基于FY3B/MERSI 水稻長勢監(jiān)測及其與AQUA/MODIS 數(shù)據(jù)對比分析

祝必琴，黃淑娥，陳興鵑，樊建勇

(江西省氣象科學(xué)研究所，江西 南昌 330046)

作物長勢監(jiān)測指對作物從出苗到成熟過程中各個(gè)生育期生長狀況及其變化規(guī)律的宏觀監(jiān)測［1］。自20 世紀(jì)70 年代遙感技術(shù)發(fā)展以來，尤其是隨著農(nóng)業(yè)遙感技術(shù)的發(fā)展，遙感技術(shù)就被廣泛用來進(jìn)行大面積農(nóng)作物長勢監(jiān)測、種植面積監(jiān)測及產(chǎn)量預(yù)測等［2-4］。

國際上，最早關(guān)于農(nóng)作物長勢遙感監(jiān)測與估產(chǎn)研究的是三個(gè)標(biāo)志性的試驗(yàn)計(jì)劃，即美國的LACIE(large area crop inventory and experiment)計(jì)劃、AGRISTARS(agriculture and resources inventory surveys through aerospace remote sensing)計(jì)劃和歐盟的MARS(monitoring agriculture with remote sensing)計(jì)劃。其中，1974—1977 年，LACIE 計(jì)劃完成了對世界主要小麥產(chǎn)區(qū)的面積、單位面積產(chǎn)量和總產(chǎn)量的估算試驗(yàn)，其精度在90%以上;1980—1986 年，AGRISTARS 計(jì)劃進(jìn)行了國內(nèi)、世界多種糧食作物長勢評估和產(chǎn)量預(yù)報(bào);1987 年，MARS 計(jì)劃成功的建立了歐盟區(qū)的農(nóng)作物估產(chǎn)系統(tǒng)。隨著上述幾個(gè)大計(jì)劃的成功試驗(yàn)，一些發(fā)達(dá)國家又研究了基于植被指數(shù)等對作物長勢的遙感監(jiān)測方法。如1996 年以來加拿大統(tǒng)計(jì)局依據(jù)每周長勢對比圖和NDVI 過程線進(jìn)行作物長勢監(jiān)測。1998 年美國國家統(tǒng)計(jì)局采用NDVI 實(shí)時(shí)數(shù)據(jù)與多年平均值對比的方法對堪薩斯州小麥長勢進(jìn)行了監(jiān)測。歐盟自1998 年充分利用CORINE 1∶10 萬土地覆蓋數(shù)據(jù)庫的成果，建立了基于NDVI 過程的作物長勢監(jiān)測方法［5-8］。

我國自20 世紀(jì)80 年代開展了作物長勢遙感監(jiān)測方面的一系列研究與應(yīng)用。最初是科技部組織中科院等單位對國家重點(diǎn)產(chǎn)糧區(qū)水稻、小麥和玉米的種植面積和產(chǎn)量情況進(jìn)行了遙感估算，其中，對水稻的估算精度達(dá)到了85%以上?！鞍宋濉逼陂g，中科院等單位又以水稻為對象，研究探討了利用遙感影像數(shù)據(jù)對水稻長勢進(jìn)行監(jiān)測的理論和方法。1998 年開始，國家農(nóng)業(yè)資源區(qū)劃辦組織農(nóng)業(yè)部遙感中心等單位實(shí)施了“全國農(nóng)作物業(yè)務(wù)遙感估產(chǎn)”項(xiàng)目，對全國水稻、小麥等作物種植面積進(jìn)行了估算。在這些國家重大項(xiàng)目開展的同時(shí)，國內(nèi)學(xué)者對水稻長勢遙感監(jiān)測的機(jī)理、技術(shù)方法和應(yīng)用推廣等方面進(jìn)行了比較深入地研究，基于植被指數(shù)的水稻長勢監(jiān)測模型方面也取得了很大的進(jìn)展。1998 年，王人潮等［9］建立了植被指數(shù)與水稻農(nóng)學(xué)參數(shù)的多種模型，實(shí)現(xiàn)了水稻長勢監(jiān)測和產(chǎn)量預(yù)報(bào)。2008 年，肖江濤［10］以MODIS 為數(shù)據(jù)源，進(jìn)行了鄱陽湖流域時(shí)間序列植被指數(shù)濾波重建、水稻生長關(guān)鍵物候期特征的提取及驗(yàn)證。2009 年，黃青等［11］根據(jù)江蘇地區(qū)水稻和冬小麥的種植結(jié)構(gòu)、物候歷特征及其生物學(xué)特性和時(shí)序NDVI 曲線特征，建立了不同作物面積提取模型，并基于面積識別結(jié)果，利用NDVI 對江蘇2009 年水稻和冬小麥長勢進(jìn)行了監(jiān)測。2012 年，陳建軍等利用EOS/MODIS 數(shù)據(jù)，通過比較分析比值植被指數(shù)(RVI)、歸一化植被指數(shù)(NDVI)、植被狀態(tài)指數(shù)(VCI)和增強(qiáng)植被指數(shù)(EVI)等多種植被指數(shù)對葉面積指數(shù)(LAI)的反演精度，再結(jié)合農(nóng)學(xué)指標(biāo)確定了江西省水稻長勢遙感監(jiān)測指標(biāo)，并對2011 年江西省早稻進(jìn)行了長勢監(jiān)測，結(jié)果基本能夠反映實(shí)際苗情［12］。

水稻是江西省最重要的糧食作物，2012 年全省種植面積約332.8 萬hm2，約占糧食總面積的90.5%，產(chǎn)量達(dá)1992 萬t，約占總產(chǎn)的95.6%。因此，對水稻的實(shí)時(shí)苗情、環(huán)境動態(tài)和分布狀況進(jìn)行宏觀的監(jiān)測，可以及時(shí)了解水稻的分布概況、生長狀況、土壤墑情、肥力行情等;同時(shí)，還可以掌握自然災(zāi)害、病蟲害等對水稻生長的影響等，可為相關(guān)決策部門及水稻生產(chǎn)管理者提供及時(shí)準(zhǔn)確的數(shù)據(jù)信息。

常用的遙感數(shù)據(jù)有NOAA/AVHRR、Landsat/TM、SPOT/HRV、EOS/MODIS 等。在農(nóng)作物長勢、面積等的遙感監(jiān)測上，國外科學(xué)家過去主要利用適合大面積監(jiān)測的NOAA/AVHRR 數(shù)據(jù)，但由于其空間分辨率較低，監(jiān)測精度不高，所以對作物長勢監(jiān)測有很大的局限性;TM、SPOT 影像雖然具有高空間分辨率，但其周期長且費(fèi)用高，因而也不利于作物動態(tài)監(jiān)測;而MODIS 數(shù)據(jù)由于其具有中分辨率并可免費(fèi)下載等優(yōu)勢，目前被廣泛應(yīng)用于作物長勢監(jiān)測中。我國自主研制的風(fēng)云三號衛(wèi)星搭載的中分辨率光譜成像儀(MERSI)性能已經(jīng)達(dá)到了國際同類衛(wèi)星的先進(jìn)水平，部分指標(biāo)處于領(lǐng)先，且多數(shù)通道設(shè)置與MODIS相似［13］。自我國風(fēng)云三號第1 顆衛(wèi)星——FY-3A 于2008 年5 月27 日成功發(fā)射后，我國相關(guān)學(xué)者就進(jìn)行了FY-3A/MERSI 數(shù)據(jù)的應(yīng)用，并與TERRA/MODIS 數(shù)據(jù)反演差異性進(jìn)行了比較，結(jié)果都表明兩者反演的NDVI 均具有極顯著的相關(guān)性，可以利用FY-3A 衛(wèi)星進(jìn)行植被長勢的監(jiān)測［14-16］。FY-3B衛(wèi)星于2010 年11 月5 日發(fā)射成功，有關(guān)應(yīng)用研究少見報(bào)道。因此，為了推進(jìn)風(fēng)云三號衛(wèi)星數(shù)據(jù)的應(yīng)用與分析，本文嘗試?yán)肍Y-3B/MERSI 數(shù)據(jù)，結(jié)合江西水稻生長規(guī)律，進(jìn)行水稻種植面積信息提取及長勢監(jiān)測，并與MODIS 反演結(jié)果進(jìn)行比較，分析FY-3B 的可靠性與穩(wěn)定性。

1 研究區(qū)概況

作物長勢是一個(gè)時(shí)空變化的過程，同一時(shí)相的作物長勢在不同空間上或同一空間的作物在不同時(shí)相上均存在差異。江西省地理坐標(biāo)為113°34'～118°28'E，24°29'～30°04'N，南北跨度大，水稻長勢存在空間差異。因此，為減小監(jiān)測中地域差異引起的誤差，本研究選擇江西省水稻種植集中區(qū)作為研究對象，研究區(qū)包括環(huán)鄱陽湖的南昌市、南昌縣、新建縣、進(jìn)賢縣、安義縣、九江市、九江縣、湖口縣、彭澤縣、德安縣、星子縣、永修縣、都昌縣、樂平市、豐城市、高安市、樟樹市、奉新縣、余江縣、鄱陽縣、余干縣、萬年縣、臨川區(qū)、東鄉(xiāng)縣共24 個(gè)縣(市、區(qū))(以下簡稱環(huán)鄱陽湖區(qū))，總面積3.9×104km2。環(huán)鄱陽湖區(qū)農(nóng)田集中連片，是長江中下游五大平原之一，也是我國南方主要的農(nóng)業(yè)生產(chǎn)基地之一(圖1)。

圖1 江西省土地利用現(xiàn)狀類型圖Fig.1 Map of land use types in Jiangxi province

2 數(shù)據(jù)來源及對比分析

2.1 數(shù)據(jù)來源

根據(jù)水稻生育期及天氣狀況，本研究數(shù)據(jù)源選擇同是太陽同步軌道下午衛(wèi)星且過境時(shí)間接近的2012 年3 月下旬至6 月下旬12 個(gè)時(shí)相的FY3B/MERSI 和AQUA/MODIS 晴空數(shù)據(jù)，這樣基本保證了大氣狀況、太陽高度角和太陽方位角的一致性。其中，F(xiàn)Y3B/MERSI 和AQUA/MODIS 原始數(shù)據(jù)分別利用國家衛(wèi)星氣象中心的SMART 系統(tǒng)和EOS 衛(wèi)星接收處理系統(tǒng)進(jìn)行定標(biāo)、等角投影等處理，生成250 m 分辨率數(shù)據(jù)，再利用ENVI 遙感軟件轉(zhuǎn)換為柵格數(shù)據(jù)文件進(jìn)行后續(xù)相關(guān)計(jì)算分析。

2.2 FY3B/MERSI 與AQUA/MODIS 數(shù)據(jù)單通道反射率對比分析

MERSI 是我國氣象衛(wèi)星上午星FY-3A 和下午星FY-3B 上的重要傳感器，共有20 個(gè)通道，其中250 m 分辨率有5 個(gè)通道，1 000 m 分辨率有15 個(gè)通道;MODIS 是美國地球觀測系統(tǒng)(EOS)上午星TERRA 和下午星AQUA 上的主要傳感器之一，共有36 個(gè)通道，其中250 m 分辨率有2 個(gè)通道，500 m分辨率有5 個(gè)通道，1 000 m 分辨率有29 個(gè)通道［17-18］。

FY3/MERSI 的多數(shù)通道都可以在EOS/MODIS 找到相近通道。但由于植被指數(shù)通常選用的是對綠色植被強(qiáng)吸收的紅色可見光波段和對綠色植被高反射和高透射的近紅外波段的組合來計(jì)算。因此，根據(jù)研究需要，本文僅對MODIS 和MERSI 紅光及近紅外波段的參數(shù)進(jìn)行比較，同時(shí)分別計(jì)算兩個(gè)波段12個(gè)不同時(shí)序的環(huán)鄱陽湖水稻種植區(qū)的AQUA/MODIS 與FY-3B/MERSI 反射率均值的相關(guān)系數(shù)，分析2種數(shù)據(jù)各個(gè)通道的對應(yīng)關(guān)系及反射率差異(表1、圖2)。

由表1 可知，MERSI 與MODIS 比較，紅光和近紅外波段的中心波長基本接近，在紅光波段兩者的帶寬也一致;在近紅外波段，MERSI 的帶寬較MODIS 為寬;且FY-3B/MERSI 與AQUA/MODIS 水稻種植區(qū)紅光及近紅外波段反射率均具有極顯著的相關(guān)性，相關(guān)系數(shù)均超過0.96。

表1 MODIS 和MERSI 部分對應(yīng)波段的比較及相關(guān)系數(shù)Tab.1 MODIS and MERSI part of corresponding band comparison and correlation coefficient

圖2 為12 個(gè)不同時(shí)序的環(huán)鄱陽湖水稻種植區(qū)AQUA/MODIS 和FY-3B/MERSI 紅光及近紅外波段的反射率日均值。由圖2 可知，MODIS-RED 和MERSI-RED 水稻種植區(qū)反射率差異很小，均分布在10%上下，且MERSI-RED 反射率略小于對應(yīng)MODIS-RED;MODIS-NIR 和MERSI-NIR 水稻種植區(qū)反射率差異略大，其中，MODIS-NIR 反射率主要分布在25%～35%，而MERSI-NIR 反射率小于對應(yīng)MODIS-NIR，主要分布在20%～30%。

圖2 AQUA/MODIS 與FY-3B/MERSI 水稻區(qū)單波段反射率日均值Fig.2 Single band reflectance daily average value of AQUA/MODIS and FY-3B/MERSI in rice-growing area

3 水稻種植區(qū)提取及驗(yàn)證

3.1 水稻種植區(qū)提取

只有獲取了水稻空間分布，才有可能對水稻進(jìn)行生育期內(nèi)長勢遙感監(jiān)測。本研究以土地利用數(shù)據(jù)為基礎(chǔ)，根據(jù)水稻種植前期遙感圖背景顯示為水體顏色，隨著水稻分蘗到拔節(jié)后變?yōu)橛兄脖坏木G色等變化的不同時(shí)期影像，提取FY3/MERSI的7/6、4、3 三通道假彩色合成圖(EOS/MODIS 假彩色合成通道是7/6、2、1)，利用Erdas 遙感軟件的AOI(感興趣區(qū)域)工具選擇有代表性的土地類型作為訓(xùn)練區(qū)，再運(yùn)用Erdas 的地理鏈接功能，將遙感影像與土地利用數(shù)據(jù)進(jìn)行點(diǎn)對點(diǎn)的分析比較，建立解譯標(biāo)志。根據(jù)解譯標(biāo)志，準(zhǔn)確判讀出了大部分土地類型。最后采用計(jì)算機(jī)監(jiān)督分類中的最大似然法，對假彩色合成圖像進(jìn)行監(jiān)督分類，并對分類后的圖像進(jìn)行重編碼，得到環(huán)鄱陽湖區(qū)2012 年雙季早稻種植分布圖(圖3)。

圖3 2012 年環(huán)鄱陽湖區(qū)雙季早稻分布圖Fig.3 Double-cropping early rice distribution map of Poyang Lake area in 2012

3.2 水稻提取精度驗(yàn)證

本研究利用2012 年統(tǒng)計(jì)數(shù)據(jù)作為精度評價(jià)的標(biāo)準(zhǔn)，對提取面積進(jìn)行精度評價(jià)。圖4 是2012 年環(huán)鄱陽湖區(qū)24 個(gè)縣(市、區(qū))雙季早稻面積遙感提取結(jié)果與統(tǒng)計(jì)面積對比，可以看出，水稻的提取精度總體達(dá)到了92%以上，該精度可以滿足其生育期長勢遙感監(jiān)測的需求。

圖4 2012 年環(huán)鄱陽湖區(qū)雙季早稻面積遙感提取結(jié)果與統(tǒng)計(jì)面積對比Fig.4 Contrast between the double-cropping early rice RS extracted area and statistic area of Poyang Lake area in 2012

4 長勢遙感監(jiān)測方法及應(yīng)用

作物長勢監(jiān)測原理是建立在綠色植物光譜理論基礎(chǔ)上的。綠色植物對不同波長光譜的反射、吸收和散射均有不同的特征反映。植被指數(shù)就是通過不同波段綜合運(yùn)算得到的能夠很好識別和區(qū)分地物的參數(shù)，還能用來定量地描述作物生長的狀況和趨勢。目前，國內(nèi)外的學(xué)者已研究發(fā)展了幾十種不同的植被指數(shù)監(jiān)測模型［1，19-23］。Deering［24-25］提出的歸一化差值植被指數(shù)(NDVI)，雖然算法簡單，卻擁有數(shù)據(jù)具有可比性、空間覆蓋范圍廣、植被檢測靈敏度高等優(yōu)勢，依然是目前長勢監(jiān)測中應(yīng)用最為廣泛的植被指數(shù)之一。因此，本文利用NDVI 進(jìn)行水稻長勢遙感監(jiān)測，NDVI 模型如下:

式中ρnir和ρred分別為近紅外波段與可見光(紅光)波段的反射率，分別對應(yīng)MERSI 的4、3 通道和MODIS 的2、1 通道。NDVI 值的范圍是-1～1，一般綠色植被區(qū)的范圍是0.2～0.8。由于該指數(shù)與植被密度呈正相關(guān)，因此，苗情長勢越好，其NDVI 值越大。

4.1 水稻區(qū)MERSI-NDVI 與MODIS-NDVI 相關(guān)性

對照苗情分級指標(biāo)［12，26］，根據(jù)NDVI 植被指數(shù)法，分別利用同時(shí)次的FY3B/MERSI 和AQUA/MODIS 遙感影像對2012 年環(huán)鄱陽湖區(qū)雙季早稻分蘗至拔節(jié)期長勢進(jìn)行監(jiān)測，并制定出早稻長勢標(biāo)準(zhǔn):

一類苗:MODIS-NDVI≥0.580;MERSI-NDVI≥0.489

二類苗:0.280≤MODIS-NDVI＜0.580;0.288≤MERSI-NDVI＜0.489

三類苗:MODIS-NDVI＜0.280;MERSI-NDVI＜0.288計(jì)算研究區(qū)24 個(gè)縣(市、區(qū))2012 年雙季早稻分蘗至拔節(jié)期同時(shí)次的MERSI-NDVI 與MODIS-NDVI 均值(圖5)，進(jìn)行MERSI-NDVI 與MODIS-NDVI 相關(guān)性分析。得到二者關(guān)系式如下:

圖5 雙季早稻分蘗～拔節(jié)期MERSI-NDVI 與MODIS-NDVI 縣均值Fig.5 Double-cropping early rice NDVI mean value of MERSI and MODIS in each county from tillering stage to jointing stage

其中:y 為FY3B/MERSI 衛(wèi)星監(jiān)測的各縣水稻區(qū)NDVI 均值(MERSI-NDVI)，x 為AQUA/MODIS 衛(wèi)星監(jiān)測的各縣水稻區(qū)NDVI 均值(MODIS-NDVI)。(1)式的相關(guān)系數(shù)為0.711，通過0.01 的顯著性水平檢驗(yàn)，表明二者呈顯著正相關(guān);且MERSI-NDVI 稍低于對應(yīng)MODIS-NDVI，這與前人研究結(jié)果一致［14-16］。

4.2 長勢遙感監(jiān)測應(yīng)用

根據(jù)上述指標(biāo)，分析制作出環(huán)鄱陽湖區(qū)雙季早稻長勢遙感監(jiān)測分布圖(圖6)。圖中，紅色區(qū)域?yàn)橐活惷纾G色區(qū)域?yàn)槎惷?，藍(lán)色區(qū)域?yàn)槿惷?，?shù)字為試驗(yàn)區(qū)該生育期各農(nóng)業(yè)氣象觀測站點(diǎn)實(shí)際苗情觀測數(shù)據(jù)。由圖可知，采用FY3B/MERSI 和AQUA/MODIS 測得的水稻長勢與水稻實(shí)際苗情數(shù)據(jù)基本吻合，表明由FY3B/MERSI 遙感資料監(jiān)測的水稻長勢與實(shí)際相符。

圖6 2012 年環(huán)鄱陽湖區(qū)雙季早稻分蘗至拔節(jié)期長勢分布圖Fig.6 Growth distribution of double-cropping early rice from tillering stage to jointing stage of Poyang Lake area in 2012

5 結(jié)論與討論

FY-3B/MERSI 與AQUA/MODIS 水稻種植區(qū)紅光及近紅外波段反射率均具有極顯著的相關(guān)性，相關(guān)系數(shù)均超過0.96，且MERSI 兩波段的反射率都略小于對應(yīng)MODIS 反射率。通過目視解譯和遙感監(jiān)督分類方法提取的水稻空間分布，精度總體達(dá)到了92%以上，可以滿足其生育期長勢遙感監(jiān)測的需求。FY3B/MERSI 和AQUA/MODIS 計(jì)算的水稻區(qū)NDVI 存在顯著正相關(guān)，且MERSI-NDVI 稍低于對應(yīng)MODIS-NDVI;兩衛(wèi)星測得的水稻長勢均與實(shí)際苗情數(shù)據(jù)基本吻合，因此，我國自主研制的中分辨率風(fēng)云三號B 星同樣可以滿足水稻長勢遙感監(jiān)測的業(yè)務(wù)化需要。

本研究僅對一個(gè)水稻生育期長勢監(jiān)測結(jié)果進(jìn)行了分析，今后有待進(jìn)行長時(shí)間序列相關(guān)研究來驗(yàn)證FY3B 的穩(wěn)定性。研究中，水稻種植面積由遙感解譯提取，若能建立信息提取模型則更便于大尺度業(yè)務(wù)化的長勢遙感監(jiān)測，這是今后研究的方向。利用250 m 分辨率的MERSI 或MODIS 遙感影像進(jìn)行作物面積提取時(shí)存在混合像元問題，如何對混合像元進(jìn)行分解、提高面積提取精度有待進(jìn)一步研究。

［1］楊邦杰，裴志遠(yuǎn).農(nóng)作物長勢的定義與遙感監(jiān)測［J］.農(nóng)業(yè)工程學(xué)報(bào)，1999，15(3):214-218.

［2］劉海啟，金敏毓，龔維鵬.美國農(nóng)業(yè)遙感技術(shù)應(yīng)用狀況概述［J］.中國農(nóng)業(yè)資源與區(qū)劃，1999，20(2):56-60.

［3］劉海啟.歐盟MARS 計(jì)劃簡介與我國農(nóng)業(yè)遙感應(yīng)用思路［J］.中國農(nóng)業(yè)資源與區(qū)劃，1999，20(3):55-57.

［4］Sushil P.Crop area estimation using GIS，remote sensing and area frame sampling［J］.International Journal of Applied Earth Observation and Geoinformation，2001，3(1):86-92.

［5］Gupta R K.Comparative study of AVHRR ratio vegetation index and normalized difference vegetation index in district level agricultural monitoring［J］.International Journal of Remote Sensing，1993，14(1):53-73.

［6］Groten S M E.NDVI-crop monitoring and early yield assessment of Burkina Faso［J］.International Journal of Remote Sensing，1993，14(8):1495-1515.

［7］Fuller D O.Trends in NDVI time series and their relation to rangeland and crop production in Senegal，1987-1993［J］.International Journal of Remote Sensing，1998，19(10):2013-2018.

［8］Hochheim K P，Barber D G.Spring wheat yield estimation for Western Canada using NOAA NDVI data［J］.Canadian Journal of Remote Sensing，1998，24(1):17-27.

［9］王人潮，王坷，沈掌泉，等.水稻單產(chǎn)遙感估測建模研究［J］.遙感學(xué)報(bào)，1998，2(5):119-124.

［10］肖江濤.基于MODIS 植被指數(shù)的水稻物候提取與地面驗(yàn)證［D］.成都:電子科技大學(xué)，2011.

［11］黃青，吳文斌，鄧輝，等.2009 年江蘇省冬小麥和水稻種植面積信息遙感提取及長勢監(jiān)測［J］.江蘇農(nóng)業(yè)科學(xué)，2010，(6):508-511.

［12］陳建軍，黃淑娥，景元書.基于EOS/MODIS 資料的江西省水稻長勢遙感監(jiān)測［J］.江蘇農(nóng)業(yè)科學(xué)，2012，40(6):302-305.

［13］吳榮華.光譜響應(yīng)差異在高精度交叉定標(biāo)中的影響分析:以FY-3A/MERSI 與EOS/MODIS 為研究實(shí)例［D］.北京:中國氣象科學(xué)研究院，2010.

［14］馮銳，紀(jì)瑞鵬，武晉雯，等.FY3/MERSI 和EOS/MODIS 歸一化植被指數(shù)差異分析［J］.中國農(nóng)學(xué)通報(bào)，2010，26(19):359-362.

［15］武晉雯，馮銳，張玉書，等.基于MERSI 盤錦濕地植被動態(tài)監(jiān)測及其與MODIS 數(shù)據(jù)對比分析［J］.遙感技術(shù)與應(yīng)用，2010，25(4):515-519.

［16］于成龍，劉丹，楊曉強(qiáng).基于FY-3A/MERSI 和Terra/MODIS 的單波段反射率和NDVI 差異性分析［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2012，40(9):124-127.

［17］范天錫.風(fēng)云三號氣象衛(wèi)星的特點(diǎn)和作用［J］.氣象科技，2002，30(6):321-327.

［18］楊軍，董超華，盧乃錳，等.中國新一代極軌氣象衛(wèi)星:風(fēng)云三號［J］.氣象學(xué)報(bào)，2009，67(4):501-509.

［19］楊邦杰，裴志遠(yuǎn)，周清波，等.我國農(nóng)情遙感監(jiān)測關(guān)鍵技術(shù)研究進(jìn)展［J］.農(nóng)業(yè)工程學(xué)報(bào)，2002，18(3):191-194.

［20］吳炳方，張峰，劉成林，等.農(nóng)作物長勢綜合遙感監(jiān)測方法［J］.遙感學(xué)報(bào)，2004，8(6):498-514.

［21］吳素霞，毛任釗，李紅軍，等.中國農(nóng)作物長勢遙感監(jiān)測研究綜述［J］.中國農(nóng)學(xué)通報(bào)，2005，21(3):319-322.

［22］劉繼承，姬長英.作物長勢監(jiān)測的應(yīng)用研究現(xiàn)狀與展望［J］.江西農(nóng)業(yè)學(xué)報(bào)，2007，19(3):17-20.

［23］孫華生.利用多時(shí)相MODIS 數(shù)據(jù)提取中國水稻種植面積和長勢信息［D］.杭州:浙江大學(xué)，2008.

［24］田慶久，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13(4):327-333.

［25］馮露，岳德鵬，郭祥.植被指數(shù)的應(yīng)用研究綜述［J］.林業(yè)調(diào)查規(guī)劃，2009，34(2):48-52.

［26］田俊，黃淑娥，辜曉青.江西省雙季早稻長勢定量等級指標(biāo)的研究［J］.氣象與減災(zāi)研究，2012，35(2):57-60.