envi學(xué)習(xí)數(shù)據(jù)第三套-優(yōu)秀遙感課件及實(shí)驗(yàn)sas20158

1、基于SPOT-5 影像的冬小麥拔節(jié)期生物量及氮積累量監(jiān)測(cè)1王備戰(zhàn) 1，2，溫暖 3，（1 山西2農(nóng)學(xué)院，山西太谷 030801；省農(nóng)業(yè)農(nóng)業(yè)經(jīng)濟(jì)與信息中心，鄭州450008；3經(jīng)濟(jì)與管理學(xué)院，鄭州 450002）摘 要：【目的】建立基于 SPOT-5 遙感信息的冬小麥拔節(jié)期地上部生物量和氮積累量的遙感監(jiān)測(cè)模型，為利用 SPOT-5 影像進(jìn)行大面積小麥生產(chǎn)力和氮素調(diào)控提供依據(jù)。【方法】分析冬小麥拔節(jié)期地上部生物量和氮積累量與同期 SPOT-5 光譜參數(shù)之間的定量關(guān)系，篩選出適宜的光譜參數(shù)，建立并評(píng)價(jià)冬小麥拔節(jié)期地上部生物量和氮積累量的遙感監(jiān)測(cè)模型?！窘Y(jié)果】綠光、紅光和近紅外波段反射率與冬小麥拔節(jié)期

2、地上部生物量和氮積累量的相關(guān)系數(shù)均達(dá)到極顯著水平。其中，近紅外波段反射率對(duì)地上部生物量反應(yīng)最敏感，綠光波段反射率則對(duì)地上部氮積累量反應(yīng)最敏感。利用歸一化植被指數(shù)（NDVI）為變量建立地上部生物量指數(shù)函數(shù)遙感監(jiān)測(cè)模型表現(xiàn)最優(yōu)，決定系數(shù)（R2）達(dá)到 0.696*，均誤差（RMSE）達(dá)到 258.92 kg/hm2。利用近紅外和綠光波段反射率的比值為變量建立地上部氮積累量線性函數(shù)遙感監(jiān)測(cè)模型表現(xiàn)最優(yōu)，R2 達(dá)到 0.717*，RMSE 達(dá)到 19.24 kg/hm2。依據(jù)上述模型，制作了 區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖。【結(jié)論】SPOT-5 影像在冬小麥拔節(jié)期小麥長(zhǎng)勢(shì)監(jiān)測(cè)中能夠獲

3、得較高精度，具有廣泛的應(yīng)用前景。：冬小麥；SPOT-5；拔節(jié)期；生物量；氮積累量；監(jiān)測(cè)模型Monitoring Biomass and N Accumulation at Joing Stage inWer Wheat Based on SPOT-5 ImagesWANG Bei-zhan1，F(xiàn)ENG Xiao2, WEN Nuan3，Wu-de1(1. College of Agriculture, Shanxi Agriculture University, Taigu 030801, Chain; 2 . Agricultural Economy andInformation Resea

4、rch Center, Henan Academy of Agricultural Scien, Zhengzhou 450008, Chain；3 .College ofEconomics and Management, Henan Agriculturaiversity, Zhengzhou 450002, China)Abstract: 【Objective】Establishing above-ground biomass weight, N accumulation of werwheajoing period monitoring equations based on SPOT-5

5、 images to provide reference forprediction of productivity and nitrogen regulation to the large scale wheat production.【Method】Using SPOT-5 images and test data, the relationships wereyzed betn spectral parameterand above-ground biomass weight, N accumulation of wer wheajoing period, then themonitor

6、ing equations were established【. Result】The correlation betn reflectance of green, red,near-infrared band and above-ground biomass weight, N accumulation reached 0.01 significantlevel all. Reflectance of near-infrared band had the mossitive response for above-ground收稿日期：基金項(xiàng)目：省重點(diǎn)科技攻關(guān)項(xiàng)目（029102110042）；

7、山西省科技攻關(guān)項(xiàng)目（20110311038）作者簡(jiǎn)介：王備戰(zhàn)（1969），男，開封人，博士，主要從事作物生態(tài)和農(nóng)業(yè)。山西太谷 山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，030801。通訊作者：: wangb（1960），男，山西河，教授，博士生導(dǎo)師，主要從事作物生態(tài)和農(nóng)業(yè)。山西太谷 山西農(nóng)學(xué)院，030801。:biomass weight, and reflectance of red band had the mossitive response for above-ground NNDVI inversed plant above-groundaccumulation. The exponential func

8、tion mbiomass weight optimum,were 0.696*based onR2andt of RMSE were 258.92 kg/hm2. Theexponential function mbased on the reflectance ratio of near-infrared band to red bandinversed plant above-ground N accumulation optimum, R2 were 0.717* andt of RMSE were19.24 kg/hm2. Based on the monitoring ms, th

9、e thematic maps were produced to monitorabove-ground biomass and N accumulation at joing stage.【can achieve high Preciin growth monitoring of wer whea wide application prospect.】Using SPOT-5 imagesjoing period and is aKey words: wer wheat; SPOT-5; joing stage; biomass; nitrogen accumulation; monitor

10、ing m0引言【意義】利用遙感技術(shù)，快速、無(wú)損、省時(shí)省力地監(jiān)測(cè)作物長(zhǎng)勢(shì)、氮素營(yíng)養(yǎng)狀況以及環(huán)境脅迫的各種信息，據(jù)此對(duì)作物進(jìn)行相應(yīng)的調(diào)控措施管理，可有效減少投入物質(zhì)施用量、增加產(chǎn)量、改善品質(zhì)、降低生產(chǎn)成本、減少環(huán)境污染?！厩叭诉M(jìn)展】國(guó)內(nèi)外許多學(xué)者利用不同的遙感信息源對(duì)小麥長(zhǎng)勢(shì)和氮素營(yíng)養(yǎng)進(jìn)行監(jiān)測(cè)，并取得了顯著進(jìn)展1-7。目前，對(duì)于地面遙感進(jìn)行小麥生長(zhǎng)監(jiān)測(cè)的已基本成熟8-13。雖然地面遙感受環(huán)境影響小，精度較高，但覆蓋范圍小，設(shè)備價(jià)格昂貴，但在農(nóng)作物監(jiān)測(cè)中大范圍推廣應(yīng)用存在較大。與地面遙感相比，遙感具有覆蓋范圍大、獲取便利的優(yōu)點(diǎn)，在大尺度的作物生產(chǎn)管理中具有重要的應(yīng)用價(jià)值。高精度逐漸發(fā)展起來(lái)14-1

11、7?！颈镜某晒Πl(fā)射，使利用遙感技術(shù)進(jìn)行作物監(jiān)測(cè)的切入點(diǎn)】生物量可以表征作物長(zhǎng)勢(shì)狀況，對(duì)光能利用、干物質(zhì)生產(chǎn)及產(chǎn)量形成具有重要作用。氮素是植物生命活動(dòng)以及作物產(chǎn)量和品質(zhì)影響最為顯著的營(yíng)養(yǎng)元一18,19，氮積累量是生物量和全氮含量的綜合反映，可作為作物氮素營(yíng)養(yǎng)和籽粒生產(chǎn)力的重要指標(biāo)3。拔節(jié)期是小麥生長(zhǎng)過(guò)程中肥水管理的關(guān)鍵時(shí)期，通過(guò)實(shí)時(shí)監(jiān)測(cè)其長(zhǎng)勢(shì)及營(yíng)養(yǎng)狀況，從而進(jìn)行相應(yīng)的肥水管理及調(diào)控非常重要。SPOT-5多光譜段分辨率為 10 米，重訪周期 5 天，在農(nóng)業(yè)遙感應(yīng)用方面具有廣闊的應(yīng)用前景。而目前，我國(guó)在利用 SPOT-5 遙感影像進(jìn)行小麥長(zhǎng)勢(shì)及營(yíng)養(yǎng)監(jiān)測(cè)方面較少。【擬解決的關(guān)鍵問(wèn)題】本文通過(guò)分析 SP

12、OT-5 光譜參數(shù)與冬小麥拔節(jié)期地上部生物量和氮積累量之間的定量關(guān)系，篩選監(jiān)測(cè)拔節(jié)期冬小麥地上部生物量和氮積累量的敏感光譜參數(shù)，構(gòu)建并檢驗(yàn)基于敏感光譜參數(shù)的遙感監(jiān)測(cè)模型，并制作區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖，為利用 SPOT-5 影像進(jìn)行大面積小麥生產(chǎn)力1 材料與方法1.1 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)獲取和氮素調(diào)控提供依據(jù)。試驗(yàn) 1：2008-2009 年度在安陽(yáng)縣農(nóng)科所試驗(yàn)田（11878 E，3204 N）進(jìn)行。供試品種為16。前茬玉米田，土壤耕層有機(jī)質(zhì) 1.71%，全氮 0.12%，速效氮 26.78mgkg-1，速效磷 9.46 mgkg-1，速效鉀 182.38 mgkg-1，

13、PH 值 8.31。裂區(qū)試驗(yàn)設(shè)計(jì)，主處理設(shè) 2 種氮肥運(yùn)籌方式 10 和 32（基肥拔節(jié)期追肥）；副處理設(shè) 3 個(gè)氮素水平，分別為 100、200和 300kghm-2，另設(shè)不施N 肥處理為空白對(duì)照。各處理配施 90 kghm-2 P2O5，磷肥全部用作基肥。試驗(yàn)為隨機(jī)區(qū)組排列，2 次重復(fù)，小區(qū)面積 6060=3600 m2，行距 20 cm。其他栽培管理措施同當(dāng)?shù)匾话愀弋a(chǎn)麥田。小區(qū)邊界等位置信息由 Trimble 公司產(chǎn)品GPS Pathfinder背掛式 GPS獲取。于 3 月 22 日進(jìn)行拔節(jié)期地上部生物量及氮積累量測(cè)定。在每個(gè)樣點(diǎn)選取 3 處有代表性的植株各 20 株，每處取地上部分，

14、在 105下殺青 30min，并在 80下烘干后稱重。將植株后采用凱氏定氮法測(cè)定全氮含量，計(jì)算地上部氮積累量。該試驗(yàn)數(shù)據(jù)全部用于建立模型。試驗(yàn) 2：2008-2009 年度在省安陽(yáng)縣各鄉(xiāng)鎮(zhèn)選擇分布分散、有代表性的樣點(diǎn) 37 個(gè)。選取的每個(gè)樣點(diǎn)一般為一戶種植的田塊，面積不小于 90 m90 m，樣點(diǎn)與道路距離在 100m以上，樣點(diǎn)邊界等位置信息獲取方式同試驗(yàn) 1。小麥品種主要為16、矮抗 58 和366。于 3 月 22 日與 3 月 23 日進(jìn)行拔節(jié)期取樣，室內(nèi)測(cè)試分析地上部生物量及氮積累量，方法同試驗(yàn) 1。從 37 個(gè)樣點(diǎn)中按樣點(diǎn)位置分散選取 17 個(gè)樣點(diǎn)數(shù)據(jù)與試驗(yàn) 1 數(shù)據(jù)一同用于建立模型

15、，其他 20 個(gè)樣點(diǎn)數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ汀?.2 遙感影像數(shù)據(jù)獲取及預(yù)處理遙感數(shù)據(jù)為 2009 年 3 月 19 日的 SPOT-5 HRV 過(guò)境影像。利用 ERDAS Imagine 軟件對(duì)遙感數(shù)據(jù)進(jìn)行幾何精校正，在 區(qū)范圍內(nèi)選擇 30 個(gè)具有明顯特征且均勻分布的地面控制點(diǎn)，幾何校正計(jì)算模型為二次方多項(xiàng)式，采用了鄰近像元重采樣的方法，投影參數(shù)選擇Krasovsky 參考橢球下的 Albers 投影，校正誤差控制在 1 個(gè)像元之內(nèi)。在完成對(duì) SPOT5 遙感影像幾何糾正基礎(chǔ)上，對(duì)其進(jìn)行地物輻射亮度和地物反射率計(jì)算20，而后采用 ENVI 附帶的基于輻射傳輸模型 MODTRAN 的大氣校正模塊 FL

16、AASH21，將視反射率數(shù)據(jù)轉(zhuǎn)換為地面反射率影像。1.3 光譜參數(shù)的選擇與構(gòu)建表 1 為 SPOT-5 HRV 的波段特征參數(shù)。本選擇 B1、B2 和 B3 波段參與分析，其具體數(shù)值利用 ERDAS 軟件中的 M數(shù)，具體算法見表 2。Maker 模塊提取。基于這 3 個(gè)波段構(gòu)建了 12 個(gè)光譜參表 1 SPOT-5 傳感器波段特征Table 1 Spectral characteristic of SPOT-5波譜范圍Wavelength/nm空間分辨率 Spatial Resolution /m波段Wavebands主要應(yīng)用領(lǐng)域Main application fieldsB1 B2 B3B

17、44906106106807808901580175010101020探測(cè)健康植物綠色反射率，區(qū)分植被類型和評(píng)估作物長(zhǎng)勢(shì)測(cè)量植物綠色素吸收率，進(jìn)行植物分類測(cè)定生物量和作物長(zhǎng)勢(shì)，區(qū)分植被類型探測(cè)植物含水量及土壤濕度，區(qū)別云與雪表 2 SPOT-5 影像光譜參數(shù)Table 2 Broadbang vegeion indiused for SPOT-5 imageryysis光譜參數(shù)Spectral parameter計(jì)算公式Algorithm formulaR B3 / R B2R B3 - R B 2(R B3 - R B 2 ) /(R B3 + R B 2 )1.5(RB3 - RB 2 )

18、/(RB3 + RB 2 + 0.5)(1 + 0.16)(R B3 - R B 2 )/ (R B 3 + R B 2 + 0.16)NDVI DVI(R B3 - R B1 ) /(R B3 + R B1 ) (R B1 - R B 2 ) /(R B1 + R B 2 ) R B3 / R B1R B1 / R B 2 R B3 - R B1 R B1 - R B 2比值植被指數(shù) RVI差值植被指數(shù) DVI 歸一化植被指數(shù) NDVI土壤調(diào)整植被指數(shù) SAVI優(yōu)化土壤調(diào)節(jié)植被指數(shù) OSAVI再歸一化植被指數(shù) RDVI綠色歸一化植被指數(shù) GNDVI綠度植被指數(shù) VI其他植被指數(shù)The oth

19、er vegeiom index注：R 代表反射率。Notes: R represent the reflectivity.1.4 數(shù)據(jù)分析與利用以試驗(yàn) 1 中的全部數(shù)據(jù)和試驗(yàn) 2 中選取的 17 個(gè)樣點(diǎn)數(shù)據(jù)為基礎(chǔ)，分析冬小麥拔節(jié)期地上部生物量和氮積累量與 SPOT-5 遙感變量間的相關(guān)性，通過(guò)回歸分析建立遙感監(jiān)測(cè)模型，采用的曲線估計(jì)模型包括一元線性、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)與冪函數(shù)四種。利用試驗(yàn) 2 中選取的 20 個(gè)樣點(diǎn)數(shù)據(jù)對(duì)所建模型進(jìn)行評(píng)價(jià)，采用均誤差（RMSE）進(jìn)行檢驗(yàn)，并通過(guò)繪制實(shí)測(cè)值與監(jiān)測(cè)值之間的 11 關(guān)系圖，檢驗(yàn)監(jiān)測(cè)模型的可靠性。2 結(jié)果與分析2.1 拔節(jié)期冬小麥地上部生物量及氮積累

20、量與光譜參數(shù)的相關(guān)性分析對(duì)拔節(jié)期冬小麥地上部生物量及氮積累量與光譜參數(shù)進(jìn)行相關(guān)性分析，結(jié)果表明(表 3)，地上部生物量及氮積累量與單波段光譜反射率的相關(guān)性均達(dá)到了極顯著水平，其中生物量與B3 的相關(guān)性最好，氮積累量與 B1 相關(guān)性最好?；?B3 和 B2 兩波段組合及基于 B3 和 B1兩波段組合建立的光譜參數(shù)與生物量及氮積累量的相關(guān)性較之單一波段反射率均有明顯提高，并且 B3 和 B2 兩波段組合對(duì)生物量反應(yīng)較 B3 和 B1 兩波段組合敏感；B3 和 B1 兩波段組合則對(duì)氮積累量反應(yīng)較 B3 和 B2 兩波段組合敏感。同時(shí)還發(fā)現(xiàn)，基于 B2 和 B1 兩波段組合建立的光譜參數(shù)對(duì)生物量及氮

21、積累量反應(yīng)的靈敏度較之單一波段反射率不僅未增強(qiáng)，反而大大降低。與 NDVI 相比，改進(jìn)植被指數(shù) SAVI 和 OSAVI 均未提高對(duì)生物量和氮積累量反應(yīng)的敏感性。綜合以上分析，篩選 RVI 和 NDVI拔節(jié)期冬小麥地上部生物量，篩選R B3 / R B1 和 GNDVI拔節(jié)期冬小麥地上部氮積累量。表 3 拔節(jié)期地上生物量和氮積累量與光譜參數(shù)間的相關(guān)性Table 3 Correlation betn Biomass and N accumulation and Spectral parameter at jo ing stage (2009, n=24)光譜參數(shù)Spectral paramete

22、r生物量Biomass氮積累量N accumulationB1 B2 B3 RVI DVI NDVI SAVIOSAVI RDVI GNDVI VIR B3 / R B1R B1 / R B 2 R B3 - R B1 R B1 - R B 2-0.702*-0.682* 0.712*0.819*0.783*0.827*0.797*0.801*0.803*0.787*-0.254 0.794*-0.242 0.767*-0.409*-0.797*-0.709* 0.670*0.814*0.767*0.794*0.784*0.763*0.779*0.843*-0.358 0.847*-0.344

23、 0.811*-0.521*注：*表示通過(guò) 0.01 顯著性檢驗(yàn)；*表示通過(guò) 0.05 顯著性檢驗(yàn)。Notes: * indicates passing the significant testof 0.01; * indicates passing the significant test of 0.05.2.2 拔節(jié)期冬小麥地上部生物量遙感監(jiān)測(cè)模型基于篩選的 RVI 和 NDVI 采用一元線性、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)與冪函數(shù) 4 種曲線估計(jì)依次建立拔節(jié)期冬小麥地上部生物量遙感監(jiān)測(cè)模型見表 4。從表中可以看出，各監(jiān)測(cè)模型決定系數(shù)均比較高，且差異很小。其中，利用 NDVI 為變量建立的指數(shù)函數(shù)和利

24、用 RVI 為變量建立的冪函數(shù)監(jiān)測(cè)模型擬合效果最好，決定系數(shù)（R2）分別達(dá)到 0.696 和 0.688。從建立的基于 RVI 和 NDVI 的生物量變化散點(diǎn)圖（圖 1）可以看出，冬小麥拔節(jié)期地上部生物量介于 3603.675568.14 kg/hm2 之間，同期 SPOT-5 影像的 RVI 在 1.422.52 之間，NDVI 在 0.170.43 之間。樣點(diǎn)群體大小差異明顯，表明樣點(diǎn)選取具有較強(qiáng)的代表性，能夠基本反映當(dāng)時(shí) 區(qū)地上部生物量狀況。地上部生物量隨 NDVI 和 RVI 均呈現(xiàn)顯著正相關(guān)的變化趨勢(shì)。表 4 拔節(jié)期地上部生物量與光譜參數(shù)的定量關(guān)系Table4ive relation

25、ship betn above-ground biomass weight and spectral parameter at jo ing stage(2009, n=24)光譜參數(shù)Spectral parameter模型類型Types of m回歸方程EquationR2sy = 2250.9e0 386xy = 2950.3x0 7290.682*指數(shù)ExponentialRVI0.688*冪函數(shù)ery = 1809.3x + 1273.90.678*線性Liney = 3398.2Ln(x) + 2558.20.675*對(duì)數(shù)Logarithmicy = 2905.6e1 552x0.6

26、96*指數(shù)Exponentialy = 7916.2x0 4370.682*冪函數(shù)erNDVIy = 7247.4x + 2484.40.684*線性Liney = 2018.1Ln(x) + 7136.10.626*對(duì)數(shù)Logarithmic注：*表示通過(guò) 0.01 顯著性檢驗(yàn)；*表示通過(guò) 0.05 顯著性檢驗(yàn)。Notes: * indicates passing the significant testof 0.01; * indicates passing the significant test of 0.05.圖 1 拔節(jié)期地上部生物量與 NDVI 和 RVI 植被指數(shù)的關(guān)系Fig.

27、1 Relationship betn above-ground biomass weight and NDVI、RVI at jo ing stage2.3 拔節(jié)期冬小麥地上部氮積累量遙感監(jiān)測(cè)模型基于篩選的R B3 / R B1 和 GNDVI 采用一元線性、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)與冪函數(shù) 4 種曲線估計(jì)依次建立拔節(jié)期冬小麥地上部生物量遙感監(jiān)測(cè)模型見表 5。從表中可以看出，除了利用 GNDVI 建立的冪函數(shù)和對(duì)數(shù)函數(shù)監(jiān)測(cè)模型外，其他監(jiān)測(cè)模型決定系數(shù)均較高。其中，基于 RB3/RB1 建立的線性函數(shù)和對(duì)數(shù)函數(shù)監(jiān)測(cè)模型以及基于 GNDVI 建立的線性函數(shù)監(jiān)測(cè)模型擬合效果最好，R2 分別達(dá)到 0.71

28、7、0.713 和 0.711。從建立的基于 RB3/RB1 和 GNDVI 的氮積累量變化散點(diǎn)圖（圖 2）可以看出，冬小麥拔節(jié)期地上部氮積累量介于 108.75205.05 kg/hm2之間，樣點(diǎn)差異較為明顯，能夠基本反映當(dāng)時(shí)安陽(yáng)縣地上部氮積累量狀況。同期 SPOT-5 HRV影像的 RB3/RB1 在 1.002.14 之間，GNDVI 在 0.000.36 之間，樣點(diǎn)差異較為明顯，表明樣點(diǎn)選取具有較強(qiáng)的代表性，能夠基本反映當(dāng)時(shí)區(qū)地上部氮積累量狀況。表 5 拔節(jié)期地上部氮積累量與光譜參數(shù)的定量關(guān)系Table5ive relationship betn nitrogen accumulati

29、on above and spectral parameter at jo ing stage(2009, n=24)光譜參數(shù)Spectral parameter模型類型Types of m回歸方程EquationR2sR B3 / R B1y = 68.787e0 536x0.687*指數(shù)Exponential生物量 Biomass(kghm-2)生物量 Biomass(kghm-2)6000y = 2905.6e1.552x5500R2 = 0.696500045004000350030000.10.20.30.40.5歸一化植被指數(shù)NDVI6000y = 2950.3x0.7295500

30、R2 = 0.6885000450040003500300011.522.53比值植被指數(shù)RVIy = 111.27x0 8260.699*冪函數(shù)ery = 84.566x + 28.8980.717*線性Liney = 128.97Ln(x) + 105.320.713*對(duì)數(shù)Logarithmicy = 110.3e1 731x0.699*指數(shù)Exponentialy = 167.06x0 0530.308*冪函數(shù)erGNDVIy = 269.65x + 104.050.711*線性Liney = 7.485Ln(x) + 167.070.257*對(duì)數(shù)Logarithmic注：*表示通過(guò) 0

31、.01 顯著性檢驗(yàn)；*表示通過(guò) 0.05 顯著性檢驗(yàn)。Notes:* indicates passing the significant testof 0.01; * indicates passing the significant test of 0.05.圖 2 拔節(jié)期地上部氮積累量與R B3 / R B1 和 GNDVI 植被指數(shù)的關(guān)系n above-ground N accumulation and R B3 / R B1 、GNDVI at jo ing stageFig.2 Relationship bet2.4 模型驗(yàn)證利用試驗(yàn) 2 中分散選取的 20 個(gè)樣點(diǎn)數(shù)據(jù)對(duì)上述建立的冬

32、小麥拔節(jié)期地上部生物量及氮積累量監(jiān)測(cè)模型采用 RMSE 進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果表明，利用 NDVI 指數(shù)函數(shù)建立的地上部生物量遙感監(jiān)測(cè)模型（y = 2905.6e1 552x）以及利用 RB3/RB1 線性函數(shù)建立的地上部氮積累量遙感監(jiān)測(cè)模型（y = 84.566x + 28.898）檢驗(yàn)效果最好，RMSE 值分別為 258.92 kg/hm2 和 19.24kg/hm2。圖 3 為基于上述兩模型構(gòu)建的值與實(shí)測(cè)值間的 1：1 關(guān)系圖，監(jiān)測(cè)值與實(shí)測(cè)值之間較為吻合。以上檢驗(yàn)表明，建立的模型監(jiān)測(cè)冬小麥拔節(jié)期地上部生物量及氮積累量是可行的。2.5 拔節(jié)期冬小麥地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖圖 4 為

33、利用 2009 年 3 月 19 日 SPOT-5 影像數(shù)據(jù)及上述經(jīng)檢驗(yàn)后的監(jiān)測(cè)模型制作的區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖。從圖中可以看出，區(qū)冬小麥拔節(jié)期地上部生物量與氮積累量均呈現(xiàn)西低東高趨勢(shì)，柏莊鎮(zhèn)以東地區(qū)冬小麥種植面積較大，地上部生物量值多數(shù)在 3000 kg/hm2 以上，地上部氮積累量值多數(shù)在 120 kg/hm2 以上；柏莊鎮(zhèn)以西地區(qū)冬小麥種植較少，地上部生物量值以 3000 kg/hm2 以下為主，地上部氮積累量值以 120 kg/hm2 以下為主。圖中顯示的冬小麥拔節(jié)期地上部生物量與氮積累量空間分氮積累量Nitrogenaccumulation（kghm-2)

34、氮積累量Nitrogenaccumulation（kghm-2)210 y = 84.566x + 28.898200R2 = 0.7171901801701601501401301201101000.511.522.5RB3/RB1y = 269.65x + 104.05 R2 = 0.711180170160150140130120110100.10.20.30.4綠色歸一化植被指數(shù)GNDVI布量化情況與實(shí)際一致，能夠較理想地實(shí)現(xiàn)冬小麥拔節(jié)期地上部生物量和氮積累量空間分布量化的可視表達(dá)，從而為指導(dǎo)大面積小麥生產(chǎn)上的生產(chǎn)力和氮素調(diào)控提供依據(jù)。圖 3值與實(shí)測(cè)值比較Fig.3 Compariso

35、n of monitored value with measured圖 4區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖Fig.4 Thematic maps for monitoring plant above-ground biomass weight,N accumulation of w er wheajo ing stage3利用遙感數(shù)據(jù)作物長(zhǎng)勢(shì)監(jiān)測(cè)時(shí)，有些者考慮作物物候期影響，不同物候期使用不同的長(zhǎng)勢(shì)遙感監(jiān)測(cè)指標(biāo)，通常比建立的適用于整個(gè)期的通用指標(biāo)能獲得更好的監(jiān)測(cè)效果5,22-23。本等5利用 TM建立的拔節(jié)期地上部生物量監(jiān)測(cè)模型選擇的光譜參數(shù)與影像估測(cè)冬小麥拔節(jié)期地上部生物量

36、選擇的光譜參數(shù)一致，均為 NDVI，不同的是其建立的是線性模型，而本建立的是指數(shù)模型。李衛(wèi)國(guó)等4利用 TM 影像提取的遙感變量對(duì)冬小麥拔節(jié)期生物量進(jìn)行遙感監(jiān)測(cè)的分析表明 RVI 比 NDVI 具有明顯的監(jiān)測(cè)優(yōu)勢(shì)。而本對(duì)SPOT-5 遙感影像光譜參數(shù)的分析表明，在對(duì)于地上部生物量的監(jiān)測(cè)上，NDVI 要比 RVI 稍有優(yōu)勢(shì)。3分析小麥植株氮素積累量與高光譜參數(shù)的關(guān)系結(jié)果表明，通過(guò)近紅外和生值物量Predicted biomass value（kghm-2）氮值積累量Predicted nitrogen accumulationvalue（kghm-2）210RMSE=19.24190N=20170

37、150130y=84.566RB3/RB1+28.8110110130150170190210氮積累量實(shí)測(cè)值Observed nitrogen accumulation value（kghm-2）6000RMSE=258.925500N=20500045004000y = 2905.6e1.552NDVI35003500 4000 4500 5000 5500 6000生物量實(shí)測(cè)值Observed biomass value（kghm-2）綠波段組合比值植被指數(shù)對(duì)植株氮積累量反應(yīng)敏感，能夠顯著提高方程擬合效果，本結(jié)果與其也是一致的。本制作的區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖，實(shí)

38、現(xiàn)了空間尺度上對(duì)冬小麥拔節(jié)期地上部生物量和氮素營(yíng)養(yǎng)信息的表達(dá)，對(duì)指導(dǎo)大面積小麥生產(chǎn)上的生產(chǎn)力和氮素調(diào)控起到重要作用。相比地面遙感，利用遙感進(jìn)行作物監(jiān)測(cè)不僅具有經(jīng)濟(jì)、方便可操作性強(qiáng)的優(yōu)勢(shì)，還能夠?qū)崿F(xiàn)作物參數(shù)空間分布量化可視表達(dá)圖的快速制作，更好地滿足對(duì)農(nóng)田信息獲取的實(shí)際需求，對(duì)于區(qū)域尺度的農(nóng)業(yè)管理決策具有重要作用。但利用各種遙感信息進(jìn)行作物生長(zhǎng)監(jiān)測(cè)時(shí)，由于影響作物冠層光譜反射率的眾多，情況復(fù)雜，有認(rèn)為不同時(shí)空條件、不同遙感源物冠層光譜反射特征的影響因子不同，所建立的作物遙感監(jiān)測(cè)模型往往不適用于建模外的時(shí)空條件。因此，利用技術(shù)還有待進(jìn)一步提高5,24,25。本遙感進(jìn)行作物監(jiān)測(cè)的可靠性和普及性受到極

39、大限制，是在同一地區(qū)、同一年度下進(jìn)行的，建立的模型應(yīng)用于其他地區(qū)、不同年份是否合適，如何修訂，還需要進(jìn)一步。如何消除眾多對(duì)作物遙感監(jiān)測(cè)的影響，建立通用的作物光譜監(jiān)測(cè)模型是實(shí)現(xiàn)通過(guò)遙感進(jìn)行作物監(jiān)測(cè)的關(guān)鍵所在。在今后的中，可采用融合多源遙感數(shù)據(jù)、耦合作物生長(zhǎng)模型、分析遙感信息的空間相關(guān)性等構(gòu)建機(jī)理性更強(qiáng)的定量化模型，提高遙感監(jiān)測(cè)精度和可靠性。4 結(jié)論拔節(jié)期是冬小麥田間管理的重要時(shí)期，實(shí)時(shí)監(jiān)測(cè)這一時(shí)期的長(zhǎng)勢(shì)及營(yíng)養(yǎng)狀況具有重要意義。本分析冬小麥拔節(jié)期地上部生物量和氮積累量與 SPOT-5 遙感影像光譜參數(shù)之間的定量關(guān)系，結(jié)果表明，綠光、紅光和近紅外波段反射率與冬小麥拔節(jié)期地上部生物量和氮積累量的相關(guān)系

40、數(shù)均達(dá)到極顯著水平。其中，近紅外波段反射率對(duì)地上部生物量反應(yīng)最敏感，綠光波段反射率則對(duì)地上部氮積累量反應(yīng)最敏感。利用歸一化植被指數(shù)（NDVI）為變量構(gòu)建的地上部生物量指數(shù)函數(shù)遙感監(jiān)測(cè)模型，以及利用近紅外和綠光波段反射率的比值為變量構(gòu)建地上部氮積累量線性函數(shù)遙感監(jiān)測(cè)模型均達(dá)到了較高的精度。依據(jù)上述模型制作的區(qū)冬小麥拔節(jié)期地上部生物量和氮積累量遙感監(jiān)測(cè)專題圖為指導(dǎo)大面積小麥生產(chǎn)力和氮素調(diào)控提供了依據(jù)。Referen1Babar M A, Reynolds M P, Van Ginkel M, et al. Spectral reflectance to estimate genetic varia

41、tion for in-season biomass, leaf chlorophyll, and canopy temperature in wheatJ. Crop Science, 2006, 46: 1046-1057.Hansen P M, Schjoerring J K. Reflectance measurement of canopy biomass and nitrogen s us in wheat2crops using normalized difference vege ion indiof Environmen, 2003, 86: 542-553.and part

42、ial least squares regresJ. Remote Sensing3. 基于高光譜遙感的小麥氮素營(yíng)養(yǎng)及生長(zhǎng)指標(biāo)監(jiān)測(cè)南京: 南京農(nóng)學(xué)院, 2007.Feng Wei. Monitoring nitrogen s us and growth characters with hyperspectral remote sensing in wheat.Nanjing: College of Agriculture, Nanjing Agriculturaiversity, 2007.遙感的冬小麥拔節(jié)期長(zhǎng)勢(shì)監(jiān)測(cè). 麥類作物學(xué)報(bào),4李衛(wèi)國(guó), 趙,. 基于2007, 27(3): 523-5

43、27.Li W G, Zhao C J, Wang J H, Liu L Y, Song X Y. Monitoring the growth condition of w er wheat in jo ing stage based on land sat TM image. Journal of Triticeae Crops, 2007, 27(3): 523-527.5, 王 妍, 童 璐,. 基于 Landsat TM 影像的冬小麥拔節(jié)期主要長(zhǎng)勢(shì)參數(shù)遙感監(jiān)測(cè)中國(guó)農(nóng)業(yè)科學(xué), 2011, 44(7): 1358-1366.Tan C W, Wang J H, Zhu X K, Wang

44、Y, Wang J C, Tong L, Guo W S. Monitoring main growth s us parameters at jo ing stage in w er wheat based on landsat TM images. Scientia Agricultura Sinica, 2011, 44(7): 1358-1366.裴志遠(yuǎn), 楊邦杰. 多時(shí)相歸一化植被指數(shù) NDVI 的時(shí)空特征提取與作物長(zhǎng)勢(shì)模型設(shè)計(jì). 農(nóng)業(yè)工程學(xué)報(bào),2000, 16(5): 20-22.6Pei Z Y,B J.ysis of multi-temporal and multi-spati

45、al character of NDVI and crop condition mions of the CSAE,2000, 16(5):20-22.sdevelopment. Tran7,Wu W B,. 用 NOAA 圖像監(jiān)測(cè)冬小麥長(zhǎng)勢(shì)的方法. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2001, 22(2): 58-61.G X. A study of method of monitoring the w er wheat growth by using NOAA image.ChiJournal of Agricultural Resourand Regional Planning, 2001, 22(

46、2): 58-61.8Hansen P M, Schjoerring J K. Reflectance measurement of canopy biomass and nitrogen s us in wheatcrops using normalized difference vege ion indiof Environment, 2003, 86(1): 542-553.and partial least squares regresJ. Remote Sensing9, 曹28(2): 172-177., 張 憲. 小麥葉片氮素狀況與光譜特性的相關(guān)性. 植物生態(tài)學(xué)報(bào), 2004,X

47、ue L H, Cao W X, Luo W H, Zhang X. Correlation betn leaf nitrogen s us and canopy spectralcharacteristics in wheat. Acta Phytoecologica Sinica, 2004, 28(2): 172-177.10,. 基于冬小麥植被指數(shù)的氮肥調(diào)控技術(shù). 土壤學(xué)報(bào), 2007, 44(3):550-555.Zhang J H, Zhang J B, Li L P. Nitrogen regulation technology based on canopy spectral

48、property of w erwheat. Actdologica Sinica, 2007, 44(3): 550-555.11雪, 朱 艷,2006,17(8):1443-1447, 曹. 小麥葉面積指數(shù)與冠層反射光譜的定量關(guān)系 .應(yīng)用生態(tài)學(xué)報(bào),Li Y X, Zhu Y, Dai T B, Tian Y C, Cao W X.ive relationships betn leaf area index and canopyreflectanpectra of wheat. ChiJournal of App,d Ecology, 2006,17(8):1443-144712趙,. 用多

49、角度光譜信息反演冬小麥含量垂直分布. 農(nóng)業(yè)工程學(xué)報(bào), 2006 ,22(6):104-109.Zhao C J, Huang W J, Wang J H, Liu L Y, Song X Y , Ma Z H , Li C J. Extracting w er wheat chlorophyllconcentration vertical distribution based on bidirectional canopy reflected spectrum. TranCSAE, 2006 ,22(6):104-109.ions of the13姚 霞, 曹, 朱 艷. 不同算法紅邊位置監(jiān)測(cè)

50、小麥冠層氮素營(yíng)養(yǎng)指標(biāo)的比較. 中國(guó)農(nóng)業(yè)科學(xué), 2010,43(13):2661-2667.YAO X,Tian Y C,Liu X J, Cao W X,Zhu Y. Comparative Study on Monitoring Canopy Leaf Nitrogen S uson Red Edgeition with Different Algorithms in Wheat.Scientia Agricultura Sinica,2010,43(13):2661-2667.剛, 王備戰(zhàn),14, 鄭 濤,. SPOT-5 與HJ 遙感影像用于冬小麥氮素監(jiān)測(cè)的效果對(duì)比. 麥類作物學(xué)報(bào), 2

51、011, 31(2): 331-336.Wang L G, Wang B Z, Feng W, Zheng T, Feng X,Zheng G Q. Comparativeysis of Monitoring W erWheat Nitrogen with SPOT-5 and HJ Image. Journal of Triticeae Crops, 2011, 31(2): 331-336.15, 管 仲. 基于 Hyperion 影像的水稻冠層生化參量反演. 遙感學(xué)報(bào),2009, 13(6): 1114-1121.Chen J Y, Tian Q J, QI X Y, Liu X C,

52、Guan Z. Rice canopy biochemical concentration retrievals based on Hyperion data. Journal of Remote Sensing, 2009, 13(6): 1114-1121.16 Boegh E, Soegaard H, Broge N, Hasager C B, Jensen N O, Schelde K, Thomsen A. Airborne multispectraldata forfying leaf area index, nitrogen concentration, and photosynthetic efficiency in agriculture.Remote Sensing of Environment, 2002, 81 (1): 179-193.17,子, 張 磊. 全球農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn). 世界科技與發(fā)展,2006, 28(3): 41-44.Meng J H, Wu B F, Li Q Z, Zhang L. Design and implemen ion of a global crop growth monitor