基于FY3B/MERSI 水稻长势监测及其与AQUA/MODIS 数据对比分析

2014-12-14祝必琴黄淑娥陈兴鹃樊建勇

江西农业大学学报 2014年5期

祝必琴，黄淑娥，陈兴鹃，樊建勇

(江西省气象科学研究所，江西南昌 330046)

作物长势监测指对作物从出苗到成熟过程中各个生育期生长状况及其变化规律的宏观监测［1］。自20 世纪70 年代遥感技术发展以来，尤其是随着农业遥感技术的发展，遥感技术就被广泛用来进行大面积农作物长势监测、种植面积监测及产量预测等［2-4］。

国际上，最早关于农作物长势遥感监测与估产研究的是三个标志性的试验计划，即美国的LACIE(large area crop inventory and experiment)计划、AGRISTARS(agriculture and resources inventory surveys through aerospace remote sensing)计划和欧盟的MARS(monitoring agriculture with remote sensing)计划。其中，1974—1977 年，LACIE 计划完成了对世界主要小麦产区的面积、单位面积产量和总产量的估算试验，其精度在90%以上;1980—1986 年，AGRISTARS 计划进行了国内、世界多种粮食作物长势评估和产量预报;1987 年，MARS 计划成功的建立了欧盟区的农作物估产系统。随着上述几个大计划的成功试验，一些发达国家又研究了基于植被指数等对作物长势的遥感监测方法。如1996 年以来加拿大统计局依据每周长势对比图和NDVI 过程线进行作物长势监测。1998 年美国国家统计局采用NDVI 实时数据与多年平均值对比的方法对堪萨斯州小麦长势进行了监测。欧盟自1998 年充分利用CORINE 1∶10 万土地覆盖数据库的成果，建立了基于NDVI 过程的作物长势监测方法［5-8］。

我国自20 世纪80 年代开展了作物长势遥感监测方面的一系列研究与应用。最初是科技部组织中科院等单位对国家重点产粮区水稻、小麦和玉米的种植面积和产量情况进行了遥感估算，其中，对水稻的估算精度达到了85%以上。“八五”期间，中科院等单位又以水稻为对象，研究探讨了利用遥感影像数据对水稻长势进行监测的理论和方法。1998 年开始，国家农业资源区划办组织农业部遥感中心等单位实施了“全国农作物业务遥感估产”项目，对全国水稻、小麦等作物种植面积进行了估算。在这些国家重大项目开展的同时，国内学者对水稻长势遥感监测的机理、技术方法和应用推广等方面进行了比较深入地研究，基于植被指数的水稻长势监测模型方面也取得了很大的进展。1998 年，王人潮等［9］建立了植被指数与水稻农学参数的多种模型，实现了水稻长势监测和产量预报。2008 年，肖江涛［10］以MODIS 为数据源，进行了鄱阳湖流域时间序列植被指数滤波重建、水稻生长关键物候期特征的提取及验证。2009 年，黄青等［11］根据江苏地区水稻和冬小麦的种植结构、物候历特征及其生物学特性和时序NDVI 曲线特征，建立了不同作物面积提取模型，并基于面积识别结果，利用NDVI 对江苏2009 年水稻和冬小麦长势进行了监测。2012 年，陈建军等利用EOS/MODIS 数据，通过比较分析比值植被指数(RVI)、归一化植被指数(NDVI)、植被状态指数(VCI)和增强植被指数(EVI)等多种植被指数对叶面积指数(LAI)的反演精度，再结合农学指标确定了江西省水稻长势遥感监测指标，并对2011 年江西省早稻进行了长势监测，结果基本能够反映实际苗情［12］。

水稻是江西省最重要的粮食作物，2012 年全省种植面积约332.8 万hm2，约占粮食总面积的90.5%，产量达1992 万t，约占总产的95.6%。因此，对水稻的实时苗情、环境动态和分布状况进行宏观的监测，可以及时了解水稻的分布概况、生长状况、土壤墒情、肥力行情等;同时，还可以掌握自然灾害、病虫害等对水稻生长的影响等，可为相关决策部门及水稻生产管理者提供及时准确的数据信息。

常用的遥感数据有NOAA/AVHRR、Landsat/TM、SPOT/HRV、EOS/MODIS 等。在农作物长势、面积等的遥感监测上，国外科学家过去主要利用适合大面积监测的NOAA/AVHRR 数据，但由于其空间分辨率较低，监测精度不高，所以对作物长势监测有很大的局限性;TM、SPOT 影像虽然具有高空间分辨率，但其周期长且费用高，因而也不利于作物动态监测;而MODIS 数据由于其具有中分辨率并可免费下载等优势，目前被广泛应用于作物长势监测中。我国自主研制的风云三号卫星搭载的中分辨率光谱成像仪(MERSI)性能已经达到了国际同类卫星的先进水平，部分指标处于领先，且多数通道设置与MODIS相似［13］。自我国风云三号第1 颗卫星——FY-3A 于2008 年5 月27 日成功发射后，我国相关学者就进行了FY-3A/MERSI 数据的应用，并与TERRA/MODIS 数据反演差异性进行了比较，结果都表明两者反演的NDVI 均具有极显著的相关性，可以利用FY-3A 卫星进行植被长势的监测［14-16］。FY-3B卫星于2010 年11 月5 日发射成功，有关应用研究少见报道。因此，为了推进风云三号卫星数据的应用与分析，本文尝试利用FY-3B/MERSI 数据，结合江西水稻生长规律，进行水稻种植面积信息提取及长势监测，并与MODIS 反演结果进行比较，分析FY-3B 的可靠性与稳定性。

1 研究区概况

作物长势是一个时空变化的过程，同一时相的作物长势在不同空间上或同一空间的作物在不同时相上均存在差异。江西省地理坐标为113°34'～118°28'E，24°29'～30°04'N，南北跨度大，水稻长势存在空间差异。因此，为减小监测中地域差异引起的误差，本研究选择江西省水稻种植集中区作为研究对象，研究区包括环鄱阳湖的南昌市、南昌县、新建县、进贤县、安义县、九江市、九江县、湖口县、彭泽县、德安县、星子县、永修县、都昌县、乐平市、丰城市、高安市、樟树市、奉新县、余江县、鄱阳县、余干县、万年县、临川区、东乡县共24 个县(市、区)(以下简称环鄱阳湖区)，总面积3.9×104km2。环鄱阳湖区农田集中连片，是长江中下游五大平原之一，也是我国南方主要的农业生产基地之一(图1)。

图1 江西省土地利用现状类型图Fig.1 Map of land use types in Jiangxi province

2 数据来源及对比分析

2.1 数据来源

根据水稻生育期及天气状况，本研究数据源选择同是太阳同步轨道下午卫星且过境时间接近的2012 年3 月下旬至6 月下旬12 个时相的FY3B/MERSI 和AQUA/MODIS 晴空数据，这样基本保证了大气状况、太阳高度角和太阳方位角的一致性。其中，FY3B/MERSI 和AQUA/MODIS 原始数据分别利用国家卫星气象中心的SMART 系统和EOS 卫星接收处理系统进行定标、等角投影等处理，生成250 m 分辨率数据，再利用ENVI 遥感软件转换为栅格数据文件进行后续相关计算分析。

2.2 FY3B/MERSI 与AQUA/MODIS 数据单通道反射率对比分析

MERSI 是我国气象卫星上午星FY-3A 和下午星FY-3B 上的重要传感器，共有20 个通道，其中250 m 分辨率有5 个通道，1 000 m 分辨率有15 个通道;MODIS 是美国地球观测系统(EOS)上午星TERRA 和下午星AQUA 上的主要传感器之一，共有36 个通道，其中250 m 分辨率有2 个通道，500 m分辨率有5 个通道，1 000 m 分辨率有29 个通道［17-18］。

FY3/MERSI 的多数通道都可以在EOS/MODIS 找到相近通道。但由于植被指数通常选用的是对绿色植被强吸收的红色可见光波段和对绿色植被高反射和高透射的近红外波段的组合来计算。因此，根据研究需要，本文仅对MODIS 和MERSI 红光及近红外波段的参数进行比较，同时分别计算两个波段12个不同时序的环鄱阳湖水稻种植区的AQUA/MODIS 与FY-3B/MERSI 反射率均值的相关系数，分析2种数据各个通道的对应关系及反射率差异(表1、图2)。

由表1 可知，MERSI 与MODIS 比较，红光和近红外波段的中心波长基本接近，在红光波段两者的带宽也一致;在近红外波段，MERSI 的带宽较MODIS 为宽;且FY-3B/MERSI 与AQUA/MODIS 水稻种植区红光及近红外波段反射率均具有极显著的相关性，相关系数均超过0.96。

表1 MODIS 和MERSI 部分对应波段的比较及相关系数Tab.1 MODIS and MERSI part of corresponding band comparison and correlation coefficient

图2 为12 个不同时序的环鄱阳湖水稻种植区AQUA/MODIS 和FY-3B/MERSI 红光及近红外波段的反射率日均值。由图2 可知，MODIS-RED 和MERSI-RED 水稻种植区反射率差异很小，均分布在10%上下，且MERSI-RED 反射率略小于对应MODIS-RED;MODIS-NIR 和MERSI-NIR 水稻种植区反射率差异略大，其中，MODIS-NIR 反射率主要分布在25%～35%，而MERSI-NIR 反射率小于对应MODIS-NIR，主要分布在20%～30%。

图2 AQUA/MODIS 与FY-3B/MERSI 水稻区单波段反射率日均值Fig.2 Single band reflectance daily average value of AQUA/MODIS and FY-3B/MERSI in rice-growing area

3 水稻种植区提取及验证

3.1 水稻种植区提取

只有获取了水稻空间分布，才有可能对水稻进行生育期内长势遥感监测。本研究以土地利用数据为基础，根据水稻种植前期遥感图背景显示为水体颜色，随着水稻分蘖到拔节后变为有植被的绿色等变化的不同时期影像，提取FY3/MERSI的7/6、4、3 三通道假彩色合成图(EOS/MODIS 假彩色合成通道是7/6、2、1)，利用Erdas 遥感软件的AOI(感兴趣区域)工具选择有代表性的土地类型作为训练区，再运用Erdas 的地理链接功能，将遥感影像与土地利用数据进行点对点的分析比较，建立解译标志。根据解译标志，准确判读出了大部分土地类型。最后采用计算机监督分类中的最大似然法，对假彩色合成图像进行监督分类，并对分类后的图像进行重编码，得到环鄱阳湖区2012 年双季早稻种植分布图(图3)。

图3 2012 年环鄱阳湖区双季早稻分布图Fig.3 Double-cropping early rice distribution map of Poyang Lake area in 2012

3.2 水稻提取精度验证

本研究利用2012 年统计数据作为精度评价的标准，对提取面积进行精度评价。图4 是2012 年环鄱阳湖区24 个县(市、区)双季早稻面积遥感提取结果与统计面积对比，可以看出，水稻的提取精度总体达到了92%以上，该精度可以满足其生育期长势遥感监测的需求。

图4 2012 年环鄱阳湖区双季早稻面积遥感提取结果与统计面积对比Fig.4 Contrast between the double-cropping early rice RS extracted area and statistic area of Poyang Lake area in 2012

4 长势遥感监测方法及应用

作物长势监测原理是建立在绿色植物光谱理论基础上的。绿色植物对不同波长光谱的反射、吸收和散射均有不同的特征反映。植被指数就是通过不同波段综合运算得到的能够很好识别和区分地物的参数，还能用来定量地描述作物生长的状况和趋势。目前，国内外的学者已研究发展了几十种不同的植被指数监测模型［1，19-23］。Deering［24-25］提出的归一化差值植被指数(NDVI)，虽然算法简单，却拥有数据具有可比性、空间覆盖范围广、植被检测灵敏度高等优势，依然是目前长势监测中应用最为广泛的植被指数之一。因此，本文利用NDVI 进行水稻长势遥感监测，NDVI 模型如下:

式中ρnir和ρred分别为近红外波段与可见光(红光)波段的反射率，分别对应MERSI 的4、3 通道和MODIS 的2、1 通道。NDVI 值的范围是-1～1，一般绿色植被区的范围是0.2～0.8。由于该指数与植被密度呈正相关，因此，苗情长势越好，其NDVI 值越大。

4.1 水稻区MERSI-NDVI 与MODIS-NDVI 相关性

对照苗情分级指标［12，26］，根据NDVI 植被指数法，分别利用同时次的FY3B/MERSI 和AQUA/MODIS 遥感影像对2012 年环鄱阳湖区双季早稻分蘖至拔节期长势进行监测，并制定出早稻长势标准:

一类苗:MODIS-NDVI≥0.580;MERSI-NDVI≥0.489

二类苗:0.280≤MODIS-NDVI＜0.580;0.288≤MERSI-NDVI＜0.489

三类苗:MODIS-NDVI＜0.280;MERSI-NDVI＜0.288计算研究区24 个县(市、区)2012 年双季早稻分蘖至拔节期同时次的MERSI-NDVI 与MODIS-NDVI 均值(图5)，进行MERSI-NDVI 与MODIS-NDVI 相关性分析。得到二者关系式如下:

图5 双季早稻分蘖～拔节期MERSI-NDVI 与MODIS-NDVI 县均值Fig.5 Double-cropping early rice NDVI mean value of MERSI and MODIS in each county from tillering stage to jointing stage

其中:y 为FY3B/MERSI 卫星监测的各县水稻区NDVI 均值(MERSI-NDVI)，x 为AQUA/MODIS 卫星监测的各县水稻区NDVI 均值(MODIS-NDVI)。(1)式的相关系数为0.711，通过0.01 的显著性水平检验，表明二者呈显著正相关;且MERSI-NDVI 稍低于对应MODIS-NDVI，这与前人研究结果一致［14-16］。

4.2 长势遥感监测应用

根据上述指标，分析制作出环鄱阳湖区双季早稻长势遥感监测分布图(图6)。图中，红色区域为一类苗，绿色区域为二类苗，蓝色区域为三类苗，数字为试验区该生育期各农业气象观测站点实际苗情观测数据。由图可知，采用FY3B/MERSI 和AQUA/MODIS 测得的水稻长势与水稻实际苗情数据基本吻合，表明由FY3B/MERSI 遥感资料监测的水稻长势与实际相符。

图6 2012 年环鄱阳湖区双季早稻分蘖至拔节期长势分布图Fig.6 Growth distribution of double-cropping early rice from tillering stage to jointing stage of Poyang Lake area in 2012

5 结论与讨论

FY-3B/MERSI 与AQUA/MODIS 水稻种植区红光及近红外波段反射率均具有极显著的相关性，相关系数均超过0.96，且MERSI 两波段的反射率都略小于对应MODIS 反射率。通过目视解译和遥感监督分类方法提取的水稻空间分布，精度总体达到了92%以上，可以满足其生育期长势遥感监测的需求。FY3B/MERSI 和AQUA/MODIS 计算的水稻区NDVI 存在显著正相关，且MERSI-NDVI 稍低于对应MODIS-NDVI;两卫星测得的水稻长势均与实际苗情数据基本吻合，因此，我国自主研制的中分辨率风云三号B 星同样可以满足水稻长势遥感监测的业务化需要。

本研究仅对一个水稻生育期长势监测结果进行了分析，今后有待进行长时间序列相关研究来验证FY3B 的稳定性。研究中，水稻种植面积由遥感解译提取，若能建立信息提取模型则更便于大尺度业务化的长势遥感监测，这是今后研究的方向。利用250 m 分辨率的MERSI 或MODIS 遥感影像进行作物面积提取时存在混合像元问题，如何对混合像元进行分解、提高面积提取精度有待进一步研究。

［1］杨邦杰，裴志远.农作物长势的定义与遥感监测［J］.农业工程学报，1999，15(3):214-218.

［2］刘海启，金敏毓，龚维鹏.美国农业遥感技术应用状况概述［J］.中国农业资源与区划，1999，20(2):56-60.

［3］刘海启.欧盟MARS 计划简介与我国农业遥感应用思路［J］.中国农业资源与区划，1999，20(3):55-57.

［4］Sushil P.Crop area estimation using GIS，remote sensing and area frame sampling［J］.International Journal of Applied Earth Observation and Geoinformation，2001，3(1):86-92.

［5］Gupta R K.Comparative study of AVHRR ratio vegetation index and normalized difference vegetation index in district level agricultural monitoring［J］.International Journal of Remote Sensing，1993，14(1):53-73.

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

［7］Fuller D O.Trends in NDVI time series and their relation to rangeland and crop production in Senegal，1987-1993［J］.International Journal of Remote Sensing，1998，19(10):2013-2018.

［8］Hochheim K P，Barber D G.Spring wheat yield estimation for Western Canada using NOAA NDVI data［J］.Canadian Journal of Remote Sensing，1998，24(1):17-27.

［9］王人潮，王坷，沈掌泉，等.水稻单产遥感估测建模研究［J］.遥感学报，1998，2(5):119-124.

［10］肖江涛.基于MODIS 植被指数的水稻物候提取与地面验证［D］.成都:电子科技大学，2011.

［11］黄青，吴文斌，邓辉，等.2009 年江苏省冬小麦和水稻种植面积信息遥感提取及长势监测［J］.江苏农业科学，2010，(6):508-511.

［12］陈建军，黄淑娥，景元书.基于EOS/MODIS 资料的江西省水稻长势遥感监测［J］.江苏农业科学，2012，40(6):302-305.

［13］吴荣华.光谱响应差异在高精度交叉定标中的影响分析:以FY-3A/MERSI 与EOS/MODIS 为研究实例［D］.北京:中国气象科学研究院，2010.

［14］冯锐，纪瑞鹏，武晋雯，等.FY3/MERSI 和EOS/MODIS 归一化植被指数差异分析［J］.中国农学通报，2010，26(19):359-362.

［15］武晋雯，冯锐，张玉书，等.基于MERSI 盘锦湿地植被动态监测及其与MODIS 数据对比分析［J］.遥感技术与应用，2010，25(4):515-519.

［16］于成龙，刘丹，杨晓强.基于FY-3A/MERSI 和Terra/MODIS 的单波段反射率和NDVI 差异性分析［J］.东北林业大学学报，2012，40(9):124-127.

［17］范天锡.风云三号气象卫星的特点和作用［J］.气象科技，2002，30(6):321-327.

［18］杨军，董超华，卢乃锰，等.中国新一代极轨气象卫星:风云三号［J］.气象学报，2009，67(4):501-509.

［19］杨邦杰，裴志远，周清波，等.我国农情遥感监测关键技术研究进展［J］.农业工程学报，2002，18(3):191-194.

［20］吴炳方，张峰，刘成林，等.农作物长势综合遥感监测方法［J］.遥感学报，2004，8(6):498-514.