【毕业学位论文】基于MODIS 的冬小麦长势监测模型研究— — 以石、衡、邢地区为例硕士论文

密级 ： 论文编号 ：中国农业科学院硕士学位论文基于 冬小麦长势监测模型研究 以石 、 衡 、 邢地区为例on A 研 究 生 ： 张莉娜指 导 教 师 ： 周清波申请学位类别 ： 理学硕 士专 业 ： 生态学研 究 方 向 ： 作物长势监测培 养 单 位 ： 研究生院农业资源与农业区划研究所提交日期 2006 年 6 月on A 006独 创 性 声 明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果 。 尽我所知 ， 除了文中特别加以标注和致谢的地方外 ， 论文中不包含其他人已经发表或撰写过的研究成果 ， 也不包含为获得中国农业科学院或其它教育机构的学位或证书而使用过的材料 。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示了谢意 。研究生签名 ： 时间 ： 年 月 日关于论文使用授权的声明本人完全了解中国农业科学院有关保留 、 使用学位论文的规定 ， 即 ： 中国农业科学院有权保留送交论文的复印件和磁盘 ， 允许论文被查阅和借阅 ， 可以采用影印 、 缩印或扫描等复制手段保存 、 汇编学位论文 。 同意中国农业科学院可以用不同方式在不同媒体上发表 、 传播学位论文的全部或部分内容 。(保密的学位论文在解密后应遵守此协议 )论文作者签名 ： 时间 ： 年 月 日导师签名 ： 时间 ： 年 月 日随着我国改革开放的不断深入和经济的高速发展 ， 人口不断增加 ， 耕地资源不断减少 ， 粮食安全问题凸显出来 。 从国家最高决策者到基本的农户都需要作物的长势信息 ， 在作物各个生育期内尽早掌握作物的长势 ， 在一定情况下比精确估计作物种植面积和产量本身还要重要 ， 因为作物的长势信息可以对大规模的粮食短缺或盈余能够及早做出预警 ， 指导农业进一步生产 。冬小麦是我国最重 要的粮食作物之一 ， 因此 ， 对有 13亿人口的农业大国来说 ， 针对冬小麦进行长势监测是关系到国计民生的大事 。随着 “ 3S” 技术的发展 ， 特别是农业遥感技术的发展 ， 使得应用遥感影像快速 、 及时和动态的监测 、 评估作物的长势代替旧有的农学方法成为一种新的技术手段和主要发展趋势 。叶面积指数 是一个与长势的个体特征与群体特征都有关的变量 ， 植被指数反演 当前遥感监测长势的主要趋势之一 。 长势监测主要是通过遥感数据和地面数据结合建立模型 ， 反演作物长势指标 。本文基于 2004 年的 据 ， 进行黄淮海冬小麦主产区内的石 、 衡 、 台研究区的长势监测 ， 提取 11种植被指数 （ 单天数据作为遥感参数和地面实测的指标进行分析对比 ， 分别建立 植被指数和 苗情指标模型 。研究表明 ， 在 植被指数模型中 ， 多元线性模型比一元线性模型的拟和程度好 ， 一元非线性模型中的部分模型比多元线性模型拟和程度好 ， 在一元非线性模型中选取拟和度高的 3 种植被指数和 3 种拟和度高的模型做地面实测数据的验证 ， 进一步确立 最终的 植被指数模型 。修正的土壤调节植被指数 S 模型 ， 在对 R=因此选择这个模型作为最终 反演模型 。农学参数模型中 ， 亩茎数可以代表作物的密度 ， 反映作物的群体长势 ， 选取亩茎数和立模型 ， R 结合 身的值 ， 参照冬小麦苗情分类的农学标准 ， 可以直接确定冬小麦苗情的分类等级 。 至此 ， 植被指数 地面农学参数整合模型建立完成 。用 演的冬小麦苗情指标 ， 监测 2004 年 4 月上旬冬小麦的长 势 ， 结合气象数据中的苗情数据的验证 ， 准确度达到 以 媒介 ， 将植被指数和地表农学参数连接起来 ， 实现了遥感数据和农学数据的结合 ，为定量监测作物长势提供了一定的方法 ， 但是由于模型误差的必然存在 ， 可能对模型的通用性受到抑制 ， 在今后的研究中继续收集更多的地面数据完善更大尺度内的长势监测模型 。关键词 ： 植被指数 ， 长势 ， 冬小麦of of of to of as in is to in of to or to of of ,300 it is s to to 3S of of of a of is a it is of AI is of of at of of is to of is of in in in 004, 1 as is is In we to S on to of R =so as in mu of in mu to R =AI of So is to of we in 004, is up AI as we of of in we to of in by in 论 . 研究背景及研究意义 . 内外农作物长势监测的研究进展 . 感技术在农情监测中研究进展 . 于植被指数的长势监测的研究进展 . 势监测方法的研究进展 . 在的问题 . 究目标 、 研究内容和技术路线 . 究目标 . 究内容 . 术路线 . 8第二章 长势监测的理论和方法 . 作物长势的定义和遥感监测的理论基础 . 势及长势监测的定义 . 势监测的遥感理论基础 . 势监测中参数 . 被生理 参数 . 谱参数 . 象参数 . 势监测的方法 . 学统计方法 . 感方法 . 17第三章 研究区和数据源 . 研究区概况 . 究区自然环境因素 . 究区冬小麦的生育阶段 . 据源 . 感影像数据 . 理信息数据 . 面实测数据 . 象数据 . 26第四章 作物长势监测模型建立和验证 .数据处理 . . . . 面实测数据与 . 面实测数据 . 被指数与 . 被指数 . . 面实测数据 . 植被指数模型验证 . 立长势监测模型 . 差分析 . 48第五章 全文结论 . 主要研究结论 . 新点 . 究展望 . 51参考文献 . .一章 绪论1第一章 究背景及研究意义我国是农业大国 ， 农业的可持续发展是关系到国计民生的的核心问题 。 随着我国改革开放的不断深入和经济的高速发展 ， 人口不断增加 ， 耕地资源不断减少 ， 大面积作物农情监测和估产就显得尤为重要 。 而且 ， 从国家最高决策者到基本的农户都需要作物的长势信息 ， 在作物各个生育期内尽早掌握作物的长势 ， 在一定情况下比精确估计作物种植面积和总产量本身还要重要 ， 因为作物的长势信息可 以对大规模的粮食短缺或盈余能够及早做出预警 ， 指导农业进一步生产 。冬小麦是我国最重要的粮食作物之一 ， 种植面积约 2600 万 因此 ， 对具有 13 亿人口的农业大国来说 ， 针对农作物进行长势监测和产量早期预报和估算 ， 特别是针对冬小麦进行长势监测和产量估算 ， 能够使国家在粮食宏观调控 、 国际农产品贸易中争取到主动权 ， 对国家及时 、 准确地掌握粮食生产状况具有重要意义 。作物长势监测指对作物从出苗到成熟过程中各个生育期生长状况及其变化规律的宏观监测 。以往的长势监测都是通过农民实地观察农作物的生长 、 发育状况 ， 但是 ， 我国冬小麦分 布广阔 ，且地域形式复杂 ， 如果只应用通过农学参数获得作物长势的方法 ， 由于受到人力 、 物力 、 财力 、时间 、 空间等诸多因素的制约 ， 很难迅速而及时的得到大尺度范围内的作物长势信息 ， 但是随着“ 3S” 技术的发展 ， 特别是农业遥感技术的发展 ， 使得应用遥感影像快速 、 及时和动态的监测 、评估作物的长势成为一种新的技术手段和主要发展趋势 。对农作物的长势监测可以及时了解农作物的生长状况 、 土壤墒情 、 肥力等 ， 便于采取各种管理措施 ， 保障农作物的正常生长 。 同时 ， 可以掌握温度 、 降雨等天气条件对农作物的影响和自然灾害 、 病虫害造成的损失等 ， 为预测作 物的单产和总产提供重要的依据和参考 。因此 ， 本文从大尺度范围的作物长势监测需求出发 ， 应用遥感影像数据 ， 力求结合地面农学参数 ， 建立作物长势监测模型 ， 体现作物生长 、 发育状况随时间或空间变化的趋势 ， 是本论文研究的重要内容 。感技术在农情监测中研究进展（ 1） 国外的研究进展国际上 ， 关于农作物生长状况遥感监测与估产有三个标志性的实验计划 ， 即美国的 划 、 划和欧盟的 划 。1974 1977 年 ， 美国农业部 （ 国家海洋 大气管理局 （ 美国宇航局 （ 商业部合作主持了 “ 大面积农作物估产试验 ” 划 ， 完成了对世界主要小麦产区的面积 、 单位面积产量和总产量的估算试验 ， 其精度在 90%以上 。 该研究首先从小麦开始 ， 因为小麦是全球粮食作物中产量最大的品种 ， 而且小麦长期处于地表覆盖相对单一的冬 、 春两季 ， 因此小麦是遥感监测作物的起源和试验场 。中国农业科学院硕士学位论文 第一章 绪论21980 1986 年 ， 执行了 划的几个部门又合作开展了 “ 农业和资源的空间遥感调查 ” 划 ， 进行国内 、 世界多种粮食作物 (小麦 、 水稻 、 玉米 、 大豆 、 棉花等 8 类 )长势评估和产量预报 ， 并将遥感技术成功应用于面积抽样框 （ 即 方法 。1987年 ， 欧盟所属的联合研究中心遥感应用研究所通过实施 “ 农业遥感监测 ” 项目 计划 ， 成功的建立了欧盟区的农作物估产系统 ， 该系统不仅监测本国的农作物长势 、 粮食产量 ， 而且还对加拿大 、 墨西哥 、 阿根廷 、 巴西 、 前苏联 、中国 、 印度 、 中东地区 、 澳大利亚等全球粮食主产国进行监测 。 目不仅进行作物监测和产量预报 ， 而且还进行农作物种植面积变化的快速调查以及农民申报补贴遥感核查 ， 监测的作物品种多达 18 种 ， 每年发布 6 期综合性的监测通报 。1985年 ， 美国国家统计局采用基本统计单元的平均值和土地类型的加权平均值 ， 建立典型作物的生长过程曲线 ， 进行作物长势监测 。1987年 ， 加拿大小 麦委员会和加拿大遥感中心在 感中心建立了一个加拿大全球作物监测系统 该系统每年处理近千幅加拿大 、 前苏联及全球低分辨率的遥感卫星影像 ， 监测作物的生长状况 ， 估算世界各种谷物的产量 。（ 2） 国内的研究进展遥感技术在我国农业上的应用 ， 从 20 世纪 70 年代末起步 ， 经过 20 多年的艰苦努力 ， 目前用遥感技术进行农作物长势监测和产量预报方法已趋成熟 ， 发展到实用化水平 。 将向着高精度 、 短周期 、 低成本方向深入 ， 为 国民经济和农业的可持续发展作出更大贡献 。从 “ 六五 ” 开始 ， 我国试用卫星遥感技术进行农作物产量预报的研究 ， 并在局部地区开展产量估算试验 。“ 七五 ” 期间 ， 国家气象局又开展了冬小麦苗情监测和产量预报研究 。 我国应用遥感技术进行作物估产始于 1981 年的冬小麦 。 1983 年北京市农林科学院综合所 、 天津市农科所 、 河北省气科院及国家气象局等 3 省市多家单位提出京津冀冬小麦综合估产的技术与方法 。 我国 “ 七五 ” 期间 ， 江苏省农业科学院在江苏省里下河地区使用 1 250 000 彩色合成图像以野外调查和室内目视解 译 ， 依据水稻生长特性和种植经验 ， 编制了里下河地区水稻分布图 ， 进行了估产 。20 世纪 80 年代 ， 福建省气象科学研究所利用 料 ， 监测福建东南部双季晚稻长势 。国家计委 、 国家科委将水稻 、 小麦 、 玉米等农作物的估产列为国家 “ 八五 ” 攻关项目 “ 重点产粮区主要农作物遥感估产 ” ， 建成了大面积 “ 遥感估产试验运行系统 ” ， 并完成了全国范围的遥感估产的部分基础工作 。 借助于 “ 八五 ” 攻关的课题实现了大规模的水稻遥感估产试验 。国家气象局等单位自 1984 年开始进行北方 11 个省 、 市 、 自治区冬小麦气象卫星遥感综合测产研究和试验 ， 创建了气象 卫星动态监测大面积冬小麦长势的方法与技术 。 1989 1995 年农业部利用美国陆地卫星资料开展了北方 7 省冬小麦长势 、 旱情 、 单产和总产等项目的监测预报研究工作 ， 从 1996 年开始 ， 冬小麦长势和旱情评估转入实际运行 。1989 1995 年农业部利用美国陆地卫星资料开展了北方 7 省冬小麦长势 、 旱情 、 单产和总产等项目的监测预报研究工作 ， 从 1996 年开始 ， 冬小麦长势和旱情评估转入实际运行 。中国农业科学院硕士学位论文 第一章 绪论31998 年以来 ， 中国科学院支持开展了知识创新工程重要方向项目 “ 全球农作物遥感估产研究 ” 、 “ 九五 ” 重中之重和特别支持项目 “ 中国资源环境遥 感信息系统及农情速报 ” ， 主要开展全球尺度的作物长势动态监测和重点产粮国的总产预测 。 中国农情遥感速报系统通过对据处理流程的规范化和系统化 ， 形成具有运行能力的农作物长势定性监测系统 ，这种监测方法能够提供每旬或每月监测结果 ， 在运行的同时 ， 从农作物生长过程角度建立监测流程 ， 形成农作物长势定量监测系统 ， 为用户构建了综合的作物实时生长状况及苗情生长趋势的分析环境 ， 实现了作物长势遥感监测综合分析 。 同时可以依据野外地面实测信息对遥感监测结果进行标定和检验 。王延颐等利用多年 据对种 植结构和大气条件都很复杂的区域进行作物的生育期 、 长势状况及产量宏观监测 。在科技部 863 计划 308 主题的支持下 ， 邵芸及其研究小组以水稻为目标 ， 利用雷达遥感技术 ，为其长势监测及产量预估寻求了一种新型的空间地球观测数据源和一套行之有效的技术方法 ， 解决了多云雨地区 ， 特别是我国南方水稻遥感监测的数据源问题 。 利用空间地球观测信息进行粮食作物长势动态监测可以实时地获得粮食产量信息 ， 揭示了水稻后向散射系数的规律 ， 为单参数雷达遥感数据在农业中的应用找到了有效的方法和途径 。 提出了雷达遥感水稻长势监测及产量预估的最佳时相及图像 获取频率选择组合的模式 。应用遥感技术 ， 使得我国长势监测和估产研究都取得了巨大发展 ， 从冬小麦单一作物发展到小麦 、 水稻 、 玉米 、 棉花等多种作物 ， 从小区域发展到大区域 ， 从单一信息源发展到多种遥感信息源的综合应用 ， 监测精度不断提高 。 1997 年 ， 刘可群等将 料和水稻有效积温相结合进行了大范围的水稻长势监测 。于植被指数的长势监测的研究进展（ 1） 国外的研究进展1985 年美国 项目利用卫星以及能够得到的气象 、 土壤信息进行作物长势评价 ， 建立了作物生长植被指数参考图像数据库 ； 按不同地类的面积比重来进行像元的分解 ， 确定典型作物的生长曲线 ； 同时考虑像元的质量问题 ， 通过设定植被像元的阀值和区域统计单元内无云像元的比例 ， 保证最大限度的利用作物信息 ， 降低非植被的影响 。1996 年以来加拿大统计局依据每周长势对比图和 程线进行作物长势监测 。 作物长势监测图从像元尺度进行年际间作物长势对比 ， 对比方式包括当前生长季节内与同一生长季节内前几周对比 、 与上年生长季内的同一周的对比 、 与正常值的对 比 ， 以及与正常 大值的比值等 。 其中正常值主要指历史上所有 用户可以通过 形界面 ， 了解何处何时作物每周的作物生长情况 ， 包括长势差 、 好 、 持平等变化 。 在日常监测的同时 ， 发展了定量的技术 ， 通过对每周的农田 、 草地 平均值分析 ， 去除云的影响 ， 灵活的进行各年间的对比 。 1998 年出于为商业活动服务的目的 ， 设计出能够灵活进行定性分析的系统 ， 可进行当年与上一年 ， 与以往指定年的比较 ， 及时地为用户提供定性的作物长势好坏信息 。 系统还可依据温度和湿度是否超过了正常的范围 ， 进行气象信息异 常的预警分析 。中国农业科学院硕士学位论文 第一章 绪论41998 年美国国家统计局对堪萨斯州小麦长势进行了监测 ， 采用实时数据与多年平均数据对比的方法来描述作物生长状况 ， 将长势状况分为特别好 、 好 、 正常 、 差 、 极差 5 类 ， 反映作物生长与时间的关系 。 利用 8 年的植被指数数据集来定义作物生长的平均状况 ， 当年的值可以直接与其他年以及平均值进行比较 。 同时认为在相同物候阶段相比较的更具有可信度 。 还从时序 线特征参数包括上升速率 、 下降速率和 均值角度对作物的长势和外在因素进行分析 。 采用像元值平均方法提取区域植被指数过程 ， 将作物生长期内的植被指数 过程线与上一年进行对比 。此技术方法应用在 1998 年美国玉米种植带的旱灾监测 。欧盟自 1998 年充分利用 ： 10 万土地覆盖数据库的成果 ， 建立了基于 程的长势监测方法 。 采用区域加权平均方法进行区域作物生长状况评价 。 在作物生长季节内 ， 系统每 10 天分别对欧共体 、 区域和国家 3 个尺度上进行作物监测 ， 反映作物的缺水 、 干旱等情况 ，每 2 周向欧共体农业总部提供农业生产形势监测报告 ， 每月发布 1 期综合通报 。 经过 13 年的建设和运行 ， 方法和系统己经可以在非洲等国家开展作物长势监测 。（ 2） 国内的研究进展1996年 ， 王乃斌等通过区域间或当年与上年植被指数曲线进行比较 ， 反映物候推移 、 作物生长速率 ， 成熟的速率等信息 ， 利用遥感植被指数曲线形态变化与作物苗情变化的响应关系 ， 提取植被指数曲线的特征参数 ， 推测作物的生长发育状况 ， 监测作物长势 。中国农情遥感监测系统自 1998 年以来利用当年的 像与去年同期图像比较的方法监测大范围作物的长势 ， 差值图像按值大小分成 5 级 (差 、 稍差 、 持平 、 稍好和好 ) ， 每旬监测一次 ，运行化程度很高 。 并以此为基础 ， 通过综合农业气象分析 ， 作物长势实时监测和生长过程监测 ，在县 、 区划单元 、 省 、 主产区 、 全国 5 个尺度上进行作物生长过程线监测 。 并基于耕地 、 水 、 旱田分别进行统计分析 ， 通过地面观测进行验证 ， 形成综合的农作物长势监测技术体系 ， 建成了作物长势遥感监测系统 ， 本文是对该系统及其技术方法的介绍 。2001 年 ， 程一松等利用高光谱遥感 程曲线 ， 来及时 (平均 2 天 3 天一次 )地提供农作物长势 、 水肥状况和病虫害情况 ， 称之为 “征兆图 ”( 供诊断 、 决策和估产等使用 。 为了实时地获取数据 ， 需要反复利用航空遥感或利用各个小卫星建立全球数据采集网 。2001年 ， 江东和王乃斌等利用 气象卫星 料 ， 反演出农作物生育期内每日和每旬的 据 ， 分析了 间曲线的波动和农作物生长发育阶段及农作物长势的响应规律 ， 并探讨了二者的生态学内涵 ， 以华北冬小麦为例 ， 探讨了 冬小麦各个生育期的积分值与农作物单产之间的相互关系 。2002年 ， 弋良朋等以不同时间相同季相的遥感数字图像为资料源 ， 结合实际调查 ， 参考各类专题图 、 社会经济统计资料 ， 借助遥感专业图像处理分析软件 ， 利用重规一化植被指数 （ 编制植被盖度图 ， 定量分析评价尉犁县的植被生境多年变化状况 。2003年 ， 覃先林等利用 据 ， 分别采用了归一化植被指数 ( 环境植被指数 ( 土壤调节植被指数 (及比值植被指数 (实验区典型树种的长势进行了比较研究 ； 同时对实验区典型树种的植被指数的地域变化和时间变化进行了分析 ， 为探讨我国可燃物的时空变化规律打下了基础 。2004年 ， 齐述华研究了旬合成 间序列 ， 利用概率函数方法 ， 得到植被长势评价指标从而监测植被长势对气候因子的响应 。中国农业科学院硕士学位论文 第一章 绪论52004 年 ， 扎西央宗研究了那曲地区牧草的利用 1999 2000 年牧草主要生长期 (5 9 月 )的卫星遥感植被指数和牧草观测资料 ， 绘出 牧草植株高度 (h)、 覆盖度 (m)时间变化曲线 。发现高寒草原类草地的牧草生长前期用归一化被指数 、 后期用比值植被指数 ， 而高寒草甸类和高寒草原类 、 高寒草甸类两种混合类草地的牧草生长期内用归一化植被指数监测牧草长势效果较好 。势监测方法的研究进展2005年 ， 王建林等提出了农作物长势动态监测方法应用主要有三种 ： 可以根据不同时期的遥感影像来分析作物在不同生育期的变化状况 ； 利用同一时期的遥感影像 ， 区分同一地区不同作物的长势差异状况 ； 与历史年 份同期的遥感资料进行对比分析 ， 判断作物与往年相比的长势情况 ，从而提出有效的农业管理措施 。 但从农业部门习惯角度 ， 由于去年的收成是已知的 ， 通过与去年的作物长势进行比较 ， 便于早期估产 。2004年 ， 吴炳方等提出农作物长势监测主要包括实时监测和过程监测 。 实时作物长势监测主要是通过两期 像的对比分析 ， 即计算差值图像来实现的 。 利用每旬的最大 成图像与去年同期的最大 并将差值图像 (8 在 - 100 100 间灰度级间均分为5 个区间 ， 形成反映作物长势的 5 个分级 (差 、 稍差 、 持 平 、 稍好 、 好 ) 。 同时 ， 为了更好地反映作物的生长信息 ， 通常将差值图像与耕地数据相叠加 ， 仅保留耕作区域 ， 以更准确地反映作物的生长信息 ， 更能突出地反映农作物的长势情况 。 另外 ， 作物长势实时监测还考虑地区差异和物候期变化等因素 ， 因此作物长势监测图还叠加表征作物生长节律先后的物候数据 。 最后 ， 将耕地分为水田和旱地作物分别成图 ， 以分别监测水田作物和旱地作物 。过程监测主要是通过时序 像来构建作物生长过程 ， 通过生长过程的年际间的对比来反映作物生长的状况 ， 也有称随时间变化监测 。 作物生长期内 ， 通过卫星绿度值随时间的变化 ，可动态的监测作物的长势 。 且随着卫星资料的积累 ， 时间变化曲线可与历年的进行比较 ， 如与历史上的高产年 、 平年和低产年 ， 以及农业部门习惯的上一年等 。 通过比较寻找出当年与典型年曲线间的相似和差异 ， 从而作出对当年作物长势的评价 。 可以统计生长过程曲线的特征参数包括上升速率 、 下降速率 、 累计值等各种特征参数 ， 借以反映作物生长趋势上的差异 ， 从而也可得到作物单产的变化信息 。利用曲线形态变化与作物苗情变化的响应关系 ， 提取 线的特征参数 ， 推测作物的生长发育状况 ， 监测作物长势 。 例如 下降速率如果很大 ， 意味着作物迅速 枯萎 ， 对作物的蜡熟有直接影响 。 而作物特定生育期内 ， 累计值与其最终生物量 (或产量 ) 有较好的相关关系 ， 可以依据此值进行年际间对比 ， 从而定量的进行生长情况分析 ， 为作物产量的计算提供依据 。 不同地区影响作物长势因素不同 ， 曲线特征参数变化具有区域性 ， 需结合农业气象信息和地域性的特点 。 如东北地区作物在生长的前期很少涉及缺水的影响 ， 长势主要受后期早霜的影响 ，如果后期遭到早霜 ， 时序 线在峰值后会迅速下降 ， 如 2002 年黑龙江省虎林市 9 月下旬突降大雪 ， 对作物收获造成了灾难性的损失 。 而在华北地区 ， 由于旱地作 物的生长主要受早期缺水的影响 ， 会造成时序 线峰前的上升速度减小 ， 最终也会影响到峰值的大小 。 而中国的南方地区 ， 水稻的最终产量主要与生长期的长短有关 ， 与时序 线峰形有关 ， 即与 “ 胖 ” 、“ 瘦 ” 有关 。 因此需要提取时间过程曲线的特征参数 (峰值 、 上升 、 下降速度等 ) 。 通过不同年份中国农业科学院硕士学位论文 第一章 绪论6的特征参数与产量的相关分析 ， 从中筛选出敏感的参数因子 ， 从而进行作物长势的定量监测 。1999年 ， 杨邦杰讨论的遥感长势监测的可行性方案为例 ， 杨邦杰提出了根据功能遥感长势监测的评估模型和诊断模型 ， 评估模型又分为逐年比较模型和等级模型 。（ 1） 评估模型逐年比较模型 ， 以当地的苗情为基准 ， 今年与去年同期长势相比 。 这样便于各地的田间监测 ，也是传统的习惯 。 农业部门习惯于与去年比较 ， 因为去年的收成是已知的 ， 便于早期估产 。 在逐年比较模型中 ， 引入 2 1( ) / 式中 ， 2 今年旬值 ； 1 去年同期值 ； 多年平均值 。 根据与 0 的关系来初步判断当年的长势与去年相比是好还是差 ， 优点是便于各地的田间监测 ，具有普适性 ， 但是比较难以分等定级 。等级模型就是当年的 与多年的均值比较或与当地极值比较后分级 ， 这种方法在实际中使用存在一定困难 ， 前者为距平模型 ， 后者为极值模型 。距平模型定义为 ：( ) / 式中 ， 当年值 ， 多年平均值 。在等级模型 ，