基于MODISNDVI的全球大豆和玉米主产区产量评估方法及系统与流程

本发明涉及测绘遥感技术领域，具体涉及一种基于modisndvi的全球大豆和玉米主产区产量评估方法及系统。

背景技术：

modis是一颗中低分辨率卫星，在作物监测领域被广泛地应用，相比于其他中高分辨率卫星具有监测范围大、重访周期短和时间连续性好等特点，特别适合于大尺度大面积的作物遥感监测。modis数据的植被指数产品主要有两种，分别是ndvi和evi，其在作物长势监测、干旱监测以及作物产量预报中应用较为广泛。利用遥感卫星进行作物估产可以明显节省监测站和取样调查的工作量，节省大量的人力、物力和财力。同时，粮食产量关系到国家安全和每个人的实际利益，获取粮食产量数据对我国农业政策制定、粮食生产配额和粮食价格的调控具有重要意义。

现有的研究利用modis植被指数预测作物产量倾向于局部区域如省或州级别的研究，但鲜有研究针对国家尺度的农作物产量的估算，主要原因在于产量预测模型在较小监测区域更容易保证预测的精度。如果监测区域面积过大，区域的不同位置之间的社会人文状况、作物生长环境、品种和生育期等都会可能不同，作物特性空间变异性较大，增大作物监测难度和直接制约了作物产量反演的精度。另外，由于作物物候期的差异，不同地区的作物产量预测的最佳时期并不是一致的，即和作物产量相关性最高的监测时间点并不一致。因此，作物的空间异质性影响了以国家为尺度对农作物产量的遥感估算。另外，modis卫星空间分辨率较低，如果监测区域作物地块较小，比如中国的小农经济，就会存在混合像元效应，混合像元包含较多的混杂地物，影响产量反演精度。

技术实现要素：

有鉴于此，本发明提供基于modisndvi的全球大豆和玉米主产区产量评估方法及系统，对全球玉米和大豆主产国阿根廷、巴西、中国、加拿大、印度、墨西哥和美国，以mod09a1反射率数据计算的ndvi影像、作物分布数据和美国农业部官网上获取的各国玉米和大豆产量作为输入，建立线性回归模型，寻找各主产国估算玉米和大豆的最优时期，并且估算出它们的产量。

为实现上述目的，本发明公开一种基于modisndvi的全球大豆和玉米主产区产量评估方法，所述方法包括以下步骤：

s1、获取mod09a1反射率数据，所述mod09a1反射率数据每8天一期，将所述每期mod09a1反射率数据进行预处理，读取数据并计算每期对应的ndvi影像；

s2、在作物生育期内，根据生成的多年多期的ndvi影像，利用作物分布影像作为掩膜，非作物像元不参与统计运算，计算各个年份主产区的ndvi均值，根据ndvi均值和对应年份的作物单产统计数据进行线性建模y＝a0+a1ndvi，其中ndvi为自变量，作物单产为因变量，采用最小二乘法进行拟合，并计算拟合出的系数a0、a1和拟合优度r方；

s3、以拟合优度r方为标准，选取最优模型，最优模型对应一个最优时期，将最优模型的系数应用到对应时期的ndvi影像上，计算得出任一国家或地区作物单产分布图，其中，所述选取最优模型的标准为r方越高，模型越优；

s4、根据任一国家或地区的作物单产分布图，进行统计计算获取该国家或地区作物总产量。

在上述技术方案中，所述步骤s1中每个主产国每年的mod09a1反射率数据有46期。

在上述技术方案中，其特征在于，所述步骤s1中mod09a1反射率数据进行预处理步骤包括重投影、拼接和裁剪。

在上述技术方案中，其特征在于，所述步骤s2包括以下步骤：

s21、利用线性模型，为每种作物生育期内的若干时期分别建立相应的产量模型，以r方为标准，对产量模型进行排序；

s22、随着usda上获取的作物产量统计数据的不断增多，相对应的产量模型可进行更新。

在上述技术方案中，所述步骤s3中，所述r方最大的时期是所述对应作物产量估算的最优时期，所述最优时期对应的系数a0、a1则为最优系数。

在上述技术方案中，所述步骤s4中，作物总产量计算步骤包括：

s41、将任一国家单产分布图转换到albert等面积投影下；

s42、将影像中属于作物的每一个像元，将该像元的面积乘以像元值，得到所述像元处的作物产量；

s43、将所有像元处的作物产量相加。

本发明还公开一种基于modisndvi的全球大豆和玉米主产区产量评估系统，所述系统包括影像获取及预处理模块、统计建模模块、应用模型模块、统计计算模块；

影像获取及预处理模块，用于获取mod09a1反射率数据，所述mod09a1反射率数据每8天一期，将所述每期mod09a1反射率数据进行预处理，读取数据并计算每期对应ndvi影像；

统计建模模块，用于根据多年多期的作物生育期内的若干时期ndvi影像，结合作物分布影像，计算各个年份作物的ndvi均值，根据作物ndvi均值和对应年份的作物单产数据进行线性建模y＝a0+a1ndvi，其中ndvi为自变量，作物单产为因变量，采用最小二乘法进行拟合，计算拟合出的系数a0、a1和拟合优度r方；

应用模型模块，用于以拟合优度r方为标准，获取最优模型，并应用最优模型的系数，计算得出任一国家或地区作物单产分布图，其中，所述选取最优模型的标准为r方越高，模型越优；

统计计算模块，用于根据任一国家或地区作物单产分布图，进行统计计算获取该国家或地区作物总产量。

本发明基于modisndvi的全球大豆和玉米主产区产量评估方法及系统，具有以下有益效果：针对国家尺度，在作物生长条件、品种和生育期等存在较大差异的情况下，寻找作物产量预测的最优时间和最优模型，尽可能地减弱由于作物上述条件差异对作物产量反演的影响。所述方法利用python语言实现，具有快速和一键化估算全球玉米和大豆主产国产量的特点，且精度高，对于世界玉米和大豆当年产量和粮食形势的快速预测具有重要的实用意义。

附图说明

图1为本发明基于modisndvi的全球大豆和玉米主产区产量评估方法流程图；

图2为本发明基于modisndvi的全球大豆和玉米主产区产量评估系统模块图；

具体实施方式

下面结合附图对本发明作进一步详细描述，本发明提供基于modisndvi的全球大豆和玉米主产区产量评估方法，如图1所示，所述方法包括以下步骤：

s1、获取mod09a1反射率数据，所述mod09a1反射率数据每8天一期，将所述每期mod09a1反射率数据进行预处理，读取数据并计算每期对应的ndvi影像；

其中，mod09a1数据从nasa官网上获取(https://e4ftl01.cr.usgs.gov)，每个主产国涵盖若干块mod09a1分块数据。

其中，所述步骤s1中每个主产国每年的mod09a1反射率数据有46期。所述步骤s1中mod09a1反射率数据进行预处理步骤包括重投影、拼接和裁剪。

s2、在作物生育期内，根据生成的多年多期的ndvi影像，利用作物分布影像作为掩膜，非作物像元不参与统计运算，计算各个年份主产区的ndvi均值，根据ndvi均值和对应年份的作物单产统计数据进行线性建模y＝a0+a1ndvi，其中ndvi为自变量，作物单产为因变量，采用最小二乘法进行拟合，并计算拟合出的系数a0、a1和拟合优度r方；

其中，所述步骤s2包括以下步骤：

s21、根据线性模型，为每种作物的生育期内的若干时期建立相应的产量估算模型，以r方为标准，对产量估算模型进行排序；

s22、随着usda上获取的作物产量统计数据的不断增多，相对应的产量模型将进行对应更新。

其中，所述usda是指美国农业部有机认证。

s3、以拟合优度r方为标准，选取最优模型，最优模型对应一个最优时期，将最优模型的系数应用到对应时期的ndvi影像上，计算得出任一国家或地区作物单产分布图，其中，所述选取最优模型的标准为r方越高，模型越优；

其中，所述步骤s3中，所述r方最大的时期是所述对应作物产量估算的最优时期，所述最优时期对应的系数a0、a1则为最优系数。

s4、根据任一国家或地区作物单产分布图，进行统计计算获取该国家或地区作物总产量。

其中，所述步骤s4中，作物总产量计算步骤包括：

s41、将任一国家或地区单产分布图转换到albert等面积投影下；

s42、将影像中属于作物的每一个像元，将所述每一个像元的面积乘以像元值，得到所述像元处的作物产量；

s43、将所有像元处的作物产量相加。

其中，所述方法有以下特点：

大范围：以国家为尺度，覆盖主要的玉米和大豆主产国，包括阿根廷、巴西、中国、加拿大、印度、墨西哥和美国。

自动化：在提供作物分布、mod09a1数据和历史产量数据的情况下，可以一键寻找并应用最优模型，不用设置复杂的参数。

精度高：对提出的方法进行了测试，使用2012-2015年的产量数据进行建模，2016年的产量数据作为验证(产量统计数据来源自美国农业部官网http://statistics.amis-outlook.org/data/index.html#compare)，各个国家产量预测精度普遍在80％以上，部分国家的作物能达到95％以上，精度统计参见表1，表1为2016年玉米和大豆主产国产量预测值和美国农业部官网上提供的产量数据对比。

本发明还公开一种基于modisndvi的全球大豆和玉米主产区产量评估系统，其特征在于，所述系统包括影像获取及预处理模块、统计建模模块、应用模型模块、统计计算模块；

影像获取及预处理模块，用于获取mod09a1反射率数据，所述mod09a1反射率数据每8天一期，将所述每期mod09a1反射率数据进行预处理，读取数据并计算每期对应ndvi影像；

统计建模模块，在作物生育期，用于根据多年多期的若干ndvi影像，计算各个年份的ndvi均值，根据ndvi均值和对应年份的作物单产数据进行线性建模y＝a0+a1ndvi，其中ndvi为自变量，作物单产为因变量，采用最小二乘法进行拟合，计算拟合出的系数a0、a1和拟合优度r方；

应用模型模块，用于以拟合优度r方为标准，获取最优模型，并应用最优模型的系数，计算得出任一国家或地区作物单产分布图，其中，所述选取最优模型的标准为r方越高，模型越优；

统计计算模块，用于根据任一国家或地区作物单产分布图，进行统计计算获取该国家或地区作物总产量。

说明书中未阐述的部分均为现有技术或公知常识。本实施方式仅用于说明该发明，而不用于限制本发明的范围，本领域技术人员对于本发明所做的等价置换等修改均认为是落入该发明权利要求书所保护范围内。