基于綜合指標(biāo)的河北省冬小麥長勢遙感監(jiān)測

周邵寧，黃芝

（衡陽師范學(xué)院 地理與旅游學(xué)院，湖南 衡陽 421002）

作物長勢監(jiān)測能夠為早期估產(chǎn)提供依據(jù)，已成為精細(xì)農(nóng)業(yè)研究中的重要內(nèi)容[1]。但是農(nóng)作物個體特征和群體特征信息的獲取均費(fèi)時費(fèi)力，無法在短時間內(nèi)獲得大范圍作物長勢信息。遙感技術(shù)以其響應(yīng)速度快、覆蓋范圍廣等優(yōu)勢，己成為大尺度作物長勢監(jiān)測的重要手段[2]。目前根據(jù)監(jiān)測方法的不同，作物長勢遙感監(jiān)測大致可以分為4個類別：直接監(jiān)測法、作物生長過程監(jiān)測法、同期對比法和作物的生長模型[3]。

應(yīng)用遙感技術(shù)對農(nóng)作物長勢進(jìn)行監(jiān)測的精度還有待提高，學(xué)者們一直致力于研究更優(yōu)的方法以期提高農(nóng)作物長勢監(jiān)測的精度：利用遙感數(shù)據(jù)反演作物生長密切相關(guān)的驅(qū)動因子，如植被指數(shù)、葉面積指數(shù)、表面溫度、土壤水分等，比傳統(tǒng)測量方法更直接、有效，監(jiān)測精度更高。如杜剛對用于監(jiān)測農(nóng)作物長勢的各類植被指數(shù)模型進(jìn)行了類推比較，并且著重分析了歸一化植被指數(shù)在植物長勢監(jiān)測方面的應(yīng)用[4]。彭少麟等提出，由于不同植物會有不同的發(fā)射光譜特征，且同一植物在不同的生長發(fā)育階段和不同的條件下反射光譜曲線形態(tài)和特征也不會全然相同，因此可以利用植被的這一特征和遙感數(shù)據(jù)，結(jié)合地面調(diào)查監(jiān)測植被的生長[5]。另外基于紅波段和近紅外波段這兩個波段計算得到的植被指數(shù)也能夠反映作物生長過程、覆蓋度和季相變化，也常用于監(jiān)測農(nóng)作物的生長狀況[6-7]。同時通過改進(jìn)MODIS數(shù)據(jù)的植被指數(shù)的獲取精度以及利用MODIS的多通道信息反演多種農(nóng)學(xué)參數(shù)[8]，能有效解決高時間分辨率的農(nóng)作物長勢監(jiān)測問題[9]。葉面積指數(shù)（Leaf area index，LAI）作為植被生物物理參數(shù)中的重要一員，是作物單產(chǎn)預(yù)測的重要參數(shù)，與作物產(chǎn)量有直接的關(guān)系[10]，因此，張樹譽(yù)等人運(yùn)用MODIS-NDVI序列數(shù)據(jù)聯(lián)合地表氣候觀測材料對關(guān)中水地以及旱地農(nóng)作物長勢展開監(jiān)測，同時對LAI進(jìn)行了估算[11]。楊昕通過獲取小麥各個生長時期的SPAD（葉綠素含量）、LAI、葉片含氮量、生物量等參數(shù)創(chuàng)建不同的模型來監(jiān)測小麥的長勢[12]。侯學(xué)會等人基于GF-1數(shù)據(jù)分別創(chuàng)建OSAVI（優(yōu)化的土壤調(diào)節(jié)植被指數(shù)）、NDVI、EVI（增強(qiáng)型植被指數(shù)）、EVI2（雙波段增強(qiáng)植被指數(shù)）、RVI（比值植被指數(shù)），結(jié)合實(shí)測冬小麥葉面積指數(shù)來監(jiān)測冬小麥的長勢[13]。

上述的監(jiān)測方法基本上是基于單個或多個植被指數(shù)分別對冬小麥長勢進(jìn)行監(jiān)測，高效的冬小麥長勢監(jiān)測方法仍需進(jìn)一步探討；同時，以往的研究較少考慮大范圍監(jiān)測時物候變化所帶來的生長差異，因此為了進(jìn)一步提高冬小麥長勢監(jiān)測精度，本文選取VTCI和NDVI時間序列通過灰色關(guān)聯(lián)度方法構(gòu)建綜合監(jiān)測指標(biāo)C，利用該綜合指標(biāo)對2005年—2016年河北省冬小麥的抽穗期進(jìn)行監(jiān)測，并對冬小麥的長勢狀況的時空格局進(jìn)行相關(guān)分析，以期得到精度更高的冬小麥長勢監(jiān)測結(jié)果，為精細(xì)農(nóng)業(yè)的發(fā)展以及農(nóng)作物估產(chǎn)提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

河北省圍繞著首都北京，總面積188 800 km2，統(tǒng)轄著11個地級市和1個國家級新區(qū)雄安新區(qū)，有47個市轄區(qū)、20個縣級市、95個縣、6個自治縣。處在東經(jīng)113°27′~119°50′，北緯36°05′~42°40′。地形包括三個重要的地貌單元，其中，壩上高原海拔1 200~15 000 m左右，占全省總面積的8.5%，燕山、太行山地，多在海拔2 000 m之下，占全省總面積的48.1%，河北平原則是華北平原的一部分，大部分海拔在50 m以下，約占全省總面積的43.4%。

河北省的農(nóng)作物主要以小麥、玉米、棉花、水稻、土豆為主，并且在空間分布上有差異：南部地區(qū)主要以種植小麥、玉米為主；中北部地區(qū)以種植棉花、土豆為主；西南地區(qū)少部分種植水稻。冬小麥和夏玉米是河北省復(fù)種率最高的兩種農(nóng)作物。耕作制度主要是一年一熟和一年兩熟。

1.2 數(shù)據(jù)來源與處理

1.2.1 MODIS遙感數(shù)據(jù)

本文選取的是經(jīng)過嚴(yán)格處理的少云（云量要求20%以下）陸地標(biāo)準(zhǔn)產(chǎn)品MODO9A1 8天合成地表反射率產(chǎn)品以及MYD11A1地表溫度L3產(chǎn)品，獲取的數(shù)據(jù)覆蓋面為河北省2005年—2016年的3~5月時相數(shù)據(jù)；選取的研究時間段足夠長，并且該期間的冬小麥長勢與產(chǎn)量存在偏好（偏豐產(chǎn)）、偏差（偏歉收）等不同長勢和收獲情況（如表1所示）。這為長勢監(jiān)測結(jié)果的精度驗證提供了有利條件，因此將2005年—2016年作為研究時段具有典型性。河北省在全球的MODIS劃分區(qū)塊中涉及到h27v5，h27v4，h26v4，h26v5這四個網(wǎng)格的數(shù)據(jù)。經(jīng)過拼接、重采樣、投影轉(zhuǎn)換等處理后，反演日LST產(chǎn)品和計算日NDVI產(chǎn)品，然后生成LST與NDVI的旬最大值合成影像，進(jìn)而計算生成以旬為單位的VTCI時間序列數(shù)據(jù)。

表1 河北省冬小麥2005年—2016年單產(chǎn)量

1.2.2 研究區(qū)冬小麥種植區(qū)域提取

對河北省冬小麥抽穗期的長勢情況展開監(jiān)測，研究前提在于準(zhǔn)確提取冬小麥區(qū)域。河北省的冬小麥通常在每年11月中上旬悉數(shù)出苗，此時大部分的秋收作物已經(jīng)收割完畢，田間的綠色作物主要是小麥，其他綠色植物相對較少。但此期間樹木還沒有完全落葉，綠度值與小麥的綠度值沒有辦法區(qū)別開來。因此，本文選擇2006年10月14日13時AQUA衛(wèi)星遙感資料，該時期秋收作物大都已經(jīng)收割完畢，冬小麥還沒有出苗或麥苗還小，近乎裸地的區(qū)域視為冬小麥的種植區(qū)域[14]，將其進(jìn)行監(jiān)督分類得出冬小麥種植區(qū)如圖1所示。

圖1 冬小麥種植區(qū)

2 基于綜合指標(biāo)的冬小麥長勢遙感監(jiān)測方法

基于綜合指標(biāo)的冬小麥長勢遙感監(jiān)測的主要流程如下[15]：首先將獲取的原始MODIS數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，提取河北省冬小麥可種植區(qū)域，反演日LST產(chǎn)品和計算日NDVI產(chǎn)品，然后生成LST與NDVI的旬最大值合成影像，進(jìn)而計算生成以旬為單位的VTCI時間序列數(shù)據(jù)。由于衛(wèi)星在拍攝過程中，受云、氣溶膠、雙向反射以及數(shù)據(jù)傳輸錯誤等多重因素的影響，會出現(xiàn)異常植被指數(shù)值，影響NDVI數(shù)值精度，所以必須在監(jiān)測之前重建NDVI時間序列數(shù)據(jù)，選擇S-G濾波法對研究區(qū)的時間序列NDVI數(shù)據(jù)進(jìn)行濾波去噪和影像重建。接著運(yùn)用灰色關(guān)聯(lián)度法分別計算NDVI與VTCI在冬小麥年單產(chǎn)量中的權(quán)重值，構(gòu)建綜合監(jiān)測指標(biāo)C，再通過構(gòu)建冬小麥單產(chǎn)量與綜合監(jiān)測指標(biāo)C的線性回歸模型作出對綜合指標(biāo)的適宜性進(jìn)行分析。最后通過動態(tài)監(jiān)測方法分別分析冬小麥長勢的年際差異以及區(qū)域差異，對冬小麥長勢進(jìn)行評價。

2.1 長勢監(jiān)測綜合指標(biāo)構(gòu)建

綜合指數(shù)C的構(gòu)建主要以河北省2005年—2016年的冬小麥單產(chǎn)數(shù)據(jù)作為參考數(shù)列，研究區(qū)的冬小麥單產(chǎn)數(shù)據(jù)來源于《河北農(nóng)村統(tǒng)計年鑒》，相應(yīng)時間段的NDVI與VTCI作為被比較數(shù)列，通過計算冬小麥抽穗期VTCI序列、NDVI序列與單產(chǎn)數(shù)據(jù)之間的絕對關(guān)聯(lián)度，確定冬小麥VTCI與NDVI作為長勢監(jiān)測指標(biāo)的權(quán)重值。

灰色關(guān)聯(lián)度分析法[16]是通過分析因素的歷史數(shù)據(jù)，借助灰色關(guān)聯(lián)度來考察各因素間的大小、強(qiáng)弱和次序關(guān)系。該方法簡單易行，對數(shù)據(jù)要求較低，能夠很好地降低數(shù)據(jù)缺失對研究結(jié)果所造成的影響，廣泛應(yīng)用于社會生活的各個領(lǐng)域。它的過程一般為對所研究的系統(tǒng)Si( i =1,2,…,n)，構(gòu)造研究所需的參考序列X0=( x01,x02,…,x0m)和比較序列Xi=( xi1,xi2,…,xim)，式中x0k(k=1,2,…,m)為第k個指標(biāo)的最優(yōu)值；xik(k=1,2,…,m)為第i個方案中第k個指標(biāo)的原始數(shù)值。為了保證對不同量綱與數(shù)量級之間的指標(biāo)比較結(jié)果的可靠性，需通過標(biāo)準(zhǔn)化處理將原始數(shù)據(jù)轉(zhuǎn)換為無量綱值Cik：

式中xkmin為第k個指標(biāo)在所在方案中的最小值；xkmax為第k個指標(biāo)在所在方案中的最大值。

接著對參考序列及權(quán)重系數(shù)向量ρ( ρ∈[- 1,1] )進(jìn)行確定，當(dāng)ρ值在0.500 0~0.546 3時分辨力較好，且關(guān)聯(lián)系數(shù)ξi(k)分布區(qū)間適宜，在實(shí)際應(yīng)用中適用性廣泛，故通常取ρ=0.5。根據(jù)上述條件來計算關(guān)聯(lián)系數(shù)ξi(k) 以及關(guān)聯(lián)度ri，再以關(guān)聯(lián)度大小為依據(jù)對變量進(jìn)行大小排序。其中關(guān)聯(lián)系數(shù)ξi(k)和關(guān)聯(lián)度ri分別通過下列公式計算：

再依據(jù)絕對關(guān)聯(lián)度ri反映了第i個方案各指標(biāo)與最優(yōu)指標(biāo)之間的關(guān)聯(lián)程度，ri值越大，則第i個方案越優(yōu)異，其權(quán)重值越大。因此依據(jù)各方案絕對關(guān)聯(lián)度在所有方案絕對關(guān)聯(lián)度總和中所占的比確定各方案的權(quán)重系數(shù)Wi[17]：

由公式（2），式（3），式（4）計算得到研究區(qū)域NDVI與VTCI的權(quán)重值分別為0.51和0.49，即構(gòu)建的綜合監(jiān)測指標(biāo)C的表達(dá)式為

中國氣象局發(fā)布的《主要糧食作物產(chǎn)量年景等級》將主要糧食作物的產(chǎn)量年景劃分為6個等級：豐年、偏豐年、持平略增、持平略減、偏歉年與歉年。全國尺度和省級尺度的糧食作物的產(chǎn)量年景等級及其對應(yīng)的總產(chǎn)或單產(chǎn)增（減）率Py的區(qū)間分布如表2所示。根據(jù)該劃分標(biāo)準(zhǔn)中的分省單產(chǎn)對應(yīng)的產(chǎn)量年景劃分標(biāo)準(zhǔn)將綜合監(jiān)測指標(biāo)C劃分為好、偏好、持平稍好、持平稍差、偏差、差，取置信水平1－α為0.95，統(tǒng)計分析每一等級C的均值、標(biāo)準(zhǔn)差、置信區(qū)間等，依據(jù)各等級置信區(qū)間的上（下）限，制定冬小麥綜合監(jiān)測指標(biāo)分級標(biāo)準(zhǔn)如表3所示。

表2 產(chǎn)量年景等級及產(chǎn)量增（減）率指標(biāo)(%)

表3 冬小麥綜合監(jiān)測指標(biāo)分級標(biāo)準(zhǔn)

2.2 綜合指數(shù)適用性分析

回歸分析是描述客觀事物間關(guān)系密切程度并將其定量化表示出來的一種統(tǒng)計分析方法。其中的一元線性回歸是用y=a+bx擬合一系列對自變量x和因變量y的數(shù)據(jù)觀察值的過程，通過決定系數(shù)R2評價y與x之間的擬合度，R2的取值范圍在0~1，越接近1，擬合度越好。本文利用研究區(qū)域2005年—2016年冬小麥的NDVI和VTCI以及綜合長勢監(jiān)測指標(biāo)C分別構(gòu)建與冬小麥單產(chǎn)數(shù)據(jù)之間的線性回歸模型，其結(jié)果如表4所示。由表4可知，三個監(jiān)測指標(biāo)與冬小麥單產(chǎn)之間的相關(guān)性最好的是綜合監(jiān)測指標(biāo)C，其對應(yīng)R2為0.509 2，指標(biāo)NDVI與VTCI的R2分別為0.125 0和0.127 9，皆低于綜合指標(biāo)的決定系數(shù)?；诖丝梢缘贸鼋Y(jié)論，綜合監(jiān)測指標(biāo)C的構(gòu)建具有理論意義，比起單一的植被指數(shù)或者監(jiān)測指標(biāo)更加能過反映冬小麥的長勢情況。

表4 2005年—2016年河北省冬小麥各長勢監(jiān)測指標(biāo)與省級單產(chǎn)的線性回歸模型

3 2005年—2016年冬小麥長勢綜合評價

通過構(gòu)建綜合監(jiān)測指標(biāo)C的公式進(jìn)行計算，并且按照表2冬小麥的長勢劃分等級標(biāo)準(zhǔn)能夠得出河北省每年的冬小麥抽穗期長勢空間分布如圖2所示。

圖2 河北省2005年—2016年冬小麥抽穗期長勢空間分布

從2005年—2016年（2014年和2015年數(shù)據(jù)缺失）整體的方向來看，河北省冬小麥生長趨勢整體平穩(wěn)，生長差的區(qū)域以及生長好、兩極分化的區(qū)域所占的比比較少，長勢基本處于持平狀態(tài)。長勢嚴(yán)重低于同年均值的主要是西南部地區(qū)。有幾年生長趨勢持平稍差的區(qū)域所占比重較多，或者說空間分布明顯區(qū)別于其他年份的冬小麥長勢空間分布。例如2010年冬小麥抽穗期長勢偏差和持平稍差等級的區(qū)域所占比重最大，占據(jù)了河北省冬小麥整個種植區(qū)的絕大部分，長勢持平稍差等級占比約為61.95%，長勢持平稍好的區(qū)域只占一小部分，約為16.85%，這與2010年河北省的氣象災(zāi)害受災(zāi)率達(dá)到了大約28%相符[18]。2005年以及2009年長勢持平稍差占比也比較大。而2008年、2011年、2013年的冬小麥生長趨勢相較于其他年份則長勢優(yōu)異；其中2008年長勢持平稍好以上等級分別占了整體空間分布格局的31.38%，36.48%，35.10%。10 a間長勢最好的年份當(dāng)屬2013年，長勢好等級占冬小麥區(qū)域的絕大部分。研究期內(nèi)，河北省的大部分冬小麥區(qū)域的長勢都趨于持平稍好，少數(shù)年份的持平稍差，長勢好或差以及偏差的冬小麥在這10 a間所占的比極低。

從河北省的冬小麥抽穗期生長趨勢空間分布格局進(jìn)行對比發(fā)現(xiàn)，河北省中部地區(qū)的冬小麥在研究期內(nèi)長勢比較穩(wěn)定一致。2005年—2016年冬小麥生長情況較好的地區(qū)都集中在河北省的西南部、西部以及北部，只有2010年的西部、西南部以及南部地區(qū)的冬小麥長勢差于其他的區(qū)域，出現(xiàn)了少數(shù)的長勢偏差等級。在研究期內(nèi)，冬小麥區(qū)域中幾乎不存在長勢差的冬小麥，長勢等級集中在持平稍好、偏好范圍內(nèi)。

4 評價結(jié)果驗證

冬小麥長勢是降水、墑情或干旱狀況的綜合反映[13]。本文利用已有的相關(guān)研究對河北省冬小麥長勢評價結(jié)果進(jìn)行驗證。據(jù)王素萍等人的研究，2009年12月末，河北出現(xiàn)輕到中旱，并且2010年2月末河北中部旱象露頭，出現(xiàn)輕旱[19]。在一定程度上導(dǎo)致了冬小麥2010年長勢情況不樂觀，持平稍差長勢占據(jù)大部分地區(qū)，這與本文研究結(jié)果一致。除此之外，孔敏等人對河北省2013年年降水量地區(qū)分布做出分析，全省年降水量地區(qū)分布總體呈現(xiàn)南、北部略偏少，中部地區(qū)偏多[20]，而本文得出的2013年冬小麥長勢等級分布中部優(yōu)于南北部，這與孔敏等人的分析結(jié)果一致。同時代立芹等對河北省冬小麥凍害發(fā)生規(guī)律進(jìn)行分析，結(jié)果表明河北省冬小麥凍害地域分布為：南部多于北部，凍害高發(fā)區(qū)主要集中在中南部麥區(qū)[21]?？v觀本文研究時間段可以看出冬小麥長勢中部及中北部優(yōu)于南部。這與代立芹等人的研究結(jié)果仍有一致性。雖然本文研究結(jié)果與前人相關(guān)研究存在數(shù)據(jù)源、空間尺度以及研究時間等差異，但在一定程度上仍然具有一致性，因此，本文基于綜合指標(biāo)對河北省冬小麥長勢進(jìn)行監(jiān)測具有實(shí)際意義以及可靠性。

5 結(jié)論

選取河北省2005年—2016年（由于影像獲取原因不包括2014年和2015年影像）的MODIS產(chǎn)品數(shù)據(jù)為主要數(shù)據(jù)源，考慮物候差異的影響，提取河北省冬小麥抽穗期進(jìn)行監(jiān)測，選用條件溫度植被指數(shù)VTCI和歸一化植被指數(shù)NDVI構(gòu)建綜合監(jiān)測指標(biāo)C，通過作物生長過程動態(tài)監(jiān)測方法監(jiān)測河北省冬小麥逐年的長勢變化。主要結(jié)論如下：

（1）目前已有的成果一般都是根據(jù)作物多年平均長勢狀況對當(dāng)年相應(yīng)時間點(diǎn)或時間段的作物長勢進(jìn)行研究，忽略了大范圍長勢監(jiān)測，不同區(qū)域作物會因所處物候期的不同導(dǎo)致長勢出現(xiàn)差異從而帶來的監(jiān)測誤差。因此，本文主要選取冬小麥抽穗期為長勢監(jiān)測階段，初步消除了長時間和大區(qū)域作物長勢監(jiān)測中物候差異帶來的影響。

（2）選用條件溫度植被指數(shù)VTCI和歸一化植被指數(shù)NDVI構(gòu)建的綜合監(jiān)測指標(biāo)C經(jīng)過驗證得出結(jié)論，比單一NDVI與VTCI而言，C的監(jiān)測精度更高，更能體現(xiàn)冬小麥抽穗期的長勢情況。但是監(jiān)測指標(biāo)C對于冬小麥的其他物候期以及其他地區(qū)的冬小麥?zhǔn)欠裼行?，還需進(jìn)一步研究。

（3）通過年際之間的對比研究發(fā)現(xiàn)，河北省的冬小麥長勢在2005年—2016年整體生長趨勢呈持平稍好的狀態(tài)，大部分年份的冬小麥生長趨勢都與年均生長趨勢相近，但也存在生長趨勢波動較大的年份，例如2010年，由于受到旱災(zāi)影響，冬小麥出現(xiàn)了長勢偏差情況。從長勢空間分布格局來看，2005年—2016年，河北省的中部、中北部冬小麥長勢要相對優(yōu)于南部地區(qū)。