冬小麥產量預測與氣象災害預警系統研發

張曉艷　孫家波　牛魯燕等

摘要：為進行小麥產量預測與氣象災害預警分析，利用C#語言和.NET開發平臺，基于SuperMap組件式GIS的二次開發技術，設計開發了黃淮海地區冬小麥產量預測與氣象災害預警系統。該系統設置基礎地理信息、數據查詢與管理、冬小麥長勢監測、產量估算、氣象災害預警、數據統計分析、專題圖制作和系統幫助八個模塊，可實現冬小麥基本農情信息查詢、長勢分級、產量預測及氣象災害預警等決策分析，同時可輸出各類專題圖等信息產品，以期為小麥生產管理的定量化、信息化提供技術支撐。

關鍵詞：冬小麥；產量預測；氣象災害；預警系統

中圖分類號：S512.1+1+S126 文獻標識號：A 文章編號：1001-4942（2015）08-0107-04

Abstract To deal with the problems of wheat yield estimation and meteorological disaster prediction and early-warning， the C# programming language， .Net development platform and secondary development technologies based on SuperMap component GIS were used to develop the system for yield estimation and meteorological disaster early-warning of winter wheat. The system mainly consisted of eight modules： data query and management module， basic geographic information module， winter wheat growing monitoring module， winter wheat yield estimation module， meteorological disaster warning module， data statistic analysis module， thematic map drawing module and system help module， so it could achieve basic agricultural information query，growth classification，yield forecast and meteorological disaster early-warning decision；at the same time， all kinds of thematic maps and other information products to provide technical supports for quantitative and informational production management.

Key words Winter wheat； Yield estimation； Meteorological disaster； Early-warning system

全球極端氣象災害出現多發、頻發、重發趨勢，農業生產面臨巨大風險，糧食安全受到重大威脅。如果在收獲之前就能夠獲知作物產量和災害信息，將對國家政策的制定具有重要指導意義。自然災害具有連續性、擴展性及突發性等特點，使其監測難度加大，而遙感技術為此提供了有效手段。在產量估算和災害預警方面國內外已做了一些研究，如美國、歐盟等應用衛星遙感技術進行農作物長勢監測和產量測算，開展了世界多種農作物長勢評估、產量預報及病蟲害預測等[1～5]；加拿大進行了作物和牧草長勢信息的監測[3]；歐盟開展了全球糧食安全風險區的監測[3]；聯合國糧農組織[3]研發了“全球信息與預警系統”。國內方面，李哲等[6]提出了基于遺傳算法與神經網絡相結合的玉米估產方法；侯英雨等[7]構建了基于作物植被指數和溫度的產量估算模型；王秀珍等[8]構建了水稻高光譜遙感估算模型；李衛國等[9，10]利用衛星影像植被指數與農作物不同生長時期長勢指標間的定量關系，構建了相關長勢指標監測模型或算法。

雖然我國在作物長勢監測、估產、模型構建等方面的研究已有很大進步，但實用系統仍相對較少。本研究針對目前冬小麥生產管理中缺少信息化手段支持的現狀，將數據庫、GIS和遙感技術引入冬小麥的產量預報及災害預警中，開發了基于GIS的冬小麥產量預測與氣象災害預警系統，以期為使用者提供生產管理與決策方面的技術支持，最大限度地為農業生產管理和防災減災提供技術指導。

1 系統設計與開發

1.1 系統運行環境及開發平臺

硬件配置要求中檔以上PC機，4 G以上內存，1.8 G以上CPU，80 G以上硬盤。軟件系統要求Windows 2007或更高版本，C#開發語言，Visual Studio 2012開發平臺；SuperMap Objects 7C版本的組件式GIS開發工具。

SuperMap Objects是一體化的組件式GIS開發平臺，適用于快速開發專業級C/S結構應用系統，采用Microsoft的ActiveX控件標準開發接口，可滿足不同需求的專業應用。

1.2 系統目標設定

利用SuperMap的產品SuperMap Objects，采用C#語言并基于Visual Studio 2012 .NET平臺，研發冬小麥產量預測與災害預警信息系統，能夠實現冬小麥基本農情信息查詢以及長勢分級、產量預報、氣象災害預警等決策分析，同時可輸出各類專題圖等信息產品。

1.3 系統結構設置endprint

系統以數據庫和地理信息技術為基礎，充分發揮組件式GIS技術優勢，將不同組件進行動態耦合與集成。整個系統采用C/S模式，利用SQL Server實現對小麥產量信息、災害信息、氣象信息和土壤信息等相關數據的存儲；利用C# .NET和SuperMap Objects進行二次開發，實現矢量數據管理、專題圖制作、空間查詢與分析等功能。系統結構如圖1所示。

1.4 系統功能

系統包括基礎地理信息查詢、小麥長勢監測、小麥產量預測、氣象災害預警、專題圖制作、數據查詢與管理、信息統計與分析、系統幫助共8個功能模塊。系統功能結構如圖2所示。

1.4.1 數據查詢與管理模塊（見圖3） 系統數據來源于山東統計年鑒、中國統計年鑒及試驗調查數據，首先利用SQL Server 2012構建各類冬小麥相關信息數據庫。數據庫有兩種權限，管理員和普通用戶。管理員用戶負責對數據庫進行維護與管理，對不同或多個數據庫之間數據進行關聯，以及對數據庫進行實時更新。普通用戶的權限僅是數據查詢及顯示。

1.4.2 基礎地理信息模塊（見圖4） 主要實現基礎地理信息的查詢與顯示功能。通過工具欄，實現圖層的疊加、縮小、放大、移動、漫游等操作，以及空間和屬性信息的查詢與顯示等功能。

1.4.3 冬小麥長勢監測模塊 對輸入的遙感影像進行波段計算，獲得常用的NDVI、RVI。根據農學知識和地面實地調查數據，將小麥與其他作物相區別；將提取的植被指數與樣點實測冬小麥長勢參數進行相關性分析，挑選出相關系數最大的農學參數和植被指數；構建以植被指數為自變量、農學指標為因變量的小麥長勢指標監測模型；最后制作小麥長勢的空間分布圖，從而達到監測小麥長勢目的。

1.4.4 冬小麥估產模型與分級模塊（見圖5） 將樣點實測單產數據與農學參數進行相關性分析；建立基于長勢指標的產量預測模型；將長勢指標參數值、產量分級標準值和行政矢量圖等結合到冬小麥單產模型，最后制作生成冬小麥產量分級預報圖。

1.4.5 氣象災害預警模塊 本研究采用1980～2014年的小麥災情數據對災害進行評估，具體指標包括小麥種植面積、成災面積、受災面積和絕收面積。針對小麥的生育期災害特征，以小麥生育進程為主線，分別對冬小麥干旱、冷凍害、干熱風等進行了風險評估和預測預報。

1.4.6 統計分析和圖表顯示模塊（見圖6） 根據需求分析，設計基本的數據統計結果和圖表顯示方案，然后根據用戶的需要，查詢所關注區域的屬性數據集，然后選擇以線型、柱狀、餅狀或點密度等方式進行顯示，使用戶能直觀地掌握目標的一些信息。

1.4.7 專題圖制作與輸出模塊（見圖7） 統計數據和遙感圖像經過系統分析與處理后，可將統計或分析結果顯示在地圖上，最后輸出所需要的專題圖產品。在專題圖制作時，可將分辨率、比例尺和圖例、題頭和制圖單位、地理坐標等信息選擇加上。

2 系統測試運行

利用山東省范圍內2013年4月7日的MODIS影像以及此時小麥的田間調查數據，輸入某一長勢指標數據，系統會計算出預測產量值，不同區域的值匯總到一起，得到研究區域產量分布圖。在災害方面，通過選擇不同災害類型，輸入相關參數，可獲得因災害影響小麥減產率的變化。在測試過程中，系統運行較穩定，輸出結果較可靠。

3 結論

本研究利用Visual Studio 2012的C#語言環境，基于組件式GIS的模塊化設計，研發了冬小麥產量預測與氣象災害預警系統。通過獲取遙感數據、多年統計數據和地面調查數據，構建小麥長勢監測模型、估產模型和災害預警模型，制作小麥長勢監測分級和估產專題圖，為用戶提供精確的專業指導服務。達到了系統設定目標，具有地理信息查詢和顯示、遙感影像處理和分析、數據庫管理、模型建立和數據分析等功能，本研究成果為冬小麥估產與預警系統的推廣應用奠定了基礎。在今后的研究中，擬融合更具機理性的小麥生長模型，在可靠性方面進行提升。

參 考 文 獻：

[1] 劉海啟，金敏毓. 美國農業遙感技術應用狀況概述[J].中國農業資源與區劃，1999，20（2）：56-60.

[2] 李衛國. 中國農業科學技術出版社[M].2013.

[3] 吳炳方，蒙繼華，李強子.國外農情遙感監測系統現狀與啟示[J].地球科學進展，2010，25（10）： 1003-1012.

[4] 蒙繼華，吳炳方，李強子，等. 農田農情參數遙感監測進展及應用展望[J]. 遙感信息，2010（3）：122-128.

[5] 徐新剛，吳炳方，蒙繼華，等. 農作物單產遙感估算模型研究進展[J].農業工程學報，2008，24（2）：290-298.

[6] 李哲，張軍濤. 基于遺傳算法與人工神經網絡相結合的玉米估產研究[J].自然資源學報，2000，15（3）： 270-274.

[7] 侯英雨，王石立. 基于作物植被指數和溫度的產量估算模型研究[J].地理學與國土研究，2002，18（3）： 105-107.

[8] 王秀珍，黃敬峰，李云梅，等.水稻葉面積指數的高光譜遙感估算模型[J].遙感學報，2004，8（1）： 81-88.

[9] 李衛國，李正金，李花. 基于組件式GIS的冬小麥遙感估產系統的開發研究[J].麥類作物學報，2011，31（2）： 318-323.

[10]李衛國，趙春江，王紀華，等. 遙感和生長模型相結合的小麥長勢監測研究現狀與展望[J].國土資源遙感，2007（2）：6-9.endprint