基于綜合指標的農(nóng)作物長勢遙感監(jiān)測研究
——以松嫩平原為例

趙 鑫，那 曉 東

(寒區(qū)地理環(huán)境監(jiān)測與空間信息服務(wù)黑龍江省重點實驗室/哈爾濱師范大學(xué)，黑龍江 哈爾濱150025)

0 引言

世界人口的不斷增長以及氣候的不斷變化帶來嚴重的全球糧食安全問題，及時獲取農(nóng)作物長勢信息對農(nóng)業(yè)生產(chǎn)預(yù)警、農(nóng)業(yè)政策抉擇以及農(nóng)作物產(chǎn)量估算等具有重要意義[1-5]。近年來，基于光學(xué)遙感衛(wèi)星影像提取的歸一化差異植被指數(shù)(NDVI)、增強植被指數(shù)(EVI)等突破了田間觀察的時空限制[6-9]，成為農(nóng)作物長勢監(jiān)測的重要指標[10-14]。然而，以往相關(guān)研究多基于單一的植被指數(shù)結(jié)合閾值法評價農(nóng)作物長勢，具有一定主觀性且監(jiān)測精度略有不足。為此，Teng提出基于差值模型的農(nóng)作物長勢監(jiān)測方法：將待監(jiān)測年份植被指數(shù)與歷史時期植被指數(shù)數(shù)據(jù)集的平均值進行對比，以反映實時的農(nóng)作物長勢[15]。我國學(xué)者針對不同的農(nóng)作物類型分別構(gòu)建了多年平均植被指數(shù)數(shù)據(jù)集，并采用差值模型對玉米、水稻以及大豆等農(nóng)作物的長勢狀況進行監(jiān)測與評估[3,16,17]；張春蘭等為解決植被指數(shù)選取較單一的問題，通過多個農(nóng)作物長勢參量表征冬小麥長勢狀況[18，19]，但研究時段較短(兩年)，且長勢參數(shù)的普適性及其在大范圍區(qū)域的適用性有待進一步驗證。

綜上，目前研究多利用單一指標進行農(nóng)作物長勢監(jiān)測，基于綜合指標進行農(nóng)作物長勢監(jiān)測的研究相對較少，且多數(shù)研究時段較短。因此，本文提出一種新的農(nóng)作物長勢綜合監(jiān)測指標GI (Growth Index)，通過建立松嫩平原近20年的歷史綜合植被指數(shù)數(shù)據(jù)庫對該指標進行驗證，并與產(chǎn)量數(shù)據(jù)進行對比分析，從而利用松嫩平原遙感影像快速獲取該區(qū)域農(nóng)作物長勢信息。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

松嫩平原(位于121°40′～128°30′E,42°30′～51°20′N)是中國東北三大平原之一，是中國重要商品糧生產(chǎn)基地之一，其耕地面積約為559萬hm2(圖1)。該地區(qū)屬溫帶大陸性季風氣候，海拔80～1 670 m，東部被長白山環(huán)繞，西鄰大興安嶺，北靠小興安嶺，年均溫在0～5 ℃之間，年均降水量為380～610 mm，其中約80%集中在夏季(5-10月)，即農(nóng)作物生長期[20]。松嫩平原作為典型的農(nóng)田生態(tài)系統(tǒng)，自20世紀90年代初以來，農(nóng)業(yè)環(huán)境發(fā)生明顯變化，對耕地種植和農(nóng)業(yè)生態(tài)系統(tǒng)結(jié)構(gòu)及功能產(chǎn)生消極影響[21]，使其農(nóng)業(yè)可持續(xù)性面臨重大挑戰(zhàn)。由于黑河市、齊齊哈爾市、綏化市、大慶市、哈爾濱市、白城市、松原市、長春市、四平市9個市農(nóng)作物耕地面積約占松嫩平原的90%，因此本文選取這9個市作為研究區(qū)。

圖1 2019年松嫩平原耕地利用現(xiàn)狀Fig.1 Status of cultivated land use in the Songnen Plain in 2019

1.2 數(shù)據(jù)獲取與預(yù)處理

1.2.1 MODIS遙感數(shù)據(jù) MODIS遙感數(shù)據(jù)源自美國 NASA LPDAAC EOS數(shù)據(jù)中心[22]，其中分辨率成像光譜儀植被指數(shù)產(chǎn)品(MOD13)可以提供全球植被狀況的時空比較，時間分辨率為16 d，可用于監(jiān)測陸地光合植被活動，支持物候變化檢測和生物物理解釋[23,24]。為滿足監(jiān)測時效性，本文選取松嫩平原2000-2019年生長季(第120天至第304天)的MOD13Q1產(chǎn)品。對遙感數(shù)據(jù)利用MODIS Reprojection Tool software (MRT)及ArcGIS進行波段提取、拼接、裁剪、重采樣(空間分辨率為250 m)和投影轉(zhuǎn)換(由 Sinusoidal 投影轉(zhuǎn)換為經(jīng)緯度投影，投影參數(shù)：第一標準緯線為25°0′0″N，第二標準緯線為47°0′0″N，中央經(jīng)線為105°0′0″E)等預(yù)處理。為消除云、雨、大氣對數(shù)據(jù)的影響，采用S-G濾波器(式(1))[25]逐像素重建研究區(qū)的植被指數(shù)時間序列數(shù)據(jù)，濾波使用的二項式擬合次數(shù)為1，通過多次試驗觀察及S-G濾波法原理，選擇最佳擬合滑動半窗口為5。通過濾波后得到的遙感圖像灰度值變化平穩(wěn)，顯著改善了原始數(shù)據(jù)的質(zhì)量問題。

(1)

式中：Y為原始植被指數(shù)值；Y*為合成植被指數(shù)值；Ci為第i個植被指數(shù)值的濾波系數(shù)；N=2n+1為過濾器(平滑窗口)包含的數(shù)據(jù)數(shù)量；索引j為原始縱坐標數(shù)據(jù)表的運行索引。

1.2.2 土地利用數(shù)據(jù)及產(chǎn)量數(shù)據(jù) 2000-2019年松嫩平原農(nóng)作物覆蓋信息數(shù)據(jù)源于中國科學(xué)院資源與環(huán)境數(shù)據(jù)中心(http://www.resdc.cn)提供的1∶10萬土地利用現(xiàn)狀數(shù)據(jù)，該數(shù)據(jù)基于Landsat TM影像通過人工目視解譯獲取，精度達90%以上。為統(tǒng)一影像分辨率，本文通過最近鄰法將數(shù)據(jù)分辨率重采樣為250 m。土地利用類型包含耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地以及未利用地6個一級類型及25個二級類型，其中耕地包括水田和旱地兩種[26](圖1)。2000-2019年松嫩平原的播種面積及產(chǎn)量數(shù)據(jù)源于黑龍江省統(tǒng)計局和吉林省統(tǒng)計局。松嫩平原近20年的農(nóng)作物統(tǒng)計年鑒顯示，該區(qū)域主要的大宗作物有玉米、水稻、大豆、春小麥等糧食產(chǎn)物，作物種植結(jié)構(gòu)以及各作物的播種面積雖有年際變化但變化不大，因此本文忽略了農(nóng)作物種植結(jié)構(gòu)對最終單產(chǎn)的影響。

2 研究方法

2.1 農(nóng)作物長勢綜合監(jiān)測指標構(gòu)建

植被指數(shù)普遍應(yīng)用在植被種類判別、植被長勢評估以及經(jīng)濟作物產(chǎn)量估算等研究中[27]。利用時空序列遙感數(shù)據(jù)獲取合理表達植被動態(tài)變化的估計值，可科學(xué)、準確評估農(nóng)作物長勢狀況[28]。本研究參考文獻[6,13,29-32]，選取6種常用的監(jiān)測農(nóng)作物長勢的植被指數(shù)(表1)與2000-2019年農(nóng)作物生長季的產(chǎn)量數(shù)據(jù)進行主成分分析與回歸分析，結(jié)果顯示NDVI和EVI兩種植被指數(shù)可在99.93%的程度上解釋歷年的農(nóng)作物產(chǎn)量變化，因此，本文采用NDVI和EVI構(gòu)建綜合監(jiān)測指標。其中，NDVI能有效表征植被發(fā)育時的數(shù)據(jù)信息，可展現(xiàn)不同農(nóng)作物物候期的表現(xiàn)形式，從而獲取農(nóng)作物長勢信息[32]；EVI能敏感地監(jiān)測茂密植被和稀疏植被生長與衰落狀況，可以較真實、穩(wěn)定地表現(xiàn)農(nóng)作物生長過程[6]。

表1 不同植被指數(shù)計算公式Table 1 Formulas of various vegetation indices

綜合監(jiān)測指標構(gòu)建流程為：首先對生長季各月份的NDVI和EVI進行歸一化(式(2))；然后通過調(diào)整參數(shù)設(shè)計9組實驗，分別賦予系數(shù)a(NDVI)和b(EVI)不同的數(shù)值，求出各指標的最佳R2值，得到兩個最佳系數(shù)與最佳回歸模型；最后利用式(3)獲取最優(yōu)的綜合監(jiān)測指標GI。

UiZ=XZ/max(XZ)

(2)

GIZ=aUi1Z+bUi2Z

(3)

式中：Ui、X分別為第i類指數(shù)的歸一化值和原始值，i1為NDVI值，i2為EVI值；a、b分別為NDVI、EVI的系數(shù)，取值范圍均為0.1～0.9；Z為生長季的月份，本文中取5～10。

2.2 差值模型構(gòu)建

本文采用可以體現(xiàn)農(nóng)作物長勢年際變化的差值模型對農(nóng)作物長勢進行實時監(jiān)測與評價。首先，在農(nóng)作物生長季內(nèi)，以月為單位構(gòu)建2000-2018年平均農(nóng)作物長勢綜合監(jiān)測指標數(shù)據(jù)庫以及2019年農(nóng)作物長勢綜合監(jiān)測指標數(shù)據(jù)庫；然后計算2019年各月農(nóng)作物長勢綜合監(jiān)測指標值與2000-2018年多年各月農(nóng)作物長勢綜合監(jiān)測指標均值之差，得到各月農(nóng)作物長勢監(jiān)測差值空間分布。本文在正態(tài)分布的基礎(chǔ)上考慮降雨量、時間周期等，將長勢狀況分為極好(3GI/2，1]、好(GI，3GI/2]、正常(GI/2，GI]、差(GI/4，GI/2]和極差[0，GI/4]5個等級。

3 結(jié)果分析

3.1 農(nóng)作物長勢綜合監(jiān)測指標構(gòu)建結(jié)果分析

首先在ArcGIS中進行系數(shù)選取實驗，以近20年9個市的農(nóng)作物生長季長勢監(jiān)測指標與產(chǎn)量數(shù)據(jù)進行線性回歸分析(表2)。可以看出，當NDVI的系數(shù)取0.7、EVI的系數(shù)取0.3時，R2值最高，所解釋的農(nóng)作物長勢狀況最準確，故本文用該系數(shù)組合計算GI。

表2 不同系數(shù)的植被指數(shù)與產(chǎn)量的回歸模型Table 2 Regression models of vegetation indices and yield with different coefficients

利用ArcGIS 10.5和ENVI 5.3軟件計算得到2000-2018年及2019年5-10月松嫩平原綜合監(jiān)測指標GI的空間分布對比圖(圖2)以及農(nóng)作物長勢監(jiān)測差值結(jié)果空間分布圖(圖3)，可以看出：2019年5月松嫩平原的春小麥、水稻、玉米和大豆正處于播種期，GI值最低，農(nóng)作物整體長勢一般；6月由于降雨量低于往年平均水平，導(dǎo)致春播農(nóng)作物長勢劣于往年同期，長勢整體呈下降趨勢，松嫩平原北部及東南部地區(qū)長勢降幅較大，齊齊哈爾與黑河大部以及綏化北部受前期低溫影響，返青較晚，導(dǎo)致GI值較低，長勢相比往年差，哈爾濱南部以及長春、四平大部地區(qū)均為極差類別，其中，大慶、哈爾濱北部以及松原受良好水熱條件影響，優(yōu)勢明顯；7、8月松嫩平原春玉米由吐絲階段進入乳熟階段，大豆由開花期轉(zhuǎn)為結(jié)莢鼓粒期，整體農(nóng)作物長勢顯著高于2000-2018年同期水平，其中，西北部地區(qū)長勢好于東南部地區(qū)，齊齊哈爾以及大慶長勢較好，其他城市長勢與往年持平； 9月春玉米慢慢進入乳熟及成熟期，大部分大豆位于成熟期，松嫩平原的農(nóng)作物長勢居中，長勢好與差的耕地面積各占50%，主要是西部長勢較好，東部長勢較差，東南部(哈爾濱、長春及四平)長勢變化顯著，整體上看，9月松嫩平原作物長勢比近年平均水平偏高；10月松嫩平原大部分農(nóng)作物處于收獲后期，受雨夾雪的影響，農(nóng)作物長勢低于平均水平。但總體上看，松嫩平原9個市農(nóng)作物長勢呈偏好態(tài)勢。

圖2 2000-2018年5-10月GI均值與2019年5-10月GI值對比Fig.2 Comparison between the average GI from May to October in 2000-2018 and the GI from May to October in 2019

圖3 2019年5-10月松嫩平原農(nóng)作物長勢監(jiān)測差值空間分布Fig.3 Spatial distribution of crop growth monitoring differences in the Songnen Plain from May to October in 2019

3.2 農(nóng)作物長勢綜合監(jiān)測指標精度驗證

3.2.1 2019年松嫩平原各市農(nóng)作物產(chǎn)量驗證 對松嫩平原9個市歷年的單產(chǎn)數(shù)據(jù)進行統(tǒng)計，由于松嫩平原每年耕種的糧食產(chǎn)物種類與數(shù)量變化不大，除旱澇等災(zāi)害的影響外，其他情況基本不會影響農(nóng)作物長勢及產(chǎn)量，加之8月是農(nóng)作物長勢最茂盛時期，因此，本文分別計算2019年農(nóng)作物8月3種指數(shù)(GI、NDVI、EVI)的月均值，將其與單產(chǎn)數(shù)據(jù)建立線性、指數(shù)、對數(shù)以及冪4種回歸模型(表3)。可以看出，4種回歸模型均顯示GI與單產(chǎn)值的相關(guān)性更高，說明GI適用于監(jiān)測松嫩平原植被高覆蓋地區(qū)以及植被長勢茂盛時期的農(nóng)作物長勢狀況。

表3 各指數(shù)與單產(chǎn)之間的4種回歸模型Table 3 Four regression models between each index and per unit yield

3.2.2 2000-2019年松嫩平原農(nóng)作物總產(chǎn)量驗證 從黑龍江省、吉林省統(tǒng)計局獲取松嫩平原9個市2000-2019年的農(nóng)作物總產(chǎn)量數(shù)據(jù)(表4)。可以看出，松嫩平原歷年農(nóng)作物總產(chǎn)量在2 939.9～8 543.6萬t之間，往年總產(chǎn)量均值為5 931.7萬t，其中2003年、2007年和2009年由于嚴重旱災(zāi)導(dǎo)致作物產(chǎn)量急劇下降。通過GI對2019年松嫩平原農(nóng)作物生長季的長勢狀況進行監(jiān)測，得到與往年相比僅有小部分地區(qū)長勢欠佳(圖2)，預(yù)測其2019年的農(nóng)作物產(chǎn)量高于往年(圖3)，而通過總產(chǎn)量的對比也驗證了這一結(jié)果。因此，GI可以及時評估農(nóng)作物長勢狀況并可對最終產(chǎn)量起到指示作用。

表4 2000-2019年松嫩平原農(nóng)作物總產(chǎn)量統(tǒng)計Table 4 Total crop yield in the Songnen Plain from 2000 to 2019 單位：萬t

4 結(jié)論與討論

本文結(jié)合NDVI和EVI構(gòu)建了一種新的農(nóng)作物長勢綜合監(jiān)測指標GI，通過建立近20年的歷史綜合植被指標數(shù)據(jù)庫，應(yīng)用差值模型將2019年的農(nóng)作物長勢指標與歷史同期的平均長勢指標進行對比分析，最后將長勢狀況分為極好、好、正常、差、極差5類，用以評價松嫩平原2019年的農(nóng)作物生長季長勢。結(jié)論如下：1)2019年5-10月松嫩平原農(nóng)作物長勢呈“前期較差，中期較好，后期略差”的趨勢，整體好于2000-2018年同期，2019年松嫩平原的農(nóng)作物與過去20年相比產(chǎn)量保持穩(wěn)定，可確保國內(nèi)農(nóng)產(chǎn)品供應(yīng)充裕；2)松嫩平原中西部、東北部和西南部農(nóng)作物長勢好于過去20年平均長勢，東南部部分地區(qū)農(nóng)作物長勢基本與過去持平，沿松花江流域市域(哈爾濱中部、松原北部及大慶東南部)農(nóng)作物長勢較好，緣于該地區(qū)水資源較豐富；3)單產(chǎn)及總產(chǎn)量驗證均表明，GI可以及時評估農(nóng)作物長勢狀況，且該方法精度更高、操作簡單，具有一定普適性，可為農(nóng)作物長勢狀況監(jiān)測提供一種新思路，并為農(nóng)作物產(chǎn)量的預(yù)測預(yù)報以及農(nóng)作物災(zāi)情的預(yù)警提供重要的科學(xué)依據(jù)。

本研究由于缺乏歷年耕地中精確的作物種類以及各類農(nóng)作物種植的空間分布信息，會影響農(nóng)作物長勢狀況監(jiān)測以及未來農(nóng)作物產(chǎn)量的預(yù)測精度，未來將利用更準確的農(nóng)作物種植結(jié)構(gòu)與布局信息獲取農(nóng)作物長勢的時空分布變化。