基于遙感指數(shù)的水稻結(jié)實率估算模型

陳德　楊沈斌　黃維

摘要：水稻結(jié)實率是水稻產(chǎn)量構(gòu)成因素中的重要組成，其受氣象環(huán)境影響較大，因此，建立水稻結(jié)實率估算模型對區(qū)域水稻產(chǎn)量監(jiān)測具有重要作用。在2012、2013年水稻光譜觀測試驗的基礎(chǔ)上，以遙感影像為數(shù)據(jù)源，提出了能夠在水稻抽穗至成熟階段反映低溫冷害影響的遙感指數(shù)（cold vegetation index，CVI），并分析了CVI值與水稻產(chǎn)量要素、溫度因子的關(guān)系。在此基礎(chǔ)上，以抽穗至成熟階段的CVI和平均氣溫為自變量，采用線性回歸方法，構(gòu)建水稻結(jié)實率估算模型。為驗證該模型，選擇蘇皖2省一季稻為研究對象，并以MOD09A1產(chǎn)品為遙感數(shù)據(jù)源，對水稻結(jié)實率估算模型進(jìn)行了點和面上的模擬和評價。結(jié)果顯示，抽穗開花至成熟階段CVI和在此期間的溫度條件與水稻結(jié)實率存在顯著的相關(guān)關(guān)系，是影響結(jié)實率的2個重要因素。站點估算的結(jié)實率相對誤差小于11%，平均相對誤差為4%，估算值空間分布與觀測值基本一致，表明該模型的模擬結(jié)果能夠較好地反映水稻結(jié)實率的空間分布情況和不同氣候年景下結(jié)實率的變化。綜上所述，提出的CVI和建立的結(jié)實率估算模型適用于區(qū)域水稻低溫冷害監(jiān)測和災(zāi)損評估。

關(guān)鍵詞：低溫冷害；區(qū)域產(chǎn)量監(jiān)測；災(zāi)害評估；產(chǎn)量；遙感指數(shù)；水稻結(jié)實率

中圖分類號： S127；S426文獻(xiàn)標(biāo)志碼：

文章編號：1002-1302（2017）16-0189-06

收稿日期：2016-03-28

基金項目：國家科技支撐計劃（編號：2011BAD32B01）；國家公益性行業(yè)（氣象）科研專項（編號：GYHY201306036、GYHY201306035、GYHY201506055）；江蘇高校優(yōu)勢學(xué)科建設(shè)工程。

作者簡介：陳德（1990—），男，江蘇南通人，碩士研究生，研究方向為農(nóng)業(yè)氣象災(zāi)害與農(nóng)業(yè)遙感。E-mail：1036537175@qqcom。

通信作者：楊沈斌，博士，副教授，研究方向為農(nóng)業(yè)氣象、農(nóng)業(yè)遙感。Tel：（025）58731165；E-mail：jaasyang@163com。

水稻產(chǎn)量要素包括有效穗數(shù)、穗粒數(shù)、結(jié)實率和千粒質(zhì)量，其中結(jié)實率的高低在較大程度上反映了產(chǎn)量水平。有研究表明，結(jié)實率的穩(wěn)定性與水稻產(chǎn)量的穩(wěn)定性呈正相關(guān)，并達(dá)到顯著水平。然而，我國水稻種植分布廣泛，水稻生長季長，常受多種氣象災(zāi)害影響。其中，低溫冷害是造成水稻減產(chǎn)的重要災(zāi)害之一。例如，長江中下游一季稻產(chǎn)量形成期經(jīng)常遭遇低溫天氣，不同程度地影響穎花發(fā)育、授粉受精和籽粒灌漿，最終導(dǎo)致結(jié)實率下降而減產(chǎn)。典型年份有2005年8月中下旬，安徽地區(qū)出現(xiàn)連續(xù)6 d大風(fēng)陰雨天氣，18—25日平均氣溫陡降7～8 ℃，21日最低氣溫降至17 ℃，許多地區(qū)水稻有效穗受害比例達(dá)60%，空殼率達(dá)30%～40%[3]。因此，為快速有效地評估受災(zāi)損失，有必要結(jié)合遙感技術(shù)實現(xiàn)區(qū)域尺度的水稻生產(chǎn)監(jiān)測和受災(zāi)評估。

目前，大量報道證明遙感能夠用于區(qū)域的產(chǎn)量監(jiān)測，對指導(dǎo)地方水稻生產(chǎn)和防災(zāi)減災(zāi)具有重要的作用[4-10]。這些研究多通過遙感來計算植被指數(shù)，然后將植被指數(shù)與水稻生物量、產(chǎn)量要素、葉面積指數(shù)（LAI）、光溫氣象條件和農(nóng)業(yè)氣象災(zāi)害指標(biāo)等因子建立關(guān)系，來推算水稻產(chǎn)量。例如，薛利紅等分析水稻產(chǎn)量、穗數(shù)、穗粒數(shù)與比值植被指數(shù)（RVI）、垂直植被指數(shù)（PVI）、歸一化植被指數(shù)（NDVI）等8種不同植被指數(shù)之間的關(guān)系，認(rèn)為灌漿初期的PVI指數(shù)與穗粒數(shù)的相關(guān)性最好，孕穗期的綠色歸一化植被指數(shù)（GNDVI）與產(chǎn)量的相關(guān)性最好[10]。Boschetti等利用MODIS-NDVI反演葉面積指數(shù)，代入光合效率模型進(jìn)行水稻估產(chǎn)，研究認(rèn)為植被指數(shù)與葉面積指數(shù)存在極顯著相關(guān)關(guān)系，利用水稻關(guān)鍵生育期的NDVI數(shù)據(jù)可以提高估產(chǎn)精度[11]。Ren等研究認(rèn)為基于水稻抽穗開花期NDVI建立逐步回歸模型的估產(chǎn)精度較高[12]。程乾研究表明增強型植被指數(shù)（enhanced vegetation index，EVI）與水稻有效穗數(shù)、穗粒數(shù)、千粒質(zhì)量的相關(guān)性優(yōu)于NDVI指數(shù)。這與Son等、王正興等的研究結(jié)論基本一致。

盡管上述研究在分析水稻光譜特征與產(chǎn)量以及產(chǎn)量構(gòu)成要素的關(guān)系上運用的方法一致，并且構(gòu)建了不同形式的模型，但是缺乏與結(jié)實率有關(guān)的研究報道和估算模型。因此，本研究擬利用2012、2013年大田水稻光譜觀測數(shù)據(jù)，在分析不同播期水稻植被指數(shù)動態(tài)曲線的基礎(chǔ)上，提出適用于低溫冷害的遙感指數(shù)，然后將該指數(shù)與研究時段氣象要素進(jìn)行回歸分析，建立水稻結(jié)實率估算模型。最后，利用MODIS數(shù)據(jù)，以江蘇、安徽地區(qū)一季稻為研究對象，對水稻抽穗開花至成熟階段受低溫冷害影響下的結(jié)實率進(jìn)行估算，驗證遙感指數(shù)在水稻結(jié)實率估算上的有效性，為長江中下游稻區(qū)冷害檢測評估提供重要的技術(shù)參考。

1試驗與數(shù)據(jù)

11研究區(qū)概況

選取處于長江中下游稻區(qū)的江蘇和安徽2省作為研究區(qū)。該地區(qū)屬亞熱帶季風(fēng)氣候，年平均氣溫19 ℃，無霜期210～270 d，≥10 ℃積溫4 500～6 000 ℃·d，年日照時數(shù)800～1 500 h，年降水量1 000～1 400 mm，豐富的降水及密布的河網(wǎng)為水稻生產(chǎn)提供了重要保障。近30年來，江蘇和安徽中北部已形成以一季稻與小麥或油菜輪作的種植制度，其水稻種植分布如圖1所示。2省一季稻生長季主要的農(nóng)業(yè)氣象災(zāi)害類型相似，以高溫?zé)岷Α⒌蜏乩浜凸颜諡橹鱗14-16]。有研究顯示[17-18]，江蘇和安徽2省冷害發(fā)生頻次呈現(xiàn)“北多南少”的分布特征，8月下旬至9月底連續(xù)3 d或以上日平均氣溫低于22 ℃的低溫天氣發(fā)生頻次為09～20次/年，其中2省中北部低溫冷害的發(fā)生比例大，對產(chǎn)量和產(chǎn)量要素的影響明顯。

12田間試驗

水稻觀測數(shù)據(jù)來自2012—2013年在南京信息工程大學(xué)農(nóng)業(yè)氣象試驗站開展的分期播種試驗。試驗品種為陵兩優(yōu)268、金優(yōu)458、揚稻6號和兩優(yōu)培九，均屬于秈型兩系雜交稻。2年試驗均設(shè)置了7個播期，最早在4月15日播種，最晚在6月25日播種，每個播期之間相隔10～15 d。具體的播期設(shè)置和田間管理方案已在文獻(xiàn)[20]中列出。

參照《農(nóng)業(yè)氣象觀測規(guī)范》，觀測各播期水稻的生育期、地上部分各器官生物量、LAI、群體莖蘗密度、產(chǎn)量結(jié)構(gòu)及產(chǎn)量。在試驗期間選擇晴天無云或少云、風(fēng)力較小的天氣，使用光譜分析儀（analytical spectral devices，簡稱ASD）公司的FieldSpec Pro FR野外便攜式光譜儀，不定期測定水稻冠層垂直上方的光譜反射特征。傳感器探頭垂直向下，探頭視場角25°，與冠層頂相距約06 m，在每個小區(qū)內(nèi)垂直向下觀測，并重復(fù)測定5次，取平均值作為該處理小區(qū)的水稻冠層光譜。在每個試驗小區(qū)測定前后各進(jìn)行1次白板校正，即白板置于水稻冠層同一水平面上測定其光譜，將觀測的水稻冠層光譜除以對應(yīng)的白板光譜再乘以白板的室內(nèi)定標(biāo)光譜得到水稻冠層光譜反射率數(shù)值。

對采集的水稻光譜數(shù)據(jù)進(jìn)行預(yù)處理。首先利用ASD光譜儀配套的ASD ViewSpecPro軟件對所有觀測的光譜數(shù)據(jù)進(jìn)行篩選處理，刪除觀測誤差明顯的光譜曲線，然后計算同小區(qū)多個處理下的光譜曲線平均值，最后輸出平均光譜曲線供后續(xù)分析使用。另外，從光譜反射率曲線中分別提取藍(lán)光波段（459～479 nm）、紅光波段（620～670 nm）、近紅外波段（840～875 nm）和短波紅外（1 628～1 652 nm）的平均光譜反射率，計算EVI。該指數(shù)計算公式如下：

[JZ（]EVI=25×（ρnir-ρred）/（ρnir+6×ρred-75×ρblue+1）。

（1）式中：ρnir、ρred、ρblue分別代表近紅外、紅光、藍(lán)光波段平均光譜反射率。

在大田試驗期間，獲取了WatchDog小型自動氣象站觀測的逐小時氣象數(shù)據(jù)，包括溫度、輻射、風(fēng)速和風(fēng)向、水汽壓和降水。

13農(nóng)業(yè)氣象試驗站資料

水稻農(nóng)業(yè)氣象觀測資料來源于2001—2010年江蘇、安徽2省共12個農(nóng)業(yè)氣象觀測站（圖1），包括水稻種植品種、熟性、生育期及產(chǎn)量要素等。氣象資料為對應(yīng)氣象站的常規(guī)逐日觀測數(shù)據(jù)，包括最高和最低氣溫、日照時數(shù)、降水量、風(fēng)速、水汽壓。

14MODIS影像數(shù)據(jù)及處理

從NASA網(wǎng)站下載了2001—2010年MODIS的MOD09A1產(chǎn)品數(shù)據(jù)，分幅格網(wǎng)編號為H27V05、H27V06、H28V05、H28V06，覆蓋了整個長江中下游地區(qū)。MOD09A1產(chǎn)品為MODIS Terra星8 d合成地表反射率產(chǎn)品，空間分辨率為500 m。每景影像含有7個波段，對應(yīng)MODIS數(shù)據(jù)的1～7波段，波段信息可參考網(wǎng)站http：//modisgsfcnasagov/。

對MOD09A1數(shù)據(jù)進(jìn)行了預(yù)處理。首先，選擇第1、2、3波段（分別對應(yīng)紅光、近紅外、藍(lán)光波段）計算EVI，然后參考文獻(xiàn)[21]對EVI時序進(jìn)行平滑處理，以降低云噪影響。該處理使用了TIMESET 32（http：//webnatekoluse/timesat/timesatasp）軟件。采用軟件集成的Savitzky-Golay濾波算法[22]對各分幅格網(wǎng)數(shù)據(jù)進(jìn)行逐年時序平滑。平滑操作前，將1年的時序EVI數(shù)據(jù)進(jìn)行前后復(fù)制，形成連續(xù)3年的序列，然后設(shè)置濾波窗口大小為4，平滑多項式次數(shù)為2并進(jìn)行處理。圖2顯示處理前后部分區(qū)域影像的假彩色合成圖（假彩色合成為紅：第18波段；綠：第23波段；藍(lán)：第33波段）。從圖2可以看出，在處理后的影像中，時序噪聲得到了有效抑制，圖像色彩也變得更加平滑和連續(xù)。圖3則給出了六安站附近某水稻像元在去噪處理前后EVI時序曲線的對比，可以看出，處理后的EVI曲線更加平滑，且保留了水稻EVI的時序變化特征，但在時序曲線的低值區(qū)高估了水稻的EVI，存在一定誤差。

2水稻遙感指數(shù)

水稻EVI的時序曲線能夠間接反映水稻生長狀態(tài)及其變化[23-24]，如水稻關(guān)鍵生育期及生育階段的跨度、葉面積變化的幅度和生長速率的大小等。因此，從EVI曲線中提取上述特征參數(shù)有利于進(jìn)行水稻生長狀態(tài)的遙感監(jiān)測和評估，尤其在遇到環(huán)境脅迫時，生長特征參數(shù)的變化可通過植被指數(shù)的時序變化反映出來。

從圖4可以看出，4種水稻不同播期的EVI序列均呈現(xiàn)先增大后減小的變化態(tài)勢，最大EVI出現(xiàn)在抽穗開花期，與LAI的變化規(guī)律基本一致。然而，不同播期之間的時序EVI曲線存在差異，這些差異與溫度對發(fā)育進(jìn)程的作用有密切聯(lián)系。以兩優(yōu)培九為例，第1期水稻在5月15日移栽，由于移栽期日平均溫度較低（約20 ℃），使得移栽至分蘗期的發(fā)育進(jìn)程比較緩慢，EVI曲線的增長表現(xiàn)出明顯滯后。相比而言，第3期和第6期水稻移栽至分蘗期生長發(fā)育快，使得該階段的生長期長度明顯縮短，較第1期相同階段減少約6～12 d（表1）。類似的，第6期水稻灌漿期平均溫度較第1期同生育階段低約7 ℃，使發(fā)育進(jìn)程出現(xiàn)減緩，其灌漿期長度較第1期同生育階段延長超過15 d。由于生長后期溫度迅速走低，第6期該品種生長后期EVI在達(dá)到最高值后僅表現(xiàn)出微小的減少。據(jù)分析，該時期的環(huán)境溫度已經(jīng)接近灌漿結(jié)實期的下限溫度（15 ℃），導(dǎo)致兩優(yōu)培九出現(xiàn)了“貪青”現(xiàn)象[20，25]，即葉片保持綠色，但植株自然衰敗進(jìn)程幾乎停滯。類似的現(xiàn)象也出現(xiàn)在揚稻6號上。對于陵兩優(yōu)268和金優(yōu)458，因其為早熟品種，生長期相對較短，晚播后依舊能夠正常成熟，但從圖4中可以看出，第6期后期的EVI曲線較第3期同期的下降幅度要小，表明后期溫度低對早熟品種生育期進(jìn)程的作用也能夠通過EVI曲線的變化表現(xiàn)出來。[FK（W20][TPCD4tif][FK）]

注：—表示無數(shù)據(jù)（水稻不能自然成熟）；SF代表播種至抽穗；FM代表抽穗至成熟。

依據(jù)上述分析，本研究提出水稻遙感指數(shù)CVI，計算公式為：

[JZ（]CVI=[SX（]ΔEVIΔD[SX）]。（2）式中：移栽至抽穗（TF）階段ΔEVI為抽穗日EVI值與移栽當(dāng)日EVI值的差值，ΔD為距離移栽的天數(shù)（d），CVI為正值；抽穗至成熟（FM）階段ΔEVI為成熟日EVI值與抽穗日EVI值的差值，ΔD為距離抽穗的天數(shù)（d），CVI為負(fù)值。CVI絕對值增大可能是因為水稻發(fā)育進(jìn)程加快或植株冠層增長迅速所致，而其值減小則主要由于水稻生長緩慢或生長過程中受到一定程度的環(huán)境脅迫所致。例如，在FM階段，若遭遇低溫天氣影響，水稻ΔEVI絕對值變小，發(fā)育進(jìn)程受阻導(dǎo)致ΔD變大，最終使得CVI絕對值減小。

3水稻結(jié)實率估算模型

從2012、2013年水稻試驗資料中選取后4個播期的觀測數(shù)據(jù)，分析最大EVI（EVImax，依據(jù)擬合的EVI時序曲線獲?。⒁圃灾脸樗腴_花（TF）階段CVI（CVITF）、抽穗開花至成熟（FM）階段CVI（CVIFM）及平均溫度（TFM）、空殼率（Kgrain）、秕谷率（Bgrain）、結(jié)實率（Rgrain）和千粒質(zhì)量（Wgrain）的關(guān)系（表2）。從表2中可以看出，CVIFM、TFM與Rgrain、Kgrain都具有顯著的相關(guān)關(guān)系（P<005），其中CVIFM與Rgrain為負(fù)相關(guān)關(guān)系，TFM與Rgrain為正相關(guān)關(guān)系，表明該階段溫度低、生育期延遲或發(fā)育速率減緩會導(dǎo)致結(jié)實率降低。CVITF和EVImax與產(chǎn)量要素的相關(guān)關(guān)系均沒有進(jìn)行顯著性檢驗。

注：“”表示在001水平上差異顯著，“”表示在005水平上差異顯著，樣本量n=28。

結(jié)合以上分析，引入變量CVIFM和TFM構(gòu)建結(jié)實率估算模型，從2012、2013年水稻試驗資料中選取后4個播期的觀測數(shù)據(jù)，在剔除因灌漿期較晚未觀測到成熟的數(shù)據(jù)后，以FM階段CVI和平均溫度為自變量，Rgrain為因變量，建立了線性回歸模型，公式為

[JZ（]Rgrain=-2734×CVIFM+2374×TFM-682。[JZ）][JY]（3）

構(gòu)建模型時所用的觀測數(shù)據(jù)樣本量為23，樣本觀測值與模擬值相關(guān)系數(shù)達(dá)到09，F(xiàn)檢驗值為117，達(dá)到了001的顯著性水平（圖5）。

[FK（W11][TPCD5tif][FK）]

結(jié)合MODIS數(shù)據(jù)，將該模型應(yīng)用到整個研究區(qū)，對每個水稻像元進(jìn)行結(jié)實率推算。依據(jù)12個農(nóng)業(yè)氣象試驗站生育期觀測資料，逐年計算對應(yīng)站點水稻抽穗開花至成熟階段平均氣溫；再對各站點數(shù)據(jù)用薄板樣條法進(jìn)行空間插值，并設(shè)置數(shù)據(jù)空間分辨率與EVI網(wǎng)格數(shù)據(jù)保持一致，得到逐年TFM數(shù)據(jù)。

為驗證結(jié)實率估算模型，選用研究區(qū)12個農(nóng)業(yè)氣象試驗站的觀測數(shù)據(jù)，同時，從模型估算結(jié)果圖上提取出試驗站位置15 km×15 km范圍內(nèi)所有網(wǎng)格（即以站點為中心的3×3個像元）的結(jié)實率值，最后將估算的平均結(jié)實率與試驗站實測的結(jié)實率進(jìn)行比較。

4結(jié)果與分析

從圖6可以看出，估算數(shù)據(jù)存在明顯的地區(qū)差異和年際變化。2001年結(jié)實率高于70%的區(qū)域主要分布于安徽中部、江蘇中部和北部地區(qū)，區(qū)域面積占比438%；結(jié)實率低于50%的區(qū)域占比132%，主要分布于安徽南部地區(qū)；估算結(jié)果最大值為956%，最低值為397%，平均結(jié)實率734%。相比之下，2003年結(jié)實率高于70%的區(qū)域占比減小至 296%，結(jié)實率低于50%的區(qū)域占比擴(kuò)大至195%；高值區(qū)域分布零散，主要位于江蘇中部和西北部以及安徽東南部地區(qū)；估算結(jié)果最大值為913%，最低值為316%，平均結(jié)實率607%。由圖7可知，2001、2003年的結(jié)實率估算值與觀測值相關(guān)系數(shù)分別達(dá)到0982（P<001）和0972（P<001），估算效果較好。

[FK（W24][TPCD6tif][FK）]

圖8顯示了12個農(nóng)業(yè)氣象試驗站2001—2010年水稻結(jié)實率估算值和觀測值的對比。估算的徐州、淮安、六安結(jié)實率年際變化與實際變化情況吻合較好，而宜興和贛榆結(jié)實率普遍低于觀測值。其中，結(jié)實率估算值的相對誤差最小出現(xiàn)在淮安試驗站（2004年，05%）， 最大出現(xiàn)在宜興試驗站（2003

年，109%）。

5討論

利用光學(xué)衛(wèi)星對水稻進(jìn)行產(chǎn)量監(jiān)測和評估是區(qū)域水稻生產(chǎn)監(jiān)測的重要內(nèi)容之一。本研究通過提出水稻遙感指數(shù)，再將該指數(shù)與水稻產(chǎn)量結(jié)構(gòu)進(jìn)行相關(guān)分析，并在此基礎(chǔ)上構(gòu)建了結(jié)實率估算模型。從驗證結(jié)果看，該模型無論在站點還是區(qū)域應(yīng)用上都具有較強的可行性和較高的估算精度，不但有利于幫助掌握水稻結(jié)實率在空間上的潛在變化，也能夠用于推算不同氣候年景下的水稻結(jié)實率。

本研究從EVI的時序變化特征與水稻生育期進(jìn)程的關(guān)系著手，建立水稻遙感指數(shù)CVI。水稻整個生長期的EVI變化呈現(xiàn)“鐘”形特征，最高峰對應(yīng)水稻抽穗期，兩端分別對應(yīng)移栽期和收割期。當(dāng)水稻生長經(jīng)歷持續(xù)脅迫后，EVI從最高峰到兩端的變幅較正常生長情況要小，且生長期可能延長。因此，CVI值較正常狀態(tài)偏小，并暗示了水稻生長可能經(jīng)歷了不利的環(huán)境。而在多種環(huán)境因素中，影響研究區(qū)水稻生長的主要因子是溫度，其中在灌漿結(jié)實期的低溫作用最為明顯。有研究證明，低溫冷害是長江中下游一季稻灌漿結(jié)實期的主要農(nóng)業(yè)氣象災(zāi)害類型[14，17，26]。

從表2可以看出，CVIFM與結(jié)實率具有顯著的相關(guān)關(guān)系，這主要源于低溫常導(dǎo)致籽粒灌漿不實而使得結(jié)實率下降。這與蔣李健[27]、龔金龍等[28]的研究相吻合。以CVIFM和TFM為因變量的結(jié)實率估算模型具有較強的可靠性，模擬的結(jié)實率相對誤差小于11%，平均相對誤差4%。然而，不難看出部分站點模型估算誤差較大，可能的原因有：（1）本研究使用的水稻種植分布數(shù)據(jù)引自Liu等的研究[19]，隨著城市化進(jìn)程的推進(jìn)，部分地區(qū)水稻種植分布可能發(fā)生了較大變化；（2）研究數(shù)據(jù)來自固定點的大田試驗，而實際水稻生產(chǎn)中，各地的土壤狀況、田間管理、水稻品種等存在差異，對模型的區(qū)域應(yīng)用有一定干擾；（3）所用的MODIS產(chǎn)品數(shù)據(jù)為8 d合成，最大時間分辨率為8 d，因此，較難捕捉一次短暫低溫過程對水稻產(chǎn)量形成的影響，存在高估結(jié)實率的現(xiàn)象，另外，空間分辨率為 500 m，估算結(jié)果在不同程度上會受到混合像元的影響；（4）在EVI時序曲線平滑操作中，存在不同程度的高估或低估問題，對ΔEVI的計算產(chǎn)生一定的影響，增加了結(jié)果的不確定性；（5）對氣象數(shù)據(jù)進(jìn)行空間插值會存在一定的誤差。

6結(jié)論

本研究通過分析水稻EVI的時序變化特征提出CVI，再結(jié)合田間試驗觀測資料分析CVI、溫度因子與水稻結(jié)實率的關(guān)系，建立了結(jié)實率估算模型。從結(jié)果可以看出，該模型可以有效地估算水稻抽穗開花至成熟階段受低溫冷害影響的結(jié)實率狀況，在借助較高分辨率的遙感數(shù)據(jù)后，可以實現(xiàn)較大區(qū)域水稻產(chǎn)量的監(jiān)測和評估，為指導(dǎo)當(dāng)?shù)厮旧a(chǎn)，應(yīng)對不利氣象條件提供重要參考。

參考文獻(xiàn)：

蔣開鋒，鄭家奎，趙甘霖，等 雜交水稻產(chǎn)量性狀穩(wěn)定性及其相關(guān)性研究[J] 中國水稻科學(xué)，2001，15（1）：67-69

聶元元，蔡耀輝，顏滿蓮，等 水稻低溫冷害分析研究進(jìn)展[J] 江西農(nóng)業(yè)學(xué)報，2011，23（3）：63-66

[3]吳彬，胡麗玲，玉冠軍 2005年度水稻花期低溫冷害災(zāi)情分析及補救措施[J] 現(xiàn)代農(nóng)業(yè)科技，2006（6）：12

[4]Noureldin N A，Aboelghar M A，Saudy H S，et al Rice yield forecasting models using satellite imagery in Egypt[J] The Egyptian Journal of Remote Sensing and Space Science，2013，16（1）：125-131

[5]Peng D L，Huang J F，Li C J，et al Modelling paddy rice yield using MODIS data[J] Agricultural and Forest Meteorology，2014，184：107-116

Son S T，Chen C F，Chen C R，et al A comparative analysis of multitemporal MODIS EVI and NDVI data for large-scale rice yield estimation[J] Agricultural and Forest Meteorolog，2014，197：52-64

[7]程乾 基于MOD13產(chǎn)品水稻遙感估產(chǎn)模型研究[J] 農(nóng)業(yè)工程學(xué)報，2006，22（3）：79-83

[8]王延頤 植被指數(shù)與水稻長勢及產(chǎn)量結(jié)構(gòu)要素關(guān)系的研究[J] 國土資源遙感，1996（1）：56-59

[9]王延頤，高慶芳 稻田光譜與水稻長勢及產(chǎn)量結(jié)構(gòu)要素關(guān)系的研究[J] 國土資源遙感，1996，27（1）：51-55

[10]薛利紅，曹衛(wèi)星，羅衛(wèi)紅 基于冠層反射光譜的水稻產(chǎn)量預(yù)測模型[J] 遙感學(xué)報，2005，9（1）：100-105

[11]Boschetti M，Confalonieri R，Stroppiana D，et al Agro-ecological modelling for monitoring rice productions：contribution of field experiment and multi-temporal EO data[J] Remote Sensing for Agriculture，Ecosystems，and Hydrology，2005，5976：1-10

[12]Ren J Q，Chen Z X，Zhou Q B，et al Regional yield estimation 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]王正興，劉闖，HUETE Alfredo 植被指數(shù)研究進(jìn)展：從 AVHRR-NDVI 到MODIS-EVI[J] 生態(tài)學(xué)報，2003，23（5）：979-987

[14]李勇，楊曉光，葉清，等 全球氣候變暖對中國種植制度可能影響Ⅸ長江中下游地區(qū)單雙季稻高低溫災(zāi)害風(fēng)險及其產(chǎn)量影響[J] 中國農(nóng)業(yè)科學(xué)，2013，46（19）：3997-4006

[15]沈陳華 氣象因子對江蘇省水稻單產(chǎn)的影響[J] 生態(tài)學(xué)報，2015，35（12）：4155-4167

[16]許信旺，孫滿英，方宇媛，等 安徽省氣候變化對水稻生產(chǎn)的影響及應(yīng)對[J] 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報，2011，30（9）：1755-1763

[17]陳斐 長江中下游雙季稻低溫冷害監(jiān)測研究[D] 南京：南京信息工程大學(xué)，2014

[18]徐敏，徐經(jīng)緯，高蘋，等 江蘇水稻障礙型冷害時空變化特征及敏感性分析[J] 氣象，2015，41（11）：1367-1373

[19]Liu J Y，Liu M L，Tian H Q，et al Spatial and temporal patterns of Chinas cropland during 1990—2000：an analysis based on Landsat TM data[J] Remote Sensing of Environment，2005，98（4）：442-456

[20]楊沈斌，江曉東，王應(yīng)平，等 基于Richards擴(kuò)展方程提取水稻灌漿結(jié)實光溫特性參數(shù)[J] 作物學(xué)報，2014，40（10）：1776-1786[HJ165mm]

[21]楊沈斌，景元書，王琳，等 基于MODIS時序數(shù)據(jù)提取河南省水稻種植分布[J] 大氣科學(xué)學(xué)報，2012，35（1）：113-120

[22]Eklundh L，Jonsson P TIMESAT 30 software mannual[M] Sweden：Lund University，2009

[23]Jiang Z Y，Huete A R，Didan K，et al Development of a two-band enhanced vegetation index without a blue band[J] Remote Sensing of Environment，2008，112（10）：3833-3845

[24]Peng D L，Huete A R，Huang J F，et al Detection and estimation of mixed paddy rice cropping patterns with MODIS data[J] International Journal of Applied Earth Observation and Geoinformation，2011，13（1）：13-23

[25]鄒江石，呂川根，王才林，等 兩系雜交稻“兩優(yōu)培九”的選育及其栽培特性[J] 中國農(nóng)業(yè)科學(xué)，2003，36（8）：869-872

[26]劉娟，楊沈斌，王主玉，等 長江中下游水稻生長季極端高溫和低溫事件的演變趨勢[J] 安徽農(nóng)業(yè)科學(xué)，2010，38（25）：13881-13884，13901

[27]蔣李健 結(jié)實期溫度脅迫對水稻產(chǎn)量和品質(zhì)的影響[D] 揚州：揚州大學(xué)，2009

[28]龔金龍，張洪程，胡雅杰，等 灌漿結(jié)實期溫度對水稻產(chǎn)量和品質(zhì)形成的影響[J] 生態(tài)學(xué)雜志，2013，32（2）：482-491