摘要:
为进一步提高冬小麦单产估测的效率和准确性,利于宏观指导农业生产、制定冬小麦整个生长期的精准管理决策,针对目前已有的县域冬小麦单产估测方法存在时效性差、准确度低、成本高等问题,以中分辨率成像光谱仪(Moderate resolution imaging spectroradiometer,MODIS)为数据源,分别提取不同时段可见光与近红外波段信息,选择归一化差值植被指数(Normalized difference vegetation index,NDVI)、归一化差值水指数(Normalized difference water index,NDWI)、土壤调节植被指数(Soil adjusted vegetation index,SAVI)、调整土壤亮度植被指数(Optimal soil adjusted vegetation index,OSAVI)、绿色归一化植被指数(Green normalized difference vegetation index,GNDVI)、改进型土壤调节植被指数(Modified soil-adjusted vegetation index,MSAVI)以及绿红植被指数(Green red vegetation index,GRVI)7个遥感植被指数,以其直方图分布信息作为输入变量,应用卷积神经网络(Convolutional neural network,CNN)回归预测冬小麦产量,对比分析NDWI在冬小麦产量估测上的表现并探究其在霜冻害影响下的精度变化.研究表明,相对于植被指数NDVI、SAVI、OSAVI、GNDVI、MSAVI、GRVI.NDWI对冬小麦生育早期的产量预测表现出更好的预测效果,单产去趋势前后的NDWI对产量的预测精度均高于NDVI、SAVI等植被指数,决定系数最高可达到0.79,且在霜冻害影响下仍能保持较好的预测效果;NDWI在抽穗一灌浆阶段对冬小麦最终产量影响最大,4月23-30日时间段内NDWI对产量的决定系数可达到0.72;空间分布上,研究区域冬小麦具有东部单产最高、中部次之、西部单产最低的空间分布特征,西部和北部山区与东部黄淮海平原交界处误差较大.研究结果可为冬小麦生育早期产量预测提供科学依据.