張 帝 宋雅寧 于強靜

河南大學(xué)環(huán)境與規(guī)劃學(xué)院

?

河南省冬小麥估產(chǎn)
——基于MODIS-EVI和NDVI模型

張 帝 宋雅寧 于強靜

河南大學(xué)環(huán)境與規(guī)劃學(xué)院

糧食問題關(guān)乎國計民生，本文筆者選取河南省的3、4、5月的EVI和NDVI數(shù)據(jù)，得到精度較高的產(chǎn)量預(yù)測模型。結(jié)果表明：（1）5月EVI與小麥產(chǎn)量相關(guān)性最高，并得出精度較高的多元回歸模型。（2）EVI可能比NDVI更適合于估產(chǎn)建模。

冬小麥估產(chǎn)；NDVIEVI；相關(guān)分析；回歸分析

一、研究區(qū)概況

河南省全省多平原地區(qū)，處于中國的中東部分。其地理位置介于31.38°-36.37°N和110.35°-116.39°E。全省總面積達到16.7萬平方公里，全年無霜期為275-308天。小麥?zhǔn)呛幽鲜≈饕N植的農(nóng)作物。

二、數(shù)據(jù)處理

本文選取的數(shù)據(jù)主要來源于NASA官網(wǎng)的MODIS（1km）數(shù)據(jù)、河南省區(qū)劃圖以及2000年-2014年的河南省統(tǒng)計年鑒中冬小麥實際產(chǎn)量。選擇3月、4月、5月三個月的MODIS數(shù)據(jù)來對和河南省冬小麥估產(chǎn)建模進行研究。

三、NDVI與EVI建模

（一）NDVI與EVI十五年間的變化趨勢

1.NDVI與EVI的定義

目前，EVI與NDVI是使用較為頻繁的植被指數(shù)。NDVI即歸一化植被指數(shù)，其計算公式為（1）：

其中，ρNIR代表植被在近紅外波段的反射率、ρRED代表植被在紅光波段的反射率。其數(shù)值介于-1到1之間。而增強型植被指數(shù)又加入了藍光波段，可以對土壤背景及大氣進行訂正，使得EVI具有NDVI指數(shù)所不具有的季節(jié)性。其計算公式為（2）：

ρNIR代表植被在近紅外波段的反射率、ρRED代表植被在紅光波段的反射率、ρBLUE代表植被在藍光波段的反射率。

2.河南省NDVI與EVI十五年間的變化趨勢

對2000年-2014年河南省的3月、4月、5月的EVI及NDVI數(shù)據(jù)進行處理，得到其均值，并統(tǒng)計得出：3、4、5月的EVI數(shù)據(jù)在2000年-2014年的變化趨勢與走向大同小異，總體而言，3月、4月趨勢較為接近；4月、5月數(shù)值比較相近。

圖1 EVI十五年間變化趨勢

NDVI數(shù)據(jù)分析結(jié)果：其變化趨勢與EVI數(shù)據(jù)類似。

圖2 NDVI十五年間變化趨勢

對比兩張折線圖可以看出：EVI與NDVI的數(shù)值并不同，但各月份的變化趨勢相似，差異較小。

圖3 糧食產(chǎn)量十五年間變化趨勢

對比圖3與圖1、圖2可知：糧食產(chǎn)量十五年間的變化趨勢與5月的變化趨勢最為接近。

（二）3、4、5月NDVIEVI與實際產(chǎn)量的分析

1.NDVIEVI與產(chǎn)量的相關(guān)分析

圖1、圖2可以看出EVI與NDVI的變化趨勢大致相同。分別將3月、4月、5月的EVI數(shù)據(jù)與NDVI數(shù)據(jù)與河南省統(tǒng)計年鑒中的小麥實際產(chǎn)量進行相關(guān)分析。如下所示：

表1 NDVIEVI數(shù)據(jù)與實際產(chǎn)量的相關(guān)分析

將6組數(shù)據(jù)與河南省2000年-2014年小麥實際產(chǎn)量進行相關(guān)分析，可以初步得出：5月EVI數(shù)據(jù)與小麥實際產(chǎn)量的相關(guān)性最高。

2.經(jīng)對數(shù)變換的NDVIEVI與產(chǎn)量的回歸分析

取表1的六組數(shù)據(jù)的對數(shù)分別與河南省實際產(chǎn)量的對數(shù)建立散點圖并分別求出其模型以及R2，然后對比分析：

5 月的EVI對數(shù)數(shù)據(jù)與實際產(chǎn)量對數(shù)數(shù)據(jù)的擬合精度最高，其次為5月的NDVI對數(shù)數(shù)據(jù)與實際產(chǎn)量對數(shù)數(shù)據(jù)的擬合精度。并且都達到了0.05的置信水平。

（三）3、4、5月NDVIEVI累計與實際產(chǎn)量的分析

1.月份累計的NDVIEVI與產(chǎn)量的相關(guān)分析

5 月的EVI數(shù)據(jù)與實際產(chǎn)量的相關(guān)性最高，接下來將三個月的數(shù)據(jù)累加與實際產(chǎn)量做相關(guān)分析，然后與單個月份相比較：

3 月、5月的EVI累加數(shù)據(jù)與河南省實際小麥產(chǎn)量的相關(guān)系數(shù)最高，5月的EVI數(shù)據(jù)相關(guān)性最高，達到了0.813。

2.NDVIEVI與產(chǎn)量的回歸分析

取八組對數(shù)數(shù)據(jù)分別與河南省實際產(chǎn)量對數(shù)數(shù)據(jù)建立散點圖并分別求出其回歸模型以及R2，然后對比：

經(jīng)對數(shù)變換的3月、5月累加EVI與河南省小麥實際產(chǎn)量的擬合精度最高，經(jīng)對數(shù)變換的4月、5月累加EVI與河南省小麥實際產(chǎn)量的擬合精度高，3月、5月累加的NDVI與4月、5月累加的NDVI數(shù)據(jù)與實際產(chǎn)量的擬合精度較高。由此可知，3月、4月份的數(shù)據(jù)相比5月，與小麥產(chǎn)量的相關(guān)性不是很高。

（四）多元回歸分析建模結(jié)果與驗證

1.多元線性回歸建模與分析

經(jīng)研究表明：5月EVI數(shù)據(jù)模型的R值達到了0.813，R2達到了0.668，F(xiàn)值也達到了0.05的置信水平。因此，5月的EVI最適合對河南省冬小麥進行估產(chǎn)建模。

表2 一元回歸模型

2.多元線性回歸建模的驗證

與一元回歸模型相比，多元回歸模型精度更高。用2014年河南省小麥的實際產(chǎn)量對多元回歸線性模型進行驗證，如表3：

表3 多元回歸模型的驗證

四、結(jié)果分析

本文選取河南省2000年-2014年的3月到5月的MODIS-EVI 與NDVI數(shù)據(jù)對小麥估產(chǎn)進行研究，分別對3月、4月、5月以及月份的累加進行相關(guān)分析和回歸分析，并對EVI和NDVI的估產(chǎn)適宜性進行了對比，證明了5月份的EVI與實際產(chǎn)量的相關(guān)性最高。本文通過選取河南省冬小麥生長關(guān)鍵期的EVI與NDVI數(shù)據(jù)來進行遙感估產(chǎn)，獲得以下結(jié)論：

（1）全年之中5月是生長最為關(guān)鍵的月份，對小麥產(chǎn)量的影響最大。

（2）EVI較NDVI而言，EVI對冬小麥的遙感估產(chǎn)精度較高，EVI更適合估產(chǎn)。

基于此在將來的研究中可以多種結(jié)合多種模型進行預(yù)測冬小麥的產(chǎn)量，加入氣象因子，土壤濕度等多個參數(shù)提高模型的精度使預(yù)測更加準(zhǔn)確。

［1］賀振，賀俊平.基于NOAA—NDVI的河南省冬小麥遙感估產(chǎn)［J］.干旱區(qū)資源與環(huán)境，2013，27（5）：46-53.

［2］趙亞光，張粲，候璠，等.多參數(shù)冬小麥估產(chǎn)模型研究及產(chǎn)量影響因素分析［N］.中國農(nóng)學(xué)通報，2015，31（29）：241-247.

［3］李軍玲，郭其樂，彭記永.基于MODIS數(shù)據(jù)的河南省冬小麥產(chǎn)量遙感估算模型［N］.生態(tài)環(huán)境學(xué)報，2012，21（10）：1665-1669.

張帝（1995.07.01—）男，漢族，河南南陽人，河南大學(xué)環(huán)境與規(guī)劃學(xué)院，2013級本科生，人文地理與城鄉(xiāng)規(guī)劃專業(yè)。