氣候變暖背景下農(nóng)作物空間格局重構(gòu)研究

文|李海亮 鄭倩

全球氣候變暖已經(jīng)是一個(gè)不爭(zhēng)的事實(shí)，氣候變化問(wèn)題已經(jīng)成為21世紀(jì)各國(guó)可持續(xù)發(fā)展中面臨的重大課題。政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告第一工作組的報(bào)告《氣候變化2021：自然科學(xué)基礎(chǔ)》指出，目前全球地表平均溫度較工業(yè)化前高出約1℃。在考慮所有排放情景下，至少到本世紀(jì)中葉，全球地表溫度將繼續(xù)升高。除非在未來(lái)幾十年內(nèi)大幅減少二氧化碳和其他溫室氣體排放，否則21世紀(jì)將升溫1.5℃或2℃。預(yù)計(jì)全球持續(xù)變暖將進(jìn)一步加劇全球水循環(huán)，包括其變率、全球季風(fēng)降水以及干濕事件的強(qiáng)度。當(dāng)全球升溫2℃，極端高溫將更頻繁地達(dá)到農(nóng)業(yè)和健康的臨界耐受閾值?！吨袊?guó)氣候變化藍(lán)皮書》指出1951-2020年，中國(guó)地表年平均氣溫呈顯著上升趨勢(shì)，升溫速率為0.26℃/10年，近20年是20世紀(jì)初以來(lái)中國(guó)的最暖時(shí)期。氣候變暖的趨勢(shì)將對(duì)我國(guó)自然生態(tài)系統(tǒng)和社會(huì)經(jīng)濟(jì)部門產(chǎn)生重要影響。氣候變暖對(duì)農(nóng)業(yè)的影響利弊兼有，有利影響包括農(nóng)業(yè)光熱資源增加、部分作物種植面積擴(kuò)大和森林系統(tǒng)受益等，而不利方面則可能涉及對(duì)糧食產(chǎn)量與品質(zhì)、水資源、農(nóng)作物生長(zhǎng)等的影響，應(yīng)對(duì)氣候變化挑戰(zhàn)與機(jī)遇并存。

農(nóng)業(yè)土地利用是土地系統(tǒng)的重要組成部分。農(nóng)作物空間格局是一個(gè)地區(qū)農(nóng)作物種植結(jié)構(gòu)和種植方式的空間表達(dá)，是農(nóng)業(yè)土地利用的一種形式和內(nèi)容。農(nóng)作物空間格局反映了農(nóng)作物生產(chǎn)在空間維度對(duì)氣候和土壤等自然資源，以及勞動(dòng)力和技術(shù)等社會(huì)資源的利用狀況，是農(nóng)業(yè)資源利用優(yōu)化及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的重要依據(jù)。氣候變暖背景下，我國(guó)的農(nóng)業(yè)氣候資源發(fā)生了明顯改變，農(nóng)作物空間格局也正在發(fā)生著變化。同時(shí)，農(nóng)作物空間格局對(duì)氣候變化的響應(yīng)又會(huì)反作用于農(nóng)業(yè)生態(tài)環(huán)境，影響陸地生態(tài)系統(tǒng)循環(huán)過(guò)程的變化，進(jìn)而誘發(fā)區(qū)域氣候和環(huán)境發(fā)生變化。因此，農(nóng)作物空間格局及其動(dòng)態(tài)變化研究具有必要性和緊迫性，也具有重要的科學(xué)意義，已經(jīng)成為全球變化及其區(qū)域響應(yīng)領(lǐng)域的重要發(fā)展方向。

農(nóng)作物空間格局重構(gòu)的主要方法

一是基于統(tǒng)計(jì)數(shù)據(jù)的方法。統(tǒng)計(jì)數(shù)據(jù)包含了農(nóng)作物種植的面積、產(chǎn)量、單產(chǎn)、化肥施用和農(nóng)業(yè)投入等大量的信息。統(tǒng)計(jì)數(shù)據(jù)在定量分析中具有顯著優(yōu)勢(shì)，被廣泛應(yīng)用于不同區(qū)域尺度和時(shí)間序列農(nóng)作物空間格局研究。數(shù)據(jù)來(lái)源有FAO 統(tǒng)計(jì)數(shù)據(jù)庫(kù)FAOSTAT（http://www.fao.org/faostat/en/）、中國(guó)統(tǒng)計(jì)年鑒、地方統(tǒng)計(jì)年鑒、地方經(jīng)濟(jì)統(tǒng)計(jì)年鑒、地方區(qū)域統(tǒng)計(jì)年鑒、國(guó)家統(tǒng)計(jì)局網(wǎng)站、農(nóng)業(yè)農(nóng)村部相關(guān)司局網(wǎng)站、農(nóng)業(yè)信息網(wǎng)站、地方農(nóng)業(yè)部門的統(tǒng)計(jì)資料等。

二是基于遙感識(shí)別的方法。遙感技術(shù)作為一種新技術(shù)，因其空間覆蓋率高、連續(xù)性強(qiáng)和時(shí)效性高等優(yōu)點(diǎn)正被廣泛應(yīng)用于對(duì)地觀測(cè)活動(dòng)中，在不同時(shí)空尺度下的農(nóng)作物空間格局動(dòng)態(tài)變化研究中發(fā)揮了重要作用。遙感數(shù)據(jù)包括Quick Bird衛(wèi)星數(shù)據(jù)、NOAA/AVHRR衛(wèi)星數(shù)據(jù)、MODIS衛(wèi)星數(shù)據(jù)、Landsat衛(wèi)星數(shù)據(jù)、Sentinel衛(wèi)星數(shù)據(jù)、環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)、高分系列衛(wèi)星數(shù)據(jù)、資源三號(hào)衛(wèi)星數(shù)據(jù)等。識(shí)別方法有目視解譯、非監(jiān)督分類、監(jiān)督分類，以及結(jié)合數(shù)學(xué)方法的智能分類方法和基于多源數(shù)據(jù)融合的分類方法等。

三是基于數(shù)學(xué)模型的方法?；跀?shù)學(xué)模型的方法可以歸納為兩類，一類是考慮農(nóng)作物自然生長(zhǎng)過(guò)程，構(gòu)建基于光、溫、水、土壤、地形等自然條件為參數(shù)的數(shù)學(xué)模型，實(shí)現(xiàn)對(duì)不同作物空間分布的模擬。另一類是基于農(nóng)業(yè)生產(chǎn)條件，利用現(xiàn)有數(shù)學(xué)模型，結(jié)合統(tǒng)計(jì)數(shù)據(jù)和其他模擬結(jié)果數(shù)據(jù)，模擬農(nóng)作物分布變化的復(fù)合方法。主要模型包括AiC（Action-in-Context）模型、SPAM（Spatial Production Allocation Model）模型和SPAM-China模型等。

農(nóng)作物空間格局重構(gòu)存在的主要問(wèn)題

盡管基于統(tǒng)計(jì)數(shù)據(jù)的方法在定量分析中表現(xiàn)突出，但同時(shí)存在數(shù)據(jù)獲取成本較高、時(shí)效性不高和穩(wěn)定性較差的不足，且僅能反映統(tǒng)計(jì)單元水平上的數(shù)據(jù)變化，不能反映統(tǒng)計(jì)單元內(nèi)部的空間差異?；谶b感識(shí)別的方法同樣存在許多亟待解決的問(wèn)題，如混合像元、同物異譜和同譜異物等現(xiàn)象的廣泛存在，識(shí)別精度受到一定程度的影響?；谶b感識(shí)別的方法對(duì)種植結(jié)構(gòu)相對(duì)單一、土地利用結(jié)構(gòu)和地形地貌相對(duì)簡(jiǎn)單的區(qū)域可達(dá)到較高的精度，但對(duì)于作物種植結(jié)構(gòu)復(fù)雜的區(qū)域作物空間分布信息的精確獲取，尚存在一定難度?；跀?shù)學(xué)模型的方法是在各種預(yù)設(shè)條件下對(duì)農(nóng)作物空間分布進(jìn)行研究，是農(nóng)作物空間信息研究的一種重要方法，不僅可以應(yīng)用于不同尺度的農(nóng)作物空間信息重構(gòu)，也可用于未來(lái)情景下的農(nóng)作物空間格局模擬預(yù)測(cè)，有效彌補(bǔ)基于統(tǒng)計(jì)數(shù)據(jù)和遙感識(shí)別方法的不足。但是，農(nóng)作物的空間信息變化不只受到模型所設(shè)定條件的影響，也受到其他復(fù)雜因素的影響。基于數(shù)學(xué)模型的方法在理論上可以實(shí)現(xiàn)對(duì)農(nóng)作物空間分布的模擬，但若缺乏對(duì)其他復(fù)雜因素的綜合考慮，會(huì)影響模擬的效果。

未來(lái)發(fā)展趨勢(shì)和研究重點(diǎn)

在農(nóng)作物空間格局重構(gòu)研究領(lǐng)域，基于統(tǒng)計(jì)數(shù)據(jù)的方法、基于遙感識(shí)別的方法和基于數(shù)學(xué)模型的方法均存在優(yōu)勢(shì)和缺陷。基于多源數(shù)據(jù)和數(shù)學(xué)模型的復(fù)合方法既可以充分利用多尺度、多信息源的數(shù)據(jù)，又可以彌補(bǔ)單一研究方法的缺陷，大大提高研究結(jié)果的精度，代表了區(qū)域農(nóng)作物空間信息重構(gòu)技術(shù)的重要發(fā)展方向。

隨著云計(jì)算技術(shù)的快速發(fā)展，高效、高精度的云計(jì)算服務(wù)平臺(tái)相繼出現(xiàn)。如NASA地球交換計(jì)劃（NEX，NASA Earth Exchange）、谷 歌 地 球 引 擎（GEE，Google Earth Engine）和亞馬遜云計(jì)算服務(wù)平臺(tái)（AWS，Amazon web service），這些平臺(tái)已經(jīng)存儲(chǔ)了大量的地球觀測(cè)數(shù)據(jù)。它們能夠利用分布于世界各地的海量服務(wù)器和最強(qiáng)大的云計(jì)算和存儲(chǔ)能力，以一種內(nèi)在并行方式處理數(shù)萬(wàn)億計(jì)的影像數(shù)據(jù)。已經(jīng)有部分學(xué)者基于這些平臺(tái)的高空間分辨率遙感數(shù)據(jù)實(shí)現(xiàn)了海岸線、城市用地等多種土地利用類型的遙感數(shù)據(jù)提取?；谠朴?jì)算平臺(tái)的高效、高精度農(nóng)作物遙感數(shù)據(jù)提取是未來(lái)農(nóng)作物空間格局重構(gòu)研究的重點(diǎn)之一。

不同數(shù)據(jù)源之間存在空間分辨率、時(shí)間分辨率、數(shù)據(jù)質(zhì)量和處理規(guī)則等方面的差異，如不同遙感數(shù)據(jù)采取的分類規(guī)則和處理方法可能不相同，遙感數(shù)據(jù)與統(tǒng)計(jì)數(shù)據(jù)的尺度可能不一致，導(dǎo)致不同數(shù)據(jù)源之間的信息同化效率低下。因此，開(kāi)展多源信息的一致化處理及數(shù)據(jù)融合、空間分布信息重構(gòu)結(jié)果的驗(yàn)證和比對(duì)分析十分重要，可以減少數(shù)據(jù)差異對(duì)農(nóng)作物空間格局研究的影響，促進(jìn)數(shù)據(jù)處理算法的改進(jìn)，有效提高農(nóng)作物空格局重構(gòu)的精度。多源數(shù)據(jù)的融合和結(jié)果數(shù)據(jù)的反饋研究是未來(lái)農(nóng)作物空間格局重構(gòu)研究的重點(diǎn)之一。

基于多源數(shù)據(jù)和數(shù)學(xué)模型的農(nóng)作物空間格局重構(gòu)技術(shù)是基于統(tǒng)計(jì)數(shù)據(jù)、基于遙感識(shí)別和基于數(shù)據(jù)模型三種方法集成的復(fù)合模擬方法，其關(guān)鍵是在數(shù)據(jù)融合和結(jié)果反饋研究的基礎(chǔ)上進(jìn)行農(nóng)作物空間分配模型的構(gòu)建?？臻g分配模型建立的重點(diǎn)在于因變量和輔助因子的選擇，以及這些因素與目標(biāo)變量的關(guān)系分析。農(nóng)作物的空間分布不僅與氣候、土壤等自然環(huán)境因子相關(guān)，也與農(nóng)戶種植習(xí)慣、農(nóng)業(yè)政策等社會(huì)經(jīng)濟(jì)因子緊密相關(guān)。只有綜合考慮自然環(huán)境因子和社會(huì)經(jīng)濟(jì)因子才可以模擬得到更加接近真實(shí)的農(nóng)作物空間信息?；诙嘣磾?shù)據(jù)的農(nóng)作物空間分配復(fù)合模型的構(gòu)建也是未來(lái)農(nóng)作物空間格局重構(gòu)研究的重點(diǎn)之一。