农作物长势遥感监测

农作物长势遥感监测新方法内容长势监测的意义及重要性国内外发展综述--提出问题新方法的提出--解决问题已经开展的一些研究工作作物长势遥感监测展望一、长势监测的意义及重要性意义:精确、及时的作物长势监测可以为生产形势预测提供科学依据，在农作物生长期内尽早掌握作物生长形势有的时候要比精确估计作物种植面积和总产量本身还重要大尺度：大尺度的农作物长势监测可以为农业政策的制订和粮食贸易提供决策依据小尺度：田块尺度的作物长势可以为提高农业生产管理水平及实现我国数字化农业战略具有重大意义二、国内外发展综述--提出问题目前的长势监测方法:直接监测法同期对比法作物生长过程监测法作物生长模型法诊断模型法问题：定性或半定量的监测方法在推广上存在问题，一个区域的模型无法在其他地区适用需求:解决目前长势监测中存在的问题提出新的作物长势监测技术体系新方法与区域无关，可以在大范围进行推广，也可以在多个尺度进行应用二、国内外发展综述--提出问题作物长势差异及其影像物征麦苗发黄、较稀、矮麦苗浓绿、健壮、高麦苗微黄、较稀麦苗发黄、较稀、矮麦苗微黄、较健壮麦苗发黄、但苗不壮麦苗发绿、较健壮三、新方法的提出--解决问题通过冬小麦生理、生化参数的遥感监测，从作物群体特征及个体特征两个方面出发，考虑区域内作物物候差异给长势监测带来了影响，建立冬小麦长势遥感定量监测新方法。长势监测方法群体特征个体特征冬小麦物候生理参数:LAI生化参数:氮素浓度三、新方法的提出--解决问题五个关键环节：作物生理参数（叶面积指数）遥感监测方法作物生化参数（氮素浓度）遥感监测方法作物物候遥感精准监测方法作物生理、生化参数的物候归一化处理技术群体特征与个体特征相耦合的冬小麦长势监测方法三、新方法的提出--解决问题地面观测四、已经开展的一些研究工作生理参数遥感监测-叶面积指数四、已经开展的一些研究工作0123450.200.300.400.500.600.700.80LAINDVINDVI-LAI回归分析线性对数多项式0123451.002.003.004.005.006.00LAIRVIRVI-LAI回归分析线性对数多项式0123450.100.200.300.400.50LAISAVISAVI-LAI回归分析线性对数多项式0123450.000.100.200.300.40LAIEVIEVI-LAI回归分析线性对数多项式植被指数回归模型RR2F显著性概率RMSENDVIY=8.267X-1.974Y=3.691Ln(X)+4.933Y=5.079X2+3.168X-0.7950.91860.89160.92150.84390.79500.8500151.34108.59158.670000.42370.48530.4142RVIY=0.834X-0.571Y=2.967Ln(X)-1.201Y=-0.075X2+1.419X-1.5980.91440.92470.91980.83620.85500.8460142.93165.10153.820000.43400.40830.4205SAVIY=10.95x-1.437Y=3.481Ln(X)+6.223Y=-1.698X2+12.13X-1.6270.91060.90170.91050.82930.81300.8290136.00121.73135.740000.44310.46320.4429EVIY=15.80x-0.677Y=2.798Ln(X)+7.718Y=-13.13X2+21.05X-1.1480.91260.90770.91380.83280.82400.8350139.47131.09141.700000.43850.44880.4353结论：（1）所有的模型的回归显著性概率值均小于0.01，置信度达到99.9%以上，四种植被指数均包含了可用于估测LAI的显著信息。（2）RVI对数模型的相关系数（0.9247）最高,而RMSE（0.4083）最低，拟合结果最好。生理参数遥感监测-叶面积指数四、已经开展的一些研究工作-0.4-0.3-0.2-0.100.10.20.30.41234567891011121314151617181920212223242526相对误差:(观测值-预测值)/观测值通过对26组数据的比较：最大的相对误差为37%，最小的为3%相对误差大于30%的仅有3组平均相对误差为19%模型达到了较高的精度。生理参数遥感监测-生物量四、已经开展的一些研究工作卫星遥感PAR时间序列NDVI、LAI、…FPAR植被覆盖类型GPP温度、降水、…水分胁迫信息NPPR土壤水分小麦玉米生化参数遥感监测四、已经开展的一些研究工作00.10.20.30.40.50.6反射率-350反射率-850反射率-1350反射率-1850反射率-2350F11F12F13F14F15F21F22F23F24F25F31F32F33F34F35F41F42F43F44F45F51F52F53F54F55-0.6-0.4-0.20.00.20.40.60.8反射率-350反射率-550反射率-750反射率-950反射率-1150反射率-1350反射率-1550反射率-1750反射率-1950反射率-2150含水量叶绿素全糖类胡萝卜素淀粉木质素粗纤维全氮全磷全钾生化参数遥感监测四、已经开展的一些研究工作-1.0-0.8-0.6-0.4-0.20.00.20.40.60.81.0导数-350导数-550导数-750导数-950导数-1150导数-1350导数-1550导数-1750导数-1950导数-2150含水量叶绿素全糖类胡萝卜素淀粉木质素粗纤维全氮全磷全钾氮浓度与导数光谱的相关系数-0.800-0.600-0.400-0.2000.0000.2000.4000.6000.800导数-350导数-550导数-750导数-950导数-1150导数-1350导数-1550导数-1750导数-1950导数-2150生化参数遥感监测四、已经开展的一些研究工作含水量叶绿素全糖类胡萝卜素淀粉木质素粗纤维全氮全磷全钾红边起始0.00-0.11-0.200.14-0.080.090.12-0.200.080.07红边结束10.07-0.040.07-0.010.12-0.25-0.33-0.51-0.240.13红边结束20.230.130.23-0.060.03-0.030.03-0.29-0.15-0.08红边位置0.200.16-0.110.27-0.44-0.15-0.040.540.67-0.24红边宽度10.11-0.270.28-0.120.22-0.30-0.21-0.48-0.300.22红边宽度20.200.170.31-0.120.07-0.08-0.03-0.16-0.17-0.11红边斜率0.160.31-0.170.03-0.35-0.100.160.730.54-0.35生化参数遥感监测四、已经开展的一些研究工作红边斜率全氮10.7654.90410.7654.7619.2084.9148.1184.5398.5244.5778.2374.3409.4954.8358.7954.5396.6873.9108.3134.2567.9004.4097.3734.2327.4104.5507.2263.9199.0074.5078.3494.6318.4204.4259.4494.3159.2334.24910.9284.9607.7444.3288.0503.8916.9364.2049.0634.3718.6184.713叶片氮浓度与红边斜率的关系y=0.1948x+2.7792R2=0.53133.03.54.04.55.05.54.05.06.07.08.09.010.011.012.0红边斜率氮素浓度回归统计MultipleR0.728915RSquare0.531317AdjustedRSquare0.51094标准误差0.211706观测值25dfSSMSFSignificanceF回归分析11.16861.168626.07370.0000残差231.03080.0448总计242.1994Coefficients标准误差tStatP-valueLower95%Upper95%Intercept2.7791810.3301648.4175691.77E-082.0961841233.462178红边斜率0.1947660.0381435.1062433.59E-050.1158619980.273671生化参数遥感监测四、已经开展的一些研究工作观测样区MERIS廓线0.000.050.100.150.200.250.300.350.400.45123456789101112131415波段反射率禹城1_0424禹城2_0424禹城3_0424禹城4_0424禹城5_0424封丘1_0423封丘2_0423封丘3_0423封丘4_0423封丘5_0423反高斯模型曲线模拟00.050.10.150.20.250.30.350.40.450.5600650700750800850900950100010501100115012001250反射率波长波段波长band1412.50band2442.50band3490.00band4510.00band5560.00band6620.00band7665.00band8681.25band9708.75band10753.00band11760.63band12778.75band13865.00band14885.00band15900.00生化参数遥感监测四、已经开展的一些研究工作作物物候遥感精准监测四、已经开展的一些研究工作耕地4重构效果图00.10.20.30.40.50.60.70.81285582109136163190217244271298325天NDVI原始数据重构数据耕地2重构效果图00.10.20.30.40.50.60.71285582109136163190217244271298325天NDVI原始数据重构数据耕地6重构效果图00.10.20.30.40.50.60.71285582109136163190217244271298325天NDVI原始数据重构数据时间序列遥感数据象元尺度数据重构生长过程特征提取物候提取收获期出苗期活动期结束生长期大小抽穗期生长活动期作物生长期作物生长季振幅生长速率成熟速率耕地4重构效果图00.10.20.30.40.50.60.70.81285582109136163190217244271298325天NDVI原始数据重构数据耕地2重构效果图00.10.20.30.40.50.60.71285582109136163190217244271298325天NDVI原始数据重构数据耕地6重构效果图00.10.20.30.40.50.60.71285582109136163190217244271298325天NDVI原始数据重构数据时间序列遥感数据象元尺度数据重构生长过程特征提取物候提取收获期出苗期活动期结束生长期大小抽穗期生长活动期作物生长期作物生长季振幅生长速率成熟速率作物物候遥感精准监测四、已经开展的一些研究工作作物生理、生化参数的物候归一化处理技术四、已经开展的一些研究工作作物生理、生化参数的物候归一化处理技术四、已经开展的一些研究工作物候与红边参数的关系作物生理、生化参数的物候归一化处理技术进行了作物生育期生化参数的连续观测，以支持进一步的分析生理参数方面的工作还有待进一步开展为了更准确（地块尺度）的开展作物物候的监测进行了高时空分辨率NDVI数据集构建方法研究四、已经开展的一些研究工作高时空分辨率NDVI数据集构建方法四、已经开展的一些研究工作