基于多角度遥感观测的作物苗情定量监测方法

Information of crop condition plays an important role in farmland management, crop yield forecasting, food security and other related fields. However, vegetation index based crop condition monitoring method always suffers from saturation of vegetation index during peak growing season especially for irrigated crops. Also, the existing method only provides relative information (for instance, above average, average or below average) but cannot draw conclusion on the actual status of crops. This project aims to solve the above-mentioned problems through the following way: based on the multi-angle spectral observations from field, unmanned aerial vehicle (UAV), and satellite, bio-direction reflection features of wheat canopy will be analyzed, and several different multi-angle indices will be developed to relieve the saturation of traditional vegetation index. Then, semi-empirical or physical kernel-based bidirectional reflectance distribution function (BRDF)model will be introduced to retrieve the BRDF model parameters for GaoFen 4 (GF-4). Based on the BRDF model parameters, multi-angle vegetation index for GF-4 will be derived and used for LAI retrieval. Crop condition assessment model will be developed based on the classification of LAI. Through this research, new crop condition assessment method will be built which can provide useful information both for production outlook and precision farming practices.

作物长势信息在田间管理、作物产量预测及粮食安全等领域意义重大。但现有作物长势监测方法主要采用植被指数数据作为信息源，在作物生长高峰时段植被指数多处于饱和状态；同时当前的作物长势遥感监测只能提供相对于参考年份的作物长势“好、持平、差”等年际间相对信息，无法有效指示作物实际生长状况。本项目针对以上问题，基于星-机-地协同多角度观测数据，分析小麦冠层二向反射特性，对比不同形式的多角度植被指数对冠层叶面积指数（LAI）垂直分布的表征能力以及植被指数饱和现象的改善程度，结合双向反射分布函数模型参数构建基于高分四号（GF-4）数据的多角度植被指数，基于该指数发展作物叶面积估算模型以及基于叶面积指数的作物苗情分级模型，为粮食生产形势宏观判断、精准指导农业生产提供全面的长势信息服务。

农作物长势信息是田间管理、作物产量预测以及粮食安全预警等领域的重要参量。然而，现有作物长势监测多采用植被指数作为判定指标，其在作物生长高峰时段多处于饱和状态，对作物长势表征能力弱的缺陷。项目通过对11种已经证实在局部区域应用效果较好的植被指数与地面观测获得的生物量数据进行回归分析，发现即便是加入红边波段的植被指数仍然不可避免的出现作物生长高峰期植被指数信号饱和现象。项目通过对目标作物田块的环绕飞行、双机平行飞行，获取了0°、15°、30°、45°天顶角，以及每个天顶角下8个方位角的多光谱影像数据（含红边波段），航测时同步开展地面作物生理参量野外观测；以多角度航拍数据分析获得的冷热点分布特征为依据，提出了热点和冷点反射率差值的归一化冷热点指数（NDHD），并与归一化红边植被指数（NDVIre）相结合，构建了冷热点归一化红边植被指数（HD_NDVIre），发现该指数显著改善了植被指数与生物量间的非线性关系，在生物量高值区仍呈现极高的线性关系，在馆陶试验区的地面观测生物量与HD_NDVIre的线性回归的判定系数高达0.9654，比NDVIre和生物量的线性回归判定系数显著提升了0.11，表明项目发展的HD_NDVIre指数能够在作物生长高峰时段准确监测作物生物量。基于项目研发的HD_NDVIre指数开展了馆陶研究区作物生物量的准确提取，并依托作物生物量实现了具有生物学意义的作物苗情监测。但项目也发现了该指数在低植被覆盖度状态下受土壤背景影响较大的不足，未来需要进一步改进。.项目考虑到单一作物苗情监测方法或多或少存在一定的缺陷，发展了引入耕地种植状况的作物长势评估方法，消除年度间耕地轮作造成的作物长势伪信息；提出了生育期最佳植被状况指数用于作物长势定量监测，克服了大范围作物物候差异、年度间物候偏移导致长势监测在年度间、空间上可比性差的缺陷；并于多角度指数及其他长势监测方法相结合，形成了多指标结合的作物苗情综合监测方法，该方法以业务化应用于项目组运行的全球农情遥感监测云平台（CropWatch），实现全球及不同国家和地区的作物长势遥感监测，精确、及时的为粮食生产形势预测、粮食进出口计划的制定以及粮食期货贸易的分析提供科学依据。.项目组发表7篇学术论文，其中3篇SCI期刊文章，并申请获得2项作物长势相关国家发明专利。