论文部分内容阅读
摘要GF1国产高分辨率卫星遥感数据具有高空间分辨率、高时间分辨率和高光谱分辨率的优点。该研究利用GF1卫星宽视场遥感数据，在GPS实地取样的基础上，利用增强型植被指数（EVI），提取建湖县2014年多时相水稻长势信息。结果显示，GF1卫星宽视场影像可以清晰反映水稻长势要素，能够在遥感估产中推广应用。
关键词遥感；GF1卫星数据；水稻长势；监测
中图分类号S5-39文献标识码A文章编号0517-6611（2016）18-256-04
AbstractGF1 domestic high resolution satellite remote sensing data had the advantages of high spatial resolution， high time resolution and high spectral resolution. The GF1 satellite remote sensing data of wide field were used. Based on the GPS field sampling， Enhanced Vegetation Index （EVI） was used to extract the multitemporal rice growth information in Jianhu County in 2014. results showed that widefield image of GF1 satellite could clearly reflect the elements of rice growth vigor， and could be applied in the extension of yield estimation with remote sensing.
Key wordsRemote sensing； GF1 satellite data； Rice growth vigor； Monitoring
利用遥感技术可监测作物的长势，包括作物的苗情、生长状况及其变化等，从中可及时获取作物产量信息。农作物长势的遥感监测已经逐渐成为农业遥感中更为重要的内容[1]。
传统作物长势监测多依赖地面调查，造成农情信息获取成本高、时效性差，且调查结果常受主观人为因素影响。近年来，随着遥感技术的不断发展，尤其是遥感信息的覆盖范围广、数据获取周期短、费用成本低等特点，为作物长势信息的快速、准确、动态获取提供了重要的技术支撑，使传统作物长势监测中所遇到的难题在一定程度上得以解决[2-3]。
早在20世纪70年代，美国便开始应用遥感技术进行作物长势的监测，并形成了应用遥感数据监测全球作物长势的业务化产品[4-6]。20世纪80年代起，我国广泛开展了利用气象卫星监测作物长势及估产等方面的研究[7-9]。目前我国在作物长势遥感监测方面已取得了一定的进展，建立起多个业务化运行的全国性作物长势遥感监测系统[10]。
GF1是我国高分卫星的首发星，也是我国目前民用卫星分辨率最高的卫星，空间分辨率为16 m，光谱范围为0.45～0.89 μm，具备每天8轨成像、侧摆35°成像能力，最长成像时间12 min。作为主业务，GF1卫星首先将在国土资源、环保、农业等方面发挥作用[11]。
笔者以江苏省建湖县为研究区域，采用定性的方法对2014年水稻生育期GF1影像的辐射待征、光谱特征等进行综合处理，然后利用经过几何精校正的GF1影像对水稻长势信息进行监测，评价其应用效果。
1研究区和数据源简介
建湖县位于江苏省东北部、盐城市中西部（119°33′～120°05′ E，33°16′～33°41′ N），东临射阳县，南与盐都区接邻，西南与宝应县分界，西与宝应、淮安、阜宁3市县毗连，北与阜宁县分界。
建湖县是国家商品粮基地县。种植模式主要是小麦、一季稻轮作。小麦的生长期大致是10月到第二年6月，一季稻的生长期大致是5月底到10月底。水稻当家品种是淮稻5号 。淮稻5号是集高产、稳产、优质于一体的迟熟中粳稻品种，品种的株高适中，株型较紧凑，叶片挺立，抗倒性较强。
在中国资源卫星应用中心网站上跟踪查询2014年6～11月建湖县域的GF1卫星宽视场影像，可以查询到GF1卫星共35次过境建湖县。由于2014年华东地区在水稻生长季节多阴雨天气，6月～11月期间除7月21日、8月3日和10月3日影像有少量云影响、10月15日、10月24日、11月13日和11月21日影像无云影响外，其余影像云量太多，不宜使用。由于10月中旬后建湖县水稻陆续收割，因此选用7月21日、8月3日和10月24日的影像监测水稻长势。
2数据选择与处理
2.1建立地面观测数据集
为评价GF1卫星在水稻长势等方面的监测能力，在建湖县水稻区建立5个1 km×1 km的水稻样方，每个样方里均匀布设5个样点并用GPS精确定位，样方分布见图1。从水稻移栽或出苗开始，每15 d到实地用仪器记录长势信息，水稻地面观测时间及天气情况见表1。
2.2卫星影像处理
水稻长势监测产品由自主研发的高分辨率对地观测卫星数据定期作物长势监测系统计算生成，该系统是由IDL8.2（Interactive Data Language）编译，并已经完成打包，因此脱离IDL许可文件也可以运行，经测试该系统可在任意一台装有Windows操作系统的电脑上流畅运行。
2.2.1辐射校正。
利用GF1提供的标准定标文件，在IDL8.2语言环境下实现对GF1数据的气溶胶吸收和瑞利散射校正，并将所有GF1数据归一化为地面反射率。 2.2.2几何校正。
利用IDL8.2语言环境下编写的软件包实现自动读取GF1数据中的头文件，并将GF1数据校正为等经纬度切圆柱投影，坐标系为WGS-84，几何校正的误差小于0.5个像元。
2.2.3图像裁剪。
以建湖县行政边界为基础，结合该区域水稻不同生育期的本底数据去除建湖县内的水体、河流、居民点及主要道路，生成用于批量裁切的研究区矢量文件并完成研究区GF1影像的裁剪。
以上数据处理过程均通过批处理模式完成，大大提高了计算效率，生成单景GF1数据地面反射率产品仅需5 min，使海量GF1遥感数据用于县级尺度作物长势信息实时监测成为可能。不同日期建湖县GF1宽视场中影像裁剪结果见图2。
3水稻长势监测与评价
3.1监测方法
通过植被指数来实现对水稻长势的监测。
植被指数是指由多光谱数据，经线性或非线性组合构成的各种数值，其对植物的叶绿素含量、健康程度以及植物含水量等特性非常敏感，因此，是评价植被覆盖、生长活力及生物量的简单有效的度量参数[12]。该研究利用增强型植被指数EVI来监测水稻长势：
Rrc=πL*t（F0cosθ0）-Rr（1）
EVI=G·Rrc（λNIR）-Rrc（λRED）L+Rrc（λNIR）+C1Rrc（λRED）-C2Rrc（λBLUE）（2）
式（1）中，L*t为经过臭氧及其他气溶胶吸收校正的传感器辐射亮度；F0为从大气圈外入射的太阳光中波长为λ的光通量F0（λ）两次穿过大气臭氧层被衰减后的值；θ0为太阳天顶角；Rr是由6S模型估算的瑞利反射率。式（2）中的λRED、λNIR、λBLUE分别为红光、近红外及蓝光的中心波长，式中的Rrc由式（1）计算，L、C1、C2、G为经验参数[13]，上述参数均来自GF1的定标参数。
结合地面实地观测结果对计算获得的EVI指数进行密度分割，生成GF1卫星影像接收当日水稻长势色度图（图3）。EVI指数数值越大，表明水稻长势相对较好，越小则表明水稻长势相对较差。
3.2水稻长势监测评价
分别采用7月14日、7月29日和10月26日的实测信息来检验7月21日、8月3日和10月24日的水稻长势结果，见图4～6。
从图4可以看出，整个建湖县的水稻长势差别比较大，7月14日的实测信息也证明了这一点。3号和4号样方所处位置靠近育种区，水稻移栽时间早于其他3个样方，所以长势相对较好。1号、2号和5号样方水稻苗偏小，长势不齐，相对偏弱。
图5中建湖县的水稻长势相对差别不大，7月29日的实测信息也证明了这一点。此时水稻分蘖旺盛，已经接近孕穗期，种植模式造成的差异逐渐缩小。3号和4号样方水稻长势仍然好于其他3个样方，但差别不大。图6中，10月24日建湖县的水稻已经接近成熟期，育种区水稻已经收获（图中蓝色图斑），未收获的水稻长势相对差别不大。
上述3期实测信息评价的结果表明：利用GF1影像生成的水稻长势监测结果能够准确、客观地实时反映水稻长势差异。
4结语
利用针对GF1数据研发的水稻长势监测产品能够准确监测县级尺度水稻长势，可实现对中小区域尺度农情信息的快速获取，既拓展了GF1数据的应用范围，又可为县级农业生产管理部门提供及时准确的农情遥感监测信息。
参考文献
[1] 杨邦杰，裴志远.农作物长势的定义与遥感监测[J].农业工程学报，1999，15（3）：214-218.
[2] 吴炳方，张峰，刘成林，等. 农作物长势综合遥感监测方法[J].遥感学报，2004，8（6）：498-514.
[3] MACDONALD R B， HALL F G. Global crop Fforecasting[J].Science， 1980， 208： 670-679.
[4] USDA FAS，The FAS cropexplorer： A web success story [EB/OL]. （2005-06-01）[2013-03-01].http：//www.fas.usda.gov/info/fasworldwide/2005/06-2005/CropExplorer.pdf.
[5] USDA FAS. Production， Supply and distribution online [EB/OL]. （2007-08-12）[2013-03-01].http：//www.fas.usda.gov/psdonline.
[6] USDA NASS. History of remotesensing for crop acreage [EB/OL]. （2009-05-27）[2013-03-01].http：//www.nass.usda.gov/Surveys/Remotely_Sensed_Data_Crop_Acreage.
[7] 肖淑昭，孟宪钺，张桂宗，等. NOAA/AVHRR资料在中小尺度地区进行冬小麦估产的应用研究[J].环境遥感，1988，3（3）：299-307.
[8] 肖乾广. 用NOAA气象卫星的定量资料计算冬小麦种植面积的两种方法[J].环境遥感，1989，4（3）：191-196.
[9] 李郁竹. 北方冬小麦卫星遥感监测及估产业务系统[J].气象，1992，18（11）：14-16.
[10] 杨邦杰.农情遥感监测[M].北京：中国农业出版社，2005：5-6.
[11] 白照广.高分一号卫星的技术特点[J].中国航天，2013（8）：5-9.
[12] SIVANPILLAI R， LATCHININSKY A V. Mapping locust habitats in the Amudarya River Delta， Uzbekistan with multitemporal MODIS imagery[J].Environmental management， 2007，39：876-886.
[13] HUETE A R， DIDAN K， MIURA T，et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J].Remote sensing of environment， 2002， 83： 95-213.
关键词遥感；GF1卫星数据；水稻长势；监测
中图分类号S5-39文献标识码A文章编号0517-6611（2016）18-256-04
AbstractGF1 domestic high resolution satellite remote sensing data had the advantages of high spatial resolution， high time resolution and high spectral resolution. The GF1 satellite remote sensing data of wide field were used. Based on the GPS field sampling， Enhanced Vegetation Index （EVI） was used to extract the multitemporal rice growth information in Jianhu County in 2014. results showed that widefield image of GF1 satellite could clearly reflect the elements of rice growth vigor， and could be applied in the extension of yield estimation with remote sensing.
Key wordsRemote sensing； GF1 satellite data； Rice growth vigor； Monitoring
利用遥感技术可监测作物的长势，包括作物的苗情、生长状况及其变化等，从中可及时获取作物产量信息。农作物长势的遥感监测已经逐渐成为农业遥感中更为重要的内容[1]。
传统作物长势监测多依赖地面调查，造成农情信息获取成本高、时效性差，且调查结果常受主观人为因素影响。近年来，随着遥感技术的不断发展，尤其是遥感信息的覆盖范围广、数据获取周期短、费用成本低等特点，为作物长势信息的快速、准确、动态获取提供了重要的技术支撑，使传统作物长势监测中所遇到的难题在一定程度上得以解决[2-3]。
早在20世纪70年代，美国便开始应用遥感技术进行作物长势的监测，并形成了应用遥感数据监测全球作物长势的业务化产品[4-6]。20世纪80年代起，我国广泛开展了利用气象卫星监测作物长势及估产等方面的研究[7-9]。目前我国在作物长势遥感监测方面已取得了一定的进展，建立起多个业务化运行的全国性作物长势遥感监测系统[10]。
GF1是我国高分卫星的首发星，也是我国目前民用卫星分辨率最高的卫星，空间分辨率为16 m，光谱范围为0.45～0.89 μm，具备每天8轨成像、侧摆35°成像能力，最长成像时间12 min。作为主业务，GF1卫星首先将在国土资源、环保、农业等方面发挥作用[11]。
笔者以江苏省建湖县为研究区域，采用定性的方法对2014年水稻生育期GF1影像的辐射待征、光谱特征等进行综合处理，然后利用经过几何精校正的GF1影像对水稻长势信息进行监测，评价其应用效果。
1研究区和数据源简介
建湖县位于江苏省东北部、盐城市中西部（119°33′～120°05′ E，33°16′～33°41′ N），东临射阳县，南与盐都区接邻，西南与宝应县分界，西与宝应、淮安、阜宁3市县毗连，北与阜宁县分界。
建湖县是国家商品粮基地县。种植模式主要是小麦、一季稻轮作。小麦的生长期大致是10月到第二年6月，一季稻的生长期大致是5月底到10月底。水稻当家品种是淮稻5号 。淮稻5号是集高产、稳产、优质于一体的迟熟中粳稻品种，品种的株高适中，株型较紧凑，叶片挺立，抗倒性较强。
在中国资源卫星应用中心网站上跟踪查询2014年6～11月建湖县域的GF1卫星宽视场影像，可以查询到GF1卫星共35次过境建湖县。由于2014年华东地区在水稻生长季节多阴雨天气，6月～11月期间除7月21日、8月3日和10月3日影像有少量云影响、10月15日、10月24日、11月13日和11月21日影像无云影响外，其余影像云量太多，不宜使用。由于10月中旬后建湖县水稻陆续收割，因此选用7月21日、8月3日和10月24日的影像监测水稻长势。
2数据选择与处理
2.1建立地面观测数据集
为评价GF1卫星在水稻长势等方面的监测能力，在建湖县水稻区建立5个1 km×1 km的水稻样方，每个样方里均匀布设5个样点并用GPS精确定位，样方分布见图1。从水稻移栽或出苗开始，每15 d到实地用仪器记录长势信息，水稻地面观测时间及天气情况见表1。
2.2卫星影像处理
水稻长势监测产品由自主研发的高分辨率对地观测卫星数据定期作物长势监测系统计算生成，该系统是由IDL8.2（Interactive Data Language）编译，并已经完成打包，因此脱离IDL许可文件也可以运行，经测试该系统可在任意一台装有Windows操作系统的电脑上流畅运行。
2.2.1辐射校正。
利用GF1提供的标准定标文件，在IDL8.2语言环境下实现对GF1数据的气溶胶吸收和瑞利散射校正，并将所有GF1数据归一化为地面反射率。 2.2.2几何校正。
利用IDL8.2语言环境下编写的软件包实现自动读取GF1数据中的头文件，并将GF1数据校正为等经纬度切圆柱投影，坐标系为WGS-84，几何校正的误差小于0.5个像元。
2.2.3图像裁剪。
以建湖县行政边界为基础，结合该区域水稻不同生育期的本底数据去除建湖县内的水体、河流、居民点及主要道路，生成用于批量裁切的研究区矢量文件并完成研究区GF1影像的裁剪。
以上数据处理过程均通过批处理模式完成，大大提高了计算效率，生成单景GF1数据地面反射率产品仅需5 min，使海量GF1遥感数据用于县级尺度作物长势信息实时监测成为可能。不同日期建湖县GF1宽视场中影像裁剪结果见图2。
3水稻长势监测与评价
3.1监测方法
通过植被指数来实现对水稻长势的监测。
植被指数是指由多光谱数据，经线性或非线性组合构成的各种数值，其对植物的叶绿素含量、健康程度以及植物含水量等特性非常敏感，因此，是评价植被覆盖、生长活力及生物量的简单有效的度量参数[12]。该研究利用增强型植被指数EVI来监测水稻长势：
Rrc=πL*t（F0cosθ0）-Rr（1）
EVI=G·Rrc（λNIR）-Rrc（λRED）L+Rrc（λNIR）+C1Rrc（λRED）-C2Rrc（λBLUE）（2）
式（1）中，L*t为经过臭氧及其他气溶胶吸收校正的传感器辐射亮度；F0为从大气圈外入射的太阳光中波长为λ的光通量F0（λ）两次穿过大气臭氧层被衰减后的值；θ0为太阳天顶角；Rr是由6S模型估算的瑞利反射率。式（2）中的λRED、λNIR、λBLUE分别为红光、近红外及蓝光的中心波长，式中的Rrc由式（1）计算，L、C1、C2、G为经验参数[13]，上述参数均来自GF1的定标参数。
结合地面实地观测结果对计算获得的EVI指数进行密度分割，生成GF1卫星影像接收当日水稻长势色度图（图3）。EVI指数数值越大，表明水稻长势相对较好，越小则表明水稻长势相对较差。
3.2水稻长势监测评价
分别采用7月14日、7月29日和10月26日的实测信息来检验7月21日、8月3日和10月24日的水稻长势结果，见图4～6。
从图4可以看出，整个建湖县的水稻长势差别比较大，7月14日的实测信息也证明了这一点。3号和4号样方所处位置靠近育种区，水稻移栽时间早于其他3个样方，所以长势相对较好。1号、2号和5号样方水稻苗偏小，长势不齐，相对偏弱。
图5中建湖县的水稻长势相对差别不大，7月29日的实测信息也证明了这一点。此时水稻分蘖旺盛，已经接近孕穗期，种植模式造成的差异逐渐缩小。3号和4号样方水稻长势仍然好于其他3个样方，但差别不大。图6中，10月24日建湖县的水稻已经接近成熟期，育种区水稻已经收获（图中蓝色图斑），未收获的水稻长势相对差别不大。
上述3期实测信息评价的结果表明：利用GF1影像生成的水稻长势监测结果能够准确、客观地实时反映水稻长势差异。
4结语
利用针对GF1数据研发的水稻长势监测产品能够准确监测县级尺度水稻长势，可实现对中小区域尺度农情信息的快速获取，既拓展了GF1数据的应用范围，又可为县级农业生产管理部门提供及时准确的农情遥感监测信息。
参考文献
[1] 杨邦杰，裴志远.农作物长势的定义与遥感监测[J].农业工程学报，1999，15（3）：214-218.
[2] 吴炳方，张峰，刘成林，等. 农作物长势综合遥感监测方法[J].遥感学报，2004，8（6）：498-514.
[3] MACDONALD R B， HALL F G. Global crop Fforecasting[J].Science， 1980， 208： 670-679.
[4] USDA FAS，The FAS cropexplorer： A web success story [EB/OL]. （2005-06-01）[2013-03-01].http：//www.fas.usda.gov/info/fasworldwide/2005/06-2005/CropExplorer.pdf.
[5] USDA FAS. Production， Supply and distribution online [EB/OL]. （2007-08-12）[2013-03-01].http：//www.fas.usda.gov/psdonline.
[6] USDA NASS. History of remotesensing for crop acreage [EB/OL]. （2009-05-27）[2013-03-01].http：//www.nass.usda.gov/Surveys/Remotely_Sensed_Data_Crop_Acreage.
[7] 肖淑昭，孟宪钺，张桂宗，等. NOAA/AVHRR资料在中小尺度地区进行冬小麦估产的应用研究[J].环境遥感，1988，3（3）：299-307.
[8] 肖乾广. 用NOAA气象卫星的定量资料计算冬小麦种植面积的两种方法[J].环境遥感，1989，4（3）：191-196.
[9] 李郁竹. 北方冬小麦卫星遥感监测及估产业务系统[J].气象，1992，18（11）：14-16.
[10] 杨邦杰.农情遥感监测[M].北京：中国农业出版社，2005：5-6.
[11] 白照广.高分一号卫星的技术特点[J].中国航天，2013（8）：5-9.
[12] SIVANPILLAI R， LATCHININSKY A V. Mapping locust habitats in the Amudarya River Delta， Uzbekistan with multitemporal MODIS imagery[J].Environmental management， 2007，39：876-886.
[13] HUETE A R， DIDAN K， MIURA T，et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J].Remote sensing of environment， 2002， 83： 95-213.