全 文 :中国生态农业学报 2011年 9月 第 19卷 第 5期
Chinese Journal of Eco-Agriculture, Sep. 2011, 19(5): 1175−1181 遥感与信息技术应用
* 中国科学院知识创新工程重要方向性项目(KZCX2-YW-449)和国家自然科学基金项目(40971025)资助
** 通讯作者: 雷玉平(1964~), 男, 硕士, 副研究员, 主要研究方向为区域蒸散模拟与生态水文。E-mail: leiyp@sjziam.ac.cn
王蕊(1987~), 女, 硕士研究生, 研究方向为 3S技术与流域水量水质模拟。E-mail: rui0217@yahoo.com.cn
收稿日期: 2011-04-18 接受日期: 2011-07-13
DOI: 10.3724/SP.J.1011.2011.01175
基于多年MODIS NDVI分级的河北
平原农田生产力评价*
王 蕊1,2 李红军1 雷玉平1**
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050022; 2. 中国科学院研究生院 北京 100049)
摘 要 根据中等分辨率航天成像光谱仪(MODIS)遥感数据计算的归一化植被指数(NDVI)被广泛用于作物长
势监测和产量预报, 但由于 NDVI数值在不同年份的同一时期变化较大, 直接用于评价农田生产力会有较大误
差。本文以河北平原所在的北纬 37°~39°之间连续种植的冬小麦农田为研究区域, 通过对多年冬小麦 MODIS
NDVI 数据进行比较和分级, 尝试用每季 NDVI 在区域内的高低级别评估区域农田生产力。Landsat 卫星数据
用于对不同时相 MODIS图像进行精确配准, 从而实现像素尺度上长时间序列数据的统计分析。首先, 对区域
内 2000~2008年间每年作物返青期到成熟期的 NDVI平均值及各生育阶段 NDVI平均值分别进行高低分级, 以
了解河北平原农田生产力的空间变异, 结果显示其中高水平农田分布在太行山山前平原, 指数等级水平并没
有完全按南北走向趋势分布, 表明该研究方法受纬度差异的影响较小。不同年份分析结果显示, 2008年东部地
区也出现了较高等级的田块。其次, 利用 NDVI分级结果计算出 9年间 NDVI等级的变异系数, 对采用不同生
育期 NDVI可能带来的误差进行了分析, 结果显示不同小麦生育期 NDVI等级的变异系数不同, 返青期和成熟
期变异系数较大, 且具有一定的地理差异。最后, 利用 GIS空间分析方法以 9年 NDVI分级结果为基础制作了
以县为单元的麦田生产力等级图, 结果显示河北平原农田生产力高低分区, 同时也表明中低水平区块有较大
提升空间, 为河北县级土地管理和耕地质量管理提供理论依据。
关键词 河北平原 农田生产力 MODIS 归一化植被指数(NDVI) 冬小麦
中图分类号: TP79 文献标识码: A 文章编号: 1671-3990(2011)05-1175-07
Evaluation of cropland productivity in the Hebei Plain via
graded multi-year MODIS-NDVI data
WANG Rui1,2, LI Hong-Jun1, LEI Yu-Ping 1
(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of
Sciences, Shijiazhuang 050022, China; 2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China)
Abstract Moderate resolution imaging spectroradiometer sensor (MODIS) provides high-temporal, medium-spatial resolution
science-quality global land cover data. Calculated normalized differential vegetation index (NDVI) from MODIS data is widely used
for crop growth monitoring and yield forecasting. However, variations of NDVI values in the same season of each year lead to uncer-
tainties and biases in forecasting cropland productivity. This study presented a method for evaluating cropland productivity and indi-
rect monitoring of soil quality, using annual NDVI calculated from multi-year MODIS data in the Hebei Plain. Calibrated Landsat
data with high spatial resolution were used to process geometric registration of the MODIS data. This was used to determine the ex-
act region with continuous winter wheat cultivation for many years in the plain. Mean NDVI of winter wheat cultivated area from
reviving to maturity stage was calculated for 2000~2008 and ranked into different levels in order to analyze for spatial variations in
farmland productivity. The study showed that while high productivity croplands were mainly located in the piedmont of Mount Tai-
hang, medium or low productivity croplands were in the central and eastern regions of the plain. Longitudinal change in NDVI was
not regular, indicating that the method used was not affected by latitude difference. The distribution pattern was driven by variations
1176 中国生态农业学报 2011 第 19卷
in local land use types and cropland quality management. The study also analyzed the causes of biases in the coefficient of variation
for the 9-year NDVI data. The analysis showed that the coefficient of variation was relatively high during the reviving and maturity
stages of winter wheat, with also spatial differences. Combined geo-spatial and NDVI analysis was used to map cropland productivity
at county level. The map showed spatial differences in productivity with huge potential croplands where low/medium productivity
was located at. The study therefore laid the theory basis for land control and cropland quality management in Hebei Province, which
could be vital for improving cropland quality at county level.
Key words Hebei Plain, Crop land productivity, MODIS, NDVI, Winter wheat
(Received Apr. 18, 2011; accepted Jul. 13, 2011)
以取样为基础的土壤质量评估, 由于成本高、
测试周期长, 目前还无法在大区域进行高时空分辨
率的动态监测。近几年来, 利用以卫星数据为主的
遥感技术通过地表反射率反演地表特征及土壤质量
信息的方法在国内外得到应用 [1−4], 但由于地表覆
被时空变化复杂, 提高土壤质量的反演精度较为困
难。虽然遥感技术不能直接对土壤质量进行监测 ,
但作物长势和产量水平与土壤质量是密切相关的 ,
因此利用遥感数据监测区域作物长势和产量水平可
以评估农田生产力, 从而间接评价土壤质量。有研
究表明在特定施肥条件和作物长势水平下的遥感归
一化植被指数(NDVI)能够反映土壤硝态氮含量等重
要土壤质量指标[5]。由于作物长势较土地质量变化
更剧烈, 同时作物当季水肥管理措施是影响作物长
势的主要因素, 也是比土壤质量更直接的因素, 因
此用长期的作物长势水平来评价农田生产力结果更
加可靠。
遥感数据能够及时连续提供较大范围空间地表
特征信息, 被广泛用于土地覆被分类, 尤其是根据
具有较高时间分辨率和中等空间分辨率的 MODIS
计算的 NDVI 数据, 能够通过作物在整个生长季的
NDVI变化来反映植被物候变化, 从而区分不同土地
覆被类型[6−7]。有许多研究表明 NDVI与叶面积指数
(leaf area index, LAI)等植被参数有关。张仁华[8]在 15
m 塔上垂直向下测量小麦全生育期的 NDVI 和比值
植被指数(ratio vegetation index, RVI), 并同地面所
测得的叶面积指数进行全程对比, 结果证明, NDVI
与 RVI 表达叶面积指数 LAI 的效果基本一致。代辉
等[9]在中国科学院栾城农业生态系统试验站(简称栾
城试验站)测定冬小麦多项生物物理和生物化学参
数, 并分析了其与高光谱变量的相关性, 分析结果
显示由面积系数法测的 LAI 和 NDVI 具有很好的相
关性, 而且拟合模型以多项式最佳, 相关系数高达
0.859 7, 但 NDVI 曲线与冬小麦生长环境也密切相
关。赵英时[10]利用 NDVI 与时间 2 个变量组成绿度
曲线(主指 NDVI 曲线)来模拟冬小麦生长发展全过
程, 结果显示冬小麦越冬后随返青−拔节−孕穗期的
推移, 绿度值逐渐上升。其中孕穗期绿度值升至最
高, 乳熟变黄期, 绿度陡然下降。
此外, 近十几年内, 遥感技术已广泛用于区域
监测作物生长状态和预测作物产量的研究。最传统
的方法是用经验统计回归模型[11], 即利用特定时期
的 NDVI与作物产量的相关性。Ren等[12]利用小麦生
长季不同时期的 NDVI 进行的研究结果表明, 4 月中
旬由 MODIS获得的 NDVI可用于估产。宋文冲等[13]
在栾城试验站用 GreenSeeker 地面主动遥感高光谱
仪器测定不同氮素水平下冬小麦生育期的各个参数,
并给出冬小麦生长季 NDVI 随时间变化的曲线, 通
过分析验证了 NDVI 可以进行作物长势监测和作物
估产。但由于遥感 NDVI 的数值受气候条件的影响,
在不同年份的同一季节内变化较大, 直接用于区域
农田生产力监测可能有较大误差。本研究运用多年
MODIS 数据对河北平原所在北纬 37°~39°区域进行
土地利用分类, 得到连续种植冬小麦的农田, 并对
作物生长期MODIS NDVI进行分级和时空变异分析,
利用 GIS 空间分析方法将分级结果制成以县域为单
元的麦田生产力等级图。
1 材料与方法
1.1 研究区概况
河北平原位于中国第二大平原—— 华北平原北
部, 大部分土地在河北省境内。平原位于太行山山前,
东经 114°12′21″~119°0′0″, 北纬 36°56′0″~ 39°0′0″。平
原地势低平, 大部分海拔在 150 m 以下, 包括山前
河北省石家庄市和保定市的 108 个县市 , 是华北
平原典型的高产区域。年太阳总辐射量达
4 974~5 966 MJ·m−2, 年日照时数 2 500~3 063 h, 全
年≥10 ℃的日数为100~210 d, 积温达1 600~4 600 ,℃
多年平均降水量为 530 mm, 多集中在 6~9月份。冬
小麦−夏玉米轮作为典型的种植结构。在河北平原,
冬小麦生长季为头年的 10月~次年的 6月初, 生长期
间降水较少, 春季降水多年平均为 66 mm。相反, 夏
玉米生长期间雨热同期, 降水量集中, 土壤墒情较高,
夏玉米产量对耕地质量的依赖性远不及冬小麦, 因
此只利用冬小麦的长势反映山前平原耕地生产力变
化。为了分析不同地理位置空间差异对MODIS NDVI
第 5期 王 蕊等: 基于多年 MODIS NDVI分级的河北平原农田生产力评价 1177
反演的农田生产力的影响, 本研究在计算 NDVI 等级
时将区域定位为北纬 37°~39°的河北平原和部分山东
省平原地区(图 2), 覆盖面积为 75 000 hm2。
1.2 数据采集
MODIS数据提供高时间分辨率(1~2 d)、中等空
间分辨率(250 m)的全球地表覆盖信息 , 而且所有
MODIS数据可以免费获取, 为大范围土地覆盖时空
变化监测提供可能。本研究选用 MODIS 1B产品中
的 MOD02QKM 数据 , 该数据包括可见红光
(620~670 nm)和近红外(841~876 nm)2个波段的地表
反射值。经检查确定 2000~2008 年冬小麦生长关键
时期(3 月 1 日~6 月 10 日)无云的所有数据共有 68
景。由于河北平原农区土地利用类型中农田比例最
大, 其次为村庄, 约占总面积的 10%。平原内村庄密
度很高, 平均每平方公里有约 0.4个村庄, 多数村庄
居住区面积<0.3 km2, 因此仅用 250 m 分辨率的
MODIS数据, 分类时会有较大误差。Landsat数据虽
然时间尺度分辨率低, 但空间分辨率可达 30 m, 因
此可用于确定面积变化很缓慢的村庄边界。2000~
2008年间, 除 2007年外, 每年在冬小麦生长季节都
有一景 Landsat 数据, 其中 2003 年之前的数据为
Landsat7, 之后的为 Landsat5, 研究选用此时期内的
Landsat 数据。Landsat 数据经过大气纠正、辐射定
标、图像配准、图像裁剪和图像镶嵌等处理过程。
MODIS数据处理主要包括图像的裁剪、大气纠正、
几何纠正、定义投影、去蝴蝶效应和图像配准等。
由于观测角度等影响, MODIS 数据每景影像在像元
水平并不完全匹配, 而且 MODIS区分的村庄与 TM
所获得村庄像元位置存在差异, 即MODIS获得的村
庄相对 TM 而言向下偏移多个像元。为了实现多年
多幅影像之间匹配, 本研究以与数字地图完全配准
的 TM数据获得的村庄为依据, 对MODIS数据的像
元进行匹配, 以确保类似于村庄的固定地物在每一
景影像中都固定在一个位置。同时为了保证多年间
图像完全匹配, 将误差减少到最小, 本研究将 250 m
的像元重采样为 4个与原像元同值、分辨率为 125 m
的像元以方便移动。最终确保 TM和 MODIS两种数
据源的村庄像元重叠的很好。
1.3 冬小麦田 NDVI分级
NDVI 通过植被冠层近红外波段的高反射和可
见光红波段的强吸收反映作物叶绿素含量的变化 ,
很多研究将 NDVI 作为绿度指数描述植被的覆盖程
度和生长阶段[14]。NDVI计算公式如下:
( ) /( )NIR RED NIR REDNDVI ρ ρ ρ ρ= − +
式中, NDVI为归一化植被指数, ρNIR为近红外波段反
射光谱值, ρRED为红波段反射光谱值。
河北平原冬小麦生长期为 10月初~次年 6月初。
图 1a为 2007年 10月 14日~2008年 6月 11日麦田
NDVI时间变化序列。从图上可以看出 NDVI曲线分
为 3个部分, 即稳定期(10月~次年 3月中旬)、上升
期(3月中旬~5月初)和下降期(5月初~6月初)。其中,
2 月底冬小麦返青, NDVI 开始上升; 从 3 月中旬起,
起身期、拔节期和孕穗期 NDVI快速增加, 研究区内
NDVI平均值由 0.2升至 0.8, 在 5月中旬的抽穗期和
灌浆期达到最高并在一定时间内保持稳定; 随后冬
小麦逐渐成熟, 叶绿素含量减低, 叶子变黄, NDVI
急剧下降并在 6月份收获期降至最低。
不同生产力水平麦田的 NDVI 变化趋势有所不
同, 以 2008 年为例, 选择研究区内高、中、低 3 个
生产力水平的典型麦田区的 NDVI值进行对比分析。
由图 1b可以看出在 3月上旬冬小麦返青时期不同级
别麦田的 NDVI值没有较大区别, 但到 3月下旬, 高
生产力水平麦田的 NDVI 则以较大斜率快速上升,
在 4 月上旬已明显高于中、低水平麦田, 并在 4 月
中旬达到最大且保持稳定, 这一时间比中低级别提
早 20 d。中、低水平麦田 NDVI增加趋势相近, NDVI
图 1 2007~2008年研究区冬小麦田整个生长季(a)和不同生产力水平冬小麦麦田生长关键期(b)NDVI时间序列
Fig. 1 NDVI time series of winter wheat field during 2007~2008 growing season (a), and of winter wheat fields at main growth
period with three productivity levels (b) in the study area
1178 中国生态农业学报 2011 第 19卷
增加速度较高水平麦田慢, 但持续时间较长, NDVI
到 5 月初才到达峰值。由于冬小麦 NDVI 快速变化
期为 3 月中旬到 5 月中旬, 因此计算分析此间的
NDVI 值变化可以监测到由于农田的生产力水平不
同导致的作物长势差异。
在遥感软件平台上运用 IDL(interactive data
language)语言对冬小麦农田像元进行计算分析, 主
要包括 5 个步骤: (1)将冬小麦田 NDVI 值等面积分
为高、较高、中、较低和低 5个级别, 5个级别在栅
格文件中的值由低等级到高等级分别为 1.5、3.5、
5.5、7.5 和 9.5; (2)对每年冬小麦主要生长期(3 月
15日~5月 20日) NDVI分级结果进行统计分析, 计
算各像素的栅格值年内不同时期的变异系数; (3)计
算 9 年中各生育期的分级结果, 获得不同年间同一
生育期间的 NDVI 级别的变异系数; (4)对每年冬小
麦主要生长期的 NDVI 进行求均值运算, 计算年内
关键生长期 NDVI 总和及均值; (5)对年内冬小麦生
长关键时期 NDVI 均值本身进行统计分析, 计算变
异系数。
2 结果与分析
2.1 年平均 NDVI级别空间分布
各年的冬小麦生长关键期的 NDVI 平均值能够
反映当季作物的长势, 将 NDVI等面积划分为 5个等
级可以描述每年作物长势差别的空间分布, 如果将
多年等级进行平均, 其水平则表示农田长期的生产
力水平, 比单季节的指标更能反映土壤质量和管理
水平。图 2 为研究区内 2000~2008 年多年 NDVI 等
级平均值。图中高指数水平是长势最好的级别, 低
指数水平是长势最差的级别。从图上可以清楚地看
出多年冬小麦长势分布情况, 总体趋势为 NDVI 高
水平农田大多分布在山前平原和东南部山东省境内
一些区域, 而等级较低的农田多分布在研究区域中
部和东部, 另外在东南部河北省与山东省接壤处存
在高−中−低等级交叉分布区。由于研究区域南北跨
越 2 个纬度, 因此 38°以北部分农田作物生长比 38°
以南会有约 1~5 d 滞后, 但由于分级的数据主要是
在作物拔节期后, 此时的纬度差异引起的 NDVI 值
差别较小。在山东省的部分, 最南部的东经 118°附
近(恒台县)及 117°附近(禹城市)是 2 个高等级区块,
本研究发现处于这 2 个高等级区块的邹平县部分都
在中级以下。同是在太行山山前平原, 保定市以北
的研究区最北部分(徐水县、容城县)仍有指数高水平
和较高水平的农田。指数等级水平并没有完全按南
北走向趋势分布, 表明该研究方法受纬度差异的影
响较小, 能较可靠地反映农田作物的长势。
图 3 为研究期间河北省部分首年、中间年及末
年 3个年份的指数分级分布。从图中可以看出 2000
年至 2008年的 9年间 NDVI级别空间分布一直是西
高东低的格局。从 2000年开始高水平和较高水平的
农田主要分布在保定、石家庄和邢台 3 市所属的太
行山山前平原部分, 到 2008年的格局未变。虽然东
图 2 2000~2008年北纬 37°~39°之间冬小麦主要生长期 NDVI分级情况
Fig. 2 NDVI classification of winter wheat in main growing season from 2000 to 2008 in the region between 37° to
39° of northern latitude
第 5期 王 蕊等: 基于多年 MODIS NDVI分级的河北平原农田生产力评价 1179
图 3 河北平原冬小麦农田生长季节 NDVI分级单年平均结果
Fig. 3 NDVI classification of winter wheat in main growing season in different years in the Hebei Plain
西两部分的格局很明显, 但这种格局的形成并不是
地理位置本身造成的。图 3 显示在接近东经 116°的
清河与固城接壤部分存在较高等级的田块 ; 位于
38°最东的泊头、阜城部分 2000年农田等级较低, 但
在 2004 年和 2008 年都出现了较高等级的农田, 这
些变化是从 2001 年开始的一些零星分布逐渐扩大
到之后的成小块状分布。
2.2 年平均 NDVI级别时间变异
对 9 年的农田 NDVI 等级变异系数进行逐年比
较分析(图 4)发现, 农田所处等级的年间变化较小,
大多数的年变化等级都在 1级(1级代表增减较少)。
图 4 所显示的变异系数是指被分级的冬小麦农田像
素 9年等级值(5个等级从低到高分别取值 1.5、3.5、
5.5、7.5和 9.5)的标准差与平均值的比。将不同年份
冬小麦生长关键时期的 NDVI等级从 3月 15日开始、
以 15 d为步长进行统计分析, 并对不同年间每个时
期进行相关分析, 可获得研究区域多年冬小麦不同
生长时期之间的长势变化监测, 变异系数越大, 说
明不同年份同一时期的长势差异越大, 否则表明长
势在多年间较稳定。3 月底冬小麦返青时期是冬小
麦生长过程中的关键阶段, 主要受控因素是温度。
在这一时期, 整个研究区域长势变异较大, 尤其是
研究区东南部的山东省境内和山前平原中北部, 多
年间的变异系数均超过了 40%。此外东南大部分地
区及山前平原高生产力水平地区的变异系数也达
20%~40%。但 4 月初冬小麦进入起身拔节期后, 研
究区域的指数等级多年间的变异系数明显降低, 而
在太行山山前平原, 地理纬度上的差异对变异系数
的影响比较明显: 拔节期, 38°以南的变异系数比以
北的小将近 10%。而在南部区域内西部的变异系数
也明显高于东部和中部(图 4a)。4月份冬小麦进入孕
穗期后, NDVI 基本上接近饱和稳定, 整个山前平原
的指数等级年际变异都很小, 大部分在 10%以内(图
4b); 5 月下旬作物进入成熟期, 由于生产力较低的
农田每年的成熟受气候因素影响较大, 因此部分指
数分级较低的农田变异系数比孕穗期增加(图 4c)。
由于 MODIS产品的空间分辨率为 250 m, 因此在一
些果园较多的地区, 如石家庄市赵县、晋县的部分
农田可能是混合像元。这说明, 虽然同处于山前平
原, 但果园周围附近农田在各个时期的指数分级变
异系数异常高。
2.3 以县为单元的冬小麦田生产力分级
在本研究中为了对冬小麦田 NDVI 栅格数据的
单个像素进行多年比较分析, 因此评价对象只包括
2000至 2008年期间连续种植冬小麦的农田, 这种确
定麦田的方法导致衡水和沧州 2 市被确定为麦田面
积较小且分布零散(图 2)。在这种条件下应用多年
NDVI分级的结果来评价区域农田的生产力, 需要假
设这些被分类为麦田的田块生产力能代表其周边没
有连续种植小麦的农田。在此假设条件下, 利用 GIS
的空间分析工具, 把县域内麦田在像元尺度的NDVI
分级 9 年平均结果进行加权平均计算, 形成以县为
单位的平均指数级别。由于多年指数级别来自于区
域内农田的互相比较, 因此可以代表农田在该区域
内生产能力的级别, 从而形成和指数级别的高中低
分布一致的以县为单元的冬小麦田生产力分级图
(图 5)。图 5显示在山前平原 38°以北区域中望都县、
无极县、藁城市(部分)3 县为高生产力县(市), 南部
大部分县被划为高生产力县(市)。河北平原北纬 38°
两侧的中部和东部大部分为低或较低生产力农田 ,
与山前交接的县市多为中级水平县(市), 如深州、安
平、辛集和新河等。
1180 中国生态农业学报 2011 第 19卷
图 4 2000~2008年河北平原冬小麦农田不同生长期 NDVI分级年间变异系数
Fig. 4 Coefficient of variation of NDVI levels of winter wheat in different growing seasons from 2000 to 2008 in the Hebei Plain
图 5 河北平原县级冬小麦田生产力水平分级图
Fig. 5 Classification of productivity level for winter wheat
field based on counties in the Hebei Plain
3 讨论和结论
由于遥感 NDVI 的数值本身受气候条件的影响,
在不同年份的同一时期内变化较大, 很难将其直接
用于区域农田生产力监测。本研究尝试利用在同一
区域内对长时间序列植被指数分级的方法, 一方面
可以避免直接使用数值时由数据的时间变异导致的
误差, 另一方面由分级确定农田生产力的结果也较
容易应用。本研究结合遥感与 GIS 技术, 利用具有
较高空间分辨率(30 m)的 Landsat数据对农田分类结
果进行精确配准, 把不同时相影像的定位数据误差
控制在一个MODIS数据像素内, 为进行像素尺度的
长时间序列数据统计分析提供了保证。而像素尺度
分析可以充分利用 MODIS 数据高时间分辨率的优
势, 在大量的数据支持基础上提高对农田生产力的
评价精度。
从多年NDVI分级结果的空间分布来看, 利用长
时间内同一生长季节中多次数据平均值再进行分级,
可能降低区域内由于南北地理空间差异带来的NDVI
消长在时间上滞后的影响。农田生产力初步分级结
果表明 , 河北平原农田生产力空间分布差异较大 :
高水平农田主要集中在山前平原地区, 地理位置与
石家庄、保定、赵县等华北平原典型粮食高产区相
吻合; 中低水平的农田多分布在研究区域中部和东
部 , 这与当地土地利用方式和耕作管理措施有关 ,
因此中低水平区域农田生产力有较大提高空间。
利用 GIS 空间分析工具将 NDVI 分级结果转换
为以县域为单元的农田生产力等级, 不仅能够体现
河北省农田在县级尺度上的空间分布差异, 而且利
于根据每个县的具体情况, 实施合理有效的土地管
理措施以保持或提高本县生产力水平。
作物不同生育期的 NDVI 级别时间变异系数的
空间分布特征显示, 冬小麦返青后(即生长前期)及
开始灌浆后的生长后期植被指数等级变异系数较大,
可能同时受到农田生产力和地理位置两方面的影响,
但需进一步论证, 并有望选出可以平衡两个因素影
响的较优数据组合。另外, 选用小麦返青后整个生
长关键期内所有数据评价土地生产力水平的方法是
否最优, 也需要通过不同时期影像组合进行试算分
析进行验证。
第 5期 王 蕊等: 基于多年 MODIS NDVI分级的河北平原农田生产力评价 1181
参考文献
[1] Granados F L, Exp´osito M J, Barrag´an J M, et al. Using
geostatistical and remote sensing approaches for mapping soil
properties[J]. European Journal of Agronomy, 2005, 23(3):
279–289
[2] Asadi S S, Azeem S, Prasad A V, et al. Analysis and mapping
of soil quality in Khandaleru catchment area using remote
sensing and GIS[J]. Current Science, 2008, 95(3): 391–396
[3] 王静 , 何挺 , 李玉环 . 基于高光谱遥感技术的土地质量信
息挖掘研究[J]. 遥感学报, 2005, 9(4): 438–445
[4] 田燕, 孙婷婷, 马军成, 等. 基于“3S”技术的耕地质量动态
监测初探[J]. 畜牧与饲料科学, 2009, 30(6): 17–19
[5] Pan Y C, Wang J H, Lu A X, et al. Estimation of soil nitrogen
accumulation based on remotely-sensed monitoring of win-
ter-wheat growth status[J]. Transactions of the CSAE, 2007,
23(9): 58–63
[6] Wardlow B D, Egbert S L, Kastens J H. Analysis of
time-series MODIS 250 m vegetation index data for crop
classification in the U.S. Central Great Plains[J]. Remote
Sensing of Environment, 2007, 108(3): 290–310
[7] Zhang X, Sun R, Zhang B, et al. Land cover classification of
the North China Plain using MODIS_EVI time series[J].
Journal of Photogrammetry and Remote Sensing, 2008, 63(4):
476−484
[8] 张仁华. 实验遥感模型及地面基础[M]. 北京: 科学出版社,
1996
[9] 代辉, 胡春胜, 程一松, 等. 不同氮水平下冬小麦农学参数
与光谱植被指数的相关性 [J]. 干旱地区农业研究 , 2005,
23(4): 16−21
[10] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社,
2003
[11] Doraiswamy P C, Sinclair T R, Hollinger S, et al. Application
of MODIS derived parameters for regional crop yield assess-
ment[J]. Remote Sensing of Environment, 2005, 97(2):
192–202
[12] Ren J Q, Chen Z X, Zhou Q B, et al. Regional yield estima-
tion for winter wheat with MODIS-NDVI data in Shandong,
China[J]. International Journal of Applied Earth Observation
and Geoinformation, 2008, 10(4): 403−413
[13] 宋文冲, 胡春胜, 程一松, 等. 作物氮素营养诊断方法研究
进展[J]. 土壤通报, 2006, 37(2): 369−372
[14] Thomas J J, Jackson T J, Chen D Y, et al. Vegetation water
content mapping using Landsat data derived normalized dif-
ference water index for corn and soybeans[J]. Remote Sensing
of Environment, 2004, 92(4): 475−482
JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ
欢迎订阅 2012年《作物学报》
《作物学报》是中国科学技术协会主管、中国作物学会和中国农业科学院作物科学研究所共同主办、科学出版社
出版的有关作物科学的学术期刊。前身可追溯到 1919 年创办的《中华农学会丛刊》。主要刊载农作物遗传育种、耕作
栽培、生理生化、种质资源以及与作物生产有关的生物技术、生物数学等学科具基础理论或实践应用性的原始研究论
文、专题评述和研究简报等。办刊宗旨是报道本领域最新研究动态和成果, 为繁荣我国作物科学研究、促进国内外学术
交流、加速中国农业现代化建设服务。读者对象是从事农作物科学研究的科技工作者、大专院校师生和具有同等水平
的专业人士。
《作物学报》从 1999 年起连续 12 年获“国家自然科学基金重点学术期刊专项基金”的资助。2006~2011 年连续 6
年获“中国科协精品科技期刊工程项目(B类)”资助。从 2002年起连续 9年被中国科技信息研究所授予“百种中国杰出学
术期刊”称号。2011年获“第二届中国出版政府奖期刊奖提名奖”, 2005年获“第三届国家期刊奖提名奖”。2008年被中国
科学技术信息研究所授予“中国精品科技期刊”称号。2009 年被中国期刊协会和中国出版科学研究所授予“新中国 60 年
有影响力的期刊”称号。据北京大学图书馆编著的《中文核心期刊要目总览》(2004和 2008年版)登载, 《作物学报》被
列在“农学、农作物类核心期刊表”的首位。
《作物学报》为月刊, 2012年定价 50元/册, 全年 600元。可通过全国各地邮局订阅, 刊号: ISSN 0496-3490, CN
11-1809/S, 邮发代号: 82-336。也可向编辑部直接订购。
地址: 北京市海淀区中关村南大街 12号 中国农业科学院作物科学研究所《作物学报》编辑部 邮编: 100081
电话: 010-82108548 传真: 010-82105793 网址: http://www.chinacrops.org/zwxb/
E-mail: zwxb301@mail.caas.net.cn xbzw@chinajournal.net.cn