1、 ICS 65.020.01 CCS B 07 22 吉林省地方标准 DB22/T 35102023 保护性耕作遥感监测技术规程 Technical code of practice on remote sensing monitoring of conservation tillage 2023-09-28 发布2023-11-16 实施吉林省市场监督管理厅发 布 DB22/T 35102023 I 前言 本文件按照 GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由吉林省
2、农业农村厅提出并归口。本文件起草单位：中国科学院东北地理与农业生态研究所。本文件主要起草人：杜嘉、宋开山、刘焕军、刘宝江、罗冲、刘阁、齐北松、赵博宇、张龙龙。DB22/T 35102023 1 保护性耕作遥感监测技术规程 1 范围 本文件确立了保护性耕作遥感监测的程序，规定了数据采集、CRC 估算、耕作类型分类与验证等阶段的操作指示，描述了生产记录与档案等追溯方法。本文件适用于保护性耕作秸秆覆盖遥感监测。2 规范性引用文件 本文件没有规范性引用文件。3 术语和定义 本文件没有需要界定的术语和定义。保护性耕作 conservation tillage 一种以农作物秸秆覆盖还田的免（少）耕播种为主
3、要内容，能够有效减轻土壤风蚀、水蚀，增加土壤肥力和保墒抗旱能力，改善农田生态环境，提高农业生态和经济效益的现代耕作技术体系。秸秆覆盖度 crop residue cover，CRC 单位面积内秸秆覆盖的面积占总面积的比例。耕作指数 tillage Index，TI 一种利用遥感影像不同谱段数据的线性或非线性组合生成的能评估农田耕作状况和分布特征指数。纹理分析 texture analysis 通过图像处理技术提取出纹理特征参数，从而定性或定量描述纹理的处理过程。4 程序流程图 保护性耕作秸秆覆盖遥感监测流程如下图所示：DB22/T 35102023 2 图1 保护性耕作秸秆覆盖遥感监测流程图
4、5 数据采集 遥感数据 5.1.1 卫星影像数据 采用中分辨率遥感卫星影像，具备以下波段：a)绿波段（B3）：500 nm600 nm b)红波段（B4）：600 nm700 nm c)近红外波段（B5）：700 nm1000 nm d)短波红外波段 1（B6）：1500 nm1700 nm e)短波红外波段 2（B7）：2100 nm2300 nm 5.1.2 耕作指数 耕作指数见表 1。表1 耕作指数相关信息 耕作指数 简称 计算公式 归一化差异耕作指数（Normalized difference tillage index）NDTI（B6B7）/（B6+B7）简单耕作指数（Simple
5、tillage index）STI B6/B7 归一化差异指数5（Normalized difference index 5）NDI5（B5B6）/（B5+B6）归一化差异指数7（Normalized difference index 7）NDI7（B5B7）/（B5+B7）DB22/T 35102023 3 表 1 耕作指数相关信息（续）耕作指数 简称 计算公式 短波红色外归一化差异指数（Shortwave red normalized difference index）SRNDI（B7B4）/（B7+B4）归一化差异衰老植被指数（Normalized difference senescen
6、t vegetation index）NDSVI（B6B4）/（B6+B4）改良耕作指数（Modified crop residue cover）MCRC（B6B3）/（B6+B3）实地数据 5.2.1 时间选择 5 月上旬到 5 月末，卫星遥感影像监测与田间观测时间一致。5.2.2 样本地块选择 在监测区随机布设样地 100 个200 个，样地之间水平距离不少于 1 km。在样地内选取 30 m30 m 大小的样方，样方距离样地边界至少 30 m，代表该地块的平均水平。采样时利用 GPS 记录经度、纬度和高程。5.2.3 取样 使用长 40 m 的测绳，每间隔 1 m 用红色标记，记录与作物
7、相交的红色标记出现频次，计算实测 CRC，并记录农田作物类型。6 估算 样本库构建 按照采样点编号，将实测的 CRC 与遥感估算的 TI 和纹理特征进行一一对应，并构建样本库。遥感模型构建 利用偏最小二乘法，综合 TI、纹理特征和组合的方法分别构建 CRC 遥感估算模型，参见附录 A。遥感估算 基于 CRC 遥感估算模型和遥感影像，利用地理信息系统软件进行 CRC 遥感估算，获得区域 CRC 分布情况。在耕地背景下，CRC 的值域为 01。遥感估算时，影像获取时间前 3 天5 天无降雨。7 耕作类型分类与验证 分类 利用遥感影像和遥感 CRC 估算模型进行 CRC 估算。按照耕地表层作物 CR
8、C 的高低分类，CRC30%为传统耕作，CRC30%为保护性耕作。验证 DB22/T 35102023 4 利用野外实地测量的 CRC 数据对耕作类型分类结果进行验证；无野外实地测量结果的，利用相关文献和政府发布的数据进行验证。8 生产记录与档案 对整个生产过程应进行详尽及时的记录，记录档案至少保存 5 年以上。DB22/T 35102023 5 附录A （资料性）遥感模型构建 A.1 遥感模型构建 A.1.1 偏最小二乘法（PLSR）偏最小二乘法（PLSR）是从实际应用出发的一种多元统计数据分析的方法，这种方法可用于因变量和多自变量之间的线性回归模型构建。这种方法的优势在于，当观察数量小于变
9、量数量时会出现多重共线性的问题，并对模型的构建产生较大影响，PLSR 的使用可以消除由此产生的不利影响。PLSR 模型是多个线性回归模型的扩展。当需要从大量自变量中预测一组因变量时，PLSR 模型具有特别的优势，同时可以有效地解决多自变量中的强共线性和噪声问题。在最简单的形式中，线性模型指定了从属（响应）变量 y 和一组预测变量（x）变量之间的（线性）关系：y=b0+b1x1+b2x2+b3x3+bpxp （1）式中：y模型的从属(响应)变量 b0模型的截距 bi数据计算从变量 1 到 p 的回归系数，其中 i 的取值范围为(0,p xi模型的预测变量，其中 i 的取值范围为(0,p A.1.2 秸秆覆盖度估算 本标准采用了 TI、纹理特征和组合方法三种类型特征，通过 PLSR 构建秸秆覆盖度遥感估算模型。首先，分别使用TI、纹理特征以及组合方法与实测的秸秆覆盖度建立相关性，根据相关性的高低，选择相关性高于 0.5 的若干个特征，再利用 PLSR 构建秸秆覆盖度遥感估算模型。最后，利用野外实测数据对模型估算结果进行了验证，并选出了验证结果最高的秸秆覆盖度遥感估算模型。
