第一章 绪论
1.1 研究背景
1.1.1 作物生长监测
作物生长，是指作物客观实在的生长状态和生长过程，可从个体及群体两个层次进行描述。个体的作物生长表现为根、茎、叶、花、果实等各组织的出现、体积增大、数量增加(武维华, 2003)；群体作物生长表现为不同时空的自然因素和人为因素作用下作物叶面积指数、生物量等指标的季节性动态变化现象；空间上，光照、温度、土壤、水分、肥料、病虫害及农田管理的差异引起作物生长状况的空间差异；时间上，生长季时序上变化的生长环境条件驱动作物从发芽出苗到作物产品收获的动态变化(Loomis, 1992)。
作物生长监测是指通过直接或间接方法定期对作物生长状态及生长过程的特征量(叶面积指数、生物量或植被指数等)进行测量或估算，获取区域作物生长状况空间分布、时序变化的信息。
1.1.2 作物生长监测的意义
作物生长信息对作物生产管理决策、作物早期估产及农作物灾害评估等有重要意义，是重要的农情信息之一(杨邦杰等, 1999)。作物生长信息是进行农业生产管理的基础信息，农业管理部门会依据区域作物生长好坏状况，对区域农业生产进行督导和管理决策。作物生长信息是粮食产量预测的重要依据，粮食贸易中的粮食价格对此极为敏感。农业相关部门、企业及农产品期货市场会将作物生长信息作为粮食定价、储备、贸易等决策重要依据之一。作物生长信息还可以作为分析评估农业灾害对作物生长发育、产量的影响程度，为农业生产恢复提供帮助。鉴于作物生长信息的重要性，美国、欧盟及中国等国家和地区对作物生长监测都极为重视，并建立了各自的业务化的作物生长监测系统，以定期获取区域及全球范围内主要农业区域作物生长信息，满足不同用户的信息需求。
作物生长监测对各主要大国及地区的农业生产、粮食贸易有重要作用。在美国，作物生长监测主要服务于粮食生产及贸易。美国是粮食生产大国，并且出口大量粮食，在全球粮食贸易中起主导作用。美国通过对主产区、全球作物生长状况的监测，提前获取作物产量趋势，及时调整农产品期货及农产品价格，从而掌握粮食贸易主动权，获取更多利益。美国的运行系统将监测到的信息公布在网上，为美国农业相关部门、农场主、期货市场、教育及公众部门提供作物生长信息以满足不同的分析和应用(FAS USDA, 2014; Tetrault et al., 2006)。欧盟的作物生长监测主要为农业补贴、农业管理等应用服务；对于其他农业研究需求，则将作物生长信息以电子报告形式公布于网上，供不同用户下载(Roebeling et al., 2004; Van Diepen et al., 2009)。中国的作物生长监测系统主要服务农业部及粮食局及各地农业管理部门，将监测得到的信息进行汇总分析，以报告形式上报农业部及粮食统计部门，满足各地农业生产管理需要，满足粮食安全相关的决策对作物生长信息的需要 (杨邦杰等, 2002; 吴炳方, 2004)。中国是粮食生产大国，粮食产量在全球总量中有较大比重。但我国人口数量大，粮食产量基本满足本国需求。在中国油料、饲料需求增长的情况下，中国进口的大豆、玉米数量呈逐年上升的趋势，粮食安全压力明显。通过作物生长监测提取获悉重要产区粮食产量趋势，预判粮食价格的波动，为粮食定价、储备、贸易等决策提供相关依据，将会对我国粮食安全起重要作用。
1.2 作物生长监测方法研究及应用的现状
作物生长监测方法研究，旨在研究和发展不同的作物生长监测方法以实现及时、准确、高效的监测，满足不同用户的信息需求。作物生长监测的方法主要包括地面调查法和间接监测法。地面调查法，首先根据抽样理论确定调查点数量和分布，通过人工对样点作物生长状况好坏指标的直接调查，获取作物生长信息。基于该方法监测，需要调查大量样点的作物生长状况，耗费大量人力物力，调查效率低。间接监测方法主要以遥感方法、气象方法获取作物生长状况及环境状况信息，间接获取作物生长信息的方法。根据不同方法的原理，可分为：遥感经验法、模型估算法、遥感与模拟同化法等3 类。由于遥感及气象观测技术提高，间接方法可实现快速、大范围的作物生长监测。因此，主产区及国家范围内作物生长监测以间接方法为主，直接监测方法为辅。通过在监测区内设有一定数量的地面调查样点，获取直接监测结果辅助检验及校正间接方法监测结果。本节将简述遥感经验法、模型估算法、遥感与模拟同化法的原理及相关技术，综述当前不同方法研究及应用进展。
1.2.1 遥感经验法
遥感经验法监测作物生长的主要依据是不同生长状况的作物的电磁波谱特征以及波谱的时序特征。光照、温度、水分、土壤、肥料、病虫害、种植及管理措施的差异导致作物生长状况不同，并表现在作物密度、冠层结构、叶面积指数、叶片色素含量等指标上；随着作物的生长，作物的株高、叶面积指数、叶片色素含量、水分含量、叶倾角等多项冠层结构参数发生变化。根据冠层辐射传输理论，冠层参数变化将引起辐射传输过程及结果变化，因而作物冠层的波谱及其时序特征随不同生长状况而差异。可见光-近红外、热红外、微波等不同谱段遥感观测研究表明，不同生长状况作物冠层的波谱特征以及波谱的时序特征均有差异。反之，基于波谱及其时序特征的差异可以监测作物生长状况。
第二章 试验与数据
本研究通过作物生长地面遥感试验和区域遥感调查为完成论文研究内容提供观测数据。地面遥感试验数据将用于作物光能利用率模型和叶绿素含量遥感估算方法研究。在地面遥感试验中，通过设置不同氮肥、种植密度处理，形成不同生长状况的玉米小区；通过对玉米小区的各种观测，获取对生长关键期玉米冠层光谱反射率、作物参数及全生长季内连续的气象观测数据。区域遥感调查数据将用于综合叶绿素含量参数化光能利用率模型和定量遥感的玉米生长监测方法研究。
2.1 地面遥感试验
2.1.1 试验区概况
地面遥感试验在中国农业科学院万庄农业高新技术产业园进行。该园区位于河北省廊坊市万庄镇，东经116.6°，北纬39.6°，地处中纬度地带，属暖温带大陆性季风气候。夏季炎热多雨，冬季寒冷干燥，春季干旱多风沙，秋季冷热适宜。该区1971-2000 年气象数据统计显示：年平均气温为 11.9℃；年平均无霜期为 183 天左右；年平均降水量为 554.9 毫米，降水季节分布不均，冬春季节少，夏季多，6-8 月降水量一般可达全年总降水量的 70-80%；年平均日照时数在 2660小时左右，其中每年5-6月日照时数最多；年平均风速多在 1.5-2.5 米，冬季多偏北风，夏季多偏南风。光热资源充足，雨热同季，有利于农作物生长。作物一年两熟，一般10 月10日左右完成冬小麦播种，次年6月 10日左右收获完毕；6月20日左右完成夏玉米播种，同年 10月份收获。作物生长期间气象灾害较多，干旱、干热风、大风、寒潮等灾害性天气常给农业生产造成不利影响(廊坊市农业区划办公室, 2007)。
2.1.2 试验设计
通过不同N肥水平和种植密度水分设置，形成不同生长状况的玉米小区，从而为研究提供不同叶绿素含量和LAI的玉米冠层，满足各项作物参数观测需要。
小区设计：通过2 种密度和4个氮肥水平，形成 8个处理；每个处理重复 2次，一共设计16个小区；小区规格为6m×5m，随机区组排列。
种植密度：0.6m×0.25m，0.5m×0.25m。
肥料设计：氮肥为尿素(含N 为 46.4％)，氮肥水平分为 N0，N1，N2，N3，其中 N0 为不施用氮肥，N1为施氮量为 60 kg/hm2， N2施氮量为120kg/hm2， N3施氮量为240kg/hm2。各处理氮肥的底肥和追肥比例各占 1：1；氮肥追肥时间为夏玉米小喇叭口期。磷肥为过磷酸钙Ca(H2PO4)2?H2O+CaSO4?2H2O，钾肥为硫酸钾 K2SO4。各处理磷、钾肥用量相同(P2O5为150 kg/hm2，过磷酸钙用量为 1300kg/hm2，K2O 为 150kg/hm2，硫酸钾用量为 300kg/hm2)，且作为底肥一次性施入。生育期间其他管理按常规进行。
2.2 区域遥感试验
2.2.1 研究区概况及样点分布
区域遥感试验研究区选择河北省深州市。深州市为县级市，属于河北衡水市，市中心北纬38.0°，东经 115.6°，地处河北平原中部，属大陆季风气候区，年平均温 12.8℃，年均降水量500 毫米。气候特点是四季分明，冷暖干湿差异较大。夏季闷热，降水集中；冬季气候干冷，雨雪稀少；春季干旱少雨多风增温快，秋季秋高气爽。主要粮食作物包括冬小麦、玉米、高粱等；经济作物主要有棉花、花生、芝麻、向日葵等；种植模式主要是冬小麦-夏玉米连作，一年两熟，棉花一年一熟；渠道灌溉较发达，作物冬小麦产量保持较高水平(衡水市农业资源区划, 2007)。
研究区位于深州市区南部农田，规格大小为7.5×2.5km2。调查样点分布见图2-2。样点集中分布于三处农田，每处农田采集设 20 个样点。调查日期为 2012 年 9 月 14 日到 2012 年 9 月 16日。
2.2.2 研究区调查项目
1. 叶绿素含量。测量样点 4 平方米内随机选择三株玉米，测量穗位叶、穗位上、下等叶片叶基、中及尾部三处叶绿素相对值，取平均值，最后使用叶绿素相对值与叶绿素含量的回归模型计算调查点的叶绿素含量。
2. 叶面积指数。使用鱼眼相机半球法、LAI 2200 植物冠层分析仪测量叶面积指数，每个样方内随机选择3个测量点，测量得到 3个值。
3. 地上生物量。测量样方 4 平方米样方内植株密度，选择具有代表性的 1-2 株玉米收割，分别测量茎干、叶片及穗的鲜重；取回室内 105摄氏度杀青 1个小时，65度烘干至恒重，称量。样方生物量为样本生物量乘以密度。
4. 主要地物类型。
第三章 植物光能利用原理及生产力模型 ................ 22
3.1 植物光能利用原理 .................. 22
3.1.1 光合作用 ............. 22
3.1.2 呼吸作用 .............. 23
3.1.3 气孔调节 ............ 23
第四章 叶绿素含量参数化的光能利用率模型研究 ............ 34
4.1 叶绿素含量与 LUE 和 FAPAR........... 34
4.1.1 基于叶绿素含量的 LUE ...... 34
4.1.2 基于叶绿素含量的 FAPAR ............... 35
第五章 响应光合有效辐射强度的光能利用率模型研究 ..... 47
5.1 PAR 强度与光合速率、光能利用率的关系 ......... 47
5.2 响应 PAR 强度的光能利用率模型建立 ................. 48
第七章 考虑叶绿素含量的玉米生长监测方法研究
7.1 引言
传统多光谱遥感的时间分辨率和空间分辨率相互制约，一般空间分辨率高的影像，时间分辨率低；时间分辨率高的影像，空间分辨率低。因此，目前作物生长动态遥感监测主要使用高时间分辨率的中低空间分辨率多光谱数据，如 MODIS、AVHRR 数据等。近年来，高分遥感的发展快速，多光谱遥感时间和空间分辨率相互制约的问题将缓解，获取高时间、空间分辨率影像的能力不断增强，推动了使用高时空分辨率多光谱遥感数据监测作物生长的研究。基于定量遥感和作物光能利用率模型、作物生产力模型的监测方法得到更多的关注和研究。Boegh等人(2002)使用CASI航空高光谱仪获取农田作物影像，基于植被指数反演得到的叶面积指数和氮素含量输入到光合效率模型中估算光合效率和蒸腾速率，计算结果与涡度相关法测量得到的二氧化碳同化效率和水蒸气通量有很好的相关。Liu 等(2010)使用多时相高光谱、多光谱遥感数据，基于植被指数方法估算作物 FAPAR、叶绿素含量、水分胁迫等，并将结果用于作物光利用率模型，估算作物生物量，取得很好的效果。Claverie 等(2012)使用Formosat-2 卫星每天重访的8m分辨率多光谱数据计算获取NDVI时序数据，并用以参数化作物产量模型SAFY 中的四项参数，而播种期和光能利用率通过实践田间管理操作和作物类型确定，通过模型计算玉米和向日葵的地上生物量和产量。在这些作物生产力、生物及产量估算研究中，高时空分辨率的影像、定量遥感技术和作物光能利用率模型、生产力模型相结合的方法开始得到应用。研究人员通过植被指数经验模型、冠层辐射传输模型从遥感数据中提取叶绿素含量、氮素含量、LAI 及 FAPAR 等作物参数，然后输入模型，以实现更准确估算。
HJ-1 多光谱影像，通过双星 4 传感器同时获取影像，具有 30m 空间分辨率，2 天的时间分辨率，该影像兼具良好的时空分辨率，已广泛应用于环境、灾害、农情等遥感监测。环境及灾害方面，HJ-1多光谱数据可用于水体信息获取(黄妙芬等, 2010)、海洋溢油监测(陆应诚等, 2011)、气溶胶光学厚度反演(张玉环等, 2013; 方莉等, 2013)、水体叶绿素a 浓度反演(杨婷等, 2011; 夏叡等, 2011)；农情监测方面，HJ-1 多光谱数据可进行作物面积提取(王来刚等, 2011; 魏新彩等, 2012)、长势评价(陈燕丽等, 2013)、干旱监测评价(冯海霞等, 2011)、作物叶面积反演(姜志伟, 2012)、作物FAPAR 反演(Chen et al., 2010)、作物病虫害评估(杨粉团等, 2013)等。
综上，本章研究使用 HJ-1 多光谱影像，在叶绿素含量参数化光能利用率模型、玉米叶片叶绿素遥感反演方法等研究基础上，建立玉米生长监测方法，通过定量估算玉米生物量，实现综合多光谱定量遥感和叶绿素含量参数化的光能利用率模型的玉米生长监测方法，为使用高分遥感数据定量监测作物生长提供参考案例。
第八章 研究结论与展望
8.1 研究结论
基于定量遥感的作物生长监测方法，通过辐射传输模型和数学方法从遥感波谱信息中定量提取多种作物参数及环境参数；在遥感反演的叶绿素含量、叶面积指数、地表温度、土壤水分等多种信息支持下，可实现更全面、准确作物生长状况监测，是当前作物生长监测方法研究的重要方向。本论文围绕如何将更多的多光谱定量遥感方法及产品应用于作物生长监测而展开，研究了基于光能利用率模型和多光谱定量遥感的玉米生长监测方法。通过2012年6月到 10月份地面遥感试验和区域遥感调查，测量、收集了研究内容所需各项数据。在各项地面遥感试验观测数据的支持下，研究了叶片叶绿素含量参数化光能利用率的方法、叶片叶绿素含量和叶面积指数参数化光合有效辐射吸收比的方法、叶片叶绿素含量和光合有效辐射强度参数化光能利用率的方法；通过不同参数化方法改进 MODIS GPP 模型，建立了 4 个作物光能利用率模型，即 LUEChl模型、FAPARChl模型、LUEChl+FAPARChl模型及 LUEPAR模型；研究了两类估算玉米叶片叶绿素含量的遥感方法，建立了性能稳定的光谱指数叶片叶绿素含量估算模型，建立了适于多光谱数据的冠层反射率模型叶绿素含量反演方法。在作物光能利用率模型和叶绿素含量遥感方法的研究基础上，最后使用 HJ-1 多光谱遥感数据研究了玉米生物量估算、玉米生长监测的方法：使用归一化比值植被指数曲线实现夏玉米空间分布提取，使用 ACRM 模型反演叶面积指数和叶绿素含量，使用考虑叶绿素含量的光能利用率模型估算玉米生物量，实现本研究所建立的玉米生长监测方法。通过各项试验及研究，完成了本论文提出的各项研究内容，达到预定的研究目标，得到以下研究结论：
1. 对比不考虑叶片氮素、叶绿素含量信息的作物光能利用率模型，考虑叶绿素含量信息的光能利用率模型显著降低了生物量的估算误差；而单一改进光能利用率或光合有效辐射吸收比的模型对减少估算误差有局限，综合改进光能利用率和光合有效辐射吸收比的模型可更大限度地降低估算误差；本研究建立的LUEChl+FAPARChl光能利用率模型，可充分利用叶绿素含量信息准确估算生物量。
2. 与不考虑光合有效辐射强度影响光能利用率的 LUEChl模型比较，使用光合有效辐射强度参与光能利用率估算的 LUEPAR模型可更准确地估算不同天空散射比条件下的净初级生产力；通过实测生物量检验，LUEPAR模型有良好的生物量估算能力；但由于模型中设置的光合有效辐射吸收比没有考虑叶片叶绿素含量影响，LUEPAR模型可能高估叶片叶绿素含量低的冠层的生物量。
3. 根据叶片叶绿素含量光谱指数法估算研究结果，光谱指数 MTCI、Datt 和 SRCI 算法简便，在多个时期与玉米叶片叶绿素含量的相关性稳定，可用于多个时期的叶片叶绿素含量估算； SRCI的性能与MTCI接近，但只使用一个红边波段参与计算，具备在新型遥感数据上应用的潜力。
参考文献（略）