论文部分内容阅读
及时准确的获取作物产量信息对于一个国家的粮食储备与粮食安全有着至关重要的意义。水稻作为中国种植面积最广、食用人口最多的谷物之一,其产量等农情信息对国家农业政策的制定、粮食价格的调控以及粮食安全的维护至关重要。卫星遥感技术具有大尺度、及时高效和非破坏性等优点,已广泛地应用于大区域范围农作物产量的监测;近年来随着无人机技术的发展与成熟,搭载不同传感器的无人机遥感技术可以按需获取高时空分辨率的遥感数据,为田块尺度作物的高精度估产提供了可能。在此背景下,本文利用卫星和无人机多源遥感数据分别从不同尺度和不同方法开展水稻估产研究,力求实现水稻精准估产。在卫星遥感估产方面,本文融合直角双曲线光合经验模型和光合机理模型建立全新的天尺度GPP估产模型,该模型将卫星遥感、气象和植被类型等数据作为输入参数,在兼顾计算效率的同时进行区域范围作物冠层GPP的精准预测,进而结合碳到生物量的转换系数、收获指数、含水率等参数构建基于天尺度GPP的水稻估产模型。该模型中包含的动态收获指数弥补了传统农作物估产模型将收获指数视为定值时会产生较大估产误差等弊端。利用此方法进行2004-2014年江苏省水稻估产计算,结果显示2004-2014年江苏省水稻平均估产精度均大于96%,较好的从区域尺度实现了水稻单产的精准预测。在无人机遥感估产方面,针对不同时期的植被指数包含不同大气条件、光照条件和背景值等外界条件影响而导致的估产误差,本研究提出了“相对光谱指数”的概念力求消除外界条件对植被指数的影响,并分别从田块尺度和像元点尺度开展基于多生育期的相对遥感变量水稻估产。研究发现,拔节期RNDSI[808,744]、孕穗期RNDSI[880,712]和灌浆期RNDSI[808,744]组成的多元线性回归模型是田块尺度多生育期估产的最优模型,估产平均相对误差绝对值达到了 3.00%;分蘖期RNDSI[784,635]、拔节期 RNDSI[807,744]、孕穗期 RNDSI[784,712]和抽穗期 RNDSI[816,736]组成的多元线性回归模型是像元点尺度多生育期估产的最优模型,估产平均相对误差绝对值达到了 4.31%。结果表明,不论是田块尺度还是像元点尺度基于相对光谱变量的水稻估产方法均取得了较好的估产结果。