本标准规定了水稻长势遥感监测的数据源及卫星数据的前期处理、计算方法、专题地图制作等要求。 本标准适用于利用中高空间分辨率卫星遥感观测资料对水稻进行长势监测。

ICS07.060
中华人民共和国气象行业标准
QX/T474—2019
卫星遥感监测技术导则
水稻长势
Technical directives for monitoring on rice growth status by satellite remotesensing
2019-01-18发布
中国气象局
2019-05-01实施
2术语和定义
数据源及卫星数据的前期处理
计算方法
5专题地图制作
附录A（资料性附录）
附录B(规范性附录）
参考文献.·
常用中高空间分辨率星载仪器及其近红外和红光通道参数卫星数据的前期处理
QX/T474—2019
本标准按照GB/T1.1一2009给出的规则起草。本标准由全国农业气象标准化技术委员会（SAC/TC539)提出并归口。本标准起草单位：江苏省气象服务中心、浙江大学QX/T474—2019
本标准主要起草人：高苹、吴洪颜、王晶、黄敬峰、徐敏、张佩、豆玉洁、李亚春、刘文菁、谢小萍、杭鑫、魏传文、郭乔影。
水稻长势监测对于各级政府及生产部门指导农业生产具有重要意义QX/T474—2019
随着卫星遥感技术的发展，利用中高空间分辨率遥感资料进行水稽面积估算、长势监测、产量预报已经成为国家和省级气象部门的重要技术手段，但缺乏水稻长势遥感监测的标准规范，不同地区的监测结果难以进行比较分析；在日常水稻气象业务服务工作中，无法给出定量遥感评价结果，迫切需要制定水稻长势遥感监测技术标准，提高气象部门水稻长势监测服务能力。V
1范围
卫星遥感监测技术导则水稻长势QX/T474—2019
本标准规定了水稻长势遥感监测的数据源及卫星数据的前期处理、计算方法、专题地图制作等要求。
本标准适用于利用中高空间分辨率卫星遥感观测资料对水稻进行长势监测。2术语和定义
下列术语和定义适用于本文件。2.1
ricegrowthstatus
水稻长势
水稻叶面积指数和地上生物量状况。2.2
水稻叶面积指数
rice leaf area index
水稻单面绿叶面积总和与对应的地表面积的比值。2.3
水稻地上生物量
riceabovegroundbiomass
单位面积地上水稻干物质总重量2.4
redband
红光波段
星载仪器涵盖的0.605um～0.700um的波长范围。2.5
近红外波段
nearinfraredband
星载仪器涵盖的0.76μm~1.25um的波长范围。注：传感器在近红外波段所接收到的辐射主要是太阳辐射的反射［QX/T188—2013，定义2.2]
植被指数
vegetationindex
对卫星不同波段进行线性或非线性组合以反映植物生长状况的量化信息。［QX/T188—2013，定义2.3]
数据源及卫星数据的前期处理
3.1数据源
数据来自携载红光波段和近红外波段探测仪器的中高空间分辨率（小于或等于500m）卫星，常用中高空间分辨率星载仪器及其近红外和红光通道参数参见附录A。3.2卫星数据的前期处理
在水稻长势遥感监测数据处理前，应按照附录B的要求对卫星数据进行辐射定标、大气校正、投影1
QX/T474—2019
变换、几何精校正及云检测处理。大气校正和云检测处理应在辐射定标之后进行计算方法
4.1种植区提取
结合水稻移栽期、分藥期、抽穗期、收获期等生育关键期或受灾期归一化差值植被指数（NormalizedDifferenceVegetationIndex，NDVI）或双波段增强型植被指数（2-bandEnhancedVegetationIndex，EVI2)变化特征，宜采用监督分类法或非监督分类法或决策树分类法，可同时参考最新土地利用分类现状图，得到研究区水稻种植区域。4.2单日植被指数计算
单日植被指数宜采用归一化差值植被指数(NDVI)或双波段增强型植被指数(EVI2)计算。归一化差值植被指数(NDVI)按式(1)计算：NDVI
双波段增强型植被指数（EVI2)按式（2)计算：RNIR-RR
RNIR+RR
RNIR-RR
EVI2=2.5×RNR+2.4XR+1
式中：
近红外波段反射率，由附录B中B.2获取；Rk—红光波段反射率，由附录B中B.2获取。4.3植被指数合成
..........(.)
·（2）
在给定的观测时间间隔（旬)内，计算某个水稻像元各时次的植被指数，选取其中的最大值作为该像元多时次合成后的值，计算公式为：V(i)=max(lv(i,l),ly(i,2),.\,lv(i,p))式中：
第个水稽像元合成后的植被指数：研究区水稻种植区域内水稻像元序号；Iv（i，p）——第i个水稻像元合成p时次的植被指数，为NDVI或EVI2；p
一旬内该像元的观测总时次。
4.4水稻长势参数反演
4.4.1水稻叶面积指数估算模型
水稻叶面积指数采用指数函数回归模型估算，见式（4）：LAI(i)=brXev()xb
式中：
第i个水稻像元叶面积指数反演值；LAI(i)wwW.bzxz.Net
第i个水稻像元合成后的植被指数；指数函数回归模型参数，取值见表1。.·(3)
..·（4)
水稻生育期
抽穗前
抽穗后
植被指数
水稻地上生物量估算模型
表1指数函数回归模型参数
指数函数回归模型参数
利用累积植被指数反演全生育期水稻地上生物量。累积植被指数计算公式为：
式中：
第i个水稻像元的累积植被指数；VG
OX/T474—2019
··(5)
第个水稻像元的植被指数，在实际应用中应通过插值得到每旬最后一天的植被指数，若某旬缺有效卫星数据则应通过前后旬卫星数据插值得到；从移栽到预测旬为止的旬数；
从移栽到预测旬为止的总旬数。全生育期水稻地上生物量采用二次多项式函数回归模型反演，见式（6)：B(i)=er×W(i)2+ezxw(i)+es
式中：
ere2,e3
第i个水稻像元水稻地上生物量反演值；第i个水稻像元的累积植被指数：二次多项式函数回归模型参数，取值见表2。表2二次多项式函数回归模型参数累积植被指数
专题地图制作
水稻长势监测专题地图制作流程如下：a)
读取3.2前期处理后的卫星数据；二次多项式函数回归模型参数
·（6）
按照4.2和4.3分别进行单时次NDVI或EVI2及旬内植被指数合成计算，在水稻移栽期、分檗期、抽穗期、收获期等生育关键期或受灾期每旬逢1日计算得到上一旬最大植被指数；按照4.4.1估算得到水稻叶面积指数数据集；按照4.4.2估算得到水稻地上生物量数据集；每旬逢1日逐像元计算获得上一旬水稽长势监测旬专题地图。3
小提示：此标准内容仅展示完整标准里的部分截取内容，若需要完整标准请到上方自行免费下载完整标准文档。