李章成　李源洪　魏來　姚興柱　周華茂

摘要：以2011年四川省德陽地區(qū)為研究區(qū)域，建立20個(gè)300 m×300 m樣方，在水稻移栽（6月10日）、分蘗（7月10日）、抽穗（8月15日）及成熟期間（9月1日），每樣方選取3個(gè)地塊，每地塊隨機(jī)選擇3個(gè)面積為1 m×1 m的樣點(diǎn)并用GPS定位，基本在同一位置采集葉面積指數(shù)（LAI）、葉綠素含量、株高、行列距、干物質(zhì)重、每公頃分蘗數(shù)、有效穗數(shù)、每穗粒數(shù)、千粒重等生態(tài)參數(shù)，測算出單產(chǎn)、經(jīng)濟(jì)系數(shù)，以SPOT5多光譜影像（2011/8/18，261/287）提取歸一化植被指數(shù)（NDVI），研究每一樣方內(nèi)水稻區(qū)植被指數(shù)與葉面積指數(shù)、產(chǎn)量等定量關(guān)系。結(jié)果表明，NDVI與抽穗期LAI相關(guān)性極顯著（r=0.703**），與其他3個(gè)時(shí)期LAI相關(guān)性低；NDVI與成熟期測定的單產(chǎn)、經(jīng)濟(jì)系數(shù)相關(guān)性也較低；通過抽穗期遙感影像提取的植被指數(shù)，可反演同時(shí)期水稻葉面積指數(shù)；利用單時(shí)相遙感影像反演最終單產(chǎn)和經(jīng)濟(jì)系數(shù)，需要進(jìn)一步研究。

關(guān)鍵詞：水稻；葉面積指數(shù)；遙感；植被指數(shù)；單產(chǎn)；經(jīng)濟(jì)系數(shù)

中圖分類號(hào)： S511.01文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2014）01-0284-02

收稿日期：2013-05-23

基金項(xiàng)目：國際科技合作項(xiàng)目（編號(hào)：2010DFB10030）。

作者簡介：李章成（1974—），男，湖北隨州人，博士，助理研究員，主要從事農(nóng)業(yè)遙感、作物信息、國土資源調(diào)查等方面研究。Tel：（028）84504163；E-mail：lizhangcheng@tom.com。不同時(shí)期水稻葉面積指數(shù)（LAI）是水稻生長過程中的一項(xiàng)重要參數(shù)，除提供水稻生長的動(dòng)態(tài)信息外，與生物量、產(chǎn)量也密切相關(guān)。利用光譜絕對(duì)值或其變換形式，對(duì)作物L(fēng)AI進(jìn)行定量遙感反演，建立LAI-VI回歸模型[1-2]，根據(jù)LAI與產(chǎn)量關(guān)系模型，利用中低分辨率遙感影像提取水稻關(guān)鍵生育期植被指數(shù)，進(jìn)行作物估產(chǎn)及長勢監(jiān)測已有眾多研究成果[3-6]。但是，受大氣、土壤背景、儀器定標(biāo)及植被本身光化學(xué)過程變化等內(nèi)外因素的影響，從遙感數(shù)據(jù)中獲取的植被指數(shù)和LAI的關(guān)系也具有地域性和時(shí)效性，建立簡單實(shí)用的LAI反演方法及提高反演精度已成為研究熱點(diǎn)和難點(diǎn)[7-10]。利用實(shí)地觀測的葉面積指數(shù)數(shù)據(jù)和光譜儀觀測數(shù)據(jù)，Martin等發(fā)現(xiàn)樣地上水稻的光譜植被指數(shù)與葉面積指數(shù)相關(guān)性很強(qiáng)[2]，薛利紅等研究了植被指數(shù)與LAI的相關(guān)性[7-8]。楊燕等利用ASD野外光譜儀實(shí)地測量水稻的波譜曲線和葉面積指數(shù)，建立兩者間模型，利用Hyperion影像數(shù)據(jù)反演葉面積指數(shù)，總體上反演數(shù)據(jù)比實(shí)測數(shù)據(jù)略低[11]。

利用中低分辨率影像進(jìn)行作物長勢監(jiān)測與估產(chǎn)，雖然其覆蓋范圍廣，獲取時(shí)間頻率高，但是空間分辨率較低，同物異譜、同譜異物形成的混合像元導(dǎo)致定量遙感反演精度較低，特別在西南地區(qū)，水稻種植恰好在雨熱同季的多云雨時(shí)期，中低分辨率遙感影像云所占比例較高，加之該區(qū)域田塊零散，中低分辨率遙感影像混合像元帶來的問題更為嚴(yán)重。因此，在水稻關(guān)鍵生長期，研究利用單時(shí)相的中高分辨率光學(xué)遙感影像或雷達(dá)影像，進(jìn)行作物長勢監(jiān)測和估產(chǎn)有較大意義。

本研究以四川省德陽地區(qū)為測試區(qū)域，利用中高分辨率SPOT5光學(xué)遙感影像，提取水稻不同時(shí)期的植被指數(shù)，探討分析其與實(shí)測葉面積指數(shù)的相關(guān)性，以建立反演葉面積指數(shù)模型，研究反演成熟期時(shí)的單產(chǎn)、經(jīng)濟(jì)系數(shù)，為遙感監(jiān)測水稻長勢及估產(chǎn)服務(wù)。

1材料與方法

1.1研究區(qū)域

影像覆蓋區(qū)域及樣點(diǎn)分布地處德陽市，位于東經(jīng)103°45′～105°15′，北緯30°31′～31°42′，屬亞熱帶濕潤季風(fēng)區(qū)，氣候溫和，多云雨，為成都平原重要的產(chǎn)糧區(qū)。影像為SPOT5（2011-08-18，261/287，圖1），空間分辨率為10 m，與抽穗期實(shí)地測量時(shí)間較近，經(jīng)過輻射、幾何校正，獲取真實(shí)的地表反射率。

1.2調(diào)查與統(tǒng)計(jì)方法

建立20個(gè)300 m×300 m水稻樣方，每樣方選取3個(gè)地塊，每個(gè)地塊隨機(jī)選擇3個(gè)1 m×1 m樣點(diǎn)，利用GPS定位，基本處于同一位置測量水稻葉面積指數(shù)（LAI）、葉綠素含量、株高、行列距、干物質(zhì)重、每公頃分蘗數(shù)、有效穗數(shù)、每穗粒數(shù)、千粒重等生態(tài)參數(shù)，取平均值代表樣方內(nèi)水稻各項(xiàng)生理生態(tài)參數(shù)，數(shù)據(jù)采用SPSS軟件進(jìn)行分析。測量時(shí)間分別是移栽期（6月10日）、分蘗期（7月10日）、抽穗期（8月15日）、成熟期（9月1日）等4個(gè)主要生育期。

葉面積指數(shù)采用手工方式測量，其他生理生態(tài)參數(shù)測定及轉(zhuǎn)換按照常規(guī)方法進(jìn)行。由于水稻葉片呈下窄、中寬、上尖形，實(shí)際面積小于長方形面積（長×寬），水稻苗期和成熟期葉形偏尖，實(shí)際面積約為長方形的75%，其他各生育期均約為83%，單葉葉面積=葉片長×葉片寬×校正系數(shù)，整個(gè)植株的單葉葉面積之和即為總?cè)~面積（cm2）。葉面積指數(shù)計(jì)算公式為葉面積指數(shù)（LAI）=（平均單株總?cè)~面積×每公頃株數(shù)）/（10 000×10 000）。

植被指數(shù)利用ENVI 4.7圖像處理軟件提取，基于真實(shí)地表反射率影像，提取歸一化植被指數(shù)（NDVI）。計(jì)算公式為NDVI=（ρNIR-ρRed）/（ρNIR+ρRed），其中，ρNIR為近紅外波段反射率，ρRed紅波段反射率。

2結(jié)果與分析

2.1主要生育期生理生態(tài)參數(shù)

由圖2、表1可見，水稻移栽期、分蘗期、抽穗期和成熟期葉面積指數(shù)分別為0.97、4.98、6.24和1.08，呈先上升后下降趨勢，地上部分干物質(zhì)重分別為0.46、2.33、5.25和 8.04 g/株，呈上升趨勢。

2.2植被指數(shù)與葉面積指數(shù)、單產(chǎn)及經(jīng)濟(jì)系數(shù)相關(guān)性分析

由于分蘗期、抽穗期為水稻生長旺期，影像時(shí)相與測量時(shí)間比較近，遙感影像更能反應(yīng)作物生長狀況。植被指數(shù)與分蘗期和抽穗期時(shí)的葉面積指數(shù)顯著相關(guān)，相關(guān)系數(shù)分別為0553*、0.703**，與移栽期及成熟期時(shí)的葉面積指數(shù)相關(guān)性低。植被指數(shù)與移栽期、分蘗期、抽穗期和成熟期的干物質(zhì)重，以及測算單產(chǎn)和經(jīng)濟(jì)系數(shù)的相關(guān)系數(shù)都低，相關(guān)性顯著。endprint

2.3植被指數(shù)與葉面積指數(shù)回歸模型建立

根據(jù)相關(guān)性分析，抽穗期植被指數(shù)與葉面積指數(shù)呈線性關(guān)系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）?；貧w模型的方差分析結(jié)果見表2。

3小結(jié)與討論

通過實(shí)地測量水稻主要生育期葉面積指數(shù)，利用SPOT5中高分辨率光學(xué)遙感影像提取抽穗期植被指數(shù)，進(jìn)行相關(guān)分

析后建立了葉面積指數(shù)反演模型。植被指數(shù)能較好地反演提取同時(shí)期的葉面積指數(shù)，進(jìn)行長勢監(jiān)測，但由于單產(chǎn)和經(jīng)濟(jì)系數(shù)與每公頃有效穗數(shù)、每穗粒數(shù)、千粒重、干物質(zhì)重及品種有關(guān)，并且地塊零散，對(duì)德陽地區(qū)抽穗期單時(shí)相中高分辨率遙感影像提取的植被指數(shù)反演單產(chǎn)和經(jīng)濟(jì)系數(shù)進(jìn)行估產(chǎn)，還需要進(jìn)一步研究。另外需說明的是，在利用遙感影像進(jìn)行作物長勢監(jiān)測和產(chǎn)量預(yù)報(bào)時(shí)，影像時(shí)相至關(guān)重要。

參考文獻(xiàn)：

[1]浦瑞良，宮鵬. 高光譜遙感及其應(yīng)用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項(xiàng)月琴. 遙感估算水稻產(chǎn)量Ⅱ.用光譜數(shù)據(jù)和陸地衛(wèi)星圖像估算水稻產(chǎn)量[J]. 環(huán)境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產(chǎn)[M]. 北京：中國農(nóng)業(yè)出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報(bào)，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 光譜植被指數(shù)與水稻葉面積指數(shù)相關(guān)性的研究[J]. 植物生態(tài)學(xué)報(bào)，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數(shù)與葉面積指數(shù)的水稻生長狀況監(jiān)測[J]. 江蘇農(nóng)業(yè)科學(xué)，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數(shù)的Hyperion反演研究[J]. 遙感技術(shù)與應(yīng)用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環(huán)境因子的關(guān)系[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：286-291.endprint

2.3植被指數(shù)與葉面積指數(shù)回歸模型建立

根據(jù)相關(guān)性分析，抽穗期植被指數(shù)與葉面積指數(shù)呈線性關(guān)系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）?；貧w模型的方差分析結(jié)果見表2。

3小結(jié)與討論

通過實(shí)地測量水稻主要生育期葉面積指數(shù)，利用SPOT5中高分辨率光學(xué)遙感影像提取抽穗期植被指數(shù)，進(jìn)行相關(guān)分

析后建立了葉面積指數(shù)反演模型。植被指數(shù)能較好地反演提取同時(shí)期的葉面積指數(shù)，進(jìn)行長勢監(jiān)測，但由于單產(chǎn)和經(jīng)濟(jì)系數(shù)與每公頃有效穗數(shù)、每穗粒數(shù)、千粒重、干物質(zhì)重及品種有關(guān)，并且地塊零散，對(duì)德陽地區(qū)抽穗期單時(shí)相中高分辨率遙感影像提取的植被指數(shù)反演單產(chǎn)和經(jīng)濟(jì)系數(shù)進(jìn)行估產(chǎn)，還需要進(jìn)一步研究。另外需說明的是，在利用遙感影像進(jìn)行作物長勢監(jiān)測和產(chǎn)量預(yù)報(bào)時(shí)，影像時(shí)相至關(guān)重要。

參考文獻(xiàn)：

[1]浦瑞良，宮鵬. 高光譜遙感及其應(yīng)用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項(xiàng)月琴. 遙感估算水稻產(chǎn)量Ⅱ.用光譜數(shù)據(jù)和陸地衛(wèi)星圖像估算水稻產(chǎn)量[J]. 環(huán)境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產(chǎn)[M]. 北京：中國農(nóng)業(yè)出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報(bào)，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 光譜植被指數(shù)與水稻葉面積指數(shù)相關(guān)性的研究[J]. 植物生態(tài)學(xué)報(bào)，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數(shù)與葉面積指數(shù)的水稻生長狀況監(jiān)測[J]. 江蘇農(nóng)業(yè)科學(xué)，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數(shù)的Hyperion反演研究[J]. 遙感技術(shù)與應(yīng)用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環(huán)境因子的關(guān)系[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：286-291.endprint

2.3植被指數(shù)與葉面積指數(shù)回歸模型建立

根據(jù)相關(guān)性分析，抽穗期植被指數(shù)與葉面積指數(shù)呈線性關(guān)系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）。回歸模型的方差分析結(jié)果見表2。

3小結(jié)與討論

通過實(shí)地測量水稻主要生育期葉面積指數(shù)，利用SPOT5中高分辨率光學(xué)遙感影像提取抽穗期植被指數(shù)，進(jìn)行相關(guān)分

析后建立了葉面積指數(shù)反演模型。植被指數(shù)能較好地反演提取同時(shí)期的葉面積指數(shù)，進(jìn)行長勢監(jiān)測，但由于單產(chǎn)和經(jīng)濟(jì)系數(shù)與每公頃有效穗數(shù)、每穗粒數(shù)、千粒重、干物質(zhì)重及品種有關(guān)，并且地塊零散，對(duì)德陽地區(qū)抽穗期單時(shí)相中高分辨率遙感影像提取的植被指數(shù)反演單產(chǎn)和經(jīng)濟(jì)系數(shù)進(jìn)行估產(chǎn)，還需要進(jìn)一步研究。另外需說明的是，在利用遙感影像進(jìn)行作物長勢監(jiān)測和產(chǎn)量預(yù)報(bào)時(shí)，影像時(shí)相至關(guān)重要。

參考文獻(xiàn)：

[1]浦瑞良，宮鵬. 高光譜遙感及其應(yīng)用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項(xiàng)月琴. 遙感估算水稻產(chǎn)量Ⅱ.用光譜數(shù)據(jù)和陸地衛(wèi)星圖像估算水稻產(chǎn)量[J]. 環(huán)境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產(chǎn)[M]. 北京：中國農(nóng)業(yè)出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產(chǎn)遙感估測建模研究[J]. 遙感學(xué)報(bào)，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 光譜植被指數(shù)與水稻葉面積指數(shù)相關(guān)性的研究[J]. 植物生態(tài)學(xué)報(bào)，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數(shù)與葉面積指數(shù)的水稻生長狀況監(jiān)測[J]. 江蘇農(nóng)業(yè)科學(xué)，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數(shù)的Hyperion反演研究[J]. 遙感技術(shù)與應(yīng)用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環(huán)境因子的關(guān)系[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：286-291.endprint