论文部分内容阅读
农田土壤空间异质性及人为水肥管理的差异是造成作物长势时空差异的两大原因，利用遥感技术实时对其诊断是当前农业生态环境遥感研究的热点问题，前人的研究工作基本上集中在利用NOAA遥感数据进行大范围的作物长势监测，有关农田水平的诊断监测研究少见报道。大尺度长势的监测其监测精度不够，对农田生产管理的指导具有局限性。
为此，本研究基于TM遥感影像的时空分辨率特点，在海河低平原区对应地测定冬小麦的拔节、孕穗、抽穗、灌浆4个关键生育期的叶片叶绿素相对含量，应用地统计学方法分析叶绿素相对含量和TM影像各波段灰度值时空变异特征，研究了其在农田尺度监测农作物长势的可行性，建立了遥感变量与叶片叶绿素相对含量的关系，根据研究区叶绿素相对含量与植被指数NDVI实现研究区内冬小麦在拔节与孕穗期的长势监测。其结果为农田生态系统可持续管理中合理应用遥感技术提供了可靠的依据，对高空间分辨率遥感信息的农业应用具有重要的现实意义。
在本项研究中，得出以下主要结论：(1)研究区内冬小麦叶绿素相对含量时间变化趋势是拔节期＜孕穗期＜抽穗期＜灌浆期；测定冬小麦叶片叶绿素含量的最佳时期为拔节期～孕穗期之间；
(2)4个生育期的叶绿素相对含量在空间上存在明显的异质性，且半方差模拟模型均属于球状模型，其变程介于145.4～320.0m之间。拔节期和孕穗期的TM遥感图像各波段(除TM6)像元灰度值在空间上也存在变异性，半方差曲线图遵从球状模型，灰度值在空间上具有强烈或中等的相关性，最大相关距离分别在3.1～5.61个像元之间，相当于93～168.3m。可见选用TM遥感影像进行农田尺度冬小麦长势的监测是可行的；
(3)在所选取的31个遥感变量，与像元相对应的地面测得的叶片叶绿素相对含量进行相关分析，得出两个生育期除TC1外与其他各变量相关性基本一致；在单波段中与TM4波段成正相关，且都达到了极显著水平，与其它波段均呈负相关，其中与TM2波段相关系数最大；与植被指数RVI、NDVI、DVI、SAVI(L=0.75)、MSADI呈显著或极显著正相关；与各波段之间的运算变量TM4/TM1、TM4/TM2、TM4/(TM3+TM4+TM5)、(TM4-TM2)/(TM2+TM3)呈显著或极显著正相关，与TM5/TM4呈极显著负相关；与TC2、TC3、TC2/TC1呈正相关，与1/TC2呈负相关；与PC2呈正相关，与PC1、PC3呈负相关；
(4)以叶片叶绿素相对含量为因变量，选取与叶绿素相对含量相关性达到显著水平以上的遥感变量作为自变量作逐步回归，得到拔节期和孕穗期叶绿素相对含量的模拟模型分别为：
SPAD=-1.1817*TM2+0.6030*TM5*TM7/TM3-584.4805*TM4/(TM3+TM4+TM5)-170.8827*TM5/TM4+448.8993;SPAD=0.4027*PC1-1.9032*TC2-72331.4261*1/TC2+753.5898；
(5)选取植被指数NDVI和反演得到的叶绿素相对含量作为监测指标，实现了研究区冬小麦在拔节期和孕穗期的长势监测，监测结果与实地调查基本一致。