农作物长势遥感监测

F
151.34 108.59 158.67 142.93 165.10 153.82 136.00 121.73 135.74 139.47 131.09 141.70
显 著 性 RMSE 概率
0
0.4237
0
0.4853
0
0.4142
0
0.4340
0
0.4083
0
0.4205
0
0.4431
0
0.4632
麦苗微黄、较健壮
麦苗浓绿、健壮、高
麦苗发绿、较健壮
麦苗发黄、较稀、矮
麦苗微黄、较稀
麦苗发黄、较稀、矮
三、新方法的提出--解决问题
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。
2.00
3.00
4.00
RVI
5.00
6.00
SAVI-LAI回归分析
5
线性 4
对数
3
多项式
2
1
0 0.10
0.20
0.30
0.40
0.50
SAVI
EVI-LAI回归分析
5
4
线性
对数
3
多项式
2
1
0
0.00
0.10
0.20
0.30
0.40
EVI
植 被 指 回归模型
R
数
NDVI
Y=8.267X-1.974
生理 参数:
LAI
群体 特征
个体 特征
生化 参数: 氮素 浓度
长势监测 方法
冬小麦物候
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
四、已经开展的一些研究工作
地面观测
四、已经开展的一些研究工作
LAI LAI LAI LAI
生理参数遥感监测-叶面积指数
NDVI-LAI回归分析
5
线性
4
对数
3
多项式
2
1
0
0.20
0.30
0.40
0.50
0.60
0.70
0.80
NDVI
RVI-LAI回归分析
5
线性 4
对数
3
多项式
2
1
0 1.00
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
二、国内外发展综述--提出问题
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
作物长势差异及其 影像物征
麦苗发黄、但苗不壮
0.9186
Y=3.691Ln(X)+4.933
0.8916
Y=5.079X2+3.168X-0.795 0.9215
RVI
Y=0.834X-0.571
0.9144
Y=2.967Ln(X)-1.201
0.9247
Y=-0.075X2+1.419X-1.598 0.9198
SAVI
Y=10.95x-1.437
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
0.4
0.3
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
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。
-0.4
-0.6
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
四、已经开展的一些研究工作
生化参数遥感监测
1.0 0.8 0.6 0.4 0.2 0.0
导数-350 -0.2 -0.4 -0.6 -0.8 -1.0
导数-550
0.800 0.600 0.400 0.200
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
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
F13 F14
F15 F21
F22 F23
F24 F25
F31 F32
0.8
F33 F34
F35 F41
0.6
F42 F43
F44 F45
0.4
F51 F52
0.2
F53 F54
反射率-850 反射率-135百度文库 反射率-1850 反射率-2350 F55
0.0
反射率- 反射率-反射率-反射率- 反射率-反射率- 反射率-反射率- 反射率-反射率-0.2 350 550 750 950 1150 1350 1550 1750 1950 2150
四、已经开展的一些研究工作
生理参数遥感监测-生物量
卫星遥感
时间序列 NDVI、 LAI、…
FPAR
植被覆盖 类型
PAR
水分胁迫
温度、降
GPP
信息
水、…
土壤水分 NPP
R
小 麦
玉 米
四、已经开展的一些研究工作
生化参数遥感监测
0.6 0.5 0.4 0.3 0.2 0.1
0 反射率-350
F11 F12
0.9106
Y=3.481Ln(X)+6.223
0.9017
Y=-1.698X2+12.13X-1.627 0.9105
EVI
Y=15.80x-0.677
0.9126
Y=2.798Ln(X)+7.718
0.9077
Y=-13.13X2+21.05X-1.148 0.9138
R2
0.8439 0.7950 0.8500 0.8362 0.8550 0.8460 0.8293 0.8130 0.8290 0.8328 0.8240 0.8350
0
0.4429
0
0.4385
0
0.4488
0
0.4353
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。
相对误差:(观测值-预测值)/观测值