农作物遥感估产的应用研究进展

农作物遥感估产的应用研究进展摘要：遥感估产作为一种新型的农作物估产方法，越来越引起人们的重视。本文介绍了农作物遥感估产的基本原理、内容、基本程序以及国内外的研究进展，并对未来农作物遥感估产做了一个简单的展望。关键字：遥感估产原理程序研究进展遥感起源于20世纪60年代,它是指在一定距离上，应用探测仪器不直接接触目标物体，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。从它诞生50多年来，因具有获取资料速度快、周期短和信息量大等特点已被广泛应用于资源调查、地质调查、大气监测、灾害环境监测、土壤调查、城市环境调查、水文观测等领域,并取得了明显的效益。其中农业领域是遥感的最大用户和主要受益者,作物遥感估产是它应用的一个重要方面。1、遥感估产的概念、基本原理及基本程序1.1遥感估产的基本原理及主要内容1.1.1遥感估产的特点与基本原理传统的作物估产基本上是农学模式和气象模式，采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、方法速度慢、工作量大、成本高、某些因子种类往往难以定量化，不易推广应用。农作物遥感估产是近几十年发展起来的一门新兴技术,它具有宏观、客观、快速、经济和信息量大等特点,在实际应用中显示出了独有的优越性。概括地说，农作物遥感估产是根据生物学原理，在收集分析各种农作物不同生育期不同光谱特征的基础上，通过平台上的传感器记录的地表信息，辨别作物类型，监测作物长势，建立不同条件下的产量预报模型从而在作物收获前就能预测作物总产量的一系列技术方法。根据遥感资料来源的不同，农作物遥感估产可分为空间遥感作物估产和地面遥感作物估产。前者又包括以应用卫星资料为主的航天遥感作物估产和以应用飞机航测资料为主的航空遥感作物估产，估产的范围广、宏观性强。后者是根据地面遥感平台获取的农作物光谱信息进行估产，估产范围较小。1.1.2遥感估产的主要内容作物遥感估产主要包括以下几个方面的内容：（1）作物的识别及长势监测任何物体都具有吸收和反射不同波长电磁波的特性。不同物体的波谱特性不同，利用卫星照片可以区分出农田和非农田、同种作物和非同种作物。用可见光和近红外波段的差值可区分农作物与土壤和水体。识别作物类型，一方面可以根据近红外波段反射率的差别，主要是因为不同作物叶片的内部结构不同；另一方面是利用多时相遥感。不同作物的播种、生长、收割的时间不同，利用遥感信息的季节、年度变化规律，结合区域背景资料，可以有效地识别作物。而农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测，即对作物生长状况及趋势的监测。杨邦杰等将作物长势定义为包括个体和群体两方面的特征，叶面积指数LAI是与作物个体特征和群体特征有关的综合指标，可以作为表征作物长势的参数。利用红波段和近红外波段的遥感信息，得到的归一化植被指数(NEVI)与作物的叶面积指数(LAI)和生物量呈正相关，可以用遥感图像获取作物的NDVI曲线反演计算作物的LAI，进行作物长势监测。（2）作物种植面积的提取和监测不同作物在遥感影像上呈现不同的颜色、纹理、形状等特征信息，利用信息提取的方法，可以将作物种植区域提取出来，从而得到作物种植面积和种植区域。（3）作物产量估算遥感估产是基于作物特有的波谱反射特征，利用遥感手段对作物产量进行监测预报的一种技术。利用影像的光谱信息可以反演作物的生长信息(如LAI、生物量)，通过建立生长信息与产量问的关联模型(可结合一些农学模型和气象模型)，便可获得作物产量信息。在实际工作中，常用植被指数(由多光谱数据经线性或非线性组合而成的能反映作物生长信息的数学指数)作为评价作物生长状况的标准。1.2遥感估产的基本程序农作物遥感估产的过程大体上可以分为八个步骤：（1）遥感信息获取与处理；（2）遥感估产区划；（3）地面采梯点布设及观测；（4）建立背莆数据库；（5）农作物种植面积的提取；（6）长势及灾害监测；（7）建立遥感估产模型；（8）估算总产并对其精度进行评估。1.2.1遥感信息获取与处理遥感信息源的选取首先要考虑满足技术要求，同时也要兼顾经济效益，好的信息源对估产将起到事半功倍的效果。1.2.2遥感估产区划遥感技术用于农作物生长的动态监测和估产是大面积的应用，需要将自然条件、社会环境以及农作物的生长状况基本相同的地区归类，以便于作物生长状况的监测与估产模型的构建。1.2.3地面采梯点布设及观测遥感估产中的信息主要是来自于遥感信息，但是为了得到高精度的作物种植面积和产量光靠遥感信息是不够的，必须在地面布设足够的样点，监测作物实际生长状况和产量作为遥感信息的补充和验证。1.2.4建立背莆数据库在遥感估产中，建立数据库是一项重要的基础性工作，它收集和存储了估产区自然环境和社会环境等方面的信息。背景数据库主要有2个方面的作用：一是为遥感信息分类提供背景资料，使分类精度提高；二是在遥感信息难以获取时，它支持模型分析，从历史资料和实际样点采集的数据中综台分析，取得当年实际种植面积和产量。1.2.5农作物种植面积的提取农作物播种面积的提取是农作物估产中的关键。常利用TM资料进行计算机自动分类NOAA资料混合像元的分解及在GIS支持下的作物播种面积的提取方法。1.2.6长势及灾害监测监测的主要方法是对不同生长期的植被指数监测，根据植被指数的变化以及与资料的对比，就可以及时获得各种作物在不同生长期的长势，由长势情况就能预测出作物的趋势产量。而灾害对农作物产量的影响既具有突发牲，又很直接。1.2.7建立遥感估产模型建立避感估产模型是农作物估产的核心问题，模型的好坏直接决定估产的精度。1.2.8估算总产并对其精度进行评估利用遥感估产集成系统对作物进行估产。另外，由于“精度”直接标志着整个估产结果的可信度，为了保证最终的精度要求需要在每个环节上尽量减少误差的可能性。2.1国外遥感估产的研究进展美国首先开了农作物遥感估产之先河，1974～1977年，美国农业部(USDA)、国家海洋大气管理局(NOAA)、宇航局(NASA)和商业部合作主持了“大面积农作物估产试验”，即LACIE计划(LargeAreaCropInventoryandExperiment)。该计划对美国本土、加拿大、前苏联以及世界其它地区的小麦种植面积、总产量进行估算，估产精度达到90%以上。1980~1986年，执行LACIE计划的几个部门又开展了“农业和资源的空间遥感调查”计划(AGRISTABS)，其中包括了世界多种农作物长势评估和产量预报。美国农业部外国农业局(FAS/USDA)负责美国以外国家的农作物估产，并建成运行系统，该项工作为美国在世界农产品贸易中获得了巨大的经济利益。此后，欧共体、俄罗斯、法国、意大利、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算，均取得了一定的成果。例如，欧共体用10年的时间（从1983年开始），建成用于农业的遥感应用系统，1995年在欧共体15个国家用180景SPOT影像，结合NOAA影像在60个试验点进行了作物估产，可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产，MODIS搭载的TERRA卫星是1999年由美国（国家航空航天局）、日本（国际贸易与工业厅）和加拿大（空间局、多伦多大学）共同合作发射的，MODIS数据涉及波段范围广（36个波段）、分辨率（250，500，1000m）比NOAA-AVHRR（5个波段，分辨率为1100m）有较大的进步，这些数据均对农业资源遥感监测有较高的实用价值。2002年意大利米兰纳环境电磁感应学院，发现光谱的红边区域(REP．RedEdgePosition)最适合于牧场特征指数研究和生物参数评价，可用于监测牧草长势、水分分布，从而确定合理放牧的区域。同年，日本科技公司（JapanScienceandTechnologyCorporation）完成了PEPPERS（Projectforestablishmentofplantproductionestimationusingremotesensing）项目，可提高平原农业估产的精度，并着眼于对全球进行估产。而美国已经将遥感技术用于精细农业，对农作物进行区域水分分布评估、病虫害预测等，直接指导农业生产。目前，遥感估产的作物包含了小麦、水稻、玉米、大豆、马铃薯、甜菜、棉花等，遥感技术已形成多星种、多传感器、多分辨率共同发展的局面，估产系统也不断完善。世界粮农组织(FAO)建立了全球粮食情报预警体系，进行全球作物监测和产量预测。俄罗斯建立的粮食作物“天气-产量”模式，可估算一年四季作物各营养器官和生殖器官的生物量及土壤水分的变化。埃及农业资源监控系统(ALIS)是为埃及政府提供实时的主要作物种植面积变化情况，城市扩展占用耕地情况以及分析发展新的耕地的可能性。加拿大利用NOAA气象卫星并结合其他资料进行大面积作物水分测量、灾害预警、产量预测和作物识别，识别马铃薯与牧草、玉米及耕地与森林的界限，估产可靠率为90%。在英国运用孔径雷达识别小麦、甜菜、玉米,准确率高达90%。1985年，印度用LandsatMSS和航空扫描图像，对印度主要水稻产区进行了解译水稻种植面积试验。1989年，泰国在DIPIX图像分析系统上利用LandsatMSS数据，编制了水稻面积分布等级图。目前，国际上用遥感方法进行长势监测和产量估算已进行多年，方法已趋于成熟。2.2国内遥感估产的研究进展从“六五”开始，我国试用卫星遥感进行农作物产量预报的研究，并在局部地区开展产量估算试验。“七五”期间，国家气象局于1987年开展了北方11省市小麦气象卫星综合测产，探索运用周期短、价格低的卫星进行农作物估产的新方法，这是一个地面调查与气象卫星信息相结合的单品种产量估算系统。该项目中，主要是以长期的气象资料为基础，以遥感信息为检验手段，建立了不同地区的遥感参数-作物产量的-一阶回归模型。1985-1989年，此项目为中央和地方提供了165次不同时空尺度的产量预报，为国家减少粮食损失达33万t以上，累计经济效益达20亿元。“八五”期间，国家将遥感估产列为攻关课题，由中国科学院主持，联合农业部等40个单位，开展了对小麦、玉米和水稻大面积遥感估产试验研究，建成了大面积“遥感估产试验运行系统”，并完成了全国范围的遥感估产的部分基础工作。特别是解决了一些关键技术问题，为进一步开展全国性的卫星遥感估产提供了重要保证。1995年，中国科学院设立了“九五”重大和特别支持项目“中国资源环境遥感信息系统及农情速报”建立了全国资源环境数据库。中国科学院、气象局及多家高等院校、研究所致力于遥感估产技术的研究，并在浙江、江西、江苏各省及华北、东北、江汉平原等地区对冬小麦、玉米、水稻、糜子等作物进行遥感估产，在遥感信息源选取、作物识别、面积提取、模型构建、系统集成等各个技术环节有了大幅的进步。另外，我国于1999年发射并运行的中巴资源卫星CBRESI，为以往难以有效接收棉花山LandsatTM影像的新疆地区进行农情遥感监测提供了可能。李哲、张军涛提出的基于遗传算法与人工神经网络相结合的玉米估产方法；侯英雨等提出的基于作物植被指数和温度的产量估算模型；江东博士提出的基于人工神经网络的农作物遥感估产模型；王人潮教授等提出的高光谱遥感估算模型和水稻双向反射模型等等，这些模型汲取了以前模型的优点，模型因子的选择更加合理，可操作性更强，精确程度更高。随后，遥感估产方法已日趋成熟起来。古书琴等借助植被建立了水稻单产的预报模式、遥感估算水稻种植面积，表明利用遥感手段对水稻进行估产的精度高于常规农业气象模式，还可提高预报时效；黄敬峰，杨忠恩等在1999年以NOAAAVHRR资料为主，利用GIS技术提取水稻可能种植区域，在此基础上计算各区和各县的比值植被指数和归一化植被指数，提出的水稻遥感估产比值模型和回归模型，预报浙江省的水稻总产，1998年的拟合精度和1999年的预报精度都达到95%以上；黄敬