孫麗 王蔚丹 陳媛媛 董沫
摘要?美國(guó)是全球重要的小麥出口大國(guó),其生產(chǎn)狀況在一定程度上影響全球小麥貿(mào)易形勢(shì)。利用衛(wèi)星遙感技術(shù),基于作物長(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,采用同期對(duì)比法對(duì)2019年美國(guó)冬小麥進(jìn)行長(zhǎng)勢(shì)監(jiān)測(cè)分析。結(jié)果表明,2019年美國(guó)冬小麥長(zhǎng)勢(shì)基本呈現(xiàn)持平略好趨勢(shì),且總體好于2018年同期;良好的氣象條件是主產(chǎn)州冬小麥長(zhǎng)勢(shì)總體表現(xiàn)偏好的主要原因。產(chǎn)量有望穩(wěn)中略增,進(jìn)一步增加國(guó)際小麥供給。
關(guān)鍵詞?長(zhǎng)勢(shì)監(jiān)測(cè);遙感;MODIS數(shù)據(jù);美國(guó);冬小麥
中圖分類(lèi)號(hào)?S?127文獻(xiàn)標(biāo)識(shí)碼?A文章編號(hào)?0517-6611(2020)01-0241-04
doi:10.3969/j.issn.0517-6611.2020.01.072
開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):
Analysis of Winter Wheat Growth of United States with Remote Sensing Data in 2019
SUN Li, WANG Wei?dan, CHEN Yuan?yuan et al
(Key Laboratory of Cultivated Land Use, Ministry of Agriculture and Rural Affairs, P.R.China;Chinese Academy of Agricultural Engineering & Planning Design, Beijing 100121)
Abstract?United States is an important wheat exporting country in the world. It's productions and supplies have great impacts on the global wheat market to a certain extent. Based on satellite remote sensing technology, winter wheat growth condition of United States in 2019 was monitored and analyzed using Normalized Difference Vegetation Index (NDVI),which was most widely used in crop condition monitoring and evaluation. And comparative model was adopted, which was considered practical and effective. The results showed that the growth trend of winter wheat in the United States in 2019 was basically flat and slightly better, which was better than that in the same period of 2018. Favorable meteorological conditions were the main reason for the preference of winter wheat growth in main producing states. Production was expected to showing slightly increase, which further increases international wheat supply.
Key words?Crop growth monitoring;Remote sensing;MODIS data;United States;Winter wheat
作物長(zhǎng)勢(shì)監(jiān)測(cè)能夠?yàn)樵缙诠喇a(chǎn)提供依據(jù),已成為精準(zhǔn)農(nóng)業(yè)研究中的重要內(nèi)容[1]。長(zhǎng)勢(shì)即作物生長(zhǎng)的狀況與趨勢(shì),可以用個(gè)體和群體特征來(lái)描述。以冬小麥為例,個(gè)體長(zhǎng)勢(shì)特征可以用莖葉根與穗的特征描述,如株高、分蘗數(shù)、葉色等;群體特征可以用群體密度、葉面積指數(shù)等動(dòng)態(tài)描述。發(fā)育健壯的個(gè)體所構(gòu)成的群體是長(zhǎng)勢(shì)良好的作物區(qū)[2-3]。個(gè)體特征和群體特征信息的獲取均費(fèi)時(shí)費(fèi)力,無(wú)法短時(shí)間內(nèi)獲得大范圍作物長(zhǎng)勢(shì)信息。遙感技術(shù)以其響應(yīng)速度快、覆蓋范圍廣等優(yōu)勢(shì),日益成為大尺度作物長(zhǎng)勢(shì)監(jiān)測(cè)的重要手段[4]。陳仲新等[5]對(duì)當(dāng)前長(zhǎng)勢(shì)遙感技術(shù)進(jìn)行了系統(tǒng)歸納,總體可以分為2類(lèi),即定性長(zhǎng)勢(shì)監(jiān)測(cè)方法和定量長(zhǎng)勢(shì)監(jiān)測(cè)方法。前者是利用植被光譜響應(yīng)敏感波段構(gòu)建能夠反映作物生長(zhǎng)狀況的遙感指數(shù)進(jìn)行監(jiān)測(cè),包括植被指數(shù)、葉面積指數(shù)等[6],其中歸一化植被指數(shù)(Normalized Difference Vegetation Index,簡(jiǎn)稱(chēng)NDVI)等應(yīng)用最廣泛[7]。后者是隨著作物生長(zhǎng)模擬模型的發(fā)展,基于機(jī)理模型進(jìn)行長(zhǎng)勢(shì)監(jiān)測(cè),近年來(lái)相關(guān)研究越來(lái)越深入[8-10],但由于需要較多的輔助參數(shù),影響了大范圍推廣應(yīng)用。遙感長(zhǎng)勢(shì)監(jiān)測(cè)模式上可以分為3類(lèi),即直接監(jiān)測(cè)法(或統(tǒng)計(jì)監(jiān)測(cè)法)、生長(zhǎng)過(guò)程監(jiān)測(cè)法和同期對(duì)比法(或年際比較法)。美國(guó)位于北美洲中部(23°~54°N,130°~74°W),國(guó)土面積為937.26萬(wàn)km2,占世界國(guó)土面積7%[11]。耕地面積1.77億hm2,國(guó)民人均占有0.59 hm2[12]。美國(guó)約70%以上的耕地都是以大面積連片分布的方式集中在大平原和內(nèi)陸低原,且土壤多以草原黑土(包括黑鈣土)、栗鈣土和暗棕鈣土為主,有機(jī)質(zhì)含量高,特別適宜農(nóng)作物生長(zhǎng)[13]。其中,中部、北部地區(qū)是大平原小麥帶,平均海拔在500 m以下,地勢(shì)平坦,土壤肥沃,冬季較長(zhǎng)而嚴(yán)寒,夏季雨熱同期,水源充足,適宜小麥生長(zhǎng)。鑒于此,筆者利用衛(wèi)星遙感技術(shù),基于作物長(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,采用同期對(duì)比法對(duì)2019年美國(guó)冬小麥進(jìn)行長(zhǎng)勢(shì)監(jiān)測(cè)分析。
1?研究方法
1.1?數(shù)據(jù)源與預(yù)處理
該研究遙感數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航空航天局(national aeronautics and space administration,簡(jiǎn)稱(chēng)NASA)網(wǎng)站的Terra衛(wèi)星搭載的中分辨率成像光譜傳感器(moderate resolution imaging spectroradiometer,簡(jiǎn)稱(chēng)MODIS)16 d合成產(chǎn)品MOD13A2及單日反射率產(chǎn)品MOD09GA,空間分辨率為1 km。其中,16 d數(shù)據(jù)產(chǎn)品時(shí)間為2019年3月上中旬(2月26日—3月13日);為滿(mǎn)足監(jiān)測(cè)時(shí)效性,單日產(chǎn)品數(shù)據(jù)時(shí)間為2019年4月上旬(4月1—10日)和5月上旬(5月1—10日)。16 d數(shù)據(jù)產(chǎn)品預(yù)處理包括拼接、投影轉(zhuǎn)換、剪裁等;單日反射率產(chǎn)品經(jīng)過(guò)拼接、投影轉(zhuǎn)換、剪裁等處理后,構(gòu)建NDVI,并進(jìn)行10 d最大化合成。由于美國(guó)冬小麥種植區(qū)域相對(duì)穩(wěn)定,因此該研究利用美國(guó)農(nóng)業(yè)部發(fā)布的2017/2018年CDL(crop data layer)數(shù)據(jù)進(jìn)行信息提取,形成冬小麥分布底圖,作為監(jiān)測(cè)區(qū)域掩膜數(shù)據(jù)。輔助分析資料包括氣象信息和地面調(diào)查信息,其中氣象信息來(lái)源于美國(guó)農(nóng)業(yè)部網(wǎng)站的農(nóng)業(yè)氣象發(fā)布(https://ipad.fas.usda.gov/cropexplorer/),地面調(diào)查信息來(lái)源于美國(guó)農(nóng)業(yè)部氣象與作物周報(bào)(https://www.usda.gov/oce/weather/pubs/)。
1.2?研究方法
可見(jiàn)光中紅光區(qū)域的太陽(yáng)輻射被植物葉綠素吸收,進(jìn)行光合作用制造干物質(zhì),是植物光合作用的代表性波段,而近紅外區(qū)域能夠反映葉片的健康狀況,與植被種類(lèi)和長(zhǎng)勢(shì)密切相關(guān)。由于紅光和近紅外2個(gè)波段是植物光譜中反映光合作用和呼吸作用的最重要波段,研究人員基于此構(gòu)建了多種指數(shù)以揭示其包涵的植物信息,其中NDVI最典型。根據(jù)農(nóng)業(yè)部門(mén)應(yīng)用習(xí)慣,上一年(即去年)的收成是已知的,通過(guò)與上一年的作物長(zhǎng)勢(shì)比較,容易得到產(chǎn)量變化趨勢(shì),同樣,通過(guò)與常年比較,易于得到相比常年的長(zhǎng)勢(shì)及產(chǎn)量變化趨勢(shì),因此該研究使用NDVI差值模型來(lái)進(jìn)行長(zhǎng)勢(shì)情況評(píng)估。與去年比較模型為:
NDVI=Rnir-RredRnir+Rred(1)
式中,Rnir為近紅外波段反射率,Rred為紅光波段反射率。
DNDVI2=NDVI1-NDVI2(2)
式中,DNDVI2表示與去年比較的作物長(zhǎng)勢(shì)指數(shù);NDVI1表示當(dāng)年某時(shí)段NDVI值;NDVI2表示去年同期NDVI值。根據(jù)DNDVI2值大小,結(jié)合地面調(diào)查數(shù)據(jù)對(duì)差值結(jié)果進(jìn)行分級(jí),將作物長(zhǎng)勢(shì)分為好于去年,與去年持平和不及去年。
與常年比較模型為:
DNDVIn=NDVI1-NDVI(3)
NDVI=ni=1NDVI-NDVImax-NDVIminn-2(4)
式中,DNDVIn表示與常年比較的作物長(zhǎng)勢(shì)指數(shù);n表示年數(shù),為≧5的整數(shù)(該研究中,n取6);NDVI1表示當(dāng)年某時(shí)段NDVI值;NDVI為常年同期平均NDVI值。NDVImax表示常年同期最大NDVI值;NDVImin表示常年同期最小NDVI值;NDVI表示常年同期平均NDVI值。根據(jù)DNDVIn值大小,結(jié)合地面調(diào)查數(shù)據(jù)對(duì)差值結(jié)果進(jìn)行分級(jí),將作物長(zhǎng)勢(shì)分為好于常年,與常年持平和不及常年。
2?結(jié)果與分析
2.1?美國(guó)冬小麥種植現(xiàn)狀
小麥?zhǔn)敲绹?guó)重要糧食作物之一。美國(guó)農(nóng)業(yè)部國(guó)家農(nóng)業(yè)統(tǒng)計(jì)服務(wù)局(National Agricultural Statistics Service,簡(jiǎn)稱(chēng)NASS)發(fā)布的信息顯示,小麥種植分冬小麥、春小麥和硬質(zhì)小麥3類(lèi)統(tǒng)計(jì),冬小麥?zhǔn)斋@面積比例最高,近3年(2016—2018年)比例均在67%以上;春小麥種植比例在25%以上;硬質(zhì)小麥比例在5%上下浮動(dòng)。冬小麥種植面積比例超過(guò)5%的有堪薩斯州、俄克拉荷馬州、德克薩斯州、科羅拉多州、華盛頓州、蒙大拿州共6個(gè)州,其冬小麥產(chǎn)量之和約占美國(guó)冬小麥總產(chǎn)的60%,其中堪薩斯州種植面積比例超過(guò)25%,是冬小麥種植第一大州。各州冬小麥種植面積比例情況見(jiàn)表1。國(guó)際谷物協(xié)會(huì)(International Grains Council,簡(jiǎn)稱(chēng)IGC)統(tǒng)計(jì)顯示,2017—2018年度美國(guó)小麥產(chǎn)量為4 740萬(wàn)t,約占全球小麥總產(chǎn)的6.2%,居歐盟、中國(guó)、印度、俄羅斯之后,世界排名第5位。雖然其小麥產(chǎn)量絕對(duì)水平不高,但由于其出口依賴(lài)性強(qiáng)而對(duì)國(guó)際小麥?zhǔn)袌?chǎng)有重要影響[14]。美國(guó)小麥出口量?jī)H次于俄羅斯,世界排名第2位,2017—2018年度為2 452萬(wàn)t,占其產(chǎn)量的51.7%。
2.2?美國(guó)冬小麥長(zhǎng)勢(shì)時(shí)空特征分析
利用公式(1)和(2)得到2019年3月上中旬、4月上旬及5月上旬與2018年比較的冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)結(jié)果。其中,3月上中旬(2月26日—3月13日)美國(guó)西部、中西部及東北部地區(qū)受前期降雪影響,冬小麥被積雪覆蓋,在其余75%的冬小麥區(qū),大部冬小麥已進(jìn)入返青期,少量進(jìn)入拔節(jié)期。冬小麥長(zhǎng)勢(shì)持平比例為91.8%,好于2018年比例為4.3%,不及去年比例為3.9%。冬小麥長(zhǎng)勢(shì)好于2018年的區(qū)域主要集中在德克薩斯州中北部、加利福尼亞中部等地區(qū),其中德克薩斯州好于2018年比例為11.4%,加利福尼亞州好于2018年比例為21.3%。這些區(qū)域冬小麥越冬前總體氣溫較常年同期持平或略高,降水適宜,光熱條件有利于冬小麥適時(shí)播種,冬前苗情較好,由于受到了較充分的抗寒鍛煉,因此這些地區(qū)大部分麥苗返青順利,局部長(zhǎng)勢(shì)偏好。長(zhǎng)勢(shì)不及2018年的主要區(qū)域是美國(guó)中西部的內(nèi)布拉斯加州中南部和堪薩斯州中北部的局部地區(qū),其中內(nèi)布拉斯加州不及2018年比例為33.5%,堪薩斯州不及2018年比例為5.8%。這些區(qū)域受前期低溫和土壤過(guò)濕影響,播種延遲,麥苗偏弱,冬前的寒流雨雪天氣,對(duì)其生長(zhǎng)產(chǎn)生了不利影響,加之返青前土壤墑情持續(xù)較差,局部冬小麥長(zhǎng)勢(shì)偏差態(tài)勢(shì)顯著。4月上旬(4月1日—4月10日),大部分冬小麥已進(jìn)入拔節(jié)孕穗期,少量進(jìn)入抽穗期。冬小麥長(zhǎng)勢(shì)持平比例為89.8%,好于2018年比例為9.1%,不及2018年比例為1.1%。與3月上中旬監(jiān)測(cè)結(jié)果相比,持平比例下降2.0%,但好于2018年比例增加4.8%,不及2018年比例下降2.8%。冬小麥長(zhǎng)勢(shì)好于2018年的區(qū)域主要集中在德克薩斯州中北部、俄克拉何馬州西部、堪薩斯州西南部及加利福尼亞州南部地區(qū),這些區(qū)域冬小麥在返青后光溫水綜合條件好于2018年,土壤墑情總體持續(xù)適宜。不及2018年的區(qū)域集中在俄勒岡州和華盛頓州交界的小部地區(qū),主要由于這些地區(qū)前期土壤墑情偏差,對(duì)冬小麥返青拔節(jié)產(chǎn)生了不利影響。5月上旬(5月1日—5月10日),大部分冬小麥已進(jìn)入孕穗抽穗期。美國(guó)農(nóng)業(yè)部發(fā)布的氣象與作物周報(bào)顯示,約42%冬小麥進(jìn)入抽穗期,較2018年偏低1百分點(diǎn),少量進(jìn)入灌漿期。冬小麥長(zhǎng)勢(shì)持平比例為90.3%,好于2018年比例為7.6%,不及2018年比例為2.1%。與4月上旬監(jiān)測(cè)結(jié)果相比,持平比例增加0.5%,好于2018年比例下降1.5%,不及2018年比例增加1.0%。長(zhǎng)勢(shì)好于2018年的區(qū)域主要集中在德克薩斯州中西部、俄克拉何馬州西部、堪薩斯州西部地區(qū),該區(qū)域冬小麥自返青以來(lái)光溫水綜合條件好于2018年,土壤墑情總體適宜,長(zhǎng)勢(shì)較好,局部提前進(jìn)入灌漿期。長(zhǎng)勢(shì)不及2018年的區(qū)域主要分布在西部的愛(ài)達(dá)荷州與華盛頓州交界附近和中部的堪薩斯州南部及俄克拉何馬州中北部局部,其中愛(ài)達(dá)荷州和華盛頓州交界附近冬小麥由于4月中旬以來(lái)降水總量偏少,拔節(jié)抽穗受到不利影響,長(zhǎng)勢(shì)偏差;堪薩斯州南部及俄克拉何馬州中北部局部由于4月底以來(lái)降水偏多,局部土壤過(guò)濕較重,對(duì)冬小麥生長(zhǎng)有不利影響。
根據(jù)美國(guó)農(nóng)業(yè)區(qū)劃,將冬小麥種植州分為5個(gè)地區(qū)(表1)。其中,西部地區(qū)包括華盛頓州等9個(gè)州;中西部地區(qū)包括堪薩斯州等12個(gè)州;西南部地區(qū)包括俄克拉何馬州等4個(gè)州;東南部地區(qū)包括北卡羅萊納州等13個(gè)州;東北部地區(qū)包括紐約州等5個(gè)州。將3月上中旬—5月上旬冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)結(jié)果分地區(qū)進(jìn)行統(tǒng)計(jì)分析(圖1),可以看出各地區(qū)長(zhǎng)勢(shì)與2018年同期相比的變化情況,具體是西部地區(qū)比2018年好比例均在91.8%以上,持平比例小幅波動(dòng),不及2018年比例呈先升后降趨勢(shì),為2.9%;中西部地區(qū)持平比例呈現(xiàn)遞增趨勢(shì),達(dá)到94.8%,總體高于其他幾個(gè)地區(qū),好于2018年比例先升后降,不及2018年比例下降為1.1%;西南地區(qū)不及2018年比例較低,不足1.0%,好于2018年比例總體較高,達(dá)到14.4%;東南地區(qū)持平比例波動(dòng)下降,不及2018年比例波動(dòng)上漲,達(dá)到13.4%,好于2018年比例相對(duì)穩(wěn)定;東北地區(qū)好于2018年比例有增長(zhǎng)趨勢(shì),但總體偏低,為1.0%,持平比例波動(dòng)下降,但均達(dá)到92.0%以上。
2.3?美國(guó)冬小麥產(chǎn)量趨勢(shì)分析
美國(guó)農(nóng)業(yè)部NASS發(fā)布的2018年統(tǒng)計(jì)數(shù)據(jù)顯示,西部、中西部及西南部地區(qū)冬小麥產(chǎn)量占比分別為31%、45%、14%,3個(gè)地區(qū)產(chǎn)量合計(jì)約占美國(guó)冬小麥總產(chǎn)量的90%。因此,這3個(gè)地區(qū)產(chǎn)量能夠反映美國(guó)冬小麥產(chǎn)量趨勢(shì)。有研究認(rèn)為,冬小麥孕穗抽穗階段對(duì)經(jīng)濟(jì)學(xué)產(chǎn)量有決定性作用,也是單產(chǎn)預(yù)測(cè)的最佳時(shí)期[15],且與產(chǎn)量呈正相關(guān)關(guān)系[16]。表2為5月上旬的監(jiān)測(cè)結(jié)果。由表2可知,西部地區(qū)、中西部地區(qū)、西南地區(qū)好于2018年比例均大于不及2018年比例,差值分別為1.6%、3.0%、13.5%。據(jù)此判斷總體產(chǎn)量趨勢(shì)向好。
2.4?美國(guó)冬小麥主產(chǎn)州NDVI對(duì)比
由于堪薩斯州、俄克拉荷馬州、德克薩斯州、科羅拉多州、華盛頓州、蒙大拿州6個(gè)州冬小麥產(chǎn)量約占全國(guó)60%,因此將這6個(gè)州2018、2019年及常年的4月上旬和5月上旬NDVI進(jìn)行繪圖,作進(jìn)一步對(duì)比分析。從表3可以看出,2019年德克薩斯州NDVI顯著高于2018年和常年同期水平;俄克拉荷馬州2019年NDVI顯著高于2018年同期水平,較常年同期略高;堪薩斯州NDVI較常年同期略高,2019年4月上旬與2018年同期差異顯著,但5月上旬較接近;科羅拉多州2018年NDVI與常年基本持平,2019年NDVI略高于2018年和常年同期;華盛頓州2019年NDVI總體低于2018年和常年同期;蒙大拿州2019年NDVI與2018年和常年較接近,5月上旬略低于2018年和常年同期。其中,德克薩斯州、俄克拉荷馬州、堪薩斯州受良好水熱條件影響,NDVI水平優(yōu)勢(shì)明顯,而華盛頓州受前期低溫影響,返青較晚,NDVI值表現(xiàn)偏低??傮w而言,這6個(gè)主產(chǎn)州冬小麥單產(chǎn)呈偏好態(tài)勢(shì)。
3?小結(jié)
該研究采用同期比較法對(duì)2019年美國(guó)冬小麥長(zhǎng)勢(shì)的遙感監(jiān)測(cè)進(jìn)行分析,結(jié)果顯示2019年3月上中旬—5月上旬美國(guó)冬小麥長(zhǎng)勢(shì)基本呈現(xiàn)持平略好趨勢(shì),且總體好于2018年同期,尤其是主產(chǎn)州冬小麥長(zhǎng)勢(shì)總體持平偏好。產(chǎn)量有望穩(wěn)中略增,進(jìn)一步增加全球小麥供給。
該研究側(cè)重從定性角度對(duì)作物長(zhǎng)勢(shì)和產(chǎn)量趨勢(shì)進(jìn)行評(píng)估,具有快速、客觀等優(yōu)勢(shì),但與地面信息結(jié)合時(shí)仍存在一定不足。因此,將遙感監(jiān)測(cè)參數(shù)與作物模型結(jié)合,對(duì)長(zhǎng)勢(shì)進(jìn)行定量化評(píng)估和產(chǎn)量預(yù)估是今后的研究方向。
參考文獻(xiàn)
[1] 李花.HJ-1A/B遙感監(jiān)測(cè)水稻長(zhǎng)勢(shì)與產(chǎn)量的研究[D].合肥:安徽農(nóng)業(yè)大學(xué),2011.
[2] 楊邦杰,裴志遠(yuǎn).農(nóng)作物長(zhǎng)勢(shì)的定義與遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),1999,15(3):214-218.
[3] 楊邦杰.農(nóng)情遙感監(jiān)測(cè)[M].北京:中國(guó)農(nóng)業(yè)出版社,2005.
[4] 黃青,劉航,鄒金秋.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[J].中國(guó)科技資源導(dǎo)刊,2017,49(6):60-65,75.
[5] 陳仲新,任建強(qiáng),唐華俊,等.農(nóng)業(yè)遙感研究應(yīng)用進(jìn)展與展望[J].遙感學(xué)報(bào),2016,20(5):748-767.
[6] 任建強(qiáng),劉杏認(rèn),陳仲新,等.基于作物生物量估計(jì)的區(qū)域冬小麥單產(chǎn)預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào),2009,20(4):872-878.
[7] GUINDIN?GARCIA N,GITELSON A A,ARKEBAUER T J,et al.An evaluation of MODIS 8?and 16?day composite products for monitoring maize green leaf area index[J].Agricultural and forest meteorology,2012,161(3):15-25.
[8] 閆巖,柳欽火,劉強(qiáng),等.基于遙感數(shù)據(jù)與作物生長(zhǎng)模型同化的冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)方法研究[J].遙感學(xué)報(bào),2006,10(5):804-811.
[9] 劉峰,李存軍,董瑩瑩,等.基于遙感數(shù)據(jù)與作物生長(zhǎng)模型同化的作物長(zhǎng)勢(shì)監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(10):101-106.
[10] 潘灼坤.耦合遙感信息與作物生長(zhǎng)模型的區(qū)域低溫影響監(jiān)測(cè)、預(yù)警與估產(chǎn)[D].杭州:浙江大學(xué),2016.
[11] 劉流.美國(guó)糧食和耕地變化及其趨勢(shì)分析[J].世界農(nóng)業(yè),2017(6):128-133.
[12] 劉志揚(yáng).美國(guó)在城市化過(guò)程中實(shí)施耕地保護(hù)對(duì)中國(guó)的啟示[J].世界農(nóng)業(yè),2010(6):28-30.
[13] 李社潮.美國(guó)農(nóng)業(yè)考察見(jiàn)聞[J].新農(nóng)業(yè),2017(6):43-45.
[14] 顧堯臣.世界糧食生產(chǎn)、流通和消費(fèi)[M].北京:中國(guó)財(cái)政經(jīng)濟(jì)出版社,2009.
[15] 千懷遂.農(nóng)作物遙感估產(chǎn)最佳時(shí)相的選擇研究:以中國(guó)主要糧食作物為例[J].生態(tài)學(xué)報(bào),1998,18(1):48-55.
[16] 盛磊,何亞娟,吳全,等.河南省冬小麥產(chǎn)量遙感監(jiān)測(cè)精度比較研究[J].中國(guó)農(nóng)業(yè)信息,2018,30(2):95-102.