基于植被指数的新疆棉花遥感估产模型研究

刘姣娣,曹卫彬,李华,唐湘玲,欧阳异能

(1石河子大学机械电气工程学院,石河子832003;2石河子大学师范学院,石河子832003)

基于植被指数的新疆棉花遥感估产模型研究

刘姣娣1,曹卫彬1,李华1,唐湘玲2,欧阳异能2

(1石河子大学机械电气工程学院,石河子832003;2石河子大学师范学院,石河子832003)

利用植被指数与棉花产量的关系建立了棉花遥感估产模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以新疆棉花各生育期的不同卫星数据,构建相关植被指数,并与实际棉花产量进行回归分析,建立了棉花单产的遥感估算模型。结果表明:以棉花最佳估产时相期植被指数与棉花产量构建的产量估算模型可很好地定量预测棉花产量,模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。

新疆棉花;植被指数;遥感估产模型

由于棉花的生产受多种因素的影响,在作物收获前进行大范围的作物长势评价,提前估测作物产量逐渐受到各国政府的重视。及时准确预测我国或一个地区的棉花产量,不仅对农民的生产计划的安排,也对我国棉花外贸和进出口计划的制定有直接的作用,而且对我国国民经济发展战略的规划也有十分重要的意义[1-2]。

长期以来,我国各级政府和单位采用不同方法对产量进行预测,传统的产量估算途径主要有调查统计、气象模型、农学模型和遥感模型[3-5]。传统的调查方法依靠自下而上的统计报表,所得到产量数据误差较大,上报时间滞长,所需费用高。气象部门在一定范围内的预报精度虽然高,但在不同气候与不同品种的条件下,预报精度往往偏低;而目前各农场普遍采用的农学估产方法,往往是在棉花盛铃期,此方法速度慢,工作量大,尤其是时间上的滞后,使其失去了产量预报的实际意义[6-11]。遥感模型是通过建立测得的作物信息(光谱信息)与产量间的关系来估算作物产量。随着3S技术(RS、GIS、GPS)的不断发展,对植被生产力与生物量的研究已经从小范围、二维尺度的传统地面测量发展到大范围、多维时空的遥感模型估算[12]。卫星遥感数据有更高度的概括性,而且在表征区域植被状况和分布方面比从现有气象站点得到的气候变量效果更好,是农学参数和气象因子的综合反映,遥感模型的优点是适于监测大范围的作物产量[1,13]。目前在估产中用到的遥感模型还是以植被指数为主要输入变量的基于像元的数理统计回归分析方法,通过在不同尺度的数据之间建立函数关系来完成局部的点到整个面的转换[14]。国内已经有许多研究者研究了产量与不同植被指数之间的统计关系并建立了不同的大尺度遥感估算模型,而利用植被指数进行新疆棉花产量遥感估算还鲜有报道。为此,本研究基于农学产量形成的理论机理,结合棉花冠层光谱反射率和遥感植被指数,分析冠层光谱特征与产量构成因素及产量的相关关系,以建立在最佳时相内较为可靠的棉花产量遥感估产模型。

1 材料与方法

1.1 遥感影像数据

根据当地棉花的生育期和光谱试验时期,新疆南疆遥感数据选取了2006年6月25日SPOT4数据1景、7月10日北京1号数据1景和8月29日ASTER数据1景;新疆北疆选取了2006年6月22日和7月22日北京1号数据2景,2003年Landsat-7/ETM+数据1景,共计6景遥感影像数据。

1.2 植被指数

遥感图像上的植被信息,主要通过绿色植物叶子和植被冠层的光谱特征及其差异、变化而反映的,如图1显示了绿色植物的主要光谱响应特征。在植被指数中通常选用对绿色植物(叶绿素引起的)强吸收的可见光红波段 R(0.6～0.7μm)和对绿色植物(叶内组织引起的)高反射和高透射的近红外波段N IR(0.7～1.1μm)。本研究采用应用最广的绿度指标有比值植被指数(RV I)和归一化植被指数(N DV I)。其计算公式为:RV I=N IR/R、N DV I=(IR-R)/(IR+R)[16]。根据近红外波段 N IR(0.7～1.1μm),可见光红波段 R(0.6～0.7μm)的反射率来计算植被指数 RV I和N DV I。

图1 南疆6团2006年6月25日归一化植被指数灰度图像Fig.1 The gray level image of normalization vegetation index in 6 corps NanJiang June 25(st),2006

1.3 产量数据

本研究选取了有代表性的北疆石河子新疆兵团143团、南疆阿克苏新疆兵团6团作为试验区,采集试验点2006年棉花实际产量数据。

1.4 田间试验内容与方法

供试品种:以新疆南北疆多年种植和种植面积比例大的棉花品种作为试验品种,北疆石河子试验品种选取了产量稳定,种植面积比例较大的18-3品种、种植面积较大297-5和今年新推出的134-1三个品种;南疆阿克苏选取了历年种植的长绒棉新海14,陆地棉中棉35及种植面积较大的新推出的杂交棉作为试验品种。

试验内容:棉花冠层光谱测定、叶面积指数测定和GPS地理定位。

棉花冠层光谱的测定:使用测量仪器选择美国ASD公司 FieldSpec HandHeld手持便携式光谱分析仪测定目标地物反射光谱。主要技术指标为:波长范围,300～1100 nm;光谱采样间隔,1.6 nm;灵敏度线性,±1%。光谱数据采集在北京时间12:00-15:00,所获取的反射率高光谱均来自无病虫害、无缺苗断垄、生长均匀一致的棉花冠层;探头垂直于冠层顶,距冠顶140 cm。每处理测定3个样点,每样点获取5条光谱数据,每条光谱扫描0.2 s,在测定前后用标准板进行太阳辐射光谱矫正。

棉花叶面积的测定:在光谱测试点取样,每样点采集5株棉花,立即摘叶,不重叠地平铺在白色背景纸上,采用800万数码照相机拍摄,取景以刚好框住所有叶片为宜,要求叶片上光线均匀,无阴影,同一目标重复拍摄 3次,记录照片编号与样点号,用Photoshop软件获取叶面积,其测定的结果准确稳定、速度快[16]。

试验时间:根据棉花生长的几个关键时期,结合卫星过境时间同步进行棉花冠层光谱数据采集、棉花叶面积的测定。北疆试验时间是2006年6月26日(蕾期)、7月 15日(初花期)、7月 23日(盛花期)、8月17日(结铃期)、8月24日(盛铃期)、8月 31日(吐絮期);南疆于2006年6月26日(蕾期)、7月10日(花期)、8 月 13 日(铃期)、9 月 14 日(吐絮期)进行试验。

2 结果与分析

2.1 利用棉花生长期内各时相光谱选择最佳棉花遥感估产时相

图2为棉花在不同生育期的棉花反射光谱曲线图。

图2 各生育期棉花冠层光谱波段曲线图Fig.2 The spectral reflection curve of cotton at different growth stages

通过对比分析可得出如下结果:

1)棉花随着植株增高、叶片增多,叶面积指数增大,覆盖率增大,反射率逐渐升高,尤其以近红外波段表现最为明显;

2)从盛蕾期到盛花期,棉花在可见光波段反射率逐渐降低,在近红外波段反射率逐渐升高;

3)盛铃期棉花反射率迅速增大,尤其是在近红外波段反射率达到了最大值;

4)絮期棉花反射率则明显降低。

由图2得出:盛花期和盛铃期棉花在近红外波段反射率较高,棉花达到了生殖生长的最高峰,为棉花产量形成的关键期,是棉花遥感估产的最佳时相[17-18]。

2.2 地面遥感反演

在北疆棉花的蕾期、初花期、盛花期、结铃期、盛铃期、吐絮期6个生长时期;南疆棉花的蕾期、花期、铃期、吐絮期的4个生长时期,对南北疆共6个棉花品种所测得的植被指数与产量进行相关分析,找出最佳棉花估产因子。

从表1和表2中可以看出,棉花产量与植被指数在棉花的生育期内都显著相关,以盛花期相关性最好,其次是盛蕾期、吐絮期和盛铃期。其中N DV I植被指数在棉花的各生育期与棉花产量均达到了极显著相关水平,所以本研究采取归一化植被指数N DV I作为棉花估产的遥感因子。

表1 南疆棉花植被指数与棉花产量的相关关系Tab.1 The correlation of cotton vegetation index and cotton yield in Nanjiang

表2 北疆棉花植被指数与棉花产量的相关关系Tab.2 The correlation of cotton vegetation index and cotton yield in Beijiang

2.3 影像值校准

在直接利用遥感影像反演不可行的情况下,用与遥感数据同时期的实测地面光谱反射率计算得出的棉花植被指数,对试验样方所在像元的植被指数N DV I,按下列通用线性模型进行校准[19-21]。

式(1)中,I为影像值,M为实测值,即:

N DV Iix=0.9314N DV Imax-0.0891。

用校准的影像 N DV I作为遥感估产的植被指数,来获取棉花产量的遥感反演模型。

2.4 棉花遥感估产模型的建立

在棉花产量形成的几个关键生育时期,把校准的影像 N DV I作为遥感估产的植被指数,用各生育期的N DV I植被指数与实际棉花产量进行回归分析,以获取棉花单产的遥感估算模型。

其中:y代表棉花产量拟合值,t代表植被指数,b0、b1、b2和 b3为常数。研究目的是要从这些模中选择最佳产量估算模型。

表3中,18-3品种的 N DV I与棉花产量的6种回归方程,以盛铃期的指数函数模型拟合最好,R2为0.964,F值为106.324。

表3 18-3号棉花品种的 NDVI与产量的6种回归方程Tab.3 The six regression models of the NDVI and cotton yield of Xin Lu 18-3 cotton

表4 134-1品种的 NDVI与棉花产量的6种回归方程Tab.4 The six regression models of the NDVI and cotton yield of 134-1 cotton

表5 297-5品种的 NDVI与棉花产量的6种回归方程Tab.5 The six regression models of the NDVI and cotton yield of 297-5 cotton

由表3～5可以看出,134-1、18-3品种单时相遥感估产的最佳估产模型以盛铃期的指数函数;297-5品种单时相遥感估产的最佳估产模型以结铃期的指数函数。

3 结论

从新疆南北疆各棉花品种在各生育期内的产量遥感估算模型中可以得出以下结论:

1)由南北疆各棉花品种的实测光谱值计算出植被指数 RV I和N DV I,与实测的棉花产量的相关分析得出:南北疆共6个棉花品种在棉花的生育期内都显著相关,以盛花期相关性最好,其次是盛蕾期、吐絮期和盛铃期,其中 N DV I植被指数在棉花的各生育期与棉花产量都达到了极显著相关水平。所以采取归一化植被指数 N DV I作为遥感估产因子是很有意义的。

2)各品种棉花的最佳遥感估算时相期不同。南疆长绒棉新海14和中棉35遥感估产最佳时相是盛花期;杂交棉遥感估产最佳时相是始花期;北疆18-3品种、134-1品种是盛铃期为最佳遥感估算时相期,297-5品种遥感估产最佳时相是结铃期。

3)在试验区各品种棉花的最佳遥感估算时相期内各品种棉花的遥感估产模型不同。南疆长绒棉新海14最佳单时相遥感估产以盛花期的对数方程拟合度最好;杂交棉最佳单时相估产模型为始花期的直线方程;中棉35最佳单时相估模型为盛花期的三次多项式方程;北疆18-3、134-1品种的最佳单时相估模型分别为盛铃期的指数函数,而297-5品种以结铃期的指数函数模型拟合最好。

[1]焦险峰,杨邦杰,裴志远,等.基于植被指数的作物产量监测方法研究[J].农业工程学报,2005,21(4):104-1089.

[2]曹卫彬,杨邦杰,裴志远,等.新疆棉花遥感监测系统建立的对策[J].石河子大学学报:自然科学版,2003,7(2):23-25.

[3]王建林,宋迎波.棉花产量动态预测方法研究[J].中国棉花,2002,29(9):35-36.

[4]吴炳方.全国农情监测与估产的运行化遥感方法[J],地理学报,2000,55(1):19-22.

[5]杨邦杰,裴志远,焦险峰,等.基于CBERS-1卫星图像的新疆棉花遥感监测技术体系[J].农业工程学报,2003,19(6):146-149.

[6]Baker D N.Gossym:a simulator of cotton crop growth and yield[J].South Carolina:Agr Exp Sth Stn Bull,1983,1089:19-22.

[7]白丽,蒋桂英,王进.干旱区基于高光谱的棉花遥感估产研究[J].中国农业科学,2008,41(8):2499-2505.

[8]Boone M YL.Calibration of GOSSYM:theory and practice[J].Computers and Electronics in Agriculture,1993(9):193-203.

[9]柏军华,李少昆,王克如.棉花产量遥感预测的L-Y模型构建[J].作物学报,2006,32(6):840-844.

[10]王人潮,黄敬峰.水稻遥感估产[M].北京:中国农业出版社,2002.

[11]李佛琳,李本逊,曹卫星.作物遥感估产的现状及其展望[J].云南农业大学学报,2005,20(5):680-684.

[12]戴小华,余世孝.遥感技术支持下的植被生产力与生物量研究进展[J].生态学杂志,2004,23(4):92-98.

[13]Felik N Kogan.Droughts of the late 1980s in the United States as derived from NOAA polar orbiting satellite data[J].Bulletin of the American Meteorological Society,1995,76,655-668.

[14]彭晓鹃,邓孺孺,刘小平.遥感尺度转换研究进展[J].地理与地理信息科学,2004,20(5):6-14.

[15]Thenkabail P S.Inter-sensor relationships between IKONOS and Landsat-7 ETM+NDVI data in three ecoregions of Africa International Journal of Remote Sensing,2004,25(2):389-408.

[16]刘姣娣,曹卫彬,马蓉.棉花叶面积指数的遥感估算模型研究[J],中国农业科学,2008,41(12):4301-4306.

[17]曹卫彬,刘姣娣,新疆棉花遥感监测识别区域的划分[J].农业工程学报,2008,24(4):172-176.

[18]刘姣娣,曹卫彬.新疆棉花遥感估产最佳时相的选择研究[J].中国棉花,2007,34(3):10-11.

[19]查勇.草地植被变化遥感监测方法研究-以环青海湖地区为例[D].南京:南京师范大学,2003:18-25.

[20]张洪亮,倪绍祥,蒋建军,等.环青海湖地区天然草地TM影像植被指数分析[J].中国草地学报,2002,24(2):6-11.

[21]查勇,Gao Jay,倪绍祥.国际草地资源遥感研究新进展[J].地理科学进展,2003,22(6):607-617.

The Research of Cotton Yield Estimation Based on Vegetation Index Using Remote Sensing in Xinjiang

LIU Jiaodi1,CAO Weibin1,LI Hua1,TANG Xiangling2,OYANG Yineng2
(1 College of Mechanical and Electrical Engineering,Shihezi University,Shihezi 832003,China;2 Teachers College,Shihezi University,Shihezi 832003,China)

The model of cotton yield according to the relationship between Vegetation Index and the cotton yield,using remote senging datas in every growing period to structure vegetation indexes,and the best model for estimating cotton yield has been established through regression analysis.The results indicated that there was a good relationship between vegetation indices and cotton yield,The referenced model for yield estimation from the present research could contribute the improvement of other crop yield remote sensing estimation.

Xinjiang cotton;vegetation index;yield estimation model with remote sensing

S127;TP79

A

1007-7383(2011)02-0153-05

2010-04-26

国家自然科学基金项目(40701128、41001020),国家科技支撑计划项目(2007BAH12B04)

刘姣娣(1975-),女,讲师,从事作物遥感监测;e-mail:liujiaodi@shzu.edu.cn。