气象卫星遥感在哈尔滨地区作物生长状况监测及产量预报中的应用

段旭东，李治国，韩盛涛，陶国辉

（1.哈尔滨市气象局，黑龙江哈尔滨 150080；2.黑龙江省防雷中心，黑龙江哈尔滨 150010）

气象卫星遥感在哈尔滨地区作物生长状况监测及产量预报中的应用

段旭东1，李治国1，韩盛涛2，陶国辉1

（1.哈尔滨市气象局，黑龙江哈尔滨 150080；2.黑龙江省防雷中心，黑龙江哈尔滨 150010）

由于极轨气象卫星距离地球较近，可以对地球表面的植被长势情况进行监测，植被长势情况与粮食产量情况又存在正相关。因此，用2 a同时期的植被长势情况进行比对，即可获知当年的产量情况。本文通过对近几年的极轨气象卫星实时接收到的AVHRR/HRPT资料进行处理，数据经校正生成哈尔滨地区归一化植被指数灰度图像，根据种植作物结构不同造成绿度值不同的基本原理，对作物进行生长状况监测及产量预报。研究表明：利用气象卫星资料进行作物生长状况监测及产量预报，具有客观、及时和动态跟踪等优点，结合传统气象产量预报方法，使产量预报水平有所提高，准确率达到98%以上。

极轨卫星；卫星遥感；NDVI；NPP

1 引言

本文利用气象卫星资料进行作物生长状况监测及产量预报，具有客观、及时和动态跟踪等优点。计算出每年耕地上作物生长季内的总NPP（Net Primary Production），农作物总产是耕地上总NPP的一部分，根据NPP与作物总产的关系，确定作物的产量转换系数，然后利用当年耕地的总NPP值来估算当年作物的总产，通过研究和业务使用表明，该方法的预测精度较高，可操作性强。利用极轨卫星资料进行作物生长状况监测及产量预报，结合模式预报方法，使预报精度得到提高，为预测产量提供了新途径。

2 基本原理

利用地物在可见光和近红外波段对太阳的反射，可以得到丰富的地物信息。绿色植被的共同光谱特性是反射率随波长变化；不同植被，不同生长发育期，反射波谱也不同。实践证明，可见光大部分被叶绿素吸收，在0.55 um处有一弱反射峰，近红外光被植物多孔薄壁细胞组织反射，形成强反射。水体的光谱特性是反射率极低，水体在可见光和近红外波段的反射率远远低于陆地（土壤）和植被。光谱测定也表明，水泥地在CH2和CH1波段的反射值是相近的，在光谱值上表现为CH2-CH1≈0；而草坪情况大不相同，表现为CH2-CH1＞0；对于水体可见光反射率总是大于近红外发射率，在光谱上表现为CH2-CH1＜0，因此CH2-CH1可作为有无植被及植被生长好坏的一个标志。本文中，我们选用归一化植被指数NDVI=（CH2-CH1）/（CH2+CH1）进行计算，以0～255灰度级在屏幕上显示。

式中NDVI为绿度值，CH1为NOAA卫星第1通道反照率，CH2为NOAA卫星第2通道反照率。

实时接收到的AVHRR/HRPT资料，首先经过数据预处理，即质量检验，定标系数计算以及每条扫描线51点的地理经纬度和太阳高度角计算等，生成1B格式数据集，之后进行等角投影，数据经校正后生成哈尔滨地区归一化植被指数灰度图象。绿度值具有明显的空间变化和时间变化。地区间绿度值的变化具有明显的差异，这种差异主要由作物种植结构差异所致。同一地区，丰欠年间绿度值差异明显，就同一地区而言，作物结构（即种植比例）是相对稳定的，因此，一个地区绿度值的变化反映了同一作物结构下产量的差异。任一地区，不论丰、欠年，生长季中绿度值的时间演变都遵循单峰曲线的变化规律，单峰曲线下的面积是绿度值的累积值。

绿度值和绿色生物具有很好的相关关系，一定时间内，作物生长状况可以用绿度值的累积值来表示，因此如果能够知道生长季中绿度值的累积值，即可评价出作物的状况，进而预报作物的最终产量。

3 资料来源

本方法选取的是2006年和2005年同期（尽量相同日期）、同卫星（本文采用NOAA系列）、同时次的哈尔滨地区下午晴空极轨卫星资料，分辨率是1.1*1.1 km，极轨卫星资料选用晴空资料的局地文件（LDF文件）的1、2通道反照率CH1、CH2。

4 方法

4.1 模型构建原理

我们选用NOAA/AVHRR卫星资料，投影方式为等角投影。研究表明，由AVHRR的可见光通道（CH1）和近红外通道（CH2）计算得到的NDVI,不但是监测植被长势好坏的参量，也是计算植被第一净生产力的重要参量。农作物产量是一定面积上的农作物在生长季内的净第一性生产力NPP的一部分，他们之间存在一个有效产量转换关系。因此本研究中的作物产量遥感估算模型即是基于作物在生长季内的NPP与作物总产的相关关系建立起来的。

4.2 NPP的遥感估算原理

NOAA/AVHRR传感器的红光通道（CH1）和近红外通道（CH2）对植被特别敏感。植被的叶绿素对红光（630～690 nm）有强烈的吸收作用，通过通道数据可以反映叶绿素的浓度。植被的叶片对近红外（630～690 nm）有强烈的反射作用，通过CH2通道数据可以反映叶面积指数和植被密度。因此组合这两个通道的数据，可以较好地反映植被的生长状况。

关于利用植被估算指数NPP的研究，国内许多学者已经做过大量研究工作。但大多数模型是基于光能利用率模型或植被生长过程模型，充分考虑了植物的光合作用、呼吸作用和环境因素的影响。但这些模型所需参数较多，有的参数很难实时获取，因此在业务中应用有一定困难。

有研究表明植被指数NDVI、叶面积指数LAI、干物质重量DW三者存在如下关系：

其中DW为干物质重量，k、a、b是植被模型及植被指数有关的常数。

4.3 累积植被指数的计算

计算累积植被指数要求每旬都要有可利用的植被指数，尽管我们得到的资料是每旬最大植被指数的合成值，但在多数情况下能消除云的影响。尽可能选择晴空资料，这样计算的结果比较真实。用旬最大值NDVI数据计算整个作物生长季内的累积植被指数，计算公式如下：

其中LNDVI为作物生长季内的累积植被指数，t1和t2分别表示作物播种和收获的时间，TNDVI表示旬最大植被指数。

4.4 NPP计算方法

从上面公式可以看出，干物质重量与NDVI存在着对数关系，在本研究中NPP的估算我们采用下列公式：

其中a、b、c为拟合常数，LNDVI为作物生长季内的累积植被指数。

4.5 农作物产量的估算方法

各个地区农作物产量与该地区作物生长季内净第一生产力NPP关系密切。基于NPP的作物产量估算方法一般有两种：

①根据作物产量与NPP的相关关系，建立回归方程，进行产量估算。

②根据作物产量与NPP的产量转换系数，直接估算总产。计算公式如下：

其中：Yn为当年预测产量，NPPn为当年的净第一生产力，Kn为产量转换系数。

还有一种简便算法，设Kn为固定值，通过两年NPPn进行比较，两者权值总和的差值为作物增减产百分比。本研究中采用这种方法。

4.5.1 2005年8月NPP分布情况

下图为2005年8月23日13:00 NOAA16极轨卫星遥感资料处理结果，得出NPP权重。

图1 2005年8月23日13时作物极轨卫星遥感监测图

4.5.2 2006年8月18日12:00 NPP分布情况

下图为2006年8月18日12:00 NOAA18极轨卫星遥感资料处理结果，得出NPP权重。

图2 2006年8月18日12:00作物极轨卫星遥感监测图

4.5.3 2005年8月23日和2006年8月18日NPP对比情况

我们对两资料又进行了对比分析，通过比较2005年8月23日和2006年8月18日极轨卫星遥感资料，得出NPP对比图和表。

图3 2006年8月18日12:00与2005年8月23日13:00作物极轨卫星遥感监测对比图

表1 2006年8月18日12:00与2005年8月23日13:00作物NPP对比表

2006年8月中旬作物长势：全区除山区和个别地区外，NPP均明显大于2005年；除尚志比2005年稍差外，其它都好于2005年，西部的NPP总体好于东部。

产量分析：2006年全市农作物生长季的气象条件总体上有利于农作物生长发育，热量偏多，但5月份出现大范围旱情，6月份、7月中下旬多局地暴雨、阴雨寡照、冰雹等灾害性天气和稻瘟病对水稻和粮食总产量造成一定影响。灌浆成熟期气象条件较为有利。与2005年相比，降水和热量条件较好，病虫害也轻于2005年，因此，粮食作物长势要好于2005年同期。

2006年单产比2005年减少4.8%，用此方法其预测趋势正确，但精度有一定误差。近几年来，由于我们把遥感卫星应用于对作物长势监测和产量评估上，并利用气候动态模式等方法进行综合分析，提高了产量预报准确率（见下表）。2005年、2006年粮食产量准确率均在98%以上。

表2 哈尔滨市农业气象预报产量及实产

5 结论

该方法与传统方法的产量预报不同，避开了作物播种面积，直接预测作物总产，且其可操作性强，可以进行阶段性的作物长势监测，但考虑作物生长发育与气象条件密切相关，反映在卫星资料上，阶段性差异较为明显，所以进行估产应选取具有代表性的卫星资料。由于哈尔滨市作物种植结构为套种，极轨卫星分辨率较低，不能有效区分地表作物，所以分作物预测难度较大，不过对于总体作物长势可以进行宏观估测。今后，如果在条件满足的情况下，可以进行单一作物种植面积较大的定点地块观测。

1、白雅梅,孙玉亭.利用气象卫星遥感进行作物生长状况监测及产量预报的研究[C]，117-120.

2、赵红旭,王建彬,等.云南省NOAA/AVHRR植被图初步研究[C]，143-146.

3、侯英雨,王建林.利用气象卫星资料估算全球作物总产研究[J].气象，2005，8：18-21.

S162.5

A

1002－252X（2011）03－0016－03

2011－6－6

段旭东（1971-），男，黑龙江省哈尔滨市人，哈尔滨广播电视大学，本科生，工程师.