基于NDVI的2017年阿根廷大豆分布及長(zhǎng)勢(shì)數(shù)據(jù)分析

孫 偉 張 峭 齊亞楠 竇紅濤

（1. 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所農(nóng)業(yè)部農(nóng)業(yè)大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室，北京 100081；2. 中國(guó)人民大學(xué)環(huán)境學(xué)院，北京 100872）

基于NDVI的2017年阿根廷大豆分布及長(zhǎng)勢(shì)數(shù)據(jù)分析

孫 偉1張 峭1齊亞楠2竇紅濤2

（1. 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所農(nóng)業(yè)部農(nóng)業(yè)大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室，北京 100081；2. 中國(guó)人民大學(xué)環(huán)境學(xué)院，北京 100872）

采用遙感手段提取作物分布并監(jiān)測(cè)其長(zhǎng)勢(shì)對(duì)動(dòng)態(tài)感知糧食安全具有重要意義?；贛ODIS-NDVI產(chǎn)品，結(jié)合阿根廷大豆物候特征，快速提取阿根廷大豆分布及長(zhǎng)勢(shì)情況，并使用農(nóng)用地連片系數(shù)FCI校正由尺度效應(yīng)造成的面積失真。在此基礎(chǔ)上，使用距平分析監(jiān)測(cè)大豆長(zhǎng)勢(shì)，計(jì)算DSI指數(shù)監(jiān)測(cè)干旱過(guò)程。結(jié)果表明：提取的近3年阿根廷大豆種植面積與美國(guó)農(nóng)業(yè)部公布數(shù)據(jù)變化趨勢(shì)一致，主產(chǎn)區(qū)種植比例高度吻合。2017年阿根廷大豆整體長(zhǎng)勢(shì)較差，副產(chǎn)區(qū)長(zhǎng)勢(shì)優(yōu)于主產(chǎn)區(qū)，各主產(chǎn)省種植空間分布呈現(xiàn)離散或聚集變化。大豆種植面積及分布、長(zhǎng)勢(shì)的變化與干旱過(guò)程在時(shí)間和空間上具有高度耦合關(guān)系。提出的“物候匹配-LUCC降尺度作物提取法”具有準(zhǔn)確快速的特點(diǎn)，通過(guò)改良和修正可用于其他作物的有效提取與監(jiān)測(cè)。

植被指數(shù)；大豆種植面積；長(zhǎng)勢(shì)監(jiān)測(cè)；阿根廷；距平分析；干旱嚴(yán)重指數(shù)

1 引言

遙感技術(shù)的快速發(fā)展為監(jiān)測(cè)全球大尺度農(nóng)作物種植及生長(zhǎng)狀況提供了可能，是動(dòng)態(tài)感知糧食安全的主要手段。近年來(lái)，Landsat、SPOT、MODIS以及CBERS等衛(wèi)星的影像數(shù)據(jù)已經(jīng)被成功用于宏觀尺度上小麥、玉米、水稻等作物的種植區(qū)提取和長(zhǎng)勢(shì)監(jiān)測(cè)且得到了滿意的精度[1]，但很少用于對(duì)大豆種植的分布提取和長(zhǎng)勢(shì)監(jiān)測(cè)，而面對(duì)國(guó)內(nèi)大豆及其產(chǎn)品供應(yīng)偏緊的市場(chǎng)格局，國(guó)際大豆種植情況的變化將直接影響我國(guó)大豆進(jìn)口價(jià)格。因此，研究開發(fā)用于大豆種植遙感識(shí)別和長(zhǎng)勢(shì)監(jiān)測(cè)的方法與技術(shù)流程對(duì)于分析全球大豆市場(chǎng)行情具有重要意義。

目前，常見作物的遙感識(shí)別的方法主要有物候識(shí)別、光譜識(shí)別和物候-光譜識(shí)別[2]。物候識(shí)別容易受到生長(zhǎng)期相同的其他作物或植被的干擾[3]，而光譜識(shí)別則存在同物異譜和異物同譜的問題[4]。因此，作物識(shí)別精度受地區(qū)農(nóng)業(yè)種植結(jié)構(gòu)復(fù)雜程度的影響較大。阿根廷是全球大豆主產(chǎn)區(qū)之一，且其作物種植結(jié)構(gòu)比較單一，大豆占主導(dǎo)地位，采用中低分辨率的遙感影像提取種植分布具備較大的可行性。此外，作物識(shí)別精度取決于選取的遙感信息源，在國(guó)家尺度上的大豆種植監(jiān)測(cè)中，對(duì)于時(shí)空分辨率的選擇應(yīng)更側(cè)重時(shí)間分辨率，使數(shù)據(jù)能夠覆蓋作物生長(zhǎng)期的各個(gè)時(shí)段，避免過(guò)高光譜分辨率帶來(lái)的時(shí)相不佳、數(shù)據(jù)不全等系列問題[5-8]，由于降低了對(duì)空間分辨率的要求則導(dǎo)致監(jiān)測(cè)結(jié)果因尺度效應(yīng)與區(qū)域統(tǒng)計(jì)數(shù)據(jù)產(chǎn)生一定偏離，因此需要進(jìn)行后期修正。本文利用MODIS植被指數(shù)產(chǎn)品（NDVI）時(shí)相豐富的特點(diǎn)，采用物候法識(shí)別大豆，并采用具有較高分辨率的農(nóng)用地分布數(shù)據(jù)進(jìn)行降尺度處理，從而得到精度較高的阿根廷大豆空間分布數(shù)據(jù)?；诖蠖狗植紨?shù)據(jù)，使用距平分析法對(duì)大豆長(zhǎng)勢(shì)逐月監(jiān)測(cè)，同時(shí)利用干旱指數(shù)DSI監(jiān)測(cè)生長(zhǎng)期內(nèi)干旱發(fā)生情況，全面解析2017年阿根廷大豆種植及長(zhǎng)勢(shì)情況。

2 研究區(qū)與數(shù)據(jù)源

阿根廷位于南美洲南部，地理范圍為：53°35′W-73°37′W，21°46′S-55°07′S。東臨南大西洋，西接智利，南與南極洲隔海相望，北接巴拉圭、玻利維亞。國(guó)土面積278.1萬(wàn)km2，是拉丁美洲第二大國(guó)，僅次于巴西。阿根廷地形西高東低，西部是以安第斯山脈為主體的山地；東部和中部的潘帕斯草原是著名的農(nóng)牧區(qū)；北部主要是格二查科平原，沼澤、森林較多；南部是巴塔哥尼亞高原。阿根廷農(nóng)業(yè)用地主要分布于中東部地區(qū)，北部也有少量分布，總面積達(dá)35.32萬(wàn)km2。其農(nóng)牧區(qū)大都位于溫帶和亞熱帶地區(qū)，天氣溫暖，降水量較大，濕度較高，是世界最適宜農(nóng)業(yè)生產(chǎn)的區(qū)域之一。阿根廷農(nóng)作物種植結(jié)構(gòu)較為單一，大豆、玉米和小麥?zhǔn)前⒏⒌娜笾鳟a(chǎn)作物，并且大豆種植面積占據(jù)絕對(duì)優(yōu)勢(shì)。阿根廷大豆主產(chǎn)區(qū)包括布宜諾斯艾利斯省、科爾多瓦省、圣菲省，副產(chǎn)區(qū)包括恩特雷里奧斯省、圣地亞哥-德爾埃斯特羅省、拉潘帕省等。圖1為研究區(qū)位置示意圖。

研究使用的數(shù)據(jù)包括聯(lián)合國(guó)糧農(nóng)組織各國(guó)糧食簡(jiǎn)報(bào)中提供的阿根廷作物生長(zhǎng)期數(shù)據(jù)（http：//www.fao.org/giews/country-analysis/countrybriefs）；美國(guó)國(guó)家航空航天局地球科學(xué)數(shù)據(jù)系統(tǒng)項(xiàng)目提供的MODIS Terra星16天合成NDVI產(chǎn)品、8天合成凈蒸散（ET）產(chǎn)品，空間分辨率均為500m（https：//search.earthdata.nasa.gov/search）；中國(guó)科學(xué)院地理科學(xué)與資源研究所資源環(huán)境數(shù)據(jù)中心的全球1：100萬(wàn)國(guó)家邊界和省級(jí)行政邊界數(shù) 據(jù)（http：//www.resdc.cn/Default.aspx）； 阿 根廷2010年30米土地覆蓋數(shù)據(jù)，來(lái)源于全球30米土地覆蓋數(shù)據(jù)集（http：//www.globeland30.org/GLC30Download/index.aspx）。在時(shí)間范圍上包括2011—2017年11月至次年4月NDVI產(chǎn)品，2014—2017年11月至次年3月ET產(chǎn)品，數(shù)據(jù)較為完整地覆蓋了阿根廷大豆生長(zhǎng)周期。

圖1 研究區(qū)位置示意圖

3 研究方法

3.1 大豆物候特征

不同作物及同一作物在不同生長(zhǎng)發(fā)育時(shí)期，具有不同的生理特征，這些特征在一定程度上可以通過(guò)其光譜反射和吸收特性表現(xiàn)出來(lái)，因此，光譜反射率的差異及其組合可以作為作物類型識(shí)別的重要依據(jù)[9]。植被指數(shù)利用了綠色植物葉片在不同光譜段的反差組合來(lái)定量描述植被特征，是到目前為止用于區(qū)分不同地物類型或植被類型以及監(jiān)測(cè)植被生長(zhǎng)狀態(tài)的最有效方法[10]。而在眾多的植被指數(shù)中，NDVI在農(nóng)業(yè)遙感中的應(yīng)用最為普遍，被認(rèn)為是作物生長(zhǎng)狀態(tài)的最佳指示因子[11]。NDVI的計(jì)算方法如式（1）所示：

在大豆出苗、開花、結(jié)莢、鼓粒和成熟的整個(gè)發(fā)育過(guò)程中，NDVI會(huì)表現(xiàn)出相應(yīng)的增減變化。當(dāng)作物的葉片面積增大時(shí)，NDVI隨之增大，葉面積最大時(shí)植被指數(shù)也達(dá)到最大值，而當(dāng)作物進(jìn)入成熟期，光合作用下降，葉綠素降低，NDVI值也相應(yīng)降低，作物成熟后隨著收割活動(dòng)的開展會(huì)造成植被覆蓋的急劇下降。阿根廷大豆播種從11月上旬開始，一直持續(xù)到12月下旬，其中11月是最重要的種植時(shí)間；1月到3月上旬為大豆的關(guān)鍵生長(zhǎng)期，大部分種植區(qū)的大豆在2月下旬到3月上旬是結(jié)莢灌漿期；從3月下旬開始進(jìn)入收獲期，3月下旬到5月上旬大豆陸續(xù)成熟收割。一般而言，在結(jié)莢灌漿期大豆葉面積達(dá)到最大，此時(shí)NDVI也達(dá)到了峰值[12]，而在4月因作物成熟和農(nóng)戶的收獲活動(dòng)，NDVI會(huì)急劇下降。根據(jù)這一物候特征，可以利用時(shí)間序列NDVI產(chǎn)品提取大豆種植區(qū)。圖2為大豆多年種植區(qū)11月上旬到來(lái)年4月下旬平均NDVI值時(shí)間動(dòng)態(tài)變化曲線。

圖2 大豆生長(zhǎng)期平均NDVI變化曲線

3.2 大豆種植區(qū)提取流程

大豆種植區(qū)的提取包括數(shù)據(jù)預(yù)處理和物候特征匹配，其中數(shù)據(jù)預(yù)處理包括對(duì)NDVI產(chǎn)品進(jìn)行圖幅拼接、投影轉(zhuǎn)換和影像裁剪以及去負(fù)值等預(yù)處理工作，坐標(biāo)系統(tǒng)由原始的Sinusoidal轉(zhuǎn)換為在南美地區(qū)變形較小的WGS_1984_UTM_19S投影。物候特征匹配主要通過(guò)最大合成NDVI與大豆結(jié)莢灌漿期時(shí)間的匹配和4月份NDVI明顯下降兩個(gè)特征匹配。式（2）為匹配技術(shù)原理。

在式（2）中，Rpotential表示潛在大豆種植區(qū)，當(dāng)滿足match中的條件時(shí)，值取1，表示是大豆?jié)撛诜N植區(qū)，否則值為0，表示非大豆種植區(qū)。Max（NDVIi）為大豆生長(zhǎng)期12個(gè)旬里NDVI最大合成值，NDVI為第i日的NDVI值，取值分別為某年第305天至次年第113天以16天為間隔的12個(gè)旬的NDVI，如NDVI065表示次年第65天的NDVI，-0.05表示后一期NDVI比前一期下降至少5%。

由于MODIS空間分辨率較低，無(wú)法區(qū)分細(xì)碎地物，使得在潛在大豆種植區(qū)中包含了其他地物。一個(gè)較為快捷和準(zhǔn)確的方法是使用農(nóng)用地連片系數(shù)FCI （Farmland Connectivity Index）進(jìn)行校正，從而得到能夠表示大豆種植率的空間網(wǎng)格Rsoybean。FCI借助具有較高分辨率的30m土地利用，可以通過(guò)統(tǒng)計(jì)柵格單元中農(nóng)用地的面積比例得到，優(yōu)點(diǎn)是通過(guò)高精度的土地利用/覆蓋產(chǎn)品實(shí)現(xiàn)了降尺度的效果，過(guò)濾了存在于非農(nóng)用地中的提取誤差。而Rsoybean的優(yōu)點(diǎn)是直觀表達(dá)大豆?jié)撛诜N植區(qū)混合像元的異質(zhì)程度，且便于統(tǒng)計(jì)有效種植面積。計(jì)算方法如式（3）和式（4）所示。

在式（3）和式（4）中，Aa為某柵格單元中農(nóng)用地的面積，Ag為柵格單元面積，含義同式（2），Rsoybean是FCI在潛在大豆種植區(qū)的表達(dá)，綜合了大豆的物候特征和農(nóng)用地分布情況，直觀反映大豆空間分布及其柵格單元尺度上的種植比例，取值范圍與FCI一致，介于0和1之間，而FCI則表示一個(gè)柵格單元中可用于大豆種植的概率。圖3是FCI與Rsoybean的對(duì)比圖。

圖3 FCI與Rsoybean對(duì)比圖

3.3 長(zhǎng)勢(shì)與干旱指數(shù)

本文對(duì)于大豆長(zhǎng)勢(shì)的判斷是通過(guò)NDVI距平分析得到。距平分析是指通過(guò)將某時(shí)段的指標(biāo)值與多年同期平均水平進(jìn)行差值分析判斷該時(shí)段的指標(biāo)狀況。NDVI的距平計(jì)算方法如式（5）。

其中，Andvi為NDVI距平值，NDVIi含義同式（2），為NDVI多年同期平均值。

干旱嚴(yán)重指數(shù)（DSI）是通過(guò)衛(wèi)星遙感數(shù)據(jù)監(jiān)測(cè)地球表面的干旱程度，它通過(guò)綜合MODIS衛(wèi)星數(shù)據(jù)產(chǎn)品NDVI和ET/PET（蒸散/潛在蒸散）來(lái)表達(dá)作物的光合作用狀態(tài)和水分脅迫情況。其中，ET是植被蒸騰和土壤蒸發(fā)的總和值，PET是指在一系列最佳條件下土壤水分供應(yīng)充足時(shí)的蒸散量。ET基于Penman-Monteith公式[13]計(jì)算所得，PET基于Penman公式計(jì)算所得。ET與PET的比值通常用作陸地水分可利用度和相關(guān)濕度或干旱程度的指標(biāo)。DSI提供了近乎實(shí)時(shí)的干旱監(jiān)測(cè)能力，不僅能夠用來(lái)監(jiān)測(cè)氣象干旱，而且能夠有效監(jiān)測(cè)農(nóng)業(yè)干旱[14]，從而幫助決策者進(jìn)行區(qū)域干旱評(píng)估和減災(zāi)工作。相關(guān)的計(jì)算如下：

如今，當(dāng)我懷揣著文學(xué)夢(mèng)，亦步亦趨來(lái)到北大之后，每天我只有珍惜，只有感恩，有時(shí)，我會(huì)擔(dān)心第二天一覺醒來(lái)，發(fā)現(xiàn)自己不在北大。我現(xiàn)在能做的，就是對(duì)身邊的每一個(gè)人好，用我的筆勤奮地耕耘下去，縱然艱難，但身處這樣一個(gè)和諧的環(huán)境內(nèi)，不對(duì)立就是進(jìn)步，就是人生最大的成功。

式（6）—式（10）中，NDVI、ET/PET、DSI分別為某年某旬的歸一化植被指數(shù)、蒸散與潛在蒸散比以及干旱嚴(yán)重指數(shù)；ZNDVI、ZET/PET、ZDSI分別為標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化后某年某旬的NDVI、ET/PET以及DSI；分別為多年同期平均NDVI、多年同期平均ET/PET以及多年同期平均Z值；σNDVI、σET/PET、σZ分 別 為NDVI、ET/PET以及DSI的標(biāo)準(zhǔn)差；σ為變量X的標(biāo)準(zhǔn)差，為變量X的平均值，n為X的個(gè)數(shù)。本文中n為數(shù)據(jù)的旬?dāng)?shù)。關(guān)于ET/PET的計(jì)算方法見http：//www.unc.edu/courses/2008spring/geog/577/001/www/Mu07-RSE.pdf[15]。

4 結(jié)果與分析

（1）大豆種植區(qū)空間分布及面積統(tǒng)計(jì)

根據(jù)大豆種植率空間網(wǎng)格計(jì)算得到阿根廷近3年大豆種植面積。結(jié)果表明，2015-2017年阿根廷大豆種植面積呈小幅下降趨勢(shì)，2017年阿根廷大豆總的種植面積為1695.77萬(wàn)公頃，相比2016年和2015年分別減少8.79萬(wàn)公頃、43.79萬(wàn)公頃。圖4為本研究提取面積與美國(guó)農(nóng)業(yè)部USDA公布的阿根廷大豆種植面積對(duì)比結(jié)果，變化趨勢(shì)一致。

圖4 USDA-PSD大豆種植面積與本研究提取面積對(duì)比

2017年阿根廷大豆種植仍然以布宜諾斯艾利斯省、科爾多瓦省和圣菲省最多。這3個(gè)省的種植面積占總種植面積的70.51%。其次是恩特雷里奧斯省、圣地亞哥-德爾埃斯特羅省、拉潘帕省，種植面積占總種植面積的18.27%。因此，全國(guó)近90%的大豆都種植在上述6個(gè)省份里，是阿根廷大豆的主副產(chǎn)區(qū)。其他省份僅有少量種植。

除了大豆種植總面積發(fā)生小幅波動(dòng)外，各省的種植面積年度變化特征也各異。2015—2017年，布宜諾斯艾利斯省大豆種植面積在數(shù)量上呈現(xiàn)小年→大年→小年，在分布上呈現(xiàn)由離散→東部、南部局部聚集→西部聚集的動(dòng)態(tài)特征；科爾多瓦省大豆種植面積在數(shù)量上呈現(xiàn)大年→小年→大年，在分布上表現(xiàn)為由中部帶狀聚集轉(zhuǎn)為中東部、南部片狀離散；圣菲省大豆種植面積逐年增加，在分布上表現(xiàn)為整體離散，中部較集中的特征。而在副產(chǎn)區(qū)，種植面積主要表現(xiàn)為北部的圣地亞哥-德爾埃斯特羅省逐年增加、中東部的恩特雷里奧斯省先小幅增加后大幅減少以及中南部的拉潘帕省先減后增等特征，在分布上這3個(gè)省分別表現(xiàn)出東部集中→東部離散、中部集中→中北部離散以及東部離散→東部相對(duì)集中的分布態(tài)勢(shì)。查科省、圣路易斯省、圖庫(kù)曼省種植面積逐年下降，分布上存在離散化趨勢(shì)；薩爾塔省2017年種植面積與2015年和2016年相比有較大幅度下降，分布明顯離散化。其他省份種植面積很少。種植面積與分布的變化如圖5所示。

（2）阿根廷大豆長(zhǎng)勢(shì)情況距平分析

長(zhǎng)勢(shì)監(jiān)測(cè)通過(guò)對(duì)當(dāng)年作物生長(zhǎng)各階段長(zhǎng)勢(shì)與多年平均水平的比較，得出作物長(zhǎng)勢(shì)好壞的相對(duì)信息，為作物估產(chǎn)提供基礎(chǔ)信息，并有助于間接識(shí)別旱澇災(zāi)害和作物病蟲害等氣象、農(nóng)業(yè)災(zāi)害。

距平分析表明，2016—2017年度阿根廷大豆長(zhǎng)勢(shì)前期較差，后期較好，整體較差，尤其是主產(chǎn)區(qū)布宜諾斯艾利斯省、科爾多瓦省和圣菲省。從空間分布來(lái)看，2016年11月長(zhǎng)勢(shì)較差的地區(qū)分布在布宜諾斯艾利斯省中部和南部，至12月上旬?dāng)U展至科爾多瓦省、圣菲省中南部。12月下旬至2017年1月中旬布宜諾斯艾利斯省及其同緯度的拉潘帕省長(zhǎng)勢(shì)漸好，但科爾多瓦省長(zhǎng)勢(shì)持續(xù)較差。2017年2月長(zhǎng)勢(shì)較差的區(qū)域主要集中在圣菲省。3月上旬除科爾多瓦省和圣菲省少數(shù)區(qū)域長(zhǎng)勢(shì)較差外，其余地區(qū)長(zhǎng)勢(shì)較好。圖6展現(xiàn)了阿根廷主副產(chǎn)區(qū)大豆生長(zhǎng)期旬尺度的長(zhǎng)勢(shì)情況。

圖5 阿根廷大豆種植分布及省級(jí)種植面積統(tǒng)計(jì)

圖6 阿根廷大豆生長(zhǎng)期旬尺度的長(zhǎng)勢(shì)狀況示意圖

統(tǒng)計(jì)結(jié)果表明，2017年阿根廷大豆長(zhǎng)勢(shì)整體較差，尤其表現(xiàn)為大豆種植期和出苗期主產(chǎn)區(qū)長(zhǎng)勢(shì)較差，主產(chǎn)區(qū)長(zhǎng)勢(shì)差于多年平均水平的比例，均在10%左右，而副產(chǎn)區(qū)基本低于10%并且多保持在5%及以下；長(zhǎng)勢(shì)差于或者略差于多年平均水平的比例主產(chǎn)區(qū)大都保持在35%以下而副產(chǎn)區(qū)大部分在30%以下；長(zhǎng)勢(shì)好于或者略好于多年平均水平的比例主產(chǎn)區(qū)保持在35%左右，而副產(chǎn)區(qū)保持在45%～65%，尤其是圣地亞哥-德爾埃斯特羅省和恩特雷里奧斯省長(zhǎng)勢(shì)很好；主產(chǎn)區(qū)長(zhǎng)勢(shì)好于多年平均水平的多低于10%（圖7）。

（3）干旱過(guò)程監(jiān)測(cè)及對(duì)種植面積和長(zhǎng)勢(shì)影響

利用MODIS的NDVI產(chǎn)品和ET產(chǎn)品，計(jì)算干旱嚴(yán)重指數(shù)DSI，監(jiān)測(cè)阿根廷大豆生長(zhǎng)期干旱過(guò)程。受NDVI和ET數(shù)據(jù)可得性的影響，計(jì)算得到的DSI指數(shù)沒有覆蓋整個(gè)大豆生長(zhǎng)期（缺少2017年1月上旬—2月上旬和2017年3月下旬—4月下旬，其中，后一個(gè)時(shí)段為收獲期，干旱對(duì)作物產(chǎn)量影響很小，可以不考慮）。因此，本文對(duì)2016—2017年大豆干旱情況分析僅限于2016年11月上旬—12月中旬以及2017年2月下旬—2017年3月上旬。

干旱監(jiān)測(cè)結(jié)果表明，在大豆主副產(chǎn)區(qū)，2016年11月下旬干旱嚴(yán)重，并呈現(xiàn)逐漸加重趨勢(shì)，直至2016年12月中旬；2017年2月下旬至2017年3月上旬主產(chǎn)區(qū)干旱緩解，干旱轉(zhuǎn)移至西部非大豆種植區(qū)。在大豆種植期和出苗期的嚴(yán)重干旱主要發(fā)生在布宜諾斯艾利斯省，而科爾多瓦省、圣菲省以及恩特雷里奧斯省也較為干旱，其他個(gè)別省份也有部分地區(qū)發(fā)生干旱，但大豆種植面積不多。大豆結(jié)莢灌漿期主副產(chǎn)區(qū)長(zhǎng)勢(shì)良好，較為干旱的地區(qū)分布在布宜諾斯艾利斯省南緣以及其北部與科爾多瓦省、圣菲省交界處且面積較小，程度較輕（圖8）。

綜合大豆生長(zhǎng)期干旱過(guò)程及種植面積變化、長(zhǎng)勢(shì)狀況可以得出：大豆種植期和出苗期主產(chǎn)區(qū)的干旱過(guò)程造成了布宜諾斯艾利斯省大豆種植面積的減少，且12月上旬以前主產(chǎn)區(qū)長(zhǎng)勢(shì)較差，并呈現(xiàn)出種植區(qū)由東部、南部聚集轉(zhuǎn)為西部聚集的變化。在大豆結(jié)莢灌漿期，布宜諾斯艾利斯省北部和科爾多瓦省、圣菲省交界處的輕度干旱也造成了該區(qū)域大豆長(zhǎng)勢(shì)不佳。由干旱指數(shù)分布圖與年際間大豆面積變化可以看出，阿根廷大豆種植面積的減少和空間分布的變化與干旱區(qū)域分布存在高度耦合關(guān)系。

5 結(jié)論與討論

本文提出了一種適于阿根廷大豆種植分布識(shí)別的“物候匹配-LUCC（土地利用）降尺度”提取法，利用MODIS的NDVI、ET等產(chǎn)品及土地利用數(shù)據(jù)，結(jié)合阿根廷大豆物候特征，對(duì)2017年阿根廷大豆種植的面積提取、長(zhǎng)勢(shì)監(jiān)測(cè)和干旱監(jiān)測(cè)進(jìn)行了研究。結(jié)果表明，本文使用的提取流程和技術(shù)方法能夠快速、準(zhǔn)確地識(shí)別阿根廷大豆種植區(qū)，利用30m分辨率土地利用構(gòu)建的FCI可有效減少尺度效應(yīng)的影響從而提高種植范圍的識(shí)別精度。采用美國(guó)農(nóng)業(yè)部預(yù)測(cè)的PSD（產(chǎn)量、供給和分布）數(shù)據(jù)進(jìn)行驗(yàn)證，本文提取出的近3年大豆種植面積均略低于該預(yù)測(cè)數(shù)據(jù)，約為其預(yù)測(cè)值的90%，具有一定的一致性與可信度。分析誤差原因在于，雖然本文在一定程度上考慮了阿根廷因南北跨度而存在的物候期差異，但由于缺乏實(shí)地考察求證，在大豆物候期判定上難免存在誤差，進(jìn)而導(dǎo)致大豆面積提取存在少許偏離。在省級(jí)區(qū)域的空間分布上，本文區(qū)分出的大豆主副產(chǎn)區(qū)及其種植比（88.78%）與阿根廷農(nóng)業(yè)部USDA公布的大豆主副產(chǎn)區(qū)及種植比（90%）高度一致。在一定程度上，本文可佐證美國(guó)農(nóng)業(yè)部每年發(fā)布的全球主要國(guó)家農(nóng)業(yè)監(jiān)測(cè)數(shù)據(jù)，通過(guò)對(duì)比也證實(shí)了該方法的合理性和可靠性。應(yīng)用該方法持續(xù)監(jiān)測(cè)大豆主產(chǎn)區(qū)種植分布的空間變化、長(zhǎng)勢(shì)的時(shí)序變化、干旱發(fā)生等情況，可為全球糧食安全動(dòng)態(tài)感知與預(yù)判提供基礎(chǔ)信息。

圖7 阿根廷大豆長(zhǎng)勢(shì)狀況統(tǒng)計(jì)

充分利用低分辨率數(shù)據(jù)源的多時(shí)相信息以及較高空間分辨率遙感數(shù)據(jù)產(chǎn)品的地類信息，具有宏觀、高效、準(zhǔn)確的特點(diǎn)，非常適宜國(guó)家尺度的大片種植作物的快速提取，具有廣闊的應(yīng)用前景。但應(yīng)注意的是，該方法并不能直接用于像我國(guó)種植結(jié)構(gòu)復(fù)雜、種植面積不集中、物候差異顯著的國(guó)家進(jìn)行作物識(shí)別和長(zhǎng)勢(shì)監(jiān)測(cè)。通過(guò)添加和修改物候匹配的約束條件可在一定程度上提高該方法的適用性。未來(lái)的研究可從物候信息校準(zhǔn)、NDVI產(chǎn)品分辨率提高、土地利用時(shí)效性及精度提升、作物異種程度區(qū)分等方面進(jìn)一步深入探討。

[1]吳炳方, 蒙繼華, 李強(qiáng)子. 國(guó)外農(nóng)情遙感監(jiān)測(cè)系統(tǒng)現(xiàn)狀與啟示[J]. 地球科學(xué)進(jìn)展, 2010, 25(10)： 1003-1012.

[2]張喜旺, 劉劍鋒, 秦奮, 等. 作物類型遙感識(shí)別研究進(jìn)展[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2014, 30(33)： 278-285.

[3]胡宗辰. 基于MODIS的中國(guó)主要糧食作物種植時(shí)空分布信息提取方法研究[D].成都： 電子科技大學(xué),2013.

[4]朱鐘正, 蘇偉. 基于局部空間統(tǒng)計(jì)分析的SPOT 5影像分類[J]. 遙感學(xué)報(bào), 2011, 15(5)： 957-972.

[5]YANG Wei, CHEN Jin, MATESUSHITA Bundei, et al.基于相關(guān)系數(shù)匹配的混合像元分解算法[J].遙感學(xué)報(bào) , 2008, 12(3)： 454-461.

[6]潘耀忠, 李樂, 張錦水, 等.基于典型物候特征的MODIS-EVI時(shí)間序列數(shù)據(jù)農(nóng)作物種植面積提取方法： 小區(qū)域冬小麥實(shí)驗(yàn)研究[J]. 遙感學(xué)報(bào), 2011,15(3)： 578-594.

[7]陸俊, 黃進(jìn)良, 王立輝, 等. 基于時(shí)空數(shù)據(jù)融合的江漢平原水稻種植信息提取[J].長(zhǎng)江流域資源與環(huán)境,2017, 26(6)： 874-881.

[8]王玉. 基于時(shí)序光譜庫(kù)的棉花種植面積信息提取研究[D].北京： 中國(guó)地質(zhì)大學(xué)(北京), 2013.

[9]盛永偉, 陳維英, 肖乾廣, 等.利用氣象衛(wèi)星植被指數(shù)進(jìn)行我國(guó)植被的宏觀分類[J].科學(xué)通報(bào), 1995, 40(1)：68-71.

[10]陳曉苗. 基于MODIS-NDVI的河北省主要農(nóng)作物空間分布研究[D]. 石家莊： 河北師范大學(xué), 2010.

[11]劉真真. 基于改進(jìn)CASA模型的小區(qū)域冬小麥遙感估產(chǎn)研究[D]. 開封： 河南大學(xué), 2016.

[12]ZHAO H, YANG Z, DI L, et al. Crop phonology date estimation based on NDVI derived from the reconstructed MODIS daily surface re fl ectance data[C]//International Conference on Geoinformatics. IEEE, 2009：1-6.

[13]黃健熙, 張潔, 劉峻明, 等. 基于遙感DSI指數(shù)的干旱與冬小麥產(chǎn)量相關(guān)性分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015,46(3)： 166-173.

[14]MONTEITH J L. Evaporation and environment[M]//FOGG B D. The state and movement of water in living organism, symposium of the society of experimental biology. Cambridge： Cambridge University Press, 1965：205-234.

[15]MU Q, HEINSCH F A, ZHAO M, et al. Development of a global evapotranspiration algorithm based on MODIS and global meteorology data[J]. Remote Sensing of Environment, 2007, 111(4)： 519-536.

Condition Analysis on NDVI-Based Soybean Spatial Distribution and Growth in Argentina 2017

SUN Wei1, ZHANG Qiao1, QI Yanan2, DOU Hongtao2
(1.Agricultural Information Institute, Chinese Academy of Agricultural ScienceKey Laboratory of Agricultural Big Data, Ministry of Agriculture, Beijing 100081; 2.School of Environment and Natural Resources, Renmin University of China, Beijing 100872)

Timely grasp crop distribution and monitor its growth condition is of great signi fi cance to dynamic perception of food security. Based on the MODIS-NDVI product and the phonology characteristics of soybean in Argentina, we extract the distribution of soybean and monitor its growth condition, then use farmland contiguous index(FCI) to rectify the area distortion causing by scale effect. The result shows that the change trend of soybean planting area in Argentina for past three years is in line with the trend of data released by the USDA. The planting ratio in the main producing areas is also highly consistent with of ficial data. The overall growth of soybean is poor than normal in 2017, and the soybean harvest area decrease than the past two years.The sub-region is better than the main producing area, and the spatial distribution of the main producing provinces presents a discrete or aggregated change. The soybean distribution and growth condition are highly coupled with the drought degree in time and space. In this study, the method named “phonological matching-LUCC downscaling crop extraction” is comparatively accurate and rapid, it is could be used for effective extraction of soybeans in other areas or other staple crop crops.

NDVI, crop growth monitoring, growth monitoring, Argentina, distance average analysis, DSI

P237

A

10.3772/j.issn.1674-1544.2017.06.010

孫偉（1982—），女，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所副研究員，研究方向：農(nóng)業(yè)遙感；張峭（1962—），男，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所研究員，研究方向：農(nóng)業(yè)風(fēng)險(xiǎn)管理（通訊作者）；齊亞楠（1995—），女，中國(guó)人民大學(xué)環(huán)境學(xué)院碩士研究生，研究方向：環(huán)境規(guī)劃和3S應(yīng)用；竇紅濤（1992—），男，中國(guó)人民大學(xué)環(huán)境學(xué)院碩士研究生，研究方向：環(huán)境規(guī)劃和3S應(yīng)用。

項(xiàng)目名稱：中國(guó)農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程“全球典型農(nóng)作物生產(chǎn)遙感監(jiān)測(cè)與風(fēng)險(xiǎn)評(píng)估”（CAAS-ASTIP-2016-AII）；科技基礎(chǔ)性工作專項(xiàng)重點(diǎn)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）。

2017年8月23日。