利用3S技術定量估測張家港市水稻生產力

李輝　李建龍　王釗齊　干曉宇　孫政國　金國平

摘 要：為了對江蘇省張家港市水稻生產力進行大面積高效估測，建立一個科學準確的方法平臺，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年水稻的生產力變化進行了動態估測。結果表明：利用“3S”技術定量估測張家港市2005—2008年水稻平均種植面積的精度結果為96.41%；水稻平均單產精度結果為91.73%；水稻總產量遙感估測值與地面統計值差異結果為-11.69%；遙感估測張家港市水稻總產量呈逐年上升的趨勢，而耕地面積相對穩定。總之，基于“3S”技術定量估測張家港市近4年水稻生產力精度達到95%以上，實現了利用遙感技術估測張家港市大面積農業生產力的目的。

關鍵詞：3S技術估產；水稻遙感估產；水稻估產精度；估產模型構建；NDVI指數；智慧農業

中圖分類號：S126 文獻標識碼： A DOI 編碼：10.3969/j.issn.1006-6500.2014.12.014

農業為立國之本，現代農業科學技術可以推進耕地資源的高效合理利用、促進農業的現代化精準管理。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年正處于快速的農村城市化階段[1]。隨著城市化的發展，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，耕地資源不斷萎縮，糧食安全和生態安全問題則直接影響著張家港市的可持續發展。水稻是張家港市主要農作物之一，其種植面積和產量容易受到人為和自然因素的影響而產生較大波動。因此，及時監測水稻的長勢和產量情況，對張家港市智能化管理農業，合理利用耕地資源，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具有重大意義[2]。

遙感技術及相關學科近幾十年來快速發展，尤其是近年來“3S”技術一體化的開發和應用，為農作物長勢的大面積動態監測，種植面積準確定位、自動估產和預報，提供了一個新穎的科學手段和途徑[3-9]。利用“3S”技術進行農作物估產的方法與非遙感的傳統估產模式（農學、氣象、統計）相比[10]，能避開很多復雜的中間過程，如影響產量的氣候條件[11]、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，從而用遙感信息與農作物產量之間建立直接的關系模型。遙感技術能夠客觀、定量、低成本、大面積評價農作物產量變化狀況。因“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、各地區廣泛應用和迅速發展。

水稻遙感估測的先進技術，主要來自亞洲一些以水稻生產為主的國家[12]，如中國[13]、泰國[14]、印度[15]、日本[16]等。此外，其他國家如澳大利亞也進行了水稻大面積的估產。在“七五”期間，江蘇省農業科學院使用Landsat MSS假彩色合成圖像對里下河地區進行了水稻估產。“八五”期間，我國將水稻遙感估測列入國家重點科技攻關項目，借助于“八五”的項目課題，國內很多科研院所完成了大規模水稻遙感估產試驗[17]。此后數十年間，國內一些學者陸續提出許多水稻遙感估產方法和模型，水稻監測及預報精度不斷提高[18-20]。水稻遙感估產模式主要有2種類型[21]，基于“光譜信息—植被指數—長勢信息—產量”的遙感估產模式；基于“光譜信息—植被指數—長勢信息—估產模型—產量”的遙感估產模式。譚正[22]基于SAR數據和作物生長模型同化的方法對水稻長勢監測和估產進行了研究，結合了衛星遙感和水稻生長模型的雙方優勢。此外，還有一些新技術和方法被引入到遙感估產中來，如白銳崢[23]、劉婷等[24]探討了“3S”技術估產的方法。

筆者對2005—2008年張家港市水稻生長期內的TM5、IRS-P6遙感影像資料進行信息提取和數據加工，比較區分不同農作物的NDVI值，基于兩景衛星圖片影像逐步疊加、限制，有效地區分出水稻并提取其種植面積，利用“3S”技術定量估測張家港市8鎮1區2005—2008年的水稻生產力，建立了水稻單產和NDVI指數間的相關性模型，同時對水稻地面實際生產力進行統計，以校正模型與提高精度。利用3S技術借助遙感數據科學準確地、大面積動態地及時預測張家港市水稻生產力，對促進張家港市智慧農業的實現，建設世界水平農業具有重要意義。

1 材料和方法

1.1 研究地概況

江蘇省張家港市（圖1）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，也是沿海和長江兩大經濟開發帶交匯處的新興港口工業城市。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44.584 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，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[25]。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，將預處理后的ETM信息與農田分類技術相結合，自動提取水稻分區農田面積并校對，進行空間數據的加工處理及圖件制作。利用各類數據庫的非遙感信息農業資源和相關專家知識建立水稻單產模型及可運行決策支持系統，與預處理后的MODIS信息相結合獲取農作物遙感綠度值，歸一化植被指數NDVI（Normalized difference vegetation index）、比值植被指數RVI（Ratio vegetation index）、和垂直植被指數PVI（Perpendicular vegetation index）、植被蓋度，并與不同生育期產量資料相關性建立，在農學產量趨勢分析基礎上，對水稻長勢進行動態的遙感監測。從而利用“3S”技術及時、準確、科學地估測水稻種植面積和大面積水稻產量[3-7]。

1.3 遙感資料數據處理

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）。其時間分辨率小于20 d，空間分辨率小于30 m。使用ERDAS8.7軟件將遙感信息源數據轉化為IMAGE格式，便于ERDAS識別。利用張家港市2004年、2005年、2006年和2007年的土地利用圖（張家港市國土資源局，精度小于5 m），對遙感圖片進行地理校正和投影坐標系的轉換。各土地利用圖和遙感影像都采用UTM-WGS84坐標系。大氣輻射校正采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）。

1.4 利用3S技術估測水稻種植面積

1.4.1 水稻種植面積提取 利用監督分類法，基于兩景衛星圖片影像逐步疊加、限制，提取水稻種植面積。首先將土地利用圖和Landsat TM5、IRS-P6影像疊加分析，去除非農業用地，在此基礎上利用ERDAS對農業用地進行非監督分類[26]。然后根據實地樣帶調查的解譯標志進行目視解譯，去除農田中的非植被用地。但仍有部分棉花、玉米、林地等混合像元難以識別。水稻移栽后，根據訓練樣本，利用水田獲取水稻種植的面積，然后利用水田面積進行掩膜提取水稻像元。最后利用不同鄉鎮的邊界對分類結果進行疊加，從而獲取不同鄉鎮的水稻種植面積。

1.4.2 精度驗證 為了對遙感估測張家港市各鄉鎮水稻種植面積的精度進行驗證，在水稻的生長期內，利用張家港市土地利用圖輔以GPS對其顯示為農田的區域進行調查，合理布置一些樣條，以調查張家港市土地利用的實際狀況，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技術建立水稻單產估測模型

1.5.1 水稻單產估產樣點布置 根據張家港市各鄉鎮水稻的生態壞境、種植條件以及隨機均勻性，利用張家港市各年土地利用圖劃定22個面積為1 hm2水稻監測樣區。利用GPS準確定位所劃定的22個樣區，并在水稻成熟還未收割時，在每個樣區內隨機采集2～5個大小的1 m2采樣點，調查樣地產量。待水稻收割后，及時收集每塊樣地實際的總產量數據資料，用來校正水稻單產估測模型及精度驗證。

1.5.2 水稻單產模型建立 選擇與水稻產量相關性較好的生長期的衛片，建立關鍵生育期的水稻單產的遙感（植被指數形式）估測模型。利用水稻抽穗期前后的遙感資料建立水稻單產估測模型的精度最高的特點，考慮張家港市此期間的天氣狀況和水稻的物候期，以及遙感圖像資料接收情況，本試驗選取水稻產量估測的最佳時相為9月初—9月底。提取遙感資料中水稻相應生育期的NDVI，建立地面實際統計產量與NDVI間的相關模型。其中，由于2007年下半年因氣候、衛星信號等原因影響，沒有收集到最合適的遙感圖像估測水稻產量，因此，該年份水稻產量根據其最近年份的產量變化，進行空間插值，獲取該年水稻單產模型。

1.5.3 精度分析與校正 分析張家港市2005—2008年各年水稻單產與NDVI之間的相關性，建立各時期水稻的單產估測模型。在各鄉鎮進行地面布點，將布點數據合理分為兩組，一組用于建立單產估產模型，另一組用于對模型進行精度驗證。

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技術估測水稻實際種植面積的結果分析

張家港地區水稻遙感估測面積結果顯示，2005年水稻耕種面積為20 600 hm2；2006年水稻耕種面積為19 733 hm2；2007年水稻耕種面積為20 467 hm2；2008年水稻耕種面積為20 867 hm2。

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做進一步分析，總體上，張家港地區2005—2008年水稻遙感估測面積平均值和地面調查面積平均值之間的最大差異為-3.59%，即總體上水稻平均分類精度達到96.41%。對于不同的鄉鎮，遙感估測水稻面積和地面統計水稻面積間的差異性表現出了較大的變動，面積比率差異最大的是常陰沙農場和南豐鎮，其面積比率分別為-27.62%和15.48%。

2.2 利用3S技術估測水稻單產的結果分析

利用3S技術估測水稻單產的平均誤差小于7%，即估產精度大于93%。以2008年為例，利用3S技術制作的張家港市2008年水稻長勢情況如圖2。

另外，為了使模型更為穩定、精確，本項目中最終用于估測整個張家港地區的單產模型全部用觀測數據，結果表明，NDVI與最終產量間的擬合度R2均大于0.49，模型本身的平均誤差表現為5.02%，即模型的水稻估產精度為94.98%。張家港市2005—2008年各時期水稻的單產估測模型如表1。

遙感估測張家港市2005年水稻平均單產為7 275 kg·hm-2；2006年水稻平均單產為7 860 kg·hm-2；2007年水稻平均單產為7 331 kg·hm-2；2008年水稻平均單產為7 686 kg·hm-2。2005—2008年遙感估測水稻的平均單產與地面調查水稻的平均單產相比結果如表2。從整個張家港地區來看，2005—2008年遙感估測水稻單產平均值和地面調查水稻單產平均值的差異為-8.27%，即估產精度為91.73%，能夠滿足估測所需要的精度。但對于張家港不同的鄉鎮，這4年遙感估測水稻單產平均值和地面調查水稻單產平均值間的差異性表現出了較大的變動，差異最大的為樂余鎮和南豐鎮，分別為-10.36%和-10.24%。

2.3 水稻總產量遙感估測的結果分析

筆者對遙感估測水稻總產與張家港市統計局發布的官方統計資料作對比與分析研究。遙感估測張家港市2005年水稻總產量為149 830 t；2006年水稻總產量為155 402 t；2007年水稻總產量為150 090 t；2008年水稻總產量為160 452 t。根據水稻單產估測模型與水稻估測的種植面積，可以計算出張家港市2005—2008年各鄉鎮的總產情況（表2）。4年來遙感估測張家港市水稻總產平均值為151 485 t，4年來地面實際統計張家港市水稻總產量平均值為171 537 t，差異為-11.69%，即精度為88.31%。結果顯示，利用3S技術進行張家港市水稻總產量遙感估測的值與地面統計值之間差異不大。

張家港市水稻遙感估產存在一定誤差，可能的原因是本研究的水稻單產模型的經驗性較強，該模型是基于水稻地面實際統計數據和水稻生育期內遙感數據間的關聯性建立的，在張家港市不同年份各鄉鎮的適用性有所差異。

2.4 水稻總產量多年變化的趨勢分析

利用張家港市2005—2008年水稻遙感估測的總產量的變化情況作圖，并作出其變化趨勢模型，可以大致預報出張家港市未來水稻糧食總產量的變化情況，如圖3所示。可見，張家港市水稻總產量呈逐年上升的趨勢。

3 結 論

（1）張家港市水稻種植面積的精確估算，直接影響其產量估測的精度。筆者采用不同時相的水稻的遙感圖像，利用NDVI值比較區分法和不同作物的反射光譜明顯差異的特點，有效地提取水稻種植面積，除去諸如棉花用地的干擾。

（2）利用3S技術估測張家港市水稻2005年耕種面積為20 600 hm2，2006年耕種面積為19 733 hm2，2007年耕種面積為20 467 hm2，2008年耕種面積為20 867 hm2。從整個張家港地區來看，2005—2008年估測水稻種植面積的平均精度為96.41%。可見，近年來張家港市水稻耕作面積相對比較穩定。

（3）利用3S技術估測張家港市水稻平均單產2005年為7 275 kg·hm-2，2006年為7 860 kg·hm-2，2007為7 331 kg·hm-2，2008年為7 686 kg·hm-2，從整個張家港地區來看，2005—2008年利用3S技術估測水稻單產和地面實際調查水稻單產之間的平均差異為-8.27%，即估產精度為91.73%。

（4）基于近4年遙感數據所獲取的張家港市水稻總產量的變化情況建立模型，4年遙感估測張家港市水稻總產平均值為151 485 t，4年地面實際統計張家港市水稻總產量平均值為171 537 t，差異為-11.69%，即精度為88.31%。

（5）本研究的研究結果顯示，利用3S技術可以估測出張家港市城市化發展對當地水稻供需平衡的影響不大，并且能夠預測出張家港市水稻總產量仍然呈現逐年上升的趨勢。

本研究采用高分辨率遙感影像資料，結合GPS輔以土地利用圖對樣區進行準確定位進行估產研究，大大提高水稻生產力遙感估測的精度。實現了利用遙感技術估測張家港市大面積水稻生產力的目的。總之，做好農作物遙感估產的研究，進一步提高估產精度，對促進張家港市智慧農業的實現，建設世界水平農業具有重要意義。

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， 2012， 39（33）： 20 641-20 645.

[2] 王人潮， 黃敬峰. 水稻遙感估產[M].北京：中國農業出版社，2002：1-5.

[3] 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.

[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] 謝振紅， 邴玉旭， 魏明耀， 等. RS&GIS支持下的大慶市土地利用分類[J]. 地理空間息， 2006， 4（2）： 31-33.

[6] 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.

[7] 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.

[8] 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.

[9] 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.

[10] 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.

[11] 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.

[12] 王人潮， 黃敬峰. 水稻遙感估產[M].北京：中國農業出版社， 2002.

[13] 王延頤，高慶芳，何隆華.太湖地區（無錫點）遙感估產模型初報[C]//陳沈斌.小麥、玉米和水稻遙感估產技術試驗研究文集. 北京： 中國科學技術出版社， 1993.

[14] Srisaengtong D， Polngam R S， Suwanweerakamtorn R， et al. The possibility of mapping rice growing areas using remote sensing techniques[J]. Asia-Pacific Remote Sensing Journal， 1989（1）： 59-67.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產模型研究[J].遙感技術與應用，2002，17（3）： 125-129.

[19] 項月琴， 田國良. 遙感估算水稻產量——Ⅰ.產量與輻射截獲量間關系的研究[J].環境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數據在大面積水稻估產中的應用研究[J].地球科學進展， 2003， 18（1）： 109-115.

[21] 李衛國，李花.水稻衛星遙感估產研究現狀與對策[J].江蘇農業科學， 2010（5）： 444-445.

[22] 譚正. 基于SAR數據和作物生長模型同化的水稻長勢監測與估產研究[D].北京：中國地質大學， 2012.

[23] 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.

[24] 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.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻出版社，2008：1-200.

[26] 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.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產模型研究[J].遙感技術與應用，2002，17（3）： 125-129.

[19] 項月琴， 田國良. 遙感估算水稻產量——Ⅰ.產量與輻射截獲量間關系的研究[J].環境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數據在大面積水稻估產中的應用研究[J].地球科學進展， 2003， 18（1）： 109-115.

[21] 李衛國，李花.水稻衛星遙感估產研究現狀與對策[J].江蘇農業科學， 2010（5）： 444-445.

[22] 譚正. 基于SAR數據和作物生長模型同化的水稻長勢監測與估產研究[D].北京：中國地質大學， 2012.

[23] 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.

[24] 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.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻出版社，2008：1-200.

[26] 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.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 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.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產模型研究[J].遙感技術與應用，2002，17（3）： 125-129.

[19] 項月琴， 田國良. 遙感估算水稻產量——Ⅰ.產量與輻射截獲量間關系的研究[J].環境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數據在大面積水稻估產中的應用研究[J].地球科學進展， 2003， 18（1）： 109-115.

[21] 李衛國，李花.水稻衛星遙感估產研究現狀與對策[J].江蘇農業科學， 2010（5）： 444-445.

[22] 譚正. 基于SAR數據和作物生長模型同化的水稻長勢監測與估產研究[D].北京：中國地質大學， 2012.

[23] 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.

[24] 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.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻出版社，2008：1-200.

[26] 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.