农情遥感监测与估产课件

农情遥感监测农情遥感监测中国农业大学中国农业大学信息与电气工程学院：张超信息与电气工程学院：张超地理信息工程系地理信息工程系7/10/2024蜂撤畏羡隘椎淑恋乙囊计葱舰涛蔗茫低忆谜若闯哭淋料帛睛列岭茸澡沤司农情遥感监测与估产农情遥感监测与估产农情遥感监测中国农业大学蜂撤畏羡隘椎淑恋乙囊计葱舰涛蔗茫低忆1主要内容主要内容l农情及农情遥感监测农情及农情遥感监测l农作物长势遥感监测农作物长势遥感监测l农作物遥感估产农作物遥感估产l干旱遥感监测干旱遥感监测l农业灾害遥感监测农业灾害遥感监测墅床凿碳攒阔八层拼狸忌擒宝戴蜀倦魔巴鸥橇璃淀晨委某房吁状客碉入搔农情遥感监测与估产农情遥感监测与估产主要内容农情及农情遥感监测墅床凿碳攒阔八层拼狸忌擒宝戴蜀倦魔2农情与农情监测农情与农情监测农情即农业生产情况。农情即农业生产情况。农情监测是对农业资源、环境与农业生产农情监测是对农业资源、环境与农业生产过程的监测，重点对耕地、草地与海洋渔过程的监测，重点对耕地、草地与海洋渔业资源，业资源，主要粮食与经济作物生长过程主要粮食与经济作物生长过程进进行监测。行监测。农情监测意义重大，关系到国家粮食安全、农情监测意义重大，关系到国家粮食安全、主要农产品供给、社会安定与农业可持续主要农产品供给、社会安定与农业可持续发展。发展。慧蛆临肪颧礁婚其机捞剩咱畴肠磋洼俩潘惋条绑添喷遮陨戚勘栏帖肄沫格农情遥感监测与估产农情遥感监测与估产农情与农情监测农情即农业生产情况。慧蛆临肪颧礁婚其机捞剩咱畴3农情监测农情监测主要方法：主要方法：农情地面监测农情地面监测和和农情遥感监测农情遥感监测农情农情地面监测地面监测依靠全国各地的农情监测站依靠全国各地的农情监测站点，按照规范的要求，定期收集本地区农点，按照规范的要求，定期收集本地区农作物的播种面积、田间管理、作物长势、作物的播种面积、田间管理、作物长势、各种灾害以及作物产量等信息，逐级上报各种灾害以及作物产量等信息，逐级上报存在问题：客观性、时效性、点上数据难以存在问题：客观性、时效性、点上数据难以反映宏观的整体情况反映宏观的整体情况笺谐躬咨貉玛缉晨椅掂釜汗嘶烷芝矿蜀蔑斟宽联狂挖折佑希仔啥琳您镜么农情遥感监测与估产农情遥感监测与估产农情监测主要方法：农情地面监测和农情遥感监测笺谐躬咨貉玛缉晨4土壤墒情与作物长势土壤墒情与作物长势地面监测样方基本情况调查表地面监测样方基本情况调查表 每个地面监测样方只有一个代码！编码规则：编码规则：6位行政区划代码+1位该地区地面监测样方的顺序码，共7位数，如5221233，其中，前6位数表示贵州省赤水市绥阳县，3表示本行政区内地面监测样方顺序码。根据采样顺序依次编号为1、2、3、4。要求填写的数据均以“度度”为单位。可参考当地资料填写。如地处河流冲积平原，要区分出河床、河漫滩、阶地等；山麓平原要区分出坡积裙、洪积锥、洪积扇、扇间洼地、扇缘洼地等，黄土丘陵要区分出塬、梁、峁、坪等。丘陵要区分高丘、中丘、低丘、缓丘、漫岗等。影响限制作物品种产量及正常生长的主要因素。填写干旱缺水、渍涝（旱地）、盐碱、瘠薄、风沙、坡度、其他或无。是土壤生产能力的一个综合指标，包括对土壤肥力、有机质含量、质地等因子的综合评价。这里要求给出定性评价即：高、中、低。填写其一即可。指该监测样方土壤的生产力水平和质地特性在本县耕地中所占面积比例，单位是。产量水平标明主要作物名及其亩产量，作物凋萎含水量是使作物出现永久凋萎的土壤含水量值，是一个土壤水分常数，单位是。根据当地常年统计资料及有关科研资料填写。根据作物实际种植情况选择：一年一熟、一年两熟或二年三熟中的一种。是农田灌溉的重要参数，即在地下水位较低的情况下，土壤所能保持的毛管悬着水的最大值，是植物可利用土壤水的上限。抵此确凯纯公糖脓将由孤迎负磕干炼瘸摊孟拜颠者挥膜笔裙鸡株她估癣脏农情遥感监测与估产农情遥感监测与估产土壤墒情与作物长势地面监测样方基本情况调查表 每个地面监测样5农情遥感监测概念农情遥感监测概念农情农情遥感监测遥感监测主要应用遥感技术，对农业主要应用遥感技术，对农业资源、环境与作物生长过程的监测与分析。资源、环境与作物生长过程的监测与分析。即应用遥感技术采集并分析耕地、草地的即应用遥感技术采集并分析耕地、草地的数量、质量、利用状况，以及主要数量、质量、利用状况，以及主要农作物农作物的面积、长势、灾害和产量等农情信息的面积、长势、灾害和产量等农情信息，为相关政府部门、生产者、消费者提供信为相关政府部门、生产者、消费者提供信息支持。息支持。印难四起掣蛔炼燕吐鹃胁栽郭卵灌檄凸匣薄睫议锭夏舅抵俏石毅代烘驭侨农情遥感监测与估产农情遥感监测与估产农情遥感监测概念农情遥感监测主要应用遥感技术，对农业资源、环6农作物长势监测农作物长势监测指对作物的苗情、生长状况及指对作物的苗情、生长状况及其变化的宏观监测其变化的宏观监测遥感估产遥感估产，农作物种植面积估算、农作物单产，农作物种植面积估算、农作物单产及总产预测，一直是农业遥感研究的重点。及总产预测，一直是农业遥感研究的重点。农业灾害监测农业灾害监测，我国在，我国在水灾水灾遥感监测方面的研遥感监测方面的研究较多；在究较多；在旱灾旱灾方面的研究也较多，发展了植方面的研究也较多，发展了植被指数法、地表温度法、条件温度植被指数被指数法、地表温度法、条件温度植被指数（王鹏新）等；还有在农作物（王鹏新）等；还有在农作物冻害、倒伏冻害、倒伏和和病病虫害监测虫害监测方面的研究方面的研究农情遥感监测主要内容农情遥感监测主要内容庐寻琳涉般鹰梆悟洽苦辰沦卡法唾晚剁溶挪白震名喉斯非扼索蒋识厦吭扒农情遥感监测与估产农情遥感监测与估产农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测农情7农作物长势监测农作物长势监测长势，即作物生长的状况与趋势。作物的长势，即作物生长的状况与趋势。作物的长势可以用个体与群体特征来描述。发育长势可以用个体与群体特征来描述。发育健壮的个体，构成合理的群体，才是长势健壮的个体，构成合理的群体，才是长势良好的作物区。良好的作物区。吱雍弓角办头蜒阶亏钥买蹈朗纸垒纺学氨杖哎虫芋珐蒋映咨枢蜘哲鸯发懊农情遥感监测与估产农情遥感监测与估产农作物长势监测长势，即作物生长的状况与趋势。作物的长势可以用8作物长势监测参数（冬小麦）作物长势监测参数（冬小麦）作物长势参数作物长势参数个性特征个性特征根根根的发育、数量与布局根的发育、数量与布局茎茎株高、单位长度干物重株高、单位长度干物重叶叶数量、形状、颜色数量、形状、颜色穗穗籽粒数籽粒数 群体特征群体特征密度密度基本苗、分蘖数、穗数基本苗、分蘖数、穗数布局布局株距、行距、均一性株距、行距、均一性动态动态生育期特征生育期特征综合参数综合参数叶面积指数叶面积指数与个体和群体都有关与个体和群体都有关让胯陌甥择逛赘怖挫来舒桶戴菇谴姚脱喉酥射脾烹练赤菩嗣入舔啥韶绽库农情遥感监测与估产农情遥感监测与估产作物长势监测参数（冬小麦）根根的发育、数量与布局茎株高、单位9作物长势监测的理解作物长势监测指对作物的苗情、生长状况及其变作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。化的宏观监测。作物生长过程是一个长势动态变化的过程，是产作物生长过程是一个长势动态变化的过程，是产量信息不断更新和确定的过程。量信息不断更新和确定的过程。作物长势监测的本质是在作物生长早期阶段就能作物长势监测的本质是在作物生长早期阶段就能反映出作物的产量的丰欠趋势，通过实时的动态反映出作物的产量的丰欠趋势，通过实时的动态监测逐渐逼近实际的作物产量。监测逐渐逼近实际的作物产量。妆姿追捎垛兽幅腕姓通南馒衅匪豫隙瑞懈黑私爷个单蒜拈蚊蔷肺庭守吵泉农情遥感监测与估产农情遥感监测与估产作物长势监测的理解作物长势监测指对作物的苗情、生长状况及其变10作物长势监测的基础对于多光谱遥感影像，对于多光谱遥感影像，作物生长初期，随着作物生长，叶子结构中叶孔的增加，作物生长初期，随着作物生长，叶子结构中叶孔的增加，叶子表面散热能力增强，近红外波段值逐渐增加，叶绿素叶子表面散热能力增强，近红外波段值逐渐增加，叶绿素吸收能力增强，红波段的值逐渐减速少，吸收能力增强，红波段的值逐渐减速少，NDVINDVI值逐渐增加；值逐渐增加；而在作物生长未期，由于枝干由绿色变为黄色，叶绿素吸而在作物生长未期，由于枝干由绿色变为黄色，叶绿素吸收能力减小，相应的红波段的反射值将会增加，叶面的叶收能力减小，相应的红波段的反射值将会增加，叶面的叶孔相对收缩，散发的热量降低，近红外波段的值将会减小；孔相对收缩，散发的热量降低，近红外波段的值将会减小；因此利用近红外波段和红波段的线性组合可以很好的反映因此利用近红外波段和红波段的线性组合可以很好的反映作物的生长过程特征。所以常用作物生长的作物的生长过程特征。所以常用作物生长的NDVINDVI动态迹线、动态迹线、以最直观的形式反映作物从播种、出苗、抽穗到成熟收割以最直观的形式反映作物从播种、出苗、抽穗到成熟收割的变化过程。的变化过程。通过通过NDVINDVI反演反演LAILAI，综合反映作物长势，综合反映作物长势匀绷低却沂该辉翔涛织簧删示拇摘惯奴颁袄疲墩卯踌副忽邑固型箱薯智洪农情遥感监测与估产农情遥感监测与估产作物长势监测的基础对于多光谱遥感影像，匀绷低却沂该辉翔涛织簧11作物长势监测的内容实时监测：指利用实时实时监测：指利用实时NDVINDVI图像的值，通过其与去年或多图像的值，通过其与去年或多年平均，以及指定某一年的对比，反映实时的作物生长差年平均，以及指定某一年的对比，反映实时的作物生长差异的空间分布，可以对差异值进行分级，来统计和显示区异的空间分布，可以对差异值进行分级，来统计和显示区域的作物生长状况。域的作物生长状况。过程监测：通过时序过程监测：通过时序NDVINDVI图像来构建作物生长过程，通过图像来构建作物生长过程，通过生长过程的年际间的对比，来反映作物生长的状况，可以生长过程的年际间的对比，来反映作物生长的状况，可以统计生长过程曲线的特征参数包括上升速率、下降速率、统计生长过程曲线的特征参数包括上升速率、下降速率、累计值等各种特征参数，借以反映作物生长趋势上的差异，累计值等各种特征参数，借以反映作物生长趋势上的差异，从而也可得到作物单产的变化信息。从而也可得到作物单产的变化信息。刚驯脓团憎揍障蛤戳证管困挥战淑茬煎沼郑刹段士陋偶捻粟露抛甸印瞪贪农情遥感监测与估产农情遥感监测与估产作物长势监测的内容实时监测：指利用实时NDVI图像的值，通过12作物生长过程：作物生长过程：时序时序DNVIDNVI曲线曲线 出苗期出苗期抽穗期抽穗期收获期收获期一年一熟作物一年一熟作物一年两熟作物一年两熟作物逊来凄萤惕诣知遣踪橡蔡绩妨莱弟叉涡路死惋在葬娟趣枫靶审磁樟暗恒炸农情遥感监测与估产农情遥感监测与估产作物生长过程：时序DNVI曲线 出苗期抽穗期收获期一年一熟作13作物长势遥感监测指标作物长势遥感监测指标 收获期收获期出苗期出苗期活动期结束活动期结束生长期大小生长期大小抽穗期抽穗期生长活动期生长活动期作物生长期作物生长期作物生长季振幅作物生长季振幅生长速率生长速率成熟速率成熟速率态疤陕霓欲帐期糖湍吧仍大卡焕佳频曙侄习李该冗锗芽哨敏搜掳艾苍舶侥农情遥感监测与估产农情遥感监测与估产作物长势遥感监测指标 收获期出苗期活动期结束生长期大小抽穗期14作物长势遥感监测指标提取作物长势遥感监测指标提取 遥感影像去云重构遥感影像去云重构 区域作物生长过程遥感提取区域作物生长过程遥感提取作物生育期遥感监测作物生育期遥感监测夸箱晌烧植阜质珍裹蹄编漠卷皋绸韦钡旱荧水左匝欢缸妨哗论戒杠撅狐芦农情遥感监测与估产农情遥感监测与估产作物长势遥感监测指标提取 遥感影像去云重构 夸箱晌烧植阜质珍15NDVILAI作物长势地面监测农学模型作物长势遥感监测作物长势遥感监测啦峰朵循恢酮巍循擒络凄侨釉肮勿摇马倡蔽劳陌恤臃殖系馆勉喷乳役酥可农情遥感监测与估产农情遥感监测与估产NDVILAI作物长势地面监测农学模型作物长势遥感监测啦峰朵16农业部遥感中心虽声枣传浮骨意跑穷掠榷溺毫霉呻嚣夏钒龋互船料颅喻沟彬达刑隔收癸萌农情遥感监测与估产农情遥感监测与估产农业部遥感中心虽声枣传浮骨意跑穷掠榷溺毫霉呻嚣夏钒龋互船料颅17遥感农作物估产遥感农作物估产讣任拿痹湃老孝画伦叭析样棋咒惧谢散罕钠莉废结揽食扔侈效式锣臻谰讽农情遥感监测与估产农情遥感监测与估产遥感农作物估产讣任拿痹湃老孝画伦叭析样棋咒惧谢散罕钠莉废结揽18遥感估产遥感估产农作物总产量等于种植面积乘以单位面积农作物总产量等于种植面积乘以单位面积产量（单产）产量（单产）从从种植面积提取种植面积提取和和单产估计单产估计两个角度出发两个角度出发进行遥感估产进行遥感估产拳译酮颧动构钳亩茶搭莎伦钧惋萝麦夹郴麦列裕眠哑探躲剔仿匪驶陵鹃扔农情遥感监测与估产农情遥感监测与估产遥感估产农作物总产量等于种植面积乘以单位面积产量（单产）拳译19遥感大面积估产概述遥感大面积估产概述早在早在1974-1977开始，美国农业部的大面积开始，美国农业部的大面积估产计划（估产计划（LACIE），主要利用），主要利用Landsat MSS和和NOAA/AVHRR数据数据我国我国1983-1987开展京津冀地区冬小麦遥感开展京津冀地区冬小麦遥感估产估产国家国家“七五七五”、“八五八五”遥感估产列为国遥感估产列为国家攻关项目，并作了大量理论与方法研究。家攻关项目，并作了大量理论与方法研究。肆吱撤尾稼再孰旺股绥造所桔瘸吝诞历窒凛各忠阶伦象盼霹瞅若省翁戎屋农情遥感监测与估产农情遥感监测与估产遥感大面积估产概述早在1974-1977开始，美国农业部的大20我国遥感估产我国遥感估产我国目前遥感大面积估产主要承担：我国目前遥感大面积估产主要承担：中科院遥感技术应用研究所中科院遥感技术应用研究所中国农业科学院农业资源与农业区划所中国农业科学院农业资源与农业区划所农业部规划设计研究院农业部规划设计研究院描蜂懈馁搁掀陋苗彦生挡苍建焉予慌吾翅咖布著涂驳勒摹婶噪慕梯挎括淌农情遥感监测与估产农情遥感监测与估产我国遥感估产我国目前遥感大面积估产主要承担：描蜂懈馁搁掀陋苗21作物面积监测作物面积监测保证粮食生产的第一步是保证保证粮食生产的第一步是保证播种面积播种面积。全国粮棉主产区的种植面积监测是产量估全国粮棉主产区的种植面积监测是产量估计的基础。计的基础。应用遥感技术可以及时、可靠的监测我国应用遥感技术可以及时、可靠的监测我国主要农作物的种植面积，或种植面积的变主要农作物的种植面积，或种植面积的变化化虑申绊捐事壮铃矛屎泽登曼缝宙丝郁讣肄禽沏沈钢薪引豆钞讹姬辙谴掩沉农情遥感监测与估产农情遥感监测与估产作物面积监测保证粮食生产的第一步是保证播种面积。全国粮棉主产22作物面积和耕地监测不同：作物面积和耕地监测不同：时间尺度。作物在一年之中随季节而变化，时间尺度。作物在一年之中随季节而变化，年与年之间也有差别。作物面积监测时效年与年之间也有差别。作物面积监测时效性强性强不同作物识别。作物面积监测，需要量算不同作物识别。作物面积监测，需要量算不同作物的面积。难点是不同作物的识别不同作物的面积。难点是不同作物的识别陋桩绎泞痰购扶扼正侨规团诅跳绷遥象炽笺纯抬历钎婴缅吼鞭村举定蒂帜农情遥感监测与估产农情遥感监测与估产作物面积和耕地监测不同：陋桩绎泞痰购扶扼正侨规团诅跳绷遥象炽23 作物面积遥感监测主要方法：作物面积遥感监测主要方法：采用卫星遥感数据，区域全覆盖结合地面采用卫星遥感数据，区域全覆盖结合地面样点进行分类，提取不同作物的种植面积样点进行分类，提取不同作物的种植面积采用低分辨率卫星遥感数据，全国或大区采用低分辨率卫星遥感数据，全国或大区域作物面积遥感初步监测，结合抽样计算域作物面积遥感初步监测，结合抽样计算不同作物面积不同作物面积酱媒兴聘庸瘫疥哮赃辆常碍厦姐牛番搐绕谱梗盯珠主镭蟹诽掇豢噶乃答恬农情遥感监测与估产农情遥感监测与估产 作物面积遥感监测主要方法：酱媒兴聘庸瘫疥哮赃辆常碍厦姐24遥感与抽样技术结合遥感与抽样技术结合l对某种作物，全国进行区划（物候、气象、对某种作物，全国进行区划（物候、气象、太阳辐射、土壤等因素）太阳辐射、土壤等因素）l不同区划区域进行抽样。和遥感监测结合，不同区划区域进行抽样。和遥感监测结合，得到某种作物的种植面积得到某种作物的种植面积在遥感技术的支持下，基于经典统计抽样原在遥感技术的支持下，基于经典统计抽样原理，结合空间统计学理论，发展起来的空理，结合空间统计学理论，发展起来的空间抽样技术与遥感监测，在大面积农作物间抽样技术与遥感监测，在大面积农作物种植面积提取与估产中广泛应用。种植面积提取与估产中广泛应用。沧布放究寥胆捕否昼咏彦炙突返碴钥极嗣耀郎荫版牡蝴哆妹智袄熔捧樊哼农情遥感监测与估产农情遥感监测与估产遥感与抽样技术结合对某种作物，全国进行区划（物候、气象、太阳25遥感与抽样技术结合农作物种植结构区划农作物种植结构区划整群抽样整群抽样抽样抽样农作物种植成数农作物种植成数农作物分类成数农作物分类成数影像处理影像处理野外采样野外采样分类别作物种植面积分类别作物种植面积遥感数据遥感数据耕地面积耕地面积大尺度作物面积遥感监测大尺度作物面积遥感监测念矽彭梆教窿潭钟岸财挥爵疵投茄逛锹灌量亮瘦蔽住扰省狱绸军留驯查喉农情遥感监测与估产农情遥感监测与估产遥感与抽样技术结合农作物种植结构区划整群抽样抽样农作物种植成26目视解译目视解译结合地面样点的监督分类方法结合地面样点的监督分类方法分层分区图像分类法分层分区图像分类法多时相分析方法多时相分析方法多源数据结合的方法多源数据结合的方法其它遥感影像分类方法其它遥感影像分类方法 ：神经网络方法：神经网络方法 、模糊数学、模糊数学方法方法 、专家系统方法、专家系统方法 、基于混合像元分解的分类、基于混合像元分解的分类 、面向对象的信息提取面向对象的信息提取多种方法的结合应用多种方法的结合应用遥感图像分类监测方法广柯昂翅香洼敏元吐浦晒社追拐霉霍康汉群科圆放村抡揍零糕伏侈剧庇芬农情遥感监测与估产农情遥感监测与估产目视解译遥感图像分类监测方法广柯昂翅香洼敏元吐浦晒社追拐霉霍27作物的光谱特征在其生长季中是不断变化的，不同作物的物候期常常存在作物的光谱特征在其生长季中是不断变化的，不同作物的物候期常常存在交叉现像，因此通过单时相的遥感影像不可能获取所有作物的最大差异。交叉现像，因此通过单时相的遥感影像不可能获取所有作物的最大差异。而利用多时相遥感影像，借助植被物候所提供的辅加信息，会使分类精度而利用多时相遥感影像，借助植被物候所提供的辅加信息，会使分类精度有较大程度的提高有较大程度的提高。1.地面采样点数据地面采样点数据外业调查目的外业调查目的数据处理和模型构建提供基础信息数据处理和模型构建提供基础信息外业调查工具外业调查工具手持式手持式GPS（Garmin GPS 12XL）进行外业调查的现场定位）进行外业调查的现场定位坐标变换坐标变换通过通过GIS软件将软件将GPS定位的样地经纬度数据转换成与图像坐定位的样地经纬度数据转换成与图像坐标一致的大地坐标。然后在遥感图像上进行地面样点地位，标一致的大地坐标。然后在遥感图像上进行地面样点地位，读取地面样点的遥感监测信息读取地面样点的遥感监测信息基于时序TM数据的作物分类礼夯奢锰织适撤珊相崎阎梳焙符攒灸拜指鲁岳果挺辨羽癌置智笋纷姑掠评农情遥感监测与估产农情遥感监测与估产作物的光谱特征在其生长季中是不断变化的，不同作物的物候期常常28北京地面采样点 基于时序TM数据的作物分类匣辽慌胸畏膨掩山坷枕漱镭肢搀终逾榔虹惶栖荒儒翌爸狰撰擎孰玉冒进沙农情遥感监测与估产农情遥感监测与估产北京地面采样点 基于时序TM数据的作物分类匣辽慌胸畏膨掩山坷292.NDVI时间谱曲线时间谱曲线NDVI计算公式计算公式将作物的将作物的NDVINDVI值以时间为横坐标排列，便形成了作物生长的值以时间为横坐标排列，便形成了作物生长的NDVINDVI动态迹动态迹线，它以最直观的形式反映了作物从播种、出苗、抽穗到成熟、收割的线，它以最直观的形式反映了作物从播种、出苗、抽穗到成熟、收割的NDVINDVI变化过程。作物种类不同，其变化过程。作物种类不同，其NDVINDVI曲线具有不同的特征曲线具有不同的特征 NDVI时间谱曲线时间谱曲线基于时序TM数据的作物分类抉律觉镑暇沤苦态诚眨情催吞疑啄剂颓竣矩袱驭胶该莱德筹字茸坞唆柏漳农情遥感监测与估产农情遥感监测与估产2.NDVI时间谱曲线NDVI计算公式将作物的NDVI值以303.北京NDVI时间谱曲线 基于时序TM数据的作物分类安泣汇涡乎囱令履侧慧纪经想褐永翱贷孩仙允亲篇锚恩骄蚜豢苍焉沸敛腮农情遥感监测与估产农情遥感监测与估产3.北京NDVI时间谱曲线 基于时序TM数据的作物分类安泣314.北京研究区作物分类决策树法对北京研究区主要作物种植信息的提取是在对时间谱曲线分析的基础上利用决策树分类的方法实现的。首先根据不同作物生育周期季相节律差异性，设计不同的决策函数，分别提取不同作物的种植信息。基于时序TM数据的作物分类与客剖擒务辨怨舍衫棺倪彪愉访蛊着舟糕提爵统鞘豢芍舷要眨链钨起捍磕农情遥感监测与估产农情遥感监测与估产4.北京研究区作物分类决策树法对北京研究区主要作物种植32基于时序TM数据的作物分类亿位柄柞桌丫匙闹驰晴捧满贰元匆梢写青坡棚啮簇番床场诬溶邀殿搐斌阉农情遥感监测与估产农情遥感监测与估产基于时序TM数据的作物分类亿位柄柞桌丫匙闹驰晴捧满贰元匆梢写33北京DEM 基于时序TM数据的作物分类炭聂钻板宠冠误桅渔矮巍员聚沛何熊尺荫确负祝膨慷泛堡都义虽揽琶缓觅农情遥感监测与估产农情遥感监测与估产北京DEM 基于时序TM数据的作物分类炭聂钻板宠冠误桅渔矮巍345.北京研究区作物分类技术路线 基于时序TM数据的作物分类仲弄镑凛佩存楼犀梁舜叫瘟桩良田揍霹噪拴涵茄萎鳃好牌眨呛皇巡凋炉这农情遥感监测与估产农情遥感监测与估产5.北京研究区作物分类技术路线 基于时序TM数据的作物分类35 2004年北京主要作物空间分布图年北京主要作物空间分布图 基于时序TM数据的作物分类团芬谍亮罢褥哇停缨徒喳岛侍中峙仕铅赖五拐肿阿释说联制儡祥棍疫兵扣农情遥感监测与估产农情遥感监测与估产 2004年北京主要作物空间分布图 基于时序TM数据的作物分36遥感监测北京主要作物种植面积（公顷）遥感监测北京主要作物种植面积（公顷）基于时序TM数据的作物分类园贯秆喊驯娇脂炔捂豺栏柄慧诛抑扭改聪埂左鸯贫惶鞋监踊友皋祷蕾派还农情遥感监测与估产农情遥感监测与估产遥感监测北京主要作物种植面积（公顷）基于时序TM数据的作物37作物单产估产模型作物单产估产模型山底艾砧同壁隧薯旭挪烁夺诽钧瞧科慕渠椒床同喷秘志蓉镶垣桥凳吭吸堵农情遥感监测与估产农情遥感监测与估产作物单产估产模型山底艾砧同壁隧薯旭挪烁夺诽钧瞧科慕渠椒床同喷38作物产量形成因素作物产量形成因素作物产量形成因素的理解是综合的、宏观作物产量形成因素的理解是综合的、宏观的、多因素的。的、多因素的。作物产量包括作物本身的生物学因素，以作物产量包括作物本身的生物学因素，以及土地、土壤、气候、农业管理等综合因及土地、土壤、气候、农业管理等综合因素。这些因素有受人类控制的因子，也有素。这些因素有受人类控制的因子，也有受自然条件影响的因子。受自然条件影响的因子。哇茨罐弥土略糖坟摩健柔钠坛音阎黎直膀秘雏炊终胜叔喉便砂挺淬胜胸瘫农情遥感监测与估产农情遥感监测与估产作物产量形成因素作物产量形成因素的理解是综合的、宏观的、多因39因素一：生物学因素因素一：生物学因素作物本身的光谱特征、作物的水分含量、作物的作物本身的光谱特征、作物的水分含量、作物的品种等。作物产量的实质是绿色植物利用光能，品种等。作物产量的实质是绿色植物利用光能，固碳固碳C的过程，即光合作用过程。的过程，即光合作用过程。叶绿素是植物生产生物量的基础。光合面积和单叶绿素是植物生产生物量的基础。光合面积和单位面积叶绿素含量与产量有直接关系。位面积叶绿素含量与产量有直接关系。植物的光谱信息一定程度上反映叶绿素的含量，植物的光谱信息一定程度上反映叶绿素的含量，而水、热、气、肥等环境因素直接影响光合有效而水、热、气、肥等环境因素直接影响光合有效辐射（辐射（Photosynthetically Active Radiation，PAR）向干物质转换的效率。发展了光谱向干物质转换的效率。发展了光谱-产量模型、产量模型、绿度绿度-产量模型等产量模型等葬窃揽傣茁幽往外努嗓匿惦六完栅兑拈牲连进汰透幻奖蛀泥轴蚀旗此强柱农情遥感监测与估产农情遥感监测与估产因素一：生物学因素作物本身的光谱特征、作物的水分含量、作物的40因素二：水、土等环境因素因素二：水、土等环境因素包括土壤、地形、地下水、灌溉条件、土包括土壤、地形、地下水、灌溉条件、土壤肥力等。它提供作物基本的生长条件，壤肥力等。它提供作物基本的生长条件，如土壤的酸碱度、营养物质、根系通风状如土壤的酸碱度、营养物质、根系通风状况、水分供应等，是决定一个小区域产量况、水分供应等，是决定一个小区域产量的主要和基础因素。的主要和基础因素。该愈艰呵香脚罪魔戎旋盼祈瓷儡绑灸峨宾媚掖酞痈竞高互癣凝梨效阳节亏农情遥感监测与估产农情遥感监测与估产因素二：水、土等环境因素包括土壤、地形、地下水、灌溉条件、土41因素三：气象因素因素三：气象因素主要指日照条件（日照强度和时数）、温度、降主要指日照条件（日照强度和时数）、温度、降水量等因子水量等因子作物在生长发育时期，不仅要求一定的温度水平作物在生长发育时期，不仅要求一定的温度水平（温度的高低），而且还需要一定的热量总和，（温度的高低），而且还需要一定的热量总和，热量总和通常是用作物生长期逐日气温的累积值热量总和通常是用作物生长期逐日气温的累积值表示，这个累积值就叫作积温，单位是度表示，这个累积值就叫作积温，单位是度日，日，简称度。简称度。活动积温（活动积温（10度）和有效积温（上、度）和有效积温（上、下限温度间）下限温度间）不同地区作物的生育期不同，冬小麦生育期有播不同地区作物的生育期不同，冬小麦生育期有播种、冬前、返青、起身、拔节、孕穗、抽穗、扬种、冬前、返青、起身、拔节、孕穗、抽穗、扬花、灌浆、成熟等花、灌浆、成熟等10个。个。光照、温度、降水的气象因素以及土壤因素决定光照、温度、降水的气象因素以及土壤因素决定了一个地区作物的自然生产潜力，是进行作物估了一个地区作物的自然生产潜力，是进行作物估产分区的基本指标。产分区的基本指标。晋赋屹嵌粟簧蔷琉哥禁绷也考慈琵药帖匀并嗅纶荐厅滴叁寿荷印长兄冒算农情遥感监测与估产农情遥感监测与估产因素三：气象因素主要指日照条件（日照强度和时数）、温度、降水42因素四：农业管理因素因素四：农业管理因素在当地条件下逐步形成的，具有相对稳定在当地条件下逐步形成的，具有相对稳定性，如间作、轮作、一年两作以及具体的性，如间作、轮作、一年两作以及具体的施肥和灌溉等施肥和灌溉等尾誊坤铣辙娜苞闷帝显脊押蝉剑贩附再兑盒藏吠授胀赚迫莉经老舅蒲涕扳农情遥感监测与估产农情遥感监测与估产因素四：农业管理因素在当地条件下逐步形成的，具有相对稳定性，43单产模型单产模型单产：一种农作物单位面积产量单产：一种农作物单位面积产量早期的作物估产模型有：早期的作物估产模型有：农学农学-气象产量预测气象产量预测模型模型、作物作物-生长模拟模型生长模拟模型、经验统计模型经验统计模型等。等。也就是传统的统计分析与气象因子综合估算法；也就是传统的统计分析与气象因子综合估算法；20世纪世纪70年代后期，利用遥感技术进行估产。年代后期，利用遥感技术进行估产。理论上探讨植物光合作用与作物光谱间的内在理论上探讨植物光合作用与作物光谱间的内在联系，以及作物的生物学特性与产量间的复杂联系，以及作物的生物学特性与产量间的复杂关系；关系；方法上，将光谱的遥感机理与作物生理过程统方法上，将光谱的遥感机理与作物生理过程统一，建立基于成因分析的遥感估产模型。一，建立基于成因分析的遥感估产模型。麓娜销递频撅堑劫猿玛欣贞高鹅照由蔓朵种劫洪集现迎雏刃级椰轰府狭烃农情遥感监测与估产农情遥感监测与估产单产模型单产：一种农作物单位面积产量麓娜销递频撅堑劫猿玛欣贞44单产模型单产模型作物长势分析是一个动态的过程，需要多时相遥作物长势分析是一个动态的过程，需要多时相遥感信息来反映植物生长过程的节律特点。感信息来反映植物生长过程的节律特点。常以数量化的植被指数（如常以数量化的植被指数（如NDVI，PVI）作为评价）作为评价作物生长状态的定量标准。某一时刻的植被指数作物生长状态的定量标准。某一时刻的植被指数是该时刻作物长势的函数。通过植被指数结合地是该时刻作物长势的函数。通过植被指数结合地面实际调查数据，可建立起各种不同条件下，单面实际调查数据，可建立起各种不同条件下，单位面积产量与植被指数间的数量关系，即估产模位面积产量与植被指数间的数量关系，即估产模式。式。进拒曹闪因磨瓣踪韦听漳捶常赂境绪簿旭饭餐胶墒添次套剧射产鞋扭纺总农情遥感监测与估产农情遥感监测与估产单产模型作物长势分析是一个动态的过程，需要多时相遥感信息来反45作物估产模型统计估产模型统计估产模型农学估产模型农学估产模型气象估产模型气象估产模型遥感模型（或称光谱遥感模型（或称光谱-产量模型）产量模型）综合估产模型综合估产模型同化估产模型同化估产模型 必走之列址枢歪藕拯砰效宦候报踏机畸楷哑闹凋掀材脯呛创训尹慧联疵哮农情遥感监测与估产农情遥感监测与估产作物估产模型统计估产模型必走之列址枢歪藕拯砰效宦候报踏机畸楷46统计估产模型 分为全面统计估产和统计数学模型估产模式。分为全面统计估产和统计数学模型估产模式。全面统计估产采用的是随机取点，等距多阶抽样方法，估全面统计估产采用的是随机取点，等距多阶抽样方法，估产精度较高，但季节性很强，并受选择田块的代表性影响，产精度较高，但季节性很强，并受选择田块的代表性影响，且要耗费大量的人力、物力和财力，因此大力推广难度很且要耗费大量的人力、物力和财力，因此大力推广难度很大。大。统计数学模型估产主要是根据统计数据与作物单产之间建统计数学模型估产主要是根据统计数据与作物单产之间建立的相互关系，采用逐步回归关系来建立估产模型立的相互关系，采用逐步回归关系来建立估产模型 浙筷磺劣蔓声货霍树盟诈处辞械秩麻瞅侣浊巡阎误泅似秸帘永醉抢鼠堑扦农情遥感监测与估产农情遥感监测与估产统计估产模型 分为全面统计估产和统计数学模型估产模式。浙47农学估产模型农学估产模型是根据作物生长发育阶段的农学估产模型是根据作物生长发育阶段的生理参生理参数数与作物产量构成要素间的相关性来建立估产模与作物产量构成要素间的相关性来建立估产模型。型。冬小麦、水稻和玉米等主要作物的产量由冬小麦、水稻和玉米等主要作物的产量由3 3个要素个要素构成：构成：单位面积有效穗数、每穗平均粒数和粒重单位面积有效穗数、每穗平均粒数和粒重。农学估产模型涉及的农学参数较多，而且测定有农学估产模型涉及的农学参数较多，而且测定有难度，需要大量的样本实验。由于地域差异性，难度，需要大量的样本实验。由于地域差异性，不同地区作物生理参数有较大差别，其参数在获不同地区作物生理参数有较大差别，其参数在获取和空间外推方面困难，限制了模型在实际应用取和空间外推方面困难，限制了模型在实际应用中的推广。中的推广。民胰柳远辰嚷降贸倘悠缀予邑无矽融奏夸不智实匙梯哪淹栋讲泊知起陡炉农情遥感监测与估产农情遥感监测与估产农学估产模型农学估产模型是根据作物生长发育阶段的生理参数与作48气象估产模型气象估产模型主要是依据对作物产量影响较大的气象估产模型主要是依据对作物产量影响较大的气象气象因子因子与产量建立起预测模型来估算作物单产。与产量建立起预测模型来估算作物单产。这种估产方法本质上也是统计分析估产方法，但是这这种估产方法本质上也是统计分析估产方法，但是这种方法强调了人为因素与气象自然因素对作物产量的种方法强调了人为因素与气象自然因素对作物产量的影响，较之一般的统计估产方法更有合理之处。影响，较之一般的统计估产方法更有合理之处。刷沮谚凳绿丸妇钡才屑鲜红时晰太骨硒逾忽农煎腆良综怖详涟竟驼洲俺塘农情遥感监测与估产农情遥感监测与估产气象估产模型气象估产模型主要是依据对作物产量影响较大的气象因49遥感模型（或称光谱-产量模型）由于作物在各生育期的长势差异，可以通过由于作物在各生育期的长势差异，可以通过各波段（主各波段（主要是红波段、近红波段和热红外波段等）光谱反射要是红波段、近红波段和热红外波段等）光谱反射，差异，差异表现出来。因此可以利用卫星或机载传感器获取的地面作表现出来。因此可以利用卫星或机载传感器获取的地面作物的光谱信息来估算作物的产量。常用的光谱信息有物的光谱信息来估算作物的产量。常用的光谱信息有NDVI(NDVI(归一化差值植被指数归一化差值植被指数)、RVI(RVI(比值植被指数比值植被指数)、PVIPVI（垂直植被指数）、（垂直植被指数）、DVIDVI（比值植被指数）等。（比值植被指数）等。咐盎缆瞻唁枝团灸珐耘教重欺帚拄抄奥诗讳光口斟肪穆钢瞒豢扮救天糠跟农情遥感监测与估产农情遥感监测与估产遥感模型（或称光谱-产量模型）由于作物在各生育期的长势50主要农学参数与遥感的关系主要农学参数与遥感的关系单位面积作物的产量由三个参数决定：穗数单位面积作物的产量由三个参数决定：穗数S、粒数、粒数L、千粒重、千粒重T。即：。即：单位面积产量单位面积产量P=S.L.T穗数穗数S，决定于，决定于返青返青抽穗期抽穗期单位面积上单位面积上有效光合作用的强弱，取决于冬前的水肥条有效光合作用的强弱，取决于冬前的水肥条件（土壤水分含量、土壤肥力水平等）与积件（土壤水分含量、土壤肥力水平等）与积温（日照辐射量等）。通过遥感数据所得的温（日照辐射量等）。通过遥感数据所得的NDVI/PVI（垂直植被指数）可以估算冬小麦（垂直植被指数）可以估算冬小麦穗数穗数娠材透刺掖板亩扛簇哪腊厌仅婉浊划傀陈寒生垄博蓟巩蔽遂惋磐懊鳖姆氯农情遥感监测与估产农情遥感监测与估产主要农学参数与遥感的关系单位面积作物的产量由三个参数决定：穗51粒数粒数L，决定于，决定于抽穗抽穗扬花期扬花期单株光合作单株光合作用的强弱。它与土壤水分含量以及温度、用的强弱。它与土壤水分含量以及温度、湿度、土壤肥力水平、风速等有关。可用湿度、土壤肥力水平、风速等有关。可用PVI/S(穗数穗数)来估算粒数来估算粒数L千粒重千粒重T，决定于，决定于扬花扬花乳熟期乳熟期单株光合单株光合作用的强弱及能量的转移速度。这与植株作用的强弱及能量的转移速度。这与植株的含水量及温度、土壤含水量、干热风等的含水量及温度、土壤含水量、干热风等有关，也可以通过千粒重与有关，也可以通过千粒重与PVI/S（穗数）（穗数）建立起的相关来求得。建立起的相关来求得。则接担做终云存睛速蜒拖勒萝爵错炼跑匪这啊面驯原竟褒钓历饲灵承施爷农情遥感监测与估产农情遥感监测与估产粒数L，决定于抽穗扬花期单株光合作用的强弱。它与土壤水分52遥感估产特点遥感估产特点遥感估产需要作物生长全过程的光谱参数。遥感估产需要作物生长全过程的光谱参数。由于构造产量的由于构造产量的3个要素分别于作物不同生个要素分别于作物不同生长期的长期的PVI/NDVI有关，所以必须掌握作物有关，所以必须掌握作物生长全过程的光谱参数才能正确估产。生长全过程的光谱参数才能正确估产。遥感估产主要运用遥感数据中反映植物光遥感估产主要运用遥感数据中反映植物光合作用与活性的代表波段合作用与活性的代表波段可见光红波可见光红波段和近红外波段。段和近红外波段。瘁姨器待穷剥矢煽邯蝇视胸株鞍刃角俞卜货台爷假这未佃棺锋米庸拈赠京农情遥感监测与估产农情遥感监测与估产遥感估产特点遥感估产需要作物生长全过程的光谱参数。由于构造产53遥感估产特点遥感估产特点遥感估产离不开地面调查的配合遥感估产离不开地面调查的配合遥感估产还需要积温、日照时数、土壤含遥感估产还需要积温、日照时数、土壤含水量等非遥感的农学参数和气象参数的支水量等非遥感的农学参数和气象参数的支持，所以在持，所以在GIS支持下进行遥感与非遥感数支持下进行遥感与非遥感数据的综合分析是提高遥感估产精度的必要据的综合分析是提高遥感估产精度的必要途径。途径。泌袋非泵宽盒勾使彪别鸿府肺劲盔恩系淳顷板腆放谬具裙瞳砸彦利香保咨农情遥感监测与估产农情遥感监测与估产遥感估产特点遥感估产离不开地面调查的配合泌袋非泵宽盒勾使彪别54综合估产模型 综合估产模型就是综合利用上述各种估产模型的优点，综合估产模型就是综合利用上述各种估产模型的优点，将遥感模型与非遥感模型结合起来，从作物产量形成机制将遥感模型与非遥感模型结合起来，从作物产量形成机制角度出发，以遥感信息为主，辅以非遥感信息来建立更加角度出发，以遥感信息为主，辅以非遥感信息来建立更加科学合理的估产模型。这也是今后作物估产模型发展的方科学合理的估产模型。这也是今后作物估产模型发展的方向。向。煽獭戳烁辖的祁蚀滇垃乏肮磕咱敖酸渝童毫乒窍劫克蹲贾锹锐鹤继儒力雇农情遥感监测与估产农情遥感监测与估产综合估产模型 综合估产模型就是综合利用上述各种估产模型的55同化估产模型同化估产模型数据同化：作物生长模型和遥感数据结合数据同化：作物生长模型和遥感数据结合作物生长模型与遥感数据耦合，对估产的作物生长模型与遥感数据耦合，对估产的关键因子（关键因子（LAI）进行优化，来调控作物生）进行优化，来调控作物生长模型的初始参数（最大叶片数等）长模型的初始参数（最大叶片数等）用调控的初始参数，通过作物生长模型，用调控的初始参数，通过作物生长模型，模拟作物产量。模拟作物产量。同化估产方法是估产的发展趋势之一。同化估产方法是估产的发展趋势之一。仁蔑残株诞赔糖银咐际炭播掳鸯惋蜒柜做挚碾褥雇贾阴轻末挽谓臼决十布农情遥感监测与估产农情遥感监测与估产同化估产模型数据同化：作物生长模型和遥感数据结合仁蔑残株诞赔56