农作物长势遥感监测

重构数据
0.7 0.6 0.5 0.4 0.3 0.2 0.1
0 1
耕地2重构效果图
28 55 82 109 136 163 190 217 244 271 298 325 天
原始数据
重构数据
0.7 0.6 0.5 0.4 0.3 0.2 0.1
0 1
耕地6重构效果图
28 55 82 109 136 163 190 217 244 271 298 325 天
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
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
波段 band1 band2 band3 band4 band5 band6 band7 band8 band9 band10 band11 band12 band13 band14 band15
波长 412.50 442.50 490.00 510.00 560.00 620.00 665.00 681.25 708.75 753.00 760.63 778.75 865.00 885.00 900.00
1.1686 26.0737
0.0000
0.0448
回归统计
Multiple R0.728915
R Square 0.531317
Adjusted R 0S.q5u1a0r9e4
标准误差 0.211706
观测值
25
Coefficients标准误差 t Stat P-value Intercept 2.779181 0.330164 8.417569 1.77E-08 红边斜率 0.194766 0.038143 5.106243 3.59E-05
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
-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
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
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-1350 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
反射率
四、已经开展的一些研究工作
生化参数遥感监测
四、已经开展的一些研究工作
作物物候遥感精准监测
NDVI
NDVI
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1
0 1
28 55
耕地4重构效果图
82 109 136 163 190 217 244 271 298 325 天
原始数据
原始数据
重构数据
抽穗期
作
物 生
生长速率
长生长活动期
季
振
幅
出苗期
生长期大小
活动期结束 收获期
成熟速率
作物生长期
NDVI
时间序列 遥感数据
象元尺度 数据重构
生长过程 特征提取
物候 提取
四、已经开展的一些研究工作
作物物候遥感精准监测
四、已经开展的一些研究工作
作物生理、生化参数的物候归一化处理技术
四、已经开展的一些研究工作
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
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
红边起始
含水量 叶绿素 0.00 -0.11
全糖
类胡萝卜 素
淀粉
木质素 粗纤维
-0.20 0.14 -0.08 0.09 0.12
全氮 -0.20
全磷 0.08
全钾 0.07
红边结束1 0.07 -0.04 0.07 -0.01 0.12 -0.25 -0.33 -0.51 -0.24 0.13
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
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
禹城1_0424 禹城2_0424 禹城3_0424 禹城4_0424 禹城5_0424 封丘1_0423 封丘2_0423 封丘3_0423 封丘4_0423 封丘5_0423
600 650 700 750 800 850 900 950 1000 1050 1100 1150 1200 1250
5.5
5.0
y = 0.1948x + 2.7792 R2 = 0.5313
4.5
4.0
3.5
3.0 4.0
回归分析 残差 总计
5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0 红边斜率
df 1 23 24
SS 1.1686 1.0308 2.1994
MS
F Significance F
红边结束2 0.23 0.13 0.23 -0.06 0.03 -0.03 0.03 -0.29 -0.15 -0.08
红边位置 0.20 0.16 -0.11 0.27 -0.44 -0.15 -0.04 0.54 0.67 -0.24
红边宽度1 0.11 -0.27 0.28 -0.12 0.22 -0.30 -0.21 -0.48 -0.30 0.22
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。
红边宽度2 0.20 0.17 0.31 -0.12 0.07 -0.08 -0.03 -0.16 -0.17 -0.11
红边斜率 0.16 0.31 -0.17 0.03 -0.35 -0.10 0.16 0.73 0.54 -0.35
四、已经开展的一些研究工作
氮素浓度
生化参数遥感监测
叶片氮浓度与红边斜率的关系
全氮 4.904 4.761 4.914 4.539 4.577 4.340 4.835 4.539 3.910 4.256 4.409 4.232 4.550 3.919 4.507 4.631 4.425 4.315 4.249 4.960 4.328 3.891 4.204 4.371 4.713
0.000 导数-350
-0.200 -0.400 -0.600 -0.800
导数-550
导数-750 导数-750
导数-950
导数-1150
导数-1350
导数-1550
导数-1750
导数-1950
导数-2150
氮浓度与导数光谱的相关系数
导数-950 导数-1150 导数-1350 导数-1550 导数-1750 导数-1950 导数-2150
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。
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
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
四、已经开展的一些研究工作
生化参数遥感监测
0.5 0.45
0.4 0.35
0.3 0.25
0.2 0.15
0.1 0.05
0
波长
反高斯模型曲线模拟 反射率
观测样区MERIS廓线 0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 波段
Lower 95% Upper 95% 2.096184123 3.462178 0.115861998 0.273671
红边斜率 10.765 10.765 9.208 8.118 8.524 8.237 9.495 8.795 6.687 8.313 7.900 7.373 7.410 7.226 9.007 8.349 8.420 9.449 9.233 10.928 7.744 8.050 6.936 9.063 8.618
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
Fra Baidu bibliotek
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
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