專利名稱：基于模型的小麥產量遙感監測預報方法
技術領域：
本發明方法是涉及一種作物遙感估產的方法，尤其是能動態地對區域范圍內小麥產量進行預測，并能制作產量分級預報專題圖的小麥產量分級監測預報方法。
背景技術：
傳統的作物估產方法主要有農學預報方法、統計預報方法、氣象統計方法等。由于這些估產方法需要大量數據統計、人工調查等，存在速度慢、工作量大、成本高的問題，大都只適合小范圍內的作物估產。上世紀70年代以來，遙感技術在世界范圍內得到了迅速發展和廣泛應用，它為作物產量估算提供了一種新的科學手段。關于小麥產量遙感估測，大多數研究方法是在分析影像數據的光譜信息與小麥長勢或產量形成關系的基礎上，通過建立回歸模型而進行。這類方法雖然操作簡單，但經驗性強，通用性較差。因為利用遙感影像可以獲取小麥某一生長階段的瞬時長勢信息，但只通過該階段的長勢信息預測成熟期產量時會出現很大偏差，因為在預測時段內氣候環境條件(溫度、光照、土壤氮素水平、土壤水分狀況等)在不斷地變化著，對小麥最終產量的形成有很大的影響作用。
發明內容
針對傳統遙感估產方法存在經驗性強、通用性較差的特點，本方法將遙感反演技術和小麥產量形成過程的定量化模擬技術相耦合，在構建小麥產量預測模型的基礎上，利用遙感反演信息訂正產量預測模型運行軌跡，再通過“點”(樣點產量預測值)與“面”(遙感影像)形式轉換，達到對區域小麥產量監測預報的目的。本發明所建立的小麥遙感估產方法，機理性強、通用性較強，可為不同年份間、不同區域內小麥產量的遙感分級監測預報提供技術或方法支持。主要發明內容與技術問題介紹如下1.小麥產量預測模型描述小麥產量(Yield)可以通過利用成熟時的植株地上部干物重(Above-ground Biomassffeight, ABff)與收獲指數(Harvest Index, HI)的乘積獲得，其算法如下Yield = ABffiXHI(1)式(1)中，ABffi為成熟時的植株地上部干物重(單位為kg · ha—1)，i為從播種到成熟時的天數(d)，此時i等于生育期(d)。在小麥生長期間，植株地上部干物重可通過下式獲得ABffi = ABffi^1+ Δ ABffi(2)式(2)中，ABWJP ABWp1分別為第i天和第i_l天的植株地上部干物重(kg -ha"1)。 ABW1 (出苗第一天的地上部干物重)定義為播種重量(kg*ha)的一半。AABWi為第i天植株地上部干物質的日增重(kg · ha"1 · cf1)，其算法如下Δ ABffi = Δ DABffi-RGi-RMi(3)式(3)中，ADABffi, RGi和RMi分別為第i天植株的光合同化量(kg · ha—1 · cf1)、 生長呼吸消耗量(kg · ha—1 · cf1)、和維持呼吸消耗量(kg · ha—1 · cf1)。RGi和RMi的算法如下RGi = Δ DABffi X Rg(4)RMi = ABffiXRmXQ10^2s710(5)式中，Rg為生長呼吸系數，取值0.32。式(5)中，Rm為維持呼吸系數，取值 0.015。Qltl為呼吸作用的溫度系數，取值2。T為日平均氣溫(°C )。式(4)中植株的日光合同化量ADABWi的算法，表述為下式ADABWiχ Ln\--Ax DL χ δ χ Min(NF,WF)^、
KxA [\ +Dx Exp^KxLAIi))(6)D = ΑΧΟ. 47Χ (1-α ) XQ/DL式(6)中，K為群體消光系數。LAI為葉面積指數，D為中間變量，α為小麥群體反射率，取值8%。Q為每日太陽總輻射量(MJ*m_2)。B、A為實驗系數、分別取值5和20。 δ為CH2O與CO2間的轉換系數，取值0.68。NF、WF分別為氮素影響因子和水分影響因子。 DL為日長(h)，可通過下式計算獲得DL = 2x Acos[-Tan(φ)χΤαη(β)]/15 (7)
β = 23. 5 X Sin [360 X (n+284) /365]式(7)中，口為地理緯度(° )，β為太陽赤緯。η為儒歷日(η = 1，2，3，...，365)。2.遙感反演信息與小麥產量預測模型的耦合模式小麥產量預測模型中的葉面積指數(LAI)和生物量(ABW)是產量形成極為關鍵的群體質量指標，利用遙感技術容易捕獲。利用遙感植被指數反演LAI和ABW指標值，耦合小麥產量模型可以達到對小麥產量估算的目的。遙感反演信息與產量模型耦合采用符合微軟 COM標準的組件式設計方法，其耦合模式結構請參見附
圖1。小麥估產模型按照微軟的COM標準以DLL的形式進行封裝，設計如下組件名WheatRS.dll接口名IWheatInoutput接口函數Wheatlnoutputfunction (VARIANT FAR*Meto, VARIANT FAR氺Interface， VARIANT FAR氺RS， VARIANT FAR氺Output)其中，Wheatlnoutputfunction 為函數名，VARIANT FAR*Meto、VARIANT FAR^Interface, VARIANT FAR*RS 禾口 VARIANT FAR*0utput分別為氣象數據、界面輸入數據、遙感數據信息和產量結果輸出變體。3.小麥產量遙感分級監測預報方法小麥種植面積提取是遙感估產的必備前提或重要基礎。首先，利用IS0DATA法進行小麥種植面積提取。然后，利用地面GPS控制點提取遙感影像各樣點的NDVI值，將所提取NDVI值輸入葉面積指數(LAI)和生物量反演模型，便可獲得各樣點的LAI和生物量預測數據。最后，將各樣點的LAI和生物量數據輸入到小麥產量預測模型中，便可獲得各樣點的產量預測數據信息。采用線性轉換法，將各樣點產量數據信息與影像NDVI耦合，形成基于遙感影像的區域產量信息圖。依據區域小麥品種產量表現情況進行分級，最后進行產量統計分析和產量專題圖制作(參見附圖2)。4、有益效果對冬小麥產量進行遙感分級監測預報，有利于農業管理部門及時獲取冬小麥區域
產量信息，便于其制定有效的栽培管理措施，達到增產的目的。
2008年-2009年，利用本發明方法，對江蘇省泰興市、姜堰市、如皋市、海安市、大豐市、興華市、儀征市等地的冬小麥產量進行監測預報，估產精度達90%以上。進一步，采用 “點”(模型預測)與“面”(區域顯示)線性轉換的方法，制作了小麥產量遙感監測分級預報圖(參見附圖幻，具有直觀、具體、時效性好的特點，對基層農業技術人員獲取區域小麥布局信息或指導生產管理具有較好的實用性，應用面積達300多萬畝。
具體實施例方式1.材料與方法1. 1 材料2008年在江蘇省泰興市(東經116° 18' 121 ° 57'，北緯30° 45' 35° 20')選取20個實驗樣點，在衛星過境時期，利用差分GPS進行定點調查和取樣。每個點按三角形型選擇3個區(區間間隔5m)，每區按0. 5mX0. 5m面積取植株樣，最終數據按3個區的平均獲得。調查的內容包括樣點的地理位置、田間農情概況、葉面積指數、及生物量等信息。品種為揚麥14號和揚麥13號。葉面積指數采用比葉重法測定。生物量測定，先在105°C下殺青20min，隨后在75°C下烘干，稱取烘干重量。產量測定，各樣點均利用 50mX50cm樣框，按照田塊對角線5點(四角點間隔IOm)取樣，每個點lm2，共取5m2籽粒， 然后烘干，稱取重量。選用Landsat/TM影像數據，星下點分辨率為30m。在泰興市過境時間是2008年 5月2日。當日天氣晴朗，無云，衛星影像質量較好，正逢小麥開花期。影像處理，在利用 ERDAS軟件對影像進行幾何校正的同時，結合實測的GPS控制點進行幾何精校正，確保校正誤差小于1個像元。大氣輻射校正和反射率轉換是利用地面定標體的實測反射率數據和對應的衛星影像的原始DN值，采用經驗線性法轉換獲得。1. 2產量預測及產量分級監測預報小麥種植面積提取是遙感估產的必備前提或重要基礎。首先，利用IS0DATA法進行小麥種植面積提取，并疊加GPS樣點校驗。然后，在ERDAS軟件中，利用20個GPS控制點提取遙感影像各樣點的NDVI值，將所提取NDVI值輸入葉面積指數(LAI)和生物量反演模型，便可獲得各樣點的LAI和生物量預測數據。最后，將各樣點的LAI和生物量數據輸入到小麥估產模型中，便可獲得各樣點的產量預測數據信息。采用線性轉換法，將各樣點產量數據信息與影像NDVI耦合，形成基于遙感影像的區域產量信息圖。依據泰興當地小麥品種產量表現情況進行分級，利用GIS系統軟件進行產量統計分析和產量專題圖制作(參見附圖 2)。2.結果分析經過小麥面積遙感解譯，并疊加試驗樣點的數據校正，得到泰興市2008年冬小麥種植面積是44678. 71ha,而該市2008年實際冬小麥種植面積為43333. 33ha (該面積數據由當地農業部門提供)，精確度在95%，結果較為可靠。在分析“NDVI —長勢指標(LAI與生物量)一估產模型一產量”關系的基礎上，先用樣點矢量信息提取樣點NDVI數值，再利用樣點NDVI反演(推算)LAI和地上部生物量數據，結合估產模型(模型參數見表1)，計算出樣點產量數據。表1小麥品種參數信息
權利要求
1. 一種基于小麥產量形成過程的產量預測模型；通過組件化的設計方法實現了遙感信息和產量預測模型的耦合，利用抽穗期遙感影像反演的LAI和生物量及時替換小麥估產模型對應參數變量，進而實現對單點小麥產量的估測；采用“點”(樣點產量)與“面”(遙感區域)尺度轉換的方法，進行區域小麥產量遙感分級監測預報，可形成區域小麥產量遙感監測分級預報專題圖。
全文摘要
本發明方法是涉及一種作物遙感估產的方法。該方法，基于遙感信息獲取的瞬時性與廣域性，結合小麥產量形成過程及其與氣候環境的關系，建立了較為簡化的小麥產量預測模型；通過組件化的設計方法實現了遙感信息和估產模型的耦合，即，利用抽穗期遙感影像反演的LAI和生物量及時替換小麥估產模型對應參數變量，進而實現對單點小麥產量的估測，估產精度能達到90％以上；進一步，采用“點”(樣點產量)與“面”(遙感區域)尺度轉換的方法，進行區域小麥產量遙感分級監測預報，制作區域小麥產量遙感監測分級預報專題圖，具有直觀、具體、時效性好的特點，對縣級農業技術人員獲取區域小麥布局信息或指導生產管理具有較好的實用性。
文檔編號G01S17/89GK102162850SQ201010161140
公開日2011年8月24日 申請日期2010年4月12日 優先權日2010年4月12日
發明者李衛國, 王紀華 申請人:江蘇省農業科學院