全 文 ：基于遥感和地统计学方法的小麦生长管理分区*
黄摇 彦摇 朱摇 艳摇 马孟莉摇 王摇 航摇 曹卫星摇 田永超**
(南京农业大学江苏省信息农业高技术研究重点实验室, 南京 210095)
摘摇 要摇 以江苏省如皋市和海安县冬小麦种植区域为研究对象,将基于小麦不同生育时期 30
m分辨率的 HJ鄄1A / B CCD影像提取的归一化植被指数(NDVI)与土壤养分指标(全氮、有机
质、有效磷、速效钾)分布状况有机结合,在空间变异性分析和主成分提取的基础上进行聚类
分区.结果表明,基于抽穗期 NDVI与土壤养分指标耦合的分区方法效果最佳,分区后各子区
域内部 NDVI值和土壤养分指标的变异系数分别在 4郾 5% ~ 6郾 1%和 3郾 3% ~ 87郾 9% ,低于单
纯基于土壤养分指标或 NDVI进行分区的子区域内部的变异系数,大大缩小了区域管理单元
内部的变异性.分区结果能提高按区管理作业的精度,可为区域性小麦生长管理和过程模拟
奠定基础.
关键词摇 遥感摇 地统计摇 空间变异摇 主成分分析摇 管理分区
文章编号摇 1001-9332(2011)02-0376-07摇 中图分类号摇 S127摇 文献标识码摇 A
Defining of wheat growth management zones based on remote sensing and geostatistics.
HUANG Yan, ZHU Yan, MA Meng鄄li, WANG Hang, CAO Wei鄄xing, TIAN Yong鄄chao (Jiangsu
Key Laboratory for Information Agriculture, Nanjing Agricultural University, Nanjing 210095, Chi鄄
na) . 鄄Chin. J. Appl. Ecol. ,2011,22(2): 376-382.
Abstract: Taking the winter wheat planting areas in Rugao City and Haian County of Jiangsu Prov鄄
ince as test objects, the clustering defining of wheat growth management zones was made, based on
the spatial variability analysis and principal component extraction of the normalized difference vege鄄
tation index (NDVI) data calculated from the HJ鄄1A / B CCD images (30 m resolution) at different
growth stages of winter wheat, and of the soil nutrient indices (total nitrogen, organic matter, avail鄄
able phosphorus, and available potassium). The results showed that the integration of the NDVI at
heading stage with above鄄mentioned soil nutrient indices produced the best results of wheat growth
management zone defining, with the variation coefficients of NDVI and soil nutrient indices in each
defined zone ranged in 4郾 5% -6郾 1% and 3郾 3% -87郾 9% , respectively. However, the variation co鄄
efficients were much larger when the wheat growth management zones were defined individually by
NDVI or by soil nutrient indices, suggesting that the newly developed defining method could reduce
the variability within the defined management zones and improve the crop management precision,
and thereby, contribute to the winter wheat growth management and process simulation at regional
scale.
Key words: remote sensing; geostatistics; spatial variability; principal component analysis; man鄄
agement zone defining.
*教育部新世纪优秀人才支持计划项目(NCET鄄08鄄0797)、国家自然
科学基金项目(30871448)、江苏省自然科学基金项目(BK2008330)
和江苏省创新学者攀登项目(BK2008037)资助.
**通讯作者. E鄄mail: yctian@ njau. edu. cn
2010鄄06鄄28 收稿,2010鄄11鄄19 接受.
摇 摇 地形地貌、土壤养分等因素的空间变异常导致
作物生产潜力、养分利用效率和环境效应的差异.因
此,对具有较大空间变异的区域进行管理分区是近
年来精确农业研究的热点[1] . 在管理分区的基础上
实施肥料变量投入和进行管理调控可提高管理精度
和养分利用效率,获得较好的经济效益. Koch 等[2]
研究证明,与常规管理相比,在管理分区的基础上实
施变量投入可节省氮肥 6% ~ 46% ,净收益可增加
18郾 2 ~ 29郾 6 美元·hm-2 .管理分区将作物与土壤等
参数有机联系,可有效应用于作物的生长模拟,如
Miao等[3]在管理分区的基础上,利用 CERES鄄Maize
进行区域尺度玉米产量的模拟,精度达 90%以上.
应 用 生 态 学 报摇 2011 年 2 月摇 第 22 卷摇 第 2 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Feb. 2011,22(2): 376-382
管理分区可采用多种数据源,如 Johnson 等[4]、
Moral等[5]、Li 等[6]以土壤电导率定义了区域性管
理分区;白由路等[7]和黄绍文等[8]以土壤主要养分
指标(如 N、P、K、Mn和 Zn)的含量对县域地块进行
了管理分区划分;Kravchenko 等[9]将地形与土壤有
机质含量、阳离子交换量、P、K含量等土壤属性数据
相结合进行了分区研究;李翔等[10]基于区域尺度多
年小麦产量的空间变异定义了管理分区. 作物生长
信息综合反映了作物与土壤等环境因素的相互作
用,基于作物生长信息的空间变异进行管理分区可
达到较好效果[11],如李翔等[12]利用高光谱影像
OMIS数据反演的小麦长势差异数据进行了管理分
区研究;Li 等[13]将基于 SPOT鄄5 的 NDVI 数据与土
壤电导率、全氮、有机质、阳离子交换量等相结合,对
海涂围垦盐碱地进行管理分区取得了初步成果. 目
前,基于遥感信息和土壤养分指标相结合的管理分
区研究还不深入.为此,本文以优质弱筋小麦主产区
江苏如皋市和海安县为研究区域,以不同时期
HJ鄄1A / B CCD影像和土壤养分指标数据(全氮、有
机质、有效磷和速效钾)为数据源,在对 NDVI 和土
壤养分指标的空间变异进行分析和主成分提取的基
础上,利用聚类算法 Isodata 对 NDVI、土壤养分指标
及两者综合数据集分别进行管理分区研究,并建立
了基于遥感和地统计学方法的小麦生长管理分区方
法,旨在为区域尺度小麦生长管理和过程模拟提供
技术支撑.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
江苏省如皋市(32毅16忆1义 N,120毅34义4义 E)和海
安县(32毅33忆13义 N,120毅27忆14义 E)地处江淮平原东
南部,属我国优质弱筋小麦主产区,地势平坦,海拔
1 m左右.该区属北亚热带湿润季风气候,年均气温
14郾 5 益,年均降水量 1050 mm,年均无霜期 200 d.
2009 年如皋市和海安县小麦种植面积分别约为
4郾 43伊104 和 3郾 65伊104 hm2 .
1郾 2摇 遥感影像的获取与处理
本文所用遥感图像包括研究区 2009 年 4 月 6
日(冬小麦拔节期)、2009 年 4 月 22 日(冬小麦抽穗
期)、2009 年 5 月 5 日(冬小麦灌浆期)的 HJ鄄1A / B
CCD影像(30 m空间分辨率),2009 年 4 月 1 日(冬
小麦拔节期)的 SPOT鄄5 HRV 影像(10 m 空间分辨
率). SPOT鄄5 HRV 影像空间分辨率高,可更有效地
将冬小麦从油菜等其他作物区别开来,从而较准确
提取小麦种植面积. HJ鄄1A / B 影像源于中国资源卫
星应用中心网,SPOT鄄5 HRV 影像通过数据订购获
得.
利用 40 个地面 GPS 控制点对 SPOT鄄5 影像进
行几何精校正,基于校正后的 SPOT鄄5 影像校正
HJ鄄1A / B CCD 影像. 采用 ENVI 4郾 7 软件自带的
FLAASH模块对 SPOT鄄5 影像进行大气校正,以经验
线性法[14]对 HJ鄄1A / B影像进行大气校正.
1郾 3摇 小麦冠层 NDVI的提取
结合野外定点调查结果和地面实测光谱数据,
对 10 m伊10 m的 SPOT鄄5 HRV影像进行监督分类和
反射率阈值分割[15],提取冬小麦种植面积信息,将
结果重采样为 30 m伊30 m 像元大小后对 HJ鄄1A / B
CCD影像进行掩膜处理,得到研究区冬小麦反射率
数据.最后由 HJ鄄1A / B CCD的反射率影像计算得到
相应的 NDVI图像. NDVI的计算公式如下:
NDVI=(Rnir-Rred) / (Rnir+Rred)
式中:Rnir为近红外波段的反射率,对应HJ鄄1A / B
CCD 第 4 波段; Rred为红光波段的反射率,对应
HJ鄄1A / B CCD第 3 波段.
1郾 4摇 土壤数据的获取
研究区土壤全氮、有机质、有效磷、速效钾含量
数据由江苏省农林厅土肥站提供,为 2000 年土壤普
查数据,共 5106 个取样点(图 1),数据点间最小距
离在 10郾 2 ~ 1430郾 0 m,均值为 396郾 4 m.
1郾 5摇 数据分析方法
采用地统计学处理软件 GS+ 7郾 0,对 NDVI 和土
壤属性数据的区域总体空间变异性进行统计分
图 1摇 研究区土壤取样点的空间分布
Fig. 1摇 Spatial distribution of soil sampling points in the study
area.
7732 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 黄摇 彦等: 基于遥感和地统计学方法的小麦生长管理分区摇 摇 摇 摇 摇 摇
析[16],然后利用针对大样本的偏度峰度联合检验
法[17]检测土壤属性数据的正态性,对不符合正态分
布的数据经对数转换后进行半方差分析;最后根据
得到的半方差函数模型,采用 ArcGIS 9郾 2 软件的
Geostatistical Analysis模块进行普通克里格插值(Or鄄
dinary Kriging)得到各土壤属性指标的空间分布图,
并重采样为与 NDVI数据相同的空间分辨率(30 m伊
30 m).
采用 ArcGIS的 Band Collection Statistics模块对
NDVI与各土壤养分指标进行相关性分析,并对二
者进行数据标准化处理[18],然后采用 ArcGIS 中
Principal Components 模块进行主成分分析. 利用
ENVI软件提供的 Isodata 模块进行聚类分区,并以
ArcGIS的 Zonal Statistics as Table 模块对分区结果
及各分区中 NDVI和土壤养分指标变异状况进行分
析.
变异系数的公式为:
CV=SD / M伊100%
式中:SD 为标准差;M 为均值. CV<10% ,为低变异
性;CV为 10% ~100% ,为中等变异性;CV>100% ,
为高变异性[19] .
数据标准化公式为:
X i忆 =
X i - E(X i)
Var(X i)
式中:X i忆为标准化后的值;X i 为原始值;E(X i) 为均
值;Var(X i) 为方差.
2摇 结果与分析
2郾 1摇 小麦冠层 NDVI 和土壤养分指标的空间变异
性分析
由表 1 可以看出,研究区小麦冠层 NDVI 变异
系数在 5郾 1% ~ 12郾 9% ,属低变异性;土壤全氮、有
机质、有效磷和速效钾的变异系数在 10% ~ 100% ,
均属中等变异性[19] .对土壤养分数据进行正态性检
验的结果表明,各指标均在 琢 = 0郾 01 水平上非正态
分布,但经自然对数转换后均接近于正态分布,转换
后的变异系数在 10郾 7% ~ 147郾 9% . 利用半方差函
数对研究区各土壤养分指标(全氮、有机质、有效
磷、速效钾)的 5106 个样本进行空间自相关性分析,
结果表明,高斯模型对半方差值的拟合效果最好
(图 2),全氮、有机质、有效磷、速效钾拟合模型的 r2
表 1摇 小麦冠层 NDVI和土壤养分指标的统计特征
Table 1摇 Statistical characteristics of NDVI and soil nutrient indices
变量
Variable
值域
Value range
均值
Mean
中值
Median
标准差
SD
变异系数
CV(% )
偏度 (标准误)
Skewness (SE)
峰度(标准误)
Kurtosis (SE)
拔节期 NDVI
NDVI at jointing stage
0郾 10 ~ 0郾 77 0郾 60 0郾 62 0郾 08 12郾 9 0郾 70(0郾 002) -1郾 03(0郾 005)
抽穗期 NDVI
NDVI at heading stage
0郾 29 ~ 0郾 72 0郾 62 0郾 62 0郾 04 6郾 7 1郾 35(0郾 002) -0郾 94(0郾 005)
灌浆期 NDVI
NDVI at grain filling stage
0郾 21 ~ 0郾 75 0郾 62 0郾 63 0郾 05 7郾 6 2郾 48(0郾 002) -1郾 06(0郾 005)
全氮含量
Total nitrogen content (g·kg-1)
0郾 18 ~ 2郾 44 1郾 25 1郾 11 0郾 37 29郾 3 0郾 07(0郾 03) 0郾 96(0郾 07)
对数转换后的全氮含量
Total nitrogen content transformed
by natural logarithm
-1郾 72 ~ 0郾 89 0郾 19 0郾 05 0郾 27 147郾 9 -0郾 10(0郾 03) 0郾 44(0郾 07)
有机质
Organic matter (g·kg-1)
8郾 10 ~ 37郾 30 18郾 33 16郾 79 5郾 91 32郾 3 0郾 23(0郾 03) 0郾 93(0郾 07)
对数转换后的有机质含量
Organic matter content transformed
by natural logarithm
2郾 09 ~ 3郾 62 2郾 86 1郾 23 0郾 31 10郾 7 -0郾 58(0郾 03) 0郾 34(0郾 07)
有效磷含量
Available phosphorus content
(mg·kg-1)
1郾 50 ~ 69郾 00 14郾 45 9郾 31 12郾 72 88郾 0 3郾 23(0郾 03) 1郾 84(0郾 07)
对数转换后的有效磷含量
Available phosphorus content transformed
by natural logarithm
0郾 41 ~ 4郾 23 2郾 37 16郾 86 0郾 76 32郾 0 -0郾 54(0郾 03) 0郾 39(0郾 07)
速效钾含量
Available potassium content (mg·kg-1)
21郾 89 ~ 236郾 00 82郾 31 72郾 00 41郾 83 50郾 8 0郾 33(0郾 03) 0郾 94(0郾 07)
对数转换后的速效钾含量
Available potassium content transformed
by natural logarithm
3郾 09 ~ 5郾 46 4郾 29 0郾 97 0郾 50 11郾 7 -0郾 88(0郾 03) 0郾 07(0郾 07)
873 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
图 2摇 土壤养分指标半方差值
Fig. 2摇 Semi鄄variance of soil nutrient indices.
a)全氮 Total nitrogen; b)有机质 Organic matter; c)有效磷 Available phosphorus; d)速效钾 Available potassium; C0:块金值 Nugget; C0 +C:基台值
Sill; A0:变程 Range; n:样本数 Sample number.
分别为 0郾 99、0郾 99、0郾 96 和 0郾 99,块基比分别为
15郾 4% 、13郾 7% 、15郾 2%和 6郾 2% ,表现出强烈的空
间自相关性[20],故适用基于空间自相关模型的克里
格方法进行空间插值. 研究区小麦冠层 NDVI 空间
差异性较小,而对数转换后的各土壤指标的空间变
异较大,均表现为海安县较高而如皋市较低,这可能
与土壤类型不同有关(图 3). 小麦冠层 NDVI 与土
壤养分指标的空间变异趋势不尽相同,将两者结合
进行管理分区可综合区域土壤养分指标的变异特征
与 NDVI所反映的实时性、综合性特征.
2郾 2摇 小麦冠层 NDVI 与土壤养分指标的相关分析
和主成分分析
对研究区小麦冠层 NDVI与土壤养分指标进行
相关分析的结果表明,小麦拔节期、抽穗期和灌浆期
冠层 NDVI与土壤全氮、有机质、有效磷和速效钾含
量的相关系数依次为:0郾 087、0郾 045、0郾 097、0郾 069
(拔节期)和 0郾 066、0郾 004、0郾 134、0郾 084(抽穗期)以
及 0郾 252、0郾 221、0郾 263、0郾 291(灌浆期),总体相关
程度不高,这可能因为影像数据获取时间与土壤取
样时间差异较大,加之小麦 NDVI的影响因素(作物
生长状况、太阳辐射状况和当季农田水肥条件等)
较多[21] .因此,在数据标准化的基础上,进一步将反
映小麦长势的冠层 NDVI与土壤养分指标进行主成
分分析,结果显示,基于各时期小麦冠层 NDVI 与土
壤养分指标分析得到的前 2 个主分量的累积贡献率
均在 88%左右,包含了各组数据绝大部分的原始信
息.从主成分载荷矩阵中可以看出,土壤养分指标在
第 1 主分量上的载荷较大,而 NDVI 在第 2 主分量
上的载荷较大,各组数据类似(表 2).对 4 个土壤养
分指标进行主成分分析的结果表明,第1、第2主分
表 2摇 抽穗期 NDVI和土壤养分指标在主分量上的载荷系数
Table 2摇 Factor loadings of NDVI at heading stage and soil nutrient indices for the principal components
NDVI
获取日期
NDVI date
主分量
Principal
component
NDVI 全氮
Total
nitrogen
有机质
Organic
matter
有效磷
Available
phosphorus
速效钾
Available
potassium
2009鄄04鄄06 1 -0郾 032 -0郾 517 -0郾 506 -0郾 475 -0郾 499
2 -0郾 998 -0郾 009 0郾 019 -0郾 002 0郾 056
2009鄄04鄄22 1 -0郾 049 -0郾 517 -0郾 505 -0郾 475 -0郾 499
2 -0郾 996 0郾 024 0郾 072 -0郾 027 0郾 025
2009鄄05鄄05 1 -0郾 044 -0郾 517 -0郾 505 -0郾 475 -0郾 500
2 -0郾 992 0郾 046 0郾 099 -0郾 068 0郾 004
9732 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 黄摇 彦等: 基于遥感和地统计学方法的小麦生长管理分区摇 摇 摇 摇 摇 摇
图 3摇 研究区冬小麦抽穗期 NDVI和土壤养分指标的空间分布
Fig. 3摇 Spatial distribution of winter wheat NDVI at heading stage and soil nutrient indices in the study area.
a)抽穗期 NDVI NDVI at heading stage; b)全氮 Total nitrogen; c)有机质 Organic matter; d)有效磷 Available phosphorus; e)速效钾 Available potas鄄
sium. 土壤全氮、有机质、有效磷、速效钾均为自然对数转换后的值 The values of soil total nitrogen, organic matter, available phosphorus and availa鄄
ble potassium had been transformed by natural logarithm.
图 4摇 基于聚类分析的小麦生长管理分区
Fig. 4摇 Wheat growth management zones based on cluster analysis.
a)拔节期 NDVI和土壤养分指标 NDVI at jointing stage and soil nutrient indices; b)抽穗期 NDVI 和土壤养分指标 NDVI at heading stage and soil
nutrient indices; c)灌浆期 NDVI和土壤养分指标 NDVI at grain filling stage and soil nutrient indices; d)土壤养分指标 Soil nutrient indices; e)抽穗
期NDVI NDVI at heading stage.
量累积贡献率为 93郾 9% ,土壤全氮、有机质、有效磷
和速效钾含量在第 1 主分量上的载荷系数分别为
-0郾 52、-0郾 51、-0郾 48、-0郾 50.
2郾 3摇 基于聚类分析的小麦生长管理分区
采用 Isodata算法分别对研究区小麦冠层 NDVI
和土壤养分指标进行主成分分析得到的第 1、第 2
主分量图像、土壤养分指标主成分分析得到的第 1、
第 2 主分量图像和 NDVI图像 3 组数据进行聚类分
析,聚类参数设置为类别数量范围 5 ~ 20、最大迭代
次数 20 次、变换阈值为 5,聚类均得到 5 个子区域.
由图 4 可以看出,基于小麦冠层 NDVI 和土壤养分
指标耦合与单纯基于土壤养分指标的管理分区结果
的结构相似,而单纯基于小麦冠层 NDVI 的子区域
聚集度不高、斑块较破碎;抽穗期和灌浆期小麦冠层
NDVI分别与土壤养分指标耦合进行分类的结果相
似,而基于拔节期小麦冠层 NDVI 与土壤养分指标
耦合的分类结果则有所差异. 对分区后各子区域中
小麦冠层 NDVI 和土壤养分指标进行差异统计分
析,结果表明(表 3),基于抽穗期小麦冠层 NDVI 和
土壤养分指标耦合分区的各子区内各参数的变异系
数小于基于拔节期和灌浆期小麦冠层 NDVI 和土壤
养分指标耦合分区的各子区内相应参数的变异系
数,显著小于单纯基于土壤养分指标和单纯基于小
麦冠层 NDVI 分区的各子区内相应指标的变异系
数,并远小于整个区域小麦冠层 NDVI 和土壤养分
指标的变异系数. 表明基于抽穗期小麦冠层 NDVI
和土壤养分指标耦合进行管理分区后,各子区内小
麦冠层 NDVI和土壤养分指标的变异较小,具有较
好的空间一致性,取得了较好的分区结果.
3摇 结摇 摇 论
以往以土壤养分指标等作为数据源定义作物管
理分区的研究较多[4-9],综合反映作物与环境因素
相互作用的遥感信息亦能达到很好的分区效
果[11-13],但将二者结合进行管理分区的研究目前还
鲜有报道.本文在空间变异性分析和主成分分析的
基础上,将土壤养分指标与小麦不同生育期的 NDVI
影像有机结合,采用应用广泛的 Isodata 算法进行管
理分区研究,取得了较好的分区结果,各子区内部小
麦冠层 NDVI和土壤养分指标的异质性显著小于单
083 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
表 3摇 不同分区方法下各子区中抽穗期 NDVI和土壤养分指标的统计分析
Table 3摇 Statistics of NDVI at heading stage and soil nutrient indices in each sub鄄zone based on different methods of zone
definition
分区方法
Methods of
zone definition
分区
Zone
NDVI
平均值
Mean
标准差
SD
变异
系数
CV(% )
lnTN
平均值
Mean
标准差
SD
变异
系数
CV(% )
lnOM
平均值
Mean
标准差
SD
变异
系数
CV(% )
lnAP
平均值
Mean
标准差
SD
变异
系数
CV(% )
lnAK
平均值
Mean
标准差
SD
变异
系数
CV(% )
拔节期 NDVI和土壤 1 0郾 63 0郾 03 5郾 2 0郾 47 0郾 13 28郾 1 3郾 18 0郾 16 5郾 1 2郾 87 0郾 36 12郾 6 4郾 71 0郾 18 3郾 7
养分指标 2 0郾 56 0郾 04 6郾 4 0郾 28 0郾 22 79郾 0 2郾 99 0郾 24 8郾 2 2郾 51 0郾 50 19郾 8 4郾 52 0郾 35 7郾 7
NDVI at jointing stage and 3 0郾 62 0郾 04 5郾 7 0郾 13 0郾 09 71郾 0 2郾 80 0郾 10 3郾 7 2郾 33 0郾 34 14郾 7 4郾 37 0郾 21 4郾 9
soil nutrient indices 4 0郾 62 0郾 03 5郾 3 -0郾 03 0郾 02 71郾 0 2郾 61 0郾 12 4郾 7 1郾 82 0郾 26 14郾 1 3郾 81 0郾 20 5郾 3
5 0郾 58 0郾 04 6郾 6 -0郾 02 0郾 02 117郾 5 2郾 64 0郾 13 4郾 7 1郾 82 0郾 26 14郾 3 3郾 85 0郾 21 5郾 6
抽穗期 NDVI和土壤 1 0郾 62 0郾 03 5郾 7 0郾 53 0郾 10 19郾 4 3郾 25 0郾 12 3郾 8 2郾 87 0郾 37 12郾 9 4郾 74 0郾 17 3郾 6
养分指标 2 0郾 62 0郾 03 5郾 2 0郾 26 0郾 10 38郾 2 2郾 94 0郾 12 4郾 2 2郾 72 0郾 32 11郾 7 4郾 58 0郾 20 4郾 3
NDVI at heading stage 3 0郾 63 0郾 03 4郾 5 0郾 04 0郾 01 32郾 7 2郾 71 0郾 09 3郾 3 2郾 03 0郾 21 10郾 1 4郾 10 0郾 20 4郾 9
and soil nutrient indices 4 0郾 56 0郾 03 6郾 1 0郾 03 0郾 02 79郾 6 2郾 73 0郾 13 4郾 7 1郾 90 0郾 25 13郾 3 4郾 01 0郾 26 6郾 4
5 0郾 61 0郾 03 4郾 5 -0郾 06 0郾 05 87郾 9 2郾 55 0郾 11 4郾 2 1郾 72 0郾 26 15郾 4 3郾 68 0郾 13 3郾 6
灌浆期 NDVI和土壤 1 0郾 62 0郾 03 5郾 6 0郾 53 0郾 10 18郾 3 3郾 26 0郾 11 3郾 5 2郾 87 0郾 38 13郾 2 4郾 74 0郾 17 3郾 6
养分指标 2 0郾 62 0郾 04 5郾 7 0郾 28 0郾 10 37郾 5 2郾 95 0郾 13 4郾 3 2郾 76 0郾 32 11郾 4 4郾 59 0郾 19 4郾 2
NDVI at grain 3 0郾 63 0郾 04 5郾 7 0郾 04 0郾 03 79郾 7 2郾 72 0郾 09 3郾 4 2郾 05 0郾 21 10郾 4 4郾 14 0郾 20 4郾 8
filling stage and 4 0郾 61 0郾 03 5郾 4 -0郾 05 0郾 05 92郾 6 2郾 56 0郾 11 4郾 4 1郾 73 0郾 26 15郾 0 3郾 69 0郾 14 3郾 8
soil nutrient indices 5 0郾 57 0郾 04 6郾 7 -0郾 02 0郾 02 126郾 7 2郾 70 0郾 14 5郾 1 1郾 85 0郾 26 14郾 2 3郾 94 0郾 25 6郾 4
土壤养分指标 1 0郾 62 0郾 04 6郾 7 0郾 48 0郾 17 35郾 2 3郾 20 0郾 19 6郾 0 2郾 76 0郾 43 15郾 7 4郾 68 0郾 35 7郾 5
Soil nutrient indices 2 0郾 62 0郾 04 6郾 8 0郾 28 0郾 09 31郾 9 2郾 95 0郾 11 3郾 7 2郾 89 0郾 27 9郾 3 4郾 61 0郾 18 4郾 0
3 0郾 62 0郾 05 7郾 5 0郾 12 0郾 08 66郾 5 2郾 80 0郾 10 3郾 5 2郾 30 0郾 21 9郾 1 4郾 38 0郾 18 4郾 2
4 0郾 62 0郾 04 7郾 1 0郾 02 0郾 03 170郾 0 2郾 71 0郾 09 3郾 4 1郾 95 0郾 19 9郾 7 4郾 01 0郾 16 4郾 0
5 0郾 61 0郾 04 5郾 8 -0郾 06 0郾 05 81郾 4 2郾 54 0郾 10 4郾 1 1郾 70 0郾 26 15郾 3 3郾 67 0郾 14 3郾 8
抽穗期 NDVI 1 0郾 48 0郾 06 12郾 1 0郾 18 0郾 25 138郾 3 2郾 93 0郾 26 8郾 9 2郾 23 0郾 51 23郾 0 4郾 34 0郾 42 9郾 7
NDVI at heading stage 2 0郾 57 0郾 03 5郾 8 0郾 18 0郾 24 137郾 4 2郾 87 0郾 28 9郾 9 2郾 26 0郾 56 24郾 8 4郾 25 0郾 45 10郾 6
3 0郾 60 0郾 02 4郾 0 0郾 16 0郾 24 148郾 0 2郾 83 0郾 28 9郾 8 2郾 25 0郾 56 24郾 9 4郾 21 0郾 45 10郾 6
4 0郾 63 0郾 02 3郾 3 0郾 19 0郾 24 124郾 7 2郾 86 0郾 28 9郾 8 2郾 34 0郾 56 23郾 8 4郾 27 0郾 43 10郾 2
5 0郾 66 0郾 02 2郾 7 0郾 24 0郾 24 100郾 8 2郾 91 0郾 29 9郾 9 2郾 44 0郾 52 21郾 3 4郾 38 0郾 40 9郾 1
lnTN、lnOM、lnAP和 lnAK分别表示全氮、有机质、有效磷和速效钾的自然对数转换形式 lnTN, lnOM, lnAP and lnAK indicated the values of soil to鄄
tal nitrogen, organic matter, available phosphorus and available potassium which were transformed by natural logarithm, respectively.
纯基于土壤养分指标或小麦冠层 NDVI 进行分区的
子区域内部各指标的异质性和未分区的整个区域各
指标的异质性,尤以抽穗期小麦冠层 NDVI 与土壤
养分指标结合的管理分区效果最好. 原因可能是
30 m空间分辨率的 NDVI数据比数据点间最小距离
均值为 396郾 7 m的土壤取样点密度更高、空间连续
性更强的缘故.在此分区的基础上可更精确、高效地
进行作物变量管理和生长模拟.
本文采用的土壤属性数据主要是土壤基础肥力
指标,而已有研究证实土壤电导率等土壤理化特性
指标作为数据源可达到很好的分区效果[4-7],在下
一步的研究中将综合考虑. 今后应考虑采用聚类有
效性更高的一些改进算法(如加权模糊 C 均值聚类
方法[22])以及聚集度、破碎度等景观生态学指标对
分区结果的空间格局进行评价,以进一步提高分区
精度.
参考文献
[1]摇 Schepers AR, Shanahan JF, Liebig MA, et al. Appro鄄
priateness of management zones for characterizing spatial
variability of soil properties and irrigated corn yields
across years. Agronomy Journal, 2004, 96: 195-203
[2]摇 Koch B, Khosla R, Frasier WM, et al. Economic feasi鄄
bility of variable鄄rate nitrogen application utilizing site鄄
specific management zones. Agronomy Journal, 2004,
96: 1572-1580
[3]摇 Miao YX, Mulla DJ, Batchelor WD, et al. Evaluating
management zone optimal nitrogen rates with a crop
growth model. Agronomy Journal, 2006, 98: 545-553
[4]摇 Johnson CK, Mortensen DA, Wienhold BJ, et al. Site鄄
specific management zones based on soil electrical con鄄
ductivity in a semiarid cropping system. Agronomy Jour鄄
nal, 2003, 95: 303-315
[5]摇 Moral FJ, Terron JM, Marques da Silva JR. Delineation
of management zones using mobile measurements of soil
apparent electrical conductivity and multivariate geosta鄄
tistical techniques. Soil & Tillage Research, 2010, 106:
1832 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 黄摇 彦等: 基于遥感和地统计学方法的小麦生长管理分区摇 摇 摇 摇 摇 摇
335-343
[6]摇 Li Y, Shi Z, Li F. Delineation of site鄄specific manage鄄
ment zones based on temporal and spatial variability of
soil electrical conductivity. Pedosphere, 2007, 17:
156-164
[7]摇 Bai Y鄄L (白由路), Jin J鄄Y (金继运), Yang L鄄P (杨
俐苹), et al. Research on the subarea management
model of soil nutrients by GIS. Scientia Agricultura Sini鄄
ca (中国农业科学), 2001, 34(1): 46-50 ( in Chi鄄
nese)
[8]摇 Huang S鄄W (黄绍文), Jin J鄄Y (金继运), Yang L鄄P
(杨俐苹), et al. Spatial variability and regionalized
management of soil nutrients in the grain crop region in
Yutian County. Acta Pedologica Sinica (土壤学报),
2003, 40(1): 79-88 (in Chinese)
[9] 摇 Kravchenko AN, Bullock DG. Spatial variability corre鄄
lation of corn and soybean grain yield with topography
and soil properties. Agronomy Journal, 2000, 92: 75-
83
[10]摇 Li X (李摇 翔), Pan Y鄄C (潘瑜春), Zhao C鄄J (赵春
江), et al. Delineation and scale effect of precision
agriculture management zones using yield monitor data
over four years. Scientia Agricultura Sinica (中国农业
科学), 2005, 38(9): 1825-1833 (in Chinese)
[11]摇 Long DS, Carlson GR, DeGloria SD. Quality of field
management maps. Proceeding of the 2nd International
Conference on Site鄄specific Management for Agricultural
System. Minneapolis, USA, 1994: 251-271
[12]摇 Li X (李摇 翔), Pan Y鄄C (潘瑜春), Zhao C鄄J (赵春
江), et al. Delineating precision agriculture manage鄄
ment zones based on spatial contiguous clustering algo鄄
rithm. Transactions of the Chinese Society of Agricultural
Engineering (农业工程学报), 2005, 21(8): 78-82
(in Chinese)
[13]摇 Li Y, Shi Z, Li F, et al. Delineation of site鄄specific
management zones using fuzzy clustering analysis in a
coastal saline land. Computers and Electronics in Agri鄄
culture, 2007, 56: 174-186
[14]摇 Shen Y, Niu Z, Chen F, et al. Rational consideration
about construction land expansion of Changsha urban
area in the last ten years. Geography and Geo鄄Informa鄄
tion Science, 2007, 23: 27-30
[15]摇 Yang SB, Shen SH, Li BB, et al. Rice mapping and
monitoring using ENVISAT ASAR data. IEEE Geosci鄄
ence and Remote Sensing Letters, 2008, 5: 108-112
[16]摇 Fisher RA. Statistical Method for Scientific Inference.
Edinburg: Oliver and Boyd, 1956
[17]摇 Shi Z (史摇 舟), Li Y (李摇 艳). Geostatistics and Its
Application in Soil Science. Beijing: China Agriculture
Press, 2006 (in Chinese)
[18] 摇 Gao H鄄X (高慧璇). Practical Multivariate Statistical
Analysis. Beijing: Peking University Press, 2005 ( in
Chinese)
[19]摇 Zhu S鄄L (朱松丽). Preliminary Study on Spatial Varia鄄
bility of Main Physical and Chemical Properties of Soil.
Master Thesis. Beijing: Beijing Normal University,
1999 (in Chinese)
[20]摇 Cambardella CA, Moorman TB, Novak JM, et al.
Field鄄scale variability of soil properties in central lowa
soils. Soil Science Society of America Journal, 1994,
58: 1501-1511
[21]摇 Mao X鄄S (毛学森), Zhang Y鄄Q (张永强), Shen Y鄄J
(沈彦俊). Analysis dynamics and influence elements of
winter wheat normalized difference vegetation index in
mountain鄄foot plain. Chinese Journal of Eco鄄Agriculture
(中国生态农业学报), 2003, 11(3): 35-36 (in Chi鄄
nese)
[22]摇 Yang R鄄L (杨润玲), Gao X鄄B (高新波). A fast auto鄄
matic image segmentation algorithm based on weighting
fuzzy C鄄means clustering. Journal of Image and Graphics
(中国图象图形学报), 2007, 12(12): 2105 -2112
(in Chinese)
作者简介摇 黄摇 彦,女,1985 年生,硕士研究生.主要从事地
理信息与精确农业研究. E鄄mail: yhuang. work@ gmail. com
责任编辑摇 杨摇 弘
283 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷