遙感技術在糧食作物時空分布信息提取中的研究

白玉琪

摘 要：該文論述了遙感技術在農作物種植面積、農作物估產、動態監測等方面應用，從不同遙感平臺的作物種植面積監測、MODIS影像的作物提取方法、MODIS影像的特征指數3個方面介紹了國內外研究現狀，最后從4個方面提出了亟待解決的問題。

關鍵詞：遙感技術；高光譜遙感；監測

中圖分類號 S157 文獻標識碼 A 文章編號 1007-7731（2014）22-137-02

1 研究的意義

遙感技術是一種遠距離、在不直接接觸目標物體的情況下，通過接受目標物體的反射或輻射來的電磁波，探測地物波譜信息，并獲取目標地物的光譜數據與圖像，從而實現對地物進行定位、定性或定量的描述[1]。遙感技術是近年來迅速發展起來的一門綜合性應用技術，是一門相對年輕的學科。高光譜遙感是利用很多很窄（通常波段寬度小于10nm）的電磁波波段從感興趣的物體上獲取有關數據，其所獲的數據能形成一條完整而連續的光譜曲線[2]。光譜的覆蓋范圍為可見光到熱紅外的全部電磁輻射波譜，可以獲取連續的光譜信息，這是高光譜遙感數據與常規遙感數據的主要區別。

利用高光譜遙感能夠很好的預測糧食安全面臨的挑戰和未來的形勢，獲取作物的光譜信息，進而研究分析光譜變化特征，建立合適的監測模型，獲取農作物的種植面積，對其田間生長狀況的監測以及產量估算等具有十分重要的意義dd。

2 國內外研究現狀

2.1 基于不同遙感平臺的作物種植面積監測 早期，陸地衛星Landsat常被應用于農作物種植面積的提取。MacDonald等在LACIE試驗中成功地預報了美國小麥產量，他們利用的Landsat MSS數據為80m空間分辨率[3]。此后，基于MSS數據的信息提取結果令人滿意，精度高于90%，這在其他地區和農作物方面也得到了推廣。遙感空間分辨率大大提高，遙感技術進入高速發展的時代，30m分辨率的TM/ETM+和10m分辨率的SPOT等遙感數據在識別作物分布方面發揮重要作用。近年來，基于雷達獲取的影像也開始被研究者青睞，結合它來識別農作物分布信息。

高分辨率多光譜影像對大區域尺度植被信息的識別提取較為困難，因為它對天氣因素較為敏感，再加上有較長的重訪周期，成本較高；而中低分辨率遙感影像則恰好避開了這幾方面，不僅費用低，不易受諸多因素干擾，而且成像面積大，有較高的時間分辨率，這就為大尺度區域作物的遙感監測創造了條件。

與以往的遙感數據相比，MODIS 數據改善了許多性能，數據的最大空間分辨率提升至250m，而且光譜分辨率達到36個波段，比SPOT、TM和AVHRR更高。不同波段的植被光譜類型不同，多波段和高光譜分辨率可探測精細的植被光譜信息，從眾多窄波段中篩選出那些光譜差異較明顯的波段，可改善對植被生長狀況的認識與研究。MODIS數據能夠有效降低水汽吸收所造成的影響，因為它有相對較窄的波段，而紅外波段對葉綠素含量非常敏感，可以用來有效改進植被指數的準確度。

高時相、多波段的MODIS數據的應用已經越來越受到重視，特別是在全球觀測中；近年來利用MODIS數據監測農作物生長狀況的研究在國內外也越來越多。Xiao等利用MODIS數據，對中國南部13個省和東南亞13個國家的水田面積進行研究。Sakamoto等利用MODIS數據，研究湄公河三角洲農作系統和水稻物候的時空分布情況。張海珍等利用多時相MODIS數據對成都市水稻進行估產研究，誤差為17.45%[4]。張春桂等利用MODIS數據監測丘陵山區雙季稻種植面積相對誤差低于13%[5]。

2.2 基于MODIS影像的特征指數 基于MODIS衛星數據識別提取農作物分布信息，首先要根據作物的物候特征，確定識別作物的關鍵時期，包括：種植期、生長期和收獲期等，這些關鍵的作物歷信息是識別作物所必須的。通常采用對植被和水敏感的特征指數來擴大與其背景的差異，以突出植被和土壤濕度的信息。MODIS數據的主要有3種特征指數，它們把綠色植物在近紅外波段、短波紅外波段、藍光波段和紅光波段的反射率經過分析運算得到的，它們分別是歸一化植被指數、增強植被指數和陸地水分指數。MODIS-NDVI是最常用的植被指數，能夠有效消除影像內部和外部的噪音，而且較好地反映出植被綠度的變化。EVI與NDVI互為補充，它利用藍光波段修正了大氣對紅光波段的干擾，消弱葉冠背景信號并降低大氣影響，對高生物量區域的敏感度大大提高，改善了對植被的監測，有研究表明，EVI不易受背景噪音影響，對大氣噪聲的影響也不敏感，有更加有效和穩定的監測能力。LSWI利用了對水體敏感的短波紅外波段，是表征植被水分含量的植被指數，能夠較好的用來檢測泡田期的農作物。

2.3 基于MODIS影像的作物提取方法 同物異譜和異物同譜現象普遍存在于單一時相的圖像上，這使得對圖像中地物的識別難度加大，研究者考慮利用多時相遙感影像則可以突破這個困境。20世紀80年代，多時相分析法發展起來并得到廣泛應用，與傳統分類方法相比有較大提高。結合高時間、高空間分辨率的多光譜影像可以實現作物種植面積信息的提取，且精度較高。BADHWAR獲取多種農作物的面積也是應用了多時相分析法，并且他的方法得到廣泛應用。同樣的，鄭長春和張友水等在對水田的提取研究中，也采用多時相遙感數據。

提取作物信息，首先要了解不同農作物類型的差異所在，可從它們的生長規律和光譜特點著手，EVI時間序列數據可與空間光譜信息相結合，不同的土地覆蓋類型有不同的MODIS-EVI時間序列曲線，其表現出的光譜差異可實現對地物的識別，不僅如此，其表現出的生長規律的差異，與農作物生長發育的不同階段相對應，為農作物的識別提供了重要依據。農作物生長狀況受諸多因素影響，包括人為因素和環境因子（如氣候，水文、土壤等），其復雜的生物物理過程使得農作物覆蓋區域的光譜特征呈現季節性變化，這種隨時間變化的特征或現象可以作為作物識別的重要依據。在同一區域，不同作物類型隨著季節或年份的變化，其植被指數也不一樣，時序指數曲線相近或相似的像元可視為相同的作物覆蓋類型。

3 亟待解決的問題

（1）盡管遙感技術已在提取地物的分布信息及面積方面取得一定進展，但很少有對耕地內部不同作物分布情況的研究，且對大空間尺度下作物分布信息的提取研究極少，多集中于在某一小區域范圍內采用遙感手段對作物生長狀況進行監測。

（2）由于缺乏不同農作物空間分布的信息，導致長勢遙感監測在分區域、分作物建立模型時遇到極大困難，也使得作物長勢遙感監測的精度受到制約，農作物的估產和農業災害預報也存同樣的問題。

（3）大田中的冠層反射率不僅受葉片反射率的影響，還受到冠層結構以及植被下地面光譜特性的影響，而這種影響，隨著觀測角度的不同又有所不同。地物光譜技術還受大氣對光譜吸收、太陽高度角等因素的影響較大，因此其可靠性、精度和數據的穩定性有待于提高。

（4）遙感作物監測技術方法尚且不能滿足有關部門對信息的需要量，需要進一步完善時效性，努力改進基于對象的新型分類方法或對已有的分類方法進行組合，發展自動分類模型和方法，重視農作物的種植區劃、種植結構和物候歷等農學因子和氣象因子的結合分析，融合專家知識和GIS數據。

參考文獻

[1]朱述龍，張占睦.遙感圖像獲取分析[M].北京：科學出版社，2000：1-4，153-157.

[2]浦瑞良，宮鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000：3-5，89-93.

[3]MacDonald R B，Hall F G.Global crop forecasting [J].Science，1980，208（4445）：670-679.

[4]張海珍，馬澤忠，周志躍，等.基于MODIS數據的成都市水稻遙感估產研究[J].遙感信息，2008，5：63-67.省昆明市東川區為例[J].水土保持學報，2004，18（4）：177-181.

[5]張春桂，林晶，吳振海，等.基于 MODIS數據的水稻種植面積監測方法研究[J].自然資源學報，2007，22（1）：1-8.

（責編：吳祚云）endprint