基于Sentinel-2数据的冬小麦地上干生物量估算及评价-遥感学报.PDF

基于Sentinel-2 数据的冬小麦地上干生物量估算 及评价 1, 2 1 1 郑阳 ，吴炳方 ，张淼 1. 中国科学院遥感与数字地球研究所 数字地球重点实验室，北京 100101 2. 中国科学院大学，北京 100049 摘 要： 作物生物量快速精确的监测对于农业资源的合理利用与农田的精准管理具有重要意义。近年来，遥感 技术因其独特的优势已被广泛用于作物生物量的估算中。本研究主要针对不同宽波段植被指数在冬小麦生物量 （文中的生物量均是指地上干生物量）估算方面的表现进行探索。首先利用欧空局最新的Sentinel-2A 卫星数据提 取出 17 种常见的植被指数，之后分别构建其与相应时期内采集的冬小麦地上生物量间的最优估算模型，通过分 析两者间的相关性与敏感性，获取适宜进行生物量估算的指数。最后，绘制了研究区的生物量空间分布图。结果 表明，研究中所选的植被指数均与生物量显著相关。其中，红边叶绿素指数（CIre ）与生物量的估算精度最高 （决 定性系数R2 为0.83；均方根误差RMSE 为180.29 g•m-2 ）。虽然相关性较高，但部分指数，如归一化差值植被指 数（NDVI ）等在生物量较高时会出现饱和现象，从而导致生物量的低估。而加入红边波段的指数不仅能够延缓指 数的饱和趋势，而且能够提高反演精度。此外，通过敏感性分析发现，归一化差值指数和比值指数分别在作物生 长的早期和中后期对生物量的变化保持较高的敏感性。由于红边比值指数（SRre）和MERIS 叶绿素敏感指数（MTCI ） 在冬小麦全生长季内一直对生物量的变化保持高灵敏性，二者是生物量估算中最为稳定的指数。本研究对Sentinel- 2 数据的应用、作物生物量的监测和精准农业的实施具有重要的参考价值。 关键词: Sentinel-2 ，冬小麦，植被指数，地上生物量，红边波段 于具备一定的理论基础，使用较为广泛，并取 1 引 言 得了较为理想的效果。例如，Ma 等（2008 ） 作物生物量通常是指单位面积内作物累 发现MODIS 数据在WOFOST 作物模型中的 积有机物质的总量，其与长势和单产密切相关， 使用，显著提高了冬小麦生物量的预测精度， 是农业监测中应用最为广泛的指标之一 在成熟期，相对误差由24.4%降低至 15.3% ； （Atzberger, 2013 ；Peng 等, 2014 ）。此外，作 陈劲松等（2010 ）利用HJ-1A/B 反演的LAI 同 物生物量在全球碳循环中也扮演着重要角色， 化进WOFOST 模型中进行水稻生物量的反演， 为农田生态系统碳循环的研究提供关键的输 在实验区内，生物量估算的均方根误差从 64 入参数 （Du 等, 2014 ；Feng 等, 2007 ）。因此， g•m-2 降低到35 g•m-2 ，Dong 等（2016 ）则将 及时准确的进行生物量估算不仅能够促进农 Landsat-8 与MODIS 数据融合后得到的高时空 业资源的科学管理和合理利用，而且能够为政 分辨率数据同化进Simple Algorithm for Yield 府和决策部门提供重要的信息支撑。 Estimation model （SAFY）生长模型，研究发 传统的生物量估算主要依赖耗时费力的 现其估算结果与地面试验结果显著相关（决定 地面调查。近年来，随着遥感技术的发展，越 性系数R2 为0.76 ；均方根误差RMSE 为 177 来越多的研究集中在利用遥感数据进行生物 g•m-2 ）。Meng 等（2013 ）和Yang 等（2016 ） 量预测，如基于卫星波段反射率或植被指数与 则分别以HJ-