基于遥感信息和产量形成过程的小麦估产模型

(6)
D = A ×0. 47 ×(1 - α) ×Q/ DL
式 (6) 中 , K 为群体消光系数[6] 。L A I 为叶面积
指数 , D 为中间变量 ,α为小麦群体反射率 ,取值
8 %。Q 为每日太阳总辐射量 (MJ ·m - 2 ) 。B 、A
为实验系数 、分别取值 5 和 20 。δ 为 C H2 O 与
Abstract : By analyzing t he relatio nship s bet ween remote sensing informatio n and climate facto rs , an estimating model of winter wheat yield was developed based o n yield formatio n p rocess , and jointed wit h remote sensing informatio n using sof t ware engineering and co mpo nent technique. The model was validated using t he data set s of different sites and TM image in heading stage , wit h t he root mean square erro r ( R M S E) of 354. 18 kg ·ha21 fo r winter wheat yield. The result s indicated t hat t he mo del was accurate and applicable for estimating winter wheat yield under different co nditio ns. Yet , mo re experiment data in different eco2enviro nment s are required for wide testing of t he p resent model. Key words : Winter wheat ; TM image ; Yield ; Estimating model
为呼吸作用的温度系数 ,取值 2 。 T 为日平均气
温 ( ℃) 。
式 (4) 中植株的日光合同化量 △D A B W i 的
算法参照高亮之等人[5] 的模拟算法 ,表述为下式 :
△DA B W i
=
B K ×A
×( 1 +
D
1 ×Exp
+ (
D -
K
×L
A
Ii
)
)
×
DL ×δ×min ( N F , W F)
(No rmalized difference vegetatio n index , N D V I)
和比值植被指数 ( Ratio vegetatio n index , RV I) 的
算法分别描述如下 :
N D V I = ( RB4 - RB3 ) / ( RB4 + RB3 )
R V I = RB4 / RB3
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
第 5 期 李卫国等 :基于遥感信息和产量形成过程的小麦估产模型
·905 ·
如下 :
△A B W i = △D A B W i - R Gi - R Mi
(3)
式 (3) 中 , △D A B W i 、R Gi 和 R M i 分别为第 i 天植
株的光合同化量 ( kg ·ha - 1 ·d - 1 ) 、生长呼吸消
耗量 ( kg ·ha - 1 ·d - 1 ) 、维持呼吸消耗量 ( kg ·
遥感反演模型为 : y = 4 . 4825 ×e0. 4905 NDV I ,植株地 上部生 物 量 的 遥 感 反 演 模 型 为 : y = 3214. 4 × e1. 1537 NDV I 。由于受论文篇幅字数所限 ,有关该遥 感反演模型的建立与检测将另篇报道 。
(2)
式 (2) 中 , A B W i 和 A B W i - 1 分别为第 i 天和第 i
- 1 天的植株地上部干物重 ( kg ·ha - 1 ) 。A B W1
(出苗第一天的地上部干物重) 定义为播种重量
( kg ·ha - 1 ) 的一半 。 △A B W i 为第 i 天植株地
上部干物质的日增重 ( kg ·ha - 1 ·d - 1 ) ,其算法
麦类作物学报 2007 ,27 (5) :904 - 907 Jo urnal of Triticeae Crop s
基于遥感信息和产量形成过程的小麦估产模型
3
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)
(8)
式 (8) 中 , RB4 为 TM 第 4 通道近红外波段的光谱
反射率 , RB3 为 TM 第 3 通道红光波段的光谱反射
率 。植被指数的具体数值利用 ENV Iwk.baidu.com软件中的
BAND MA T H 模块提取 。
小麦抽穗期的叶面积指数和生物量是产量形
成极为关键的群体质量指标[7 , 8] 。叶面积指数的
测时段内气候环境条件 (温度 、光照 、土壤氮素水 平 、土壤水分状况等) 在不断地变化着 ,对小麦最 终产量的形成有很大的影响 。因此 ,只有将遥感 信息和产量形成的生理生态过程相耦合 ,才有利 于提高小麦估产模型的准确性和通用性[4] 。为 此 ,本研究采用地面 GPS 定位调查 、TM 数据信 息与气候环境因素相结合的研究方法 ,基于小麦 产量形成的生理生态过程 ,建立简化的小麦估产 模型 ,旨在为不同年份间 、不同区域内小麦产量估
摘 要 : 为提高小麦遥感估产的精确性和机理性 ,在广域环境条件下进行了多品种小麦的种植试验 ,并 基于遥感信息获取的瞬时性与广域性 ,结合小麦产量形成的生理生态过程及其与气候环境的相互关系 ,建立 了较为简化的小麦估产模型 。通过组件化的设计方法实现了遥感信息和估产模型的耦合 ,即利用抽穗期遥感 影像反演的 L A I 和生物量及时替换小麦估产模型对应参数变量 ,进而实现对小麦产量的估测 。通过试验验 证 ,小麦产量的预测值与实测值较为一致 ,预测小麦产量的 R M S E 为 354. 18 kg ·ha21 ,利用小麦估产模型可 以对不同年份 、不同区域的小麦产量形成情况进行监测预报 。 关键词 : 小麦 ; TM 影像 ;产量形成 ;估算模型 中图分类号 : S512. 1 ; S127 文献标识码 : A 文章编号 :100921041 (2007) 0520904204
CO2 间的转换系数 ,取值 0. 68 。N F、W F 分别为
氮素影响因子和水分影响因子 。DL 为日长 ( h) ,
可通过下式计算获得 :
DL = 2 ×aco s[ - tan (φ) ×tan (β) ]/ 15
β= 23. 5 ×sin[ 360 ×( n + 284) / 365 ] (7)
误差小于 1 个像素点 。
1. 2 模型构建
1. 2. 1 小麦估产模型 小麦产量 ( Yield) 可以通
过利 用 成 熟 时 的 植 株 地 上 部 干 物 重 ( A bove2
gro und Bio mass Weight , A B W ) 与 收 获 指 数
( Harvest Index , H I) 的乘积获得 ,其算法如下 :
适时 、准确 、大范围对小麦产量进行监测预 报 ,有利于政府部门及时制定栽培管理措施或调 整粮食政策 ,带动或引导农民获取更大的经济效 益 。关于小麦产量遥感监测预报 ,前人的研究大 多数是在分析影像数据的光谱信息与小麦长势或 产量形成关系的基础上 ,通过建立回归模型而进 行的[1～3] 。利用遥感影像可以获取小麦某一生长 阶段的瞬时长势信息 ,但只通过该阶段的长势信 息预测成熟期产量时会出现很大偏差 ,因为在预
号和扬辐麦 2 号 ,此时小麦正处在抽穗期 。成熟
时利用 GPS 定点取样 ,共设置样点 20 个 ,每点择
3 区按 0. 5 m ×0. 5 m 面积取样进行产量测试 ,用
于对小麦估产模型的检验 。影像数据利用 1 ∶
100 000地形图进行几何纠正 ,然后再利用地面实
测的 GPS 样方控制点进行几何精校正 ,确保校正
A Model of Estimating Winter Wheat Yield Based on TM Image and Yield Formation
L I Wei2guo1 , 2 , WANG Ji2hua2 , ZHAO Chun2jiang2 , L IU Liang2yun2
(1. Instit ute of Resources and Environment , Jiangsu Academy of Agricult ural Sciences , Nanjing , Jiangsu 210014 ,China ; 2. National Engineering Research Center for Information Technology in Agricult ure , Beijing 100089 ,China)
3 收稿日期 :2007204206 修回日期 :2007206210 基金项目 :国家 863 计划项目 (2006AA12Z138) ; 国家自然基金项目 (40571118) ;江苏省农科院基金项目 (6110649) 。 作者简介 :李卫国 (1967 - ) , 男 ,博士 , 主要从事农业遥感 、作物模型和 GIS 系统应用研究 。 通讯作者 :王纪华 (1958 - ) ,男 ,博士 ,研究员 ,博士生导师 ,主要从事遥感的农业应用和作物生理生化研究 。
ha - 1 ·d - 1 ) 。R Gi 和 R M i 的算法如下 :
R Gi = △D A B W i ×R g
(4)
RMi =
AB
Wi
×R m
×Q ( T 10
25) / 10
(5)
式 (4) 中 , R g 为生长呼吸系数 , 取值 0. 32 。
式 (5) 中 , Rm 为维持呼吸系数 , 取值 0. 015 。Q10
第六通道为 120 m 外 ,其余六个通道均为 30 m 。
影像成像时间为 2006 年 4 月 18 日 ,覆盖区域在
北纬 32°21’～33°54’和东经 119°02’～120°24’之间 ,
包括宝应 、金湖 、高邮 3 个县 ,属江苏省稻麦连作
区 ,也是小麦主产区 ,品种为扬麦 11 号 、扬麦 16
式 (7) 中 ,φ为地理纬度 (°) ,β为太阳赤纬 。n 为
儒历日 ( n = 1 , 2 , 3 ,. . . , 365) 。
1. 2. 2 农学参数的遥感反演模型 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 。归 一 化 植 被 指 数
测提供信息支持 。
1 材料与方法
1. 1 数据源及利用
本文用到的 TM5 影像数据 ,光谱范围覆盖
可见光 (0. 45～0. 69 μm) 、近红外 ( 0. 76 ～0. 90
μm) 、中红外 (1. 55～1. 75 μm) 、远红外 (2. 08～
2. 35μm) 和热红外 (10. 4～12. 5 μm) ,分辨率除
Yield = A B W i ×H I
(1)
式 (1) 中 , A B Wi 为成熟时的植株地上部干物重
(单位为 kg ·ha - 1 ) , i 为从播种到成熟时的天数
(d) ,此时 i 等于生育期 (d) 。
在小麦生长期间 ,植株地上部干物重可通过
下式获得 :
A B W i = A B W i - 1 + △A B W i