基于NDVI的湖北省天門市早稻產量估算

吳雨輪

(東華理工大學 江西,南昌 330013)

引言

水稻是我國主要糧食作物之一,全國水稻面積為糧田面積的29.1%,水稻產量占全國糧食總產的93.0%。我國要大力提升糧食、能源資源安全保障能力,特別是要把糧食飯碗牢牢端在自己手上。要實施新一輪千億斤糧食產能提升行動,向耕地和科技要產能,向國土資源要食物[1]。當前,我國農業科技創新整體邁進了世界第一方陣,但農業科技進步貢獻率同世界先進水平相比還有不小的差距。要緊跟世界農業科技前沿,大力提升我國農業科技水平,加快實現高水平農業科技自立自強[2],而遙感技術就能很好地為農業研究賦能。

遙感技術以其高效獲取大量信息、跨越多個平臺和高時間分辨率、高空間分辨率、快速、廣泛覆蓋的優勢,成為了解農業資源、作物生長和農業災害等信息的最佳途徑,對于改變或部分改變農業生產的被動狀態具有獨特而重要的作用[3]。利用遙感技術可在農作物估產的運行化中提供一種經濟實惠、高效可靠的農情監測方法,具有標準化的特點[4]。

當前,國內外學者在農作物遙感估產領域已經取得了大量的研究成果,特別是基于植被指數的遙感估產模型,該模型主要運用遙感光譜信息反演植被指數,并建立了植被指數與產量之間的關系模型,從而預測出糧食產量[5]。

從20世紀70年代開始,衛星遙感技術已被廣泛應用于美國和歐洲國家,以建立農作物面積監測和估產系統,該系統不僅為農業實際生產提供指導,同時也為全球糧食貿易提供了重要的信息來源[3]。

有研究人員使用無人機對水稻田進行監測,利用機器學習算法估算水稻產量和種植面積[6]。也有研究人員使用MODIS數據對孟加拉國的水稻田進行監測,利用機器學習算法估算水稻產量[7]。隨著航天技術和計算機技術的飛速發展,利用航天遙感技術實現對大面積農作物面積的實時監測和估產已成為迫切的需求和現實的可能。

本文利用GIS和RS的技術,基于地統計學的原理,對2011—2021年天門市的早稻單位面積的產量進行估算。利用土地利用類型中的水田數據和每年3～6月份NDVI斜率變化來確定天門市每年準確的早稻種植面積,并與統計年鑒數據進行對比,最后進行產量估算。不同于簡單的利用NDVI對作物單位面積產量進行估算,本文加入了3～6月平均降水量和平均地表反射率(620～670 nm)作為氣候修正因子,以剔除極端天氣影響和提高早稻估產模型的準確度為農作物種植管理提供理論依據。

1 研究地區和實驗數據

1.1 研究地區概況

湖北省天門市位于中國中部,地處湖北省南部,屬于江漢平原地區,地理坐標為北緯30°27′～31°10′,東經112°51′～113°49′之間。總面積為2485.8 km2,是湖北省面積排名第15的市縣。江漢平原地處長江流域中游地區,是河湖交錯分布的濕地平原,水熱資源豐富,是湖北省重要的水稻生產基地[8]。

天門市地勢以平原為主,地形東部偏北部分為丘陵山區,中西部為平原,全市平均海拔40 m。天門市境內的主要河流有長江、漢江和沔水,境內水網密布,水系發達,森林覆蓋率達到了46%。天門市氣候屬于亞熱帶季風氣候,四季分明,年平均氣溫為17.7℃,年平均降雨量為1244 mm,年日照時數為1410 h。

天門市境內水系發達,河流湖泊眾多,主要河流有長江、漢江和沔水等,屬于長江流域。天門市的水文特征主要表現為水資源豐富、降水分布不均、干濕季明顯。年降水量大,但大部分集中在夏季,春季和秋季降水相對較少,而冬季則多為雨雪天氣。由于地勢平坦,地下水位較淺,地表水資源比較豐富,加之多年來的水利工程建設,天門市的灌溉水源相對充足,水稻等農作物的生長水平得到了較好的保障。

1.2 實驗數據概況

本文選用數據為CNLUCC土地利用數據中,耕地屬于一級類型,而水田則是其二級類型的圖層。該耕地配備了可靠的水源和高效的灌溉設施,以確保在一般年景下能夠正常進行灌溉,從而支持水稻、蓮藕等水生農作物的種植。該地區的耕地實行了水稻和旱地作物的輪作,以確保農業生產的可持續性。

NDVI方面本文選用空間分辨率為250 m、時間分辨率為16 d、投影為GCS_WGS_1984的MODIS/006/MOD13Q1歸一化植被指數數據;地表反射率方面本文選用空間分辨率為250 m、時間分辨率為16 d、投影為GCS_WGS_1984的MOD09Q1.061地表反射率數據;降水量方面本文使用的是ERA5-Land降水量。

統計數據上,本文選用《天門市統計年鑒》。其通過大最統計數據,全面記載和反映了每年天門市經濟、社會、科技、文化等方面的發展情況,是一部信息密集、實用性強的綜合統計資料,是為社會各界了解、研究天門市情提供信息服務與支持的大型數據庫與工具書。

2 理論基礎

2.1 NDVI理論基礎

歸一化植被指數(NDVI)是一種常用的植被指數,它利用遙感數據中紅光和近紅外光的反射率計算得到。通過對不同時間點的遙感影像計算NDVI,并比較不同時間點的NDVI值,可以了解水稻生長過程中的動態變化情況,如生長速度、發育階段和生長健康狀況。因為隨著水稻生長的不同階段,其植被指數值也會不同。例如,在生長初期,由于水稻幼苗葉面積小、葉片淺綠,植被指數值較低;而在生長中后期,由于葉面積增大、色素含量增加,植被指數值會隨之增加。因此,通過多時相遙感影像的植被指數值變化,可以反映出水稻生長的動態變化情況。

在水稻生長期間,歸一化植被指數(NDVI)的變化可以反映水稻的生長情況和葉綠素含量的變化。研究表明,NDVI值與水稻的葉面積指數(LAI)、生物量等生長參數之間存在較好的相關性[9]。葉面積指數是表征植物葉片面積的指標,與水稻的生長速度和光合作用密切相關。生物量則是衡量植物生長和產量的重要參數。因此通過監測和分析水稻生長期間NDVI值的變化,就可以了解水稻的生長情況和葉綠素含量的變化趨勢。基于NDVI與水稻葉面積指數、生物量等生長參數之間的良好相關性,可以利用恰當的NDVI值來估算水稻的產量。

天門市早稻一般在3月份播種,6月份完成收獲。因此本文以2011—2021年為例,選用此11年3～6月遙感數據對其進行長勢監測和產量估算。

根據NDVI的斜率變化大小可以直觀的判斷出水稻種植面積和不同地區水稻的長勢情況。NDVI斜率的計算公式:

其中,NDVI1和NDVI2是兩個不同時間點的NDVI值,t1和t2是對應的時間。通過計算兩個時刻的NDVI值之差除以時間間隔,可以得到NDVI的斜率值。斜率值的正負和大小可以表明植被生長的速度和趨勢。正斜率表示NDVI在增加,即植被生長狀態良好;負斜率表示NDVI在減小,可能表示植被退化或受到壓力;斜率值的絕對值越大,表示植被生長變化越快。

2.2 利用NDVI斜率變化進行早稻種植面積確定

遙感技術可以提供農田的空間信息和植被指標,從而用于對農作物生長狀態和產量的估計。具體為利用衛星傳感器記錄地表信息,結合生物學原理,對各種作物的光譜特征進行收集和分種,從而實現對作物類型的識別,監測作物生長情況,并在作物收獲前進行產量預測。通過對農作物光譜特征的監測,探究光譜反射與葉面積指數、地上生物量、產量和色素含量等關鍵農學參數之間的關聯性。運用監測技術對農作物生育期內的光譜特征變化進行研究,以揭示這些變化與農業生產中的重要參數之間的相關性,從而為作物遙感生長監測和遙感估產提供科學依據[10]。

早稻和其他植被在生長過程中具有不同的生長特征和變化趨勢。通過監測植被指數(如NDVI)的變化,可以推測不同類型的植被在時間上的生長狀態和變化幅度。利用NDVI斜率變化可以區分早稻和其他類型的植被。早稻在生長初期和成熟期的NDVI斜率變化可能與其他植被有所不同,這種差異可以用于提取早稻種植面積。

利用NDVI數據,在湖北省水田的數據基礎上,對水田區域在3～6月份的NDVI斜率變化進行圖形化表示具有重要意義。NDVI斜率變化是指植被指數在時間上的變化率,其可以反映農作物的生長狀況和生長速度。通過分析NDVI斜率的變化,可以了解早稻種植的面積分布和生長狀態。以2011年、2014年和2018年為例,圖1、圖2和圖3展示了這三年3～6月份水田區域的NDVI變化圖。通過觀察這些圖像,可以看到在某些區域,NDVI斜率變化大且為正數,這表明這些區域的植被指數在這段時間內呈現出較快的增長趨勢。根據經驗,這些區域往往是天門市早稻種植的主要區域。因此,可以將這些區域確定為天門市早稻種植的面積區域。同時,也需要注意到圖中斜率變化較小或為負數的區域。這些區域可能表示著植被生長緩慢或衰退的情況,或者是沒有種植早稻的區域。在進行產量估計時,應該將這些區域進行剔除,以確保準確性和可靠性。

通過利用NDVI數據和斜率變化分析,可以從大范圍的水田區域中提取出天門市早稻種植的面積區域,這對于農作物監測和管理具有重要的實際意義。這種基于遙感數據和NDVI的方法為農業決策提供了科學依據,有助于優化種植布局、提高產量和資源利用效率。

圖1 2011年3～6月湖北省天門市水田NDVI斜率變化圖

圖2 2014年3～6月湖北省天門市水田NDVI斜率變化圖

圖3 2018年3～6月湖北省天門市水田NDVI斜率變化圖

通過對NDVI斜率變化和圖4統計數據的條形圖進行比較,可以發現兩者之間存在較高的一致性,表明NDVI斜率變化可以較好地反映早稻種植面積的變化趨勢。在統計數據的條形圖中,能觀察到早稻種植面積隨不同年份面積增大或減少的趨勢。在NDVI斜率變化圖中,也可以觀察到相似的趨勢,即早稻種植面積隨時間的推移,NDVI斜率值為正且較大的值的分布面積呈現隨早稻面積變化相同的趨勢。

圖4 2011—2021年湖北省天門市早稻種植面積變化圖

這樣的一致性證明NDVI斜率變化可以作為早稻種植面積監測的有效指標。通過綜合分析NDVI斜率變化、統計數據以及其他環境因素,可以更準確地了解早稻種植面積的變化情況,并為農業決策和管理提供有益的信息和依據。就本文而言則是可以利用其獲得的準確的早稻種植面積來進行產量的估算。

2.3 利用NDVI斜率變化進行長勢監測

NDVI是一種通過計算紅外輻射和可見光輻射之間的比值來反映植被覆蓋情況及其生長狀態的指數。其中,紅外輻射能夠很好地表征植物的生長情況,可見光輻射則主要反映地表背景信息,因此紅外輻射與可見光輻射之間的比值可以有效地反映植被的生長狀態和空間分布情況,NDVI的變化與作物生長狀況、發育時期關系緊密[11]。

植物的光合作用過程主要發生在葉片中的葉綠體中,其中的葉綠素是光合作用的重要光能捕獲和轉化分子。葉綠素對可見光和近紅外光具有吸收和反射的特性,不同光譜區域的反射率與葉綠素含量存在密切關系。通過利用遙感技術獲取的遙感影像數據,可以分析圖像中紅光和近紅外光的反射率,從而間接反映水稻葉綠素含量和植被生長狀態。在單位面積內,葉綠素濃度與長勢和產量直接相關,而植物光譜則與葉綠素含量密切相關,因此可通過NDVI的高低直觀反映葉綠素含量,從而反映早稻的生長狀況。

NDVI斜率值的正負和大小可以表明植被生長的速度和趨勢。正斜率表示NDVI在增加,即植被生長狀態良好;負斜率表示NDVI在減小,可能表示植被退化或受到壓力;斜率值的絕對值越大,表示植被生長變化越快。NDVI斜率的計算可以用于監測植被的生長狀態、評估植被的健康狀況和變化趨勢。通過分析不同時間點的NDVI斜率,可以了解植被的生長速度、階段和響應外部因素的能力,為農業、林業、生態環境等領域的決策和管理提供科學依據和支持。

2.4 利用NDVI進行產量估算

就水稻這一農作物而言,其產量受到許多因素的影響,包括氣候、土壤、灌溉、施肥、病蟲害以及其他環境因素。其中,氣候方面諸如降水、日照、地表溫度等是影響水稻產量的主要因素。因此,研究氣候因素和水稻產量之間的關系是十分必要的。

在研究氣候因素和水稻產量之間的關系時,主要使用對植被變化最為敏感的NDVI進行回歸分析。同時加入其它參數進行修正,地表反射率可以用來評估氣溫的情況,而降水量可以用來衡量水資源供應的情況。這些自變量可以提供預測水稻產量的有用信息。研究表明湖北省的NDVI變化與降水量和氣溫的變化并不顯著,NDVI與降水量之間沒有很強的相關性,NDVI與氣溫之間同樣沒有很強的相關性[12],即NDVI與降水和氣溫不共線,因此可以用降水量和氣溫也作為獨立自變量參與回歸分析。氣溫則可以用地表反射率來表示。

3 理論基礎

3.1 相關性分析

對早稻的單產和每年3～6月份每兩周的歸一化植被指數,即3月上旬、3月下旬、4月上旬、4月下旬、5月上旬、5月下旬、6月上旬和6月下旬的歸一化植被指數進行皮爾遜相關性分析。公式如下所示:

(1)

(2)

其中Sx、Sy分別為x、y的標準差。

3.2回歸分析

對早稻進行線性回歸分析可以建立如下的多元線性估產模型:

Y=β0+β1X1+β2X2+β3X3+ε

(3)

其中,Y是水稻產量,X1、X2和X3分別是NDVI、降水量和地表反射率,β0、β1、β2和β3是回歸系數,ε是誤差項。β0是截距項,表示當所有自變量均為0時,因變量Y的預測值,是剩余誤差。β1、β2和β3是各個自變量對因變量的回歸系數,表示自變量的單位變化對因變量的平均影響。

在此模型中,如果β1為正數,則說明NDVI與水稻產量呈正相關關系;如果β2為正數,則說明降水量與水稻產量呈正相關關系;如果β3為正數,則說明地表反射率與水稻產量呈正相關關系。這些參數的值需要使用最小二乘法等方法來進行估計。

多元線性回歸模型基于假設和擬合度評估與簡單線性回歸相同,即通過判定系數R2來(回歸變差占總變量的比重)評估[13]。

4 研究方法

選擇NDVI皮爾遜相關性最大的值作為回歸方程的系數。由下表1可知,在6月份的上旬的歸一化植被指數與早稻單產的皮爾遜相關性值最大為0.821,并且6月份上旬歸一化植被指數與產量的顯著性為0.002(小于0.01),因此選用每年6月份上旬的歸一化植被指數數據進行早稻產量的估算。在利用NDVI的基礎上結合當年3～6月份的平均降水量和地表反射率進行氣候的修正,以去除極端天氣和自然災害的影響。

表1 相關性分析結果

將NDVI、降水量、地表反射率步進輸入可以得到如表2的估產模型和比重(R2)。

表2 相關性分析結果

由圖5可知天門市每年6月上旬的歸一化植被指數與早稻的單產為線性相關。因此可以利用每年6月上旬的NDVI作為自變量,早稻單產作為因變量進行線性回歸分析。同時加上氣候修正因子,即每年3～6月份的平均降水量和地表反射率。也就是以早稻產量為因變量,每年6月份上旬的歸一化植被指數、每年3～6月份平均降水量和平均地表反射率為自變量,對早稻的單產進行線性回歸分析。

圖5 2011—2021年6月上旬NDVI與早稻單產散點圖

通過實驗結果圖表的分析,可以得出結論,當沒有極端天氣影響的情況下,湖北省天門市早稻產量估算模型表現較為符合實際情況。經過分析和比較,找到了一個能夠準確估算湖北省天門市早稻單產的模型:

Y=713.353N-194.542P-248.214S+118.883

(4)

其中,Y為單位面積產量(Yield Per unit Area)N表示歸一化植被指數(Normalized Vegetation Index),P表示3～6月份平均降水量(Precipitation),S表示3～6月份平均地表反射率(Surface Reflectance)。該模型的R2值為0.773。回歸標準化殘差的正態P-P圖如圖6所示。

圖6 回歸標準化殘差的正態P-P圖

這個模型是通過對湖北省天門市的早稻進行長勢監測和產量估算得出的。本研究在實驗過程中,收集了包括歸一化植被指數、降水量、地表反射率以及早稻實際產量在內的多個相關參數數據。通過對這些數據進行分析和建模,發現該線性回歸模型能夠較好地擬合實際的早稻產量數據。

該模型的R2值表明該模型可以解釋77.3%的產量變異,即模型所描述的環境因素(歸一化植被指數、降水量和地表反射率)與實際產量之間存在著較強的相關性。然而,仍然有22.7%的產量變異未被該模型解釋,這可能是由于其他未考慮到的環境因素或者系統誤差引起的。

5 討論

5.1 研究結果

現有的研究僅利用NDVI某一時相對農作物進行產量估算是較為片面和不嚴謹的,其估產模型適用范圍較小且容易收到極端天氣和地形的影響[14]。利用多個NDVI進行產量估算則忽視了不同時相NDVI之間的共線性[15]。本文在利用某一時相NDVI的基礎上,加入了降水和地標反射率作為氣候修正因子,提高了模型的準確性和適用性,也能一定程度上剔除極端天氣的影響。

5.2 研究意義

就湖北省天門市而言,基于歸一化植被指數的湖北省天門市早稻長勢監測和產量估算研究領域,目前較為空白,相關研究較少。故本文提出的基于NDVI的早稻長勢監測和產量估算模型具有實際應用價值和推廣意義。未來可以進一步拓展該模型的應用領域,并結合其他遙感指標和氣象數據進行多源數據融合,提高模型精度和適用性。

5.3 研究不足

當然除了NDVI變化量之外,還包括氣候、土壤、種植管理等多種因素。因此,需要在模型建立過程中,盡可能考慮這些因素的影響,以獲得更加準確的早稻產量估算結果。受限于數據情況,本文未對此作過多研究,故本文模型主要適用于土壤、氣候、水文以及地質等情況變化不大的湖北省天門市地區,若需要獲得更具適用性的模型則需要考慮這些因素。

5.4 結論

本文通過建立基于NDVI、降水量、地表反射率的回歸模型,實現了早稻產量的準確估算。具體來說,本文模型將早稻生長過程中NDVI的變化量、平均降水量和平均地表反射率作為自變量,將實際產量作為因變量,通過數據分析和回歸模型建立,得出了較為準確的早稻產量估算結果。這種基于遙感技術的產量估算方法具有時效性、精度高、范圍廣等特點,對于農業生產的現代化管理和高效運營具有重要的指導意義。