遥感在农作物估产方面应用.pptxVIP

遥感在农作物 估产方面的应用; 遥感应用于农业估产是遥感应用领域的一个重要方面，下面对其进行简要描述： ﹡技术背景 ﹡基本原理 ﹡应用现状 ;﹡技术背景 ;植物的光谱曲线;土壤的光谱曲线;岩石的光谱曲线;其他常见地物的光谱曲线;﹡基本原理 ;健康植物的的波谱曲线有明显的特点，在可见光的0.55μm附近有一个反射率为10%～20%的小反射峰，在0.45μm和0.65μm附近有两个明显的吸收谷，在0.7～0.8μm是一个陡坡,反射率急剧增高,在近红外波段0.8～1.3μm之间形成一个高的,反射率可达40%或更大的反射峰,在1.45μm,1.95μm和2.6～2.7μm处有三个吸收谷。健康绿色植被都具有基本的光谱特性，其光谱响应曲线有一定的变化范围，但曲线形态变化是基本相似的，这是因为影响其波谱特性的主导控制因素一致。从植物的典型波谱曲线来看，影响植物光谱的因素包括植物叶子的颜色，叶子的组织结构，叶子的含水量以及植物的覆盖度;受损害植物光谱曲线;应用遥感信息进行农作物估产，可按以下步骤进行 1、分析作物冠层及其背景的放射光谱特征，引入和计算植被指数； 2、分析作物冠层放射光谱特征和冠层状态参数之间的关系，并进一步确定植被指数与叶面指数LAI之间的关系，以及与作物产量的关系； 3、确定植土比，并根据植土比分析遥感植被数与作物面积的关系； 4、分析遥感植被指数与植土比和叶面指数的综合关系； 5 、建立估产模型。 ;主要的估产模型有：; 综合模型借助遥感信息和植被信息、气象因子等来建立，其包含了更多的信息量，可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔，但受到模型中大量参数和变量获取的限制（如呼吸、衰老、光合作用、碳分配、凋落物的分解等），以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响，部分模型只适用于当时的研究区域，如何通过“尺度扩大”来改进模式中的区域限制，更好地适用遥感信息的同化需要，也是亟需解决的一个关键问题。;﹡应用现状 ;1980～1986年，美国又制定了“农业和资源的空间遥感调查”计划,其核心内容仍是主要作物的种植面积与单产模型的研究。进行国内、世界多种粮食作物长势评估和产量预报。中国科学院自然资源综合考查委员会的陈沈斌于1992年8月在美国农业部外国农业局(负责美国以外国家的农作物估产,并建成运行系统)曾见到当月估计的中国小麦、玉米、水稻总产量与后来1993年国家统计局公布的数字差-3.53%、+0.65%和-0.66%。该项工作,为美国在世界农产品贸易中获得巨大的经济利益 ;此后，欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算，均取得了一定的成果。例如，欧共体用10年的时间(从1983年开始)，建成用于农业的遥感应用系统，1995年在欧共体15个国家用180景SPOT影像，结合NOAA影像在60个试验点进行了作物估产，可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产，MODIS搭载的TERRA卫星是1999年由美国(国家航空航天局)、日本(国际贸易与工业厅)和加拿大(空间局、多伦多大学)共同合作发射的，MODIS数据涉及波段范围广(36个波段)、分辨率(250,500,1 000 m)比NOAA-AVHRR(5个波段，分辨率为1100 m)有较大的进步，这些数据均对农业资源遥感监测有较高的实用价值。 ;水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。Patel和Dash等[14]建立水稻产量和RVI的关系,试验区预报精度达到96.14%。Miller等[15]在分蘖或出穗阶段时,运用比值植被指数通过干物质和单产的关系来估计单产。但在作物灌浆与成熟阶段,由于反射率与总生物量之间并不相关,比值植被指数无法预测水稻的冠层生物量。Wiegand,SSRay认为借助于归一化植被指数NDVI｛(NIR-R)/(NIR+R)｝可以很好地预测产量 ;国内遥感估产研究进展情况 ??? 从“六五”开始，我国试用卫星遥感进行农作物产量预报的研究，并在局部地区开展产量估算试验。“七五”期间，国家气象局于1987年开展了北方11省市小麦气象卫星综合测产，探索运用周期短、价格低的卫星进行农作物估产的新方法。该项目中，主要是以长期的气象资料为基础，以遥感信息为检验手段，建立了不同地区的遥感参数-作物产量的一阶回归模型。1985～1989年，此项目为中央和地方提供了165次不同时空尺度的产量预报，为国家减少粮食损失达33万t以上，累计经济效益达20亿元 ;“八五”期间，国家将遥感估产列为攻关课题，由中国