基于遥感指数的耕地质量等级评价方法

技术领域

本发明属于农业遥感监测技术领域，尤其涉及一种基于遥感指数的耕地质量等级评价方法。

背景技术

耕地资源是保证粮食生产和安全的基础，是确保经济可持续发展的重要保障，保护耕地资源对社会的稳定和人民生活质量具有积极作用。近几十年来，人口增长与经济发展对土地资源的压力越来越大，土地退化（如土壤侵蚀、土壤肥力下降），优质耕地被大量占用等问题愈加严重，农用耕地质量下降已经成为各国农业发展所面临的一大问题。因此，如何快速并准确地定位区域耕地质量的动态变化，对掌握耕地质量动态，促进耕地生产能力与生态效应协调，促进耕地使用可持续化，提高粮食产量，最终实现粮食安全具有重要意义。

当前耕地质量等级的评价主要有以下几种方法，第一类是传统的实地采样方法，即通过采集土壤样本，并对样本的一些土壤理化性质等进行分析；第二类是基于遥感手段反演一些指标，比如土壤有机质含量等。但存在以下不足：1，基于传统的耕地质量等级评价方法耗时，耗力，监测结果时空不连续。2，基于遥感手段反演指标的方法以县为研究尺度的研究较多，但在市级尺度及市级以上的研究较少，且反演精度有待提高。3，以上两种方法均存在监测过程繁琐等问题。

发明内容

为了弥补现有技术的空白和不足，本发明提出一种基于遥感指数的耕地质量等级评价方法，根据植被近红外反射指数年最大值与单位播种面积粮食作物产量的线性关系建立了粮食作物估产模型。最终依据单位播种面积粮食作物产量，建立一种基于遥感指数的耕地质量等级评价方法。该方法简单易操作且结果准确度高，能很好地应用于大范围的耕地质量等级评价。

该方法首先基于植被近红外反射指数构建了粮食作物估产的指标，并通过探索各指标与单位播种面积粮食作物产量的关系进一步评估和选取指标，散点图表明，植被近红外反射指数年最大值适合用于粮食作物估产研究。根据植被近红外反射指数年最大值与单位播种面积粮食作物产量的线性关系建立了粮食作物估产模型。最终依据单位播种面积粮食作物产量，建立一种基于遥感指数的耕地质量等级评价方法。该方法具有实施简单，结果精度高，适用于大范围的耕地质量等级评价等优点。

该方法适用于农业遥感监测技术及其相关应用领域中。

术语解释：

MODIS数据：中分辨率成像光谱仪数据，全称为MODerate resolution ImagingSpectroradiometer。

归一化植被指数NDVI：植被指数是表征植被生长状态以及空间分布密度的因子。归一化植被指数NDVI，全称为Normalized Difference Vegetation Index。NDVI指数的计算公式为：

NIRv为植被红外反射指数，全称为Near-Infrared Reflectance of vegetation(NIRv)。NIRv的计算公式为：

本发明具体采用以下技术方案：

一种基于遥感指数的耕地质量等级评价方法，其特征在于，包括以下步骤：

步骤S1：建立研究区植被近红外反射指数时序数据；所述植被近红外反射指数（全称为Near-Infrared Reflectance of vegetation (NIRv)）通过植被指数NDVI和近红外波段反射率构建：

步骤S2：计算研究区单位播种面积粮食作物产量；

步骤S3：选定粮食作物估产指标；

步骤S4：建立粮食作物估产模型；

步骤S5：获得研究区单位播种面积粮食作物产量空间分布图；

步骤S6：获得研究区耕地质量等级空间分布图。

优选地，在步骤S1中，逐像元建立研究时段内研究区植被近红外发射指数的8天最大化合成时序数据集，并利用Whittaker Smoother平滑方法，对原始8天最大化合成植被近红外发射指数多年时序数据平滑处理，从而逐像元获得平滑的逐日植被近红外发射指数时序数据集。

优选地，在步骤S2中，根据研究区粮食作物产量和播种面积数据计算单位播种面积粮食作物产量。

优选地，在步骤S3中，根据步骤S1计算的数据，构建植被近红外反射指数某一年的年最大值、年均值 、25

优选地，在步骤S4中，根据植被近红外反射指数年最大值和单位播种面积粮食作物产量建立一元线性模型作为粮食作物估产模型。

优选地，在步骤S5中，根据粮食作物估产模型计算研究区各单位播种面积粮食作物产量，经系数转换获得研究区逐像元单位播种面积粮食作物产量数据，并对单位播种面积粮食作物产量进行分级，从而得到耕地质量等级空间分布结果。

优选地，在步骤S6中，根据单位播种面积粮食作物产量划分研究区耕地质量等级。

与现有技术相比，本发明及其优选方案具有以下区别和有益效果：

1)本发明充分考虑到遥感指标与单位播种面积粮食作物产量的关系，并建立粮食作物估产模型，通过粮食作物产量高低监测耕地质量等级，从而实现大范围耕地质量等级评价。

2)本发明基于单位播种面积粮食作物产量的耕地质量等级评价方法，相较于现有技术，能节省大量人力物力，方法简单，评价结果可信度较高。

3)相较于本领域的其他估产模型，本发明的估产模型不需要考虑作物类型，能够实现对某一区域的粮食作物进行产量估计，其模型创建是利用植被指数与单位面积粮食作物产量建立的关系；并采用植被近红外反射指数作为遥感指数，现有技术采用的一般是近红外波段构建的其它指标而非植被近红外反射指数，该指数能反应植被生产力的高低，非常适用于估产，且本发明评估了遥感指数不同分位的指标在估产方面的优劣，而最终选择了最优的指标，同时还实现了耕地质量评价。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

图1为本发明实施例总体流程示意图；

图2为本发明实施例粮食作物估产指标评估示意图；

图3为本发明实施例粮食作物估产模型精度验证示意图；

图4为本发明实施例单位播种面积粮食作物产量空间分布示意图；

图5为本发明实施例耕地质量等级评价流程示意图；

图6为本发明实施例研究区耕地质量等级空间分布示意图。

具体实施方式

为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：

如图1所示，本实施例提供的基于遥感指数的耕地质量等级评价方法，包括以下步骤：

步骤S01：建立研究区植被近红外反射指数时序数据：

逐像元建立研究时段内研究区植被近红外发射指数的8天最大化合成时序数据集。利用Whittaker Smoother平滑方法，对原始8天最大化合成植被近红外发射指数多年时序数据平滑处理，从而逐像元获得多年平滑的逐日植被近红外发射指数时序数据集。

步骤S02：计算研究区单位播种面积粮食作物产量。

从国家统计局获取2012年研究区粮食作物产量和粮食作物播种面积数据，数据下载网址：

步骤S03：构建和评估粮食作物估产指标。

根据步骤S01创建的植被近红外反射指数时序数据集，逐像元提取2012年研究区植被近红外反射指数年最大值、年均值 、25

步骤S04：建立粮食作物估产模型。

根据2012年研究区各省耕地区域的植被近红外反射指数年最大值的均值与各省单位播种面积粮食作物产量的关系，构建的粮食作物估产模型为：

其中

利用2013年中国农业气象站观测的农作物产量数据验证本专利方法估算单位播种面积粮食产量。全国范围内共三百多个监测站点，提取这些农业监测站点的产量估算数据，其与站点观测产量的散点图（如图3所示），站点观测产量与估算产量有较好的相关性，拟合系数为0.56，在0.01水平上显著相关，说明本专利的估产方法有相对较好的精度。

步骤S05：获得研究区单位播种面积粮食作物产量空间分布图。

根据步骤S04创建的粮食作物估产模型，获得2013年研究区各省的单位播种面积粮食作物产量。在此基础上，本实施例计算了研究区各省逐像元的植被近红外反射指数年最大值与该省的植被近红外反射指数年最大值的平均值的比值，并乘该省的单位播种面积粮食作物产量，从而得到2013年研究区逐像元的单位播种面积粮食作物产量空间分布数据（如图4所示）。

S06：获得研究区耕地质量等级空间分布图。

以中华人民共和国农业部对全国耕地地力等级的划分为依据，将单位播种面积粮食作物产量分<3000kg/ha、3000kg/ha-3500kg/ha、3500kg/ha-4000kg/ha、4000kg/ha-4500kg/ha、5000kg/ha-5500kg/ha、>5500kg/ha共六个区间，并分别对应六等地、五等地、四等地、三等地、二等地和一等地。其中一等地的耕地质量最好，六等地耕地质量最差。

以上上述流程，最终生成研究区耕地质量等级空间分布结果图。本专利实施的流程图见图5，依据本实施例中提供的方法，以我国山东省为例，所获得的研究区2013年耕地质量等级结果分布图见图6。

本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于遥感指数的耕地质量等级评价方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。