简介
利用遥感技术预估某一农作物产量的方法。农作物遥感估产是基于绿色植物的光谱特性及其在遥感器各个不同谱段产生不同的响应，因而在遥感图像上人们可进行不同作物的种类和长势的信息提取，并可进一步计算各类作物种植面积。绿色植物的这种光谱特性，利用其红谱段(R)和红外谱段(IR)的反射率的特征，求出绿度值，如IR/R和R-IR/R+IR等，用以找出与植物(作物)长势、盖度及生物产量等相关的光谱模式。
农作物的总产量是农作物的种植面积(或收获面积，下同)与农作物的单位面积产量的乘积。这是传统的估产基本计算公式，也是农作物遥感估产的计算公式。按照这一公式，必须测定某一项农作物的种植面积和该项作物的单位面积产量。
农作物种植面积遥感测定 一般采用以下方法：①抽样调查法。通常按成数抽样法调查估产区某种作物种植面积。先根据历年作物种植面积占总土地面积的成数和设计的抽样精度，按公式
求出抽样样点数(实际工作中，n可按计算值增加10%)。式中：n为样本单元数;P为作物种植(或收获)面积占土地总面积的成数;t为可靠性指标，当可靠性为95%时，t=1.96;E为相对误差限，当调查的种植面积的精度为95%时， E=0.05。然后将样点按等距布设在1：5万的TM图像上，在室内对TM图像上的样点进行判读，确定样点所在位置的地类属性，分类登记、汇总，获得属于所要调查的作物的样点数与总样点数的比值。最后将此比值乘以总土地面积即得该项作物的种植面积。作为布设样点的TM图像，要选取对进行估产的作物和其同期生长的其他作物识别最有利的图像，这是在TM图像上判读分类的关键。必要时还要进行图像增强处理工作，以突出估产作物的影像特征，提高判读精度。抽样调查法也可在1：1万～1：5万比例尺地形图上或土地利用图上配合航空像片进行。在地形图或土地利用图上按等距布设样点，利用最近摄影的航空像片判读出样点所在位置的地类属性。如无近期航空像片，则使用前几年的像片按图上的样点位置到实地调查该点的地类属性。然后汇总统计抽样点落在估产作物地块上的点数，计算估产作物的种植面积。②利用数字图像处理技术计算作物种植面积。此方法也必须选用分辨率高、并应选择估产的作物与其同期生长的其他作物影像差异最大的时相的图像资料，利用计算机图像处理系统，经几何纠正、影像增强和在图像上圈定估产区的范围后，进行图像分类处理，按分类结果的各类像元数量和每个像元的面积值计算所估产的作物的种植面积。③选用美国诺阿卫星(NOAA)的高级甚高分辨率辐射计(AVHRR)数据估测作物种植面积。北京大学遥感技术应用研究所在1986～1989年曾利用AVHRR数据估测冬小麦的种植面积。采用AVHRR的第1、第2通道的两个主要的植被信息，滤除土壤背景的干扰，用垂直植被指数PVI作为光谱参数，继而计算混合像元中小麦种植面积所占的面积比率，最后根据所获得的混合像元中小麦面积比的信息，按像元所在的地理位置计算像元的几何尺寸，进而计算每一个像元的冬小麦的面积和整个估产区总的冬小麦种植面积。
农作物单位面积产量遥感估测 可采用的方法有：①利用地面光谱资料进行单产估测。美国、日本等国家用这种方法对不同地区、不同品种的作物进行了研究;中国也曾在一些县的范围内进行了水稻、小麦、大豆连续几年的估产试验。试验结果表明，农作物光谱和农作物的各种参量，如叶面积指数、生物量及其最后产量有密切的相关，尤其在农作物绿叶繁茂时期(抽穗前)的红谱段R和红外谱段IR的光谱反射率的比值(R/IR)与实际产量的相关更为密切。实验证明，农作物的长势与环境各种因素有关，而各因素对作物的影响又反映在作物的光谱反射率上。所以，用光谱参数的变化能够很好地反映出农作物的长势，进而达到对农作物长势监测和估产的目的。用测得的农作物红谱段R和红外谱段IR的光谱反射率的比值与该作物的叶面积、生物量以及最后产量进行回归，可获得单位面积产量的数学模型，用该模型就可对作物进行单位面积产量估测。②由作物的长势测定其单位面积产量。农作物的长势主要由该地区的水分和热量、土壤条件、病虫害状况、管理水平等因素决定。由气象卫星资料和陆地卫星资料获得的作物长势，进而可建立单位面积产量模型。
北京大学遥感技术应用研究所，通过多年地面实验，证明了冬小麦的产量构成可分为三个相对独立的形成过程，即冬小麦从返青至抽穗期为单位面积内穗数的形成过程，穗的数量取决于冬前的水肥条件和积温;从抽穗至扬花末期为冬小麦每穗粒数的确定过程，子粒数量取决于孕穗期至此时冬小麦光合作用的强弱;从扬花末期至乳熟末期为冬小麦子粒增重过程，该时期冬小麦光合作用能量大小及能量转移速率决定了千粒重。通过上述分析，他们分别将冬小麦的亩穗数、子粒数和千粒重以及由这三项因素构成的单位面积产量建立了遥感估产模型。地面试验产生的上述各模型尚不能满足大面积冬小麦估产的需要，因为各地的地貌、气候、环境、小麦品种、土壤类型、土壤水分、肥力、农艺措施等各不相同，因此他们考虑了影响成穗、每穗平均子粒数和千粒重的各种因素，分别对上述各模型进行相应的修正。将估产区内遥感数据有冬小麦的像元进行提取，用修正后的单产模型进行计算，得出各像元内冬小麦的平均产量。
英文
remote sensing for crop yield estimation