陜甘寧春玉米低溫冷害動態監測研究

馮 徽，韓忠玲，程勇翔

（1.石河子大學生命科學學院，新疆 石河子 832000；2.石河子大學信息科學與技術學院，新疆 石河子 832000）

冷害作為玉米農業氣象災害中的一種，很早就引起了關注，但研究成果多集中于東北三省。近年來陜西省、甘肅省和寧夏回族自治區（以下簡稱陜甘寧）三省區玉米種植面積增加顯著，2015年比1991年分別增加了12.03%、215.07%、282.51%［1］。玉米產量增加的原因與全球氣候變暖、陜甘寧熱量條件改善有關，但氣候變暖的同時溫度波動幅度也有所增大，極端事件頻發［2］，可能會對陜甘寧三省區擴大的玉米種植造成不利影響，因此對陜甘寧三省區玉米冷害進行研究很有必要。

目前作物冷害監測主要有3種途徑。一是基于溫度距平［3］或溫度臨界閾值的作物冷害監測，該種冷害監測的關鍵是對小網格氣溫推算。一般方法有GIS氣溫空間插值［4］，或者通過氣溫與地理因子構建的擬合模型進行推算［5］，如利用MODIS地表溫度數據或微波數據，通過建立平均氣溫多元回歸模型監測冷害［6-10］。二是基于作物模型的冷害監測，該方法主要涉及模型參數調整、改進、監測指標選取和監測結果空間化等問題。如利用玉米生長模型，基于構建的冷害綜合指標，結合網格氣象數據監測東北玉米冷害［11］；利用ORYZA2000改進模型，基于空秕率等監測水稻冷害［12-13］。三是基于遙感植被指數變化或植被指數臨界閾值的作物冷害監測。如利用Landsat ETM+數據對比冷害前后棉田NDVI、DN值等數據的變化監測冷害［14］；通過MODIS植被指數分析，構建水稻各發育期NDVI和EVI監測指標來動態監測冷害［15］。研究發現，模型方法機理較為復雜，準確推算大范圍冷害難度大；基于植被指數的冷害監測方法受云影響較為嚴重；利用溫度距平值監測冷害，結果較為滯后。而將溫度臨界閾值和逐日氣溫推算相結合，并配合發育階段判讀，則對大范圍作物冷害監測更為有效和實用。

1 數據與方法

1.1 研究區介紹

陜甘寧三省區位于 90°30′～115°15′E，31°42′～42°57′N 之間，地形復雜且空間跨度大，總面積達72.55萬km2［16-18］。三省區平均海拔1 751 m（數據來源于空間經度30 mDEM平均值）。三省區位于北溫帶，無霜期平均達100～150 d［19］，年均氣溫為 8～12℃，春秋兩季相對寒冷且溫度變化波動大，此時冷害時有發生，給農作物的生產帶來很大威脅。研究區氣象站點分布如圖1所示。

圖1 研究區選擇及氣象站點分布

1.2 數據來源及預處理

從中國氣象科學數據共享網［20］獲取了71個農業氣象觀測站點1991—2013年的作物發育期資料，統計了春玉米從播種、出苗、三葉、七葉、拔節、抽穗、乳熟和成熟各發育階段的普遍期歷史平均值，并獲取了研究區76個氣象站點1951—2017年逐日平均氣溫數據［21］。通過數據預處理進行有效數據的篩選，選擇各氣象站點≥10℃有效積溫（日平均溫度≥10℃的積溫）的年平均值用于構建玉米區劃圖。陜甘寧行政區劃數據來自國家基礎地理信息系統網［22］，利用該數據構建研究區經緯度圖。DEM高程數據由地理數據空間云［23］下載獲得，利用該數據制作研究區坡度、坡向圖。

谷類作物信息來源于MODIS MCD12Q1產品的分類方案5（Land Cover Type 5），使用MODIS Tool進行數據拼接，將拼接獲得的谷類作物分布結果與玉米積溫區劃相結合，明確了陜甘寧春玉米冷害監測范圍。微波數據選取了AMSR-E傳感器中AE-L2A數據作為信息源。毛克彪等［24］研究表明：89.0 GHz的空間分辨率是AE-L2A 6個頻率中最高的，且與地表溫度關系最為密切。研究將AE-L2A中的89.0 GHz垂直極化亮溫升軌和降軌數據進行拼接和單位轉換，獲取逐日完整溫度趨勢面，結果用于后續逐日氣溫模型的構建，具體數據處理方法參照文獻［9］。

對于無測站點春玉米各發育期數據及陜甘寧逐日平均溫度數據，研究利用回歸與殘差加和訂正的方法進行推算，其中殘差項由反距離權重法（Inverse Distance Weighting）［9］插值獲取。

1.3 陜甘寧三省區春玉米冷害監測年份選取

利用1951—2017年陜甘寧三省區逐日氣溫數據，選取玉米冷害高發期4～5月和7～9月，計算這兩個時段各站點積溫距平值，將同年不同站點的積溫距平值再平均，利用該計算結果對當年玉米冷害高發時段熱量情況作出判斷。從圖2、圖3可以看出，近些年陜甘寧三省區熱量條件較好，只在2010年春季總體溫度較以往下降明顯，因此本試驗選取該年份作為目標年進行玉米冷害監測研究。

圖2 陜甘寧三省區1951—2017年4～5月積溫距平平均值

圖3 陜甘寧三省區1951—2017年7～9月積溫距平平均值

1.4 低溫冷害監測指標的選擇

陜甘寧玉米冷害主要發生在每年的春秋兩季。由中國農業信息網［25］獲得了陜甘寧春玉米冷害動態監測指標（表1）。

表1 陜甘寧春玉米冷害判定指標

2 結果與分析

2.1 陜甘寧玉米種植區提取結果

構建積溫空間推測模型，基于各氣象站多年平均≥10℃活動積溫與緯度、經度和海拔之間的相關關系，結合前人總結的玉米生產積溫安全閾值1 900℃.d［25］，提取了陜甘寧玉米理論分布區（圖4，彩插二）。

AT≥10℃= 1.55×104- 99.30α- 61.03β- 1.56γ式中，AT≥10℃為多年平均積溫，α、β和γ分別為緯度、經度和海拔。方程決定系數R2= 0.97，樣本數n = 76，統計檢驗F = 1.53×103，達到0.01極顯著水平，模型均方根誤差RMSE=191.73℃，這一估測精度能夠滿足研究需要（圖5）。

圖5 模擬積溫與氣象站計算積溫結果

在陜甘寧玉米理論分布區提取的基礎上，疊加2003—2013年每年的MODIS MCD12Q1谷類作物分布信息，取玉米理論分布區和谷類作物的交集作為陜甘寧玉米種植區提取結果，獲得的陜甘寧玉米理論種植區面積，占研究區總面積的22.24%。結果用于后續冷害監測（圖6，彩插二）。

2.2 陜甘寧春玉米冷害重點監測時段動態發育期的構建

2.2.1 陜甘寧春玉米靜態發育期的構建 通過對研究區三省區1991—2013年春玉米主要發育期平均值的計算，得到各發育期平均儒略日（表2）。

通過對陜甘寧春玉米播種期、拔節期和成熟期多年平均值與地理因子的相關分析發現，春玉米播種、拔節和成熟期與經緯度和海拔之間有很強相關性（表3），可利用這些因子建立的多元回歸方程推斷未知區域的春玉米農時。

對模擬結果采用未參與建模的27個氣象觀測站點的實測數據進行驗證，結果表明，模擬的春玉米播種、拔節和成熟普遍期（圖7，彩插二）與驗證站點計算的各發育階段的RMSE分別為2.38、1.78和3.08。計算的T統計值分別為-0.14、-0.23和-0.23，其相伴概率分別為0.89、0.82和0.82，結果都比顯著性水平0.05要大，接受T檢驗零假設，模擬值和真實值沒有顯著差異（圖8），實驗結果可用于后續分析。

表2 陜甘寧三省區1991—2013年春玉米發育期（d）平均值變化范圍

表3 春玉米發育期與各地理因子的多元回歸方程

圖8 春玉米拔節普遍期空間分布圖精度驗證

2.2.2 陜甘寧春玉米動態發育期的構建 完成春玉米播種、拔節與成熟期靜態發育期的構建后，采用程勇翔［26］等設計的《作物發育期時空格局動態演示程序 V1.0》輸出監測時段春玉米逐日動態發育期在當年儒略歷日的時空變動圖，結果如圖9（彩插二）所示。拔節至成熟期動態圖的做法相同，研究結果展示從略，不再贅述。

2.3 陜甘寧逐日平均氣溫推算

利用44個氣象站點逐日平均溫度與地理因子和微波亮溫的相關性分析構建了逐日平均氣溫推算方程，并結合緯度圖、經度圖、海拔圖、坡度圖、坡向圖和微波亮溫圖推算出了2010年陜甘寧三省區4～10月每日平均氣溫圖，結果舉例如圖10（彩插三）所示。

利用未參與建模的32個氣象站實測數據對獲取的逐日氣溫數據進行檢驗，模擬值與實測值RMSE為1.75℃。該精度滿足冷害監測所需，可用于后續監測研究。

2.4 陜甘寧春玉米冷害動態監測結果

利用已得到的陜甘寧玉米種植區圖、玉米發育期動態圖，結合玉米冷害監測指標，實現了陜甘寧三省區玉米冷害的動態監測，見表4、圖11（彩插三）。查詢相關資料與2011年中國農業氣象災害統計年鑒記錄：在2010年4月11～15日，陜西省關中北部和陜南局部地區遭遇寒潮霜凍天氣［27］，甘肅全省出現了3～5 d連續低溫天氣，造成上述地區玉米出現 “爛種或死苗”的現象。上述現象與監測結果相吻合。

表4 2010年春玉米春季低溫冷害監測結果

研究利用已報道的玉米中后期冷害監測指標，對2010年陜甘寧春玉米秋季冷害進行監測，結果表明，該區域春玉米未發生明顯冷害，這與2011年中國農業氣象災害統計年鑒記錄一致，與圖3陜甘寧三省區各氣象站點7～9月積溫距平平均值統計結果相吻合。

再利用2010年陜甘寧各氣象站點監測時段數據，計算各站點相對歷史逐日平均值的距平值。將各站點計算的逐日溫度距平值再平均，結果用于衡量研究區每日溫度狀況的虧盈，結果如圖12～13所示。從圖12可以看出，在4～5月有3段明顯低于歷史平均值的時期，該時期與表4冷害監測結果在發生時間和范圍廣度上相吻合。從圖13可以看出，7～9月，各氣象站點逐日溫度距平平均值基本為正數，即使有個別時段出現較小的負距平值，但因夏季溫度普遍較高，氣溫并未低于冷害監測指標值，無冷害發生，該結果與研究監測結果相一致。通過上述分析，進一步證實了研究方法的有效性和監測結果的準確性。

圖12 2010年4～5月陜甘寧各氣象站點逐日溫度距平平均值

圖13 2010年7～9月陜甘寧各氣象站點逐日溫度距平平均值

3 結論與討論

研究中涉及的動態發育期構建對大范圍復雜環境作物冷害監測很有必要，原因是冷害監測臨界指標一般是針對不同發育期研制的，如果沒有考慮發育期和冷害監測指標之間的配合度，很可能判斷錯誤。在現有作物冷害動態監測中很少有學者利用動態發育期圖監測冷害。劉丹等［15］通過MODIS MOD13A2植被指數分析，構建了水稻的各發育期NDVI和EVI監測指標。在水稻各發育期靜態圖構建的基礎上，判讀監測當日水稻理論發育階段，將監測當日實測植被指數與理論發育階段應當達到的植被指數對比，判斷有無延遲型冷害發生，該研究采用的水稻發育期判讀類似于發育期動態圖的構建，基本實現基于發育期植被指數的冷害動態監測，但植被指數分析法對于云污染的像元不能進行冷害監測，存在著一定的局限性。

研究對春玉米面積提取采用了活動積溫與MODIS歷年谷類作物相結合的方法。該方法相比于利用植被指數時間序列分析提取玉米面積來說，雖然在空間位置上不夠準確，但卻更實用，可以幫助農業部門及時確定春玉米冷害發生的大致范圍，對冷害發生區域迅速做出響應，降低農戶經濟損失。而利用植被指數時間序列法提取的春玉米面積雖然準確，但結果較為滯后。研究認為植被指數時間序列分析對后續冷害損失評估和準確測定春玉米受災面積更為適用。

圖14 微波亮溫數據對逐日氣溫推算的影響

研究利用微波數據受天氣條件影響小的特性，為逐日氣溫推算提供了一個溫度趨勢面信息。通過與地理因子的多元回歸分析，推算逐日氣溫。研究進一步比較了加入微波數據和去除該數據對溫度推算的影響。圖14是對日平均溫度的殘差直方圖的Gauss擬合結果，直觀地反映了微波亮溫趨勢面信息對提高氣溫推算的影響：加入微波數據后，逐日氣溫推算的結果與實測氣溫相比較均方根誤差為1.75℃；如果去除該數據，只用地理因子推算氣溫，均方根誤差為2.12℃，微波數據的加入可以將日平均氣溫的推算精度提高0.37℃。氣溫推算精度基本滿足研究所需。

相比于利用LST（Land Surface Temperature）產品通過插補云污染像元，再用于推算氣溫來說，微波亮溫推算氣溫方法推斷次數更少，方法更高效［7-8］。張麗文等利用MODIS8天或逐日LST數據，結合地理因子、植被指數等變量建立多元回歸模型推測平均氣溫，對于受云污染的像元再采用局部窗口空間迭代插補或地面數據空間插值的方法填補，在冷害監測指標的選取上分別利用了積溫距平［7-8］、累積生長度日距平［10］或溫度臨界閾值［9］監測冷害，逐步實現了冷害動態監測，證實基于LST的逐日溫度推算具有一定的準確性。若今后冷害研究中能將逐日微波亮溫數據和MODIS逐日LST數據相結合，則有望進一步提高冷害溫度推算精度。

綜合本研究結果，微波亮溫趨勢面信息的加入可進一步提高逐日溫度的推算精度。大范圍冷害監測時，動態發育期的采用可提高冷害監測指標和發育期的配合度。研究采用的方法經證實可以實現對陜甘寧三省區 春玉米冷害進行大范圍的同步跟蹤監測。本研究方法具普適性，對其他作物冷害監測同樣適用。