利用3S技術定量估測張家港市2005—2008年小麥生產力

李輝　李建龍　王釗齊等

摘 要：為了科學準確地、動態地大面積估測江蘇省張家港市小麥的生產力，利用TM和IRS-P6遙感影像，采用NDVI值比較區分法，應用3S技術對張家港市2005—2008年小麥的生產力變化進行了動態估測。結果表明，遙感估測張家港市2005—2008年小麥平均種植面積的精度結果為97%以上；小麥平均產量精度結果為93.55%；利用3S技術進行張家港市小麥總產遙感估測值與地面統計值差異低于8%；遙感估測張家港市小麥總產量呈逐年上升的趨勢，而耕作面積相對穩定。總之，基于近4年遙感數據所獲取的張家港市小麥總產量的變化情況建立模型，可以估測出張家港市城市化發展對當地小麥供需平衡的影響不大。

關鍵詞：3S技術；遙感估產；小麥；估產精度；估產模型；NDVI

中圖分類號： F061.1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2014.11.016

農業是國民經濟的基礎，這決定了農業是糧食安全和經濟安全的基礎。利用農業科學技術可以建立城市糧食安全系統，科學地指導糧食生產，估測糧食產量，對可能發生的問題及時提供解決方案，能夠有效地提高城市可持續發展水平。張家港市是一個以農業為主的新興城市，在進入21世紀的前10年，張家港市處于快速的農村城市化階段[1]。隨著城市化發展，人民生活水平有了較大幅度改善，但也帶來了諸多生態環境問題。農業用地不斷萎縮，糧食安全問題直接影響著張家港市的可持續發展。因此動態地大面積監測農作物長勢和種植面積，科學準確地預報農作物的產量等活動，對張家港市合理利用耕地資源、控制耕地面積進一步減少，對張家港市各部門制定糧食調配計劃，對確保張家港市糧食安全可持續發展，為張家港市進行農業決策提供及時、準確直觀的現代化農業信息管理平臺都具有重大意義。

近幾十年來，遙感技術快速發展，尤其是近年來基于3S技術的估產方法，為農作物長勢的大面積動態監測、準確定位種植面積、預報農作物產量，提供了一個全新的研究手段和創新平臺[2-14]。利用3S技術進行農作物估產與利用非遙感的傳統估產模式相比，如農學估產模式、氣象估產模式、統計估產模式[15]，能避開很多復雜的中間過程，如影響產量的氣候條件[16]、病蟲害、水肥等，以及農學參數與產量的大量抽樣和統計計算，從而用遙感資料與農作物產量建立直接的關系模型。遙感技術能夠準確、定量、高效、宏觀地評價農作物產量變化情況[17]。因此，3S估產技術與其它估產技術相比，有著更為廣闊的技術優勢。為此，得到了各國、各地區的廣泛應用和迅速發展。

國際上，農作物產量的估測始于20世紀初，首先從小麥開始。20世紀70年代，美國國家航空航天局（NASA）、農業部（USDA） 、國家海洋大氣局（NOAA）利用遙感技術聯合制定并開展“大面積作物調查試驗”計劃（LACIE），對世界主要小麥產區生產力進行估算試驗，精度達90%以上。歐盟利用NDVI與土地覆蓋集成和小樣方方法，建立了農作物估測系統，用于實施歐盟區的共同農業政策。前蘇聯、法國、德國、澳大利亞、加拿大、巴西、阿根毛廷、印度、日本、泰國等也開展了對一些主要農作物的遙感估產研究[18-20]。我國從20世紀80年代開始，首先以小麥為研究對象，進行糧食作物遙感估產的研究?！捌呶濉逼陂g，國家氣象局開展了北方11省市冬小麥長勢監測和產量預測研究，江蘇省農科院、福建省氣象科學研究所等對相關地區進行了水稻監測和估產。此后數十年，我國農作物遙感估產研究快速發展，全國不同研究院所對不同農作物進行了大面積動態地長勢監測和估產，陸續建立了一系列農作物估產模型，精度不斷提高[21]，主要可以歸納為3類遙感估產模式[22]：“光譜信息—植被指數—長勢信息—產量”模式[23]；“光譜—水分與氮素—產量”模式[24]；“光譜信息—植被指數—長勢信息—生長模型—產量”模式[25]。此外，農作物遙感估產中引入了一些新技術和方法，如楊小喚[26]將灰色理論方法用于小麥的遙感估產中；白銳崢[27]、劉婷等[28]研究了基于3S技術的小麥估產方法。

筆者基于張家港市2005—2008年的TM5影像和IRS-P6影像資料，采用NDVI值比較區分法，利用3S技術定量估測了張家港市8鎮1區2005—2008年的小麥生產力，建立小麥單產估產模型，同時進行地面小麥生產力統計，并做了精度分析與校正。實現了利用3S技術快速、準確、客觀估測張家港市小麥生產力的目標，可為張家港市將來發展精細農業和實現農業系統管理科學化、定量化，提供理論依據和新技術創新平臺。

1 材料和方法

1.1 研究地概況

江蘇省張家港市地處北緯31°43′～32°02′，東經120°21′～120°52′，位于長江下游南岸，江蘇省東南部，為蘇州市下轄縣級市，也是長江和沿海兩大經濟帶交匯處的新興港口工業城市，2012年戶籍總人口91.02萬。全市總面積998.48 km2，其中，陸地面積785.55 km2。陸地東西最大直線距離44.58 km，南北最大直線距離為33.71 km。北寬南窄，呈倒三角形。地勢低平，土地肥沃。全年平均氣溫16.5 ℃，歷年平均降水量1 050.5 mm，屬亞熱帶季風氣候。張家港市是蘇州稻麥一年三熟和晚稻、小麥、油菜一年兩熟、小麥、油菜一年兩熟并重的栽培區，其中主要種植的作物包括小麥、水稻、油菜和棉花等[29]。張家港市下轄8鎮1區，其縣政府位于楊舍鎮，同時該鎮也是張家港市區所在地。

1.2 主要技術路線

利用3S技術，以農業系統管理工程理論為指導，實現ETM信息與MODIS信息及不同時相“天地”資料的疊加分析?；谵r作物遙感綠度值，即歸一化植被指數NDVI（Normalized difference vegetation index）、垂直植被指數PVI（Perpendicular vegetation index）和比值植被指數RVI（Ratio vegetation index），不同生育期產量資料與植被蓋度的相關性，通過農業生產上的產量趨勢分析，和不同種類的農作物識別、分層、播種面積提取方法研究，分析農作物生長、遙感動態監測農作物長勢。加工與處理空間數據和制作圖件，進而在地面調查統計和遙感資料數據信息處理的交互方式下，構建可運行決策支持系統及各類農作物單產估測模型，科學準確地、動態地大面積估測江蘇省張家港市小麥的生產力[2-8]。

1.3 遙感資料數據處理

購買張家港市2005年3月23日TM5影像，2005年9月29日IRS-P6影像，2006年5月3日IRS-P6影像，2006年9月18日TM5影像，2007年1月24日TM5影像，2008年5月2日TM5影像和2008年7月5日TM5影像（購買于中國科學院對地觀測中心）。時間分辨率小于20 d，空間分辨率小于30 m。用ERDAS8.7軟件將這些遙感信息源數據轉化成IMAGE格式，以便于ERDAS識別。為了對遙感影像進行地理校正和投影坐標類型的轉換，我們從張家港市國土資源局獲取2004年、2005年、2006年和2007年的土地利用圖。所有遙感影像及土地利用圖均采用UTM-WGS84坐標系。利用了國際上使用較多，發展較為成熟的6S模型（Second simulation of the satellite signal in the solar spectrum）對各時期遙感圖片進行大氣輻射校正。

1.4 利用3S技術估測小麥種植面積

1.4.1 小麥種植面積提取 本研究基于兩景衛星圖片資料逐步疊加，逐步限制，利用監督分類法提取小麥種植面積。本研究將土地利用圖和遙感影像圖進行疊加分析，首先除去非農業用地，然后再進行非監督分類[30]，最后根據實際地面樣帶調查的解譯標志進行目視解譯，基本可以去除小麥農田中的非植被用地。

1.4.2 精度驗證 為了確定實際的土地利用狀況，以便驗證遙感估測小麥面積的精度，在小麥的生長期內，利用張家港市土地利用圖和GPS，合理布設若干條樣條，調查土地利用圖上的農田地區，準確地對較大面積的農田地塊進行定位，以用作監督分類中的訓練樣本、檢測樣本和非監督分類中的檢測樣本。

1.5 利用3S技術建立小麥單產估測模型

1.5.1 小麥單產監測樣區布置 依據各鄉鎮小麥種植條件、生態環境和隨機均勻性，選取面積大小1 hm2的小麥監測樣區22個。利用土地利用圖和GPS對樣區進行準確定位，在小麥成熟時，每個樣區隨機采集2～5個采樣點（每點1 m2）對樣地進行單產調查。當小麥收割后，調查每塊樣地的實際總產量數據，用于對實際產量的校正和精度驗證。

1.5.2 小麥單產估測模型建立 筆者主要以與小麥產量相關性較好的生長期[30]的衛片資料為基礎，建立關鍵生育期的小麥單產的遙感（植被指數形式）估測模型。因為利用小麥抽穗期前后的遙感資料建立產量模型精度最高，綜合考慮實際天氣狀況、遙感影像接收情況和張家港市小麥的物候期，本試驗選取最佳的小麥產量估測的時相為3月底—5月初。分析遙感資料，提取小麥相應生育期的NDVI和地面實際統計產量，建立地面產量與NDVI間的相關模型。

1.5.3 精度分析與校正 對張家港市2005—2008年小麥單產與NDVI進行相關性分析，進而建立各時期小麥的單產估測模型。將不同鄉鎮的布點數據分為兩組，一組用于建立單產估產模型，另一組用于對模型進行驗證。

1.6 數據處理與分析

本試驗遙感資料數據用ERDAS8.7軟件和ArcGIS9.0軟件提取處理和分析，試驗數據用Excel2007軟件進行統計處理和圖表制作、SPSS Statistics 17軟件進行統計處理后進行ANOVA單因素多重差異分析，均值差的顯著性水平為0.05。

2 結果與分析

2.1 利用3S技術估測小麥實際種植面積的結果與分析

根據地面樣線調查所選定的檢測樣本對最終分類結果精度作進一步分析，結果表明，張家港市2005年小麥耕種面積為1.43萬hm2；2006年小麥耕種面積為1.63萬hm2；2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。總體上小麥平均分類精度為94%。

總體上，張家港地區小麥遙感估測面積和地面調查面積的差異為3.51%，即小麥遙感估測面積與地面統計面積相比為97.6%。對于不同的鄉鎮，遙感估測面積和地面調查面積間的差異性表現出了較大的變動，差異較大的鄉鎮達到了30%，如就平均結果來看，面積比率最大的鄉鎮為大興鎮和常陰沙，其面積比率分別為34.08%和26.68%。

2.2 利用3S技術估測小麥單產的結果與分析

其中，估測2005年小麥平均單產為20.5 kg·hm-2；估測2006年小麥平均單產為24.03 kg·hm-2；估測2007年小麥平均單產為20.32 kg·hm-2；估測2008年小麥平均單產為22.81 kg·hm-2。從整個張家港地區來看，遙感估測單產和地面調查單產差異小于10%，即估產精度大于90%，其中，2007與2008年小麥差異分別為-7.72%和5.19%。遙感估產小麥平均精度為93.55%，能夠滿足估測所需要的精度。

2.3 小麥總產量遙感估測的結果與分析

根據單產估測模型與估測的小麥的種植面積，可以計算出張家港市不同鄉鎮的總產情況。表中：A為土地總面積，AY為遙測小麥面積，AD為地面統計小麥面積，MYd為遙測小麥單產，MDd為地面統計小麥平均單產，MYz為遙測小麥總產，MDz為地面統計小麥總產，AR為面積比率，MdR為單產比率，MzR為總產比率。部分計算公式為：面積比率=（遙測面積-地面統計面積）/地面統計面積×100%，單產比率=（遙測單產-地面統計單產）/地面統計單產×100%，總產比率=（遙測總產-地面統計總產）/地面統計總產×100%。

筆者對利用3S技術估測的小麥總產數據和張家港市統計局發布的官方統計資料數據作對比與分析研究。2005年遙感估測小麥張家港市總產為65 463 t，差異為1.11%；2006年遙感估測小麥張家港市總產為88 012 t，差異為1.74%；2007年遙感估測小麥張家港市總產為94 334 t，差異為-6.57%。2008年遙感估測小麥張家港市總產為105 881 t，差異為7.66%。但對于不同的鄉鎮，變異較大，如大興鎮，2008年小麥總產比率為49.26%。這表明，利用3S技術進行遙感估測值與地面統計值間差異不大。

小麥的估產存在一定誤差的可能原因是，本研究的小麥單產模型是基于小麥生育期內遙感資料信息和地面實際調查指標間的關聯性實現的，模型的經驗性較強，在張家港市不同鄉鎮和不同年份的適用性不同。此外，經調查發現，原標記為農田的地塊，當前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產量多年變化的趨勢分析

3 結 論

（1）小麥種植面積的精確估算，會直接影響到小麥產量估測的精度。在研究中，為了區分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區分法將與小麥生育期相近的作物，如油菜等作物類型有效地區分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區來看，遙感估測單產和地面調查單產差異小于10%，即估產精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產小麥平均精度為93.55%。

（4）基于4年遙感數據所獲取的張家港市小麥總產量的變化情況建立模型，可以估測出張家港市城市化發展對當地小麥供需平衡的影響不大，小麥總產量仍然呈現上升趨勢，而耕作面積相對比較穩定。

本研究采用高分辨率影像遙感資料，結合GPS輔以土地利用圖對樣區進行準確定位，并進行估產研究，大大提高小麥生產力遙感估測的精度?？傊?，做好農作物遙感估產的研究，進一步提高估產精度，對張家港市農業部門制定生產管理決策和糧食的宏觀調控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應及驅動力分析[J].安徽農業科學， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態監測及驅動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區為例[J]. 遙感技術與應用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區主要地類自動分類方法研究[J]. 遙感技術與應用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術的縣級土地利用現狀更新調查[J]. 中國農學通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅動力分析[J]. 資源環境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區土地利用變化及驅動力研究[J]. 資源科學， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區土地利用數據庫建設[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農業遙感技術應用現狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農業大學學報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產研究進展與發展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術集成及其在土地管理中的應用[J]. 測繪科學， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產遙感估測建模研究[J]. 遙感學報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛星數據對冬小麥進行估產的試驗[J]. 環境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產量預測模型研究[J]. 麥類作物學報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應用[M]. 北京： 科學技術出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學院， 2005： 12-19.

[21] 李佛琳， 李本遜， 曹衛星. 作物遙感估產的現狀及其展望[J]. 云南農業大學學報， 2005， 20（5）： 680-684.

[22] 李衛國， 李正金， 申雙和. 小麥遙感估產研究現狀及趨勢分析[J]. 江蘇農業科學， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區域冬小麥遙感估產——以山東省濟寧市為例[J].應用生態學報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產量預測模型研究[J].麥類作物學報，2007，27（6）：1 076-1 084.

[25] 李衛國，王紀華，趙春江，等.基于遙感信息和產量形成過程的小麥估產模型[J].麥類作物學報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產的灰色理論方法探討[J]. 遙感技術與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統支持下的山西省冬小麥估產方法研究[J]. 中國農業資源與區劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術在河南省冬小麥遙感估產中的應用研究[J]. 河南科學， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

小麥的估產存在一定誤差的可能原因是，本研究的小麥單產模型是基于小麥生育期內遙感資料信息和地面實際調查指標間的關聯性實現的，模型的經驗性較強，在張家港市不同鄉鎮和不同年份的適用性不同。此外，經調查發現，原標記為農田的地塊，當前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產量多年變化的趨勢分析

3 結 論

（1）小麥種植面積的精確估算，會直接影響到小麥產量估測的精度。在研究中，為了區分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區分法將與小麥生育期相近的作物，如油菜等作物類型有效地區分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區來看，遙感估測單產和地面調查單產差異小于10%，即估產精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產小麥平均精度為93.55%。

（4）基于4年遙感數據所獲取的張家港市小麥總產量的變化情況建立模型，可以估測出張家港市城市化發展對當地小麥供需平衡的影響不大，小麥總產量仍然呈現上升趨勢，而耕作面積相對比較穩定。

本研究采用高分辨率影像遙感資料，結合GPS輔以土地利用圖對樣區進行準確定位，并進行估產研究，大大提高小麥生產力遙感估測的精度。總之，做好農作物遙感估產的研究，進一步提高估產精度，對張家港市農業部門制定生產管理決策和糧食的宏觀調控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應及驅動力分析[J].安徽農業科學， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態監測及驅動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區為例[J]. 遙感技術與應用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區主要地類自動分類方法研究[J]. 遙感技術與應用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術的縣級土地利用現狀更新調查[J]. 中國農學通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅動力分析[J]. 資源環境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區土地利用變化及驅動力研究[J]. 資源科學， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區土地利用數據庫建設[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農業遙感技術應用現狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農業大學學報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產研究進展與發展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術集成及其在土地管理中的應用[J]. 測繪科學， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產遙感估測建模研究[J]. 遙感學報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛星數據對冬小麥進行估產的試驗[J]. 環境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產量預測模型研究[J]. 麥類作物學報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應用[M]. 北京： 科學技術出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學院， 2005： 12-19.

[21] 李佛琳， 李本遜， 曹衛星. 作物遙感估產的現狀及其展望[J]. 云南農業大學學報， 2005， 20（5）： 680-684.

[22] 李衛國， 李正金， 申雙和. 小麥遙感估產研究現狀及趨勢分析[J]. 江蘇農業科學， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區域冬小麥遙感估產——以山東省濟寧市為例[J].應用生態學報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產量預測模型研究[J].麥類作物學報，2007，27（6）：1 076-1 084.

[25] 李衛國，王紀華，趙春江，等.基于遙感信息和產量形成過程的小麥估產模型[J].麥類作物學報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產的灰色理論方法探討[J]. 遙感技術與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統支持下的山西省冬小麥估產方法研究[J]. 中國農業資源與區劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術在河南省冬小麥遙感估產中的應用研究[J]. 河南科學， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

小麥的估產存在一定誤差的可能原因是，本研究的小麥單產模型是基于小麥生育期內遙感資料信息和地面實際調查指標間的關聯性實現的，模型的經驗性較強，在張家港市不同鄉鎮和不同年份的適用性不同。此外，經調查發現，原標記為農田的地塊，當前的可能利用類型有多種，如上半年可能為小麥、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能為小麥、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麥總產量多年變化的趨勢分析

3 結 論

（1）小麥種植面積的精確估算，會直接影響到小麥產量估測的精度。在研究中，為了區分不同作物，筆者使用小麥不同時相的遙感圖像，利用反射光譜明顯差異的特點對遙感圖像進行處理。此外，利用了NDVI值比較區分法將與小麥生育期相近的作物，如油菜等作物類型有效地區分開來。

（2）2005年小麥耕種面積為1.43萬hm2，2006年小麥耕種面積為1.63萬hm2，2007年小麥耕種面積為2.06萬hm2；2008年小麥耕種面積為2.07萬hm2。從整個張家港地區來看，估測小麥種植面積的精度為97.6%。

（3）遙測小麥平均單產2005年為4 612.5 kg·hm-2，2006年為5 407.5 kg·hm-2，2007為4 572 kg·hm-2，2008年為5 116.5 kg·hm-2，從整個張家港地區來看，遙感估測單產和地面調查單產差異小于10%，即估產精度大于90%；其中，2007與2008年小麥差異分別為-7.72%和5.19%；遙感估產小麥平均精度為93.55%。

（4）基于4年遙感數據所獲取的張家港市小麥總產量的變化情況建立模型，可以估測出張家港市城市化發展對當地小麥供需平衡的影響不大，小麥總產量仍然呈現上升趨勢，而耕作面積相對比較穩定。

本研究采用高分辨率影像遙感資料，結合GPS輔以土地利用圖對樣區進行準確定位，并進行估產研究，大大提高小麥生產力遙感估測的精度?？傊龊棉r作物遙感估產的研究，進一步提高估產精度，對張家港市農業部門制定生產管理決策和糧食的宏觀調控都具有重要意義。

參考文獻：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應及驅動力分析[J].安徽農業科學， 2011， 39（33）： 20 641-20 645.

[2] 國土資源部遙感中心.第二次全國土地調查總體方案[R]. 北京：國土資源部遙感中心， 2007：1-8.

[3] 全斌， 楊肖琪， 劉紹鴻， 等. 漳州市土地覆被變化的遙感動態監測及驅動力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區為例[J]. 遙感技術與應用， 2006， 21（2）： 154-158.

[5]張寶雷， 宋孟強， 周萬村. GIS支持下三峽庫區主要地類自動分類方法研究[J]. 遙感技術與應用， 2006， 21（1）： 71-76.

[6] 韓春建， 吳克寧， 馮新偉， 等. 基于“3S”技術的縣級土地利用現狀更新調查[J]. 中國農學通報， 2006， 22（8）： 560-564.

[7]位欣， 陳翠芳， 陳華. 城市土地利用變化及其驅動力分析[J]. 資源環境與工程， 2006， 20（4） ：482-486.

[8]張海龍， 蔣建軍， 解修平， 等. 近25年來西安地區土地利用變化及驅動力研究[J]. 資源科學， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重慶江津市土地利用變化及社會驅動力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正剛， 陳金泉， 郭世珠. 贛州市章貢區土地利用數據庫建設[J]. 江西測繪， 2006 （3）： 4-5，9.

[11] 劉海啟. 美國農業遙感技術應用現狀簡介[J]. 國土資源遙感， 1997 （3）： 56-60.

[12]許文波， 田亦陳. 作物種植面積遙感提取方法的研究進展[J]. 云南農業大學學報， 2005， 20（1）： 94-98.

[13]馮美臣， 楊武德. 小麥遙感估產研究進展與發展趨勢[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技術集成及其在土地管理中的應用[J]. 測繪科學， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻單產遙感估測建模研究[J]. 遙感學報， 1998， 2（2）： 119-124.

[16]肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛星數據對冬小麥進行估產的試驗[J]. 環境遙感， 1986， 1（4）： 260-269.

[17]馮偉， 朱艷， 田永超， 等. 基于高光譜遙感的小麥籽粒產量預測模型研究[J]. 麥類作物學報， 2007， 27（6）： 1 076-1 084.

[18]陳述彭. 遙感應用[M]. 北京： 科學技術出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陳水森. 基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京： 中國科學院， 2005： 12-19.

[21] 李佛琳， 李本遜， 曹衛星. 作物遙感估產的現狀及其展望[J]. 云南農業大學學報， 2005， 20（5）： 680-684.

[22] 李衛國， 李正金， 申雙和. 小麥遙感估產研究現狀及趨勢分析[J]. 江蘇農業科學， 2009 （2）： 6-7.

[23] 任建強，陳仲新，唐華俊.基于MODIS-NDVI的區域冬小麥遙感估產——以山東省濟寧市為例[J].應用生態學報， 2006， 17（12）：2 371-2 375.

[24] 馮偉，朱艷，田永超，等.基于高光譜遙感的小麥籽粒產量預測模型研究[J].麥類作物學報，2007，27（6）：1 076-1 084.

[25] 李衛國，王紀華，趙春江，等.基于遙感信息和產量形成過程的小麥估產模型[J].麥類作物學報，2007，27（5）：904-907.

[26] 楊小喚. 冬小麥遙感估產的灰色理論方法探討[J]. 遙感技術與研究， 1991， 6（1）： 2-8.

[27] 白銳崢. 3S系統支持下的山西省冬小麥估產方法研究[J]. 中國農業資源與區劃， 2002， 23（2）： 54-56.

[28] 劉婷， 任銀玲， 楊春華. ”3S”技術在河南省冬小麥遙感估產中的應用研究[J]. 河南科學， 2001， 19（4）： 429-432.

[29] 張家港市史志辦. 張家港年鑒1991—2007[M]. 北京： 中國文獻出版社.

[30] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.