黃淮海地區(qū)冬小麥物候?qū)夂蜃兓捻憫?yīng)及對產(chǎn)量的影響

王瑞崢， 江 洪， 金佳鑫， 程 敏

(南京大學國際地球系統(tǒng)科學研究所，江蘇南京 210023)

物候是指受環(huán)境(包括氣候、水文、土壤等因素)影響而出現(xiàn)的以年為準周期的自然現(xiàn)象[1]，包括植物的發(fā)芽、展葉、開花、葉變色、落葉等現(xiàn)象，是植物通過長期地適應(yīng)季節(jié)性變化的生存環(huán)境而形成的一種生長發(fā)育節(jié)律[2]。農(nóng)作物物候期則是指農(nóng)作物生長到達關(guān)鍵生育期所對應(yīng)的日期，它是非常重要的農(nóng)業(yè)信息，是與農(nóng)業(yè)生產(chǎn)、管理以及計劃決策等息息相關(guān)的重要依據(jù)，更是用來模擬農(nóng)作物模型的關(guān)鍵參數(shù)。農(nóng)作物物候的變化可以反映氣候變化對于農(nóng)作物生長發(fā)育的影響，可以作為氣候變化對農(nóng)業(yè)生態(tài)系統(tǒng)影響的指標之一[3-8]。

早期人們通過野外觀測方式來記錄植被個體或群落的發(fā)芽、展葉、枯黃和落葉等物候日期，研究物候的特征與功能在時間以及物種水平上的分異。但因觀測能力與范圍的限制，無法實現(xiàn)區(qū)域或更大尺度的物候監(jiān)測。隨著遙感技術(shù)的發(fā)展，遙感數(shù)據(jù)能較準確地反映地表植被綠度和結(jié)構(gòu)信息，定量反映區(qū)域乃至全球尺度的植被生態(tài)特征，因此遙感被迅速應(yīng)用于物候研究[9]。對于農(nóng)作物而言，物候信息可以通過田間觀測、積溫預測和遙感監(jiān)測等多種途徑獲得，但前2種方法在大面積應(yīng)用中各有其限制[10]，因此遙感監(jiān)測手段相較于前2種方法更為適用。與傳統(tǒng)物候不同，遙感方法用于描述整個地表景觀的物候變化，側(cè)重表征生態(tài)系統(tǒng)結(jié)構(gòu)或功能狀態(tài)的轉(zhuǎn)換，因此又稱為遙感地表物候[11](land surface phenology，簡稱LSP)。遙感植被指數(shù)(vegetation index，簡稱VI)可指示植被冠層的生理活性，植被指數(shù)的周期變化可表征落葉植被冠層葉片從發(fā)芽、展葉到枯黃、落葉的過程，也可表征常綠植物冠層葉片從休眠、復蘇、活躍到衰落、再次休眠的過程。研究人員根據(jù)需求，在植被時序曲線上設(shè)定閾值或選取具有物理意義的節(jié)點，用以指示植被的關(guān)鍵物候事件或狀態(tài)轉(zhuǎn)折的時間[12]。在遙感地表物候研究中，增強型植被指數(shù)(enhanced vegetation index，簡稱EVI)能夠較好地反映高覆蓋區(qū)植被季節(jié)性特征，且噪聲較小，在森林物候的季節(jié)性變化監(jiān)測中具有優(yōu)勢[13]。而基于遙感數(shù)據(jù)生成的歸一化差值植被指數(shù)(the normalized difference vegetation index，簡稱NDVI)則能夠在大范圍內(nèi)較為精確地反映植被生長的季節(jié)和年際變化，因而被廣泛地應(yīng)用于植被監(jiān)測和物候分析中[14]。目前，國內(nèi)外諸多學者利用NDVI時序數(shù)據(jù)對植被物候進行了相關(guān)研究，例如，于信芳等對中國東北森林物候期進行監(jiān)測[15]；Duchemin等對溫帶落葉森林生態(tài)系統(tǒng)萌動期和落葉期進行研究[16]。

全球氣候變化已經(jīng)成為當今社會所面對的一個重大環(huán)境問題，是各個國家政府、科學研究人員及人民群眾關(guān)注的焦點。而物候作為一種重要的指示氣候變化的因素，研究其對于氣候變化的響應(yīng)具有十分重要的意義。與此同時，氣候變化尤其是氣溫、降水量的變化，對于農(nóng)作物生長及其最終產(chǎn)量的影響也是一個意義重大的實際問題。農(nóng)作物物候變化與其產(chǎn)量之間存在的關(guān)系是需要研究的一個重點方向。

小麥是我國主要的糧食作物之一，黃淮海地區(qū)是我國主要的小麥生產(chǎn)基地，以種植冬小麥為主[17]。本研究利用SPOT NDVI時序數(shù)據(jù)對黃淮海地區(qū)5個主要省、市(北京、天津、河南、河北、山東)的冬小麥物候期進行監(jiān)測，分析其物候與氣溫、降水量等氣候因子變化的相關(guān)性及其對產(chǎn)量的影響，從而可以更加客觀地理解氣候變化對該地區(qū)冬小麥生產(chǎn)的影響，為冬小麥的安全生產(chǎn)和科學管理提供依據(jù)。

1 研究區(qū)概況

以黃淮海平原地區(qū)為研究區(qū)，空間范圍為113°～120°E和32°～40°N，包括北京、天津、河南、河北和山東5個省、市，是我國重要的糧食產(chǎn)區(qū)。黃淮海平原屬半干旱、半濕潤地區(qū)，年均溫8～15 ℃，熱量資源可以滿足喜涼、喜溫作物一年兩熟的要求，年降水量500～900 mm，季節(jié)分配不均，主要集中在夏季。該地區(qū)農(nóng)作物主要栽種方式為冬小麥—夏玉米，其播種面積和產(chǎn)量在1995年分別占全國總量的39.7%和52.7%，由1998年相關(guān)農(nóng)業(yè)統(tǒng)計資料可知，黃淮海平原冬小麥播種面積占耕地面積的63%，有些縣(市)高達90%以上[18]。冬小麥一般在上一年10月份播種，在當年6月份收獲。研究區(qū)域以及冬小麥播種范圍分布見圖1。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本研究所采用的遙感數(shù)據(jù)為SPOT/VGT逐旬NDVI最大值合成數(shù)據(jù)，時間范圍為1998年6月至2015年6月，空間分辨率為1 km。VGT傳感器專門用于區(qū)域和全球尺度植被覆蓋動態(tài)的觀測研究，為大、中尺度的環(huán)境監(jiān)測提供了一種新型的、高質(zhì)量的遙感數(shù)據(jù)源[19]，數(shù)據(jù)來自于VITO Earth Observation(http：//www.vito-eodata.be)的SPOT Vegetation數(shù)據(jù)集。該數(shù)據(jù)已完成了幾何校正、輻射校正、地圖投影、狀態(tài)標志以及大氣校正等處理過程，其NDVI真實值需由圖像灰度值(DN)計算得到，其公式為

NDVI=DN×0.004-0.1。

(1)

氣象數(shù)據(jù)使用的是中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集(China Meteorological Forcing Dataset)，空間分辨率為0.1°，數(shù)據(jù)來自寒區(qū)旱區(qū)科學數(shù)據(jù)中心(http：//westdc.westgis.ac.cn)。本研究使用的是1 ∶400萬中國植被分布圖，利用該分布圖的農(nóng)業(yè)植被層中的冬小麥作物區(qū)域范圍提取出黃淮海地區(qū)5省(市)的冬小麥分布區(qū)域在1998至2015年的NDVI數(shù)據(jù)進行分析。冬小麥產(chǎn)量數(shù)據(jù)來自國家數(shù)據(jù)網(wǎng)站(由國家統(tǒng)計局提供)。

2.2 NDVI時間序列平滑

利用NDVI時序數(shù)據(jù)提取冬小麥物候期特征的重要基礎(chǔ)是對其時序數(shù)據(jù)進行平滑處理，這是由于傳感器在獲取地面信息時，云和大氣等自然因素所產(chǎn)生的信號噪聲對于數(shù)據(jù)的質(zhì)量具有一定的影響，這些信號噪聲使得NDVI時序數(shù)據(jù)呈現(xiàn)出一定的鋸齒狀的不規(guī)則波動，不適合直接用于分析各種趨勢變化以及提取物候信息。對時序數(shù)據(jù)進行平滑重構(gòu)可以最大程度地減小噪聲影響，同時也可以減少數(shù)據(jù)的空值點，更好地描述變化過程。

本研究所使用的平滑方法為改進的Savitzky-Golay濾波器對NDVI時間序列進行濾波處理[20]。SG濾波器是由Savitzky和Golay于1964年提出的最小二乘法濾波器，又稱為數(shù)據(jù)平滑多項式濾波器。其設(shè)計思想是不使用固定的常數(shù)窗口對基礎(chǔ)數(shù)據(jù)進行近似擬合，而是使用高階多項式實現(xiàn)滑動窗口內(nèi)的最小二乘擬合。其基本原理是通過在取值點xi附近固定數(shù)量的點來擬合1個多項式，多項式在xi處的值，就是經(jīng)過SG濾波光滑處理后的數(shù)值。對于NDVI時序數(shù)據(jù)的SG濾波過程可以由下式描述：

(2)

式中：Y′為合成之后的序列；Y為未平滑之前的原始數(shù)據(jù)；Ci為濾波系數(shù)；N為滑動窗口包括的數(shù)據(jù)點數(shù)[21]。利用SG濾波器進行平滑時，需要對2個參數(shù)進行選擇性修改。第1個是平滑窗口的大小，一般用m表示，其值越大，結(jié)果越平滑，被平滑的峰谷值越多；第2個參數(shù)是平滑多項式的階數(shù)，較低的階數(shù)可以得到更加平滑的結(jié)果，但是會保留一些異常值，而較高的階數(shù)可以去除異常值，但結(jié)果可能存在更多噪聲。Chen等在上述的S-G濾波基礎(chǔ)之上，考慮到云層和大氣質(zhì)量的影響產(chǎn)生的噪聲污染，提出了一種新的方法，基于S-G濾波進行改進進而實現(xiàn)精度的進一步提高[20]。本研究利用改進后的S-G濾波方法，其中2種主要參數(shù)是選取窗口大小為5、階數(shù)為2，對1998年6月至2015年6月的NDVI時序數(shù)據(jù)進行平滑處理，圖2為1999年的平滑結(jié)果。

由圖2可以看出，經(jīng)過改進的SG濾波處理平滑后，可以有效地去除一些異常值。對于本研究區(qū)，冬小麥大部分為一年兩熟制，夏熟作物為冬小麥，由圖2還可以看出，NDVI時序曲線呈現(xiàn)明顯的雙峰形態(tài)，夏季波峰對應(yīng)的即為冬小麥的抽穗期。

2.3 冬小麥物候期提取

黃淮海地區(qū)冬小麥一般在9月下旬到10月上旬播種，經(jīng)歷1個完整的生長周期：播種、出苗、分蘗、越冬、返青、起身、拔節(jié)、挑旗、抽穗、開花、灌漿、成熟12個生育期。本研究主要提取冬小麥3個主要生育期，即返青、抽穗和成熟期來進行分析。冬小麥返青期大概在2月末至3月期間開始，NDVI呈升高趨勢；在4月末至5月，NDVI達到峰值，即為冬小麥抽穗期；隨著NDVI逐漸降低，在6月到達成熟期，冬小麥整個生長周期結(jié)束。

冬小麥生育期主要是從當年的11月至次年的7月，而本研究所要提取的3個主要物候期皆處于1月至6月這個時間段中，因此選取各年冬小麥生育期內(nèi)(11月至次年6月)平滑后的NDVI序列進行物候期提取。

用雙高斯模型[22]對冬小麥生育期內(nèi)NDVI序列進行擬合，利用擬合后獲得的冬小麥物候模型曲線，提取3個主要物候期。雙高斯模型，即使用2個高斯模型組合來描述冬小麥物候，具體公式可以用下式表達：

(3)

式中：y表示植被指數(shù)NDVI值；x表示觀測值對應(yīng)的時間；a1、a2、b1、b2、c1、c2為通過擬合所得到的參數(shù)。圖3是1999年11月—2000年6月冬小麥物候期模型模擬結(jié)果，擬合結(jié)果r2為0.982 4，各年份冬小麥物候模型擬合結(jié)果r2均在0.9以上，擬合結(jié)果較為準確。

對擬合后的曲線，采用比例閾值法[23]來提取冬小麥的返青期、抽穗期和成熟期。將NDVI增加和減小達到NDVI振幅一定比例時所對應(yīng)的時間分別定義為返青期和成熟期，定義NDVI達到最大值的時間點為抽穗期。衛(wèi)煒等參考我國北方地區(qū)的作物物候歷將生長季開始和結(jié)束的比例閾值分別設(shè)置為10%和50%[24]。因此，選取NDVI時間序列曲線達到上升階段振幅10%的時刻為冬小麥生長季開始，即為返青期；選取NDVI時間序列曲線達到下降階段振幅50%的時刻為生長季結(jié)束，即為成熟期；NDVI達到最大值時刻即為抽穗期。

NDVIlim=(NDVImax-NDVImin)×C。

(4)

式中：NDVIlim為達到指定閾值時的NDVI值；NDVImax為NDVI最大值；NDVImin為上升或下降階段NDVI的最小值；C為設(shè)定的閾值。

3 結(jié)果與分析

3.1 冬小麥關(guān)鍵物候期的空間分布

根據(jù)“2.3”節(jié)中介紹的冬小麥物候模型擬合以及物候期提取方法，提取出1999—2015年研究區(qū)內(nèi)冬小麥返青期、抽穗期和成熟期，計算多年平均值以及標準差，得到圖4、圖5、圖6。

冬小麥于返青期快速生長，NDVI增長明顯。根據(jù)計算結(jié)果，研究區(qū)內(nèi)冬小麥返青期平均值分布，由南向北呈現(xiàn)逐漸推遲的趨勢，符合春季綠波由南向北推移規(guī)律[25]，河南省東部地區(qū)返青期出現(xiàn)日期最早，多處于2月中旬，京津地區(qū)較晚，返青期大多出現(xiàn)在3月中下旬，其平均出現(xiàn)日期為2月24日；經(jīng)過返青期拔節(jié)之后，冬小麥葉面積指數(shù)增加，抽穗期時達到最大值，其NDVI值也達到最大值。由圖5可以看出，冬小麥抽穗期空間分布同樣表現(xiàn)為南部較早，向北逐漸延遲，其平均出現(xiàn)日期為5月8日；成熟期空間變化幅度較小，但同樣表現(xiàn)出由南向北推遲的現(xiàn)象，其平均出現(xiàn)日期為6月5日。

由圖4可以看出，京津地區(qū)以及河北南部偏東、山東北部地區(qū)返青期標準差偏高，說明該地區(qū)返青期變化較為明顯，波動較大；圖5顯示，抽穗期變化較為平穩(wěn)，其標準差均較低，波動起伏不明顯；成熟期波動與返青期一致。

3.2 冬小麥物候與氣候因子的關(guān)系

對提取出的冬小麥各年物候期分別求平均值，研究其變化趨勢，進而研究其與氣候因子相關(guān)性。

由表1可以看出，1999年至2015年研究區(qū)內(nèi)冬小麥返青期在2月中下旬及3月上旬，大致呈現(xiàn)提前趨勢；抽穗期為5月上旬和5月中旬；成熟期大多在6月上旬以及中旬。

根據(jù)1999年至2015年冬小麥生育期與月平均溫度、月降水量相關(guān)分析，冬小麥抽穗期與3月份氣溫相關(guān)系數(shù)為 -0.592，P=0.012，相關(guān)性達到0.05顯著水平；成熟期與3月份氣溫相關(guān)系數(shù)為-0.610，P=0.009，相關(guān)性達到0.01顯著水平。其他物候期與溫度、降水量的相關(guān)性均未達到顯著水平?？梢钥闯觯←溛锖蚱谥饕艿綒鉁刈兓绊?，對于降水量的響應(yīng)并不明顯。對1999—2015年各物候期與氣溫、降水月數(shù)據(jù)進行線性回歸分析，同樣發(fā)現(xiàn)返青期與氣溫、降水變化并無顯著線性關(guān)系，而抽穗期與3月氣候數(shù)據(jù)存在較為顯著的線性關(guān)系：

Y=-0.106T-0.004P+23.771。

(6)

式中：Y表示抽穗期出現(xiàn)的旬數(shù)(以上一年11月上旬為1)；T表示月均溫，℃；P表示月均降水量，mm。此回歸模型R=0.629，P=0.03，達到0.05顯著性水平。由公式(6)可以看出，影響抽穗期的主導因素為3月份氣溫數(shù)據(jù)。

結(jié)果表明，冬小麥返青期與氣溫、降水并無明顯相關(guān)關(guān)系，這可能是由于冬小麥種植時間受人為因素影響較大，進而導致返青期的無規(guī)律性；而抽穗期由于受人為因素影響較小，與3月氣溫表現(xiàn)出較高的相關(guān)性，則體現(xiàn)出冬小麥物候?qū)τ跉夂蜃兓捻憫?yīng)。

3.3 冬小麥物候?qū)ζ洚a(chǎn)量的影響

利用1999—2015年黃淮海地區(qū)5省(市)的冬小麥產(chǎn)量數(shù)據(jù)，與冬小麥生育期內(nèi)1—6月NDVI均值進行相關(guān)性分析，研究其關(guān)系。結(jié)果表明，產(chǎn)量與3、4、5月NDVI顯著相關(guān)，R分別為0.778、0.814、0.880，均到達0.01顯著性水平。3—5月為返青后的3個月，涉及抽穗期與成熟期，說明冬小麥產(chǎn)量主要與抽穗期、成熟期有關(guān)。

利用1999—2015年黃淮海地區(qū)5省(市)的冬小麥產(chǎn)量數(shù)據(jù)，與冬小麥物候進行相關(guān)性分析，研究其關(guān)系。分別分析返青期、抽穗期以及成熟期與冬小麥產(chǎn)量多年變化的關(guān)系，結(jié)果如表2所示。

表1 冬小麥物候提取結(jié)果 月-日

表2 冬小麥物候期與其產(chǎn)量的相關(guān)性

由表3可以看出，相對于返青期，1999—2015年冬小麥產(chǎn)量與抽穗期、成熟期具有更高的相關(guān)性，且均達到0.01顯著性水平，這進一步說明冬小麥產(chǎn)量主要與抽穗期和成熟期有關(guān)。由于冬小麥在返青期的生長主要是生根、長葉和分蘗，對于產(chǎn)量的影響并不能直接顯示出來，因此返青期與冬小麥產(chǎn)量之間相關(guān)性并不顯著；而冬小麥抽穗期至成熟期這段時間，冬小麥由葉鞘中長出穗，發(fā)育完全的穗，隨著莖稈的伸長而伸出頂部葉，經(jīng)過開花期，直至胚乳呈蠟狀，籽粒開始變硬成熟，這段時期是小麥作物量增加的重要時段，與其產(chǎn)量直接相關(guān)，因此抽穗期、成熟期與小麥產(chǎn)量顯著相關(guān)。

為了進一步研究冬小麥產(chǎn)量與其物候之間的關(guān)系，分析其產(chǎn)量與生長季長度(返青期至成熟期)之間的關(guān)系，得到二者相關(guān)系數(shù)為0.413，P=0.099，未達到顯著相關(guān)；同時分析產(chǎn)量與冬小麥抽穗期至成熟期長度之間的關(guān)系，得到二者相關(guān)系數(shù)為0.582，P=0.014，達到0.05顯著性水平。結(jié)果進一步表明，冬小麥產(chǎn)量主要與抽穗期至成熟期這段時間更為相關(guān)。

4 結(jié)論

本研究通過對黃淮海地區(qū)5個主要省(市)的冬小麥NDVI進行分析，進而提取冬小麥主要物候期，結(jié)合氣象數(shù)據(jù)進行相關(guān)分析，并分析其物候與產(chǎn)量之間存在的聯(lián)系。結(jié)果表明：(1)研究區(qū)內(nèi)冬小麥物候期在空間分布上均呈現(xiàn)出由南向北逐漸推遲的規(guī)律。(2)對冬小麥物候期的提取，返青期在2月中下旬及3月上旬，大致呈現(xiàn)提前趨勢；抽穗期為5月上旬和5月中旬；成熟期大多在6月上旬以及中旬。結(jié)合氣象數(shù)據(jù)進行相關(guān)分析發(fā)現(xiàn)，冬小麥抽穗期與3月平均氣溫密切相關(guān)，3月份溫度越高，返青期越早，反之亦然，相關(guān)性達到0.05顯著水平；成熟期與3月氣溫相關(guān)性也達到0.01顯著水平。其他物候期與溫度、降水量的相關(guān)性均未達到顯著水平，可以看出，冬小麥物候期主要受到氣溫影響。(3)分析冬小麥物候?qū)ζ洚a(chǎn)量的影響，發(fā)現(xiàn)冬小麥產(chǎn)量與其抽穗期、成熟期具有顯著相關(guān)性，與返青期并無明顯相關(guān)性；冬小麥產(chǎn)量與其生長季長度相關(guān)性未達到顯著水平，但是與抽穗期至成熟期時間段長度相關(guān)性達到0.05顯著水平，與實際情況較為相符，這是由于糧食的累積主要是在抽穗期開始，與返青期無明顯關(guān)系。

通過對冬小麥物候期的模擬提取以及分析其物候與產(chǎn)量、物候與氣候變化之間的關(guān)系，進一步確定了物候提取方法的精確性，為冬小麥物候的提取提供了參考；同時由分析結(jié)果得出的產(chǎn)量與物候之間的關(guān)系，可以為冬小麥的安全生產(chǎn)和科學管理提供依據(jù)，對農(nóng)業(yè)生產(chǎn)發(fā)揮一定的指導作用。但影響冬小麥物候的因素還有諸如地形、冬小麥品種等，其綜合作用可能會使冬小麥物候存在一些差異，在今后的研究中應(yīng)考慮這些因素的綜合影響，使得物候提取更加精確。