基于时间序列遥感影像的长周期产量评估

 本项目以时间序列卫星遥感影像为基础，结合地块划分、物候期分析和历史产量表现评估，开展了针对目标地块的长周期产量评估研究。通过精准的数据处理和分析，为地块产量表现提供科学依据，并助力精准农业管理。  

1. 地块边界划分 

 依据提供的参考地块（三分场），划分了部分其他地块，共40个，以进行后续分析。

 整体地块分布情况如下，地块中数字为地块id。

 图1.地块示意图

2. 物候期确定 

使用时间序列卫星遥感影像，对所有地块2023年-2024年的NDVI植被指数进行制图，通过植被指数的周期性变化来推断种植季度和具体物候期时间范围，为后续产量预估提供参考窗口期。

 图2.所有地块2023-2024年NDVI植被指数时间序列图

上图展示了目标地块对于全部地块长势的相对位置，全年整体长势位于平均值附近，说明目标地块长势处于大范围的平均水平，这在后续的长周期产量表现评估图和逐年产量分布图中也有体现。

 图3.目标地块和所有地块2023-2024年  平均NDVI植被指数时间序列图。

 图4.目标地块和所有地块2023-2024年 平均NDVI植被指数箱形图

图3和图4展示了目标地块与平均水平对比结果，type1为目标地块，type2为地块平均。可见在冬前出苗阶段，目标地块长势差于平均值，虽然后续拔节期长势与平均值相同或稍高，但由于禾本科作物分蘖特性，冬前有效分蘖水平低于平均值，因此最终产量位于平均水平。

该步骤用到了2023-2024生长季度的所有地块的数据，并进行了动态时间规整和线性插值，生成了连续的时间序列影像，以进行精确分析。

3. 长周期产量表现评估 

 图5.长周期产量表现评估图

上图显示了近五年的产量表现统计信息，可以从作物的周期性产量波动中提取长期产量表现信息，更全面、精准地评估地块产量表现，以发现地块问题并进行针对性改善。

 地块中的数字代表该地块在近五年中，产量较高的年份净数量。值域范围为-5~5。计算方法如下：统计逐年产量表现，并使用聚类算法进行聚类，每年的产量表现分为好和差，好意味着当年产量在所有地块中优于平均水平，而差意味着低于平均水平。统计近五年每年的产量表现情况，再用产量表现为好的年份数量减去产量表现为差的年份数量，即为上图地块中的数字。正值代表产量好的年份数量大于年份差的数量，整体来说产量偏好。而负值则相反。

 图6.所有地块2024年产量分布图

 图6展示了各地块2024年产量，均为亩均产量。目标地块由白色边框标识。红色和蓝色图例分别代表产量与平均水平相比较低/较高。分类方法采用了一维非监督聚类，相比于简单的平均值对比，能对异常值和边界情况进行更好地处理，增加分类的可信度。地图数据与产量统计表数据相同。  

从整体来看，产量最低和最高地块间的差异为100-170斤/亩。对每个地块，不同年份间产量差异在10-50斤/亩，不同地块间年际产量差异不同。

经过上述产量分析，能够更加深入地了解逐年产量分布情况，筛选出具有高产潜力的地块，进行有针对性的管理。