131_黄欣_遥感水稻产量预测运用NOAAdyc.docVIP

运用NOAA——AVHRR多时相NDVI数据进行水稻估产 黄敬峰123，王秀珍4，李星星1,2，3，田汉勤5,6，潘灼坤1,3 摘要：遥感技术对小麦、玉米等主要农作物进行粮食产量估算目前已取得了很大的进展，但对水稻、大麦、燕麦和大豆的研究是有限的。本研究提出了一个新的水稻产量预测模型，消除了技术发展、施肥，改进管理等对于水稻产量的影响。本研究需要收集长时间序列的遥感影像数据和相应区域的作物产量统计数据。对于水稻产量预测，长时间序列的归一化差植被指数（NDVI）比短期序列NDVI更适合于作物产量估计，因为长期的NDVI可更好地进行一个长时间序列的季节对比，为我们提供了构建具有广泛应用范围的回归模型的机会。产量按年的回归分析表明：我国水稻每年每公顷增产50-128千克。水稻遥感估产的逐步回归分析模型，已经在中国五个典型的水稻种植省区进行了深入的研究应用。对于遥感水稻产量的预测模型表明，NDVI对水稻估产的作用是很好的。1982-2004年预测水稻产量和实际水稻产量的联系，没有明显的异常值是很重要的。独立验证发现，总体相对误差约为5.82％，并且大部分的相对误差在2005年和2006年分别小于5％，取决于研究区域。建立的模型可以被用于预测中国省级区域水稻产量。本文提出的方法可用于其他作物产量预测，只要有足够时间序列的NDVI数据和相应的历史产量的统计信息，且该作物历史产量增加趋势显著。 前言： 水稻在中国是最重要和最广泛种植的作物之一。在2009年总水稻产量达到19510万吨，并占中国生产的（481563000吨）总粮食产量的40.5％ [1]。同时，关于水稻产量的客观和定量信息可以为政府机关和生产者提供重要信息，可用于指导种植，储藏和市场管理。因此，水稻的产量预测对于中国的粮食安全有重要的意义，被认为是在农业研究中最具挑战性的任务之一[2]。作物产量预测的传统方法，使用基于地面的数据收集方法，昂贵，耗时，劳动强度大，而且往往困难[3]。利用遥感数据的作物产量预测已经是一个非常活跃的领域研究和应用[3-5]。在过去的几十年中遥感技术的主要进展是为科学家提供产量和产量预测有价值的信息。自从1980年，从卫星数据导出的时间序列即归一化植被指数（NDVI）已被用于作物的产量预测。大多数涉及NDVI测量农作物产量的研究都集中于粮食作物，如小麦[4,6-38]和玉米[3,13,18,20,21,24,29,39-49]和水稻[2,15,37,44,50-52]。许多研究人员还发现，NDVI变量对小米[53-57]，高粱[24,56,58,59]，大麦[19,24,29,60,61]，大豆[3的产量预测，24,62,63]，花生[54,59]，甜菜[29]，苜蓿[29]，黑麦[29]，豌豆[19,29]，和油菜籽[19]（文献综述概括在表格1）产量的预测非常有用。然而，遥感产量预测在水稻方面有困难。 不同的方法已被提出，用来预测作物产量。最常用的方法是，是直接用NDVI和作物产量两者之间的经验关系，建立回归模型。这些方法假设从光谱植被指数测量的光合能力与作物产量有直接联系。使用这个假设是因为影响作物生长、发展和最终产量的许多因素能够被光谱测量捕捉比如 NDVI [ 64 ]。通过长期的历史产量数据因变量和遥感数据作为一个独立的变量，生成统计回归函数来执行作物产量预测，而实际作物产量取决于更多的因素，而不只是有光谱植被指数[37]。蒂尔曼等 [65]注意到谷物产量增加是加大了肥料、水和杀虫剂的结果，在过去的几十年，农作物新品种和管理水平都有提高。对于所有发展中国家，在早期绿色革命期间现代品种 [66]占农作物产量增长的21％。在亚洲过去的四十年间，水稻产量的增长超过了一倍，这是由于扩大了种植面积、采用现代品种、增加灌溉投资、增加使用化肥的结果。哈夫纳[68]发现，在188个国家过去的40年里线性增长一直是玉米，水稻和小麦产量最常见的趋势。这种情况也发生在中国。虽然NDVI的年际变化（可能是由于意外的天气状况或灾难）可以揭示作物产量波动[19,59]。然而，遥感NDVI无法检测导致水稻产量增加的人为诱发因素。因此，监控和预测作物产量不能仅仅使用NDVI测量。 随着时间的进步，对于单产的估算，用一个简单的回归函数（通常称为：Y = A + B* NDVI）将不再适用，因为简单的回归将可能忽略在产量增加的人为因素。然而，很少有研究分析作物产量增加的时间趋势，来反映技术发展，施肥和管理的改善对作物产量的影响。此外，回归模型在统计数据和NDVI之间不能扩展[19,45]，因为种植制度和水稻单产水平依赖于中国自然条件。 考虑到在中国遥感农作物估产有社会因素和地域差异，本文的目的是提出一个新的模型，可用于区域级，国家级，国际级作物产量预测。该方法是基于一个历史