基于高光譜遙感的區(qū)域冬小麥生物量模擬及糧食安全評(píng)價(jià).pdf

1、近年來(lái),隨著全球氣候不斷變暖,糧食產(chǎn)量受到影響。而人類的需求量不斷增長(zhǎng),糧食缺口越來(lái)越大,糧食安全問(wèn)題成為世界各國(guó)面臨的主要問(wèn)題之一。現(xiàn)代農(nóng)業(yè)是以實(shí)現(xiàn)低能耗、高效率、高效益為目標(biāo)的新型農(nóng)業(yè),它充分的利用科學(xué)技術(shù)和現(xiàn)代化設(shè)備,采用先進(jìn)的管理方法進(jìn)行農(nóng)業(yè)種植。高光譜遙感技術(shù)為推進(jìn)現(xiàn)代化農(nóng)業(yè)進(jìn)程提供了重要的技術(shù)支持,高光譜遙感具有實(shí)時(shí)監(jiān)測(cè)能力強(qiáng)、監(jiān)測(cè)范圍廣、精度高等優(yōu)點(diǎn),在農(nóng)作物的長(zhǎng)勢(shì)監(jiān)測(cè)和大面積估產(chǎn)、農(nóng)業(yè)資源的調(diào)查與動(dòng)態(tài)監(jiān)測(cè)、農(nóng)業(yè)災(zāi)害的預(yù)報(bào)

2、與災(zāi)后評(píng)估等方面都發(fā)揮著重要的作用。由于遙感監(jiān)測(cè)常常受到天氣、影像分辨率、時(shí)間分辨率等諸多外界因素的制約,并且遙感信息只能對(duì)種植作物的表面進(jìn)行觀測(cè),作物的內(nèi)部結(jié)構(gòu)變化、生理狀況等都無(wú)法從遙感影像中直接獲得,而且這些作物所反映出來(lái)的信息與作物本身、以及氣候、土壤等環(huán)境因素息息相關(guān)。為了彌補(bǔ)這一不足,科技工作者采用了作物生長(zhǎng)模擬模型,這種模型正是基于這些因素的影響對(duì)作物進(jìn)行生長(zhǎng)模擬,它綜合了計(jì)算機(jī)技術(shù)、作物生理學(xué)、作物生態(tài)學(xué)、農(nóng)業(yè)氣象學(xué)、土

3、壤學(xué)、農(nóng)藝學(xué)、系統(tǒng)學(xué)等多學(xué)科的知識(shí),對(duì)作物的生長(zhǎng)、發(fā)育、產(chǎn)量多種狀況進(jìn)行動(dòng)態(tài)模擬。衛(wèi)星遙感技術(shù)能夠宏觀的監(jiān)測(cè)植被狀況,作物生長(zhǎng)模型能夠微觀地模擬作物生長(zhǎng)態(tài)勢(shì),兩者優(yōu)勢(shì)互補(bǔ),能夠較好模擬出作物的產(chǎn)量。再結(jié)合自然、社會(huì)、經(jīng)濟(jì)等影響因素,可以對(duì)區(qū)域糧食產(chǎn)量進(jìn)行評(píng)估,可以為區(qū)域糧食安全預(yù)警決策提供科學(xué)的依據(jù)。具體研究?jī)?nèi)容及結(jié)果如下:
　　 1)本文首先對(duì)江漢平原湖北省潛江市后湖樣區(qū)的鄭麥9023、皖麥369和黃淮海平原濟(jì)南市長(zhǎng)清樣區(qū)的臨

4、麥2號(hào)、穩(wěn)千1號(hào)和泰農(nóng)18號(hào)五個(gè)品種冬小麥在不同生育期小麥冠層光譜進(jìn)行分析,同時(shí)結(jié)合與光譜數(shù)據(jù)實(shí)時(shí)采集的冬小麥葉面積指數(shù)(LAI)、冬小麥葉片葉綠素值(SPAD)、冬小麥冠層有效光合輻射比率(FPAR)等冬小麥農(nóng)學(xué)參量進(jìn)行分析,研究發(fā)現(xiàn)不同區(qū)域的冬小麥在同一生育期內(nèi)葉面積指數(shù)沒有明顯差異,冬小麥葉面積指數(shù)與高光譜720nm～760nm附近反射率相關(guān)性達(dá)到0.65。本研究選取近紅外平臺(tái)最大值875nm、紅光波谷670nm、綠光550nm和

5、藍(lán)光450rim波段的光譜反射率來(lái)計(jì)算RVI、DVI、NDVI、GRVI、EVI和SAVI這6種植被指數(shù),通過(guò)與冬小麥葉面積指數(shù)進(jìn)行相關(guān)性分析發(fā)現(xiàn),其相關(guān)性在0.766～0.842之間,均具有較好的相關(guān)性。將植被指數(shù)與冬小麥葉面積指數(shù)擬合建立關(guān)系模型,并進(jìn)行了預(yù)測(cè)精度檢驗(yàn),結(jié)果顯示植被指數(shù)RⅥ和GRVI在LAI小于3.0時(shí)擬合度較好,但隨著冬小麥的覆蓋度增加擬合精度下降。RVI和GRVI這兩種植被指數(shù)都較敏感,特別是LAI大于3.0后,

6、對(duì)植被的變化更敏感。DVI、NDVI、EVI和SAVI這四種植被指數(shù)模擬精度在整個(gè)生育期變化不大。利用BP神經(jīng)網(wǎng)絡(luò)選取多個(gè)典型波段反射率對(duì)冬小麥葉面積指數(shù)進(jìn)行估算,能夠大大地提高反演精度,擬合度高達(dá)0.959,總均方根差RMSE為0.208。但是BP神經(jīng)網(wǎng)絡(luò)如果另外增加了學(xué)習(xí)樣本,“訓(xùn)練”好的網(wǎng)絡(luò)就需要從頭開始訓(xùn)練,它們對(duì)以前的權(quán)值和閥值是沒有記憶的,神經(jīng)網(wǎng)絡(luò)相對(duì)傳統(tǒng)的回歸模型而言,實(shí)用性有待進(jìn)一步研究。
　　 2)研究區(qū)域的冬

7、小麥葉片葉綠素值(后簡(jiǎn)稱SPAD)在整個(gè)生育期內(nèi)均呈現(xiàn)拋物線變化,但是兩樣區(qū)間冬小麥葉片SPAD值存在明顯差異,主要表現(xiàn)在SPAD峰值出現(xiàn)的生育期不同,后湖樣區(qū)冬小麥葉片SPAD峰值出現(xiàn)在抽穗期,長(zhǎng)清樣區(qū)冬小麥葉片SPAD峰值出現(xiàn)在拔節(jié)期。這種區(qū)別在光譜反射率曲線中也得到反映,后湖樣區(qū)冬小麥光譜的藍(lán)、紅光波段在拔節(jié)期出現(xiàn)了降低的現(xiàn)象,這說(shuō)明葉綠素含量在升高;而長(zhǎng)清樣區(qū)的綠光波段在拔節(jié)期至抽穗期升高,說(shuō)明該時(shí)期葉片的葉綠素含量降低。兩研究

8、區(qū)域冬小麥葉綠素含量的這些變化都能從光譜變化中得到印證。兩樣區(qū)冬小麥SPAD值與冬小麥冠層光譜反射率分別在674nm(后湖樣區(qū))和686nm(長(zhǎng)清樣區(qū))附近達(dá)到波谷負(fù)相關(guān)最大值,760nm～1350nm近紅外波段反射率與SPAD值呈顯著的正相關(guān)。由于兩樣區(qū)冬小麥葉片SPAD存在較大的差異,故本研究分別將兩樣區(qū)冬小麥葉片SPAD值與植被指數(shù)GRVI、RVI、NDVI、DVI進(jìn)行相關(guān)性分析,相關(guān)系數(shù)在0.686、0.901之間,其中后湖樣區(qū)

9、的SPAD值與NDVI相關(guān)系數(shù)最高,達(dá)到0.901;長(zhǎng)清區(qū)冬小麥SPAD值與NDVI相關(guān)系數(shù)達(dá)到0.873。通過(guò)建立植被指數(shù)與SPAD值的回歸模型,經(jīng)模型精度檢驗(yàn),NDVI預(yù)測(cè)模型顯示其精度相對(duì)較高,后湖樣區(qū)和長(zhǎng)清樣區(qū)冬小麥SPAD反演模型均能較好的對(duì)該地區(qū)冬小麥SPAD值進(jìn)行估算。
　　 3)在對(duì)冬小麥冠層光合有效輻射比率(后簡(jiǎn)稱FPAR)研究中發(fā)現(xiàn),兩樣區(qū)的冬小麥FPAR值的差異不明顯,冬小麥FPAR值與冠層光譜反射率綠光波

10、段510nm處的負(fù)相關(guān)性最大,相關(guān)系數(shù)為-0.74,與760nm附近光譜反射率相關(guān)性為0.65。通過(guò)對(duì)冬小麥FPAR與RVI、DVI、NDVI、GRVI、EVI和SAVI這6種植被指數(shù)進(jìn)行相關(guān)性分析,相關(guān)系數(shù)在0.737～0.837之間,說(shuō)明這6種植被指數(shù)與冬小麥FPAR相關(guān)性均較好,為了找出最佳預(yù)測(cè)FPAR模型,并比較幾種模型的預(yù)測(cè)精度,將6種植被指數(shù)與冬小麥FPAR進(jìn)行擬合,擬合結(jié)果顯示6種植被指數(shù)中NDVI較適合進(jìn)行FPAR的估算

11、,R2為0.802。其次SAVI的估算精度較高,R2為0.734。通過(guò)精度檢驗(yàn)結(jié)果表明,NDVI適用兩樣區(qū)的冬小麥FPAR估算,估算結(jié)果較好。
　　 4)為了更好地分析研究濟(jì)南市長(zhǎng)清區(qū)冬小麥產(chǎn)量情況,本文將微觀研究與宏觀研究相結(jié)合,最終選取WOFOST(World Food Studies)作物生長(zhǎng)模型進(jìn)行模擬長(zhǎng)清區(qū)冬小麥生長(zhǎng),該模型能夠較好的對(duì)長(zhǎng)清區(qū)冬小麥產(chǎn)量進(jìn)行估算。通過(guò)中國(guó)“資源環(huán)境衛(wèi)星A、B星”遙感影像與本文研究的冬小麥

12、LAI反演模型相結(jié)合,對(duì)研究區(qū)域范圍內(nèi)的冬小麥LAI值進(jìn)行反演。由于WOFOST作物生長(zhǎng)模型最初是為歐洲作物進(jìn)行的設(shè)計(jì),本文對(duì)該模型進(jìn)行了“本地化”的優(yōu)化,通過(guò)收集長(zhǎng)清區(qū)逐日氣象資料、并實(shí)測(cè)土壤數(shù)據(jù)和作物數(shù)據(jù),在文獻(xiàn)檢索和專家咨詢的基礎(chǔ)上,對(duì)WOFOST模型進(jìn)行本地化參數(shù)設(shè)置,同時(shí)利用FSEOPT優(yōu)化程序,結(jié)合遙感影像反演冬小麥LAI值結(jié)果對(duì)模擬模型參數(shù)進(jìn)行調(diào)整。通過(guò)“本地化”后的WOFOST作物生長(zhǎng)模型能夠較好地預(yù)測(cè)出長(zhǎng)清區(qū)的冬小麥產(chǎn)

13、量變化趨勢(shì)。為評(píng)價(jià)長(zhǎng)清區(qū)冬小麥供應(yīng)狀況提供了科學(xué)的數(shù)據(jù)支持。
　　 5)通過(guò)收集濟(jì)南市區(qū)及長(zhǎng)清區(qū)的社會(huì)、經(jīng)濟(jì)和自然條件等資料,綜合分析長(zhǎng)清區(qū)的農(nóng)業(yè)、人口、消費(fèi)、經(jīng)濟(jì)等情況,發(fā)現(xiàn)長(zhǎng)清區(qū)近年來(lái)人口數(shù)量呈整體下降趨勢(shì)。隨著經(jīng)濟(jì)的發(fā)展,城市居民消費(fèi)結(jié)構(gòu)發(fā)生了改變,由原來(lái)以“食品為主衣著為輔”的消費(fèi)結(jié)構(gòu)變?yōu)槿缃竦亩嘣M(fèi)結(jié)構(gòu),同時(shí)城市居民的飲食結(jié)構(gòu)也在發(fā)生了變化,糧食攝入量減少,乳制品、水果等其它食品攝入量增加。農(nóng)村居民的生活水平在不斷

14、提高,雖然糧食的攝入量變化不是很明顯,但油脂類、肉禽類的攝入量呈上升趨勢(shì)。長(zhǎng)清區(qū)近幾年冬小麥的播種面積沒有大的變化,基本維持在22000公頃左右。冬小麥的單產(chǎn)變化較為明顯,冬小麥產(chǎn)量受到天氣、環(huán)境、管理等外界因素的影響極大。本文選取長(zhǎng)清區(qū)及濟(jì)南市區(qū)的糧食產(chǎn)量、人口、收入及消費(fèi)分別作為自然、社會(huì)及經(jīng)濟(jì)因素的評(píng)價(jià)指標(biāo)。通過(guò)糧食安全綜合評(píng)價(jià)模型,對(duì)長(zhǎng)清區(qū)冬小麥產(chǎn)量變化率進(jìn)行評(píng)價(jià),評(píng)價(jià)結(jié)果顯示:2007年和2009年長(zhǎng)清區(qū)糧食產(chǎn)量變化率有較大波

15、動(dòng),冬小麥總產(chǎn)量出現(xiàn)明顯降低的情況,其它年份均較上一年基本持平或有所提高。長(zhǎng)清區(qū)冬小麥糧食安全指數(shù)分為兩種情景研究,一種為對(duì)內(nèi)供應(yīng)型,長(zhǎng)清區(qū)冬小麥僅供給該地區(qū);另外一種為內(nèi)外兼顧型,長(zhǎng)清區(qū)冬小麥需要供給該地區(qū)和濟(jì)南市區(qū)。第一種情況,由于長(zhǎng)清區(qū)屬于糧食生產(chǎn)地區(qū),區(qū)內(nèi)冬小麥產(chǎn)量足以滿足該地區(qū)居民的需求,安全指數(shù)為安全狀態(tài)。第二種情況,除2007年長(zhǎng)清區(qū)冬小麥產(chǎn)量出現(xiàn)急劇下滑的情況,該地區(qū)冬小麥產(chǎn)量不能滿足區(qū)內(nèi)居民及濟(jì)南市區(qū)居民需求,安全指數(shù)