Spring Wheat Yield Assessment Using NOAA AVHRR Data

RÉSUMÉ

L'une des applications possibles de l'indice de végétation par différence normalisée (NDVI) consiste dans la surveillance du rendement des cultures sur de vastes territoires. La présente étude porte sur les cultures de blé de printemps dans le Dakota du Nord et le Dakota du Sud au cours de quelques années (1989–1992). Les données AVHRR de NOAA ont été analysées soigneusement de façon que soient évitées les erreurs de traitement et d'échantillonnage. La somme des valeurs moyennes des indices de végétation, sur deux semaines, au niveau des comtés, a constitué les variables indépendantes dans les analyses de régression linéaire avec les cultures de blé de printemps réalisées sur une période de huit semaines allant du stade d'épiation au stade de maturité des cultures (soit du 22 juin au 16 août approximativement). Des modèles de régression annuels et pluriannuels ont été élaborés pour chaque État. Les prévisions portant sur le rendement des cultures de blé de printemps à partir d'un modèle annuel et de modèles pluriannuels se comparaient favorablement avec les études similaires publiées. Étant donné les niveaux de précision obtenus, cette méthode se révèle prometteuse pour la prévision du rendement des cultures au niveau des districts de statistiques agricoles. L'indice de végétation par différence normalisée demeure un paramètre pouvant être utile dans un modèle de cultures intégré qui fait appel à d'autres paramètres agrométéorologiques pour estimer le rendement des cultures au niveau des comtés.

SUMMARY

A potential application of the Normalized Difference Vegetation Index (NDVI) is to monitor crop yields over large areas. The study concentrated on the spring wheat areas of North and South Dakota for several years (1989–1992). The NOAA AVHRR data were analyzed carefully to reduce processing and sampling errors. Sums of biweekly NDVI county averages over an eight-week-period from heading to crop maturity (approximately June 22 to August 16) were the independent variables in the linear regressions with spring wheat yields. Both single-year and multi-year spectral regression models were developed for each state. Spring wheat yield predictions using both a within-year model and multiple-year models compared favourably with similar reported studies. The accuracies from this approach show promise for forecasting yields at the Agricultural Statistics District (ASD) level. NDVI remains a potentially useful parameter in an integrated crop model that employs other agrometeorological parameters to estimate yields at the county level.

Additional information

Notes on contributors

Paul C. Doraiswamy

•

Paul C. Doraiswamy is with the Agriculture Research Service, USDA, Bldg. 007, Room 121, Beltsville, MD 20705.

Paul W. Cook

•

Paul W. Cook is with the National Agricultural Statistical Service, USDA, Research Division, 3231 Old Lee Hwy, Room 305, Fairfax, VA 22030.