2017年巴西大豆長(zhǎng)勢(shì)遙感監(jiān)測(cè)數(shù)據(jù)的分析研究

黃 青 劉 航 鄒金秋

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

2017年巴西大豆長(zhǎng)勢(shì)遙感監(jiān)測(cè)數(shù)據(jù)的分析研究

黃 青 劉 航 鄒金秋

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

巴西是我國(guó)重要的大豆進(jìn)口國(guó)。研究巴西大豆的產(chǎn)量變化和供給狀況對(duì)中國(guó)大豆進(jìn)出口貿(mào)易乃至國(guó)際大豆市場(chǎng)的發(fā)展具有重要意義。利用目前作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)中應(yīng)用最廣泛的歸一化植被指數(shù)NDVI，對(duì)巴西2017年大豆長(zhǎng)勢(shì)進(jìn)行監(jiān)測(cè)，并采用差值模型，與2016年同期大豆長(zhǎng)勢(shì)的平均狀況進(jìn)行對(duì)比研究，以期獲得巴西大豆2017年產(chǎn)量變化趨勢(shì)，為我國(guó)大豆進(jìn)口政策提供數(shù)據(jù)支撐。研究結(jié)果表明：巴西大豆長(zhǎng)勢(shì)在2017年期間呈現(xiàn)“前期較好，中期略變差，后期變好”的趨勢(shì)，大豆長(zhǎng)勢(shì)總體好于2016年同期。在空間分布上，巴西中西部、東北部和東南部大豆全年長(zhǎng)勢(shì)好于2016年同期，而在南部的一些州，大豆長(zhǎng)勢(shì)基本與2016年同期持平。大豆主要生育期內(nèi)良好的天氣因素是2017年巴西大豆長(zhǎng)勢(shì)較好的主要原因。

MODIS數(shù)據(jù)；歸一化差分值植被指數(shù)；長(zhǎng)勢(shì)監(jiān)測(cè)；巴西；大豆

1 引言

巴西是全球大豆第二大生產(chǎn)國(guó)和出口國(guó)，也是我國(guó)最重要的大豆進(jìn)口國(guó)[1]。巴西大豆的產(chǎn)量變化和供給狀況對(duì)國(guó)際大豆市場(chǎng)和我國(guó)大豆進(jìn)出口都有較大影響，也是影響我國(guó)食物供給安全的重要因素之一。因此，實(shí)時(shí)監(jiān)測(cè)巴西大豆長(zhǎng)勢(shì)，能夠掌握并預(yù)測(cè)早期的大豆產(chǎn)量，對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)管理部門(mén)政策的制定、進(jìn)出口貿(mào)易管理、農(nóng)業(yè)政策的調(diào)整以及保障糧食安全等具有重要的意義。

巴西位于南美洲，東瀕大西洋，面積851萬(wàn)km2，約占南美洲面積的47.3%[2]，為世界國(guó)土面積第五大的國(guó)家。其地形的最大特點(diǎn)是高原多，約占領(lǐng)土面積的59%，全境地形分為亞馬遜平原、巴拉圭盆地、巴西高原和圭亞那高原，其中亞馬遜平原約占全國(guó)面積的1/3，巴西的耕地和草場(chǎng)面積廣闊[3]（圖1）。

巴西地處亞熱帶和熱帶，濕潤(rùn)多雨，大部分地區(qū)年降水量2000～3000mm，國(guó)內(nèi)有亞馬孫、巴拉那和圣弗朗西斯科三大水系，水力資源豐富。巴西擁有豐富的自然資源，特別是農(nóng)業(yè)資源得天獨(dú)厚，農(nóng)牧業(yè)發(fā)達(dá)，可耕地面積占國(guó)土面積的70%，總?cè)丝?.01億人（2013年），其中農(nóng)業(yè)人口約3540萬(wàn)人，70%的耕地種植大豆和玉米。作為農(nóng)作物中的最主要產(chǎn)品，大豆種植面積和產(chǎn)量均相當(dāng)于全國(guó)農(nóng)作物總種植面積和產(chǎn)量的一半，其產(chǎn)值約占全部農(nóng)產(chǎn)品產(chǎn)值的1/3，大豆產(chǎn)量占世界總產(chǎn)量的20%，為世界大豆第二大生產(chǎn)國(guó)和出口國(guó)，也是中國(guó)進(jìn)口大豆的主要供應(yīng)國(guó)家[2-4]（圖 2）。

圖1 巴西農(nóng)業(yè)區(qū)劃示意圖

圖2 巴西各州大豆面積百分比示意圖

根據(jù)2015—2016年巴西大豆播種面積和產(chǎn)量統(tǒng)計(jì)情況，巴西中西部的戈亞斯州（Goias）、馬托格羅索州（MatoGrosso）和南馬托格羅索州（MatoGrosso do Sul），東北部的巴伊亞州（Bahia）和馬拉尼昂州（Maranhao），東南部的米納斯吉拉斯州（Minas Gerais）和圣保羅州（Sao Paulo），南部地區(qū)的巴拉那州（Parana）、南里奧格二德州（Rio Grande do Sul）和圣卡塔琳娜州（Santa Catarina），以及北部地區(qū)的托坎廷斯州（Tocantins）播種面積占巴西大豆播種總面積的95%以上，而產(chǎn)量占巴西大豆總產(chǎn)量的99%以上[5]。因此，對(duì)這11個(gè)主產(chǎn)州大豆長(zhǎng)勢(shì)的監(jiān)測(cè)具有代表性。

常規(guī)的地面作物長(zhǎng)勢(shì)監(jiān)測(cè)可以通過(guò)作物的個(gè)體特征判斷，如葉的數(shù)量、顏色、形狀，莖的株高、干物重，根的長(zhǎng)度、數(shù)量、布局，穗的籽粒數(shù)、千粒重等，也可以通過(guò)作物的群體特征判斷，如種植密度、畝穗數(shù)、均一性、生育期動(dòng)態(tài)特征等。但不論是個(gè)體特征還是群體特征的地面調(diào)查都費(fèi)時(shí)費(fèi)力，難以在短時(shí)間內(nèi)及時(shí)獲得大范圍作物長(zhǎng)勢(shì)情況。而遙感獲得的時(shí)間序列圖像可以反映受環(huán)境影響的農(nóng)田土壤和作物特性等的光譜特征，從而提供了農(nóng)田作物生長(zhǎng)的時(shí)空變異信息，在作物生長(zhǎng)季中不同時(shí)間序列圖像可以確定作物長(zhǎng)勢(shì)的動(dòng)態(tài)變化。因此，遙感以其快速準(zhǔn)確、現(xiàn)勢(shì)性強(qiáng)等優(yōu)勢(shì)，日益成為大區(qū)域范圍內(nèi)作物長(zhǎng)勢(shì)動(dòng)態(tài)變化監(jiān)測(cè)的重要手段。

國(guó)內(nèi)外學(xué)者采用高分辨率的光學(xué)數(shù)據(jù)、雷達(dá)數(shù)據(jù)以及中低分辨率的MODIS等同遙感數(shù)據(jù)源[6-8]，利用植被指數(shù)法、同期對(duì)比法、作物生長(zhǎng)過(guò)程監(jiān)測(cè)法、模型診斷法等[9-11]，對(duì)不同作物不同生育期內(nèi)的作物長(zhǎng)勢(shì)監(jiān)測(cè)進(jìn)行了大量研究[12-14]。各國(guó)學(xué)者們對(duì)作物長(zhǎng)勢(shì)遙感數(shù)據(jù)源和監(jiān)測(cè)方法的研究大都集中在小區(qū)域范圍[15-17]，各國(guó)農(nóng)業(yè)監(jiān)測(cè)機(jī)構(gòu)也重點(diǎn)關(guān)注本國(guó)、本區(qū)域范圍內(nèi)主要作物的面積、長(zhǎng)勢(shì)、產(chǎn)量等方面[18-20]。本文則將以巴西大豆11個(gè)主產(chǎn)州為研究對(duì)象，對(duì)巴西2017年大豆長(zhǎng)勢(shì)進(jìn)行遙感監(jiān)測(cè)，并對(duì)所獲得的遙感數(shù)據(jù)進(jìn)行分析，研究巴西大豆2017年產(chǎn)量變化趨勢(shì)，以期為我國(guó)大豆進(jìn)口政策提供數(shù)據(jù)支撐。

2 數(shù)據(jù)收集與處理方法

2.1 數(shù)據(jù)源與預(yù)處理

本文遙感數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航空航天局NASA（National Aeronautics and Space Administration）網(wǎng)站的Earthdata，中分辨率成像光譜MODIS（moderate-resolution imaging spectroradiometer）衛(wèi)星中的 Terra星16天合成的500m分辨率數(shù)據(jù)[21]，下載相關(guān)數(shù)據(jù)后進(jìn)行投影轉(zhuǎn)化、分辨率重采樣（原始下載圖像分辨率非500m）、去除非植被區(qū)的NDV負(fù)值、按研究區(qū)拼接、裁切等預(yù)處理，利用這些遙感數(shù)據(jù)進(jìn)行長(zhǎng)勢(shì)實(shí)時(shí)比較監(jiān)測(cè)分析；大豆面積分布數(shù)據(jù)來(lái)源于我國(guó)農(nóng)業(yè)部農(nóng)情遙感監(jiān)測(cè)中心每年巴西大豆播種后的實(shí)時(shí)面積解譯數(shù)據(jù)，主要用來(lái)作為監(jiān)測(cè)區(qū)域面積掩膜的本底；氣象數(shù)據(jù)來(lái)源于美國(guó)農(nóng)業(yè)部網(wǎng)站USDA中外國(guó)農(nóng)業(yè)服務(wù)氣象10天合成數(shù)據(jù)，主要用來(lái)進(jìn)行作物長(zhǎng)勢(shì)氣象條件分析[22]。部分統(tǒng)計(jì)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站國(guó)際統(tǒng)計(jì)數(shù)據(jù)[23]。

2.2 作物長(zhǎng)勢(shì)監(jiān)測(cè)模型

利用遙感數(shù)據(jù)監(jiān)測(cè)作物長(zhǎng)勢(shì)的原理為：根據(jù)作物對(duì)光譜的反射特性，在可見(jiàn)光部分有較強(qiáng)的吸收峰，近紅外部分有較強(qiáng)的反射峰，這些敏感波段及其組合可以反映作物生長(zhǎng)的空間信息，進(jìn)而實(shí)現(xiàn)對(duì)作物生長(zhǎng)狀態(tài)的判斷。常用的植被指數(shù)有歸一化植被指數(shù)、差值植被指數(shù)、比值植被指數(shù)和雙差值植被指數(shù)等。在眾多的植被指數(shù)中，歸一化差分植被指數(shù)NDVI（Normalized Difference Vegetation Index）的應(yīng)用最為廣泛，被認(rèn)為是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子，是反映生物量和植被監(jiān)測(cè)的最佳指標(biāo)。經(jīng)歸一化處理的NDVI，部分消除了太陽(yáng)高度角、衛(wèi)星掃描角及大氣程輻射的影響，特別適用于全球或各大陸等大尺度的植被動(dòng)態(tài)監(jiān)測(cè)[24-26]。

其中，R為可見(jiàn)光敏感波段的反射率，NIR為近紅外敏感波段的反射率。

本文主要選擇NDVI的差值模型來(lái)評(píng)價(jià)作物長(zhǎng)勢(shì)情況。首先利用差值模型將2017年同期的遙感數(shù)據(jù)NDVI值與2016年同時(shí)段NDVI圖像進(jìn)行對(duì)比求差，從而反映作物生長(zhǎng)差異年際間空間變化狀態(tài)?；?016年作物長(zhǎng)勢(shì)已知，該方法可以反映作物生長(zhǎng)趨勢(shì)上的差異。

在式（2）中，R是作物長(zhǎng)勢(shì)指數(shù)，NDVI2017是2017年某時(shí)段NDVI像元值，NDVI2016是2016年同時(shí)段NDVI值。

根據(jù)R值的大小，對(duì)差值圖進(jìn)行分類(lèi)計(jì)算，將作物長(zhǎng)勢(shì)分為好于上年、與上年持平和差于上年3個(gè)等級(jí)。其中，針對(duì)監(jiān)測(cè)數(shù)據(jù)，質(zhì)量判斷為監(jiān)測(cè)前后2年中如有1年及以上有云覆蓋的區(qū)域則作為非監(jiān)測(cè)區(qū)處理。

3 長(zhǎng)勢(shì)的時(shí)空特征

圖3—圖5是2017年1月—3月巴西大豆長(zhǎng)勢(shì)與2016年平均長(zhǎng)勢(shì)對(duì)比情況。2017年1月，巴西大豆長(zhǎng)勢(shì)總體較好。在監(jiān)測(cè)區(qū)域11個(gè)主產(chǎn)州中，長(zhǎng)勢(shì)好于2016年的比例總體達(dá)到28.2%，其中中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州長(zhǎng)勢(shì)較好的比例都超過(guò)40%。東北部的馬拉尼昂州和北部的托坎廷斯州長(zhǎng)勢(shì)亦較好。而巴伊亞州和米納斯吉拉斯州由于天氣干燥，部分大豆長(zhǎng)勢(shì)較差，整體來(lái)說(shuō)，大豆長(zhǎng)勢(shì)不及2016年同期的比例為14.0%（圖3）。2017年2月，大豆長(zhǎng)勢(shì)總體較好的比例為24.1%，較1月略微下降，大豆長(zhǎng)勢(shì)較差的比例增加了0.8%，中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州長(zhǎng)勢(shì)依然較好（圖4），北部局部地區(qū)的洪澇影響托坎廷斯州大豆長(zhǎng)勢(shì)，對(duì)部分已經(jīng)開(kāi)始收獲地區(qū)的收獲進(jìn)度產(chǎn)生一定影響。進(jìn)入3月，巴西大豆大部處于結(jié)莢—收獲期，大部產(chǎn)區(qū)溫高光足，大豆長(zhǎng)勢(shì)整體較好，長(zhǎng)勢(shì)較好的比例占到24.9%，長(zhǎng)勢(shì)較差的比例減少至10.8%。除了前期長(zhǎng)勢(shì)一直較好的中西部地區(qū)3個(gè)州外，東北部的巴伊亞州、馬拉尼昂州，北部地區(qū)的托坎廷斯州，東南部的米納斯吉拉斯州，南部地區(qū)的巴拉那州長(zhǎng)勢(shì)都較好（圖5）?？傮w來(lái)看，巴西大豆長(zhǎng)勢(shì)在2016—2017年呈現(xiàn)“前期較好，中期略變差，后期變好”的趨勢(shì)。

圖3 2017年1月1日到1月16日巴西大豆長(zhǎng)勢(shì)遙感監(jiān)測(cè)結(jié)果

圖4 2017年2月2日到2月17日巴西大豆長(zhǎng)勢(shì)遙感監(jiān)測(cè)結(jié)果

圖5 2017年3月6日到3月21日巴西大豆長(zhǎng)勢(shì)遙感監(jiān)測(cè)結(jié)果

圖6顯示了2017年1—3月巴西大豆11個(gè)主產(chǎn)州大豆長(zhǎng)勢(shì)好、長(zhǎng)勢(shì)正常和長(zhǎng)勢(shì)差的比例變化情況。中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州，東北部的馬拉尼昂州，北部的托坎廷斯州及南部的巴拉那州，長(zhǎng)勢(shì)較好的比例一直保持在20%以上，東北部的巴伊亞州和馬拉尼昂州大豆長(zhǎng)勢(shì)較差的比例前期較大，但后期均有較大的改善。2017年巴西大豆長(zhǎng)勢(shì)整體較好，有望迎來(lái)一個(gè)豐收之年。

4 長(zhǎng)勢(shì)變化的影響因素

2016年10月巴西大豆開(kāi)始陸續(xù)播種，查詢巴西天氣預(yù)報(bào)情況獲知：由于播種時(shí)大部地區(qū)降雨形勢(shì)較好，光溫水條件總體適宜，大部地區(qū)播種進(jìn)程較快，大豆播種及出苗情況較好。進(jìn)入2016年11月后，巴西中部和東北地區(qū)大豆主產(chǎn)區(qū)降雨較常年同期偏多，雨量充沛，利于大豆作物苗期生長(zhǎng)，但巴西南部天氣干燥，墑情下滑，對(duì)部分地區(qū)的播種及出苗率略有影響。2016年12月，巴西農(nóng)業(yè)產(chǎn)區(qū)的天氣整體良好，特別是降水的覆蓋率和降雨量都明顯大于常年，良好的土壤墑情對(duì)大豆生長(zhǎng)較為有利，大豆長(zhǎng)勢(shì)好于2015年同期，只有東南部、東北部等地局部干燥天氣和南部地區(qū)局部出現(xiàn)前期干燥、后期農(nóng)田過(guò)濕的現(xiàn)象，對(duì)大豆播種和苗期生長(zhǎng)略有影響。進(jìn)入2017年1月，巴西大部地區(qū)降水狀況良好，農(nóng)田墑情基本適宜，但東南部、東北部等地局部降水前期偏少，但月內(nèi)后期出現(xiàn)較大范圍降水，土壤墑情得到改善。2017年2月，巴西大豆大部處于開(kāi)花結(jié)莢期，大豆主產(chǎn)區(qū)降水范圍進(jìn)一步增加，主產(chǎn)區(qū)有50～200mm的降水，北部局部地區(qū)降水達(dá)到250～350mm，引發(fā)局部地區(qū)洪澇，對(duì)部分已經(jīng)開(kāi)始收獲的大豆，收獲進(jìn)度產(chǎn)生一定影響，其余大部溫高光足，土壤墑情適宜，大豆長(zhǎng)勢(shì)總體正常。2017年3月，巴西大豆大部處于結(jié)莢—收獲期，大部產(chǎn)區(qū)溫高光足，對(duì)產(chǎn)量形成和整體收獲較為有利，大豆長(zhǎng)勢(shì)整體較好。總體來(lái)看，2017年盡管巴西局部地區(qū)出現(xiàn)階段性干旱、土壤過(guò)濕等不利條件，但2017年的光溫水條件總體利于大豆生長(zhǎng)，為巴西全國(guó)大豆單產(chǎn)增加發(fā)揮了重要作用。

圖6 2017年1—3月巴西大豆主產(chǎn)州大豆長(zhǎng)勢(shì)變化情況

5 結(jié)論與討論

（1）本文對(duì)2017年巴西大豆長(zhǎng)勢(shì)的遙感監(jiān)測(cè)分析表明：2017年1—3月，巴西大豆長(zhǎng)勢(shì)呈現(xiàn)了“前期較好，中期略變差，后期變好”的趨勢(shì)，大豆長(zhǎng)勢(shì)總體好于2016年同期，2017年巴西大豆有望成為豐收之年。因此，建議我國(guó)政府在制定2017年大豆進(jìn)口政策和談判過(guò)程中予以關(guān)切。

（2）本研究監(jiān)測(cè)對(duì)象為巴西大豆，缺乏足夠的地面驗(yàn)證資料，因此監(jiān)測(cè)精度有待提高，未來(lái)希望能與巴西農(nóng)業(yè)部門(mén)積極合作，共享一些當(dāng)?shù)剞r(nóng)業(yè)地面驗(yàn)證數(shù)據(jù)。

（3）遙感模型雖然具有快速、客觀的優(yōu)勢(shì)，但要從機(jī)理上對(duì)作物長(zhǎng)勢(shì)變化進(jìn)行分析，離不開(kāi)作物模型。遙感模型反演參數(shù)和作物模型的進(jìn)一步結(jié)合，是今后精確模擬作物生長(zhǎng)發(fā)育過(guò)程的方向。

[1]強(qiáng)文麗,成升魁,劉愛(ài)民, 等.巴西大豆資源及其供應(yīng)鏈體系研究[J].資源科學(xué),2011,33(10)：1855-1862.

[2]龍吉澤. 巴西的農(nóng)業(yè)生產(chǎn)及農(nóng)業(yè)機(jī)械化[J]. 湖南農(nóng)機(jī),2014(12)：95-96.

[3]趙秀二, 侯英雨. 巴西大豆產(chǎn)量變化趨勢(shì)與展望[J].農(nóng)業(yè)展望 , 2010, 6(7)：33-35.

[4]黎海波. 巴西農(nóng)業(yè)與農(nóng)機(jī)化[J]. 湖南農(nóng)機(jī), 2005(6)：38-39.

[5]巴西農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)[EB/OL].[2017-05-10]. http：//www.ibge.gov.br/english/.

[6]李丹,韓留生,黃思宇,等.基于HJ-1數(shù)據(jù)的冬小麥種植面積、長(zhǎng)勢(shì)與收割進(jìn)度遙感監(jiān)測(cè)[J].中國(guó)農(nóng)學(xué)通報(bào),2016,32(12)：20-28.

[7]FIEUZAL R, SICRE C M, BAUP F. Estimation of corn yield using multi-temporal optical and radar satellite data and arti fi cial neural networks[J]. International Journal of Applied Earth Observation and Geoinformation,2017(57)： 14-23.

[8]黃青,周清波,王利民,等.基于遙感的冬小麥長(zhǎng)勢(shì)等級(jí)與氣象因子相關(guān)性分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014,45(10)： 318-324.

[9]王來(lái)剛,鄒春輝,劉婷,等.河南省冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè)指標(biāo)的適宜性[J].麥類(lèi)作物學(xué)報(bào),2013,33(5)：1006-1011.

[10]孫晨紅,楊貴軍,董燕生,等.旱凍雙重脅迫下的冬小麥幼苗長(zhǎng)勢(shì)遙感監(jiān)測(cè)研究[J].麥類(lèi)作物學(xué)報(bào), 2014,34(5)：635-641.

[11]烏二吐雅,烏二,姜英君,等.基于MODIS NDVI的春小麥苗期長(zhǎng)勢(shì)監(jiān)測(cè)：以呼倫貝爾市大興安嶺西麓為例[J].安徽農(nóng)業(yè)科學(xué),2015,43(31)：356-358.

[12]FIEUZAL R, BAUP F, MARAIS-SICRE C. Monitoring wheat and rapeseed by using synchronous optical and radar satellite data： from temporal signatures to crop parameters estimation[J]. Advances in Remote Sensing,2013(2)： 162-180.

[13]REN D D W, TRIPATHI S, LI LK B. Low-cost multispectral imaging for remote sensing of lettuce health[J].Journal of Applied Remote Sensing,2017,11(1).DOI：10.1117/1.JRS.11.016006.：016006.

[14]黃敏堂,陳燕麗,王國(guó)安,等.HJ-1星上思縣甘蔗工藝成熟期長(zhǎng)勢(shì)多年對(duì)比監(jiān)測(cè)[J].安徽農(nóng)業(yè)科學(xué), 2014,42(36)：13129-13131.

[15]CLAVERIE M, DEMAREZ V, DUCHEMIN B, et al.Maize and sunflower biomass estimation in southwest France using high spatial and temporal resolution remote sensing data[J]. Remote Sensing of Environment,2012,124： 844-857.

[16]黃青，王利民，滕飛.基于MODIS-NDVI數(shù)據(jù)提取新疆棉花播種面積信息及長(zhǎng)勢(shì)監(jiān)測(cè)方法研究[J].干旱地區(qū)農(nóng)業(yè)研究, 2011,29(2)：213-217.

[17]武晉雯,張玉書(shū),馮銳,等.遼寧省作物長(zhǎng)勢(shì)遙感評(píng)價(jià)方法[J].安徽農(nóng)業(yè)科學(xué),2009,37(36)：18104-18107.

[18]NASA TECHNICAL REPORTS. The LACIE crop years-an assessment of the crop conditions experienced in the three years of LACIE[EB/OL].[2014-05-25].http：//ntrs.nasa.gov/index.jsp.

[19]SUSHIL Pradhan. Crop area estimation using GIS，remote sensing and area frame sampling[J]. International Journal of Applied Earth Observation and Geoinformation, 2001, 3(1)：86-92.

[20]FAO. Multiple frame agricultural surveys Volume 2：Agricultural surveys programs based on area frame or dual frame (area and list) sample designs[M]. Rome ：Food and Agriculture Organization, 1998.

[21]MODIS16天合成數(shù)據(jù) [EB/OL].[2017-01-20].https：//urs.earthdata.nasa.gov.

[22]巴西氣象10天合成數(shù)據(jù)[EB/OL]. [2017-01-20].https：//www.pecad.fas.usda.gov/cropexplorer/imageview.aspx?regionid=br.

[23]巴西大豆播種面積 [EB/OL].[2017-01-20].http：//data.stats.gov.cn.

[24]林文鵬,王長(zhǎng)耀.大尺度作物遙感監(jiān)測(cè)方法與應(yīng)用[M].北京：科學(xué)出版社出版,2010：69-78.

[25]楊小喚,張香平,江東.基于MODIS時(shí)序NDVI特征值提取多作物播種面積的方法[J].資源科學(xué), 2004,26(6)：17-22.

[26]吳炳方,張峰,劉成林,等.農(nóng)作物長(zhǎng)勢(shì)綜合遙感監(jiān)測(cè)方法 [J].遙感學(xué)報(bào) ,2004,8(6)：498-514.

Analysis of Soybean Growth Condition Based on MODIS-NDVI Data in Brazil of 2017

HUANG Qing, LIU Hang, ZOU Jinqiu
(Institute of Agricultural Resources and Regional Planning of Chinese Academy of Agricultural Sciences,Beijing 100081)

Brazil is the second largest soybean production and export country in the world, which is also the most important soybean import country to China. The yield changes and the supply of Brazil’ soybean have great impacts both on the international soybean market and Chinese soybean import and export, which also become one of the important factors affecting the safety of food supply in China .Using Normalized Difference Vegetation Index (NDVI), which is the most widely used in crop growth remote sensing monitoring at present, this paper monitored and analyzed the soybean growth condition in Brazil in 2017 using a difference crop model by comparing the growth condition average values of this year with those of the same period of last year. The study can obtain the changing trend of soybean yield in 2017, and provide the data support for China's soybean import policy. The results showed that the soybean growth condition in Brazil showed “better in the early period in 2017,slightly worse in the middle period, and better again in the late "tendency. The soybean growing conditions were overall better than last year. In spatial distribution, the soybean growth condition was better than the same period of last year in Midwest, Northeast and Southeast of Brazil, while in Southern states, the soybean growth condition showed a normal state compared with the same period of last year. From the autumn of 2016 to March of 2017 year, the overall weather were fine are the main agricultural regions of Brazil, soil moisture was all favorable to the soybean growth, which are the main reasons that the soybean growth was better than last year in Brazil.

MODIS data, NDVI, crop growth monitoring, Brazil, soybean

S127

A

10.3772/j.issn.1674-1544.2017.06.009

黃青（1978—），女，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所副研究員，研究方向：農(nóng)情遙感監(jiān)測(cè)；劉航（1992—），女，中國(guó)農(nóng)業(yè)科學(xué)院研究生院碩士研究生，研究方向：農(nóng)情遙感監(jiān)測(cè)；鄒金秋（1975—），男，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源“歐盟作物模型BioMA在中國(guó)的適應(yīng)性研究”與農(nóng)業(yè)區(qū)劃研究所助理研究員，研究方向：智慧農(nóng)業(yè)（通訊作者）。

農(nóng)業(yè)部“引進(jìn)國(guó)際先進(jìn)農(nóng)業(yè)科學(xué)技術(shù)”（948計(jì)劃）資助“農(nóng)業(yè)遙感監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)引進(jìn)”（2016-X38）；國(guó)家科技基礎(chǔ)性工作專(zhuān)項(xiàng)項(xiàng)目“科技基礎(chǔ)性工作數(shù)據(jù)資料集成與規(guī)范化整編”（2013FY110900）；中央級(jí)公益性科研院所專(zhuān)項(xiàng)資金資助項(xiàng)目“歐盟作物模型BioMA在中國(guó)的適應(yīng)性研究”（IARRP-720-33）。

2017年7月14日。