葉 強(qiáng), 楊鳳海*, 劉煥軍,2, 孟祥添, 官海翔, 崔 楊

(1.東北農(nóng)業(yè)大學(xué)公共管理與法學(xué)院，哈爾濱 150030；2.中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，長(zhǎng)春 130012)

玉米是中國(guó)三大主要糧食作物之一，種植面積及年產(chǎn)量達(dá)到中國(guó)糧食總產(chǎn)量的33.6%和36.1%。玉米作物長(zhǎng)勢(shì)動(dòng)態(tài)監(jiān)測(cè)及產(chǎn)量的準(zhǔn)確預(yù)測(cè)，為規(guī)?；r(nóng)業(yè)經(jīng)營(yíng)管理提供科技支撐，是精準(zhǔn)農(nóng)業(yè)發(fā)展的迫切需求，對(duì)國(guó)家糧食宏觀價(jià)格調(diào)控，三農(nóng)振興以及糧食外貿(mào)等具有重要意義。

玉米產(chǎn)量的預(yù)測(cè)方法多采用傳統(tǒng)估產(chǎn)法、農(nóng)學(xué)估產(chǎn)法及氣象統(tǒng)計(jì)法等。其中，農(nóng)學(xué)預(yù)報(bào)法主要根據(jù)產(chǎn)量器官參數(shù)如有效穗數(shù)、百粒重、平均穗粒數(shù)等估算產(chǎn)量，受作物種類、品種、耕作制度等限制[1]；氣象統(tǒng)計(jì)法以天氣要素預(yù)測(cè)產(chǎn)量，發(fā)展較為成熟，但存在單一氣象因子估產(chǎn)精度不足且各要素空間插值方法不同，難以劃定氣象站數(shù)據(jù)范圍的問(wèn)題[2]；傳統(tǒng)估產(chǎn)法中地面采樣工作采集樣本數(shù)據(jù)規(guī)模較小、時(shí)間周期長(zhǎng)、氣象條件限制，樣本實(shí)驗(yàn)室理化性質(zhì)檢測(cè)結(jié)果存在滯后性的問(wèn)題，難以滿足及時(shí)、準(zhǔn)確的作物估產(chǎn)和田間作物生態(tài)保護(hù)的管理需求[3]。遙感技術(shù)突破地面采樣的局限，以快速、無(wú)損、獲取成本低、多尺度、多時(shí)間序列的優(yōu)點(diǎn)成為精準(zhǔn)農(nóng)業(yè)研究熱點(diǎn)[4]。Chen等[5]采用作物物候和葉面積指數(shù)引入MCWLA-Wheat同化模型提升相對(duì)估產(chǎn)精度16%。朱婉雪等[6]結(jié)合少量產(chǎn)量樣本點(diǎn)與植被指數(shù)建立線性模型，決定系數(shù)R2最高達(dá)到0.7；Muoz等[7]應(yīng)用產(chǎn)量和遙感參量建立指數(shù)模型和Richards非線性回歸模型，偏差信息準(zhǔn)則(deviance information criterion，DIC)最低為62.8。但是，對(duì)田塊尺度作物遙感估產(chǎn)，測(cè)產(chǎn)多采用對(duì)角線、十字、“S”形，同級(jí)重復(fù)采樣以保證單產(chǎn)精度。測(cè)產(chǎn)過(guò)程耗時(shí)耗力，破壞采樣區(qū)間作物樣本，存在主觀因素影響，不同規(guī)模測(cè)產(chǎn)工作造成大量糧食損耗。

谷物聯(lián)合收割機(jī)搭載測(cè)產(chǎn)系統(tǒng)可以實(shí)現(xiàn)同步收獲、同步測(cè)產(chǎn)，從而節(jié)省人工，提高測(cè)產(chǎn)效率，降低作物糧食損耗量。該系統(tǒng)裝載有差分校正的全球定位系統(tǒng)(global positioning system,GPS)能夠收集有空間地理信息的產(chǎn)量數(shù)據(jù)，測(cè)產(chǎn)精度可達(dá)97%以上[8]。為提高遙感估產(chǎn)精度，以遙感數(shù)據(jù)作為主要信息源的統(tǒng)計(jì)模型不斷優(yōu)化，結(jié)合作物生長(zhǎng)模型估產(chǎn)，或加入遙感輔助信息，如土地分類圖、作物氮含量、作物株高[9]、葉面積指數(shù)、雷達(dá)數(shù)據(jù)、傾斜測(cè)量構(gòu)建3D點(diǎn)云等[10]，以提高統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ偷目煽啃院涂裳诱剐?。但作物生理參?shù)以及土壤化學(xué)性質(zhì)隨作物生長(zhǎng)周期變化，多時(shí)期采集樣本費(fèi)時(shí)耗力。高精度地形數(shù)據(jù)空間分辨率高，地形演變?cè)谝欢〞r(shí)期內(nèi)穩(wěn)定性強(qiáng)，影響作物水肥運(yùn)移，間接作用于土壤理化性質(zhì)和植被生長(zhǎng)，造成作物產(chǎn)量空間異質(zhì)性。地形因子作為輔助信息引入遙感估產(chǎn)模型具有合理性。大尺度區(qū)域研究中高程影響稻田空間格局和生產(chǎn)資源，如光照、土壤類型等[11]；李宇宇等[12]研究了赤峰草場(chǎng)發(fā)現(xiàn)低濕區(qū)牧草鮮重分別高于坡地和平地67.94%，45.7%；土壤屬性與甘蔗產(chǎn)量在凹地較高，在平坦地形處空間變異性較弱[13]；坡度約為2°區(qū)域大豆長(zhǎng)勢(shì)最佳[14]；自然降雨條件下坡耕地坡度為15°設(shè)立高反坡階玉米產(chǎn)量最高[15]。目前，田塊尺度結(jié)合地形因子提高變量測(cè)產(chǎn)數(shù)據(jù)遙感反演估產(chǎn)精度的研究尚未完善。

以黑龍江省北安市規(guī)?；N植的春玉米為研究對(duì)象，利用作物關(guān)鍵生長(zhǎng)期SPOT 6影像，提取7種典型植被指數(shù)，結(jié)合變量測(cè)產(chǎn)數(shù)據(jù)建立經(jīng)驗(yàn)統(tǒng)計(jì)模型，確定適合春玉米遙感估產(chǎn)的最佳生長(zhǎng)時(shí)期及最優(yōu)植被指數(shù)；基于無(wú)人機(jī)獲取的地形數(shù)據(jù)提取6種地形因子，應(yīng)用多元逐步回歸評(píng)價(jià)引入地形因子的春玉米遙感估產(chǎn)模型；應(yīng)用聚類分析和空間統(tǒng)計(jì)分析探索產(chǎn)量空間分布格局。研究旨在篩選春玉米監(jiān)測(cè)最優(yōu)植被指數(shù)和最佳時(shí)期，建立以遙感信息結(jié)合地形因子的估產(chǎn)模型，確定玉米最佳生長(zhǎng)區(qū)域，為農(nóng)場(chǎng)精細(xì)生產(chǎn)管理、耕地高效利用、玉米單產(chǎn)精細(xì)尺度制圖提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于黑龍江省北安市，地處小興安嶺南麓邊緣，屬于典型黑土區(qū)壟作耕地，年平均氣溫0.5 ℃，年平均降雨量為570 mm。變量測(cè)產(chǎn)數(shù)據(jù)采集區(qū)域位于該市趙光農(nóng)場(chǎng)，農(nóng)場(chǎng)經(jīng)營(yíng)管理?xiàng)l件一致，具有相同的機(jī)械化耕作方式與種植制度。主要種植作物為春玉米，春播晚熟，一年一熟。播種時(shí)間為每年4月底，成熟收獲時(shí)間為同年9月底10月初。實(shí)驗(yàn)區(qū)田塊面積5 hm2，中心經(jīng)緯度為48°2′42.45″ N、126°45′19.45″ E，平均海拔為307.41 m，平均壟長(zhǎng)為553.09 m，最大高程差為9.37 m，采用玉米大壟雙行種植模式，壟寬為1.1 m。

1.2 數(shù)據(jù)獲取與處理

編程訂購(gòu)2018年7月27日、8月19日、9月13日的SPOT 6多光譜衛(wèi)星影像，分別為玉米生命周期中吐絲期(S1)、灌漿期(S2)和成熟期(S3)。衛(wèi)星影像空間分辨率為6 m，包含藍(lán)、綠、紅和近紅4個(gè)波段。使用ENVI 5.1對(duì)影像進(jìn)行輻射定標(biāo)、大氣校正、正射校正等預(yù)處理。高精度地形數(shù)據(jù)獲取，采用DJI Phantom 4 Pro RTK無(wú)人機(jī)飛行平臺(tái)，搭載1 inch(1 inch=2.54 cm)2 000萬(wàn)像素CMOS傳感器高清影像相機(jī)獲取照片，飛行高度110 m，旁向重疊率為80%，航向重疊率為80%，氣象條件晴朗無(wú)風(fēng)，應(yīng)用Pix4D Mapper軟件對(duì)含有經(jīng)緯度和高程信息的照片數(shù)據(jù)進(jìn)行三維重建，經(jīng)過(guò)軟件自帶的濾波功能處理生產(chǎn)空間分辨率為0.074 m柵格數(shù)據(jù)，基于衛(wèi)星影像空間分辨率重采樣為6 m。變量測(cè)產(chǎn)數(shù)據(jù)獲取時(shí)間為2018年9月30日，利用搭載美國(guó)Raven Envizio Pro智能測(cè)產(chǎn)系統(tǒng)的聯(lián)合收割機(jī)測(cè)定含空間地理信息的產(chǎn)量數(shù)據(jù)，收割機(jī)割幅6 600 mm，采集量為6大壟玉米，采樣頻率為1 Hz，平均步進(jìn)距離1.27 m。因?yàn)樘镩g復(fù)雜情況聯(lián)合收割機(jī)存在軌跡彎曲、停滯不前、信號(hào)不穩(wěn)定等問(wèn)題，造成產(chǎn)量數(shù)據(jù)點(diǎn)缺失及分布不均。選擇產(chǎn)量數(shù)據(jù)點(diǎn)相對(duì)完整，軌跡較直，行進(jìn)速度相對(duì)穩(wěn)定的田塊變量測(cè)產(chǎn)數(shù)據(jù)。產(chǎn)量校正基于三倍標(biāo)準(zhǔn)差法將超出值域范圍的樣本數(shù)據(jù)視為異常點(diǎn)刪除。基于影像數(shù)據(jù)計(jì)算柵格像元產(chǎn)量均值，最終保留578個(gè)產(chǎn)量點(diǎn)。作物產(chǎn)量屬性特征如表1所示。

1.3 研究方法

1.3.1 植被指數(shù)與地形因子

為確定最適合春玉米估產(chǎn)的植被指數(shù)，根據(jù)國(guó)內(nèi)外作物產(chǎn)量預(yù)測(cè)的相關(guān)文獻(xiàn)和玉米自身光譜特性，選擇7種光譜植被指數(shù)，構(gòu)建作物估產(chǎn)模型，即歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、差值植被指數(shù)(difference vegetation index，DVI)、比值植被指數(shù)(ratio vegetation index，RVI)、無(wú)藍(lán)色波段增強(qiáng)型植被指數(shù)(enhanced vegetation index without a blue band，EVI2EVI2)、次生修正土壤調(diào)節(jié)植被指數(shù)(modified secondary soil adjusted vegetation index，MSAVI2)、綠度歸一化植被指數(shù)(green normalized difference vegetation index，GNDVI)、修正比值植被指數(shù)(modified simple ratio，MSR)[6]。地形因子中高程、坡度、坡向、曲率等影響作物水肥運(yùn)移方向和速度，使用ArcGIS 10.3提取6種地形因子高程(elevation)、坡度(slope)、坡向(aspect)、曲率(curvature)、平面曲率(plane curvature)、剖面曲率(profile curvature)。

1.3.2 春玉米遙感估產(chǎn)模型

為快速、準(zhǔn)確地估算玉米產(chǎn)量，本研究按照2:1的比例將數(shù)據(jù)集分為訓(xùn)練集和驗(yàn)證集，各含390個(gè)和188個(gè)樣本點(diǎn)，采用線性回歸模型，利用最小二乘法，構(gòu)建基于植被指數(shù)與產(chǎn)量的經(jīng)驗(yàn)統(tǒng)計(jì)模型，如式(1)所示。應(yīng)用多元逐步回歸分析，評(píng)價(jià)引入地形因子的遙感反演估產(chǎn)模型。精度評(píng)價(jià)指標(biāo)選擇決定系數(shù)R2、均方根誤差(root mean squared error，RMSE)，檢驗(yàn)遙感估產(chǎn)模型的擬合效果，其計(jì)算公式分別為

Yield=aVIt+b

(1)

(2)

(3)

1.3.3 空間格局分析

地理空間相關(guān)性在自然界中廣泛存在，距離越近的事物之間空間相關(guān)性越強(qiáng)，地統(tǒng)計(jì)學(xué)分析基于此特性在地理空間研究中應(yīng)用廣泛?；谧兞繙y(cè)產(chǎn)數(shù)據(jù)，使用ArcGIS 10.3中Geostatistics模塊分析其趨勢(shì)面特征及相關(guān)地形因子趨勢(shì)面特征，應(yīng)用K-mean聚類和空間統(tǒng)計(jì)分析探索春玉米產(chǎn)量的空間分布格局及地形因子對(duì)實(shí)際產(chǎn)量的影響。IBM SPSS Statistics 22中K-mean聚類分析是空間類型劃分的主要工具，該算法快速、簡(jiǎn)單具有可伸縮性，能夠高效處理大數(shù)據(jù)集，實(shí)現(xiàn)多維度的“自然”聚類，是應(yīng)用范圍最廣泛的聚類算法。其算法過(guò)程是在數(shù)據(jù)集中隨機(jī)篩選k個(gè)樣本，每個(gè)數(shù)據(jù)作為簇中心，計(jì)算其于其他數(shù)據(jù)中心距離，根據(jù)距離最近原則劃分簇類。所有數(shù)據(jù)劃分后，計(jì)算每個(gè)簇均值，并以均值重新聚類直至滿足收斂函數(shù)的要求，可表示為

(4)

為進(jìn)一步分析田塊尺度中基于地形因子的實(shí)測(cè)產(chǎn)量空間分布規(guī)律，本研究采用自然斷點(diǎn)法，將不同地形因子分為高、中、低3類，使用分區(qū)中產(chǎn)量的均值和標(biāo)準(zhǔn)差評(píng)價(jià)產(chǎn)量組間變化。自然斷點(diǎn)法具有組內(nèi)間距最小，組間間距最大的特點(diǎn)，應(yīng)用其對(duì)地理空間柵格數(shù)據(jù)分類，可以更加直觀反映產(chǎn)量的空間分布格局。

2 結(jié)果與分析

2.1 春玉米不同生育期與植被指數(shù)的遙感估產(chǎn)評(píng)價(jià)

探究不同生育期春玉米衛(wèi)星遙感估產(chǎn)精度，分別將春玉米吐絲期、灌漿期和成熟期的植被指數(shù)與實(shí)測(cè)單產(chǎn)數(shù)據(jù)建立經(jīng)驗(yàn)統(tǒng)計(jì)模型。如表2所示，春玉米3個(gè)關(guān)鍵生長(zhǎng)期的R2和RMSE中，灌漿期的R2普遍在0.6以上，最高達(dá)到0.73。估產(chǎn)模型精度由高到低的順序是灌漿期、吐絲期、成熟期。灌漿期模型的RMSE比吐絲期和成熟期低，即灌漿期的產(chǎn)量估算與實(shí)際產(chǎn)量的偏差最小。主要是由于作物出苗、拔節(jié)至吐絲期前，營(yíng)養(yǎng)物質(zhì)主要集中在根莖葉等生長(zhǎng)部位。吐絲期至結(jié)穗灌漿期作物光合作用形成的淀粉、蛋白質(zhì)等大量營(yíng)養(yǎng)物質(zhì)轉(zhuǎn)移至產(chǎn)量器官，是決定玉米產(chǎn)量的重要時(shí)期。而成熟期田間玉米葉片水分、葉綠素下降，存在倒伏現(xiàn)象，估產(chǎn)精度較差。綜上，春玉米灌漿期決定產(chǎn)量器官營(yíng)養(yǎng)物質(zhì)積累，是遙感反演估產(chǎn)的最佳時(shí)期。

表2 春玉米3個(gè)生長(zhǎng)期植被指數(shù)估產(chǎn)評(píng)價(jià)模型

不同時(shí)期、不同植被指數(shù)的產(chǎn)量預(yù)測(cè)精度存在顯著差異。在吐絲期植被指數(shù)EVI2的R2最高，可達(dá)0.24。至灌漿期，RVI的預(yù)測(cè)精度達(dá)到0.73，其余植被指數(shù)依次為MSR、EVI2、NDVI、MSAVI2、GNDVI，R2均大于0.61，對(duì)應(yīng)RMSE也比DVI的估產(chǎn)誤差小。成熟期DVI的R2達(dá)到0.25，比吐絲期大，其余植被指數(shù)R2普遍較低，約為0.19。綜上，估產(chǎn)模型R2最高可達(dá)0.73，RMSE為388.87 kg/hm2，最優(yōu)植被指數(shù)為灌漿期的RVI，遙感預(yù)測(cè)模型為

Yield=1 482.261 RVI-4 771.111

(5)

2.2 引入地形輔助信息的遙感估產(chǎn)評(píng)價(jià)

分析不同地形因子與春玉米產(chǎn)量的敏感性作用。如表3所示，農(nóng)作物實(shí)測(cè)產(chǎn)量與高程、曲率、剖面曲率、坡度和坡向均顯著相關(guān)(P<0.05)，但不同地形因子對(duì)實(shí)測(cè)產(chǎn)量敏感性存在顯著差異，其中高程和坡度與產(chǎn)量的相關(guān)系數(shù)達(dá)到0.25以上，P值均小于0.01，坡度與產(chǎn)量的相關(guān)系數(shù)比高程大，說(shuō)明高程和坡度是決定水肥運(yùn)移，影響作物產(chǎn)量的重要因素。

表3 不同植被指數(shù)和地形因子與農(nóng)作物實(shí)測(cè)產(chǎn)量的相關(guān)系數(shù)

如表4所示，春玉米灌漿期植被指數(shù)結(jié)合地形因子的產(chǎn)量估算模型及對(duì)應(yīng)的R2和RMSE中，RVI的R2最高達(dá)到0.79，其余植被指數(shù)依次為MSR、EVI2、NDVI、MSAVI2、GNDVI，R2均大于0.7，相應(yīng)RMSE比DVI的誤差小。對(duì)比灌漿期植被指數(shù)與實(shí)測(cè)產(chǎn)量建立的經(jīng)驗(yàn)統(tǒng)計(jì)模型，R2提升最大的為DVI估產(chǎn)模型，達(dá)到10.17%，其余植被指數(shù)相對(duì)提升精度均大于5.5%以上，說(shuō)明地形因子作為遙感輔助信息能夠減小春玉米預(yù)測(cè)產(chǎn)量與實(shí)際產(chǎn)量之間的偏差。

表4 引入地形因子的玉米預(yù)測(cè)模型結(jié)果

2.3 春玉米產(chǎn)量空間分布格局

如圖1所示，產(chǎn)量與地形因子趨勢(shì)面分析圖中x軸表示地理空間中東西方向，y軸表示地理空間中南北方向，z軸表示采集樣本數(shù)據(jù)屬性值在空間分布中的大小。圖1(a)表示產(chǎn)量在東西方向和南北方向均呈現(xiàn)高-低-高的顯著變化趨勢(shì)，與圖1(b)坡度因子趨勢(shì)面的規(guī)律相反，而圖1(c)高程趨勢(shì)面在南北方向和東西方向上均逐漸降低。說(shuō)明地形對(duì)農(nóng)作物實(shí)測(cè)產(chǎn)量存在影響。使用聚類分析工具，設(shè)置3個(gè)聚類種類，加入實(shí)測(cè)產(chǎn)量、高程和坡度因子。K-mean聚類分析結(jié)果顯示隨高程增大坡度減小，春玉米產(chǎn)量逐漸增高，產(chǎn)量最佳的聚類中心為高程307.93 m與坡度1.39°。

圖1 產(chǎn)量與地形趨勢(shì)面分布

為進(jìn)一步分析產(chǎn)量空間分布規(guī)律，基于自然斷點(diǎn)法將高程與坡度因子分為3類生成9種不同地形因子組合。圖2為地形因子對(duì)產(chǎn)量影響的空間分布結(jié)果。結(jié)果顯示在高海拔-高坡度區(qū)域春玉米實(shí)測(cè)產(chǎn)量均值最低，為7 502.64 kg/hm2，標(biāo)準(zhǔn)差為802.62 kg/hm2，該區(qū)域海拔和坡度大，是水肥流失最嚴(yán)重的區(qū)域，難以滿足玉米生長(zhǎng)需求。其他地形組合除了低海拔-低坡度區(qū)域沒(méi)有對(duì)應(yīng)產(chǎn)量數(shù)據(jù)外，春玉米產(chǎn)量平均值均大于8 000 kg/hm2，在中海拔-低坡度區(qū)域春玉米實(shí)測(cè)產(chǎn)量均值最高，達(dá)到9 157.63 kg/hm2，標(biāo)準(zhǔn)差為357.48 kg/hm2(表5)。原因是崗地易出現(xiàn)缺肥而洼地富營(yíng)養(yǎng)化，中海拔且坡度較小的地方水肥運(yùn)移速度較慢，易于與田間施肥方案確定的肥量保持一致，滿足作物生長(zhǎng)所需的營(yíng)養(yǎng)。同時(shí)在中海拔-低坡度、中海拔-中坡度與高海拔-低坡度區(qū)域春玉米實(shí)測(cè)產(chǎn)量均值大于田塊產(chǎn)量平均水平，面積占比達(dá)到46.88%。高坡度區(qū)域產(chǎn)量均小于田塊平均水平，面積占比達(dá)到23.22%，說(shuō)明不同坡度通過(guò)水肥運(yùn)移過(guò)程造成的作物長(zhǎng)勢(shì)差異顯著。

圖2 實(shí)測(cè)產(chǎn)量的空間分布

表5 不同地形因子對(duì)產(chǎn)量空間分布的影響

3 討論

田塊尺度的春玉米產(chǎn)量估算，對(duì)于農(nóng)場(chǎng)規(guī)?；?jīng)營(yíng)管理，糧食產(chǎn)量供給側(cè)調(diào)整，儲(chǔ)備糧更新，大型合作社生產(chǎn)等均具有實(shí)際需求。在制定科學(xué)管理決策時(shí)，當(dāng)年農(nóng)作物實(shí)際產(chǎn)量及其空間分布是重要參考依據(jù)，因此需要不斷提高產(chǎn)量的預(yù)測(cè)精度與分析其空間變異性。本研究中使用變量測(cè)產(chǎn)設(shè)備采集的春玉米單產(chǎn)數(shù)據(jù)，盡管按照測(cè)產(chǎn)標(biāo)準(zhǔn)設(shè)置了智能測(cè)產(chǎn)系統(tǒng)的參數(shù)，但在實(shí)際應(yīng)用中仍會(huì)存在產(chǎn)量數(shù)據(jù)缺失，因此后期需對(duì)產(chǎn)量數(shù)據(jù)做精細(xì)校正。遙感影像數(shù)據(jù)空間分辨率為6 m，基于地理空間相關(guān)性原則，相同像元內(nèi)作物長(zhǎng)勢(shì)較為均勻，去除異常采樣點(diǎn)數(shù)據(jù)后，按照影像像元大小計(jì)算實(shí)測(cè)產(chǎn)量算數(shù)平均值的方法具有一定的合理性。

3.1 不同生育期與植被指數(shù)對(duì)春玉米估產(chǎn)的影響

地物空間異質(zhì)性隨農(nóng)作物生命周期而改變，基于不同時(shí)期遙感監(jiān)測(cè)的估產(chǎn)模型精度存在顯著差異。玉米從播種至吐絲期主要生長(zhǎng)部位為根莖葉，反映植株的干生物量積累，估產(chǎn)精度較低。灌漿期氮素吸收率高，至乳熟期是玉米一生中光合作用最強(qiáng)的時(shí)期。該時(shí)期由光合作用產(chǎn)生的蛋白質(zhì)、脂肪、淀粉等有機(jī)質(zhì)轉(zhuǎn)移至玉米籽粒中，故此時(shí)估產(chǎn)精度高。成熟期冠層水分與葉綠素含量下降，葉片發(fā)黃導(dǎo)致冠層光譜植被指數(shù)的估產(chǎn)精度降低。本研究中灌漿期估產(chǎn)精度R2大于0.6，最高達(dá)到0.73，是春玉米估產(chǎn)的最佳監(jiān)測(cè)時(shí)期。RVI對(duì)綠色作物的植被覆蓋度反應(yīng)敏感，從出苗至灌漿期葉面積指數(shù)增加，估產(chǎn)精度高。成熟期逐漸下降，且易出現(xiàn)玉米倒伏現(xiàn)象，此時(shí)估產(chǎn)精度最差。當(dāng)前研究衛(wèi)星影像空間分辨率較大難以識(shí)別倒伏陰影，在今后的研究中可以考慮結(jié)合無(wú)人機(jī)影像濾波去除作物陰影對(duì)估產(chǎn)光譜指數(shù)的影響。

3.2 地形輔助信息對(duì)春玉米遙感估產(chǎn)的影響

作物估產(chǎn)引入不同輔助因子優(yōu)化模型能夠提高精度。地形獲取途徑多樣，在短時(shí)間內(nèi)獲得的多尺度空間分辨率影像提升估產(chǎn)精度。高程將田塊尺度內(nèi)耕地劃分為不同坡位，決定水肥運(yùn)移的方向，影響農(nóng)作物生長(zhǎng)時(shí)期的太陽(yáng)輻射量和土壤溫度，陽(yáng)坡面日照時(shí)間長(zhǎng)，太陽(yáng)輻射量高，土壤溫度相對(duì)較高，而陰坡面相反；洼地匯聚田塊降水，土壤水分含量高，崗地相對(duì)較低。坡度決定農(nóng)作物生長(zhǎng)過(guò)程中水肥運(yùn)移速度。水土流失現(xiàn)象一般出現(xiàn)在坡度較大的區(qū)域，基于田間降水徑流方向呈條帶狀分布，土壤養(yǎng)分隨耕地表層土流失造成玉米產(chǎn)量下降，而低洼處易富營(yíng)養(yǎng)化，造成土壤板結(jié)。坡面平緩的區(qū)域保持適合作物生長(zhǎng)的土壤養(yǎng)分和水分，區(qū)域產(chǎn)量高。本研究中玉米產(chǎn)量與高程呈正相關(guān)，與坡度為負(fù)相關(guān)。今后研究中可以結(jié)合實(shí)測(cè)土壤理化性質(zhì)數(shù)據(jù)構(gòu)建作物生長(zhǎng)模型探究地形對(duì)農(nóng)作物生長(zhǎng)要素的影響。

3.3 春玉米產(chǎn)量空間變異分析

地理空間統(tǒng)計(jì)能夠反映春玉米產(chǎn)量數(shù)據(jù)在三維空間不同方向的變化趨勢(shì)，難以定量分析田塊尺度中春玉米產(chǎn)量的空間格局變化。K-mean聚類分析確定實(shí)際產(chǎn)量數(shù)據(jù)與地形因子的空間類型變化，通過(guò)地形因子重分類組合分析田塊尺度中不同區(qū)域春玉米產(chǎn)量的均值與標(biāo)準(zhǔn)差，進(jìn)一步明確田塊尺度中精確的空間格局變化。實(shí)際生產(chǎn)管理中，田間地形主要通過(guò)水肥運(yùn)移與太陽(yáng)輻射量和地溫等因素間接影響農(nóng)作物生長(zhǎng)，在農(nóng)作物整個(gè)生命周期中，它對(duì)作物生長(zhǎng)的作用具有連續(xù)性、長(zhǎng)期性，時(shí)間跨度越大，地形對(duì)作物產(chǎn)量的影響更加顯著。高海拔-高坡度區(qū)域春玉米產(chǎn)量均值最低，為7 502.64 kg/hm2，標(biāo)準(zhǔn)差為802.62 kg/hm2。在中海拔-低坡度區(qū)域產(chǎn)量最高，達(dá)到9 157.63 kg/hm2，標(biāo)準(zhǔn)差為357.48 kg/hm2。其次為中海拔-中坡度區(qū)域與高海拔-低坡度區(qū)域，產(chǎn)量均值大于田塊尺度中產(chǎn)量均值，面積占比總計(jì)達(dá)到46.88%。說(shuō)明坡度平緩且海拔較高處春玉米產(chǎn)量相對(duì)較高，與K-mean聚類分析結(jié)果基本一致。今后研究中可以進(jìn)一步探究多年間相同地形條件下產(chǎn)量時(shí)空分異規(guī)律。

4 結(jié)論

結(jié)合田塊尺度地形特征、作物不同生長(zhǎng)期SPOT 6影像與變量測(cè)產(chǎn)數(shù)據(jù)，使用經(jīng)驗(yàn)統(tǒng)計(jì)模型確定春玉米估產(chǎn)最佳生長(zhǎng)期與最優(yōu)植被指數(shù)，評(píng)價(jià)引入地形輔助信息的估產(chǎn)模型，分析田塊尺度中產(chǎn)量空間格局分布。得出如下結(jié)論。

(1)春玉米遙感估產(chǎn)的最佳時(shí)期是灌漿期，其次是吐絲期和成熟期，RVI是最優(yōu)植被指數(shù)，R2達(dá)到0.73，RMSE為388.87 kg/hm2。

(2)最佳估產(chǎn)模型引入地形輔助信息后精度提升5.6%，R2達(dá)到0.79，RMSE為346.03 kg/hm2。

(3)空間格局分析顯示高海拔且高坡度區(qū)域產(chǎn)量最低，中海拔與低坡度區(qū)域產(chǎn)量最高。

(4)下一步將研究無(wú)人機(jī)影像濾除植被陰影估產(chǎn)與分析作物時(shí)空分異規(guī)律。本文研究建立了一種高精度的春玉米估產(chǎn)方法，確定玉米最佳生長(zhǎng)區(qū)域的地形特征，為規(guī)模化農(nóng)業(yè)精細(xì)管理、耕地整理與作物種植結(jié)構(gòu)調(diào)整提供了科學(xué)依據(jù)。