专利名称：利用遥感和地理信息系统技术实现小麦品质监测预报方法
技术领域：
本发明涉及一种利用遥感和地理信息系统技术监测预报小麦品质的技术方案，属于信息技术领域。能直接应用于小麦栽培管理、小麦指导收购和分类加工。
背景技术：
小麦是我国主要粮食作物，根据市场变化及加入WTO的需要，我国农业种植结构正在大幅调整，小麦生产已开始由单纯追求高产模式向优质、专用和高效的方向转变。小麦籽粒品质的优劣是由品种特性与栽培环境共同决定的。国外发达国家主要通过选用优质生化组分含量高的品种(产前)，采取规模化种植相对统一的管理措施(产中)，使收获子粒间品质差异较小，最后通过实施分类收购、分类加工(产后)，使加工品质提高。国产小麦中尽管不乏各种优质类型，但由于缺乏品种区划以及模式化栽培程度低，不同的地块间籽粒品质差异较大，混合收获使加工品质大大降低。同一优质品种在产量水平接近的前提下，因不同肥水组合带来的品质等级差价达15-20％；二是面粉加工企业对收获前小麦品质的大面积快速低成本检测技术需求迫切。
小麦籽粒的主要成分为淀粉和蛋白质，对同一品种而言，二者的含量与组分比例在很大程度上决定了籽粒品质。小麦蛋白质品质是对小麦营养品质和加工品质都有重要影响的指标，是小麦国际贸易和品质评价的基本指标。目前，根据小麦籽粒内在生化组分的差异分类收购、加工和配粉，可以提高面粉附加值20％以上，室内检测分析方法虽然较为准确，但因其破坏性的采样手段，需要样点量多而费时、费工，检测分析成本极高而无法应用。
遥感(Remote Sensing，RS)是不直接接触物体本身，从远处通过仪器(传感器)探测和接收来自目标物体的信息(如电场、磁场、电磁波、地震波等信息)，经过信息的传输及其处理分析，识别物体的属性及其分布等特征的技术。近些年来，RS迅速发展，大量高空间、时间和光谱分辨率影像广泛应用于资源环境、农业、军事等领域。利用RS可以实时、大范围、无破坏地探测地表状况，实现了由“点状信息”向“面状信息”的革命。利用遥感监测作物品质可以有两种方法一是直接法，二是间接法。对于茶叶、烟叶、牧草、饲用玉米等作物，其叶片或茎秆是经济产量的重要组成部分，叶片或茎秆内部的生化组分如氮素(可以换算成粗蛋白质)等是评价品质的重要指标，可以直接建立某个时相下遥感数据与叶片或茎秆生化组分间的相关关系，进而评估其品质状况。而水稻、小麦、普通或高油玉米、大豆等作物，其籽粒是构成经济产量的收获对象，叶片或茎秆的生化组分不能直接作为评价品质的指标，因此通过获取小麦籽粒成熟期的遥感影像来监测品质，目前还近乎无法实现。
作物生理学研究表明，籽粒中蛋白质合成所需的氮素则约80％来自开花前植株积累氮的再动员，20％来自开花后植株从土壤吸收的氮素。前者可通过测定植株中氮化合物含量的变化动态来计算，而后者亦可从植株中氮素营养水平中反映出来，而植株中氮素营养水平及其变化动态可以通过遥感监测实现，这为利用遥感间接监测小麦籽粒蛋白质提供了理论基础。然而决定小麦品质的因素是复杂的。一方面是影响小麦品质的生化组分的多样性；另一方面是决定品质形成的遗传与环境作用的复杂性。这样通过简单的间接反演监测不能够达到预期的效果。为此，本发明采用综合模式，以小麦栽培农艺学知识为基础，以遥感和地理信息系统(Geographical Information System，GIS)为技术手段，通过建立遥感数据与叶片或茎秆生化组分间的相关关系，以叶片或茎秆生化组分与籽粒品质指标间的非遥感模型为链接，依据小麦不同生长发育时期获取的影像数据和地理信息系统背景数据实现小麦品质监测预报。

发明内容
为了克服目前人工室内样品测试分析费时、费工和高成本点源小麦品质监测的不足，以及单独利用遥感影像直接或间接监测小麦籽粒品质的艰难性，本发明在现有小麦品质影响因素研究成果的基础上，运用遥感和地理信息系统监测小麦品质形成的关键因子及病虫害、倒伏等障碍因子和小麦长势，建立小麦籽粒品质形成的监测预报模型，并利用影响品质形成的主要因子进行综合评价实现小麦品质的无损监测预报，实现了实时、大面积的小麦品质监测预报，该监测预报结果精度能够达到地块水平(即可以监测出具体地块的小麦品质状况)，为小麦优质生产决策和粮食流通和加工企业提供技术和信息指导。
本方法以小麦生长的生理学原理为基础，以遥感和地理信息系统技术为支持，解决了实时、大面积的小麦品质监测预报。为实现这一目标，本方法主要解决了用于实时、大面积的小麦品质监测预报的主要影响因子的选择、基于农艺学知识的小麦品质监测模型建立及品质影响因素的遥感实现问题，具体包括(1)通过小麦品质形成的影响因素和现阶段遥感与地理信息系统技术水平，选择了土壤质地、小麦生育期、小麦品种、植株含水量、土壤有效含水量、小麦长势等作为小麦品质监测预报的主要因子，以及影响小麦品质形成的偶发性障碍因子，如小麦倒伏、小麦病虫害、关键生育期重要环境条件(如小麦灌浆期过高的冠层温度和过多的降雨等)。
(2)利用中高分辨率卫星遥感影像监测小麦植株水分、冠层温度、小麦长势及营养状况等影响小麦品质形成的相关因子，建立相关的遥感反演模型，这是实现小麦品质监测的前提和基础。
小麦生育后期是籽粒品质形成的最重要时期，而其中影响最大的是抽穗期到乳熟期的土壤有效含水量，对于土壤有效含水量监测一般通过监测土壤表层水分实现，而当前利用卫星遥感监测土壤表层水分主要针对裸土或稀疏植被覆盖条件，对于高植被覆盖一般利用微波遥感实现；另一方面，土壤水分并不能够准确反映的作物的水分胁迫状况(或旱情状况)。本专利通过小麦生长的生理学原理，建立不同生育期对应的土壤有效含水量和植株水分、冠层温度之间的分段函数，解决了土壤有效含水量的遥感监测问题，也解决了小麦旱情监测问题。
(3)农学模型与遥感模型的有效链接问题。遥感的优势在于多尺度、多角度、多波段、多时相地提供大范围的对地观测数据，使我们有可能及时获取地表特征信息——归一化植被指数(NDVI)、冠层温度、亮度指数和地表辐射温度等遥感参量，并通过遥感模型和先验知识介入的遥感定量反演，进一步获取地表特征参数——地表反射率、叶面积指数(LAI)、叶绿素含量、地面组分温度、土壤水分含量、小麦植株和冠层理化参量等。但直接获取小麦籽粒成熟期的遥感影像来监测品质，目前还近乎无法实现，只能依据其他生长发育时期获取的影像数据进行推测。根据小麦品质形成的生理学原理，将小麦品质形成因素与现有的遥感监测作物冠层温度、作物长势和生化组分等的研究成果相结合，建立了基于遥感参量的小麦籽粒品质形成的监测预报模型。这是本发明实现小麦品质监测预报中解决的关键问题。
该方法首先通过遥感定量分析手段监测小麦各关键生育期的影响小麦品质形成的关键因素(土壤有效含水量、小麦长势、植株含水量)及其障碍因子(小麦倒伏、小麦病虫害、关键生育期的严重胁迫环境条件，如小麦灌浆期过高的冠层温度和过多的降雨等)，并将障碍因子发生地块从优质小麦区域中排除；然后通过小麦品质监测预报模型实现对小麦品质正常区域内小麦的品质状况。因此，该方法能够同时检测出影响小麦品质形成的障碍因子分布区域及影响程度和小麦籽粒品质特性。
小麦品质监测预报技术方案主要分为以下五步实现第一步，小麦种植面积提取，根据多时相NDVI和地理信息系统背景数据和相关先验知识提取小麦种植面积。地理信息系统背景数据包括历年小麦种植分布、土地利用、土地覆盖和地形数据，结合先验知识(如前一年为林地的区域，本年度应该不是小麦种植区域)，利用这些数据辅助遥感信息分类，提高小麦种植分布的提取精度。
第二步，小麦品质监测模型相关遥感参量及影响小麦品质形成主要因素的监测。包括小麦冠层温度、小麦植株含水量、叶片和植株蛋白质含量、归一化植被指数(NDVI)等反映小麦长势和营养状况的指标。小麦各遥感参量反演模型是根据小麦不同生育期建立的。
第三步，小麦品质障碍因子排除。根据已建立的遥感模型和实时获取的影像数据，对监测区域内农田及植被进行定量解析，将已发生诸如灌浆期水分过多、冠层温度过高超过阈值，较大面积病害或倒伏等障碍性影响较严重的田块，从正常区域中排除。此项作业既可以单独进行，也可以作为其他方法的基础。
第四步，遥感模型与农学模型链接。这一关键步骤是建立小麦品质形成主要影响因素与反映小麦长势、营养状况的遥感参量之间的联系，通过模型链接能够利用遥感影像及时获得反映小麦生理生化和土壤环境状况，构建相关链接模型。本方法中最典型的是建立基于遥感反演的小麦冠层温度和小麦植株水分与土壤有效含水量之间模型链接，实现关键生育期对小麦品质形成有重要影响的土壤有效含水量的监测。
第五步，根据小麦面粉具体应用，建立相关的品质综合评价模型，通过小麦品质综合评价模型对品质正常区域内小麦进行综合评价，而有障碍因子发生的区域作为品质差的区域，最后输出小麦品质监测预报结果。其评价因子获取方式包括通过遥感监测获取(土壤有效含水量、小麦长势、小麦植株含水量)、地理信息系统中存储的背景数据(土壤质地、小麦品种)、根据小麦生长生理学原理获取(小麦生育期)。小麦生育期不参与小麦品质的综合评价，但小麦生育期直接影响小麦各遥感参量反演模型的建立。
本方法能够实时、大面积的监测小麦籽粒品质特性，并同时检测出影响小麦品质形成的障碍因子分布区域及影响程度、小麦长势和营养状况。由于方法有助于政府部门制定合理的政策，指导农民进行优质生产，并帮助粮食经销商及粮食加工企业进行正确的经营决策，经济效益和社会作用明显，而使用成本不高，政府、较大的大粮食经销商及粮食加工企业是潜在用户，应具有良好的市场前景。同时我国行将发射系列地球资源卫星，这一方面迫切需要卫星信息的解译技术，另一方面也使应用成本进一步降低，本研究成果无疑具有极高的潜在商业价值。


图1为利用遥感和地理信息系统监测预报小麦品质的技术路线。其数据源主要有遥感、地理信息系统和知识(如根据小麦生长生理学原理获取小麦生育期)。其中障碍因子排除是可选的，当有障碍因子发生时才进行该步骤；品质形成农学模型是根据品质形成的关键因子分析后，利用选取的品质评价关键因子建立的品质评价模型。
图2是在小麦抽穗期，利用TM陆地卫星遥感影预测的小麦蛋白质含量分布图，并根据据测小麦蛋白质含量分为四个等级制作成蛋白质等级分布图。
图3是在小麦整个生育期间，利用不同生育期的TM陆地卫星遥感影监测的障碍因子综合分布图，表示小麦品质形成障碍因子分布状况，主要包括倒伏严重、病害严重、灌浆期温度过高(超过32℃)和长势极差等四个因子。
图4是在小麦抽穗期，利用TM陆地卫星遥感影监测获取的小麦品质预报等级分布图。其结果是以自然地块的形式提供，反映地块内部小麦品质平均水平。
具体实施例方式
现结合实例对本发明作进一步说明，即利用TM卫星遥感影像对北京郊区进行小麦品质监测预报首先，在冬小麦抽穗期、灌浆期和乳熟期获得3期TM遥感影像，并用抽穗期和灌浆期的归一化植被指数和以往的小麦种植区域分布及土地利用信息提取了小麦种植区域。
其次，并分别利用TM第五波段(TM5)反演了小麦植株水分、TM第六波段(TM6)反演小麦冠层温度、可见光和近红外波段(TM2、TM3、TM4)反演了反映小麦长势的归一化植被指数等指标和小麦植株和叶片的碳氮含量等小麦植株生化指标。
第三，小麦品质形成障碍因子发生区域监测提取，根据该年北京郊区小麦的具体情况分别对小麦条锈病、倒伏和灌浆期过高温度区等三个障碍因子的监测提取。
(1)小麦倒伏区监测提取。利用灌浆期和乳熟期TM卫星遥感影像的可见光波段(TM7)和近红外波段(TM4)监测了小麦倒伏区域及其灾害程度。小麦倒伏后茎秆和叶片在探测视场中的比例及植株组分的受光条件发生了变化，其冠层光谱特性也随之发生改变。光谱反射率随倒伏角度的增加而增加，可见光波段的相对增幅高于近红外波段。基于该原理建立了利用归一化差异植被指数NDVI(X)反演倒伏角度(Y1)及倒伏指数(Y2)的模型Y1＝-1998.2x+1784.7 R2＝0.612**(n＝22)Y2＝-1.5462x+1.6868 R2＝0.789**(n＝11)根据此模型并利用倒伏发生前后2个时相的LandSat ETM卫星影像，成功反演了小麦倒伏的发生程度，经田间调查验证该模型具有较高的可靠性。
(2)小麦条锈病害区监测提取。小麦条锈病区与正常区的冠层光谱在可见光及近红外平台处有着特征性差异，据此建立了利用红边位置(X)反演冬小麦条锈病病情指数(Y)的相关模型Y＝-3.031x+2262.7 R2＝0.843**(n＝20)根据以上模型，利用灌浆期TM影像的TM7和TM4反演了小麦条锈病的病情指数，并利用病情指数阈值提取了小麦条锈病严重发生区。
(3)灌浆期冠层温度过高区监测提取。利用灌浆期TM卫星遥感影像的TM第六波段(TM6)反演小麦冠层温度，并根据小麦生长的生理学原理，将冠层温度大于35℃的区域提取出。
在小麦品质监测中，可以将上述小麦品质形成障碍因子发生区域从正常区域中排除，从而提高小麦品质监测预报的准确度和效率。
最后，遥感模型与农学模型链接及小麦综合评价，输出小麦品质监测预报信息。
根据北京郊区小麦种植的特点(主要以强筋和高蛋白小麦为主)，选择了影响小麦的品质的主要因子及其排序，包括品种、长势、植株含水量、土壤有效含水量、土壤质地等，并建立了强筋小麦品质综合评价模型，根据上述因子对籽粒品质形成的贡献率大小赋予不同的权重。对于遥感参量，根据大量地面试验建立的统计模型或机理模型归一化赋值；对于非遥感参量通常根据先验知识赋值，如品种根据主要生化组分含量等综合评价赋值，而土壤质地归一化根据GIS基础数据赋值。小麦品质综合监测模型如下y＝Ax1+Bx2+Cx3+Dx4+Ex5式中A、B、C、D、E分别为品种、小麦长势(用NDVI表达)、植株含水量(冠层温度)、土壤有效含水量和土壤质地的权重，如对于强筋小麦的品质监测，赋予权重系数A＝0.4；B＝0.25；C＝0.15；D＝0.15；E＝0.05。X1、X2、X3、X4、X5分别表示品种、小麦长势(NDVI)、植株含水量(冠层温度)、土壤有效含水量和土壤质地的归一化值。
通过卫星影像数据建立麦田冠层的叶绿素、氮素等生化组分以及温度、水分反演模型，并与农学模型链接。在上述品质综合评价模型中，小麦长势用TM遥感影像直接获得的NDVI，即(TM4-TM3)/(TM4+TM3)；植株含水量用冠层温度(TC)来反映，冠层温度由TM卫星遥感影像热红外波段TM6(x)反演获得，其反演模型如下Y＝-1.0647x+39.449 R2＝0.657**(n＝20)土壤表层含水量SM(Y)可以通过NDVI、冠层温度综合分析获得，这里通过TM影像的获得的归一化土壤水份指数NDWI(x)反演获得，x＝(TM4-TM5)/(TM4+TM5)，反演模型为Y＝-0.2843x+23.509 R2＝0.2369*(n＝20)品种归一化根据先验知识赋值，如中优9507＝5；京9428＝4；京冬8＝3；京411＝2。土壤质地归一化根据GIS基础数据赋值，如壤土＝5；重壤土＝4；沙壤土＝3；粘土＝2；沙土＝1。
长势归一化值与小麦生育期有很大关系，灌浆期长势归一化如下当0.2≤NDVI或NDVI＞0.8时，取值为1；0.2＜NDVI≤0.35时，取值为2；0.35＜NDVI≤0.5时，取值为3；0.5＜NDVI≤0.65时，取值为4；0.65＜NDVI≤0.8时，取值为5。
植株含水量归一化值也与小麦生育期有很大关系，灌浆期植株含水量归一化如下当TC＜20℃或TC＞35℃时，取值为0；当20℃≤TC＞23℃时，取值为1；当23℃≤TC＞26℃时，取值为2；当26℃≤TC＞29℃时，取值为3；当29℃≤TC＞32℃时，取值为4；当32℃≤TC＞35℃时，取值为5。
土壤有效含水量归一化值是一个与土壤质地和小麦生育期都有紧密相关的分段函数，灌浆期土壤有效含水量归一化如下(1)沙土当SM＜2.7％或SM＞15.2％时，取值为0；当2.7％≤SM＞5.2％时，取值为1；当5.2％≤SM＞7.7％时，取值为2；当7.7％≤SM＞10.2％时，取值为3；当10.2％≤SM＞12.7％时，取值为4；当12.7％≤SM＞15.2％时，取值为5；(2)沙壤土当SM＜5.4％或SM＞20％时，取值为0；当5.4％≤SM＞8.2％时，取值为1；当8.2％≤SM＞11％时，取值为2；当11％≤SM＞13.8％时，取值为3；当13.8％≤SM＞16.6％时，取值为4；当16.6％≤SM＞20％时，取值为5；(3)壤土当SM＜10.8％或SM＞20.8％时，取值为0；当10.8％≤SM＞12.8％时，取值为1；当12.8％≤SM＞14.8％时，取值为2；当14.8％≤SM＞16.8％时，取值为3；当16.8％≤SM＞18.8％时，取值为4；当18.8％≤SM＞20.8％时，取值为5；(4)重壤土当SM＜13.5％或SM＞22.4％时，取值为0；当13.5％≤SM＞15.2％时，取值为1；当15.2％≤SM＞17％时，取值为2；当17％≤SM＞18.8％时，取值为3；当18.8％≤SM＞20.7％时，取值为4；当20.7％≤SM＞22.4％时，取值为5；(5)粘土当SM＜17.3％或SM＞24％时，取值为0；当17.3％≤SM＞18.5％时，取值为1；当18.5％≤SM＞19.7％时，取值为2；当19.7％≤SM＞20.9％时，取值为3；当20.9％≤SM＞22.1％时，取值为4；当22.1％≤SM＞24％时，取值为5；通过以上综合评价模型计算小麦的品质综合指数，生成了地块级的小麦品质等级分布信息。
权利要求
1.一种利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是利用中高分辨率多光谱遥感影像监测小麦生化组分和障碍因子，利用地理信息系统技术，结合小麦栽培农艺学模型和知识评价预报小麦品质，依次包括以下步骤(1)小麦种植面积提取，根据多时相NDVI和历年小麦种植分布、土地利用、土地覆盖和地形提取小麦种植面积；(2)小麦品质监测模型相关遥感参量反演及影响小麦品质形成主要因素的监测；(3)小麦品质障碍因子监测与排除，障碍因子包括小麦倒伏、小麦病虫害、关键生育期的严重胁迫环境条件，如小麦灌浆期过高的冠层温度和过多的降雨；(4)遥感模型与农学模型链接，建立小麦品质形成主要影响因素与反映小麦长势、营养状况的遥感参量之间的联系，通过模型链接能够利用遥感影像及时获得反映小麦生理生化和土壤环境状况，构建相关链接模型；(5)根据小麦面粉具体应用，对监测预报区域内进行小麦品质综合评价，输出小麦品质监测预报结果。
2.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是由其籽粒是构成经济产量的作物品质监测预报，具体包括水稻、普通或高油玉米、大豆。
3.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是步骤(2)中，通过小麦生长的生理学原理，利用中高分辨率多光谱遥感影像小麦植株水分和冠层温度监测土壤有效含水量。
4.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是步骤(3)中，利用中高分辨率多光谱遥感影像监测小麦倒伏。
5.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是步骤(3)中，从小麦种植区域中将存在品质形成障碍因子区域从品质正常区域中排除，障碍因子包括小麦倒伏、小麦病虫害、关键生育期的严重胁迫环境条件，小麦灌浆期过高的冠层温度和过多的降雨。
6.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是步骤(4)中，建立小麦品质形成主要影响因素与反映小麦长势、营养状况的遥感参量之间的联系，链接遥感模型与农学模型，构建小麦品质遥感监测链接模型。
7.根据权利要求1所述利用遥感和地理信息系统技术实现小麦品质的监测预报方法，其特征是步骤(5)中，选择品种、长势、植株含水量、土壤有效含水量、土壤质地五个因子作为不同生育期小麦品质综合评价因子，建立小麦品质综合评价预报。
全文摘要
本发明是一种利用遥感和地理信息系统技术实现小麦品质的监测预报方法，克服了目前人工室内样品测试分析费时、费工和高成本点源小麦品质监测的不足，以及单独利用遥感影像直接或间接监测小麦籽粒品质的艰难性。本方法采用综合模式，以小麦栽培农艺学知识为基础，以遥感和地理信息系统为技术手段，监测小麦品质形成的关键因子及病虫害、倒伏、关键生育期的严重胁迫环境条件等障碍因子和小麦长势；通过建立小麦品质形成主要影响因素与反映小麦长势、营养状况的遥感参量相关关系，链接遥感模型与农学模型，构建小麦品质遥感监测链接模型；依据品质评价模型，利用小麦不同生长发育时期获取的影像数据和地理信息系统数据实现小麦品质监测预报。
文档编号G01N35/00GK1704758SQ20041004262
公开日2005年12月7日 申请日期2004年5月28日 优先权日2004年5月28日
发明者王纪华, 赵春江, 潘瑜春, 刘良云, 黄文江, 宋晓宇 申请人:北京农业信息技术研究中心