基于遙感監(jiān)測(cè)技術(shù)的黑龍江省水稻產(chǎn)量估測(cè)

姜美伊

（哈爾濱師范大學(xué)，黑龍江 哈爾濱 150500）

傳統(tǒng)的估產(chǎn)方式主要以統(tǒng)計(jì)及氣象預(yù)測(cè)相結(jié)合的手段進(jìn)行，需要消耗大量的勞動(dòng)力和時(shí)間，存在諸多弊端和局限。隨著科技的發(fā)展，遙感技術(shù)不僅可以獲取農(nóng)作物種植面積，實(shí)現(xiàn)空間分布的準(zhǔn)確定位，而且能用于產(chǎn)量估算［1］。而TM數(shù)據(jù)相較于衛(wèi)星遙感數(shù)據(jù)，具有高空間分辨率的優(yōu)點(diǎn)，但由于天氣因素即稻谷生長(zhǎng)期間多陰雨，對(duì)數(shù)據(jù)的準(zhǔn)確程度具有一定影響，因此需與其他的遙感數(shù)據(jù)復(fù)合利用。此外，常用的NOAA 氣象衛(wèi)星提供的AVHRR數(shù)據(jù)具有動(dòng)態(tài)性高、覆蓋面積大等優(yōu)點(diǎn)。綜上所述，本文主要采用TM數(shù)據(jù)及NOAA-AVHRR數(shù)據(jù)復(fù)合分析的方法；鑒于歸一化植被指數(shù)（NDVI）在農(nóng)作物遙感估產(chǎn)中的廣泛應(yīng)用，同時(shí)選擇該植被指數(shù)對(duì)水稻的產(chǎn)量進(jìn)行估測(cè)。

1 數(shù)據(jù)收集

1.1 研究區(qū)概況

黑龍江省位于東經(jīng)121°11′～135°05′，北緯43°26′～53°33′，屬溫帶大陸性季風(fēng)氣候區(qū)；農(nóng)用地面積占全省總土地面積的84%，主要作物包括玉米、大豆、水稻等［2］。

1.2 數(shù)據(jù)收集

文中使用的水稻種植面積、稻谷產(chǎn)量數(shù)據(jù)來(lái)自2020年中國(guó)統(tǒng)計(jì)年鑒；遙感數(shù)據(jù)來(lái)自中國(guó)遙感數(shù)據(jù)網(wǎng)及軟件處理所得。選取2020年7月上旬的NDVI數(shù)據(jù)用來(lái)預(yù)測(cè)黑龍江省的稻谷產(chǎn)量，利用統(tǒng)計(jì)年鑒所查資料來(lái)檢驗(yàn)估產(chǎn)的精確程度；其中TM 數(shù)據(jù)主要選取的波段為TM3 及TM4，即分別是紅光波段R（0.63～0.69 μm）和近紅外波段NIR（0.75～0.95 μm），計(jì)算NDVI的公式如下。

2 研究方法

2.1 最佳估產(chǎn)數(shù)據(jù)選擇

根據(jù)研究，在水稻的生長(zhǎng)發(fā)育期內(nèi)，從孕穗期到齊穗期，水稻在遙感影像上的色調(diào)與其他作物差別最大。因此，根據(jù)本研究選定的區(qū)域（即黑龍江省）水稻生長(zhǎng)的特征，選取需要用到的數(shù)據(jù)（包括由2020年TM數(shù)據(jù)合成的NDVI 值、2020 年黑龍江省的稻谷總產(chǎn)量及下屬各個(gè)地級(jí)市的稻谷產(chǎn)量），再對(duì)由TM 的3、4 波段數(shù)據(jù)計(jì)算得出的NDVI值與稻谷產(chǎn)量之間的關(guān)系進(jìn)行推算和驗(yàn)證。其中，NDVI 值是取各分區(qū)所得的NDVI 值平均值而得到的。綜合以上幾個(gè)步驟，進(jìn)一步得出具體的線性關(guān)系后，從而創(chuàng)立估產(chǎn)模型。

2.2 水稻種植面積提取

利用遙感軟件對(duì)圖像進(jìn)行處理時(shí)，由于研究區(qū)域種植作物種類繁多，而不同作物的反射率有不同的值，因而可以據(jù)此區(qū)分出所要研究的作物。根據(jù)黑龍江省行政區(qū)域的劃分，將研究區(qū)域按地級(jí)市區(qū)劃進(jìn)行分區(qū)；用軟件將研究區(qū)域各分區(qū)進(jìn)行處理，得到各地級(jí)市樣本；并對(duì)分區(qū)結(jié)果進(jìn)行平滑處理，得到總體的種植區(qū)域；再次進(jìn)行篩選，對(duì)各分區(qū)分別進(jìn)行監(jiān)督分類處理，其中，監(jiān)督分類需要先建立判別函數(shù)再對(duì)像元進(jìn)行判別；最后將得到的結(jié)果綜合分析得出所研究區(qū)域的總水稻種植面積。

2.3 建立水稻估產(chǎn)模型

作物生長(zhǎng)的植被指數(shù)是估產(chǎn)過(guò)程中涉及的極其重要的數(shù)據(jù)。本研究中利用的歸一化植被指數(shù)不僅可以對(duì)作物的長(zhǎng)勢(shì)變化起到重要監(jiān)測(cè)作用，還能以此為依據(jù)估算產(chǎn)量。根據(jù)先前計(jì)算得出的NDVI 值，分析其與水稻產(chǎn)量之間的關(guān)系，建立完善的估產(chǎn)模型。

2.3.1 NDVI 曲線。以本研究區(qū)域內(nèi)水稻各生長(zhǎng)發(fā)育時(shí)期的NDVI值為縱軸，以各階段的時(shí)間為橫軸，建立NDVI 時(shí)序曲線。其中，NDVI 值由各分區(qū)所得的NDVI值求平均值得出。該曲線直觀地體現(xiàn)了水稻生長(zhǎng)發(fā)育時(shí)期內(nèi)NDVI值的變化，即水稻的長(zhǎng)勢(shì)情況。

2.3.2 建立模型。在本次研究中，通過(guò)分析而建立的NDVI 曲線對(duì)于建立估產(chǎn)模型起到了至關(guān)重要的作用，借由該曲線可以掌握水稻不同階段的生長(zhǎng)情況。通過(guò)軟件處理，并加以分析后，可以得出NDVI值與稻谷產(chǎn)量?jī)烧咧g的關(guān)系，從而建立起估產(chǎn)模型。

3 結(jié)果與分析

3.1 長(zhǎng)勢(shì)監(jiān)測(cè)分析

植物的長(zhǎng)勢(shì)情況可以根據(jù)NDVI值的變化以及7月上旬至9月上旬遙感圖像的變化進(jìn)行判斷和分析。在7月上旬，作物進(jìn)入旺盛生長(zhǎng)階段，可明顯看出NDVI值呈現(xiàn)上升趨勢(shì)，并不斷增大峰值；而遙感圖像中的作物特征突出，生長(zhǎng)態(tài)勢(shì)明顯。隨著作物逐漸成熟，NDVI值不斷減小；遙感圖像上也能明顯體現(xiàn)稻谷成熟后形態(tài)發(fā)生的變化。

3.2 估產(chǎn)模型分析

本次研究中建立的估產(chǎn)模型主要根據(jù)作物不同階段的NDVI值及往年的稻谷產(chǎn)量，其中NDVI值均為作物生長(zhǎng)各階段NDVI值的平均值，稻谷產(chǎn)量從中國(guó)統(tǒng)計(jì)年鑒中獲得。

通過(guò)遙感軟件對(duì)NDVI值與稻谷產(chǎn)量之間的關(guān)系進(jìn)行分析和處理，從而得到本次研究涉及區(qū)域的水稻估產(chǎn)模型，并根據(jù)該模型對(duì)水稻的產(chǎn)量進(jìn)行計(jì)算，將得出的數(shù)據(jù)與中國(guó)統(tǒng)計(jì)年鑒中的標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行比較和修正，并進(jìn)行誤差分析。結(jié)果顯示，相對(duì)誤差僅為8.02%，得出的結(jié)果比較理想，其精度在預(yù)測(cè)范圍內(nèi)，可見(jiàn)所選估產(chǎn)模型符合條件。本文建立的模型，不僅體現(xiàn)出NDVI 值對(duì)作物生長(zhǎng)狀況起到的監(jiān)測(cè)作用，更進(jìn)一步體現(xiàn)出NDVI 值與稻谷產(chǎn)量之間的重要聯(lián)系。

4 討論

本次研究結(jié)果表明，在黑龍江省對(duì)水稻進(jìn)行遙感監(jiān)測(cè)估產(chǎn)是可行的。但目前的技術(shù)仍不夠完善，要達(dá)到非常精確的估產(chǎn)結(jié)果還是有很大難度的，主要原因有以下四個(gè)。第一，研究區(qū)域在該時(shí)期種植的農(nóng)作物種類復(fù)雜多樣，并且有與水稻外形較為相似的其他作物，如何在遙感圖像上精準(zhǔn)識(shí)別具有一定難度；第二，在水稻發(fā)育期內(nèi)，天氣狀況也成為影響估產(chǎn)準(zhǔn)確度的重要原因，其生長(zhǎng)期內(nèi)大多數(shù)為陰雨天氣，對(duì)于獲取準(zhǔn)確的數(shù)據(jù)有很大的影響；第三，如何選擇合適的遙感數(shù)據(jù)也有較大難度，應(yīng)具體問(wèn)題具體分析，需要對(duì)研究區(qū)域進(jìn)行宏觀把握并綜合各種遙感數(shù)據(jù)的優(yōu)缺點(diǎn)進(jìn)而選取合適的數(shù)據(jù)；第四，目前，估產(chǎn)技術(shù)在小范圍區(qū)域的使用中已基本成熟，但對(duì)于更大區(qū)域的作物估產(chǎn)，還需要進(jìn)一步完善技術(shù)以克服在研究中可能遇到的問(wèn)題。

本次研究中選取的遙感數(shù)據(jù)為TM 數(shù)據(jù)，其空間分辨率為30 m，且精度較高，但由于天氣因素的影響，獲取準(zhǔn)確適合的資料仍具有較大難度，并且對(duì)于較大研究區(qū)域，TM衛(wèi)片所需要的成本較高。因此，綜合考量下，本研究將NOAA-AVHRR 氣象衛(wèi)星資料與TM 數(shù)據(jù)復(fù)合綜合利用。NOAA氣象衛(wèi)星可觀測(cè)的面積較大，且動(dòng)態(tài)性高、成本較低，是比較理想的選擇，兩者的結(jié)合使用極大提高了數(shù)據(jù)的準(zhǔn)確度。

現(xiàn)階段，遙感估產(chǎn)技術(shù)正逐步完善，多種遙感數(shù)據(jù)的復(fù)合使用也占據(jù)很大比重，其復(fù)合使用不僅可以發(fā)揮各自的長(zhǎng)處，也為數(shù)據(jù)的準(zhǔn)確度提供了保障。除上述兩種資料外，目前MODIS數(shù)據(jù)的使用也極為廣泛。

5 結(jié)論

本研究主要應(yīng)用TM 數(shù)據(jù)及NOAA-AVHRR 數(shù)據(jù)對(duì)黑龍江省水稻產(chǎn)量進(jìn)行估測(cè)，并將研究中獲得的估計(jì)結(jié)果與實(shí)際資料進(jìn)行比較。結(jié)果顯示，總體誤差約為8.02%，總體精度滿足預(yù)期目標(biāo)，說(shuō)明在黑龍江省利用上述方法進(jìn)行作物估產(chǎn)是可行的。現(xiàn)階段，遙感估產(chǎn)技術(shù)還在不斷進(jìn)步和發(fā)展，為進(jìn)一步提高估產(chǎn)的精確程度，還需進(jìn)行更深入的研究。

在水稻生長(zhǎng)發(fā)育期，大量的陰雨天氣對(duì)于數(shù)據(jù)的準(zhǔn)確程度也產(chǎn)生不小的影響，如何找到其他更好的數(shù)據(jù)以及更完善的處理方法是本研究的關(guān)鍵所在。本次研究的結(jié)果雖然已基本達(dá)到估產(chǎn)精度的要求，但在與其他外形類似的作物圖像進(jìn)行分辨方面仍需進(jìn)一步的完善；以及在水稻不同發(fā)育時(shí)期，其光譜特征的差異會(huì)對(duì)NDVI 值產(chǎn)生一定的影響，如何解決該問(wèn)題也是完善技術(shù)的重點(diǎn)所在。另外，本研究中所采用的TM 數(shù)據(jù)成本過(guò)高且覆蓋區(qū)域有限，可能獲取不到理想的圖像。本文中應(yīng)用氣象衛(wèi)星數(shù)據(jù)與TM 數(shù)據(jù)復(fù)合的方式，也可以考慮采用其他的遙感數(shù)據(jù)進(jìn)行估產(chǎn)工作，如MODIS 多時(shí)相遙感數(shù)據(jù)。最后，若要進(jìn)一步完善估產(chǎn)方法，還需要對(duì)如何減小誤差作更深入的研究。

綜上所述，對(duì)于利用TM 數(shù)據(jù)在黑龍江省進(jìn)行作物遙感監(jiān)測(cè)和估產(chǎn)還有進(jìn)一步研究和發(fā)展空間。