|本期目录/Table of Contents|

[1]彭田田,范燕敏,武红旗,等.基于Landsat8 OLI的不同年际尺度玉米估产研究[J].江苏农业科学,2020,48(23):214-219.
　Peng Tiantian,et al.Study on corn yield estimation at different interannual scales based on Landsat8 OLI[J].Jiangsu Agricultural Sciences,2020,48(23):214-219.
点击复制

基于Landsat8 OLI的不同年际尺度玉米估产研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第23期
页码:
214-219
栏目:
农业工程与信息技术
出版日期:
2020-12-05

文章信息/Info

Title:
Study on corn yield estimation at different interannual scales based on Landsat8 OLI
作者:
彭田田1; 范燕敏1; 武红旗1; 吕昱1; 贺梦婕2; 皇甫蓓炯2
1.新疆农业大学草业与环境科学学院，新疆乌鲁木齐 830052； 2.新疆奇台县农业技术推广中心，新疆奇台 831800
Author(s):
Peng Tiantian; et al
关键词:
遥感; 年际尺度; 生育期; 植被指数; 估产模型
Keywords:
-
分类号:
TP79；S127
DOI:
-
文献标志码:
A
摘要:
探究农作物产量遥感估测模型年际尺度的适用性，可为快速估产提供参考依据。以新疆维吾尔自治区奇台县为研究区，利用Landsat8 OLI遥感影像提取的玉米不同生育期植被指数，结合2016年、2017年、2016—2017年实地调查的玉米地块的产量信息作回归分析，建立基于县域的产量模型，讨论估产的最佳生育期，比较不同植被指数、不同回归模型的估产精度，最后再根据2018年的产量信息对各模型进行精度验证，探究不同模型年际尺度的适用性。结果表明，乳熟期的归一化植被指数(NDVI)与产量之间的相关性最高，相关系数为0.751，达到极显著水平(P<0.01)；构建年际尺度的NDVI、作物氮反应指数(NRI)、增强归一化植被指数(ENDVI)与玉米单产的逐步回归模型预测R2达到0.727 1。基于不同年际尺度的遥感数据建立的模型进行产量预测具有一定的可行性。
Abstract:
-

参考文献/References:

［1］FAO. FAO’s director-general on how to feed the world in 2050［J］. Population and Development Review，2009，35(4)：837-839.
［2］Franch B，Vermote E F，Skakun S，et al. Remote sensing based yield monitoring：application to winter wheat in United States and Ukraine［J］. International Journal of Applied Earth Observation & Geoinformation，2019，76：112-127.
［3］苏仁忠. 遥感技术在农业信息化中的应用［J］. 农业工程，2018，8(6)：45-47.
［4］MaCdonald R B. A summary of the history of the development of automated remote sensing for agricultural applications［J］. IEEE Transactions on Geoscience and Remote Sensing，1984，22(6)：473-482.
［5］Wang R Y，Bowling L C，Cherkauer K A. Estimation of the effects of climate variability on crop yield in the Midwest USA［J］. Agricultural and Forest Meteorology，2016，216：141-156.
［6］Bolton D K，Friedl M A. Forecasting crop yield using remotely sensed vegetation indices and crop phenology metrics［J］. Agricultural and Forest Meteorology，2013，173：74-84.
［7］Kogan F，Kussul N，Adamenko T，et al. Winter wheat yield forecasting in Ukraine based on Earth observation，meteorological data and biophysical models［J］. International Journal of Applied Earth Observation and Geoinformation，2013，23：192-203.
［8］Becker-Reshef I，Vermote E，Lindeman M，et al. A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data［J］. Remote Sensing of Environment，2010，114(6)：1312-1323.
［9］Ren J Q，Chen Z X，Zhou Q B，et al. Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong，China［J］. International Journal of Applied Earth Observation and Geoinformation，2008，10(4)：403-413.
［10］Prasad A K，Chai L，Singh R P，et al. Crop yield estimation model for Iowa using remote sensing and surface parameters［J］. International Journal of Applied Earth Observation and Geoinformation，2006，8(1)：26-33.
［11］朱再春，陈联裙，张锦水，等. 基于信息扩散和关键期遥感数据的冬小麦估产模型［J］. 农业工程学报，2011，27(2)：187-193.
［12］任建强，陈仲新，周清波，等. MODIS植被指数的美国玉米单产遥感估测［J］. 遥感学报，2015，19(4)：568-577.
［13］刘珊珊，牛超杰，边琳，等. 基于NDVI的水稻产量遥感估测［J］. 江苏农业科学，2019，47(3)：193-198.
［14］王雅鑫，修丽娜. 基于TM数据的天津市静海县小麦产量估算研究［J］. 内蒙古科技与经济，2018(14)：16-18，21.
［15］欧阳玲，毛德华，王宗明，等. 基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析［J］. 农业工程学报，2017，33(11)：147-156
［16］安秦，陈圣波，孙士超. 基于多时相MODIS-RVI的玉米遥感估产研究［J］. 地理空间信息，2018，16(3)：14-16.
［17］刘红超，梁燕，张喜旺. 多时相影像的冬小麦种植面积提取及估产［J］. 遥感信息，2017，32(5)：87-92.
［18］孟令华. 基于时间序列遥感影像的棉田估产模型［D］. 哈尔滨：东北农业大学，2018.
［19］闫昱光. 基于多光谱图像的水稻估产模型研究［D］. 哈尔滨：东北农业大学，2019.
［20］张长城，常军，王赫彬. 基于环境产量模型和生物产量模型的禹城市夏玉米遥感估产研究［J］. 绿色科技，2019(6)：189-193.
［21］张超，金虹杉，刘哲，等. 基于GF遥感数据纹理分析识别制种玉米［J］. 农业工程学报，2016，32(21)：183-188.
［22］王瀚征. 基于非监督分类与决策树相结合的 30 m 分辨率土地利用遥感反演研究［D］. 石家庄：河北师范大学，2016.
［23］Rouse J W，Haas R H，Schell J A. Monitoring the vernal advancement of retrogradation (green wave effect) of natural vegetation［EB/OL］. (1974-03-28)［2020-02-20］. https：//core.ac.uk/download/pdf/42893165.pdf.
［24］Chen P F，Haboudane D，Tremblay N，et al. New spectral indicator assessing the efficiency of crop Nitrogen treatment in corn and wheat［J］. Remote Sensing of Environment，2010，114(9)：1987-1997.
［25］Liu H Q，Huete A R. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise［J］. IEEE Tansactions on Geoscience & Remote Sensing，1995，33(2)：457-465.
［26］Rondeaux G，Steven M，Baret F. Optimization of soil-adjusted vegetation indices［J］. Remote Sensing of Environment，1996，55(2)：95-107.
［27］Penuelas J，Baret F，Filella I. Semi-empirical indices to assess carotenoids/chlorophyll a ratio from leaf spectral reflectance［J］. Photosynthetica，1995，31(2)：221-230.
［28］Bausch W C，Duke H R. Remote sensing of plant nitrogen status in corn［J］. Transactions of the ASAE，1996，39(5)：1869-1875.
［29］华瑞，李俊华，王立坤，等. 不同滴灌施肥策略对玉米产量、养分吸收及效益的影响［J］. 新疆农业科学，2016，53(1)：68-76.
［30］韩文霆，彭星硕，张立元，等. 基于多时相无人机遥感植被指数的夏玉米产量估算［J］. 农业机械学报，2020，51(1)：148-155.
［31］安秦. 长春地区玉米产量遥感估算方法研究［D］. 长春：吉林大学，2018.
［32］王一博. 基于多源遥感数据的伊通县玉米估产与生长发育分析［D］. 中国矿业大学，2019.
［33］蒋磊，尚松浩，杨雨亭，等. 基于遥感蒸散发的区域作物估产方法［J］. 农业工程学报，2019，35(14)：90-97.
［34］廖靖，胡月明，赵理，等. 结合数据融合算法的光能利用率模型反演水稻地上部生物量［J］. 江苏农业学报，2019，35(3)：594-601.

相似文献/References:

[1]陈鹤群,雷少刚.TerraSAR-X土壤水分反演研究进展[J].江苏农业科学,2013,41(04):327.
[2]王丽爱,谭昌伟,马昌,等.农情信息遥感监测预报模型构建算法研究进展[J].江苏农业科学,2013,41(11):1.
　Wang Liai,et al.Research progress of remote sensing forecast modeling algorithms on crop information[J].Jiangsu Agricultural Sciences,2013,41(23):1.
[3]李章成,李源洪,魏来,等.基于SPOT5影像分析植被指数与水稻叶面积指数和产量的相关性[J].江苏农业科学,2014,42(01):284.
　Li Zhangcheng,et al.Study on correlation between vegetation index and leaf area index and yield of rice based on SPOT5 image analysis[J].Jiangsu Agricultural Sciences,2014,42(23):284.
[4]康婷婷,居为民,李秉柏.水稻叶面积指数遥感反演方法对比分析[J].江苏农业科学,2015,43(05):366.
　Kang Tingting,et al.Contrastive analysis of remote sensing inversion method of rice leaf area index[J].Jiangsu Agricultural Sciences,2015,43(23):366.
[5]马驰.松辽平原土地盐碱化动态监测与遥感分析[J].江苏农业科学,2016,44(07):495.
　Ma Chi.Dynamic monitoring and remote sensing analysis of soil salinization in Songliao Plain[J].Jiangsu Agricultural Sciences,2016,44(23):495.
[6]田苗,童杨辉.TRMM卫星降水数据在江苏省的适用性分析[J].江苏农业科学,2016,44(12):440.
　Tian Miao,et al.Applicability analysis of TRMM precipitation data in Jiangsu Province[J].Jiangsu Agricultural Sciences,2016,44(23):440.
[7]刘远,周买春.遥感反演植被叶面积指数的不确定性来源综述[J].江苏农业科学,2017,45(12):12.
　Liu Yuan,et al.Uncertain sources of remote sensing inversion of vegetation leaf area index：an overview[J].Jiangsu Agricultural Sciences,2017,45(23):12.
[8]苏腾飞,刘全明,苏秀川.基于多种植被指数时间序列与机器学习的作物遥感分类研究[J].江苏农业科学,2017,45(16):219.
　Su Tengfei,et al.Study on crop remote sensing classification based on multiple vegetation index time series and machine learning[J].Jiangsu Agricultural Sciences,2017,45(23):219.
[9]李岩,尚士友,王晓娟,等.西乌珠穆沁典型草原植被盖度空间异质性研究[J].江苏农业科学,2017,45(22):283.
　Li Yan,et al.Study on spatial heterogeneity of vegetation coverage of Wuzhumuqin typical steppe[J].Jiangsu Agricultural Sciences,2017,45(23):283.
[10]张楠楠,张晓,姚娜,等.塔里木河流域上游胡杨叶面积指数高光谱遥感反演方法对比[J].江苏农业科学,2018,46(08):216.
　Zhang Nannan,et al.Comparison of two inversion methods for Populus diversifolia leaf area index based on hyperspectral remote sensing in upper reaches of Tarim River Basin[J].Jiangsu Agricultural Sciences,2018,46(23):216.

备注/Memo

备注/Memo:
收稿日期：2020-03-25
基金项目：国家自然科学基金(编号：31560340)。
作者简介：彭田田(1989—)，女，河南商丘人，硕士研究生，主要从事农业遥感研究。E-mail：1375045324@qq.com。
通信作者：范燕敏，博士，硕士生导师，主要从事农业资源遥感研究。E-mail：ymfantt@126.com。
更新日期/Last Update: 2020-12-05