基于MODIS 的黑龙江省耕地作物长势监测

吕志群，李 杨，刘克宝，张国庆，张 宇

（黑龙江省农业科学院 农业遥感与信息研究所，150000，黑龙江哈尔滨）

黑龙江为主要的粮食生产基地，整体的粮食生产情况受到了整个社会的关注，因此必须对该区域耕地作物生长的情况有着较好的掌握。传统作物长势监测往往借助人工来掌握整体情况，受人为因素影响的情况相对较多，必须花大量的时间方可获取结果。而采用遥感技术，能够在较短的时间里获取相应的数据，该方法有着较多的优势，主要表现在成本低、效率高等方面，如果是对大面积作物进行监测的话，其优势能够得到极好的体现。

遥感监测主要是宏观监测。通过分析能够看出，在进行遥感监测作业时，关联的叶面积指数（leaf area index，LAI）能够作为指标之一。能够借助2 种方法对LAI 进行测量作业，也就是直接法和间接法。所谓直接法，通常是借助仪器设施开展叶面积指数的测量作业，若采取该种措施的话，会有较为精准的结果，然而成本相对较高，会导致叶片组织出现损伤，因此该种方法最好是用在一些验证性测量工作方面。而间接法，主要是借助遥感方式开展大范围的植被指数估算。

归一化植被指数（normalized differential vegetationindex，NDVI）在过去得到了非常好的应用，是LAI估算作业时的常用指标，由于有着较大的优势，因而在作物长势监测中得到较好的使用。班显秀等在经过了大量的研究之后，借助AVHRR 第一、二通道的反射率，对沈阳地区一季混栽作物进行监测，获取其长势情况[1]。而在裴志远等看来，借助多时相的NDVI 数据库，能够实现对作物长势时空特征的有效分析，获取到对应的数据信息[2]。江东等则是把侧重点放在了时序NDVI 曲线特征等方面，主要分析其和作物长势关系，在他们看来，NDVI 曲线积分往往会和作物产量存在着极为紧密的关联[3]。刘爱霞等则是借助逐年比较模型的应用，实现了多年份NDVI 数据的比较，并将其应用在棉花种植区域，最终获得石河子棉花的长势[4]。吴炳方、罗宇翔等借助MODIS NDVI 数据，整合农业气象观测资料，对贵州秋粮作物长势进行研究，发现时序NDVI会和秋粮作物长势呈现出较好的关联性[5-6]。由此能够认为，在作物长势遥感监测中，NDVI 发挥了非常重要的作用，其为最常使用的指标。

本研究基于黑龙江省2000—2018 年每年6—9 月每16 d 的MODIS 遥感影像数据资料累积，获取归一化植被指数(NDVI)成果，采用平均合成法得到常年同一时间段的平均植被指数，即19 年每16 d 的植被指数NDVI 平均值，然后将监测年该时段的植被指数与常年值的差异程度作为衡量指标，来判断监测年作物长势优劣。

1 材料与方法

1.1 研究区概况

黑龙江省位于我国的最东北部，北部、东部与俄罗斯为邻，西部与内蒙古自治区毗邻，南部与吉林省接壤，介于121°11′～135°05′E 和43°25′～53°33′N 之间。黑龙江省属温带大陆性季风气候，年平均气温在-6～4 ℃，无霜期多在100～140 d，年降水量介于400～650 mm，雨量中部最多，东部次之，北部和西部最少。

1.2 数据选择及处理

MODIS 标准产品中MODIS 日反射率产品（MOD13A2），数据的空间分辨率均为1 km，数据时间为2000—2018 年，每年涵盖作物整个生长季的6—9月。首先，利用Modistool 工具，将原始数据坐标转换为Albers Equal Area 投影，进行坐标转换；其次，利用ENVI软件提供的地理坐标定位的Mosaicking 方法进行多景相邻遥感图像镶嵌处理，利用Feathering 功能进行边缘羽化，拼接成覆盖黑龙江省范围的无缝遥感影像；最后，将图像研究区之外的区域裁剪去除，本研究按照行政区划边界进行图像裁剪。

研究裁剪前，先对NDVI 波段进行波段运算，得到准确的NDVI 波段的真值。其计算公式为：

式中：ndvi 为原始NDVI 波段值；DN 为NDVI 波段真值，其值在0～1 范围内。利用黑龙江省行政区划边界的SHP 文件，对图像进行裁切，得到黑龙江省界范围内NDVI 图。

1.3 作物长势监测模型

本研究主要选用NDVI 的差值模型来评价作物的长势情况。作物长势指数计算公式：

式中：R 代表作物长势指数；NDVIn代表2019 年某月（n=6～9）NDVI 像元值；NDVIav为多年NDVI 的平均值，这里代表近19 年每月NDVI 的平均值。

2 结果与分析

利用MODIS 数据，基于作物长势监测模型，采取地面监测与遥感数据相结合的方法对2019 年黑龙江省农用地内作物进行长势动态监测，其监测结果如图1 所示。结果显示，2019 年属长势较好年，特别是在7月29 日—8 月13 日这段时间内，该时间段也是黑龙江省夏季下雨较多的时间，但2019 年这段时间降雨量尤为突出，长势多处于好的状态。气象部门数据显示2019 年黑龙江省夏季降雨正常偏多，与本文分析结果相一致。6 月11 日—6 月26 日存在少量的稍差长势，其他时间均以长势正常为主。6 月11 日—6 月26 日长势稍差地区主要分布在省内西部地区，该地区由于降雨不均，气温较高，易发生干旱现象，致使作物长势较平均年份稍差。

图1 2019 年黑龙江省作物长势监测图

从每个时间段内各长势情况面积占比可知（见表1）：5 月24 日—6 月10 日、7 月29 日—8 月13 日、8 月14日—8 月29 日、8 月30 日—9 月14 日这四个时间段内长势稍好面积占比最大，说明这四个时间段内作物长势要优于平均年份，特别是在7 月29 日—8 月13 日时间段内，稍好面积占比高达94.383%；6 月11 日—6 月26 日、6 月27 日—7 月12 日、7 月13 日—7 月28 日、9 月15日—9 月30 日这四个时间段内，正常面积占比最大，说明这四个时间段内作物长势与平均年份持平；但在6 月11 日—6 月26 日时间段内，稍差面积占比较大，为17.127%，说明全省该时段虽大部分作物长势与平均年份持平，但仍有部分地区长势差于平均年份。

表1 2019 年作物长势情况统计表

3 结论

本文利用覆盖黑龙江省的2000—2019 年20 年共160 景NDVI 数据，以前19 年NDVI 平均值作为多年农作物平均长势标杆，以此来比对2019 年长势情况。研究表明该方法是可行的。监测结果显示：2019 年全年作物长势正常，其中有5 月24 日—6 月10 日、7 月29 日—8 月13 日、8 月14 日—8 月29 日、8 月30日—9 月14 日四个时间段处于较好长势，特别是7 月29 日—8 月13 日期间稍好长势面积占比达到94.383%，8 月14 日—8 月29 日期间稍好长势面积占比达到80.483%，8 月30 日—9 月14 日期间稍好长势面积占比达到78.248%；6 月11 日—6 月26 日、6 月27 日—7 月12 日、7 月13 日—7 月28 日、9 月15日—9 月30 日四个时间段属于正常长势，其中9 月15日—9 月30 日期间正常长势面积占比达到78.685%，6 月11 日—6 月26 日期间正常长势面积占比达到65.938%，6 月27 日—7 月12 日期间正常长势面积占比达到61.398%；长势稍差面积占比较大的时期在6月11 日—6 月26 日、9 月15 日—9 月30 日，分别达到17.127%和20.950%。而长势稍差地区主要分布在省内西部地区，该地区由于降雨不均，气温较高，因此易发生干旱现象，致使作物长势较差。由于降雨时间、降雨量和分布具有不确定性，作物长势也伴有随机性和周期性，因此，须对作物长势进行准确监测，而其长势变化的机制也同样需要更深入的探讨，如同时考虑社会、人文、自然和其他影响因素的研究将更有意义。