ICS 65.020.01 B 20 DB1301 石 家 庄 市 农 业 地 方 标 准 DB 1301/T 319—2019 冬小麦苗情遥感监测规程 2019 - 11 - 18 发布 石家庄市市场监督管理局 2020 - 01 - 18 实施 发 布 DB1301/T 319—2019 前 言 本标准按照GB/T 1.1—2009给出的规则起草。 本标准由石家庄市农业农村局提出并归口。 本标准起草单位：河北省农业技术推广总站、北京农业信息技术研究中心。 本标准主要起草人：顾晓鹤、蔡淑红、杨贵军、宋建新、许宁、龙慧灵、王淼、蒋晓茹、李伟国、 冯海宽、张兰、杜宜珂、许春、李娜、王静、王少春、毛娅楠、王新景、谷振华。 I DB1301/T 319—2019 冬小麦苗情遥感监测规程 1 范围 本标准规定了冬小麦苗情遥感监测的基本要求、监测方法、监测报告等内容。 本标准适用于石家庄市县域尺度的冬小麦苗情遥感监测，其他地区具备相同条件的可参考使用。 本标准不适用于石家庄市山区冬小麦苗情遥感监测。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 15968—2008 遥感影像平面图制作规范 NY/T 2017—2011 植物中氮、磷、钾的测定 3 基本要求 3.1 数据要求 3.1.1 卫星遥感影像 3.1.1.1 多光谱卫星影像 具备蓝光波段450 nm～475 nm、绿光波段495 nm～570 nm、红光波段640 nm～760 nm、近红外波段 810 nm～870 nm，空间分辨率30 m以内，时相为每年的冬小麦起身期至开花期。 3.1.1.2 影像质量 清晰无云，无传感器条带噪声，几何校正精度达到半个像元尺寸以内。 3.1.2 基础地理数据 国家1:250 000基础地理信息数据，要素包括行政边界、耕地分布。 3.2 软件要求 具备卫星遥感影像处理的专业软件，具有大气校正、几何纠正、影像解译、波段运算、统计分析等 功能。 4 监测方法 4.1 监测流程 冬小麦苗情遥感监测的主要流程包括田间观测、群体参量遥感监测、苗情综合评估，见附录A.1。 1 DB1301/T 319—2019 4.2 田间观测 4.2.1 样本地块布设与取样 在监测区内相对均匀地随机布设20个样本地块，每个样本地块面积不小于20亩。田间观测时间为冬 小麦起身期、拔节期、孕穗期、开花期。在样本地块内选取长势均匀的区域进行地上部植株取样，取样 面积4行×50 cm，植株样本快速放入密封袋中，并测量行距。 4.2.2 群体参量室内分析 4.2.2.1 分株 对所取样品进行分株，记录总株数M和分蘖数n。 4.2.2.2 制备标叶 取10株有代表性的样品，摘下所有叶片并擦净，将叶片和茎迅速称重，记为W4、W5；取展开叶中部 宽窄一致的地方，剪成一定长度的小段（3 cm），用直尺测定总宽度，计算面积S，装入小纸袋烘干后 称重（W1）。 4.2.2.3 获取余叶重 将10株植株的剩余绿叶全部烘干后称重（W2）；10株的茎烘干后称重记为W6。 4.2.2.4 计算叶面积指数 采用比叶重法计算叶面积指数（LAI），见公式（1）。 L AI  W1  W2  S  M .............................. (1) W2 10  A  1000 式中： LAI——小麦群体叶面积指数； W1 ——标叶重（g）； W2 ——10株的余叶重（g）； S ——标叶面积（cm2）； M ——取样面积上的总株数； A ——取样面积（m2）。 4.2.2.5 计算生物量 采用烘干称重法计算生物量，见公式（2）。 Bio  W1  W2  W6  M  667 式中： Bio——小麦生物量（千克/亩）； W1 ——标叶重（g）； 2 10 10000  A .............................. (2) DB1301/T 319—2019 W2 ——10株的余叶重（g）； W6 ——10株茎干重（g）； A ——取样面积（m2）； M ——取样面积上的总株数。 4.2.2.6 氮素（N） 采用凯氏定氮法分别测定茎、叶含氮量，方法应参照NY/T 2017—2011。 4.2.2.7 植株氮积累量（PNC） 通过植株氮素含量与生物量乘积计算得到。 4.3 群体参量遥感监测 4.3.1 植被指数计算 查阅相关文献资料，分析各种遥感植被指数对于冬小麦苗情长势的表征能力，然后对多光谱卫星影 像进行波段运算，提取冬小麦种植区内的各种植被指数，计算公式如表1所示。 表1 用于监测小麦苗情的植被指数 植被指数 英文缩写 计算公式 归一化差值植被指数 NDVI N DVI  绿波段归一化植被指数 GNDVI G NDVI  nir -g reen nir  g reen 蓝波段归一化植被指数 BNDVI B NDVI  nir  blue nir  blue 差值植被指数 DVI DVI  nir  red 重归一化植被指数 RDVI RDVI  N DVI  DVI 氮素反射植被指数 βNRI β NRI  结构不敏感指数 SIPI nir  red nir  red green  red green  red S IPI  nir  blue nir -red 3 DB1301/T 319—2019 表 1(续) 植被指数 英文缩写 叶绿素归一化植被指数 εNPCI 增强型植被指数 EVI 计算公式 ε NPCI  EVI  red  blue red  blue 2.5  nir  red  1  nir  6red  7.5blue 4.3.2 冬小麦种植范围提取 在耕地范围内提取冬小麦，以NDVI＝0为临界阈值，当NDVI＞0时提取为冬小麦，当NDVI≤0时识别为非 小麦。 4.3.3 敏感植被指数筛选 根据野外实测样本的GPS位置信息，提取各采样点的多种植被指数值，然后与小麦群体参量数据进 行相关性分析，筛选出相关系数高于0.5的敏感植被指数。 4.3.4 群体参量建模 从所有实测样本中随机抽取2/3样本量用于建模，将筛选出的敏感植被指数作为自变量，实测样本 群体参量数据作为因变量，利用多元线性回归方法分别构建叶面积指数（LAI）、生物量（Bio）、植株 氮积累量（PNC）监测模型，见公式（3），将各个植被指数图像代入模型，生成待监测区冬小麦群体参 量遥感监测图。 PGP  a 0  a1V1  a2V2    a nVn ............................. (3) 式中： PGP——冬小麦群体参量（叶面积指数、生物量、植株氮积累量）； Vi ——敏感植被指数； ai ——敏感植被指数的回归系数，i为0，1，…n。 4.4 苗情综合评估 4.4.1 群体参量归一化 统计小麦种植范围内的各群体参量的最大值和最小值，分别对LAI、Bio、PNC进行归一化处理，见公 式（4），经归一化处理后的各参量变化范围都为[0，1]。 ′ PGP  PGP  PGP min  / PGP max  PGP min  ........................... (4) 式中： PGP'——归一化后的冬小麦群体参量（叶面积指数、生物量、植株氮积累量） PGP——遥感反演的冬小麦群体参量（叶面积指数、生物量、植株氮积累量） ； 4 DB1301/T 319—2019 PGPmin——某个群体参量的最小值； PGPmax——某个群体参量的最大值。 4.4.2 苗情指数综合评估 叶面积指数、生物量、植株氮积累量对于表征冬小麦苗情的贡献度均等，构建冬小麦苗情指数（WGI） 遥感综合评估模型，如公式（5）所示，将各群体参量监测结果图代入该模型，生成待监测区冬小麦苗 情指数遥感监测图。 WGI  L AI  Bio  PNC  / 3 ................................ (5) 式中： WGI——冬小麦苗情指数； LAI——经过归一化处理后的冬小麦叶面积指数遥感监测结果； Bio——经过归一化处理后的冬小麦生物量遥感监测结果； PNC——经过归一化处理后的冬小麦植株氮积累量遥感监测结果。 4.4.3 精度验证 以未参与建模的1/3冬小麦实测样本进行精度验证。根据验证样本的叶面积指数、生物量、植株氮 积累量按公式（5）计算出苗情指数值，并根据验证样本的空间位置提取遥感监测结果图上的苗情指数 2 指数值，根据公式（6）和（7），计算验证样本的决定系数（R ）、相对均方根误差（RMSE）。  W  1  W GI , j  PWGI , j  GI , j  WGI , j GI , j  PWGI , j n R 2 j1 2 2 n j 1  ............................... (6) 式中：  W n RMSE  j 1 n  2 .............................. (7) 式中： R2——验证样本的决定系数； RMSE——验证样本的相对均方根误差； WGI,j——验证样本的冬小麦苗情指数实测值，由叶面积指数、生物量、植株氮积累量计算得到； PWGI,j——验证样本的冬小麦苗情指数遥感监测值，从遥感监测结果图上提取； n——验证样本数量； j——验证样本编号。 4.4.4 冬小麦苗情分级制图 5 DB1301/T 319—2019 采用正态（偏正态）统计理论的双阈值划分策略，统计冬小麦苗情指数值的均值(mean)和标准差 (SD)，以mean－2×SD，mean和mean＋2×SD为冬小麦苗情的4个等级划分阈值，进行监测区冬小麦苗情 优劣等级划分，并按照GB/T 15968—2008制图。具体划分标准为： ——当 WGI＞ (mean＋2×SD)时，判定为苗情较旺； ——当 mean ＜WGI ＜(mean＋2×SD)时，判定为苗情良好； ——当(mean－2×SD )＜ WGI ＜ mean 时，判定为苗情中等； ——当 WGI ＜( mean－2×SD)时，判定为苗情较差。 5 监测报告 冬小麦苗情遥感监测结果经过专家会商形成