1、摘 要作物长势遥感监测指标与作物产量有密切的关系，长势监测成为作物产量估测的必要前提，对于国家的粮食宏观调控有着重大的现实意义。通常的遥感监测主要采用年际间同期遥感影像对比分析，反映区域作物生长状况的相对差异，属于半定量的方法，未能结合影响长势差异的土壤养分的空间变异进行综合研究。鉴于此原因，开展了本论文的研究。本研究于 2005-2006 年在北京市小汤山国家精准农业研究示范基地进行，主要以田块尺度的冬小麦为研究对象，利用田块尺度高分辨率的 Quickbird 卫星遥感影像配合地面农学参数，采用遥感技术、传统统计分析以及地统计学分析方法，研究了农田土壤养分、作物长势空间变异以及卫星图像之间的
2、关系。研究内容涉及了作物长势参数反演模型的建立与验证，农田土壤养分与作物长势空间变异的关系分析，以及基于作物长势变异遥感监测的精准生产管理应用研究。主要内容及结论如下：（1） 尝试选取由实测的冠层光谱计算得到的各种植被指数，分别与实测的LAI建立线性回归模型，来反演LAI，探讨得出基于NDVI的一元线性回归模型为最优模型，经验证后模型拟合精度达到了0.7588。最后选此一元线性回归模型来进行卫星影像反演，得到实验区的LAI分布图，实现了作物长势监测。（2） 运用地统计学原理研究土壤养分的空间变异，并借助高分辨率 Quickbird 遥感影像提取指示作物长势情况的归一化植被指数（NDVI） ，对
3、土壤养分和冬小麦的NDVI 值进行半方差分析，并利用 Kappa 系数评价了土壤养分与作物长势 NDVI 的一致性程度，确定土壤养分和小麦长势 NDVI 空间变异的相关性，得出土壤有效磷和有机质是小麦长势的决定因子。（3） 在空间变异分析基础上，以高空间分辨率 Quickbird 遥感影像得到的光谱指数、地面土壤养分采样数据和当年的产量数据进行田块尺度内管理分区划分研究。结果表明，利用土壤养分和光谱数据划分的管理分区内，各土壤养分的均一度得到了提高，光谱指数和产量的变异系数普遍降低。因此，在划分管理分区时，应该综合考虑土壤养分和光谱数据的空间变异情况，进行管理分区的划分。关键词：作物长势，LA
4、I，NDVI ，Quickbird，地统计学，管理分区论文类型：应用研究Subject： Study on the monitorition by RS for crop growth condition and spatial variability on the filed scaleSpecialty：Name ： (Signature) Instructor： (Signature) AbstractThe index of crop growth monitoring by RS have closely relation with crop yield. Meanwhile, th
5、e growth monitoring becomes the precondition of the yield estimation, which is important for the macro control of food. In the usual monitoring, we mainly analysis contemporaneous RS images among different years in order to reflect the relative difference of the crop growth in areas. This was the se
6、mi-quantitative method and it did not deeply study by combing the soil spatial variability which influenced the growth difference. For this, this study was developed in the dissertation.The experiment was carried out on the National Precision Agricultural Research Basement of Xiao Tangshan, Beijing
7、from 2005 to 2006. The winter wheat was the mainly f study object in the experiment. The relation among the soil nutrient、the spatial variability of the crop growth and the satellite image was studied by combining the high-resolution Quickbird image in filed scale and agronomic parameter on the grou
8、nd based on many methods such as the remote sensing technology、traditional statistics and geo-statistics. The study referred to many aspects: the establishment of the inversion model for the growth parameter and its validation, the relation of the soil nutrient and growth spatial variability, the pr
9、ecision production and management based on the growth variability. The contents and results are summarized as below:(1) The various vegetation index was selected which were caculated from canopy spectra in actual measurement. The linear regression model was established for the vegetation index and L
10、AI from which the LAI. could be inversed. And then, the simple linear regression model based on NDVI was the best model, and the fitting precision reached to 0.7588 after the validation. At last, this best model was chosen to inverse the image and the figure for the distribution of the LAI could be
11、got. Therefore, the crop growth could be monitored in large area.(2) The spatial variation of soil nutrients was studied by the geo-statistics. The presented study tried to calculate the NDVI (Normalized Difference Vegitation Index) values from the Quickbird imagery as the indicator of wheat growth.
12、 After the semivariogram analysis, the Kriging method was used to interpolate the spatial distribution map for each soil nutrient, then Kappa coefficients was calculated to evaluate the consistency between soil nutrients and NDVI. And then, the relation between the soil nutrients and the spatial var
13、iability of the wheat growth could be got. So the soil AP and OM contents were the determinative factors for wheat growth in the studied field.(3) On the basis of the spatial variability, the study took much data to divide the management zone. The data were as follows: the spectral index got from Qu
14、ickbird imagery, soil sampling data of the study area ,the yield data in the present year. The result showed that the homogeneous degree of the soil nutrient was increased, the variability of spectral index and the yield were reduced in the management zone divided by soil data. As a result, the spat
15、ial variability of the soil nutrient and spectrual data should be taken into consideration when dividing the management zone. We could get satisfactory division result by using the soil nutrient Key words：crop growth, LAI, NDVI, Quickbird, geo-statistics, management zoneThesis：Application Research目
16、录I目 录1 绪 论.11.1 研究目的及意义 .11.2 国内外研究进展 .21.2.1 作物长势遥感监测研究进展.21.2.2 土壤养分空间变异研究进展.31.3 研究内容的主要目标、方法和内容 .41.3.1 研究目标.41.3.2 主要研究内容和方法.41.4 本文的框架结构 .52 试验设计与研究方法.72.1 试验设计 .72.2 测定项目与方法 .82.2.1 光谱数据获取.82.2.2 土壤养分测定.92.2.3 叶面积指数测定.102.3 遥感数据准备 .102.3.1 Quicbird 多光谱遥感影像.102.3.2 遥感影像预处理.102.4 统计分析及遥感影像处理软件
17、.123 作物长势遥感监测研究.133.1 作物长势遥感监测的定义与理论基础 .133.1.1 作物长势及长势监测的定义.133.1.2 长势监测的遥感理论.133.2 作物长势监测中的参数 .143.2.1 植被生理参数.143.2.2 光谱参数.153.3 相关长势参数的遥感反演原理 .163.4 试验介绍与材料获取 .173.4.1 试验介绍.173.4.2 冠层光谱数据获取.173.4.3 叶面积指数获取.173.5 结果分析 .173.5.1 冠层光谱所得植被指数与影像上提取植被指数的相关性分析.17目 录II3.5.2 植被指数与 LAI 的相关分析.183.5.3 LAI 与 V
18、I 的一元线性回归方程.193.5.4 模型验证.203.5.5 LAI 反演图.214 田块尺度土壤养分与作物长势变异的空间分析研究.224.1 空间变异分析原理 .224.1.1 区域化变量理论.224.1.2 半方差变异函数.234.1.3 变异函数的理论模型.244.2 KAPPA分析（KAPPA 系数法） .264.3 材料与数据获取 .264.3.1 材料介绍.264.3.2 数据获取.264.4 分析软件 .274.5 土壤养分与作物长势的传统统计分析 .274.5.1 土壤养分和长势光谱信息的统计特征分析.274.5.2 土壤养分及光谱数据与产量数据的相关性分析.284.5.3
19、 土壤养分、光谱数据的空间变异分析.294.6 作物与土壤空间变异的相关性分析 .304.6.1 土壤特性空间插值图与小麦长势 NDVI 分级图对比分析.304.6.2 土壤养分与小麦长势的相关性分析.324.7 结果分析 .325 基于土壤养分和作物长势变异的精准生产管理分区划分.345.1 管理分区介绍及划分方法 .345.1.1 管理分区概念.345.1.2 管理分区划分的研究现状.345.1.3 模糊 K 均值分区算法.355.1.4 管理分区划分方法.365.2 基于多源数据管理分区划分及结果评价 .365.2.1 插值后数据变异分析.365.2.2 管理分区划分.375.2.3 基
20、于土壤养分数据的管理分区划分及结果评价.385.2.4 基于作物光谱信息的管理分区划分及结果评价.385.2.5 基于产量数据的管理分区划分及结果评价.39目 录III5.2.6 土壤养分结合光谱数据管理分区划分结果评价.405.3 基于土壤养分、光谱信息及产量数据的管理分区划分的结果评价 .406 结论与展望.426.1 结论 .426.2 进一步的工作 .43致 谢 .42参 考 文 献.45附 录 .481 绪 论11 绪 论1.1 研究目的及意义农业生产是人类社会得以生存和发展的基本条件。我国是一个农产品生产大国、消费大国和贸易大国。农作物长势与产量是国家社会经济基础信息，关系国计民生
21、，对于制定国家和区域社会经济发展规划，制定农产品进出口计划，确保国家粮食安全，指导和调控宏观的种植业结构调整，提高相关企业与农户经营管理水平和效益具有重要价值。因此必须对作物的长势进行精确、及时地监测，为产量预测提供数据支持，保证在总量数据全面、客观、精确的基础上，对粮食市场进行监测并及早提出预测。从国家最高决策者到期货市场及农户都需要作物长势信息。在农作物生长期内尽早掌握农作物生长形势在一定情况下比精确估计作物种植面积和总产量本身还重要。尤其对于可能出现的大规模的粮食短缺或盈余,尽早的获取作物长势信息显得更为重要1 。作物长势监测可以为决策者提供作物生长状态信息，及时反映作物产量的变化情况。
22、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，可以尽早预报可能出现的大规模的粮食短缺或盈余，对粮食的宏观调控有重要的意义。农民通过实地观察对比得到农作物的生长发育、长势信息，进而可以对当年产量进行初步估算。地方政府部门通过实地调查和下级部门上报综合分析后可以掌握管辖行政区内农作物的生产情况，进而通过制订计划、采取相应措施和对策等调控手段指导农业生产。上述方法在小范围获取农情信息比较容易，但在大范围应用却是非常困难的。不仅时效性差、人为影响比较大、信息的准确程度也无法保证。因此如何快速及时的获取区域的、全国的农情信息成为我国农业信息科学工作者多年来钻研的课题。目前监测全国
23、农情最方便、经济、及时的手段就是遥感。现代卫星遥感技术具有宏观、快速、准确、动态的特点，可以在短期内连续获取大范围的地面信息，用它作为监测农情的手段具有得天独厚的优势。遥感已经被广泛应用于各种粮食作物产量的预报，这已成为卫星遥感与农业交叉的研究重点。作物长势监测是农情遥感监测与估产的核心部分，其本质是在作物生长早期阶段就能反映出作物产量的丰欠趋势，通过实时的动态监测逐渐逼近实际的作物产量，因此作物长势监测是一个动态监测的过程，需要对作物的生长期进行持续的监测，跟踪作物的生长过程，尽早地获得作物产量的变化情况。作物生长所依赖的土壤是时空连续的变异体，具有高度的空间异质性。即在土壤西安科技大学硕士
24、学位论文2质地相同的区域内，同一时刻土壤特性值（物理、化学、生物性质等）在不同空间位置上也具有明显差异。相应的作物长势也自然会存在空间异质性。目前监测作物长势的传统方法忽略了农情监测的区域空间变异特性，结果缺乏一定的科学性。另外农田特性空间变异型多集中在土壤水分、养分、质地等方面 2-3，很少涉及作物长势、苗情的空间变异特性研究。作物长势监测与预测预报是世界各国农情监测的重要内容。正确认识作物长势的分布规律，对提高长势监测的调查抽样技术和预测预报精度具有十分重要的作用 4。综上所述，农作物长势监测是关系到国计民生的重大问题。应用遥感技术，结合传统统计学方法、地统计学方法对田块尺度的作物长势与空
25、间变异特征进行分析研究，具有重要的现实意义。1.2 国内外研究进展1.2.1 作物长势遥感监测研究进展利用遥感监测作物长势始于西方发达国家。国际上关于作物生长状况遥感监测与估产有三个标志性的实验计划，即美国的 LACIE 计划、AGRISTARS 计划和欧盟的MARS 计划。从 1974-1977 年，美国农业部(USDA) 、国家海洋大气管理局(NOAA) 、美国宇航局(NASA)和商业部合作主持了“大面积农作物估产实验(LACIE 计划)” ，主要品种是小麦，地区范围是美国、加拿大和前苏联。1980-1986 年，执行 LACIE 计划的几个部门又合作开展了“农业和资源的空间遥感调查计划（
26、AGRISTTARS 计划） ”，于1986 年建立了全球级的农情监测运行系统，该系统实现了对本国以及加拿大、墨西哥等粮食主产国多种农作物（小麦、水稻、玉米、大豆、棉花等 8 类）长势评估和产量预。此后，欧盟所属的联合研究中心遥感应用研究所通过实施“遥感农业监测”项目(MARS 计划 )，也成功地建成了欧盟区的农作物估产系统，并将结果应用于实施诸如农业补贴与农民申报核查等欧盟的共同农业政策。在农作物长势监测的方法上，国外科学家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，取得了许多突破性进展 5。90 年代，美国农业遥感的重点转入作物管理（Presion crop management） 。 在宏观监测的同时，各国也注重模型与具体方法的研究设计和系统的开发建设。1996 年以来加拿大统计局依据每周长势对比图和 NDVI 过程线进行作物长势监测。1998 年出于为商业活动服务的目的,设计出能够灵活进行定性分析的系统。1998 年美国国家统计局对堪萨斯州小麦长势进行了监测,采用实时数据与多年平均数据对比的方法来描述作物生长状况。此技术方法应用在 1998 年美国玉米种植带的旱灾监测 6。我国早期的作物长势遥感
