基于地级市的区域水稻遥感估产与空间化研究

利用遥感技术,可以准确、及时地掌握中国主要水稻生长区的水稻生长状况与产量信息,能促进中国农业政策合理制定、粮食价格的理性宏观调控以及国际国内粮食良性贸易。本试验以江苏省为研究区域,利用MOD09A1数据提取水稻面积,针对行政区域为单位的水稻进行产量估算,全省估产结果精确度均值达到99.46%,各市的精确度基本维持在95%左右。在估产结果的基础上,依据最大植被指数的空间分布,将以行政区域为单位的单产值转化到以单个像元为单元的单产值。这不仅细化了区域水稻估产结果,为更直观地了解水稻田产量信息提供了可能,而且可以用于指导水稻品种改良和栽培技术改进等工作。

时间序列MODIS数据水稻面积提取精度研究

MODIS时间序列数据提取水稻面积是一种常见的区域尺度水稻种植面积提取方法,但对于该方法的面积提取精度的分析还不够明确。为此本文利用Landsat 8 OLI数据结合监督分类的最大似然法提取江苏省水稻面积,并以Landsat数据的提取结果作为参考值,对时间序列MODIS数据的水稻面积提取结果空间位置匹配状况进行评估。主要通过两种方案来展开,一是沿用前人的MODIS数据水稻提取算法参数,提取江苏省水稻面积,评估水稻面积提取总量精度,二是修改水稻提取算法参数,使MODIS数据水稻面积提取与统计数据持平,分析其空间位置匹配状况。研究发现:对于方案一,时间序列MODIS数据提取的水稻面积,在空间分布上有一定准确度,但总体面积偏低;对于方案二,空间匹配上存在较大误差,特别是在南京和启东等地存在误提。沿用统一水稻提取算法参数,年纪之间气象条件变化,造成提取结果的不确定性。

面向水稻LAI监测的植被指数土壤调节参数修正

考虑土壤调节参数的植被指数能够减小土壤背景影响,广泛应用于各种植被遥感监测中,然而水稻种植在覆水土壤之上,有别于常见的各种土壤背景。为此,通过两年水稻小区试验,获取水稻冠层光谱数据和对应的叶面积指数(LAI)数据,利用在一定范围内变化的土壤调节参数计算得到一个系列植被指数(EVI、SAVI、WDVI),分析这些植被指数对水稻LAI的估算能力,确定水稻特殊背景下各植被指数的最佳土壤调节参数,研究发现,对EVI的最佳土壤调节参数为L=0.25,对SAVI的最佳土壤调节参数为L=0.10,对WDVI的最佳土壤调节参数为a=1.25,进而比较基于最佳土壤调节参数的植被指数与基于常规土壤调节参数的植被指数对水稻LAI估算效果。在以EVI为自变量的模型中,最佳参数RMSE相比常规参数降低6.82%;在SAVI模型中,最佳参数的RMSE相比常规参数降低10.23%。这些结果表明:针对水稻背景修正的土壤调节植被指数能够提高遥感反演水稻叶面积指数的准确度。