《冬小麦生物量遥感监测模型的研究》由会员分享，可在线阅读，更多相关《冬小麦生物量遥感监测模型的研究（6页珍藏版）》请在金锄头文库上搜索。
1、第 11 卷 第 1 期 干 旱 区 资 源 与 环 境 Vol. 11 No. 1 1997 年 3 月 Journal of Arid Land Resources and Environment Mar. 1997冬小麦生物量遥感监测模型的研究?傅玮东 刘绍民 黄敬峰( 新疆气象科研所, 乌鲁木齐 830002)提 要本文利用 1992- 1994 年乌兰乌苏农业气象试验站观测农学资料、 光谱资料以及同步接收的 NOAA/ AVHRR 资料, 计算了冬小麦生物量与比值植物指数( RVI) 和归一化差值植被指数( NDVI) 的相关系数, 并建立了冬小麦生物量的光谱监测模型和气象卫星遥感监
2、测模型, 为冬小麦长势的动态监测提供了理论依据。关键词 生物量 植被指数 遥感监测模型1 引言植物光合作用产生干物质的数量, 可用生物量来评价。众所周知, 绿色植物的叶片是光合作用的基本器官, 在其他条件相同的情况下, 叶面积越大, 光合作用越强; 光合作用增强,叶面积增大。 这种互为正反馈关系的结果是, 植物干物质的积累越快越多, 生物量就越高。 呈锁链关系的光合作用干物质积累叶面积增大生物量增加等四个因子的信息,大多不能为遥感传感器直接捕获, 但是, 其生理机制却能通过植物反射光谱中不同波段间的关系间接地从遥感数据的分析中得到证实。世界上不少国家曾采用陆地卫星( Landsat) 的多光谱
3、扫描仪( MSS) 资料进行研究, 由于陆地卫星重复成像周期长, 花费较高, 限制了其在农作物动态监测上的应用。 八十年代初, 美国 第三代极轨气象卫星( NOAA TIROSN 系列) 装载的改进的高分辨率辐射仪( AVHRR) 资料可有效地用于植被监测。通过对 AVHRR 通道 1 和通道 2 资料的多光谱综合分析, 可以得到 MSS 通道 5 和通道 7 所能获得的绝大部分信息。加之气象卫星覆盖范围大、 成像周期短、 费用低, 利于捕捉地面的动态信息。近年来国内学者有应用 NOAA 卫星影像及数据资料对多种作物的大面积遥感动态监测的研究 5, 但着重分析冬小麦生物量与植被指数关系的尚少。
4、本文应用 19921994 年乌兰乌苏的光谱资料、 冬小麦农学资料以及同步的 NOAA/AVHRR 资料, 研究了冬小麦生物量与各种植被指数的关系, 并建立遥感监测模型。?新疆“ 八五” 重要科研项目子项” 小麦遥感动态监测与估产研究”2 试验概况试验区设在乌兰乌苏农业气象试验站, 其位于天山北坡准噶尔盆地南缘, 东经85o49?,北纬44o17?, 海拔高度 468. 20 米。冬小麦地面光谱测定使用北京通达电器厂生产的 RS8型野外光谱仪, 光谱波段为 0.58 - 0. 68?m 和 0. 7251. 1?m, 分别对应于 NOAA/ AVHRR 的通道 1( CH1) 和通道 2( C
5、H2) 的光谱波段。选择晴朗、 无风、 无云的天气, 在地方时 1014 时之间测定冬小麦光谱 6。 测定时光谱仪高度控制在1 米左右, 垂直向下测定。 之后剪下冬小麦, 并在自然条件下凉干, 测定其干物重。 在进行地面光谱观测的同时, 接收并处理 NOAA/ AVHRR 资料。3 结果分析与讨论3. 1 冬小麦光谱植被指数变化特征无论植物生育内部机理和过程多么复杂, 但其外在表现随时具有独特的光谱特性。因此, 作物的“ 苗情长势” 可通过它们的光谱成分分析和植被指数( 绿度) 间接地得到证实。 据研究 7, 我们选择比值植被指数( RVI= CH2/ CH1) 和归一化差值植被指数( NDV
6、I= ( CH2-CH1) / ( CH2+ CH1) 模式进行分析。图 1 冬小麦生长季光谱植被指数的变化特征 Fig. 1 T he variable characteristics of spectral vegetation index during the season of winter wheat growth.图 1 为 1992- 1994 年在乌兰乌苏农业气象试验站观测获得的冬小麦从播种到收获的光谱植被指数变化特征。 从图中可知: 冬小麦播种及以后的一段时间内, 由于地表裸露, RVI 和 NDVI 值很小, 几乎等于裸地的数值。出苗及三叶期之后, 随着冬小麦生长发育, 其
7、生物量和覆盖度不断增加, RVI 和NDVI 直线上升, 直到停止生长时, RVI 和 NDVI 达到第一个峰值。随后由于冬季积雪盖度增加, RVI 和NDVI 值开始下降直到最低, 并一直持续到翌年开春。冬小麦返青后, 积雪消融, RVI 和 NDVI 才再次增加, 到抽穗前后, 由于叶绿素含量增 加, 冬小麦叶面积系数最大, VRI 和 NDVI 达到第二个峰值, 此后冬小麦灌浆成熟, 叶片变黄, 导致 VRI 和 NDVI 值下降, 到收获时几近裸地的数值。通过分析冬小麦整个生长过程中光谱植被指数变化规律, 可知: 叶片叶绿素含量的多少 和叶面积指数的大小决定了冬小麦生物量的多少, 而生
8、物量与冬小麦产量之间是成比例关系的 8、 9。 本文选择RVI 和 NDVI 来探讨冬小麦光谱与生物量的相关关系, 从而为冬小麦长势动态监测及遥感估产提供理论依据。85第 1 期 傅玮东 冬小麦生物量遥感监测模型的研究3. 2 冬小麦生物量的光谱监测模型 冬小麦生长受多种因素的影响, 其中光合作用贯穿整个生长期, 是重要的物理、 化学、 生理反映过程。 作物干物重中, 由根部吸收的无机物质所占比例约为 10% , 而其余90%左右来自光合作用。 由于不同植被指数与冬小麦生物量有不同的相关性, 需采用不同曲线类型( 表 1) 进行拟合。表 1 曲线类型及其函数形式Tab. 1 T he type
9、s of curve and its functional form.编号曲线类型函数形式编号曲线类型函数形式1直 线r= a+ bx5倒数曲线r= 1/(a+ bx)2对数曲线r= a+ blnx6指数曲线 1r= aexp(bx)3冥函数曲线r=axb7指数曲线 2r= aexp(b/x)4双曲线1/y= a+ b/x8S 型曲线r= 1/ a+ bexp( - x)本文以冬小麦生物量与光谱植被指数的相关系数为主要指标, 参考模型的相对误差、 F 值及最大绝对误差的大小, 建立从春季返青后至收获期间冬小麦生物量的光谱植被指数监测模型( 表 2) , 其中 Y 代表冬小麦生物量( 吨/ 公顷
10、) , N 为样本数, R 为相关系数。表 2 冬小麦生物量的光谱监测模型Tab. 2 The spectral monitoring model of winter wheat biomass.N= 60曲线类型模型表达式R线 性r= 9. 18826+ 2. 3024 RVE0. 3444* *r= - 4. 7477+ 42. 5643NDVI0. 4976* *非线性r= 3. 40485exp( 0. 2938RVI)0. 5283* *r= 0. 83127exp( 4. 7714NDVI)0. 6703* *注: * 代表 0. 05 显著水平; * * 代表 0. 01 极显著
11、水平( 下同)图 2 和图 3分别为冬小麦生物量与 RVI 和 NDVI 的关系曲线。从图中可知: 冬小麦生物量分别随 RVI 和 NDVI 的增加而增加。由冬小麦生长季的光谱植被指数变化特征( 图 1)知, 冬小麦返青至抽穗前后 RVI 和 NDVI 随着冬小麦的生长而增加; 之后随着叶片变黄, 其 对红光的吸收减少导致 RVI 和 NDVI 值下降, 故此阶段应采用非线性模型为好。3. 3 冬小麦生物量的气象卫星遥感监测模型如前所述, 冬小麦生物量与地面光谱植被指数间关系密切, 但由于大气效应、 混合象元等因素的影响, 因此能否利用气象卫生来监测冬小麦生物量还需进一步研究 NOAA/AVH
12、RR 资料与生物量的关系。 本文所用气象卫星资料, 由新疆气象局遥感中心提供, 并对照 110 万新疆地形图上赛里木湖的经纬度, 对 NOAA/ AVHRR 绿度图进行地理定位。我们选用比值植被指数( RVIs= ( CH2/ CH1) 7) 和归一化差值植被指数( NDVIs= ( CH2- CH1) / ( CH2+ CH1) 30, 并 利用多种曲线( 表 1) 来分析冬小麦生物量与 RVIs和 NDVIs的关系。86干 旱 区 资 源 与 环 境第 11 卷图 2 冬小麦生物量随 RVI 的变化Fig. 2 The variation of winter wheat biornass
13、with RVI.图 3 冬小麦生物量随NDVI的变化Fig. 3 The variation of winter wheat biomass with NDVI.图 4 冬小麦生物量与气象卫星比值植被指数的关系Fig. 4 The relationship between winter wheat biomass and the NOAA/ AVHRR ratio vegetation index.图 5 冬小麦生物量与气象卫星归一化差值植被指数的关系Fig. 5 The relationship between winter wheat biomass and the NOAA/AVHRR
14、 vegetation index.87第 1 期 傅玮东 冬小麦生物量遥感监测模型的研究根据相关系数、 相对误差、 F 值及最大绝对误差的大小, 同样选择出从返青至收获期间 冬小麦生物量与 RVIs和 NDVIs的线性及非线性回归模型( 表 3) 。图 4 和图 5分别为冬小麦生物量与 RVIs和 NDVIs的关系图及拟合曲线。表 3 冬小麦生物量卫星遥感监测模型Tab. 3 The satellite remote sensing monitor model of winter wheat biomassN= 9曲线类型模型表达式R线 性r= - 5. 7551+ 1. 7209 RVIs
15、0. 9233* *r= 3. 4145+ 1. 5118 NDVIs0. 9784* *非线性r= 115. 3899 exp(- 22. 3817/ RVIs)0. 9065* *r= 4. 2109exp( 0. 1648NDVIs)0. 9419* *4 结论( 1) 冬小麦返青以后, 随着冬小麦的生长, VRIs和 NDVIs值的变化与绿色叶面积的增长和衰减大体上保持同步变化的趋势。( 2) 从表 3 中可见, 冬小麦生物量与气象卫星遥感植被指数相关密切, 且在一定条件下 冬小麦光合作用产物与遥感植被指数之间可用线性或准线性关系表示, 一般情况下为指数函数关系, 表明利用气象卫星资料
16、来监测冬小麦生物量是可行的。( 3) 由于气象卫星遥感资料有限, 模式的高精度有待资料增多而进一步提高。参考文献 1 史定珊: NOAA 气象卫星遥感技术在冬小麦产量监测预测中的应用, 河南气象, 1986, ( 6) 。 2 肖乾广、 肖淑招: 用气象卫星数据对冬小麦进行估产试验, 环境遥感, 1986, ( 4) 。 3 黄签: NOAA 影像在宏观植被季相动态遥感中的应用, 遥感信息, 1986, ( 4) 。 4 周嗣松、 肖乾广:NOAA/AVHRR资料在农作物长势监测中的应用, 农业现代化, 1986, ( 6) 。 5 王延颐等: 应用 NOAA/ AVHRR 对江苏省作物进行监测的可行性研究, 环境遥感, 1990,( 3) 。 6 张宏铭等: 农作物光谱观测及自动记录方式, 遥感信息, 1988( 2) 。 7 史定珊、 毛留喜编著, 冬小麦生产气象保证概论, 气象出版社, 1994。 8 刘国祥: 冬小麦农学参数的遥感监测, 遥感信息, 19
