湯斌　王福民　周柳萍等

摘要：利用遙感技術(shù)，可以準(zhǔn)確、及時(shí)地掌握中國(guó)主要水稻生長(zhǎng)區(qū)的水稻生長(zhǎng)狀況與產(chǎn)量信息，能促進(jìn)中國(guó)農(nóng)業(yè)政策合理制定、糧食價(jià)格的理性宏觀調(diào)控以及國(guó)際國(guó)內(nèi)糧食良性貿(mào)易。本試驗(yàn)以江蘇省為研究區(qū)域，利用MOD09A1數(shù)據(jù)提取水稻面積，針對(duì)行政區(qū)域?yàn)閱挝坏乃具M(jìn)行產(chǎn)量估算，全省估產(chǎn)結(jié)果精確度均值達(dá)到99.46%，各市的精確度基本維持在95%左右。在估產(chǎn)結(jié)果的基礎(chǔ)上，依據(jù)最大植被指數(shù)的空間分布，將以行政區(qū)域?yàn)閱挝坏膯萎a(chǎn)值轉(zhuǎn)化到以單個(gè)像元為單元的單產(chǎn)值。這不僅細(xì)化了區(qū)域水稻估產(chǎn)結(jié)果，為更直觀地了解水稻田產(chǎn)量信息提供了可能，而且可以用于指導(dǎo)水稻品種改良和栽培技術(shù)改進(jìn)等工作。

關(guān)鍵詞：MOD09A1；水稻；面積提??；估產(chǎn)；空間化；江蘇省

中圖分類號(hào)： S127文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2015）11-0525-04

收稿日期：2014-11-29

項(xiàng)目基金：國(guó)家自然科學(xué)基金（編號(hào)：41371393、51109183）；博士點(diǎn)基金（編號(hào)：20110101120036）。

作者簡(jiǎn)介：湯斌（1989—），男，安徽銅陵人，碩士研究生，主要從事農(nóng)業(yè)遙感方面的研究。E-mail：tltb09125006@163.com。民以食為天，我國(guó)是人口大國(guó)，糧食供給的穩(wěn)定性與社會(huì)安全息息相關(guān)，歷史上的社會(huì)動(dòng)亂也都與食物短缺有著密切聯(lián)系，所以農(nóng)業(yè)是具有重要戰(zhàn)略性意義的基礎(chǔ)行業(yè)。而水稻是我國(guó)主要糧食作物之一，全國(guó)水稻產(chǎn)量約占糧食作物總產(chǎn)量的40%，稻田面積約占全國(guó)糧食作物總面積的28%[1]。這也就有了水稻產(chǎn)量的統(tǒng)計(jì)與估算的需求。在當(dāng)今復(fù)雜多變的經(jīng)濟(jì)和氣候條件下準(zhǔn)確、及時(shí)地掌握中國(guó)及全球重點(diǎn)產(chǎn)糧區(qū)的水稻生長(zhǎng)狀況與產(chǎn)量信息，對(duì)于中國(guó)農(nóng)業(yè)政策的制定、糧食價(jià)格的宏觀調(diào)控以及國(guó)際國(guó)內(nèi)糧食貿(mào)易具有重要意義[2]。

傳統(tǒng)的水稻產(chǎn)量統(tǒng)計(jì)方式，主要有人工監(jiān)測(cè)，通過人的實(shí)地調(diào)查、逐級(jí)匯總來了解水稻種植面積和產(chǎn)量的變化，顯然，由于數(shù)據(jù)的搜集、傳輸和加工都是手工方式，調(diào)差結(jié)果大大滯后于農(nóng)業(yè)資源的變化，還容易摻入人為因素而扭曲資源的本來面目，因而不客觀[3]。這也就凸顯出遙感技術(shù)的宏觀優(yōu)勢(shì)、客觀優(yōu)勢(shì)、重復(fù)優(yōu)勢(shì)以及廉價(jià)優(yōu)勢(shì)[4]。

目前遙感估產(chǎn)方法主要包括經(jīng)驗(yàn)統(tǒng)計(jì)方法、光能利用率方法和機(jī)理模型方法，這些方法都有自己的優(yōu)點(diǎn)以及局限性。光能利用率方法主要是基于資源平衡的觀點(diǎn)，假定所有資源對(duì)植物生長(zhǎng)有平等的限制作用，以植物作用過程和Monteith提出的光能利用率為基礎(chǔ)建立的[5-6]。遙感數(shù)據(jù)較容易獲得，也更容易掌握凈初級(jí)生產(chǎn)力（net primary productivity，NPP）的季節(jié)、年際變化；但是缺乏可靠的生理生態(tài)基礎(chǔ)，光能傳遞及轉(zhuǎn)換過程中還是存在不少不確定性。機(jī)理模型方法是以相似性原理為依據(jù)，以分析作物生長(zhǎng)發(fā)育的物理過程、物理機(jī)制和環(huán)境條件為手段，設(shè)法將作物生長(zhǎng)發(fā)育、產(chǎn)量形成的規(guī)律表述為有關(guān)的物理學(xué)定律，并用數(shù)學(xué)語言將這些有關(guān)的物理學(xué)定律寫成數(shù)學(xué)模型，在一定假設(shè)條件下，確定邊界條件、簡(jiǎn)化模型，尋求合適的數(shù)學(xué)解法，通過模擬試驗(yàn)調(diào)控模型的參數(shù)，最后建立作物估產(chǎn)的數(shù)值模擬模型[7]。機(jī)理模型方法雖然適用范圍較廣，但是參數(shù)校正工作卻什么繁瑣，而且在某些情況下某些參數(shù)沒辦法進(jìn)行校正。常規(guī)的經(jīng)驗(yàn)統(tǒng)計(jì)方法是利用前人的研究，采用一些經(jīng)驗(yàn)的水稻面積提取公式提取水稻面積并估算作物產(chǎn)量。這種方法操作簡(jiǎn)單，估產(chǎn)精確度比較高，但所建立的估產(chǎn)模型一般只適用于建模的區(qū)域，不適宜推廣。

常規(guī)的經(jīng)驗(yàn)統(tǒng)計(jì)方法是以行政單元為單位，無法體現(xiàn)水稻單產(chǎn)空間變化的信息。因?yàn)樗咎镆话闶沁B片的、跨區(qū)域的，這樣單純的以行政區(qū)劃分界線作為邊界進(jìn)行水稻估產(chǎn)結(jié)果缺乏水稻單產(chǎn)的空間性，不能直觀地了解到不同區(qū)域的水稻生產(chǎn)力。為此本研究在傳統(tǒng)經(jīng)驗(yàn)統(tǒng)計(jì)方法的基礎(chǔ)上，采用一種最大植被指數(shù)的方法，將以行政單元為單位的產(chǎn)量轉(zhuǎn)換為以像元為單位的信息，得到每個(gè)水稻像元級(jí)別的水稻產(chǎn)量圖，從而不僅提供了更加豐富的水稻產(chǎn)量信息，而且可以指導(dǎo)水稻品種改良和栽培技術(shù)改進(jìn)等工作。

1研究區(qū)域概況

研究區(qū)域?yàn)榻K省。江蘇省地處我國(guó)東部沿海，介于東經(jīng)116°18′～121°57′、北緯30°45′～35°20′之間，地居長(zhǎng)江、淮河下游，東臨黃海，西連安徽，北接山東，南與上海、浙江接壤，全省面積10.26萬 km2，包括13個(gè)地級(jí)市，主要分成蘇北徐州、鹽城、連云港、淮安、宿遷5市，蘇中揚(yáng)州、泰州、南通3市，蘇南南京、蘇州、無錫、常州、鎮(zhèn)江5市。江蘇是全國(guó)地勢(shì)最低的一個(gè)省，絕大部分地區(qū)海拔都在50 m以下，全省最高峰云臺(tái)山玉女峰海拔只有625 m，低山丘陵主要集中在北部和西南部，僅占全省總面積的14.3%。全省覆蓋h27v05和h28v05兩塊。

江蘇屬亞熱帶和暖溫帶地區(qū)，氣候溫和，雨量適中，具有寒暑變化顯著、四季分明的特征。水稻是江蘇省主要種植作物。近30年來，我國(guó)沿海的浙江、福建、廣東等地水稻總產(chǎn)都出現(xiàn)了不同幅度的下降，而江蘇省卻出現(xiàn)了大幅上升。江蘇省三大區(qū)域的水稻種植面積變化差異明顯，蘇南地區(qū)水稻種植面積大幅度減少，蘇中地區(qū)水稻種植面積穩(wěn)中略減，蘇北地區(qū)水稻種植面積大幅度增加，在水稻種植面積上呈現(xiàn)出明顯的“南減北增”的趨勢(shì)[8]。水稻生長(zhǎng)期為5—10月，中稻在5月初播種，6月初移栽，7月初拔節(jié)，8月初抽穗，9月末黃熟，10月初收割。單季晚稻在5月中旬播種，6月中旬移栽，7月中下旬拔節(jié)，8月末抽穗，10月中旬黃熟，10月末收割[9]。

2數(shù)據(jù)獲取與研究方法

2.1數(shù)據(jù)獲取

2.1.1遙感數(shù)據(jù)江蘇省2004—2007年MOD09A1數(shù)據(jù)，即MOD09A1.h27v05和MOD09A1.h28v05。下載地址為：http：//ladsweb.nascom.nasa.gov/data/search.html。空間分辨率為500 m，時(shí)間分辨率為8 d。MOD09數(shù)據(jù)的用戶說明MOD09_UsersGuide，下載地址為：http：//www.gscloud.cn/userfiles/file/MOD09_UserGuide.pdf。

2.1.2農(nóng)業(yè)數(shù)據(jù)江蘇省2004—2007年各地級(jí)市稻谷種植面積和單產(chǎn)，在2005—2008年《江蘇省農(nóng)村統(tǒng)計(jì)年鑒》上查詢得到。

2.1.3江蘇省行政區(qū)劃圖江蘇省1 ∶25萬的市級(jí)行政區(qū)劃數(shù)據(jù)，用于提取各行政單元遙感數(shù)據(jù)、面積提取及估產(chǎn)研究等。

2.2研究方法

2.2.1用于估產(chǎn)的水稻面積提取方法本研究根據(jù)肖向明等對(duì)東南亞和中國(guó)南部的研究得到的關(guān)于地表水分指數(shù)（land surface water index，LSWI）和歸一化插值植被指數(shù)（normalized difference vegetation index，NDVI）、增強(qiáng)型植被指數(shù)（enhanced vegetation index，EVI）的關(guān)系[10]，再以孫華生等對(duì)于全國(guó)水稻種植面積提取的研究結(jié)果為基礎(chǔ)[11]，提取江蘇省水稻種植區(qū)域。因?yàn)镋VI耦合了抗大氣植被指數(shù)ARVI和土壤調(diào)節(jié)植被指數(shù)SAVI，對(duì)氣溶膠和土壤背景影響做了進(jìn)一步校正[12]，所以本研究選擇EVI作為水稻面積提取的植被指數(shù)。研究采用時(shí)間分辨率為8 d的MOD09A1數(shù)據(jù)進(jìn)行植被指數(shù)計(jì)算和水稻面積提取，用MOD09A1自帶的QA云檢測(cè)波段進(jìn)行去云處理，得到LSWI和去云過后的EVI，進(jìn)而提取出水稻區(qū)域。

（1）EVI和LSWI計(jì)算：水稻面積提取以及估產(chǎn)和最終單產(chǎn)的像元化的植被指數(shù)和水指數(shù)分別是采用EVI和LSWI。MOD09A1包含7個(gè)波段，紅光波段、近紅外波段、藍(lán)光波段、短波紅外波段分別為MOD09A1數(shù)據(jù)的波段1、2、3、6。具體的計(jì)算公式[13-15]如下：

式中：RED、NIR、BLUE、SWIR分別是紅光波段、近紅光波段、藍(lán)光波段和短波紅外波段的地表反射率。通過計(jì)算可以得到生育期內(nèi)的EVI值和LSWI值。

（2）QA波段云檢測(cè)與條件時(shí)間序列插值去云處理：MOD09A1數(shù)據(jù)產(chǎn)品包含像元尺度的質(zhì)量評(píng)估信息（quality assessment，QA），由于便于節(jié)省歸檔空間，加快網(wǎng)絡(luò)傳輸效率，QA信息被壓縮成二進(jìn)制[16]。所以通過MOD09_UsersGuide中提供的sur_refl_state_500 m關(guān)于500 m分辨率的云與陰影的信息描述建立云掩膜。

雖然2 G數(shù)據(jù)MOD09已經(jīng)經(jīng)過嚴(yán)格的圖像處理，在一定程度上去除了云、云陰影、氣溶膠對(duì)圖像質(zhì)量的影響，但是在江蘇省水稻生育期的很多圖景中還是能很明顯地看到有云層覆蓋；所以在一定程度上做進(jìn)一步的去云處理是十分有必要的。方法是在建立每個(gè)時(shí)期的云掩膜之后，用條件時(shí)間序列插值算法（Conditional Temporal Interpolation Filtering，CTIF）[17]對(duì)前期計(jì)算所得的EVI值進(jìn)行去云處理。具體操作步驟為：通過云掩膜確定每個(gè)時(shí)期研究區(qū)域內(nèi)是否受到云影響，總共分為4種情況：（1）如果未受到影響就保留原本的EVI值；（2）若有云層覆蓋，且前1個(gè)和后1個(gè)時(shí)期圖像相應(yīng)像元未受到云影響，則取前、后2個(gè)時(shí)期像元EVI的平均值代替受到原始受到云影響的EVI。（3）若有云層覆蓋，且前、后2個(gè)時(shí)期有且僅有1個(gè)圖像相應(yīng)像元受到云影響，則取前或后未受影響的像元EVI值代替原始像元EVI。（4）若有云層覆蓋，且前、后2個(gè)時(shí)期相應(yīng)像元都受到云影響，則原始像元視為無效。

（3）水稻種植區(qū)域的識(shí)別算法：由于地表有眾多的建筑物、水體、植被、山體、土壤、水稻田以及其他經(jīng)濟(jì)作物，但是水稻田有其鮮明的特點(diǎn)，其在生育期前期會(huì)被水體覆蓋，而在水稻移栽期之后，水稻開始長(zhǎng)出水面，并在抽穗期生長(zhǎng)達(dá)到最旺盛，水稻幾乎覆蓋了整個(gè)地表。這就為提取水稻種植區(qū)域提供了可能，在生育期前期可以與植被區(qū)分開來，在生育期后期又可以和永久水體加以區(qū)分。

由于研究區(qū)域江蘇省只種植單季稻，所以本研究只考慮單季稻情況。具體的水稻種植區(qū)域識(shí)別條件有：（1）根據(jù)肖向明等對(duì)東南亞水稻種植區(qū)域提取的研究以及孫華生等對(duì)于全國(guó)水稻種植區(qū)域提取的研究，并結(jié)合江蘇省的狀況最終確定單季稻的提取算法為L(zhǎng)SWI>0.12，EVI<0.26，（LSWI+0.065）>EVI。（2）由于在水稻移栽期之后大約第6～11個(gè)8 d 水稻生育期將進(jìn)入抽穗期，也就是水稻生長(zhǎng)最旺盛的時(shí)期，水稻幾乎覆蓋了地表。此時(shí)這6個(gè)8 d的同一像元EVI平均值需要大于0.35，這進(jìn)一步去除了永久水體的干擾[18]。（3）由于江蘇省地形地勢(shì)起伏不大，故本研究不考慮數(shù)字高程模型（Digital Elevation Model，DEM）；（4）經(jīng)過CTIF處理后，仍受到云干擾的，被視為無效的像元點(diǎn)，不參與以上操作。

根據(jù)《江蘇省農(nóng)村統(tǒng)計(jì)年鑒》，江蘇省全省水稻的移栽期基本介于6月初到6月中旬，所以定為全年的第145、153、161、169天的4個(gè)8 d，這在一定程度上完整覆蓋了全省的水稻移栽期。最終通過以上識(shí)別條件，并結(jié)合這4個(gè)8 d的圖景得到最終的水稻種植區(qū)域。

2.2.2水稻估產(chǎn)方法在分別對(duì)2004—2007年4年水稻種植區(qū)域進(jìn)行提取之后，就進(jìn)入了估產(chǎn)的階段。本研究是以2004—2006年3年水稻移栽期后生育期作為研究時(shí)段，即全年第161～305天，以CTIF法去云處理后的EVI作為研究的自變量，采用多元線性回歸中的逐步回歸作為估產(chǎn)方法，對(duì)2007年的江蘇省各地級(jí)市的水稻產(chǎn)量進(jìn)行估產(chǎn)。具體的操作步驟：（1）在提取出水稻種植區(qū)域以后，建立水稻區(qū)域掩膜，與全年第161～305天經(jīng)過CTIF去云處理后的EVI圖景進(jìn)行提取，得到水稻有效區(qū)域內(nèi)的EVI值；（2）在ArcGIS中用市級(jí)行政區(qū)劃對(duì)水稻有效區(qū)域進(jìn)行裁剪，將無數(shù)據(jù)的像元點(diǎn)設(shè)為no data，再計(jì)算各個(gè)地級(jí)市區(qū)域內(nèi)的EVI均值；（3）將計(jì)算得到的2004—2006年3年的全年第161～305天江蘇省各個(gè)地級(jí)市的EVI均值與其相對(duì)應(yīng)的實(shí)際水稻單產(chǎn)統(tǒng)計(jì)值帶入預(yù)測(cè)分析軟件（Predictive Analytics Software，PASW），以EVI均值為自變量，實(shí)際水稻單產(chǎn)為因變量，建立多元線性回歸模型，采用逐步回歸，最終建立回歸模型，并選擇最佳模型；（4）在選取最佳估產(chǎn)模型之后，對(duì)2007年進(jìn)行估產(chǎn)，并統(tǒng)計(jì)江蘇省各個(gè)地級(jí)市單產(chǎn)的估計(jì)誤差。

2.2.3水稻單位面積產(chǎn)量空間化由于原來的水稻估產(chǎn)基本上都是以行政區(qū)劃分界線作為邊界，估產(chǎn)結(jié)果是以行政單位作為基礎(chǔ)，得到各個(gè)行政區(qū)域內(nèi)的水稻單產(chǎn)值。即以一個(gè)水稻單產(chǎn)值作為整個(gè)行政區(qū)的水稻單產(chǎn)，從而忽略了區(qū)域內(nèi)水稻單產(chǎn)的空間變化，難以獲得區(qū)域內(nèi)水稻單產(chǎn)的空間差異，為此本研究采用一種最大植被指數(shù)方法將行政區(qū)域內(nèi)的單產(chǎn)轉(zhuǎn)換為區(qū)域單產(chǎn)，計(jì)算公式[19]如下：

Yieldp=Yieldavg×EVIpEVIavg。 （3）

式中：Yieldp、Yieldavg分別為單像元點(diǎn)的水稻單產(chǎn)和地級(jí)市水稻單產(chǎn)均值，EVIp、EVIavg分別為單像元點(diǎn)的EVI值和各地級(jí)市的EVI均值。

具體的操作步驟：（1）江蘇省的水稻抽穗期集中在8月初到8月末，主要是全年的第217、225、233、241天之間的4個(gè)8 d，對(duì)這4個(gè)8 d做最大值合成處理（Maximum Value Composition，MVC），得到EVIp；（2）再導(dǎo)入ArcGIS中，計(jì)算各個(gè)地級(jí)市水稻區(qū)域的平均EVI值，即EVIavg；（3）通過公式（3）計(jì)算得到最終基于像元級(jí)的水稻單產(chǎn)空間分布圖。

3結(jié)果與分析

3.1水稻面積提取

經(jīng)過植被指數(shù)EVI和水指數(shù)LSWI的計(jì)算，QA波段云檢測(cè)，CTIF時(shí)間序列去云處理過后，得到2004—2007年的水稻區(qū)域面積。提取的江蘇省水稻田主要分布在蘇中、蘇北地區(qū)，這與實(shí)際情況相符。這4年提取的全省水稻像元點(diǎn)分別為102 994、81 389、96 812、75 236個(gè)，相對(duì)誤差分別為18.5%、-11.8%、2.4%、-15.58%。針對(duì)估產(chǎn)的稻田面積提取，更需要的是大塊稻田被提取出來，2004—2006年的稻田分布都較均勻，符合實(shí)際，但是，2007年蘇南地區(qū)水稻田提取面積過少，不能達(dá)到要求。

改革開放以后，蘇南的南京、無錫、蘇州、常州和鎮(zhèn)江都快速進(jìn)入城市化，城市建設(shè)和經(jīng)濟(jì)發(fā)展都在江蘇省名列前茅，這使得蘇南地區(qū)水稻田面積大幅減少。不過在改革開放的進(jìn)程中，江蘇省的水稻總產(chǎn)量卻有著大幅增加，除了與水稻田生產(chǎn)力增加有關(guān)外，還與江蘇省大力扶持蘇北、蘇中的水稻種植有關(guān)?！皣?guó)家糧食豐產(chǎn)科技工程”從2004年開始啟動(dòng)江蘇省水稻項(xiàng)目，其中80%的扶持計(jì)劃都是針對(duì)蘇北、蘇中地區(qū)；但是，2007年蘇南地區(qū)水稻田面積減幅較大的原因，還有可能是CTIF去云處理后，去除了很多像元，導(dǎo)致提取的稻田面積大幅減少。針對(duì)這一情況，保留2007年蘇北蘇中稻田區(qū)域，用2006年蘇南5市的水稻區(qū)域代替2007年蘇南水稻區(qū)域。改進(jìn)后的水稻分布更準(zhǔn)確合理，稻田面積相對(duì)誤差變?yōu)?.6%。

3.2水稻估產(chǎn)模型的確定及估產(chǎn)結(jié)果的評(píng)估

在PASW中采用多元線性逐步回歸法建立估產(chǎn)模型。由于t為偏回歸系數(shù)為0的假設(shè)檢驗(yàn)的t值，具有較好預(yù)測(cè)效果的變量t值應(yīng)大于2或者小于-2。Sig為F值大于F臨界值的概率，方差分析結(jié)果表明，當(dāng)回歸方程包含不同的自變量時(shí)，其顯著概率值均小于0.001，即拒絕回歸系數(shù)均為0的原假設(shè)。共線性的判斷指標(biāo)主要是容忍度（Tolerance）接近于1，方差膨脹因子VIF值都不大，此時(shí)自變量之間可視為不存在共線性問題[20]。所以最終選定估產(chǎn)模型為：

Yield=7 494.581-0.406×EVI217+0.778×EVI273。 （4）

式中：Yield為水稻單產(chǎn)值，EVI217、EVI273分別為全年第217、273天。

最終選擇的估產(chǎn)模型以全年第217、273天作為因變量，這2個(gè)時(shí)期分別是8月上旬中旬和10月初，黃敬峰等利用盆栽試驗(yàn)和小區(qū)試驗(yàn)研究證實(shí)了孕穗期到抽穗期為建立水稻遙感估產(chǎn)模型的最佳時(shí)期[21]。模型選擇的全年第217天，江蘇全省絕大部分地區(qū)正處在孕穗期與抽穗期之間，恰好是水稻估產(chǎn)的最佳時(shí)期，而全年第273天全省則是介于黃熟期左右，植被指數(shù)也很高；所以從理論角度來看，所選估產(chǎn)模型符合條件。

最終的估產(chǎn)結(jié)果評(píng)估見表1：各個(gè)地級(jí)市的估產(chǎn)誤差在-7%～10%之間浮動(dòng)，全省的平均估產(chǎn)誤差為0.54%。正常情況下，由于CTIF去云處理，刪除了部分像元，再加上氣象等因素的影響，整體的估產(chǎn)結(jié)果應(yīng)該偏低，但是全省結(jié)果卻偏高。通過數(shù)據(jù)可知，單產(chǎn)估計(jì)偏高的分別為無錫、蘇州、南通、揚(yáng)州、鎮(zhèn)江和泰州。除了泰州位于蘇北外，其他地級(jí)市都位于江蘇省中南部，而2007年這些地區(qū)提取的水稻面積都相對(duì)較少，這樣也就造成了單位面積產(chǎn)量的增加。但是全省估產(chǎn)結(jié)果精確度均值達(dá)到99.46%，各地市的精確度基本維持在95%左右，所以本方法對(duì)于大范圍的水稻估產(chǎn)能達(dá)到很高精度，具有一定指導(dǎo)意義。

3.3水稻單位面積產(chǎn)量空間化

在將江蘇省第217、225、233、241天之間的4個(gè)8 d的EVI做MVC處理之后，得到EVIp，再做各個(gè)地級(jí)市的平均值得到EVIavg，再通過公式3完成2007年基于每個(gè)像元的水稻單位面積產(chǎn)量圖?；诘丶?jí)市的水稻單產(chǎn)圖與空間化的產(chǎn)量圖如圖1。

江蘇省的單產(chǎn)在改革開放后總體上呈上升趨勢(shì)，在全省范圍內(nèi)，稻田單產(chǎn)最高的是蘇南地區(qū)，其次是蘇中和蘇北地區(qū)，但是這之間的差距也在漸漸縮小，并且有趕超之勢(shì)。從圖1中的江蘇省地級(jí)市單產(chǎn)圖可以看出，2007年，江蘇省單產(chǎn)最高的市是南通市，整體上，蘇南、蘇中地區(qū)的單產(chǎn)比蘇北高，這個(gè)結(jié)果符合實(shí)際。而基于像元的空間化產(chǎn)量圖則應(yīng)該呈現(xiàn)蘇北較低，蘇中、蘇南較高的情形。而圖中顯示的正是如此，單產(chǎn)較高的點(diǎn)主要分布在南通、泰州、鹽城、連云港、無錫等地，這與江蘇省單產(chǎn)統(tǒng)計(jì)數(shù)據(jù)相符。

綜上所述，這種水稻單位面積產(chǎn)量空間化的方法是可行的，而且結(jié)果也有一定準(zhǔn)確度?？臻g化后的稻田單產(chǎn)圖相對(duì)于原來以市為單位的單產(chǎn)圖更加直觀，能迅速了解更小區(qū)域范圍的稻田生產(chǎn)力。主要作用有：對(duì)于具體了解水稻產(chǎn)區(qū)單位面積產(chǎn)量具有參考價(jià)值；對(duì)于分析全省水稻針對(duì)城市擴(kuò)張、人口增長(zhǎng)下的增產(chǎn)潛力具有輔助功效；對(duì)于全省范圍內(nèi)的水稻品種改良和栽培技術(shù)改進(jìn)具有指導(dǎo)意義；對(duì)于更大范圍內(nèi)稻田的增產(chǎn)與城市發(fā)展相協(xié)調(diào)具有借鑒作用。

4小結(jié)

本研究采用MOD09A1數(shù)據(jù)，計(jì)算增強(qiáng)型植被指數(shù)EVI和地表水分指數(shù)LSWI，通過MOD09自帶的質(zhì)量評(píng)估信息QA建立云掩膜，用時(shí)間序列插值法CTIF對(duì)EVI進(jìn)行去云處理；再結(jié)合去云過后的EVI和LSWI依次進(jìn)行水稻面積提取，估產(chǎn)和水稻單產(chǎn)的空間化操作。各個(gè)地級(jí)市的水稻單產(chǎn)預(yù)測(cè)的相對(duì)誤差在-7%～10%之間，全省估產(chǎn)的精確度達(dá)到9946%，各市的精確度在95%左右。這對(duì)于農(nóng)業(yè)政策的制定、糧食價(jià)格的宏觀調(diào)控都具有一定的指導(dǎo)意義。而水稻單產(chǎn)具體到像元程度時(shí)，則能更直觀地了解全省范圍各地水稻生產(chǎn)率狀況，更方便指導(dǎo)水稻品種改良和栽培技術(shù)改進(jìn)等工作，使水稻產(chǎn)量與城市擴(kuò)張和人口增長(zhǎng)相協(xié)調(diào)，促進(jìn)和諧社會(huì)的發(fā)展。

參考文獻(xiàn)：

[1]中國(guó)農(nóng)業(yè)年鑒編委會(huì).中國(guó)農(nóng)業(yè)年鑒：2000[M]. 北京：中國(guó)農(nóng)業(yè)出版社，2001：264.

[2]陳勁松，黃健熙，林琿，等. 基于遙感信息和作物生長(zhǎng)模型同化的水稻估產(chǎn)方法研究[J]. 中國(guó)科學(xué)：信息科學(xué)，2010，40（增刊1）：173-183.

[3]陸登槐. 應(yīng)用高新技術(shù)監(jiān)測(cè)農(nóng)業(yè)資源[J]. 農(nóng)村實(shí)用工程技術(shù)，1993（12）：3.

[4]陸登槐. 農(nóng)業(yè)遙感的應(yīng)用效益及在我國(guó)的發(fā)展戰(zhàn)略[J]. 農(nóng)業(yè)工程學(xué)報(bào)，1998，14（3）：69-75.

[5]崔霞，馮琦勝，梁天剛. 基于遙感技術(shù)的植被凈初級(jí)生產(chǎn)力研究進(jìn)展[J]. 草業(yè)科學(xué)，2007，24（10）：36-42.

[6]陳雯，孫成明，劉濤，等. 植被NPP估算的模型方法與機(jī)理[J]. 安徽農(nóng)學(xué)通報(bào)，2014，20（8）：30-33，117.

[7]張建華. 作物估產(chǎn)的遙感-數(shù)值模擬方法[J]. 干旱區(qū)資源與環(huán)境，2000，14（2）：82-86.

[8]佴軍，張洪程，陸建飛. 江蘇省水稻生產(chǎn)30年地域格局變化及影響因素分析[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2012，45（16）：3446-3452.

[9]趙銳，湯君友，何隆華. 江蘇省水稻長(zhǎng)勢(shì)遙感監(jiān)測(cè)與估產(chǎn)[J]. 國(guó)土資源遙感，2002（3）：9-11.

[10]Xiao X M，Boles S，Liu J Y，et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J]. Remote Sensing of Environment，2005，95（4）：480-492.

[11]孫華生. 利用多時(shí)相MODIS數(shù)據(jù)提取中國(guó)水稻種植面積和長(zhǎng)勢(shì)信息[D]. 杭州：浙江大學(xué)，2009.

[12]鄧睿，黃敬峰，王福民，等. 基于中分辨率成像光譜儀（MODIS）數(shù)據(jù)的水稻遙感估產(chǎn)研究——以江蘇省為例[J]. 中國(guó)水稻科學(xué)，2010，24（1）：87-92.

[13]Huete，R A，Liu H Q，Batchiy K，et al. A comparison of vegetation indices global set of TM images for EOS-MODIS[J]. Remote Sensing of Environment，1997，59：440-451.

[14]Xiao X，He L，Salas W，et al. Quantitative relationships between field-measured leaf area index and vegetation index derived from VEGETATION images for paddy rice fields[J]. International Journal of Remote Sensing，2002，23（18）：3595-3604.

[15]Xiao M X，Boles，F(xiàn)rolking S，et al. Observation of flooding and rice transplanting of Paddy rice fields at the site to landscape scales in China using vegetaion sensor data[J]. International Journal of Remote Sensing，2002，23：3009-3022.

[16]王正興，王亞琴. 利用LDOPE工具解碼MODIS陸地產(chǎn)品質(zhì)量信息[J]. 遙感技術(shù)與應(yīng)用，2013，28（3）：459-466.

[17]Groten S E. NDVI-crop monitoring and early yield assessment of Burkina Faso[J]. Intemational Joumal of Remote Sensing，1993，14（8）：1495-1515.

[18]Sun H S，Huang J F，Huete A R，et al. Mapping paddy rice with multi-date moderate-resolution imaging spectroradiometer （MODIS） data in China[J]. Journal of Zhejiang University-Science A，2009，10（10）：1509-1522.

[19]Cai X L，Sharma B R，sensing I R. Census and weather data for an assessment of rice yield，water consumption and water productivity in the Indo-Gangetic river basin[J]. Agricultural Water Management，2010，97：309-316.

[20]盧紋岱. SPSS統(tǒng)計(jì)分析[M]. 北京：電子工業(yè)出版社，2010.

[21]黃敬峰，王人潮，蔣亨顯，等. 基于GIS的浙江省水稻遙感估產(chǎn)最佳時(shí)相選擇[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2002，13（3）：290-294.李靜，宋飛虎，浦宏杰，等. 蘋果控制排濕壓力微波干燥模型研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（11：529-532.