基于SPOT5影像分析植被指數與水稻葉面積指數和產量的相關性

李章成　李源洪　魏來　姚興柱　周華茂

摘要：以2011年四川省德陽地區為研究區域，建立20個300 m×300 m樣方，在水稻移栽（6月10日）、分蘗（7月10日）、抽穗（8月15日）及成熟期間（9月1日），每樣方選取3個地塊，每地塊隨機選擇3個面積為1 m×1 m的樣點并用GPS定位，基本在同一位置采集葉面積指數（LAI）、葉綠素含量、株高、行列距、干物質重、每公頃分蘗數、有效穗數、每穗粒數、千粒重等生態參數，測算出單產、經濟系數，以SPOT5多光譜影像（2011/8/18，261/287）提取歸一化植被指數（NDVI），研究每一樣方內水稻區植被指數與葉面積指數、產量等定量關系。結果表明，NDVI與抽穗期LAI相關性極顯著（r=0.703**），與其他3個時期LAI相關性低；NDVI與成熟期測定的單產、經濟系數相關性也較低；通過抽穗期遙感影像提取的植被指數，可反演同時期水稻葉面積指數；利用單時相遙感影像反演最終單產和經濟系數，需要進一步研究。

關鍵詞：水稻；葉面積指數；遙感；植被指數；單產；經濟系數

中圖分類號： S511.01文獻標志碼： A文章編號：1002-1302（2014）01-0284-02

收稿日期：2013-05-23

基金項目：國際科技合作項目（編號：2010DFB10030）。

作者簡介：李章成（1974—），男，湖北隨州人，博士，助理研究員，主要從事農業遙感、作物信息、國土資源調查等方面研究。Tel：（028）84504163；E-mail：lizhangcheng@tom.com。不同時期水稻葉面積指數（LAI）是水稻生長過程中的一項重要參數，除提供水稻生長的動態信息外，與生物量、產量也密切相關。利用光譜絕對值或其變換形式，對作物LAI進行定量遙感反演，建立LAI-VI回歸模型[1-2]，根據LAI與產量關系模型，利用中低分辨率遙感影像提取水稻關鍵生育期植被指數，進行作物估產及長勢監測已有眾多研究成果[3-6]。但是，受大氣、土壤背景、儀器定標及植被本身光化學過程變化等內外因素的影響，從遙感數據中獲取的植被指數和LAI的關系也具有地域性和時效性，建立簡單實用的LAI反演方法及提高反演精度已成為研究熱點和難點[7-10]。利用實地觀測的葉面積指數數據和光譜儀觀測數據，Martin等發現樣地上水稻的光譜植被指數與葉面積指數相關性很強[2]，薛利紅等研究了植被指數與LAI的相關性[7-8]。楊燕等利用ASD野外光譜儀實地測量水稻的波譜曲線和葉面積指數，建立兩者間模型，利用Hyperion影像數據反演葉面積指數，總體上反演數據比實測數據略低[11]。

利用中低分辨率影像進行作物長勢監測與估產，雖然其覆蓋范圍廣，獲取時間頻率高，但是空間分辨率較低，同物異譜、同譜異物形成的混合像元導致定量遙感反演精度較低，特別在西南地區，水稻種植恰好在雨熱同季的多云雨時期，中低分辨率遙感影像云所占比例較高，加之該區域田塊零散，中低分辨率遙感影像混合像元帶來的問題更為嚴重。因此，在水稻關鍵生長期，研究利用單時相的中高分辨率光學遙感影像或雷達影像，進行作物長勢監測和估產有較大意義。

本研究以四川省德陽地區為測試區域，利用中高分辨率SPOT5光學遙感影像，提取水稻不同時期的植被指數，探討分析其與實測葉面積指數的相關性，以建立反演葉面積指數模型，研究反演成熟期時的單產、經濟系數，為遙感監測水稻長勢及估產服務。

1材料與方法

1.1研究區域

影像覆蓋區域及樣點分布地處德陽市，位于東經103°45′～105°15′，北緯30°31′～31°42′，屬亞熱帶濕潤季風區，氣候溫和，多云雨，為成都平原重要的產糧區。影像為SPOT5（2011-08-18，261/287，圖1），空間分辨率為10 m，與抽穗期實地測量時間較近，經過輻射、幾何校正，獲取真實的地表反射率。

1.2調查與統計方法

建立20個300 m×300 m水稻樣方，每樣方選取3個地塊，每個地塊隨機選擇3個1 m×1 m樣點，利用GPS定位，基本處于同一位置測量水稻葉面積指數（LAI）、葉綠素含量、株高、行列距、干物質重、每公頃分蘗數、有效穗數、每穗粒數、千粒重等生態參數，取平均值代表樣方內水稻各項生理生態參數，數據采用SPSS軟件進行分析。測量時間分別是移栽期（6月10日）、分蘗期（7月10日）、抽穗期（8月15日）、成熟期（9月1日）等4個主要生育期。

葉面積指數采用手工方式測量，其他生理生態參數測定及轉換按照常規方法進行。由于水稻葉片呈下窄、中寬、上尖形，實際面積小于長方形面積（長×寬），水稻苗期和成熟期葉形偏尖，實際面積約為長方形的75%，其他各生育期均約為83%，單葉葉面積=葉片長×葉片寬×校正系數，整個植株的單葉葉面積之和即為總葉面積（cm2）。葉面積指數計算公式為葉面積指數（LAI）=（平均單株總葉面積×每公頃株數）/（10 000×10 000）。

植被指數利用ENVI 4.7圖像處理軟件提取，基于真實地表反射率影像，提取歸一化植被指數（NDVI）。計算公式為NDVI=（ρNIR-ρRed）/（ρNIR+ρRed），其中，ρNIR為近紅外波段反射率，ρRed紅波段反射率。

2結果與分析

2.1主要生育期生理生態參數

由圖2、表1可見，水稻移栽期、分蘗期、抽穗期和成熟期葉面積指數分別為0.97、4.98、6.24和1.08，呈先上升后下降趨勢，地上部分干物質重分別為0.46、2.33、5.25和 8.04 g/株，呈上升趨勢。

2.2植被指數與葉面積指數、單產及經濟系數相關性分析

由于分蘗期、抽穗期為水稻生長旺期，影像時相與測量時間比較近，遙感影像更能反應作物生長狀況。植被指數與分蘗期和抽穗期時的葉面積指數顯著相關，相關系數分別為0553*、0.703**，與移栽期及成熟期時的葉面積指數相關性低。植被指數與移栽期、分蘗期、抽穗期和成熟期的干物質重，以及測算單產和經濟系數的相關系數都低，相關性顯著。endprint

2.3植被指數與葉面積指數回歸模型建立

根據相關性分析，抽穗期植被指數與葉面積指數呈線性關系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）。回歸模型的方差分析結果見表2。

3小結與討論

通過實地測量水稻主要生育期葉面積指數，利用SPOT5中高分辨率光學遙感影像提取抽穗期植被指數，進行相關分

析后建立了葉面積指數反演模型。植被指數能較好地反演提取同時期的葉面積指數，進行長勢監測，但由于單產和經濟系數與每公頃有效穗數、每穗粒數、千粒重、干物質重及品種有關，并且地塊零散，對德陽地區抽穗期單時相中高分辨率遙感影像提取的植被指數反演單產和經濟系數進行估產，還需要進一步研究。另外需說明的是，在利用遙感影像進行作物長勢監測和產量預報時，影像時相至關重要。

參考文獻：

[1]浦瑞良，宮鵬. 高光譜遙感及其應用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項月琴. 遙感估算水稻產量Ⅱ.用光譜數據和陸地衛星圖像估算水稻產量[J]. 環境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產[M]. 北京：中國農業出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產遙感估測建模研究[J]. 遙感學報，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數與葉面積指數的水稻生長狀況監測[J]. 江蘇農業科學，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數的Hyperion反演研究[J]. 遙感技術與應用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環境因子的關系[J]. 江蘇農業科學，2014，42（1）：286-291.endprint

2.3植被指數與葉面積指數回歸模型建立

根據相關性分析，抽穗期植被指數與葉面積指數呈線性關系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）。回歸模型的方差分析結果見表2。

3小結與討論

通過實地測量水稻主要生育期葉面積指數，利用SPOT5中高分辨率光學遙感影像提取抽穗期植被指數，進行相關分

析后建立了葉面積指數反演模型。植被指數能較好地反演提取同時期的葉面積指數，進行長勢監測，但由于單產和經濟系數與每公頃有效穗數、每穗粒數、千粒重、干物質重及品種有關，并且地塊零散，對德陽地區抽穗期單時相中高分辨率遙感影像提取的植被指數反演單產和經濟系數進行估產，還需要進一步研究。另外需說明的是，在利用遙感影像進行作物長勢監測和產量預報時，影像時相至關重要。

參考文獻：

[1]浦瑞良，宮鵬. 高光譜遙感及其應用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項月琴. 遙感估算水稻產量Ⅱ.用光譜數據和陸地衛星圖像估算水稻產量[J]. 環境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產[M]. 北京：中國農業出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產遙感估測建模研究[J]. 遙感學報，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數與葉面積指數的水稻生長狀況監測[J]. 江蘇農業科學，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數的Hyperion反演研究[J]. 遙感技術與應用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環境因子的關系[J]. 江蘇農業科學，2014，42（1）：286-291.endprint

2.3植被指數與葉面積指數回歸模型建立

根據相關性分析，抽穗期植被指數與葉面積指數呈線性關系，回歸模型為LAI=-7.478+28.428×NDVI（r=0703**）。回歸模型的方差分析結果見表2。

3小結與討論

通過實地測量水稻主要生育期葉面積指數，利用SPOT5中高分辨率光學遙感影像提取抽穗期植被指數，進行相關分

析后建立了葉面積指數反演模型。植被指數能較好地反演提取同時期的葉面積指數，進行長勢監測，但由于單產和經濟系數與每公頃有效穗數、每穗粒數、千粒重、干物質重及品種有關，并且地塊零散，對德陽地區抽穗期單時相中高分辨率遙感影像提取的植被指數反演單產和經濟系數進行估產，還需要進一步研究。另外需說明的是，在利用遙感影像進行作物長勢監測和產量預報時，影像時相至關重要。

參考文獻：

[1]浦瑞良，宮鵬. 高光譜遙感及其應用[M]. 北京：高等教育出版社，2000：127-131.

[2]Martin R D，Heilman J L. Spectral reflectance patterns of flooded rice[J]. Photogrammetric Engineering and Remote Sensing，1986，52（12）：1885-1890.

[3]田國良，項月琴. 遙感估算水稻產量Ⅱ.用光譜數據和陸地衛星圖像估算水稻產量[J]. 環境遙感，1989，4（1）：73-80.

[4]王人潮，黃敬峰. 水稻遙感估產[M]. 北京：中國農業出版社，2002.

[5]王人潮，王珂，沈掌泉，等. 水稻單產遙感估測建模研究[J]. 遙感學報，1998，2（2）：119-124.

[6]Le T T，Ribbes F，Wang L F，et al. Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：41-56.

[7]薛利紅，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，2004，28（1）：47-52.

[8]田翠玲，李秉柏，鄭有飛. 基于植被指數與葉面積指數的水稻生長狀況監測[J]. 江蘇農業科學，2005（6）：13-15.

[9]Fang H L，Liang S L. Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J]. Remote Sensing of Environment，2003，85（3）：257-270.

[10]Shao Y，Liao J J，Wang C Z. Analysis of temporal radar backscatter of rice：a comparison of SAR observations with modeling results[J]. Can J Remote Sensing，2002，28（2）：128-138.

[11]楊燕，田慶久.水稻LAI參數的Hyperion反演研究[J]. 遙感技術與應用，2007，22（3）：345-350.李鮮鮮，何文輝，董占營，等. 上海沿海岸海域微生物的分布特征及其與環境因子的關系[J]. 江蘇農業科學，2014，42（1）：286-291.endprint