第27卷第1期农业工程学报V ol.27 No.1 243 2011年1月Transactions of the CSAE Jan. 2011作物长势遥感监测指标的改进与比较分析赵虎1，杨正伟2，李霖3，狄黎平4（1. 农业部规划设计研究院农业资源监测站，北京 100125； 2. National Agricultural Statistics Service, USDA, V A 22030；3. 武汉大学资源与环境科学学院，武汉 430079；4. Center for Spatial Information Science and Systems, GMU, MD 20770）摘要：为改善归一化植被指数（NDVI）作为遥感监测作物长势指标的性能，该文分析了归一化植被指数的内在设计缺陷，在不增加额外波段的情况下，以近红外波段和红色波段为基础引入一种新的作物长势遥感监测指标——GRNDVI。
通过在像素和区域层次上同其他4种指数进行比较发现：GRNDVI能够改善归一化植被指数在低植被覆盖度时期/地区容易受到作物冠层土壤背景的影响，而在高植被覆盖度时期/地区又容易发生饱和现象的设计缺陷，可以作为遥感监测作物长势过程中替代归一化植被指数的指标。
关键词：作物，遥感，监测，指标，NDVI，GRNDVIdoi：10.3969/j.issn.1002-6819.2011.01.039中图分类号：S127 文献标志码：A 文章编号：1002-6819(2011)-01-0243-07赵 虎，杨正伟，李 霖，等. 作物长势遥感监测指标的改进与比较分析[J]. 农业工程学报，2011，27(1)：243－249.Zhao Hu, Yang Zhengwei, Li Lin, et al. Improvement and comparative analysis of indices of crop growth condition monitoring by remote sensing [J]. Transactions of the CSAE, 2011, 27(1): 243－249. (in Chinese with English abstract)0 引 言作物长势即作物生长的状况与趋势[1]，长势监测可以为田间管理、早期产量估算提供快速、宏观的信息，具有十分重要意义[2]。
自90年代农业遥感的监测重点从遥感估产转向农业生产过程监测以来，长势监测就成为农业遥感研究的重要内容[3]。
欧美等发达国家利用早期的技术优势对全球作物进行监测，在世界粮食交易市场获取了巨大的经济利益[4]。
中国自上世纪70年代开始农业遥感监测的相关研究，进入90年代开始重视作物长势遥感监测，目前已经形成稳定的业务运行系统[2,5]。
从国家战略上讲，作物长势监测无论对发达国家还是发展中国家都显得极为重要。
长势遥感监测方法以客观、快速、经济的特点取代地面监测方法成为当前作物长势信息的主要来源[4]。
作物长势监测的主要原理是使用不同波段的数学组合形成植被指数，然后用植被指数估算叶面积指数（LAI）的情况，结合地面监测的结果、农学模型和LAI的估算结果综合得出作物的长势信息[1,4]。
在这个过程中，监测模型实际上是专家决策过程和人们习惯认知的抽象表达，而监测指标则是监测模型生成长势信息最终结论的主要甚至是唯一依据。
因此，发展准确、方便的监测指标是作物长势遥感监测的重要研究内容[6]。
本文在分析现有长势监测指标的基础上，提出一种新指标——GRNDVI用于长势收稿日期：2010-04-20 修订日期：2010-08-17基金项目：NASA资助项目“A National Crop Progress Monitoring System Based on NASA Earth Science Result”作者简介：赵虎（1981－），男，湖北房县人，工程师，理学博士，2008年赴美国乔治梅森大学空间信息科学与系统研究中心交流访问，主要从事遥感与地理信息系统在农业中的研究与应用工作。
Email: jhaohu@ 监测，以期克服现有指标的不足。
1 现有的长势监测指标可以反映作物长势的变量有很多，如单株作物的根、茎、叶、穗发育情况，作物群体的密度、布局和动态等[1]。
遥感监测属于宏观监测，研究表明，与作物个体和群体特征都有关的叶面积指数（leaf area index, LAI）可以作为遥感监测的综合指标[4]。
有2种方法可以对LAI进行测量：直接法和间接法。
直接法是指使用仪器实地测量叶面积指数，这种方法测量结果准确但是费时费力，并会造成叶片组织的损伤，因此，仅仅适用于部分地区的验证性测量。
间接法是指采用遥感手段进行大范围的植被指数估算，主要是通过植被指数与LAI之间的关系进行LAI的估算。
归一化植被指数（normalized differential vegetation index，NDVI）作为过去30 a来使用最为广泛的植被指数，也是用于LAI估算的常用指标，在作物长势监测研究中也得到了广泛的应用。
班显秀等[7]利用AVHRR第一、二通道的反射率计算得到的NDVI监测中国沈阳地区一季混栽作物的长势情况。
裴志远等[8]提出利用多时相的NDVI数据库研究作物长势的时空特征。
江东等[9]研究了时序NDVI曲线特征与作物长势的互动关系，并认为NDVI 曲线积分与作物产量有较好的相关关系。
刘爱霞等[10]运用逐年比较模型比较了不同年份NDVI的值，然后将比较结果和棉花种植区域在GIS中叠加得到新疆石河子地区棉花的长势情况。
吴炳方等[5]利用AVHRR和SPOT的NDVI产品并结合农业气象数据建立起运行化的全国作物长势遥感监测系统。
罗宇翔等[11]利用MODIS NDVI数据和农业气象观测资料分析了贵州中部主要秋粮作物的长势情况，认为时序NDVI与秋粮作物长势之间存在良农业工程学报 2011年 244 好的相关性。
可以看出，NDVI 是进行作物长势遥感监测最常使用的指标。
除了NDVI 本身，以NDVI 为基础进行数学组合得到的指标在长势监测中也有应用。
Kogan F [12]提出的植被状态指数（Vegetation Condition Index, VCI ）即为其中的一例。
其计算公示如下min max min100%NDVI NDVI VCI NDVI NDVI −=×− （1） 式中，max NDVI 和min NDVI 分别为研究所用的图像中出现的NDVI 最大值和最小值。
虽然VCI 的最初设计目的是为了评估天气对植被的影响和描述植被的时空变化，但研究发现它在干旱监测[6,13]、产量预估[14]、植被状态定量分析[15]等方面也有较好的应用效果。
同VCI 类似，将式（1）中的NDVI 替换为地表往温度T ，即可得到温度条件指数（Temperature Condition Index, TCI ）[13]。
实际应用中，VCI 和TCI 通常一起使用，主要用于干旱和水分胁迫情况监测[14,16]。
用于作物含水量遥感监测更为直接的指标是归一化差值水体指数（normalized differential water index, NDWI ）。
McFeeters S [17]提出用绿色波段替换红色波段计算NDWI ，专门用于从土壤背景和植被中区分露天水体。
当然，NDWI 的主要应用也是进行干旱监测[18]。
蒙继华在其博士论文中对上述指标在作物不同生长阶段的长势监测中的表现进行了详细的比较，并给出了建议指标集[19]。
NDVI 的广泛引用并不能掩盖其固有缺陷：大气噪声、土壤背景和饱和问题[20]。
增强植被指数（EnhancedVegetation Index, EVI ）就是以消除NDVI 的缺陷为目的而设计的最为成功的植被指数之一[21]。
由于增加了蓝色波段的作用，EVI 在消除大气和土壤背景影响方面表现好于NDVI ，因此，EVI 与LAI 的线性关系要好于NDVI [20]。
应用方面，Sakamoto T 等比较了基于不同母小波基的拟合方法对EVI 数据进行拟合后反演水稻生育期的差异[22]，Wardlow BD 等[23]分析了NDVI 和EVI 在作物生育期反演方面的不同表现。
张明伟等[24]探讨了MODIS EVI 数据在冬小麦长势监测中的应用。
同样以消除NDVI 的大气影响为目的植被指数还有变换差值植被指数（transformeddifference vegetation index ，TDVI ）[25]。
与EVI 增加蓝色波段的方法不同，TDVI 只是改变了RED 和NIR 之间的组合关系（式（2）），也达到了改善NDVI 与LAI 之间线性关系的目的。
1.5TDVI = （2） 式中，NIR ρ和RED ρ分别为近红外波段和红色波段的反射率。
2 一种新作物长势监测指标 NDVI 与LAI 之间的关系是由其本身的设计决定的。
将NDVI 的计算式进行变换可以得到11NIR RED NIR RED NDVI ρρρρ−=+ （3） 式（3）中NIR RED ρρ与NDVI 之间的关系并非是线性的，而是如图1所示的非线性关系。
植被覆盖率不断上升时，RED 波段的吸收逐渐饱和，对NIR 波段的反射继续加强，因此NIR RED ρρ不断变大。
由图1可以看出，NDVI 会随着NIR RED ρρ的变大逐渐接近于1。
NDVI 公式的内在缺陷会导致低植被覆盖情况下NDVI 被夸大，而高植被覆盖度情况下NDVI 被压缩的现象[20]。
图1 ρNIR /ρRED 与NDVI 的关系 Fig.1 Relationship between ρNIR /ρRED and NDVI ρNIR /ρRED 实际上是简单比值植被指数（simple ratio vegetation index ，SR ）。
Baret F 等[26]对SR 进行了详细的分析，得出它和NDVI 、LAI 之间的关系是：当LAI 值较小时，RED 吸收少、反射多，进入传感器的反射值ρRED 较大，而NIR 被反射少，进入传感器的反射值ρNIR 较小，此时ρRED 一个较小的变化对NDVI 带来的影响比对SR 带来的影响大[27]；当LAI 值较大时，ρNIR 较高而ρRED 由于被吸收变得较低，ρNIR 的一个较小变化对SR 带来的影响比对NDVI 带来的影响大。
通过以上分析，可以提出这样一种植被指数来平衡SR 和NDVI 之间的变化，纠正它们与叶面积指数的关系[27]。
可以基于这样一种简单的设想：既然在ρNIR /ρRED 较小时，NDVI 增长过快，而ρNIR /ρRED 变大时，NDVI 又显得增长变缓，那么在现有NDVI 的基础上乘以ρNIR /ρRED 则会在一定程度上缓解这种变化不一致的现象。