临安市山核桃遥感估产研究
|
摘要
山核桃是浙江省临安市的重要经济树种，是当地农民的主要收入来源。及时准确了解山核桃种植面积、长势、产量信息，对于政策的制定、价格的宏观调控等都具有非常重要的意义。目前山核桃遥感监测研究在我国并不成熟的情况，本文应用遥感技术，结合样地调查，利用山核桃冠层光谱特征和主要农学参数、气象因子建立遥感估产模型，主要研究内容如下：
1.提取山核桃面积
本文以浙江省临安市为研究区，利用冬夏两个不同时相的CBERS-02卫星数据与实地调查资料，采用主成分分析与监督分类相结合的方法，提取浙江省临安市的山核桃空间分布及面积信息。
2．建立单产模型
分析不同生育期植被指数(NDVI、PVI、RVI、DVI)、气象因子与山核桃产量的相关性，确定开花期的NDVI为最佳估产遥感因子，与山核桃产量有显著性相关的气温、降雨量等18个气象因子中，有10个为十分显著的气象因子，其中7月的旬平均降水量对产量的影响最大。采用相关分析和线性回归的方法，建立以植被指数NDVI和气象因子为变量的复合遥感估产模型，并用实际统计的产量数据作为参照数据，采用相关系数评价和根均方差（RMSE）评价方法对建立的模型进行精度分析，筛选最佳单产模型。
通过研究，本文主要得到以下结论：
1.根据山核桃冬夏两季的林相差异，利用遥感变化检测方法提取山核桃空间分布及面积信息，提取的精度为83.71%，Kappa系数为0.81。提取山核桃总面积为3.11万公顷，与统计数据对比分析，总面积误差为1.3%。该方法是可行的，满足山核桃遥感信息提取的需要。
2.经精度分析知，遥感因子植被指数与气象因子获取的多元线性回归模型精度高，其拟合R2为0.851，检验R2为0.820，F值为52.536，残差RMSE为7.78，模型易于使用，且稳定性较好，是山核桃估产的有效工具。
Carya cathayensis is an important economic species in Lin’an of Zhejiang Province, is the mainsource of income for local farmers. So it was greatly significant important to understand the plantingarea, growth and yield for the policy development, macro-control of price. The remote sensing modelfor Carya cathayensis yield estimation was to be established in Lin’an, Zhejiang Province based oncanopy spectrum and main agriculture parameter. The main achievements are as follows:
1. Planting area
Two scenes of the CBERS-02data in the summer and winter and field survey data were dealedwith principal component analysis and supervised classification methods, the spatial distribution andarea information of Carya cathayensis in Linan of Zhejiang Province were extracted.
2. Yield estimation model
After analysis of the relevance of vegetation index (NDVI, PVI, RVI, DVI), meteorologicalfactors and Carya cathayensis yield in the Carya cathayensis different growing periods, NDVI is thebest estimation of the remote sensing factor in the growing period,flowering period is the bestestimation of the growing period,among18meteorological factors,10meteorological factors has thegood relevance with the Carya cathayensis yield,average precipitation in July ten-day period have thegood relevance with the Carya cathayensis yield.In the optimum period of Carya cathayensis yieldestimation,established the Carya cathayensis prediction model.With a regression analysis of thevegetation index NDVI、meteorological factors and Carya cathayensis yield.Comparison with analysisof statistical data,using the correlation coefficient evaluation and the root mean square error(RMSE)evaluation method to build the model accuracy。
Through research,the following conclusions of this paper:
1.The overall classification accuracy of83.71%,Carya cathayensis planting area of3.11millionhectares. Comparison with analysis of statistical data,the total precision error of1.3%.The resultsshowed that using the differences of winter and summer images,the extraction of area information isfeasible by remote sensing-based dynamic monitoring.
2.The regeression analysis of vegetation index and meteorological factors,attained themulti-dimensional linear regression model is better,predicting values of0.851,the accuracy of fittingof0.820,F of52.536,RMSE of7.78,the maximum relative prediction error can be up to14.78%,and the smallest relative predicition error is5.67%.The results showed that the model is easy to use,andthe model stability is better,which can be used an effective tool for prediction of Carya cathayensisproduction.
1.提取山核桃面积
本文以浙江省临安市为研究区，利用冬夏两个不同时相的CBERS-02卫星数据与实地调查资料，采用主成分分析与监督分类相结合的方法，提取浙江省临安市的山核桃空间分布及面积信息。
2．建立单产模型
分析不同生育期植被指数(NDVI、PVI、RVI、DVI)、气象因子与山核桃产量的相关性，确定开花期的NDVI为最佳估产遥感因子，与山核桃产量有显著性相关的气温、降雨量等18个气象因子中，有10个为十分显著的气象因子，其中7月的旬平均降水量对产量的影响最大。采用相关分析和线性回归的方法，建立以植被指数NDVI和气象因子为变量的复合遥感估产模型，并用实际统计的产量数据作为参照数据，采用相关系数评价和根均方差（RMSE）评价方法对建立的模型进行精度分析，筛选最佳单产模型。
通过研究，本文主要得到以下结论：
1.根据山核桃冬夏两季的林相差异，利用遥感变化检测方法提取山核桃空间分布及面积信息，提取的精度为83.71%，Kappa系数为0.81。提取山核桃总面积为3.11万公顷，与统计数据对比分析，总面积误差为1.3%。该方法是可行的，满足山核桃遥感信息提取的需要。
2.经精度分析知，遥感因子植被指数与气象因子获取的多元线性回归模型精度高，其拟合R2为0.851，检验R2为0.820，F值为52.536，残差RMSE为7.78，模型易于使用，且稳定性较好，是山核桃估产的有效工具。
Carya cathayensis is an important economic species in Lin’an of Zhejiang Province, is the mainsource of income for local farmers. So it was greatly significant important to understand the plantingarea, growth and yield for the policy development, macro-control of price. The remote sensing modelfor Carya cathayensis yield estimation was to be established in Lin’an, Zhejiang Province based oncanopy spectrum and main agriculture parameter. The main achievements are as follows:
1. Planting area
Two scenes of the CBERS-02data in the summer and winter and field survey data were dealedwith principal component analysis and supervised classification methods, the spatial distribution andarea information of Carya cathayensis in Linan of Zhejiang Province were extracted.
2. Yield estimation model
After analysis of the relevance of vegetation index (NDVI, PVI, RVI, DVI), meteorologicalfactors and Carya cathayensis yield in the Carya cathayensis different growing periods, NDVI is thebest estimation of the remote sensing factor in the growing period,flowering period is the bestestimation of the growing period,among18meteorological factors,10meteorological factors has thegood relevance with the Carya cathayensis yield,average precipitation in July ten-day period have thegood relevance with the Carya cathayensis yield.In the optimum period of Carya cathayensis yieldestimation,established the Carya cathayensis prediction model.With a regression analysis of thevegetation index NDVI、meteorological factors and Carya cathayensis yield.Comparison with analysisof statistical data,using the correlation coefficient evaluation and the root mean square error(RMSE)evaluation method to build the model accuracy。
Through research,the following conclusions of this paper:
1.The overall classification accuracy of83.71%,Carya cathayensis planting area of3.11millionhectares. Comparison with analysis of statistical data,the total precision error of1.3%.The resultsshowed that using the differences of winter and summer images,the extraction of area information isfeasible by remote sensing-based dynamic monitoring.
2.The regeression analysis of vegetation index and meteorological factors,attained themulti-dimensional linear regression model is better,predicting values of0.851,the accuracy of fittingof0.820,F of52.536,RMSE of7.78,the maximum relative prediction error can be up to14.78%,and the smallest relative predicition error is5.67%.The results showed that the model is easy to use,andthe model stability is better,which can be used an effective tool for prediction of Carya cathayensisproduction.
引文
[1]张长虹，黄云辉，侯伯鑫，等.山核桃属植物在湖南的利用现状及发展对策[J].湖南林业科技，2005，32(6)：78-80.
[2]傅松玲，丁之恩，周根土，等.安徽山核桃适生条件及丰产栽培研究[J].经济林研究，2003，21(2)：1-4.
[3]李宝华，迟道兵，陈红红，等.山核桃光合生理特性与产量的关系[J].林业科技开发，2007，21(5)：34-37.
[4]Lin′an Carya cathayensis [EB/OL].(2011-04-13)[2011-09-01]. http：//baike.baidu.com/history/id=19395293.
[5]解红恩.山核桃植株营养动态变化规律研究[D].浙江：浙江农林大学，2008：3-5.
[6]郭传友，黄坚钦，方炎明.山核桃研究综述及展望[J].经济林研究，2004，22(1)：61-63.
[7]杜培林，田丽萍，薛林，等.遥感在作物估产中的应用，安徽农业科学.2007，35(3)：936-938.
[8]黄敬峰，王人潮，王秀珍，等.冬小麦遥感估产多种模型研究[J].浙江大学学报，1999，25(5)：519-523.
[9]杜培林，田丽萍，等.遥感在作物估产中的应用[J]，安徽农业科学.2007，35(3)：936-938.
[10]余永清，顾光同，毛小燕，等.时间序列模型在农特产产量潜力分析中的应用[J].农业系统科学与综合研究，2005.11，21(4)：308-310.
[11]张华峰，梅爱君，林益军.临安市山核桃单位面积产量变化特征的时间序列分析[J].广林业科技，2006，22(3)：22-25.
[12]代立芹，吴炳方，李强子.作物单产预测方法研究进展[J].农业网络信息，2006，4.
[13]翟贵明，张希春，刘树棣.气象因子对山东惠民棉花产量的影响及其评价模型[J].中国棉花，2011，11：26-29.
[14]晏明，刘志明，晏晓英，等.用气象卫星资料估算吉林省主要农作物产量[J].气象科技，2005，33(4)：350-353.
[15]汤仁发.山核桃小年变大年的原因分析[J].浙江林业科技，1980(4)：26.
[16]叶茂富.关于促进山核桃丰产问题的研究[J].亚林科技，1978(2)：13-15.
[17]黎章矩.关于山核桃大小年的探讨[J].浙江农业科学，1964(8)：446-451.
[18]金志凤，袁德辉，李绍进，等.基于气候因子的山核桃产量模拟[J].中国气象学会2005年年会论文集，2005.
[19]章晓光，陶明星.临安县山核桃产量模式及其气象意义[J].浙江林业科技，1989，9(3)：29-33.
[20]肖汉乾，李德清，徐双红，等.不同生物活性肥对烤烟生长影响的初步研究[J].中国烟草科学，2003，24(1)：28-30.
[21]张建华.作物估产的遥感-数值模拟方法[J].干旱区资源与环境，2000，14(2)：82-86.
[22]王人潮，王珂，沈掌泉，等.水稻单产遥感估测建模研究[J].遥感学报，1998，2(2)：119-124.
[23]张艳楠.遥感估产技术研究现状与展望[J].现代农业科技，2010.7,52-56.
[24]孙华生.利用多时相MODIS数据提取中国水稻种植面积和长势信息，硕士学位论文，浙江：环境与资源学院，2008.
[25]李维钧，张微微，武伟.基于中巴资源卫星数据的水稻种植面积监测—以梁平县为例[J].西南大学学报，2009.1，31(1)：180-182.
[26]侯志研，郑家明，冯良山，等.应用遥感方法估算作物产量的研究进展[J]，杂粮作物2007，27(3)：220-222.
[27]PH斯韦恩，SM戴维.遥感定量方法[M].北京：科学出版社，1984.
[28]黄敬峰，杨忠恩，王人潮，等.基于GIS的水稻遥感估产模型研究[J]，遥感技术与应用，2002，17(3)：125-129.
[29]刘纪远.国家资源环境遥感宏观调查与动态监测研究[J].遥感学报，1997，1(3)：225-230.
[30]N A QUARMBY,J R G TOWNSHEND,J J SETTLE,et al.Linear mixture modeling applied toAVHRR data for crop area estimation[J].Int.J.Remote sensing,1992,13(3):415-425.
[31]尤淑撑，张玮，严泰来.模糊分类技术在作物类型识别中的应用[J].国土资源遥感，2000，1：39-43.
[32]竞霞，刘良云，张超，等．利用多时相NDVI监测京郊冬小麦种植信息[J]．遥感技术与应用，2005，20(2)：238-242．
[33]付斌，吕志群，国殿波.基于SPOT数据的棉花种植面积监测研究[J].黑龙江农业科学，2008(6)：148-149.
[34]傅文杰，戴塔根.基于线性光谱混合模型的遥感影像枇杷树信息提取[J].西北林学院学报，2006，21(2)：13-15.
[35]张彦忠，张福祥.TM数据用于亚热带桔果林区的土地利用分类和专题信息提取[J].国土资源遥感，1994，6(2)：28-33.
[36]谭宗琨，吴良林，丁美花，等.EOS/MODIS数据在广西甘蔗种植信息提取及面积估算的应用[J].气象，2007.11，33(11)：77-81.
[37]陈汇林，陈小敏，陈珍丽，等.基于MODIS遥感数据提取海南橡胶信息初步研究[J].热带作物学报，2010，31(7)：1181-1182.
[38]肖乾广.用NOAA气象卫星的定量资料计算冬小麦种植面积的两种方法[J]，环境遥感，1989，4(3)：191-196.
[39]江东，王乃斌，杨小唤，等.NDVI曲线与农作物长势的时序互动规律[J]，生态学报，2002，22(2)：247-252
[40]姬菊枝，陶国辉，范玉波.利用气象卫星遥感进行哈尔滨地区作物生长状况监测及产量预报[J].东北农业大学学报，2008，39(6)：59-62.
[41]李红，蒋平安.遥感植被指数在作物产量估测中的应用探讨[J].石河子科技，2009(2)：38-39.
[42]徐新刚，王纪华，黄文江.基于权重最优组合和多时相遥感的作物估产[J].农业工程学报，2009.9，25(9)：137-142.
[43]刘添毅，李春英，熊德中.烤烟有机肥与化肥配合施用效应的探讨[J].中国烟草科学，2000，21(4)：23-26.
[44]唐莉娜，陈顺辉.不同种类有机肥与化肥配施对烤烟生长和品质的影响[J].中国农学通报，2008，24(11)：258-262.
[45]唐莉娜，熊德中.有机肥与化肥配施对烤烟生长发育的影响[J].烟草科技，2000(10)：32-34.
[46]张艳楠.遥感估产技术研究现状与展望[J].现代农业科技.2010，7.
[47]李秉柏，田翠玲，王志明，等.基于作物模型与遥感信息的水稻产量预报研究[J].江苏农业科学，2006(6)：29-31.
[48]张建华.作物估产的遥感—数值模拟方法[J].干旱区资源与环境，2000，14(2)：82-86.
[49]Rasmussen M S. Assessment of millet yields and production in Northern Burkino Faso usingintegratedNDVIfromtheAVHRR[J].InternationalJournalofRemoteSensing,1992,13(18)：3431-3442．
[50]Groten S M E. NDVI-crop monitoring and early yield assessment of brukina faso[J]. InternationalJournal of Remote Sensing,1993,14(8):1495-1515．
[51]石宇虹，朴瀛，张菁.应用NOAA资料监测水稻长势的研究[J].应用气象学报，1999，10(2)：243-248.
[52]浦吉存，董谢琼，尤临. NOAA/AVHRR资料在低纬高原小春作物估产中的初步应用[J].中国农业气象，2004，25(1)：54-56.
[53]Goward S N,Markham B, Dye D G,et al. Normalized difference vegetation index measurementsfrom the advanced very high resolution radiometer[J]. Remote Sensing ofEnvironment,1991,35:257–277．
[54]Kastens J H, Kastens T L, Kastens D L A, et al. Image masking for crop yield forecasting usingAVHRR NDVI time series imagery[J]. Remote Sensing of Environment,2005,99(3)：341-356．
[55]侯志研，郑家明.应用遥感方法估算作物产量的研究进展利用[J].杂粮作物，2007，27(3)：220-222.
[56]N.R.Daleziosl.Cotton Yield Estimation Based on NOAA/AVHRR ProducedNDVI[J].Phys.Chem.Eurth(B),2001,26(3):247-251.
[57]李卫国，王纪华，赵春江，等.基于遥感信息和产量形成过程的小麦估产模型[J].麦类作物学报，2007，27(5)904-907.
[58]闫利平，陈红，陶卫江。基于SPOT高分辨率遥感数据的农作物估产方法研究[J].安徽农业科学，2007，35(23)：7054-7056.
[59]王长耀，林文鹏.基于MODIS EVI的冬小麦产量遥感预测研究[J].农业工程学报，2005，21(10)：90-94.
[60]范莉，罗孳孳.基于MODIS-NDVI的水稻遥感估产—以重庆三峡库区为例[J].西南农业学报，2009，22(5).
[61]方红亮，田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用，1998，13(1)：63-69.
[62]蒋桂英，李鲁华，陈永芳.高光谱分辨率遥感在新疆棉花上的应用前景[J].中国棉花，2003，30(2)：2-4.
[63]柏军华，李少昆，王克如，等.棉花产量遥感预测的L-Y模型构建[J].作物学报，2006，32(6)：840-844.
[64]樊科研，田丽萍，王进，等.基于冠层高光谱遥感对加工番茄产量的估算模型[J].安徽农业科学，2008，36(10)：4343-4345.
[65]齐腊，赵春江，李存军，等.基于多时相中巴资源卫星影像的冬小麦分类精度[J].应用生态学报，2008，19(10)：2201-2208.
[66]秦元伟，赵庚星，姜曙千，等.基于中高分辨率卫星遥感数据的县域冬小麦估产[J].农业工程学报，2009，25(7)：118-123.
[67]李岩，彭少麟，廖其芳，等. RADARSAT SNB SAR数据在大面积水稻估产中的应用研究[J].地球科学展，2003，18(1)：109-115.
[68]FANG Hongliang,WU Bingfang, LIUHaiyan,et al.. Using NOAAAVHRR and Land sat TM toestimate rice area year-by-year[J]. Int. j. remote sensing,1998,19(3):521-525.
[69]江南，何隆华，王延颐.江苏省水稻遥感估产研究[J].长江流域资源与环境，1996，2(5)：160-165.
[70]GUIDO LEMOINE,RICHARD KIDD. An alternative sampling technique for deriving crop areastatistics from hybrid remote sensing data[M]. Joint Research Centre, Space ApplicationsInstitute, MARS.1998.
[71]BAN Yifang. Synergy of multitemporal ERS-1SAR and Landsat TM data for classification ofagricultural crops[J]. Can. J. Remote Sensing,2003,29(4):518-526.
[72]BAM BOUMAN,DUENK. Crop Classification Possibilities with Radar in ERS-1and JERS-1Configuration[J]. Remote Sensing of Environment,1992,40:1-13.
[73]宋晓宇，王纪华，刘良云，等.利用航空成像光谱数据进行冬小麦产量预测[J].遥感技术与应用，2004，19(3)：168-172.
[74]Gao B C. A Practical Method for Simulating AVHRR-Consistent NDVI Data Series Using NarrowMODIS Channels in the0.5-1.0μm Spectral Range[J]. IEEE Transactions on Geoscience andRemote Sensing,2000,38(4):1969-1975.
[75]Buheaosier,Tsuchiya K, Kaneko M,et al. Comparison of Image Data Acquired with AVHRR,MODIS, ETM+and ASTER over Hokkaido, Japan [J]. Adv. SpaceResing,2003,32(11):2211-2216.
[76]Gao X,Huete A R,Ni W,et al. Optical-biophysical Relationships of Vegetation SpectraWithoutBackground Contamination[J]. Remote Sensing of Environment,2000,74(3):609-620.
[77]Gitelson A, Kaufman Y. MODIS NDVI Optimization to Fit the AVHRR Data Series-spectralConsideration[J]. Remote Sensing of Environment,1998,66(3):343-350.
[78]Unganai L S,Kogan F N. Drought Monitoring and Corn Yield Estimation in Southern Africa fromAVHRR Data[J].Remote Sensing of Environment,1998,63:219-232.
[79]Hayes M J, Decker W L. Using NOAA AVHRR Data to Estimate Maize Production in the UnitedStates Corn Belt[J]. Int J Remote Sensing,1996,17:3189-3200.
[80]孙九林，陈沈斌，千怀遂，等．中国农作物遥感动态监测与估产总论[M]．北京：中国科学技术出版社，1996。
[81]范莉，罗孳孳.基于MODIS-NDVI的水稻遥感估产—以重庆三峡库区为例[J].西南农业学报，2009，22（5）：1416-1418.
[82]Patel N K,Singh T P,Sahai B, et al. Spectral res ponse of rice crop and its relation to yield andyield attributes[J]. International Journal of Remote Sensing,1985,6(5):657-664.
[83]王廷颐.植被指数与水稻长势产量结构要素关系的研究[J].国土资源遥感，1996，1(27)：56-59.
[84]杨邦杰.农作物长势的定义与遥感监测[J].农业工程学报，1999，15(3)：214-218.
[85]张旭东.黄土区夏玉米叶面积指数变化规律的研究[J].干旱地区农业研究，2006.3，24（2）：25-29.
[86]王秀珍，黄敬峰，王人潮，等，水稻叶面积指数的多光谱遥感估算模型研究[J].遥感技术与应用，2003，18(2)：57-66.
[87]刘良云，王纪华，黄文江，等.利用新型光谱指数改善冬小麦估产精度[J].农业工程学报，2004，20(1)：172-175.
[88]杜培林，田丽萍，薛林，等.遥感在作物估产中的应用[J].安徽农业科学，2007，35(3)：936-938.
[89]Lin'an statistical information net[EB/OL].2009-12-18[2011-08-30]. http：//www.latj.gov.cn/statistics_articles.asp?sl_njcname=%CD%B3%BC%C6%C4%EA%BC%F8&sl_njid=405.
[90]China Centre for Resources Satellite Data and Application[EB/OL].2007-02-07[2010-09-01].http：//www.cresda.com/n16/n1115/n1432/index.html.
[91]中国科学院对地观测与数字地球科学[EB/OL].2008-04-01[2011-12-12].http://ids.ceode.ac.cn.
[92]高永年，张万昌.遥感影像地形校正研究进展及其比较实验[J].地理研究，2008，27(2)：465-478.
[93]骆咏，傅松玲，张良富，等.海拔高度对山核桃生长与产量的影响[J].经济林研究，2008，26(1)：71-73.
[94]刘姣娣.新疆棉花遥感估产单产模型研究：硕士学位论文.新疆：农业机械化工程，2007.
[95]田庆九.植被指数研究进展[J].地球科学进展，1998，13(4):112-114.
[96]冯德俊，李永树，兰燕.基于主成分变换的动态监测变化信息自动发现[J].计算机工程与应用，2004，38(3)：199-202.
[97]申怀飞等.基于主成分融合的遥感影像分区分类方法探讨[J].河南大学学报（自然科学版），2007，37(3)：294–295.
[98]临安市统计局[EB/OL].2008-11-5[2011-12-12]. http://www.latj.gov.cn/.
[2]傅松玲，丁之恩，周根土，等.安徽山核桃适生条件及丰产栽培研究[J].经济林研究，2003，21(2)：1-4.
[3]李宝华，迟道兵，陈红红，等.山核桃光合生理特性与产量的关系[J].林业科技开发，2007，21(5)：34-37.
[4]Lin′an Carya cathayensis [EB/OL].(2011-04-13)[2011-09-01]. http：//baike.baidu.com/history/id=19395293.
[5]解红恩.山核桃植株营养动态变化规律研究[D].浙江：浙江农林大学，2008：3-5.
[6]郭传友，黄坚钦，方炎明.山核桃研究综述及展望[J].经济林研究，2004，22(1)：61-63.
[7]杜培林，田丽萍，薛林，等.遥感在作物估产中的应用，安徽农业科学.2007，35(3)：936-938.
[8]黄敬峰，王人潮，王秀珍，等.冬小麦遥感估产多种模型研究[J].浙江大学学报，1999，25(5)：519-523.
[9]杜培林，田丽萍，等.遥感在作物估产中的应用[J]，安徽农业科学.2007，35(3)：936-938.
[10]余永清，顾光同，毛小燕，等.时间序列模型在农特产产量潜力分析中的应用[J].农业系统科学与综合研究，2005.11，21(4)：308-310.
[11]张华峰，梅爱君，林益军.临安市山核桃单位面积产量变化特征的时间序列分析[J].广林业科技，2006，22(3)：22-25.
[12]代立芹，吴炳方，李强子.作物单产预测方法研究进展[J].农业网络信息，2006，4.
[13]翟贵明，张希春，刘树棣.气象因子对山东惠民棉花产量的影响及其评价模型[J].中国棉花，2011，11：26-29.
[14]晏明，刘志明，晏晓英，等.用气象卫星资料估算吉林省主要农作物产量[J].气象科技，2005，33(4)：350-353.
[15]汤仁发.山核桃小年变大年的原因分析[J].浙江林业科技，1980(4)：26.
[16]叶茂富.关于促进山核桃丰产问题的研究[J].亚林科技，1978(2)：13-15.
[17]黎章矩.关于山核桃大小年的探讨[J].浙江农业科学，1964(8)：446-451.
[18]金志凤，袁德辉，李绍进，等.基于气候因子的山核桃产量模拟[J].中国气象学会2005年年会论文集，2005.
[19]章晓光，陶明星.临安县山核桃产量模式及其气象意义[J].浙江林业科技，1989，9(3)：29-33.
[20]肖汉乾，李德清，徐双红，等.不同生物活性肥对烤烟生长影响的初步研究[J].中国烟草科学，2003，24(1)：28-30.
[21]张建华.作物估产的遥感-数值模拟方法[J].干旱区资源与环境，2000，14(2)：82-86.
[22]王人潮，王珂，沈掌泉，等.水稻单产遥感估测建模研究[J].遥感学报，1998，2(2)：119-124.
[23]张艳楠.遥感估产技术研究现状与展望[J].现代农业科技，2010.7,52-56.
[24]孙华生.利用多时相MODIS数据提取中国水稻种植面积和长势信息，硕士学位论文，浙江：环境与资源学院，2008.
[25]李维钧，张微微，武伟.基于中巴资源卫星数据的水稻种植面积监测—以梁平县为例[J].西南大学学报，2009.1，31(1)：180-182.
[26]侯志研，郑家明，冯良山，等.应用遥感方法估算作物产量的研究进展[J]，杂粮作物2007，27(3)：220-222.
[27]PH斯韦恩，SM戴维.遥感定量方法[M].北京：科学出版社，1984.
[28]黄敬峰，杨忠恩，王人潮，等.基于GIS的水稻遥感估产模型研究[J]，遥感技术与应用，2002，17(3)：125-129.
[29]刘纪远.国家资源环境遥感宏观调查与动态监测研究[J].遥感学报，1997，1(3)：225-230.
[30]N A QUARMBY,J R G TOWNSHEND,J J SETTLE,et al.Linear mixture modeling applied toAVHRR data for crop area estimation[J].Int.J.Remote sensing,1992,13(3):415-425.
[31]尤淑撑，张玮，严泰来.模糊分类技术在作物类型识别中的应用[J].国土资源遥感，2000，1：39-43.
[32]竞霞，刘良云，张超，等．利用多时相NDVI监测京郊冬小麦种植信息[J]．遥感技术与应用，2005，20(2)：238-242．
[33]付斌，吕志群，国殿波.基于SPOT数据的棉花种植面积监测研究[J].黑龙江农业科学，2008(6)：148-149.
[34]傅文杰，戴塔根.基于线性光谱混合模型的遥感影像枇杷树信息提取[J].西北林学院学报，2006，21(2)：13-15.
[35]张彦忠，张福祥.TM数据用于亚热带桔果林区的土地利用分类和专题信息提取[J].国土资源遥感，1994，6(2)：28-33.
[36]谭宗琨，吴良林，丁美花，等.EOS/MODIS数据在广西甘蔗种植信息提取及面积估算的应用[J].气象，2007.11，33(11)：77-81.
[37]陈汇林，陈小敏，陈珍丽，等.基于MODIS遥感数据提取海南橡胶信息初步研究[J].热带作物学报，2010，31(7)：1181-1182.
[38]肖乾广.用NOAA气象卫星的定量资料计算冬小麦种植面积的两种方法[J]，环境遥感，1989，4(3)：191-196.
[39]江东，王乃斌，杨小唤，等.NDVI曲线与农作物长势的时序互动规律[J]，生态学报，2002，22(2)：247-252
[40]姬菊枝，陶国辉，范玉波.利用气象卫星遥感进行哈尔滨地区作物生长状况监测及产量预报[J].东北农业大学学报，2008，39(6)：59-62.
[41]李红，蒋平安.遥感植被指数在作物产量估测中的应用探讨[J].石河子科技，2009(2)：38-39.
[42]徐新刚，王纪华，黄文江.基于权重最优组合和多时相遥感的作物估产[J].农业工程学报，2009.9，25(9)：137-142.
[43]刘添毅，李春英，熊德中.烤烟有机肥与化肥配合施用效应的探讨[J].中国烟草科学，2000，21(4)：23-26.
[44]唐莉娜，陈顺辉.不同种类有机肥与化肥配施对烤烟生长和品质的影响[J].中国农学通报，2008，24(11)：258-262.
[45]唐莉娜，熊德中.有机肥与化肥配施对烤烟生长发育的影响[J].烟草科技，2000(10)：32-34.
[46]张艳楠.遥感估产技术研究现状与展望[J].现代农业科技.2010，7.
[47]李秉柏，田翠玲，王志明，等.基于作物模型与遥感信息的水稻产量预报研究[J].江苏农业科学，2006(6)：29-31.
[48]张建华.作物估产的遥感—数值模拟方法[J].干旱区资源与环境，2000，14(2)：82-86.
[49]Rasmussen M S. Assessment of millet yields and production in Northern Burkino Faso usingintegratedNDVIfromtheAVHRR[J].InternationalJournalofRemoteSensing,1992,13(18)：3431-3442．
[50]Groten S M E. NDVI-crop monitoring and early yield assessment of brukina faso[J]. InternationalJournal of Remote Sensing,1993,14(8):1495-1515．
[51]石宇虹，朴瀛，张菁.应用NOAA资料监测水稻长势的研究[J].应用气象学报，1999，10(2)：243-248.
[52]浦吉存，董谢琼，尤临. NOAA/AVHRR资料在低纬高原小春作物估产中的初步应用[J].中国农业气象，2004，25(1)：54-56.
[53]Goward S N,Markham B, Dye D G,et al. Normalized difference vegetation index measurementsfrom the advanced very high resolution radiometer[J]. Remote Sensing ofEnvironment,1991,35:257–277．
[54]Kastens J H, Kastens T L, Kastens D L A, et al. Image masking for crop yield forecasting usingAVHRR NDVI time series imagery[J]. Remote Sensing of Environment,2005,99(3)：341-356．
[55]侯志研，郑家明.应用遥感方法估算作物产量的研究进展利用[J].杂粮作物，2007，27(3)：220-222.
[56]N.R.Daleziosl.Cotton Yield Estimation Based on NOAA/AVHRR ProducedNDVI[J].Phys.Chem.Eurth(B),2001,26(3):247-251.
[57]李卫国，王纪华，赵春江，等.基于遥感信息和产量形成过程的小麦估产模型[J].麦类作物学报，2007，27(5)904-907.
[58]闫利平，陈红，陶卫江。基于SPOT高分辨率遥感数据的农作物估产方法研究[J].安徽农业科学，2007，35(23)：7054-7056.
[59]王长耀，林文鹏.基于MODIS EVI的冬小麦产量遥感预测研究[J].农业工程学报，2005，21(10)：90-94.
[60]范莉，罗孳孳.基于MODIS-NDVI的水稻遥感估产—以重庆三峡库区为例[J].西南农业学报，2009，22(5).
[61]方红亮，田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用，1998，13(1)：63-69.
[62]蒋桂英，李鲁华，陈永芳.高光谱分辨率遥感在新疆棉花上的应用前景[J].中国棉花，2003，30(2)：2-4.
[63]柏军华，李少昆，王克如，等.棉花产量遥感预测的L-Y模型构建[J].作物学报，2006，32(6)：840-844.
[64]樊科研，田丽萍，王进，等.基于冠层高光谱遥感对加工番茄产量的估算模型[J].安徽农业科学，2008，36(10)：4343-4345.
[65]齐腊，赵春江，李存军，等.基于多时相中巴资源卫星影像的冬小麦分类精度[J].应用生态学报，2008，19(10)：2201-2208.
[66]秦元伟，赵庚星，姜曙千，等.基于中高分辨率卫星遥感数据的县域冬小麦估产[J].农业工程学报，2009，25(7)：118-123.
[67]李岩，彭少麟，廖其芳，等. RADARSAT SNB SAR数据在大面积水稻估产中的应用研究[J].地球科学展，2003，18(1)：109-115.
[68]FANG Hongliang,WU Bingfang, LIUHaiyan,et al.. Using NOAAAVHRR and Land sat TM toestimate rice area year-by-year[J]. Int. j. remote sensing,1998,19(3):521-525.
[69]江南，何隆华，王延颐.江苏省水稻遥感估产研究[J].长江流域资源与环境，1996，2(5)：160-165.
[70]GUIDO LEMOINE,RICHARD KIDD. An alternative sampling technique for deriving crop areastatistics from hybrid remote sensing data[M]. Joint Research Centre, Space ApplicationsInstitute, MARS.1998.
[71]BAN Yifang. Synergy of multitemporal ERS-1SAR and Landsat TM data for classification ofagricultural crops[J]. Can. J. Remote Sensing,2003,29(4):518-526.
[72]BAM BOUMAN,DUENK. Crop Classification Possibilities with Radar in ERS-1and JERS-1Configuration[J]. Remote Sensing of Environment,1992,40:1-13.
[73]宋晓宇，王纪华，刘良云，等.利用航空成像光谱数据进行冬小麦产量预测[J].遥感技术与应用，2004，19(3)：168-172.
[74]Gao B C. A Practical Method for Simulating AVHRR-Consistent NDVI Data Series Using NarrowMODIS Channels in the0.5-1.0μm Spectral Range[J]. IEEE Transactions on Geoscience andRemote Sensing,2000,38(4):1969-1975.
[75]Buheaosier,Tsuchiya K, Kaneko M,et al. Comparison of Image Data Acquired with AVHRR,MODIS, ETM+and ASTER over Hokkaido, Japan [J]. Adv. SpaceResing,2003,32(11):2211-2216.
[76]Gao X,Huete A R,Ni W,et al. Optical-biophysical Relationships of Vegetation SpectraWithoutBackground Contamination[J]. Remote Sensing of Environment,2000,74(3):609-620.
[77]Gitelson A, Kaufman Y. MODIS NDVI Optimization to Fit the AVHRR Data Series-spectralConsideration[J]. Remote Sensing of Environment,1998,66(3):343-350.
[78]Unganai L S,Kogan F N. Drought Monitoring and Corn Yield Estimation in Southern Africa fromAVHRR Data[J].Remote Sensing of Environment,1998,63:219-232.
[79]Hayes M J, Decker W L. Using NOAA AVHRR Data to Estimate Maize Production in the UnitedStates Corn Belt[J]. Int J Remote Sensing,1996,17:3189-3200.
[80]孙九林，陈沈斌，千怀遂，等．中国农作物遥感动态监测与估产总论[M]．北京：中国科学技术出版社，1996。
[81]范莉，罗孳孳.基于MODIS-NDVI的水稻遥感估产—以重庆三峡库区为例[J].西南农业学报，2009，22（5）：1416-1418.
[82]Patel N K,Singh T P,Sahai B, et al. Spectral res ponse of rice crop and its relation to yield andyield attributes[J]. International Journal of Remote Sensing,1985,6(5):657-664.
[83]王廷颐.植被指数与水稻长势产量结构要素关系的研究[J].国土资源遥感，1996，1(27)：56-59.
[84]杨邦杰.农作物长势的定义与遥感监测[J].农业工程学报，1999，15(3)：214-218.
[85]张旭东.黄土区夏玉米叶面积指数变化规律的研究[J].干旱地区农业研究，2006.3，24（2）：25-29.
[86]王秀珍，黄敬峰，王人潮，等，水稻叶面积指数的多光谱遥感估算模型研究[J].遥感技术与应用，2003，18(2)：57-66.
[87]刘良云，王纪华，黄文江，等.利用新型光谱指数改善冬小麦估产精度[J].农业工程学报，2004，20(1)：172-175.
[88]杜培林，田丽萍，薛林，等.遥感在作物估产中的应用[J].安徽农业科学，2007，35(3)：936-938.
[89]Lin'an statistical information net[EB/OL].2009-12-18[2011-08-30]. http：//www.latj.gov.cn/statistics_articles.asp?sl_njcname=%CD%B3%BC%C6%C4%EA%BC%F8&sl_njid=405.
[90]China Centre for Resources Satellite Data and Application[EB/OL].2007-02-07[2010-09-01].http：//www.cresda.com/n16/n1115/n1432/index.html.
[91]中国科学院对地观测与数字地球科学[EB/OL].2008-04-01[2011-12-12].http://ids.ceode.ac.cn.
[92]高永年，张万昌.遥感影像地形校正研究进展及其比较实验[J].地理研究，2008，27(2)：465-478.
[93]骆咏，傅松玲，张良富，等.海拔高度对山核桃生长与产量的影响[J].经济林研究，2008，26(1)：71-73.
[94]刘姣娣.新疆棉花遥感估产单产模型研究：硕士学位论文.新疆：农业机械化工程，2007.
[95]田庆九.植被指数研究进展[J].地球科学进展，1998，13(4):112-114.
[96]冯德俊，李永树，兰燕.基于主成分变换的动态监测变化信息自动发现[J].计算机工程与应用，2004，38(3)：199-202.
[97]申怀飞等.基于主成分融合的遥感影像分区分类方法探讨[J].河南大学学报（自然科学版），2007，37(3)：294–295.
[98]临安市统计局[EB/OL].2008-11-5[2011-12-12]. http://www.latj.gov.cn/.