基于SPOT5影像分析植被指数与水稻叶面积指数和产量相关性.docVIP

基于SPOT5影像分析植被指数与水稻叶面积指数和产量相关性 　　摘要：以2011年四川省德阳地区为研究区域，建立20个300 m×300 m样方，在水稻移栽（6月10日）、分蘖（7月10日）、抽穗（8月15日）及成熟期间（9月1日），每样方选取3个地块，每地块随机选择3个面积为1 m×1 m的样点并用GPS定位，基本在同一位置采集叶面积指数（LAI）、叶绿素含量、株高、行列距、干物质重、每公顷分蘖数、有效穗数、每穗粒数、千粒重等生态参数，测算出单产、经济系数，以SPOT5多光谱影像（2011/8/18，261/287）提取归一化植被指数（NDVI），研究每一样方内水稻区植被指数与叶面积指数、产量等定量关系。结果表明，NDVI与抽穗期LAI相关性极显著（r=0.703**），与其他3个时期LAI相关性低；NDVI与成熟期测定的单产、经济系数相关性也较低；通过抽穗期遥感影像提取的植被指数，可反演同时期水稻叶面积指数；利用单时相遥感影像反演最终单产和经济系数，需要进一步研究。 　　关键词：水稻；叶面积指数；遥感；植被指数；单产；经济系数 　　中图分类号： S511.01文献标志码： A文章编号：1002-1302（2014）01-0284-02 　　收稿日期：2013-05-23 　　基金项目：国际科技合作项目（编号：2010DFB10030）。 　　作者简介：李章成（1974―），男，湖北随州人，博士，助理研究员，主要从事农业遥感、作物信息、国土资源调查等方面研究。Tel：（028E-mail：lizhangcheng@。不同时期水稻叶面积指数（LAI）是水稻生长过程中的一项重要参数，除提供水稻生长的动态信息外，与生物量、产量也密切相关。利用光谱绝对值或其变换形式，对作物LAI进行定量遥感反演，建立LAI-VI回归模型[1-2]，根据LAI与产量关系模型，利用中低分辨率遥感影像提取水稻关键生育期植被指数，进行作物估产及长势监测已有众多研究成果[3-6]。但是，受大气、土壤背景、仪器定标及植被本身光化学过程变化等内外因素的影响，从遥感数据中获取的植被指数和LAI的关系也具有地域性和时效性，建立简单实用的LAI反演方法及提高反演精度已成为研究热点和难点[7-10]。利用实地观测的叶面积指数数据和光谱仪观测数据，Martin等发现样地上水稻的光谱植被指数与叶面积指数相关性很强[2]，薛利红等研究了植被指数与LAI的相关性[7-8]。杨燕等利用ASD野外光谱仪实地测量水稻的波谱曲线和叶面积指数，建立两者间模型，利用Hyperion影像数据反演叶面积指数，总体上反演数据比实测数据略低[11]。 　　利用中低分辨率影像进行作物长势监测与估产，虽然其覆盖范围广，获取时间频率高，但是空间分辨率较低，同物异谱、同谱异物形成的混合像元导致定量遥感反演精度较低，特别在西南地区，水稻种植恰好在雨热同季的多云雨时期，中低分辨率遥感影像云所占比例较高，加之该区域田块零散，中低分辨率遥感影像混合像元带来的问题更为严重。因此，在水稻关键生长期，研究利用单时相的中高分辨率光学遥感影像或雷达影像，进行作物长势监测和估产有较大意义。 　　本研究以四川省德阳地区为测试区域，利用中高分辨率SPOT5光学遥感影像，提取水稻不同时期的植被指数，探讨分析其与实测叶面积指数的相关性，以建立反演叶面积指数模型，研究反演成熟期时的单产、经济系数，为遥感监测水稻长势及估产服务。 　　1材料与方法 　　1.1研究区域 　　影像覆盖区域及样点分布地处德阳市，位于东经103°45′～105°15′，北纬30°31′～31°42′，属亚热带湿润季风区，气候温和，多云雨，为成都平原重要的产粮区。影像为SPOT5（2011-08-18，261/287，图1），空间分辨率为10 m，与抽穗期实地测量时间较近，经过辐射、几何校正，获取真实的地表反射率。 　　1.2调查与统计方法 　　建立20个300 m×300 m水稻样方，每样方选取3个地块，每个地块随机选择3个1 m×1 m样点，利用GPS定位，基本处于同一位置测量水稻叶面积指数（LAI）、叶绿素含量、株高、行列距、干物质重、每公顷分蘖数、有效穗数、每穗粒数、千粒重等生态参数，取平均值代表样方内水稻各项生理生态参数，数据采用SPSS软件进行分析。测量时间分别是移栽期（6月10日）、分蘖期（7月10日）、抽穗期（8月15日）、成熟期（9月1日）等4个主要生育期。 　　叶面积指数采用手工方式测量，其他生理生态参数测定及转换按照常规方法进行。由于水稻叶片呈下窄、中宽、上尖形，实际面积小于长方形面积（长×宽），水稻苗期和成熟期叶形偏尖，实际面积约为长方形的75%，其他各生育期均约为83%，单叶叶面积=叶片长