乌兰吐雅 乌兰 姜英君等

摘要以大兴安岭西麓的拉布达林农场、谢尔塔拉农场、莫拐农场以及呼伦贝尔市华和有限责任公司的农场为研究区域，利用Landsat8OLI影像和时间序列MODIS NDVI数据，结合GPS野外定位技术，对各大农场2015的春小麦进行了苗期长势监测初探。结果表明：研究区南部的春小麦长势最好，其次为中部的谢尔塔拉农场及东部的莫拐农场，最差为北部拉布达林农场。从总体来看，MODIS NDVI数据能很好地反映大兴安岭西麓春小麦长势状况，为该区域田间管理和早期估产提供及时信息和理论依据。

关键词大兴安岭西麓；春小麦；苗期长势；遥感监测

中图分类号S126文献标识码

A文章编号0517-6611（2015）31-356-03

Growth Monitoring for Spring Wheat during Seeding Stage Based on MODIS NDVI Data—A Case Study of Daxinganling Western Slope in Hulun Buir

WULAN Tuya1， WU Lan1， JIANG Yingjun2 et al

（1.Inner Mongolia Autonomous Region Academy of Agriculture and Animal Husbandry， Hohhot， Inner Mongolia； 2. Hailar Agricultural and Livestock Management Bureau， Hailar， Inner Mongolia 021008）

AbstractThe Labudalin farm， Xieertala farm， Moguai farm and the farm of Huahe Limited Liability Company， Hulunbeier were selected as study regions. Using Landsat8 OLI image and time series MODIS NDVI data， combined with technology of global positioning system， a preliminary study was conducted on the growth monitoring of spring wheat at seedling stage in farm. The results showed that the growth of spring wheat in southern areas was best and then followed by Xieertala farm and Moguai farm which were located in central sections and eastern part respectively. The worst was Labudalin farm in northern part. Overall， MODIS NDVI data could reflect the growing status of spring wheat in Daxinganling western slope very well. It would provide information for field management in time and theoretical basis for early yield estimation for these areas.

Key wordsDaxinganling western slope； Spring wheat； The growth monitoring； Remote sensing monitorin

長势，即作物长势的状况与趋势，长势监测可以为田间管理、早期产量估算提供依据[1]。作物长势监测是农情遥感监测与估产的核心部分，其本质是在作物生长早期阶段就能反应出作物产量的丰欠趋势，通过实时动态监测预测实际的作物产量[2]。现有的长势监测遥感指标有叶面积指数（LAI）和植被指数。其中归一化植被指数（NDVI）是过去30年来使用最为广泛的植被指数，也是用于LAI估算的常用指标[3]。NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件相关的辐照度的变化的影响，增强了对植被的响应能力，是植被生长状态及植被覆盖度的最佳因子，典型的地面覆盖类型在大尺度NDVI，图像上区分明显，植被得到有效的突出，特别适合用于全球或各大陆等大尺度的植被动态监测[4]。裴志远等[5]用NDVI研究作物长势的时空特征，李杨等[6]用SPOT/VGT NDVI数据，根据作物长势特点提取大区域农作物空间分布信息，彭朋等[7]用NDVI监测水稻长势，吴炳方等[8]用不同遥感数据NDVI产品与农业气象数据结合建立全国作物长势遥感监测系统。可以看出，NDVI是进行作物长势遥感监测最常使用的指标。从运用NDVI监测小麦长势来看，前人的研究多集中在冬小麦长势监测，而对于春小麦长势监测的研究甚少[2，9-10]。笔者选用时间序列MODIS NDVI数据，对大兴安岭西麓的春小麦苗期长势进行监测，为该区域的春小麦田间管理及早期估产提供依据。

1数据来源与研究方法

1.1研究区概况

研究区位于呼伦贝尔市大兴安岭西麓，是林区到草原的过渡带，大面积种植作物为春小麦、油菜、大麦，是内蒙古的春小麦主产区。该区大部分区域属温带大陆性气候，年日照时数2 500～3 000 h，无霜期75～90 d，年均降水量200～280 mm。该区域分布着机械化程度、劳动生产率、商品率高的国营农场及私人农场，耕地连片集中，适合用遥感监测。研究区分布如图1所示。

1.2数据获取与研究方法

考虑到春小麦与大麦的苗期从遥感影像上不好识别，在研究区行驶1 100 km，在拉布达林农场花木兰队、莫拐农场4分队、谢尔塔拉农场4分队及华和农牧有限责任公司三分场和一分场等地，选择大面积种植春小麦的农田，用差分GPS定位，与同一时期的LANDSAT8卫星数据叠加，确认春小麦边界，用时间序列MODIS NDVI数据分析春小麦的苗期长势。

使用遥感数据包括2015年6月3日path/Row（123/25、123/26）的两景LANDSAT8卫星遥感数据（http：//glovis.usgs.gov/）和5期（第137、145、154、161、169天4景（h25v04、h25v03、h26v04、h26v03）MODIS地表反射率数据（MOD09Q1）（http：//edcimswww.cr.usgs.gov/pub/imswelcome）数据，共20景。

对LANDSAT8数据进行辐射定标、大气校正、融合、投影转换，543假彩色合成的操作。MODIS（MOD09Q1）是8 d最大值合成的地表反射率数据，星下点空间分辨率为250 m。对其进行NDVI计算，投影转换，同一时期的4景数据进行最大值合成，消除4景数据直接镶嵌带来的黑条，再用研究区域剪切，统计不同区域春小麦的NDVI值，分析不同时间段的动态变化。

2结果与分析

呼伦贝尔市区域MODIS NDVI分布图见图2。根据研究区情况，春小麦从出苗到6月中旬，分4个区域统计了春小麦种植区域NDVI值，结果见表1。由表1可知，MODIS NDVI值在第137、145、153、161、169天基本呈现如下规律：南部的呼伦贝尔市华和农牧有限责任公司三分场、一分场的NDVI值最大，中部的谢尔塔拉农场4分队和东部的莫拐农场4分队的NDVI值居中，北部的拉布达林农场花木兰队的NDVI值最小。这与各大农场春小麦长势情况调查结果基本一致。研究区域南部位于林间草甸，温度较高、土壤墒情好，导致南部的春小麦长势最好。中部谢尔塔拉农场由于部分农田有灌溉条件长势比较好；东部的莫拐农场虽然前期干旱，播期比往年提前，但由于播种后降雨及时，春小麦长势良好。北部的拉布达林农场纬度偏高，温度偏低降雨不够充沛，春小麦长势比其他区域差。

区域具体位置农田春小麦长势情况NDVI第137天第145天第153天第161天第169天

研究区南部呼伦贝尔市华和农牧业有限责任公司三分场、一分场1类苗95%，2类5%，长势好0.260 4130.360 8840.466 5660.669 9720.759 296

研究区中部谢尔塔拉农场4分队出苗好，部分农田有喷灌0.236 5260.346 6120.388 0210.619 7340.712 385

研究区东部莫拐农场4分队1类苗90%，2类苗10%， 0.234 0150.343 7900.456 9510.626 5020.701 221

研究区北部拉布达林农场花木兰队有点旱，1类苗70%，2类苗30%0.220 0920.293 6820.287 5200.474 8850.610 377

平均-小麦整体长势良好0.233 5200.324 5650.371 2770.567 0140.673 881

3结语

大兴安岭西麓春小麦种植时间最早的區域分布在研究区南部，从4月26日开始播种，其他区域从4月28～30日开始播种，最晚播种时间为5月25日。现有研究多集中在冬小麦长势的监测研究，而对春小麦长势监测的研究甚少。该研究基于8 d最大值合成MODIS地表反射率数据（MOD09Q1），计算NDVI值，对春小麦进行苗期长势监测，得到了很好的效果。可见，用时间序列的NDVI值遥感监测大兴安岭西麓春小麦的苗期长势是可行的。

参考文献

[1] 杨邦杰.农情遥感监测[M].北京：中国农业出版社，2005：114-125.

[2] 王来刚，邹春辉，刘婷，等.河南省冬小麦长势遥感监测指标的适宜性[J].麦类作物学报，2013，33（5）：1006-1011.

[3] 赵虎，杨正伟，李霖，等.作物长势遥感监测指标的改进与比较分析[J].农业工程学报，2011，27（1）：243-249.

[4] 李小文，刘素红.遥感原理与应用[M].北京：科学出版社，2008： 147-159.

[5] 裴志远，杨邦杰.多时相归一化植被指数NDVI的时空特征提取与作物长势模型设计[J].农业工程学报，2000，16（5）：20-22.

[6] 李杨，江南，侍昊，等.基于SPOT/VGT NDVI 的大区域农作物空间分布[J].农业工程学报，2010，26（12）：242-247.

[7] 彭朋，张树文.基于NDVI于LAI的水稻生长状况研究[J].东北测绘，2002，25（4）：16-19.

[8] 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.

[9] 李鑫川.多源遥感数据冬小麦LAI估算研究[D].南京：南京信息工程大学，2013.

[10] 李宗南.冬小麦长势遥感监测指标研究[D].北京：中国农业科学院，2010.