隋學(xué)艷等

摘要 收獲期是影響作物品質(zhì)和產(chǎn)量的關(guān)鍵生育期，準(zhǔn)確、及時(shí)地獲取作物收獲期對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要意義。該研究在分析秋季作物生長(zhǎng)曲線變化特征的基礎(chǔ)上，利用MODIS NDVI時(shí)序數(shù)據(jù)為遙感信息源，以Logistic模型為核心，運(yùn)用曲率最大值法，構(gòu)建秋季作物收獲期的遙感監(jiān)測(cè)模型，并以山東省為研究區(qū)，逐像元提取秋季作物的收獲時(shí)間。研究發(fā)現(xiàn)，2014年山東省的秋收時(shí)間主要集中在第260～285天，即9月中下旬到10月上旬，并呈現(xiàn)從南向北逐漸推遲的空間特征。該研究結(jié)果與地面觀測(cè)數(shù)據(jù)基本一致，并且該研究結(jié)論與已有的研究成果具有較好的一致性，說明該研究基于Logistic模型構(gòu)建的秋季作物收獲期遙感監(jiān)測(cè)模型是可靠的。研究結(jié)果可以為山東省農(nóng)業(yè)生產(chǎn)提供一定的科學(xué)參考和指導(dǎo)，對(duì)促進(jìn)山東省農(nóng)業(yè)信息化和現(xiàn)代化具有重要意義。

關(guān)鍵詞：收獲期；Logistic模型；MODIS NDVI；遙感；山東省

中圖分類號(hào)：S126 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2015）08-335-03

收獲期是作物的關(guān)鍵生育期，作物收獲的早晚影響作物的產(chǎn)量和質(zhì)量。準(zhǔn)確、及時(shí)的獲取作物收獲期信息，對(duì)于提高農(nóng)產(chǎn)品的品質(zhì)和產(chǎn)量、調(diào)整作物播種期、指導(dǎo)規(guī)模化種植區(qū)域的機(jī)械化收割具有重要意義[1-5]。

目前常用的作物收獲期監(jiān)測(cè)方法主要有田間觀測(cè)法和氣象模型統(tǒng)計(jì)法。田間觀測(cè)需要大量的人力、物力，且觀測(cè)范圍和作物種類有限，限制了其大范圍應(yīng)用；氣象模型統(tǒng)計(jì)法簡(jiǎn)單易用，且僅使用較少的驅(qū)動(dòng)數(shù)據(jù)（如氣溫、降水等）就可以開展預(yù)測(cè)，但以氣溫為代表的氣象數(shù)據(jù)大范圍內(nèi)表現(xiàn)均一，無法反映田塊尺度成熟期的差異，因而無法在小范圍內(nèi)對(duì)作物的成熟期進(jìn)行預(yù)測(cè)，同時(shí)這些模型多是基于統(tǒng)計(jì)回歸方式建立的，具有單點(diǎn)的特點(diǎn)，在一個(gè)區(qū)域建立的模型無法在其他區(qū)域或其他品種的作物進(jìn)行推廣[6]。隨著遙感技術(shù)的發(fā)展，遙感在指導(dǎo)農(nóng)業(yè)生產(chǎn)方面發(fā)揮著越來越重要的作用，能夠及時(shí)、低成本的獲取大范圍的地面信息，使得利用遙感進(jìn)行動(dòng)態(tài)監(jiān)測(cè)、量化大范圍作物生育期成為可能。

利用遙感監(jiān)測(cè)作物生育期，國內(nèi)外學(xué)者已經(jīng)做了大量的研究。Mahmoud等根據(jù)作物生長(zhǎng)模型，以SPOT-5數(shù)據(jù)為驅(qū)動(dòng)進(jìn)行了甘蔗收割期的監(jiān)測(cè)[7]，Rangoonwala等根據(jù)NOAA NDVI時(shí)序數(shù)據(jù)的變化率研究作物生育期的時(shí)間變化[8]，而辛景峰等則定義在可能出現(xiàn)的時(shí)間范圍內(nèi)，NOAA NDVI時(shí)序數(shù)據(jù)出現(xiàn)2個(gè)連續(xù)降低對(duì)應(yīng)的時(shí)間為黃淮海冬小麥的成熟期[9]，張峰等利用SPOT-VGT 2個(gè)相鄰時(shí)期的NDVI相減研究小麥的關(guān)鍵生育期，并定義NDVI減小速率最大處為小麥的收獲期[10]。在小區(qū)域范圍內(nèi)，王堃等利用國產(chǎn)的HJ-CCD數(shù)據(jù)，基于變化向量分析方法，開展兗州市夏玉米收獲期研究，取得了較好的監(jiān)測(cè)結(jié)果[11]。

綜合現(xiàn)有的研究發(fā)現(xiàn)，作物生育期遙感監(jiān)測(cè)的實(shí)質(zhì)是發(fā)現(xiàn)作物在形態(tài)上發(fā)生顯著變化所對(duì)應(yīng)的日期。Logistic模型是目前研究植被生育期最常用的方法之一[12-13]，并且在作物長(zhǎng)勢(shì)監(jiān)測(cè)、植被生長(zhǎng)曲線擬合等方面有重要應(yīng)用[14]，但利用Logistic模型研究作物收獲期的成果鮮有報(bào)道。筆者以2014年山東省秋季作物為研究對(duì)象，利用時(shí)序MODIS NDVI數(shù)據(jù)，以Logistic模型為核心，根據(jù)作物生長(zhǎng)過程中NDVI曲線的變化特征，構(gòu)建秋季作物收獲期的遙感監(jiān)測(cè)模型，逐像元提取2014年山東省秋季作物的收獲時(shí)間，以期為指導(dǎo)山東省農(nóng)業(yè)生產(chǎn)提供一定的參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源及預(yù)處理

1.1.1 遙感數(shù)據(jù)預(yù)處理。該研究使用的遙感數(shù)據(jù)為從全球MODIS數(shù)據(jù)免費(fèi)分發(fā)網(wǎng)站（http：//ladsweb.nascom.nasa.gov）獲取的基于8 d最大值合成的MODIS反射率數(shù)據(jù)（MOD09Q2），空間分辨率為250 m，時(shí)間范圍為2014209～2014305，即2014年7月28日～2014年11月8日共13期數(shù)據(jù)。

原始的MOD09Q2數(shù)據(jù)采用HDF格式，sinusoidal投影方式存儲(chǔ)。為了研究中數(shù)據(jù)處理和計(jì)算的方便，首先利用MODIS數(shù)據(jù)預(yù)處理軟件MODIS Reproject Tools（MRT）軟件對(duì)MOD09Q2進(jìn)行預(yù)處理，將HDF格式轉(zhuǎn)換為統(tǒng)一的tiff格式，并將sinusoidal投影轉(zhuǎn)換為雙標(biāo)準(zhǔn)緯線等積圓錐投影（Albers），通過與山東省矢量邊界和1∶250 000山東省耕地分布柵格數(shù)據(jù)掩膜處理，得到山東省耕地區(qū)域的MOD09Q2數(shù)據(jù)。

1.1.2 NDVI信息提取。研究選用歸一化差值植被指數(shù)（NDVI）作為指示作物生育期變化的遙感指標(biāo)。NDVI能夠在很大范圍內(nèi)相當(dāng)精確地反映植被綠度、光合作用強(qiáng)度以及植被的季節(jié)性和年際變化[15-17]。利用MOD09Q2的2個(gè)波段反射率得到NDVI數(shù)據(jù)的計(jì)算公式如下：

NDVI=ρnir-ρredρnir+ρred（1）

式中，ρred為MOD09Q2第一波段（620～67 0nm）的反射率；ρnir為MOD09Q2第二波段（841～876 nm）的反射率。

在ENVI中將計(jì)算得到的13期NDVI數(shù)據(jù)疊加，得到研究區(qū)2014年7月28日到2014年11月8日的8d最大值合成的NDVI時(shí)間序列數(shù)據(jù)。

1.1.3 NDVI數(shù)據(jù)去噪。最大值合成法可以一定程度上消除大氣、云、太陽高度角等對(duì)植被反射率的影響，但云和大氣對(duì)獲取的遙感影像的影響依舊很大，使得到的NDVI數(shù)據(jù)存在許多噪聲，造成NDVI曲線存在異常的突升點(diǎn)或突降點(diǎn)，影響遙感監(jiān)測(cè)精度。因此，在利用NDVI數(shù)據(jù)進(jìn)行收獲期監(jiān)測(cè)前，必須先對(duì)NDVI時(shí)間序列曲線進(jìn)行濾波處理。根據(jù)已有的眾多研究，筆者采用Savitzky-Golay濾波[18-19]對(duì)研究區(qū)的NDVI時(shí)序數(shù)據(jù)進(jìn)行去噪處理。S-G濾波過程可由下式描述：

Y*j=i=mi=-mCiYj+1N（2）

式中，Y*j為擬合之后的序列數(shù)據(jù)；Yj+i為原始序列數(shù)據(jù)；Ci為濾波系數(shù)，N為滑動(dòng)窗口的大?。?m+1）。

為與秋收時(shí)間的儒略日對(duì)應(yīng)，將濾波之后的8 d NDVI時(shí)序數(shù)據(jù)進(jìn)行3次樣條插值，得到研究區(qū)每天的NDVI時(shí)間序列數(shù)據(jù)。

1.2 秋收時(shí)間遙感監(jiān)測(cè)方法 作物生育期遙感監(jiān)測(cè)的實(shí)質(zhì)是發(fā)現(xiàn)作物在形態(tài)上發(fā)生顯著變化所對(duì)應(yīng)的日期。該研究根據(jù)平滑后的NDVI時(shí)間序列曲線，以Logistic模型（公式3）為核心，根據(jù)曲率極值法，提取秋季作物的收獲時(shí)間。作物收獲時(shí)間的具體提取流程如圖1所示。具體步驟為：

（1）根據(jù)插值后的逐日NDVI時(shí)間序列曲線，查找到該時(shí)間序列上NDVI的最大值maxNDVI（圖1a）。

（2）從maxNDVI對(duì)應(yīng)的日期開始，利用Logistic模型對(duì)NDVI曲線進(jìn)行模擬（圖 1b）。

Logistic函數(shù)的表達(dá)式為：

y（t）=c1+ea+bt+d（3）

式中，t是一年中的某天；y（t）是擬合之后的t時(shí)間點(diǎn)上的 NDVI 值；d是背景的NDVI值，該研究中以擬合時(shí)間段內(nèi)的最小NDVI 值代替，（c+d）為擬合時(shí)間段內(nèi)NDVI最大值，即maxNDVI；a和b是擬合參數(shù)，利用Levenberg-Marquardt方法求得。

（3）計(jì)算模擬曲線的曲率，求其極值。根據(jù)曲率極值點(diǎn)，確定山東省秋季作物的收獲時(shí)間（圖 1b），如圖1（b）中所示，定義A點(diǎn)對(duì)應(yīng)的時(shí)間為山東省某種秋季作物收獲時(shí)間。

曲率計(jì)算公式為：

k=dαds=-bccz（1-z）（1+z）3[（1+z）4+（bcz）2]32（4）

式中，z=aa+bt；k為擬合的時(shí)間累積NDVI曲線變化曲率；α沿時(shí)間曲線移動(dòng)單位弧長(zhǎng)時(shí)切線轉(zhuǎn)過的角度；s為單位弧長(zhǎng)。

2 結(jié)果與分析

2.1 2014年山東省秋收進(jìn)程的空間特征 該研究以Logistic模型為核心，通過時(shí)序MODIS NDVI信息，構(gòu)建秋季作物收獲期遙感監(jiān)測(cè)模型，獲得以儒略日為時(shí)間尺度的2014年山東省秋季作物收獲期空間分布，如圖2所示。

總體上看，2014年山東省秋季作物收獲時(shí)間從第240天持續(xù)到第300天左右，即9月初～11月上旬，持續(xù)時(shí)間較長(zhǎng)，但主要集中在第260天到第285天之間，即9月中下旬～10月中旬，收獲作物占全省的89%以上，持續(xù)1個(gè)月左右。從空間上看，2014年山東省秋季作物收獲時(shí)間從南向北逐漸推遲，南部平原地區(qū)秋收時(shí)間主要集中在第265～270天左右，即9月中下旬，而德州、東營、煙臺(tái)等北部地區(qū)秋季作物收獲時(shí)間主要集中在第275～285天之間，即10月上中旬，南北相差15 d左右，這與實(shí)際的山東省秋收進(jìn)程基本一致。收獲時(shí)間較早的地區(qū)出現(xiàn)在萊蕪市南部、新泰市和泗水縣等中部山地。

2.2 結(jié)果驗(yàn)證 利用地面觀測(cè)數(shù)據(jù)對(duì)遙感監(jiān)測(cè)結(jié)果進(jìn)行驗(yàn)證，是檢驗(yàn)遙感提取方法精度的重要手段。由于缺乏2014年山東省秋收時(shí)間的地面監(jiān)測(cè)數(shù)據(jù)，該研究根據(jù)中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//cdc.cma.gov.cn）發(fā)布的高密、菏澤、濟(jì)寧等8個(gè)站點(diǎn)2009～2012年山東省夏玉米成熟期對(duì)該研究的提取結(jié)果進(jìn)行簡(jiǎn)要的精度分析。其中，2009～2012年作物成熟平均日期來自站點(diǎn)觀測(cè)數(shù)據(jù)，對(duì)應(yīng)的遙感提取結(jié)果為站點(diǎn)所轄市區(qū)內(nèi)所有作物的平均收獲期，結(jié)果見表1。

對(duì)比地面站點(diǎn)觀測(cè)的夏玉米成熟期資料，該研究結(jié)果與實(shí)測(cè)數(shù)據(jù)具有很好的一致性。除高密站外，其余7個(gè)站點(diǎn)遙感監(jiān)測(cè)的秋收時(shí)間與地面觀測(cè)時(shí)間的年均值誤差均小于10 d。這一方面是由于二者關(guān)注的作物生長(zhǎng)期不同，地面站點(diǎn)數(shù)據(jù)記錄的是夏玉米成熟期，而遙感監(jiān)測(cè)的結(jié)果是夏玉米收獲期，二者必然存在差異，并且這種差異受人為影響較大；另一方面，二者觀測(cè)尺度存在巨大差異，地面觀測(cè)站點(diǎn)記錄的是地面上某一點(diǎn)或某一秋季作物的成熟期，而遙感監(jiān)測(cè)結(jié)果使用的是站點(diǎn)轄區(qū)范圍內(nèi)的所有作物收獲時(shí)間。另外，根據(jù)王堃等的研究，2009年兗州市夏玉米收獲期主要集中在9月中下旬[11]，這與該研究提出的2014年兗州秋收時(shí)間主要集中在第260～275天之間的結(jié)果基本一致。因此，該研究基于Logistic方法和時(shí)序遙感數(shù)據(jù)提取山東省2014年秋季作物收獲期的結(jié)果是可靠的。

3 結(jié)論與討論

該研究以Logistic模型為核心，利用時(shí)序MODIS NDVI信息，基于曲率最大值法，構(gòu)建了秋季作物收獲期的遙感監(jiān)測(cè)模型，提取了2014年山東省秋收時(shí)間。

結(jié)果表明，2014年山東省秋收時(shí)間主要集中在第260～285天之間，即9月中下旬～10月中旬，并且空間上呈現(xiàn)從南向北逐漸推遲的趨勢(shì)，南北相差近15 d左右。該研究結(jié)果與地面站點(diǎn)觀測(cè)數(shù)據(jù)和已有的研究基本一致，說明該研究構(gòu)建的秋收時(shí)間遙感監(jiān)測(cè)模型具有一定的可靠性，可以為山東省農(nóng)業(yè)生產(chǎn)提供一定的指導(dǎo)和科學(xué)參考。

參考文獻(xiàn)

[1] SUN H Y，ZHANG X Y，CHEN S Y.Effects of harvest and sowing time on the performance of the rotation of winter wheat-summer maize in the North China Plain[J].Industrial Crops and Products，2007，25（3）：239-247.

[2] 謝黎虹，葉定池，陳能，等.播期和收獲期對(duì)“水豐兩優(yōu)1號(hào)”品質(zhì)的影響[J].中國農(nóng)業(yè)氣象，2008，29（1）：83-85.

[3] 遲永琴.春小麥品質(zhì)與收獲期的關(guān)系[J].作物雜志，1995，11（3）：30-31.

[4] 路大雷，王德成，趙久然，等.收獲期對(duì)秋播糯玉米不同品種產(chǎn)量與淀粉糊化（RVA）特性的影響[J].中國農(nóng)業(yè)科學(xué)，2008，41（12）：4048-4054.

[5] SALDIVAR X，WANG Y，CHEN P，et al.Changes in chemical composition during soybean seed development[J].Food Chemistry，2011，124（4）：1369-1375.

[6] 蒙繼華，吳炳方.基于衛(wèi)星遙感預(yù)測(cè)作物成熟期的可行性分析[J].遙感技術(shù)與應(yīng)用，2013，28（2）：165-173.

[7] MAHMOUD EI H，AGNES B，SERGE G，et al.Integrating SPOT-5 time series，crop growth modeling and expert knowledge for monitoring agricultural practices-The case of sugarcane harvest on Reunion Island[J].Remote Sensing of Environment，2009，113（10）：2052-2061.

[8] RANGOONWALA A，AHMED S，NASIR A.Quasi-operational use of NOAA/AVHRR vegetation index to monitor vegetal cover and crop growth[J].Advances in Space Research，1993，13（5）：265-268.

[9] 辛景峰，宇振榮，DRIESSEN P M.利用NOAA NDVI 數(shù)據(jù)集監(jiān)測(cè)冬小麥生育期的研究[J].遙感學(xué)報(bào)，2001，5（6）：442-447.

[10] 張峰，吳炳方，劉成林，等.利用時(shí)序植被指數(shù)監(jiān)測(cè)作物物候的方法研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（1）：155-159.

[11] 王堃，顧曉鶴，程耀東，等.基于變化向量分析的玉米收獲期遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（2）：180-186.

[12] RATKOWSKY D A.Nonlinear regression modeling-A unifiedpractical approach[M].New York and Basel：Marcel Dekker，1983.

[13] RICHARDS F J.A flexible growth function for empirical use[J].Journal of Experimental Botany，1959，10：290-300.

[14] ZHANG X Y，F(xiàn)RIEDL M A，SCHAAF C B，et al.Monitoring vegetation phenology using MODIS[J].Remote Sensing of Environment，2003，84：471-475.

[15] 吳炳方.全國農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J].地理學(xué)報(bào)，2000，55（1）：23-35.

[16] 羅宇翔，陳娟，鄭小波，等.RS和GIS在黔中主要秋糧作物生育期及長(zhǎng)勢(shì)動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用[J].貴州農(nóng)業(yè)科學(xué)，2007，35（3）：128-130.

[17] 鄭小波，陳娟，康為民，等.利用MODIS 監(jiān)測(cè)高原水稻生育期和長(zhǎng)勢(shì)的方法[J].中國農(nóng)業(yè)氣象，2007，28（4）：453-456.

[18] MADDEN H H.Comments on the Savitzky-Golay convolution method for least-squares fit smoothing and differentiation of digital data[J].Analytical Chemistry，1978，50（9）：1383-1386.

[19] CHEN J，JONSSON P，TAMURA M，et al.A simple method for reconstructing a high-quality NDVI time-series dataset based on the Savitzky-Golay filter[J].Remote Sensing of Environment，2004，91：332-344.