隋學艷等

摘要 收獲期是影響作物品質和產量的關鍵生育期，準確、及時地獲取作物收獲期對指導農業(yè)生產具有重要意義。該研究在分析秋季作物生長曲線變化特征的基礎上，利用MODIS NDVI時序數據為遙感信息源，以Logistic模型為核心，運用曲率最大值法，構建秋季作物收獲期的遙感監(jiān)測模型，并以山東省為研究區(qū)，逐像元提取秋季作物的收獲時間。研究發(fā)現，2014年山東省的秋收時間主要集中在第260～285天，即9月中下旬到10月上旬，并呈現從南向北逐漸推遲的空間特征。該研究結果與地面觀測數據基本一致，并且該研究結論與已有的研究成果具有較好的一致性，說明該研究基于Logistic模型構建的秋季作物收獲期遙感監(jiān)測模型是可靠的。研究結果可以為山東省農業(yè)生產提供一定的科學參考和指導，對促進山東省農業(yè)信息化和現代化具有重要意義。

關鍵詞：收獲期；Logistic模型；MODIS NDVI；遙感；山東省

中圖分類號：S126 文獻標識碼 A 文章編號 0517-6611（2015）08-335-03

收獲期是作物的關鍵生育期，作物收獲的早晚影響作物的產量和質量。準確、及時的獲取作物收獲期信息，對于提高農產品的品質和產量、調整作物播種期、指導規(guī)?；N植區(qū)域的機械化收割具有重要意義[1-5]。

目前常用的作物收獲期監(jiān)測方法主要有田間觀測法和氣象模型統(tǒng)計法。田間觀測需要大量的人力、物力，且觀測范圍和作物種類有限，限制了其大范圍應用；氣象模型統(tǒng)計法簡單易用，且僅使用較少的驅動數據（如氣溫、降水等）就可以開展預測，但以氣溫為代表的氣象數據大范圍內表現均一，無法反映田塊尺度成熟期的差異，因而無法在小范圍內對作物的成熟期進行預測，同時這些模型多是基于統(tǒng)計回歸方式建立的，具有單點的特點，在一個區(qū)域建立的模型無法在其他區(qū)域或其他品種的作物進行推廣[6]。隨著遙感技術的發(fā)展，遙感在指導農業(yè)生產方面發(fā)揮著越來越重要的作用，能夠及時、低成本的獲取大范圍的地面信息，使得利用遙感進行動態(tài)監(jiān)測、量化大范圍作物生育期成為可能。

利用遙感監(jiān)測作物生育期，國內外學者已經做了大量的研究。Mahmoud等根據作物生長模型，以SPOT-5數據為驅動進行了甘蔗收割期的監(jiān)測[7]，Rangoonwala等根據NOAA NDVI時序數據的變化率研究作物生育期的時間變化[8]，而辛景峰等則定義在可能出現的時間范圍內，NOAA NDVI時序數據出現2個連續(xù)降低對應的時間為黃淮海冬小麥的成熟期[9]，張峰等利用SPOT-VGT 2個相鄰時期的NDVI相減研究小麥的關鍵生育期，并定義NDVI減小速率最大處為小麥的收獲期[10]。在小區(qū)域范圍內，王堃等利用國產的HJ-CCD數據，基于變化向量分析方法，開展兗州市夏玉米收獲期研究，取得了較好的監(jiān)測結果[11]。

綜合現有的研究發(fā)現，作物生育期遙感監(jiān)測的實質是發(fā)現作物在形態(tài)上發(fā)生顯著變化所對應的日期。Logistic模型是目前研究植被生育期最常用的方法之一[12-13]，并且在作物長勢監(jiān)測、植被生長曲線擬合等方面有重要應用[14]，但利用Logistic模型研究作物收獲期的成果鮮有報道。筆者以2014年山東省秋季作物為研究對象，利用時序MODIS NDVI數據，以Logistic模型為核心，根據作物生長過程中NDVI曲線的變化特征，構建秋季作物收獲期的遙感監(jiān)測模型，逐像元提取2014年山東省秋季作物的收獲時間，以期為指導山東省農業(yè)生產提供一定的參考。

1 數據來源與研究方法

1.1 數據來源及預處理

1.1.1 遙感數據預處理。該研究使用的遙感數據為從全球MODIS數據免費分發(fā)網站（http：//ladsweb.nascom.nasa.gov）獲取的基于8 d最大值合成的MODIS反射率數據（MOD09Q2），空間分辨率為250 m，時間范圍為2014209～2014305，即2014年7月28日～2014年11月8日共13期數據。

原始的MOD09Q2數據采用HDF格式，sinusoidal投影方式存儲。為了研究中數據處理和計算的方便，首先利用MODIS數據預處理軟件MODIS Reproject Tools（MRT）軟件對MOD09Q2進行預處理，將HDF格式轉換為統(tǒng)一的tiff格式，并將sinusoidal投影轉換為雙標準緯線等積圓錐投影（Albers），通過與山東省矢量邊界和1∶250 000山東省耕地分布柵格數據掩膜處理，得到山東省耕地區(qū)域的MOD09Q2數據。

1.1.2 NDVI信息提取。研究選用歸一化差值植被指數（NDVI）作為指示作物生育期變化的遙感指標。NDVI能夠在很大范圍內相當精確地反映植被綠度、光合作用強度以及植被的季節(jié)性和年際變化[15-17]。利用MOD09Q2的2個波段反射率得到NDVI數據的計算公式如下：

NDVI=ρnir-ρredρnir+ρred（1）

式中，ρred為MOD09Q2第一波段（620～67 0nm）的反射率；ρnir為MOD09Q2第二波段（841～876 nm）的反射率。

在ENVI中將計算得到的13期NDVI數據疊加，得到研究區(qū)2014年7月28日到2014年11月8日的8d最大值合成的NDVI時間序列數據。

1.1.3 NDVI數據去噪。最大值合成法可以一定程度上消除大氣、云、太陽高度角等對植被反射率的影響，但云和大氣對獲取的遙感影像的影響依舊很大，使得到的NDVI數據存在許多噪聲，造成NDVI曲線存在異常的突升點或突降點，影響遙感監(jiān)測精度。因此，在利用NDVI數據進行收獲期監(jiān)測前，必須先對NDVI時間序列曲線進行濾波處理。根據已有的眾多研究，筆者采用Savitzky-Golay濾波[18-19]對研究區(qū)的NDVI時序數據進行去噪處理。S-G濾波過程可由下式描述：

Y*j=i=mi=-mCiYj+1N（2）

式中，Y*j為擬合之后的序列數據；Yj+i為原始序列數據；Ci為濾波系數，N為滑動窗口的大?。?m+1）。

為與秋收時間的儒略日對應，將濾波之后的8 d NDVI時序數據進行3次樣條插值，得到研究區(qū)每天的NDVI時間序列數據。

1.2 秋收時間遙感監(jiān)測方法 作物生育期遙感監(jiān)測的實質是發(fā)現作物在形態(tài)上發(fā)生顯著變化所對應的日期。該研究根據平滑后的NDVI時間序列曲線，以Logistic模型（公式3）為核心，根據曲率極值法，提取秋季作物的收獲時間。作物收獲時間的具體提取流程如圖1所示。具體步驟為：

（1）根據插值后的逐日NDVI時間序列曲線，查找到該時間序列上NDVI的最大值maxNDVI（圖1a）。

（2）從maxNDVI對應的日期開始，利用Logistic模型對NDVI曲線進行模擬（圖 1b）。

Logistic函數的表達式為：

y（t）=c1+ea+bt+d（3）

式中，t是一年中的某天；y（t）是擬合之后的t時間點上的 NDVI 值；d是背景的NDVI值，該研究中以擬合時間段內的最小NDVI 值代替，（c+d）為擬合時間段內NDVI最大值，即maxNDVI；a和b是擬合參數，利用Levenberg-Marquardt方法求得。

（3）計算模擬曲線的曲率，求其極值。根據曲率極值點，確定山東省秋季作物的收獲時間（圖 1b），如圖1（b）中所示，定義A點對應的時間為山東省某種秋季作物收獲時間。

曲率計算公式為：

k=dαds=-bccz（1-z）（1+z）3[（1+z）4+（bcz）2]32（4）

式中，z=aa+bt；k為擬合的時間累積NDVI曲線變化曲率；α沿時間曲線移動單位弧長時切線轉過的角度；s為單位弧長。

2 結果與分析

2.1 2014年山東省秋收進程的空間特征 該研究以Logistic模型為核心，通過時序MODIS NDVI信息，構建秋季作物收獲期遙感監(jiān)測模型，獲得以儒略日為時間尺度的2014年山東省秋季作物收獲期空間分布，如圖2所示。

總體上看，2014年山東省秋季作物收獲時間從第240天持續(xù)到第300天左右，即9月初～11月上旬，持續(xù)時間較長，但主要集中在第260天到第285天之間，即9月中下旬～10月中旬，收獲作物占全省的89%以上，持續(xù)1個月左右。從空間上看，2014年山東省秋季作物收獲時間從南向北逐漸推遲，南部平原地區(qū)秋收時間主要集中在第265～270天左右，即9月中下旬，而德州、東營、煙臺等北部地區(qū)秋季作物收獲時間主要集中在第275～285天之間，即10月上中旬，南北相差15 d左右，這與實際的山東省秋收進程基本一致。收獲時間較早的地區(qū)出現在萊蕪市南部、新泰市和泗水縣等中部山地。

2.2 結果驗證 利用地面觀測數據對遙感監(jiān)測結果進行驗證，是檢驗遙感提取方法精度的重要手段。由于缺乏2014年山東省秋收時間的地面監(jiān)測數據，該研究根據中國氣象科學數據共享服務網（http：//cdc.cma.gov.cn）發(fā)布的高密、菏澤、濟寧等8個站點2009～2012年山東省夏玉米成熟期對該研究的提取結果進行簡要的精度分析。其中，2009～2012年作物成熟平均日期來自站點觀測數據，對應的遙感提取結果為站點所轄市區(qū)內所有作物的平均收獲期，結果見表1。

對比地面站點觀測的夏玉米成熟期資料，該研究結果與實測數據具有很好的一致性。除高密站外，其余7個站點遙感監(jiān)測的秋收時間與地面觀測時間的年均值誤差均小于10 d。這一方面是由于二者關注的作物生長期不同，地面站點數據記錄的是夏玉米成熟期，而遙感監(jiān)測的結果是夏玉米收獲期，二者必然存在差異，并且這種差異受人為影響較大；另一方面，二者觀測尺度存在巨大差異，地面觀測站點記錄的是地面上某一點或某一秋季作物的成熟期，而遙感監(jiān)測結果使用的是站點轄區(qū)范圍內的所有作物收獲時間。另外，根據王堃等的研究，2009年兗州市夏玉米收獲期主要集中在9月中下旬[11]，這與該研究提出的2014年兗州秋收時間主要集中在第260～275天之間的結果基本一致。因此，該研究基于Logistic方法和時序遙感數據提取山東省2014年秋季作物收獲期的結果是可靠的。

3 結論與討論

該研究以Logistic模型為核心，利用時序MODIS NDVI信息，基于曲率最大值法，構建了秋季作物收獲期的遙感監(jiān)測模型，提取了2014年山東省秋收時間。

結果表明，2014年山東省秋收時間主要集中在第260～285天之間，即9月中下旬～10月中旬，并且空間上呈現從南向北逐漸推遲的趨勢，南北相差近15 d左右。該研究結果與地面站點觀測數據和已有的研究基本一致，說明該研究構建的秋收時間遙感監(jiān)測模型具有一定的可靠性，可以為山東省農業(yè)生產提供一定的指導和科學參考。

參考文獻

[1] SUN H Y，ZHANG X Y，CHEN S Y.Effects of harvest and sowing time on the performance of the rotation of winter wheat-summer maize in the North China Plain[J].Industrial Crops and Products，2007，25（3）：239-247.

[2] 謝黎虹，葉定池，陳能，等.播期和收獲期對“水豐兩優(yōu)1號”品質的影響[J].中國農業(yè)氣象，2008，29（1）：83-85.

[3] 遲永琴.春小麥品質與收獲期的關系[J].作物雜志，1995，11（3）：30-31.

[4] 路大雷，王德成，趙久然，等.收獲期對秋播糯玉米不同品種產量與淀粉糊化（RVA）特性的影響[J].中國農業(yè)科學，2008，41（12）：4048-4054.

[5] SALDIVAR X，WANG Y，CHEN P，et al.Changes in chemical composition during soybean seed development[J].Food Chemistry，2011，124（4）：1369-1375.

[6] 蒙繼華，吳炳方.基于衛(wèi)星遙感預測作物成熟期的可行性分析[J].遙感技術與應用，2013，28（2）：165-173.

[7] MAHMOUD EI H，AGNES B，SERGE G，et al.Integrating SPOT-5 time series，crop growth modeling and expert knowledge for monitoring agricultural practices-The case of sugarcane harvest on Reunion Island[J].Remote Sensing of Environment，2009，113（10）：2052-2061.

[8] RANGOONWALA A，AHMED S，NASIR A.Quasi-operational use of NOAA/AVHRR vegetation index to monitor vegetal cover and crop growth[J].Advances in Space Research，1993，13（5）：265-268.

[9] 辛景峰，宇振榮，DRIESSEN P M.利用NOAA NDVI 數據集監(jiān)測冬小麥生育期的研究[J].遙感學報，2001，5（6）：442-447.

[10] 張峰，吳炳方，劉成林，等.利用時序植被指數監(jiān)測作物物候的方法研究[J].農業(yè)工程學報，2004，20（1）：155-159.

[11] 王堃，顧曉鶴，程耀東，等.基于變化向量分析的玉米收獲期遙感監(jiān)測[J].農業(yè)工程學報，2011，27（2）：180-186.

[12] RATKOWSKY D A.Nonlinear regression modeling-A unifiedpractical approach[M].New York and Basel：Marcel Dekker，1983.

[13] RICHARDS F J.A flexible growth function for empirical use[J].Journal of Experimental Botany，1959，10：290-300.

[14] ZHANG X Y，FRIEDL M A，SCHAAF C B，et al.Monitoring vegetation phenology using MODIS[J].Remote Sensing of Environment，2003，84：471-475.

[15] 吳炳方.全國農情監(jiān)測與估產的運行化遙感方法[J].地理學報，2000，55（1）：23-35.

[16] 羅宇翔，陳娟，鄭小波，等.RS和GIS在黔中主要秋糧作物生育期及長勢動態(tài)監(jiān)測中的應用[J].貴州農業(yè)科學，2007，35（3）：128-130.

[17] 鄭小波，陳娟，康為民，等.利用MODIS 監(jiān)測高原水稻生育期和長勢的方法[J].中國農業(yè)氣象，2007，28（4）：453-456.

[18] MADDEN H H.Comments on the Savitzky-Golay convolution method for least-squares fit smoothing and differentiation of digital data[J].Analytical Chemistry，1978，50（9）：1383-1386.

[19] CHEN J，JONSSON P，TAMURA M，et al.A simple method for reconstructing a high-quality NDVI time-series dataset based on the Savitzky-Golay filter[J].Remote Sensing of Environment，2004，91：332-344.