遙感技術(shù)在農(nóng)作物空間格局中的應(yīng)用

作物空間模型是指區(qū)域或單位面積內(nèi)植物的植物栽培結(jié)構(gòu)、形態(tài)和栽培方式的空間表達，主要包括三個方面：（1）植物的組成和布局，即種植和在哪里種植的問題；（2）種植的不同類型或休閑，即一年或幾年的問題。（3）種植的類型包括連作、作、間種和套種。農(nóng)作物空間格局反映了人類農(nóng)業(yè)生產(chǎn)在空間范圍內(nèi)利用農(nóng)業(yè)生產(chǎn)資源的狀況,是了解農(nóng)作物種類、結(jié)構(gòu)、分布特征的重要信息,也是進行作物結(jié)構(gòu)調(diào)整和優(yōu)化的依據(jù)。同時,農(nóng)作物空間格局特征及其時空動態(tài)變化信息也是研究農(nóng)業(yè)生態(tài)系統(tǒng)對陸地碳循環(huán)貢獻,評價全球變化對區(qū)域農(nóng)業(yè)生產(chǎn)影響,分析農(nóng)作物空間格局動態(tài)變化機制和建立模擬模型的基礎(chǔ)。因此,開展農(nóng)作物空間格局監(jiān)測具有重要意義。從已經(jīng)或正在進行的有關(guān)農(nóng)作物空間格局研究來看,農(nóng)作物空間格局信息獲取方法主要包括統(tǒng)計匯總和遙感監(jiān)測。早期和傳統(tǒng)的統(tǒng)計方法通過地面采集方法獲取某一行政區(qū)域的農(nóng)作物動態(tài)變化信息,然后逐層匯總統(tǒng)計得到變化特征,其優(yōu)勢是可以獲取描述作物分布變化的數(shù)量和速率等特征的詳細(xì)信息,但由于對統(tǒng)計數(shù)據(jù)的過度依賴,使得研究結(jié)果往往表現(xiàn)為時間上的滯后。而且,該方法用于大范圍變化監(jiān)測時耗費人力、物力和財力。隨著空間技術(shù)的不斷發(fā)展,遙感技術(shù)因高時效、寬范圍和低成本的優(yōu)點正被廣泛應(yīng)用于對地觀測活動中,為大范圍的農(nóng)作物空間格局監(jiān)測提供了新的科學(xué)技術(shù)手段。在過去10多年,遙感在不同時空尺度下的農(nóng)作物空間格局監(jiān)測中發(fā)揮了重要作用,無論在理論和方法方面,還是在實踐方面都取得了長足的進展。本文針對近10年來國內(nèi)外農(nóng)作物空間格局遙感監(jiān)測的研究進展進行綜述,分別介紹和分析遙感技術(shù)在農(nóng)作物種植面積、復(fù)種模式和種植方式監(jiān)測等方面的應(yīng)用進展,同時指出農(nóng)作物空間格局遙感監(jiān)測中存在的問題,并對未來發(fā)展趨勢進行了展望。1中國農(nóng)業(yè)遙感估產(chǎn)業(yè)務(wù)發(fā)展現(xiàn)狀遙感技術(shù)在農(nóng)作物空間格局監(jiān)測中的應(yīng)用始于20世紀(jì)初,最初以農(nóng)作物種植面積監(jiān)測為主。早在20世紀(jì)60年代,美國Purdue大學(xué)遙感農(nóng)業(yè)應(yīng)用實驗室首先開始利用遙感數(shù)據(jù)進行農(nóng)作物種植面積監(jiān)測研究,成功實現(xiàn)了對單一玉米作物的監(jiān)測,證明了衛(wèi)星遙感數(shù)據(jù)可用于作物監(jiān)測。1974年,美國最早實施了“大面積作物估產(chǎn)試驗”(即LACIE計劃),利用陸地衛(wèi)星影像對農(nóng)作物進行識別,并估算農(nóng)作物的面積、單產(chǎn)和總產(chǎn)。到1978年,其遙感監(jiān)測覆蓋范圍從美國擴大到全球,監(jiān)測作物從單一的小麥擴展到小麥、玉米、大豆和水稻等大宗農(nóng)作物,估產(chǎn)的精度也不斷提高。1980年,美國開展了“基于空間遙感技術(shù)的農(nóng)業(yè)和資源調(diào)查計劃”(即AGRISTARS計劃),完成了美國和世界不同區(qū)域的多種糧食作物的長勢評估和總產(chǎn)量預(yù)報。為實施歐盟區(qū)的共同農(nóng)業(yè)政策,歐盟于1987年提出了“農(nóng)業(yè)遙感計劃”(即MARS計劃),其目的在于利用遙感技術(shù)建立歐盟區(qū)的農(nóng)作物估產(chǎn)系統(tǒng),并成為能夠?qū)嶋H應(yīng)用的運行系統(tǒng)。此后,法國、德國、前蘇聯(lián)、加拿大、日本、印度、阿根遷、巴西、澳大利亞、泰國等也相繼開展了對小麥、水稻、玉米、大豆、棉花和甜菜等農(nóng)作物空間格局的遙感監(jiān)測研究,其研究內(nèi)容也從單一的作物種植面積監(jiān)測擴展到作物復(fù)種模式和種植方式的監(jiān)測。中國農(nóng)作物空間格局遙感監(jiān)測開始于農(nóng)作物遙感估產(chǎn)研究。早在1979年,陳述彭院士就開始倡導(dǎo)利用遙感技術(shù)進行作物估產(chǎn)。一些大學(xué)和科研機構(gòu)首先選擇在較小區(qū)域或地點進行試驗,以技術(shù)方法研究為主要目的。1983年,北京市農(nóng)林科學(xué)院綜合研究所、天津市農(nóng)業(yè)科學(xué)研究所、河北省氣象科學(xué)院及國家氣象局等三省(市)多家單位提出京津冀冬小麥綜合估產(chǎn)的技術(shù)與方法,并在國家氣象局建立了北方11省(市)冬小麥氣象遙感估產(chǎn)運行系統(tǒng)。農(nóng)業(yè)部先后在京津地區(qū)對冬小麥、在浙江杭州嘉興地區(qū)對水稻以及在北方六省(市)對小麥進行了遙感估產(chǎn)試驗。在國家“八五”期間,農(nóng)作物遙感估產(chǎn)成為國家科技攻關(guān)內(nèi)容,開展小麥、玉米和水稻大面積遙感估產(chǎn)試驗研究、北方草原草畜平衡動態(tài)監(jiān)測研究,分別對河北、山東、河南、安徽北部、北京市和天津市的冬小麥,湖北、江蘇和上海市的水稻,吉林省的玉米種植面積、長勢和產(chǎn)量開展監(jiān)測預(yù)報。在此期間,北京大學(xué)、中國農(nóng)業(yè)大學(xué)和浙江大學(xué)等高校也對應(yīng)用陸地衛(wèi)星資料的冬小麥、水稻遙感估產(chǎn)技術(shù)方法進行了研究探索。這一階段的應(yīng)用研究與試驗為中國農(nóng)業(yè)遙感應(yīng)用的發(fā)展,特別是穩(wěn)定的業(yè)務(wù)運行系統(tǒng)的建立奠定了良好的技術(shù)基礎(chǔ)。1997年,中國科學(xué)院將“中國資源環(huán)境遙感信息系統(tǒng)及農(nóng)情速報”作為院“九五”重大和特別支持項目。研究手段從常規(guī)方法與遙感技術(shù)結(jié)合,過渡到以資源衛(wèi)星為主,進而由應(yīng)用陸地衛(wèi)星資料轉(zhuǎn)為氣象衛(wèi)星NOAA/AVHRR資料為主,建立了“北方冬小麥氣象衛(wèi)星遙感動態(tài)監(jiān)測及估產(chǎn)系統(tǒng)”。1999年,農(nóng)業(yè)部組織全國農(nóng)業(yè)遙感的科研力量,組建了農(nóng)業(yè)部遙感應(yīng)用中心,經(jīng)過多年的研究,建立了全國主要大宗農(nóng)作物遙感估產(chǎn)業(yè)務(wù)運行系統(tǒng),并于2002年開始正式進入業(yè)務(wù)化運行?！叭珖饕r(nóng)作物遙感估產(chǎn)業(yè)務(wù)運行系統(tǒng)”可以對小麥、玉米、水稻、大豆和棉花等主要作物的面積變化、單產(chǎn)、總產(chǎn)進行監(jiān)測,并每旬報告作物長勢與旱情的監(jiān)測與作物單產(chǎn)預(yù)測的結(jié)果,還可以對農(nóng)業(yè)災(zāi)害對作物面積和產(chǎn)量的影響進行評估。中國許多省(區(qū))也先后建立了省級遙感估產(chǎn)業(yè)務(wù)運行系統(tǒng),如山西、安徽、吉林、河南、江蘇、四川和北京等省(市),為決策提供科學(xué)準(zhǔn)確的信息,產(chǎn)生了巨大經(jīng)濟與社會效益。除農(nóng)作物種植面積遙感監(jiān)測外,有關(guān)農(nóng)作物復(fù)種模式和種植方式遙感監(jiān)測的探索研究也在近幾年得到逐步開展,無論是在理論和技術(shù)方法方面,還是在實踐方面都取得了長足的進展。2作物種植面積的遙感監(jiān)測2.1遙感監(jiān)測大區(qū)域尺度的面積補差有更廣泛的應(yīng)用。在實小區(qū)域尺度農(nóng)作物種植面積遙感監(jiān)測一般采用遙感影像全覆蓋方式,利用多傳感器、多時間分辨率和多空間分辨率的遙感數(shù)據(jù)進行農(nóng)作物種植面積提取。高空間分辨率的QuickBird和LandsatTM數(shù)據(jù)分別在作物種植面積、空間分布及其動態(tài)變化提取中得到了廣泛應(yīng)用。Jakubauskas等探索了利用低空間分辨率NOAA/AVHRR數(shù)據(jù)進行大區(qū)域耕地或作物空間格局動態(tài)變化的研究。近幾年來,中低空間分辨率MODIS數(shù)據(jù)更是在大區(qū)域作物空間分布監(jiān)測中發(fā)揮了重要作用。對于大區(qū)域尺度的農(nóng)作物種植面積提取,受遙感影像獲取可能性、數(shù)據(jù)成本和提取效率等因素影響,不大可能采取研究區(qū)域遙感影像全覆蓋的方式,遙感技術(shù)與抽樣技術(shù)相結(jié)合的方法成為大面積農(nóng)作物種植面積遙感監(jiān)測的主要方法?；谶b感的面積采樣框架技術(shù)在國外農(nóng)作物面積調(diào)查中得到了廣泛應(yīng)用,如歐盟的MARS計劃、美國的LACIE計劃以及AGRISTARS計劃等都使用了面積抽樣框架。國內(nèi)很多單位,如農(nóng)業(yè)部遙感應(yīng)用中心、中國科學(xué)院、北京師范大學(xué)和國家氣象中心等,都建立了基于分層抽樣的農(nóng)作物種植面積遙感監(jiān)測技術(shù)方法。如農(nóng)業(yè)部遙感應(yīng)用中心以作物種植面積的歷史統(tǒng)計數(shù)據(jù)為分層指標(biāo),把作物生產(chǎn)縣劃分為若干層,分別建立抽樣外推模型;隨機從各層抽取所需數(shù)量的冬小麥生產(chǎn)縣,以LandsatTM或CBERS等影像覆蓋,采用人機交互方式來獲取作物種植面積的年際變化,以縣為單位進行統(tǒng)計;最后利用外推模型獲得全國作物種植面積變化。中國科學(xué)院遙感應(yīng)用研究所在“中國農(nóng)情遙感監(jiān)測系統(tǒng)”中提出了分層兩級抽樣的作物種植面積提取方法。以1﹕10萬全國土地資源數(shù)據(jù)庫為基礎(chǔ),利用遙感數(shù)據(jù)進行分層整群抽樣,以此來估算層內(nèi)的農(nóng)作物總種植成數(shù)(即所有作物的種植面積占耕地面積的比例)。利用GVG農(nóng)情采樣系統(tǒng)(GPS、VIDEO攝像頭和GIS的綜合集成系統(tǒng)),通過線狀樣條采樣,調(diào)查作物區(qū)內(nèi)每種作物類型的分類成數(shù)(即某類農(nóng)作物種植面積占所有作物種植面積的比例)。作物總種植成數(shù)與每種作物類別的分類成數(shù)相乘,再與耕地面積相乘就得到具體每種作物的種植面積。2.2基于多信息源數(shù)據(jù)的農(nóng)作物遙感識別方法農(nóng)作物種植面積遙感監(jiān)測是根據(jù)不同農(nóng)作物光譜特征的差異,通過遙感影像記錄的地表信息,識別不同的農(nóng)作物類型,統(tǒng)計農(nóng)作物種植面積。總的來說,農(nóng)作物種植面積遙感監(jiān)測方法可以分為三類:一是基于光譜特征的農(nóng)作物遙感識別方法;二是基于作物物候特征的農(nóng)作物遙感識別方法;三是基于多源數(shù)據(jù)的農(nóng)作物遙感識別方法。基于光譜特征的農(nóng)作物遙感識別方法已經(jīng)從最初的目視解譯法發(fā)展到基于統(tǒng)計學(xué)的分類法,以及句法結(jié)構(gòu)分類法等。早期的農(nóng)作物種植面積遙感監(jiān)測以目視解譯為主,即憑借光譜規(guī)律、地學(xué)規(guī)律和解譯者的經(jīng)驗從遙感影像的亮度、色調(diào)、位置、時間、紋理和結(jié)構(gòu)等特征推斷農(nóng)作物類型?；趫D像的統(tǒng)計分類包括監(jiān)督分類和非監(jiān)督分類,主要通過計算各個類別的均值、方差、標(biāo)準(zhǔn)偏差和離散度等統(tǒng)計量,作為比較不同類別相似度的依據(jù),在這些統(tǒng)計量的基礎(chǔ)上建立各類別的識別特征,并基于一定的判別函數(shù)來實現(xiàn)作物類型識別。由于衛(wèi)星遙感數(shù)據(jù)分辨率的限制,衛(wèi)星圖像像元都帶有綜合光譜信息的特點,致使計算機分類面臨著諸多模糊對象,“同物異譜”和“異物同譜”現(xiàn)象大量存在。依據(jù)地物光譜特性的點獨立原則進行分類,誤分類的比例很高。因此,以句法結(jié)構(gòu)分類法為主的新分類方法逐漸得到應(yīng)用。這類分類方法包括神經(jīng)網(wǎng)絡(luò)方法、模糊數(shù)學(xué)方法、決策樹法和基于混合像元分解的方法等。此外,面向?qū)ο蟮姆诸惙椒?如考慮像元空間鄰域特征的上下文分析方法和考慮紋理特征的分類法也成為輔助于光譜特征分類的重要方法。由于作物具有季相節(jié)律性和物候變化規(guī)律性的特點,利用時間序列遙感數(shù)據(jù)的時相變化規(guī)律可以實現(xiàn)不同農(nóng)作物類型的識別。如競霞等選用了不同時相的TMNDVI數(shù)據(jù),提取了北京春、夏季主要植被地物的NDVI時間譜特征,利用波段間的邏輯運算算法提取了2003年北京地區(qū)的冬小麥種植信息。楊小喚等通過NDVI時序變化規(guī)律從MODIS數(shù)據(jù)中提取了冬小麥、春玉米、夏玉米、大豆等作物種植面積,總體精度達到95%。張明偉等運用快速傅里葉變換對MODISNDVI時序曲線進行分析,選取曲線均值、1—3級諧波的初始相位及振幅比例作為作物識別參數(shù),實現(xiàn)了華北地區(qū)冬小麥、春玉米、夏玉米、棉花和大豆等作物空間分布識別。林文鵬等利用MODIS時序數(shù)據(jù)構(gòu)建了陸表水分指數(shù)和增強型植被指數(shù),作為遙感特征參量,采用分層決策法提取了主要秋季作物類型。從作物的溫度(Ts)和增強型植被指數(shù)(EVI)特征空間變化關(guān)系出發(fā),閆峰等采用Ts-EVI時間序列譜信息對河北省冬小麥種植面積進行了提取,表明基于溫度植被指數(shù)時間序列譜實現(xiàn)作物分類具有較好的可行性。熊勤學(xué)和黃敬峰通過對各種地物MODISNDVI時序特征分析,選取夏、秋作物輪作期和NDVI均值為標(biāo)準(zhǔn),采用分層方法區(qū)分秋收作物區(qū)(中稻、晚稻和棉花)與其它區(qū),然后利用BP神經(jīng)網(wǎng)絡(luò)法對3種秋收作物進行監(jiān)督分類,得到了湖北省江陵縣3種作物種植的空間分布?；诙嘈畔⒃磾?shù)據(jù)的農(nóng)作物遙感識別方法可以充分利用多種數(shù)據(jù)信息的特色,實現(xiàn)優(yōu)勢互補,彌補單一遙感數(shù)據(jù)和分類方法的缺陷,大大提高作物遙感識別精度。多信息源數(shù)據(jù)結(jié)合既包括多源遙感影像的結(jié)合,也包括遙感影像與非遙感數(shù)據(jù)源的結(jié)合。多源遙感影像的結(jié)合可以得到更多的信息,減少理解的模糊性。如結(jié)合高時間分辨率MODIS數(shù)據(jù)和高空間分辨率LandsatTM數(shù)據(jù),運用混合像元線性分解模型對河南省冬小麥種植面積進行監(jiān)測,監(jiān)測結(jié)果與國家統(tǒng)計數(shù)據(jù)相比,相對誤差為5.3%,能滿足農(nóng)情監(jiān)測的需要。采用多光譜遙感影像與雷達遙感影像相結(jié)合進行作物種植面積提取,其精度得到明顯提高。在GIS和GPS的支持下,引入非遙感影像數(shù)據(jù)源,如在分類過程中引入地形(如高程、坡度和坡向信息等)、土壤、作物輪作和分布環(huán)境信息,可大大提高農(nóng)作物種植面積的提取精度。通過空間化屬性數(shù)據(jù)與遙感數(shù)據(jù)融合模式,利用遙感數(shù)據(jù)在耕地時空分布表達和屬性數(shù)據(jù)在作物種植面積數(shù)量動態(tài)變化描述方面的優(yōu)勢,進行農(nóng)作物空間分布格局提取也越來越得到重視和應(yīng)用。近年來,以專家知識和經(jīng)驗為基礎(chǔ)的遙感影像理解技術(shù)也成為農(nóng)作物遙感識別領(lǐng)域的一個重要方向。3作物重新種植的遙感監(jiān)測3.1作物復(fù)種模式高效監(jiān)測數(shù)據(jù)隨著衛(wèi)星技術(shù)的快速發(fā)展,遙感技術(shù)在農(nóng)作物種植面積遙感監(jiān)測中得到廣泛應(yīng)用的同時,基于遙感技術(shù)的作物復(fù)種模式研究也取得了重要進展,促進有關(guān)理論、技術(shù)和方法的不斷發(fā)展和完善。根據(jù)綠色植被特有的光譜特征,從遙感數(shù)據(jù)反演的植被指數(shù)能夠較好地反映植被生長狀況。將一年內(nèi)獲取的植被指數(shù)數(shù)據(jù)以時間為橫坐標(biāo)排列形成的時間序列植被指數(shù)可以描述植被的年內(nèi)變化特征,即植被指數(shù)時序變化對應(yīng)于植被的生長與衰落等季節(jié)活動過程。對作物而言,植被指數(shù)的時序動態(tài)變化體現(xiàn)了作物的生長過程,即從播種、出苗、抽穗到成熟、收割的周期性態(tài)勢。一熟制區(qū)域的作物植被指數(shù)曲線在年內(nèi)完成1個循環(huán)的動態(tài)過程,兩熟制區(qū)域完成2個循環(huán),三熟制將完成3個生長周期。因此,基于時間序列植被指數(shù),采用各種平滑方法擬合得到作物生長曲線,可以實現(xiàn)作物復(fù)種模式有效監(jiān)測。從作物復(fù)種模式遙感監(jiān)測數(shù)據(jù)源看,中低空間分辨率的NDVI和EVI時間序列數(shù)據(jù)是目前的主要數(shù)據(jù)源。NOAA/AVHRR的NDVI數(shù)據(jù)最先得到應(yīng)用。國內(nèi)學(xué)者閆慧敏等和吳文斌等分別利用NOAA/AVHRRNDVI數(shù)據(jù)對全國和華北地區(qū)的耕地復(fù)種指數(shù)空間格局進行了研究。在國外,NOAA/AVHRRNDVI數(shù)據(jù)在非洲和亞洲的種植制度監(jiān)測中得到了應(yīng)用。之后,SPOT/VGTNDVI時間序列數(shù)據(jù)在耕地復(fù)種指數(shù)監(jiān)測中得到了應(yīng)用,如范錦龍等、辜智慧、朱孝林等分別應(yīng)用SPOT/VGTNDVI時間序列數(shù)據(jù)在不同區(qū)域尺度上對耕地復(fù)種指數(shù)進行了監(jiān)測。近年來,MODISNDVI和EVI數(shù)據(jù)越來越多用于作物復(fù)種模式遙感監(jiān)測中。如彭代亮等利用MODISNDVI數(shù)據(jù)對浙江省2001—2004年耕地復(fù)種指數(shù)進行了監(jiān)測;閆慧敏等應(yīng)用MODISEVI數(shù)據(jù)研究了鄱陽湖農(nóng)業(yè)多熟種植制度時空分布。國外學(xué)者Sakamoto等和Galford等利用小波平滑對MODISEVI數(shù)據(jù)進行平滑處理,分別對越南湄公河區(qū)域的水稻復(fù)種指數(shù)和巴西地區(qū)農(nóng)作物的熟制進行了有效監(jiān)測。此外,印度的IRS植被指數(shù)也應(yīng)用于耕地復(fù)種指數(shù)研究。3.2作物復(fù)種模式的時間分布及判別國內(nèi)外學(xué)者根據(jù)不同研究區(qū)域和研究目的提出了不同的監(jiān)測方法。如Panigrahy等結(jié)合主成分分析和最大似然法分類提取了印度全國耕地的復(fù)種指數(shù);Canisius等利用傅立葉變換和決策樹方法對亞洲區(qū)域的兩熟作物分布進行了研究。左麗君等通過分析研究農(nóng)作物的農(nóng)時歷和時間序列植被指數(shù)曲線的對應(yīng)關(guān)系,提取了反映作物種植模式的特征時相,并以特征時相的EVI值作為特征參量,構(gòu)建了提取耕地復(fù)種指數(shù)的決策樹方法。辜智慧利用SPOT/VGT多時相NDVI數(shù)據(jù)建立熟制標(biāo)準(zhǔn)曲線庫,利用交叉擬合度檢驗法對中國耕地復(fù)種指數(shù)進行了提取。此外,數(shù)據(jù)融合方法也在農(nóng)作物復(fù)種模式監(jiān)測中得到應(yīng)用,如Qiu等則通過融合遙感分類得到的中國土地利用數(shù)據(jù)和縣級農(nóng)業(yè)統(tǒng)計數(shù)據(jù),得到了中國主要單季作物和多季作物的空間分布。峰值法因其簡單易用是目前作物復(fù)種模式遙感監(jiān)測中應(yīng)用最為廣泛的方法[36,37,40,41,42,50]。峰值法的基本假設(shè)為,作物復(fù)種模式與作物植被指數(shù)變化曲線的峰值較吻合,即一年一季作物耕地的植被指數(shù)數(shù)據(jù)在年內(nèi)形成明顯的單峰曲線,一年兩季作物耕地的植被指數(shù)形成雙峰曲線。如何獲取峰值的頻數(shù)和分布成為關(guān)鍵。目前,常用的方法包括直接比較法和二次差分法。直接比較法是在一個判斷區(qū)間內(nèi)將每一時間點的植被指數(shù)值和前后相鄰幾個時間點的植被指數(shù)值進行比較,得到該區(qū)間內(nèi)植被指數(shù)值最大的時間點,即為該區(qū)間內(nèi)的峰值;如此反復(fù),可以得到整個耕地生長季內(nèi)所有峰值的數(shù)量及其時間分布點;二次差分法將一年內(nèi)時序序列植被指數(shù)的N個植被指數(shù)按時間順序形成數(shù)組,首先用后面的植被指數(shù)值減去其前面的植被指數(shù)值,形成N-1個新值;對這N-1個新值進行重新賦值,如果是負(fù)數(shù)則定為-1,如果是正數(shù)則定為1;然后對新賦值的N-1個值按上面的方法再進行一次差分,得到N-2個由-2、0、2組成的數(shù)組,其中元素為-2且前后元素皆為0的點就是峰值點。但是,僅單純計算峰值數(shù)目可能造成作物復(fù)種模式監(jiān)測的誤差,因為植被指數(shù)曲線會由于影像質(zhì)量異常而出現(xiàn)噪聲波峰,利用一定約束條件對探測的峰值進行判定取舍十分必要。有學(xué)者利用溫度數(shù)據(jù)作為熟制信息提取的約束條件,其提取規(guī)則為,兩熟制需滿足≥10℃年積溫高于3600℃,三熟制需滿足≥10℃年積溫高于5000℃。還有部分研究在多熟種植制度遙感提取中融入了作物物候觀測信息,根據(jù)站點物候觀測數(shù)據(jù)的統(tǒng)計特征來確定熟制的判別規(guī)則;判別規(guī)則中的特征值包括峰值出現(xiàn)的最早可能時間、峰值出現(xiàn)的最晚可能時間、峰值的EVI最低值、兩季作物EVI峰值的最小時間間隔、EVI最大值和最小值的差值等。在華北地區(qū)耕地復(fù)種指數(shù)遙感監(jiān)測中,吳文斌等采取動態(tài)閾值法對最終種植熟制進行了修正,認(rèn)為兩熟制耕地的第二個峰值的變化幅度要高于年最大峰值變化幅度的40%。朱孝林等綜合考慮了作物物候和作物連作和套作方式等特征,其判別標(biāo)準(zhǔn)為,(1)獨立生長期在9旬以上;(2)具有獨立的長勢特征,即在NDVI時間序列上體現(xiàn)出一定的起伏。雖然這些研究各自提出了較為合理的修正方法,但這些方法和閾值設(shè)置都具有一定的區(qū)域適宜性和局限性,如何提出普適性更高的校正技術(shù)方法是需要進一步深入研究的問題。4作物育種方法的遙感監(jiān)測4.1農(nóng)作物種植方式的變化農(nóng)作物種植方式是作物連作、輪作、間種與套種等的綜合概括。農(nóng)作物種植方式和農(nóng)作物復(fù)種模式有密切關(guān)系,兩者都是充分利用水、土、光、熱等自然資源,提高光能利用率和土地產(chǎn)出率。但二者還是有著顯著不同,農(nóng)作物復(fù)種模式主要描述某一地區(qū)或生產(chǎn)單位年內(nèi)作物種植次數(shù),而農(nóng)作物種植方式則是解釋不同復(fù)種模式下作物的種植順序和方式。如對于一年多熟地區(qū),在同一塊田地連季或連年種植相同作物的種植方式是連作,而同一田地上有順序地在季節(jié)間或年度間輪換種植不同作物的種植方式稱為輪作。輪作還包括單作輪作、間作輪作和套作輪作等不同種植方式。因此,農(nóng)作物種植方式更加復(fù)雜多樣,作物種植方式遙感監(jiān)測是一個更高層次的遙感應(yīng)用。農(nóng)作物種植方式不同,遙感傳感器所記錄的光譜信息和季相信息不同。作物種植方式遙感監(jiān)測主要是利用高時間分辨率遙感數(shù)據(jù),如NOAA/AVHRR和MODIS等獲取不同作物生長季特征,通過特征分析實現(xiàn)作物種植方式監(jiān)測。對于單作輪作的多熟區(qū)域,前后茬作物生長季沒有重合,時間序列遙感數(shù)據(jù)反映的每季作物生長季完整;若是套作輪作,由于在前季作物生長后期的株、行或畦間播種或栽植后季作物,使前茬作物的生長季后期和后茬作物的生長季前期重疊,利用上述特征就可以實現(xiàn)對單作輪作和套作輪作的提取。4.2基于時間序列的作物種植分區(qū)預(yù)測常用的作物種植方式遙感監(jiān)測方法是利用時序遙感數(shù)據(jù),根據(jù)作物指數(shù)變化規(guī)律區(qū)分作物生育周期,將此信息與地面調(diào)查建立的作物生育周期模型進行耦合,判斷不同作物種植方式。如Panigrahy和Sharma采用印度IRSLISS-I多時相數(shù)據(jù),利用地面數(shù)據(jù)和最大似然法,獲取了印度孟加拉邦巴得海曼地區(qū)的8類作物種植方式(水稻-休閑-水稻、水稻-馬鈴薯-休閑、水稻-蔬菜-休閑和休閑-馬鈴薯-花生等)分布圖。潘志強等將3個不同時期的TMNDVI圖像合成1幅圖像,根據(jù)作物在3個時相中的NDVI變化特征進行采樣分析,確定桃紅色區(qū)域為冬小麥、玉米(大豆)輪作區(qū),藍紫色區(qū)域為棉花、春玉米、雜糧種植區(qū),亮藍區(qū)域為水稻種植區(qū),亮綠色區(qū)域為林地、草地;然后利用非監(jiān)督分類和監(jiān)督分類相結(jié)合獲取了黃河三角洲農(nóng)作物種植分區(qū)格局。蔡學(xué)良和崔遠來將LandsatETM+與MODISNDVI數(shù)據(jù)融合區(qū)分湖北省漳河灌區(qū)土地利用類型,利用融合后的時間序列數(shù)據(jù)非監(jiān)督分類結(jié)果提取植被指數(shù)變化信息,結(jié)合作物系數(shù)變化規(guī)律運用光譜耦合技術(shù)提取作物種植方式,成功地分離出漳河灌區(qū)水稻-油菜連作、水稻-小麥連作以及其它作物種植區(qū)域。張霞等采用迭代自組織數(shù)據(jù)分析方法對MODISEVI時間序列進行動態(tài)聚類提取雙季旱作和水旱兩作用地;結(jié)合生育期資料分析雙季旱作作物EVI時間譜物候特征,建立識別模型,獲取了華北平原一年兩熟連作方式下小麥-玉米、小麥-水稻和小麥-其它作物的分布圖。Zhang等利用MODISNDVI數(shù)據(jù),通過傅立葉分析獲取了華北地區(qū)的冬小麥-玉米連作、冬小麥-棉花套作、單一春玉米和單一棉花等種植方式的特征,利用多階段分類方法獲取了不同作物種植模式分布圖,其結(jié)果精度較高。吳炳方等以GVG農(nóng)情采樣系統(tǒng)和樣條采樣框架為基礎(chǔ),提出了全國作物種植結(jié)構(gòu)和種植方式快速調(diào)查技術(shù)方法。根據(jù)GVG采樣記錄描述的道路一側(cè)100m內(nèi)農(nóng)作物的種植情況,通過判讀每一條記錄的作物分類成數(shù),以采樣線為基本單元,可以匯總得到每條采樣線的農(nóng)作物分類成數(shù);然后將每個縣境內(nèi)調(diào)查得到的各類作物分類成數(shù)進行匯總統(tǒng)計,每個省的農(nóng)業(yè)種植結(jié)構(gòu)由縣的成數(shù)按照耕地面積加權(quán)平均得到。5基于對象的高精度識別近年來,雖然遙感技術(shù)在農(nóng)作物種植面積、復(fù)種模式和種植方式監(jiān)測等方面取得了長足進展,但農(nóng)作物空間格局遙感監(jiān)測的理論體系仍未形成,監(jiān)測技術(shù)方法尚不能滿足有關(guān)部門對信息的需求,大區(qū)域遙感監(jiān)測結(jié)果精度有待進一步提高,監(jiān)測時效性有待進一步完善,監(jiān)測內(nèi)容或?qū)ο笥写M一步擴展。因此,迫切需要盡快建立農(nóng)作物空間格局遙感監(jiān)測的理論和技術(shù)體系,系統(tǒng)地指導(dǎo)農(nóng)作物空間格局遙感監(jiān)測的有序發(fā)展。隨著衛(wèi)星傳感器的不斷發(fā)