姜美伊

（哈尔滨师范大学，黑龙江 哈尔滨 150500）

传统的估产方式主要以统计及气象预测相结合的手段进行，需要消耗大量的劳动力和时间，存在诸多弊端和局限。随着科技的发展，遥感技术不仅可以获取农作物种植面积，实现空间分布的准确定位，而且能用于产量估算［1］。而TM数据相较于卫星遥感数据，具有高空间分辨率的优点，但由于天气因素即稻谷生长期间多阴雨，对数据的准确程度具有一定影响，因此需与其他的遥感数据复合利用。此外，常用的NOAA 气象卫星提供的AVHRR数据具有动态性高、覆盖面积大等优点。综上所述，本文主要采用TM数据及NOAA-AVHRR数据复合分析的方法；鉴于归一化植被指数（NDVI）在农作物遥感估产中的广泛应用，同时选择该植被指数对水稻的产量进行估测。

1 数据收集

1.1 研究区概况

黑龙江省位于东经121°11′～135°05′，北纬43°26′～53°33′，属温带大陆性季风气候区；农用地面积占全省总土地面积的84%，主要作物包括玉米、大豆、水稻等［2］。

1.2 数据收集

文中使用的水稻种植面积、稻谷产量数据来自2020年中国统计年鉴；遥感数据来自中国遥感数据网及软件处理所得。选取2020年7月上旬的NDVI数据用来预测黑龙江省的稻谷产量，利用统计年鉴所查资料来检验估产的精确程度；其中TM 数据主要选取的波段为TM3 及TM4，即分别是红光波段R（0.63～0.69 μm）和近红外波段NIR（0.75～0.95 μm），计算NDVI的公式如下。

2 研究方法

2.1 最佳估产数据选择

根据研究，在水稻的生长发育期内，从孕穗期到齐穗期，水稻在遥感影像上的色调与其他作物差别最大。因此，根据本研究选定的区域（即黑龙江省）水稻生长的特征，选取需要用到的数据（包括由2020年TM数据合成的NDVI 值、2020 年黑龙江省的稻谷总产量及下属各个地级市的稻谷产量），再对由TM 的3、4 波段数据计算得出的NDVI值与稻谷产量之间的关系进行推算和验证。其中，NDVI 值是取各分区所得的NDVI 值平均值而得到的。综合以上几个步骤，进一步得出具体的线性关系后，从而创立估产模型。

2.2 水稻种植面积提取

利用遥感软件对图像进行处理时，由于研究区域种植作物种类繁多，而不同作物的反射率有不同的值，因而可以据此区分出所要研究的作物。根据黑龙江省行政区域的划分，将研究区域按地级市区划进行分区；用软件将研究区域各分区进行处理，得到各地级市样本；并对分区结果进行平滑处理，得到总体的种植区域；再次进行筛选，对各分区分别进行监督分类处理，其中，监督分类需要先建立判别函数再对像元进行判别；最后将得到的结果综合分析得出所研究区域的总水稻种植面积。

2.3 建立水稻估产模型

作物生长的植被指数是估产过程中涉及的极其重要的数据。本研究中利用的归一化植被指数不仅可以对作物的长势变化起到重要监测作用，还能以此为依据估算产量。根据先前计算得出的NDVI 值，分析其与水稻产量之间的关系，建立完善的估产模型。

2.3.1 NDVI 曲线。以本研究区域内水稻各生长发育时期的NDVI值为纵轴，以各阶段的时间为横轴，建立NDVI 时序曲线。其中，NDVI 值由各分区所得的NDVI值求平均值得出。该曲线直观地体现了水稻生长发育时期内NDVI值的变化，即水稻的长势情况。

2.3.2 建立模型。在本次研究中，通过分析而建立的NDVI 曲线对于建立估产模型起到了至关重要的作用，借由该曲线可以掌握水稻不同阶段的生长情况。通过软件处理，并加以分析后，可以得出NDVI值与稻谷产量两者之间的关系，从而建立起估产模型。

3 结果与分析

3.1 长势监测分析

植物的长势情况可以根据NDVI值的变化以及7月上旬至9月上旬遥感图像的变化进行判断和分析。在7月上旬，作物进入旺盛生长阶段，可明显看出NDVI值呈现上升趋势，并不断增大峰值；而遥感图像中的作物特征突出，生长态势明显。随着作物逐渐成熟，NDVI值不断减小；遥感图像上也能明显体现稻谷成熟后形态发生的变化。

3.2 估产模型分析

本次研究中建立的估产模型主要根据作物不同阶段的NDVI值及往年的稻谷产量，其中NDVI值均为作物生长各阶段NDVI值的平均值，稻谷产量从中国统计年鉴中获得。

通过遥感软件对NDVI值与稻谷产量之间的关系进行分析和处理，从而得到本次研究涉及区域的水稻估产模型，并根据该模型对水稻的产量进行计算，将得出的数据与中国统计年鉴中的标准数据进行比较和修正，并进行误差分析。结果显示，相对误差仅为8.02%，得出的结果比较理想，其精度在预测范围内，可见所选估产模型符合条件。本文建立的模型，不仅体现出NDVI 值对作物生长状况起到的监测作用，更进一步体现出NDVI 值与稻谷产量之间的重要联系。

4 讨论

本次研究结果表明，在黑龙江省对水稻进行遥感监测估产是可行的。但目前的技术仍不够完善，要达到非常精确的估产结果还是有很大难度的，主要原因有以下四个。第一，研究区域在该时期种植的农作物种类复杂多样，并且有与水稻外形较为相似的其他作物，如何在遥感图像上精准识别具有一定难度；第二，在水稻发育期内，天气状况也成为影响估产准确度的重要原因，其生长期内大多数为阴雨天气，对于获取准确的数据有很大的影响；第三，如何选择合适的遥感数据也有较大难度，应具体问题具体分析，需要对研究区域进行宏观把握并综合各种遥感数据的优缺点进而选取合适的数据；第四，目前，估产技术在小范围区域的使用中已基本成熟，但对于更大区域的作物估产，还需要进一步完善技术以克服在研究中可能遇到的问题。

本次研究中选取的遥感数据为TM 数据，其空间分辨率为30 m，且精度较高，但由于天气因素的影响，获取准确适合的资料仍具有较大难度，并且对于较大研究区域，TM卫片所需要的成本较高。因此，综合考量下，本研究将NOAA-AVHRR 气象卫星资料与TM 数据复合综合利用。NOAA气象卫星可观测的面积较大，且动态性高、成本较低，是比较理想的选择，两者的结合使用极大提高了数据的准确度。

现阶段，遥感估产技术正逐步完善，多种遥感数据的复合使用也占据很大比重，其复合使用不仅可以发挥各自的长处，也为数据的准确度提供了保障。除上述两种资料外，目前MODIS数据的使用也极为广泛。

5 结论

本研究主要应用TM 数据及NOAA-AVHRR 数据对黑龙江省水稻产量进行估测，并将研究中获得的估计结果与实际资料进行比较。结果显示，总体误差约为8.02%，总体精度满足预期目标，说明在黑龙江省利用上述方法进行作物估产是可行的。现阶段，遥感估产技术还在不断进步和发展，为进一步提高估产的精确程度，还需进行更深入的研究。

在水稻生长发育期，大量的阴雨天气对于数据的准确程度也产生不小的影响，如何找到其他更好的数据以及更完善的处理方法是本研究的关键所在。本次研究的结果虽然已基本达到估产精度的要求，但在与其他外形类似的作物图像进行分辨方面仍需进一步的完善；以及在水稻不同发育时期，其光谱特征的差异会对NDVI 值产生一定的影响，如何解决该问题也是完善技术的重点所在。另外，本研究中所采用的TM 数据成本过高且覆盖区域有限，可能获取不到理想的图像。本文中应用气象卫星数据与TM 数据复合的方式，也可以考虑采用其他的遥感数据进行估产工作，如MODIS 多时相遥感数据。最后，若要进一步完善估产方法，还需要对如何减小误差作更深入的研究。

综上所述，对于利用TM 数据在黑龙江省进行作物遥感监测和估产还有进一步研究和发展空间。