利用3S技術(shù)定量估測張家港市水稻生產(chǎn)力

李輝　李建龍　王釗齊　干曉宇　孫政國　金國平

摘 要：為了對(duì)江蘇省張家港市水稻生產(chǎn)力進(jìn)行大面積高效估測，建立一個(gè)科學(xué)準(zhǔn)確的方法平臺(tái)，利用TM和IRS-P6遙感影像，采用NDVI值比較區(qū)分法，應(yīng)用“3S”技術(shù)對(duì)張家港市2005—2008年水稻的生產(chǎn)力變化進(jìn)行了動(dòng)態(tài)估測。結(jié)果表明：利用“3S”技術(shù)定量估測張家港市2005—2008年水稻平均種植面積的精度結(jié)果為96.41%；水稻平均單產(chǎn)精度結(jié)果為91.73%；水稻總產(chǎn)量遙感估測值與地面統(tǒng)計(jì)值差異結(jié)果為-11.69%；遙感估測張家港市水稻總產(chǎn)量呈逐年上升的趨勢，而耕地面積相對(duì)穩(wěn)定?？傊?，基于“3S”技術(shù)定量估測張家港市近4年水稻生產(chǎn)力精度達(dá)到95%以上，實(shí)現(xiàn)了利用遙感技術(shù)估測張家港市大面積農(nóng)業(yè)生產(chǎn)力的目的。

關(guān)鍵詞：3S技術(shù)估產(chǎn)；水稻遙感估產(chǎn)；水稻估產(chǎn)精度；估產(chǎn)模型構(gòu)建；NDVI指數(shù)；智慧農(nóng)業(yè)

中圖分類號(hào)：S126 文獻(xiàn)標(biāo)識(shí)碼： A DOI 編碼：10.3969/j.issn.1006-6500.2014.12.014

農(nóng)業(yè)為立國之本，現(xiàn)代農(nóng)業(yè)科學(xué)技術(shù)可以推進(jìn)耕地資源的高效合理利用、促進(jìn)農(nóng)業(yè)的現(xiàn)代化精準(zhǔn)管理。張家港市是一個(gè)以農(nóng)業(yè)為主的新興城市，在進(jìn)入21世紀(jì)的前10年正處于快速的農(nóng)村城市化階段[1]。隨著城市化的發(fā)展，人民生活水平有了較大幅度改善，但也帶來了諸多生態(tài)環(huán)境問題，耕地資源不斷萎縮，糧食安全和生態(tài)安全問題則直接影響著張家港市的可持續(xù)發(fā)展。水稻是張家港市主要農(nóng)作物之一，其種植面積和產(chǎn)量容易受到人為和自然因素的影響而產(chǎn)生較大波動(dòng)。因此，及時(shí)監(jiān)測水稻的長勢和產(chǎn)量情況，對(duì)張家港市智能化管理農(nóng)業(yè)，合理利用耕地資源，確保張家港市糧食安全可持續(xù)發(fā)展，為張家港市進(jìn)行農(nóng)業(yè)決策提供及時(shí)、準(zhǔn)確直觀的現(xiàn)代化農(nóng)業(yè)信息管理平臺(tái)具有重大意義[2]。

遙感技術(shù)及相關(guān)學(xué)科近幾十年來快速發(fā)展，尤其是近年來“3S”技術(shù)一體化的開發(fā)和應(yīng)用，為農(nóng)作物長勢的大面積動(dòng)態(tài)監(jiān)測，種植面積準(zhǔn)確定位、自動(dòng)估產(chǎn)和預(yù)報(bào)，提供了一個(gè)新穎的科學(xué)手段和途徑[3-9]。利用“3S”技術(shù)進(jìn)行農(nóng)作物估產(chǎn)的方法與非遙感的傳統(tǒng)估產(chǎn)模式（農(nóng)學(xué)、氣象、統(tǒng)計(jì)）相比[10]，能避開很多復(fù)雜的中間過程，如影響產(chǎn)量的氣候條件[11]、病蟲害、水肥等，以及農(nóng)學(xué)參數(shù)與產(chǎn)量的大量抽樣和統(tǒng)計(jì)計(jì)算，從而用遙感信息與農(nóng)作物產(chǎn)量之間建立直接的關(guān)系模型。遙感技術(shù)能夠客觀、定量、低成本、大面積評(píng)價(jià)農(nóng)作物產(chǎn)量變化狀況。因“3S”估產(chǎn)技術(shù)與其它估產(chǎn)技術(shù)相比，有著更為廣闊的技術(shù)優(yōu)勢。為此，得到了各國、各地區(qū)廣泛應(yīng)用和迅速發(fā)展。

水稻遙感估測的先進(jìn)技術(shù)，主要來自亞洲一些以水稻生產(chǎn)為主的國家[12]，如中國[13]、泰國[14]、印度[15]、日本[16]等。此外，其他國家如澳大利亞也進(jìn)行了水稻大面積的估產(chǎn)。在“七五”期間，江蘇省農(nóng)業(yè)科學(xué)院使用Landsat MSS假彩色合成圖像對(duì)里下河地區(qū)進(jìn)行了水稻估產(chǎn)。“八五”期間，我國將水稻遙感估測列入國家重點(diǎn)科技攻關(guān)項(xiàng)目，借助于“八五”的項(xiàng)目課題，國內(nèi)很多科研院所完成了大規(guī)模水稻遙感估產(chǎn)試驗(yàn)[17]。此后數(shù)十年間，國內(nèi)一些學(xué)者陸續(xù)提出許多水稻遙感估產(chǎn)方法和模型，水稻監(jiān)測及預(yù)報(bào)精度不斷提高[18-20]。水稻遙感估產(chǎn)模式主要有2種類型[21]，基于“光譜信息—植被指數(shù)—長勢信息—產(chǎn)量”的遙感估產(chǎn)模式；基于“光譜信息—植被指數(shù)—長勢信息—估產(chǎn)模型—產(chǎn)量”的遙感估產(chǎn)模式。譚正[22]基于SAR數(shù)據(jù)和作物生長模型同化的方法對(duì)水稻長勢監(jiān)測和估產(chǎn)進(jìn)行了研究，結(jié)合了衛(wèi)星遙感和水稻生長模型的雙方優(yōu)勢。此外，還有一些新技術(shù)和方法被引入到遙感估產(chǎn)中來，如白銳崢[23]、劉婷等[24]探討了“3S”技術(shù)估產(chǎn)的方法。

筆者對(duì)2005—2008年張家港市水稻生長期內(nèi)的TM5、IRS-P6遙感影像資料進(jìn)行信息提取和數(shù)據(jù)加工，比較區(qū)分不同農(nóng)作物的NDVI值，基于兩景衛(wèi)星圖片影像逐步疊加、限制，有效地區(qū)分出水稻并提取其種植面積，利用“3S”技術(shù)定量估測張家港市8鎮(zhèn)1區(qū)2005—2008年的水稻生產(chǎn)力，建立了水稻單產(chǎn)和NDVI指數(shù)間的相關(guān)性模型，同時(shí)對(duì)水稻地面實(shí)際生產(chǎn)力進(jìn)行統(tǒng)計(jì)，以校正模型與提高精度。利用3S技術(shù)借助遙感數(shù)據(jù)科學(xué)準(zhǔn)確地、大面積動(dòng)態(tài)地及時(shí)預(yù)測張家港市水稻生產(chǎn)力，對(duì)促進(jìn)張家港市智慧農(nóng)業(yè)的實(shí)現(xiàn)，建設(shè)世界水平農(nóng)業(yè)具有重要意義。

1 材料和方法

1.1 研究地概況

江蘇省張家港市（圖1）地處北緯31°43′～32°02′，東經(jīng)120°21′～120°52′，位于長江下游南岸，江蘇省東南部，為蘇州市下轄縣級(jí)市，也是沿海和長江兩大經(jīng)濟(jì)開發(fā)帶交匯處的新興港口工業(yè)城市。全市總面積998.48 km2，其中，陸地面積785.55 km2。陸地東西最大直線距離44.584 km，南北最大直線距離為33.71 km。北寬南窄，呈倒三角形。地勢低平，土地肥沃。全年平均氣溫16.5 ℃，歷年平均降水量1 050.5 mm，屬亞熱帶季風(fēng)氣候。張家港市是蘇州稻麥一年三熟，晚稻、小麥、油菜一年兩熟，小麥、油菜一年兩熟并重的栽培區(qū)，其中主要種植的作物包括小麥、水稻、油菜和棉花等[25]。張家港市下轄8鎮(zhèn)1區(qū)，其縣政府位于楊舍鎮(zhèn)，同時(shí)該鎮(zhèn)也是張家港市區(qū)所在地。

1.2 主要技術(shù)路線

利用“3S”技術(shù)，以農(nóng)業(yè)系統(tǒng)管理工程理論為指導(dǎo)，將預(yù)處理后的ETM信息與農(nóng)田分類技術(shù)相結(jié)合，自動(dòng)提取水稻分區(qū)農(nóng)田面積并校對(duì)，進(jìn)行空間數(shù)據(jù)的加工處理及圖件制作。利用各類數(shù)據(jù)庫的非遙感信息農(nóng)業(yè)資源和相關(guān)專家知識(shí)建立水稻單產(chǎn)模型及可運(yùn)行決策支持系統(tǒng)，與預(yù)處理后的MODIS信息相結(jié)合獲取農(nóng)作物遙感綠度值，歸一化植被指數(shù)NDVI（Normalized difference vegetation index）、比值植被指數(shù)RVI（Ratio vegetation index）、和垂直植被指數(shù)PVI（Perpendicular vegetation index）、植被蓋度，并與不同生育期產(chǎn)量資料相關(guān)性建立，在農(nóng)學(xué)產(chǎn)量趨勢分析基礎(chǔ)上，對(duì)水稻長勢進(jìn)行動(dòng)態(tài)的遙感監(jiān)測。從而利用“3S”技術(shù)及時(shí)、準(zhǔn)確、科學(xué)地估測水稻種植面積和大面積水稻產(chǎn)量[3-7]。

1.3 遙感資料數(shù)據(jù)處理

張家港市2005年3月23日TM5影像，2005年9月29日IRS-P6影像，2006年5月3日IRS-P6影像，2006年9月18日TM5影像，2007年1月24日TM5影像，2008年5月2日TM5影像和2008年7月5日TM5影像（購買于中國科學(xué)院對(duì)地觀測中心）。其時(shí)間分辨率小于20 d，空間分辨率小于30 m。使用ERDAS8.7軟件將遙感信息源數(shù)據(jù)轉(zhuǎn)化為IMAGE格式，便于ERDAS識(shí)別。利用張家港市2004年、2005年、2006年和2007年的土地利用圖（張家港市國土資源局，精度小于5 m），對(duì)遙感圖片進(jìn)行地理校正和投影坐標(biāo)系的轉(zhuǎn)換。各土地利用圖和遙感影像都采用UTM-WGS84坐標(biāo)系。大氣輻射校正采用了國際上使用較多，發(fā)展較為成熟的6S模型（Second simulation of the satellite signal in the solar spectrum）。

1.4 利用3S技術(shù)估測水稻種植面積

1.4.1 水稻種植面積提取 利用監(jiān)督分類法，基于兩景衛(wèi)星圖片影像逐步疊加、限制，提取水稻種植面積。首先將土地利用圖和Landsat TM5、IRS-P6影像疊加分析，去除非農(nóng)業(yè)用地，在此基礎(chǔ)上利用ERDAS對(duì)農(nóng)業(yè)用地進(jìn)行非監(jiān)督分類[26]。然后根據(jù)實(shí)地樣帶調(diào)查的解譯標(biāo)志進(jìn)行目視解譯，去除農(nóng)田中的非植被用地。但仍有部分棉花、玉米、林地等混合像元難以識(shí)別。水稻移栽后，根據(jù)訓(xùn)練樣本，利用水田獲取水稻種植的面積，然后利用水田面積進(jìn)行掩膜提取水稻像元。最后利用不同鄉(xiāng)鎮(zhèn)的邊界對(duì)分類結(jié)果進(jìn)行疊加，從而獲取不同鄉(xiāng)鎮(zhèn)的水稻種植面積。

1.4.2 精度驗(yàn)證 為了對(duì)遙感估測張家港市各鄉(xiāng)鎮(zhèn)水稻種植面積的精度進(jìn)行驗(yàn)證，在水稻的生長期內(nèi)，利用張家港市土地利用圖輔以GPS對(duì)其顯示為農(nóng)田的區(qū)域進(jìn)行調(diào)查，合理布置一些樣條，以調(diào)查張家港市土地利用的實(shí)際狀況，準(zhǔn)確地對(duì)較大面積的農(nóng)田地塊進(jìn)行定位，以用作監(jiān)督分類中的訓(xùn)練樣本、檢測樣本和非監(jiān)督分類中的檢測樣本。

1.5 利用3S技術(shù)建立水稻單產(chǎn)估測模型

1.5.1 水稻單產(chǎn)估產(chǎn)樣點(diǎn)布置 根據(jù)張家港市各鄉(xiāng)鎮(zhèn)水稻的生態(tài)壞境、種植條件以及隨機(jī)均勻性，利用張家港市各年土地利用圖劃定22個(gè)面積為1 hm2水稻監(jiān)測樣區(qū)。利用GPS準(zhǔn)確定位所劃定的22個(gè)樣區(qū)，并在水稻成熟還未收割時(shí)，在每個(gè)樣區(qū)內(nèi)隨機(jī)采集2～5個(gè)大小的1 m2采樣點(diǎn)，調(diào)查樣地產(chǎn)量。待水稻收割后，及時(shí)收集每塊樣地實(shí)際的總產(chǎn)量數(shù)據(jù)資料，用來校正水稻單產(chǎn)估測模型及精度驗(yàn)證。

1.5.2 水稻單產(chǎn)模型建立 選擇與水稻產(chǎn)量相關(guān)性較好的生長期的衛(wèi)片，建立關(guān)鍵生育期的水稻單產(chǎn)的遙感（植被指數(shù)形式）估測模型。利用水稻抽穗期前后的遙感資料建立水稻單產(chǎn)估測模型的精度最高的特點(diǎn)，考慮張家港市此期間的天氣狀況和水稻的物候期，以及遙感圖像資料接收情況，本試驗(yàn)選取水稻產(chǎn)量估測的最佳時(shí)相為9月初—9月底。提取遙感資料中水稻相應(yīng)生育期的NDVI，建立地面實(shí)際統(tǒng)計(jì)產(chǎn)量與NDVI間的相關(guān)模型。其中，由于2007年下半年因氣候、衛(wèi)星信號(hào)等原因影響，沒有收集到最合適的遙感圖像估測水稻產(chǎn)量，因此，該年份水稻產(chǎn)量根據(jù)其最近年份的產(chǎn)量變化，進(jìn)行空間插值，獲取該年水稻單產(chǎn)模型。

1.5.3 精度分析與校正 分析張家港市2005—2008年各年水稻單產(chǎn)與NDVI之間的相關(guān)性，建立各時(shí)期水稻的單產(chǎn)估測模型。在各鄉(xiāng)鎮(zhèn)進(jìn)行地面布點(diǎn)，將布點(diǎn)數(shù)據(jù)合理分為兩組，一組用于建立單產(chǎn)估產(chǎn)模型，另一組用于對(duì)模型進(jìn)行精度驗(yàn)證。

1.6 數(shù)據(jù)處理與分析

本試驗(yàn)遙感資料數(shù)據(jù)用ERDAS8.7軟件和ArcGIS9.0軟件提取處理和分析，試驗(yàn)數(shù)據(jù)用Excel2007軟件進(jìn)行統(tǒng)計(jì)處理和圖表制作、SPSS Statistics 17軟件進(jìn)行統(tǒng)計(jì)處理后進(jìn)行ANOVA單因素多重差異分析，均值差的顯著性水平為0.05。

2 結(jié)果與分析

2.1 利用3S技術(shù)估測水稻實(shí)際種植面積的結(jié)果分析

張家港地區(qū)水稻遙感估測面積結(jié)果顯示，2005年水稻耕種面積為20 600 hm2；2006年水稻耕種面積為19 733 hm2；2007年水稻耕種面積為20 467 hm2；2008年水稻耕種面積為20 867 hm2。

根據(jù)地面樣線調(diào)查所選定的檢測樣本，對(duì)最終分類結(jié)果精度做進(jìn)一步分析，總體上，張家港地區(qū)2005—2008年水稻遙感估測面積平均值和地面調(diào)查面積平均值之間的最大差異為-3.59%，即總體上水稻平均分類精度達(dá)到96.41%。對(duì)于不同的鄉(xiāng)鎮(zhèn)，遙感估測水稻面積和地面統(tǒng)計(jì)水稻面積間的差異性表現(xiàn)出了較大的變動(dòng)，面積比率差異最大的是常陰沙農(nóng)場和南豐鎮(zhèn)，其面積比率分別為-27.62%和15.48%。

2.2 利用3S技術(shù)估測水稻單產(chǎn)的結(jié)果分析

利用3S技術(shù)估測水稻單產(chǎn)的平均誤差小于7%，即估產(chǎn)精度大于93%。以2008年為例，利用3S技術(shù)制作的張家港市2008年水稻長勢情況如圖2。

另外，為了使模型更為穩(wěn)定、精確，本項(xiàng)目中最終用于估測整個(gè)張家港地區(qū)的單產(chǎn)模型全部用觀測數(shù)據(jù)，結(jié)果表明，NDVI與最終產(chǎn)量間的擬合度R2均大于0.49，模型本身的平均誤差表現(xiàn)為5.02%，即模型的水稻估產(chǎn)精度為94.98%。張家港市2005—2008年各時(shí)期水稻的單產(chǎn)估測模型如表1。

遙感估測張家港市2005年水稻平均單產(chǎn)為7 275 kg·hm-2；2006年水稻平均單產(chǎn)為7 860 kg·hm-2；2007年水稻平均單產(chǎn)為7 331 kg·hm-2；2008年水稻平均單產(chǎn)為7 686 kg·hm-2。2005—2008年遙感估測水稻的平均單產(chǎn)與地面調(diào)查水稻的平均單產(chǎn)相比結(jié)果如表2。從整個(gè)張家港地區(qū)來看，2005—2008年遙感估測水稻單產(chǎn)平均值和地面調(diào)查水稻單產(chǎn)平均值的差異為-8.27%，即估產(chǎn)精度為91.73%，能夠滿足估測所需要的精度。但對(duì)于張家港不同的鄉(xiāng)鎮(zhèn)，這4年遙感估測水稻單產(chǎn)平均值和地面調(diào)查水稻單產(chǎn)平均值間的差異性表現(xiàn)出了較大的變動(dòng)，差異最大的為樂余鎮(zhèn)和南豐鎮(zhèn)，分別為-10.36%和-10.24%。

2.3 水稻總產(chǎn)量遙感估測的結(jié)果分析

筆者對(duì)遙感估測水稻總產(chǎn)與張家港市統(tǒng)計(jì)局發(fā)布的官方統(tǒng)計(jì)資料作對(duì)比與分析研究。遙感估測張家港市2005年水稻總產(chǎn)量為149 830 t；2006年水稻總產(chǎn)量為155 402 t；2007年水稻總產(chǎn)量為150 090 t；2008年水稻總產(chǎn)量為160 452 t。根據(jù)水稻單產(chǎn)估測模型與水稻估測的種植面積，可以計(jì)算出張家港市2005—2008年各鄉(xiāng)鎮(zhèn)的總產(chǎn)情況（表2）。4年來遙感估測張家港市水稻總產(chǎn)平均值為151 485 t，4年來地面實(shí)際統(tǒng)計(jì)張家港市水稻總產(chǎn)量平均值為171 537 t，差異為-11.69%，即精度為88.31%。結(jié)果顯示，利用3S技術(shù)進(jìn)行張家港市水稻總產(chǎn)量遙感估測的值與地面統(tǒng)計(jì)值之間差異不大。

張家港市水稻遙感估產(chǎn)存在一定誤差，可能的原因是本研究的水稻單產(chǎn)模型的經(jīng)驗(yàn)性較強(qiáng)，該模型是基于水稻地面實(shí)際統(tǒng)計(jì)數(shù)據(jù)和水稻生育期內(nèi)遙感數(shù)據(jù)間的關(guān)聯(lián)性建立的，在張家港市不同年份各鄉(xiāng)鎮(zhèn)的適用性有所差異。

2.4 水稻總產(chǎn)量多年變化的趨勢分析

利用張家港市2005—2008年水稻遙感估測的總產(chǎn)量的變化情況作圖，并作出其變化趨勢模型，可以大致預(yù)報(bào)出張家港市未來水稻糧食總產(chǎn)量的變化情況，如圖3所示。可見，張家港市水稻總產(chǎn)量呈逐年上升的趨勢。

3 結(jié) 論

（1）張家港市水稻種植面積的精確估算，直接影響其產(chǎn)量估測的精度。筆者采用不同時(shí)相的水稻的遙感圖像，利用NDVI值比較區(qū)分法和不同作物的反射光譜明顯差異的特點(diǎn)，有效地提取水稻種植面積，除去諸如棉花用地的干擾。

（2）利用3S技術(shù)估測張家港市水稻2005年耕種面積為20 600 hm2，2006年耕種面積為19 733 hm2，2007年耕種面積為20 467 hm2，2008年耕種面積為20 867 hm2。從整個(gè)張家港地區(qū)來看，2005—2008年估測水稻種植面積的平均精度為96.41%?？梢?，近年來張家港市水稻耕作面積相對(duì)比較穩(wěn)定。

（3）利用3S技術(shù)估測張家港市水稻平均單產(chǎn)2005年為7 275 kg·hm-2，2006年為7 860 kg·hm-2，2007為7 331 kg·hm-2，2008年為7 686 kg·hm-2，從整個(gè)張家港地區(qū)來看，2005—2008年利用3S技術(shù)估測水稻單產(chǎn)和地面實(shí)際調(diào)查水稻單產(chǎn)之間的平均差異為-8.27%，即估產(chǎn)精度為91.73%。

（4）基于近4年遙感數(shù)據(jù)所獲取的張家港市水稻總產(chǎn)量的變化情況建立模型，4年遙感估測張家港市水稻總產(chǎn)平均值為151 485 t，4年地面實(shí)際統(tǒng)計(jì)張家港市水稻總產(chǎn)量平均值為171 537 t，差異為-11.69%，即精度為88.31%。

（5）本研究的研究結(jié)果顯示，利用3S技術(shù)可以估測出張家港市城市化發(fā)展對(duì)當(dāng)?shù)厮竟┬杵胶獾挠绊懖淮?，并且能夠預(yù)測出張家港市水稻總產(chǎn)量仍然呈現(xiàn)逐年上升的趨勢。

本研究采用高分辨率遙感影像資料，結(jié)合GPS輔以土地利用圖對(duì)樣區(qū)進(jìn)行準(zhǔn)確定位進(jìn)行估產(chǎn)研究，大大提高水稻生產(chǎn)力遙感估測的精度。實(shí)現(xiàn)了利用遙感技術(shù)估測張家港市大面積水稻生產(chǎn)力的目的?？傊龊棉r(nóng)作物遙感估產(chǎn)的研究，進(jìn)一步提高估產(chǎn)精度，對(duì)促進(jìn)張家港市智慧農(nóng)業(yè)的實(shí)現(xiàn)，建設(shè)世界水平農(nóng)業(yè)具有重要意義。

參考文獻(xiàn)：

[1] 干曉宇， 周波， 李建龍， 等. 張家港市不同城市化階段的城市景觀格局響應(yīng)及驅(qū)動(dòng)力分析[J].安徽農(nóng)業(yè)科學(xué)， 2012， 39（33）： 20 641-20 645.

[2] 王人潮， 黃敬峰. 水稻遙感估產(chǎn)[M].北京：中國農(nóng)業(yè)出版社，2002：1-5.

[3] 國土資源部遙感中心.第二次全國土地調(diào)查總體方案[R]. 北京：國土資源部遙感中心， 2007.

[4] 李述， 劉勇. 基于多特征的遙感影像土地利用/覆蓋分類：以騰格里沙漠東南邊緣地區(qū)為例[J].遙感技術(shù)與應(yīng)用， 2006， 21（2）： 154-158.

[5] 謝振紅， 邴玉旭， 魏明耀， 等. RS&GIS支持下的大慶市土地利用分類[J]. 地理空間息， 2006， 4（2）： 31-33.

[6] 張寶雷， 宋孟強(qiáng)， 周萬村. GIS支持下三峽庫區(qū)主要地類自動(dòng)分類方法研究[J].遙感技術(shù)與應(yīng)用，2006， 21（1）： 71-76.

[7] 韓春建， 吳克寧， 馮新偉， 等. 基于”3S”技術(shù)的縣級(jí)土地利用現(xiàn)狀更新調(diào)查[J].中國農(nóng)學(xué)通報(bào)， 2006， 22（8）： 560-564.

[8] 許文波， 田亦陳.作物種植面積遙感提取方法的研究進(jìn)展[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2005， 20（1）： 94-98.

[9] 王振中.“3S”技術(shù)集成及其在土地管理中的應(yīng)用[J].測繪科學(xué)， 2005， 30（4）： 62-64.

[10] 王人潮， 王坷， 沈掌泉， 等. 水稻單產(chǎn)遙感估測建模研究[J].遙感學(xué)報(bào)， 1998， 2（2）： 119-124.

[11] 肖乾廣， 周嗣松， 陳維英， 等. 用氣象衛(wèi)星數(shù)據(jù)對(duì)冬小麥進(jìn)行估產(chǎn)的試驗(yàn)[J].環(huán)境遙感，1986，1（4）： 260-269.

[12] 王人潮， 黃敬峰. 水稻遙感估產(chǎn)[M].北京：中國農(nóng)業(yè)出版社， 2002.

[13] 王延頤，高慶芳，何隆華.太湖地區(qū)（無錫點(diǎn)）遙感估產(chǎn)模型初報(bào)[C]//陳沈斌.小麥、玉米和水稻遙感估產(chǎn)技術(shù)試驗(yàn)研究文集. 北京： 中國科學(xué)技術(shù)出版社， 1993.

[14] Srisaengtong D， Polngam R S， Suwanweerakamtorn R， et al. The possibility of mapping rice growing areas using remote sensing techniques[J]. Asia-Pacific Remote Sensing Journal， 1989（1）： 59-67.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 李佛琳， 李本遜， 曹衛(wèi)星. 作物遙感估產(chǎn)的現(xiàn)狀及其展望[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2005， 20（5）： 680-684.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產(chǎn)模型研究[J].遙感技術(shù)與應(yīng)用，2002，17（3）： 125-129.

[19] 項(xiàng)月琴， 田國良. 遙感估算水稻產(chǎn)量——Ⅰ.產(chǎn)量與輻射截獲量間關(guān)系的研究[J].環(huán)境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究[J].地球科學(xué)進(jìn)展， 2003， 18（1）： 109-115.

[21] 李衛(wèi)國，李花.水稻衛(wèi)星遙感估產(chǎn)研究現(xiàn)狀與對(duì)策[J].江蘇農(nóng)業(yè)科學(xué)， 2010（5）： 444-445.

[22] 譚正. 基于SAR數(shù)據(jù)和作物生長模型同化的水稻長勢監(jiān)測與估產(chǎn)研究[D].北京：中國地質(zhì)大學(xué)， 2012.

[23] 白銳崢. “3S”系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J].中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[24] 劉婷， 任銀玲， 楊春華. “3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J].河南科學(xué)，2001，19（4）： 429-432.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻(xiàn)出版社，2008：1-200.

[26] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 李佛琳， 李本遜， 曹衛(wèi)星. 作物遙感估產(chǎn)的現(xiàn)狀及其展望[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2005， 20（5）： 680-684.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產(chǎn)模型研究[J].遙感技術(shù)與應(yīng)用，2002，17（3）： 125-129.

[19] 項(xiàng)月琴， 田國良. 遙感估算水稻產(chǎn)量——Ⅰ.產(chǎn)量與輻射截獲量間關(guān)系的研究[J].環(huán)境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究[J].地球科學(xué)進(jìn)展， 2003， 18（1）： 109-115.

[21] 李衛(wèi)國，李花.水稻衛(wèi)星遙感估產(chǎn)研究現(xiàn)狀與對(duì)策[J].江蘇農(nóng)業(yè)科學(xué)， 2010（5）： 444-445.

[22] 譚正. 基于SAR數(shù)據(jù)和作物生長模型同化的水稻長勢監(jiān)測與估產(chǎn)研究[D].北京：中國地質(zhì)大學(xué)， 2012.

[23] 白銳崢. “3S”系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J].中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[24] 劉婷， 任銀玲， 楊春華. “3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J].河南科學(xué)，2001，19（4）： 429-432.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻(xiàn)出版社，2008：1-200.

[26] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.

[15] Tennakoon S B， Murty V V N， Eiumnoh A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing， 1992， 13（3）： 426-439.

[16] Shibayama M， Akiyama T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement[J]. Remote Sensing of Environment， 1991， 36： 45-53.

[17] 李佛琳， 李本遜， 曹衛(wèi)星. 作物遙感估產(chǎn)的現(xiàn)狀及其展望[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2005， 20（5）： 680-684.

[18] 黃敬峰， 楊忠恩， 王人潮， 等. 基于GIS的水稻遙感估產(chǎn)模型研究[J].遙感技術(shù)與應(yīng)用，2002，17（3）： 125-129.

[19] 項(xiàng)月琴， 田國良. 遙感估算水稻產(chǎn)量——Ⅰ.產(chǎn)量與輻射截獲量間關(guān)系的研究[J].環(huán)境遙感，1988，3（4）： 308-316.

[20] 李巖， 彭少麟， 廖其芳， 等. RADARSATSNBSAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究[J].地球科學(xué)進(jìn)展， 2003， 18（1）： 109-115.

[21] 李衛(wèi)國，李花.水稻衛(wèi)星遙感估產(chǎn)研究現(xiàn)狀與對(duì)策[J].江蘇農(nóng)業(yè)科學(xué)， 2010（5）： 444-445.

[22] 譚正. 基于SAR數(shù)據(jù)和作物生長模型同化的水稻長勢監(jiān)測與估產(chǎn)研究[D].北京：中國地質(zhì)大學(xué)， 2012.

[23] 白銳崢. “3S”系統(tǒng)支持下的山西省冬小麥估產(chǎn)方法研究[J].中國農(nóng)業(yè)資源與區(qū)劃， 2002， 23（2）： 54-56.

[24] 劉婷， 任銀玲， 楊春華. “3S”技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J].河南科學(xué)，2001，19（4）： 429-432.

[25] 張家港市史志辦. 張家港年鑒（1991—2008）[M]. 北京： 中國文獻(xiàn)出版社，2008：1-200.

[26] 李石華， 王金亮， 畢艷， 等. 遙感圖像分類方法研究綜述[J]. 國土資源遙感， 2005（2）： 1-6.