基于GEE 的氣候變化對豫北地區(qū)冬小麥播種面積與產(chǎn)量影響研究

李菲菲，湯 軍，高賢君，楊元維，占楊英

（長江大學(xué) 地球科學(xué)學(xué)院，湖北 武漢 430100）

冬小麥?zhǔn)俏覈笾饕Z食作物之一，年播種面積和總產(chǎn)量僅次于水稻和玉米。小麥從播種到收獲的整個過程中，溫度、日照和降水等氣候因子都是影響其正常生長的重要環(huán)境因素[1]。豫北地區(qū)是我國重要的冬小麥生產(chǎn)基地[2]，故分析氣候因子對其播種面積和產(chǎn)量的影響具有重要意義。

遙感技術(shù)作為具有宏觀性、綜合性和動態(tài)性特點的新型對地觀測技術(shù)[3]，已經(jīng)成為大宗作物播種面積提取的有效手段[4]。根據(jù)有無訓(xùn)練樣本可將遙感分類算法分為監(jiān)督分類和非監(jiān)督分類，常見的冬小麥分布提取方法主要有：①監(jiān)督分類方法：隨機(jī)森林（Random forest，RF）分類算法[5]、支持向量機(jī)（SVM）[6]、最大似然分類法[7]等；②非監(jiān)督分類方法：K-means 算 法[8]、ISO-Data 分 類 算 法[9]等。Google Earth Engine（GEE）作為谷歌公司開發(fā)的一款用于遙感數(shù)據(jù)分析的工具，其數(shù)據(jù)處理、分析、存儲和可視化能力十分強(qiáng)大[10]。目前借助云平臺和機(jī)器學(xué)習(xí)算法進(jìn)行冬小麥空間分布提取，并分析氣候變化對冬小麥影響的研究較少。在進(jìn)行冬小麥播種面積提取方面，較多研究采用MODIS 遙感影像數(shù)據(jù)[11-12]和歸一化植被指數(shù)（NDVI）[12-16]，但MODIS 影像空間分辨率較低易產(chǎn)生混合像元，且NDVI 存在綠度易飽和、受土壤水分干擾大的缺點。Landsat影像相較于MODIS 影像分辨率更高，且EVI（Enhanced vegetation index，增強(qiáng)植被指數(shù)）相較于NDVI 可以更準(zhǔn)確地表征冬小麥生長發(fā)育的季節(jié)規(guī)律[17]。在氣候變化對冬小麥的影響方面，以前大量研究工作只關(guān)注氣候變化與冬小麥產(chǎn)量的關(guān)系[18-19]，忽略了對冬小麥播種面積的影響，且未對其進(jìn)行綜合性分析。鑒于此，以豫北地區(qū)為研究區(qū)，基于Landsat 高分辨率影像，借助GEE 平臺對Landsat 影像進(jìn)行特征構(gòu)建，利用RF 算法分類提取1985—2019 年豫北地區(qū)冬小麥空間分布信息及其播種面積，結(jié)合統(tǒng)計年鑒對播種面積數(shù)據(jù)進(jìn)行精度驗證，然后利用冬小麥產(chǎn)量數(shù)據(jù)、氣象數(shù)據(jù)，對氣候因子變化與冬小麥播種面積和產(chǎn)量進(jìn)行相關(guān)性分析、重要性評價，并分析產(chǎn)量對氣候的敏感性，以期為更加客觀和深入地揭示過去三十多年氣候變化對豫北地區(qū)冬小麥的影響提供理論依據(jù)。

1 材料和方法

1.1 研究區(qū)域

豫北地區(qū)位于河南省內(nèi)黃河以北，地處華北平原，西依太行山，北靠冀中南地區(qū)，南面黃河，東連魯西北地區(qū)，屬暖溫帶大陸性季風(fēng)氣候，四季分明?？偯娣e2.85萬km2，耕地面積為1.5萬km2，占河南省耕地總面積的18.5%。該區(qū)屬于冬小麥－夏玉米輪作生態(tài)區(qū)，是我國冬小麥重要產(chǎn)區(qū)之一。本研究區(qū)范圍如圖1所示。

圖1 豫北地區(qū)地形及氣象站點分布Fig.1 Topography and distribution of meteorological stations in northern Henan

1.2 數(shù)據(jù)及處理

冬小麥生育時期：豫北地區(qū)冬小麥生育時期如表1 所示，數(shù)據(jù)來源于農(nóng)業(yè)農(nóng)村部種植業(yè)管理司農(nóng)時數(shù)據(jù)庫（http://www.zzys.moa.gov.cn）。冬小麥播種期與播種面積密切相關(guān)，故選取播種期氣候因子研究播種面積變化；從拔節(jié)-抽穗期到抽穗-乳熟期，冬小麥在這2個時間段麥穗長成、籽粒灌漿，故選取此時期氣候因子研究產(chǎn)量變化。

表1 豫北地區(qū)冬小麥生育時期Tab.1 Winter wheat growth stage in northern Henan

遙感數(shù)據(jù)：選取冬小麥返青-拔節(jié)期（2月20日—3 月31 日）Landsat TOA（Landsat top-of atmosphere reflectance，美國陸地衛(wèi)星大氣層頂反射率）影像進(jìn)行冬小麥空間分布提取。將Landsat 原始影像亮度值轉(zhuǎn)換為大氣頂部的光譜輻射值，然后再轉(zhuǎn)換為大氣頂部的反射率值，從而得到Landsat TOA 數(shù)據(jù)[20]。Landsat TOA 影像數(shù)據(jù)的相關(guān)參數(shù)見表2。

表2 美國陸地Landsat TOA 衛(wèi)星參數(shù)Tab.2 Satellite parameters of American Landsat TOA

統(tǒng)計數(shù)據(jù)：1985—2019 年冬小麥播種面積、產(chǎn)量統(tǒng)計數(shù)據(jù)來源于《河南省統(tǒng)計年鑒》。

氣象數(shù)據(jù)：從中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）獲取豫北地區(qū)安陽市、新鄉(xiāng)市氣象站及鄭州市、開封市、長治市、陽城市、朝陽市、定陶市和孟津市氣象站1985—2019 年逐日平均氣溫、降水、日照時數(shù)數(shù)據(jù)，數(shù)據(jù)無缺失。本研究所使用的氣象數(shù)據(jù)主要為播種期、拔節(jié)-抽穗期、抽穗-乳熟期關(guān)鍵氣候因子數(shù)據(jù)（表3）。

表3 冬小麥生育時期及其關(guān)鍵氣候因子Tab.3 Winter wheat growth stage and key climatic factors

1.3 冬小麥空間分布信息提取

為了突出冬小麥特征，提高冬小麥空間分布信息的提取精度，本研究選取的是返青-拔節(jié)期的影像數(shù)據(jù)，此時期冬小麥的EVI值明顯高于其他地類，并將每景影像EVI的最大值作為單獨的波段添加到影像之中。EVI計算公式為：

式（1）中，ρNIR為近紅外波段反射率，ρRED為紅光波段反射率，ρBLUE為藍(lán)光波段反射率。

遙感影像的特征構(gòu)建包括光譜特征、地形特征和紋理特征，這些特征均以單獨的波段添加到影像之中。光譜特征主要是Landsat 自身的波段和添加的EVI波段；地形特征是高程、坡度、坡向、山體陰影；紋理特征是在GEE上使用灰度共生矩陣（Gray-level co-occurrence matrix，GLCM）構(gòu)建而成，紋理信息選擇的是角二矩陣（ASM）、對比度（CON）、自相關(guān)（CORR）、逆差距（IDM），其計算公式見參考文獻(xiàn)[15]。

本研究中冬小麥的空間分布信息提取主要采用機(jī)器學(xué)習(xí)中的RF 分類算法，RF 分類算法是BREIMAN[5]提出的一種集成分類算法，它的最終分類結(jié)果由一系列決策樹投票決定。機(jī)器學(xué)習(xí)分類時加入紋理、地形特征可提高分類精度[21-22]。結(jié)合預(yù)處理和特征構(gòu)建后的Landsat 影像，在GEE 中進(jìn)行了4 類樣本點的選取，并在Google Earth Pro 中進(jìn)行樣本點正確性的檢查，以確保樣點的代表性。80%的樣本作為訓(xùn)練數(shù)據(jù)用來提取冬小麥空間分布信息。

1.4 精度評價

在利用RF 分類算法進(jìn)行冬小麥空間分布信息提取后，對冬小麥的播種面積進(jìn)行計算，并與統(tǒng)計年鑒中冬小麥播種面積進(jìn)行對比，計算其相對誤差。其公式如下：

式（2）中，δ為相對誤差，Ae為遙感提取的冬小麥面積，Ar為統(tǒng)計年鑒中冬小麥播種面積。

將GEE 中選取的樣本點數(shù)據(jù)導(dǎo)出后，導(dǎo)入Google Earth Pro 中利用高清影像進(jìn)行逐點檢查，其中冬小麥樣本點349 個，非冬小麥樣本點317 個，非冬小麥包括不透水面、其他植被以及水體。得出冬小麥樣本點和非冬小麥樣本點中冬小麥地類個數(shù)與非冬小麥地類個數(shù)，并根據(jù)結(jié)果建立混淆矩陣，計算總體精度（OA）和Kappa系數(shù)，值越接近于1，說明其提取精度越高。

1.5 敏感性分析

本研究采用面板非線性回歸模型進(jìn)行產(chǎn)量與氣候因子的敏感性分析[23]，其中加入的時間變量的線性和二次趨勢是為了消除技術(shù)進(jìn)步等方面所帶來的影響[24]。模型如下：

式（3）中，Yi,t為冬小麥單位面積產(chǎn)量（kg/hm2）；i為豫北地區(qū)6個地級市；t=1985，…，2019年；ci為地級市固定影響；θ為自變量系數(shù)；Xi,t為自變量，包括拔節(jié)-抽穗期、抽穗-乳熟期平均氣溫、降水、日照時數(shù)；m表示年份，m=1985，…，2019；m2表示年份的二次方；εi,t表示誤差。

對豫北地區(qū)冬小麥產(chǎn)量與拔節(jié)-抽穗期、抽穗-乳熟期各氣候因子建立面板非線性回歸模型，根據(jù)顯著性水平P來判斷各地市產(chǎn)量對氣候因子的敏感性，獲得貢獻(xiàn)率，得出各氣候因子的敏感區(qū)。

2 結(jié)果與分析

2.1 冬小麥提取精度評價

由圖2 可知，冬小麥空間分布信息的提取結(jié)果相對誤差均在3.5%以內(nèi)，樣本點總體精度在91%～97%，平均精度為94.94%，Kappa 系數(shù)在0.88～0.94，冬小麥空間分布的提取精度處于較高水平。

圖2 豫北地區(qū)1985—2019年冬小麥遙感提取播種面積與統(tǒng)計播種面積的相對誤差（A）、提取精度（B）Fig.2 Relative error（A）and extraction accuracy（B）between remote sensing extracted sowing area and statistical sowing area of winter wheat in northern Henan from 1985 to 2019

2.2 冬小麥播種面積變化

2.2.1 冬小麥播種面積提取結(jié)果 豫北地區(qū)1985—2019 年冬小麥空間分布如圖3 所示，由于相鄰年份冬小麥空間變化不明顯，提取結(jié)果每隔5 a進(jìn)行展示。豫北地區(qū)冬小麥主要分布在中部和東部地區(qū)，西北部屬于太行山脈，海拔高氣溫低，不適宜種植冬小麥，南部黃河沿岸存在水土流失，故冬小麥種植稀疏。冬小麥的空間分布年際間存在的變化不大，明顯可以看出的是，農(nóng)村地區(qū)相較于城郊冬小麥種植相對稠密。

圖3 豫北地區(qū)1985—2019年冬小麥播種面積分布Fig.3 Distribution of winter wheat sowing area in northern Henan from 1985 to 2019

2.2.2 冬小麥種植頻率空間分布 每5 a 進(jìn)行分隔，將1985—2019 年分為7 個時間段，將冬小麥分布提取結(jié)果中的冬小麥屬性賦予1，非冬小麥屬性賦予0，每個時間段內(nèi)的冬小麥分布提取結(jié)果進(jìn)行疊加并除以總年份數(shù)，得到每個時間段的種植頻率。由圖4 可知，1985—2019 年冬小麥的核心種植地區(qū)主要分布在豫北中部。從第1 階段到第4 階段來看，冬小麥高種植頻率面積增大，說明豫北地區(qū)冬小麥種植結(jié)構(gòu)趨于穩(wěn)定。從第4 階段到第7 階段來看，由于城市的社會經(jīng)濟(jì)水平不斷提高，城鎮(zhèn)化趨勢不斷增強(qiáng)，城市擴(kuò)建侵占農(nóng)業(yè)用地，新鄉(xiāng)市、濮陽市等一些城市周邊種植頻率較低的區(qū)域在不斷減少。除此之外，居住地周圍的冬小麥種植頻率降低還與農(nóng)作物種植結(jié)構(gòu)調(diào)整有關(guān)，特別是城市周邊，許多農(nóng)用地被用來種植經(jīng)濟(jì)效益更高的經(jīng)濟(jì)作物（如蔬菜、花卉），這也導(dǎo)致了豫北部分地區(qū)的種植面積減少。

圖4 豫北地區(qū)1985—2019年冬小麥種植頻率空間分布Fig.4 Spatial distribution of winter wheat planting frequency in northern Henan from 1985 to 2019

冬小麥種植頻率變化空間分布如圖5所示。從冬小麥種植頻率空間變化來看，種植頻率未發(fā)生變化的地區(qū)主要在中部地區(qū)，如新鄉(xiāng)市、鶴壁市和安陽市南部地區(qū)。種植頻率發(fā)生變化較大的地區(qū)主要在豫北西南部和東北部地區(qū)，如濟(jì)源市、焦作市、濮陽市和安陽市北部。1990—1994 年與1985—1989 年相比（圖5A），冬小麥種植頻率整體降低，但北部、中部和東南部地區(qū)存在種植頻率升高現(xiàn)象。1995—1999 年與1990—1994 年相比（圖5B），冬小麥種植頻率整體明顯升高，西南部地區(qū)種植頻率降低現(xiàn)象多于東北部地區(qū)；2000—2004 年與1995—1999 年相比（圖5C），冬小麥種植頻率呈西南部升高、東北部降低；2005—2009 年與2000—2004 年相比（圖5D），冬小麥種植頻率整體降低，黃河沿岸存在種植頻率升高現(xiàn)象；2010—2014年與2005—2009年相比（圖5E），冬小麥種植頻率整體趨于穩(wěn)定，城鎮(zhèn)周邊存在種植頻率降低現(xiàn)象；2015—2019 年與2010—2014年相比（圖5F），冬小麥種植頻率在城鎮(zhèn)周圍降低明顯。這應(yīng)該與豫北地區(qū)種植結(jié)構(gòu)趨于穩(wěn)定，城鎮(zhèn)化趨勢不斷增強(qiáng)有關(guān)。

圖5 豫北地區(qū)1985—2019年冬小麥種植頻率變化空間分布Fig.5 Spatial distribution of the changes of winter wheat planting frequency in northern Henan from 1985 to 2019

2.3 豫北地區(qū)冬小麥不同生育時期氣候因子時空變化趨勢

2.3.1 時間變化趨勢 豫北地區(qū)近35 a 來平均氣溫、降水和日照時數(shù)的年際變化如圖6 所示。豫北地區(qū)播種期、拔節(jié)-抽穗期、抽穗-乳熟期的年均溫均呈增加趨勢，其中抽穗-乳熟期的升溫速率最快，以0.671 ℃/10 a的速率逐漸增加，播種期和拔節(jié)-抽穗期也分別以0.5 ℃/10 a 和0.383 ℃/10 a 的速率上升；拔節(jié)-抽穗期的年均降水量以8.419 mm/10 a 的速率呈波動增加趨勢，而播種期和抽穗-乳熟期的降水均在振蕩中下降；豫北地區(qū)的年均日照時數(shù)只有在抽穗-乳熟期以0.773 h/10 a 的速率逐漸增加，其中播種期的日照時數(shù)下降速率最快，達(dá)到了13.369 h/10 a的速率。

圖6 豫北地區(qū)1985—2019年冬小麥不同生育時期氣候因子年際變化Fig.6 Interannual variation of climate factors in different growth stages of winter wheat in northern Henan from 1985 to 2019

2.3.2 空間變化趨勢 ANUSPLIN 是對樣條函數(shù)法的曲面擴(kuò)展，常用于不規(guī)則分布數(shù)據(jù)的多變量平滑內(nèi)插[25]，適用于長時間序列氣象數(shù)據(jù)插值，保證了插值曲面光滑連續(xù)，且精度可靠[26-27]。本研究使用ANUSPLIN 軟件并引入高程作為協(xié)變量，對研究區(qū)所涉及的9 個站點1985—2019 年的平均氣溫、降水、日照時數(shù)進(jìn)行插值，并掩膜得到豫北地區(qū)播種期、拔節(jié)-抽穗期、抽穗-乳熟期內(nèi)3種氣候因子的空間分布。

播種期的年均降水量在22.3～54.4 mm，空間上西北部山地區(qū)域降水相對較多，最多達(dá)54.4 mm，中部和東南部平原地區(qū)呈由東南向西北降水遞減趨勢（圖7a）。年均氣溫在7.5～16.1 ℃，空間上呈現(xiàn)西北低、東南高的分布特點（圖7b）。年平均日照時數(shù)在151.7～235.0 h，西北部山地區(qū)域日照較多，整體呈西南向東北日照時數(shù)遞增的趨勢（圖7c）。

拔節(jié)-抽穗期年均降水量在27.7～48.8 mm，除海拔較高的西北部山地區(qū)域降水較多外，其余地區(qū)降水由南向北遞減（圖7d）。年均氣溫在8.0～16.8 ℃，空間上西北部山地區(qū)域溫度相對較低，中部和東南部平原地區(qū)氣溫由南向北氣溫遞減（圖7e）。年平均日照時數(shù)在199.2～246.4 h，空間上呈現(xiàn)西北和東北部高、中部與南北部較低的分布特點（圖7f）。

抽穗-乳熟期年均降水量在41.4～73.0 mm，空間上平原地區(qū)由東南向西北遞減，西北部山地區(qū)域降水最多（圖7g）。年均氣溫在13.2～22.2 ℃，空間上中部較高，東部較低，西北部海拔較高的山地區(qū)域溫度最低（圖7h）。年平均日照時數(shù)在218.5～265.7 h，空間上呈現(xiàn)西北和東北部較高、中部由北向南日照時數(shù)遞減的分布特點（圖7i）。

圖7 豫北地區(qū)1985—2019年冬小麥不同生育時期氣候因子年均數(shù)值（降水、氣溫、日照時數(shù)）空間分布Fig.7 Spatial distribution of annual average values of climate factors（precipitation，temperature，sunshine hours）in different growth stages of winter wheat in northern Henan from 1985 to 2019

2.4 氣候因子對冬小麥播種面積的影響

2.4.1 冬小麥播種面積與氣候因子相關(guān)性分析

根據(jù)冬小麥播種面積和播種面積年較差（圖8）可以看出，豫北地區(qū)1985—2019年冬小麥播種面積整體呈上升趨勢。

圖8 豫北地區(qū)1985—2019年冬小麥播種面積和播種面積年較差Fig.8 Winter wheat sowing area and annual difference of sowing area in northern Henan from 1985 to 2019

冬小麥播種面積和播種面積年較差與播種期的氣候因子（平均氣溫、降水、日照時數(shù)）的相關(guān)性研究主要是基于Pearson 相關(guān)性和顯著性P值（表4），可以看出，播種期平均氣溫與播種面積呈正相關(guān)，且在P＜0.05 水平上顯著，說明播種期升溫對冬小麥播種面積有明顯促進(jìn)作用。

表4 播種期氣候因子與冬小麥播種面積相關(guān)性Tab.4 Correlation between meteorological factors at sowing date and sowing area of winter wheat

2.4.2 氣候因子對冬小麥播種面積重要性評價

采用多元線性回歸分析進(jìn)行3種氣候因子對冬小麥播種面積影響程度的重要性排序，并利用ZScore 標(biāo)準(zhǔn)化方法來消除自變量單位不同產(chǎn)生的影響。將播種期的平均氣溫、降水、日照時數(shù)與播種面積進(jìn)行多元回歸分析，播種面積為因變量，氣候因子為自變量，得到上述氣候因子的多元線性回歸方程：

式（4）中，A是冬小麥播種面積（×103hm2）；Ws為播種期降水（mm），Ts為播種期平均氣溫（℃），Ss為播種期日照時數(shù)（h）。

通過上面方程可以看出，播種期的平均氣溫對播種面積有積極促進(jìn)作用，而降水和日照時數(shù)對冬小麥播種面積具有一定的抑制作用。分析原因可能是，豫北地區(qū)多采用灌溉的方式應(yīng)對干旱，使得降水對播種影響不大。播種期氣候因子對播種面積的重要性排序為：播種期平均氣溫＞播種期日照時數(shù)＞播種期降水。

續(xù)表4 播種期氣候因子與冬小麥播種面積相關(guān)性Tab.4（Continued） Correlation between meteorological factors at sowing date and sowing area of winter wheat

2.5 氣候因子對冬小麥產(chǎn)量的影響

2.5.1 冬小麥產(chǎn)量與氣候因子相關(guān)性分析 根據(jù)冬小麥產(chǎn)量和產(chǎn)量年較差（圖9）可以看出，豫北地區(qū)1985—2019年冬小麥產(chǎn)量整體呈增產(chǎn)趨勢，其中2018年的減產(chǎn)最為嚴(yán)重，1995—2001年的增產(chǎn)最為明顯，年較差有110.81萬t。

圖9 豫北地區(qū)1985—2019年冬小麥產(chǎn)量和產(chǎn)量年較差Fig.9 Winter wheat yield and annual difference of yield in northern Henan from 1985 to 2019

產(chǎn)量和產(chǎn)量年較差與拔節(jié)-抽穗期和抽穗-乳熟期的氣候因子（平均氣溫、降水、日照時數(shù)）的相關(guān)性研究主要是基于Pearson 相關(guān)性和顯著性P值（表5、表6）。拔節(jié)-抽穗期降水與產(chǎn)量呈顯著正相關(guān)（P=0.003＜0.01）；抽穗-乳熟期的降水與產(chǎn)量年較差相關(guān)性達(dá)到顯著水平（P=0.049＜0.05），日照時數(shù)與產(chǎn)量年較差呈顯著正相關(guān)（P=0＜0.01）。分析原因可能是日照時數(shù)的增加使得冬小麥灌漿效果較好，達(dá)到增產(chǎn)的效果。綜上，拔節(jié)-抽穗期降水和日照與冬小麥產(chǎn)量具有較強(qiáng)的相關(guān)性，此時應(yīng)關(guān)注降水的情況，及時對冬小麥進(jìn)行灌溉；抽穗-乳熟期日照時數(shù)與產(chǎn)量年較差顯著相關(guān)，對冬小麥增產(chǎn)貢獻(xiàn)較大。

表5 拔節(jié)-抽穗期氣候因子與冬小麥產(chǎn)量相關(guān)性Tab.5 Correlation between climatic factors and winter wheat yield at jointing-heading stage

表6 抽穗-乳熟期氣候因子與冬小麥產(chǎn)量相關(guān)性Tab.6 Correlation between climatic factors and winter wheat yield at heading-milk ripening stage

2.5.2 冬小麥產(chǎn)量對氣候因子的敏感性分析 利用面板非線性回歸模型進(jìn)行豫北地區(qū)冬小麥產(chǎn)量對拔節(jié)-抽穗期、抽穗-乳熟期年均氣溫、降水量和日照時數(shù)的敏感性分析，氣溫每升溫1 ℃，降水每增加100 mm，日照時數(shù)每增加100 h，冬小麥產(chǎn)量變化如圖10所示。

圖10 豫北地區(qū)冬小麥產(chǎn)量對不同生育時期氣候因子敏感性的空間分布Fig.10 Spatial distribution of sensitivity of winter wheat yield to climatic factors at different growth stages in nothern Henan

豫北地區(qū)中冬小麥產(chǎn)量對拔節(jié)-抽穗期升溫主要表現(xiàn)為正響應(yīng)的為焦作市，其余主要為負(fù)響應(yīng)；對拔節(jié)-抽穗期降水增多主要表現(xiàn)為正響應(yīng)的為安陽市、濟(jì)源市、濮陽市和新鄉(xiāng)市，鶴壁市和焦作市主要為負(fù)響應(yīng)；拔節(jié)-抽穗期日照時數(shù)增加，豫北大部分地區(qū)產(chǎn)量主要為正響應(yīng)，濮陽市和新鄉(xiāng)市主要為負(fù)響應(yīng)。豫北整個地區(qū)冬小麥產(chǎn)量對抽穗-乳熟期平均氣溫升高和日照時數(shù)增加主要表現(xiàn)為正響應(yīng)，對抽穗-乳熟期降水增多主要表現(xiàn)為正響應(yīng)，負(fù)響應(yīng)的僅有焦作市。

拔節(jié)-抽穗期的降水每變化100 mm，導(dǎo)致豫北地區(qū)冬小麥產(chǎn)量在-1.2%～2.0%變動（圖10a）。從空間上看，正向和負(fù)向變動區(qū)域的面積分別占豫北地區(qū)的77.7%和22.3%。正向變動區(qū)域中，高增產(chǎn)區(qū)增產(chǎn)幅度在1.0%～2.0%，位于濟(jì)源市和新鄉(xiāng)市，低增產(chǎn)區(qū)增產(chǎn)幅度在0～1.0%，位于安陽市、濮陽市。負(fù)向變動區(qū)域主要是鶴壁市和焦作市，焦作市屬高減產(chǎn)區(qū)，其減產(chǎn)幅度在1.0%～1.2%。拔節(jié)-抽穗期的平均氣溫每變化1 ℃，豫北地區(qū)冬小麥產(chǎn)量在-1.6%～0.3%變動（圖10b）。從空間上看，正向和負(fù)向變動區(qū)域的面積分別占豫北地區(qū)的14.5%和85.5%。正向變動區(qū)域主要是焦作市，其增產(chǎn)幅度在0～0.3%。負(fù)向變動區(qū)域中濟(jì)源市敏感性最強(qiáng)，屬高減產(chǎn)區(qū)，減產(chǎn)幅度在1.0%～1.6%。低減產(chǎn)區(qū)減產(chǎn)幅度在0～1.0%，位于豫北北部的安陽市、濮陽市、鶴壁市和新鄉(xiāng)市。拔節(jié)-抽穗期的日照時數(shù)每變化100 h，導(dǎo)致豫北地區(qū)冬小麥產(chǎn)量在-0.5%～1.4%變動（圖10c）。從空間上看，正向和負(fù)向變動區(qū)域的面積分別占豫北地區(qū)的55.6%和44.4%。正向變動區(qū)域中，高增產(chǎn)區(qū)增產(chǎn)幅度在0.4%～1.4%，位于鶴壁市和焦作市，低增產(chǎn)區(qū)增產(chǎn)幅度在0～0.4%，位于安陽市和濟(jì)源市。負(fù)向變動區(qū)域主要是濮陽市和新鄉(xiāng)市，屬低減產(chǎn)區(qū)，其減產(chǎn)幅度在0～0.5%。

抽穗-乳熟期的降水每變化100 mm，導(dǎo)致豫北地區(qū)冬小麥產(chǎn)量在-0.6%～1.5%變動（圖10d）。從空間上看，正向和負(fù)向變動區(qū)域的面積分別占豫北地區(qū)的85.5%和14.5%。正向變動區(qū)域中，高增產(chǎn)區(qū)增產(chǎn)幅度在1.0%～1.5%，位于濮陽市、安陽市和新鄉(xiāng)市。負(fù)向變動區(qū)域主要是焦作市，屬于低減產(chǎn)區(qū)，其減產(chǎn)幅度為0～0.6%。抽穗-乳熟期的平均氣溫每變化1 ℃，導(dǎo)致豫北地區(qū)冬小麥產(chǎn)量在0.05%～0.50%變動（圖10e）。從空間上看，豫北地區(qū)全部為正向變動區(qū)域，高增產(chǎn)區(qū)增產(chǎn)幅度在0.25%～0.50%，位于鶴壁市、新鄉(xiāng)市和焦作市。抽穗-乳熟期的日照時數(shù)每變化100 h，導(dǎo)致豫北地區(qū)冬小麥產(chǎn)量在0.3%～2.5%變動（圖10f）。從空間上看，日照時數(shù)的增加對豫北地區(qū)產(chǎn)量起促進(jìn)作用，在變動區(qū)域中，高增產(chǎn)區(qū)增產(chǎn)幅度在1.4%～2.5%，位于濟(jì)源市、新鄉(xiāng)市和鶴壁市，低增產(chǎn)區(qū)增產(chǎn)幅度在0.3%～1.4%，位于安陽市、濮陽市和焦作市。

綜上可以看出，拔節(jié)-抽穗期中降水對冬小麥產(chǎn)量的貢獻(xiàn)率相對較高，此時冬小麥正在拔節(jié)生長，充足的水分有利于冬小麥吸收養(yǎng)分；抽穗-乳熟期的平均氣溫和日照時數(shù)對冬小麥產(chǎn)量的促進(jìn)作用尤為重要。從敏感性的強(qiáng)度來看，冬小麥產(chǎn)量對抽穗-乳熟期日照時數(shù)的敏感性最強(qiáng)，最高達(dá)到2.5%。

1985—2019 年豫北地區(qū)冬小麥產(chǎn)量對氣候多年變化趨勢的敏感區(qū)分布如圖11 所示。從圖11 可以看出，冬小麥對生育時期氣候因子的敏感區(qū)在豫北地區(qū)各市均有分布。濟(jì)源市是拔節(jié)-抽穗期平均氣溫、降水和抽穗-乳熟期日照時數(shù)的公共敏感區(qū)，其中抽穗-乳熟期日照時數(shù)的敏感性最強(qiáng)，增產(chǎn)幅度達(dá)到了2.0%～2.5%，可能因為濟(jì)源市地區(qū)多山地導(dǎo)致敏感因子相對較多。焦作市是拔節(jié)-抽穗期日照時數(shù)的敏感區(qū)，增產(chǎn)幅度為0.4%～1.4%。新鄉(xiāng)市是拔節(jié)-抽穗期降水和抽穗-乳熟期降水的公共敏感區(qū)，其中拔節(jié)-抽穗期降水的敏感性最強(qiáng)，增產(chǎn)幅度為1.0%～2.0%，豫北地區(qū)多春旱發(fā)生，拔節(jié)-抽穗期內(nèi)降水增多有利于緩解干旱。鶴壁市是拔節(jié)-抽穗期日照時數(shù)和抽穗-乳熟期平均氣溫的公共敏感區(qū)，其中拔節(jié)-抽穗期日照時數(shù)的敏感性最強(qiáng)，增產(chǎn)幅度達(dá)到了0.4%～1.4%，日照增多利于冬小麥灌漿乳熟。安陽市和濮陽市是抽穗-乳熟期降水的敏感區(qū)，其增產(chǎn)幅度為1.0%～1.5%。

圖11 冬小麥產(chǎn)量對拔節(jié)-抽穗期和抽穗-乳熟期氣候因子多年變化趨勢的敏感區(qū)Fig.11 Sensitive area of winter wheat yields to multi-year change trend of climatic factors during jointing-heading stage and heading-milk ripening stage

2.5.3 氣候因子對冬小麥產(chǎn)量重要性評價 將拔節(jié)-抽穗期、抽穗-乳熟期的平均氣溫、降水、日照時數(shù)與產(chǎn)量進(jìn)行多元線性回歸分析，得到上述氣候因子的多元線性回歸方程：

式（5）中，Y是冬小麥產(chǎn)量（萬t）；Wr為拔節(jié)-抽穗期降水（mm），Wh為抽穗-乳熟期降水（mm），Tr為拔節(jié)-抽穗期平均氣溫（℃），Th為抽穗-乳熟期平均氣溫（℃），Sr為拔節(jié)-抽穗期日照時數(shù)（h），Sh為抽穗-乳熟期日照時數(shù)（h）。

通過回歸方程可以看出，拔節(jié)-抽穗期降水、平均氣溫和抽穗-乳熟期的平均氣溫對冬小麥產(chǎn)量提高起到積極促進(jìn)作用，即在一定的范圍內(nèi)，拔節(jié)-抽穗期降水增多，拔節(jié)-抽穗期和抽穗-乳熟期平均氣溫升溫，冬小麥產(chǎn)量就會提高。而抽穗-乳熟期降水、拔節(jié)-抽穗期和抽穗-乳熟期日照時數(shù)對增產(chǎn)具有一定的抑制作用。本研究中豫北地區(qū)氣候因子對冬小麥產(chǎn)量的重要性排序為：拔節(jié)-抽穗期降水＞拔節(jié)-抽穗期平均氣溫＞抽穗-乳熟期降水＞拔節(jié)-抽穗期日照時數(shù)＞抽穗-乳熟期日照時數(shù)＞抽穗-乳熟期平均氣溫。

3 結(jié)論與討論

本研究基于GEE 平臺的Landsat 數(shù)據(jù)進(jìn)行特征構(gòu)建，利用RF 算法提取豫北地區(qū)冬小麥空間分布信息，根據(jù)1985—2019年豫北地區(qū)相關(guān)的逐日觀測氣象數(shù)據(jù)，選取與播種面積相關(guān)的播種期及與產(chǎn)量緊密相關(guān)的拔節(jié)-抽穗期和抽穗-乳熟期內(nèi)的平均溫度、降水、日照時數(shù)，開展研究區(qū)播種面積和產(chǎn)量變化以及氣候因子的影響分析。主要結(jié)論如下：

（1）基于GEE 平臺對Landsat 影像數(shù)據(jù)進(jìn)行特征構(gòu)建，并通過RF 算法進(jìn)行豫北地區(qū)冬小麥空間分布信息提取，遙感提取面積與統(tǒng)計面積的相對誤差均在3.5%以內(nèi)。樣本點平均精度為94.94%，Kappa系數(shù)在0.88～0.94。表明本研究中對豫北地區(qū)冬小麥空間分布提取結(jié)果達(dá)到了較高精度水平。

（2）通過年際和空間變化來研究近35 a 來豫北地區(qū)氣候因子變化。從年際變化來看，近35 a 來，豫北地區(qū)冬小麥播種期、拔節(jié)-抽穗期、抽穗-乳熟期平均氣溫在整個研究區(qū)呈增溫趨勢；播種期、抽穗-乳熟期降水和播種期、拔節(jié)-抽穗期日照時數(shù)均呈減少趨勢，拔節(jié)-抽穗期降水和抽穗-乳熟期日照時數(shù)呈增加趨勢。空間上來看，豫北地區(qū)西北部山地相較于東部平原氣溫低、雨水多，日照充足。東南部平原地區(qū)南部相較于北部地區(qū)溫度高、降水多、日照時間較少。

（3）豫北地區(qū)冬小麥主要分布在中東部地區(qū)，且中部地區(qū)種植頻率較高。1985—2019 年豫北地區(qū)冬小麥播種面積呈上升趨勢，播種期平均氣溫對冬小麥種植具有促進(jìn)作用；播種期氣候因子對播種面積的重要性排序為：播種期平均氣溫＞播種期日照時數(shù)＞播種期降水。

（4）1985—2019 年豫北地區(qū)產(chǎn)量整體呈增產(chǎn)趨勢，拔節(jié)-抽穗期降水對冬小麥產(chǎn)量具有顯著促進(jìn)作用，日照時數(shù)對產(chǎn)量具有顯著抑制作用。豫北地區(qū)中，濟(jì)源市、焦作市、新鄉(xiāng)市、鶴壁市分別對抽穗-乳熟期日照時數(shù)、拔節(jié)-抽穗期日照時數(shù)、拔節(jié)-抽穗期降水、拔節(jié)-抽穗期日照時數(shù)的敏感性最強(qiáng)，安陽市和濮陽市是抽穗-乳熟期降水的敏感區(qū)。拔節(jié)-抽穗期、抽穗-乳熟期氣候因子對豫北地區(qū)冬小麥產(chǎn)量影響的重要性排序為：拔節(jié)-抽穗期降水＞拔節(jié)-抽穗期平均氣溫＞抽穗-乳熟期降水＞拔節(jié)-抽穗期日照時數(shù)＞抽穗-乳熟期日照時數(shù)＞抽穗-乳熟期平均氣溫。

本研究借助GEE 云平臺Landsat 影像對冬小麥進(jìn)行高精度提取。前人成果中，鄧榮鑫等[13]以MODIS 影像數(shù)據(jù)結(jié)合統(tǒng)計數(shù)據(jù)提取河南省2004—2013年冬小麥種植面積，平均精度為89.5%；李方杰等[28]利用中低分辨率MODIS EVI 時序遙感數(shù)據(jù)和CART 決策樹算法進(jìn)行連續(xù)15 a（2001—2015 年）作物種植空間分布信息提取，平均總體精度為90.39%。本研究克服了MODIS 影像數(shù)據(jù)分辨率較低易產(chǎn)生混合像元的缺點，特征構(gòu)建增加了紋理信息，進(jìn)一步提高了豫北地區(qū)冬小麥分布的提取精度。在冬小麥高精度提取的基礎(chǔ)上，分析了氣候因子對播種面積和產(chǎn)量變化的影響，特別對種植頻率的變化和產(chǎn)量對氣候的敏感性進(jìn)行了深入研究，但對極端氣候因子的影響尚未考慮，今后仍需進(jìn)一步加強(qiáng)研究。