賀付偉

(河南省商丘市氣象局，河南 商丘 476000)

過(guò)去幾十年，農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)和產(chǎn)量預(yù)測(cè)采用了多種方法。傳統(tǒng)的作物估產(chǎn)方法主要包括統(tǒng)計(jì)估產(chǎn)法、農(nóng)學(xué)估產(chǎn)法以及氣象估產(chǎn)法等。常規(guī)的調(diào)查統(tǒng)計(jì)和農(nóng)學(xué)估產(chǎn)方法需要對(duì)研究區(qū)域進(jìn)行實(shí)地調(diào)研，不僅工作量大，而且大區(qū)域應(yīng)用時(shí)需要較多的物力和人力，成本高昂。氣象估產(chǎn)方法只考慮氣象因子對(duì)產(chǎn)量的影響，難以滿(mǎn)足大面積區(qū)域估產(chǎn)要求的精度。與傳統(tǒng)估產(chǎn)方法相比，作物模型和遙感對(duì)地觀測(cè)技術(shù)具有時(shí)效性強(qiáng)和準(zhǔn)確性高等優(yōu)點(diǎn)，在作物生長(zhǎng)監(jiān)測(cè)和產(chǎn)量預(yù)估中具有重要的應(yīng)用價(jià)值。作物生長(zhǎng)模型經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，已成為評(píng)估氣候變化、預(yù)測(cè)作物產(chǎn)量和評(píng)價(jià)資源利用效率的有效工具。然而，盡管作物生長(zhǎng)模型可以輸出作物日尺度的生長(zhǎng)發(fā)育數(shù)據(jù)且機(jī)理性強(qiáng)，但其大多是單點(diǎn)模型，并且各地天氣、土壤、作物狀況由于下墊面不均勻?qū)е聰?shù)據(jù)獲取困難，妨礙了作物生長(zhǎng)模型對(duì)區(qū)域尺度作物生長(zhǎng)狀況的監(jiān)測(cè)和產(chǎn)量預(yù)估。遙感對(duì)地觀測(cè)技術(shù)因覆蓋范圍大、觀測(cè)周期短、成本較低等優(yōu)點(diǎn)，為及時(shí)、準(zhǔn)確地監(jiān)測(cè)大范圍糧食作物生長(zhǎng)情況和產(chǎn)量評(píng)估提供了一種有效的觀測(cè)途徑。但是僅僅使用遙感數(shù)據(jù)進(jìn)行農(nóng)作物監(jiān)測(cè)和產(chǎn)量評(píng)估，無(wú)法解釋作物生長(zhǎng)發(fā)育和產(chǎn)量形成的機(jī)理及受環(huán)境影響的機(jī)制，且由于遙感數(shù)據(jù)易受不利天氣的影響，難以獲得連續(xù)的作物生長(zhǎng)動(dòng)態(tài)數(shù)據(jù)。因此，將宏觀、快速、動(dòng)態(tài)的遙感數(shù)據(jù)和作物生長(zhǎng)模型結(jié)合，為提高區(qū)域作物估產(chǎn)精度提供了一種有效的解決途徑。

1 材料和方法

1.1 研究區(qū)域

本文研究區(qū)域?yàn)辄S淮海冬小麥主產(chǎn)區(qū)，見(jiàn)圖1，包括河南、山東、河北南部、安徽和江蘇北部共5個(gè)地區(qū)。研究區(qū)域?yàn)榕瘻貛Ъ撅L(fēng)氣候，夏季炎熱多雨，冬季寒冷干燥。全年≥0℃積溫4100～5400℃·d-1，由北向南逐漸遞增，普遍能夠滿(mǎn)足冬小麥-夏玉米輪作要求的熱量條件。本地區(qū)地域遼闊，小麥播期從北向南逐漸推遲，從10月初開(kāi)始持續(xù)1個(gè)月播種結(jié)束。成熟期自5月底—6月中旬，由南向北逐漸推遲，個(gè)別地區(qū)可到6月下旬成熟，全生育期為220～250d。

圖1 研究區(qū)域圖

1.2 數(shù)據(jù)來(lái)源

1.2.1 氣候和土壤資料

本研究使用的逐日氣象資料來(lái)源于中國(guó)氣象局科學(xué)數(shù)據(jù)共享網(wǎng)中國(guó)地面氣候資料日值數(shù)據(jù)集(http://data.cma.cn/)。主要包含的氣象要素日值數(shù)據(jù)有平均氣溫(℃)、最高氣溫(℃)、最低氣溫(℃)、降水量(mm)、日照時(shí)數(shù)(h)、風(fēng)速(m·s-1)、相對(duì)濕度(%)。作物模型需要輸入的土壤數(shù)據(jù)來(lái)源于農(nóng)業(yè)氣象試驗(yàn)站和中國(guó)土壤數(shù)據(jù)庫(kù)(http://www.soil.csdb.cn/)，包括土壤容重(g·cm-3)、田間持水量(mm·mm-1)、凋萎系數(shù)(mm·mm-1)、飽和含水量(mm·mm-1)、土壤質(zhì)地(砂、粉、黏粒的含量)和土壤有機(jī)碳含量(%)。

1.2.2 遙感數(shù)據(jù)

本研究使用2008—2018年的MODIS LAI數(shù)據(jù)產(chǎn)品為MCD15A3H。該數(shù)據(jù)產(chǎn)品為經(jīng)過(guò)大氣校正和幾何校正的陸地4級(jí)標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，時(shí)間分辨率為4d，空間分辨率為500m。

1.2.3 種植面積和產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)

本文利用的市級(jí)和縣級(jí)種植面積和產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)來(lái)自于統(tǒng)計(jì)年鑒。市級(jí)數(shù)據(jù)包含河南、山東和河北市級(jí)2010—2015年種植面積及單產(chǎn)、2008—2015年總產(chǎn)?？h級(jí)數(shù)據(jù)包含河南2013—2017年種植面積及單產(chǎn)、2008—2017年總產(chǎn)。

1.3 研究方法

1.3.1 太陽(yáng)總輻射的計(jì)算方法

APSIM-Wheat模型輸入的氣象數(shù)據(jù)需要逐日太陽(yáng)總輻射數(shù)據(jù)，由于大多氣象站數(shù)據(jù)不包括太陽(yáng)總輻射觀測(cè)數(shù)據(jù)，因此，本研究將日照時(shí)數(shù)轉(zhuǎn)換為太陽(yáng)總輻射，計(jì)算公式：

Ra=37.6×dr×(Ws×sinφ×sinδ+cosφ×cosδ×sinws)

Ws=arccos(-tanφ×tanδ)

式中，Rns是日太陽(yáng)總輻射，MJ·m-2·d-1；a和b為經(jīng)驗(yàn)公式，本文取0.25和0.5；Ra是碧空日太陽(yáng)總輻射，MJ·m-2·d-1；dr是日地相對(duì)距離；ws是日照時(shí)角；δ是太陽(yáng)赤緯；φ是當(dāng)?shù)鼐暥龋籎是年內(nèi)的天數(shù)；n是每天日照時(shí)數(shù)，h；N是最大天文日照時(shí)數(shù)，h。

1.3.2 APSIM-Wheat模型

APSIM-Wheat模型主要輸入數(shù)據(jù)包括土壤數(shù)據(jù)、氣象數(shù)據(jù)、作物數(shù)據(jù)和管理數(shù)據(jù)，共選取黃淮海區(qū)域河北邢臺(tái)、山東濟(jì)陽(yáng)、山東日照、河南南陽(yáng)和河南商丘5個(gè)典型站點(diǎn)，輸入的土壤數(shù)據(jù)包括各層土壤容重(g·cm-3)、飽和含水量(mm·mm-1)、田間持水量(mm·mm-1)、凋萎系數(shù)(mm·mm-1)、硝態(tài)氮和銨態(tài)氮含量(ppm)等。氣象數(shù)據(jù)包括2007—2018年逐日最高氣溫(℃)、最低氣溫(℃)、降水量(mm)和總輻射(MJ·m-2·d-1)。本文選取“魯麥21”作為黃淮海平原的代表品種，該小麥品種的APSIM參數(shù)設(shè)置如表1所示，包括控制冬小麥生育期的春化敏感系數(shù)、光周期敏感系數(shù)和灌漿到成熟期所需有效積溫，產(chǎn)量控制參數(shù)包括每單位莖重谷粒數(shù)、最大谷粒重、潛在灌漿速率和光能利用率。管理措施設(shè)置如表2所示，包括冬小麥播期、播種密度、灌溉、施肥和播前土壤水分等。將APSIM模型輸出的開(kāi)花期LAI作為冬小麥生長(zhǎng)季最大LAI(LAImax)，然后對(duì)LAImax進(jìn)行歸一化處理，將模擬產(chǎn)量和歸一化LAImax進(jìn)行回歸，得到模擬產(chǎn)量和歸一化LAImax的相關(guān)關(guān)系。

表1 小麥品種參數(shù)

表2 APSIM模型的管理設(shè)置

1.3.3 基于決策樹(shù)分類(lèi)法和MODIS影像數(shù)據(jù)提取冬小麥種植面積

在黃淮海平原4月下旬—5月上中旬(日序：93-133)期間，冬小麥達(dá)到抽穗期，此時(shí)葉面積指數(shù)LAI達(dá)到最大，為冬小麥LAI生長(zhǎng)序列的波峰，與同期的作物L(fēng)AI差異明顯。隨著冬小麥逐漸成熟，LAI逐漸降低，成熟期達(dá)到最低，與林地的LAI差異明顯。

本研究對(duì)1月1日—7月1日(日序：1-181)的MODIS影像進(jìn)行分析處理，獲得基于像元的LAI時(shí)序數(shù)列，為減少異常值的影響，對(duì)每個(gè)像元時(shí)序數(shù)列進(jìn)行滑動(dòng)平均處理。根據(jù)LAI時(shí)序波譜曲線特征，MODIS影像中冬小麥種植區(qū)域提取規(guī)則設(shè)定如下：冬小麥抽穗期，即MODIS影像LAI時(shí)間序列最大值，發(fā)生在4月3日—5月13日(日序：93-133)，并設(shè)定冬小麥LAImax的最小和最大閾值(1.2～4.2)，區(qū)分冬小麥、建筑用地和其它作物；在6月27日(日序：177)LAI時(shí)序序列值設(shè)定閾值為1，高于設(shè)定的閾值，被視為林地，不作為冬小麥提取。

1.3.4 基于MODIS影像數(shù)據(jù)和作物模型估算產(chǎn)量

遙感估算的產(chǎn)量和歸一化LAImax的關(guān)系方程可由以下公式得到：

YieldRemote=YieldSim

LAIMax_Norm_Remote=LAIMax_Norm_Sim

YieldSim=a×LAIMax_Norm_Sim+b

YieldRemote=c×LAIMax_Norm_Remote+d

式中，YieldRemote為遙感估算產(chǎn)量，kg·hm-2；YieldSim為模型模擬產(chǎn)量，kg·hm-2；LAIMax_Norm_Remote為遙感歸一化LAImax，LAIMax_Norm_Sim為模型模擬歸一化LAImax,其中a、b、c、d為線性回歸擬合因子。

1.3.5 精度評(píng)價(jià)

將基于MODIS影像提取的冬小麥種植面積或者產(chǎn)量估算結(jié)果，使用ARCGIS幾何分區(qū)統(tǒng)計(jì)功能將像元統(tǒng)計(jì)到縣級(jí)和市級(jí)尺度，與統(tǒng)計(jì)數(shù)據(jù)進(jìn)行對(duì)比分析比較，計(jì)算決定系數(shù)(R2)和均方根誤差(RMSE)。R2越大，RMSE越小，MODIS影像提取的冬小麥種植區(qū)域或產(chǎn)量估算結(jié)果的數(shù)據(jù)精度越高。

2 結(jié)果與分析

2.1 黃淮海平原冬小麥種植面積提取結(jié)果驗(yàn)證

圖2為基于MODIS影像數(shù)據(jù)的冬小麥種植面積提取結(jié)果和統(tǒng)計(jì)面積的比較。結(jié)果表明，在市級(jí)尺度上種植面積的提取結(jié)果和統(tǒng)計(jì)面積的復(fù)相關(guān)系數(shù)R2為0.7，回歸系數(shù)為1.23，相對(duì)均方根誤差(RMSE)為14.9萬(wàn)hm2，歸一化相對(duì)均方根誤差(NRMSE)為53%，在縣級(jí)尺度上2者的復(fù)相關(guān)系數(shù)R2為0.7，回歸系數(shù)為1.17，相對(duì)均方根誤差(RMSE)為21.2千hm2，歸一化相對(duì)均方根誤差(NRMSE)為45%。市級(jí)尺度和縣級(jí)尺度上均有較好的提取精度，可以滿(mǎn)足后續(xù)研究的精度要求。

圖2 基于MODIS數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的市縣種植面積比較

2.2 APSIM模擬的歸一化LAImax和產(chǎn)量的關(guān)系

APSIM模擬的歸一化LAImax和產(chǎn)量的相關(guān)關(guān)系如圖3所示，二者關(guān)系達(dá)到了極顯著，復(fù)相關(guān)系數(shù)R2=0.71。模擬產(chǎn)量隨著歸一化LAImax的增加而增加，每增加單位歸一化LAImax值，模擬產(chǎn)量增加10371kg·hm-2。

圖3 APSIM模擬產(chǎn)量和歸一化LAImax的關(guān)系

2.3 基于遙感數(shù)據(jù)和作物模型的產(chǎn)量估算

將MODIS影像歸一化LAImax代入APSIM模型模擬的產(chǎn)量和歸一化LAImax關(guān)系方程中，得到黃淮海平原像元尺度的冬小麥估算產(chǎn)量，通過(guò)ARCGIS軟件分區(qū)幾何統(tǒng)計(jì)功能計(jì)算各個(gè)市縣的總產(chǎn)和單產(chǎn)。

2.3.1 總產(chǎn)估算結(jié)果的驗(yàn)證

總產(chǎn)估算的驗(yàn)證結(jié)果如圖4所示。結(jié)果表明，在市級(jí)尺度上二者的復(fù)相關(guān)系數(shù)R2為0.74，回歸系數(shù)為1.17，相對(duì)均方根誤差(RMSE)為95.4萬(wàn)t，歸一化相對(duì)均方根誤差(NRMSE)為54%；縣級(jí)尺度上二者的復(fù)相關(guān)系數(shù)R2為0.76，回歸系數(shù)為1.3，相對(duì)均方根誤差(RMSE)為15.07萬(wàn)t，歸一化相對(duì)均方根誤差(NRMSE)為51%。驗(yàn)證結(jié)果反映總產(chǎn)的估計(jì)效果較好。

圖4 基于遙感數(shù)據(jù)和作物模型估算的市縣總產(chǎn)和統(tǒng)計(jì)結(jié)果的比較

2.3.2 單產(chǎn)估算結(jié)果驗(yàn)證

單產(chǎn)估算的驗(yàn)證結(jié)果如圖5所示。結(jié)果表明，在市級(jí)尺度上二者的復(fù)相關(guān)系數(shù)R2為0.31，回歸系數(shù)為0.88，相對(duì)均方根誤差(RMSE)為2070kg·hm-2，歸一化相對(duì)均方根誤差(NRMSE)為34%；縣級(jí)尺度上兩者的復(fù)相關(guān)系數(shù)R2為0.46，回歸系數(shù)為0.88，相對(duì)均方根誤差(RMSE)為1664kg·hm-2，歸一化相對(duì)均方根誤差(NRMSE)為27%。綜合各個(gè)統(tǒng)計(jì)量結(jié)果，相比于總產(chǎn)，單產(chǎn)的估算精度偏低。

圖5 基于遙感數(shù)據(jù)和作物模型估算的市縣單產(chǎn)和統(tǒng)計(jì)結(jié)果的比較

3 結(jié)論

3.1 黃淮海平原冬小麥種植面積提取結(jié)果驗(yàn)證

基于MODIS影像數(shù)據(jù)的冬小麥種植面積提取結(jié)果與統(tǒng)計(jì)市縣級(jí)種植面積的對(duì)比驗(yàn)證結(jié)果均良好(R2均>0.7)，滿(mǎn)足后續(xù)的研究要求。

3.2 APSIM模擬的歸一化LAImax和產(chǎn)量的關(guān)系

APSIM模擬產(chǎn)量和歸一化LAImax呈正相關(guān)關(guān)系，達(dá)到了極顯著水平(R2=0.7)。

3.3 基于遙感數(shù)據(jù)和作物模型的產(chǎn)量估算

基于APSIM模型和MODIS影像數(shù)據(jù)估產(chǎn)模型的估產(chǎn)結(jié)果和統(tǒng)計(jì)市縣產(chǎn)量的對(duì)比驗(yàn)證結(jié)果表明，總產(chǎn)驗(yàn)證的精度較好，單產(chǎn)驗(yàn)證的精度稍差。

4 討論

4.1 種植面積和產(chǎn)量的驗(yàn)證結(jié)果討論

本研究種植面積和總產(chǎn)的驗(yàn)證結(jié)果精度較為一致，而單產(chǎn)估計(jì)的精度較差，主要由于各個(gè)市縣的種植面積差異較大，種植面積大的市縣往往是種植面積小的市縣的幾十倍，而各個(gè)市縣的單產(chǎn)差異相比較種植面積的差異較小，各個(gè)市縣的總產(chǎn)主要由種植面積決定，總產(chǎn)的驗(yàn)證精度較少地受單產(chǎn)驗(yàn)證精度的影響。單產(chǎn)精度差的原因可能是MODIS影像空間分辨率低，混合像元多導(dǎo)致的。

4.2 與他人研究結(jié)果的對(duì)比分析

基于MODIS影像的冬小麥種植面積提取結(jié)果得知，河南冬小麥種植區(qū)域主要在東部，西部種植面積較小，山東中東部種植面積較小，西部種植面積較大，與前人的研究結(jié)果類(lèi)似。

前人基于作物模型與遙感數(shù)據(jù)耦合估產(chǎn)時(shí)，部分研究會(huì)結(jié)合格點(diǎn)氣象數(shù)據(jù)構(gòu)建估產(chǎn)模型，以提高估產(chǎn)精度。本文基于APSIM模型和MODIS影像數(shù)據(jù)構(gòu)建估產(chǎn)模型時(shí)，曾將氣象數(shù)據(jù)和LAImax作為APSIM產(chǎn)量的影響因子，選取了LAImax和4—6月平均輻射、平均降水、平均最高溫度、最低溫度氣象要素變量，與APSIM模擬產(chǎn)量進(jìn)行相關(guān)分析，結(jié)果表明，LAImax、氣象要素變量與產(chǎn)量都呈正相關(guān)關(guān)系，都達(dá)到了顯著水平。氣象要素等變量對(duì)APSIM模擬產(chǎn)量的影響程度共只占20%左右，而LAImax達(dá)到了80%，說(shuō)明LAImax是影響APSIM模擬產(chǎn)量的主要因素，而氣象要素等變量是次要因素。使用氣象數(shù)據(jù)和LAImax，與僅使用LAImax相比，估算產(chǎn)量的精度僅提高了1%～2%左右。為了研究過(guò)程的簡(jiǎn)便，本文構(gòu)建估產(chǎn)模型時(shí)，僅僅使用了LAImax，未使用格點(diǎn)氣象數(shù)據(jù)，并未降低研究結(jié)果的精度。