农情遥感监测和估产.pptVIP

4. 北京研究区作物分类——决策树法 对北京研究区主要作物种植信息的提取是在对时间谱曲线分析的基础上利用决策树分类的方法实现的。 首先根据不同作物生育周期季相节律差异性，设计不同的决策函数，分别提取不同作物的种植信息。 基于时序TM数据的作物分类 基于时序TM数据的作物分类 北京DEM 基于时序TM数据的作物分类 5. 北京研究区作物分类技术路线 基于时序TM数据的作物分类 2004年北京主要作物空间分布图 基于时序TM数据的作物分类 遥感监测北京主要作物种植面积（公顷） 基于时序TM数据的作物分类 作物单产估产模型 作物产量形成因素 作物产量形成因素的理解是综合的、宏观的、多因素的。 作物产量包括作物本身的生物学因素，以及土地、土壤、气候、农业管理等综合因素。这些因素有受人类控制的因子，也有受自然条件影响的因子。 因素一：生物学因素 作物本身的光谱特征、作物的水分含量、作物的品种等。作物产量的实质是绿色植物利用光能，固碳C的过程，即光合作用过程。 叶绿素是植物生产生物量的基础。光合面积和单位面积叶绿素含量与产量有直接关系。 植物的光谱信息一定程度上反映叶绿素的含量，而水、热、气、肥等环境因素直接影响光合有效辐射（Photosynthetically Active Radiation，PAR ）向干物质转换的效率。发展了光谱-产量模型、绿度-产量模型等 因素二：水、土等环境因素 包括土壤、地形、地下水、灌溉条件、土壤肥力等。它提供作物基本的生长条件，如土壤的酸碱度、营养物质、根系通风状况、水分供应等，是决定一个小区域产量的主要和基础因素。 因素三：气象因素 主要指日照条件（日照强度和时数）、温度、降水量等因子 作物在生长发育时期，不仅要求一定的温度水平（温度的高低），而且还需要一定的热量总和，热量总和通常是用作物生长期逐日气温的累积值表示，这个累积值就叫作积温，单位是度·日，简称度。 活动积温（10度）和有效积温（上、下限温度间） 不同地区作物的生育期不同，冬小麦生育期有播种、冬前、返青、起身、拔节、孕穗、抽穗、扬花、灌浆、成熟等10个。 光照、温度、降水的气象因素以及土壤因素决定了一个地区作物的自然生产潜力，是进行作物估产分区的基本指标。 因素四：农业管理因素 在当地条件下逐步形成的，具有相对稳定性，如间作、轮作、一年两作以及具体的施肥和灌溉等 单产模型 单产：一种农作物单位面积产量 早期的作物估产模型有：农学-气象产量预测模型、作物-生长模拟模型、经验统计模型等。也就是传统的统计分析与气象因子综合估算法； 20世纪70年代后期，利用遥感技术进行估产。理论上探讨植物光合作用与作物光谱间的内在联系，以及作物的生物学特性与产量间的复杂关系； 方法上，将光谱的遥感机理与作物生理过程统一，建立基于成因分析的遥感估产模型。 单产模型 作物长势分析是一个动态的过程，需要多时相遥感信息来反映植物生长过程的节律特点。 常以数量化的植被指数（如NDVI，PVI）作为评价作物生长状态的定量标准。某一时刻的植被指数是该时刻作物长势的函数。通过植被指数结合地面实际调查数据，可建立起各种不同条件下，单位面积产量与植被指数间的数量关系，即估产模式。 作物估产模型 统计估产模型 农学估产模型 气象估产模型 遥感模型（或称光谱-产量模型） 综合估产模型 同化估产模型 统计估产模型 分为全面统计估产和统计数学模型估产模式。 全面统计估产采用的是随机取点，等距多阶抽样方法，估产精度较高，但季节性很强，并受选择田块的代表性影响，且要耗费大量的人力、物力和财力，因此大力推广难度很大。 统计数学模型估产主要是根据统计数据与作物单产之间建立的相互关系，采用逐步回归关系来建立估产模型 农学估产模型 农学估产模型是根据作物生长发育阶段的生理参数与作物产量构成要素间的相关性来建立估产模型。 冬小麦、水稻和玉米等主要作物的产量由3个要素构成：单位面积有效穗数、每穗平均粒数和粒重。 农学估产模型涉及的农学参数较多，而且测定有难度，需要大量的样本实验。由于地域差异性，不同地区作物生理参数有较大差别，其参数在获取和空间外推方面困难，限制了模型在实际应用中的推广。 气象估产模型 气象估产模型主要是依据对作物产量影响较大的气象因子与产量建立起预测模型来估算作物单产。 这种估产方法本质上也是统计分析估产方法，但是这种方法强调了人为因素与气象自然因素对作物产量的影响，较之一般的统计估产方法更有合理之处。 遥感模型（或称光谱-产量模型） 由于作物在各生育期的长势差异，可以通过各波段（主要是红波段、近红波段和热红外波段等）光谱反射，差异表现出来。因此可以利用卫星或机载传感器获取的地面作物的光谱信息来估算作物的产量。常用的光谱信息有NDVI(归一化差值植被指