新疆棉花低溫冷害動態監測研究

韓忠玲 崔玉瑩 陳樂

摘要[目的]實現新疆棉花冷害大范圍動態實時監測，為棉花冷害減災防災提供技術支持。[方法]基于星地多源數據，將棉花動態發育期信息、反演的逐日平均氣溫、棉花冷害監測指標多要素相結合，對2000—2016年新疆棉花播種至五葉期、花鈴期冷害動態進行監測。[結果]2003年、2010年、2014年春季，2003年和2009年夏秋季棉花冷害結果與《中國氣象年鑒》災害統計報道的冷害發生時間和位置相符合，與氣象站點計算的逐日距平平均值統計規律能夠相互印證。所獲的逐日平均氣溫經驗證，5個重點監測時段的模擬氣溫結果與氣象站觀測結果RMSE分別為1.92、1.96、1.94、1.80、1.86 ℃，所獲日氣溫模擬精度基本滿足冷害監測需求。[結論]該研究建立的冷害監測方法可以實現對新疆棉花大面積低溫冷害的同步實時跟蹤監測。

關鍵詞棉花;冷害;平均氣溫;發育期;動態監測;新疆

中圖分類號S162文獻標識碼A

文章編號0517-6611（2019）02-0205-10

doi：10.3969/j.issn.0517-6611.2019.02.063

根據中國統計局公布的全國棉花產量數據顯示，2016年新疆棉花播種面積占全疆農作物總播種面積的35%，同年棉花總產量占中國棉花總產量的79%（http：//www.stats.gov.cn/），進一步說明了新疆棉花對中國棉花生產的重要性。然而新疆棉花生產受氣候因素影響很大，棉花單產受氣候災害因素平均影響率達70%[1]。長期生產實踐表明，在眾多氣象災害中，對棉花的品質和產量影響最大的是棉花生長發育期間所遭受的低溫冷害[2]。因此，在新疆開展棉花冷害的監測研究具有一定的現實意義。對于作物的低溫冷害監測方法可概括為3種途徑：一是基于溫度距平[3]或溫度臨界閾值的作物冷害監測，該種冷害監測的關鍵是對小網格氣溫的推算。一般的方法有GIS氣溫空間插值[4]或通過氣溫與地理因子構建的擬合模型進行推算[5]，如利用MODIS地表溫度數據或微波數據，通過建立平均氣溫多元回歸模型監測冷害[6-10]。二是基于作物模型的冷害監測，該方法主要涉及模型參數調整、改進、監測指標選取和監測結果空間化等問題。如利用玉米生長模型，基于構建的冷害綜合指標，結合網格氣象數據監測東北玉米冷害[11];利用ORYZA2000改進模型，基于空秕率等監測水稻冷害[12-13]。三是基于遙感植被指數變化或植被指數臨界閾值的作物冷害監測。如利用Landsat ETM+數據對比冷害前后棉田植被指數變化并結合冠層表面溫度變化監測冷害[14-15]。通過MODIS植被指數分析，構建水稻各發育期NDVI和EVI監測指標，動態監測冷害[16]。綜上所述，對冷害的監測，模型方法機理較為復雜，準確推算大范圍冷害難度大。基于植被指數冷害監測，受云影響嚴重，結果較為滯后。相比之下，基于溫度臨界閾值的冷害動態監測更具實用性。目前對于新疆棉花冷害監測研究報道少，主要是基于小范圍棉花冷害前后植被指數變化的監測，缺少對新疆棉花冷害大范圍長時間的動態監測研究。為此，筆者利用長時間序列地面觀測數據、土地分類信息、衛星遙感數據和棉花冷害監測指標等信息，實現多要素相協同的新疆棉花冷害大范圍動態監測。

1數據與方法

1.1研究區概況

新疆棉區位于36°51′～46°17′N，75°59′～95°8′E，東西橫跨1 630 km，南北縱貫1 115 km，該區位于我國干旱、半干旱地帶。年降水量小于400 mm，無霜期100～250 d，初霜期在10月底，≥10 ℃積溫2 000～4 500 ℃·d，日照時數2 600～3 400 h。春季和秋季氣溫波動大，農作物冷害常有發生[17-18]。通過2006—2015年近10年統計數據分析（http：//data.cnki.net/area/Yearbook/Single/N2009050069？z=D31）可知，新疆各縣市棉花播種面積占總農作物播種面積的10年比值平均值如圖1所示，棉花種植比例較大的縣市主要包括尉犁縣、庫爾勒市、阿克蘇市、阿瓦提縣、新和縣、哈密市、沙雅縣、沙灣縣、精河縣、庫車縣、輪臺縣、伽師縣、奎屯市、烏蘇市、柯坪縣、岳普湖縣、巴楚縣、瑪納斯縣、石河子市。以上縣市也是熱量條件較好，較適宜種植棉花的縣市（圖2）。如果冷害發生在上述地區一般會對新疆棉花生產造成較大影響。

1.2數據來源及預處理

研究從中國氣象科學數據共享網（http：//cdc.cma.gov.cn/satellite/）下載獲取了52個農業氣象觀測站點1991—2013年的作物發育期資料，統計了棉花播種期、出苗期、三葉期、五葉期、現蕾期、開花期、裂鈴期的各個發育階段的普遍期歷史平均值，獲取了1951—2016年新疆62個農業氣象觀測站點的逐日平均氣溫數據。通過數據預處理，進行了有效數據的篩選。行政區劃數據來自國家基礎地理信息系統網（http：//nfgis.nsdi.gov.cn/）。DEM高程數據和MODI-SLST（Landsurfacetemperature）月值數據（2000—2015年）由地理數據空間云下載獲得（http：//www.gscloud.cn/）。利用下載的DEM數據構建了研究區經緯度圖，利用MODI-SLST數據作為趨勢面積，制作了新疆棉花生育期（4—10月）積溫多年平均值分布圖（圖2）。耕地信息來自于中國科學院資源環境科學數據中心（http：//www.resdc.cn/first.asp），研究獲取了2000—2015年每5年共4幅影像，分別提取其中耕地信息，將4期耕地信息相疊加獲取新疆耕地分布圖，結果為棉花冷害明確監測范圍。利用回歸+殘差訂正的方法對于無測站點棉花各發育期數據、積溫數據及逐日平均溫度數據進行推算，其中殘差項由反距離權重法（Inverse Distance Weighting）[9]插值獲取。具體研究技術路線架構見圖3。

1.3新疆棉花冷害監測年份的選取

利用預處理后的新疆62個農業氣象觀測站點1951—2016年逐日平均氣溫數據，結合新疆棉花發育期數據，選取新疆棉花冷害高發時段春季播種至五葉期（4月15日—5月31日）和夏秋季節花鈴期（7月1日—9月5日），分別計算各站點不同時期的歷史積溫距平值，將所有站點每年積溫距平值再平均，獲取新疆歷年積溫距平平均值，結果見圖4、5。從圖4、5可以看出，積溫距平平均值越小，對應時段熱量條件就越差，冷害發生的可能性就越大。因此，研究選取2003年、2010年和2014年春季棉花苗期，2003年和2009年夏秋季節棉花花鈴期作為冷害重點監測時段用于后續研究。

1.4低溫冷害監測指標的選擇

低溫、低溫持續日數以及氣溫回升的速度是影響作物冷害輕重程度的重要因素。在參考了前人對棉花低溫冷害試驗以及研究成果后，選取表1所示的棉花冷害監測指標用于后續研究。

2結果與分析

2.1新疆棉花主要發育期時空分布特征

2.1.1新疆棉花靜態發育期的構建。

通過對新疆農業氣象站點棉花各發育期平均值的計算可知，北疆棉花生產周期更短、時間更緊湊，相比之下南疆緯度低，熱量條件整體好于北疆，棉花種植的時間選擇也更多，棉花生產周期更長。理論上，某一地區的熱量狀況與該地區棉花發育期的多年平均值有直接關系。因此，可以用地理因素來推斷某地區棉花的發育時間。基于上述規律，筆者對棉花播種期、五葉期、花期和鈴期的多年平均值和地理因子等進行了相關分析，結果表明它們之間有很強的相關性。因此，可利用這些變量建立多元回歸方程來推測各地棉花平均發育期，結果如表2所示。

在棉花各發育期模型建立的基礎上，將回歸結果再進行殘差校正，得到了新疆棉花播種期、五葉期、花期和鈴期的靜態時序分布圖，結果如圖6所示。利用未參與建模的22個氣象觀測站點的實測數據進行驗證，模擬的棉花播種期、五葉期、花期和鈴期與驗證站點計算的各發育階段的RMSE分別為3.27、3.84、2.10和3.26。T檢驗計算的相伴概率分別為0.31、0.23、0.63和0.32，結果都比顯著性水平0.05要大，接受T檢驗零假設，模擬值和真實值沒有顯著差異，試驗結果可用于后續分析。

2.1.2新疆棉花動態發育期的構建。

在棉花各靜態發育期構建的基礎上，通過ENVI+IDL編程，使用程勇翔等[22]設計的《作物發育期時空格局動態演示程序 V1.0》，獲得監測時段新疆棉花播種期至五葉期逐日動態發育期時空變動圖，結果如圖7所示。夏秋季節棉花花鈴期逐日動態發育期圖的做法相同，研究結果展示從略。

2.2新疆逐日平均氣溫推算

研究利用已建立的經度、緯度、海拔和積溫圖，通過逐日平均氣溫與上述因子的相關性分析（建模樣本數n=32），分別構建了2003年、2010年、2014年新疆地區春季（4—6月）以及2003年、2009年新疆地區夏秋季節（7—10月）的逐日平均氣溫推算方程，結果舉例如圖8。因篇幅原因，這里只列出了2014年春季部分結果，其他年份從略。

利用未參與建模的30個氣象站實測數據對獲取的逐日氣溫數據進行檢驗，2003年、2010年、2014年春季，2003年、2009年秋季，模擬氣溫結果與觀測站點RMSE分別為1.92、1.96、1.94、1.80、1.86 ℃，所獲日氣溫模擬精度基本滿足冷害監測需求。該結果可用于后續監測研究。

2.3新疆棉花冷害動態監測結果

利用已得到的新疆耕地信息圖、棉花發育期動態圖、逐日氣溫圖，并結合棉花冷害監測指標，實現了新疆棉花冷害的動態監測，結果如表3所示。將監測結果與《中國氣象年鑒》報道的結果相比較，發現監測結果與統計結果在時間和空間上能相互印證。研究進一步將5個監測時段棉花冷害不同等級監測像元統計結果和對應時段站點逐日溫度距平平均值進行了比較，發現兩者峰值出現時間相同，峰值方向相反，具體情況見各監測時段的分析。

通過進一步對2003年春季棉花冷害監測結果分析可知，2003年春季一共經歷了2次冷害天氣過程，結果如圖9所示。利用2003年新疆各氣象站點逐日溫度距平平均值分析可以看出，該圖與當年棉花冷害像元監測統計結果（圖10）能相互印證。當溫度距平平均值越小，冷害發生的范圍就越廣，監測到的冷害像元也就越多，但兩者的規律有時也不完全一致，如圖11中4月15日距平平均值很低，但監測的像元卻很少，主要原因是此時北疆大部分地區尚未進入播種階段。相反5月5日距平平均值較4月15日高，但此時全疆棉花都已進入監測時段，因此降溫對棉花生產影響大，監測到的冷害像元也多。

通過對2010年春季棉花冷害監測結果（圖12、13）分析可知，該年春季氣溫極不穩定，發生過多次降溫過程，但降溫幅度較2003年小，對棉花生產影響較大的主要有2次冷害天氣過程，分別是4月下旬南疆阿瓦提、阿克蘇、尉犁、庫爾勒、沙雅和新和縣棉花冷害，以及5月中旬北疆呼圖壁、瑪納斯和沙灣棉花冷害。其中4月10日距平平均值小（圖14），但監測到的像元數少，主要原因也與各地棉花播種期進入時間有關。對其冷害像元統計峰值，分析發現不是棉花主要種植區（圖1），結果未列出。

對2014年春季新疆棉花冷害監測結果（圖15）分析可以看出，棉花冷害發生于4月下旬，對北疆棉花生產影響較大。5月下旬的降溫主要發生于新疆西北地區，對新疆棉花主要種植區影響較小。4月15日前后的降溫，對尚未進入棉花播種期或剛進入該期的棉花生產影響也不大。6月上旬的降溫幅度小，并且此時基礎溫度高，降溫后的溫度仍然高于臨界溫度，因此也未監測到明顯冷害。通過圖16、17比較發現，溫度距平平均值與棉花冷害像元監測統計結果也能相互印證。

分析2003年新疆夏秋季節棉花冷害監測結果（圖18），發現冷害主要發生于7月下旬的北疆石河子、瑪納斯和沙灣部分地區。7月中旬的降溫，由于幅度小，基礎溫度

較高，降溫后的溫度仍高于臨界溫度，因此未監測到明顯冷害。通過對8月9日前后的降溫及其他小的冷害像元統計峰值分析發現，不是棉花主要種植區，所以對主要種植區棉花生產造成的影響較小，結果未列出。對比圖19、20發現，溫度距平平均值與棉花冷害像元監測統計結果同樣能相互印證。

分析2009年夏秋季節棉花冷害監測結果（圖21）發現，冷害主要發生于9月上旬。8月22日前后的降溫，分析發現不是棉花主要種植區，所以對主要種植區的棉花生產造成的影響較小，結果未列出。對比圖22、23發現，溫度距平平均值與棉花冷害像元監測統計結果也能相互印證。

3結論與討論

研究將棉花發育期信息、反演的逐日溫度及棉花冷害監測指標相結合，實現了對新疆棉花冷害災情的動態監測。對于分布廣、面積大的新疆棉花產區，采用“3S”技術有很大的優勢，可以迅速、準確、實時地監測到冷害災情的發生，能夠及時向有關部門反映，做好防災減災的準備工作，減少經濟損失。對于冷害指標的選擇，一般是針對作物各個生長發育時期制定不同的指標。只有將指標與各發育時期相配套，才能發揮監測指標的作用，否則會降低檢測結果的參考價值。新疆棉區縱橫距離跨度大，造成南北疆棉花發育期時段不一致，且由于地形、海拔等地理因素的影響，各地棉花進入同一發育期的時間差異較大。為了防止這一現象的發生，該研究構建了棉花發育期動態模型，提高了冷害監測指標和發育期的配合度，使監測結果更接近于實際情況。

目前已報道的新疆棉花冷害監測主要是利用遙感植被指數變化或植被指數臨界閾值的作物冷害監測。如胡列群等[14]利用Landsat ETM+數據對比了冷害前后棉田NDVI、DN值等數據的變化，發現冷害造成植被指數下降，這可用于冷害定量化監測。林海榮等[15]利用ETM+數據分析了棉花鈴期冷害前后冠層NDVI指數變化和冠層表面溫度變化的關系，通過兩者結合用于冷害監測。以上研究雖然可以對棉花冷害進行監測，但結果較為滯后，在實際防災減災中作用有限。該研究采用的方法可以做到逐日動態監測，較以往新疆棉花冷害監測研究在實時性上有了較大提高，但研究中仍有很多不足，主要是監測前缺少棉花種植的準確信息，該問題與棉花種植信息遙感獲取的滯后性有關。因此實際應用時，冷害監測結果只能用耕地信息確定冷害發生的大致范圍，不能準確定位到地塊。要解決這一問題，今后需進一步加強農業信息化建設，每年讓農戶提早上報種植信息很有必要。

對于冷害監測中日平均氣溫的推算，張麗文等[10]利用MODIS 8 d或逐日LST數據，結合地理因子、植被指數等變量建立多元回歸模型推測平均氣溫，對于受云污染的像元再采用局部窗口空間迭代插補或地面數據空間插值的方法填補，在冷害監測指標的選取上分別利用了積溫距平[7-8]、累積生長度日距平[10]或溫度臨界閾值[9]監測冷害，逐步實現了冷害動態監測，證實基于LST的逐日溫度推算具有一定的準確性。程勇翔等[6]利用微波數據受天氣條件影響小的特性，為逐日氣溫推算提供了一個溫度趨勢面信息。通過與地理因子的多元回歸分析，推算逐日氣溫。筆者則利用MODIS LST月值產品數據，通過逐年（2000—2015年）各月（4—10月）累加，將該數據用于獲取積溫趨勢面信息。利用獲取的經度、緯度、海拔和積溫趨勢面信息，結合地面站點逐日溫度，推算逐日氣溫用于冷害監測。經驗證，所得逐日氣溫推算結果精度基本滿足冷害監測所需，但尚有很大提高空間。今后在新疆棉花冷害研究中若能將逐日微波亮溫數據和MODIS LST數據相結合，則有望進一步提高逐日氣溫推算精度。

該研究利用星地多源信息，對2000—2016年間新疆棉花播種期至五葉期、花鈴期主要大范圍冷害進行了動態監測。結果顯示：2003年、2010年、2014年春季，2003年和2009年夏秋季節冷害結果與《中國氣象年鑒》災害統計報道的冷害發生時間和位置相符合，與氣象站點計算的逐日距平平均值統計規律能夠相互印證。近年來，新疆棉花冷害發生次數總體較以往有所減少。春季溫度較夏秋季節溫度波動大，冷害發生的次數相對多，但夏秋季節冷害依然會有發生。北疆棉區較南疆棉區監測到的冷害次數多，春季低溫會延緩棉花生長，增加夏秋季節棉花冷害發生的可能性，因此，北疆棉區（呼圖壁、瑪納斯、石河子和沙灣）應重點做好夏秋季節棉花花鈴期冷害預防工作。研究建立的冷害監測方法可以實現對新疆棉花大面積低溫冷害的同步實時跟蹤監測，監測結果可為農業部門迅速組織力量，應對棉花冷害提供技術支持。

參考文獻

[1] 姜逢清，楊德剛.新疆棉花產量構成要素分析[J].干旱區研究，2003，20（2）：104-109.

[2] 鄒陳，吉春容，楊舉芳，等.北疆棉花階段性延遲型冷害指標研究[C]//第27屆中國氣象學會年會現代農業氣象防災減災與糧食安全分會場論文集.北京：中國氣象學會，2010：8.

[3] 張超.積溫距平指標在玉米低溫冷害監測中的適用性分析[J].內蒙古科技與經濟，2017（3）：71-73.

[4] 單新蘭，衛建國，韓穎娟.GIS和RS支持下寧夏水稻低溫冷害監測預警[J].安徽農業科學，2011，39（3）：1578-1581.

[5] 何燕，李政，徐世宏，等.GIS在水稻“寒露風”冷害監測預警中的應用[J].災害學，2012，27（1）：68-72.

[6] 程勇翔，王秀珍，郭建平，等.中國南方雙季稻春季冷害動態監測[J].中國農業科學，2014，47（24）：4790-4804.

[7] 孫欣.基于MODIS數據的東北地區氣溫反演及玉米冷害監測研究[D].沈陽：沈陽農業大學，2017.

[8] 張麗文.基于GIS和遙感的東北地區水稻冷害風險區劃與監測研究[D].杭州：浙江大學，2013.

[9] 張麗文，劉志雄，肖瑋鈺，等.RS和GIS支持下的全天候氣溫構建在湖北水稻低溫冷害監測中的應用[J].湖北農業科學，2017，56（24）：4757-4761，4776.

[10] 張麗文，王秀珍，姜麗霞，等.用MODIS熱量指數動態監測東北地區水稻延遲型冷害[J].遙感學報，2015，19（4）：690-701.

[11] 馬玉平，王石立，李維京.基于作物生長模型的東北玉米冷害監測預測[J].作物學報，2011，37（10）：1868-1878.

[12] 陳德.基于遙感和作物模型的東北水稻低溫冷害監測評估[D].南京：南京信息工程大學，2017.

[13] 陳斐.長江中下游雙季稻低溫冷害監測研究[D].南京：南京信息工程大學，2014.

[14] 胡列群，武鵬飛，李新建，等.基于ETM+影像的棉花低溫冷害遙感監測方法研究[J].中國農學通報，2011，27（4）：459-463.

[15] 林海榮，李章成，周清波，等.基于ETM植被指數和冠層溫度差異遙感監測棉花冷害[J].棉花學報，2009，21（4）：284-289.

[16] 劉丹，于成龍，杜春英.基于遙感的東北地區水稻延遲型冷害動態監測[J].農業工程學報，2016，32（15）：157-164.

[17] 傅瑋東.終霜和春季低溫冷害對新疆棉花播種期的影響[J].干旱區資源與環境，2001，15（2）：38-43.

[18] 傅瑋東，李新建，黃慰軍.新疆棉花播種-開花期低溫冷害的初步判斷[J].中國農業氣象，2007，28（3）：344-346.

[19] 李芳.淺談農六師低溫冷害對棉花生長發育的影響[J].農業與技術，2013，33（1）：101.

[20] 李世奎，霍治國，王素艷，等.農業氣象災害風險評估體系及模型研究[J].自然災害學報，2004，13（1）：77-87.

[21] 楊蓮梅，李新建.新疆棉花障礙型冷害的天氣成因[J].干旱區研究，2006，23（4）：609-614.

[22] 程勇翔，潘灼坤，黃敬峰.作物發育期時空格局動態演示程序：2015SR033929[P].2014-08-14.

[23] 毛耀順.中國氣象年鑒[M].北京：氣象出版社，2003.

[24] 《中國氣象年鑒》編輯部.中國氣象年鑒[M].北京：氣象出版社，2009.

[25] 劉燕輝.中國氣象年鑒[M].北京：氣象出版社，2010.

[26] 許小峰.中國氣象年鑒[M].北京：氣象出版社，2014.