【论文笔记】RS--基于卫星遥感的中国县级尺度小麦估产研究

最新推荐文章于 2025-05-19 20:18:50 发布

crushqqi

最新推荐文章于 2025-05-19 20:18:50 发布

阅读量2k

点赞数 4

分类专栏： crush的读书笔记文章标签：算法人工智能机器学习

本文链接：https://blog.csdn.net/crush111/article/details/124903736

版权

crush的读书笔记专栏收录该内容

11 篇文章

订阅专栏

RS//A Satellite-Based Method for National Winter Wheat Yield Estimating in China
基于卫星遥感的中国县级尺度小麦估产研究

1.摘要：

本研究采用基于卫星的植被生产模型(即涡流协方差光利用效率，EC-LUE)估算全国冬小麦总初级产量，并将该模型与收获指数（地上生物量与产量之比）相结合，将估算的冬小麦产量转化为产量。具体来说，考虑到收获指数的空间差异，我们采用交叉验证的方法对县、市、省间的冬小麦收获指数进行了反演。利用实地调查和统计产量数据，我们对模型的性能进行了评估，发现该模型可以解释实地调查区域和大多数行政单位中50%以上的产量空间变化。

2.introduction

多种方法已被用于估计作物产量：统计模型、机器学习算法、作物生长建模和基于光利用效率(LUE)的模型。统计模型依赖于作物产量与各种变量之间的回归，如归一化差异植被指数(NDVI)、增强的植被指数(EVI)和地表温度。统计模型在给定的研究区域内通常表现出良好的作物产量估算性能，但由于空间泛化有限，难以应用于大区域。机器学习算法不需要产量和预测变量之间的预设关系，通常表现出良好的性能。例如，最近的一项研究强调，机器学习算法可以在收获前4个月左右预测县级的产量。然而，机器学习算法的性能通常需要大量的观察来进行模型训练，并且模型是特定于给定的区域和周期的，无法直接支持其他区域和阶段。由于作物生长的复杂性和现有的知识差距，作物生长建模的大规模应用仍面临着巨大的挑战。例如，作物生长建模需要大量的模型参数来模拟作物的生理和生长过程，这使得它们难以在大规模应用中实现。

基于卫星的方法已被广泛用于模拟大面积的作物生产，受益于从卫星数据中获得的时间和空间上连续的作物生长信息。基于卫星数据的LUE模型是在大规模上定量作物产量的有力工具。基于GPP直接依赖于通过LUE吸收的光合活性辐射(APAR)的假设，设计了LUE模型来模拟植被总初级生产(GPP)。以往的研究已经验证了LUE模型在区域和全球尺度上模拟主要生态系统类型的GPP方面的性能。然后，通过计算GPP与收获作物器官的比值，进一步建立LUE模型来模拟作物产量。一些研究采用LUE模型模拟了各种作物的产量在区域尺度下及其时空变化。

基于MODIS-GPP产量(MOD17)，Reeves等人发现，估计的GPP和报告的小麦产量在美国的县级和气候区存在微弱的相关性，并强调了使用空间特异性收获指数的重要性。因此，估算空间异质性较大的作物产量，特别是在全国范围内，仍然是一个挑战。本研究旨在检验基于卫星的LUE模型(即EC-LUE)对量化中国冬小麦产量和产量的能力。

3.本研究的首要目标是基于:

（1）来检验模拟作物GPP的模型性能
(2) 评估EC-LUE模拟田间、县、市和专业地区冬小麦产量的准确性
(3) 调查在全国范围内对冬小麦产量的量化能力。
在这里插入图片描述

4.data:

为了尽可能提高卫星的观测频率，减少云层的影响，我们首先用最近邻法将哨兵2的NDVI重新采样到30m，以保持与陆地卫星图像一致的空间分辨率。然后，我们获得去除云后16天内所有有效像素的NDVI值，并获得16天合成的最大值，空间分辨率为30m。

此外，我们还使用了一种能够保留植被信号信息的S-Golay滤波器，对NDVI系列进行了平滑处理。EC-LUE模型的气象强迫数据，包括光合活动辐射(PAR)、气温(T)和蒸汽压不足(VPD)，来自欧洲中期天气预报中心(ECMWF)的中期报告(https://cds.climate.copernicus.eu/，于2021年10月16日访问)。VPD是根据Yuan等人的T和露点温度计算的。ECWMF的原始空间分辨率为0.1×0.1度，为了保持与NDVI相同的空间分辨率，我们还采用最近邻法将PAR、T和VPD重新采样到30m，并得到相应的16天平均值。