侯学会， 隋学艳， 姚慧敏， 梁守真， 王 猛

(1.山东省农业可持续发展研究所,济南 250100； 2.农业部华东都市农业重点实验室,济南 250100)

0 引言

作物长势监测是农情监测最核心的内容之一。作物长势信息客观描述了作物生长、土壤墒情、肥力及植物营养的综合状况，是作物估产的必要前提。遥感技术因其可获得在空间和时间上的连续信息，已成为大范围作物长势监测的有效手段[1]。国内外很多组织建立了政府性的农作物遥感监测系统，为相关部门及时提供农情信息[2]。

植被指数，如归一化差值植被指数(normalized difference vegetation index，NDVI)、增强型植被指数(enhanced vegetation index，EVI)和归一化差值红外指数(normalized difference infrared index，NDII)等，是利用遥感技术研究植被长势的主要指标[3-4]。国内外学者基于遥感技术进行作物长势监测已经取得了一系列成果。黄青等[5]基于MODIS NDVI 数据，通过与近5 a 作物长势的平均状况对比，发现2013年东北地区不同作物长势在整个生育期内的时空分布存在较大差异； 邹文涛等[6]利用MODIS NDVI 序列数据，综合采用实时监测、过程监测和时间序列聚类监测方法，以2008―2012年间平均长势为基础，对印度2013年作物长势进行监测，优化了Cropwatch作物长势监测方法； Esquerdo等[7]、Duveiller等[8]和Becker-Reshef等[9]也基于SPOT-VGT，NOAA-AVHRR和MODIS遥感影像开展了大范围的作物长势监测。但综合来看，目前已有的成果一般都是根据作物多年平均长势状况对当年相应时间点或时间段的作物长势进行研究，而在大范围的作物长势监测时，不同区域的作物会因所处物候期的不同导致长势出现差异； 且受气候因子和人为因素的影响，同一区域作物的物候在时间序列上也会发生变化，这种因为物候变化产生的长势差异与作物本身长势状况的变化混在一起，增加了对作物长势在时间序列上变化分析的不确定性。……