利用3S技术定量估测张家港市水稻生产力

李辉　李建龙　王钊齐　干晓宇　孙政国　金国平

摘 要：为了对江苏省张家港市水稻生产力进行大面积高效估测，建立一个科学准确的方法平台，利用TM和IRS-P6遥感影像，采用NDVI值比较区分法，应用“3S”技术对张家港市2005—2008年水稻的生产力变化进行了动态估测。结果表明：利用“3S”技术定量估测张家港市2005—2008年水稻平均种植面积的精度结果为96.41%；水稻平均单产精度结果为91.73%；水稻总产量遥感估测值与地面统计值差异结果为-11.69%；遥感估测张家港市水稻总产量呈逐年上升的趋势，而耕地面积相对稳定。总之，基于“3S”技术定量估测张家港市近4年水稻生产力精度达到95%以上，实现了利用遥感技术估测张家港市大面积农业生产力的目的。

关键词：3S技术估产；水稻遥感估产；水稻估产精度；估产模型构建；NDVI指数；智慧农业

中图分类号：S126 文献标识码： A DOI 编码：10.3969/j.issn.1006-6500.2014.12.014

农业为立国之本，现代农业科学技术可以推进耕地资源的高效合理利用、促进农业的现代化精准管理。张家港市是一个以农业为主的新兴城市，在进入21世纪的前10年正处于快速的农村城市化阶段[1]。随着城市化的发展，人民生活水平有了较大幅度改善，但也带来了诸多生态环境问题，耕地资源不断萎缩，粮食安全和生态安全问题则直接影响着张家港市的可持续发展。水稻是张家港市主要农作物之一，其种植面积和产量容易受到人为和自然因素的影响而产生较大波动。因此，及时监测水稻的长势和产量情况，对张家港市智能化管理农业，合理利用耕地资源，确保张家港市粮食安全可持续发展，为张家港市进行农业决策提供及时、准确直观的现代化农业信息管理平台具有重大意义[2]。

遥感技术及相关学科近几十年来快速发展，尤其是近年来“3S”技术一体化的开发和应用，为农作物长势的大面积动态监测，种植面积准确定位、自动估产和预报，提供了一个新颖的科学手段和途径[3-9]。利用“3S”技术进行农作物估产的方法与非遥感的传统估产模式（农学、气象、统计）相比[10]，能避开很多复杂的中间过程，如影响产量的气候条件[11]、病虫害、水肥等，以及农学参数与产量的大量抽样和统计计算，从而用遥感信息与农作物产量之间建立直接的关系模型。遥感技术能够客观、定量、低成本、大面积评价农作物产量变化状况。因“3S”估产技术与其它估产技术相比，有着更为广阔的技术优势。为此，得到了各国、各地区广泛应用和迅速发展。

水稻遥感估测的先进技术，主要来自亚洲一些以水稻生产为主的国家[12]，如中国[13]、泰国[14]、印度[15]、日本[16]等。此外，其他国家如澳大利亚也进行了水稻大面积的估产。在“七五”期间，江苏省农业科学院使用Landsat MSS假彩色合成图像对里下河地区进行了水稻估产。“八五”期间，我国将水稻遥感估测列入国家重点科技攻关项目，借助于“八五”的项目课题，国内很多科研院所完成了大规模水稻遥感估产试验[17]。此后数十年间，国内一些学者陆续提出许多水稻遥感估产方法和模型，水稻监测及预报精度不断提高[18-20]。水稻遥感估产模式主要有2种类型[21]，基于“光谱信息—植被指数—长势信息—产量”的遥感估产模式；基于“光谱信息—植被指数—长势信息—估产模型—产量”的遥感估产模式。谭正[22]基于SAR数据和作物生长模型同化的方法对水稻长势监测和估产进行了研究，结合了卫星遥感和水稻生长模型的双方优势。此外，还有一些新技术和方法被引入到遥感估产中来，如白锐峥[23]、刘婷等[24]探讨了“3S”技术估产的方法。

笔者对2005—2008年张家港市水稻生长期内的TM5、IRS-P6遥感影像资料进行信息提取和数据加工，比较区分不同农作物的NDVI值，基于两景卫星图片影像逐步叠加、限制，有效地区分出水稻并提取其种植面积，利用“3S”技术定量估测张家港市8镇1区2005—2008年的水稻生产力，建立了水稻单产和NDVI指数间的相关性模型，同时对水稻地面实际生产力进行统计，以校正模型与提高精度。利用3S技术借助遥感数据科学准确地、大面积动态地及时预测张家港市水稻生产力，对促进张家港市智慧农业的实现，建设世界水平农业具有重要意义。

1 材料和方法

1.1 研究地概况

江苏省张家港市（图1）地处北纬31°43′～32°02′，东经120°21′～120°52′，位于长江下游南岸，江苏省东南部，为苏州市下辖县级市，也是沿海和长江两大经济开发带交汇处的新兴港口工业城市。全市总面积998.48 km2，其中，陆地面积785.55 km2。陆地东西最大直线距离44.584 km，南北最大直线距离为33.71 km。北宽南窄，呈倒三角形。地势低平，土地肥沃。全年平均气温16.5 ℃，历年平均降水量1 050.5 mm，属亚热带季风气候。张家港市是苏州稻麦一年三熟，晚稻、小麦、油菜一年两熟，小麦、油菜一年两熟并重的栽培区，其中主要种植的作物包括小麦、水稻、油菜和棉花等[25]。张家港市下辖8镇1区，其县政府位于杨舍镇，同时该镇也是张家港市区所在地。

1.2 主要技术路线

利用“3S”技术，以农业系统管理工程理论为指导，将预处理后的ETM信息与农田分类技术相结合，自动提取水稻分区农田面积并校对，进行空间数据的加工处理及图件制作。利用各类数据库的非遥感信息农业资源和相关专家知识建立水稻单产模型及可运行决策支持系统，与预处理后的MODIS信息相结合获取农作物遥感绿度值，归一化植被指数NDVI（Normalized difference vegetation index）、比值植被指数RVI（Ratio vegetation index）、和垂直植被指数PVI（Perpendicular vegetation index）、植被盖度，并与不同生育期产量资料相关性建立，在农学产量趋势分析基础上，对水稻长势进行动态的遥感监测。从而利用“3S”技术及时、准确、科学地估测水稻种植面积和大面积水稻产量[3-7]。

1.3 遥感资料数据处理

张家港市2005年3月23日TM5影像，2005年9月29日IRS-P6影像，2006年5月3日IRS-P6影像，2006年9月18日TM5影像，2007年1月24日TM5影像，2008年5月2日TM5影像和2008年7月5日TM5影像（购买于中国科学院对地观测中心）。其时间分辨率小于20 d，空间分辨率小于30 m。使用ERDAS8.7软件将遥感信息源数据转化为IMAGE格式，便于ERDAS识别。利用张家港市2004年、2005年、2006年和2007年的土地利用图（张家港市国土资源局，精度小于5 m），对遥感图片进行地理校正和投影坐标系的转换。各土地利用图和遥感影像都采用UTM-WGS84坐标系。大气辐射校正采用了国际上使用较多，发展较为成熟的6S模型（Second simulation of the satellite signal in the solar spectrum）。

1.4 利用3S技术估测水稻种植面积

1.4.1 水稻种植面积提取 利用监督分类法，基于两景卫星图片影像逐步叠加、限制，提取水稻种植面积。首先将土地利用图和Landsat TM5、IRS-P6影像叠加分析，去除非农业用地，在此基础上利用ERDAS对农业用地进行非监督分类[26]。然后根据实地样带调查的解译标志进行目视解译，去除农田中的非植被用地。但仍有部分棉花、玉米、林地等混合像元难以识别。水稻移栽后，根据训练样本，利用水田获取水稻种植的面积，然后利用水田面积进行掩膜提取水稻像元。最后利用不同乡镇的边界对分类结果进行叠加，从而获取不同乡镇的水稻种植面积。

1.4.2 精度验证 为了对遥感估测张家港市各乡镇水稻种植面积的精度进行验证，在水稻的生长期内，利用张家港市土地利用图辅以GPS对其显示为农田的区域进行调查，合理布置一些样条，以调查张家港市土地利用的实际状况，准确地对较大面积的农田地块进行定位，以用作监督分类中的训练样本、检测样本和非监督分类中的检测样本。

1.5 利用3S技术建立水稻单产估测模型

1.5.1 水稻单产估产样点布置 根据张家港市各乡镇水稻的生态坏境、种植条件以及随机均匀性，利用张家港市各年土地利用图划定22个面积为1 hm2水稻监测样区。利用GPS准确定位所划定的22个样区，并在水稻成熟还未收割时，在每个样区内随机采集2～5个大小的1 m2采样点，调查样地产量。待水稻收割后，及时收集每块样地实际的总产量数据资料，用来校正水稻单产估测模型及精度验证。

1.5.2 水稻单产模型建立 选择与水稻产量相关性较好的生长期的卫片，建立关键生育期的水稻单产的遥感（植被指数形式）估测模型。利用水稻抽穗期前后的遥感资料建立水稻单产估测模型的精度最高的特点，考虑张家港市此期间的天气状况和水稻的物候期，以及遥感图像资料接收情况，本试验选取水稻产量估测的最佳时相为9月初—9月底。提取遥感资料中水稻相应生育期的NDVI，建立地面实际统计产量与NDVI间的相关模型。其中，由于2007年下半年因气候、卫星信号等原因影响，没有收集到最合适的遥感图像估测水稻产量，因此，该年份水稻产量根据其最近年份的产量变化，进行空间插值，获取该年水稻单产模型。

1.5.3 精度分析与校正 分析张家港市2005—2008年各年水稻单产与NDVI之间的相关性，建立各时期水稻的单产估测模型。在各乡镇进行地面布点，将布点数据合理分为两组，一组用于建立单产估产模型，另一组用于对模型进行精度验证。

1.6 数据处理与分析

本试验遥感资料数据用ERDAS8.7软件和ArcGIS9.0软件提取处理和分析，试验数据用Excel2007软件进行统计处理和图表制作、SPSS Statistics 17软件进行统计处理后进行ANOVA单因素多重差异分析，均值差的显著性水平为0.05。

2 结果与分析

2.1 利用3S技术估测水稻实际种植面积的结果分析

张家港地区水稻遥感估测面积结果显示，2005年水稻耕种面积为20 600 hm2；2006年水稻耕种面积为19 733 hm2；2007年水稻耕种面积为20 467 hm2；2008年水稻耕种面积为20 867 hm2。

根据地面样线调查所选定的检测样本，对最终分类结果精度做进一步分析，总体上，张家港地区2005—2008年水稻遥感估测面积平均值和地面调查面积平均值之间的最大差异为-3.59%，即总体上水稻平均分类精度达到96.41%。对于不同的乡镇，遥感估测水稻面积和地面统计水稻面积间的差异性表现出了较大的变动，面积比率差异最大的是常阴沙农场和南丰镇，其面积比率分别为-27.62%和15.48%。

2.2 利用3S技术估测水稻单产的结果分析

利用3S技术估测水稻单产的平均误差小于7%，即估产精度大于93%。以2008年为例，利用3S技术制作的张家港市2008年水稻长势情况如图2。

另外，为了使模型更为稳定、精确，本项目中最终用于估测整个张家港地区的单产模型全部用观测数据，结果表明，NDVI与最终产量间的拟合度R2均大于0.49，模型本身的平均误差表现为5.02%，即模型的水稻估产精度为94.98%。张家港市2005—2008年各时期水稻的单产估测模型如表1。

遥感估测张家港市2005年水稻平均单产为7 275 kg·hm-2；2006年水稻平均单产为7 860 kg·hm-2；2007年水稻平均单产为7 331 kg·hm-2；2008年水稻平均单产为7 686 kg·hm-2。2005—2008年遥感估测水稻的平均单产与地面调查水稻的平均单产相比结果如表2。从整个张家港地区来看，2005—2008年遥感估测水稻单产平均值和地面调查水稻单产平均值的差异为-8.27%，即估产精度为91.73%，能够满足估测所需要的精度。但对于张家港不同的乡镇，这4年遥感估测水稻单产平均值和地面调查水稻单产平均值间的差异性表现出了较大的变动，差异最大的为乐余镇和南丰镇，分别为-10.36%和-10.24%。

2.3 水稻总产量遥感估测的结果分析

笔者对遥感估测水稻总产与张家港市统计局发布的官方统计资料作对比与分析研究。遥感估测张家港市2005年水稻总产量为149 830 t；2006年水稻总产量为155 402 t；2007年水稻总产量为150 090 t；2008年水稻总产量为160 452 t。根据水稻单产估测模型与水稻估测的种植面积，可以计算出张家港市2005—2008年各乡镇的总产情况（表2）。4年来遥感估测张家港市水稻总产平均值为151 485 t，4年来地面实际统计张家港市水稻总产量平均值为171 537 t，差异为-11.69%，即精度为88.31%。结果显示，利用3S技术进行张家港市水稻总产量遥感估测的值与地面统计值之间差异不大。

张家港市水稻遥感估产存在一定误差，可能的原因是本研究的水稻单产模型的经验性较强，该模型是基于水稻地面实际统计数据和水稻生育期内遥感数据间的关联性建立的，在张家港市不同年份各乡镇的适用性有所差异。

2.4 水稻总产量多年变化的趋势分析

利用张家港市2005—2008年水稻遥感估测的总产量的变化情况作图，并作出其变化趋势模型，可以大致预报出张家港市未来水稻粮食总产量的变化情况，如图3所示。可见，张家港市水稻总产量呈逐年上升的趋势。

3 结 论

（1）张家港市水稻种植面积的精确估算，直接影响其产量估测的精度。笔者采用不同时相的水稻的遥感图像，利用NDVI值比较区分法和不同作物的反射光谱明显差异的特点，有效地提取水稻种植面积，除去诸如棉花用地的干扰。

（2）利用3S技术估测张家港市水稻2005年耕种面积为20 600 hm2，2006年耕种面积为19 733 hm2，2007年耕种面积为20 467 hm2，2008年耕种面积为20 867 hm2。从整个张家港地区来看，2005—2008年估测水稻种植面积的平均精度为96.41%。可见，近年来张家港市水稻耕作面积相对比较稳定。

（3）利用3S技术估测张家港市水稻平均单产2005年为7 275 kg·hm-2，2006年为7 860 kg·hm-2，2007为7 331 kg·hm-2，2008年为7 686 kg·hm-2，从整个张家港地区来看，2005—2008年利用3S技术估测水稻单产和地面实际调查水稻单产之间的平均差异为-8.27%，即估产精度为91.73%。

（4）基于近4年遥感数据所获取的张家港市水稻总产量的变化情况建立模型，4年遥感估测张家港市水稻总产平均值为151 485 t，4年地面实际统计张家港市水稻总产量平均值为171 537 t，差异为-11.69%，即精度为88.31%。

（5）本研究的研究结果显示，利用3S技术可以估测出张家港市城市化发展对当地水稻供需平衡的影响不大，并且能够预测出张家港市水稻总产量仍然呈现逐年上升的趋势。

本研究采用高分辨率遥感影像资料，结合GPS辅以土地利用图对样区进行准确定位进行估产研究，大大提高水稻生产力遥感估测的精度。实现了利用遥感技术估测张家港市大面积水稻生产力的目的。总之，做好农作物遥感估产的研究，进一步提高估产精度，对促进张家港市智慧农业的实现，建设世界水平农业具有重要意义。

参考文献：

[1] 干晓宇， 周波， 李建龙， 等. 张家港市不同城市化阶段的城市景观格局响应及驱动力分析[J].安徽农业科学， 2012， 39（33）： 20 641-20 645.

[2] 王人潮， 黄敬峰. 水稻遥感估产[M].北京：中国农业出版社，2002：1-5.

[3] 国土资源部遥感中心.第二次全国土地调查总体方案[R]. 北京：国土资源部遥感中心， 2007.

[4] 李述， 刘勇. 基于多特征的遥感影像土地利用/覆盖分类：以腾格里沙漠东南边缘地区为例[J].遥感技术与应用， 2006， 21（2）： 154-158.

[5] 谢振红， 邴玉旭， 魏明耀， 等. RS&GIS支持下的大庆市土地利用分类[J]. 地理空间息， 2006， 4（2）： 31-33.

[6] 张宝雷， 宋孟强， 周万村. GIS支持下三峡库区主要地类自动分类方法研究[J].遥感技术与应用，2006， 21（1）： 71-76.

[7] 韩春建， 吴克宁， 冯新伟， 等. 基于”3S”技术的县级土地利用现状更新调查[J].中国农学通报， 2006， 22（8）： 560-564.

[8] 许文波， 田亦陈.作物种植面积遥感提取方法的研究进展[J].云南农业大学学报， 2005， 20（1）： 94-98.

[9] 王振中.“3S”技术集成及其在土地管理中的应用[J].测绘科学， 2005， 30（4）： 62-64.

[10] 王人潮， 王坷， 沈掌泉， 等. 水稻单产遥感估测建模研究[J].遥感学报， 1998， 2（2）： 119-124.

[11] 肖乾广， 周嗣松， 陈维英， 等. 用气象卫星数据对冬小麦进行估产的试验[J].环境遥感，1986，1（4）： 260-269.

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

[13] 王延颐，高庆芳，何隆华.太湖地区（无锡点）遥感估产模型初报[C]//陈沈斌.小麦、玉米和水稻遥感估产技术试验研究文集. 北京： 中国科学技术出版社， 1993.

[14] Srisaengtong D， Polngam R S， Suwanweerakamtorn R， et al. The possibility of mapping rice growing areas using remote sensing techniques[J]. Asia-Pacific Remote Sensing Journal， 1989（1）： 59-67.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黄敬峰， 杨忠恩， 王人潮， 等. 基于GIS的水稻遥感估产模型研究[J].遥感技术与应用，2002，17（3）： 125-129.

[19] 项月琴， 田国良. 遥感估算水稻产量——Ⅰ.产量与辐射截获量间关系的研究[J].环境遥感，1988，3（4）： 308-316.

[20] 李岩， 彭少麟， 廖其芳， 等. RADARSATSNBSAR数据在大面积水稻估产中的应用研究[J].地球科学进展， 2003， 18（1）： 109-115.

[21] 李卫国，李花.水稻卫星遥感估产研究现状与对策[J].江苏农业科学， 2010（5）： 444-445.

[22] 谭正. 基于SAR数据和作物生长模型同化的水稻长势监测与估产研究[D].北京：中国地质大学， 2012.

[23] 白锐峥. “3S”系统支持下的山西省冬小麦估产方法研究[J].中国农业资源与区划， 2002， 23（2）： 54-56.

[24] 刘婷， 任银玲， 杨春华. “3S”技术在河南省冬小麦遥感估产中的应用研究[J].河南科学，2001，19（4）： 429-432.

[25] 张家港市史志办. 张家港年鉴（1991—2008）[M]. 北京： 中国文献出版社，2008：1-200.

[26] 李石华， 王金亮， 毕艳， 等. 遥感图像分类方法研究综述[J]. 国土资源遥感， 2005（2）： 1-6.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黄敬峰， 杨忠恩， 王人潮， 等. 基于GIS的水稻遥感估产模型研究[J].遥感技术与应用，2002，17（3）： 125-129.

[19] 项月琴， 田国良. 遥感估算水稻产量——Ⅰ.产量与辐射截获量间关系的研究[J].环境遥感，1988，3（4）： 308-316.

[20] 李岩， 彭少麟， 廖其芳， 等. RADARSATSNBSAR数据在大面积水稻估产中的应用研究[J].地球科学进展， 2003， 18（1）： 109-115.

[21] 李卫国，李花.水稻卫星遥感估产研究现状与对策[J].江苏农业科学， 2010（5）： 444-445.

[22] 谭正. 基于SAR数据和作物生长模型同化的水稻长势监测与估产研究[D].北京：中国地质大学， 2012.

[23] 白锐峥. “3S”系统支持下的山西省冬小麦估产方法研究[J].中国农业资源与区划， 2002， 23（2）： 54-56.

[24] 刘婷， 任银玲， 杨春华. “3S”技术在河南省冬小麦遥感估产中的应用研究[J].河南科学，2001，19（4）： 429-432.

[25] 张家港市史志办. 张家港年鉴（1991—2008）[M]. 北京： 中国文献出版社，2008：1-200.

[26] 李石华， 王金亮， 毕艳， 等. 遥感图像分类方法研究综述[J]. 国土资源遥感， 2005（2）： 1-6.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黄敬峰， 杨忠恩， 王人潮， 等. 基于GIS的水稻遥感估产模型研究[J].遥感技术与应用，2002，17（3）： 125-129.

[19] 项月琴， 田国良. 遥感估算水稻产量——Ⅰ.产量与辐射截获量间关系的研究[J].环境遥感，1988，3（4）： 308-316.

[20] 李岩， 彭少麟， 廖其芳， 等. RADARSATSNBSAR数据在大面积水稻估产中的应用研究[J].地球科学进展， 2003， 18（1）： 109-115.

[21] 李卫国，李花.水稻卫星遥感估产研究现状与对策[J].江苏农业科学， 2010（5）： 444-445.

[22] 谭正. 基于SAR数据和作物生长模型同化的水稻长势监测与估产研究[D].北京：中国地质大学， 2012.

[23] 白锐峥. “3S”系统支持下的山西省冬小麦估产方法研究[J].中国农业资源与区划， 2002， 23（2）： 54-56.

[24] 刘婷， 任银玲， 杨春华. “3S”技术在河南省冬小麦遥感估产中的应用研究[J].河南科学，2001，19（4）： 429-432.

[25] 张家港市史志办. 张家港年鉴（1991—2008）[M]. 北京： 中国文献出版社，2008：1-200.

[26] 李石华， 王金亮， 毕艳， 等. 遥感图像分类方法研究综述[J]. 国土资源遥感， 2005（2）： 1-6.