含量和光合能力的重要指标。
传统的SPAD值测量方法主要依赖叶绿素计进行点测量，难以实现大面积、快速的监测。
而无人机多光谱遥感技术可以通过获取作物冠层的光谱信息，实现对SPAD值的快速、大面积估算。
在无人机多光谱遥感技术方面，其原理是利用无人机搭载的多光谱相机，获取作物冠层在不同光谱波段下的反射率信息。
通过分析这些反射率信息，可以提取出与作物生长状况密切相关的光谱特征。
然后，利用统计学习或机器学习等方法，构建基于这些光谱特征的作物生长监测模型。
最终，通过模型估算出作物冠层的SPAD值等生长指标。
三、研究内容与方法在研究区域与数据获取方面，本文选择了具有代表性的小麦种植区作为研究区域。
考虑到不同生育期小麦冠层的光谱特性可能存在差异，因此在小麦生长的不同阶段进行了多次无人机飞行实验，以获取充足的多光谱遥感数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
※农业科学 农业与技术 2019,Vol.39,No.16 作物产量预测的遥感方法洪 昕(江苏省徐州市铜山区农业技术推广中心,江苏徐州221000)
摘 要:粮食安全问题由于关系到国计民生而一直备受关注,粮食产量预测作为保证粮食安全的重要环节也同样不容忽视。长时间以来,很多研究者都针对此课题进行了广泛而深入的研究并取得了一定成果。遥感技术的快速发展为实现大规模的作物产量预测提供了快速、精确的方法。文章主要介绍了多源遥感数据融合技术、目前常用的遥感估产模型以及将遥感技术与作物生长模型同化进行作物产量预测的方法,并分析了遥感技术在作物产量预测上面临的问题,为遥感估产技术指出了未来的重点发展方向。关键词:遥感技术;产量预测;多源遥感数据融合;估产模型;同化中图分类号:S-03 文献标识码:A DOI:10.19754/j.nyyjs.20190830016
前言快速、精确的作物产量预测,对国家制定粮食政策,进行价格宏观调控,实现乡村经济的振兴以及粮食进出口贸易等都具有重要意义,也是我国研究者一直关注的重大课题。传统的对作物产量进行预测的方法主要有农学估产法、统计估产法以及气象统计法等,这些方法往往只适用于小面积估产。20世纪70年代以来,因为具有宏观、动态和快速等特点,遥感技术在农业生产上得到了广泛的应用,为农作物长势的监测以及籽粒产量的预测提供了有效的途径。遥感估产是在分析处理遥感影像的基础上,提取作物的种植面积、获取其空间分布信息、光谱信息、植被指数,研究作物光谱特征和产量构成要素间的相关性,结合地理信息系统GIS和全球定位系统GPS,建立不同条件下作物的估产模型,实现对作物产量的预测。常用的植被指数有:归一化植被指数NDVI、差值植被指数DVI、比值植被指数RVI等。其中,NDVI是应用最为广泛的指标,其与作物的叶面积指
数LAI相关性较好,在作物生长监测中常被用来反映作物的生长状况。近年来,农作物遥感估产的研究获得了较大的突破,主要体现在:从田间小面积的作物估产发展到宏观大面积的作物估产;从只利用单一遥感信息源发展到多种遥感信息源的综合利用;从单纯建立光谱参数与作物籽粒产量间的统计模型,发展到将作物生长发育的机理过程也考虑进去,使作物产量的预测精度不断提高。其中,遥感技术与作物生长模型的结合,是未来进行大面积农作物生长监测和产量预测的研究重
点和发展方向,而数据同化算法为二者的结合提供了有效手段。1 多源遥感数据的融合
多源遥感信息的融合是对同一地区的多个传感器的扫描影像进行综合,通过互补信息的有机集成,实现单一信息源对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性及误差的控制,从而最大限度的利用各种信息源所提供的信息,使遥感技术在特征信息提取、分类等方面的有效性得到提高。如将NOAA/AVHRR(低空间分辨率遥感影像)和Landsat-TM(中空间分辨率遥感影像)结合来提取水
稻的种植面积,相比于农业统计数据,精度可以达到91.6%[1];王娣[2]
在武穴梅川镇实验区内开展基于
地面高光谱数据和无人机平台多光谱数据的水稻估产研究,发现利用主成分分析法获得的多平台综合估产模型与地面或无人机平台的最优模型相比,效果有一定提高。2 常见的作物遥感估产模型
作物遥感估产技术大体可分为3个步骤:通过分析遥感影像数据估算作物种植面积;通过分析遥感影像数据提取作物相应的植被指数,以进行作物长势状况的监测;构建植被指数和作物产量以及其它气象、农学参数等资料的单产估算模型,再经过进一步的计算得到总产。目前,常见的遥感估产模型有以下3种,其中以遥感为主要信息源的综合估产模型最受关注。
74 2019,Vol.39,No.16 农业与技术 ※农业科学2.1 植被指数与产量的统计模式及结合环境因子的统计模式 这种模式在早期主要是建立单个生育期的光谱指
数和产量间的直接统计回归模型,机理性较弱;于是,Rudorff等[3]和侯英雨等[4]考虑到积温和降雨等气象因子,建立起光谱-气象复合模型,在一定程度上提高了估产的精度。近年来,由于各地区基于MO-DIS的作物产量预测基本实现了业务化的运行,因此采用逐步回归的方法筛选构建的基于冬小麦关键生育期旬NDVI与最终产量间关系的模型应用较广泛。此外,Osborne等[5]通过地面高光谱技术对玉米的生物量和氮含量指标进行了监测,并基于此构建了各生育期光谱数据和最终籽粒产量间的关系模型。随着这些研究的深入,作物产量的预测方法也得到了更为深入的发展。2.2 产量构成要素预测模式这种模式主要通过研究产量形成的生物学机理,以找到影响产量形成的主要因子及其发生作用的关键时期,并由此建立遥感信息与产量构成因子之间关系的动态模型。如:薛利红等[6]通过研究水稻生长发育特征及其产量三要素形成过程的生物学机理,建立了水稻冠层光谱特征、产量构成因子以及产量之间的相关关系。侯新杰等[7]对棉花产量形成关键时期的高光谱特征参数和产量构成因子进行了相关分析,发现棉花产量构成因子中单位面积总铃数、单铃重与红边参数等均有较好的相关性。2.3 以遥感为主要信息源的综合估产模型近年来,大量以遥感技术为主并结合其它技术的新型综合估产模型不断涌现,如将遥感技术与作物生长模型相结合的估产模式。杨星卫等[8]、王人潮等[9]在水稻的遥感估产研究中融入作物生长模型,得到了比较理想的结果。Moriondo等[10]将卫星遥感反演的NDVI数据和CROPSYST模型模拟的NDVI数据相结合来预测小麦产量,模型模拟值与实测值间的相关系数达到了0.77~0.73。Dente等[11]通过将CERES-Wheat生长模型模拟的叶面积指数与遥感反演的叶面积指数同化以改善区域小麦单产的预测,实验效果较好。王航等[12]通过同化和更新策略相结合的新算法耦合遥感信息和水稻生长模型(RiceGrow),以实现更精准的水稻产量预测。张建华[13]通过将遥感技术和农业气象数值模拟技术结合的新思路进行作物估产,有效提高了遥感估产的精度。3 遥感技术与作物生长模型同化方法研究数据同化算法能够将遥感观测数据与作物生长模型进行有效地耦合,是大尺度作物产量预测领域的研究热点,根据其原理可以分为基于统计估计理论的顺序同化方法和基于最优控制的全局拟合法。此外,作物生长模型参数最优估计的方法,包括SCE-UA、SA和POWELL算法等,也常被用于作物生长模型和遥感数据的同化研究。3.1 顺序同化法
顺序同化法包括:最优插值、粒子滤波(Particlefilter,PF)、Kalman滤波系列、集合卡尔曼滤波
(EnsembleKalmanfilter,EnKF)等,其中EnKF算法
的应用最广泛。如:陈思宁等[14]应用EnKF算法将MODIS-LAI和WOFOST模型耦合来预测我国东北地
区玉米的产量,结果显示,经过同化算法处理后模型模拟的玉米产量精度比未同化的模拟产量精度显著提高。黄健熙等[15]利用EnKF算法来同化修正后的MODIS反演的叶面积指数和WOFOST模型模拟的叶
面积指数,使区域粮食产量的预测精度提高。3.2 全局拟合法
全局拟合法主要是指变分算法,包括了三维变分3DVAR算法及四维变分4DVAR算法等。其中,以
4DVAR算法的技术最为成熟,且应用较为广泛。如:
解毅等[16]基于4DVAR算法,通过同化冬小麦主要生育时期CERES-Wheat模型模拟的和Landsat数据反演的LAI来对关中平原冬小麦的单产进行预测,发现同化算法能够充分结合模型模拟LAI和遥感反演LAI各自的优势,从而使小麦估产精度提高。3.3 影响同化方法精度的因素
叶面积指数(LAI)可以指示作物截获太阳辐射能进行CO2同化及干物质积累的能力,是进行籽粒潜在产量评估的重要指标。目前很多同化估产研究通过同化遥感反演的LAI及作物生长模型模拟的LAI来预测区域作物的产量。除叶面积指数外,土壤水分、蒸散发(evapotranspiration,ET)、蒸发胁迫指数(ESI)和地上生物量等状态变量均和籽粒产量密切相关。因此,很多研究者采取同化多个与籽粒产量相关性较好的状态变量的方法来提高作物产量预测的精度。如:Huang等[17]
在基于SCE-UA算法的MODIS-LAI、
MODIS-ET和SWAP模型的同化研究中发现,同时同
化MODIS-LAI和MODIS-ET对于冬小麦单产预测的精度要高于仅同化MODIS-LAI或MODIS-ET的预测精度。然而,不同状态变量对产量预测的影响在作物的不同生长发育时期也是不同的。Anderson等[18]通过分析巴西2003—2013年间主要作物各生育期的ESI与预测产量之间的相关性,发现作物关键生育期的ESI
84※农业科学 农业与技术 2019,Vol.39,No.16 和最终产量间的相关性最大。Huang等[19]及Dente等[11]均对小麦不同生育时期的LAI对于产量估测的影响程度进行了评估,得出了相似结论,即抽穗期的LAI和小麦产量间的相关性最大,成熟期LAI和籽粒
产量间的相关性较低。因此,在作物的不同生育阶段选择同化与产量相关性较大的变量能够有效提高作物产量预测的精度。4 问题与展望
多源遥感数据的融合对增加作物生长监测及产量预测准确性具有重要意义,但在实际应用中仍然存在一些难题,如试验误差的控制。大气效应、数据源质量、预处理效果等均会造成遥感数据有一定误差;而试验研究中遥感图像光谱的获取、地面光谱测量和理化测试等过程也是误差的来源。因此多源遥感数据的融合势必造成误差的叠加及传播,下一步的研究重点应放在如何有效地进行误差估计和减小误差对监测精度的影响上。虽然将作物生长模型与遥感技术同化在作物产量预测上具有很大优势,但是由于作物模型在不同地区模拟,都需要当地的气象、土壤、作物的相关准确数据,从而保证模拟的结果准确可靠;而我国地域广阔,虽然为作物生长模型提供了非常大的应用空间,但是获取不同地点数据所耗的人力及物力也成为了其应用普及的阻碍。因此建议国家设立专门服务于这项技术的相关部门,为研究者提供准确的开放数据,以提高模型的适用性,同时也使其在农业资源的管理中发挥更大的作用。区域大尺度作物长势及产量预测研究日益受到重视,大尺度的数据同化意味着计算量的增大,数据同化的效率渐已成为学者关注的重要问题,因此对同化算法进行改进和完善,提高其运行速度,增加同化模型的实用性成为必然趋势。
参考文献[1]FANGHongliang,WUBingfang,LIUHaiyan,etal..UsingNO-AAAVHRRandLandsatTMtoestimatericeareayear-by-year[J].Int.j.remotesensing,1998,19(3):521-525.[2]王娣.高光谱与多光谱遥感水稻估产研究[D].武汉:武汉大学,2017:63.[3]RudorffBFT,BatistaGT.Spectralresponseofwheatanditsrela-tionshiptoagronomicvariablesinthetropicalregion[J].RemoteSensingofEnvironment,1990,31(1):53-63.[4]侯英雨,王石立.基于作物植被指数和温度的产量估算模型研究[J].地理学与国土研究,2002,18(3):105-107.