生态环境学报 2012, 21(10): 1665-1669 Ecology and Environmental Sciences
http://www.jeesci.com E-mail:
[email protected]
基于 MODIS 数据的河南省冬小麦产量遥感估算模型 李军玲
1, 2
，郭其乐
1, 2
，彭记永
1, 2
1. 河南省气象科学研究所，河南 郑州 450003； 2. 中国气象局·河南省农业气象保障与应用技术重点开放实验室，河南 郑州 450003
摘要：小麦是世界上最重要的粮食作物，小麦生产对中国的粮食保障起着十分重要的作用，及时、准确、大范围对小麦产量 进行监测预报，对于农学经济发展和粮食政策制定具有极为重要的现实意义。对作物产量进行遥感监测的原理是建立在其遥 感特征基础之上的，通过建立作物长势指标与遥感信息的定量关系，可实现对作物产量的监测预报。文章基于 2009 年 MODIS 遥感数据和气象数据，利用 Arcgis 和 ENVI 提取纯小麦像元，并提取纯小麦像元对应的 NDVI、NPP 和 LAI，获取分县 NDVI、 NPP 和 LAI 均值，利用统计软件对产量数据和分县遥感参数均值进行数据整理和分析，建立了河南省冬小麦产量估算模型。 以往研究多采用遥感图像上某像元和地面调查点进行研究，具有很大的不确定性，文章以县为单位，对冬小麦平均单产和县 域内冬小麦种植像元遥感参数的均值进行相关研究，提高了模型模拟精度。同时文章选用多种遥感参数和多项气象因子建立 估产模型，避免了针对一个参数进行估产的局限性。在最佳时相的选择上，根据冯美辰（2010）以往的研究结果，从 4 月以 后，5 月 8 日和 4 月 20 日植被指数和产量相关性最大，4 月份之前冬小麦处于返青到拔节期，对产量来说还有很多不确定因 素，因此文章选用 5 月 8 日和 4 月 20 日进行冬小麦估产研究。结果表明，5 月 8 日的估产模型优于 4 月 20 日，加入气象因 子的遥感气象估产模型优于只采用遥感参数进行估产的遥感模型。利用 2010 年产量数据对模型精度进行检验，遥感气象模 型预测精度在 70.2%到 99.7%之间，平均精度为 90.7%；遥感模型预测精度在 68.1%到 95.5%之间，平均精度为 83.9%。表明 遥感气象模型模拟精度更高，其精度可以满足大面积估产要求，可以对产量预报提供科学参考。 关键词：叶面积指数，归一化植被指数，植被净第一性生产力，气象因子，估产，模型精度 中图分类号：S127
文献标志码：A
文章编号：1674-5906（2012）10-1665-05
引用格式：李军玲，郭其乐，彭记永. 基于 MODIS 数据的河南省冬小麦产量遥感估算模型[J]. 生态环境学报, 2012, 21(10): 1665-1669. LI Junling，GUO Qile，PENG Jiyong. Remote sensing estimation model of Henan province winter wheat yield based on MODIS data [J]. Ecology and Environmental Sciences, 2012, 21(10): 1665-1669.
小麦是世界上最重要的粮食作物，其总面积、 总产量及总贸易额均居粮食作物之首，在中国有一 半以上人口以小麦为主要粮食，小麦生产对中国的 粮食保障起着十分重要的作用，及时、准确、大范 围对小麦产量进行监测预报，对于农学经济发展和 粮食政策制定具有极为重要的现实意义。 对作物产量进行遥感监测的原理是建立在其 遥感特征基础之上的，即作物在可见光部分（被叶 绿素吸收）有明显的吸收谷，近红外波段（受叶子 内部构造影响）有较高的反射率，形成突峰，这些 敏感波段及其组合信息（通常称为植被指数）可以 反映作物的生长信息[1]。通过建立作物长势指标与 遥感信息的定量关系，可实现对作物产量的监测预 报。在经验预测模型的基础上，遥感技术已经广泛 地应用于作物产量的早期估测[2]。多时相遥感数据 也被用来进行作物（如水稻、小麦、高粱等）产量
的模拟和预测[3,4]。我国从 20 世纪 70 年代末就开始 开展冬小麦的长势监测和遥感估产研究，基于遥感 学原理和遥感监测技术，在小麦产量估产方面取得 了大量的研究成果[5-12]。常用的遥感估产方法主要 是通过分析遥感信息与小麦长势指标（如生物量、 叶面积指数等）的定量关系，并借助小麦长势指标 与产量之间的相关性，间接地估测小麦产量。近年 来，很多学者采用高分辨率卫星数据对作物估产进 行研究，邓坤枚等[13]采用遥感方法，利用分辨率 30 m 的国产环境减灾卫星的 NDVI 数据对春小麦单 产进行预测。钱永兰等 [14] 研究显示 SPOT-VGT/ NDVI 和 SPOT-VGT/EVI 都能监测作物长势信息， 但 EVI 能弥补 NDVI 易受土壤背景和植被覆盖度影 响的缺陷，能更客观地反映作物长势信息。还有些 学者把遥感数据应用到作物模型中对作物估产进 行研究，靳华安等[15]基于作物生长模型和遥感数据
基金项目：国家公益性行业（气象）科研专项项目（GYHY200906022；GYHY201106027） 作者简介：李军玲（1979 年生），女，高级工程师，博士，主要从事遥感应用与农业气象研究。 收稿日期：2012-08-06
1666
同化对研究区域玉米产量进行了估算。黄健熙等[16] 基于遥感信息与作物模型集合卡尔曼滤波同化进 行区域冬小麦产量预测，黄彦等[17]提出了一种基于 地空遥感信息与生长模型耦合的冬小麦预测方法。 这些研究多是针对一种遥感参数进行农作物长势 监测或估产，虽然有一定意义，但是农作物产量经 常受多个指标影响，单靠一个指标进行产量遥感估 算有一定的局限性；另外相关研究多采用调查点数 据进行产量和遥感参数的相关分析，以点代面，有 很大的不确定性。本文拟选择小麦纯像元以县为单 位得到各遥感参数平均值和各县平均产量进行回 归分析，这样既避免了采用一个遥感参数进行估产 的局限性，又避免了以点代面的不确定性。
生态环境学报
第 21 卷第 10 期（2012 年 10 月）
图 1 小麦纯像元分布图 Fig.1 the wheat pure pixel distribution diagram
1 材料和方法 1.1 遥感数据 MODIS 数据在作物长势监测中有着 TM、 NOAA/AVHRR 无法比拟的优势，其具有较高的时 间分辨率、较广的遥感范围以及适中的空间分辨率 等特点[18]。本研究所使用的遥感数据为国家卫星气 象中心提供的 MODIS 产品，其中 NPP 和 NDVI 数 据为 8 d 合成的 MODIS 数据，空间分辨率为 1 km×1 km，时间为 2009 年 4 月中旬和 5 月上旬， LAI 为 10 d 合成的 MODIS 数据，空间分辨率为 1 km×1 km，时间为 2009 年 4 月中旬和 5 月上旬。 1.2 冬小麦纯像元的提取 小麦种植面积来源于河南省气象科学研究所， 通过实地调查等结合监督分类获得每个像元是纯 小麦像元的概率格点图，本文拟选用概率大于 80% 的像元作为纯像元进行相关研究。 1.3 其它数据 2009 年河南省各分县冬小麦产量数据来源于 河南省统计局，河南省基础地理信息系统来源于 1： 25 万国家基础地理信息系统。 1.4 研究方法 利用 2009 年遥感数据 NDVI、NPP、LAI 以及 当年冬小麦分县产量数据，采用数学方法建立冬小 麦产量和各遥感参数之间的定量关系。 基于遥感参数的遥感模型： Y=L（NDVI,NPP,LAI） 式中， Y 为冬小麦分县产量； L 为线性函数的参数。 基于遥感参数和气象数据的遥感气象模型： Y=L（NDVI,NPP,LAI,R,S,T） R 为降水量，S 为日照时数，T 为平均气温，选 用逐旬和逐月数据参与建模。 1.5 数据分析与计算方法 ， 利用 Arcgis 和 ENVI 提取纯小麦像元（图 1） 并提取纯小麦像元对应的 NDVI、 NPP 和 LAI （图 2） ，
图 2 小麦纯像元 NDVI、LAI、NPP 分布图 Fig.2 the NDVI, LAI, NPP distribution diagram of wheat pure pixel
李军玲等：基于 MODIS 数据的河南省冬小麦产量遥感估算模型
利用 Arcgis-Spatial Analyst-Zonal statistics 获取分县 NDVI、NPP 和 LAI 均值（图 3）。利用 Excel 软件 对产量数据和分县遥感参数均值进行数据整理和 分析，利用统计软件 SPSS 对数据进行统计分析、 回归分析和方差分析。通过回归分析建立冬小麦产 量估测模型，利用 F 检验验证回归方程显著性，利 用拟合优度（R2）检验回归方程对样本观测值的拟 合程度。
1667
用的时期，即最佳时相[19]。冬小麦产量估测的最佳 时相是衡量冬小麦单产与遥感信息关系密切程度 的标准。利用不同生育时期冬小麦遥感参数与产量 进行相关性分析，相关性达到最大的日期即为冬小 麦遥感估产的最佳时相，冯美臣等（2010）的研究 表明 5 月 8 日为冬小麦遥感估产的最佳时相（见图 4）。
相关系数R
0.8 0.6 0.4 0.2 02-09 02-17 02-25 03-05 03-13 03-21 03-29 04-06 04-14 04-22 04-30 05-08 05-16 05-24
0
日期（月-日）
图 4 冬小麦产量与各生育期植被指数相关系数(冯美臣等，2010) Fig.4 Correlation coefficients of the relationships between NDVI and yield at different stages
图 3 小麦纯像元分县 NDVI、LAI、NPP 均值分布图 Fig.3 The NDVI, LAI, NPP mean value for each county distribution diagram of wheat pure pixel
2 结果和分析 2.1 冬小麦遥感参数与产量之间的关系 冬小麦遥感估产必须选择遥感参数中冬小麦 长势信息贡献最大，且对后期籽粒形成起决定性作
从图 4 中可以看出，从 4 月以后，5 月 8 日和 4 月 20 日植被指数和产量相关性最大，4 月份之前 冬小麦处于返青到拔节期，对产量来说还有很多不 确定因素，因此本研究选用 5 月 8 日和 4 月 20 日 进行冬小麦估产研究。 2.2 遥感产量模型 对小麦纯像元的 NDVI、LAI、NPP 以县为单 位求平均值，和各县小麦单产进行 SPSS 回归分析， 得出 4 月 20 日估产模型： Y=525NDVI+0.665LAI+0.17NPP-38.29 2 （R =0.316 p
