基于时间序列HJ-1 A/B卫星数据的冬小麦成熟期预测

发布时间：2021-01-16 06:50

　　准确、及时地掌握大区域尺度的冬小麦成熟期信息能够为农业机械调度、优化农作物收割顺序提供重要的参考依据。以华北平原中部冬小麦为研究对象,首先使用2013年研究区冬小麦生育期内HJ-1 A/B CCD时间序列影像,通过线性插值构建像元尺度上逐日的时间序列NDVI,随后采用上包络线S-G滤波方法重构时间序列NDVI,通过动态阈值法逐像元提取冬小麦抽穗期;然后以抽穗至成熟期的有效积温模型为判别依据,利用欧洲中期天气预报中心（ECMWF）提供的日平均气温预报数据,实现未来10 d冬小麦成熟期的动态预测;最后采用农业气象站点的成熟期观测值对预测结果进行验证,重点对比分析了从不同成熟期预报起始时间点获得的冬小麦成熟期精度,以确定最优的预报起始时间点。结果表明:当预报时效小于等于10 d时,成熟期预测精度趋于稳定,因此,综合考虑确定提前10天对预测冬小麦成熟期在时效和精度上最优,平均误差为3 d。该方法为地块尺度的区域农作物成熟期预测提供了可参考的技术途径。 

【文章来源】：农业机械学报. 2016,47(11)北大核心

【文章页数】：7 页

【部分图文】：

研究区冬小麦种植区、农业气象站、地面基准气象站Fig．1Winterwheatplantingareas，agrometeorologicalstationsandmeteorologicalstationsinstudyarea

诘陌刖?L———滑动窗口所包括的数据点(即滤波器的长度)，等于窗口的宽度(2m+1)如果单独使用S-G滤波算法，时间序列曲线将变得比较平滑，但会造成序列上每一点的滤波结果总是位于周围极大值或极小值之间。然而由于作物不断生长引起的NDVI变化是十分平滑而连续的，而由于云、气溶胶等因素的影响造成的NDVI值变化则总是降低。因此，NDVI与作物生长连续变化过程中的不一致突降点都应该作为噪声消除。为达到这个目的，采用CHEN等［20］提出的基于上包络线S-G滤波来改进单纯使用S-G滤波后的冬小麦NDVI时间序列数据(图2)，步骤如下:(1)对初始的NDVI时间序列根据式(2)进行S-G滤波，得到平滑后的结果。并分别保存平滑前和平滑后的序列。(2)对比上一步的两个序列，生成新的序列作为初始序列，计算式为Nti=Oi(Ot－1i≥Nt－1i)Nt－1i(Ot－1i＜Nt－1i{)(3)式中O———初始NDVI值N———滤波后的NDVI值t———迭代次数i———NDVI时间序列索引(3)重复步骤(1)和步骤(2)，直到整个序列小于指定的阈值0.02。图2典型像元S-G上包络线滤波NDVI时间序列过程Fig．2S-GenvelopefilteringNDVItimeseriesprocessoftypicalpixel利用上包络线S-G滤波后的HJ-1A/B卫星NDVI时间序列曲线通过动态阈值法提取研究区冬小麦抽穗期具体日期，即NDVI达到最大值的日期。2.2抽穗-成熟期有效积温模型的构建选取研究区冬小麦生育期内2008—2012年农作物生长发育数据集和中国地面气候资料日值数据集进行建模。首先对每年第90天～第190天的地面基准气象数据进行插值，具体到各农业气象站点上;然后结合农业气象站点提供的抽穗、成熟普遍期日期计算各农业气象站点抽穗-成熟期的有效积温，并按照时间序列

图3遥感提取的冬小麦抽穗期空间分布图Fig．3Spatialdistributionofwinterwheatheadingstageretrievedfromremotesensing表2研究区冬小麦抽穗期和成熟期具体日期观测值与提取值、预测值的对比Tab．2Comparisonofwinterwheatobservedandexperimentalvaluesofheadingandmaturitystagesinstudyaread农业气象站抽穗期成熟期观测值提取值误差观测值预测值误差涿州市134130－4171166－5容城县131128－3170167－3河间市12913011611665深州市128126－21631641阜城县1241240165162－3南宫市1211243161160－1肥乡县11812351581613汤阴县11812021571603濮阳市12012111581613荷泽市11411511551572均方根误差2.63.2阳市、阜城县和河间市抽穗日期精度最高，误差在1d之内。3.2成熟期动态预测以5月25日、6月1日、6月5日、6月15日为起始预报日期，预测10d之后研究区冬小麦的成熟情况，如图4所示。研究表明研究区冬小麦，在6月25日全部成熟，从整体来看最早成熟的区域对应着最先抽穗的区域，即河南省北部和山东省南部，在6月上旬，研究区北部抽穗最迟，包括保定市和廊坊市，在6月中下旬。在成熟期动态预测的过程中，每天对数据进行预报和气象数据更新，以保证数据的实时性，并准确反映当前气象条件和最新的预报。6月15号预测到研究区冬小麦全部成熟，此时将冬小麦成熟期日期预测值与2013年农业气象站点的成熟期日期观测值进行对比，其中成熟期日期用年内的日序数表示，结果如表2所示。从表2可知，成熟期日期预测值与观测值较为一致，前后天数平均相差3d左右。其中深州市、南宫市成熟期日期误差在1d之内。3.3精度评价随着气象预报数据预报时效的延长，其精度也会相应降低，因此需探索最优的成熟期预报起始时间点，既满

【参考文献】：
期刊论文
[1]卫星遥感和积温-辐射模型预测区域冬小麦成熟期[J]. 黄健熙,牛文豪,马鸿元,苏伟,朱德海.  农业工程学报. 2016(07)
[2]基于时间序列MODISNDVI的冬小麦产量预测方法[J]. 黄健熙,罗倩,刘晓暄,张洁.  农业机械学报. 2016(02)
[3]基于环境减灾卫星及Landsat-8卫星的植被指数时间序列的水稻物候期提取研究（英文）[J]. Jing WANG,Jing-feng HUANG,Xiu-zhen WANG,Meng-ting JIN,Zhen ZHOU,Qiao-ying GUO,Zhe-wen ZHAO,Wei-jiao HUANG,Yao ZHANG,Xiao-dong SONG.  Journal of Zhejiang University-Science B（Biomedicine & Biotechnology）. 2015(10)
[4]顺序同化不同时空分辨率LAI的冬小麦估产对比研究[J]. 黄健熙,李昕璐,刘帝佑,马鸿元,田丽燕,苏伟.  农业机械学报. 2015(01)
[5]江淮下游地区籼粳超级稻生育期与温光资源利用特征的差异研究[J]. 龚金龙,邢志鹏,胡雅杰,张洪程,戴其根,霍中洋,许轲,魏海燕,高辉.  中国水稻科学. 2014(03)
[6]基于卫星遥感预测作物成熟期的可行性分析[J]. 蒙继华,吴炳方.  遥感技术与应用. 2013(02)
[7]江苏水稻安全成熟期的时空演变研究[J]. 徐晶晶,黎泉,李刚华,杜永林,赵竹青,王绍华,丁艳锋.  南京农业大学学报. 2013(04)
[8]冬小麦关键物候空间分布遥感监测方法研究[J]. 司文才,刘峻明.  中国农业科技导报. 2011(06)
[9]基于HJ-1A/1BCCD时间序列影像的水稻生育期监测[J]. 杨浩,黄文江,王纪华,杨贵军,屠乃美,杨小冬,王大成.  农业工程学报. 2011(04)
[10]基于HJ-1A/1B数据的冬小麦成熟期遥感预测[J]. 蒙继华,吴炳方,杜鑫,董泰峰,钮立明.  农业工程学报. 2011(03)

博士论文
[1]基于MODIS数据的作物物候期监测及作物类型识别模式研究[D]. 张明伟.华中农业大学 2006

硕士论文
[1]水稻成熟度和收获时期的高光谱监测[D]. 陈维君.浙江大学 2006



本文编号：2980357