黃淮海地區冬小麥物候對氣候變化的響應及對產量的影響

王瑞崢， 江 洪， 金佳鑫， 程 敏

(南京大學國際地球系統科學研究所，江蘇南京 210023)

物候是指受環境(包括氣候、水文、土壤等因素)影響而出現的以年為準周期的自然現象[1]，包括植物的發芽、展葉、開花、葉變色、落葉等現象，是植物通過長期地適應季節性變化的生存環境而形成的一種生長發育節律[2]。農作物物候期則是指農作物生長到達關鍵生育期所對應的日期，它是非常重要的農業信息，是與農業生產、管理以及計劃決策等息息相關的重要依據，更是用來模擬農作物模型的關鍵參數。農作物物候的變化可以反映氣候變化對于農作物生長發育的影響，可以作為氣候變化對農業生態系統影響的指標之一[3-8]。

早期人們通過野外觀測方式來記錄植被個體或群落的發芽、展葉、枯黃和落葉等物候日期，研究物候的特征與功能在時間以及物種水平上的分異。但因觀測能力與范圍的限制，無法實現區域或更大尺度的物候監測。隨著遙感技術的發展，遙感數據能較準確地反映地表植被綠度和結構信息，定量反映區域乃至全球尺度的植被生態特征，因此遙感被迅速應用于物候研究[9]。對于農作物而言，物候信息可以通過田間觀測、積溫預測和遙感監測等多種途徑獲得，但前2種方法在大面積應用中各有其限制[10]，因此遙感監測手段相較于前2種方法更為適用。與傳統物候不同，遙感方法用于描述整個地表景觀的物候變化，側重表征生態系統結構或功能狀態的轉換，因此又稱為遙感地表物候[11](land surface phenology，簡稱LSP)。遙感植被指數(vegetation index，簡稱VI)可指示植被冠層的生理活性，植被指數的周期變化可表征落葉植被冠層葉片從發芽、展葉到枯黃、落葉的過程，也可表征常綠植物冠層葉片從休眠、復蘇、活躍到衰落、再次休眠的過程。研究人員根據需求，在植被時序曲線上設定閾值或選取具有物理意義的節點，用以指示植被的關鍵物候事件或狀態轉折的時間[12]。在遙感地表物候研究中，增強型植被指數(enhanced vegetation index，簡稱EVI)能夠較好地反映高覆蓋區植被季節性特征，且噪聲較小，在森林物候的季節性變化監測中具有優勢[13]。而基于遙感數據生成的歸一化差值植被指數(the normalized difference vegetation index，簡稱NDVI)則能夠在大范圍內較為精確地反映植被生長的季節和年際變化，因而被廣泛地應用于植被監測和物候分析中[14]。目前，國內外諸多學者利用NDVI時序數據對植被物候進行了相關研究，例如，于信芳等對中國東北森林物候期進行監測[15]；Duchemin等對溫帶落葉森林生態系統萌動期和落葉期進行研究[16]。

全球氣候變化已經成為當今社會所面對的一個重大環境問題，是各個國家政府、科學研究人員及人民群眾關注的焦點。而物候作為一種重要的指示氣候變化的因素，研究其對于氣候變化的響應具有十分重要的意義。與此同時，氣候變化尤其是氣溫、降水量的變化，對于農作物生長及其最終產量的影響也是一個意義重大的實際問題。農作物物候變化與其產量之間存在的關系是需要研究的一個重點方向。

小麥是我國主要的糧食作物之一，黃淮海地區是我國主要的小麥生產基地，以種植冬小麥為主[17]。本研究利用SPOT NDVI時序數據對黃淮海地區5個主要省、市(北京、天津、河南、河北、山東)的冬小麥物候期進行監測，分析其物候與氣溫、降水量等氣候因子變化的相關性及其對產量的影響，從而可以更加客觀地理解氣候變化對該地區冬小麥生產的影響，為冬小麥的安全生產和科學管理提供依據。

1 研究區概況

以黃淮海平原地區為研究區，空間范圍為113°～120°E和32°～40°N，包括北京、天津、河南、河北和山東5個省、市，是我國重要的糧食產區。黃淮海平原屬半干旱、半濕潤地區，年均溫8～15 ℃，熱量資源可以滿足喜涼、喜溫作物一年兩熟的要求，年降水量500～900 mm，季節分配不均，主要集中在夏季。該地區農作物主要栽種方式為冬小麥—夏玉米，其播種面積和產量在1995年分別占全國總量的39.7%和52.7%，由1998年相關農業統計資料可知，黃淮海平原冬小麥播種面積占耕地面積的63%，有些縣(市)高達90%以上[18]。冬小麥一般在上一年10月份播種，在當年6月份收獲。研究區域以及冬小麥播種范圍分布見圖1。

2 數據與方法

2.1 數據來源

本研究所采用的遙感數據為SPOT/VGT逐旬NDVI最大值合成數據，時間范圍為1998年6月至2015年6月，空間分辨率為1 km。VGT傳感器專門用于區域和全球尺度植被覆蓋動態的觀測研究，為大、中尺度的環境監測提供了一種新型的、高質量的遙感數據源[19]，數據來自于VITO Earth Observation(http：//www.vito-eodata.be)的SPOT Vegetation數據集。該數據已完成了幾何校正、輻射校正、地圖投影、狀態標志以及大氣校正等處理過程，其NDVI真實值需由圖像灰度值(DN)計算得到，其公式為

NDVI=DN×0.004-0.1。

(1)

氣象數據使用的是中國區域高時空分辨率地面氣象要素驅動數據集(China Meteorological Forcing Dataset)，空間分辨率為0.1°，數據來自寒區旱區科學數據中心(http：//westdc.westgis.ac.cn)。本研究使用的是1 ∶400萬中國植被分布圖，利用該分布圖的農業植被層中的冬小麥作物區域范圍提取出黃淮海地區5省(市)的冬小麥分布區域在1998至2015年的NDVI數據進行分析。冬小麥產量數據來自國家數據網站(由國家統計局提供)。

2.2 NDVI時間序列平滑

利用NDVI時序數據提取冬小麥物候期特征的重要基礎是對其時序數據進行平滑處理，這是由于傳感器在獲取地面信息時，云和大氣等自然因素所產生的信號噪聲對于數據的質量具有一定的影響，這些信號噪聲使得NDVI時序數據呈現出一定的鋸齒狀的不規則波動，不適合直接用于分析各種趨勢變化以及提取物候信息。對時序數據進行平滑重構可以最大程度地減小噪聲影響，同時也可以減少數據的空值點，更好地描述變化過程。

本研究所使用的平滑方法為改進的Savitzky-Golay濾波器對NDVI時間序列進行濾波處理[20]。SG濾波器是由Savitzky和Golay于1964年提出的最小二乘法濾波器，又稱為數據平滑多項式濾波器。其設計思想是不使用固定的常數窗口對基礎數據進行近似擬合，而是使用高階多項式實現滑動窗口內的最小二乘擬合。其基本原理是通過在取值點xi附近固定數量的點來擬合1個多項式，多項式在xi處的值，就是經過SG濾波光滑處理后的數值。對于NDVI時序數據的SG濾波過程可以由下式描述：

(2)

式中：Y′為合成之后的序列；Y為未平滑之前的原始數據；Ci為濾波系數；N為滑動窗口包括的數據點數[21]。利用SG濾波器進行平滑時，需要對2個參數進行選擇性修改。第1個是平滑窗口的大小，一般用m表示，其值越大，結果越平滑，被平滑的峰谷值越多；第2個參數是平滑多項式的階數，較低的階數可以得到更加平滑的結果，但是會保留一些異常值，而較高的階數可以去除異常值，但結果可能存在更多噪聲。Chen等在上述的S-G濾波基礎之上，考慮到云層和大氣質量的影響產生的噪聲污染，提出了一種新的方法，基于S-G濾波進行改進進而實現精度的進一步提高[20]。本研究利用改進后的S-G濾波方法，其中2種主要參數是選取窗口大小為5、階數為2，對1998年6月至2015年6月的NDVI時序數據進行平滑處理，圖2為1999年的平滑結果。

由圖2可以看出，經過改進的SG濾波處理平滑后，可以有效地去除一些異常值。對于本研究區，冬小麥大部分為一年兩熟制，夏熟作物為冬小麥，由圖2還可以看出，NDVI時序曲線呈現明顯的雙峰形態，夏季波峰對應的即為冬小麥的抽穗期。

2.3 冬小麥物候期提取

黃淮海地區冬小麥一般在9月下旬到10月上旬播種，經歷1個完整的生長周期：播種、出苗、分蘗、越冬、返青、起身、拔節、挑旗、抽穗、開花、灌漿、成熟12個生育期。本研究主要提取冬小麥3個主要生育期，即返青、抽穗和成熟期來進行分析。冬小麥返青期大概在2月末至3月期間開始，NDVI呈升高趨勢；在4月末至5月，NDVI達到峰值，即為冬小麥抽穗期；隨著NDVI逐漸降低，在6月到達成熟期，冬小麥整個生長周期結束。

冬小麥生育期主要是從當年的11月至次年的7月，而本研究所要提取的3個主要物候期皆處于1月至6月這個時間段中，因此選取各年冬小麥生育期內(11月至次年6月)平滑后的NDVI序列進行物候期提取。

用雙高斯模型[22]對冬小麥生育期內NDVI序列進行擬合，利用擬合后獲得的冬小麥物候模型曲線，提取3個主要物候期。雙高斯模型，即使用2個高斯模型組合來描述冬小麥物候，具體公式可以用下式表達：

(3)

式中：y表示植被指數NDVI值；x表示觀測值對應的時間；a1、a2、b1、b2、c1、c2為通過擬合所得到的參數。圖3是1999年11月—2000年6月冬小麥物候期模型模擬結果，擬合結果r2為0.982 4，各年份冬小麥物候模型擬合結果r2均在0.9以上，擬合結果較為準確。

對擬合后的曲線，采用比例閾值法[23]來提取冬小麥的返青期、抽穗期和成熟期。將NDVI增加和減小達到NDVI振幅一定比例時所對應的時間分別定義為返青期和成熟期，定義NDVI達到最大值的時間點為抽穗期。衛煒等參考我國北方地區的作物物候歷將生長季開始和結束的比例閾值分別設置為10%和50%[24]。因此，選取NDVI時間序列曲線達到上升階段振幅10%的時刻為冬小麥生長季開始，即為返青期；選取NDVI時間序列曲線達到下降階段振幅50%的時刻為生長季結束，即為成熟期；NDVI達到最大值時刻即為抽穗期。

NDVIlim=(NDVImax-NDVImin)×C。

(4)

式中：NDVIlim為達到指定閾值時的NDVI值；NDVImax為NDVI最大值；NDVImin為上升或下降階段NDVI的最小值；C為設定的閾值。

3 結果與分析

3.1 冬小麥關鍵物候期的空間分布

根據“2.3”節中介紹的冬小麥物候模型擬合以及物候期提取方法，提取出1999—2015年研究區內冬小麥返青期、抽穗期和成熟期，計算多年平均值以及標準差，得到圖4、圖5、圖6。

冬小麥于返青期快速生長，NDVI增長明顯。根據計算結果，研究區內冬小麥返青期平均值分布，由南向北呈現逐漸推遲的趨勢，符合春季綠波由南向北推移規律[25]，河南省東部地區返青期出現日期最早，多處于2月中旬，京津地區較晚，返青期大多出現在3月中下旬，其平均出現日期為2月24日；經過返青期拔節之后，冬小麥葉面積指數增加，抽穗期時達到最大值，其NDVI值也達到最大值。由圖5可以看出，冬小麥抽穗期空間分布同樣表現為南部較早，向北逐漸延遲，其平均出現日期為5月8日；成熟期空間變化幅度較小，但同樣表現出由南向北推遲的現象，其平均出現日期為6月5日。

由圖4可以看出，京津地區以及河北南部偏東、山東北部地區返青期標準差偏高，說明該地區返青期變化較為明顯，波動較大；圖5顯示，抽穗期變化較為平穩，其標準差均較低，波動起伏不明顯；成熟期波動與返青期一致。

3.2 冬小麥物候與氣候因子的關系

對提取出的冬小麥各年物候期分別求平均值，研究其變化趨勢，進而研究其與氣候因子相關性。

由表1可以看出，1999年至2015年研究區內冬小麥返青期在2月中下旬及3月上旬，大致呈現提前趨勢；抽穗期為5月上旬和5月中旬；成熟期大多在6月上旬以及中旬。

根據1999年至2015年冬小麥生育期與月平均溫度、月降水量相關分析，冬小麥抽穗期與3月份氣溫相關系數為 -0.592，P=0.012，相關性達到0.05顯著水平；成熟期與3月份氣溫相關系數為-0.610，P=0.009，相關性達到0.01顯著水平。其他物候期與溫度、降水量的相關性均未達到顯著水平。可以看出，冬小麥物候期主要受到氣溫變化影響，對于降水量的響應并不明顯。對1999—2015年各物候期與氣溫、降水月數據進行線性回歸分析，同樣發現返青期與氣溫、降水變化并無顯著線性關系，而抽穗期與3月氣候數據存在較為顯著的線性關系：

Y=-0.106T-0.004P+23.771。

(6)

式中：Y表示抽穗期出現的旬數(以上一年11月上旬為1)；T表示月均溫，℃；P表示月均降水量，mm。此回歸模型R=0.629，P=0.03，達到0.05顯著性水平。由公式(6)可以看出，影響抽穗期的主導因素為3月份氣溫數據。

結果表明，冬小麥返青期與氣溫、降水并無明顯相關關系，這可能是由于冬小麥種植時間受人為因素影響較大，進而導致返青期的無規律性；而抽穗期由于受人為因素影響較小，與3月氣溫表現出較高的相關性，則體現出冬小麥物候對于氣候變化的響應。

3.3 冬小麥物候對其產量的影響

利用1999—2015年黃淮海地區5省(市)的冬小麥產量數據，與冬小麥生育期內1—6月NDVI均值進行相關性分析，研究其關系。結果表明，產量與3、4、5月NDVI顯著相關，R分別為0.778、0.814、0.880，均到達0.01顯著性水平。3—5月為返青后的3個月，涉及抽穗期與成熟期，說明冬小麥產量主要與抽穗期、成熟期有關。

利用1999—2015年黃淮海地區5省(市)的冬小麥產量數據，與冬小麥物候進行相關性分析，研究其關系。分別分析返青期、抽穗期以及成熟期與冬小麥產量多年變化的關系，結果如表2所示。

表1 冬小麥物候提取結果 月-日

表2 冬小麥物候期與其產量的相關性

由表3可以看出，相對于返青期，1999—2015年冬小麥產量與抽穗期、成熟期具有更高的相關性，且均達到0.01顯著性水平，這進一步說明冬小麥產量主要與抽穗期和成熟期有關。由于冬小麥在返青期的生長主要是生根、長葉和分蘗，對于產量的影響并不能直接顯示出來，因此返青期與冬小麥產量之間相關性并不顯著；而冬小麥抽穗期至成熟期這段時間，冬小麥由葉鞘中長出穗，發育完全的穗，隨著莖稈的伸長而伸出頂部葉，經過開花期，直至胚乳呈蠟狀，籽粒開始變硬成熟，這段時期是小麥作物量增加的重要時段，與其產量直接相關，因此抽穗期、成熟期與小麥產量顯著相關。

為了進一步研究冬小麥產量與其物候之間的關系，分析其產量與生長季長度(返青期至成熟期)之間的關系，得到二者相關系數為0.413，P=0.099，未達到顯著相關；同時分析產量與冬小麥抽穗期至成熟期長度之間的關系，得到二者相關系數為0.582，P=0.014，達到0.05顯著性水平。結果進一步表明，冬小麥產量主要與抽穗期至成熟期這段時間更為相關。

4 結論

本研究通過對黃淮海地區5個主要省(市)的冬小麥NDVI進行分析，進而提取冬小麥主要物候期，結合氣象數據進行相關分析，并分析其物候與產量之間存在的聯系。結果表明：(1)研究區內冬小麥物候期在空間分布上均呈現出由南向北逐漸推遲的規律。(2)對冬小麥物候期的提取，返青期在2月中下旬及3月上旬，大致呈現提前趨勢；抽穗期為5月上旬和5月中旬；成熟期大多在6月上旬以及中旬。結合氣象數據進行相關分析發現，冬小麥抽穗期與3月平均氣溫密切相關，3月份溫度越高，返青期越早，反之亦然，相關性達到0.05顯著水平；成熟期與3月氣溫相關性也達到0.01顯著水平。其他物候期與溫度、降水量的相關性均未達到顯著水平，可以看出，冬小麥物候期主要受到氣溫影響。(3)分析冬小麥物候對其產量的影響，發現冬小麥產量與其抽穗期、成熟期具有顯著相關性，與返青期并無明顯相關性；冬小麥產量與其生長季長度相關性未達到顯著水平，但是與抽穗期至成熟期時間段長度相關性達到0.05顯著水平，與實際情況較為相符，這是由于糧食的累積主要是在抽穗期開始，與返青期無明顯關系。

通過對冬小麥物候期的模擬提取以及分析其物候與產量、物候與氣候變化之間的關系，進一步確定了物候提取方法的精確性，為冬小麥物候的提取提供了參考；同時由分析結果得出的產量與物候之間的關系，可以為冬小麥的安全生產和科學管理提供依據，對農業生產發揮一定的指導作用。但影響冬小麥物候的因素還有諸如地形、冬小麥品種等，其綜合作用可能會使冬小麥物候存在一些差異，在今后的研究中應考慮這些因素的綜合影響，使得物候提取更加精確。