张 帝 宋雅宁 于强静

河南大学环境与规划学院



河南省冬小麦估产
——基于MODIS-EVI和NDVI模型

张 帝 宋雅宁 于强静

河南大学环境与规划学院

粮食问题关乎国计民生，本文笔者选取河南省的3、4、5月的EVI和NDVI数据，得到精度较高的产量预测模型。结果表明：（1）5月EVI与小麦产量相关性最高，并得出精度较高的多元回归模型。（2）EVI可能比NDVI更适合于估产建模。

冬小麦估产；NDVIEVI；相关分析；回归分析

一、研究区概况

河南省全省多平原地区，处于中国的中东部分。其地理位置介于31.38°-36.37°N和110.35°-116.39°E。全省总面积达到16.7万平方公里，全年无霜期为275-308天。小麦是河南省主要种植的农作物。

二、数据处理

本文选取的数据主要来源于NASA官网的MODIS（1km）数据、河南省区划图以及2000年-2014年的河南省统计年鉴中冬小麦实际产量。选择3月、4月、5月三个月的MODIS数据来对和河南省冬小麦估产建模进行研究。

三、NDVI与EVI建模

（一）NDVI与EVI十五年间的变化趋势

1.NDVI与EVI的定义

目前，EVI与NDVI是使用较为频繁的植被指数。NDVI即归一化植被指数，其计算公式为（1）：

其中，ρNIR代表植被在近红外波段的反射率、ρRED代表植被在红光波段的反射率。其数值介于-1到1之间。而增强型植被指数又加入了蓝光波段，可以对土壤背景及大气进行订正，使得EVI具有NDVI指数所不具有的季节性。其计算公式为（2）：

ρNIR代表植被在近红外波段的反射率、ρRED代表植被在红光波段的反射率、ρBLUE代表植被在蓝光波段的反射率。

2.河南省NDVI与EVI十五年间的变化趋势

对2000年-2014年河南省的3月、4月、5月的EVI及NDVI数据进行处理，得到其均值，并统计得出：3、4、5月的EVI数据在2000年-2014年的变化趋势与走向大同小异，总体而言，3月、4月趋势较为接近；4月、5月数值比较相近。

图1 EVI十五年间变化趋势

NDVI数据分析结果：其变化趋势与EVI数据类似。

图2 NDVI十五年间变化趋势

对比两张折线图可以看出：EVI与NDVI的数值并不同，但各月份的变化趋势相似，差异较小。

图3 粮食产量十五年间变化趋势

对比图3与图1、图2可知：粮食产量十五年间的变化趋势与5月的变化趋势最为接近。

（二）3、4、5月NDVIEVI与实际产量的分析

1.NDVIEVI与产量的相关分析

图1、图2可以看出EVI与NDVI的变化趋势大致相同。分别将3月、4月、5月的EVI数据与NDVI数据与河南省统计年鉴中的小麦实际产量进行相关分析。如下所示：

表1 NDVIEVI数据与实际产量的相关分析

将6组数据与河南省2000年-2014年小麦实际产量进行相关分析，可以初步得出：5月EVI数据与小麦实际产量的相关性最高。

2.经对数变换的NDVIEVI与产量的回归分析

取表1的六组数据的对数分别与河南省实际产量的对数建立散点图并分别求出其模型以及R2，然后对比分析：

5 月的EVI对数数据与实际产量对数数据的拟合精度最高，其次为5月的NDVI对数数据与实际产量对数数据的拟合精度。并且都达到了0.05的置信水平。

（三）3、4、5月NDVIEVI累计与实际产量的分析

1.月份累计的NDVIEVI与产量的相关分析

5 月的EVI数据与实际产量的相关性最高，接下来将三个月的数据累加与实际产量做相关分析，然后与单个月份相比较：

3 月、5月的EVI累加数据与河南省实际小麦产量的相关系数最高，5月的EVI数据相关性最高，达到了0.813。

2.NDVIEVI与产量的回归分析

取八组对数数据分别与河南省实际产量对数数据建立散点图并分别求出其回归模型以及R2，然后对比：

经对数变换的3月、5月累加EVI与河南省小麦实际产量的拟合精度最高，经对数变换的4月、5月累加EVI与河南省小麦实际产量的拟合精度高，3月、5月累加的NDVI与4月、5月累加的NDVI数据与实际产量的拟合精度较高。由此可知，3月、4月份的数据相比5月，与小麦产量的相关性不是很高。

（四）多元回归分析建模结果与验证

1.多元线性回归建模与分析

经研究表明：5月EVI数据模型的R值达到了0.813，R2达到了0.668，F值也达到了0.05的置信水平。因此，5月的EVI最适合对河南省冬小麦进行估产建模。

表2 一元回归模型

2.多元线性回归建模的验证

与一元回归模型相比，多元回归模型精度更高。用2014年河南省小麦的实际产量对多元回归线性模型进行验证，如表3：

表3 多元回归模型的验证

四、结果分析

本文选取河南省2000年-2014年的3月到5月的MODIS-EVI 与NDVI数据对小麦估产进行研究，分别对3月、4月、5月以及月份的累加进行相关分析和回归分析，并对EVI和NDVI的估产适宜性进行了对比，证明了5月份的EVI与实际产量的相关性最高。本文通过选取河南省冬小麦生长关键期的EVI与NDVI数据来进行遥感估产，获得以下结论：

（1）全年之中5月是生长最为关键的月份，对小麦产量的影响最大。

（2）EVI较NDVI而言，EVI对冬小麦的遥感估产精度较高，EVI更适合估产。

基于此在将来的研究中可以多种结合多种模型进行预测冬小麦的产量，加入气象因子，土壤湿度等多个参数提高模型的精度使预测更加准确。

［1］贺振，贺俊平.基于NOAA—NDVI的河南省冬小麦遥感估产［J］.干旱区资源与环境，2013，27（5）：46-53.

［2］赵亚光，张粲，候璠，等.多参数冬小麦估产模型研究及产量影响因素分析［N］.中国农学通报，2015，31（29）：241-247.

［3］李军玲，郭其乐，彭记永.基于MODIS数据的河南省冬小麦产量遥感估算模型［N］.生态环境学报，2012，21（10）：1665-1669.

张帝（1995.07.01—）男，汉族，河南南阳人，河南大学环境与规划学院，2013级本科生，人文地理与城乡规划专业。