基于統(tǒng)計(jì)與MODIS數(shù)據(jù)的水稻遙感估產(chǎn)方法研究.pdf

1、中國水稻種植面積居世界第二，總產(chǎn)量居世界第一。水稻種植面積的變化、產(chǎn)量豐欠等重要農(nóng)情信息歷來受到各級(jí)政府和社會(huì)公眾的高度重視，是國家制定糧食政策和經(jīng)濟(jì)計(jì)劃的重要依據(jù)。及時(shí)了解、準(zhǔn)確掌握水稻種植面積、產(chǎn)量等對(duì)各級(jí)政府制定農(nóng)業(yè)生產(chǎn)和農(nóng)村政策，確保我國乃至世界糧食安全具有重要的意義。國家統(tǒng)計(jì)局承擔(dān)著全國水稻產(chǎn)量的調(diào)查職能，經(jīng)過幾十年的努力，形成了較完善的統(tǒng)計(jì)調(diào)查方法體系。然而，隨著我國社會(huì)經(jīng)濟(jì)的快速發(fā)展，政府決策部門、社會(huì)公眾等統(tǒng)計(jì)服務(wù)對(duì)象對(duì)

2、統(tǒng)計(jì)的需求提高，以及統(tǒng)計(jì)部門面臨的問題和壓力，如何吸收利用先進(jìn)技術(shù)，逐步改善統(tǒng)計(jì)調(diào)查手段、降低調(diào)查成本、提高調(diào)查精度是當(dāng)前面臨和亟待解決的首要問題之一。以遙感為主的3S高新技術(shù)具有全覆蓋、及時(shí)、客觀等特點(diǎn)，為改進(jìn)和提升傳統(tǒng)統(tǒng)計(jì)手段提供了良好的技術(shù)支撐。水稻遙感估產(chǎn)經(jīng)過多年的發(fā)展研究，隨著遙感數(shù)據(jù)的更新以及技術(shù)的發(fā)展，結(jié)合統(tǒng)計(jì)局統(tǒng)計(jì)抽樣調(diào)查地塊實(shí)割實(shí)測(cè)水稻標(biāo)準(zhǔn)畝產(chǎn)數(shù)據(jù)，研究統(tǒng)計(jì)與遙感相結(jié)合的水稻遙感估產(chǎn)，實(shí)現(xiàn)統(tǒng)計(jì)部門在水稻面積產(chǎn)量監(jiān)測(cè)及預(yù)

3、報(bào)等業(yè)務(wù)化運(yùn)行等方面具有重要意義。
　　 湖南省水稻種植面積及總產(chǎn)都居全國首位，且其地形地貌和水稻種植制度在中國水稻種植區(qū)具有典型性，因此，本研究以湖南省為研究區(qū)，利用MODIS不同數(shù)據(jù)產(chǎn)品(MOD09A1、 MOD09GA、 MYD09GA、MOD13Q1、MYD13Q1、MOD15A2、MOD17A2、MOD17A3)，在完成水稻遙感估產(chǎn)分區(qū)及水稻面積提取的基礎(chǔ)上，結(jié)合縣級(jí)、鄉(xiāng)鎮(zhèn)級(jí)統(tǒng)計(jì)數(shù)據(jù)及統(tǒng)計(jì)局統(tǒng)計(jì)抽樣調(diào)查地塊實(shí)割實(shí)測(cè)數(shù)據(jù)

4、.以及基于像元水平的MODIS GPP/NPP.研究不同數(shù)據(jù)完備條件下，水稻遙感估產(chǎn)方法。主要方法與結(jié)論如下：
　　 (1)基于空間分析與兩維圖論樹算法相結(jié)合的湖南省水稻遙感估產(chǎn)分區(qū)
　　 在分析研究區(qū)(湖南省)基本特征的基礎(chǔ)上，以水稻種植制度、稻土比、水稻單產(chǎn)水平、地形及縣域空間位置作為分區(qū)指標(biāo)，采用空間分析與兩維圖論樹算法相結(jié)合的方法，將湖南省分為兩個(gè)一級(jí)區(qū)，五個(gè)二級(jí)區(qū)。
　　 (2)基于水稻典型發(fā)育期光譜特

5、征與多時(shí)相MODIS數(shù)據(jù)湖南省水稻面積遙感信息提取
　　 在對(duì)MOD09A1數(shù)據(jù)受云污染的像元進(jìn)行基于MODIS數(shù)據(jù)的質(zhì)量評(píng)價(jià)(Qualityassessment：QA)信息的相鄰時(shí)相最大值法插補(bǔ)的基礎(chǔ)上，利用水稻移栽期、抽穗期的典型光譜特征、以及相應(yīng)的EVI與LSWI的關(guān)系，排除非水稻植被及其它因素的影響。根據(jù)研究區(qū)水稻種植制度特點(diǎn)，分別對(duì)2000-2008年早稻、晚稻及一季稻面積進(jìn)行提取。并利用縣級(jí)統(tǒng)計(jì)數(shù)據(jù)、基于高分辨率遙感

6、影像數(shù)字化的水稻田數(shù)據(jù)、1：1萬的土地利用數(shù)據(jù)，對(duì)提取結(jié)果進(jìn)行驗(yàn)證評(píng)估。結(jié)果顯示：湖南省水稻主要分布在洞庭湖流域及湖南省中部地區(qū)，相對(duì)于以前的研究，本研究的提取精度有較大的提高。
　　 (3)基于水稻遙感估產(chǎn)分區(qū)、水稻面積提取、縣級(jí)統(tǒng)計(jì)數(shù)據(jù)的省級(jí)水稻總產(chǎn)遙感估算
　　 在水稻遙感估產(chǎn)分區(qū)、水稻面枳提取的基礎(chǔ)上利用1：25萬縣級(jí)行政區(qū)劃圖，提取2000-2008年每年的早稻、晚稻及一季稻對(duì)應(yīng)的各縣各時(shí)相MOD09A1數(shù)據(jù)，

7、選取EVI為估產(chǎn)參數(shù)。利用水稻生長發(fā)育期數(shù)據(jù)，選擇移栽期、孕穗期、抽穗期、乳熟期及成熟期為水稻遙感估產(chǎn)的主要生長期以未基于分區(qū)與基于分區(qū)兩種思路，建立2000-2007年各縣EVI平均值乘以第三章提取的水稻面積的結(jié)果(AEVI)與統(tǒng)計(jì)總產(chǎn)的一次線性、二次非線性及各生育期逐步回歸模型。通過誤差分析，選擇水稻總產(chǎn)最優(yōu)遙感擬合模型。在此基礎(chǔ)上，利用基于2000-2007年數(shù)據(jù)得到的水稻總產(chǎn)最優(yōu)遙感擬合模型預(yù)測(cè)2008年的省級(jí)水稻總產(chǎn)。結(jié)果顯示

8、：基于分區(qū)的估產(chǎn)模型要比未基于分區(qū)的水稻遙感估產(chǎn)模型要好，且生育期主要集中于孕穗期到乳熟期，說明這段時(shí)間是水稻產(chǎn)量形成的最關(guān)鍵時(shí)期。另外，二次非線性模型及逐步回歸模型的結(jié)果要好。誤差分析結(jié)果顯示水稻遙感估產(chǎn)模型的擬合結(jié)果比預(yù)測(cè)結(jié)果要好，兩者省級(jí)相對(duì)誤差都小于5％。
　　 (4)基于統(tǒng)計(jì)局統(tǒng)計(jì)抽樣調(diào)查地塊實(shí)割實(shí)測(cè)數(shù)據(jù)、MOD13QI與MYD13Q1EVI的省級(jí)水稻單產(chǎn)遙感估算
　　 基于國家抽樣縣抽樣地塊的實(shí)測(cè)數(shù)據(jù)是統(tǒng)計(jì)部

9、門計(jì)算水稻單產(chǎn)的基礎(chǔ)數(shù)據(jù)，本研究根據(jù)地塊的空間位置提取各地塊所在地的3x3像元網(wǎng)格對(duì)應(yīng)的MOD13Q1與MYD13Q1相結(jié)合的EVI數(shù)據(jù)，選擇移栽期、孕穗期、抽穗期、乳熟期及成熟期的EVI.建立地塊夾測(cè)標(biāo)準(zhǔn)畝產(chǎn)與EVI的一次線性、二次非線性及各生育期逐步回歸模型。通過誤差分析，選擇水稻單產(chǎn)最優(yōu)遙感擬合模型。在此基礎(chǔ)上，利用上一年的水稻總產(chǎn)最優(yōu)遙感擬合模型預(yù)測(cè)下一年的省級(jí)水稻單產(chǎn)。根據(jù)水稻面積提取結(jié)果，得到省級(jí)水稻總產(chǎn)。與統(tǒng)計(jì)值進(jìn)行比較，

10、結(jié)果顯示，在省級(jí)水平上，基于地塊的水稻單產(chǎn)與總產(chǎn)遙感擬合與預(yù)測(cè)結(jié)果相對(duì)誤差都接近5％。
　　 (5)基于鄉(xiāng)鎮(zhèn)級(jí)統(tǒng)計(jì)數(shù)據(jù)、MOD13Q1與MYD13QI EVI的的縣級(jí)水稻總產(chǎn)遙感估算
　　 選擇醴陵市為研究區(qū)，分析基于鄉(xiāng)鎮(zhèn)級(jí)統(tǒng)計(jì)數(shù)據(jù)的水稻遙感估產(chǎn)。選擇分別由Terra與Aqua衛(wèi)星獲取得到的MOD13QI與MYD13QI EVI作為水稻估產(chǎn)遙感指標(biāo)，其空間分辨率約為250 m.時(shí)間分辨為8d。選擇移栽期、孕穗期、抽穗期、

11、乳熟期及成熟期的遙感數(shù)據(jù)，建立EVI乘以水稻面積的結(jié)果(AEVI)與鄉(xiāng)鎮(zhèn)級(jí)水稻統(tǒng)計(jì)總產(chǎn)的一次線性、二次非線性及各生育期逐步回歸模型。通過誤差分析.選擇水稻總產(chǎn)最優(yōu)遙感擬合模型。在此基礎(chǔ)上，利用上一年的水稻總產(chǎn)最優(yōu)遙感擬合模型預(yù)測(cè)下一年的醴陵市水稻總產(chǎn)。估產(chǎn)結(jié)果顯示，各擬合模型相對(duì)誤差都小于0.1％。預(yù)測(cè)結(jié)果誤差相對(duì)于擬合結(jié)果較大.但相對(duì)誤差仍然小于5％。
　　 (6)基于像元水平的MODIS GPP/NPP數(shù)據(jù)的水稻遙感估產(chǎn)、及

12、像元內(nèi)水稻面積比對(duì)估產(chǎn)精度的影響
　　 在前人研究的基礎(chǔ)上，總結(jié)得到基于MODIS GPP/NPP水稻估產(chǎn)方法。利用MODIS8 d的、年的GPP/NPP產(chǎn)品及產(chǎn)品使用說明，估算8d的NPP.并利用此結(jié)果與8d的GPP產(chǎn)品分別進(jìn)行基于GPP/NPP的水稻遙感估產(chǎn)。借助MODIS GPP/NPP產(chǎn)品生成1×1km網(wǎng)格，研究像元內(nèi)不同水稻面積比對(duì)估產(chǎn)結(jié)果的影響。研究結(jié)果表明：利用估算年NPP的方法、8d的LAI和PSNnet來估算每

13、8d的NPP的結(jié)果比MODIS年NPP值較大。基于MODIS NPP的水稻遙感估產(chǎn)結(jié)果相對(duì)于統(tǒng)計(jì)值較小，而基于MODI GPP水稻遙感估產(chǎn)與統(tǒng)計(jì)值接近。其估產(chǎn)精度隨著像元內(nèi)水稻面積的增加而減小。像元內(nèi)水稻面積超過80％.其相對(duì)誤差小于20％或10％。綜上所述，本研究的主要結(jié)論如下：基于縣級(jí)、鄉(xiāng)鎮(zhèn)級(jí)、實(shí)測(cè)地塊數(shù)據(jù)、MODISGPP數(shù)據(jù)的水稻遙感估產(chǎn)的結(jié)果基本上都能達(dá)到95％的精度。從提高精度方面考慮，在鄉(xiāng)鎮(zhèn)級(jí)統(tǒng)計(jì)數(shù)據(jù)具備的前提下，利用基于