遙感信息與作物模型結合在冬小麥區(qū)域模擬中的應用

郭建茂，王琦，施俊怡，鄭騰飛，楊佳

(南京信息工程大學1．江蘇省農業(yè)氣象重點實驗室;2．應用氣象學院，江蘇南京210044)

0 引言

20世紀以來，隨著世界人口的急劇增長、自然資源的不合理利用，以及氣候變化、土地退化、環(huán)境污染、水資源短缺等問題的出現(xiàn)，糧食安全和農業(yè)可持續(xù)發(fā)展受到嚴重威脅。我國人口眾多、氣候條件復雜、生態(tài)環(huán)境基礎脆弱、自然災害發(fā)生頻繁，糧食安全問題尤為突出。準確、動態(tài)、及時的農作物長勢監(jiān)測和估產對制定糧食進出口政策和價格，指導和調控糧食種植結構，提高農業(yè)生產水平和經濟效益，保障糧食安全具有十分重要的意義。過去的20多年，遙感信息與作物生長模擬模型相結合的方法，在區(qū)域作物產量預測方面表現(xiàn)出良好的發(fā)展趨勢。該方法既動態(tài)反映了作物生長發(fā)育的內在機理過程，又融合了遙感技術的宏觀實時動態(tài)監(jiān)測功能(劉惠敏等，2007)，受到國內外眾多學者的廣泛關注(Jégo et al．，2012)。遙感數(shù)據與作物模型結合是當前農業(yè)信息技術應用研究的重要內容和發(fā)展趨勢之一，可以解決單獨利用遙感或單獨利用作物模型無法解決的問題(馬玉平等，2005)。

自Wiegand et al．(1979)最早提出將遙感信息(如植被指數(shù))引入作物生長模擬模型有可能提高作物模型模擬的準確性以來，人們開展了很多有關將遙感信息(如植被指數(shù)、冠層溫度等)應用于作物生長模擬模型子模型(如光合作用、蒸散、干物質積累等子模型)的可行性研究(張佳華等，2000)，為遙感信息與作物生長模擬模型的結合搭建了橋梁，并得到實際應用(吳洪顏等，2002)。此后，人們嘗試利用遙感反演的LAI(leaf area index，葉面積指數(shù))或冠層截獲的光合有效輻射(absorbed photosynthetic active radiation;APAR)作為輸入因子來驅動作物模型(Jackson et al．，1981)，或采用更新作物生育期內狀態(tài)變量模擬值的方法，以使作物模型的模擬結果盡量符合作物生長的實際情況。

遙感數(shù)據和作物模型的結合應用涉及農學、遙感、數(shù)學等領域，是農業(yè)信息化技術中的新方法，本文以冬小麥LAI為紐帶，將遙感時間序列資料反演的冬小麥LAI與多種生長狀況下作物模型WOFOST(World Food Study)模擬的冬小麥LAI變化曲線相結合，在區(qū)域尺度確定冬小麥作物生長狀況，并估算2003年河南省新鄉(xiāng)市新鄉(xiāng)縣的冬小麥作物產量，初步實現(xiàn)遙感信息與作物模型結合在縣級農業(yè)生產中的應用。

1 數(shù)據與模型

1.1 研究區(qū)域概況

新鄉(xiāng)縣位于河南省的北部，黃河以北，衛(wèi)河上游，113°42'～114°04'E，35°05'～35°24'N，總面積為541.14 km2。該縣地勢屬黃河中下游故道沖擊扇和太行山前衛(wèi)河沖擊扇的南緣洼地，屬黃河與衛(wèi)河復合沖擊平原。潮土是該縣主要土壤類型。

1.2 研究數(shù)據

1)氣象數(shù)據:1999—2008年新鄉(xiāng)縣氣象站逐日最高溫度、最低溫度、總輻射(或日照時數(shù))、降水量、水汽壓、風速等要素數(shù)據，資料來源于中國氣象局氣象信息中心。

2)作物數(shù)據:本研究收集的新鄉(xiāng)冬小麥作物數(shù)據主要有農業(yè)氣象業(yè)務觀測的生長發(fā)育數(shù)據，包括多年品種、發(fā)育期、生長狀況、產量結構等數(shù)據;田間管理數(shù)據包括施肥、灌溉、防治病蟲害等農事活動的時間和數(shù)量，資料來源于中國氣象局氣象信息中心。為了對單點作物模型調試和改進，收集了冬小麥田間試驗的觀測資料，包括冬小麥發(fā)育期、營養(yǎng)器官根、莖、葉、穗重的間隔一定時間的生物量及LAI等。

3)土壤數(shù)據:新鄉(xiāng)站實測所得土壤容重、凋萎濕度、田間持水量等，資料來源于中國氣象局氣象信息中心。

4)遙感數(shù)據:小麥生長期內所有可用的晴空條件下ETM+資料，本文使用的是2002年11月5日，2003年1月8日、3月29日和4月14日Landsat-7 ETM+數(shù)據，在美國地質調查局網站(http://glvois．usgs．gov/)下載獲取。數(shù)據經輻射校正和地面控制點幾何校正(楊沈斌等，2010)，且通過6S大氣校正(姚薇等，2011)。

5)2002—2003年新鄉(xiāng)縣冬小麥播種面積和產量數(shù)據，資料來源于河南省2003年統(tǒng)計年鑒。

1.3 模型WOFOST簡介

本文利用WOFOST模型進行冬小麥生長模擬，該模型是荷蘭瓦赫寧根大學開發(fā)的眾多模型之一，起源于世界糧食研究中心組織的多學科綜合世界糧食潛在產量研究項目。WOFOST模型自面世以來獲得了極大的發(fā)展，模型發(fā)展了很多版本，應用范圍不斷擴大，其適應性及應用研究在世界范圍內進行，反饋的結果反過來又促進了模型的發(fā)展。WOFOST是最早面向應用的模型之一，在自然條件下具有通用性，其所描述的物理過程和生理過程可用于較廣范圍的環(huán)境條件。通過改變作物參數(shù)，可用于不同種類的作物，如小麥、玉米、馬鈴薯和大豆等。WOFOST可以根據需要選擇模擬潛在生產、水分脅迫、氮素脅迫三種生產水平。模型已被用于產量預測、土地的定量評價，比如評價區(qū)域潛在生產力水平，評價灌溉、施肥措施可獲得的經濟收益，評價作物種植的不利因素等。本研究使用WOFOST 7.1版本。

2 冬小麥作物模擬

在參考河南鄭州WOFOST模型冬小麥作物參數(shù)的基礎上，利用1999—2008年河南省新鄉(xiāng)市新鄉(xiāng)縣冬小麥作物數(shù)據、氣象數(shù)據和土壤數(shù)據訂正和驗證WOFOST模型，經過反復調整后的模型基本能模擬當?shù)囟←溕L發(fā)育狀況，平均發(fā)育期誤差在5 d之內，模擬產量誤差在±10%之內。

以2002—2003年的新鄉(xiāng)縣冬小麥生長發(fā)育階段的氣象數(shù)據驅動已調試好的WOFOST模型，模擬2002—2003年當?shù)氐亩←溕L發(fā)育狀況。冬小麥生長發(fā)育受冬小麥播種日期、氣象條件、水肥管理及其他田間管理的影響。依據對新鄉(xiāng)縣冬小麥生產實際情況的調查，分類設置冬小麥生長的模擬(羅蔣梅等，2009)?？紤]到新鄉(xiāng)縣灌溉條件很好，冬小麥在生長關鍵期可以得到及時的灌溉，而且當?shù)剞r民對冬小麥田間管理十分重視，水肥條件均可以得到滿足，加之當年氣象條件基本適宜冬小麥的生長發(fā)育，因此在模擬時可以簡化為潛在生長(不考慮水肥不足的影響)。在WOFOST模型模擬中發(fā)現(xiàn)，相近播期模擬的結果比較接近，因此，依據該縣的冬小麥播種實際情況可以設置3種播期，即早播、正常播種和晚播。冬小麥正常播期為第295日(一年中的日數(shù)排序)，在此相近日期(與第295日間隔日數(shù)小于等于5 d)播種的冬小麥歸為本類。同理，根據實際情況，設定早播和晚播的冬小麥的播種期分別在第285天和第305天，同時將各自接近播期(間隔日數(shù)小于等于5 d)分別歸為這兩類。

依據上面分析，在基本能代表新鄉(xiāng)縣冬小麥2002—2003年實際生產的情形下，將冬小麥生長發(fā)育簡化為3種播期的潛在生產。利用WOFOST模型進行模擬，得到各自的模擬情況。圖1為葉面積指數(shù)以及穗重模擬曲線，DOY為Day of Year，即儒略歷一年中的日序，DOY285為一年中第285天;表1為第309天、第39天、第88天和第104天的模擬結果，這4個日期獲取了晴空 Landsat-7 ETM+數(shù)據。

表1 模擬的葉面積指數(shù)和產量Table 1 Simulated leaf area index and yield

3 葉面積指數(shù)反演方法

葉面積指數(shù)往往難以直接從遙感數(shù)據獲得，但是它與遙感參數(shù)—植被指數(shù)間有密切的關系，已通過試驗研究建立了多種的理論和經驗統(tǒng)計模型。以植被指數(shù)作為統(tǒng)計模型的自變量是經典的LAI遙感定量方法。在多光譜和高光譜領域均有用植被指數(shù)估算LAI的研究和應用(胡曉雯等，2012)。其中歸一化植被指數(shù)與LAI有多種統(tǒng)計模型(Moulin et al．，1995;茅榮正，2004;劉峰等，2011;de Wit et al．，2012)，經過對比分析，本文采用下式計算并引入訂正系數(shù)來反演LAI(下面用ILA表示):

其中:INDV代表歸一化植被指數(shù);I'LA代表葉面積指數(shù)。

歸一化植被指數(shù)INDV被定義為近紅外波段反射率與可見光紅波段反射率之差與這兩個波段反射率之和的比值。本文首先要對ETM+影像的3、4波段進行輻射定標，把DN值轉化為相應的輻射亮度和反射率，然后利用下式求得INDV:

其中:r3為第3波段的反射率;r4為第4波段的反射率。

在引用和改進文獻(Sellers et al．，1996;唐世浩等，2003)的基礎上，本文將(1)式計算的葉面積指數(shù)引入訂正系數(shù)來反演ILA:

式中:I'LAmax為由ETM+資料通過(1)式計算的葉面積指數(shù)最大值;f'為訂正系數(shù)(表2);ILAmax為該時段、該區(qū)域內的實際最大葉面積指數(shù)。徐為根等(2002)研究認為，冬小麥全生育期的葉面積指數(shù)經歷緩慢增長—迅速增長—緩慢增長—迅速下降4個階段，經訂正反演，冬小麥的葉面積基本符合其生長發(fā)育規(guī)律。

圖1 不同播期葉面積指數(shù)和穗重的時間變化 a．第285天;b．第295天;c．第305天Fig．1 Temporal variation of LAI and spike weight of different sowing dates a．the 285th day;b．the 295th day;c．the 305th day

表2 葉面積指數(shù)的訂正系數(shù)Table 2 Calibrated coefficient of leaf area index

4 遙感信息與作物模型的結合應用

單獨利用遙感方法往往反映的是表象，只能在像元上大致判斷是否是小麥，不能做到對小麥更具體的生長發(fā)育狀況的了解(包括發(fā)育期、LAI、各部分生物量等)，無法得到內在的同化量的分配情況，也不能直接獲取產量。而單獨利用作物模型的方法，可以在單點對作物生長發(fā)育作較好描述，但是無法得到區(qū)域的作物生長發(fā)育情況，不能估計種植面積;估計總產必須基于對區(qū)域的詳細調查結果，只有掌握各種苗情及其面積，才能估算區(qū)域產量。

為作物模型模擬出的冬小麥生長狀況設定一個小的浮動范圍，落在該范圍內的可以認為基本符合該類模擬的生長發(fā)育狀況，可以用模擬結果來代替實際生長情況，在此步驟中本研究選取既可以反映冬小麥的生長又可以利用遙感信息反演的參數(shù)——葉面積指數(shù)作為衡量指標。這樣采用4景Landsat-7 ETM+遙感數(shù)據反演的葉面積指數(shù)，利用找相似的方法確定每個像元對應的冬小麥生長發(fā)育狀況，便于確定每個像元是否為冬小麥及其所屬的生長模擬類型。至此，實現(xiàn)了作物模擬與遙感信息的結合，在區(qū)域上實現(xiàn)了作物模擬，結果見圖2。圖2為2002—2003年新鄉(xiāng)縣冬小麥的分布情況(綠色代表適宜播種情況，播種期為第295日及其前后5 d的冬小麥分布;藍色代表早播情況，播種期為第285日及其前后5 d的冬小麥分布;紅色代表晚播情況，播種期為第305日及其前后5 d的冬小麥分布)。

由圖2估算得到3種播期的冬小麥播種面積，再根據作物模型的模擬單產結果，估計3種播期的總產量(表3)。根據河南省2003年統(tǒng)計年鑒，2002—2003年新鄉(xiāng)縣冬小麥播種面積和產量分別為22 400 hm2和132 905 000 kg。將新鄉(xiāng)縣冬小麥3種不同播期的模擬播種面積、總產量與實際值比較，結果表明，利用作物模型模擬與遙感信息相結合方法計算的新鄉(xiāng)縣冬小麥面積為當年實際面積的89.8%，總產量為當年實際總產量的91.3%(表3)。

圖2 2002—2003年新鄉(xiāng)縣冬小麥的分布(綠色代表適宜播種情況，播種期為第295日及其前后5 d的冬小麥分布;藍色代表早播情況，播種期為第285日及其前后5 d的冬小麥分布;紅色代表晚播情況，播種期為第305日及其前后5 d的冬小麥分布)Fig．2 Distribution of winter wheat in Xinxiang Country from 2002 to 2003(the green/blue/red represents the suitable/early/late sowing situation in the 295th/285th/305th DOY and 5 days around)

表3 2002—2003年新鄉(xiāng)縣冬小麥模擬播種面積和總產量情況Table 3 Simulated sown area and total yield of winter wheat in Xinxiang County during 2002—2003

5 結論

本文探討了利用遙感信息與作物模型相結合的方法在縣級區(qū)域進行冬小麥生長發(fā)育模擬的可行性。以新鄉(xiāng)縣冬小麥種植區(qū)為目標區(qū)域，首先對作物模型WOFOST進行訂正和驗證，使得到的模型參數(shù)適于模擬新鄉(xiāng)縣冬小麥生長;再根據實際情況分類設定和模擬新鄉(xiāng)縣2002—2003年冬小麥的生長發(fā)育狀況;利用Landsat-7 ETM+數(shù)據反演LAI，對照WOFOST模型模擬的LAI值，利用找相似的方法確定每個像元冬小麥對應的生長狀況并歸類，從而在像元上實現(xiàn)遙感信息與作物模型的結合。利用本方法得到了新鄉(xiāng)縣2002—2003年冬小麥總播種面積和總產量，分別為當年實際值(統(tǒng)計值)的89.8%和91.3%。盡管本研究僅以普遍播種期為中心，設定3種無水肥限制的潛在生長情況的模擬，然而模擬值與實際值(統(tǒng)計值)非常接近，從而驗證本研究方法的技術可行性。單獨利用遙感方法，只能在像元上大致判斷是否是小麥，且單獨利用遙感方法往往不能直接獲取產量。單獨利用作物模型的方法，可以在單點對作物生長發(fā)育作較好描述，但是無法得到區(qū)域的作物生長發(fā)育情況，且對總產的估計必須基于區(qū)域的詳細調查結果。本方法對遙感信息與作物模型的結合研究及其區(qū)域應用是一個有益的探索，與單獨利用遙感信息或單獨利用作物模型的方法相比，具有明顯優(yōu)勢。

當然，本研究存在的誤差與不足也不容忽視，主要原因有:本文僅設計了3種播種期的潛在生產水平的模擬，且把相近播期歸為同一類模擬，這些處理比較簡單;而作物模型所模擬的也只是特定農業(yè)生產水平、特定作物品種等條件下的理想狀況，在實際應用中會有一定誤差;在利用遙感資料反演葉面積指數(shù)時，采用統(tǒng)計方法也會存在誤差(熊偉等，2008);盡管TM(thematic mapper)資料空間分辨率較高但是沒有對混合像元進行分解，也會產生誤差;這些都有待今后不斷改進和完善。

胡曉雯，曹爽，趙顯富．2012．基于植被指數(shù)的綠地信息提取的比較［J］．南京信息工程大學學報:自然科學版，4(5):420-425．

劉峰，李存軍，董瑩瑩，等．2011．基于遙感數(shù)據與作物生長模型同化的作物長勢監(jiān)測［J］．農業(yè)工程學報，27(10):101-106．

劉惠敏，黃勇，荀尚培．2007．基于MODIS冬小麥長勢監(jiān)測研究［J］．氣象科學，27(2):187-195．

羅蔣梅，王建林，申雙和，等．2009．影響冬小麥產量的氣象要素定量評價模型［J］．南京氣象學院學報，32(1):94-99．

馬玉平，王石立，張黎，等．2005．基于遙感信息的華北冬小麥區(qū)域生長模型及模擬研究［J］．氣象學報，63(2):204-215．

茅榮正．2004．基于Landsat圖像的LAI信息提取研究［D］．南京:南京師范大學．

唐世浩，朱啟疆，王錦地，等．2003．三波段梯度差植被指數(shù)的理論基礎及其應用［J］．中國科學D輯:地球科學，33(11):1094-1102．

吳洪顏，黃毓華，田心如．2002．基于GIS的徐州地區(qū)冬小麥氣候分析［J］．氣象科學，22(3):362-366．

熊偉，林而達，楊婕，等．2008．作物模型區(qū)域應用兩種參數(shù)校準方法的比較［J］．生態(tài)學報，28(5):2140-2147．

徐為根，申雙和，姚克敏，等．2002．不同水分處理下南京地區(qū)冬小麥耗水量特征及其模擬［J］．氣象科學，22(2):191-196．

楊沈斌，趙小艷，申雙和，等．2010．基于 LandsatTM_ETM_數(shù)據的北京城市熱島季節(jié)特征研究［J］．大氣科學學報，33(4):427-435．

姚薇，李志軍，姚珙，等．2011．Landsat衛(wèi)星遙感影像的大氣校正方法研究［J］．大氣科學學報，34(2):251-256．

張佳華，符淙斌，王長耀．2000．遙感信息結合植物光合生理特性研究區(qū)域作物產量水分脅迫模型［J］．大氣科學，24(5):683-693．

de Wit A，Duveiller G，Defourny P．2012．Estimating regional winter wheat yield with WOFOST through the assimilation of green area index retrieved from MODIS observations［J］．Agric For Meteorol，164:39-52．

Jackson R D，Idso S B，Reginato R J，et al．1981．Canopy temperature as a crop water stress indicator［J］．Water Resour Res，17(4):1133-1138．

Jégo G，Elizabeth P，Jiangui L．2012．Using leaf area index，retrieved from optical imagery，in the STICS crop model for predicting yield and biomass of field crops［J］．Field Crops Research，131:63-74．

Moulin S，Alberte F，Gérard D，et al．1995．Temporal variations in satellite reflectances at field and regional scales compared with values simulated by linking crop growth and SAIL models［J］．Remote Sens Environ，54(3):261-272．

Sellers P J，Compton J T，Collatz G J，et al．1996．A revised land surface parameterization(SiB2)for atmospheric GCMS．Part II:The generation of global fields of terrestrial biophysical parameters from satellite data［J］．J Climate，9(4):706-737．

Wiegand C L，Richardson A J，Kanemasu E T．1979．Leaf area index estimates for wheat from LANDSAT and their implications for evapotranspiration and crop modeling［J］．Agronomy Journal，71(2):336-342．