專利名稱：一種基于modis數(shù)據(jù)的水稻單產(chǎn)遙感估算方法
技術(shù)領(lǐng)域：
本發(fā)明涉及衛(wèi)星遙感和對(duì)地觀測(cè)應(yīng)用于水稻單產(chǎn)領(lǐng)域，特別涉及一種基于MODIS 數(shù)據(jù)的水稻單產(chǎn)遙感估算方法。
背景技術(shù)：
傳統(tǒng)的水稻估產(chǎn)速度慢、工作量大、成本高。目前獲取水稻產(chǎn)量數(shù)據(jù)的渠道可概括 為各級(jí)統(tǒng)計(jì)部門根據(jù)農(nóng)作物產(chǎn)量抽樣調(diào)查推算的數(shù)據(jù)和面上調(diào)查匯總的數(shù)據(jù)，農(nóng)業(yè)部門 面上調(diào)查匯總的數(shù)據(jù)，氣象部門根據(jù)前期氣象條件和預(yù)報(bào)模式計(jì)算的產(chǎn)量數(shù)據(jù)。與常規(guī)的 統(tǒng)計(jì)方法相比，遙感技術(shù)在水稻種植面積提取和產(chǎn)量估算方面具有獨(dú)特的優(yōu)勢(shì)。遙感技術(shù) 具有多光譜、多時(shí)相和宏觀特性的特點(diǎn)，有快速、準(zhǔn)確、動(dòng)態(tài)的優(yōu)點(diǎn)，能和地理信息系統(tǒng)和全 球定位系統(tǒng)結(jié)合，可以實(shí)現(xiàn)信息收集和分析的定時(shí)、定量、定位，不僅可以獲取水稻種植面 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，還具有宏觀、經(jīng)濟(jì)和客觀等優(yōu)點(diǎn)。水稻 遙感估產(chǎn)就是通過收集、分析各種地物的不同光譜特征，利用衛(wèi)星傳感器記錄地表信息、辨 別水稻種植區(qū)域，提取不同時(shí)期水稻的植被指數(shù)信息，建立水稻關(guān)鍵生育期植被指數(shù)與水 稻單產(chǎn)之間的關(guān)系，對(duì)水稻進(jìn)行估產(chǎn)。前期使用遙感數(shù)據(jù)以NOAA和LANDSAT衛(wèi)星數(shù)據(jù)為主， 但是由于時(shí)間或空間分辨率不能同時(shí)滿足估產(chǎn)條件而影響估產(chǎn)精度。
發(fā)明內(nèi)容
為了克服現(xiàn)有水稻單產(chǎn)遙感估算方法的時(shí)間和空間分辨率低、精度低、不適合大 范圍監(jiān)測(cè)水稻產(chǎn)量的不足，本發(fā)明提供一種時(shí)間和空間分辨率和估產(chǎn)精度相對(duì)較高，并適 合大范圍監(jiān)測(cè)水稻產(chǎn)量的基于MODIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于MODIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，所述估算方法包括1)、獲取待監(jiān)測(cè)區(qū)域的水稻生長發(fā)育過程中M0DIS09遙感數(shù)據(jù)，所述待監(jiān)測(cè)區(qū)域 由多個(gè)設(shè)定行政單元組成，所述M0DIS09遙感數(shù)據(jù)包括紅波段的地表反射率、近紅波段的 地表反射率、藍(lán)波段的地表反射率、以及近紅外和短波紅外波段處的地表反射率；計(jì)算植被指數(shù)EVI和水指數(shù)LSWI，其中，光譜指數(shù)EVI按照如下公式⑴計(jì)算 式(1)中，RED表示紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第一個(gè)波段；NIR表示 近紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第二個(gè)波段；BLUE表示藍(lán)波段的地表反射率，對(duì)應(yīng) MODIS數(shù)據(jù)第三個(gè)波段；水指數(shù)LSWI按照如下公式(2)計(jì)算 式(2)中，NIR和SWIR分別表示MODIS近紅外和短波紅外波段處的地表反射率；2)、提取水稻像元利用水指數(shù)LSWI與植被指數(shù)EVI的關(guān)系，提取水稻像元，其過 程為在灌水移栽期LSffI > 0. 12，EVI < 0. 26，(LSWI+0. 05) > EVI，且其后第6到11個(gè)8天合成的圖像的平均EVI > 0. 35 ； 3)、依據(jù)步驟2)中確定的水稻像元位置，獲取不同時(shí)期與水稻對(duì)應(yīng)的植被指數(shù) EVI 值；4)、統(tǒng)計(jì)不同時(shí)期不同設(shè)定行政單元內(nèi)植被指數(shù)EVI的平均值，獲取所有設(shè)定行 政單元的平均EVI ；5)、建立設(shè)定行政單元的平均EVI與水稻單產(chǎn)之間的統(tǒng)計(jì)模型；6)、依據(jù)步驟5)所建模型，利用所要估算年份水稻生育期內(nèi)的植被指數(shù)EVI估算 所有設(shè)定行政單元的水稻產(chǎn)量，平均后求得待監(jiān)測(cè)區(qū)域的水稻單產(chǎn)。進(jìn)一步，所述步驟5)中，所述統(tǒng)計(jì)模型是多元回歸模型、逐步回歸模型或者神經(jīng) 網(wǎng)絡(luò)模型，也可以采用其他人工智能模型。再進(jìn)一步，所述待檢測(cè)區(qū)域?yàn)槭〖?jí)區(qū)域，所述設(shè)定行政單元為縣級(jí)或地區(qū)級(jí)行政單元。本發(fā)明的技術(shù)構(gòu)思為中分辨率成像光譜儀(MODIS)具有36個(gè)光譜波段，掃描寬 度為2330km，地面分辨率為250m、500m、1000m。由于MODIS數(shù)據(jù)具有較好的時(shí)、空分辨率， 可以充分利用MODIS時(shí)間分辨率和空間分辨率的優(yōu)勢(shì)用于水稻產(chǎn)量監(jiān)測(cè)。本發(fā)明的有益效果主要表現(xiàn)在(1)、能夠顯著的提高省級(jí)水稻單產(chǎn)監(jiān)測(cè)精度，主 要是因?yàn)椴襟E1)利用水稻典型盛期光譜特征，提高了水稻像元提取精度；(2)、由于MODIS 數(shù)據(jù)的使用，提高了時(shí)間分辨，在水稻生育期內(nèi)可以獲取更多較高分辨率的遙感影像；(3)、 適合大范圍監(jiān)測(cè)水稻產(chǎn)量。
圖1是基于MODIS數(shù)據(jù)的省級(jí)水稻單產(chǎn)遙感估算方法的流程圖；圖2是利用MODIS數(shù)據(jù)提取的2001年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖3是利用MODIS數(shù)據(jù)提取的2002年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖4是利用MODIS數(shù)據(jù)提取的2003年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖5是利用MODIS數(shù)據(jù)提取的2005年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖6是利用MODIS數(shù)據(jù)提取的2005年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖7是利用MODIS數(shù)據(jù)提取的2006年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)；圖8是利用MODIS數(shù)據(jù)提取的2007年水稻像元(圖中橫坐標(biāo)為經(jīng)度；縱坐標(biāo)為緯 度)。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。
參照?qǐng)D1 圖8，一種基于MODIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，所述估算方法包 括1)、獲取待監(jiān)測(cè)區(qū)域的水稻生長發(fā)育過程中M0DIS09遙感數(shù)據(jù)，所述待監(jiān)測(cè)區(qū)域 由多個(gè)設(shè)定行政單元組成，所述M0DIS09遙感數(shù)據(jù)包括紅波段的地表反射率、近紅波段的 地表反射率、藍(lán)波段的地表反射率、以及近紅外和短波紅外波段處的反射率；計(jì)算植被指數(shù)EVI和水指數(shù)LSWI，其中，植被指數(shù)EVI按照如下公式⑴計(jì)算 式(1)中，RED表示紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第一個(gè)波段；NIR表示 近紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第二個(gè)波段；BLUE表示藍(lán)波段的地表反射率，對(duì)應(yīng) MODIS數(shù)據(jù)第三個(gè)波段；水指數(shù)LSWI按照如下公式(2)計(jì)算 式⑵中，NIR和SWIR分別表示MODIS近紅外和短波紅外波段處的地表反射率；2)、提取水稻像元利用水指數(shù)LSWI與植被指數(shù)EVI的關(guān)系，提取水稻像元，其過 程為在灌水移栽期LSffI > 0. 12，EVI < 0. 26，(LSWI+0. 05) > EVI，且其后第6到11個(gè)8 天合成的圖像的平均EVI > 0. 35 ；3)、依據(jù)步驟2)中確定的水稻像元位置，獲取不同時(shí)期與水稻對(duì)應(yīng)的植被指數(shù) EVI 值；4)、統(tǒng)計(jì)不同時(shí)期不同設(shè)定行政單元內(nèi)植被指數(shù)EVI的平均值，獲取所有設(shè)定行 政單元的平均EVI ；5)、建立設(shè)定行政單元的平均EVI與水稻單產(chǎn)之間的統(tǒng)計(jì)模型；6)、依據(jù)步驟5)所建模型，利用所要估算年份水稻生育期內(nèi)的植被指數(shù)EVI估算 所有設(shè)定行政單元的水稻產(chǎn)量，平均后求得待監(jiān)測(cè)區(qū)域的水稻單產(chǎn)。所述步驟5)中，所述統(tǒng)計(jì)模型是多元回歸模型、逐步回歸模型或者神經(jīng)網(wǎng)絡(luò)模 型，也可以采用其他人工智能模型。所述待檢測(cè)區(qū)域?yàn)槭〖?jí)區(qū)域，所述設(shè)定行政單元為縣級(jí)或是地區(qū)級(jí)行政單元。下面將以江蘇省為例，給出一個(gè)利用本發(fā)明開展省級(jí)水稻遙感估產(chǎn)的例子。要指 出的是，所給出的實(shí)例是為了說明本發(fā)明方法的技術(shù)特點(diǎn)和功能特點(diǎn)，以使能更易于理解 本發(fā)明，而不是限制本發(fā)明的使用范圍。參閱圖1，它是本發(fā)明的基于NDVI水稻葉面積指數(shù)估算的波段寬度確定的流程 圖，具體步驟如下1.獲取遙感數(shù)據(jù)及其他相關(guān)數(shù)據(jù)在本實(shí)例中，水稻像元提取是采用2001年到2007年的MODIS時(shí)間序列數(shù)據(jù)(8天 合成的M0DIS09A1數(shù)據(jù))。另外，還有江蘇省省界矢量圖和地級(jí)市的界線矢量圖。2.植被指數(shù)計(jì)算利用M0DIS09A1數(shù)據(jù)，使用以下公式計(jì)算植被指數(shù)EVI和水指數(shù)LSWI。
NIR + 6.0xRED-7.5xBLUE+l 式中，RED 紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第一個(gè)波段；NIR 近紅波段的地表反射率，對(duì)應(yīng)M0DIS數(shù)據(jù)第二個(gè)波段；BLUE 藍(lán)波段的地表反射率，對(duì)應(yīng)M0DIS數(shù)據(jù)第三個(gè)波段。SWIR 短波紅外波段的地表反射率；3.水稻像元提取的依據(jù)水稻有別于其他地物的地方在于水稻種植在灌水的水田中，尤其是在水稻移栽前 和水稻移栽初期，反射光譜中水信息特別明顯。其他植被一般不具備這個(gè)特征，因此可以利 用這個(gè)特征可以提取水稻像元。水稻種植生長發(fā)育經(jīng)歷從稻田灌水_ >秧苗移栽_ >營養(yǎng)生長_ >生殖生長的各 個(gè)水稻生殖發(fā)育期，這個(gè)過程中，植被指數(shù)(比如EVI)有小逐漸變大，再逐步變小，而對(duì)于 水光譜指數(shù)(對(duì)水比較敏感，比如LSWI)與地表水密切相關(guān)，一般在地表水存在時(shí)量值比較 大。因此可以利用建立兩者之間的關(guān)系來確定水稻像元。對(duì)于江蘇省，因?yàn)橐话惴N植的是一 季稻或是單季晚稻，其提取算法為在灌水移栽期LSWI > 0. 12，EVI < 0. 26，(LSWI+0. 05) > EVI，且其后第6到11個(gè)8天合成的圖像的平均EVI > 0. 35。采用的遙感影像處理軟件 為 ENVI。利用上面提到的方法分別對(duì)2001年至2007年的M0DIS數(shù)據(jù)進(jìn)行處理，獲取不同 年份的水稻像元分布圖，如圖2到圖8。4.依據(jù)以上所確定的水稻像元位置，獲取不同時(shí)期與水稻對(duì)應(yīng)的植被指數(shù)EVI 值；5. ililARCGIS c^ W Spatial Analyst Tools- > Zonal- > Zonal Statistics asTable求算江蘇省內(nèi)縣級(jí)行政單元內(nèi)水稻的平均EVI值。6.建立估產(chǎn)模型進(jìn)行估產(chǎn)將2001、2002、2003、2004、2006、2007 年的水稻產(chǎn)量與 EVI177-EVI297 建立多元 回歸模型，建模是利用SPSS的多元回歸功能，建模時(shí)以水稻單產(chǎn)為因變量，以EVI177到 EVI297為自變量，建模結(jié)果如下Y = 8437. 121+0. 189XEVI177-0. 007XEVI185-0. 431 XEVI193+0. 103XEVI201+0. 012XEVI209-0. 266XEVI217+0. 188XEVI225+0. 248XEVI233-0. 064XEVI241+0. 035XEVI249-0. 388XEVI257+0. 248XEVI265+0. 305XEVI273-0. 403XEVI281+0. 624XEVI289-0. 525XEVI297其中Y表示水稻單產(chǎn)，EVI177表示第177天所在8天合成的植被指數(shù)，其他的也 同樣，所構(gòu)建模型的R2為0. 43。利用2005年的數(shù)據(jù)對(duì)上述模型進(jìn)行檢驗(yàn)，計(jì)算模擬的2005 水稻產(chǎn)量，與實(shí)際產(chǎn)量相比較，其相關(guān)系數(shù)為0. 38，均方根誤差為431. 9公斤/公頃，平均相 對(duì)誤差為4. 5%。
權(quán)利要求
一種基于MODIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，其特征在于所述估算方法包括1)、獲取待監(jiān)測(cè)區(qū)域的水稻生長發(fā)育過程中MODIS09遙感數(shù)據(jù)，所述待監(jiān)測(cè)區(qū)域由多個(gè)設(shè)定行政單元組成，所述MODIS09遙感數(shù)據(jù)包括紅波段的地表反射率、近紅波段的地表反射率、藍(lán)波段的地表反射率、以及近紅外和短波紅外波段處的地表反射率；計(jì)算植被指數(shù)EVI和水指數(shù)LSWI，其中，植被指數(shù)EVI按照如下公式(1)計(jì)算 <mrow><mi>EVI</mi><mo>=</mo><mn>2.5</mn><mo>×</mo><mfrac> <mrow><mi>NIR</mi><mo>-</mo><mi>RED</mi> </mrow> <mrow><mi>NIR</mi><mo>+</mo><mn>6</mn><mo>.</mo><mn>0</mn><mo>×</mo><mi>RED</mi><mo>-</mo><mn>7.5</mn><mo>×</mo><mi>BLUE</mi><mo>+</mo><mn>1</mn> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>式(1)中，RED表示紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第一個(gè)波段；NIR表示近紅波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第二個(gè)波段；BLUE表示藍(lán)波段的地表反射率，對(duì)應(yīng)MODIS數(shù)據(jù)第三個(gè)波段；水指數(shù)LSWI按照如下公式(2)計(jì)算 <mrow><mi>LSWI</mi><mo>=</mo><mfrac> <mrow><mi>NIR</mi><mo>-</mo><mi>SWIR</mi> </mrow> <mrow><mi>NIR</mi><mo>+</mo><mi>SWIR</mi> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow>式(2)中，NIR和SWIR分別表示MODIS近紅外和短波紅外波段處的地表反射率；2)、提取水稻像元利用水指數(shù)LSWI與植被指數(shù)EVI的關(guān)系，提取水稻像元，其過程為在灌水移栽期LSWI＞0.12，EVI＜0.26，(LSWI+0.05)＞EVI，且其后第6到11個(gè)8天合成的圖像的平均EVI＞0.35；3)、依據(jù)步驟2)中確定的水稻像元位置，獲取不同時(shí)期與水稻對(duì)應(yīng)的植被指數(shù)EVI值；4)、統(tǒng)計(jì)不同時(shí)期不同設(shè)定行政單元內(nèi)植被指數(shù)EVI的平均值，獲取所有設(shè)定行政單元的平均EVI；5)、建立設(shè)定行政單元的平均EVI與水稻單產(chǎn)之間的統(tǒng)計(jì)模型；6)、依據(jù)步驟5)所建模型，利用所要估算年份水稻生育期內(nèi)的植被指數(shù)EVI估算所有設(shè)定行政單元的水稻產(chǎn)量，平均后求得待監(jiān)測(cè)區(qū)域的水稻單產(chǎn)。
2.如權(quán)利要求1所述的一種基于M0DIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，其特征在于 所述步驟5)中，所述統(tǒng)計(jì)模型是多元回歸模型、逐步回歸模型或者神經(jīng)網(wǎng)絡(luò)模型。
3.如權(quán)利要求1或2所述的一種基于M0DIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，其特征在 于所述待檢測(cè)區(qū)域?yàn)槭〖?jí)區(qū)域，所述設(shè)定行政單元為縣級(jí)或地區(qū)級(jí)行政單元。
全文摘要
一種基于MODIS數(shù)據(jù)的水稻單產(chǎn)遙感估算方法，包括1)獲取待監(jiān)測(cè)區(qū)域的水稻生長發(fā)育過程中MODIS09遙感數(shù)據(jù)，計(jì)算植被指數(shù)EVI和水指數(shù)LSWI；2)利用水指數(shù)LSWI與植被指數(shù)EVI的關(guān)系，提取水稻像元；3)獲取不同時(shí)期與水稻對(duì)應(yīng)的植被指數(shù)EVI值；4)統(tǒng)計(jì)不同時(shí)期不同設(shè)定行政單元內(nèi)植被指數(shù)EVI的平均值，獲取所有設(shè)定行政單元的平均EVI；5)建立設(shè)定行政單元的平均EVI與水稻單產(chǎn)之間的統(tǒng)計(jì)模型；6)利用所要估算年份水稻生育期內(nèi)的植被指數(shù)EVI估算所有設(shè)定行政單元的水稻產(chǎn)量，平均后求得待監(jiān)測(cè)區(qū)域的水稻單產(chǎn)。本發(fā)明時(shí)間和空間分辨率和估產(chǎn)精度相對(duì)較高，并適合大范圍監(jiān)測(cè)水稻產(chǎn)量。
文檔編號(hào)G01S7/48GK101858971SQ20101019018
公開日2010年10月13日 申請(qǐng)日期2010年6月2日 優(yōu)先權(quán)日2010年6月2日
發(fā)明者孫華生, 王福民, 黃敬峰 申請(qǐng)人:浙江大學(xué)