遙感技術(shù)在主要糧食估產(chǎn)中的應(yīng)用

遙感技術(shù)在主要糧食估產(chǎn)中的應(yīng)用

1衛(wèi)星遙感與農(nóng)業(yè)交叉領(lǐng)域隨著遙感技術(shù)的日益成熟和發(fā)展，遙感技術(shù)在軍事和自然資源的研究、城市建設(shè)和規(guī)劃等領(lǐng)域得到了廣泛應(yīng)用。農(nóng)業(yè)也是使用遙感技術(shù)最重要、最廣泛的領(lǐng)域之一。特別是在農(nóng)業(yè)估產(chǎn)上,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,成為衛(wèi)星遙感與農(nóng)業(yè)交叉領(lǐng)域的研究焦點(diǎn)。遙感估產(chǎn)是建立作物光譜與產(chǎn)量之間聯(lián)系的一種反演技術(shù),而遙感估產(chǎn)模型是遙感在農(nóng)業(yè)信息化上的應(yīng)用深入發(fā)展的關(guān)鍵因素之一,應(yīng)用遙感模型可計(jì)算反演對(duì)實(shí)際應(yīng)用非常有價(jià)值的農(nóng)業(yè)參數(shù),從而服務(wù)于作物估產(chǎn)。2反射光譜分析遙感技術(shù)運(yùn)用各種傳感器獲取反應(yīng)地表特征的各種數(shù)據(jù),是農(nóng)業(yè)田間信息獲取的關(guān)鍵技術(shù),通過(guò)不同波段的反射光譜分析,可提供農(nóng)田小區(qū)內(nèi)作物生長(zhǎng)環(huán)境、生長(zhǎng)狀況,并能實(shí)時(shí)地反饋到計(jì)算機(jī)中。遙感系統(tǒng)多時(shí)相影像信息可反映出宏觀(guān)植被生長(zhǎng)發(fā)育的特征,經(jīng)信息分析與編輯構(gòu)建不同條件下作物生長(zhǎng)模型和多種估產(chǎn)模式,根據(jù)各種模型預(yù)估作物產(chǎn)量,提供農(nóng)業(yè)資源的數(shù)字變化和圖件依據(jù),用于農(nóng)業(yè)生產(chǎn)的組織、管理和決策。2.1微波遙感在作物監(jiān)測(cè)、評(píng)估和監(jiān)測(cè)的研究進(jìn)展在國(guó)際上,遙感技術(shù)服務(wù)于農(nóng)業(yè)始于20世紀(jì)70年代。1971年,美國(guó)開(kāi)展了大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn),分別對(duì)其本土和世界其他國(guó)家部分地區(qū)的主要糧食作物面積與產(chǎn)量做出估算,精度達(dá)到了90%以上,成為農(nóng)業(yè)遙感監(jiān)測(cè)的里程碑;1980年,其又開(kāi)展了農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃,對(duì)世界多種農(nóng)作物的長(zhǎng)勢(shì)和產(chǎn)量成功的進(jìn)行了評(píng)估;此外俄羅斯、加拿大和日本等國(guó)也相繼對(duì)農(nóng)作物遙感監(jiān)測(cè)進(jìn)行不斷探索和研究,并取得了可喜的進(jìn)展。1974年~1977年間,美國(guó)農(nóng)業(yè)部、國(guó)家海洋局和大氣管理局曾利用陸地衛(wèi)星,結(jié)合高空和低空遙感以及地面觀(guān)測(cè)等同步觀(guān)測(cè)進(jìn)行了一系列大面積作物清查實(shí)驗(yàn),簡(jiǎn)稱(chēng)LACIE。一方面在美國(guó)和其他國(guó)家進(jìn)行了一些抽樣和模擬觀(guān)測(cè);另一方面,在國(guó)內(nèi)的堪薩斯州、北達(dá)科塔州、南大可塔州等冬麥和春麥區(qū)進(jìn)行了一系列的嚴(yán)格實(shí)驗(yàn),使小麥估產(chǎn)得精度由79%達(dá)到97%。甚至提出了“90/93”的標(biāo)準(zhǔn),即90%的概率的單產(chǎn)精度在93%。自1995年起,美國(guó)USGS在全美推行“4D”技術(shù),即數(shù)字高程模型(DEM)、數(shù)字正射影像(DOQ)、數(shù)字柵格地圖(DRG)和數(shù)字矢量專(zhuān)題信息(DLG或DTI),綜合應(yīng)用多種數(shù)據(jù)資源,在數(shù)據(jù)應(yīng)用中,不僅精度高,動(dòng)態(tài)分析能力強(qiáng),還能為各項(xiàng)分析與監(jiān)測(cè)提供新的較為完善的技術(shù)體系。關(guān)于微波遙感在作物監(jiān)測(cè)方面的報(bào)道,最早見(jiàn)于1989年LeTon等的研究,印度的學(xué)者們利用C波段的地面散射計(jì)對(duì)水稻的后向散射系數(shù)進(jìn)行測(cè)量,驗(yàn)證了利用SAR影像進(jìn)行水稻等監(jiān)測(cè)和估產(chǎn)的可能性,為以后的發(fā)展奠定了基礎(chǔ)。目前,在美國(guó)、加拿大等國(guó),遙感技術(shù)已普遍應(yīng)用于農(nóng)業(yè)生產(chǎn)管理。2.2遙感測(cè)量技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用自“六五”開(kāi)始,我國(guó)就用衛(wèi)星遙感在局部地區(qū)開(kāi)展產(chǎn)量估產(chǎn)實(shí)驗(yàn)?！捌呶濉逼陂g,國(guó)家氣象局開(kāi)展了北方11省市小麥氣象衛(wèi)星綜合測(cè)產(chǎn),探索運(yùn)用周期短、價(jià)格低的衛(wèi)星進(jìn)行作物估產(chǎn)的新方法?！鞍宋濉逼陂g,國(guó)家重點(diǎn)支持了“重點(diǎn)產(chǎn)糧區(qū)主要農(nóng)作物遙感估產(chǎn)”項(xiàng)目,并開(kāi)展了主要農(nóng)作物播種面積和產(chǎn)量的遙感測(cè)量研究。1999年,中國(guó)開(kāi)始運(yùn)用衛(wèi)星進(jìn)行農(nóng)作物遙感估產(chǎn)和農(nóng)業(yè)資源監(jiān)測(cè)系統(tǒng)試運(yùn)行工作,一種應(yīng)用計(jì)算機(jī)技術(shù)、遙感技術(shù)和衛(wèi)星定位系統(tǒng)的農(nóng)業(yè)示范項(xiàng)目在吉林省正式實(shí)施?！笆濉逼陂g,在科技部的支持下,國(guó)內(nèi)高校、科研單位與產(chǎn)業(yè)部門(mén)合作開(kāi)始嘗試建立業(yè)務(wù)系統(tǒng)。2008年12月1日,我國(guó)“遙感衛(wèi)星四號(hào)”發(fā)射成功,其主要作用之一就是負(fù)責(zé)我國(guó)農(nóng)作物的品質(zhì)與產(chǎn)量監(jiān)測(cè)數(shù)據(jù)的采集。此外,我國(guó)遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)應(yīng)用方面,早在1994年就有研究,國(guó)家還將精準(zhǔn)農(nóng)業(yè)的研究納入863計(jì)劃。1998年中國(guó)農(nóng)業(yè)大學(xué)正式設(shè)立了中國(guó)第一個(gè)精準(zhǔn)農(nóng)業(yè)研究中心;2000年國(guó)家計(jì)委在北京小湯山建立了精準(zhǔn)農(nóng)業(yè)示范區(qū),這些都使我國(guó)的精準(zhǔn)農(nóng)業(yè)技術(shù)取得了巨大發(fā)展。當(dāng)然我國(guó)的精準(zhǔn)農(nóng)業(yè)仍然剛剛起步,劉鵬指出農(nóng)業(yè)集約化程度低等因素決定了我們必須走出具有中國(guó)特色的精準(zhǔn)農(nóng)業(yè)道路。沙宗堯提出精準(zhǔn)農(nóng)業(yè)應(yīng)將數(shù)字農(nóng)業(yè)與數(shù)字地球相結(jié)合。3建立回歸模型關(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(zhǎng)勢(shì)或產(chǎn)量形成關(guān)系的基礎(chǔ)上通過(guò)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(zhǎng)時(shí)段內(nèi)周?chē)h(huán)境的可變性,只通過(guò)作物某一生長(zhǎng)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(zhǎng)過(guò)程的估產(chǎn)算法應(yīng)運(yùn)而生。3.1葉面積、葉綠素密度模型浙江大學(xué)的王人潮教授等提出的水稻作物氣候產(chǎn)量預(yù)報(bào)模型解決了國(guó)外的幾種估產(chǎn)模型需要大量的田間試驗(yàn)觀(guān)測(cè)和取樣分析來(lái)確定模型參數(shù)的問(wèn)題,此模型根據(jù)水稻物候?qū)W發(fā)育、葉面積動(dòng)態(tài)、干物質(zhì)生產(chǎn)和籽實(shí)產(chǎn)量形成等基礎(chǔ),結(jié)合遙感光譜變量分析獲得葉面積指數(shù)(LAI)、葉綠素密度(CH.D)等與產(chǎn)量十分密切的農(nóng)學(xué)參數(shù)。該方法大大減少了田間觀(guān)察記載的工作量,但遙感資料中的光譜信息在模型中直接應(yīng)用有待開(kāi)發(fā)。3.2基于適者生存原則的分布式并行信息處理中國(guó)科學(xué)院地理科學(xué)與資源研究所李哲、張軍濤提出基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的玉米估產(chǎn)方法。遺傳算法使用達(dá)爾文生物進(jìn)化的適者生存原則指導(dǎo)搜索并改進(jìn)目標(biāo);人工神經(jīng)網(wǎng)絡(luò)模仿人類(lèi)神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理。此模型在遺傳算法與誤差反傳網(wǎng)絡(luò)結(jié)構(gòu)模型結(jié)合的基礎(chǔ)上,用遺傳算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)重,經(jīng)檢驗(yàn)?zāi)Ｐ陀?jì)算值與實(shí)際值接近,并優(yōu)于灰色理論模型,但模型仍無(wú)法解決預(yù)測(cè)結(jié)果的相對(duì)誤差隨年份的增加而增加的問(wèn)題。3.3模型的局限性及應(yīng)用李衛(wèi)國(guó)、趙春江等人在2007年的研究中綜合作物產(chǎn)量形成過(guò)程及其與氣候變化環(huán)境條件關(guān)系,建立了較為簡(jiǎn)化的基于遙感信息的小麥估產(chǎn)模型。其小麥產(chǎn)量通過(guò)成熟時(shí)期的植株地上部分干物重與收獲指數(shù)的乘積獲得。該研究的核心是利用較佳估產(chǎn)時(shí)期(一般為作物抽穗期)的遙感影像,反演出作物長(zhǎng)勢(shì)指標(biāo),對(duì)模型運(yùn)行軌跡進(jìn)行修正。其優(yōu)點(diǎn)是改善了單一回歸模型帶來(lái)的偏差,模型簡(jiǎn)單、理論上有較好的解釋性,總體表現(xiàn)可靠。但其局限性表現(xiàn)在:可能受抽穗期至成熟期肥、水等因素影響,個(gè)別樣點(diǎn)預(yù)測(cè)值偏差較大。因此模型推廣之前還需要利用不同區(qū)域的作物肥水實(shí)驗(yàn)做進(jìn)一步研究,對(duì)模型進(jìn)行更廣泛的校正檢驗(yàn)?；谀Ｐ偷木窒扌?李衛(wèi)國(guó)、李正金等人又在2010年基于CBERS衛(wèi)星遙感,對(duì)冬小麥估產(chǎn)進(jìn)行了深入研究。其研究的創(chuàng)新點(diǎn)在于:在利用計(jì)算機(jī)分類(lèi)結(jié)合人機(jī)交互式判讀解譯的基礎(chǔ)上,結(jié)合GPS樣點(diǎn)信息校驗(yàn),進(jìn)行冬小麥種植面積提取。然后利用衛(wèi)星影像提取冬小麥NDVI數(shù)據(jù),反演葉面積指數(shù)、生物量信息等,結(jié)合冬小麥估產(chǎn)模型,計(jì)算單點(diǎn)產(chǎn)量信息。最后,再經(jīng)過(guò)線(xiàn)性轉(zhuǎn)換,對(duì)整個(gè)區(qū)域的冬小麥產(chǎn)量進(jìn)行分級(jí)監(jiān)測(cè)預(yù)報(bào),最終制作出小麥產(chǎn)量分級(jí)專(zhuān)題圖。該模型引入了地面點(diǎn)信息校正,很大程度上提高了作物面積解譯精度及分級(jí)估產(chǎn)精度,較研究者2007年的模型有很大的推廣應(yīng)用價(jià)值。但該模型實(shí)驗(yàn)應(yīng)用的衛(wèi)星CCD影像分辨率較低,且CBERS衛(wèi)星的回歸周期為26d,在實(shí)際應(yīng)用中可能存在分辨率較低的問(wèn)題,對(duì)“同譜異物”現(xiàn)象的克服極為不利。3.4冬小麥估產(chǎn)模型構(gòu)建秦元偉、趙庚星等人于2009年以山東省廣饒縣為研究區(qū)進(jìn)行了模型優(yōu)化實(shí)驗(yàn)。本研究采用陸地衛(wèi)星和中巴資源衛(wèi)星(CBERS)中高分辨率遙感圖像,其核心點(diǎn)在于:選擇冬小麥信息較為突出的4個(gè)相似時(shí)相,經(jīng)幾何精校正、掩膜、相對(duì)輻射校正等預(yù)處理,在分析研究區(qū)典型地物光譜特征的基礎(chǔ)上,采用決策樹(shù)分類(lèi)方法提取冬小麥種植面積。同時(shí),利用植被指數(shù)變化規(guī)律對(duì)各時(shí)相植被指數(shù)進(jìn)行修正,根據(jù)植被指數(shù)分布情況及其與產(chǎn)量的關(guān)系,分別構(gòu)建了基于像元比值植被指數(shù)之和不同長(zhǎng)勢(shì)區(qū)NDVI的冬小麥估產(chǎn)模型。實(shí)驗(yàn)表明了穩(wěn)定的算法可行性,但決策樹(shù)分類(lèi)有其固有的誤差累計(jì)傳遞的缺點(diǎn),因此改進(jìn)模型精度成為下一步的研究重點(diǎn)。3.5間間數(shù)據(jù)三維融合模型李建龍、剛成城等人又在上述實(shí)驗(yàn)思路的基礎(chǔ)上,改進(jìn)了估產(chǎn)模型,提出了新的作物單產(chǎn)估測(cè)模型。該研究采用2005年—2008年獲取的TM和IRS-P6遙感影像,其中IRS-P6為印度遙感衛(wèi)星系列的專(zhuān)用衛(wèi)星,分辨率較高,可在很大程度上避免“同譜異物”現(xiàn)象。此模型的主要技術(shù)思路是首先選取作物的地面監(jiān)測(cè)樣點(diǎn),利用GPS和土地利用圖,對(duì)每個(gè)樣區(qū)進(jìn)行精確定位,然后通過(guò)農(nóng)作物遙感綠度值(主要是NDVI)、植被蓋度和不同生育期產(chǎn)量資料相關(guān)性,經(jīng)過(guò)一系列農(nóng)作物種類(lèi)識(shí)別、分層、播種面積提取方法研究和農(nóng)學(xué)產(chǎn)量趨勢(shì)分析,進(jìn)行農(nóng)作物生長(zhǎng)分析、長(zhǎng)勢(shì)遙感動(dòng)態(tài)監(jiān)測(cè)與空間數(shù)據(jù)的加工與處理及圖件制作,進(jìn)而在人機(jī)交互方式下構(gòu)建單產(chǎn)估測(cè)模型。此方法需要在作物收割后,收集每個(gè)樣區(qū)的實(shí)際總產(chǎn)量,以便用于校正和精度檢驗(yàn)。李建龍等人在張家港市遙感估測(cè)單產(chǎn)和地面調(diào)查單產(chǎn)試驗(yàn)中得出了無(wú)論是小麥還是水稻,差異均小于10%的結(jié)論,實(shí)驗(yàn)結(jié)果證明了算法的有效性及模型的精度。與此類(lèi)似,國(guó)家氣象中心的侯英雨等提出的基于作物植被指數(shù)和溫度的產(chǎn)量估算模型,這些模型汲取了以前模型的優(yōu)點(diǎn),模型因子的選擇更加合理,可操作性更強(qiáng),精確程度更高。3.6作物生長(zhǎng)模型與遙感信息的同化中國(guó)科學(xué)院遙感應(yīng)用研究所的柳欽火研究員和閆巖提出了基于SCE_UA算法的CERES_Wheat遙感估產(chǎn)模型,該模型的最大特點(diǎn)是對(duì)優(yōu)化參數(shù)初值不敏感,這有利于在缺少先驗(yàn)知識(shí)的條件下實(shí)現(xiàn)作物生長(zhǎng)模型與遙感信息的同化。前人多是從產(chǎn)量的角度對(duì)作物模型的同化結(jié)果進(jìn)行評(píng)價(jià),本算法綜合考慮了生育期、LAI和產(chǎn)量3個(gè)因素,分別利用模擬和實(shí)測(cè)LAI數(shù)據(jù)分析了SCE_UA控制下CERES_Wheat模型的同化效果,證明了冬小麥開(kāi)花期模擬最大誤差兩天,成熟期模擬最大誤差1.3d,產(chǎn)量模擬最大誤差8.55%,最小誤差3.50%。隨著遙感技術(shù)的發(fā)展,綜合運(yùn)用多遠(yuǎn)遙感數(shù)據(jù)確定作物生長(zhǎng)模型的輸入?yún)?shù),提高模型的區(qū)域應(yīng)用能力將成為有價(jià)值的研究方向。3.7sar作物模型中國(guó)水稻約90%分布在華東和華南地區(qū),這些地區(qū)陰雨連綿、溫暖濕潤(rùn),獲取高分辨率的光學(xué)遙感圖像顯然很困難,為解決這類(lèi)問(wèn)題微波遙感數(shù)據(jù)的應(yīng)用應(yīng)運(yùn)而生。而合成孔徑雷達(dá)(SAR)的出現(xiàn)使得主動(dòng)微波遙感空間分辨率大大提高,獲取數(shù)據(jù)不受云、雨、霧的影響,可全天候操作,得到穩(wěn)定可靠的數(shù)據(jù)。不同波段、不同極化方式的SAR數(shù)據(jù)還可以進(jìn)行各種組合,已被證明可以相當(dāng)有效地識(shí)別作物的種類(lèi)和生長(zhǎng)狀態(tài)。目前比較成熟的利用雷達(dá)進(jìn)行作物估產(chǎn)的模型主要有擬合分析法和利用后向散射系數(shù)和作物生長(zhǎng)參數(shù)綜合反演法。這類(lèi)模型算法受限因素較少、作業(yè)方便,加之結(jié)合氣象數(shù)據(jù),利用小波技術(shù)等手段,精度也能得到保障。但新的分類(lèi)理論、算法仍有改進(jìn)空間。如消除山區(qū)的透視收縮現(xiàn)象算法、輔助其他農(nóng)業(yè)氣象數(shù)據(jù)模擬模型等。4經(jīng)濟(jì)和生物兩學(xué)融合發(fā)展為農(nóng)業(yè)和農(nóng)業(yè)信息化方向發(fā)展新時(shí)代,新格局,“三農(nóng)”問(wèn)題作為“老課題、新視角”仍為各國(guó)所重視,農(nóng)業(yè)作為國(guó)民經(jīng)濟(jì)的基礎(chǔ),其發(fā)展方向與前景也飽受世人關(guān)注。遙感手段獲取農(nóng)田的圖像數(shù)據(jù)正向著多平臺(tái)、多傳感器、多比例尺和高空間、高光譜、高時(shí)相分辨率以及空天地一體化方向發(fā)展,同時(shí),自動(dòng)化和智能化測(cè)繪的發(fā)展,將計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、并行處理技術(shù)、高性能計(jì)