基于綜合指標的河北省冬小麥長勢遙感監測

周邵寧，黃芝

（衡陽師范學院 地理與旅游學院，湖南 衡陽 421002）

作物長勢監測能夠為早期估產提供依據，已成為精細農業研究中的重要內容[1]。但是農作物個體特征和群體特征信息的獲取均費時費力，無法在短時間內獲得大范圍作物長勢信息。遙感技術以其響應速度快、覆蓋范圍廣等優勢，己成為大尺度作物長勢監測的重要手段[2]。目前根據監測方法的不同，作物長勢遙感監測大致可以分為4個類別：直接監測法、作物生長過程監測法、同期對比法和作物的生長模型[3]。

應用遙感技術對農作物長勢進行監測的精度還有待提高，學者們一直致力于研究更優的方法以期提高農作物長勢監測的精度：利用遙感數據反演作物生長密切相關的驅動因子，如植被指數、葉面積指數、表面溫度、土壤水分等，比傳統測量方法更直接、有效，監測精度更高。如杜剛對用于監測農作物長勢的各類植被指數模型進行了類推比較，并且著重分析了歸一化植被指數在植物長勢監測方面的應用[4]。彭少麟等提出，由于不同植物會有不同的發射光譜特征，且同一植物在不同的生長發育階段和不同的條件下反射光譜曲線形態和特征也不會全然相同，因此可以利用植被的這一特征和遙感數據，結合地面調查監測植被的生長[5]。另外基于紅波段和近紅外波段這兩個波段計算得到的植被指數也能夠反映作物生長過程、覆蓋度和季相變化，也常用于監測農作物的生長狀況[6-7]。同時通過改進MODIS數據的植被指數的獲取精度以及利用MODIS的多通道信息反演多種農學參數[8]，能有效解決高時間分辨率的農作物長勢監測問題[9]。葉面積指數（Leaf area index，LAI）作為植被生物物理參數中的重要一員，是作物單產預測的重要參數，與作物產量有直接的關系[10]，因此，張樹譽等人運用MODIS-NDVI序列數據聯合地表氣候觀測材料對關中水地以及旱地農作物長勢展開監測，同時對LAI進行了估算[11]。楊昕通過獲取小麥各個生長時期的SPAD（葉綠素含量）、LAI、葉片含氮量、生物量等參數創建不同的模型來監測小麥的長勢[12]。侯學會等人基于GF-1數據分別創建OSAVI（優化的土壤調節植被指數）、NDVI、EVI（增強型植被指數）、EVI2（雙波段增強植被指數）、RVI（比值植被指數），結合實測冬小麥葉面積指數來監測冬小麥的長勢[13]。

上述的監測方法基本上是基于單個或多個植被指數分別對冬小麥長勢進行監測，高效的冬小麥長勢監測方法仍需進一步探討；同時，以往的研究較少考慮大范圍監測時物候變化所帶來的生長差異，因此為了進一步提高冬小麥長勢監測精度，本文選取VTCI和NDVI時間序列通過灰色關聯度方法構建綜合監測指標C，利用該綜合指標對2005年—2016年河北省冬小麥的抽穗期進行監測，并對冬小麥的長勢狀況的時空格局進行相關分析，以期得到精度更高的冬小麥長勢監測結果，為精細農業的發展以及農作物估產提供參考。

1 研究區概況與數據來源

1.1 研究區概況

河北省圍繞著首都北京，總面積188 800 km2，統轄著11個地級市和1個國家級新區雄安新區，有47個市轄區、20個縣級市、95個縣、6個自治縣。處在東經113°27′~119°50′，北緯36°05′~42°40′。地形包括三個重要的地貌單元，其中，壩上高原海拔1 200~15 000 m左右，占全省總面積的8.5%，燕山、太行山地，多在海拔2 000 m之下，占全省總面積的48.1%，河北平原則是華北平原的一部分，大部分海拔在50 m以下，約占全省總面積的43.4%。

河北省的農作物主要以小麥、玉米、棉花、水稻、土豆為主，并且在空間分布上有差異：南部地區主要以種植小麥、玉米為主；中北部地區以種植棉花、土豆為主；西南地區少部分種植水稻。冬小麥和夏玉米是河北省復種率最高的兩種農作物。耕作制度主要是一年一熟和一年兩熟。

1.2 數據來源與處理

1.2.1 MODIS遙感數據

本文選取的是經過嚴格處理的少云（云量要求20%以下）陸地標準產品MODO9A1 8天合成地表反射率產品以及MYD11A1地表溫度L3產品，獲取的數據覆蓋面為河北省2005年—2016年的3~5月時相數據；選取的研究時間段足夠長，并且該期間的冬小麥長勢與產量存在偏好（偏豐產）、偏差（偏歉收）等不同長勢和收獲情況（如表1所示）。這為長勢監測結果的精度驗證提供了有利條件，因此將2005年—2016年作為研究時段具有典型性。河北省在全球的MODIS劃分區塊中涉及到h27v5，h27v4，h26v4，h26v5這四個網格的數據。經過拼接、重采樣、投影轉換等處理后，反演日LST產品和計算日NDVI產品，然后生成LST與NDVI的旬最大值合成影像，進而計算生成以旬為單位的VTCI時間序列數據。

表1 河北省冬小麥2005年—2016年單產量

1.2.2 研究區冬小麥種植區域提取

對河北省冬小麥抽穗期的長勢情況展開監測，研究前提在于準確提取冬小麥區域。河北省的冬小麥通常在每年11月中上旬悉數出苗，此時大部分的秋收作物已經收割完畢，田間的綠色作物主要是小麥，其他綠色植物相對較少。但此期間樹木還沒有完全落葉，綠度值與小麥的綠度值沒有辦法區別開來。因此，本文選擇2006年10月14日13時AQUA衛星遙感資料，該時期秋收作物大都已經收割完畢，冬小麥還沒有出苗或麥苗還小，近乎裸地的區域視為冬小麥的種植區域[14]，將其進行監督分類得出冬小麥種植區如圖1所示。

圖1 冬小麥種植區

2 基于綜合指標的冬小麥長勢遙感監測方法

基于綜合指標的冬小麥長勢遙感監測的主要流程如下[15]：首先將獲取的原始MODIS數據進行數據預處理，提取河北省冬小麥可種植區域，反演日LST產品和計算日NDVI產品，然后生成LST與NDVI的旬最大值合成影像，進而計算生成以旬為單位的VTCI時間序列數據。由于衛星在拍攝過程中，受云、氣溶膠、雙向反射以及數據傳輸錯誤等多重因素的影響，會出現異常植被指數值，影響NDVI數值精度，所以必須在監測之前重建NDVI時間序列數據，選擇S-G濾波法對研究區的時間序列NDVI數據進行濾波去噪和影像重建。接著運用灰色關聯度法分別計算NDVI與VTCI在冬小麥年單產量中的權重值，構建綜合監測指標C，再通過構建冬小麥單產量與綜合監測指標C的線性回歸模型作出對綜合指標的適宜性進行分析。最后通過動態監測方法分別分析冬小麥長勢的年際差異以及區域差異，對冬小麥長勢進行評價。

2.1 長勢監測綜合指標構建

綜合指數C的構建主要以河北省2005年—2016年的冬小麥單產數據作為參考數列，研究區的冬小麥單產數據來源于《河北農村統計年鑒》，相應時間段的NDVI與VTCI作為被比較數列，通過計算冬小麥抽穗期VTCI序列、NDVI序列與單產數據之間的絕對關聯度，確定冬小麥VTCI與NDVI作為長勢監測指標的權重值。

灰色關聯度分析法[16]是通過分析因素的歷史數據，借助灰色關聯度來考察各因素間的大小、強弱和次序關系。該方法簡單易行，對數據要求較低，能夠很好地降低數據缺失對研究結果所造成的影響，廣泛應用于社會生活的各個領域。它的過程一般為對所研究的系統Si( i =1,2,…,n)，構造研究所需的參考序列X0=( x01,x02,…,x0m)和比較序列Xi=( xi1,xi2,…,xim)，式中x0k(k=1,2,…,m)為第k個指標的最優值；xik(k=1,2,…,m)為第i個方案中第k個指標的原始數值。為了保證對不同量綱與數量級之間的指標比較結果的可靠性，需通過標準化處理將原始數據轉換為無量綱值Cik：

式中xkmin為第k個指標在所在方案中的最小值；xkmax為第k個指標在所在方案中的最大值。

接著對參考序列及權重系數向量ρ( ρ∈[- 1,1] )進行確定，當ρ值在0.500 0~0.546 3時分辨力較好，且關聯系數ξi(k)分布區間適宜，在實際應用中適用性廣泛，故通常取ρ=0.5。根據上述條件來計算關聯系數ξi(k) 以及關聯度ri，再以關聯度大小為依據對變量進行大小排序。其中關聯系數ξi(k)和關聯度ri分別通過下列公式計算：

再依據絕對關聯度ri反映了第i個方案各指標與最優指標之間的關聯程度，ri值越大，則第i個方案越優異，其權重值越大。因此依據各方案絕對關聯度在所有方案絕對關聯度總和中所占的比確定各方案的權重系數Wi[17]：

由公式（2），式（3），式（4）計算得到研究區域NDVI與VTCI的權重值分別為0.51和0.49，即構建的綜合監測指標C的表達式為

中國氣象局發布的《主要糧食作物產量年景等級》將主要糧食作物的產量年景劃分為6個等級：豐年、偏豐年、持平略增、持平略減、偏歉年與歉年。全國尺度和省級尺度的糧食作物的產量年景等級及其對應的總產或單產增（減）率Py的區間分布如表2所示。根據該劃分標準中的分省單產對應的產量年景劃分標準將綜合監測指標C劃分為好、偏好、持平稍好、持平稍差、偏差、差，取置信水平1－α為0.95，統計分析每一等級C的均值、標準差、置信區間等，依據各等級置信區間的上（下）限，制定冬小麥綜合監測指標分級標準如表3所示。

表2 產量年景等級及產量增（減）率指標(%)

表3 冬小麥綜合監測指標分級標準

2.2 綜合指數適用性分析

回歸分析是描述客觀事物間關系密切程度并將其定量化表示出來的一種統計分析方法。其中的一元線性回歸是用y=a+bx擬合一系列對自變量x和因變量y的數據觀察值的過程，通過決定系數R2評價y與x之間的擬合度，R2的取值范圍在0~1，越接近1，擬合度越好。本文利用研究區域2005年—2016年冬小麥的NDVI和VTCI以及綜合長勢監測指標C分別構建與冬小麥單產數據之間的線性回歸模型，其結果如表4所示。由表4可知，三個監測指標與冬小麥單產之間的相關性最好的是綜合監測指標C，其對應R2為0.509 2，指標NDVI與VTCI的R2分別為0.125 0和0.127 9，皆低于綜合指標的決定系數。基于此可以得出結論，綜合監測指標C的構建具有理論意義，比起單一的植被指數或者監測指標更加能過反映冬小麥的長勢情況。

表4 2005年—2016年河北省冬小麥各長勢監測指標與省級單產的線性回歸模型

3 2005年—2016年冬小麥長勢綜合評價

通過構建綜合監測指標C的公式進行計算，并且按照表2冬小麥的長勢劃分等級標準能夠得出河北省每年的冬小麥抽穗期長勢空間分布如圖2所示。

圖2 河北省2005年—2016年冬小麥抽穗期長勢空間分布

從2005年—2016年（2014年和2015年數據缺失）整體的方向來看，河北省冬小麥生長趨勢整體平穩，生長差的區域以及生長好、兩極分化的區域所占的比比較少，長勢基本處于持平狀態。長勢嚴重低于同年均值的主要是西南部地區。有幾年生長趨勢持平稍差的區域所占比重較多，或者說空間分布明顯區別于其他年份的冬小麥長勢空間分布。例如2010年冬小麥抽穗期長勢偏差和持平稍差等級的區域所占比重最大，占據了河北省冬小麥整個種植區的絕大部分，長勢持平稍差等級占比約為61.95%，長勢持平稍好的區域只占一小部分，約為16.85%，這與2010年河北省的氣象災害受災率達到了大約28%相符[18]。2005年以及2009年長勢持平稍差占比也比較大。而2008年、2011年、2013年的冬小麥生長趨勢相較于其他年份則長勢優異；其中2008年長勢持平稍好以上等級分別占了整體空間分布格局的31.38%，36.48%，35.10%。10 a間長勢最好的年份當屬2013年，長勢好等級占冬小麥區域的絕大部分。研究期內，河北省的大部分冬小麥區域的長勢都趨于持平稍好，少數年份的持平稍差，長勢好或差以及偏差的冬小麥在這10 a間所占的比極低。

從河北省的冬小麥抽穗期生長趨勢空間分布格局進行對比發現，河北省中部地區的冬小麥在研究期內長勢比較穩定一致。2005年—2016年冬小麥生長情況較好的地區都集中在河北省的西南部、西部以及北部，只有2010年的西部、西南部以及南部地區的冬小麥長勢差于其他的區域，出現了少數的長勢偏差等級。在研究期內，冬小麥區域中幾乎不存在長勢差的冬小麥，長勢等級集中在持平稍好、偏好范圍內。

4 評價結果驗證

冬小麥長勢是降水、墑情或干旱狀況的綜合反映[13]。本文利用已有的相關研究對河北省冬小麥長勢評價結果進行驗證。據王素萍等人的研究，2009年12月末，河北出現輕到中旱，并且2010年2月末河北中部旱象露頭，出現輕旱[19]。在一定程度上導致了冬小麥2010年長勢情況不樂觀，持平稍差長勢占據大部分地區，這與本文研究結果一致。除此之外，孔敏等人對河北省2013年年降水量地區分布做出分析，全省年降水量地區分布總體呈現南、北部略偏少，中部地區偏多[20]，而本文得出的2013年冬小麥長勢等級分布中部優于南北部，這與孔敏等人的分析結果一致。同時代立芹等對河北省冬小麥凍害發生規律進行分析，結果表明河北省冬小麥凍害地域分布為：南部多于北部，凍害高發區主要集中在中南部麥區[21]。縱觀本文研究時間段可以看出冬小麥長勢中部及中北部優于南部。這與代立芹等人的研究結果仍有一致性。雖然本文研究結果與前人相關研究存在數據源、空間尺度以及研究時間等差異，但在一定程度上仍然具有一致性，因此，本文基于綜合指標對河北省冬小麥長勢進行監測具有實際意義以及可靠性。

5 結論

選取河北省2005年—2016年（由于影像獲取原因不包括2014年和2015年影像）的MODIS產品數據為主要數據源，考慮物候差異的影響，提取河北省冬小麥抽穗期進行監測，選用條件溫度植被指數VTCI和歸一化植被指數NDVI構建綜合監測指標C，通過作物生長過程動態監測方法監測河北省冬小麥逐年的長勢變化。主要結論如下：

（1）目前已有的成果一般都是根據作物多年平均長勢狀況對當年相應時間點或時間段的作物長勢進行研究，忽略了大范圍長勢監測，不同區域作物會因所處物候期的不同導致長勢出現差異從而帶來的監測誤差。因此，本文主要選取冬小麥抽穗期為長勢監測階段，初步消除了長時間和大區域作物長勢監測中物候差異帶來的影響。

（2）選用條件溫度植被指數VTCI和歸一化植被指數NDVI構建的綜合監測指標C經過驗證得出結論，比單一NDVI與VTCI而言，C的監測精度更高，更能體現冬小麥抽穗期的長勢情況。但是監測指標C對于冬小麥的其他物候期以及其他地區的冬小麥是否有效，還需進一步研究。

（3）通過年際之間的對比研究發現，河北省的冬小麥長勢在2005年—2016年整體生長趨勢呈持平稍好的狀態，大部分年份的冬小麥生長趨勢都與年均生長趨勢相近，但也存在生長趨勢波動較大的年份，例如2010年，由于受到旱災影響，冬小麥出現了長勢偏差情況。從長勢空間分布格局來看，2005年—2016年，河北省的中部、中北部冬小麥長勢要相對優于南部地區。