水稻产量和品质的卫星遥感预测
3Abstract: 3引言 31 材料与方法 51．1 实验设计 51．2 数据获取 51．2．1 遥感数据的获取 51．2．2 生理生化参数获取 71．3 技术路线（如图所示） 81．4 研究方法 92 结果与分析 92．1 产量的遥感预测 92．2 品质的遥感预测 102．3 与水稻产量和品质形成密切相关的指标监测 103 讨论 123．1 植被指数的选择 133．2 动态预测方法的探索 133．3 将地面与航空航天两种光谱监测平台相结合 13致谢 14参考文献 14水稻产量和品质的卫星遥感预测基于光谱学原理的无损测试手段和遥感监测技术，可以快速、准确、无损地获取生长状况的实时信息，为农业生产管理决策及时提供信息支持。随着遥感技术的发展和应用，农业信息技术研究在农作物品质和估产方面得到了长足的发展。本研究通过卫星遥感方法，在2015年对淮安白马湖农场水稻试验区分别获取不同生育期的WorldView-2卫星影像，并且进行破坏性取样获取各项生理生化指标如叶片氮含量、LAI、成熟期产量和籽粒氮含量等。本研究不仅对拥有红边波段的WorldView-2卫星遥感影像在水稻产量和品质光谱预测方面的潜力进行了探讨，而且探索了高分辨率卫星影像信息与水稻最终品质和产量之间的相关关系并建立预测模型，为水稻品质和产量遥感预测提供理论依据和实践指导。
目录
引言
引言
水稻是世界第一大粮食作物，接近半数人口以水稻为主要粮食，尤其以亚洲为主(秦菲菲等, 2010)。我国是世界水稻主产国之一，水稻种植面积约占粮食作物种植面积四分之一，而产量接近全国粮食总产的一半(李英娇等, 2009)。因此，水稻在我国国民经济中占有举足轻重的地位。水稻产量和品质直接影响到它的商业价值和种植推广价值。产量和品质的提高是农业领域研究最根本的目的之一。产量是作物光合作用产物的最终形态，光合物质积累、分配及转运与经济产量的形成密切相关。产量的形成过程，其实质是干物质生产、分配、转运的过程。对水稻产量和生长关键时期生理生化指标进行监测诊断可以科学评价其生长状况，为最终产量、品质的获得提供预测依据并指导生产。随着遥感技术的发展和应用，农业信息技术研究在农作物品质和估产方面得到了长足的发展，不仅显著提高了作物生长动态监测的科学性，取得了 *好棒文|www.hbsrm.com +Q: @351916072@
较好的经济、社会和生态效益，同时还对保证粮食安全具有重要意义(齐虎春等, 2010)。以下简单介绍了水稻产量和品质研究进展
（1）水稻产量研究进展
在产量预测方面，现有的遥感估产方法主要分为两种途径。第一种途径是利用某一生育时期或多个生育时期的光谱植被指数如NDVI等和生产力直接回归来估产，有些还需要考虑环境因子的影响。这种方法操作简单，经验性较强。如Huang et al. (2013) 利用MODIS数据提取的NDVI对水稻产量进行预测和Bolton et al. (2013) 将植被指数和物候学尺度相结合来研究作物产量的报告。Wang et al. (1996) 利用水稻反射波谱研究水稻垂直植被指数PVI与水稻产量构成要素以及理论产量之间的关系。水稻齐穗期以前，植被指数RVI与水稻的生长状况(叶面积指数及干物重)间相关系数很高，它们之间有较好的对应关系；齐穗期以后，RVI与水稻产量之间的相关性也很显著。研究还发现垂直植被指数与水稻产量结构各要素(每亩穗数、每穗实粉数、千粒重)以及理论产量之间也具有较好的相关性，直接验证了利用植被指数估测水稻产量的可行性。第二种是用植被指数估算出冠层截获的光合有效辐射量或叶面积指数等，然后作为作物生长和农业气象模型的输入参数间接地估计生产力。如Doraiswamy et al. (2005) 将基于地面测得的冠层反射率和叶面积指数LAI与250m分辨率的MODIS影像结合，用于作物产量预测。李章成等（2014）使用SPOT5多光谱影像提取归一化植被指数NDVI，探究每一水稻研究区植被指数与叶面积指数、产量等的定量关系，得到抽穗期NDVI与LAI相关性显著（r=0.703）。而LAI与产量形成又存在一定的线性关系，因此可以间接得到产量信息。但是直接用NDVI与成熟期测定的单产、经济系数模拟则相关性较低。这种方法机理性较强，预测精度较高，是国内外研究的热点(薛利红, 2005)。
（2）水稻品质研究进展
在品质预测方面，对已有研究分为基于地面平台的作物品质光谱模型构建和基于航空航天平台的作物品质光谱监测两个层次。地面平台上，薛红利等(2005)利用美国Cropscan公司生产的MSR16型便携式多光谱辐射仪测量水稻冠层光谱数据，然后计算比值植被指数RVI和归一化植被指数NDVI。所有两波段比值和归一化组合与籽粒蛋白质含量的相关分析表明：除了灌浆盛期和成熟期相关不显著外，其余生育时期的相关性均较好。唐月明等(2011)利用红外光谱技术结合偏最小二乘法（PLS）和最小二乘支持向量机(LSSVM)建立了稻米内部品质（直链淀粉和蛋白质）的线性数学模型。通过实验对比发现：最小二乘支持向量机具有更好地预测准确性和抗干扰性，可以得到较好的预测结果。在航空航天平台上，Konishi et al. (2000)报道，日本成功利用TM卫星影像数据监测稻谷氮素、直链淀粉、支链淀粉等品质指标。其中日本北海道中央农业试验场以蛋白质含量为主要监测指标，通过利用卫星遥感成图技术指导区域施肥，使长沼町大范围稻田稻谷的蛋白质含量由7.7%下降到7.3%，提高了稻谷品质等级，经济效益显著。
1 材料与方法
1．1 实验设计
本实验研究区位于江苏省淮安市白马湖农场（119°07′19.81″E，33°23′12.80″N）。小区面积约30m×300m，共24小区，平均分为南区和北区，南区种植皖粳糯一号，北区为隆粳968。小区间设置三个不同氮素水平，四个重复。N1计划总氮量12kg/亩、N2计划总氮量18kg/亩、N3计划总氮量24kg/亩，分基肥约37%、分蘖肥21%、拔节孕穗肥42%三次施入。在水稻生长季灌浆期获取九月八号的WorldView2遥感影像。对应的在靠近影像获取日期时对田间样本数据进行采集。每个小区采集三个采样点数据，并用GPS仪获取采样点地理坐标用以记录采样点位置，同时在采样点以竹竿做标记确保每次取样区域相同。（试验区如下所示）
/
图1 2015年淮安白马湖试验区
1．2 数据获取
实验获取数据包括GPS坐标、叶片氮含量、籽粒氮含量、LAI和成熟期千粒重、穗粒数以及单位面积穗数等。
1．2．1 遥感数据的获取
采样点植被指数的提取主要是先用ENVI提取经过FLAASH大气校正后整副遥感影像的植被指数，然后用ArcGIS软件制作采样点的ShapeFile文件，再用该文件裁剪经过波段运算得到的包含植被指数的卫星影像并提取采样点植被指数，最后输出对应采样点数据。植被指数计算公式如表1：
植被指数类型
目录
引言
引言
水稻是世界第一大粮食作物，接近半数人口以水稻为主要粮食，尤其以亚洲为主(秦菲菲等, 2010)。我国是世界水稻主产国之一，水稻种植面积约占粮食作物种植面积四分之一，而产量接近全国粮食总产的一半(李英娇等, 2009)。因此，水稻在我国国民经济中占有举足轻重的地位。水稻产量和品质直接影响到它的商业价值和种植推广价值。产量和品质的提高是农业领域研究最根本的目的之一。产量是作物光合作用产物的最终形态，光合物质积累、分配及转运与经济产量的形成密切相关。产量的形成过程，其实质是干物质生产、分配、转运的过程。对水稻产量和生长关键时期生理生化指标进行监测诊断可以科学评价其生长状况，为最终产量、品质的获得提供预测依据并指导生产。随着遥感技术的发展和应用，农业信息技术研究在农作物品质和估产方面得到了长足的发展，不仅显著提高了作物生长动态监测的科学性，取得了 *好棒文|www.hbsrm.com +Q: @351916072@
较好的经济、社会和生态效益，同时还对保证粮食安全具有重要意义(齐虎春等, 2010)。以下简单介绍了水稻产量和品质研究进展
（1）水稻产量研究进展
在产量预测方面，现有的遥感估产方法主要分为两种途径。第一种途径是利用某一生育时期或多个生育时期的光谱植被指数如NDVI等和生产力直接回归来估产，有些还需要考虑环境因子的影响。这种方法操作简单，经验性较强。如Huang et al. (2013) 利用MODIS数据提取的NDVI对水稻产量进行预测和Bolton et al. (2013) 将植被指数和物候学尺度相结合来研究作物产量的报告。Wang et al. (1996) 利用水稻反射波谱研究水稻垂直植被指数PVI与水稻产量构成要素以及理论产量之间的关系。水稻齐穗期以前，植被指数RVI与水稻的生长状况(叶面积指数及干物重)间相关系数很高，它们之间有较好的对应关系；齐穗期以后，RVI与水稻产量之间的相关性也很显著。研究还发现垂直植被指数与水稻产量结构各要素(每亩穗数、每穗实粉数、千粒重)以及理论产量之间也具有较好的相关性，直接验证了利用植被指数估测水稻产量的可行性。第二种是用植被指数估算出冠层截获的光合有效辐射量或叶面积指数等，然后作为作物生长和农业气象模型的输入参数间接地估计生产力。如Doraiswamy et al. (2005) 将基于地面测得的冠层反射率和叶面积指数LAI与250m分辨率的MODIS影像结合，用于作物产量预测。李章成等（2014）使用SPOT5多光谱影像提取归一化植被指数NDVI，探究每一水稻研究区植被指数与叶面积指数、产量等的定量关系，得到抽穗期NDVI与LAI相关性显著（r=0.703）。而LAI与产量形成又存在一定的线性关系，因此可以间接得到产量信息。但是直接用NDVI与成熟期测定的单产、经济系数模拟则相关性较低。这种方法机理性较强，预测精度较高，是国内外研究的热点(薛利红, 2005)。
（2）水稻品质研究进展
在品质预测方面，对已有研究分为基于地面平台的作物品质光谱模型构建和基于航空航天平台的作物品质光谱监测两个层次。地面平台上，薛红利等(2005)利用美国Cropscan公司生产的MSR16型便携式多光谱辐射仪测量水稻冠层光谱数据，然后计算比值植被指数RVI和归一化植被指数NDVI。所有两波段比值和归一化组合与籽粒蛋白质含量的相关分析表明：除了灌浆盛期和成熟期相关不显著外，其余生育时期的相关性均较好。唐月明等(2011)利用红外光谱技术结合偏最小二乘法（PLS）和最小二乘支持向量机(LSSVM)建立了稻米内部品质（直链淀粉和蛋白质）的线性数学模型。通过实验对比发现：最小二乘支持向量机具有更好地预测准确性和抗干扰性，可以得到较好的预测结果。在航空航天平台上，Konishi et al. (2000)报道，日本成功利用TM卫星影像数据监测稻谷氮素、直链淀粉、支链淀粉等品质指标。其中日本北海道中央农业试验场以蛋白质含量为主要监测指标，通过利用卫星遥感成图技术指导区域施肥，使长沼町大范围稻田稻谷的蛋白质含量由7.7%下降到7.3%，提高了稻谷品质等级，经济效益显著。
1 材料与方法
1．1 实验设计
本实验研究区位于江苏省淮安市白马湖农场（119°07′19.81″E，33°23′12.80″N）。小区面积约30m×300m，共24小区，平均分为南区和北区，南区种植皖粳糯一号，北区为隆粳968。小区间设置三个不同氮素水平，四个重复。N1计划总氮量12kg/亩、N2计划总氮量18kg/亩、N3计划总氮量24kg/亩，分基肥约37%、分蘖肥21%、拔节孕穗肥42%三次施入。在水稻生长季灌浆期获取九月八号的WorldView2遥感影像。对应的在靠近影像获取日期时对田间样本数据进行采集。每个小区采集三个采样点数据，并用GPS仪获取采样点地理坐标用以记录采样点位置，同时在采样点以竹竿做标记确保每次取样区域相同。（试验区如下所示）
/
图1 2015年淮安白马湖试验区
1．2 数据获取
实验获取数据包括GPS坐标、叶片氮含量、籽粒氮含量、LAI和成熟期千粒重、穗粒数以及单位面积穗数等。
1．2．1 遥感数据的获取
采样点植被指数的提取主要是先用ENVI提取经过FLAASH大气校正后整副遥感影像的植被指数，然后用ArcGIS软件制作采样点的ShapeFile文件，再用该文件裁剪经过波段运算得到的包含植被指数的卫星影像并提取采样点植被指数，最后输出对应采样点数据。植被指数计算公式如表1：
植被指数类型
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/nongxue/zwbh/267.html
