第26卷 第9期 农 业 工 程 学 报 Vol.26 No.9 218 2010年 9月 Transactions of the CSAE Sep. 2010
东北地区主要作物种植结构遥感提取及长势监测
黄 青1,2，唐华俊1,2※，周清波1，吴文斌1，王利民1，张 莉1
（1．农业部资源遥感与数字农业重点开放实验室/中国农业科学院农业资源与农业区划研究所，北京 100081；
2．呼伦贝尔草原生态系统国家野外科学观测研究站，北京 100081） 摘 要：以中国东北地区为研究区域，探讨基于遥感影像全覆盖的大尺度作物种植结构自动提取及长势遥感监测的技术方法。通过分析东北地区春玉米、春小麦、一季稻及大豆等主要作物时序光谱特征，确定不同作物种植结构遥感提取的阈值，建立基于MODIS NDVI数据的上述4种作物种植结构提取模型，获取2009年东北地区主要作物空间种植结构格局特征。其次，基于MODISNDVI数据，利用差值模型，通过与近5 a作物长势的平均状况进行对比，分析研究东北地区2009年4种作物的长势状况。结果显示，与多年平均统计数据比较，基于遥感提取的作物种植结构信息，总体精度达到了87%以上；不同作物长势在其整个生育期内在时间和空间分布上都有较大差异。研究表明，通过MODIS数据提取不同作物种植结构及进行大尺度作物长势监测的技术和方法是可行的，研究为中国农业遥感监测系统大尺度业务化运行的作物种植结构提取提供了有效方法。 关键词：遥感，监测，作物，MODIS，NDVI，种植结构，精度评价，东北地区 doi：10.3969/j.issn.1002-6819.2010.09.037 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2010)-09-0218-06
黄 青，唐华俊，周清波，等.东北地区主要作物种植结构遥感提取及长势监测[J].农业工程学报，2010，26(9)：218－223. Huang Qing, Tang Huajun, Zhou Qingbo, et al. Remote-sensing based monitoring of planting structure and growth condition of major crops in Northeast China[J]. Transactions of the CSAE, 2010, 26(9): 218－223. (in Chinese with English abstract)
0 引 言
在农情遥感监测中，能够及时、清楚的了解每种作
物在各个生育期的长势状况、并对每种作物的产量进行
预测，对大尺度不同作物种植面积空间分布的快速、准
确提取有很大的要求。虽然自20世纪70～80年代遥感
技术发展以来，遥感就被用来进行大面积农作物长势监
测、种植面积监测及产量预测等[1-5]。如美国自20世纪
70年代中期开始进行LACIE计划，到1986年建立了全
球级的农情监测运行系统；欧盟遥感应用研究所通过实
施MARS计划，建成了欧盟区的农作物估产系统。在农
作物长势、面积等的监测中，国外科学家主要利用适合
大面积监测的NOAA-AVHRR卫星。在农作物播种面积
遥感估测方面，LACIE实验中利用空间分辨率为80 m的
Landsat MSS数据成功地预报美国小麦的面积和产量，并
且这种方法被推广到其他地区和对其他农作物进行面积
的获取。之后随着传感器空间分辨率的提高，用MODIS、
SPOT、TM等数据提取作物播种面积的研究也逐渐成为
研究热点[6-9]，但需要指出的是，更多的研究重点主要集 收稿日期：2010-01-14 修订日期：2010-08-30 基金项目：国家自然科学基金重点项目（40930101）；国家“863”项目（2006AA120101、2007AA10Z230、2006AA15Z121）；中央级公益性科研院所专项资金（002-2)和农业部资源遥感与数字农业重点开放实验室开放课题(RDA1004)共同资助 作者简介：黄 青（1978－），女，新疆昌吉人，助理研究员，博士，主要从事农业资源遥感方面的研究。北京 农业部资源遥感与数字农业重点开放实验室，100081。Email：queengold@sina.com ※通信作者：唐华俊（1960－），男，四川阆中市人，研究员，博士，主要从事农业资源遥感方面的研究。北京 农业部资源遥感与数字农业重点开放实验室，100081。 中在用遥感手段监测不同土地利用类型面积及其相互变
化方面[10-14]，对涉及到耕地内部不同作物空间分布及其
变化的研究并不多，且这方面的研究多只集中于对某种
作物空间分布的遥感识别[14-17]，或在某一小区域范围内
的试验研究[18-20]，大区域尺度下分作物空间分布信息的
及时提取及业务化运行的研究较少。
欧美的农情遥感监测系统多已实现了本国农作物种
植面积变化的快速调查，但欧美国家作物种植结构的特
点是面积大、结构相对单一。中国科学院和中国气象局
等部门也建立了一些农情遥感监测系统[20]，但主要是对
耕地上的作物长势、产量等进行监测，针对耕地内部不
同作物的长势、产量等的监测还没有实现业务运行。由
于分作物空间种植结构的缺乏，无论是用植被指数方法
建立的遥感模型，还是考虑了作物生长机理和过程的生
长模型、气象模型等，都不能对分作物类型的作物长势
进行较为准确的监测[19,21]。这一方面制约着目前作物长势
遥感监测的精度，另一方面导致了长势遥感监测在分区、
分作物建立模型时遇到很大困难，同样的问题也存在于
作物估产及农情灾害预报中。因此，及时获取大区域尺
度农作物空间分布信息不仅是分作物长势监测、同时也
是农情遥感监测中的核心问题，同时，作物种植结构作
为一种基础数据，对研究作物种植结构空间变化规律、
研究作物结构与全球环境变化的响应及农业政策的制
定、调整和国家粮食安全的保障等方面都具有非常重要
的现实意义。
本研究以作物种植面积和空间分布的快速提取及实
时的作物长势监测为主要目的，根据不同作物、不同生
育期的波谱特性和生物学特性，选取MODIS数据合适时 第9期 黄 青等：东北地区主要作物种植结构遥感提取及长势监测 219
相、合适波段及特征参量，建立了基于遥感影像全覆盖
的大尺度农作物种植结构遥感综合自动识别模型，实现
了农作物遥感自动识别。其次，基于作物空间分布的结
果，以及植被指数对作物生长状况的敏感特征，利用目
前长势监测中应用最广泛的归一化植被指数NDVI
（normalized difference vegetation index）[22-23]，对中国东
北地区2009年4种作物的长势进行监测，为能更直观反
映长势与常年的比较情况，研究用差值模型，与近5 a作
物长势的平均状况进行了对比研究。作物种植结构空间
分布及宏观的长势监测结果为相关管理及决策部门提供
了重要的决策依据。
1 研究区概况
东北地区（包括辽宁省、吉林省和黑龙江省）是中
国高纬度的一个区域，地处118°53'～135°05'E，38°43'～
53°33'N之间。总面积79万km2，2008总人口约10874
万人，其中农业人口4 709万人，约占43%。东北地区属
大陆性季风型气候。受纬度、海陆位置、地势等因素的
影响，自南而北跨暖温带、中温带与寒温带，热量显著
不同，≥10℃的积温，南部约3 600℃，北部仅有1 000℃。
自东而西，降水量自1 000 mm降至300 mm以下，气候
上从湿润区、半湿润区过渡到半干旱区，农业上从农林
区、农耕区、半农半牧区过渡到纯牧区。东北地区三面
被大、小兴安岭和长白山环绕，中部是辽阔的东北平原。
这里森林资源、矿产资源、水资源等都比较丰富。主要
农作物有春玉米、春小麦、大豆、水稻、高粱、谷子、
甜菜、向日葵、亚麻等，是中国最重要的商品粮基地，
也是种植结构相对复杂的一个地区。
2 数据与方法
2.1 数据源与数据预处理
MODIS数据全部来自农业部遥感应用中心卫星接收
站。利用2005－2009年每年5月中旬到9月中旬每日覆
盖全国的MODIS数据，经过辐射定标、几何校正等过程，
计算每天的NDVI值，并进行每旬及每14 d的最大值合
成，得到2005－2009年各年每旬及同一监测期每14 d的
最大值。每旬的NDVI通过不同模型来提取不同作物分
布面积，每14 d合成的NDVI用来监测不同作物长势情况。
精度验证主要包括以SPOT为主要信息源的高分辨
率遥感图像数据和样点数据。统计数据来源于2004－
2007年中国农业统计资料。
2.2 作物种植结构提取及长势监测技术方法
2.2.1 多种作物种植结构提取模型
根据对主要农作物的物候历及植被指数与物候期的
对应关系的分析，利用MODIS数据获取不同农作物种植
面积空间信息需要几个关键时相的遥感数据。为了模型
的可读性好，用NDVIxy表示不同时相的NDVI值[15]，其
中x取值范围为1～12表示月份，y取值范围为1～3，分
别表示上、中、下旬，如NDVI82表示8月中旬的NDVI
值。表1是东北地区春玉米、春小麦、大豆及一季稻主
要提取模型。 表1 不同作物面积空间分布提取模型 Table 1 Spatial distribution extraction models of different crops
序号作物空间分布提取模型 作物类型
1 NDVI51＜T1，NDVI63＞T2，NDVI81＞NDVI73， NDVI81＞NDVI82，NDVI81＞T3 春玉米
2 NDVI43＜T4，NDVI61＞T5，NDVI71＞NDVI63， NDVI71＞NDVI72，NDVI71＞T6 春小麦
3 NDVI63＜T7，NDVI81＞NDVI73，NDVI81＞NDVI82，T8＜NDVI82＜T9 大豆
4 NDVI61＜T10，NDVI81＞NDVI82，NDVI81＞NDVI73，NDVI92＞T11 一季稻
注：T1～T11——不同生育期的阈值。 以春玉米为例进行说明。东北地区春玉米大约5月上
旬播种，5月中下旬出苗，6月下旬开始拔节，7月中下
旬抽雄，至8月底9月初乳熟、成熟。随着春玉米的出苗、
拔节到抽雄、成熟，反映在遥感图像上的NDVI值先逐步
增大，达到一个峰值后再逐步变小，根据这一特性，春玉
米面积信息的识别要同时满足上述表1序号为1的所有条
件。模型中，T1、T2、T3是不同生育期的阈值，根据作物
的光谱特征，其数值大小来源于不同区域植被指数与物候
期的一一对应关系，如2009年5月上旬，T1的值在各地
区一般都小于0.2；6月下旬，NDVI值一般辽宁地区在0.43
左右，吉林地区在0.42左右，黑龙江地区在0.40左右，
但各地区受播种时间和物候差异影响，NDVI值可在
0.38～0.50之间波动；8月上旬的NDVI最大，一般大于
0.62，可以达到0.7以上，甚至更高，同时也大于8月中
旬和7月下旬的NDVI。限定了这些阈值参数后，将参数
带入上述模型1，就可以提出春玉米的面积空间分布。
需要说明的是，由于受播种时间、物候差异、作物
长势差异等的影响，NDVI值在同一时相不同地区差异较
大，模型中关键点位的NDVI值、Tx值需要根据每年的
物候历或农情野外监测数据来分区分作物进行修正。具
体操作中，每年要先根据前几年不断积累建立的阈值先
建立提取模型，运行之后，再根据实测地面数据对阈值
进行调整。春玉米、大豆和一季稻原理相同。模型中的
T4～T11要根据不同地区、不同作物物候历分区分作物设
置并在实测中不断验证、调整。模型分的区域越小，提
取精度相应较高，但分区域的阈值往往获取困难。
2.2.2 作物长势监测模型
基于上述模型提取农作物种植面积空间分布后，可
进行分作物长势监测。NDVI是目前长势监测中应用最为
广泛的植被指数之一。本文主要选用NDVI的差值模型
来评价不同作物的长势情况。首先，根据作物生育期，
将近5 a每年同一时间每14 d的NDVI进行最大值合成，
之后求出5 a NDVI的平均值，然后应用差值模型，用2009
年每14 d的NDVI值减去多年同时段的NDVI值，求出
2009年NDVI与5 a NDVI平均值的差值。
R = NDVI09－NDVIaverage （1）
式中：R ——作物长势指数；NDVI09 ——2009年某时段
NDVI像元值；NDVIaverage ——多年NDVI的平均值，这
里是近5 a NDVI的平均值。
最后，根据R值的大小，对差值图进行分类计算，