冬小麦抽穗期长势遥感监测的初步研究

江苏农业学报(Ji ang s u J.of Ag r .Sci .),2007,23(5):499~500冬小麦抽穗期长势遥感监测的初步研究
李卫国
1,2
, 王纪华2, 赵春江2, 刘良云
2
(1.江苏省农业科学院资源与环境研究所,江苏南京210014;2.国家农业信息化工程技术研究中心,北京100089)
收稿日期:2007 03 01
基金项目:国家 863 计划项目(2006AA12Z138);国家自然科学基
金项目(40571118);江苏省农业科学院基金项目(6110649)
作者简介:李卫国(1967 ),男,山西清徐人,博士,主要从事农业遥
感、作物模型和地理信息系统应用研究。

(T el)025 ********;(E m ail)s xaal wg @to m.co m
通讯作者:王纪华,(E m ail)w ang i h @nercit a .org .cn
关键词: 冬小麦;抽穗期;长势;遥感监测
中图分类号: S127 文献标识码: A 文章编号: 1000 4440(2007)05 0499 02
Preli m i nary Study on Re m ote Se nsi ngM onitoringW interW heatGrowt h atHeading Stage
LIW ei guo 1,2
, WANG Ji hua 2
, Z HAO Chun jiang 2
, L I U L i a ng yun
2
(1.Institute of R esourc e s and E nvironm e n t ,J i angsu Acad e my of Ag ricult ura l Sciences ,N an ji ng 210014,China;2.Na ti ona lE ng ineeri ng Re se a rch Center
for Informa tion Tec hn ology i n Ag ri cult ure ,B eijing 100089,Ch i na )
K ey word s : w i nter whea t ;headi ng stage ;grow th conditi on ;re m ote sensing m on itoring
小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期。

因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提。

有学者曾使用NOAA AVHRR 、EO S M OD IS 数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成 同物异谱 或 异物同谱 现象,使得监测精度降低。

本研究利用分辨率较高的T M 影像数据并结合实地G PS 定位调查,试图通过分析TM 影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持。

1 材料与方法
1 1 试验设计与数据获取
试验1:2005年在江苏省泰兴、姜堰2县设置20个样点,每个样点均采用差分GPS 定点调查,取样面积50cm !50cm 。

调查内容包括小麦抽穗期叶面积指数、生物量和植
株含氮量。

遥感数据为2006年4月18日(抽穗期)的T M 影像数据。

试验2:2004年在江苏省姜堰、海安2县设置20个样点,G PS 样点取样调查项目同试验1。

遥感数据为2005年4月24日(抽穗期)的TM 影像数据。

试验3:2003年在河南省西华、淮阳和太康3县设置20个样点,每个样点均采用差分GP S 定点并记录地理位置,测试每个样点小麦叶面积指数、生物量、植株含氮量。

测试方法同试验1。

遥感数据为2004年4月15(抽穗期)的TM 影像数据。

1 2 影像数据处理
利用1∀100000地形图对TM 影像进行几何纠正,再利用地面实测的GPS 样方控制点对卫星影像进行几何精校正,确保校正误差小于1个像素点。

1 3 植被指数计算
植被指数是利用红光波段和近红外波段反射率的多重组合而成的能反映作物长势、类型以及分布的植被参数,具有较强的植被监测能力。

基于TM 卫星遥感的归一化植被指数(N or m a li zed difference vegeta tion i ndex ,ND VI )和比值植被指数(R a tio vegetation i ndex ,RVI )的算法分别描述为:
ND VI =(R B4-R B3)/(R B4+R B3),RVI =R B 4/R B3
式中,R B4为TM 第4通道近红外波段的光谱反射率;R B3
为TM 第3通道红光波段的光谱反射率。

其具体数值利用ENV I 软件中的BAN D MATH 模块提取。

2 结果
2 1 植株叶面积指数与植被指数的关系
综合分析了小麦抽穗期叶面积指数的变化态势及其与
499
植被指数的关系,分别绘制出ND VI、RVI与叶面积变化关系的散点图,并进行线性或非线性方程拟合,建立了相应的回归方程。

结果显示:抽穗期小麦的叶面积指数大多数集中在5 5至6 5之间,群体郁蔽程度较大,同期遥感影像的ND VI 值也较大,多数样点在0 5与0 7之间,存在明显差异态势。

ND VI和小麦抽穗期叶面积指数之间的相关性较好,呈显著的非线性正相关关系,拟合方程为Y=4 4825!e0 4905ND VI,决定系数为0 8544*。

由RVI与小麦抽穗期叶面积指数之间的关系图可以看出,多数样点遥感影像的RVI值集中在2 4与3 0之间,样点存在较大差异。

RV I与小麦抽穗期的叶面积指数之间呈线性正相关关系,拟合方程为Y= 0 9955!RVI+3 3678,决定系数为0 751,相关性较ND VI 小。

因此,在对小麦抽穗期的叶面积指数变化动态进行监测时,使用遥感影像的ND VI数据比较好。

2 2 植株地上部生物量与植被指数的关系
小麦植株地上部生物量是小麦茎秆、叶片和穗的总称,是反映小麦群体大小的群体质量指标。

由小麦植株地上部生物量与ND VI和RVI之间关系的散点图可以看出:小麦抽穗阶段植株地上部的生物量主要集中在5500kg/h m2与6800kg/h m2之间,地区间存在明显差异,变幅约达60%;与抽穗期TM影像的ND VI之间呈显著的指数正相关关系,即随着N DVI值的增大,植株地上部生物量也明显增加,反之亦然。

二者之间的拟合方程为Y=3214 4!e1 1537NDVI,决定系数达0 8437*。

由RVI与小麦植株地上部生物量之间的关系图可以看出,植株地上部生物量与RVI呈线性正相关的变化趋势,拟合方程为Y=2607 80!RVI-489 35,决定系数为0 7946。

相比之下,ND VI具有明显的监测优势。

因此,在对小麦抽穗期植株地上部生物量进行监测时,应利用TM影像的N DV I数据。

2 3 植株氮素含量与植被指数的关系
小麦籽粒中将近三分之二的氮素来源于抽穗前储存在植株体内氮素的转运。

因此,抽穗期的氮素含量常被作为是植株重要的生理和营养指标,也是反映土壤供氮能力的间接理化指标。

分析抽穗期的氮素含量与植被指数间的关系,分别建立了基于N DV I和RVI的抽穗期氮素含量变化的散点图。

结果显示,抽穗阶段植株氮素含量集中在3 0%与3 4%之间,变异幅度较大;与同期影像的N DV I值之间呈线性正相关,即植株氮素含量随着ND VI的增大或减少而逐渐提高或降低,二者之间的拟合方程为Y=1 2624!N DV I+ 2 4728,决定系数为0 7809;与同期影像的N DVI不同,RVI 值与植株氮素含量之间的关系呈明显的线性正相关,二者之间的拟合方程为Y=0 4771!RVI+1 9547,决定系数为0 8111*。

因此,在对小麦抽穗期植株氮素含量进行监测时,应选用TM影像的RVI数据。

2 4 基于植被指数小麦群体质量指标监测模型的验证
利用2003年河南省的试验数据对基于ND VI的叶面积指数和地上部生物量监测模型、基于RVI的植株氮素含量监测模型进行了进一步检验。

叶面积指数、地上部生物量和植株氮素含量监测值与实测值较为吻合,R M SE值[4]分别为0 37、336 02kg/h m2和0 235%,表面模型具有较好的监测性和通用性。

3 讨论
目前,有关利用遥感技术监测冬小麦长势的研究报道,以地面高光谱监测应用研究居多[5~7]。

地面高光谱监测虽然具有机理性和精确性好的特点,但使用时费工、费时,不太适合小麦大范围的长势监测。

而高空遥感凭借其可以快速、精确、大范围地获取地物信息的优势,已成为当今作物种植面积量算和长势监测的主要依托技术。

本研究使用TM遥感影像并结合地面GP S调查,综合分析了抽穗期叶面积指数、地上部生物量、植株氮素含量3个小麦群体质量指标与植被指数之间的关系,建立了基于ND VI和RVI的抽穗期小麦苗情长势监测模型,并利用不同的试验数据分别对模型进行了检验与分析。

结果表明,ND VI与叶面积指数和地上部生物量呈显著的非线性正相关关系,与植株氮素含量呈线性正相关关系。

RVI与叶面积指数和地上部生物量呈线性正相关关系,而与植株氮素含量呈显著线性正相关关系。

因此,在抽穗期可以利用N DV I对叶面积指数和地上部生物量进行监测,对植株氮素含量的监测则以利用RVI数据较好。

这些监测模型能否用于小麦其它生育时期的长势监测,还有待进一步探讨。

参考文献:
[1] 傅玮东,刘绍民,黄敬峰.冬小麦生物量遥感监测模型的研
究[J].干旱区资源与环境,1997,11(1):84 89.
[2] 辛景峰,宇振荣.利用NOAA NDVI数据集监测冬小麦生育期
的研究[J].遥感学报,2001,5(6):442 447.
[3] 韩素芹,刘淑梅.EOS/M OD I S卫星资料在监测冬小麦面积中
的应用[J].天津农学院学报,2004,11(2):26 28.
[4] 李卫国,朱 艳,戴廷波,等.水稻直链淀粉含量的生态模型
研究[J].应用生态学报,2005,16(3):491 495.
[5] 王纪华,黄文江,赵春江.利用光谱反射率估算叶片生化组
分和籽粒品质指标研究[J].遥感学报,2003,7(4):277 284. [6] 王纪华,王之杰,黄文江.冬小麦冠层氮素的垂直分布及其光
谱响应[J].遥感学报,2004,8(4):309 316.
[7] 黄文江,王纪华,刘良云,等.冬小麦品质的影响因素及高光谱
遥感监测方法[J].遥感技术与应用,2004,19(3):143 148.
500江苏农业学报 2007年第23卷第5期。