基于多源衛星遙感的全國冬小麥墑情及長勢監測分析

摘要：利用衛星遙感優勢，及時準確地掌握全國冬小麥墑情及長勢的時空分布特征，對保障糧食安全具有重要意義。文章基于MODIS EVI與Sentinel-2衛星遙感數據，提取了2018—2019年、2019—2020年全國冬小麥主產區種植地塊；通過TVDI干旱指數反演分析了2020年3月全國冬小麥土壤墑情，并結合GPM IMERG衛星降水測量數據探究了其影響因素；最后，采用EVI同期對比法對2020年3月全國冬小麥長勢進行了監測分析。結果表明：2020年3月，全國冬小麥長勢總體好于2019年同期；出現中旱及以上旱情的冬小麥種植地塊不足2.5%，且主要分布在成都平原；湖北省的田間灌溉一定程度上受到了疫情管控的影響，但在良好雨水條件的加持下，冬小麥長勢良好，未產生嚴重后果。

關鍵詞：冬小麥；遙感；墑情；長勢

中圖分類號：S127" 文獻標志碼：A

0引言

筑牢糧食安全這一國家安全根基，是有效防范抵御各類風險挑戰、確保國家大局穩定的堅實基礎。近年來，世界經濟復蘇脆弱，氣候變化挑戰突出，我國糧食安全面臨著需求剛性增長、資源約束趨緊的局面［1］。小麥是最重要的大宗糧油作物之一，在糧食安全中占據戰略地位。及時準確地掌握我國小麥墑情及長勢時空分布特征，對田間管理、防災減災、分析糧食安全形勢具有重要意義。隨著對地觀測技術的快速發展，衛星遙感憑借其宏觀、高效、真實等優勢，成為冬小麥等農作物種植數據動態監測的重要手段。

以MODIS為代表的中低分辨率光學遙感衛星，幅寬大、時間分辨率高、譜段數量多，在省域及更大空間尺度上的農作物墑情及長勢監測中得到廣泛應用。李菁等［2］基于MODIS干旱指數結合RBFNN方法，對江蘇冬小麥需水關鍵期土壤水分進行了監測分析；魏渠成等［3］利用MODIS NDVI數據產品對河北省冬小麥長勢開展變化分析，探討了干熱風對冬小麥灌漿期的影響；孫麗等［4-5］采用MODIS NDVI年際變化分析法分別對2019 年美國與2020年中國冬小麥進行了長勢監測分析。但現有相關研究中，較少利用多源衛星數據對降水-墑情-長勢開展綜合分析，從而探討重點特殊時期田間灌溉活動減少對冬小麥墑情及長勢的影響。

1材料與方法

1.1研究區域

依據《中國小麥栽培學》，我國冬小麥種植區可劃分為北方冬小麥區和南方冬小麥區。其中，北方冬小麥區主要分布在河南、河北、山東、陜西、山西5個省份；南方冬小麥區主要分布在江蘇、四川、安徽、湖北4個省份［6］。因此，本研究以上述北方5省及南方4省（全國冬小麥主產區）作為研究區域。

1.2數據及預處理

本研究使用的數據源主要來自衛星遙感，包括：美國NASA發布的MOD13Q1，MOD09Q1，MOD11A2 3種中分辨率成像光譜儀（MODIS）數據產品，歐空局Sentinel-2A/B衛星L2A級影像，美國NASA與日本JAXA合作的全球衛星降水計劃GPM IMERG降水數據。以上各類數據源的選用內容、空間分辨率、是否多天合成、選用時相、覆蓋范圍及預處理操作等信息如表1所示。

1.3研究方法

1.3.1技術流程

本研究首先基于MOD13Q1與Sentinel-2衛星遙感數據，經最佳分類時相影像篩選，采用EVI閾值分割法對全國冬小麥主產區種植地塊進行識別提取，并將其作為后續掩膜處理的范圍；然后，利用MOD09Q1與MOD11A2數據構建LST-NDVI特征空間，求取TVDI干旱指數并開展旱情分級，得到冬小麥種植地塊土壤墑情分布結果；通過EVI同期對比法即DEVI計算，對全國冬小麥長勢進行分級評價；最后，結合GMP累計降水量分布數據，對降水-墑情-長勢開展綜合分析，探討疫情這一重點特殊時期人員活動管控對冬小麥墑情及長勢的影響。

1.3.2冬小麥識別提取方法

植被指數閾值分割法，是農作物分類提取的重要方法之一。然而，由于我國南方、北方種植習慣、作物類型、物候特征存在較大差異，全國冬小麥整體性同一閾值分割的精度難以保證［7］。本研究采取南北方冬小麥種植地塊分別提取、成果合并的方式，采用增強型植被指數（EVI）的閾值分割法進行全國冬小麥種植地塊的識別。

選取冬小麥與其他植被具有較好分離性的EVI影像時相是本研究識別冬小麥的關鍵點之一。我國北方夏收作物以冬小麥、大蒜為主；南方夏收作物以冬小麥、油菜為主。根據現有研究成果，冬小麥和大蒜的最佳分類時間為1月［8］，即冬小麥的分蘗期，此時冬小麥的植被指數比大蒜及林草等其他植被要高，且具有較好的分離性；而冬小麥和油菜的最佳分類時間為3月［9］，即油菜開花期附近，此時冬小麥的植被指數明顯高于油菜，且高于林草等其他植被［10］。因此，本研究選取1月的MOD13Q1 EVI數據作為待分割影像用于北方冬小麥種植地塊的識別提取，選取3月的MOD13Q1 EVI數據作為待分割影像用于南方冬小麥種植地塊的識別提取。

在分割閾值的確定上，研究選取夏收作物類型復雜的河南杞縣等5個典型局部地區12月至次年4月的Sentinel-2A/B影像，依據外業確定的解譯標志，通過人工目視的方式，分別采集北方地區冬小麥、大蒜、林草的樣本，以及南方地區冬小麥、油菜、林草的樣本。取北方各類樣本在1月MOD13Q1 EVI影像相應位置上的像素值EVIi，計算冬小麥樣本EVIi的最小值，計為EVIwheat_min；計算大蒜、林草等其他植被樣本EVIi的最大值，計為EVIelse_max，取EVIwheat_min與EVIelse_max的平均值作為初始分割閾值T0。對于南方各類樣本，取其在3月MOD13Q1 EVI影像相應位置上的像素值，其他與北方同法，獲得初始分割閾值。以Sentinel-2A/B影像為底圖，評估閾值分割結果，并在EVIelse_max至EVIwheat_min范圍內對閾值進行微調，經多次迭代，確定MOD13Q1 EVI影像上南、北方冬小麥種植地塊的最佳分割閾值T，將EVI大于等于T的認定為冬小麥種植地塊，得到全國冬小麥主產區種植地塊分布圖。實驗發現，1月EVI的最佳分割閾值在0.3附近；3月EVI的最佳分割閾值在0.40～0.45。

1.3.3墑情反演與旱情等級劃分方法

本研究利用溫度植被干旱指數（TVDI）反演全國冬小麥主產區種植地塊的土壤墑情。具體為，基于MOD09Q1近紅外波段和紅光波段反射率計算歸一化植被指數NDVI；結合MOD11A2地表溫度（LST）數據產品，建立LST-NDVI特征空間并進行線性擬合，得到干、濕邊擬合方程系數，求解TVDI，并以TVDI表征土壤墑情。NDVI（式中記為NDVI）和TVDI（式中記為TVDI）的計算公式如下：

NDVI=Rnir-RredRnir+Rred（1）

式（1）中：Rnir為近紅外波段反射率；Rred為紅光波段反射率。

TVDI=LST-（NDVIc+d）（NDVIa+b）-（NDVIc+d）（2）

式（2）中：LST為地表溫度；NDVI為歸一化植被指數；a，b，c，d分別為干邊、濕邊擬合方程的系數，干邊對應相同NDVI值條件下的最高地表溫度，濕邊對應相同NDVI值條件下的最低地表溫度。TVDI范圍在0～1，TVDI值越大，表示越干旱，土壤濕度越低。

為了進一步分析干旱程度與范圍，參照吳黎等［11］提出的干旱等級劃分標準，基于TVDI指數就土壤墑情進行干旱等級評價。最后，以冬小麥種植地塊分布矢量數據作為掩膜區域，對墑情反演及旱情分級數據成果進行裁剪，得到冬小麥種植地塊土壤墑情分布圖。

1.3.4長勢監測方法

采用EVI同期對比法，對冬小麥長勢進行監測評估。具體為，基于提取的年度全國冬小麥主產區種植地塊分布結果，對相應年度的MOD13Q1 EVI影像進行掩膜處理。對掩膜區域，計算某年與上一年同期MOD13Q1 EVI的差值DEVI（式中記為DEVI），其反映的是與上一年同期相比的冬小麥長勢狀況。具體公式如下：

DEVI=EVI1-EVI2（3）

式（3）中：EVI1表示當年某時段EVI值；EVI2表示上一年同期EVI值。

結合地面調查數據對DEVI進行分級，將冬小麥長勢分為優于去年同期、與去年同期持平和不及去年同期。

2結果與分析

2.1種植地塊提取結果

經冬小麥遙感識別提取，得到2019—2020年、2018—2019年全國冬小麥主產區種植地塊分布，如圖 1所示。

2.2墑情分析

經墑情遙感反演與旱情等級劃分，對2020年3月13—20日全國冬小麥主產區種植地塊土壤墑情進行空間統計分析。全國統計結果顯示，75.70%的小麥種植地塊無旱，21.81%的地塊輕旱、2.36%的地塊中旱、0.12%的地塊重旱、0.01%的地塊特旱。各省份統計結果顯示：山東冬小麥種植地塊墑情條件最好，無旱比例將近90%；江蘇其次，無旱比例超過80%；四川中旱及以上旱情比例在9省中最高，且主要分布在成都平原一帶；山西與湖北輕旱比例均超過1/3，以上提及之外的4個省份（河北、河南、陜西、安徽）輕旱比例均在20%～30%。

為了反映各省份冬小麥種植地塊土壤墑情的總體水平與離散程度，計算了各省份TVDI旱情指數空間上的平均值與標準差（見圖 2），結果表明：湖北平均旱情指數最高，即總體土壤墑情最差；山西其次、河南再次；四川平均旱情指數最低，但離散程度最高，這與成都平原出現中旱及以上等級旱情，而同時西南山區土壤墑情良好有關。

為了進一步探究以上冬小麥主產區土壤墑情分布狀況的影響因素，基于全球降雨觀測衛星GPM數據，分析了全國冬小麥主產區同期7日累計降水量分布狀況。湖北冬小麥種植地塊平均7日累計降水量達8.15mm，位居9省第1，如圖 3所示。綜合平均旱情指數與同期平均累計降水量監測結果，結合湖北省疫情防控期的封城措施（2020年4月8日開始解封，即監測時間段2020年3月13—20日為封控期），可以推斷，湖北省冬小麥田間管理一定程度上受到疫情影響。

2.3長勢分析

2020年3月全國冬小麥主產區長勢監測結果顯示，與2019年同期相比，2020年64%的小麥長勢與2019持平，31%的小麥長勢好于2019年，僅5%的小麥長勢不及2019年。即2020年3月全國冬小麥長勢總體好于2019年同期。各省份監測結果顯示，2020年3月9省冬小麥長勢均總體好于2019年同期。其中，湖北省68%的小麥長勢與2019年持平，26%的小麥好于2019年。綜合湖北省冬小麥長勢與地塊土壤墑情監測結果不難發現，盡管存在輕微缺墑情況，但湖北省冬小麥長勢良好，尚未形成嚴重后果。

3結論

2020年3月，全國冬小麥長勢總體好于2019年同期，出現中旱及以上旱情的冬小麥種植地塊不足2.5%，且主要分布在成都平原。湖北省的田間灌溉一定程度上受到了疫情管控的影響，但在良好雨水條件的加持下，冬小麥長勢良好，未產生嚴重后果。多源衛星遙感的應用可為大范圍冬小麥墑情及長勢的監測分析提供有效技術手段，可為田間管理、防災減災、分析糧食安全形勢提供客觀數據支撐。

參考文獻

［1］高鳴，王穎.農業補貼政策對糧食安全的影響與改革方向［J］.華南農業大學學報（社會科學版），2021（5）：14-26.

［2］李菁，任義方，戴竹君，等.基于MODIS干旱指數與RBFNN方法的江蘇冬小麥需水關鍵期土壤水分遙感監測應用［J］.干旱地區農業研究，2022（6）：251-257.

［3］魏渠成，劉淇淇，石茗化，等.基于MODIS數據的河北省冬小麥長勢及干熱風災害遙感分析［J］.農業工程，2022（2）：57-62.

［4］孫麗，王蔚丹，陳媛媛，等.2019年美國冬小麥長勢遙感監測分析［J］.安徽農業科學，2020（1）：241-244.

［5］孫麗，錢永蘭，吳尚榮，等.2020年我國冬小麥長勢動態監測［J］.安徽農業科學，2020（21）：230-233.

［6］方強飛.基于中分辨率遙感數據的全國小麥主產區干旱及對小麥產量影響研究［D］.南京：南京大學，2014.

［7］王龍.基于ENVI的杞縣大蒜種植面積提取方法分析研究［D］.開封：河南大學，2018.

［8］尤慧，蘇榮瑞，肖瑋鈺，等.基于MODISEVI時序數據的江漢平原油菜種植分布信息提取［J］.國土資源遙感，2018（1）：173-179.

［9］周珂，柳樂，張儼娜，等.GEE支持下的河南省冬小麥面積提取及長勢監測［J］.中國農業科學，2021（11）：2302-2318.

［10］吳黎.基于MODIS數據溫度植被干旱指數干旱監測指標的等級劃分［J］.水土保持研究，2017（3）：130-135.

（編輯姚鑫編輯）

Monitoring and analysis of national winter wheat soil moisture and growth status based"on multi-source satellite remote sensing

Wang" Yuxi1，2，3， Shi Hang1，Guo Shan4

（1.The 27th Research Institute of China Electronics Technology Group Corporation， Zhengzhou 450047，"China; 2.Henan Fangda Space Information Technology Co.， Ltd.， Zhengzhou 450047， China; 3.Key Laboratory"of Space Information Ecological Environment Protection and Application in Henan Province， Zhengzhou"450047， China; 4.Hebei Provincial Hydraulic Planning and Design Research Institute"Co.， Ltd.， Shijiazhuang 050051， China）

Abstract： Using the advantages of satellite remote sensing， it is of great significance to timely and accurately grasp the spatiotemporal distribution characteristics of soil moisture and growth status of winter wheat across the country， in order to ensure food security. In this paper， based on MODIS EVI and Sentinel-2 satellite remote sensing data， the planting areas of winter wheat in the main producing regions of China for the years 2018-2019 and 2019-2020 were extracted. The TVDI （Temperature Vegetation Dryness Index） drought index was used to analyze the soil moisture conditions of winter wheat in March 2020， and the factors affecting it were explored in combination with GPM IMERG satellite precipitation measurement data. Finally， the EVI （Enhanced Vegetation Index） method was employed to monitor and analyze the growth status of winter wheat across the country in March 2020. The results showed that the overall growth of winter wheat in March 2020 was better than the same period in 2019. The area with moderate drought or worse accounted for less than 2.5% of the total winter wheat planting area， mainly distributed in the Chengdu Plain. Field irrigation in Hubei province was somewhat affected by the pandemic control measures， but with the support of favorable rainfall conditions， the growth of winter wheat was good and did not result in serious consequences.

Key words： winter wheat; remote sensing; soil moisture; growth