基于星载SAR的冬小麦估产模型比较分析

doi:10.11924/j.issn.1000-6850.casb14110161

中国农学通报 ›› 2015, Vol. 31 ›› Issue (10): 256-260.doi: 10.11924/j.issn.1000-6850.casb14110161

所属专题：小麦

基于星载SAR的冬小麦估产模型比较分析

陈磊¹,范伟^2,3,4,陈娟¹,荀尚培^2,3,4,何彬方^2,3,4,张宏群^2,3,4,任竹¹

(¹安徽省农业科学院农业经济与信息研究所,合肥 230031；²安徽省气象科学研究所遥感研究室,合肥 230031；³安徽省大气科学与卫星遥感重点实验室,合肥 230031；⁴农业气象灾害评估与风险转移联合实验室,合肥 230031）

收稿日期:2014-11-26 修回日期:2014-12-23 接受日期:2015-01-23 出版日期:2015-05-05 发布日期:2015-05-05
通讯作者: 范伟
基金资助:
国家自然科学基金资助项目“气象探测环境代表性的高分辨率卫星遥感评估方法研究”(41205126)；安徽省农业科学院学科建设与宏观农业研究项目“基于RADARSAT-2和HJ星的安徽省淮河流域冬小麦估产模型研究”(13A1424)；安徽省农业科学院院长青年创新基金“基于小麦乳熟期星载合成孔径雷达估产模型研究”(14B1460)；安徽省农业科学院安徽省农业灾害风险分析研究科技创新团队(14C1409)。

Comparative Analysis of Winter Wheat Yield Estimation Model Based on SAR

Chen Lei¹, Fan Wei^2,3,4, Chen Juan¹, Xun Shangpei^2,3,4, He Binfang^2,3,4, Zhang Hongqun^2,3,4, Ren Zhu¹

(¹Institute of Agricultural Economics and Information, Anhui Academy of Agricultural Sciences, Hefei 230031; ²Anhui Institute of Meteorology and Sciences, Hefei 230031;³Key Laboratory of Atmospheric Sciences and Satellite Remote Sensing of Anhui Province, Hefei 230031;⁴Joint Laboratory of Impact Assessment of Agrometeorological Disaster and Risk Transfer, Hefei 230031)

Received:2014-11-26 Revised:2014-12-23 Accepted:2015-01-23 Online:2015-05-05 Published:2015-05-05

摘要/Abstract

摘要： 旨在让农业部门等提前预知小麦产量，从而准确判断粮食生产形式，制订相关政策。应用2014年4月中旬和5月初星载合成孔径雷达(SAR)——RADARSAT-2各一幅，选择安徽省寿县和怀远县冬小麦产区，通过试验田产量和反演的雷达影像后向散射系数，建立冬小麦线性估产模型，在此基础上对2013和2014年估产模型精度进行比较。结果表明：通过星载SAR的同极化HH和交叉极化HV方式建立的估产模型对寿县涧沟镇冬小麦估产精度分别为68.37%和74.01%，对怀远县龙亢镇冬小麦估产精度分别为63.10%和69.10%。特别是针对倒伏区域冬小麦估产模型精度差异进行理论详细分析，指出冬小麦大面积倒伏区域，基于交叉极化(HV)估产模型精度高于同极化(HH)估产模型精度。最后指出将来可选择四极化SAR影像，针对不同的生长方式有针对性的选择不同极化方式进行估产。模型结果分析结论为将来冬小麦估产模型参数纠正及推广奠定基础和积累经验。

关键词: 黄瓜, 黄瓜, 枯萎病, 综合防治

Abstract: The study aims to inform agriculture administrators of winter wheat yield in advance, thus formulate food production form and relevant policy. Experimental fields of winter wheat yield data in May before harvest, and the synthetic aperture radar(SAR) double polarized—RDARSAT-2 that were photographed in April and May in Shouxian and Huaiyuan County in Huaihe River Region were adopted for winter wheat yield estimating. The liner yield estimating models were established by adopting backscattering coefficient and experimental fields yield. Then precision of yield estimating models of 2013 and 2014 were compared. Yield estimating models established by co-polarized (HH) and cross-polarized (HV) were adopted for winter yield estimating in Shouxian County, their precision were 68.37% and 74.01%, respectively, and their precision were 63.10% and 69.10% in Huaiyuan County, respectively. Yield difference of winter wheat in the lodging region was analyzed in detail. The precision of yield estimating model based on cross-polarized (HV) was higher than that based on co-polarized (HH). Finally, the four polarized SAR image would be chosen for yield estimating according to different winter wheat growth patterns. The results of this model analysis could form the research base and gather experience for parameter correction and popularizing of winter wheat yield models.

陈磊,范伟,陈娟,荀尚培,何彬方,张宏群,任竹. 基于星载SAR的冬小麦估产模型比较分析[J]. 中国农学通报, 2015, 31(10): 256-260.

Chen Lei,Fan Wei,Chen Juan,Xun Shangpei,He Binfang,Zhang Hongqun and Ren Zhu. Comparative Analysis of Winter Wheat Yield Estimation Model Based on SAR[J]. Chinese Agricultural Science Bulletin, 2015, 31(10): 256-260.

参考文献

[1] Giuseppe S. Discrimination of Wheat Crop by Using Co-Polarized Ratio Derived from ASAR Data[J]. Italian Journal of Remote Sensing, 2010,42(1):27-36.
[2] 李华朋,张树清,孙妍.合成孔径雷达在湿地资源研究中的应用[J].自然资源学报,2010,25(1):148-154.
[3] Smith A M, Eddy P R, Bugden-Storie J, et al. Multipolarized Radar for Delineating Within-Field Variability in Corn and Wheat[J]. Canada Journal of Remote Sensing, 2006, 32(4): 300-313.
[4] Fabio D F. Wheat Cycle Monitoring Using Radar Data and a Neural Network Trained by a Model[J]. Ieee Transactionson Geoscienceand Remote Sensing, 2004, 42(1):35-44.
[5] Parul P, Hari S S, Ranganath R N. Estimating Wheat Yield An Approach for Estimating Number of Grains Using Cross-Polarised ENVISAT-1 ASAR Data[C]// Microwave Remote Sensing of the Atmosphere and Environment V, Proceeding of SPIE.India:Vol. 6410, 2006,641009,1-12.
[6] Heinzel V. Synergetic Use of Optical and ERS-2 Data For Crop Yield Retrieval[A]. Proceedings of the 2nd Workshop of the EARSeL SIG on Land Use and Land Cover, Center for Remote Sensing of Land Surfaces, Bonn[C].2006: 240-247.
[7] Jongschaap R E E, Schouten L S M. Predicting Wheat Production at Regional Scale by Integration of Remote Sensing Data with a Simulation Model[J].Agronomy for Sustainable Development, 2005(25):181-189.
[8] Dente L, Rinaldi M, Mattia F, et al. Retrieval of Wheat LAI And Yield Maps From ENVISAT ASAR AP Data: Matera Case Study[C]// AIP Conference Proceedings. Naples,Italy: 2005,852(1): 250-257.
[9] 刘浩,邵芸,王翠珍.多时相Radarsat数据在广东肇庆地区稻田分类中的应用[J],国土资源遥感,1997(4):1-6.
[10] 李坤,邵芸,张风丽.基于多极化机载合成孔径雷达(SAR)数据的水稻识别[J] .浙江大学学报:农业与生命科学版,2011,37(2):181-186.
[11] 谭炳香,李增元.SAR数据在南风水稻分布图快速更新中的应用方法研究[J].国土资源遥感,2000(1):24-27.
[12] 曾琪明,焦健,郭红艳,等.星载SAR图像的稻田耕地系数实验研究[J].国土资源遥感,2003(4):13-16.
[13] 李岩,彭少麟,廖其芳,等. RADARSAT SNB SAR 数据在大面积水稻估产中的应用研究[J].地球科学进展,2003,18(1):109-115.
[14] Li Y, Liao Q F, Li X, et al. Towards an Operational System for Regional-Scale Rice Yield Estimation Using a Time-Series of Radarsat ScanSAR Images [J]. International Journal of Remote Sensing,2003,24(21): 4207-4220.
[15] 李坤,邵芸,张风丽.基于RadarSat-2全极化数据的水稻识别[J].遥感技术与应用,2012,27(1):86-93.
[16] 谭正,刘湘南,张晓倩,等.作物生长模型同化SAR数据模拟作物生物量时域变化特征[J].中国农学通报,2011,27(27):161-167.
[17] 张晓倩.基于全极化SAR数据的水稻识别与作物参数估算模型[D].北京:中国地质大学(北京),2012.
[18] 张晓倩,郭琳,马尚杰,等.利用时序合成孔径雷达数据监测水稻叶面积指数[J].农业工程学报,2014,30(13):185-193.
[19] 化国强.基于全极化SAR数据玉米长势监测及制图研究[D].南京:南京信息工程大学,2011.
[20] 高俊明.SAR图像预处理及小麦参数反演平台设计与实现[D].成都:电子科技大学,2012.
[21] 李成钢.冬小麦散射特性及参数反演研究[D].成都:电子科技大学,2013.
[22] 白黎娜,王琫瑜,田昕,等.基于多时相ENVISat ASAR数据的冬小麦识别方法—以北京通州试验区为例[J].遥感技术与应用,2010,25(4):458-463.
[23] 蔡爱民,邵芸,李坤,等.冬小麦不同生长期雷达后向散射特征分析与应用[J].农业工程学报,2010,26(7):205-212.
[24] 范伟,荀尚培,杨元建,等.星载SAR在涡阳县冬小麦测产中的应用[J].遥感技术与应用,2013,28(6):1101-1106.
[25] 范伟,陈磊,荀尚培,等.基于双极化双时相的RADARSAT-2冬小麦估产模型研究[J].中国农学通报,2014,30(20):284-289.
[26] 何彬方,范伟,刘惠敏,等.基于MODIS数据的安徽省土地覆盖分类研究[J].红外技术,2007,29(11):651-656.

基于星载SAR的冬小麦估产模型比较分析

Comparative Analysis of Winter Wheat Yield Estimation Model Based on SAR

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	韩亚静, 王欣宇, 历佳月, 黄群义, 王瀚婷, 叶乐夫, 付雪. 2种叶面肥对黄瓜-蓟马的影响[J]. 中国农学通报, 2022, 38(34): 113-119.
[2]	吕薇, 李胜男, 冯国军, 杨晓旭, 刘畅, 闫志山, 刘大军. 外源褪黑素降低黄瓜体内霜霉威残留的生理生化分析[J]. 中国农学通报, 2022, 38(28): 107-113.
[3]	李小艳, 倪畅, 刘旭. 不同防治方法对设施黄瓜根结线虫的防治效果[J]. 中国农学通报, 2022, 38(25): 130-133.
[4]	贺磊, 孙恩惠, 邓涛, 雍宬, 范肖东, 黄红英. 樟树加工剩余物育苗容器对黄瓜幼苗生长及生理特征的影响[J]. 中国农学通报, 2022, 38(25): 38-46.
[5]	张河庆, 吴婕, 韩帅, 席亚东, 李跃建, 梁根云. 4种周年轮作模式对耕作层土壤微生物的影响[J]. 中国农学通报, 2022, 38(20): 73-80.
[6]	银珊珊, 周国彦, 顾博文, 武春成, 闫立英, 谢洋. 褪黑素引发对干旱胁迫下黄瓜幼苗生理特性的影响[J]. 中国农学通报, 2022, 38(19): 30-36.
[7]	魏倩倩, 郑瑞瑞, 陈云坤, 胡春艳, 冯雪, 曹挥. 3种植物提取物对6种枯萎病菌的生物活性研究[J]. 中国农学通报, 2021, 37(9): 155-159.
[8]	韩帅, 吴婕, 张河庆, 梁根云, 席亚东. 黄瓜新炭疽病原的鉴定及生物学特性初探[J]. 中国农学通报, 2021, 37(28): 96-108.
[9]	杨淼泠, 张维, 韦秋合, 施李鸣, 国圆, 张克诚, 葛蓓孛. 大豆菌核病研究进展[J]. 中国农学通报, 2021, 37(27): 90-99.
[10]	赵自超, 赵时锋, 张宏启, 张海兰, 郭兵, 姚利. 菌渣还田对设施瓜菜产量、品质和土壤肥力的影响[J]. 中国农学通报, 2021, 37(19): 112-118.
[11]	赵立群, 田雅楠, 曹玲玲, 曹彩红. 北京、河北、山东黄瓜穴盘商品苗壮苗指数及霜霉病快速抽样检测研究[J]. 中国农学通报, 2021, 37(19): 47-51.
[12]	李英, 杜春梅. 致病性尖孢镰刀菌毒力因子的研究进展[J]. 中国农学通报, 2021, 37(12): 92-97.
[13]	刘琳, 袁仁文, 张蕊, 王强, 马喜玲, 李珊珊, 范淑英. 芥菜提取物对西瓜枯萎病菌的抑菌活性及抑菌谱测定[J]. 中国农学通报, 2020, 36(4): 130-134.
[14]	张心青, 张萧萧, 杨传伦, 郭南南, 马娜娜, 蔡倩倩, 王秀芝. 一株对番茄枯萎病有拮抗作用的枯草芽孢杆菌的ARTP诱变与筛选[J]. 中国农学通报, 2020, 36(26): 44-49.
[15]	袁英哲, 罗明, 韩剑, 潘亚南. 甜瓜种子中黄瓜花叶病毒和小西葫芦黄花叶病毒的RT-LAMP可视化检测方法[J]. 中国农学通报, 2020, 36(20): 107-113.