姜美伊

（哈爾濱師范大學，黑龍江 哈爾濱 150500）

傳統(tǒng)的估產方式主要以統(tǒng)計及氣象預測相結合的手段進行，需要消耗大量的勞動力和時間，存在諸多弊端和局限。隨著科技的發(fā)展，遙感技術不僅可以獲取農作物種植面積，實現空間分布的準確定位，而且能用于產量估算［1］。而TM數據相較于衛(wèi)星遙感數據，具有高空間分辨率的優(yōu)點，但由于天氣因素即稻谷生長期間多陰雨，對數據的準確程度具有一定影響，因此需與其他的遙感數據復合利用。此外，常用的NOAA 氣象衛(wèi)星提供的AVHRR數據具有動態(tài)性高、覆蓋面積大等優(yōu)點。綜上所述，本文主要采用TM數據及NOAA-AVHRR數據復合分析的方法；鑒于歸一化植被指數（NDVI）在農作物遙感估產中的廣泛應用，同時選擇該植被指數對水稻的產量進行估測。

1 數據收集

1.1 研究區(qū)概況

黑龍江省位于東經121°11′～135°05′，北緯43°26′～53°33′，屬溫帶大陸性季風氣候區(qū)；農用地面積占全省總土地面積的84%，主要作物包括玉米、大豆、水稻等［2］。

1.2 數據收集

文中使用的水稻種植面積、稻谷產量數據來自2020年中國統(tǒng)計年鑒；遙感數據來自中國遙感數據網及軟件處理所得。選取2020年7月上旬的NDVI數據用來預測黑龍江省的稻谷產量，利用統(tǒng)計年鑒所查資料來檢驗估產的精確程度；其中TM 數據主要選取的波段為TM3 及TM4，即分別是紅光波段R（0.63～0.69 μm）和近紅外波段NIR（0.75～0.95 μm），計算NDVI的公式如下。

2 研究方法

2.1 最佳估產數據選擇

根據研究，在水稻的生長發(fā)育期內，從孕穗期到齊穗期，水稻在遙感影像上的色調與其他作物差別最大。因此，根據本研究選定的區(qū)域（即黑龍江?。┧旧L的特征，選取需要用到的數據（包括由2020年TM數據合成的NDVI 值、2020 年黑龍江省的稻谷總產量及下屬各個地級市的稻谷產量），再對由TM 的3、4 波段數據計算得出的NDVI值與稻谷產量之間的關系進行推算和驗證。其中，NDVI 值是取各分區(qū)所得的NDVI 值平均值而得到的。綜合以上幾個步驟，進一步得出具體的線性關系后，從而創(chuàng)立估產模型。

2.2 水稻種植面積提取

利用遙感軟件對圖像進行處理時，由于研究區(qū)域種植作物種類繁多，而不同作物的反射率有不同的值，因而可以據此區(qū)分出所要研究的作物。根據黑龍江省行政區(qū)域的劃分，將研究區(qū)域按地級市區(qū)劃進行分區(qū)；用軟件將研究區(qū)域各分區(qū)進行處理，得到各地級市樣本；并對分區(qū)結果進行平滑處理，得到總體的種植區(qū)域；再次進行篩選，對各分區(qū)分別進行監(jiān)督分類處理，其中，監(jiān)督分類需要先建立判別函數再對像元進行判別；最后將得到的結果綜合分析得出所研究區(qū)域的總水稻種植面積。

2.3 建立水稻估產模型

作物生長的植被指數是估產過程中涉及的極其重要的數據。本研究中利用的歸一化植被指數不僅可以對作物的長勢變化起到重要監(jiān)測作用，還能以此為依據估算產量。根據先前計算得出的NDVI 值，分析其與水稻產量之間的關系，建立完善的估產模型。

2.3.1 NDVI 曲線。以本研究區(qū)域內水稻各生長發(fā)育時期的NDVI值為縱軸，以各階段的時間為橫軸，建立NDVI 時序曲線。其中，NDVI 值由各分區(qū)所得的NDVI值求平均值得出。該曲線直觀地體現了水稻生長發(fā)育時期內NDVI值的變化，即水稻的長勢情況。

2.3.2 建立模型。在本次研究中，通過分析而建立的NDVI 曲線對于建立估產模型起到了至關重要的作用，借由該曲線可以掌握水稻不同階段的生長情況。通過軟件處理，并加以分析后，可以得出NDVI值與稻谷產量兩者之間的關系，從而建立起估產模型。

3 結果與分析

3.1 長勢監(jiān)測分析

植物的長勢情況可以根據NDVI值的變化以及7月上旬至9月上旬遙感圖像的變化進行判斷和分析。在7月上旬，作物進入旺盛生長階段，可明顯看出NDVI值呈現上升趨勢，并不斷增大峰值；而遙感圖像中的作物特征突出，生長態(tài)勢明顯。隨著作物逐漸成熟，NDVI值不斷減?。贿b感圖像上也能明顯體現稻谷成熟后形態(tài)發(fā)生的變化。

3.2 估產模型分析

本次研究中建立的估產模型主要根據作物不同階段的NDVI值及往年的稻谷產量，其中NDVI值均為作物生長各階段NDVI值的平均值，稻谷產量從中國統(tǒng)計年鑒中獲得。

通過遙感軟件對NDVI值與稻谷產量之間的關系進行分析和處理，從而得到本次研究涉及區(qū)域的水稻估產模型，并根據該模型對水稻的產量進行計算，將得出的數據與中國統(tǒng)計年鑒中的標準數據進行比較和修正，并進行誤差分析。結果顯示，相對誤差僅為8.02%，得出的結果比較理想，其精度在預測范圍內，可見所選估產模型符合條件。本文建立的模型，不僅體現出NDVI 值對作物生長狀況起到的監(jiān)測作用，更進一步體現出NDVI 值與稻谷產量之間的重要聯系。

4 討論

本次研究結果表明，在黑龍江省對水稻進行遙感監(jiān)測估產是可行的。但目前的技術仍不夠完善，要達到非常精確的估產結果還是有很大難度的，主要原因有以下四個。第一，研究區(qū)域在該時期種植的農作物種類復雜多樣，并且有與水稻外形較為相似的其他作物，如何在遙感圖像上精準識別具有一定難度；第二，在水稻發(fā)育期內，天氣狀況也成為影響估產準確度的重要原因，其生長期內大多數為陰雨天氣，對于獲取準確的數據有很大的影響；第三，如何選擇合適的遙感數據也有較大難度，應具體問題具體分析，需要對研究區(qū)域進行宏觀把握并綜合各種遙感數據的優(yōu)缺點進而選取合適的數據；第四，目前，估產技術在小范圍區(qū)域的使用中已基本成熟，但對于更大區(qū)域的作物估產，還需要進一步完善技術以克服在研究中可能遇到的問題。

本次研究中選取的遙感數據為TM 數據，其空間分辨率為30 m，且精度較高，但由于天氣因素的影響，獲取準確適合的資料仍具有較大難度，并且對于較大研究區(qū)域，TM衛(wèi)片所需要的成本較高。因此，綜合考量下，本研究將NOAA-AVHRR 氣象衛(wèi)星資料與TM 數據復合綜合利用。NOAA氣象衛(wèi)星可觀測的面積較大，且動態(tài)性高、成本較低，是比較理想的選擇，兩者的結合使用極大提高了數據的準確度。

現階段，遙感估產技術正逐步完善，多種遙感數據的復合使用也占據很大比重，其復合使用不僅可以發(fā)揮各自的長處，也為數據的準確度提供了保障。除上述兩種資料外，目前MODIS數據的使用也極為廣泛。

5 結論

本研究主要應用TM 數據及NOAA-AVHRR 數據對黑龍江省水稻產量進行估測，并將研究中獲得的估計結果與實際資料進行比較。結果顯示，總體誤差約為8.02%，總體精度滿足預期目標，說明在黑龍江省利用上述方法進行作物估產是可行的?，F階段，遙感估產技術還在不斷進步和發(fā)展，為進一步提高估產的精確程度，還需進行更深入的研究。

在水稻生長發(fā)育期，大量的陰雨天氣對于數據的準確程度也產生不小的影響，如何找到其他更好的數據以及更完善的處理方法是本研究的關鍵所在。本次研究的結果雖然已基本達到估產精度的要求，但在與其他外形類似的作物圖像進行分辨方面仍需進一步的完善；以及在水稻不同發(fā)育時期，其光譜特征的差異會對NDVI 值產生一定的影響，如何解決該問題也是完善技術的重點所在。另外，本研究中所采用的TM 數據成本過高且覆蓋區(qū)域有限，可能獲取不到理想的圖像。本文中應用氣象衛(wèi)星數據與TM 數據復合的方式，也可以考慮采用其他的遙感數據進行估產工作，如MODIS 多時相遙感數據。最后，若要進一步完善估產方法，還需要對如何減小誤差作更深入的研究。

綜上所述，對于利用TM 數據在黑龍江省進行作物遙感監(jiān)測和估產還有進一步研究和發(fā)展空間。