河南省夏玉米区域化苗情长势遥感指标研究

李军玲，刘伟昌，赵学斌

(河南省气象科学研究所，河南 郑州 450003)

作物长势是指作物生长发育过程中的形态相，其强弱一般通过观测植株的叶面积、叶色、叶倾角、株高、密度和茎粗等形态变化进行衡量［1］.在不同的时段或不同的光、温、水、气(CO2)、土(土壤)的生长条件和管理水平下，作物的长势(生长状况)有所不同.作物长势监测可以为决策者提供作物生长状态信息，及时反映作物单产丰欠的变化情况.作物长势遥感监测指标与作物产量有密切的关系，实时监测作物长势动态变化，可以尽早预测粮食短缺或盈余，对粮食的宏观调控有重要的意义.国际研究利用遥感监测作物长势始于西方发达国家，特别是美国，1974—1977年就开始了“大面积农作物估产试验(LACIE)”.国内利用气象卫星监测作物生长状况始于20 世纪80年代中期.从“六五”计划开始，开展了农作物遥感估产研究［2，3］，并在区域尺度上开展产量估算试验.“八五”期间，遥感估产成为国家技术攻关内容，开展小麦、玉米和水稻大面积遥感估产试验研究.目前在农作物长势监测的方法上，国外主要围绕适合大面积监测的NOAA/AVHRR的运用进行了多方面的探索［4，5］.在国内，杨邦杰等［6］用作物的个体与群体定义了作物长势，提出了基于植被指数与植被表面温度的长势遥感监测的评估模型与诊断模型的概念与算法.2000年吴炳方［7］利用每旬的AVHRR 最大NDVI图像与1999年同期对比，实现了全国范围的农作物遥感长势监测;辛景峰［8］探讨了作物长势的参照标准和监测指标.近年来，研究主要集中在利用高分辨率卫星进行遥感估产和发展具体指标的研究上［9～12］，没有形成规范化的大尺度作物长势遥感监测指标体系.特别是许多学者在研究中，对整个研究区域采用同一个监测指标，对于不同区域处于不同生育时期的作物来说，这样的监测指标不够精细化，对监测结果有很大的影响.本研究通过野外样点布设获取农学参数叶面积指数等，结合陈怀亮等［13］的研究结果，将河南省分为4个遥感生态区，经过数理统计分析，获得分区域的夏玉米叶面积指数指标;在MODIS 遥感数据的基础上获取和观测时间一致的遥感参数NDVI，进行叶面积指数和NDVI的相关分析，如果形成显著相关，则可以通过农学参数指标确定遥感指标，对处于不同发育期的不同区域采用不同指标划分夏玉米苗情等级，提高了监测精度.

1 材料与方法

1.1 野外样点布设及实地数据获取

由于MODIS 资料可见光波段分辨率为250 m，每个像元相当于地面0.0625 km2范围，同时遥感资料定位方法、轨道根数、卫星姿态等方面存在的误差往往会造成定位的偏差，以半个像元偏差计算，如使定点卫星测值保证代表的是夏玉米信息，单纯连片的夏玉米面积需要达到4个像元，即0.25 km2.据此，河南省农业科学院在全省44个县共选择129个夏玉米种植区作为观测点，在每个县区原则上分一、二、三类苗开展观测，对于只有一种苗情的县站，只开展一种苗情的调查观测.田间观测数据主要包括叶面积指数、群体密度、生育时期、墒情、长势评价以及样点GPS 定位数据等信息，观测日期为2011-07-25和2011-08-25，这2个日期为夏玉米生长关键期.

不同的气候条件对夏玉米生长的影响很大，造成夏玉米生育时期差异明显.若生育时期不同却用同一指标的话，明显没有可比性.因此需要进行分区域研究，从河南省农业科学院获得2011年129个观测站网的观测资料，观测站点分布见图1.

图1 河南省农业科学院玉米观测站网分布图Fig.1 Observing station distribution map of corn of Henan Provincial Academy of Agricultural Sciences

1.2 遥感影像的选择和处理

影响植被指数的因素较多，有太阳高度角、视线天顶角、太阳光线与视线间的相对方位角及大气状况等.为了使不同时期植被指数具有可比性，就要使影响因子尽可能相一致，因此尽量选取过境时间一致的、对应夏玉米各个生育时期的晴天影像.根据地面样点采集时间，选取MODIS 影像的可见光和近红外波段作为建模资料.MODIS 影像经过定标、定位、大气校正以及太阳高度角、临边变暗订正后，采用二次多项式方法进行几何精校正，误差不大于0.5个像元，然后读取样点所在像元一、二通道的光谱值，计算植被指数.

1.3 对研究区域进行分区

根据陈怀亮等［13］的研究结果，将河南省划分为5个玉米气候生态区:Ⅰ豫中豫东北播期干旱、中后期光热水条件适宜区，Ⅱ豫西南伏旱较重、热量资源丰富较适宜区，Ⅲ豫南苗期多雨、伏旱较重适宜区，Ⅳ豫西丘陵伏旱严重、苗期干旱气候条件较差区，Ⅴ豫西太行、伏牛山区气候温凉春玉米区.结果见图2.Ⅳ区和Ⅴ区对夏玉米种植都属于气候条件较差地区，根据研究需要，将Ⅴ区合并到Ⅳ区进行研究.

2 结果与分析

2.1 数据资料处理

在分析夏玉米各类苗情观测资料时，由于夏玉米的苗情是由农业气象观测人员凭经验得来，没有一个定量的标准.因此，为确保观测数据的客观和代表性，尽量减小不同苗情类别的观测误差，研究中采用标准差对有关数据进行分析:

图2 河南省玉米气候生态区Fig.2 Climatic ecological zones of maize in Henan Province

式中:S为标准差;n为观测样本总数;k为任意样本，xk为第k个观测样本;x-为观测样本的平均值.

求取整体样本的标准差和任意观测值与整体样本平均值的绝对差，比较分析绝对差与标准差.研究中认为，绝对差在一个标准差的变化范围之内，认为此观测值能归为某类观测值分析，给予保留.否则，认为该观测值出现异常大或小，将其剔除出此类样本.玉米长势越好，各类观测值越大;相反，苗情越差，各类观测值越小.因此，对于一类苗，只剔除异常小的值;对于三类苗，只剔除异常大的值.

2.2 河南省夏玉米苗情农学指标的初步确定

对夏玉米一、二、三类苗2010- 07- 25和2010-08-25的叶面积指数的观测资料进行统计分析，并结合各类苗情产量分析，初步制订出夏玉米长势的农学指标.

根据以往研究结果，将叶面积指数处在其(平均值±20)%范围来初步确定苗情指标，再根据实际观测情况进行微调，从而得出相应指标(表1).

表1 河南省分区域夏玉米长势叶面积指数指标Table 1 Leaf area index of summer maize growth level in Henan Province

根据有关指标范围的制定，结果表明，各类苗情的叶面积指数指标值均在苗情观测值的范围之内，说明有关指标范围值的制订有一定的科学性.

2.3 NDVI 与农学参数的关系及遥感指标的确定

由河南省气象科学研究所获得2011年7月下旬和8月下旬的MODIS 晴空资料，进行了NDVI最大值合成运算，并通过ENVI 软件提取点值数据功能，提取了各个观测点的这2个时期的NDVI值，并对其进行了和叶面积指数的相关分析，结果见图3和图4.

图3 2011年8月NDVI和叶面积指数的相关分析(P＜0.05)Fig.3 Correlation analysis of NDVI and leaf area in August 2010(P＜0.05)

图4 2011年7月NDVI和叶面积指数的相关分析(P＜0.05)Fig.4 Correlation analysis of NDVI and leaf area in July 2010(P＜0.05)

从图3和图4可以看出，夏玉米归一化植被指数(NDVI)和叶面积指数呈显著正相关，8月的NDVI和农学参数的相关性明显好于7月.可以通过建立农学参数和NDVI的关系确定夏玉米长势遥感指标.建立的回归方程如下:

其中y为NDVI，x为叶面积指数.

把叶面积农学指标带入上述方程，得NDVI 遥感监测长势指标见表2.

表2 夏玉米长势NDVI 指标Table 2 Summer maize growth index of NDVI

2.4 NDVI 遥感指标在玉米长势监测中的应用

基于以上所得，夏玉米遥感监测指标，利用2012年MODIS 遥感资料对河南省夏玉米苗情进行监测，结果见图5和图6，统计结果显示，2012年7月下旬一、二、三类苗比例分别为84.3%，7.6%和8.1%，8月下旬分别为82.5%，8.4%和9.1%，2012年河南省夏玉米整体长势良好.

图5 2012年7月下旬和8月下旬夏玉米苗情遥感监测图Fig.5 Remote sensing monitoring map of summer maize growth in late July and late August 2012

3 结论和讨论

河南省地处温暖带和亚热带的过渡带，境内具有平原、丘陵山地和盆地等多种地貌类型，全省各地在天气气候条件和地理环境条件等诸方面的差异，深刻地影响着玉米的生长发育和高产稳产.同时，不同地区根据当地气候条件播种期也有所差异，导致同一时期玉米可能处于不同的生育时期，对河南省整个区域采用同一种玉米苗情等级指标的话，会导致某些自然条件较差的地区或播种期较晚的地区监测结果三类苗偏多.以往针对作物长势指标的研究多侧重于指标本身的适用性分析和遥感植被指数的比较上，极少有学者进行指标的分区研究.本研究通过把河南省划分为4个不同的玉米遥感生态分区，对处于不同生育时期的不同区域采用不同指标划分夏玉米苗情等级，提高了夏玉米长势的监测精度，实现了快速对夏玉米大面积长势进行监测.基于本研究所得到的夏玉米遥感监测指标，利用2012年MODIS 遥感资料对河南省夏玉米苗情进行研究，监测结果和实际情况非常一致，表明本研究所得的夏玉米遥感监测指标是可行的.

由于研究时间相对较短，还存在以下几个问题需要深入研究:一是观测数据能反映夏玉米长势的农学指标较少，文中用到的只有叶面积指数，今后可以增加单株生物量、株高等农学参数，以更好地反映夏玉米群体长势;二是文中用到的分区还不够精细，今后可以进一步分为多个亚区，使遥感应用不仅能够实现大面积监测，还能够实现相对精细化监测;三是本研究只对夏玉米长势进行了研究，没有把当前苗情和最终产量联系起来进行研究，今后会在这方面进行深入研究.

［1］刘继承，姬长英.作物长势遥感监测应用研究现状和展望［J］.江西农业学报，2007，19 (3):17-20.

［2］项月琴，田国良.遥感估算水稻产量——产量与辐射截获量间关系的研究［J］.环境遥感，1988，3(4):308-316.

［3］田国良，项月琴.遥感估算水稻产量——用光谱数据和陆地卫星图像估算水稻产量［J］.环境遥感，1989，4(1):73-80.

［4］ROBERTO B，ROSSINI P.On the use of NDVI profiles as a tool for agricultural statistics:the case study of wheat yield estimate and forecast in Emilia Romagna［J］.Remote Sensing Environment，1993，45:311-326.

［5］CARLSON T N，RIPLEY D A.On the relation between NDVI，fraction vegetation cover，and leaf area index［J］.Remote Sensing Environment，1997，62:241-252.

［6］杨邦杰，裴志远.农作物长势的定义与遥感监测［J］.农业工程学报，1999，15 (3):214-218.

［7］吴炳方.全国农情监测与估产的运行化遥感方法［J］.地理学报，2000，55(1):25-35.

［8］辛景峰.基于3S 技术与生长模型的作物长势监测与估产方法研究［D］.北京:中国农业大学，2001:30-50.

［9］李卫国，李正金.基于CBERS 卫星遥感的冬小麦产量估测研究［J］.麦类作物学报，2010，30(5):915-919.

［10］冯美臣，肖璐洁，杨武德，等.基于遥感数据和气象数据的水旱地冬小麦产量估测［J］.农业工程学报，2010，26(11):183-188.

［11］姬菊枝，陶国辉，范玉波，等.利用气象卫星遥感进行哈尔滨地区作物生长状况监测及产量预报［J］.东北农业大学学报，2008，39(6):59-62.

［12］赵 虎，杨正伟，李 霖，等.作物长势遥感监测指标的改进与比较分析［J］.农业工程学报，2011，27(1):243-250.

［13］陈怀亮，张雪芬.玉米生产农业气象服务指南［M］.北京:气象出版社，1999:31-32.