農(nóng)業(yè)信息化課程論文

1、遙感技術(shù)在農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10農(nóng)作物估產(chǎn)中的應(yīng)用摘要：遙感估產(chǎn)是基于作物特有的波譜反射特征，利用遙感手段對(duì)作物產(chǎn)量進(jìn)行監(jiān)測(cè)預(yù)報(bào)的一種技術(shù)，在農(nóng)業(yè)發(fā)展中具有傳統(tǒng)的統(tǒng)計(jì)方法不可比擬的優(yōu)勢(shì)，能客觀、動(dòng)態(tài)、快速、精準(zhǔn)地獲得農(nóng)作物長勢(shì)、產(chǎn)量等信息。遙感技術(shù)必須與其它工具相結(jié)合，才能更好地估產(chǎn)。本文主要研究了遙感技術(shù)在農(nóng)作物估產(chǎn)中的應(yīng)用，先介紹了遙感估產(chǎn)的基本原理和方法，分析了幾種與遙感技術(shù)結(jié)合的估產(chǎn)模型的優(yōu)劣；然后以冬小麥和玉米為例，介紹了兩種遙感估產(chǎn)模型；最后，分析了現(xiàn)有遙感估產(chǎn)存在的問題和遙感估產(chǎn)的發(fā)展方向，為遙感估產(chǎn)的進(jìn)一步研究提供了方向和思路。關(guān)鍵字：遙感技術(shù)，農(nóng)業(yè)，

2、估產(chǎn)TheApplicationofRemoteSensingTechnologyinEstimatingCropYieldAbstractEstimatingcropyieldbyremotesensingisatechnologymonitoringandforecastingcropyieldbyremotesensingbasedonspecificspectrumcharacteristicsofcrop.Ithasincomparableadvantagescomparedwithtraditionalstatisticalmethodsinthedevelopmentofagri

3、cultureanditcanacquiregrowingandyieldinformationofcropsinaobject,dynamic,fastandaccurateway.Toestimatingcropyieldbetter,remotesensingtechnologymustbecombinedwithothertechnologies.Inthispaper,theapplicationofremotesensingtechnologyinestimatingcropyieldisintroduced.Tobeginwith,thebasictheoryandmethodo

4、festimatingcropyieldbyremotesensingarementioned,thenthemeritsanddemeritsoftheestimatingmodelsintegratedintoremotesensingareanalyzed.Finally,theexistingproblemsandprospectarestatemented,whichproposeddirectionandthoughtsfornextresearches.KeywordsRemoteSensingTechnology,Agriculture,YieldEstimation1農(nóng)業(yè)信息

5、化課程論文-計(jì)科1201班-劉怡然-10目錄1引言原理和方法32遙感估產(chǎn)的32.1基本原理和方法32.2遙感估產(chǎn)方法評(píng)價(jià)32.3作物估產(chǎn)模型比較-43主要糧食作物估產(chǎn)模型53.1冬小麥產(chǎn)量分階段預(yù)測(cè)模型53.1.1技術(shù)流程53.1.2合理取樣數(shù)估計(jì)和樣方布設(shè)方法63.1.3估產(chǎn)方法63.1.4模型分析73.2玉米產(chǎn)量估算模型83.2.1模型中應(yīng)用的技術(shù)介紹-83.2.2處理方法83.2.3信息提取93.2.4模型與優(yōu)化算法94現(xiàn)有遙感估產(chǎn)方法存在的問題和發(fā)展方向114.1遙感估產(chǎn)方法存在的問題114.2遙感估產(chǎn)的發(fā)展方向115結(jié)束語-12參考文獻(xiàn)1引言作物產(chǎn)量-13農(nóng)業(yè)信息化課程論文-計(jì)科12

6、01班-劉怡然-10預(yù)測(cè)是農(nóng)業(yè)生產(chǎn)管理的重要內(nèi)容，也是國家制定農(nóng)業(yè)政策所不可缺少的重要農(nóng)業(yè)情報(bào)。對(duì)于農(nóng)戶及企業(yè)來說，在農(nóng)業(yè)生產(chǎn)各階段中能正確預(yù)測(cè)收成也是非常重要的，因此世界各國均投入了較大的人力、物力和財(cái)力，進(jìn)行作物產(chǎn)量預(yù)測(cè)試驗(yàn)研究，取得了較好的預(yù)測(cè)效果。在眾多農(nóng)作物估產(chǎn)的技術(shù)中，遙感技術(shù)具有宏觀、動(dòng)態(tài)、快速、準(zhǔn)確等優(yōu)點(diǎn)，可以在短時(shí)間內(nèi)連續(xù)獲取大范圍農(nóng)作物產(chǎn)量信息，是最有前景的農(nóng)作物估產(chǎn)方法之一。民以食為天。隨著人口的增加、氣候的波動(dòng)和可利用資源的減少，糧食安全問題一直備受關(guān)注。及時(shí)、準(zhǔn)確地了解一個(gè)國家或一個(gè)地區(qū)的糧食產(chǎn)量和年際變化，對(duì)于在國際糧食市場(chǎng)中占有主動(dòng)權(quán)和管理者采取有效管理措施至關(guān)重

7、要。遙感技術(shù)可以快速、準(zhǔn)確、動(dòng)態(tài)獲取農(nóng)業(yè)所需空間信息差異參數(shù)，大大提高了統(tǒng)計(jì)業(yè)務(wù)工作效率和科技水平，無疑地對(duì)實(shí)現(xiàn)國家及時(shí)、準(zhǔn)確地掌握糧食生產(chǎn)狀況、糧食宏觀調(diào)控和在國際農(nóng)產(chǎn)品貿(mào)易中爭(zhēng)取到主動(dòng)權(quán)具有重要意義。2遙感估產(chǎn)的原理和方法2.1基本原理和方法作物遙感估產(chǎn)是通過裝置于衛(wèi)星上的多波段地物光譜掃描儀，去獲取作物各生育期的光譜數(shù)據(jù)，并依此推斷作物產(chǎn)量，因此確定作物光譜特征與產(chǎn)量之間的數(shù)量關(guān)系，是作物遙感估產(chǎn)的基礎(chǔ)。作物遙感估產(chǎn)主要包括3個(gè)部分，第一，用遙感數(shù)據(jù)對(duì)作物進(jìn)行分層；第二，用遙感數(shù)據(jù)計(jì)算作物面積；第三，用遙感數(shù)據(jù)監(jiān)測(cè)作物長勢(shì)，結(jié)合農(nóng)業(yè)、天氣氣候等資料綜合估算平均單產(chǎn)，由面積和單產(chǎn)計(jì)算出總產(chǎn)

8、。2.2遙感估產(chǎn)方法評(píng)價(jià)作物遙感估產(chǎn)具有快速、宏觀、經(jīng)濟(jì)和客觀等優(yōu)點(diǎn)，因此日益被各國所重視。目前，遙感估產(chǎn)已從試驗(yàn)研究階段逐步進(jìn)入實(shí)際業(yè)務(wù)使用階段。內(nèi)外遙感估產(chǎn)的方法很多，基本可分為利用空間遙感資料（航天、航空資料）的作物估產(chǎn)和利用地面遙感資料（地面野外光譜測(cè)定）的作物估產(chǎn)，但不論哪一種方法，仍然存在以下問題：第一，遙感不能直接感知作物產(chǎn)量，只能通過測(cè)定作物光譜反射率來感知葉面積指數(shù)，但各種作物葉，面積指數(shù)與其經(jīng)濟(jì)產(chǎn)量之間并不一定都有直接的聯(lián)系。從1977年以來，美國開始尋找反射率與產(chǎn)量的定量關(guān)系，盡管采用了多種方法探索這種關(guān)系，但一直收獲很小。國內(nèi)外進(jìn)行了許多植被指數(shù)與產(chǎn)量之間關(guān)系的研究，多

9、集中于牧草及禾本科等作物上，而那些葉面積與產(chǎn)量相關(guān)較差的作物，3農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10就很難直接用遙感方法來估產(chǎn)。因此遙感技術(shù)必須與其它工具相結(jié)合，才能更好地估產(chǎn)。第二，純粹用遙感數(shù)據(jù)來估產(chǎn)，也只能稱為監(jiān)測(cè)產(chǎn)量，更確切地說是監(jiān)測(cè)作物葉面積或長勢(shì)，因此大多數(shù)遙感估產(chǎn)方法是把植被指數(shù)與天氣氣候條件相結(jié)合，利用統(tǒng)計(jì)方法建立一個(gè)綜合的估產(chǎn)模型。在一個(gè)農(nóng)業(yè)氣象產(chǎn)量數(shù)值模擬模式中所能考慮的影響作物產(chǎn)量的因素是很多的，如光合作用、呼吸作用、蒸騰作用等等，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葉面積指數(shù)和光合有效輻射吸收量等。因此，通過LAIAPAR遙感資料

10、來導(dǎo)出和，并將它們輸入模擬模式，LAIAPAR是衛(wèi)星遙感預(yù)測(cè)產(chǎn)量的方法途徑之一。本文第二章第三節(jié)中對(duì)各種作物估產(chǎn)的指標(biāo)模型進(jìn)行了探討，認(rèn)為通過計(jì)算農(nóng)作物的凈第一性生產(chǎn)力，實(shí)現(xiàn)大范圍農(nóng)作物產(chǎn)量估算和預(yù)報(bào)較為合適。2.3作物估產(chǎn)模型比較目前，作物估產(chǎn)的方法有抽樣調(diào)查、氣象模型、遙感估產(chǎn)、作物生長模擬模型等多種。其中抽樣調(diào)查與氣象模型估產(chǎn)，方法相對(duì)成熟、穩(wěn)定，已業(yè)務(wù)應(yīng)用多年，由于是統(tǒng)計(jì)模型，估產(chǎn)結(jié)果仍有相當(dāng)?shù)牟淮_定性。人類的認(rèn)識(shí)不會(huì)永遠(yuǎn)停留在一個(gè)水平上，總是要不斷創(chuàng)新，做到有所發(fā)展，有所前進(jìn)，因此機(jī)理性大面積估產(chǎn)模型應(yīng)運(yùn)而生。由于農(nóng)作物的葉面積指數(shù)（，）LAIleafareaindex是決定作物光合

11、作用速率的重要因子，LAI越高，單位LAI面積的作物穗數(shù)就越多作物截獲的光合有效輻射1就1越大，因此，很多學(xué)者利用各種植被指數(shù)，例如SRSR（）、（）、（simpleratioNDVInormalizeddifferencevegetationindexTCItemperaturecondition）、（）等，與作物的和生物量的indexVCIvegetationconditionindexLAI正2-3相關(guān)關(guān)系，建立植被指數(shù)與作物產(chǎn)量的線性或非2-3線性估算模型，從而實(shí)現(xiàn)對(duì)農(nóng)作物產(chǎn)量的估算和預(yù)報(bào)。然而，這種建立在植被指數(shù)與作物生物量關(guān)系基礎(chǔ)上的統(tǒng)計(jì)模型，當(dāng)研究區(qū)改變時(shí)，模型的形式也會(huì)隨之改變

12、，模型的適用性就要重新被檢驗(yàn)。隨著人們對(duì)農(nóng)作物產(chǎn)量遙感估算認(rèn)識(shí)的不斷深入，眾多學(xué)者又采用作物的凈第一性生產(chǎn)力（，）來估算農(nóng)NPPnetprimaryproductivity作物的產(chǎn)量。在對(duì)NPP進(jìn)行模擬時(shí)，大多采用光能利NPP用率模型。然而，這類方法仍然不能跳出統(tǒng)計(jì)模型的框架，并沒有從機(jī)理上解釋植被生產(chǎn)力的變化機(jī)制。因此，近年來一些學(xué)者試圖從機(jī)理上研究農(nóng)作物的生產(chǎn)力。鄔定榮、馬玉平、謝文霞等利用荷蘭瓦赫寧根大學(xué)開發(fā)的WOFOST模型對(duì)華北平原冬小麥和浙江水稻W(wǎng)OFOST的生長過程進(jìn)行適用性研究，并對(duì)模擬結(jié)果進(jìn)行了驗(yàn)證，認(rèn)為經(jīng)過區(qū)域化后的模型能夠很好地模擬WOFOST作物的生長過程；但是該模型在

13、對(duì)農(nóng)作物的光合作用過程進(jìn)行模擬時(shí)，模型的側(cè)重點(diǎn)在于對(duì)作物生長過程的模擬，對(duì)作物產(chǎn)量的估算沒有做詳盡的討論；馮險(xiǎn)峰利用北部生態(tài)系統(tǒng)生產(chǎn)力模擬（，4BEPSborealecosystem農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10productivitysimulator）模型模擬得到了全國陸地生態(tài)系統(tǒng)的NPP，并分析了不同土地覆被類型之間NNP的差異，但是模擬得到的農(nóng)田生態(tài)系統(tǒng)的NPP還是建立在森林生態(tài)系統(tǒng)的基礎(chǔ)之上而且也沒有把NNP進(jìn)一步推算到農(nóng)作物的產(chǎn)量上；于強(qiáng)等將作物冠層按LAI劃分為若干層次，該模型對(duì)冠層光合作用的理論研究、作物生長的數(shù)學(xué)模擬等有一定的意義，但是該方法僅是停留在理論模

14、擬階段，還沒有將其付諸于大范圍的應(yīng)用。并且，該方法也沒有進(jìn)一步發(fā)展，以最終得到作物的產(chǎn)量。因此，從理論上尋求一種基于作物光合作用機(jī)理的農(nóng)作物產(chǎn)量估算模型，走出各式各樣統(tǒng)4計(jì)模型的框架，成為農(nóng)業(yè)估產(chǎn)領(lǐng)域的研究焦點(diǎn)。隨著人們對(duì)作物產(chǎn)量形成機(jī)理探討的深入，將農(nóng)作物光合和呼吸作用的過程模型和衛(wèi)星遙感相結(jié)合，通過計(jì)算農(nóng)作物的凈第一性生產(chǎn)力，實(shí)現(xiàn)大范圍農(nóng)作物產(chǎn)量估算和預(yù)報(bào)，已經(jīng)成為一種可能。3主要糧食作物估產(chǎn)模型3.1冬小麥產(chǎn)量分階段預(yù)測(cè)模型關(guān)于作物產(chǎn)量遙感監(jiān)測(cè)預(yù)報(bào)，早期的研究大多是在分析光譜信息與作物長勢(shì)或產(chǎn)量形成關(guān)系的基礎(chǔ)上通過統(tǒng)計(jì)預(yù)報(bào)等途徑建立回歸模型而進(jìn)行的。但由于作物每一生長時(shí)段內(nèi)周圍環(huán)境的可變

15、性，只通過作物某一生長階段的瞬時(shí)信息預(yù)測(cè)成熟期產(chǎn)量會(huì)出現(xiàn)很大偏差，因此綜合作物生長過程的估產(chǎn)算法應(yīng)運(yùn)作物遙感監(jiān)測(cè)業(yè)務(wù)化運(yùn)行系統(tǒng)中，作物產(chǎn)量預(yù)測(cè)采用的農(nóng)業(yè)遙感估產(chǎn)法主要是以作物面而生。農(nóng)業(yè)部遙感應(yīng)用中心建立的全國農(nóng)積提取和單產(chǎn)模型預(yù)測(cè)為基礎(chǔ)，結(jié)合土壤水分狀況評(píng)價(jià)和作物長勢(shì)分析，進(jìn)而對(duì)作物產(chǎn)量進(jìn)行綜合預(yù)測(cè)和預(yù)報(bào)。其對(duì)農(nóng)作物單產(chǎn)預(yù)測(cè)的時(shí)效性和精確度要求較高，需要在作物生長的不同階段及時(shí)獲得作物生長動(dòng)態(tài)及產(chǎn)量信息，從而實(shí)時(shí)調(diào)整作物生產(chǎn)預(yù)報(bào)情報(bào)，以便更好地為上級(jí)管理部門提供決策支持信息，進(jìn)而為我國農(nóng)業(yè)遙感監(jiān)測(cè)產(chǎn)量提供預(yù)警服務(wù)。3.1.1技術(shù)流程農(nóng)作物產(chǎn)量由農(nóng)作物生長狀況決定，農(nóng)作物生長狀況主要受到其內(nèi)在

16、遺傳因子和外在環(huán)境條件的雙重影響。其中遺傳因子的影響作用主要通過其產(chǎn)量構(gòu)成因子即穗數(shù)、粒數(shù)和粒質(zhì)量進(jìn)行外部表達(dá)，同時(shí)受到外在環(huán)境條件如土壤狀況、氣象條件和管理措施的綜合作用。很早就有研究人員提出可以利用產(chǎn)量構(gòu)成因子來解釋遺傳和環(huán)境因子如何在作物發(fā)育的不同階段影響作物收獲產(chǎn)量，隨著對(duì)生殖生長量化理解的深入，發(fā)現(xiàn)利用三因子模型來模擬和預(yù)測(cè)籽粒產(chǎn)量及其構(gòu)成方面是有用的。因此，在對(duì)傳統(tǒng)農(nóng)學(xué)產(chǎn)量測(cè)定方法改進(jìn)的基礎(chǔ)上，根據(jù)農(nóng)業(yè)部冬小麥遙感監(jiān)測(cè)時(shí)間表，分別在冬小麥生長的抽穗期（前期）、灌漿期（中期）、收獲期（后期）進(jìn)行數(shù)據(jù)的取樣和測(cè)定，以滿足農(nóng)作物遙感監(jiān)測(cè)不同時(shí)效的預(yù)警需求，流程如下圖所示：方法采用常用的C

17、ochran針對(duì)區(qū)域純隨機(jī)取樣而構(gòu)造的合理取樣數(shù)量計(jì)算公式：式中22n（t巴dstdn:最佳取樣數(shù)量t:與顯著性水平相對(duì)應(yīng)的標(biāo)準(zhǔn)正態(tài)偏差R:樣本標(biāo)準(zhǔn)差stdd:樣本平均值與相對(duì)誤差的乘積，由于隨機(jī)變量總體標(biāo)準(zhǔn)差未知，只能用樣本方差來代替。根據(jù)產(chǎn)量調(diào)查資料，計(jì)算得到該縣冬小麥產(chǎn)量估測(cè)的合理取樣數(shù)量。由于產(chǎn)量的區(qū)域平均變化率常小于田塊尺度的變化率，所以為了減小誤差，要求所有樣方點(diǎn)盡量均勻分布，并且在同一田塊內(nèi)采用3點(diǎn)斜線取樣法進(jìn)行重復(fù)取樣，每個(gè)樣方點(diǎn)都用GPS逐一定位。在冬小麥生長的3個(gè)主要階段即抽穗期、灌漿期和收獲期，對(duì)冬小麥的平均2行距及1m樣方內(nèi)的有效穗數(shù)、穗粒數(shù)和千粒質(zhì)量進(jìn)行實(shí)地調(diào)查，同時(shí)

18、記錄農(nóng)戶聯(lián)系信息和相關(guān)管理信息根據(jù)實(shí)際抽測(cè)產(chǎn)量值劃分產(chǎn)量水平等級(jí)，確定權(quán)重，求得估測(cè)產(chǎn)量；待完全收獲后，調(diào)查農(nóng)戶收獲產(chǎn)量，以便驗(yàn)證。3.1.3估產(chǎn)方法以玉冬小麥為試驗(yàn)材料，以冬小麥產(chǎn)量構(gòu)成三因子即單位面積有效穗數(shù)（以下簡(jiǎn)稱穗數(shù)）、穗粒數(shù)、千粒質(zhì)量為研究對(duì)象，采用隨機(jī)抽樣和重復(fù)抽樣的方法進(jìn)行樣點(diǎn)布設(shè)。傳統(tǒng)農(nóng)學(xué)產(chǎn)量預(yù)測(cè)模型為：6農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10yxxxf1232式中Y：理論單產(chǎn)值，ks/hmx：穗數(shù)1x：穗粒數(shù)2x千粒質(zhì)量，g3f:去除收獲和晾曬損耗的實(shí)收產(chǎn)量系數(shù)，一般取0.85由于產(chǎn)量構(gòu)成因子之一的畝穗數(shù)在作物生育中期就可獲得，那么在假設(shè)后期作物不會(huì)受到明顯的氣象

19、災(zāi)害或病蟲害的影響下，利用單因子預(yù)產(chǎn)模型可以提前預(yù)測(cè)冬小麥產(chǎn)量。給出單因子預(yù)產(chǎn)模型的定義：利用實(shí)測(cè)作物的單位面積（66672m）莖數(shù)結(jié)合作物管理水平、葉面積系數(shù)和當(dāng)年的氣象條件，按莖數(shù)的80一95成穗（根據(jù)經(jīng)驗(yàn)和當(dāng)?shù)厣a(chǎn)條件，若作物種植密度過大，單位面積穗數(shù)超過60萬以上，需要考慮穗粒數(shù)和千粒質(zhì)量的遞減因素，結(jié)合品種特性做系數(shù)調(diào)整），進(jìn)行量綱換算后，得到估測(cè)產(chǎn)量值的一種方法。關(guān)于土、氣、肥、水的配合說明如下：一般的地力要求，土壤有機(jī)質(zhì)含量在1以上，全氮01，有效磷2.5-4.92g/m，酌施鉀肥和微肥。葉面積系數(shù)要求苗期為0812,拔節(jié)期為3.0左右，抽穗期506.0；土壤含水率保持在田間持水

20、率的60左右為宜。將傳統(tǒng)的作物單產(chǎn)預(yù)測(cè)模型改造為單因子預(yù)產(chǎn)模型式中a:經(jīng)驗(yàn)系數(shù)同理，雙因子預(yù)產(chǎn)模型是指在冬小麥生長中期（灌漿期乳熟期），假設(shè)當(dāng)年冬小麥千粒質(zhì)量為常年千粒質(zhì)量，只需實(shí)地測(cè)定冬小麥的穗數(shù)和穗粒數(shù)，再與常年千粒質(zhì)量相乘。經(jīng)過系數(shù)訂正后即可得到冬小麥的雙因子預(yù)產(chǎn)值。雙因子預(yù)測(cè)模型為:式中b年千粒質(zhì)量，g雙因子預(yù)產(chǎn)模型是在假設(shè)冬小麥千粒質(zhì)量與常年千粒質(zhì)量相同的條件下進(jìn)行的。千粒質(zhì)量作為常數(shù)值出現(xiàn)，考慮到多種因素會(huì)對(duì)常年千粒質(zhì)量產(chǎn)生影響，此處建議采用近5年調(diào)查千粒質(zhì)量的平均值作為常年千粒質(zhì)量。3.1.4模型分析單因子預(yù)產(chǎn)模型的應(yīng)用最好選擇在作物單位面積穗數(shù)基本穩(wěn)定不變的時(shí)期進(jìn)行。所以利用單

21、因子預(yù)產(chǎn)模型，適宜在農(nóng)戶對(duì)冬小麥進(jìn)行水肥管理措施實(shí)施后進(jìn)行，根據(jù)試驗(yàn)經(jīng)驗(yàn)，一般選擇在抽穗中后期為宜，從而可以將產(chǎn)量預(yù)報(bào)的時(shí)間提前。雙因子預(yù)產(chǎn)模型適合在作物穗粒數(shù)基本穩(wěn)定的（碼）數(shù)和小穗粒階段進(jìn)行，穗粒數(shù)主要由小穗7農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10數(shù)決定。因此，最佳應(yīng)用雙因子預(yù)產(chǎn)模型的時(shí)間應(yīng)該在灌漿期后期，此時(shí)籽粒退化數(shù)基本穩(wěn)定，有利于穗粒數(shù)的測(cè)量。應(yīng)用上述方法時(shí)，要結(jié)合當(dāng)?shù)刈魑锏膶?shí)際農(nóng)時(shí)歷進(jìn)行，同時(shí)需要提前對(duì)作物的生長特性、作物管理水平、常年產(chǎn)量狀況以及當(dāng)年的氣象狀況有適度的了解，在作物生長不同階段的氣象災(zāi)害或病蟲害均可能對(duì)產(chǎn)量產(chǎn)生影響，應(yīng)密切關(guān)注。3.2玉米產(chǎn)量估算模型3.2

22、.1模型中應(yīng)用的技術(shù)介紹目前，作物生長模型，如CERES-Maize(cropenvironmentresourcesynthesis-Maize)模型，已經(jīng)在農(nóng)作物生長評(píng)估、精準(zhǔn)農(nóng)業(yè)、農(nóng)田管理決策、氣候變化影響等領(lǐng)域得到了廣泛地應(yīng)用。遙感信息與作物生長模型集成的方法分為驅(qū)動(dòng)法和同化法。其中，同化法受到了更多的關(guān)注。在同化過程中可以同化遙感反演值，也可以直接同化光譜反射率，而在同化后者時(shí)，植被冠層反射率模型，如SAIL模型(scatteringbyarbitrarilyinclinedleaves),需要與作物生長模型相耦合。目前，中分辨率成像光譜儀(moderateresolutionima

23、gingspectroradiometer,MODIS)數(shù)據(jù)作為主要的遙感數(shù)據(jù)源被廣泛應(yīng)用于區(qū)域農(nóng)作物長勢(shì)監(jiān)測(cè)和產(chǎn)量估算研究。不過在農(nóng)田地塊較小、分布較為零散、破碎化程度較高的區(qū)域，很難保證MODIS像元是純像元，此時(shí)需要結(jié)合更高空間分辨率的遙感影像進(jìn)行數(shù)據(jù)同化研究。以往的同化估產(chǎn)研究往往只針對(duì)某一年的遙感數(shù)據(jù)估算農(nóng)作物的單位產(chǎn)量，缺乏分析遙感數(shù)據(jù)和同化算法在年內(nèi)作物產(chǎn)量及年際間產(chǎn)量差估測(cè)中的作用。3.2.2處理方法以2013、2014和2015年3個(gè)玉米生長季為研究時(shí)段，提出了基于多時(shí)相MODIS和TM觀測(cè)數(shù)據(jù)的區(qū)域玉米產(chǎn)量同化估算方案。將TM、MODIS和土地利用圖進(jìn)行空間配準(zhǔn)對(duì)土地利用圖

24、與MODIS數(shù)據(jù)進(jìn)行疊加，判斷MODIS像元中旱地作物所占的比例。利用MODIS數(shù)據(jù)分別在像元和亞像元尺度提取玉米作物種植面積和空間分布，結(jié)合可用的TM遙感觀測(cè)，提取MODIS像元和亞像元尺度的玉米冠層反射率信息，構(gòu)成時(shí)間序列遙感觀測(cè)數(shù)據(jù)集。將氣象數(shù)據(jù)、土壤數(shù)據(jù)、田間觀測(cè)和玉米品種遺傳參數(shù)作為模型輸入?yún)?shù)，驅(qū)動(dòng)CERES-Maize模型，模擬玉米的生長發(fā)育進(jìn)程。為了將遙感觀測(cè)到的玉米生長期間作物冠層方向反射波譜的時(shí)間序列變化信息用于區(qū)域玉米產(chǎn)量估算，采用遙感數(shù)據(jù)和作物生長模型同化的方法，通過葉面積指數(shù)leafareaindex，LAI)將作物生長模型CERES-Maize與冠層反射率模型SAI

25、L相耦合利用耦合模型模擬得到遙感觀測(cè)時(shí)的冠層反射率。通過對(duì)CERES-Maize和SAIL模型參數(shù)的敏感性分析確定待優(yōu)化參數(shù)。針對(duì)玉米作物所在的MODIS像元和亞像元，利用時(shí)間序列遙感觀測(cè)反射率和SCE-UA算法(shuffledcomplexevolution8農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10methoddevelopedattheUniversityofArizona)優(yōu)化模型的待優(yōu)化參數(shù)，得到參數(shù)的最優(yōu)估計(jì)值，進(jìn)而估算2013、2014和2015年玉米產(chǎn)量，結(jié)合玉米產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)對(duì)同化估產(chǎn)結(jié)果進(jìn)行驗(yàn)證。在此基礎(chǔ)上，通過比較年際間及年內(nèi)產(chǎn)量的時(shí)空變化，進(jìn)一步探討利用時(shí)間序列遙

26、感信息與同化方法估算作物產(chǎn)量的能力，分析時(shí)間序列遙感數(shù)據(jù)在年內(nèi)產(chǎn)量及年際間產(chǎn)量差估測(cè)過程中的作用。3.2.3信息提取隨著玉米作物的生長，LAI逐漸增大，且在玉米吐絲期達(dá)到最大，隨后LAI呈逐漸減小的趨勢(shì)。提取2013、2014和2015年DOY169、177、185、193、201、209、217、225、233、241共10次旱地作物覆蓋的NBAR(nadirBRDF-adjustedreflectance）像元及亞像元的紅光和近紅外波段反射率，計(jì)算比值植被指數(shù)（ratiovegetationindex,RVI）。RVI的計(jì)算公式為：式中:NIR代表遙感近紅外波段反射率，R代表紅光波段反射率

27、?？紤]到某些日期受天氣等因素影響，難免存在質(zhì)量不好的像元，導(dǎo)致時(shí)間序9列RVI存在波動(dòng)現(xiàn)象，利用S-G濾波（Savitzky-Golay）對(duì)RVI進(jìn)行平滑，得到RVI時(shí)間序列變化廓線。對(duì)玉米作物覆蓋的像元（或亞像元）而言，時(shí)間序列RVI應(yīng)該遵循玉米LAI的變化規(guī)律。旱地作物中玉米占相當(dāng)大的比例，其吐絲期一般在7月下旬左右，因此，玉米作物覆蓋的像元（或亞像元）RVI應(yīng)該也在7月下旬左右達(dá)到最大。如果旱地純像元HI（或亞像元）RVI遵從這一規(guī)律，則視為玉米覆蓋的像元（或亞像元）。統(tǒng)計(jì)三年玉米覆蓋的MODIS像元數(shù)、含有玉米信息的MODIS混合像元。利用MODIS數(shù)據(jù)估算的三年玉米種植面積和統(tǒng)計(jì)面積

28、之間的相對(duì)誤差，若其誤差在10%以內(nèi)，說明了利用本文建議的方法估算玉米種植面積是可行的。3.2.4模型與優(yōu)化算法CERES-Maize模型源自農(nóng)業(yè)技術(shù)推廣決策支持系統(tǒng)，是經(jīng)過大量試驗(yàn)資料驗(yàn)證過的、動(dòng)態(tài)的、機(jī)理性強(qiáng)的玉米作物生長模型，可以模擬土壤水分平衡、氮素平衡、物候發(fā)育和作物生長過程等。驅(qū)動(dòng)CERES-Maize模型需要?dú)庀髷?shù)I=Jl=據(jù)、土壤數(shù)據(jù)、作物管理數(shù)據(jù)和品種遺傳參數(shù)。模型中氣象數(shù)據(jù)包括日太陽輻射、日最高氣溫、日最低氣溫和日降水量，其中溫度和降水?dāng)?shù)據(jù)來自于氣象站點(diǎn)，太陽輻射由日照時(shí)數(shù)通過埃斯屈朗公式轉(zhuǎn)換得到；土壤性質(zhì)數(shù)據(jù)包括田間持水量、土壤容重、有機(jī)碳含量、土壤粒徑百分比等描述土壤水

29、文和化學(xué)的參數(shù)，將CERES-Maize模型應(yīng)用到區(qū)域尺度，需要對(duì)其進(jìn)行區(qū)域校準(zhǔn)，即對(duì)特定地區(qū)確定代表性品種的過程。目前大多數(shù)研究主要基于大量的地面觀測(cè)數(shù)據(jù)，利用試錯(cuò)法校準(zhǔn)作物生長模型。在區(qū)域尺度且地面觀測(cè)數(shù)據(jù)較少的情況下，不適于應(yīng)用試錯(cuò)法?？紤]到一定地理范圍內(nèi)，受溫度和日照條件影響，同種作物的種植習(xí)慣及生長發(fā)育過程均固定在一定時(shí)間段內(nèi)。在CERES-Maize模型中，品種遺傳參數(shù)幼苗期生長特性參數(shù)、光周期敏感參數(shù)、灌漿期特性參數(shù)和出葉間隔特性參數(shù)決定了玉米的生育時(shí)9農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-10期，單株最大籽粒數(shù)和潛在灌漿速率參數(shù)僅影響作物產(chǎn)量。選擇某年為基準(zhǔn)年，將種植日期

30、、幼苗期生長特性參數(shù)、光周期敏感參數(shù)、灌漿期特性參數(shù)和出葉間隔特性參數(shù)分別在各自取值區(qū)間內(nèi)均勻采樣10000次，然后將不同的參數(shù)采樣組合代入CERES-Maize模型進(jìn)行模擬，判斷落入到CERES-Maize玉米合理生育時(shí)期的采樣組合，經(jīng)過反復(fù)試驗(yàn)，確定出滿足榆樹市玉米生育時(shí)期的遺傳參數(shù)取值范圍。將主推玉米品種最大籽粒數(shù)的平均值作為CERES-Maize模型CERES-Maize中單株最大籽粒數(shù)的取值，結(jié)合該年地面實(shí)測(cè)產(chǎn)量數(shù)據(jù)，在幼苗期生長特性參數(shù)、光周期敏感參數(shù)、灌漿期特性參數(shù)和PHINT取區(qū)間中值、單株最大籽粒數(shù)固定PHINT的情況下，模擬玉米產(chǎn)量，然后和地面實(shí)測(cè)產(chǎn)量相比較，當(dāng)模擬和實(shí)測(cè)產(chǎn)

31、量基本吻合時(shí)，潛在灌漿速率參數(shù)8的取值作為該參數(shù)的校準(zhǔn)值。SCE-UA算法是在控制隨機(jī)搜索方法和遺傳算法基礎(chǔ)上發(fā)展起來的，此外還引入了復(fù)雜形分割與混合的思想，通過采用競(jìng)爭(zhēng)演化和復(fù)合型混合的概念，繼承了全局搜索和復(fù)合型演化的特性。SCEUa算法靈活、應(yīng)用面廣泛，不拘泥于具SCE-UA體問題，對(duì)非線性優(yōu)化問題能夠獲得準(zhǔn)確的優(yōu)化結(jié)果。代價(jià)函數(shù)的表達(dá)式如下：nTIT1式中，()為要求解的代J(x)J(xJ(xx)B(xx)(vH(LAI)R(yH(LAI)bbiiiiii1價(jià)函數(shù)，向量代表待優(yōu)化參數(shù)的取值；向量b代表xxb待優(yōu)化參數(shù)的數(shù)學(xué)期望值；B為向量x的誤差協(xié)方差Bx矩陣；i為遙感觀測(cè)的次數(shù)；n為

32、經(jīng)質(zhì)量控制后的總遙in感觀測(cè)次數(shù)；向量為第i次遙感觀測(cè)紅光和近.紅外yii反射率數(shù)據(jù)，無量綱；R為向量y的誤差協(xié)方差矩陣RyLAI為CERESM.22模型模擬的第次遙感觀測(cè)時(shí)刻的LAILAICERES-Maizeiii22iLAI,m/；為SAIL模型；上標(biāo)T表示矩陣的轉(zhuǎn)置。待優(yōu)化/mH()SAILT參數(shù)包括種植日期、種植密度、光周期敏感參數(shù)、葉片紅光和近紅外波段反射率。其中，種植日期和種植密度的標(biāo)準(zhǔn)差根據(jù)當(dāng)?shù)赜衩追N植情況及實(shí)地調(diào)查情況確定；光周期敏感參數(shù)的標(biāo)準(zhǔn)差根據(jù)CERES-Maize模型區(qū)CERES-Maize域校準(zhǔn)及模擬情況給定；葉片紅光和近紅外波段反射率的標(biāo)準(zhǔn)差主要參考實(shí)地測(cè)量及中國

33、典型9-10地物波9-10譜數(shù)據(jù)庫中玉米組分波譜設(shè)定；遙感觀測(cè)反射率的誤差主要根據(jù)文獻(xiàn)設(shè)定；B和R均設(shè)為對(duì)角陣。選用SCE-UA優(yōu)化算法求解式，優(yōu)化成功后與最小i代價(jià)函數(shù)值對(duì)i應(yīng)的種植日期、種植密度、光周期敏感參數(shù)、葉片紅光和近紅外波段反射率等5個(gè)參數(shù)取值稱為“最優(yōu)值”將種植日期、種植密度和光周期敏感參數(shù)的“最優(yōu)值”連同其他輸入?yún)?shù)一起輸入到CERES-Maize模型，模擬得CERES-Maize到數(shù)據(jù)同化后的產(chǎn)量結(jié)果。10農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-104現(xiàn)有遙感估產(chǎn)方法存在的問題和發(fā)展方向4.1遙感估產(chǎn)方法存在的問題在政府部門的大力支持和眾多學(xué)者的努力下，我國的作物遙感估產(chǎn)

34、方法雖然建立了較好的理論與技術(shù)體系，取得了一定的研究與應(yīng)用成果,但與發(fā)達(dá)國家相比,在應(yīng)用的深度與廣度上仍存在很大差距。首先是遙感數(shù)據(jù)源的選取和精度的控制方面?，F(xiàn)在用來進(jìn)行估產(chǎn)的遙感影像主要有:NOAA/AVHRR、EOS/MODIS以及Landsat/TM影像等。高的遙感估產(chǎn)精度需要有高的空間分辨率，時(shí)間分辨率和光譜分I三1=1I三1=1辨率信息源的保障。由于受估產(chǎn)成本的限制，一般大范圍農(nóng)作物遙感估產(chǎn)多采用廉價(jià)的衛(wèi)星數(shù)據(jù)，如NOAA/AVHRR、EOS/MODIS等資料。時(shí)間分辨率雖然很高，但相對(duì)的空間分辨率比較差,很難準(zhǔn)確提取農(nóng)作物的分布和面積信息。小范圍的農(nóng)作物遙感估產(chǎn)若采用價(jià)格較昂貴的衛(wèi)

35、星資料，如SPOT影像，空間上精度提高了，時(shí)間分辨率卻降低了，不能對(duì)小麥等作物進(jìn)行連續(xù)的觀測(cè)監(jiān)測(cè)，最終還是會(huì)影響估產(chǎn)精度。其次，絕大部分作物遙感估產(chǎn)模型在小區(qū)試驗(yàn)中都能取得較高的精度，但其大面積估產(chǎn)時(shí)不能滿足專業(yè)化要求。究其原因，這些遙感估產(chǎn)模型多是依據(jù)植被指數(shù)與農(nóng)學(xué)參數(shù)間的相關(guān)性而建立的回歸模型，具有很強(qiáng)的經(jīng)驗(yàn)性，普適性較差。今后在作物遙感估產(chǎn)模型構(gòu)建中，應(yīng)考慮模型的機(jī)理性與普適性，以增強(qiáng)估產(chǎn)模型在區(qū)域間或年份間的通用性。另外，缺乏可面向?qū)嶋H應(yīng)用的遙感估產(chǎn)信息系統(tǒng)。遙感估產(chǎn)信息系統(tǒng)是對(duì)作物的整個(gè)生長過程進(jìn)行系統(tǒng)監(jiān)測(cè)和管理，利用程序語言工具，將遙感數(shù)據(jù)、地形數(shù)據(jù)、氣象數(shù)據(jù)、品種資源數(shù)據(jù)和社會(huì)經(jīng)

36、濟(jì)數(shù)據(jù)進(jìn)行綜合集成，可以實(shí)現(xiàn)數(shù)據(jù)管理、信息查詢、長勢(shì)分析、產(chǎn)量估測(cè)以及決策服務(wù)等功能的計(jì)算機(jī)信息管理系統(tǒng)。近年來，在作物遙感監(jiān)測(cè)信息系統(tǒng)研制與開發(fā)方面取得一些進(jìn)展，但不太成熟。4.2遙感估產(chǎn)的發(fā)展方向準(zhǔn)確、迅速、全面的信息交流將是數(shù)字農(nóng)業(yè)發(fā)展的必然趨勢(shì)。將遙感技術(shù)和其他信息技術(shù)集成，建立面向農(nóng)業(yè)生產(chǎn)的農(nóng)作物估產(chǎn)信息系統(tǒng)，可以為糧食部門或農(nóng)業(yè)生產(chǎn)管理者提供信息化、智能化的農(nóng)情決策服務(wù)。針對(duì)農(nóng)作物遙感估產(chǎn)的研究現(xiàn)狀和存在的一些問題，在遙感技術(shù)和相關(guān)信息技術(shù)的發(fā)展基礎(chǔ)上，應(yīng)加快I三1=1農(nóng)作物感估產(chǎn)的信息化集成應(yīng)用的步伐，在以下幾個(gè)方面開展研究：第一，利用現(xiàn)有的數(shù)據(jù)源提高估產(chǎn)精度；第二，利用數(shù)據(jù)反演綜合氣候環(huán)境因子進(jìn)行農(nóng)作物遙感估產(chǎn)；第三，極端氣候條件下的產(chǎn)量評(píng)估；第四，開展遙感估產(chǎn)技術(shù)的信息化集成研究提供專業(yè)化服務(wù)。11農(nóng)業(yè)信息化課程論文-計(jì)科1201班-劉怡然-105結(jié)束語遙感估產(chǎn)模型的構(gòu)建是農(nóng)作物遙感估產(chǎn)