基于多源遥感数据的我国冬小麦主产区作物茬覆盖度估算研究

Crop residue is the residual material in the field after harvest. Crop residue is an important part of farmland ecosystem which has significant effects on carbon, water, nitrogen cycle of farmland ecosystem and greenhouse gas emissions. The estimation of the crop residue coverage using remote sensing data still faces two critical problems: especially the synchronous remote sensing data is difficult to be acquired and great effects of soil variables and green vegetation. Objective of the project is to study these two critical problems for a practical solution. With the multi-source remote sensing data (e.g. Landsat-8 and MODIS) and the synchronization field observation experiments in the study areas (Dezhou city of Shandong province, Luoyang city of Henan province and Yangzhou city of Jiangsu province), we will improve the algorithm of a spatial and temporal adaptive reflectance fusion model (STARFM) to fuse the Landsat-8 and MODIS data, so as to obtain the 30 m Landsat-8 fusion images for estimation of crop residue coverage. As well as considering the influence of soil variables and green vegetation, we will put forward a modified crop residue spectral index (MNDTI) which is based on the Landsat-8 data, after the simulation analysis between the crop residue index with the ground observation data. A new estimation model for crop residue coverage is built through Cumulative Distribution Function (CDF) and Linear Mixing Model. The proposed method will realize the large area crop residue coverage mapping in the main winter wheat growing areas of China, and it will provide a scientific basis for the farmland ecosystem carbon cycle and the management for sustainable agricultural.

作物茬是农作物收割之后残留在耕地里的物质，是组成农田生态系统的重要部分，影响农田生态系统的碳、水、氮等物质的循环以及温室气体排放。本项目将针对现有作物茬覆盖度遥感估算面临的同步遥感数据难以获取、土壤变量和绿色植被对作物茬的影响等问题，开展深入研究，提出有效的解决方案。采用Landsat-8、MODIS等多源遥感数据，对时空自适应反射率融合模型（STARFM）进行改进，实现高时空分辨率影像融合，生成用于覆盖度估算的30米Landsat-8融合影像。开展典型实验区同步野外观测试验，提出一种考虑土壤变量和绿色植被影响的、基于Landsat-8影像的作物茬光谱指数（MNDTI）。尝试线性混合光谱模型和累积分布函数等技术，构建适合我国冬小麦主产区作物茬覆盖度估算算法，实现大区域尺度作物茬覆盖度制图，为精细化可持续农业管理和农田生态系统碳循环提供科学依据。

作物茬是农作物收割之后残留在耕地里的物质，是组成农田生态系统的重要部分，影响着农田生态系统的碳、水、氮等物质的循环。作物茬作为人类农业生产过程中可较为容易控制的生物参数，其对减缓温室气体排放、减缓水土流失、间接增加粮食产量都有着重要意义。开展大尺度冬小麦作物茬覆盖度遥感监测与评估，对于气候变化研究和保护性耕地管理具有重要的应用价值。.项目以我国冬小麦主产区黄淮海平原为研究区，采用Landsat-8 OLI、Sentinel-2、以及MODIS等多源遥感数据，开展了地面同步观测与采样处理、基于Landsat-8（或Sentinel-2）与MODIS影像的高时空数据融合、基于多源遥感数据的作物茬指数选择、黄淮海平原冬小麦作物茬覆盖度遥感估算与制图等方面的研究工作。.项目建立了研究区连续3年的（2017年、2018年、2019年）的作物茬相关参数数据集（136个采样点），将为构建适合黄淮海平原的作物茬覆盖度估算、农田碳储量反演等提供建模与验证数据；提出了一种基于MODIS与Landsat-8 OLI（Sentinel-2）的改进的时空数据融合模型（IFSDAF），可为冬小麦作物茬覆盖度估算提供可靠的卫星影像数据；通过Landsat-8 OLI、Sentinel-2、Sentinel-1等多种遥感影像数据与地面实测数据关联，探索了可用于研究区冬小麦作物茬监测的不同指数；通过分析不同变换形式的基于Sentinel-2影像数据归一化差值作物茬指数（NDI）与地面实测作物茬覆盖度的相关性，实现最优作物茬指数选择，构建了一种适用于大区域冬小麦作物茬估算模型，利用该模型实现了2019年基于Sentinel-2影像的黄淮海平原冬小麦作物茬覆盖度估算与制图，实验验证表明具有较好的估算结果（RMSE<15%）。研究成果将为气候变化模型的参数输入和耕地保护管理提供科学数据和决策依据。