專利名稱：基于模型的小麥產(chǎn)量遙感監(jiān)測(cè)預(yù)報(bào)方法
技術(shù)領(lǐng)域：
本發(fā)明方法是涉及一種作物遙感估產(chǎn)的方法，尤其是能動(dòng)態(tài)地對(duì)區(qū)域范圍內(nèi)小麥產(chǎn)量進(jìn)行預(yù)測(cè)，并能制作產(chǎn)量分級(jí)預(yù)報(bào)專題圖的小麥產(chǎn)量分級(jí)監(jiān)測(cè)預(yù)報(bào)方法。
背景技術(shù)：
傳統(tǒng)的作物估產(chǎn)方法主要有農(nóng)學(xué)預(yù)報(bào)方法、統(tǒng)計(jì)預(yù)報(bào)方法、氣象統(tǒng)計(jì)方法等。由于這些估產(chǎn)方法需要大量數(shù)據(jù)統(tǒng)計(jì)、人工調(diào)查等，存在速度慢、工作量大、成本高的問(wèn)題，大都只適合小范圍內(nèi)的作物估產(chǎn)。上世紀(jì)70年代以來(lái)，遙感技術(shù)在世界范圍內(nèi)得到了迅速發(fā)展和廣泛應(yīng)用，它為作物產(chǎn)量估算提供了一種新的科學(xué)手段。關(guān)于小麥產(chǎn)量遙感估測(cè)，大多數(shù)研究方法是在分析影像數(shù)據(jù)的光譜信息與小麥長(zhǎng)勢(shì)或產(chǎn)量形成關(guān)系的基礎(chǔ)上，通過(guò)建立回歸模型而進(jìn)行。這類方法雖然操作簡(jiǎn)單，但經(jīng)驗(yàn)性強(qiáng)，通用性較差。因?yàn)槔眠b感影像可以獲取小麥某一生長(zhǎng)階段的瞬時(shí)長(zhǎng)勢(shì)信息，但只通過(guò)該階段的長(zhǎng)勢(shì)信息預(yù)測(cè)成熟期產(chǎn)量時(shí)會(huì)出現(xiàn)很大偏差，因?yàn)樵陬A(yù)測(cè)時(shí)段內(nèi)氣候環(huán)境條件(溫度、光照、土壤氮素水平、土壤水分狀況等)在不斷地變化著，對(duì)小麥最終產(chǎn)量的形成有很大的影響作用。

發(fā)明內(nèi)容
針對(duì)傳統(tǒng)遙感估產(chǎn)方法存在經(jīng)驗(yàn)性強(qiáng)、通用性較差的特點(diǎn)，本方法將遙感反演技術(shù)和小麥產(chǎn)量形成過(guò)程的定量化模擬技術(shù)相耦合，在構(gòu)建小麥產(chǎn)量預(yù)測(cè)模型的基礎(chǔ)上，利用遙感反演信息訂正產(chǎn)量預(yù)測(cè)模型運(yùn)行軌跡，再通過(guò)“點(diǎn)”(樣點(diǎn)產(chǎn)量預(yù)測(cè)值)與“面”(遙感影像)形式轉(zhuǎn)換，達(dá)到對(duì)區(qū)域小麥產(chǎn)量監(jiān)測(cè)預(yù)報(bào)的目的。本發(fā)明所建立的小麥遙感估產(chǎn)方法，機(jī)理性強(qiáng)、通用性較強(qiáng)，可為不同年份間、不同區(qū)域內(nèi)小麥產(chǎn)量的遙感分級(jí)監(jiān)測(cè)預(yù)報(bào)提供技術(shù)或方法支持。主要發(fā)明內(nèi)容與技術(shù)問(wèn)題介紹如下1.小麥產(chǎn)量預(yù)測(cè)模型描述小麥產(chǎn)量(Yield)可以通過(guò)利用成熟時(shí)的植株地上部干物重(Above-ground Biomassffeight, ABff)與收獲指數(shù)(Harvest Index, HI)的乘積獲得，其算法如下Yield = ABffiXHI(1)式(1)中，ABffi為成熟時(shí)的植株地上部干物重(單位為kg · ha—1)，i為從播種到成熟時(shí)的天數(shù)(d)，此時(shí)i等于生育期(d)。在小麥生長(zhǎng)期間，植株地上部干物重可通過(guò)下式獲得ABffi = ABffi^1+ Δ ABffi(2)式(2)中，ABWJP ABWp1分別為第i天和第i_l天的植株地上部干物重(kg -ha"1)。 ABW1 (出苗第一天的地上部干物重)定義為播種重量(kg*ha)的一半。AABWi為第i天植株地上部干物質(zhì)的日增重(kg · ha"1 · cf1)，其算法如下Δ ABffi = Δ DABffi-RGi-RMi(3)式(3)中，ADABffi, RGi和RMi分別為第i天植株的光合同化量(kg · ha—1 · cf1)、 生長(zhǎng)呼吸消耗量(kg · ha—1 · cf1)、和維持呼吸消耗量(kg · ha—1 · cf1)。RGi和RMi的算法如下RGi = Δ DABffi X Rg(4)RMi = ABffiXRmXQ10^2s710(5)式中，Rg為生長(zhǎng)呼吸系數(shù)，取值0.32。式(5)中，Rm為維持呼吸系數(shù)，取值 0.015。Qltl為呼吸作用的溫度系數(shù)，取值2。T為日平均氣溫(°C )。式(4)中植株的日光合同化量ADABWi的算法，表述為下式ADABWiχ Ln\--Ax DL χ δ χ Min(NF,WF)^、
KxA [\ +Dx Exp^KxLAIi))(6)D = ΑΧΟ. 47Χ (1-α ) XQ/DL式(6)中，K為群體消光系數(shù)。LAI為葉面積指數(shù)，D為中間變量，α為小麥群體反射率，取值8%。Q為每日太陽(yáng)總輻射量(MJ*m_2)。B、A為實(shí)驗(yàn)系數(shù)、分別取值5和20。 δ為CH2O與CO2間的轉(zhuǎn)換系數(shù)，取值0.68。NF、WF分別為氮素影響因子和水分影響因子。 DL為日長(zhǎng)(h)，可通過(guò)下式計(jì)算獲得DL = 2x Acos[-Tan(φ)χΤαη(β)]/15 (7)
β = 23. 5 X Sin [360 X (n+284) /365]式(7)中，口為地理緯度(° )，β為太陽(yáng)赤緯。η為儒歷日(η = 1，2，3，...，365)。2.遙感反演信息與小麥產(chǎn)量預(yù)測(cè)模型的耦合模式小麥產(chǎn)量預(yù)測(cè)模型中的葉面積指數(shù)(LAI)和生物量(ABW)是產(chǎn)量形成極為關(guān)鍵的群體質(zhì)量指標(biāo)，利用遙感技術(shù)容易捕獲。利用遙感植被指數(shù)反演LAI和ABW指標(biāo)值，耦合小麥產(chǎn)量模型可以達(dá)到對(duì)小麥產(chǎn)量估算的目的。遙感反演信息與產(chǎn)量模型耦合采用符合微軟 COM標(biāo)準(zhǔn)的組件式設(shè)計(jì)方法，其耦合模式結(jié)構(gòu)請(qǐng)參見(jiàn)附

圖1。小麥估產(chǎn)模型按照微軟的COM標(biāo)準(zhǔn)以DLL的形式進(jìn)行封裝，設(shè)計(jì)如下組件名WheatRS.dll接口名IWheatInoutput接口函數(shù)Wheatlnoutputfunction (VARIANT FAR*Meto, VARIANT FAR氺Interface， VARIANT FAR氺RS， VARIANT FAR氺Output)其中，Wheatlnoutputfunction 為函數(shù)名，VARIANT FAR*Meto、VARIANT FAR^Interface, VARIANT FAR*RS 禾口 VARIANT FAR*0utput分別為氣象數(shù)據(jù)、界面輸入數(shù)據(jù)、遙感數(shù)據(jù)信息和產(chǎn)量結(jié)果輸出變體。3.小麥產(chǎn)量遙感分級(jí)監(jiān)測(cè)預(yù)報(bào)方法小麥種植面積提取是遙感估產(chǎn)的必備前提或重要基礎(chǔ)。首先，利用IS0DATA法進(jìn)行小麥種植面積提取。然后，利用地面GPS控制點(diǎn)提取遙感影像各樣點(diǎn)的NDVI值，將所提取NDVI值輸入葉面積指數(shù)(LAI)和生物量反演模型，便可獲得各樣點(diǎn)的LAI和生物量預(yù)測(cè)數(shù)據(jù)。最后，將各樣點(diǎn)的LAI和生物量數(shù)據(jù)輸入到小麥產(chǎn)量預(yù)測(cè)模型中，便可獲得各樣點(diǎn)的產(chǎn)量預(yù)測(cè)數(shù)據(jù)信息。采用線性轉(zhuǎn)換法，將各樣點(diǎn)產(chǎn)量數(shù)據(jù)信息與影像NDVI耦合，形成基于遙感影像的區(qū)域產(chǎn)量信息圖。依據(jù)區(qū)域小麥品種產(chǎn)量表現(xiàn)情況進(jìn)行分級(jí)，最后進(jìn)行產(chǎn)量統(tǒng)計(jì)分析和產(chǎn)量專題圖制作(參見(jiàn)附圖2)。4、有益效果對(duì)冬小麥產(chǎn)量進(jìn)行遙感分級(jí)監(jiān)測(cè)預(yù)報(bào)，有利于農(nóng)業(yè)管理部門及時(shí)獲取冬小麥區(qū)域
產(chǎn)量信息，便于其制定有效的栽培管理措施，達(dá)到增產(chǎn)的目的。
2008年-2009年，利用本發(fā)明方法，對(duì)江蘇省泰興市、姜堰市、如皋市、海安市、大豐市、興華市、儀征市等地的冬小麥產(chǎn)量進(jìn)行監(jiān)測(cè)預(yù)報(bào)，估產(chǎn)精度達(dá)90%以上。進(jìn)一步，采用 “點(diǎn)”(模型預(yù)測(cè))與“面”(區(qū)域顯示)線性轉(zhuǎn)換的方法，制作了小麥產(chǎn)量遙感監(jiān)測(cè)分級(jí)預(yù)報(bào)圖(參見(jiàn)附圖幻，具有直觀、具體、時(shí)效性好的特點(diǎn)，對(duì)基層農(nóng)業(yè)技術(shù)人員獲取區(qū)域小麥布局信息或指導(dǎo)生產(chǎn)管理具有較好的實(shí)用性，應(yīng)用面積達(dá)300多萬(wàn)畝。
具體實(shí)施例方式1.材料與方法1. 1 材料2008年在江蘇省泰興市(東經(jīng)116° 18' 121 ° 57'，北緯30° 45' 35° 20')選取20個(gè)實(shí)驗(yàn)樣點(diǎn)，在衛(wèi)星過(guò)境時(shí)期，利用差分GPS進(jìn)行定點(diǎn)調(diào)查和取樣。每個(gè)點(diǎn)按三角形型選擇3個(gè)區(qū)(區(qū)間間隔5m)，每區(qū)按0. 5mX0. 5m面積取植株樣，最終數(shù)據(jù)按3個(gè)區(qū)的平均獲得。調(diào)查的內(nèi)容包括樣點(diǎn)的地理位置、田間農(nóng)情概況、葉面積指數(shù)、及生物量等信息。品種為揚(yáng)麥14號(hào)和揚(yáng)麥13號(hào)。葉面積指數(shù)采用比葉重法測(cè)定。生物量測(cè)定，先在105°C下殺青20min，隨后在75°C下烘干，稱取烘干重量。產(chǎn)量測(cè)定，各樣點(diǎn)均利用 50mX50cm樣框，按照田塊對(duì)角線5點(diǎn)(四角點(diǎn)間隔IOm)取樣，每個(gè)點(diǎn)lm2，共取5m2籽粒， 然后烘干，稱取重量。選用Landsat/TM影像數(shù)據(jù)，星下點(diǎn)分辨率為30m。在泰興市過(guò)境時(shí)間是2008年 5月2日。當(dāng)日天氣晴朗，無(wú)云，衛(wèi)星影像質(zhì)量較好，正逢小麥開(kāi)花期。影像處理，在利用 ERDAS軟件對(duì)影像進(jìn)行幾何校正的同時(shí)，結(jié)合實(shí)測(cè)的GPS控制點(diǎn)進(jìn)行幾何精校正，確保校正誤差小于1個(gè)像元。大氣輻射校正和反射率轉(zhuǎn)換是利用地面定標(biāo)體的實(shí)測(cè)反射率數(shù)據(jù)和對(duì)應(yīng)的衛(wèi)星影像的原始DN值，采用經(jīng)驗(yàn)線性法轉(zhuǎn)換獲得。1. 2產(chǎn)量預(yù)測(cè)及產(chǎn)量分級(jí)監(jiān)測(cè)預(yù)報(bào)小麥種植面積提取是遙感估產(chǎn)的必備前提或重要基礎(chǔ)。首先，利用IS0DATA法進(jìn)行小麥種植面積提取，并疊加GPS樣點(diǎn)校驗(yàn)。然后，在ERDAS軟件中，利用20個(gè)GPS控制點(diǎn)提取遙感影像各樣點(diǎn)的NDVI值，將所提取NDVI值輸入葉面積指數(shù)(LAI)和生物量反演模型，便可獲得各樣點(diǎn)的LAI和生物量預(yù)測(cè)數(shù)據(jù)。最后，將各樣點(diǎn)的LAI和生物量數(shù)據(jù)輸入到小麥估產(chǎn)模型中，便可獲得各樣點(diǎn)的產(chǎn)量預(yù)測(cè)數(shù)據(jù)信息。采用線性轉(zhuǎn)換法，將各樣點(diǎn)產(chǎn)量數(shù)據(jù)信息與影像NDVI耦合，形成基于遙感影像的區(qū)域產(chǎn)量信息圖。依據(jù)泰興當(dāng)?shù)匦←溒贩N產(chǎn)量表現(xiàn)情況進(jìn)行分級(jí)，利用GIS系統(tǒng)軟件進(jìn)行產(chǎn)量統(tǒng)計(jì)分析和產(chǎn)量專題圖制作(參見(jiàn)附圖 2)。2.結(jié)果分析經(jīng)過(guò)小麥面積遙感解譯，并疊加試驗(yàn)樣點(diǎn)的數(shù)據(jù)校正，得到泰興市2008年冬小麥種植面積是44678. 71ha,而該市2008年實(shí)際冬小麥種植面積為43333. 33ha (該面積數(shù)據(jù)由當(dāng)?shù)剞r(nóng)業(yè)部門提供)，精確度在95%，結(jié)果較為可靠。在分析“NDVI —長(zhǎng)勢(shì)指標(biāo)(LAI與生物量)一估產(chǎn)模型一產(chǎn)量”關(guān)系的基礎(chǔ)上，先用樣點(diǎn)矢量信息提取樣點(diǎn)NDVI數(shù)值，再利用樣點(diǎn)NDVI反演(推算)LAI和地上部生物量數(shù)據(jù)，結(jié)合估產(chǎn)模型(模型參數(shù)見(jiàn)表1)，計(jì)算出樣點(diǎn)產(chǎn)量數(shù)據(jù)。表1小麥品種參數(shù)信息
權(quán)利要求
1. 一種基于小麥產(chǎn)量形成過(guò)程的產(chǎn)量預(yù)測(cè)模型；通過(guò)組件化的設(shè)計(jì)方法實(shí)現(xiàn)了遙感信息和產(chǎn)量預(yù)測(cè)模型的耦合，利用抽穗期遙感影像反演的LAI和生物量及時(shí)替換小麥估產(chǎn)模型對(duì)應(yīng)參數(shù)變量，進(jìn)而實(shí)現(xiàn)對(duì)單點(diǎn)小麥產(chǎn)量的估測(cè)；采用“點(diǎn)”(樣點(diǎn)產(chǎn)量)與“面”(遙感區(qū)域)尺度轉(zhuǎn)換的方法，進(jìn)行區(qū)域小麥產(chǎn)量遙感分級(jí)監(jiān)測(cè)預(yù)報(bào)，可形成區(qū)域小麥產(chǎn)量遙感監(jiān)測(cè)分級(jí)預(yù)報(bào)專題圖。
全文摘要
本發(fā)明方法是涉及一種作物遙感估產(chǎn)的方法。該方法，基于遙感信息獲取的瞬時(shí)性與廣域性，結(jié)合小麥產(chǎn)量形成過(guò)程及其與氣候環(huán)境的關(guān)系，建立了較為簡(jiǎn)化的小麥產(chǎn)量預(yù)測(cè)模型；通過(guò)組件化的設(shè)計(jì)方法實(shí)現(xiàn)了遙感信息和估產(chǎn)模型的耦合，即，利用抽穗期遙感影像反演的LAI和生物量及時(shí)替換小麥估產(chǎn)模型對(duì)應(yīng)參數(shù)變量，進(jìn)而實(shí)現(xiàn)對(duì)單點(diǎn)小麥產(chǎn)量的估測(cè)，估產(chǎn)精度能達(dá)到90％以上；進(jìn)一步，采用“點(diǎn)”(樣點(diǎn)產(chǎn)量)與“面”(遙感區(qū)域)尺度轉(zhuǎn)換的方法，進(jìn)行區(qū)域小麥產(chǎn)量遙感分級(jí)監(jiān)測(cè)預(yù)報(bào)，制作區(qū)域小麥產(chǎn)量遙感監(jiān)測(cè)分級(jí)預(yù)報(bào)專題圖，具有直觀、具體、時(shí)效性好的特點(diǎn)，對(duì)縣級(jí)農(nóng)業(yè)技術(shù)人員獲取區(qū)域小麥布局信息或指導(dǎo)生產(chǎn)管理具有較好的實(shí)用性。
文檔編號(hào)G01S17/89GK102162850SQ201010161140
公開(kāi)日2011年8月24日 申請(qǐng)日期2010年4月12日 優(yōu)先權(quán)日2010年4月12日
發(fā)明者李衛(wèi)國(guó), 王紀(jì)華 申請(qǐng)人:江蘇省農(nóng)業(yè)科學(xué)院