王利民 楊玲波 劉 佳 楊福剛 姚保民

中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所, 北京 100081

作物長勢指作物的生長狀況和趨勢[1], 可以為作物田間管理[2]、早期產量快速估算[3]、國家糧食政策制定[4]提供支持。由于遙感技術的時效性、便捷性、準確性等優(yōu)勢, 利用遙感技術進行農作物長勢監(jiān)測已成為當前的作物長勢的主要獲取手段[5-7]。20世紀80年代, 美國農業(yè)部建立了全球尺度的農情遙感監(jiān)測系統(tǒng), 實現(xiàn)全球主要農作物的長勢監(jiān)測和產量預報, 加拿大、澳大利亞、歐盟等發(fā)達國家也相繼建立了作物長勢遙感監(jiān)測運行系統(tǒng)[8]; 中國對作物長勢遙感監(jiān)測的研究及應用稍晚于國外, 中國科學院、中國氣象局、中國農業(yè)科學院、農業(yè)部規(guī)劃設計研究院等建立了一系列的農情遙感監(jiān)測系統(tǒng)并投入實際應用[9]。當前, 作物長勢遙感監(jiān)測的常用方法主要包括植被指數(shù)關聯(lián)法和作物生長模型兩大類[10]。遙感指數(shù)關聯(lián)方法主要利用遙感影像獲取與作物生長密切相關的植被指數(shù), 并構建植被指數(shù)與長勢之間的相互關系, 從而反演地面作物的生長情況或進行長勢的分級[11-12], 常用到的遙感指數(shù)包括NDVI[13]、LAI[14]、VCI[15]、NDWI[16]等。Moriondo等[17]利用 NDVI作為作物長勢指標, 統(tǒng)計分析多年的冬小麥長勢規(guī)律, 并對意大利兩個省份小麥的長勢和產量進行預測, 取得了較高的精度; Zhao等[18]利用 NDVI構建了植被生長動力學指數(shù), 通過將NDVI曲線坐標歸一化, 根據(jù)有效積溫劃分作物不同生長階段及對產量的影響因子, 對研究區(qū)進行大豆估產, 結果表明精度高達88.5%。作物生長模型同化方法則利用遙感數(shù)據(jù)與作物生長模型如WOFOST(world food studies)、DSSAT (decision support system for agrotechnology transfer)、SWAP (soil, water, atmosphere, and plant)等結合, 模擬作物整個生育期的生長環(huán)境, 并對長勢和產量預估計算, 具有機理性強的優(yōu)勢。Maas[19]利用遙感影像獲取葉面積指數(shù)LAI和水分脅迫系數(shù), 并將其輸入作物生長模型,獲取了玉米地上生物量的模擬結果; 劉峰等[20]設計實現(xiàn)了基于極快速模擬退火算法的遙感數(shù)據(jù)與CERES-Wheat作物生長模型的同化原型系統(tǒng), 以地面高光譜為遙感數(shù)據(jù)源, 同化LAI并與實測值對比,展現(xiàn)了良好的擬合度。

同時, 在當前的業(yè)務系統(tǒng)中, 利用 NDVI等指數(shù)進行作物生長狀況分級評價, 或與多年均值對比分析, 獲得監(jiān)測區(qū)域作物長勢[21-23]已成為主要方法。如王蕊等[24]通過對多年冬小麥 MODIS NDVI數(shù)據(jù)進行比較和分級, 評價了河北平原農田的生產力空間變異; 馮美臣等[25]對相鄰年份冬小麥關鍵生育期 MODIS NDVI 值進行比值計算, 根據(jù)比值的大小將冬小麥長勢分為 5個等級; 烏蘭吐雅等[26]利用MODIS計算NDVI, 以NDVI值的大小對大興安嶺西麓春小麥苗青長勢分析評價, 較好地反映了春小麥的長勢狀況。

MODIS數(shù)據(jù)具大幅寬(2330 km)、高重訪(一日4次)、數(shù)據(jù)免費獲取等優(yōu)勢, 是當前作物長勢遙感監(jiān)測的主要數(shù)據(jù)源, 但由于其分辨率較低(250 m), 主要應用于大范圍區(qū)域監(jiān)測, 如梁瀚月等[27]利用MODIS長時間序列NDVI, 通過構建植被條件指數(shù)、距平植被指數(shù)、與往年比較指數(shù)等, 進行西藏地區(qū)大面積作物的苗情監(jiān)測; 而隨著高分數(shù)據(jù)的增多、數(shù)據(jù)處理能力的增強, 利用高分辨率數(shù)據(jù)進行作物長勢監(jiān)測的研究日益增多, 監(jiān)測范圍也從小尺度[28]向大尺度轉變[29], 方法從單純的植被指數(shù)長勢評價[30]到植株氮素、葉綠素含量等作物物理、生理參數(shù)建模反演方向發(fā)展[31], 如查海涅[32]基于 GF-1影像反演水稻的氮營養(yǎng)指數(shù)、譚昌偉等[33]基于HJ衛(wèi)星影像進行了冬小麥開花期生物量、葉綠素含量、蛋白質含量等生長指標的遙感監(jiān)測。

隨著國產高分系列衛(wèi)星的不斷發(fā)射, 目前中國農情遙感作物長勢業(yè)務化監(jiān)測的主要數(shù)據(jù)源由MODIS等國外中等分辨率數(shù)據(jù)逐漸轉向GF-1等國產高分辨率衛(wèi)星數(shù)據(jù)。本文以河北廊坊為主要研究區(qū), 以冬小麥為目標作物, 分別使用GF-1和MODIS數(shù)據(jù)反演 NDVI作為作物遙感長勢監(jiān)測指標, 同步采集研究區(qū)冬小麥樣本點, 以綜合莖數(shù)、株高、葉綠素濃度等作為地面長勢監(jiān)測指標, 分析遙感與地面長勢監(jiān)測指標的關聯(lián)性; 同時對比分析 GF-1和MODIS影像進行作物長勢遙感監(jiān)測的差異性, 評價作物長勢不一致性、傳感器差異、NDVI尺度效應等對作物長勢的影響情況。本研究將有利于厘清遙感長勢監(jiān)測代表的實際含義及精度, 同時也將為中國當前農情遙感作物長勢業(yè)務化監(jiān)測的數(shù)據(jù)源由MODIS等國外中低分辨率數(shù)據(jù)向GF-1等國產高分數(shù)據(jù)轉變提供依據(jù)。

1 研究區(qū)概況

研究區(qū)大部分位于河北省廊坊市(39°28′42″～39°32′54″N, 116°38′07″～116°44′06″E), 少部分位于天津市武清區(qū)和北京市大興區(qū), 總面積約 4500 km2(圖1)。廊坊市地處中緯度地帶, 屬暖溫帶大陸性季風氣候, 四季分明, 光熱資源充足, 雨熱同季, 有利于農作物生長, 但氣象災害較多, 干熱風、雷雨冰雹大風、連陰雨、寒潮等災害性天氣常給農業(yè)生產造成不利影響。該區(qū)年平均氣溫 11.9℃, 年均無霜期183 d, 年平均降水量為554.9 mm, 年平均日照時數(shù)在2660 h左右。廊坊市除北部有76 km2的低山丘陵外, 98%的土地為平原, 地勢開闊平坦、地層深厚,土壤類型多樣, 主要作物為玉米、小麥、蔬菜、棉花等, 糧食播種面積30.62萬公頃。

2 數(shù)據(jù)獲取與處理

2.1 遙感數(shù)據(jù)獲取及處理

使用當前農情遙感監(jiān)測業(yè)務常用的 GF-1/WFV數(shù)據(jù)和 MODIS衛(wèi)星遙感影像進行冬小麥長勢評價分析。GF-1衛(wèi)星發(fā)射于2013年4月26日, 是我國“高分專項”發(fā)射的高分系列衛(wèi)星首星, 搭載了2臺2 m分辨率全色/8 m分辨率多光譜相機和4臺16 m分辨率多光譜相機(WFV1～WFV4)。WFV傳感器4臺相機組合可達 800 km幅寬, 標稱重訪周期 4 d。MODIS數(shù)據(jù)則是搭載在TERRA和AQUA衛(wèi)星上的一個重要的傳感器, 其數(shù)據(jù)通過X波段免費向全球廣播, MODIS傳感器最大分辨率可達250 m, 包含36個離散的波段, 光譜范圍0.4～14.4 μm, 掃描寬度2330 km, 兩顆衛(wèi)星組合一天可過境同一地區(qū)4次(白天2次), 其中等分辨率、大幅寬、高重訪周期、高光譜分辨率的優(yōu)勢使其在全球各項遙感監(jiān)測工作中得到廣泛應用, 同時也是當前農情遙感監(jiān)測的重要數(shù)據(jù)源。

圖1 研究區(qū)地理位置Fig. 1 Location of study area

選用2016年4月25日研究區(qū)的GF-1 WFV1影像(圖 2-A), 進行幾何校正、大氣校正處理。幾何校正使用衛(wèi)星自帶的 RPC參數(shù), 并將坐標系轉為UTM52, 分辨率為16 m。大氣校正使用6S輻射傳輸模型, 能見度設置為40 km, 其他參數(shù)默認,獲得GF-1地表反射率影像。MODIS數(shù)據(jù)選用2016年 4月 24日 AQUA衛(wèi)星數(shù)據(jù)(圖 2-B), 同樣經過幾何校正、大氣校正處理, 并投影到UTM52坐標系上。

利用公式(1), 分別計算GF-1和MODIS影像的NDVI指數(shù), 作為作物長勢遙感監(jiān)測的評價指標。為計算方便, 本文的NDVI值擴大10 000倍并取整。

圖2 研究區(qū)GF-1衛(wèi)星影像(A)和MODIS衛(wèi)星影像(B)Fig. 2 GF-1 (A) and MODIS (B) images of the study area

2.2 冬小麥長勢地面調查

2016年4月24日在河北廊坊及天津武清, 共采集 39個有效的冬小麥長勢監(jiān)測地面樣本點(圖 3),此時正值冬小麥拔節(jié)末期, 是生長速度最快、生長量最大的時期, 遙感識別特征明顯。選取位于冬小麥生長密集區(qū)域的完整地塊, 調查樣本點的地理坐標、現(xiàn)場照片、冬小麥綜合莖數(shù)、株高、葉綠素濃度。使用手持式GPS采集地理坐標。冬小麥綜合莖數(shù)為每平方米總莖數(shù), 使用皮尺測量結合人工計數(shù)方式獲取; 用卷尺測量株高; 用SPAD-502葉綠素儀測定葉片葉綠素濃度, 以 SPAD值表現(xiàn)葉綠素相對含量。

3 算法描述

3.1 技術思路

使用同一時間段獲取的 GF-1和 MODIS影像,并同步采集地面實測的綜合莖數(shù)、株高和葉綠素濃度 3個指標, 分析 NDVI指數(shù)與冬小麥作物長勢地面監(jiān)測指標的關系, 并評價GF-1和MODIS影像作物長勢遙感監(jiān)測的精度。采用GF-1影像提取的冬小麥作物種植區(qū)域, 獲取MODIS影像和GF-1影像冬小麥作物長勢遙感監(jiān)測結果, 從傳感器光譜響應函數(shù)差異、NDVI尺度效應、地面長勢狀況等方面, 分析造成兩類影像 NDVI長勢表達不一致性的原因,比較兩類影像作為長勢監(jiān)測數(shù)據(jù)源的優(yōu)劣(圖4)。

3.2 冬小麥種植范圍獲取

從高分辨率的 GF-1影像中提取冬小麥種植區(qū)域。首先使用最大似然分類方法, 選取冬小麥樣本區(qū)域, 進行樣本訓練, 并得到研究區(qū)冬小麥初步分類結果, 再結合人工目視解譯初步精修正分類結果,獲取較為精確的研究區(qū)冬小麥種植空間分布圖(圖5)。利用 2016年 4月 21日的覆蓋部分研究區(qū)的GF-2/PMS 4 m分辨率衛(wèi)星影像, 通過監(jiān)督分類結合目視解譯進行冬小麥面積提取, 對GF-1獲得的冬小麥種植區(qū)域結果精度驗證表明, 分類總體精度為92.5%, 冬小麥的用戶精度87.9%, 制圖精度89.4%。

圖3 冬小麥地面調查樣本點位置分布圖Fig. 3 Distribution of winter wheat ground sample points in the investigation area

3.3 遙感NDVI與冬小麥長勢地面監(jiān)測指標分析方法

根據(jù)地面調查時獲取的冬小麥地面樣本點經緯度坐標, 提取樣本點位置處影像 NDVI值, 分別與冬小麥綜合莖數(shù)、株高、葉綠素濃度地面監(jiān)測指標進行線性擬合, 評價 NDVI指數(shù)與各作物長勢地面監(jiān)測指標的關系, 并分別評價GF-1和MODIS影像的冬小麥長勢遙感監(jiān)測精度, 為遙感影像作物長勢監(jiān)測分級提供理論依據(jù)。

3.4 GF和MODIS數(shù)據(jù)NDVI指數(shù)冬小麥長勢表達差異性分析方法

由于 MODIS的地面分辨率較低(250 m), 對于冬小麥的識別能力相比GF-1衛(wèi)星16 m分辨率影像較差, 同時由于混合像元的存在, 其對于冬小麥長勢監(jiān)測的可靠性也不如GF-1。但是, MODIS具有重訪周期短(每日2次), 覆蓋范圍大(幅寬2330 km)等優(yōu)勢, 在實際業(yè)務工作中經常使用其進行作物面積獲取、作物長勢監(jiān)測、產量評估等。為詳細研究MODIS衛(wèi)星影像長勢監(jiān)測的有效性及與GF-1影像長勢監(jiān)測的差異, 對比冬小麥區(qū)域 MODIS與 GF-1影像長勢指標的一致性。該部分主要包括 MODIS影像重采樣及與 GF-1像元對齊、漁網分割統(tǒng)計、MODIS冬小麥純像元提取、MODIS與GF-1長勢對比、MODIS與GF-1傳感器差異及NDVI尺度效應對作物長勢遙感監(jiān)測的影響分析等步驟。

圖4 本研究技術流程框圖Fig. 4 Structure of technical flow in this study

圖5 研究區(qū)冬小麥分類結果Fig. 5 Winter wheat classification in study area

3.4.1 GF-1影像重采樣及與MODIS像元對齊

由于MODIS的分辨率為250 m, 與GF-1衛(wèi)星16 m分辨率影像無法縝密套合, 因此將MODIS影像重采樣至256 m, 這樣每個MODIS像元都將包含16×16共256個GF像元, 便于進行統(tǒng)計分析。像元對齊主要為防止MODIS像元與GF-1影像像元之間中心點位差導致兩者無法完全套合。最后獲得的是范圍完全一致的MODIS和GF-1衛(wèi)星NDVI影像。

3.4.2 漁網分割統(tǒng)計 對整個研究區(qū)的 MODIS影像構建大小為256 m×256 m的漁網, 每個漁網都完整包含一個MODIS的像元和256個GF-1像元(圖6), 漁網的總個數(shù)為MODIS影像的總像元數(shù), 漁網的ID則唯一標示MODIS的像元序號。

3.4.3 MODIS冬小麥純像元提取 由于 MODIS的分辨率較低, 存在較多的混合像元, 不利于冬小麥長勢的定量分析。因此, 本文利用高分辨率的GF-1影像冬小麥分類結果(圖5)來提取MODIS的冬小麥純像元, 剔除非冬小麥及混合像元區(qū)域。使用漁網分區(qū)統(tǒng)計進行提取, 統(tǒng)計各個漁網內的GF-1影像冬小麥像元個數(shù), 個數(shù)為 256則表示為冬小麥純像元。

3.4.4 MODIS與GF-1長勢對比分析 針對提取出來的 MODIS冬小麥純像元, 統(tǒng)計其像元內的GF-1像元 NDVI的平均值及標準差, 建立 MODIS像元NDVI與GF-1像元NDVI均值之間的關系, 并統(tǒng)計像元內部冬小麥長勢不一致性(NDVI標準差)對MODIS長勢遙感監(jiān)測的影響。

3.4.5 傳感器光譜響應函數(shù)差異、NDVI尺度效應對作物長勢遙感監(jiān)測的影響 由于 MODIS和GF-1衛(wèi)星傳感器光譜響應函數(shù)不一致, 導致地表反射率存在一定差異, 通過統(tǒng)計研究區(qū)內 MODIS和GF-1衛(wèi)星地表反射率的關系, 使 MODIS地表反射率轉與 GF-1地表反射率一致, 并計算 NDVI; 同時考慮到 NDVI隨分辨率尺度的非線性變化特性, 重新計算降分辨率后的 GF-1影像 NDVI; 最后, 對比考慮 NDVI尺度效應和傳感器差異后的 MODIS和GF-1影像NDVI指數(shù), 評價傳感器差異及NDVI尺度效應對作物長勢遙感監(jiān)測的影響情況。

圖6 GF-1 NDVI影像及按照MODIS像元大小劃分漁網示意圖Fig. 6 GF-1 NDVI image and the fishnet based on MODIS pixels

4 結果與分析

4.1 GF-1和MODIS的NDVI指數(shù)與作物長勢地面監(jiān)測指標的相關性

4.1.1 GF-1 NDVI指數(shù)與作物長勢地面監(jiān)測指標的相關性 針對全部 39個冬小麥長勢地面實測點,根據(jù)調查時同時記錄的GPS坐標信息, 在GF-1影像上獲取相應位置的像元 NDVI值作為遙感監(jiān)測長勢指標, 與地面獲取的冬小麥綜合莖數(shù)、株高、葉綠素濃度對比分析。結果, GF-1影像冬小麥像元的NDVI值與綜合莖數(shù)有很強的相關性(圖 7-A), 而與冬小麥的株高(圖 7-C)和葉綠素濃度(圖 7-E)之間的線性相關性相對較弱。冬小麥長勢包括物理性指標(如綜合莖數(shù)和株高)和生理性指標(如葉片葉綠素濃度), 與NDVI指數(shù)相關性最好的是綜合莖數(shù)。傳統(tǒng)冬小麥長勢地面監(jiān)測中劃分 1、2、3類苗的主要指標是單位面積的總莖數(shù)[34], 而利用 GF-1衛(wèi)星影像進行冬小麥長勢監(jiān)測可以與傳統(tǒng)地面長勢監(jiān)測相結合, 具有較高的精度和可行性。

4.1.2 MODIS NDVI指數(shù)與作物長勢地面監(jiān)測指標的相關性 同樣使用 MODIS影像 NDVI值與上述 3個冬小麥長勢監(jiān)測指標進行相關分析, 發(fā)現(xiàn)相關度均不高(圖 7-B, D, F), 說明基于 MODIS影像NDVI指數(shù)的冬小麥長勢遙感監(jiān)測精度比GF-1低。其原因可能是地面實地測量的冬小麥長勢樣本點范圍較小, 而MODIS單個像元覆蓋面積較大, 大量混合像元及作物長勢不一致性情況的存在, 使得MODIS NDVI指數(shù)進行冬小麥作物長勢遙感監(jiān)測精度相對較低, 僅適合用于獲取大范圍內冬小麥趨勢性的長勢情況。

4.2 冬小麥長勢一致性對MODIS數(shù)據(jù)NDVI長勢表達的影響

將MODIS影像重采樣至256 m分辨率, 使每個MODIS影像都包含256個完整的GF-1像元。利用GF-1影像獲取的冬小麥空間分布, 剔除混合像元,只保留純冬小麥 MODIS像元, 通過比較 MODIS NDVI與像元內GF-1 NDVI平均值之間的關系, 分析 MODIS冬小麥長勢遙感監(jiān)測精度與像元內冬小麥平均長勢的關系。共獲取3588個MODIS冬小麥像元, 統(tǒng)計其與像元內GF-1像元NDVI之間的關系,發(fā)現(xiàn)MODIS像元NDVI值與像元內部GF-1 NDVI值之間整體趨勢一致(圖8-A),R2為0.3944。

統(tǒng)計各MODIS冬小麥純像元內的GF-1 NDVI的標準差, 并按標準差大小排序, 分別統(tǒng)計全部像元及標準差＜1100、＜1000、＜900、＜800、＜700、＜600、＜500、＜400、＜300、＜200 的 MODIS NDVI與像元內GF-1像元NDVI均值的相關性, 發(fā)現(xiàn)隨著標準差的遞減, MODIS與 GF-1的 NDVI相關性越來越強(圖8-C),R2從0.3944增加到0.8284。據(jù)此認為, 只有當?shù)孛娑←滈L勢較為均一時, MODIS的 NDVI值才能有效代表其像元內部的冬小麥平均長勢。

4.3 傳感器差異和 NDVI尺度效應對 GF-1和MODIS影像作物長勢監(jiān)測精度的影響

由于MODIS傳感器和GF-1傳感器的光譜響應函數(shù)之間存在差異, 導致MODIS影像和GF-1影像的反射率不一致。根據(jù)研究區(qū)MODIS和GF-1影像地表反射率, 利用線性最小二乘法擬合研究區(qū)MODIS和GF-1影像紅光波段和近紅外波段的轉換公式(2)和(3), 并利用轉換后的 MODIS地表反射率計算 NDVI指數(shù), 減少傳感器不一致造成的植被指數(shù)差異。

根據(jù)公式(1), NDVI值隨分辨率尺度非線性變化, 當分辨率變化時, 不能直接用原始 NDVI值重采樣獲取變化后的NDVI。依據(jù)地表反射率隨尺度線性變化的特點, 可用公式(4)計算分辨率變化后的NDVI值。

式中,n為分辨率變化后影像每個像元對應原始影像像元的個數(shù), NDVIs為轉換后NDVI理論值。

利用該公式重新計算 GF-1影像重采樣到MODIS分辨率后的 NDVI值。將重新調整后的MODIS和GF-1影像中冬小麥像元NDVI指數(shù)對比,在重新考慮MODIS與GF-1傳感器的差異, 以及不同分辨率尺度NDVI的尺度效應后, MODIS與GF-1影像對于冬小麥的長勢監(jiān)測結果一致性顯著提高(圖8-B),R2從0.3944提高到0.4633。

圖7 GF-1影像(A, C, E)和MODIS影像(B, D, F)的NDVI與冬小麥長勢地面監(jiān)測指標對比Fig. 7 Relationship between NDVI of GF-1 image (panels A, C, and E) or MODIS image (panels B, D, and F) and ground monitoring growth index of winter wheat

利用四分位數(shù)方法對 GF-1和 MODIS影像的NDVI值進行分級劃分, 分為冬小麥長勢較差、長勢普通、長勢較好、長勢好4個等級?？梢钥闯? GF-1影像和 MODIS影像長勢分級結果的空間分布趨勢基本一致, 在冬小麥分布密集的研究區(qū)東北部和西部長勢較好, 其他區(qū)域相對較差(圖 9), 表明利用MODIS影像進行宏觀尺度冬小麥長勢遙感監(jiān)測是可行的。

5 討論

由于MODIS影像高重訪、免費接收且發(fā)射時間較早, 基于其影像的長勢監(jiān)測研究和業(yè)務應用都已較為成熟[35-37], 如在中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所參與建設的中國農業(yè)遙感監(jiān)測業(yè)務系統(tǒng)(China agricultural remote sensing monitoring system, CHARMS)[38-39]中, 即以 MODIS為主要數(shù)據(jù)源, 實現(xiàn)對全國主要作物信息的快速獲取及分析, 定期上報我國農業(yè)監(jiān)測決策部門,為保護我國糧食安全、提高農民收益等提供科學的決策依據(jù)。

圖8 MODIS與GF-1像元NDVI對冬小麥長勢監(jiān)測精度比較Fig. 8 Comparison of accuracy on monitoring winter wheat growth between MODIS NDVI and GF-1 NDVI

圖9 基于四分位數(shù)劃分的GF-1 (A)和MODIS影像(B)冬小麥長勢分級Fig. 9 Quartile grading of winter wheat growth in GF-1 (A) and MODIS-image (B)

然而, 本研究發(fā)現(xiàn), MODIS的分辨率較低, 其長勢監(jiān)測結果的精度不足, 僅能進行大尺度區(qū)域的作物長勢趨勢性分析。相比之下, GF-1具有更高的分辨率, 獲取的長勢信息更加精確, 且農業(yè)部門作為該衛(wèi)星的主要用戶單位, 利用GF-1影像進行農作物長勢監(jiān)測, 可以有效提高長勢監(jiān)測產品的可用性,為農業(yè)部門精細化決策、作物田間管理、早期估產等提供及時可靠的信息。

值得注意的是, 作物長勢的內涵豐富, 除了本文選取的 NDVI指數(shù)、綜合莖數(shù)、株高、葉綠素濃度等外, 還包括干物質重量、千粒重、分蘗數(shù)、葉面積指數(shù)、EVI (enhanced vegetation index, 增強植被指數(shù))等一系列特征[1]。由于遙感數(shù)據(jù)的宏觀性,當前開展的研究主要著重于植被指數(shù)等反應宏觀生長狀態(tài)的指標, 對于作物植株個體、群體長勢特征的反演較少[40-43], 如姜城等[44]發(fā)現(xiàn) TM 影像 NDVI值在表現(xiàn)小麥千粒重指標上有一定的效果, 李衛(wèi)國等[45]發(fā)現(xiàn)TM影像NDVI值與小麥植株氮素含量之間存在較高相關性。本文則初步研究了不同分辨率衛(wèi)星影像NDVI指數(shù)與地面長勢監(jiān)測指標綜合莖數(shù)、株高、葉綠素濃度之間的關系, 表明GF-1 NDVI值等綜合長勢特征與作物個體(如株高)、群體(如綜合莖數(shù))長勢特征之間存在一定的關聯(lián)性, 將有助于提高遙感長勢監(jiān)測結果的直觀性和客觀性。但由于NDVI值在植被生長旺盛時會出現(xiàn)飽和現(xiàn)象[46], 探索其他改進指數(shù)如 LAI[47]、EVI[48]等作為長勢遙感監(jiān)測指標反演不同作物長勢, 將是今后研究的一個趨勢。

6 結論

對GF-1和MODIS數(shù)據(jù)的NDVI長勢監(jiān)測影響最大的是冬小麥的綜合莖數(shù), 這與地面觀測結果的分析一致。進行作物長勢監(jiān)測的衛(wèi)星影像分辨率越高, 則其 NDVI值越能反映實際的作物長勢。與GF-1 NDVI結果相比較, MODIS像元內冬小麥長勢一致性越高, 基于NDVI的MODIS與GF數(shù)據(jù)冬小麥長勢監(jiān)測結果越一致。從區(qū)域長勢監(jiān)測角度來看,盡管MODIS與GF-1數(shù)據(jù)的監(jiān)測結果趨勢較為一致,并且通過光譜響應函數(shù)調整、NDVI尺度歸一化后能夠進一步提高監(jiān)測結果的一致性, 但MODIS NDVI長勢精度較低, 難以滿足作物長勢情況復雜地區(qū)長勢監(jiān)測的需求。為實現(xiàn)作物長勢遙感監(jiān)測精細化的需要, 應當逐步使用高分辨率的遙感數(shù)據(jù)替代中低分辨率遙感數(shù)據(jù), 并重點研究利用高分辨率衛(wèi)星影像進行作物長勢遙感監(jiān)測。