高學(xué)慧，黃淑娥 ，顏流水，祝必琴

(1.南昌航空大學(xué) 環(huán)境與化學(xué)工程學(xué)院，江西 南昌 330063;2.江西省氣象科學(xué)研究所，江西 南昌 330046)

自20世紀(jì)80年代以來(lái)，衛(wèi)星遙感己成為許多農(nóng)作物監(jiān)測(cè)項(xiàng)目研究的重要手段［1］。2000年初，我國(guó)開(kāi)始關(guān)注MODIS中分辨率成像光譜儀(moderate－resolution imaging spectroradiometer)資料處理及信息提取技術(shù)［2］。近幾年，基于MODIS數(shù)據(jù)的應(yīng)用研究已經(jīng)發(fā)展到包括水環(huán)境、大氣、農(nóng)業(yè)等監(jiān)測(cè)領(lǐng)域［3－6］。由于MODIS數(shù)據(jù)具有獲取容易，多波段，空間中分辨率，時(shí)間分辨率相對(duì)較高及產(chǎn)品種類多等特點(diǎn)，其在農(nóng)作物長(zhǎng)勢(shì)及估產(chǎn)等監(jiān)測(cè)應(yīng)用中具有較大優(yōu)勢(shì)。

研究水稻光譜特征與水稻長(zhǎng)勢(shì)及產(chǎn)量構(gòu)成要素之間的聯(lián)系是水稻遙感估產(chǎn)的基礎(chǔ)［7］。研究表明，采用歸一化植被指數(shù)對(duì)作物產(chǎn)量進(jìn)行估測(cè)是一種有效的方法［8－13］。然而，隨著水稻生長(zhǎng)至抽穗期前后，作物冠層幾乎完全被水稻覆蓋，歸一化植被指數(shù)NDVI在植被高覆蓋區(qū)容易達(dá)到飽和［14］。增強(qiáng)型植被指數(shù)(enchanted vegetation index，EVI)引入了藍(lán)光波段，有效地降低了大氣、土壤、氣溶膠的影響，可避免因?yàn)樯锪扛叨斐傻娘柡蛦?wèn)題。研究表明，EVI比NDVI能更好地與葉面積指數(shù)、生物量和有效光合輻射分量等建立線性關(guān)系，可以更有效地進(jìn)行作物監(jiān)測(cè)及估產(chǎn)，提高預(yù)測(cè)的準(zhǔn)確性［15］。本文針對(duì)長(zhǎng)江流域雙季稻區(qū)水稻產(chǎn)量難以準(zhǔn)確動(dòng)態(tài)估算，應(yīng)用MODIS遙感數(shù)據(jù)，采用增強(qiáng)型植被指數(shù)(EVI)，開(kāi)展雙季早稻估產(chǎn)研究，以求水稻估產(chǎn)更加宏觀、動(dòng)態(tài)和準(zhǔn)確。

1 數(shù)據(jù)來(lái)源與處理方法

1.1 數(shù)據(jù)來(lái)源

遙感數(shù)據(jù):MODIS是搭載在terra和aqua衛(wèi)星上的一個(gè)重要傳感器。本文采用的MOD13Q數(shù)據(jù)來(lái)源于美國(guó)航空航天局(The National Aeronautics and Space Administration，NASA)網(wǎng)站和江西省氣象科學(xué)研究所數(shù)字衛(wèi)星廣播系統(tǒng)(DVB－S)接收的晴空數(shù)據(jù)。MODIS產(chǎn)品有44種，可以分為大氣、陸地、冰雪、海洋4個(gè)專題數(shù)據(jù)產(chǎn)品，其中MOD13Q屬于陸地專題的產(chǎn)品。MOD13Q數(shù)據(jù)是采用Sinusoidal投影方式的3級(jí)網(wǎng)格數(shù)據(jù)產(chǎn)品，具有250 m的空間分辨率，每隔16 d合成1次。當(dāng)缺少250 m分辨率的藍(lán)波段時(shí)，EVI算法使用500 m分辨率的藍(lán)波段矯正殘余的大氣影響。在江西省范圍，MODIS數(shù)據(jù)分區(qū)塊中涵蓋h27v05、h27v06、h28v05、h28v06四個(gè)投影塊。本文獲取了2001—2010年4月下旬至7月下旬雙季早稻主要生育期間的影像數(shù)據(jù)。其中2005—2009年的遙感數(shù)據(jù)用于早稻產(chǎn)量估測(cè)模型的建立，2001—2004年、2010年數(shù)據(jù)用于模型的驗(yàn)證和產(chǎn)量的預(yù)測(cè)。

表1 江西省雙季早稻2005—2010歷年平均生育進(jìn)程Tab.1 Average date of growth stage of early rice in Jiangxi Province during 2005 to 2010 月 － 日

表2 江西省雙季早稻生育期與MOD13Q1數(shù)據(jù)時(shí)相對(duì)應(yīng)關(guān)系Tab.2 Rice growth periods and corresponding MODQ13 in Jiangxi Province 月 － 日

早稻生育期資料:雙季早稻生育期主要來(lái)源于江西全省12個(gè)雙季水稻氣象觀測(cè)站2005—2010年觀測(cè)資料。由于水稻移栽后進(jìn)入返青階段，禾苗因移栽受傷往往需恢復(fù)一段時(shí)間才開(kāi)始生長(zhǎng)，因而本文中水稻產(chǎn)量預(yù)測(cè)主要考慮分蘗、拔節(jié)、孕穗、抽穗揚(yáng)花和乳熟等主要生育期。江西全省雙季早稻多年平均生育進(jìn)程詳見(jiàn)表1。根據(jù)MOD13Q數(shù)據(jù)的成像時(shí)間，選擇4期遙感影像，它們的合成時(shí)間覆蓋了江西省雙季早稻的分蘗期至乳熟期(表2)。

1.2 處理方法

1.2.1 增強(qiáng)型植被指數(shù) 研究中采用MODIS資料增強(qiáng)型植被指數(shù)對(duì)水稻生長(zhǎng)狀況長(zhǎng)勢(shì)進(jìn)行分析，增強(qiáng)型植被指數(shù)模型為:

式中:B1、B2、B3分別為MODIS第1、第2和第3波段的光譜資料。

根據(jù)江西省氣象科研所數(shù)字衛(wèi)星廣播系統(tǒng)(DVB－S)接收的MODIS歷史晴空數(shù)據(jù)，采用監(jiān)督分類方法，提取江西省水稻種植面積，結(jié)合增強(qiáng)型植被指數(shù)，通過(guò)圖像運(yùn)算可得到水稻種植區(qū)域的EVI圖。

1.2.2 MODIS植被指數(shù)的16 d合成 MODIS資料合成主要采用3種方法，根據(jù)輸入數(shù)據(jù)的質(zhì)量，按照以下優(yōu)先序列決定使用哪種合成方法。

(1)有限視角內(nèi)的最大值合成:如果合成期內(nèi)，晴天觀測(cè)值少于30%，且多于2 d，選其中視角最小的2個(gè)計(jì)算植被指數(shù)，取二者中最大值。

(2)直接計(jì)算植被指數(shù):如果只有1 d無(wú)云，則直接使用這天數(shù)據(jù)計(jì)算的植被指數(shù)。

(3)最大值合成:如果所有觀測(cè)全部有云，則取合成期所有植被指數(shù)的最大值。

江西省屬于多云雨地區(qū)，在早稻生育期內(nèi)很難獲得無(wú)云影響的影像數(shù)據(jù)。MODQ13植被指數(shù)產(chǎn)品的合成原理適用于江西多云雨的天氣，其處理過(guò)程，最大限度地降低云、云陰影、氣溶膠等對(duì)圖像質(zhì)量的影響。

2 結(jié)果與分析

2.1 相關(guān)性分析

本文以江西省贛州、撫州、吉安、南昌、上饒、新余、宜春、鷹潭等地級(jí)市為單元，對(duì)各單元內(nèi)2005—2009年EVI總和與雙季早稻產(chǎn)量進(jìn)行相關(guān)性分析，結(jié)果表明，區(qū)域內(nèi)的EVI和與區(qū)域內(nèi)的早稻總產(chǎn)存在明顯的線性相關(guān)(表3)。

表3 不同期影像EVI數(shù)據(jù)與對(duì)應(yīng)總產(chǎn)的相關(guān)關(guān)系(各生育期樣本數(shù)為40個(gè))Tab.3 The relationship of the early rice growth period of EVI with total production(The number of samples is 40)

由表3可知，各時(shí)期EVI總和與早稻總產(chǎn)的相關(guān)系數(shù)均在0.9以上，其中從期號(hào)177的影像獲取的數(shù)據(jù)EVI和總產(chǎn)的相關(guān)性最高，該成像階段處于江西省雙季早稻的乳熟期。因而利用EVI總和可對(duì)早稻總產(chǎn)進(jìn)行預(yù)測(cè)，但此處的相關(guān)系數(shù)大小并不能代表各期數(shù)據(jù)對(duì)總產(chǎn)預(yù)測(cè)的結(jié)果優(yōu)良。將通過(guò)均方根誤差(Root Mean Square Error:RMSE)以及相對(duì)誤差比較分析，來(lái)選擇水稻總產(chǎn)最優(yōu)遙感擬合模型。

式中，yi表示統(tǒng)計(jì)總產(chǎn)表示估算總產(chǎn)，n表示樣本數(shù)。

2.2 估產(chǎn)模型的建立

為更好地預(yù)估水稻產(chǎn)量，本文分別建立了水稻單個(gè)生育期及多個(gè)生育階段的預(yù)測(cè)回歸方程(表4)。由表4可知，采用不同生育期的EVI進(jìn)行估產(chǎn)的效果不同。模型1－4采用的數(shù)據(jù)是單個(gè)生育期內(nèi)的數(shù)據(jù)，模型5－7是把兩個(gè)或兩個(gè)以上的生育期內(nèi)的數(shù)據(jù)進(jìn)行了組合。各模型擬合系數(shù)均在0.9以上，其中模型4的擬合系數(shù)R的平方最大，表明該模型與樣本值的擬合程度最佳，但利用該模型得到的預(yù)測(cè)值與估測(cè)值所求的RMSE值也偏大。利用單個(gè)生育期的數(shù)據(jù)進(jìn)行估產(chǎn)預(yù)測(cè)，分蘗期的回歸模型均方根誤差為6.13，數(shù)值最小，預(yù)測(cè)結(jié)果最好，其次是拔節(jié)期、抽穗揚(yáng)花期，乳熟期的回歸模型均方根誤差為18.80，

數(shù)值最大，預(yù)測(cè)效果偏低。從表中數(shù)據(jù)可以看出，通過(guò)生育期的組合，可以提高模型的預(yù)測(cè)精度，利用分蘗期跟拔節(jié)期兩個(gè)生育期的EVI進(jìn)行回歸所得到的模型均方根誤差為5.596，該值要小于單個(gè)生育期模型的均方根誤差。將前3個(gè)生育期的數(shù)據(jù)組合建立回歸模型，其均方根誤差為7.99，該值大于分蘗期模型的均方根誤差，小于拔節(jié)期模型的均方根誤差，但是加入乳熟期數(shù)據(jù)之后模型的均方根誤差增大，均方根誤差達(dá)到了20.31。這是因?yàn)槿槭炱谒救~綠素含量開(kāi)始降低，植被指數(shù)逐漸變小，谷物開(kāi)始灌充乳狀物質(zhì)，該時(shí)期的植被指數(shù)對(duì)產(chǎn)量的影響程度也開(kāi)始下降。模型5的均方根誤差最小，該模型的數(shù)據(jù)獲取時(shí)間為分蘗期與拔節(jié)期，由于分蘗期以葉、蘗、根生長(zhǎng)為中心，是水稻一生中氮素代謝最旺盛的時(shí)期，是每畝穗數(shù)的決定期。拔節(jié)長(zhǎng)穗階段，是營(yíng)養(yǎng)生長(zhǎng)向生殖生長(zhǎng)轉(zhuǎn)化的重要時(shí)期，也是決定產(chǎn)量的關(guān)鍵時(shí)期。因此利用這兩個(gè)時(shí)期的數(shù)據(jù)進(jìn)行估產(chǎn)得到的結(jié)果最優(yōu)是合理的。由于模型4與模型7的均方根差偏大，舍棄對(duì)這兩個(gè)模型的分析，只對(duì)剩余的5個(gè)模型進(jìn)行驗(yàn)證。

表4 雙季早稻各生育階段回歸方程Tab.4 Regression equations of the early rice growth stages

圖1 各模型市級(jí)早稻總產(chǎn)預(yù)測(cè)結(jié)果散點(diǎn)圖及市級(jí)預(yù)測(cè)相對(duì)誤差Fig.1 Scatter plot and relative error of municipal production estimation results with the 5 models

2.3 模型的驗(yàn)證與選擇

本文通過(guò)2010年江西省8個(gè)主要水稻種植區(qū)域的EVI數(shù)據(jù)與早稻總產(chǎn)數(shù)據(jù)，進(jìn)行各個(gè)地市的早稻總產(chǎn)預(yù)測(cè)，同時(shí)給出了各個(gè)模型預(yù)測(cè)結(jié)果散點(diǎn)圖與相對(duì)誤差圖(圖1)。從散點(diǎn)圖上可以直觀的看出，模型5與模型6的擬合程度最優(yōu)，各個(gè)點(diǎn)的分布最接近1∶1的參考線。這兩個(gè)模型的數(shù)據(jù)獲取時(shí)間分別是分蘗期，分蘗期與拔節(jié)期。對(duì)應(yīng)相對(duì)誤差來(lái)看，模型5預(yù)測(cè)結(jié)果的相對(duì)誤差除吉安市在－7%左右，其余各市在－5%～5%。模型3的預(yù)測(cè)結(jié)果相對(duì)誤差比較大，對(duì)于鷹潭市的早稻總產(chǎn)預(yù)測(cè)相對(duì)誤差超過(guò)了15%，為了驗(yàn)證模型的適用性，分別利用該5個(gè)模型對(duì)2001—2004年以及2010年江西省省級(jí)早稻總產(chǎn)進(jìn)行估算，估算結(jié)果圖2。從散點(diǎn)圖可以看出模型5的預(yù)測(cè)結(jié)果最接近統(tǒng)計(jì)值的分布區(qū)域。從相對(duì)誤差的折線圖可以看出，省級(jí)總產(chǎn)的估算結(jié)果相對(duì)誤差沒(méi)有什么規(guī)律，模型3表現(xiàn)不穩(wěn)定，在2003年的相對(duì)誤差超過(guò)－6%?？傮w上，模型5的相對(duì)誤差在2%以內(nèi)。從市級(jí)總產(chǎn)估算與省級(jí)總產(chǎn)估算兩個(gè)角度進(jìn)行驗(yàn)證的結(jié)果一致:模型5的預(yù)測(cè)結(jié)果最優(yōu)，均方根差與相對(duì)誤差都相對(duì)較小。因此我們選擇模型5估算的結(jié)果作為江西省省級(jí)早稻的估算模型。2001—2004年早稻省級(jí)估算的結(jié)果以及2010年的預(yù)測(cè)結(jié)果見(jiàn)表5，2001—2004年利用最有模型估算的結(jié)果相對(duì)誤差在2%以內(nèi)，對(duì)2010年江西省早稻總產(chǎn)的估算結(jié)果相對(duì)誤差為0.8%。

圖2 各模型省級(jí)總產(chǎn)預(yù)測(cè)結(jié)果對(duì)比與相對(duì)誤差Fig.2 Result comparison and relative error of the provincial production estimation results with the 5 models

表5 最優(yōu)模型對(duì)省級(jí)總產(chǎn)估算結(jié)果Tab.5 Results of the provincial total yield estimation with the optimal model

3 結(jié)論與討論

相對(duì)于北方地區(qū)而言，利用遙感技術(shù)進(jìn)行作物的估產(chǎn)方法在南方地區(qū)的應(yīng)用相對(duì)要少一些，一方面受地形地貌的影響，另一方面受南方多云雨天氣的影響。江西省是水稻大省，找到一種方便、快捷、成本低的水稻估產(chǎn)方法是現(xiàn)代農(nóng)業(yè)的一種需求。本文利用MODIS植被指數(shù)產(chǎn)品對(duì)研究區(qū)域的雙季早稻總產(chǎn)進(jìn)行了估算。研究表明，分區(qū)內(nèi)早稻總產(chǎn)與分區(qū)內(nèi)EVI值之和存在顯著的相關(guān)關(guān)系。利用該關(guān)系建立估產(chǎn)模型是可行的。最優(yōu)模型的選擇與驗(yàn)證過(guò)程表明，利用分蘗期與拔節(jié)期數(shù)據(jù)進(jìn)行組合的方式所得到的估產(chǎn)結(jié)果最好，相對(duì)誤差與均方根誤差相對(duì)其他模型最小。不足之處是本研究沒(méi)有考慮江西省南北差異的問(wèn)題，一方面是某些區(qū)域水稻分布零散，利用MODIS數(shù)據(jù)解譯的精度會(huì)降低，因此我們?cè)谶x擇樣本時(shí)舍棄了某些地市，另一方面統(tǒng)計(jì)數(shù)據(jù)多是以行政區(qū)劃為單位，所以很難獲取其他區(qū)域數(shù)據(jù)。直接利用MODQ13的EVI數(shù)據(jù)，選擇合適的樣本進(jìn)行估算大大降低了估產(chǎn)成本，同時(shí)估算結(jié)果的相對(duì)誤差在2%以內(nèi)，對(duì)于江西省早稻總產(chǎn)的估算有一定的指導(dǎo)意義。

［1］周清波.國(guó)內(nèi)外農(nóng)情遙感現(xiàn)狀與發(fā)展趨勢(shì)［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2004，25(5):9－14.

［2］劉玉潔，楊忠東.MODIS遙感信息處理原理與算法［M］.北京:科學(xué)出版社，2001.

［3］鐘誠(chéng)，何曉蓉，李輝霞.遙感技術(shù)在西藏那曲地區(qū)草地退化評(píng)價(jià)中的應(yīng)用［J］.遙感技術(shù)與應(yīng)用，2003，18(2):99－102.

［4］關(guān)元秀，劉高煥.區(qū)域土壤鹽漬化遙感監(jiān)測(cè)研究綜述［J］.遙感技術(shù)與應(yīng)用，2001，16(1):40－44

［5］孟昭山，楊士偉.衛(wèi)星遙感技術(shù)在城市綠地調(diào)查方面的應(yīng)用［J］.東北測(cè)繪，2003，26(2):54－56.

［6］鄭朝洪，張岸，鄧嫻芬，等.福州市熱島效應(yīng)的監(jiān)測(cè)與探討［J］.城市管理與科技，2004，6(3):103－105.

［7］黃敬峰，王福民，王秀珍.水稻高光譜遙感實(shí)驗(yàn)研究［M］.杭州:浙江大學(xué)出版社，2010:196－197.

［8］鄧睿，黃敬峰，王福民，等.基于中分辨率成像光譜儀(MODIS)數(shù)據(jù)的水稻遙感估產(chǎn)研究:以江蘇省為例［J］.中國(guó)水稻科學(xué)，2010，24(1):87 －92.

［9］焦險(xiǎn)峰，楊邦杰，裴志遠(yuǎn)，等.基于植被指數(shù)的作物產(chǎn)量監(jiān)測(cè)方法研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2005，21(4):104－107.

［10］張海珍，馬澤鐘，周志躍，等.基于MODIS數(shù)據(jù)的成都市水稻遙感估產(chǎn)研究［J］.遙感信息，2008，22(5):63－67.

［11］范莉，羅孳孳.基于MODIS－NDVI的水稻遙感估產(chǎn)研究—以重慶三峽庫(kù)區(qū)為例［J］.西南農(nóng)業(yè)學(xué)報(bào)，2009，22(5):1416－1419.

［12］解文歡，張有智，吳黎.基于植被指數(shù)對(duì)望奎縣糧食作物產(chǎn)量預(yù)測(cè)方法的研究［J］.黑龍江農(nóng)業(yè)科學(xué)，2011，33(4):113－115.

［13］孫俊英，黃進(jìn)良，王立輝.湖北省糧食單產(chǎn)遙感估算方法［J］.世界科技研究與發(fā)展，2009，31(5):897－900.

［14］王正興，劉闖，Huete A.植被指數(shù)研究進(jìn)展:從 AVHRR －NDVI到 MODIS－EVI［J］.生態(tài)學(xué)報(bào)，2003，23(3):979 －987.

［15］Wim J D，Alfredo R，Huete，et al.MODIS vegetation index compositiong approach:a prototype with AVHRR data［J］.Remote Sensingof environment，1999，69:264 －280.