全 文 ：作物学报 ACTA AGRONOMICA SINICA 2012, 38(4): 747−753 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家自然科学基金项目(31000937)资助。
第一作者联系方式: E-mail: lwang@caas.ac.cn
Received(收稿日期): 2011-09-26; Accepted(接受日期): 2012-01-19; Published online(网络出版日期): 2012-02-13.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20120213.1108.018.html
DOI: 10.3724/SP.J.1006.2012.00747
基于 GreenSeeker的冬小麦 NDVI分析与产量估算
王 磊 白由路 卢艳丽 王 贺 杨俐苹
农业部植物营养与肥料重点实验室 / 中国农业科学院农业资源与农业区划研究所, 北京 100081
摘 要: 以 2007—2009 年连续 2 个冬小麦生长季的田间试验数据为基础, 利用 GreenSeeker 获取冠层归一化差值植
被指数(NDVI), 分别对不同氮营养条件下冬小麦的产量变化、冠层 NDVI 值随施氮量和生育期的动态变化, 以及
NDVI与产量的相关性定量分析, 建立基于 NDVI的冬小麦产量估算模型。结果表明, 冬小麦的产量变化随施氮量的
增加呈抛物线趋势变化; 冠层 NDVI 在返青期前随施氮量增加基本不变, 返青期至灌浆初期随施氮量增加呈显著增
加趋势; 整个生育期冠层 NDVI 呈现“低–高–低”变化趋势。冬小麦整个生育期不同施氮水平下的 NDVI 值与产量的
相关性均为正相关关系, 且相关性随生育期逐渐增强, 在灌浆末期达到最大。利用NDVI建立的冬小麦产量估算模型,
以灌浆初期(P=0.005)和灌浆末期(P<0.001)的模型达到极显著水平。经验证, 灌浆初期的冬小麦产量预测值与实测值
的回归关系达到了显著水平(P=0.0129), 灌浆末期则达到极显著水平(P=0.0002)。因此, 利用灌浆初期和灌浆末期的
NDVI值可以预测冬小麦产量, 尤以灌浆末期预测效果更佳。
关键词: 冬小麦; 施氮量; 产量; 冠层 NDVI; 估算模型
NDVI Analysis and Yield Estimation in Winter Wheat Based on Green-
Seeker
WANG Lei, BAI You-Lu, LU Yan-Li, WANG He, and YANG Li-Ping
Key Laboratory of Plant Nutrition and Fertilizer, Ministry of Agriculture / Institute of Agricultural Resources and Regional Planning, Chinese Acad-
emy of Agricultural Sciences, Beijing 100081, China
Abstract: The field experiment was carried out in two winter wheat growing seasons during 2007–2009. Winter wheat canopy re-
flectances in the 656 nm and 770 nm wavelengths were obtained by GreenSeeker at over-wintering stage, reviving stage, jointing
stage, early-filling stage, and last-filling stage, respectively, in order to compute NDVI [(NIR770−R656)/(NIR770+R656)]. Yields were
collected at harvest stage and compared among different nitrogen application rates. Canopy NDVI changes were analyzed with ni-
trogen increasing and growth, respectively. Furthermore, correlation analysis was done between yield and canopy NDVI. Yield esti-
mation models were established for winter wheat based on canopy NDVI. Results showed that, winter wheat yield changed in parab-
ola shape with N increasing. Wheat canopy NDVI value presented almost changeless before reviving stage, but great increase from
reviving stage to early-filling stage with N increasing. In the whole growth stage, canopy NDVI value presented a trend of
“low–high–low”. The correlation between canopy NDVI and yield was positive in the whole growth stage with different N rates and
gradually became higher with growth, and up to the highest at the late-filling stage. The yield estimation models based on canopy
NDVI at early-filling stage (P=0.005) and late-filling stage (P<0.001) were greatly significant. Regression validated between pre-
dicted and measured values was significant at early-filling stage (P=0.0129) and greatly significant at late-filling stage (P=0.0002).
Therefore, it is feasible that using canopy NDVI at early-filling stage and late-filling stage estimates winter wheat yield, especially at
late-filling stage.
Keywords: Winter wheat; Nitrogen application rate; Yield; Canopy NDVI; Estimation models
作物生长信息的实时获取是现代农业的研究热点之
一。遥感技术可以实现对作物生长信息的获取。植被指数
是研究作物生长信息众多关注的指标之一。而归一化差值
植被指数(normalized difference vegetation index, NDVI)是
研究较多的植被指数之一。NDVI是利用绿色植物对红光
的低反射率和对近红外光的高反射率的光谱特征值计算
的植被指数, 能够很好地反映作物的生长状况。该指数对
植被生长状况、生产率及其他生物物理、生物化学特征敏
感, 在土地利用覆盖监测、植被覆盖密度评价、作物识别
和作物产量预报等方面应用广泛[1]。研究表明, NDVI 与
748 作 物 学 报 第 38卷

作物叶面积指数和生物量呈正相关关系, NDVI 的变化与
作物生长状况、发育时期关系紧密[2-4]。NDVI 可用于反
演作物生物量、氮含量、产量及叶面积指数等[5-9]。
GreenSeeker (美国 NTech公司生产)是目前用于地面
获取 NDVI的主要工具。它是美国 Oklahoma州立大学开
发的一种手持式光谱仪, 可以测量与记录植被的归一化
差值植被指数和红光与近红外比值植被指数。这些指数能
够反映作物的生长状况、营养状况、潜在产量以及病虫害
影响等。该系统光学传感器能够主动发射特定波长光线,
捕获作物反射来的光线, 其内部处理器可进行光线分析,
获取数据。仪器所采用的红光波段为 656 nm, 近红外波段
为 770 nm。美国 Oklahoma州立大学最初应用 GreenSeeker
获得NDVI分析作物的氮素营养状况, 进而推荐氮肥施用
量, 以达到合理施肥、指导生产实践的目的 [10]。吴军华
等[11]利用 GreenSeeker获取的 NDVI预测冬小麦的茎蘖数
效果良好。
利用卫星、航空、地面等遥感数据提取 NDVI 进行
作物估产方面已开始了诸多研究[12-14]。但不同氮营养水
平下的作物 NDVI动态变化及其估产方面少有研究。氮是
植物营养三种大量元素之一, 氮素的丰缺直接影响作物
的长势、产量。因此本试验使用 GreenSeeker作物地面遥
感工具研究不同氮营养水平下冬小麦不同生育期冠层
NDVI值的动态变化特征, 分析各生育期 NDVI值与产量
的相关关系, 建立基于冠层NDVI值的冬小麦产量估算模
型。
1 材料与方法
1.1 试验材料
试验田位于中国农业科学院国际农业高新技术产业
园(河北廊坊, 116°35′16′′E, 39°35′47′′N), 属于暖温带大陆
性季风气候, 年平均气温为 11.9 , ℃ 无霜期为 183 d, 降
水量为 554.9 mm。土壤类型为潮土, 质地为沙土, 0~20 cm
土层含有机质 1.3%、碱解氮 61.68 mg kg−1、有效磷 17.01
mg kg−1、速效钾 38.46 mg kg−1。2007年 10月至 2009年
6月利用小麦品种“保丰 104”(中国农业科学院植物保护研
究所选育和提供)进行田间试验。该品种株高 68~76 cm,
株型紧凑, 抗倒伏, 穗粒数 25~33粒, 千粒重 36~44 g, 全
生育期为 252 d。
1.2 试验设计
设 7 个氮肥处理, 分别施纯氮 0(N-0)、60(N-1)、
120(N-2)、180(N-3)、240(N-4)、300(N-5)和 360(N-6) kg
hm−2。磷钾用量分别为 90 kg hm−2 (P2O5)和 60 kg hm−2
(K2O), 磷钾肥作基肥一次施入。试验用肥为尿素(中石油
生产, 含 N 46%)、磷酸二铵(含 N 18%, 含 P2O5 46%)、过
磷酸钙(含 P2O5 12%)和硫酸钾(含 K2O 44.8%)。N-1处理
氮肥作基肥一次施入; N-2处理为基施 N 90 kg hm−2, 返
青期追施 30 kg hm−2; N-3处理基施 N 90 kg hm−2, 返青期
追施 60 kg hm−2、拔节期追施 30 kg hm−2; N-4处理基施 N
120 kg hm−2, 返青期追施 75 kg hm−2、拔节期追施 45 kg
hm−2; N-5 处理基施 N 150 kg hm−2, 返青期追施 90 kg
hm−2、拔节期追施 60 kg hm−2; N-6处理基施 150 kg hm−2,
返青期追施 90 kg hm−2、拔节期追施 60 kg hm−2, 抽穗后
追施 60 kg hm−2。小区面积为 100 m2 (8.0 m×12.5 m), 顺
序排列, 不设重复, 便于机械化操作管理。水分管理同大
田生产。
1.3 数据获取
1.3.1 建模数据 在冬小麦越冬期(2007年 12月 15日
和 2008年 12月 19日)、返青期(2008年 3月 27日和 2009
年 3月 30日)、拔节期(2008年 4月 26日和 2009年 4月
20日)、灌浆初期(2008年 5月 20日和 2009年 5月 21日)
和灌浆末期(2008 年 6 月 6 日和 2009 年 6 月 2 日), 用
GreenSeeker 采集 NDVI 数据, 传感器与冬小麦冠层保持
平行, 距离地面高度 80 cm, 顺麦垄方向采集 NDVI 值,
获取 3组数据。每小区固定 3组测定区域, 每个测定区域
30 m2。收获时每测定区域取 3个 1 m2样方, 分别计产。
NIR RNDVI
NIR R
−= + (1)
式中, NIR表示近红外波段光谱反射率, R表示红光波段光
谱反射率。
1.3.2 验证数据 在大田中随机选取 10个 30 m2地块
(与小区 NDVI 测定区域面积一致 ), 在每次获取小区
NDVI 数据的同时, 获取 10 个地块的冬小麦冠层 NDVI
值; 同样在收获时选定 1 m2样方, 测定产量。10 个地块
的 5组 NDVI数据和 1组产量数据作为模型的验证数据。
1.4 数据处理
采用 Microsoft Excel和 SAS 9.0软件处理与分析数
据。
2 结果与分析
2.1 不同氮肥处理冬小麦产量变化
2008年 N-0、N-1、N-2处理与 N-3、N-4、N-5、N-6
处理的产量差异达显著水平, 最低产量表现在 N-0 (不施
肥)处理, 为 3 407.6 kg hm−2, 最高产量表现在 N-3 (180
kg hm−2)处理 , 为 6 168.4 kg hm−2, 比不施氮处理增产
81.0%; 2009年 N-0处理产量最低(3 969.8 kg hm−2), 与其
他 6个处理产量差异达到显著水平, N-3 (180 kg hm−2)处
理产量最高(5 543.4 kg hm−2), 比不施氮处理增产 39.6%,
同样与其他 6个处理产量差异达到显著水平。2008和 2009
年冬小麦的产量随施氮量增加变化趋势相同(图 1)。达到
最高产量后, 随着施氮量的继续增加, 产量呈下降趋势。
随着施氮量增加 , 冬小麦产量并不是线性升高的 , 而是
施氮量越高 , 产量反而有所下降 , 可能是由于氮磷钾养
分的不平衡供应。由于该试验地基础肥力较低, 导致在较
低施氮量(N-0、N-1和 N-2)条件下肥料增产效应显著, 因
此 2009年产量高于 2008年产量, 但在较高施氮量(N-3、
N-4、N-5 和 N-6)条件下, 由于养分的不平衡供应, 导致
第 4期 王 磊等: 基于 GreenSeeker的冬小麦 NDVI分析与产量估算 749


2009年产量较 2008年有所下降。

图 1 不同氮肥处理的冬小麦产量
Fig. 1 Winter wheat yields in different nitrogen treatments
数据为 3次重复的平均值。不同氮处理产量间不同字母表示达到处
理间显著差异(P<0.05)。
Data are the averages of three replicates. Values within a column fol-
lowed by different letters are significant by different (P < 0.05) among
N treatments.

2.2 不同生育期冬小麦 NDVI值随施氮量的变化
在 2007年 10月至 2008年 6月冬小麦生长季, 冠层
NDVI 值随施氮量的变化在不同生育期表现出差异(图
2-A)。越冬期和返青期其冠层 NDVI值随施氮量的增加基
本不变, 维持在 0.2左右, 其平均值分别为 0.212和 0.217。
拔节期到灌浆末期期间, 冬小麦冠层NDVI值随施氮量的
增加呈显著增加趋势, 并且都以 N-6 处理(施氮量 360 kg
hm−2)最大。拔节期、灌浆初期、灌浆末期分别从 N-0 处
理的 0.423、0.304、0.218增大到 N-6处理的 0.735、0.811、
0.600, 分别增加 73.8%、167.0%、175.1%。同样, 2008年
10月至 2009年 6月冬小麦生长季, 其 NDVI值的变化表
现出与上一年相似的结果(图 2-B)。越冬期和返青期 NDVI
平均值分别为 0.242 和 0.223; 拔节期、灌浆初期、灌浆
末期分别从 N-0 处理的 0.398、0.351、0.289 增大到 N-6
处理的 0.768、0.836、0.532, 分别增加 92.7%、138.2%、
83.7%。在生育前期(越冬期和返青期)由于温度低, 生物
量小 , 红光波段和近红外波段的光谱反射率没有差异 ;
生育后期随着温度的升高 , 生物量逐渐增大 , 地面覆盖
度增加 , 近红外波段光谱反射率也随之升高; 且随着施
氮量的增加 , 冬小麦在红光波段光谱吸收增大 , 光谱反
射率减小, 因此其冠层 NDVI值表现出上述结果。

图 2 2008年(A)和 2009年(B)冬小麦不同生育期冠层 NDVI值随施氮量的变化
Fig. 2 Variations of canopy NDVI values with different N treatments in winter wheat at different growth stages in 2008 (A) and 2009 (B)

2.3 不同氮处理冬小麦 NDVI值随生育期的变化
将同一生育期不同氮处理的 NDVI 值平均, 以探明
不同生育期间 NDVI 值的变化趋势(图 3)。不同生育期间
比较, 冠层 NDVI 值整体呈现“低-高-低”趋势, 越冬期和
返青期 NDVI 值处于低水平; 返青期到拔节期, 其 NDVI
值急剧上升, 达 0.6 左右; 拔节期到灌浆初期维持一高水
平; 而随生育期进一步推移, NDVI 值呈下降趋势。这可
能是由于冬小麦在返青期至拔节期整个群体增大, 郁闭
度增加, 叶片叶绿素含量增加, 对红光的吸收增大、反射
率下降, 近红外光谱反射率增加, 使 NDVI值急剧上升。
在拔节期到灌浆期间 , 小麦群体结构形成到稳定 , 群体
变化幅度降低 , 郁闭度基本保持不变 , 近红外光谱反射
率与红光光谱反射率落差维持较高水平, 使NDVI保持一
高平台水平; 而到灌浆末期, 冠层叶片落黄, 对红光吸收
降低、反射增加, 且郁闭度有所降低, 近红外光谱与红光
光谱落差有所减小, 导致 NDVI值下降。
2.4 不同生育期归一化差值植被指数(NDVI)与产量的相
关性
冬小麦整个生育期不同施氮量的 NDVI 值与产量的
相关性均表现出正的相关关系, 且随生育期呈递增趋势;
其相关性灌浆末期达到最大(表 1)。返青期二者相关性较
低 , 可能是冬小麦地上部生物量较低 , 不同氮处理间生
物量差异不显著的缘故。从 2008 年试验结果看, 越冬期
和返青期 NDVI 值与产量相关性没有达到显著水平; 在
拔节期达到了显著水平(P<0.05); 在灌浆初期和灌浆末期
达到了极显著水平(P<0.01)。年际间比较, 2009年两者相
750 作 物 学 报 第 38卷


图 3 冬小麦冠层 NDVI值随生育期的变化
Fig. 3 Variations of canopy NDVI in different growth stages of winter wheat

表 1 冬小麦不同生育期冠层 NDVI与产量相关系数
Table 1 Correlation coefficients between canopy NDVI and yield at different growth stages of winter wheat
年份
Year
样本数
Sample number
越冬期
Over-wintering stage
返青期
Reviving stage
拔节期
Jointing stage
灌浆初期
Early-filling stage
灌浆末期
Late-filling stage
2008 7 0.58 0.33 0.78* 0.89** 0.96**
2009 7 0.35 0.13 0.27 0.31 0.53
2008–2009 14 0.32 0.14 0.51* 0.70** 0.87**
r0.05(7)＝0.666, r0.01(7)＝0.798, r0.05(14)＝0.497, r0.01(14)＝0.623. * P<0.05; **P<0.01.

关性比 2008 年相对较低, 可能是年际间的小麦长势、测
量系统误差引起的, 但 2年试验结果显示相同的规律。
2.5 基于冠层 NDVI的冬小麦产量估测模型的建立
基于冬小麦冠层 NDVI 值与其产量的相关性, 建立
了二者之间的线性回归模型, 试图利用NDVI值估测冬小
麦产量(图 4)。纵观冬小麦整个生育期, 线性模型的决定
系数也是随生育期的推进增高的, 其中灌浆初期和灌浆
末期 NDVI 值与其产量的线性关系达到了极显著水平
(P<0.01)。说明利用灌浆初期和灌浆末期的冠层 NDVI值
可以估算冬小麦的产量, 以灌浆末期的NDVI值估测产量
的可靠性更高。
2.6 模型的验证
灌浆初期和灌浆末期的 NDVI 与产量线性回归关系
分别达到显著和极显著水平。为探明这 2个时期的产量预
测模型的准确性, 用同时期独立试验资料对预测模型进
行验证。结果表明, 灌浆初期预测值与实测值的回归关系
达到显著水平(P=0.0129)(图5-A), 灌浆末期预测值与实测
值的回归关系达到极显著水平(P=0.0002) (图 5-B), 且灌
浆末期预测值与实测值的回归参数(决定系数 R2, 均方根
误差 RSME)均优于灌浆初期。进一步验证利用灌浆初期
和灌浆末期的冠层NDVI值可以估算冬小麦产量, 以灌浆
末期的 NDVI值估算产量的准确度更高。
3 讨论
NDVI 是判断作物生长状况的重要植被指数之一 ,
常用于检测植被生长状态和植被覆盖度等。当其值在 0~1
之间时, 表明植被近红外光谱反射率(NIR)与红光光谱反
射率(R)反差大 , 说明有植被覆盖, 且随覆盖度增大而增
大。卢艳丽等[15]利用 GreenSeeker 获取的 NDVI 和校正
后的 NDVI 均随生育进程表现出先升高后下降的变化趋
势 , 且在灌浆期达到最大; 与植被覆盖度在全生育期的
变化趋势一致。利用卫星数据提取的 MODIS-NDVI 时间
序列分析也同样表现出这样的变化趋势 [16-17], 这与本试
验两年的结果是一致的。该试验监测河北廊坊地区冬小麦
一般在每年 5月 1日前后开始开花, 5月 8日前后全田完
成开花。该试验表明冬小麦冠层 NDVI在花后 12~15 d (灌
浆初期)达到最大。
本试验表明 , 在越冬期和返青期, 即使在施氮量增
加的情况下, 其 NDVI值基本维持稳定; 拔节期至灌浆末
期, 其 NDVI 值均随施氮量的增加而增加, 在施氮量为
360 kg hm−2时最大。这是随着春季气温升高, 冬小麦生物
量逐渐增大, 叶绿素含量随施氮量的增加而增加, 群体对
红光吸收增强, 对近红外反射增强的结果。这与胡昊等[18]
在冬小麦试验上结果基本一致。郭建华等[19]利用 Green-
Seeker 获得玉米 NDVI 值同样在拔节期后随氮量增加而
增加, 但达到最大产量施肥量后, NDVI值不再增加。这可
能是夏玉米与冬小麦冠层 NDVI差异之处。
估算作物产量可以为产量图的生成提供数据支持 ,
为生产管理提供决策支持。由于 NDVI与作物产量的密切
相关性, 众多学者用 NDVI来间接估算作物产量[20-25]。综
合本试验两年结果, 越冬期与返青期NDVI与产量相关性
较低, 拔节期、灌浆初期与灌浆末期较高, 并且灌浆初期

第 4期 王 磊等: 基于 GreenSeeker的冬小麦 NDVI分析与产量估算 751





图 4 冬小麦不同生育期冠层 NDVI值与产量散点图
Fig. 4 Scatter plots between canopy NDVI and yield at different growth stage of winter wheat


图 5 冬小麦灌浆初期(A)和灌浆末期(B)产量预测值与实测值的关系
Fig. 5 Relationship chart between predicted and measured values at early-filling stage (A) and late-filling stage (B) of winter wheat
752 作 物 学 报 第 38卷

和灌浆末期的 NDVI与产量极显著正相关。可见, 利用冠
层 NDVI 估测冬小麦产量是可行的。Moriondo 等[26]利用
卫星数据提取的 NDVI 模拟 19 年冬小麦产量。Reyniers
等 [14]利用空中和地面拍照系统获取的照片提取 NDVI,
比较其与产量的相关性 , 认为地面系统精确度高 , 且成
本低。也有研究表明, G-NDVI(绿光归一化差值植被指数)
在估算番茄、冬小麦产量得到较好结果[10,27]。可见利用红
光波段或者绿光波段与近红外波段作归一化处理能够反
演作物产量, 但 NDVI与 G-NDVI反演差别有待进一步验
证。
本试验利用 NDVI 建立的产量估测模型表明, 可以
利用灌浆初期和灌浆末期的NDVI预测冬小麦产量, 且以
灌浆末期预测效果更佳。Royo 等[28]研究表明, 利用冬小
麦灌浆中期 NDVI预测其产量最为可靠。从冬小麦发育进
程看, 灌浆中期与灌浆末期前后持续约 7 d, 可以认为本
研究结果与其基本一致。Freeman等[29]提出孕穗期 NDVI
估计产量最为可靠; 胡昊等[18]和李升东等[30]则认为抽穗
期是估测冬小麦产量的适宜期。而冯美臣和杨武德[16]利
用抽穗初期和灌浆期的NDVI与产量作回归分析, 得到的
复回归方程预测产量取得了较好效果。众多研究表明, 利
用冬小麦孕穗期至灌浆期某一时期的冠层 NDVI 估产是
可行的, 但具体某个时期效果最佳, 不同研究结论不同,
这可能与作物品种、株型、密度、肥水等条件有关, 需要
深入研究。
冠层反射光谱受冠层结构的影响比较大, 本文结论
能否外推到其他株型小麦品种, 有待进一步探讨。由于试
验数据有限, 本试验结果还应多区域、多年度验证, 有待
进一步研究其机理。以完善 NDVI在植被长势监测、产量
估测、营养诊断以及病虫害管理中的数据支持。
References
[1] Chen J F, Chen K M, Xu J B. Research on the remote sensing
monitoring of grassland productivity based on TM-NDVI. Agric
Sci & Technol, 2011, 12: 119−122
[2] Mkhabela M S, Bullock P, Raj S, Wang S, Yang Y. Crop yield
forecasting on the Canadian Prairies using MODIS NDVI data.
Agric & Forest Meteorol, 2011, 115: 385−393
[3] Hasegawa K, Matsuyama H, Tsuzuki H, Sweda T. Improving the
estimation of leaf area index by using remotely sensed NDVI
with BRDF signatures Remote Sens Environ, 2010, 114: 514−519
[4] Aboelghar M, Arafat S, Saleh A, Naeem S, Shirbeny M, Belal A.
Retrieving leaf area index from SPOT4 satellite data. Egypt J
Remote Sens Space Sci, 2010, 13: 121−127
[5] Trishchenko A P. Effects of spectral response function on surface
reflectance and NDVI measured with moderate resolution satel-
lite sensors: extension to AVHRR NOAA-17, 18 and METOP-A.
Remote Sens Environ, 2009, 113: 335−341
[6] Hansen P M, Schjoerring J K. Reflectance measurement of can-
opy biomass and nitrogen status in wheat crops using normalized
difference vegetation indices and partial least squares regression.
Remote Sens Environ, 2003, 86: 542−553
[7] Aparicio N, Villegas D, Casadesus J, Araus J L, Royo C. Spectral
vegetation indices as non-destructive tools for determining du-
rum wheat yield. Agron J, 2000, 92: 83−91
[8] Soenen S A, Peddle D R, Hall R J, Coburn C A, Hall F G. Esti-
mating aboveground forest biomass from canopy reflectance
model inversion in mountainous terrain. Remote Sens Environ,
2010, 114: 1325−1337
[9] Gianquinto G, Orsini F, Fecondini M, Mezzetti M, Sanbo P, Bona
S. A methodological approach for defining spectral indices for
assessing tomato nitrogen status and yield. Eur J Agron, 2011, 35,
135−143
[10] William R R, Gordon V J. Improving nitrogen use efficiency for
cereal production. Agron J, 1999, 91: 357−363
[11] Wu J-H(吴军华), Yue S-C(岳善超), Hou P(侯鹏), Meng Q-F(孟
庆峰), Cui Z-L(崔振领), Li W(李雯), Chen X-P(陈新平).
Monitoring winter wheat population dynamics using an active
crop sensor. Spectroscopy and Spectral Anal (光谱学与光谱分
析), 2011, 31(2): 535−538 (in Chinese with English abstract)
[12] Tan C-W(谭昌伟), Wang J-H(王纪华), Zhu X-K(朱新开), Wang
Y(王妍), Wang J-C(王君婵), Tong L(童璐), Guo W-S(郭文善).
Monitoring main growth status parameters at jointing stage in
winter wheat based on Landsat TM images. Sci Agric Sin (中国
农业科学), 2011, 44(7): 1358−1366 (in Chinese with English
abstract)
[13] Feng M-C(冯美臣), Xiao L-J(肖璐洁), Yang W-D(杨武德),
Ding G-W(丁光伟). Predicting grain yield of irrigation-land and
dry-land winter wheat based on remotesensing data and mete-
orological data. Trans CSAE (农业工程学报), 2010, 26(11):
183−188 (in Chinese with English abstract)
[14] Reyniers M, Vrindts E, Baerdemaeker J D. Comparison of an ae-
rial-based system and an on the ground continuous measuring
device to predict yield of winter wheat. Eur J Agron, 2006, 24:
87−94
[15] Lu Y-L(卢艳丽), Hu H(胡昊), Bai Y-L(白由路), Wang L(王磊),
Wang H(王贺), Yang L-P(杨俐苹). Effects of vegetation cover-
age on the canopy spectral and yield quantitative estimation in
wheat. J Triticeae Crops (麦类作物学报), 2010, 30(1): 96−100
(in Chinese with English abstract)
[16] Feng M-C(冯美臣), Yang W-D(杨武德). Changes in NDVI and
yield of winter wheat cultivars with different plant types. Chin J
Eco-agric (中国生态农业学报), 2011, 19(1): 87−92 (in Chinese
第 4期 王 磊等: 基于 GreenSeeker的冬小麦 NDVI分析与产量估算 753


with English abstract)
[17] Ren J-Q(任建强), Chen Z-X(陈仲新), Zhou Q-B(周清波), Tang
H-J(唐华俊). Retrieving the spatial-explicit harvest index for
winter wheat from NDVI time series data. Trans CSAE (农业工
程学报), 2010, 26(8): 160−167 (in Chinese with English ab-
stract)
[18] Hu H(胡昊), Bai Y-L(白由路), Yang L-P(杨俐苹), Lu Y-L(卢艳
丽), Wang L(王磊), Wang H(王贺), Wang Z-Y(王志勇). Diag-
nosis of nitrogen nutrition in winter wheat (Triticum aestivum)
via SPAD-502 and GreenSeeker. Chin J Eco-agric (中国生态农
业学报), 2010, 18(4): 748−752 (in Chinese with English ab-
stract)
[19] Gou J-H(郭建华), Wang X(王秀), Meng Z-J(孟志军), Zhao
C-J(赵春江), Yu Z-R(于振荣), Chen L-P(陈立平). Study on di-
agnosing nitrogen nutrition status of corn using GreenSeeker and
SPAD meter. Plant Nutr Fert Sci (植物营养与肥料学报), 2008,
14(1): 43−47 (in Chinese with English abstract)
[20] Pinter P J, Jackson R D, Idso S B, Reginato R J. Multidate spec-
tral reflectance as predictors of yield inwater stressed wheat and
barley. Int J Remote Sens, 1981, 2: 43−48
[21] Mahey R K, Singh R, Sidhu S S, Narang R S. The use of remote
sensing to assess the effects of water stress on wheat. Exp Agric,
1991, 27: 423−429
[22] Lukina E V, Freeman K W, Wynn K J, Thomason W E, Mullen R
W, Stone M L, Solie J B, Klatt A R, Johnson G V, Elliott R L,
Raun W R. Nitrogen fertilization optimization algorithm based
on in-season estimates of yield and plant nitrogen uptake. J Plant
Nutr, 2001, 24: 885−898
[23] Raun W R, Johnson G V, Stone M L, Solie J B, Lukina E V, Tho-
Thomason W E, Schepers J S. In-season prediction of potential
grain yield in winter wheat using canopy reflectance. Agron J,
2001, 93: 131−138
[24] Hansen P M, Jørgensen J R, Thomsen A. Predicting grain yield
and protein content in winter wheat and spring barley using re-
peated canopy reflectance measurements and partial least squares
regression. J Agric Sci, 2002, 139: 307−318
[25] Ferrio J P, Villegas D, Zarco J, Aparicio N, Araus J L, Royo C.
Assessment of durum wheat yield using visible and near-infrared
reflectance spectra of canopies. Field Corps Res, 2005, 94:
126−148
[26] Moriondo M, Maselli F, Bindi M. A simple model of regional
wheat yield based on NDVI data. Eur J Agron, 2007, 26:
266−274
[27] Xue L H, Cao W X, Yang L Z. Predicting grain yield and protein
content in winter wheat at different N supply levels using canopy
reflectance spectra. Pedosphere, 2007, 17: 646−653
[28] Royo C, Aparicio N, Villegas D, Casadesus J, Monneveux P,
Araus J L. Usefulness of spectral reflectance indices as durum
wheat yield predictors under contrasting Mediterranean condi-
tions. Int J Remote Sens, 2003, 24: 4403−4419
[29] Freeman K W, Raun W R, Johnson G V, Mullen R W, Stone M L,
Solie J B. Late-season prediction of wheat grain yield and grain
protein. Comm Soil Sci & Plant Anal, 2003, 34: 1837−1852
[30] Li S-D(李升东), Wang F-H(王法宏), Si J-S(司纪升), Kong
L-A(孔令安), Feng B(冯波), Zhang B(张宾). The relationship
between normalized difference vegetation index and yield of dif-
ferent genotype wheat varieties. Agric Res Arid Areas (干旱地区
农业研究), 2008, 26(6): 47−50 (in Chinese with English abstract)