基于時(shí)序MODIS和氣象數(shù)據(jù)的日喀則地區(qū)青稞估產(chǎn)

潘瑩，仙巍，陳春容，陳軍，徐薇

(1.成都信息工程大學(xué) 資源環(huán)境學(xué)院，成都 610225；2.日喀則市氣象局，西藏 日喀則 857000)

0 引言

青稞是藏區(qū)人民的主食，也是海拔4 500 m以上唯一可以正常成熟的糧食作物。青藏高原是全球青稞產(chǎn)量和種植面積最大的地區(qū)，而日喀則地區(qū)作為西藏的第二大城市，也是青稞的主產(chǎn)區(qū)。因此，快速準(zhǔn)確地監(jiān)測青稞的產(chǎn)量，對(duì)藏區(qū)的產(chǎn)業(yè)發(fā)展與經(jīng)濟(jì)發(fā)展具重要意義。

當(dāng)前，對(duì)青稞估產(chǎn)的相關(guān)研究較少，而估產(chǎn)可分為作物的種植面積提取與估產(chǎn)模型建立兩部分。日喀則地區(qū)地形復(fù)雜，青稞種植區(qū)域分布零碎，傳統(tǒng)的調(diào)查估產(chǎn)手段難以得到全面準(zhǔn)確的結(jié)果，但遙感技術(shù)可以解決其無法全覆蓋和成本過高的問題，具有較好的準(zhǔn)確度和時(shí)空連續(xù)性的優(yōu)勢，在種植面積提取和產(chǎn)量預(yù)測中起著重要的作用[1]。利用遙感手段實(shí)現(xiàn)產(chǎn)量預(yù)測方法主要有統(tǒng)計(jì)預(yù)測法和生長模型預(yù)測法兩大類，其中，生長模型預(yù)測法是數(shù)值模擬作物的生長過程，需引入大量的影響作物生長的參數(shù)與同化后的遙感數(shù)據(jù)，故在大范圍的作物估產(chǎn)中難以實(shí)現(xiàn)[2-3]；而統(tǒng)計(jì)預(yù)測法只需選入少量的影響產(chǎn)量的相關(guān)參數(shù)進(jìn)行估產(chǎn)，如氣象數(shù)據(jù)和遙感指數(shù)，對(duì)大面積的區(qū)域估產(chǎn)相對(duì)較易實(shí)現(xiàn)。遙感數(shù)據(jù)估產(chǎn)原理是利用作物的光譜反射特征提取其潛在的產(chǎn)量信息，并且光譜植被指數(shù)可以定量化，其中最為常見的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)光譜組成與作物產(chǎn)量的物理關(guān)系在機(jī)理上已得到證實(shí)[4-6]。劉寶鋒等[7]運(yùn)用遙感分析法，結(jié)合Landsat TM數(shù)據(jù)和歷年青稞產(chǎn)量數(shù)據(jù)，建立了甘孜縣青稞估產(chǎn)模型并取得了較好的結(jié)果。劉新杰等[8]基于時(shí)序衛(wèi)星的定量NDVI遙感數(shù)據(jù)實(shí)現(xiàn)了冬小麥的長勢監(jiān)測和精確估產(chǎn)。通過遙感技術(shù)進(jìn)行農(nóng)作物估產(chǎn)主要是建立經(jīng)驗(yàn)?zāi)Ｐ?，而回歸模型是典型的代表，王長耀等[9]、任建強(qiáng)等[10]利用MODIS植被指數(shù)產(chǎn)品，采用逐步回歸法建立農(nóng)作物估產(chǎn)模型，取得了較高的估產(chǎn)精度。

氣候變暖正影響著脆弱的高原生態(tài)環(huán)境，青藏高原作為中國乃至世界氣候變化的敏感區(qū)和啟動(dòng)區(qū)，農(nóng)業(yè)生產(chǎn)嚴(yán)重依賴于氣候資源[11-12]。日喀則地區(qū)的青稞產(chǎn)量對(duì)氣候變化存在明顯的響應(yīng)，特別是對(duì)氣溫和降水量異常敏感[13]，而目前基于單純的遙感數(shù)據(jù)的產(chǎn)量預(yù)測模型較多，因此本文結(jié)合時(shí)間序列的MODIS遙感數(shù)據(jù)和氣象數(shù)據(jù)，擬建立一種適用于青藏高原日喀則地區(qū)的綜合的青稞遙感氣象估產(chǎn)模型。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

本文以我國西藏日喀則地區(qū)為研究區(qū)，其地處青藏高原東南部，位于82°00′E～90°07′E、27°55′N～31°16′N，面積為18.2×104km2，地形復(fù)雜多樣，平均海拔在4 000 m以上。日喀則地區(qū)空氣稀薄，太陽輻射強(qiáng)，日照長，氣溫低，年較小，日較大，常年農(nóng)作物播種面積為2.6×105ha。青稞是日喀則地區(qū)播種面積最大的農(nóng)作物，主要集中在雅魯藏布江和年楚河流域，由拉孜—仁布寬谷和江孜—日喀則平原組成，還包括喜馬拉雅山脈北側(cè)、藏南高原上的朋曲河谷平原和其他零星的河谷平原。這些谷地坡度平緩，土層深厚，氣候宜人，水源較充足，有利于農(nóng)作物的種植。

1.2 數(shù)據(jù)準(zhǔn)備

本文所需數(shù)據(jù)有遙感數(shù)據(jù)和非遙感數(shù)據(jù)。其中遙感來源于美國國家航天局(National Aeronautics and Space Administration，NASA)的官方網(wǎng)站(https：//ladsweb.modaps.eosdis.nasa.gov)，獲取2015—2019年16 d合成的MOD13A1和8 d合成的MOD09A1的NDVI，分別用于青稞的種植區(qū)提取與估產(chǎn)。獲取行列號(hào)為h25v05與h25v06，其中MOD13A1共230景，MOD09A1共460景。使用MRT輸入命令行可對(duì)以上數(shù)據(jù)進(jìn)行重采樣和鑲嵌的批處理。非遙感數(shù)據(jù)包括氣象數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)，分別來源于中國氣象數(shù)據(jù)網(wǎng)(http：//data.cma.cn/)和《日喀則統(tǒng)計(jì)年鑒》，包括日喀則地區(qū)2016—2019年各市(縣)的日平均氣溫、日降水量、青稞單產(chǎn)產(chǎn)量和該地區(qū)的播種總面積。

2 研究方法

2.1 青稞種植區(qū)提取

隨著農(nóng)作物的物候期更替，近紅外波段因作物的葉面積系數(shù)和覆蓋率增大而增大，紅光反射率則逐漸減小，因此在某一時(shí)間斷面上，日喀則地區(qū)的青稞和冬小麥的狀態(tài)和結(jié)構(gòu)會(huì)因物候期的不同而有明顯差別[14-15]。日喀則地區(qū)的冬小麥比青稞要早一個(gè)月進(jìn)入生長最茂盛的時(shí)期即拔節(jié)期，利用這種不同作物間物候差異特征，通過MOD13A1的NDVI數(shù)據(jù)，經(jīng)過反復(fù)的探究與實(shí)驗(yàn)，得到式(1)所示的日喀則地區(qū)青稞種植區(qū)提取方法。該方法不僅可以提取青稞的種植區(qū)，還能有效剔除日喀則地區(qū)以冬小麥為主的其他農(nóng)作物與綠色植物的影響。

(1)

式中：QK是青稞種植范圍，當(dāng)QK為1時(shí)，為種植區(qū)域，當(dāng)QK為0時(shí)，為非種植區(qū)；NDVI拔節(jié)為拔節(jié)期的NDVI；NDVI播種前為播種前的NDVI。

為提高青稞種植范圍的提取精度，將利用式(1)提取的結(jié)果與高清的天地圖進(jìn)行人工目視解譯對(duì)比，剔除個(gè)別未在耕地上的錯(cuò)誤值，最終得到日喀則市青稞2015—2019年的種植面積。

將青稞提取總播種面積與統(tǒng)計(jì)總播種面積相比，2019年的提取精度最高，為99.51%，2017年提取精度最低，為97.46%(表1、表2)。歷年來，位于年楚河流域的日喀則市、江孜縣和白朗縣青稞播種面積較多，約占日喀則地區(qū)青稞播種總面積的1/2；亞東縣的播種面積是所提取的縣中最少的，其中2018年和2019年由于青稞播種面積過小，難以提取。分析統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)，2015年總播種面積最小，為1 293.1 km2，在2018年達(dá)最大，為1 395.8 km2，2019年總播種面積為1 391.90 km2。

表1 日喀則地區(qū)青稞種植面積提取結(jié)果 km2

表2 日喀則地區(qū)青稞種植面積提取精度

2.2 青稞產(chǎn)量預(yù)測方法

1)時(shí)間序列分析法。時(shí)間序列分析法是一種基于數(shù)理統(tǒng)計(jì)與隨機(jī)過程理論的方法，研究的是連續(xù)時(shí)間的動(dòng)態(tài)數(shù)據(jù)所遵循的統(tǒng)計(jì)規(guī)律[16-19]。青稞生長過程曲線的變化可以反映其長勢的變化，而長勢會(huì)影響最終的產(chǎn)量[20]。利用時(shí)間序列植被指數(shù)曲線分析方法，提取遙感波段反射率，根據(jù)青稞生長的時(shí)相變化特點(diǎn)可確定遙感監(jiān)測的周期，從而選擇恰當(dāng)?shù)倪b感數(shù)據(jù)進(jìn)行估產(chǎn)(圖1)。植被指數(shù)時(shí)間序列濾波法是去除噪聲的一種常用方法，利用S-G(savizky-golay)濾波法可去除云和大氣對(duì)NDVI的影響，可得到去噪后的時(shí)間序列NDVI數(shù)據(jù)。

圖1 青稞時(shí)間序列植被指數(shù)曲線圖

2)產(chǎn)量預(yù)測模型。農(nóng)作物的生產(chǎn)是一個(gè)復(fù)雜的綜合系統(tǒng)，不僅會(huì)受到農(nóng)業(yè)生物、技術(shù)、經(jīng)濟(jì)的影響，也會(huì)受到各氣象條件等環(huán)境因素的影響。分解模型法是一種同時(shí)考慮農(nóng)作物產(chǎn)量的構(gòu)成因素(農(nóng)業(yè)技術(shù)、農(nóng)業(yè)環(huán)境和隨機(jī)因素等)以及這些因素對(duì)產(chǎn)量的影響的方法。模型分解法可將農(nóng)作物產(chǎn)量分解為趨勢產(chǎn)量、波動(dòng)產(chǎn)量與隨機(jī)產(chǎn)量，如式(2)所示[21]。趨勢產(chǎn)量為農(nóng)業(yè)技術(shù)進(jìn)步導(dǎo)致的產(chǎn)量部分，波動(dòng)產(chǎn)量為農(nóng)作物的自然環(huán)境導(dǎo)致的產(chǎn)量部分，隨機(jī)產(chǎn)量是由突發(fā)自然災(zāi)害和其他不確定因素導(dǎo)致的產(chǎn)量部分(隨機(jī)產(chǎn)量只能在模型外單獨(dú)處理，本研究不予考慮)。趨勢產(chǎn)量可通過區(qū)域產(chǎn)量序列擬合得出，表現(xiàn)為時(shí)間的正函數(shù)。波動(dòng)產(chǎn)量為實(shí)際產(chǎn)量與趨勢產(chǎn)量之差，可通過波動(dòng)產(chǎn)量與氣象參數(shù)進(jìn)行相關(guān)性分析，以及反映作物生長情況的植被指數(shù)進(jìn)行時(shí)間序列分析，并與產(chǎn)量進(jìn)行相關(guān)系數(shù)分析，找出影響波動(dòng)產(chǎn)量狀況的遙感氣象參數(shù)，建立波動(dòng)產(chǎn)量預(yù)測模型，再結(jié)合趨勢產(chǎn)量，建立單產(chǎn)預(yù)測模型。

YE=XT+XF+E

(2)

式中：YE為預(yù)測單產(chǎn)；XT為趨勢產(chǎn)量；XF為基于遙感氣象因子的波動(dòng)產(chǎn)量；E為隨機(jī)產(chǎn)量。

3 青稞產(chǎn)量預(yù)測模型的建立

3.1 植被指數(shù)時(shí)序特征分析

利用8 d的NDVI數(shù)據(jù)(MDO09A1)監(jiān)測青稞的生長情況，提取日喀則地區(qū)各縣(市)的青稞種植區(qū)所對(duì)應(yīng)的NDVI，獲得日喀則地區(qū)2015—2019年原始NDVI時(shí)間序列數(shù)據(jù)集，利用S-G濾波法去除云、氣溶膠等對(duì)時(shí)間序列NDVI的影響，得到S-G去噪后的NDVI時(shí)間序列數(shù)據(jù)集并繪制對(duì)應(yīng)的時(shí)間序列變化圖。以江孜縣為例(圖2)。從圖2可知，S-G去噪后的NDVI圖像的噪聲明顯減少，其時(shí)間序列的NDVI值變化更穩(wěn)定。分析去噪后的NDVI時(shí)間序列曲線可知，每年都具有一個(gè)明顯的大波峰，峰值出現(xiàn)時(shí)間與日喀則地區(qū)青稞的抽穗期相吻合。在整個(gè)時(shí)間序列上，日喀則地區(qū)的青稞抽穗期NDVI值相對(duì)穩(wěn)定，基本為0.6左右，說明青稞種植生長情況基本較穩(wěn)定。

圖2 日喀則地區(qū)江孜縣NDVI時(shí)間序列變化圖

3.2 植被指數(shù)的相關(guān)系數(shù)分析

NDVI反映的是作物生長的總體情況，與作物的產(chǎn)量有直接的關(guān)系，因此在進(jìn)行相關(guān)性分析時(shí)，應(yīng)該將NDVI與產(chǎn)量直接進(jìn)行相關(guān)分析，然后將NDVI作為影響因素，引入波動(dòng)產(chǎn)量的預(yù)測模型中，作為NDVI對(duì)產(chǎn)量的影響。圖3是研究區(qū)時(shí)序NDVI與單產(chǎn)的相關(guān)系數(shù)隨時(shí)間的變化曲線，當(dāng)青稞種植區(qū)NDVI值越高，說明青稞長勢越好，所對(duì)應(yīng)的單產(chǎn)也越高。通過時(shí)序的NDVI與單產(chǎn)的相關(guān)系數(shù)曲線，不僅可以看出何時(shí)的NDVI與單產(chǎn)的相關(guān)系數(shù)最高，也能了解日喀則地區(qū)青稞整體的生長狀況。

圖3 NDVI與單產(chǎn)的相關(guān)系數(shù)時(shí)序變化曲線

由圖3可知，NDVI與單產(chǎn)的相關(guān)系數(shù)隨時(shí)間變化總體呈現(xiàn)拋物線形狀，呈先上升后下降的趨勢。在時(shí)間序列曲線的起始部分，NDVI與單產(chǎn)的相關(guān)系數(shù)較低，這是因?yàn)樵?月份青稞還沒有開始播種。而相關(guān)系數(shù)曲線大約在4月底五月初開始出現(xiàn)較大幅度的上升，即在137至161天之間，青稞播種之后開始出苗、分蘗、拔節(jié)、抽穗、孕穗，是青稞生長的關(guān)鍵時(shí)期，其NDVI值增大，相關(guān)系數(shù)也增大，對(duì)于單產(chǎn)多的地區(qū)，其青稞長勢自然也更好。而在169至233天之間(6月中旬至8月中旬)，日喀則市整體的NDVI值達(dá)到飽和并處于相較穩(wěn)定的階段，故其與單產(chǎn)的相關(guān)系數(shù)也比較穩(wěn)定。觀察該曲線，其最大值出現(xiàn)在209天(7月下旬)，即青稞的抽穗期，而日喀則地區(qū)的青稞也在7月下旬時(shí)生長達(dá)到最旺盛的階段，所以青稞抽穗期的NDVI是日喀則市青稞估產(chǎn)的最優(yōu)選擇。

3.3 氣象因子的確定

日喀則地區(qū)的青稞產(chǎn)量對(duì)氣溫和降水具有較好的響應(yīng)特征。統(tǒng)計(jì)日喀則地區(qū)各市(縣)青稞生長階段的月積溫、月平均氣溫和累計(jì)降水量，并提取青稞生長重要物候期內(nèi)的積溫，將以上氣象因子與波動(dòng)產(chǎn)量進(jìn)行相關(guān)性分析，計(jì)算結(jié)果如表3所示。選取與波動(dòng)產(chǎn)量相關(guān)性最大的一個(gè)氣象指標(biāo)可作為構(gòu)建農(nóng)業(yè)氣象估產(chǎn)模型的主要因子。由表3可知，日喀則地區(qū)的7月上旬積溫與青稞波動(dòng)產(chǎn)量的相關(guān)性最高，因此7月上旬積溫可作為構(gòu)建農(nóng)業(yè)氣象估產(chǎn)模型的主要因子。進(jìn)一步分析表3發(fā)現(xiàn)：波動(dòng)產(chǎn)量與積溫和平均氣溫的相關(guān)系數(shù)均為負(fù)值，這是因?yàn)榍囡龑儆谙矝鲎魑?，溫度的升高?huì)對(duì)青稞產(chǎn)量起到負(fù)效應(yīng)[22]；青稞生長的關(guān)鍵期，累積降水與波動(dòng)產(chǎn)量的相關(guān)系數(shù)也為負(fù)數(shù)，可能是因?yàn)榻邓^多時(shí)云量大、太陽輻射也減少，而當(dāng)?shù)剡^高的土壤含水量導(dǎo)致土壤蒸散增加會(huì)使近地表溫度降低，進(jìn)而降低了青稞的光合作用能力降低，從而對(duì)青稞產(chǎn)量起到負(fù)效應(yīng)[23]。

表3 日喀則地區(qū)各氣象因子與波動(dòng)產(chǎn)量的相關(guān)關(guān)系

3.4 產(chǎn)量預(yù)測模型

選取最為敏感的遙感氣象參數(shù)作為構(gòu)建青稞遙感氣象估產(chǎn)模型(式(2))的主要因子，并檢驗(yàn)參數(shù)的穩(wěn)定性，從而建立一元線性或多元線性回歸方程。波動(dòng)產(chǎn)量的回歸方程可以分為三種(表4)：氣象波動(dòng)產(chǎn)量回歸方程、遙感波動(dòng)產(chǎn)量回歸方程和遙感氣象波動(dòng)產(chǎn)量回歸方程。其中，XF-m為只考慮氣象因子影響的波動(dòng)產(chǎn)量；XF-rs為只考慮NDVI的遙感因子的遙感波動(dòng)產(chǎn)量；XF為既考慮氣象因子又考慮NDVI遙感因子的遙感氣象波動(dòng)產(chǎn)量；Xm為氣象因子中的7月下旬的積溫；Xrs為遙感因子的7月下旬的NDVI(MDO09A1的209天的NDVI)。

表4 三種波動(dòng)產(chǎn)量回歸方程

基于以上三種計(jì)算波動(dòng)產(chǎn)量的回歸方程，然后根據(jù)2019年的遙感氣象數(shù)據(jù)計(jì)算2019年日喀則地區(qū)各縣中青稞的遙感氣象波動(dòng)產(chǎn)量，并基于式(2)結(jié)合趨勢產(chǎn)量得到青稞單產(chǎn)的預(yù)測結(jié)果(表5)。

表5 2019年日喀則地區(qū)各縣青稞單產(chǎn)預(yù)測結(jié)果 kg·hm-2

3.5 誤差分析

將預(yù)測的青稞單產(chǎn)與統(tǒng)計(jì)數(shù)據(jù)進(jìn)行比較和相關(guān)性分析，驗(yàn)證模型的顯著性和擬合精度。由表6可知：建立的青稞產(chǎn)量預(yù)測模型中，遙感氣象估產(chǎn)模型的預(yù)測結(jié)果最為穩(wěn)定，誤差最大的絕對(duì)值為16.19%，相對(duì)誤差控制在-14.34%～16.19%；氣象估產(chǎn)模型誤差最大的絕對(duì)值為19.66%，相對(duì)誤差范圍控制在-9.59%～19.66%；遙感估產(chǎn)模型誤差最大的絕對(duì)值為19.14%，相對(duì)誤差控制在15.41%～19.14%；平均估產(chǎn)誤差(即各市(縣)所有模型的相對(duì)誤差的絕對(duì)值之和的平均)為7.53%。由圖4可知，氣象、遙感、遙感氣象預(yù)測單產(chǎn)與統(tǒng)計(jì)單產(chǎn)的相關(guān)系數(shù)分別為0.943 6、0.946 1、0.938 2，這說明三種預(yù)測模型得到的預(yù)測單產(chǎn)與統(tǒng)計(jì)單產(chǎn)都具有良好的線性關(guān)系。

表6 2019年日喀則地區(qū)各縣青稞單產(chǎn)預(yù)測誤差 %

圖4 2019年日喀則地區(qū)青稞預(yù)測單產(chǎn)與統(tǒng)計(jì)單產(chǎn)對(duì)比

4 結(jié)束語

本文提出了一種利用MOD13A1快速準(zhǔn)確地提取青稞的方法，2015—2019年青稞的提取精度均大于97.4%。日喀則地區(qū)青稞主要分布在雅魯藏布江和年楚河流域的河谷平原，西北降水少，海拔高，農(nóng)田很少，提取結(jié)果與高子恒等[24]得到的日喀則地區(qū)的農(nóng)田結(jié)果相似，具有一定的可靠性。

日喀則地區(qū)的遙感估產(chǎn)的敏感因子為7月下旬(抽穗期)的NDVI(MDO09A1的209天的NDVI)。基于時(shí)間序列分析，對(duì)日喀則地區(qū)的青稞進(jìn)行長勢監(jiān)測，近五年青稞生長曲線波峰的NDVI都在抽穗期，穩(wěn)定在0.6左右，說明青稞種植生長情況穩(wěn)定；青稞NDVI與單產(chǎn)的相關(guān)系數(shù)在生長期呈拋物線，7月下旬(抽穗期)達(dá)到最大值0.709，青稞抽穗期的NDVI是日喀則地區(qū)青稞估產(chǎn)的最優(yōu)選擇。

日喀則地區(qū)氣象估產(chǎn)的敏感因子為7月上旬的積溫。日喀則地區(qū)青稞產(chǎn)量對(duì)氣候變化存在明顯響應(yīng)，且對(duì)氣溫的敏感性大于降水量。

本文構(gòu)建的日喀則地區(qū)青稞單產(chǎn)預(yù)測模型的平均估產(chǎn)誤差為7.53%，平均相關(guān)系數(shù)為0.942 6，在一定程度上能滿足當(dāng)?shù)氐那囡喇a(chǎn)需求。利用模型分解法可建立青稞的氣象單產(chǎn)預(yù)測模型、遙感單產(chǎn)預(yù)測模型和遙感氣象單產(chǎn)預(yù)測模型。其中，遙感氣象單產(chǎn)預(yù)測模型最穩(wěn)定，最大的相對(duì)誤差控制16.19%以內(nèi)。所有預(yù)測結(jié)果與統(tǒng)計(jì)單產(chǎn)都具有良好的線性關(guān)系，相關(guān)系數(shù)均大于0.938 0。因此，本文所構(gòu)建的估產(chǎn)模型在日喀則地區(qū)青稞生產(chǎn)區(qū)具有一定的可操作性和適用性。

由于日喀則地區(qū)的范圍較廣，氣象數(shù)據(jù)受到區(qū)域范圍的影響，會(huì)對(duì)利用氣象因子預(yù)測的單產(chǎn)造成一定的誤差；而利用遙感數(shù)據(jù)提取各年份的青稞總播種面積精度均大于97.4%，但由于混合像元的原因，也會(huì)對(duì)利用遙感因子預(yù)測的單產(chǎn)造成誤差。另外，個(gè)別縣(市)的青稞單產(chǎn)數(shù)據(jù)年際差別較大，也是造成預(yù)測結(jié)果誤差偏大的原因，如定結(jié)縣、崗巴縣、拉孜縣和日喀則市。日喀則地區(qū)的遙感和氣象估產(chǎn)的敏感因子分別為7月下旬即青稞抽穗期的NDVI(MDO09A1的209天的NDVI)和7月上旬的積溫。氣象因子中積溫對(duì)波動(dòng)產(chǎn)量的影響最大，不同的氣溫累積會(huì)直接影響物質(zhì)的累積與蛋白質(zhì)、淀粉的含量，從而影響產(chǎn)量[25]。日喀則地區(qū)處于高海拔的青藏高原西南部，在青藏高原強(qiáng)烈的選擇壓力下，海拔和系統(tǒng)發(fā)育綜合因子會(huì)對(duì)植物千粒重產(chǎn)生影響，進(jìn)而會(huì)對(duì)青稞產(chǎn)量造成一定的影響。日喀則地區(qū)的青稞種植區(qū)的海拔落差大約有1 700 m，由于較大的海拔差異，對(duì)溫度影響顯著，主要表現(xiàn)隨著海拔的升高，溫度降低，作物生長季短，因此會(huì)造成一定的物候時(shí)間差異，影響產(chǎn)量預(yù)測的結(jié)果[26]。

本文彌補(bǔ)了當(dāng)前針對(duì)高原地區(qū)大范圍青稞估產(chǎn)的空白，構(gòu)建了適應(yīng)于當(dāng)前發(fā)展趨勢的綜合遙感氣象農(nóng)作物估產(chǎn)模型，對(duì)高原地區(qū)的糧食生產(chǎn)與經(jīng)濟(jì)發(fā)展有重要的指導(dǎo)意義。在模型的實(shí)際應(yīng)用中，需要對(duì)不同海拔高度的縣進(jìn)行實(shí)地調(diào)查，利用抽樣統(tǒng)計(jì)可對(duì)作物單產(chǎn)模型進(jìn)行修正，從而提高模型精度。