小麦遥感测产研究进展

冬小麦遥感测产的研究进展

张自刚

(河南农业大学农学院,学号：0901109026)

摘要: 小麦是我国三大粮食作物之一，遥感又是应用最广泛、最先进的农业科技之一。本文对国内基于遥感数据冬小麦测产技术的研究与应用进行了回顾，并对冬小麦产量方面的研究进展进行初步调查，分析了遥感技术在小麦测产方面取得的成效，总结了目前较为先进的测产技术与方法。提出了加快小麦遥感测产模型研发和农业遥感微小卫星星座系统的构建进程，对利用遥感技术进行小麦测产进行了前景展望。

关键词：冬小麦；遥感；产量预测

Progress in remote sensing measurements of wheat production Abstract：Wheat is one of the three major food crops in China, playing an indispensable role in people's lives. The thesis has a review of research progress and the yield of winter wheat on the domestic-based research and application of remote sensing data in winter wheat yield monitor technology to conduct a preliminary investigation, analysis of remote sensing technology, the results achieved in terms of wheat yield monitor, summed up the more advanced measurement production technologies and methods. drawing out to accelerate wheat remote sensing yield monitor model development and agriculture, remote sensing small satellite constellation system build process, and the prospect of using remote sensing techniques wheat yield monitor.

Keywords:winter Wheat; remote sensing; production forecast 冬小麦是我国重要的粮食作物之一，由于冬小麦分布广阔，地域复杂，其面积产量等数据的取得通常是采用统计方法，或常规的地面调查方法，受人为因素影响较大，且费时、费力，难以适应有关冬小麦管理、决策对其现势性信息的需求。遥感信息具有覆盖面积大、探测周期短、资料丰富、现势性强、费用低等特点[1]，通过卫星遥感手段及时地获取冬小麦的长势、产量情况的具体信息，对于加强小麦生产管理，进一步发挥其生产潜力，辅助政府有关部门制定科学合理的

粮食政策有重要意义。农业遥感技术为人类提供了从多维和宏观角度去认识农业的新方法和新手段。因此，在农业发展的新阶段，促进农业决策的科学化提升到一个新的水平。

1农作物遥感研究及应用概况

1.1基本介绍

遥感（RS, remote sensing）是从远处通过探测仪器接收来自目标地物的电磁波信息，经过对信息的处理 ,揭示出目标物的特征性质及其变化的综合性探测技术。RS能够快速准确地获取地面信息，结合地理信息系统(GIS）和全球定位系统（GPS）等其他现代高新技术，可以实现农情信息收集和分析的定时、定量、定位，客观性强，不受人为干扰，方便农事决策，使发展精准农业成为可能。农作物遥感基本原理：遥感影像的获取遥感影像的红波段和近红外波段的反射率及其组合与作物的叶面积指数、太阳光合有效辐射、生物量具有较好的相关性。通过卫星传感器记录的地球表面信息，辨别作物类型，建立不同条件下的产量预报模型，集成农学知识和遥感观测数据，实现小麦产量的遥感监测预报[2]。同时又避免手工方法收集数据费时费力且具有某种破坏性的缺陷。

1.2冬小麦估产应用的遥感资料及特点

冬小麦估产中应用的遥感资料主要为三类。一是气象卫星资料，主要为美第三代业务极轨气象卫星（TIROS-N/NOAA系列）装载的甚高分辨率辐射仪（AVHRR）资料；二是陆地卫星（LANDSAT）资料，应用较多的是专题制图仪（TM）资料；其三是航空遥感和地面遥感资料[1,3]。从资料应用形式上，卫星遥感数据有磁带数据和卫星像片两种，AVHRR 数据应用以磁带数据为主，TM数据则二种兼用。航空遥感资料为航空像片，地面遥感资料多为实测的冬小麦光谱物征离散数据。MODIS （moderate-resolution imaging spectroradiometerEOS系列卫星上的最主要的仪器）是搭载在terra和aqua卫星上的一个重要的传感器，可以免费接收数据并无偿使用的星载仪器，

不同的遥感资料具有不同的特点。气象卫星资料探测周期短、覆盖面积大、资料易获取、实时性强、价格低廉，时间分辨率高但空间分辨率较低；陆地卫星资料重复周期较长、价格高，但空间分辨率高。从各遥感资料的具体应用情况，AVHRR 资料主要应用于通过一定的绿度指标进行冬小麦长势监测及单产模型的构建，适

宜于大范围、宏观的小麦长势监测及估产。TM资料由于分辨率高主要用于冬小麦面积信息的提取，因费用较高，目前以TM资料为主实现业务化的大范围小麦监测与估产尚有一定的困难。地面遥感资料则主要用于冬小麦光谱特征及估产农学机理的研究。MODIS的特点是空间分辨率大幅提高，一天可过境4次，光谱分辨率大大提高。有36个波段，大大增强了对地球复杂系统的观测能力和对地表类型的识别能力。

1.3农作物遥感估产研究及应用概况

国际大面积作物遥感估产研究最早起源于美国，他们自70年代中期开始进行“大面积作物LACIE计划（Large Area Crop Inventory Experiment,1974-1977）和“利用空间遥感技术进行农业和资源调查”即 AGRISTARS计化,其主要目的是研制美国所需要的监测全球粮食生产的技术方法，满足美国进行资源管理和了解全球作物产量状况对有关信息的需要。其中以气象卫星资料为主建立作物单产估算模型，作物种植面积的估算则主要利用陆地卫星资料，通过抽样调查方法获得，估产精度达到90%以上[3]。此后陆续出现了欧盟MARS遥感监测计划，意大利应用Landsat MSS、TM和NOAA -AVHRR数据建立的小麦、玉米产量预测系统以及世界粮农组织建立的侧重于水分平衡的全球粮食情报预警系统。

我国的冬小麦估产研究从80年代开始，初步建立了遥感影像面积测算与估产方法。研究手段也从常规方法与遥感技术结合，过渡到以资源卫星为主，进而由应用陆地卫星资料转为气象卫星NOAA-AVHRR资料，建立了“北方冬小麦气象卫星遥感动态监测及估产系统”[3]。

2冬小麦产量遥感监测类型

2.1产量—遥感光谱指数的简单统计相关模式

利用产量直接与遥感光谱指数进行简单相关统计分析来估算小麦产量。

2.1.1绿度-产量模型

从光谱特征与作物冠层之间的关系，绿色植物叶片叶绿素在光照条件下发生光合作用时，对可见光红光波段进行较强的吸收，而对近红外波段具有高反射、高透射。因此，红光波段反射率包含了植物冠顶层叶片的丰富信息，而近红外波段反射率则包含了整个植物冠层内叶片的大部分信息。利用二者的组合植被指数

(绿度)NDVI=(CH

2-CH

1

)/(CH

2

+CH

1

)，可以对小麦产量进行测算。其中，CH

1

为NOAA

的第一通道光谱值(可见光)，CH

为第二通道光谱值(近红外波段)。根据绿度值

2

(NDVI ,Normalized difference vegetation index)与小麦产量实测值进行综合分析，推算出二者之间相关关系，建立响应模型[4]。冬小麦NDVI随生育时期的变化呈“小一大一小”变化趋势。冬小麦不同生育时期NDVI与产量相关性均以抽穗初期为最高，但用抽穗初期和灌浆期NDVI与产量的复合回归方程进行产量预测比用抽穗初期NDVI与产量的回归方程效果好[5]。

绿度指数与叶面积指数的关系有较好的相关关系仅在三月初至四月中旬相关性较好，就是小麦“起身”至“抽穗”之间，两者相关性最好。在抽穗以后的小麦长势状况与其绿度相关性就不十分明显了[6]。

植被指数（绿度）模式的选择单一波段的冬小麦光谱特性难以全面准确地反映冬小麦生长状况。将冬小麦反应敏感的多波段信息组合，构成植被指数特征量，反映绿色植被的覆盖程度和作物的生长状况进行准确的产量预测。

2.1.2新型产量—遥感光谱指数模型

池宏康[7]提出了LAD一产量模型；黄敬峰等[8]建立了密度与生物量的光谱监测模型，进而建立了北疆试验区各层冬小麦种植面积估算和产量预报卫星遥感模型；任建强等[9]采用经过Savitzky-Golay滤波技术平滑处理的MODIS--NDVI遥感数据对冬小麦产量进行预测，有效地去除NDVI数据中的缺失、云及异常值的影响。能更好地反映作物长势变化．为提高估产精度奠定了基础。冯伟等[10]研究结果显示，叶片氮含量和氮积累量及叶面积氮指数在拔节至成熟期的累积值与成熟期籽粒产量的回归拟合效果最好。拔节至成熟期的冠层特征光谱指数的累积值能够稳定、快速无损地预报不同条件下小麦成熟期籽粒产量的变化。由于作物叶片具有一定的叶位空间垂直结构存在不同叶位叶绿素等生化组分垂直分布的特性。赵春江等[11]研究提出利用遥感数据反演作物养分垂直分布,对作物叶片氮素或叶绿素状况的监测来指导适时和适量施肥, 提高肥料利用率,保证获得既定的作物产量和品质目标。杨智等[12]研究显示小麦冠层光谱反映了小麦光合作用的能力及光合同化物积累能力的强弱，而叶绿素、氮素营养等这些生长状况都决定了小麦的最终产量。通过前期冠层光谱预测成熟期小麦的籽粒产量。同时，拔节期冠层多光谱参数对理论产量和实际产量的预测性较好。

2.2潜在一胁迫产量模式

影响小麦产量的因子或过程可以分为两大类，一类是小麦本身的生理因素，表现为一系列生物学参数，如叶面积指数LAI等。这些参数决定小麦产量可能达到的最高上限，即潜在产量部分；另一类是小麦生长的生态环境条件，如光、温、水分以及灾害等环境气象因素，它们对最终产量的形成起限制作用，即胁迫产量部分。结合小麦生长与发育期，以小麦生长期数据来计算潜在产量，以发育期数据信息估算胁迫产量，充分发挥遥感技术的及时性和广域性。李卫国[13,14]等利用遥感反演技术与作物模拟技术，结合小麦产量形成的生理生态过程及其与气候环境的相互关系。建立了较为简化的小麦遥感估产模型，取得了较好的估产效果；刘良云等[15]基于水分吸收特征波段构建光谱参数建立了小麦分时期遥感估产模型；王长耀等[16]研究表明，增强型植被指数(EVI)明显地比NDVI更好的与产量建立同归方程．可以更有效地进行作物监测及估产，提高预测的准确性：赵玉金等[17]则利用卫星遥感信息解译了山东冬小麦产量类型分布。

2.3产量构成三要素模式

从小麦产量构成要素单位面积穗数、每穗平均粒数、千粒重出发，结合小麦生育期，以遥感信息来分别表达三者建模。以近红外遥感数据反演计算LAI，来表达小麦群体信息，以热红外信息度量小麦蒸腾情况，反映个体特征，将二者有机结合进行遥感估产建模[2]。小麦亩穗数与冠层高光谱的关系，拔节期、灌浆中期和成熟期的光谱参数和亩穗数的相关性较好，而穗粒数、千粒重与光谱参数的相关性较差。证明利用前期冠层反射光谱特征可以预测成熟期小麦亩穗数，这是因为亩穗数的多少直接受前期长势和营养状况的影响，而冠层反射光谱正是小麦长势的反映[12]。冬小麦穗粒数的多少取决于拔节至灌浆初期生长状况，该时期是小麦幼穗分化，从护颖分化到花粉粒形成阶段。该阶段的发育状况，直接影响受精子粒的形成，进而影响到每穗粒数。因此，冬小麦在此阶段对温度要求严格，温度较高，发育便加快小花退化就多，因而导致小穗数多，而小穗粒数少的状况。反之温度适宜可以增加小穗的粒数。穗粒数应用温度因子作为建模依据。影响小麦千粒重形成的时间主要在灌浆期。该时期气温迅速上升。如果水肥条件不佳，遇到莲续三天30℃高温，就会造成“逼熟”，叶子干枯，停止灌浆，形成瘪粒，千粒重下降。蜡熟末期，旗叶变黄，干物质积累已经停止。因此，构建千粒重模型时应综合考虑水、温、肥等条件以及绿度的变化速率这个极其重要的指标。

2.4作物干物质量一产量模式

基于遥感信息数据估测小麦地面上干物质量，然后再依据小麦干物质量与籽粒部分间的关系得到小麦产量[18]。

3问题与对策

综上所述，国内外学者在利用遥感技术进行小麦籽粒无损监测测产方面进行了大量的探索并取得了一定进展与成果,但在目前仍未大面积应用于生产实践。分析其原因主要存在以下问题,仍需更深入的研究[19]。

3.1加快研制、发射农业遥感微小卫星星座系统的步伐

农作物遥感监测的核心在于遥感数据源的保障问题。农作物的遥感监测需要不同波段、不同分辨率、不同类型的遥感数据。我国长期依赖美国的LANDSAT 和加拿大的RADARSAT的遥感数据进行监测。费用昂贵的同时也不能进行获得世界上其他地区的遥感数据，不能实现全球农情监测。所以我国要加快研制、发射农业遥感微小卫星星座系统的步伐是当前农业遥感的工作重点[3]。

3.2建立适应性更广、精度更高的小麦遥感监测模型

国内作物识别多使用NOAA数据，由于NOAA数据空间分辨率太低，其本身也不是为土地覆盖及植被研究所设计。数据应用本身有着严重的局限性。如AVHRR -NDVI的饱和问题、对大气影响纠正不彻底、对低植被覆盖区土壤背景的影响没有处理。遥感的作用主要用于农作物长势监测和农作物种植面积的估算。而作物单产预测主要采用农业气象模型。作物产量遥感预测模型的缺乏是遥感测产最薄弱的环节。利用高光谱遥感，可以有效提高多作物的识别能力。但农业高光谱遥感现正处在试验阶段，我国目前只有MODIS数据而没有其他数据。

3.3进一步完善“3S”系统的契合性

冬小麦遥感估产的精度与采用的信息源有很大关系，其中单产估产模型的建立受信息源光谱分辨率和时间分辨率的影响，冬小麦产量形成的关键时间很短，以河南省为例，仅4、5两个月。因此，高的遥感估产精度需要有高的几何分辨率、时间分辨率和光谱分辨率的信息源的保障。小麦遥感估产需要冬小麦历史资料以及有关背景资料的支持，GIS、GPS技术应用于冬小麦遥感估产系统，有助于提高估产精度，又使估产的结果空间化，收集宝贵准确数据的同时，可为适时、准确、长期的冬小麦估产奠定基础。

3.4研发适用于田间的微型产品并在生产中应用

随着研究的不断深入，利用遥感技术对小麦产量进行实时监测和预测在理论上日渐成熟。但是，目前遥感数据的获取主要还是依靠地物光谱仪或航空、航天遥感传感器，其设备结构复杂，价格昂贵，操作技术要求高，难以直接应用于大田推广。因此，开发体积小、重量轻、成本低、使用方便的新型便携式或车载式仪器对于小面积、不易监测地块以及农户自测都有十分重要的现实意义。

4展望

随着小麦遥感测产模型以及农业遥感微小卫星星座系统的建立、发展、逐步完善，加强对冬小麦生长发育期的全程掌控，为农业各部门制定农业管理措施和方法提供了科学依据。遥感监测技术的应用，弥补了依靠地面定点观测获得作物生长状况的缺陷，其具有的宏观性、时效性、综合性、预测性和动态性使农业由传统逐渐走向精确。为大力发展精准农业和加速农业信息化进程奠定良好基础。

参考文献：

[1]赵庚星,余松烈.冬小麦遥感估产研究进展[J].山东农业大学学报，2001,32(1):107-111.

[2]刘淑云,谷卫刚,朱建华,王振林,刘鹏,宋喜双.小麦调优栽培遥感监测技术初探[J].山东农业科学,2009,4:16-19.

[3]林文鹏，王长耀.大尺度作物遥感监测方法与应用科学出版社.2010,4:9-12.

[4]江东,王乃斌,杨小唤,刘红辉. NDVI曲线与农作物长势的时序互动规律[J].生态学报,2002(2):15-20.

[5]冯美臣,杨武德.不同株型品种冬小麦NDVI变化特征及产量分析术中国生态[J].农业学报,2011,19(1).

[6]江东,王建华,杨小唤,王乃斌.应用神经网络建立冬小麦产量预测模型[J].1999,15(2).

[7]池宏康.冬小麦单位面积产量的光谱数据估产模型研究[J].遥感信息.1995(3):15-18.

[8]黄敬蜂,王人潮,刘绍民.冬小麦遥感估产多种模型研究[J]．浙江大学学报，

1999,25(5):512-523.

[9]任建强,陈仲新,唐华俊.基于MODIS--NDVI的区域冬小麦遥感估产一以山东省济宁市为例[J].应用生态学报,2006,17(12):2371—2375.

[10]冯伟,朱艳,田永超，姚霞,郭天财,曹卫星.基于高光谱遥感的小麦籽粒产量预测模型研究[J]．麦类作物学报，2007,27(6):1076-1084.

[11] 赵春江,黄文江,王纪华,刘良云,宋晓宇,马智宏,李存军.用多角度光谱信息反演冬小麦叶绿素含量垂直分布[J].农业工程学报, 2006,22(6).

[12]杨智,李映雪,徐德福,刘寿东.冠层反射光谱与小麦产量及产量构成因素的定量关系[J].中国农业气象,2008,29(3):338-342.

[13]李卫国,王纪华,赵春江.基于遥感信患和产量形成过程的小麦估产模型[J].麦类作物学报，2007,27(5)：904-907.

[14]李卫国，赵春江，王纪华．遥感和生长模型相结合的小麦长势监测研究现状与展望[J]．国土资源遥感，2007,(2):6-9.

[15]刘良云，王纪华，黄文江.用新型光谱指数改善冬小麦估产精度[J]．农业工程学报,2004,20(1):172-175.

[16]王长耀，林文鹛．基于MODIS-EVI的冬小麦产量遥感预测研究[J].农业工程学报，2005,21(10):90-94.

[17]赵玉金,赵红,徐法彬.用卫星遥感信息解译山东冬小麦产量类型分布[J]．气象科技,2004,32(1):57—59.

[18]刘淑云,谷卫刚,朱建华.基于遥感数据的冬小麦农情监测研究进展[J].农业网络信息,2010,2:5-9.

[19]李少昆,谭海珍,王克如.小麦籽粒蛋白质含量遥感监测研[J].农业工程学报 ,2009,6:35-37.

[20]张晔.佳木斯冬小麦生长的气象卫星遥感监测[J].安徽农学通报,2011,17(4):121,141.

[21]张明伟,邓辉,李贵才,范锦龙,任建强.模型模拟华北地区气候变化对冬小麦产量的影响[J].中国农业资源与区划,2011,32(4).