基于MODIS NDVI的冬小麥?zhǔn)斋@指數(shù)遙感提取

劉劍鋒， 方 鵬， 陳 琳， 張喜旺

(1.黃河水利職業(yè)技術(shù)學(xué)院，河南開(kāi)封 475004； 2.河南大學(xué)黃河中下游數(shù)字地理技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，河南開(kāi)封 475004)

收獲指數(shù)(harvest index)是影響農(nóng)作物產(chǎn)量十分重要的理化參數(shù)，也是諸多作物估產(chǎn)模型的關(guān)鍵參數(shù)之一。作物收獲指數(shù)是農(nóng)作物在收獲期的籽?？傎|(zhì)量和作物總生物量的比值，反映了作物光合同化產(chǎn)物在籽粒和營(yíng)養(yǎng)器官上的分配比例。根據(jù)作物生理學(xué)理論，生物量表示作物生理潛力，籽粒質(zhì)量由籽粒庫(kù)容限定，所以收獲指數(shù)標(biāo)志著經(jīng)濟(jì)產(chǎn)物與同化產(chǎn)物的效率，也反映了源的生理效能，源、庫(kù)、流在一定程度上會(huì)影響作物的產(chǎn)量?，F(xiàn)代小麥育種不斷關(guān)注小麥?zhǔn)斋@指數(shù)與小麥生物量的關(guān)系。一些研究表明，收獲指數(shù)與產(chǎn)量之間是正相關(guān)的，收獲指數(shù)不斷提高也會(huì)促進(jìn)小麥產(chǎn)量的增長(zhǎng)。因此，關(guān)注和研究冬小麥?zhǔn)斋@指數(shù)，對(duì)于準(zhǔn)確理解冬小麥生理機(jī)制和冬小麥增產(chǎn)、估產(chǎn)具有重要意義。

傳統(tǒng)農(nóng)業(yè)大多通過(guò)實(shí)地測(cè)量方法獲取小麥?zhǔn)斋@指數(shù)，這種方法費(fèi)時(shí)、費(fèi)力、效率較低而且難以大范圍獲取小麥?zhǔn)斋@指數(shù)。也有部分學(xué)者通過(guò)氣象資料分析構(gòu)建冬小麥氣象模型來(lái)計(jì)算收獲指數(shù)。這種方法綜合考慮了各個(gè)氣象因素對(duì)收獲指數(shù)的影響力，但是需要大量的年際氣象累積數(shù)據(jù)，而且能否適用于小區(qū)域還有待驗(yàn)證。除此之外，更多的農(nóng)業(yè)研究者關(guān)注的是小麥生長(zhǎng)自然環(huán)境、遺傳基因等因素對(duì)小麥?zhǔn)斋@指數(shù)的影響，而鮮見(jiàn)利用遙感技術(shù)提取小麥?zhǔn)斋@指數(shù)。

遙感技術(shù)的快速發(fā)展為諸多研究領(lǐng)域提供了新的研究手段，但國(guó)內(nèi)外利用遙感數(shù)據(jù)提取冬小麥?zhǔn)斋@指數(shù)的文章偏少，可用模型精度也不高。Moriondo等通過(guò)分析冬小麥開(kāi)花期至成熟期和出苗期到開(kāi)花期的歸一化植被指數(shù)(NDVI)變化關(guān)系，建立了收獲指數(shù)與NDVI的模型，但側(cè)重考慮生長(zhǎng)過(guò)程中溫度和水的負(fù)面影響，因此適應(yīng)水分脅迫較大的地區(qū)，對(duì)于其他區(qū)域的效果有待驗(yàn)證。Walter等采用新穎的攝影測(cè)量方法，通過(guò)數(shù)字?jǐn)z影相機(jī)和相關(guān)軟件建立小面積的小麥3D點(diǎn)云圖來(lái)預(yù)測(cè)生物量、植株高度、收獲指數(shù)，取得了較好的效果。但攝影相機(jī)成像區(qū)域較小，難以大面積推廣。Richards等通過(guò)對(duì)干旱環(huán)境下冬小麥生物量、葉面積、收獲指數(shù)等關(guān)系的分析，提出了一種非線性的模型來(lái)計(jì)算收獲指數(shù)，因此適用于干旱環(huán)境，且具有經(jīng)驗(yàn)偏差。Li等綜合分析了現(xiàn)有的幾類冬小麥?zhǔn)斋@指數(shù)反演模型在不同土壤氮肥條件下的反演精度，指出了利用NDVI反演冬小麥?zhǔn)斋@指數(shù)是最可行的。任建強(qiáng)等基于NDVI時(shí)序數(shù)據(jù)，提出了一種冬小麥生殖階段與營(yíng)養(yǎng)階段比值的收獲指數(shù)參數(shù)模型，但該模型忽略了冬小麥生殖生長(zhǎng)階段的籽粒質(zhì)量也是總生物量的一部分，也導(dǎo)致了反演結(jié)果偏低。

總體而言，國(guó)內(nèi)外利用遙感衛(wèi)星數(shù)據(jù)提取冬小麥?zhǔn)斋@指數(shù)的研究偏少，精度普遍偏低。為了改進(jìn)收獲指數(shù)遙感反演模型，提高利用衛(wèi)星數(shù)據(jù)反演冬小麥?zhǔn)斋@指數(shù)精度，從而更加深入地解析遙感數(shù)據(jù)與收獲指數(shù)的關(guān)聯(lián)機(jī)制，本研究依據(jù)前人研究基礎(chǔ)，提出了一種新的構(gòu)建收獲指數(shù)的參數(shù)模型，建立了參數(shù)模型與實(shí)測(cè)數(shù)據(jù)的定量關(guān)系，以期為冬小麥?zhǔn)斋@指數(shù)遙感反演工作提供思路。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)

館陶縣地處華北平原，與山東省接壤，臨近河南省，地理位置為36°46′35″～36°27′8″N，115°7′12″～115°28′ 5″E，總面積456 km。館陶縣屬于古河道沖積平原，地勢(shì)西南高，東北低，平均海拔約為 40 m?？h內(nèi)有衛(wèi)運(yùn)河和章河流經(jīng)，衛(wèi)運(yùn)河縣界內(nèi)全長(zhǎng)40.5 km，章河全長(zhǎng)4.2 km，屬季節(jié)性河流。氣候?yàn)榈湫偷呐瘻貛О霛駶?rùn)大陸性季風(fēng)氣候，夏季炎熱干燥，冬季寒冷，日照充足，四季分明，年平均氣溫14 ℃，全年無(wú)霜期200 d，年日照2 557 h。良好的自然條件和氣候條件，使其成為華北平原重要的冬小麥種植區(qū)(圖1)。

1.2 數(shù)據(jù)

1.2.1 遙感影像數(shù)據(jù) 本研究所使用的遙感影像數(shù)據(jù)為16 d合成的MODIS13Q1 VI數(shù)據(jù)，來(lái)源于美國(guó)地質(zhì)調(diào)查局(USGS，https：//earthexplorer.usgs.gov/)，選取250 m分辨率的NDVI。該數(shù)據(jù)采用限定視角內(nèi)最大值合成法(CV-MVC)，在合成時(shí)間段內(nèi)擁有更大的NDVI像元值、更小的觀測(cè)視角、更接近星下點(diǎn)，并且能最大程度地減小雙向反射的影響，使合成的NDVI數(shù)據(jù)精度更高。時(shí)間段分別為2015年10月16日至2016年6月25日、2016年10月16日至2017年6月25日、2017年10月16日至2018年6月25日。每期數(shù)據(jù)16景影像，共計(jì)48景影像。

1.2.2 實(shí)測(cè)收獲指數(shù) 本研究采用2016年、2017年、2018年連續(xù)3年的地面實(shí)測(cè)收獲指數(shù)數(shù)據(jù)?？紤]到MODIS 13Q1 NDVI數(shù)據(jù)的空間分辨率為 250 m，研究區(qū)內(nèi)設(shè)置10個(gè)邊長(zhǎng)為250 m的大樣方，每個(gè)樣方內(nèi)設(shè)置5個(gè)樣點(diǎn)。每個(gè)樣點(diǎn)實(shí)測(cè)種植密度并取10株樣本，烘箱設(shè)置溫度為105 ℃殺青1 h，再用80 ℃烘干24 h至恒質(zhì)量，得到小麥的所有干質(zhì)量生物量。通過(guò)實(shí)測(cè)每株的籽粒質(zhì)量和生物量獲取實(shí)測(cè)收獲指數(shù)。

1.2.3 冬小麥空間分布 基于外業(yè)調(diào)查資料，利用Landsat遙感影像進(jìn)行冬小麥種植區(qū)識(shí)別，獲得2016—2018年的河北省館陶縣冬小麥種植區(qū)分布數(shù)據(jù)。

2 研究方法

2.1 時(shí)序數(shù)據(jù)平滑處理

MODIS NDVI雖然經(jīng)過(guò)最大值合成，但提取的時(shí)序數(shù)據(jù)噪聲依然很大，呈現(xiàn)明顯的鋸齒狀波動(dòng)，從而影響定量反演冬小麥?zhǔn)斋@指數(shù)的精度。針對(duì)這種情況，經(jīng)比較現(xiàn)有方法的優(yōu)缺點(diǎn)，本研究選取Savitzky-Golay濾波對(duì)時(shí)序數(shù)據(jù)進(jìn)行平滑處理，以便更清晰地描述冬小麥生長(zhǎng)關(guān)鍵時(shí)期時(shí)間序列特征曲線的變化。處理模型如下：

(1)

式中：+是擬合之前的第(+)個(gè)NDVI時(shí)間序列數(shù)據(jù)；′是擬合之后的NDVI時(shí)間序列數(shù)據(jù)；為滑動(dòng)窗口的寬度；為濾波器長(zhǎng)度；為濾波卷積系數(shù)。

2.2 模型構(gòu)建

2.2.1 模型理論基礎(chǔ) 從作物生理學(xué)角度看，作物收獲指數(shù)是收獲期籽粒總質(zhì)量和作物地上總生物量的比值，實(shí)質(zhì)上反映了作物干物質(zhì)在籽粒和營(yíng)養(yǎng)器官上的分配比例。冬小麥在一個(gè)生長(zhǎng)周期內(nèi)要經(jīng)過(guò)漫長(zhǎng)的生長(zhǎng)階段，其中返青期至開(kāi)花期、開(kāi)花期至乳熟期是最重要的2個(gè)生長(zhǎng)階段。返青期至開(kāi)花期階段，小麥營(yíng)養(yǎng)生長(zhǎng)器官發(fā)育完善，奠定了小麥生長(zhǎng)過(guò)程的生物量基礎(chǔ)；而在開(kāi)花期至乳熟期階段，小麥營(yíng)養(yǎng)生長(zhǎng)器官發(fā)育達(dá)到極致后，小麥干物質(zhì)逐漸集中到籽粒部分，這是小麥產(chǎn)量形成的關(guān)鍵階段?；谶@2個(gè)關(guān)鍵階段開(kāi)展收獲指數(shù)研究成為探討遙感反演方法的焦點(diǎn)。

2.2.2 現(xiàn)有模型存在的問(wèn)題 國(guó)內(nèi)外相關(guān)研究不多，本研究對(duì)現(xiàn)有收獲指數(shù)模型進(jìn)行合理改進(jìn)和優(yōu)化，提出了一種新的模型，以期實(shí)現(xiàn)模型在精度方面的提升。

目前城建模型如公式(2)、公式(3)所示。

=-×(1-/)。

(2)

式中：為收獲指數(shù)模擬參數(shù)；為理論最大收獲指數(shù)，取值0.48；為收獲指數(shù)最大值和最小值之差，取值0.18；為開(kāi)花期到成熟期NDVI均值；為返青期到開(kāi)花期NDVI均值。該模型考慮到冬小麥生長(zhǎng)過(guò)程水分脅迫對(duì)收獲指數(shù)的影響，因此最大收獲指數(shù)當(dāng)作某一常數(shù)以減輕水分脅迫帶來(lái)的負(fù)面影響。然而，該模型的區(qū)域適應(yīng)性不足，且獲取困難。

=∑/∑NDVI。

(3)

式中：為收獲指數(shù)模擬參數(shù)；∑為冬小麥開(kāi)花期到乳熟期的NDVI累計(jì)值；∑為返青期到開(kāi)花期的NDVI累計(jì)值。該模型依據(jù)冬小麥生長(zhǎng)階段的時(shí)序NDVI累計(jì)值計(jì)算收獲指數(shù)，在區(qū)域尺度獲取冬小麥?zhǔn)斋@指數(shù)也是可行的。然而，只考慮到生物量與營(yíng)養(yǎng)生長(zhǎng)階段有關(guān)，而忽略了生殖生長(zhǎng)階段所產(chǎn)生的籽粒質(zhì)量也是生物量的一部分這一關(guān)鍵問(wèn)題。

2.2.3模型構(gòu)建 基于上述分析，根據(jù)作物生理學(xué)和農(nóng)學(xué)理論，冬小麥地上總生物量不僅包括營(yíng)養(yǎng)生長(zhǎng)階段的干物質(zhì)在莖桿部分的分配，還包括生殖生長(zhǎng)階段的干物質(zhì)在籽粒部分的分配。因此，利用與+的比值建立的參數(shù)模型，不僅具有嚴(yán)謹(jǐn)?shù)睦碚摶A(chǔ)，而且實(shí)際反演冬小麥?zhǔn)斋@指數(shù)時(shí)更加簡(jiǎn)單易行。

由于NDVI與生物量之間的相關(guān)性，以及現(xiàn)有模型的經(jīng)驗(yàn)，本研究依照冬小麥生長(zhǎng)期內(nèi)營(yíng)養(yǎng)生長(zhǎng)階段和生殖生長(zhǎng)階段的時(shí)序NDVI特征曲線的變化，建立參數(shù)模型，公式如下。

(4)

式中：為收獲指數(shù)模擬參數(shù)；是冬小麥開(kāi)花期至成熟期的NDVI均值，用以表征冬小麥生殖生長(zhǎng)階段生產(chǎn)的籽粒質(zhì)量；是冬小麥返青期到開(kāi)花期的NDVI均值，用以表征冬小麥生長(zhǎng)階段的生產(chǎn)生物量。

3 結(jié)果與分析

3.1 提取模型參數(shù)

利用平滑后的2016年和2017年的NDVI時(shí)間序列，基于收獲指數(shù)參數(shù)模型(2)、(3)、(4)計(jì)算得到冬小麥?zhǔn)斋@指數(shù)模擬參數(shù)，如圖2、圖3、圖4所示。

經(jīng)統(tǒng)計(jì)，在上述2期的收獲指數(shù)空間分布圖中，模型(2)所提取的收獲指數(shù)范圍為0.35～0.65，模型(3)提取的參數(shù)范圍為0.36～0.65，模型(4)提取的參數(shù)范圍為0.43～0.66。由于模型都是依據(jù)NDVI時(shí)間序列數(shù)據(jù)變化來(lái)響應(yīng)冬小麥營(yíng)養(yǎng)生長(zhǎng)階段和生殖生長(zhǎng)階段的變化，都具農(nóng)學(xué)理論支撐，所得數(shù)據(jù)基本合理。

3.2 模擬參數(shù)與實(shí)測(cè)值的擬合

基于上述計(jì)算結(jié)果，以樣方為基礎(chǔ)與實(shí)測(cè)值進(jìn)行回歸分析，探測(cè)各模型的擬合程度，結(jié)果如圖5、圖6、圖7所示。

由圖5可知，基于模型(2)的模擬參數(shù)與實(shí)測(cè)收獲指數(shù)的擬合結(jié)果，2016年為0.289 3，2017年為0.302 1?？傮w而言，利用模型(2)反演得到的收獲指數(shù)具有一定的精度，但是并不高。該模型最初是由Moriondo等提出并將其應(yīng)用到意大利格羅塞托省和福賈省的小麥?zhǔn)罩笖?shù)研究。該區(qū)域氣候類型為典型的地中海氣候，夏季炎熱干燥，降水較少，小麥?zhǔn)芩窒拗戚^大；冬季溫和多雨，適合小麥生長(zhǎng)。與我國(guó)華北平原相比，該區(qū)域在冬季氣溫偏高，降水較多，具有良好的小麥生長(zhǎng)條件，且該區(qū)域種植的冬小麥沒(méi)有返青期，因此該模型應(yīng)用到華北平原冬小麥種植區(qū)域的收獲指數(shù)反演時(shí)精度偏低。

圖6、圖7為基于模型(3)和(4)得到的模擬參數(shù)與實(shí)測(cè)收獲指數(shù)的擬合結(jié)果。2016年分別為0.389 2和0.423 0；2017年分別為0.590 4和0.676 6。

與模型(2)相比，模型(3)和(4)側(cè)重考慮了冬小麥的生長(zhǎng)機(jī)制和農(nóng)學(xué)基礎(chǔ)，根據(jù)冬小麥NDVI曲線變化與冬小麥生物量變化的關(guān)系來(lái)構(gòu)建收獲指數(shù)反演模型，具有較強(qiáng)的理論支撐。因此，擬合優(yōu)度有了很大的提高。而且模型(4)在模型(3)的基礎(chǔ)上進(jìn)行了改進(jìn)，具有更加嚴(yán)謹(jǐn)?shù)霓r(nóng)學(xué)依據(jù)。

綜合上述分析可知，本研究構(gòu)建的參數(shù)模型與實(shí)測(cè)收獲指數(shù)數(shù)據(jù)擬合程度最高，其最高達(dá)到0.676 6。進(jìn)而證明了參數(shù)模型反演收獲指數(shù)的優(yōu)越性。

3.3 預(yù)測(cè)模型建立

根據(jù)2016—2017年實(shí)測(cè)數(shù)據(jù)以及的計(jì)算結(jié)果，構(gòu)建預(yù)測(cè)冬小麥?zhǔn)斋@指數(shù)的線性預(yù)測(cè)函數(shù)，如式(5)所示。

=0057 2+0511 2。

(5)

式中：為預(yù)測(cè)的收獲指數(shù)；為從時(shí)序數(shù)據(jù)中提取的參數(shù)。

3.4 收獲指數(shù)空間分布

根據(jù)模型(4)計(jì)算得到的2018年研究區(qū)冬小麥模擬參數(shù)，帶入公式(5)中，并以冬小麥種植區(qū)為掩模，提取得到2018年館陶縣冬小麥?zhǔn)斋@指數(shù)空間分布，如圖8所示。可以看出，2018年的冬小麥?zhǔn)斋@指數(shù)范圍主要集中在0.53～0.54，與2018年實(shí)測(cè)的館陶縣冬小麥?zhǔn)斋@指數(shù)數(shù)值分布基本一致，反演精度較高。從空間分布情況看，中部較高，四周偏低；北部冬小麥?zhǔn)斋@指數(shù)比南部冬小麥?zhǔn)斋@指數(shù)高。

將2018年實(shí)測(cè)的冬小麥?zhǔn)斋@指數(shù)與預(yù)測(cè)結(jié)果進(jìn)行分析，結(jié)果如圖9所示?？梢钥闯?，預(yù)測(cè)結(jié)果與2018年實(shí)測(cè)的收獲指數(shù)呈現(xiàn)出明顯的線性關(guān)系，為0.632 9。分析結(jié)果表明，通過(guò)參數(shù)模型建立的2018年冬小麥?zhǔn)斋@指數(shù)模型能很好地反映實(shí)際的收獲指數(shù)情況。

4 結(jié)語(yǔ)

利用遙感技術(shù)開(kāi)展作物收獲指數(shù)的研究尚不夠成熟，目前的研究精度普遍不高，因此很有進(jìn)行深入研究的必要。本研究依據(jù)農(nóng)學(xué)和作物生理學(xué)原理，利用冬小麥營(yíng)養(yǎng)生長(zhǎng)階段與全生育階段的NDVI均值之比，作為構(gòu)建與收獲指數(shù)相關(guān)的參數(shù)模型，相對(duì)于現(xiàn)有模型，理論上更加合理。從驗(yàn)證結(jié)果看，該模型反演精度也最高，為今后的冬小麥?zhǔn)斋@指數(shù)反演提供了一種可行的方法。

但是在利用遙感技術(shù)反演冬小麥?zhǔn)斋@指數(shù)時(shí)，還應(yīng)注意以下問(wèn)題：(1)目前國(guó)內(nèi)外對(duì)于收獲指數(shù)的研究很少涉及到作物生長(zhǎng)環(huán)境因素對(duì)作物收獲指數(shù)的影響，如氣溫、降水、蒸散發(fā)等環(huán)境因素。在今后的研究中應(yīng)加以重視。(2)MODIS13Q1 NDVI雖然經(jīng)過(guò)最大值合成法處理，但依然存在一定的精度問(wèn)題。通過(guò)Savitzky-Golay濾波對(duì)NDVI時(shí)間序列數(shù)據(jù)進(jìn)行平滑，剔除部分異常值，獲得更接近實(shí)際的冬小麥時(shí)序特征曲線對(duì)于研究收獲指數(shù)具有明顯的益處。最后，本研究提出的研究方案，從理論上來(lái)講，也可用于玉米、水稻、高粱等糧食作物，有待進(jìn)一步研究。