农业行业标准《中高分辨率卫星主要农作物产量遥感监测技术规范》编制说明

农业行业标准中高分辨率卫星主要农作物产量遥感监测技术规范》

编制说明标准编制组2020年6月#目录TOC\o"1-5"\h\z一、工作概况3任务来源、承担单位和协作单位3主要工作过程3主要起草人及其所做工作4二、编制原则和依据4标准编制原则4标准编制依据4三、主要技术内容说明6标准主要技术内容指标或要求确定的依据6标准的符合性和一致性17重大分歧意见的处理经过和依据17四、标准应用实例171.廊坊夏玉米产量遥感监测实例172.廊坊冬小麦产量遥感监测实例22五、其他需要说明的事项261.技术经济论证、预期经济效果和社会效益262.贯彻行业标准的措施建议27其他27六、参考文献27《中高分辨率卫星作物产量遥感监测技术规范》编制说明一、工作概况任务来源、承担单位和协作单位（1）任务来源农业行业标准《中高分辨率卫星作物产量遥感监测技术规范》是依据《农业农村部办公厅关于下达2018年农业国家、行业标准制定和修订项目任务的通知》（农办质[2018]20号）的计划编制。本标准由农业农村部发展规划司提出并归口，中国农业科学院农业资源与农业区划研究所负责起草。（2）承担单位和协作单位标准承担单位（起草单位）：中国农业科学院农业资源与农业区划研究所。主要工作过程（1）立项启动阶段本标准获得农业部立项批准后，承担单位积极开展启动准备工作。2018年6月，标准项目启动，成立编制小组，明确了目标任务，确定了编写技术方案与分工，制定了工作进度计划，初步拟定了标准框架内容。（2）起草编制阶段2018年6月8月，编制组收集分析了国内外相关标准规范以及科研文献，起草了标准草稿。2018年9月2018年12月，根据农业农村部遥感应用中心开展的作物产量遥感监测业务运行工作，经反复论证、分析和验证，多次修改，形成了标准初稿。2019年1月2019年8月，编制组对有关问题进行了多次较为充分的沟通和讨论，对标准的内容架构及适用范围等做了细致的研究，修改并形成标准征求意见稿（初稿）。（3）征求意见及处理阶段2019年9月12月，编制组对标准征求意见稿进行了遥感卫星研制单位、高等院校、研究单位、国家及地方农业遥感应用单位等26家单位38位专家意见征求。至2019年12月底，共收到28位专家或单位的总计181条反馈意见。编制组逐条认真讨论了征集的意见，采纳意见171条，部分采纳3条，未采纳7条。编制组根据专家意见对标准进行了认真修改，于2019年5月初完成标准送审稿。预计2019年6月报送农业农村部发展规划司征求各司局和网络意见。主要起草人及其所做工作表1标准主要起草人及承担工作序号姓名工作单位所做主要工作1刘佳中国农业科学院农业资源与农业区划研究所本标准主编。负责组织标准编制大纲、主要内容及征集意见的讨论、修改，以及标准文本的统稿、定稿等工作。2王利民中国农业科学院农业资源与农业区划研究所负责标准主要内容的编写，参与修改，并负责起草标准编制说明。3滕飞中国农业科学院农业资源与农业区划研究所负责标准的业务运行测试工作，并参与标准修改讨论。4高建孟中国农业科学院农业资源与农业区划研究所负责标准数据源选择测试，并参与标准修改讨论。5姚保民中国农业科学院农业资源与农业区划研究所负责标准的业务运行测试工作，并参与标准修改讨论。6杨玲波中国农业科学院农业资源与农业区划研究所负责标准数据源选择测试，并参与标准修改讨论。二、编制原则和依据标准编制原则基于国内外作物产量遥感监测的相关技术研究成果，遵照GB/T1.1-2009给出的规则，参考GB/T30115-2013《卫星遥感影像植被指数产品规范》、GB/T13989-2012《国家基本比例尺地形图分幅和编号》、GB/T20257-2017《国家基本比例尺地图图式》等标准的相关内容，遵从科学性、针对性、适用性、可行性的原则，形成了《中高分辨率卫星作物产量遥感监测技术规范》农业行业标准送审稿。标准编制依据（1）项目成果和已有标准农业农村部“国家农情遥感监测业务运行系统”是从1998年开始运行的业务系统，本标准制定是在其中的作物产量遥感监测业务运行成果基础上，结合“十二五”国家科技重大专项“高分辨率对地观测系统（民用部分）”中的应用系统项目“高分农业遥感监测与评估示范系统先期攻关”、“高分农业遥感监测与评估示范系统（一期）”、国家重点研发计划课题“作物生长与生产力卫星遥感监测预测”的科研成果，以及农业资源遥感监测相关的科研成果、文献资料、相关国家和行业标准等编制的。现行的作物产量监测方面的标准共有4项，其中有1项针对主要粮食作物产量年景等级的气象标准，1项针对小麦和玉米产量遥感估算的地方标准以及2项针对水稻和玉米产量现场测定的地方标准（表2），不足以对全国及农业行业资源、农情遥感监测业务形成规范性的参考。表2现行的作物产量遥感监测标准标准编号标准名称发布部门实施日期状态QX/T335-2016主要粮食作物产量年景等级中国气象局2017/03/01现行DB61/T10412016小麦、玉米产量遥感估测规程陕西省质量技术监督局2016/10/01现行DB32/T10932015水稻产量现场测定操作规程江办省质量技术监督局2015/12/20现行DB32/T28572015玉米产量现场测定操作规程江办省质量技术监督局2015/12/20现行（2）实际验证将上述业务运行流程、研究课题和标准中，有关中高分辨率卫星作物产量遥感监测数据源、技术流程、精度验证、报告撰写等内容进行了文献分析、成果总结和实际验证。结合作物产量遥感监测的业务情况，确定了农作物产量遥感监测流程包括遥感数据获取与处理、农作物地面样方产量测定、产量遥感监测模型构建和监测专题图制作与监测报告编写等内容。数据获取与预处理主要包括采用遥感数据计算植被指数的过程、农作物地面样方产量测定主要包括地面实测产量的获取过程、产量遥感监测模型构建规定了产量监测模型构建、模型应用及精度验证内容，监测专题图和监测报告编写部分则对报告内容和形式进行了规定。（3）服务经验和专家意见根据标准起草人以及作物产量遥感监测专家多年的业务服务经验，编制了中高分辨率卫星作物产量遥感监测技术规范，并根据专家意见进行了修改。三、主要技术内容说明1.标准主要技术内容指标或要求确定的依据《中高分辨率卫星主要农作物产量遥感监测技术规范》共分11章正文和参考文献，包括第1章范围、第2章规范性引用文件、第3章术语和定义、第4章缩略语、第5章基本要求、第6章监测流程、第7章数据获取与处理、第8章农作物地面样方产量测定、第9章产量遥感监测模型构建、第10章监测结果精度验证、第11章监测专题图和监测报告编写。标准主要技术内容指标或要求确定的依据说明如下：（1）范围本文件规定了基于中高分辨率卫星数据开展农作物产量遥感监测的基本要求、监测流程、数据源与数据处理、农作物地面样方产量测定、构建产量遥感监测模型、监测结果精度验证、监测专题图和监测报告编写等内容。中高分辨率卫星数据是指空间分辨率不低于30m的遥感数据，主要农作物是指小麦、玉米、水稻等大宗农作物。本文件适用于基于中高分辨率卫星数据开展主要农作物产量遥感监测的业务工作，其他遥感数据及农作物类型的产量遥感监测业务可参照执行中高分辨率卫星数据指的是分辨率不低于30m，具有多光谱谱段的卫星影像数据，如国内的GF-1、GF-6、HJ-1等卫星及国外的Landsat系列、Sentinel-2、Worldview系列等卫星。中高分辨率卫星相对以往应用较多的低分辨率卫星（如MODIS）等,具有更高的分辨率，监测的精度可以得到有效提高，监测的尺度范围也可以进一步的降低细化，对于产量监测向区域级甚至地块级发展具有重要的意义。通过规范中高分辨率卫星数据的作物产量监测技术流程，可以为我国农业的可持续、现代化发展提供有效的支持。卫星遥感监测的成本低、效率高、客观性强，监测的频率相比传统方法也有巨大的优势，利用卫星遥感监测地块、区域乃至全国作物产量是可行的，监测精度可以保障。标准起草组在试验研究、专家意见征求的基础上，确定了利用中高分辨率卫星数据及遥感技术手段监测作物产量的主要技术流程和指标，标准内容基于目前已较为成熟可靠的技术方法，既保证了对当前作物产量遥感监测业务工作主要流程和指标的指导作用，也为今后各类作物产量遥感监测方法的改进保留了充足的余地。2）规范性性引用文件在充分获取当前国内已有的农业遥感相关标准的基础上，根据作物产量遥感监测的自身特点及技术流程需要，参考了相关领域的标准，包括《GB/T13989-2012国家基本比例尺地形图分幅和编号》、《GB/T20257-2017（所有部分）国家基本比例尺地图图式》、《GB/T30115-2013卫星遥感影像植被指数产品规范》、《GB/T15968-2008遥感影像平面图制作规范》等。其中，《GB/T13989-2012国家基本比例尺地形图分幅和编号》主要是参考其基本比例尺的定义及分幅要求。农业遥感作物产量监测的监测区域往往较大，通过参考国家基本比例尺的划分方式，对作物产量监测进行分区监测，同时也方便与传统的地形图、正射影像图等资料进行比对分析等。《GB/T20257-2017（所有部分）国家基本比例尺地图图式》主要用于指导相应比例尺的作物产量监测成果的制图工作，对于科学合理地进行作物产量遥感监测成果制图具有参考意义。《GB/T30115-2013卫星遥感影像植被指数产品规范》主要用于在数据预处理时进行NDVI等指数计算时的技术流程指导°NDVI等指数是植被特征的集中反映，可以为作物产量监测提供重要的参考，而参照已有的植被指数的国家标准，可以对NDVI等作物产量监测常用的植被指数计算提供参考。《GB/T15968-2008遥感影像平面图制作规范》主要用于指导中高分辨率作物产量遥感监测结果的专题图制作，该标准对遥感影像的平面图成图的基本要求如影像质量、平面精度、图幅尺寸等以及各不同比例尺遥感影像平面图的图像地面分辨率提出了具体的要求。（3）术语和定义术语和定义包含了作物产量遥感监测常用到的专业术语，包括作物产量、农作物生育时期、农作物物候期、遥感、像元、空间分辨率、阿尔伯斯投影、高斯-克吕格投影、通用横轴墨卡托投影、几何校正、辐射定标、大气校正、植被指数、归一化差值植被指数、多时相影像和中高分辨率卫星影像共16个专业名词，各名词的定义，对于已存在其他相关国家标准中的定义，则直接进行引用或修改后引用，对于部分尚未在其他标准中定义的专业术语，则通过查阅相关专业论文、词典等资料，并结合专业知识进行定义，并咨询相关领域的专家最终确定。4）缩略语本标准给出了4个缩略语，包括归一化差值植被指数（NDVI）、全球导航卫星系统（GNSS）、国家大地坐标系（CGCS）、均方根误差（RMSE）,缩略语包括了在标准中出现的，经常用到但是没有明确的专业术语，或者是本行业常用的缩略语，符合专业性、准确性、简洁性的要求。（5）基本要求基本要求规定了作物产量遥感监测中对于空间基准、分幅和编号、监测时间等的要求。这些要求是需要在作物产量遥感监测之前进行明确规定，同时，也是保障不同作物产量遥感监测成果之间通用性的重要保证。（a）空间基准空间基准包括了大地基准、高程基准和投影方式三大类内容。其中大地基准要求采用2000国家大地坐标系（CGCS2000）,CGCS2000是测绘编制国家基本比例尺地图的基础，经国务院批准，我国自2008年7月1日起启用CGCS2000,至到2018年全面完成CGCS2000转换工作，因此中高分辨率卫星作物产量遥感监测制图的大地基准应当与CGCS2000保持一致，确保成果的空间一致性和通用性。高程基准要求采用1985国家高程基准，根据《国务院关于启用“1985国家高程基准”的批复》，同意启用新的国家高程基准面数据，即“1985国家高程基准”，并作为全国新的统一的高程控制系统，中高分辨率卫星作物产量遥感监测成果所使用的数字高程模型（DEM）数据等，应当符合国家对高程基准的规定，确保成果的可靠性，同时也与国家基础比例尺的地形图保持一致。投影方式要求省级及以上尺度宜采用阿尔伯斯投影，省级以下尺度宜采用高斯克吕格投影。阿尔波斯投影的特点是，在该投影下，所有地区的面积均与地球上相同地区的面积保持一致，这就保证了大尺度情况面积统计时，图上测量面积与地面实际面积无差别，确保面积属性的准确性。如果使用高斯投影，在离中央经线较远的地区可能存在较大的变形，造成图上面积的误差。对于省级及以下尺度的作物产量监测，则可以采用高斯克吕格投影，这是由于高斯克吕格投影无角度变形、图形保持相似，可以在确保图上面积变形较小的前提下，确保图上作物耕地地块等地物与实际的形状保持一致。（b）分幅与编号GB/T13989-201《2国家基本比例尺地形图分幅和编号》规定了1:500、1:1000、1:2000、1:5000、1:10000、1:25000、1:50000、1:100000、1:200000、1:500000、1:1000000共11个比例尺的分幅和编号标准，作物产量遥感监测成果的制图比例尺应当与国家基本比例尺地图保持一致，确保成果的通用性、准确性。（c）监测时间监测时间是指作物产量遥感监测的最佳时相，主要受作物物候期、当地农事等因素影响。小麦、玉米和水稻等大宗农作物产量遥感监测的时相宜选择抽穗期至乳熟期（小麦）、抽雄期至乳熟期（玉米）或抽穗期至乳熟期（水稻）。（6）监测流程依据1998年以来农业农村部“国家农情遥感监测业务运行系统”农作物产量遥感监测工作的多年试验与对比分析，参考相关的科研成果、文献资料等，确定了农作物产量的遥感监测的流程。农作物产量遥感监测流程包括农作物产量遥感监测的基本要求、监测流程、数据源与数据处理、农作物地面样方产量测定、构建产量遥感监测模型、监测结果精度验证、监测专题图和监测报告编写等内容，技术流程可参照图1开展。。数据获取与预处理主要包括采用遥感数据计算植被指数的过程、农作物地面样方产量测定主要包括地面实测产量的获取过程、产量遥感监测模型构建规定了产量监测模型构建、模型应用及精度验证内容，监测专题图和监测报告编写部分则对报告内容和形式进行了规定。农作物种植区空间

分布图其他数据耕地分布图行政区划图数据获取与处理农作物地面样方产量测定调查点布设*地面采样作物脱粒晾晒去杂称重农作物种植区空间

分布图其他数据耕地分布图行政区划图数据获取与处理农作物地面样方产量测定调查点布设*地面采样作物脱粒晾晒去杂称重+产量计算植被指数计算遥感数据选择遥感数据预处理农作物不同生育时

期资料产量遥感监测模型构建图1作物产量遥感监测处理流程图（7）数据获取与处理本标准对遥感数据、其他数据的获取与处理提出了要求。（a）遥感数据考虑当前中高分辨率卫星作物产量遥感监测研究的国内外进展和技术成熟度，以及数据的易获取性，本标准将中高分辨率的多光谱卫星数据作为主要的作物产量遥感监测数据源，当前国内外常用的中高分辨率卫星传感器如表3所示。表3作物产量遥感监测常用卫星数据源波段设置及分辨率卫星/传感器波段设置/“m分辨率/m

GF-1/WFV蓝：0.45〜0.52绿：0.52〜0.59红：0.63〜0.69近红外：0.77〜0.8916GF-2/PMS蓝：0.45〜0.52绿：0.52〜0.59红：0.63~0.69近红外：0.77〜0.894HJ-1A/B蓝：0.43~0.52绿：0.52~0.60红：0.63~0.69近红外：0.76〜0.8930ZY-302星蓝：0.45~0.52绿：0.52~0.59红：0.63~0.69近红外：0.77〜0.895.8Landsat-8OLI海岸：0.433~0.453蓝：0.450~0.515绿：0.525~0.600红：0.630〜0.680近红外：0.845〜0.885短波红外1：1.560~1.651短波红外2：2.100~2.30030Sentinel-2A/B海岸：0.443蓝：0.490绿：0.560红：0.665红边1：0.705红边2：0.740红边3：0.783近红外：0.842红边4：0.865短波红外1：1.610短波红外2：2.19010或20标准要求所使用的遥感数据至少包含红及近红外等对作物监测有重要作用的波段。表3中所列遥感数据源都具备红及近红外波段，因此，本标准将其设置为作物长势遥感监测的必要波段。标准规定了卫星影像数据空间分辨率应不低于30m,表3中所列的常用中高分辨率卫星数据的空间分辨率均不大于30m，使用这一分辨率的卫星影像数据,基本可以满足从区域到国家尺度的作物产量遥感监测工作。遥感数据的预处理过程主要包括大气校正、几何校正和裁切掩膜。大气校正主要目的是提升卫星影像的辐射准确性，根据传感器类型确定影像辐射定标参数，最终获取地表反射率影像，方便后续进行作物产量的定量化监测。几何校正主要目的是提升卫星影像的几何位置的准确性，几何校正的精度要求参考了正射影像图制作相关标准，如国家基本比例尺地图正射影像图（GB/T33175-2016《国家基本比例尺地图1:5001:10001:2000正射影像地图》、GB/T33182-2016《国家基本比例尺地图1:50001:10000正射影像地图》GB/T33179-2016《国家基本比例尺地图1:250001:500001:100000正射影像地图》、GB/T33178-2016《国家基本比例尺地图1:2500001:5000001:1000000正射影像地图》），不同比例尺正射影像图的平面位置中误差在平地和丘陵不大于0.6mm,在山地和高山地不大于0.8mm,且最大中误差为中误差的两倍。根据比例尺的换算，若完全参照这一标准,则正射影像图的点位中误差将达到6~8个像元左右,这对于农业遥感监测需要精确相对位置关系而言显然是不够的。而常用的基于多时相遥感影像的作物监测,一般要求几何配准精度达到亚像元级别,因此,考虑到农业行业应用的实际需求,由于作物主要种植在平原区域,因此要求平地、丘陵地的大地坐标误差W1个像元，山地、高山地的大地坐标误差W2个像元。影像的裁切掩膜按照监测区范围、农作物种植区空间分布图或耕地分布图进行剪裁和掩膜处理，获取监测区域、目标作物影像。（b）其他数据其他数据包括了监测区的监测区域作物种植区空间分布图或者耕地分布图、监测区域行政区划图、监测区域作物不同生育时期资料等。其中，行政区划图主要用来筛选遥感影像数据、明确产量监测任务区域、用于产量监测结果的统计等；耕地分布图则主要用于进行作物区域的掩模识别，提出非产量监测区域；监测区域作物不同生育期资料则主要为了确定产量遥感监测的业务工作开展时间，保证长势遥感监测覆盖作物的主要生育时期。（8）植被指数计算本标准建议使用归一化植被指数（NDVI）作为产量遥感监测的指数，公式如下所示：ND刃=（心ir-Ked）/（人ir+KeJ（"式中：Rnir近红外波段反射率；Rred——红波段反射率。采用这一指数作为遥感长势指数计算，是由于NDVI指数是当前应用最为广泛普遍的植被指数，基于NDVI的作物产量遥感监测技术目前以相当成熟，覆盖了从高分辨率到中分辨率、低分辨率各个卫星分辨率尺度的作物产量监测，具有较强的适用性。此外，NDVI指数的计算仅需要近红外波段和红光波段即可，目前绝大部分的中高分辨率卫星都包含这两个波段，且计算简便，原理清晰。农作物地面样方产量测定地面样方产量测定主要包括调查时间、调查点布设和产量测定等内容。地面样方产量测定是中高分辨率卫星作物产量遥感监测的重要组成步骤，其产量测定结果对于遥感监测结果的标定和精度验证具有重要的意义。下面将从地面样方产量测定的各项内容进行说明。(a)产量测定时间产量测定时间应安排在作物完熟期，即在作物完全成熟后进行产量测定。过早进行测产，可能导致作物营养生长尚未完成，对产量结果产生影响，并最终对遥感监测的精度造成影响。(b)调查点布设参考作物灌浆至乳熟期NDVI大小，确定调查点位置，调查点应覆盖好、较好、正常、较差、差的长势等级序列。应离村庄或建筑物100m以上，宜选择比较平整和规则的地块，记录GNSS坐标信息。数量应具有代表性和统计意义，应不少于30个调查点。选点可采用灌浆至乳熟期NDVI数据辅助分层抽样方式，将NDVI数值范围划分为10层，每层选择不应少于3个调查点。当监测范围较大时，可适当增加调查点数量。各调查点地块覆盖范围应大于3X3个像元，地块内仅包括目标农作物类型，长势基本一致。(c)产量测定样方内选取测产样点时，应避免在地头、边行及缺苗断垄的位置取点，样点一般采用对角线方法选取，且每个样方内不少于3个样点。每个取样点取1平方米（小麦、水稻）或12平方米（玉米，4行X5米），小麦、玉米、稻谷分别按GB1351-2008、GB1353-2009、GB1350-2009标准进行脱粒晾晒至标准水分，去除杂物后称重，计算样方内全部样点的平均产量，并对样方内作物总产量进行估算，最后结合样方面积计算得到作物产量。（10）产量遥感监测模型构建通过地面实测的方式获得样方内作物产量数据，并随机等分为训练样方和验证样方两个数据集。基于训练样方数据集，建立地面实测作物产量与归一化差值植被指数之间的回归关系式，即产量遥感监测模型。农作物产量遥感监测可在像元尺度也可在地块尺度开展，产量遥感监测模型建立过程中，像元尺度测产操作性差，且易受异常值影响，推荐产量遥感监测模型建立在地块尺度开展。基于训练样方数据集，建立样地面实测作物产量与植被指数之间的回归关系式。地面实测作物产量为样方尺度上的单位面积产量，植被指数为样方内全部像元NDVI的均值。关系式采用线性回归获取，通过最小二乘法获取线性拟合的斜率和截距。按照公式（2）计算农作物遥感监测产量，并获得监测区域农作物遥感监测产量空间分布图。—sWNDVI+b（2）式中：Yr——遥感反演作物产量，以kg/hm2表示；NDVI――基于遥感影像获得的归一化差值植被指数，NDVI可以为单期数据,也可以为相近数期数据的均值；a、b系数。通过地面实测作物产量（Y）与相同位置的NDVI拟合获g取。注：针对相同地区、相同时相、相同作物类型，a、b系数可以采用历史数据拟合值。（11）监测结果精度验证根据农作物产量监测结果，可以采用如下两种方式之一进行精度验证，其中一种满足合格条件，可认定为遥感监测作物产量结果符合精度要求。利用验证样方数据，根据公式（3）计算地面实测作物产量（坊）与遥感反演作S物产量（乙）间的Pearson相关系数，以r表示。以&0.6作为合格标准。厂=cove”）（3）式中：rPearson相关系数；Cov（y^,Yr）——地面实测作物产量与遥感反演作物产量的协方差；——地面实测作物产量的标准差。YgOY遥感反演作物产量的标准差。TOC\o"1-5"\h\z根据公式（4）计算地面实测作物产量（Y“）与遥感反演作物产量（YJ的均y厂方根误差（RMSE）。RMSE=I丄（匕Y）2（4）\n1^=19iri为了消除验证数据数量级对均方根误差的影响，根据公式（5）计算得到RMSE与地面实测作物产量均值的比值，用RMSE/mean表示。并以RMSE/mean不超过0.20作为合格标准。RMSE=、〔n1x》；=i（Z/口）2mean（^n=1Yg^n式中：n验证样方数量；i第i个验证点；Yn地面实测作物产量Yr遥感反演作物产量mean地面实测作物产量均值目前国内外农作物产量遥感监测方面的精度如下表所示。表4国内外农作物产量遥感监测精度

作者监测区域监测作物遥感影像及指数精度评价方法精度％I.Becker-Reshef等美国卡萨斯州和乌克兰冬小麦MODIS/NDVI基于年度统计数据进行精度评价RMSE分别为0.18和0.44吨/公顷R分别为0.88和0.74MerrynL等英国冬小麦Sentinel-2A/波段反射率及气象数据基于实际测产数据进行精度评价R2=0.91RMSE介于0.24-1.94t/haSkakunS等乌克兰冬小麦Landsat-8Sentinel-2A/NDVI最大值基于年度统计数据进行精度评价R2=0.446A=-0.17t/haU=0.31t/haRu=7.7%Al-GaadiKA沙特阿拉伯马铃薯Landsat-8Sentinel-2A/NDVI和SAVI基于实测产量进行精度评价Landsat-8数据R2介于0.390.65,RMSE介于5.25%-8.74%Sentinel-2A数据R2介于0.47-0.65，RMSE介于4.96%-8.8%ZhangK等江苏省水稻地面多光谱仪器/NDRENormalizeddifferencerededge基于实测产量进行精度评价R2=0.78RRMSE=0.1441欧阳玲等北安市大豆和玉米GF-1landsat8NDVIEVIGNDVI基于实测产量进行精度评价R2=0.8237RMSE=135.45g/m2（12）专题监测图制作和报告的编写为了保证作物产量遥感监测专题产品的规范性和信息的完整性，地图基本要素的图式参照《国家基本比例尺地图图式》（GB/T20257-2017（全部））规定的内容完成。在监测报告中，需要描述产量监测时间范围、卫星及传感器等与遥感监测结果的有关信息，确保作物产量监测成果的一致性和规范性，提高产品的共享能力。2.标准的符合性和一致性（1）标准的符合性本标准符合《中华人民共和国宪法》、《中华人民共和国农业法》以及相关的法律法规，没有出现与有关现行法律、法规和强制性国家标准发生冲突的条款。（2）标准的一致性本标准编制过程中，充分考虑了与现行相关标准之间在技术指标方面的一致性或协调性。这些标准包括《卫星遥感影像植被指数产品规范》GB/T30115-2013）、《摄影测量与遥感术语》（GB/T14950-2009）等。重大分歧意见的处理经过和依据无。标准应用实例1.廊坊夏玉米产量遥感监测实例（1）数据预处理经辐射定标、大气校正、几何校正后得到中国农业科学院廊坊试验站区域预处理后的Sentinel-2A影像，影像获取时间为2018年9月22日，其假彩色合成图如下图所示，用以进行夏玉米的产量遥感监测。

图2廊坊试验站区域2018年9月图2廊坊试验站区域2018年9月22日Sentinel-2A影像假彩色合成图2）植被指数计算利用公式（1）计算获得中国农业科学院廊坊试验站区域冬小麦区域2018年9月22日NDVI分布图，为了便于运算，所有NDVI数值统一扩大了一万倍，如下图所示。图3廊坊试验站区域2018年9月■I亍甲珂.图3廊坊试验站区域2018年9月■I亍甲珂.L1■111122日NDVI分布图农作物地面样方产量测定通过地面测量和产量测定获取样方的面积和样方内作物产量，在廊坊市试验站共获得了2018年夏玉米20个地块的地面实测产量。夏玉米地面样方产量测定结果如下表所示。表52018年夏玉米地面样方测定产量地块编号地块面积(m2)地块总产量(Kg)Yg(Kg/hm2)1558.02449.008046.292580.43454.507830.373583.48304.505218.674587.13259.004411.335544.89223.504101.756388.06142.003659.277394.13223.505670.768382.83177.504636.499392.95174.004428.0410397.78206.505191.2911398.07146.003667.7112390.10101.502601.9013399.25138.503469.0114397.38211.505322.3715405.40249.506154.4216391.24277.507092.8517396.74227.005721.6218399.51239.005982.3419392.73187.004761.5320398.6499.002483.43产量遥感监测模型构建在2018年夏玉米20个监测地块中，选择偶数编号的地块(共计10个)，用于构建夏玉米地面实测作物产量Yg与NDVI之间的回归关系式，每个地块的实测作物产量及对应的NDVI值如下表所示。表6廊坊试验站夏玉米Yg及NDVI(用于线性拟合)地块编号NDVIYg(Kg/hm2)25389.117830.3744787.154411.3364377.573659.27

84362.334636.49104434.245191.29124360.672601.90144808.625322.37165160.917092.85185341.285982.34204647.392483.43基于表6中的数据，建立廊坊试验站区域夏玉米区域地面实测作物产量丫2与相应位置遥感影像NDVI之间的回归关系式，如下图所示。10002000-40轉10002000-40轉42504血04750500052505500NDV]*10000600050004000V=140&6X・H西9Ra=0.615ft图4廊坊试验站区域夏玉米区域Yg与NDVI回归关系式监测结果基于回归关系式及遥感影像获取的NDVI值，得到廊坊试验站夏玉米区域遥感反演作物产量Yr分布图，如下图所示。rNLE1.14:"%FHh"l.MIhgh-I蹄ILJ*fliLpifiJiii^Jrisrin^jhfE图5rNLE1.14:"%FHh"l.MIhgh-I蹄ILJ*fliLpifiJiii^Jrisrin^jhfE图5廊坊试验站夏玉米区域遥感反演作物产量分布图HMI~1（6）监测结果精度验证在廊坊试验站2018年夏玉米20个监测地块中，选择奇数编号的地块（共计10个），用于遥感反演作物产量的精度评价。每个地块的遥感反演作物产量Yr与地面实测作物产量Yg值如下表所示。表7廊坊试验站2018年夏玉米Yr及Yg（用于精度验证）地块编号Yg(Kg/hm2)Yr(Kg/hm2)15914.008046.2934794.425218.6754947.684101.7574770.335670.7694551.484428.04114631.423667.71134504.173469.01154831.556154.42175083.485721.62195182.934761.53基于表7中的数据，廊坊试验站2018年夏玉米产量遥感监测精度评价结果为：Pearson相关系数r=0.803,RMSE/mean=0.06<0.20,满足精度要求。廊坊实验站夏玉米地面实测作物产量Yg和遥感反演作物产量Yr二维散点图

如下图所示，可以看出散点大致分布于1:1如下图所示，可以看出散点大致分布于1:1标准线附近。2.廊坊冬小麦产量遥感监测实例（1）数据预处理经辐射定标、大气校正、几何校正后得到中国农业科学院廊坊试验站区域预处理后的Sentinel2A影像，影像获取时间为2019年5月23日，其假彩色合成图如下图所示，用以进行冬小麦的产量遥感监测。|」惻听i1-'■L'liidnnn7|」惻听i1-'■L'liidnnn7廊坊试验站区域2019年5月23日Sentinel-2A影像假彩色合成图HLVr£^k.N-^sl曳Flfirl雷?'|五才舊2)植被指数计算按照公式(1)，计算获得中国农业科学院廊坊试验站区域冬小麦区域2019年5月23日NDVI分布图，为了便于运算，所有NDVI数值统一扩大了一万倍，如下图所示。图8廊坊试验站区域2019年5月23日NDVI分布图3)农作物地面样方产量测定通过样方矢量数据获取地块面积，通过地面产量测定获取样方内作物产量，在廊坊市试验站共获得了2019年冬小麦25个地块的地面实测产量，冬小麦编号为0至4的地块由于受周围其他作物影响较大，未参与运算，地面样方产量测定结果如下表所示。表82019年冬小麦地面样方测定产量地块编号地块面积/m2小区总产量(kg)Yg(Kg/hm2)g0460.09105.201482.3367.50—2486.59116.50—3493.7159.80—4472.8165.20—5446.8499.302222.276431.69116.502698.68

7436.22124.602856.338460.46127.502768.979457.19118.302587.5410426.8785.301998.2711454.21103.102269.8512487.97100.002049.3213420.0870.501678.2514423.8491.702163.5615383.38104.202717.9316386.5164.701673.9517417.6650.301204.3218393.6761.901572.3719405.27102.702534.1020408.2464.401577.4921413.2631.80769.4822407.7934.50846.0223417.0393.002230.0724414.05155.503755.57（4）产量遥感监测模型构建在2019年冬小麦20个观测地块中（不含编号0至4的地块），选择偶数编号的地块（共计10个），用于构建冬小麦地面实测作物产量Yg与NDVI之间的回归关&系式，每个地块的实测作物产量及对应的NDVI值如下表所示。表9廊坊试验站冬小麦Yg及NDVI（用于线性拟合）地块编号NDVIYg(Kg/hm2)63476.742698.6883614.312768.97103029.021998.27123399.622049.32143648.242163.56162499.401673.95182981.531572.37202826.851577.49222315.31846.02243863.723755.56基于表9中的数据，建立廊坊试验站区域冬小麦区域地面实测作物产量丫。与相应位置遥感影像NDVI之间的回归关系式，如下图所示。

4血3300-3000-2500-2000-15EHI-1000-■■1III1200024002800120036004TO0NDM*IOUOO图9廊坊试验站区域冬小麦区域Yg与NDVI回归关系式（5）监测结果基于回归关系式及遥感影像获取的NDVI值，得到廊坊试验站冬小麦区域遥感反演作物产量Yr分布图，如下图所示。lifeiflrTFIIATjHEII*'Fg玄HJ5H矗lifeiflrTFIIATjHEII*'Fg玄HJ5H矗（6）监测结果精度验证在廊坊试验站2019年冬小麦20个观测地块中（不含编号0至4的地块），选择奇数编号的地块（共计10个），用于遥感反演作物产量的精度评价。每个地块的遥感反演作物产量Yr与地面实测作物产量Yg值如下表所示。

表10廊坊试验站2019年冬小麦Yr及Yg（用于精度验证）地块编号Yg(Kg/hm2)gYr(Kg/hm2)52222.272339.3872856.332885.16925