基于Logistic模型的山东省秋季作物收获期遥感监测侯学会

隋学艳等

摘要 收获期是影响作物品质和产量的关键生育期，准确、及时地获取作物收获期对指导农业生产具有重要意义。该研究在分析秋季作物生长曲线变化特征的基础上，利用MODIS NDVI时序数据为遥感信息源，以Logistic模型为核心，运用曲率最大值法，构建秋季作物收获期的遥感监测模型，并以山东省为研究区，逐像元提取秋季作物的收获时间。研究发现，2014年山东省的秋收时间主要集中在第260～285天，即9月中下旬到10月上旬，并呈现从南向北逐渐推迟的空间特征。该研究结果与地面观测数据基本一致，并且该研究结论与已有的研究成果具有较好的一致性，说明该研究基于Logistic模型构建的秋季作物收获期遥感监测模型是可靠的。研究结果可以为山东省农业生产提供一定的科学参考和指导，对促进山东省农业信息化和现代化具有重要意义。

关键词：收获期；Logistic模型；MODIS NDVI；遥感；山东省

中图分类号：S126 文献标识码 A 文章编号 0517-6611（2015）08-335-03

收获期是作物的关键生育期，作物收获的早晚影响作物的产量和质量。准确、及时的获取作物收获期信息，对于提高农产品的品质和产量、调整作物播种期、指导规模化种植区域的机械化收割具有重要意义[1-5]。

目前常用的作物收获期监测方法主要有田间观测法和气象模型统计法。田间观测需要大量的人力、物力，且观测范围和作物种类有限，限制了其大范围应用；气象模型统计法简单易用，且仅使用较少的驱动数据（如气温、降水等）就可以开展预测，但以气温为代表的气象数据大范围内表现均一，无法反映田块尺度成熟期的差异，因而无法在小范围内对作物的成熟期进行预测，同时这些模型多是基于统计回归方式建立的，具有单点的特点，在一个区域建立的模型无法在其他区域或其他品种的作物进行推广[6]。随着遥感技术的发展，遥感在指导农业生产方面发挥着越来越重要的作用，能够及时、低成本的获取大范围的地面信息，使得利用遥感进行动态监测、量化大范围作物生育期成为可能。

利用遥感监测作物生育期，国内外学者已经做了大量的研究。Mahmoud等根据作物生长模型，以SPOT-5数据为驱动进行了甘蔗收割期的监测[7]，Rangoonwala等根据NOAA NDVI时序数据的变化率研究作物生育期的时间变化[8]，而辛景峰等则定义在可能出现的时间范围内，NOAA NDVI时序数据出现2个连续降低对应的时间为黄淮海冬小麦的成熟期[9]，张峰等利用SPOT-VGT 2个相邻时期的NDVI相减研究小麦的关键生育期，并定义NDVI减小速率最大处为小麦的收获期[10]。在小区域范围内，王堃等利用国产的HJ-CCD数据，基于变化向量分析方法，开展兖州市夏玉米收获期研究，取得了较好的监测结果[11]。

综合现有的研究发现，作物生育期遥感监测的实质是发现作物在形态上发生显著变化所对应的日期。Logistic模型是目前研究植被生育期最常用的方法之一[12-13]，并且在作物长势监测、植被生长曲线拟合等方面有重要应用[14]，但利用Logistic模型研究作物收获期的成果鲜有报道。笔者以2014年山东省秋季作物为研究对象，利用时序MODIS NDVI数据，以Logistic模型为核心，根据作物生长过程中NDVI曲线的变化特征，构建秋季作物收获期的遥感监测模型，逐像元提取2014年山东省秋季作物的收获时间，以期为指导山东省农业生产提供一定的参考。

1 数据来源与研究方法

1.1 数据来源及预处理

1.1.1 遥感数据预处理。该研究使用的遥感数据为从全球MODIS数据免费分发网站（http：//ladsweb.nascom.nasa.gov）获取的基于8 d最大值合成的MODIS反射率数据（MOD09Q2），空间分辨率为250 m，时间范围为2014209～2014305，即2014年7月28日～2014年11月8日共13期数据。

原始的MOD09Q2数据采用HDF格式，sinusoidal投影方式存储。为了研究中数据处理和计算的方便，首先利用MODIS数据预处理软件MODIS Reproject Tools（MRT）软件对MOD09Q2进行预处理，将HDF格式转换为统一的tiff格式，并将sinusoidal投影转换为双标准纬线等积圆锥投影（Albers），通过与山东省矢量边界和1∶250 000山东省耕地分布栅格数据掩膜处理，得到山东省耕地区域的MOD09Q2数据。

1.1.2 NDVI信息提取。研究选用归一化差值植被指数（NDVI）作为指示作物生育期变化的遥感指标。NDVI能够在很大范围内相当精确地反映植被绿度、光合作用强度以及植被的季节性和年际变化[15-17]。利用MOD09Q2的2个波段反射率得到NDVI数据的计算公式如下：

NDVI=ρnir-ρredρnir+ρred（1）

式中，ρred为MOD09Q2第一波段（620～67 0nm）的反射率；ρnir为MOD09Q2第二波段（841～876 nm）的反射率。

在ENVI中将计算得到的13期NDVI数据叠加，得到研究区2014年7月28日到2014年11月8日的8d最大值合成的NDVI时间序列数据。

1.1.3 NDVI数据去噪。最大值合成法可以一定程度上消除大气、云、太阳高度角等对植被反射率的影响，但云和大气对获取的遥感影像的影响依旧很大，使得到的NDVI数据存在许多噪声，造成NDVI曲线存在异常的突升点或突降点，影响遥感监测精度。因此，在利用NDVI数据进行收获期监测前，必须先对NDVI时间序列曲线进行滤波处理。根据已有的众多研究，笔者采用Savitzky-Golay滤波[18-19]对研究区的NDVI时序数据进行去噪处理。S-G滤波过程可由下式描述：

Y*j=i=mi=-mCiYj+1N（2）

式中，Y*j为拟合之后的序列数据；Yj+i为原始序列数据；Ci为滤波系数，N为滑动窗口的大小（2m+1）。

为与秋收时间的儒略日对应，将滤波之后的8 d NDVI时序数据进行3次样条插值，得到研究区每天的NDVI时间序列数据。

1.2 秋收时间遥感监测方法 作物生育期遥感监测的实质是发现作物在形态上发生显著变化所对应的日期。该研究根据平滑后的NDVI时间序列曲线，以Logistic模型（公式3）为核心，根据曲率极值法，提取秋季作物的收获时间。作物收获时间的具体提取流程如图1所示。具体步骤为：

（1）根据插值后的逐日NDVI时间序列曲线，查找到该时间序列上NDVI的最大值maxNDVI（图1a）。

（2）从maxNDVI对应的日期开始，利用Logistic模型对NDVI曲线进行模拟（图 1b）。

Logistic函数的表达式为：

y（t）=c1+ea+bt+d（3）

式中，t是一年中的某天；y（t）是拟合之后的t时间点上的 NDVI 值；d是背景的NDVI值，该研究中以拟合时间段内的最小NDVI 值代替，（c+d）为拟合时间段内NDVI最大值，即maxNDVI；a和b是拟合参数，利用Levenberg-Marquardt方法求得。

（3）计算模拟曲线的曲率，求其极值。根据曲率极值点，确定山东省秋季作物的收获时间（图 1b），如图1（b）中所示，定义A点对应的时间为山东省某种秋季作物收获时间。

曲率计算公式为：

k=dαds=-bccz（1-z）（1+z）3[（1+z）4+（bcz）2]32（4）

式中，z=aa+bt；k为拟合的时间累积NDVI曲线变化曲率；α沿时间曲线移动单位弧长时切线转过的角度；s为单位弧长。

2 结果与分析

2.1 2014年山东省秋收进程的空间特征 该研究以Logistic模型为核心，通过时序MODIS NDVI信息，构建秋季作物收获期遥感监测模型，获得以儒略日为时间尺度的2014年山东省秋季作物收获期空间分布，如图2所示。

总体上看，2014年山东省秋季作物收获时间从第240天持续到第300天左右，即9月初～11月上旬，持续时间较长，但主要集中在第260天到第285天之间，即9月中下旬～10月中旬，收获作物占全省的89%以上，持续1个月左右。从空间上看，2014年山东省秋季作物收获时间从南向北逐渐推迟，南部平原地区秋收时间主要集中在第265～270天左右，即9月中下旬，而德州、东营、烟台等北部地区秋季作物收获时间主要集中在第275～285天之间，即10月上中旬，南北相差15 d左右，这与实际的山东省秋收进程基本一致。收获时间较早的地区出现在莱芜市南部、新泰市和泗水县等中部山地。

2.2 结果验证 利用地面观测数据对遥感监测结果进行验证，是检验遥感提取方法精度的重要手段。由于缺乏2014年山东省秋收时间的地面监测数据，该研究根据中国气象科学数据共享服务网（http：//cdc.cma.gov.cn）发布的高密、菏泽、济宁等8个站点2009～2012年山东省夏玉米成熟期对该研究的提取结果进行简要的精度分析。其中，2009～2012年作物成熟平均日期来自站点观测数据，对应的遥感提取结果为站点所辖市区内所有作物的平均收获期，结果见表1。

对比地面站点观测的夏玉米成熟期资料，该研究结果与实测数据具有很好的一致性。除高密站外，其余7个站点遥感监测的秋收时间与地面观测时间的年均值误差均小于10 d。这一方面是由于二者关注的作物生长期不同，地面站点数据记录的是夏玉米成熟期，而遥感监测的结果是夏玉米收获期，二者必然存在差异，并且这种差异受人为影响较大；另一方面，二者观测尺度存在巨大差异，地面观测站点记录的是地面上某一点或某一秋季作物的成熟期，而遥感监测结果使用的是站点辖区范围内的所有作物收获时间。另外，根据王堃等的研究，2009年兖州市夏玉米收获期主要集中在9月中下旬[11]，这与该研究提出的2014年兖州秋收时间主要集中在第260～275天之间的结果基本一致。因此，该研究基于Logistic方法和时序遥感数据提取山东省2014年秋季作物收获期的结果是可靠的。

3 结论与讨论

该研究以Logistic模型为核心，利用时序MODIS NDVI信息，基于曲率最大值法，构建了秋季作物收获期的遥感监测模型，提取了2014年山东省秋收时间。

结果表明，2014年山东省秋收时间主要集中在第260～285天之间，即9月中下旬～10月中旬，并且空间上呈现从南向北逐渐推迟的趋势，南北相差近15 d左右。该研究结果与地面站点观测数据和已有的研究基本一致，说明该研究构建的秋收时间遥感监测模型具有一定的可靠性，可以为山东省农业生产提供一定的指导和科学参考。

参考文献

[1] SUN H Y，ZHANG X Y，CHEN S Y.Effects of harvest and sowing time on the performance of the rotation of winter wheat-summer maize in the North China Plain[J].Industrial Crops and Products，2007，25（3）：239-247.

[2] 谢黎虹，叶定池，陈能，等.播期和收获期对“水丰两优1号”品质的影响[J].中国农业气象，2008，29（1）：83-85.

[3] 迟永琴.春小麦品质与收获期的关系[J].作物杂志，1995，11（3）：30-31.

[4] 路大雷，王德成，赵久然，等.收获期对秋播糯玉米不同品种产量与淀粉糊化（RVA）特性的影响[J].中国农业科学，2008，41（12）：4048-4054.

[5] SALDIVAR X，WANG Y，CHEN P，et al.Changes in chemical composition during soybean seed development[J].Food Chemistry，2011，124（4）：1369-1375.

[6] 蒙继华，吴炳方.基于卫星遥感预测作物成熟期的可行性分析[J].遥感技术与应用，2013，28（2）：165-173.

[7] MAHMOUD EI H，AGNES B，SERGE G，et al.Integrating SPOT-5 time series，crop growth modeling and expert knowledge for monitoring agricultural practices-The case of sugarcane harvest on Reunion Island[J].Remote Sensing of Environment，2009，113（10）：2052-2061.

[8] RANGOONWALA A，AHMED S，NASIR A.Quasi-operational use of NOAA/AVHRR vegetation index to monitor vegetal cover and crop growth[J].Advances in Space Research，1993，13（5）：265-268.

[9] 辛景峰，宇振荣，DRIESSEN P M.利用NOAA NDVI 数据集监测冬小麦生育期的研究[J].遥感学报，2001，5（6）：442-447.

[10] 张峰，吴炳方，刘成林，等.利用时序植被指数监测作物物候的方法研究[J].农业工程学报，2004，20（1）：155-159.

[11] 王堃，顾晓鹤，程耀东，等.基于变化向量分析的玉米收获期遥感监测[J].农业工程学报，2011，27（2）：180-186.

[12] RATKOWSKY D A.Nonlinear regression modeling-A unifiedpractical approach[M].New York and Basel：Marcel Dekker，1983.

[13] RICHARDS F J.A flexible growth function for empirical use[J].Journal of Experimental Botany，1959，10：290-300.

[14] ZHANG X Y，FRIEDL M A，SCHAAF C B，et al.Monitoring vegetation phenology using MODIS[J].Remote Sensing of Environment，2003，84：471-475.

[15] 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）：23-35.

[16] 罗宇翔，陈娟，郑小波，等.RS和GIS在黔中主要秋粮作物生育期及长势动态监测中的应用[J].贵州农业科学，2007，35（3）：128-130.

[17] 郑小波，陈娟，康为民，等.利用MODIS 监测高原水稻生育期和长势的方法[J].中国农业气象，2007，28（4）：453-456.

[18] MADDEN H H.Comments on the Savitzky-Golay convolution method for least-squares fit smoothing and differentiation of digital data[J].Analytical Chemistry，1978，50（9）：1383-1386.

[19] CHEN J，JONSSON P，TAMURA M，et al.A simple method for reconstructing a high-quality NDVI time-series dataset based on the Savitzky-Golay filter[J].Remote Sensing of Environment，2004，91：332-344.