河南省冬小麥種植頻率時空變化及影響因素分析

李方杰，任建強，吳尚蓉，陳仲新，張寧丹

河南省冬小麥種植頻率時空變化及影響因素分析

李方杰，任建強，吳尚蓉，陳仲新，張寧丹

（中國農業科學院農業資源與農業區劃研究所/農業農村部農業遙感重點實驗室，北京 100081）

【】通過對河南省2001—2015年間不同時期（2001—2005、2006—2010及2011—2015年）冬小麥種植頻率（winter wheat planting frequency，WWPF）時空變化及其主要影響因素定量分析，進一步明晰區域作物種植頻率變化時空變化分布特征和主要影響因素順序。以河南省為研究區，冬小麥為研究作物，在利用中低分辨率MODIS EVI時序遙感數據和CART決策樹算法進行連續15年（2001—2015年）作物種植空間分布信息提取基礎上，獲取了研究區不同時期冬小麥種植頻率空間信息。在此基礎上，開展不同時期冬小麥種植頻率時空變化分析，并利用相關分析、主成分分析和線性回歸分析等數理統計方法對不同時期研究區種植頻率變化的影響因素進行分析，最終確定主要影響因素的重要性排序。基于MODIS EVI時序遙感數據和CART決策樹算法可獲得河南省較高精度連續多年冬小麥種植空間分布信息，經驗證，研究區冬小麥遙感提取平均總體精度為90.39%，Kappa系數在0.82—0.92之間，可滿足區域冬小麥種植頻率變化研究所需作物空間分布精度要求；通過分析河南省不同時期冬小麥種植頻率時空變化信息，省域內冬小麥主產區大部分具有較高的冬小麥種植頻率（WWPF＞80%），而豫西南和豫南等山區由于地形復雜、自然條件較差導致冬小麥種植頻率普遍較低（WWPF≤40%）。此外，3個時段期間，河南省冬小麥主產區高頻種植冬小麥面積呈逐步增加趨勢，WWPF＞80%的面積比例分別為42.68%、59.94%和63.07%，低頻種植面積呈減小趨勢，WWPF≤40%的面積比例分別為28.53%、17.99%和16.63%，這對我國冬小麥主產區穩定糧食種植面積具有重要意義；從冬小麥種植頻率影響因素分析結果看，河南省冬小麥種植頻率與有效灌溉面積比例、土壤質量綜合指數、播期氣候適宜度、坡度和高程等指標間均存在顯著的相關性，且除與坡度、高程呈負相關外，與其余因素均為正相關關系。以上指標對河南省冬小麥種植頻率變化影響程度的排序結果為土壤綜合質量指數＞播期氣候適宜度＞有效灌溉面積比例＞坡度（高程），即土壤質量＞播期氣候條件＞灌溉條件＞地形條件。通過對河南省冬小麥種植頻率時空變化及其影響因素進行定量分析，明確了河南省冬小麥種植頻率時空分布特征和變化規律，明晰了河南省區域冬小麥種植頻率變化影響因素及其重要性排序，為開展作物種植面積變化分析提供了一定技術方法和思路借鑒，為區域農業土地利用決策模型構建提供一定基礎理論支撐。

河南省；冬小麥；作物面積提取；作物種植頻率；時空變化；影響因素

0 引言

【研究意義】區域作物分布時空變化信息不僅直接反映農戶作物種植選擇行為，而且可以反映大范圍農業耕地資源利用情況，上述信息已經逐步成為國家制定糧食政策和經濟計劃的重要依據[1-2]。基于多年高精度連續作物空間分布遙感信息，開展區域作物種植頻率時空變化分析研究，不僅對糧食主產區作物種植面積穩定、農業管理政策科學制定和保障國家糧食安全具有重要意義，而且對開展農業土地利用對土壤質量的影響研究也具有較好的促進作用[3]。此外，開展區域作物種植頻率主要影響因素分析研究，不僅可以加深對農業土地利用變化機理機制和驅動因素的理解，也可以促進區域土地利用決策模型科學構建，進一步提高農業土地利用趨勢預測和國家農業政策科學制定的能力，對保證國家主要農產品有效供給、保障國家糧食安全等方面具有重要理論價值和現實意義[4-6]。【前人研究進展】從作物分布時空變化研究看，以往大多區域作物分布時空變化分析主要依靠行政單元統計數據，且主要集中在種植面積數量變化、空間分布特征及其影響因素等分析研究，對基于遙感獲取的作物分布信息利用存在一定不足。盡管部分學者也對作物分布遙感信息加以利用，但大多只采用了一定間隔年份的作物分布信息進行直接對比分析，缺少對連續多年作物空間分布時空變化及其動因的深入細致分析[7-8]。因此，有必要進一步利用連續多年作物分布信息開展區域作物種植面積變化分析研究。近幾十年來，隨著空間信息技術發展，特別是作物遙感分類和面積提取技術的不斷進步，利用遙感技術獲取連續多年大范圍作物空間分布信息成為可能，這為作物分布時空變化分析研究提供更加豐富的信息源[9-11]。目前，國內外利用遙感進行作物面積提取的遙感數據源以多光譜影像為主，且中低、中高和高分辨率遙感數據均得到了較好應用。其中，中低分辨率遙感數據（如MODIS數據等）在大范圍作物面積提取中發揮了重要作用[12-14]。作物面積提取利用的遙感分類方法主要包括計算機自動分類（如監督分類和非監督分類）、基于遙感解譯模型的分類（如閾值法、決策樹等）、基于地塊和紋理等信息的分類方法以及多元信息融合的分類等[15-17]。其中，基于時序植被指數和物候特征的決策樹作物分類方法由于操作簡單，運算速度快，可實現區域作物種植面積的準確提取，已經成為當前作物面積提取和作物監測中的常用方法之一[18-20]，且CART分類回歸樹算法是應用較多的作物面積提取算法[21-22]。【本研究切入點】隨著我國耕地資源利用管理和農業種植結構調整優化要求的逐步提高，部分學者在農作物種植面積時空變化分析中也開展了農作物種植頻率相關研究[3,23]，但大多只集中在作物種植頻率空間分布特征的描述方面，對某一地區多年農作物種植頻率（crop planting frequency，CPF）時空變化及其成因缺乏深入研究，而上述研究不僅可為農業土地利用變化研究中分析作物種植面積變化提供一種新思路，而且是對我國已經開展的農業土地利用變化相關研究有益補充，也是進一步提高我國耕地資源利用效率和精細化管理水平的必然需求[24-25]。【擬解決的關鍵問題】針對目前農作物種植面積時空變化分析研究中對農作物種植頻率時空變化及其影響因素研究不足的現狀，本文以我國重要的冬小麥生產基地河南省為研究區，深入開展該省多年歷史冬小麥種植頻率（winter wheat planting frequency，WWPF）時空變化及其影響因素分析研究，進一步明晰區域作物種植頻率變化成因和主要影響因素順序，以期為進一步提升農業生產效率提供指導，為區域農業土地利用變化研究、區域作物種植結構調整優化和農業土地利用政策制定中開展作物種植面積變化分析提供技術方法和思路借鑒，為區域土地利用決策模型構建提供基礎理論支撐。

1 材料與方法

1.1 研究區概況

河南省是我國冬小麥重要生產基地，該省地理位置在北緯31.38°—36.37°、東經110.35°—116.65°（圖1）。全省總面積為16.70萬平方公里，耕地面積為8.13萬平方公里。河南省處在我國二三階梯的過渡帶，地勢總體特征為西部海拔高，東部海拔低，全省屬于暖溫帶向亞熱帶過渡的大陸性季風氣候，年平均氣溫約在12.1—15.7℃，年平均降水量約為532.50—1 380.60 mm，年均日照時間約1 850—2 500 h，全年無霜期約為180—240 d，主要農作物種植制度為冬小麥-夏玉米一年兩熟制度。其中，省域內冬小麥一般是10月上中旬播種，10月中下旬出苗，11月上中旬進入分蘗期；從12月上中旬至次年2月上中旬冬小麥處于越冬階段；次年2月下旬冬小麥開始返青，3月中下旬為拔節期，4月中旬處于孕穗期，5月上旬處于抽穗開花期，5月中下旬處于灌漿乳熟期，5月下旬至6月上旬處于成熟收獲階段。

1.2 數據及預處理

1.2.1 MODIS數據及預處理 本研究使用的遙感數據是美國NASA生產的16 d合成250 m空間分辨率MOD13Q1植被數據產品，該產品由NASA LP DAAC工作組網站（https://lpdaac.usgs.gov/lpdaac/products）獲取，研究區覆蓋的數據軌道號為h27v05，數據覆蓋時間為每年冬小麥播種到成熟期范圍內（第273天至次年第177天）17幅數據產品，研究中共獲得2001—2015年共15年255幅數據產品。下載獲得的EVI數據預處理主要包括數據提取、投影轉換、裁切、數據拼接和波段合成（layer stack）等。其中，數據提取和投影轉換應用MRT工具（MODIS Reprojection Tool），由Sin投影轉換為Albers投影，對裁剪后的影像按照時間順序進行波段合成，最終得到每年包含17個波段的2001—2015年EVI時間序列影像共15幅，其中每個波段分別標記為B1、B2、…、B17。

盡管MOD13Q1數據集為16 d最大值合成數據，一定程度上可減少部分云污染和氣溶膠對EVI真實值的影響，但仍然不能完全去除大氣條件和土壤背景等對數據質量的影響，導致EVI在時間序列上出現異常值或波動，從而影響作物EVI時序遙感特征參數準確提取。因此，本研究采用Savitzky-Golay（S-G）濾波平滑技術對預處理后時序EVI數據進行平滑處理，從而有效地去除多時相EVI遙感數據中異常值或波動，最終獲取較高質量的EVI時序數據[26]。

1.2.2 樣點數據 本研究使用的樣點數據除部分來自地面樣點外，還有其他部分樣點數據來源于Google Earth高分辨率影像。利用Google Earth高分辨率影像獲取樣點過程中，在遵循樣點均勻分布的原則基礎上，利用目視判讀的方法進行整個研究區冬小麥及其他地物樣本點選取，地面樣點和Google Earth高分辨率影像中選擇的冬小麥和其他地物樣點數據如表1所示。研究中從每年全部樣點數據中隨機選取一定數量的冬小麥和非冬小麥訓練樣本，用于提取地物時序特征。另外，每年選取驗證樣點1 500個（含冬小麥樣本850個，非冬小麥樣本650個）用于后期作物分布提取結果的精度驗證。

1.2.3 氣象和土壤數據 本研究所使用的氣象數據來源于中國氣象數據網（http://data.cma.cn/），站點主要包括河南省內19個基本站及周邊部分氣象站點共45個（圖1），氣象指標包括旬平均氣溫、旬降水量和旬日照時數，數據覆蓋時間是2001—2015年每年冬小麥播種期間10月上旬至10月中旬。在此基礎上，采用反距離權重法（IDW）對氣象站點數據進行空間插值，插值空間分辨率為250 m。研究中，利用作物分布提取結果對空間插值信息進行掩膜并進行分縣統計。本研究采用的分縣統計土壤指標主要來自中國科學院南京土壤研究所耕地土壤數據[27-28]，指標包括土壤容重、碳酸鈣、陽離子交換量、粘粒含量、pH、砂粒含量、粉粒含量、有機碳含量、全鉀含量、全氮含量、全磷含量以及土層厚度共12個。上述獲得分縣統計的氣象指標和土壤指標分別用于研究時段各年冬小麥種植期間氣候適宜度評價以及研究區土壤質量綜合評價。

1.2.4 其他數據 本研究涉及的輔助數據主要包括河南省行政區劃矢量數據（縣、市和省級）以及2001—2015年河南省歷史分縣統計數據。其中，分縣統計數據指標包括耕地面積、有效灌溉面積等。2001—2015年河南省縣級耕地面積和有效灌溉面積統計數據主要用于計算各縣有效灌溉面積比例。另外，本研究數據還包括河南省耕地分布數據以及河南省高程數據，高程數據主要用于坡度信息的計算。

圖1 研究區示意圖

表1 河南省冬小麥分布提取樣點數量（2001—2015年）

Table 1 Number of samples for winter wheat area extraction in Henan province (2001-2015)

1.3 研究方法

1.3.1 總體技術路線 本研究以時序MODIS EVI為主要遙感數據源，研究時段為2001年至2015年。首先，對MODIS數據進行預處理，利用CART決策樹算法構建冬小麥種植面積提取模型，從而獲得2001—2015年河南省冬小麥種植面積空間分布信息，并利用冬小麥驗證樣點數據對作物識別精度進行驗證。在此基礎上，將研究區以5年為間隔劃分為3個時段[29]，即第一階段（2001—2005年）、第二階段（2006—2010年）以及第三階段（2011—2015年），開展不同時期冬小麥種植頻率計算和種植頻率時空變化分析。最后，利用相關分析、主成分分析和線性回歸分析等數理統計方法對不同時期研究區種植頻率變化的影響因素進行分析，最終確定研究區冬小麥種植頻率變化主要影響因素的重要性排序。主要技術流程如圖2所示。

1.3.2 區域冬小麥空間分布信息提取 本研究冬小麥空間分布信息提取主要采用廣泛應用的分類回歸樹算法（classification and regression tree，CART），利用的遙感數據是每年冬小麥生長期間MODIS EVI時序數據。其中，CART算法在1984年由Breiman等[30]最早提出，基本原理是通過對已知多變量數據構建預測準則，進而根據其他變量值對一個變量進行預測，通過循環分析而形成二叉樹形式的決策樹結構。研究過程中，在利用S-G濾波技術對MODIS EVI時序遙感數據進行平滑基礎上，采用ENVI軟件中的CART擴展工具對濾波后時序遙感植被指數進行決策樹分類。主要過程是利用選取的訓練樣點數據建立作物識別和分類規則，然后進行研究區地物決策樹分類運算，獲得冬小麥空間分布信息。

1.3.3 區域冬小麥空間分布信息提取精度評價 在利用CART決策樹算法獲取研究區多年冬小麥空間分布信息結果基礎上，本研究開展作物空間分布結果的精度評價。作物分類識別精度主要采用總體精度和Kappa系數指標進行評價。研究中，將冬小麥和其他地物的驗證樣點數據與分類提取結果建立混淆矩陣，計算總體精度與Kappa系數，總體精度和Kappa系數均在0—1之間，其值越接近1，說明提取精度越高。

1.3.4 區域冬小麥種植頻率定義與計算 一般來說，基于多年作物面積提取結果獲取的作物種植頻率空間信息是農業土地利用中作物種植選擇結果的直接反映，主要表達一定時段內農業土地利用中目標作物類型出現的頻率或幾率，它不僅可以用于確定一個區域內農作物的主產區或核心區域，對國家確定主要農作物產品的有效供給具有決定性作用，而且一定程度上也可以反映區域內耕地利用強度[31-32]。本研究中，冬小麥種植頻率被定義為一定年份時段內冬小麥種植年數占總年數的比值。在計算冬小麥空間種植頻率的過程中，本研究將研究年份內（2001—2015年）每一年冬小麥面積提取結果中的冬小麥屬性設置為1，非冬小麥屬性設置為0，然后將所計算年份區間內的冬小麥種植面積提取結果進行疊加，得到冬小麥種植頻次，將冬小麥種植頻次除以總年份數，即得到一定年份時段內空間冬小麥種植頻率。

式中，為某一年像元的冬小麥種植頻率，分別為遙感影像行、列號。

式中，c(j)為第年像元的冬小麥種植頻率，M表示第年像元屬性值；表示總年份數（≥2），本研究中=5。通過多個時段的作物種植頻率比較，可以獲得河南省區域作物種植頻率時空變化信息。研究過程中，本文將研究區內的冬小麥分為2001—2005、2006—2010以及2011—2015年3個階段，分別計算3個階段內冬小麥的種植頻率，最終獲得研究區3個不同時期冬小麥種植頻率分布圖。

圖2 總體技術路線

1.3.5 區域冬小麥種植頻率與影響因素分析

（1）冬小麥種植頻率主要影響因素選擇與獲取

一般認為，影響作物種植的因素主要包括自然環境因素和社會經濟因素兩個方面[33]。其中，自然環境因素主要包括氣候、水文、地質、土壤、地形等，這些要素與作物種植適宜度間關系密不可分；社會經濟因素直接影響農作物生產和空間布局，主要包括勞動力、基礎設施建設水平、居民收入和政策變化等因素。研究過程中，本文重點考慮河南省冬小麥種植和生長主要受土壤質量、灌溉條件、氣候條件和地形等因素影響，選擇了有效灌溉面積比例、土壤質量綜合指數、氣候適宜度、坡度和高程等因素進行冬小麥種植頻率時空變化分析。其中，有效灌溉面積比例指標主要反映一個地區的灌溉條件狀況，對區域內作物種植選擇、面積數量和作物種植結構等具有重要影響，該指標可以通過有效灌溉耕地面積占耕地總面積的比重進行計算[34]。土壤質量綜合指數（soil quality comprehensive index，SQCI）是反映區域內土壤中物質含量水平和維持生物生產能力的綜合度量指標，該指標可作為作物種植選擇和作物生長過程中判斷土壤條件好壞的重要依據。氣候適宜度指標主要用于反映某種作物整個生育期或各個生育階段（如播種后至某生育期）光、溫、水等農業氣候資源滿足作物生長發育條件要求的程度。主要影響因素具體計算和評價方法如下：

首先，確定土壤質量綜合指數。土壤質量由土壤的物理、化學和生物學等多個指標組成，但在區域范圍內一般把土壤的理化指標作為土壤質量的評價指標[35]。考慮到單一土壤指標因素無法衡量土壤綜合質量，因此，本研究采用土壤質量綜合評價中應用最廣泛的主成分分析法（principle components analysis，PCA）對研究區土壤質量進行綜合評價，從而獲得土壤質量綜合指數。在此基礎上，進行土壤綜合質量對作物種植頻率變化的影響分析研究。研究中，結合研究區土壤特征和指標獲取的可操作性，選擇了土壤容重、土壤碳酸鈣含量、土壤陽離子交換量、土壤粘粒含量、土壤pH、土壤砂粒含量、土壤粉粒含量、土壤有機碳含量、土壤全鉀含量、土壤全氮含量、土壤全磷含量以及土層厚度共12個與作物生長密切相關理化指標對土壤綜合質量進行定量評價[36]。其中，土壤質量綜合指數構建及其計算方法如下：第一，在對土壤理化指標利用Z-Score標準化方法進行標準化基礎上，對12個土壤理化指標進行主成分分析。第二，通過主成分累積貢獻大小選擇主成分個數，根據主成分因子載荷矩陣特征值得到各主成分的表達式。第三，在計算各主成分得分基礎上，計算土壤質量綜合得分，即土壤質量綜合指數。一般來說，土壤質量綜合得分值越高，說明土壤質量越好[37]。其中，綜合得分計算公式如下：

式中，為綜合得分（土壤質量綜合指數，SQCI），V、V…V為各主成分貢獻率，f、f…f為各主成分得分。

其次，計算區域氣候適宜度。河南省是我國傳統的冬小麥主產區，該地區一般年份的氣候條件均較適宜冬小麥整個生育期作物生長和產量形成，但本研究分析的冬小麥種植頻率更多的是土地利用中農戶作物種植行為選擇結果的體現。其中，作物種植選擇行為除了受區域自然條件、氣候條件、種植制度、種植習慣和種植比較效益等因素影響外，作物播種期氣候條件適宜度是作物主產區農地經營者播種行為決策中起決定作用的關鍵因素之一，因此，本文重點研究冬小麥播種期氣候適宜程度及其對冬小麥種植頻率變化的影響。研究中，綜合考慮溫度、降水和日照3個基本氣象要素，結合前人研究成果，在冬小麥播種期溫度適宜度、降水適宜度和日照適宜度評價基礎上，對研究區冬小麥播種期氣候適宜度開展綜合評價。主要過程包括：第一，在獲取河南省及周邊研究年份冬小麥播種期（即10月上中旬）旬平均溫度、旬降水和旬日照等氣象站點數據基礎上，通過對空間插值氣象要素進行作物分布掩膜和分縣統計，得到研究區各縣旬平均溫度、降水、日照數據。第二，在參考馬樹慶[38]、蔣定生[39]、黃璜[40]等人研究的溫度、降水和日照等適宜度評價研究成果基礎上，分別建立研究時段歷年冬小麥播種期溫度適宜度函數、降水適宜度函數、日照適宜度函數以及最終的氣候適宜度模型。第三，利用研究區冬小麥播種期內旬溫度、旬降水和旬日照數據，完成研究時段的冬小麥播種期氣候條件評價。冬小麥播種期氣候因子適宜度公式如下：

式中，可以取和，分別表示旬溫度、旬降水和旬日照；S(y)可以表示冬小麥播種期氣候因子適宜度（溫度適宜度、降水適宜度和日照適宜度），=1、2表示旬序，b表示權重，S(X(y))表示各旬氣象因子適宜度。本研究主要采用相關系數法計算各旬溫度、降水和光照適宜度的權重系數。首先，計算各旬適宜度指數之間的相關系數矩陣，然后根據各個生育期包含的旬計算每一旬與本生育期內其他幾旬相關系數的平均值，以其平均值占本生育期內所有旬的相關系數平均值總和的比值，作為該旬在該生育期的權重系數，即b[41]。具體參數如表2所示。

為了反映溫度、降水和日照3個因素對冬小麥適宜性的綜合影響，本研究建立了河南省冬小麥播種期氣候適宜度模型，主要計算公式如下：

式中，表示年序，表示某一年冬小麥播種期氣候適宜度，S(y)、S(y)、S(y)分別表示冬小麥播種期溫度適宜度、降水適宜度和日照適宜度。

表2 冬小麥播種期氣候因子適宜度計算主要參數表

（2）冬小麥種植頻率與主要影響因素間關系分析

在獲得灌溉條件、土壤質量、氣候條件和地形等主要影響因素指標基礎上，本研究開展冬小麥種植頻率與有效灌溉面積比例、土壤肥力綜合指標、氣候適宜度以及坡度和高程等主要影響因素間相關分析，從而實現冬小麥種植頻率與上述影響因子間相關性和密切程度的客觀評價。其中，評價因素間相關性好壞的指標主要包括Pearson correlation相關系數和顯著性值。研究中，主要對河南省18個市（126個縣）冬小麥種植頻率與主要影響因素進行了相關分析。通過查閱相關系數顯著性檢驗表，在0.01水平下，當樣本量為18時，相關系數絕對值≥0.5897，認為2個因素間相關關系顯著；當樣本量為126，相關系數絕對值≥0.2287時，認為2個因素間相關關系顯著；當樣本量為378，相關系數絕對值≥0.1310時，認為2個因素間相關關系顯著。

（3）冬小麥種植頻率主要影響因素重要性評價

為評價灌溉條件、土壤質量、氣候條件和地形等主要影響因素對冬小麥種植頻率影響的重要程度，本研究利用多元線性回歸分析對上述影響因素進行重要性排序。其中，將2001—2015年河南省分縣平均有效灌溉面積比例、土壤綜合質量指數、冬小麥播種期氣候適宜度以及各縣冬小麥種植平均坡度和冬小麥種植平均高程作為自變量，將2001—2015年河南省各縣冬小麥種植頻率作為因變量進行多元線性回歸分析。考慮到各個自變量影響因素的單位不同，為消除自變量單位不統一對擬合結果的影響，利用Z-Score標準化方法對各個自變量進行標準化處理。最終，利用多元線性回歸分析中的標準回歸系數便可衡量每個自變量對因變量的影響程度大小。一般來說，標準化系數的絕對值越大，該自變量對因變量的影響程度就越大。

2 結果

2.1 冬小麥提取精度評價及面積變化分析

2.1.1 冬小麥種植面積遙感提取精度評價 本文基于均勻分布的冬小麥和其他地物訓練樣本數據，利用CART工具對2001—2015年濾波后的河南省時序植被指數遙感數據進行決策樹構建，在得到決策樹規則的基礎上，通過執行決策樹，最終獲得了15年河南省冬小麥種植面積空間分布信息。受篇幅限制，本文僅列部分年份決策樹規則和部分年份冬小麥空間分布提取結果，具體如圖3—圖4所示。

通過河南省2001—2015年歷年冬小麥種植面積空間分布結果（圖4）可以看出，該省冬小麥空間分布廣泛，并且在東部、中部、北部的平原區以及南陽盆地等區域形成聚集，上述地區冬小麥種植面積和產量在河南省冬小麥生產中均占有很大權重和重要地位，為河南省冬小麥種植結構穩定和國家糧食安全發揮了重要作用。而豫西丘陵地區、南陽盆地北部以及淮南山丘地區因水土流失嚴重、地形復雜，并且豫西丘陵地區干旱缺水，旱薄地面積大，導致冬小麥生長發育條件適宜性較差，因此冬小麥空間分布相對零散且數量較少。

圖3 河南省冬小麥分布提取CART決策樹（2010年）

圖4 河南省部分年份冬小麥空間分布提取結果

為了驗證提取結果在空間位置上的準確性，利用從樣本數據中隨機選取的歷年冬小麥及其他地類驗證樣點數據，通過混淆矩陣得到15年提取結果的總體精度（圖5）。從整體看，2001—2015年河南省冬小麥面積提取結果的總體精度在85.78%—95.45%，平均總體精度為90.39%。Kappa系數在0.82—0.92，分類結果與驗證樣點間具有較好的一致性，說明本研究基于CART決策樹算法獲取的多年連續冬小麥空間分布結果達到較高精度水平，可滿足省域內冬小麥面積變化分析和種植頻率變化分析的數據要求。

圖5 河南省不同年份冬小麥遙感識別精度結果

2.1.2 冬小麥種植面積變化情況分析 根據冬小麥遙感提取面積變化情況（圖6）可以看出，2001—2015年間河南省冬小麥種植面積整體呈波動上升趨勢。其中，2001—2003年冬小麥種植面積為下降趨勢，由2001年的5 383.30×103hm2減少到2003年的5 232.11×103hm2。2003年到2008年呈現持續增加趨勢。其中，2003—2005年增長較為緩慢，增幅為2.59%，2005—2008年冬小麥種植面積大幅度增加，增幅為10.19%，主要原因是受國家農業種植補貼逐漸增加并不斷普及的影響，農業生產者種植積極性提高，導致冬小麥面積逐年增加[43]。

2008—2015年冬小麥種植面積呈現波動持平狀態。其中，2010年和2013年冬小麥種植面積處于2個向下波動的極值點，冬小麥種植面積減少主要受種植比較效益和氣象條件等因素影響。一方面，部分農民放棄冬小麥種植而選擇種植效益更高的經濟作物，如蔬菜、春花生、西瓜、大蒜等[44-45]。另一方面，上述2年小麥播種期間氣象條件對冬小麥播種面積減少也造成一定影響。通過歷史氣象資料（http://henan. weather.com.cn/）分析可知，2009年秋季冬小麥播種前期，部分地區降水偏少造成小麥播種底墑不足，一些灌溉條件較差的地塊冬小麥播種受到一定影響。另外，播種期間，省內局部地區降水偏多導致土壤過濕，一定程度上也影響了部分冬小麥的播種；2012年秋季冬小麥播種期間，豫北、豫西南等地局部土壤偏濕和豫西、豫東及豫南等地局部出現一定旱情，這對當年的冬小麥播種也造成了一定不利影響。此外，隨著各地城鎮化、工業化進程的逐步推進，部分耕地被建設用地取代，從而造成冬小麥種植面積的減少。

根據各市冬小麥遙感提取種植面積可知，15年間冬小麥種植面積整體呈增加趨勢的地區主要包括南陽、商丘、信陽、周口、駐馬店等城市，分別增加272.59、135.87、166.87、225.63、109.26×103hm2，增長比例分別為65.47%、21.16%、357.18%、30.01%、12.38%。15年間，鄭州、洛陽、濟源、焦作等地區冬小麥種植面積呈明顯的下降趨勢，各城市分別減少104.00、139.97、16.26和77.48×103hm2，減少比例分別為66.51%、72.47%、63.03%和38.35%。

圖6 河南省冬小麥遙感提取面積（2001—2015）

2.2 冬小麥不同時期種植頻率時空變化分析

根據種植頻率計算公式（1）—（2）分別計算得到2001—2005年、2006—2010年以及2011—2015年3個階段河南省冬小麥種植頻率空間分布信息，如圖7所示。從圖中可以看出，2001—2015年河南省冬小麥種植核心地帶主要分布在河南省北部、中部、東部以及南陽盆地區，這些地區均具有較高的冬小麥種植頻率，而豫南等非冬小麥種植核心地帶則具有相對較低的冬小麥種植頻率。從不同階段來看，一些城市周邊（如信陽市、南陽市以及周口市的北部、鄭州等）和淮河干流以南地區種植頻率較低的區域在不斷減少。主要原因一方面是由于上述地區社會經濟水平和城鎮化水平不斷提高，城市擴建侵占農用地導致城市周邊冬小麥種植逐漸減少。另外，隨著各地區經濟發展和農作物種植結構的不斷調整優化，研究區內（特別是城市周邊）許多地區農戶將種植收益較低的糧食作物改種為耕地利用效益更高的經濟作物（如蔬菜等），也導致了研究區內部分地區冬小麥面積的不斷減少。

圖7 河南省不同時期冬小麥種植頻率空間分布圖

另外，從河南省3個不同時期冬小麥不同種植頻率像元數占總種植像元數的比例變化（圖8）可以發現，3個時期內種植頻率大于80%的像元數（即連續5年種植的像元數）在逐漸增加，3個時期比例分別達到42.68%、59.94%、63.07%。同時，種植頻率低（即不連續種植）的像元數比例在逐漸下降，3個時期內種植頻率小于等于40%的面積比例分別為28.53%、17.99%和16.63%，這說明河南省是我國冬小麥傳統的生產大省，不僅農戶冬小麥種植選擇行為總體穩定，而且冬小麥種植面積在保證穩定基礎上略有增加，這為我國冬小麥生產保持穩定和保障國家糧食安全發揮了重要作用。

從河南省3個階段間種植頻率空間變化看（圖9），冬小麥種植頻率保持不變的區域主要集中在豫北地區（如鶴壁、安陽、新鄉等）、豫東地區（如商丘和周口）、豫中地區（如許昌和漯河）和豫南地區（如駐馬店）等部分縣市，上述地區在維持河南省冬小麥種植結構穩定中發揮了重要作用。種植頻率變化較大的區域主要集中在豫北地區的濮陽以及南陽盆地和信陽市等地區。從圖9可以看出，第一階段（2001—2005年）到第二階段（2006—2010年）的種植頻率大體上是增加的，并且增幅大多在20%—40%。種植頻率降低的地區主要分布在鄭州、平頂山、洛陽等地區以及信陽市周邊地區。相比第一、第二階段間變化，從空間分布上也可以看出，第二階段（2006—2010年）到第三階段（2011—2015年）間種植頻率的增加的地區有所減少，而種植頻率基本保持不變的地區則有所增多，說明第二階段到第三階段變化過程中河南省冬小麥種植結構更加趨向穩定。其中，種植頻率隨著時間推移呈現減少趨勢的地區主要包括南陽市、鄧州市、社旗縣、周口市部分縣市（如扶溝縣、太康縣）以及信陽市部分縣市（如息縣和淮濱縣等）。

圖8 河南省不同時期冬小麥種植頻率比例變化情況

（a）第二階段與第一階段間冬小麥種植頻率變化；（b）第三階段與第二階段間冬小麥種植頻率變化

2.3 冬小麥種植頻率影響因素分析

2.3.1 冬小麥種植頻率與有效灌溉面積間關系分析 本研究在利用河南省15年縣級耕地面積和有效灌溉面積統計數據計算獲得2001—2005、2006—2010、2011—2015年3個階段各縣有效灌溉面積比例基礎上，結合3個階段冬小麥種植頻率空間信息，開展了冬小麥各縣平均種植頻率與有效灌溉面積比例相關分析研究。

從散點圖中可以看出（圖10），3個階段內各縣平均種植頻率與有效灌溉面積比例間存在一定的正相關關系。通過計算，得到3個階段顯著性均小于0.01情況下的相關系數，相關系數分別為0.45、0.49和0.52。可見，冬小麥種植頻率與有效灌溉面積比例間正相關關系達到顯著水平。

圖10 河南省不同時期各縣冬小麥種植頻率與有效灌溉面積比例間關系

此外，通過對不同時期各縣冬小麥平均種植頻率和有效灌溉面積比例空間分布結果（圖11）進行分析，結果表明，整個河南省研究區域內大多地區有效灌溉面積比例高低水平和各縣冬小麥平均種植頻率高低水平存在較高的一致性，即當一個地區（如豫東的周口市和商丘市、豫中地區的開封市和許昌市、豫北的濮陽市和鶴壁市等地區）有效灌溉面積比例越高時，其平均種植頻率相應越高，而當有效灌溉面積比例水平較低時，其平均種植頻率也隨之較低，如豫西的三門峽和洛陽、豫南的信陽、南陽和駐馬店等地區。

2.3.2 冬小麥種植頻率與土壤質量間關系分析

（1）土壤質量綜合指數構建及計算

研究中，遵循主成分選取一般原則，即當主成分累積貢獻率超過85%時，主成分所包含的信息能夠較好地反映原指標所表達信息[46]。本研究選擇6個主成分時累積貢獻率已達87.84%，因此，選取6個主成分來反映原來12個指標所表達的信息；然后，根據主成分載荷矩陣和主成分特征向量得到主成分表達式，將標準化后土壤指標數據分別代入主成分表達式得到主成分得分f—f；最后，以各主成分方差貢獻率作為權重，將主成分得分進行加權求和可得到土壤指標綜合得分，即為土壤質量綜合指數，具體結果如圖12所示。

圖11 河南省不同時期各縣冬小麥種植頻率與有效灌溉面積比例空間分布

圖12 河南省各縣土壤質量綜合指數空間分布結果

從圖中可以看出，河南省土壤質量綜合得分約在-1.30至2.36之間。根據土壤質量綜合評價一般標準[47]，同時結合實際，本研究將河南省土壤質量綜合得分分為6個土壤質量等級。其中土壤質量綜合指數在-1.30—-0.85表示土壤質量差；-0.85—-0.45表示土壤質量較差；-0.45—0.45說明土壤質量一般；0.45—1.25表示土壤質量較好，1.25—2.36表示土壤質量好，土壤肥力高。河南省土壤質量較好的地區主要分布在周口、駐馬店和南陽等縣（市），土壤質量較差的地區主要分布在鄭州、三門峽和安陽等縣（市）。

（2）冬小麥種植頻率與土壤質量綜合指數間關系分析

在得到土壤質量綜合指數基礎上，本文進一步開展河南省各縣冬小麥種植頻率與土壤質量綜合指數間相關分析研究。從散點圖可以看出（圖13），隨著土壤質量綜合指數不斷增加，種植頻率也在不斷上升。通過計算得到小于0.01情況下的相關系數為0.49，可見，冬小麥種植頻率與土壤質量綜合指數間相關關系也達到顯著水平。此外，根據土壤質量綜合指數分級和作物種植頻率高低，結合土壤質量綜合指數和冬小麥種植頻率散點圖的數據分布規律，本研究以土壤質量綜合指數0為分界點，種植頻率以40%為分界點，將河南省整個研究區內各縣土壤質量綜合指數和冬小麥種植頻率散點數據大致分為4類，如圖13中虛線和縱軸共同劃分的4個區域所示。

圖13 河南省冬小麥種植頻率與土壤質量綜合指數間關系

通過分析可知，第一類縣（市）為土壤質量和種植頻率均處于較低水平區域（SQCI≤0，WWPF ≤40%），主要包括安陽、鄭州、平頂山、三門峽、南陽和信陽等部分縣（市）。其中，除鄭州地區受經濟水平和城市化水平較高影響導致冬小麥種植頻率較低外，上述地區其他地區多以山區為主，且水土流失嚴重，旱薄地面積較大，土壤質量較低，冬小麥的種植條件較差，因此導致上述地區冬小麥種植頻率較低。第二類縣（市）為土壤質量高但種植頻率較低區域（SQCI＞0，WWPF≤40%），主要包括洛寧、宜陽、盧氏、內鄉、鎮平、羅山和光山等縣（市）。上述地區雖然土壤肥力較高，但其有效灌溉面積比例均處較低水平，較差的灌溉條件影響了上述地區部分冬小麥的種植，從而導致上述縣（市）冬小麥種植頻率處于較低水平。第三類縣（市）為土壤質量較低但種植頻率較高區域（SQCI≤0，WWPF＞40%），主要包括衛輝縣、通許縣、杞縣、夏邑縣和許昌縣等縣（市）。上述縣（市）大部分處于河南省冬小麥生產主產區內，盡管土壤質量水平一般，但大多地區地勢較為平坦并且具有較好的灌溉條件，因此，上述地區總體條件利于冬小麥的種植，從而使得冬小麥種植頻率較高。第四類縣（市）為土壤質量和種植頻率均處于較高水平區域（SQCI＞0，WWPF＞40%），主要包括豫北、豫東和豫南地區的部分縣（市），如湯陰縣、獲嘉縣、淮陽縣、商水縣、遂平縣等。上述地區中，均處于河南省冬小麥生產主產區內，且大部分縣（市）具有較好的自然環境條件，灌溉水平較高且土壤質量較好，這為上述地區冬小麥種植提供了良好的條件，從而保證了上述地區冬小麥種植的穩定性，因此，冬小麥種植頻率達到較高水平。

2.3.3 冬小麥種植頻率與氣候適宜度間關系分析 根據冬小麥播種期氣候適宜度計算模型，在分別計算2001—2015年內每年冬小麥播種期氣候適宜度基礎上，獲得了2001—2005、2006—2010、2011—2015年3個階段冬小麥播種期平均氣候適宜度，具體空間分布結果如圖14所示。

從整體來看，2001—2015年間河南省冬小麥播種期氣候適宜度較高，一般在0.30—0.65范圍內變化。從空間分布上看，河南省3個階段冬小麥播種期氣候適宜度也存在一定變化。其中，第一階段（2001—2005年）氣候適宜度相對較高區域主要集中在豫中和豫東等地，第二階段（2006—2010年）氣候適宜度相對較高區域主要集中在豫東以及南陽盆地等地區，第三階段（2011—2015年）氣候適宜度相對較高的地區則在豫北地區。從圖14中3個階段冬小麥種植頻率和氣候適宜度空間分布看，冬小麥種植頻率和播種期氣候適宜度二者分布變化存在較好的一致性關系。其中，豫北、豫東、豫中及南陽盆地等地區冬小麥種植頻率和氣候適宜度一般都較高，而西南和豫南等地區由于地形復雜、自然條件較差導致冬小麥種植頻率和氣候適宜度均較低。

圖14 河南省不同時期冬小麥種植頻率與播種期氣候適宜度空間分布

從3個階段冬小麥種植頻率和冬小麥播種期氣候適宜度間散點圖看（圖15），河南省冬小麥種植頻率和冬小麥播種期氣候適宜度間存在正相關關系，二者間相關系數達到0.36，說明兩者之間關系也達到顯著水平，研究區內播種期氣候適宜度一定程度上會影響農戶冬小麥種植選擇行為的發生，當播種期氣候適宜度較高時，冬小麥種植頻率會出現增加，從而促進冬小麥種植面積的提高，而當播種期氣候適宜度較低時，冬小麥種植頻率降低的可能性增加，從而導致冬小麥種植面積降低。

2.3.4 冬小麥種植頻率與地形間關系分析 研究中，本文考慮地形主要因素包括高程和坡度，在利用2001—2015年冬小麥面積提取結果進行并集運算獲得河南省全部冬小麥種植分布信息基礎上，對河南省高程和坡度數據進行掩膜處理，獲取了各縣冬小麥種植平均高程和平均坡度等信息，進一步開展了冬小麥種植頻率與地形間關系分析研究。從冬小麥種植高程和坡度的空間分布與二者間散點圖分析看（圖16—圖17），河南省冬小麥種植頻率和高程、坡度間均負相關關系。通過計算得到冬小麥種植頻率和高程、坡度間相關系數分別為-0.58和-0.57，說明研究區內高程和坡度的變化對冬小麥種植頻率的高低具有顯著的負面影響。從圖中可以看出，豫北、豫東以及豫中等地屬于平原地區，地勢平坦，冬小麥種植自然條件較好，適宜冬小麥生長，因此，冬小麥種植頻率較高，而三門峽、洛陽、信陽以及南陽部分地區（如南陽盆地北部）由于高程較高，坡度較大，旱薄地面積較多，冬小麥種植條件偏差，從而導致上述地區冬小麥種植頻率較低。

圖15 河南省各縣冬小麥種植頻率與播種期氣候適宜度間散點圖

2.3.5 區域冬小麥種植頻率影響因素指標重要性評價 本研究基于各縣多年平均影響因素數據和坡度（高程）數據進行多元線性回歸分析，完成上述各因素對冬小麥種植頻率的影響程度重要性評價研究，從而對各個影響因素對冬小麥種植頻率影響程度進行排序。研究過程中，由于坡度和高程2個變量之間存在很強的相關性，不宜出現在同一回歸模型中，因此，本研究在考慮有效灌溉面積、土壤質量綜合指數、冬小麥播種期氣候適宜度等3個因素基礎上，將坡度、高程2個變量分別和上述3個因素與冬小麥種植頻率進行多元回歸分析，從而獲得上述因素的重要性排序。具體結果如下：

圖16 河南省各縣冬小麥種植頻率與高程和坡度分布圖

圖17 河南省各縣冬小麥種植頻率與高程和坡度間散點圖

=-0.182X+0.270X+0.292X+0.353X(= 126，

= 0.760，adjusted R= 0.564) （6）

=-0.176X+0.282X+0.292X+0.345X(= 126，

= 0.759，adjusted R= 0.563) （7）

式中，是冬小麥種植頻率（%）；X為冬小麥種植坡度（°），X為有效灌溉面積比例（%），X為冬小麥播種期氣候適宜度，X為土壤質量綜合指數，X為冬小麥種植高程（m）。

通過上述冬小麥種植頻率與多個影響因素間線性回歸方程各個變量系數正負可以看出，土壤質量、氣候適宜度和灌溉面積比例對種植頻率的提高起到積極促進作用，即土壤質量越高，氣候適宜度越強，灌溉條件越完善，冬小麥連續種植的可能性會越高，從而促進冬小麥種植頻率的提高，而坡度和高程對冬小麥種植頻率的提高起到一定抑制作用，即坡度越大，高程越高，冬小麥連續種植的可能性越低。另外，從擬合冬小麥種植頻率的線性回歸方程標準化后系數絕對值大小看，標準化系數絕對值越大，說明自變量對因變量的影響程度就越大。因此，本研究中河南省區域冬小麥種植頻率影響因素指標重要性排序為：土壤質量綜合指數＞冬小麥播種期氣候適宜度＞有效灌溉面積比例＞坡度（高程）。其中，冬小麥種植頻率變化影響因素指標中，土壤質量對冬小麥種植頻率影響屬于首要因素，而冬小麥播種期氣候適宜度和灌溉條件則屬于次要影響冬小麥種植頻率高低的因素。研究區內坡度和高程等地形條件對冬小麥種植頻率影響最低，主要原因是由于河南省冬小麥主產區大部處于地形簡單、坡度起伏不大的平原區，而山區冬小麥種植面積比重較小，因此，研究區冬小麥種植坡度和高程因素對整個河南省冬小麥種植頻率影響作用較低。

3 討論

本研究在利用MODIS時序遙感數據對河南省2011—2015年3個不同時期冬小麥空間分布信息進行遙感提取基礎上，計算獲得省域內冬小麥種植頻率時空變化信息并對其影響因素進行了定量分析，雖然取得了一定研究進展，但一些問題仍有待深入研究或完善。

目前研究中僅使用了250 m空間分辨率MODIS MOD13Q1標準產品，由于遙感數據空間分辨率較低，研究區內地物復雜多樣導致像元內部必然存在混合像元現象，從而使冬小麥面積提取結果精度下降，今后需進一步開展高分辨率影像以及混合像元分解對作物分布提取影響的相關研究，從而進一步提高作物面積提取精度。此外，研究中進行冬小麥種植面積提取時主要采用對地物進行直接分類的方法，今后需進一步開展基于多源信息（如耕地、地形等）輔助下的作物分布提取方法研究，從而進一步提高作物提取精度水平。

本研究目前對區域冬小麥種植頻率時空變化影響因素進行了相關分析，特別是對自然環境因素的影響進行了深入研究，但對極端氣候條件等自然因素（如高溫、干旱等）對種植頻率的影響尚未考慮，今后需要進一步加強研究；由于部分社會經濟因素獲取存在一定困難，目前僅分析了農業灌溉因素對種植頻率變化的影響，而對其他社會經濟因素（如糧食價格、種植收益等）和農業政策因素（如農業補貼、目標價格等）考慮不足，今后需要加強開展區域作物種植頻率變化與社會經濟、農業政策因素間關系研究。

為明確河南省冬小麥種植頻率變化及其影響因素的一般規律，本文目前未對河南省進行分區，而是將研究區作為一個整體開展研究，今后需在基于分區的作物種植頻率時空變化及其影響因素分析方面進行深入研究。此外，本文僅研究了種植結構簡單的冬小麥，今后需要在擴大研究區域基礎上，對種植結構更為復雜的秋季作物（如玉米、大豆等）種植頻率及其影響因素開展分析研究，從而在更大范圍內對本文研究結論的區域適用性做進一步分析；另外，目前研究主要集中在縣級尺度作物種植頻率及其影響因素開展分析研究，今后需要進一步對地塊、農戶或村莊等尺度作物種植頻率影響因素進行細致研究。

4 結論

本研究以河南省為研究區，以冬小麥為研究作物，利用中低分辨率時序遙感植被指數進行歷史連續多年作物種植空間分布信息提取基礎上，開展研究區不同時期冬小麥種植頻率時空變化和主要影響因素分析研究。主要結論如下：

（1）基于MODIS EVI時序遙感數據和CART決策樹算法可獲得河南省較高精度區域多年冬小麥種植空間分布信息。與驗證樣點數據相比，冬小麥種植面積提取多年平均總體精度為90.39%，Kappa系數在0.82—0.92之間，表明該方法提取冬小麥空間分布結果達到了較高精度水平，可滿足開展區域不同時期冬小麥種植頻率變化所需的作物空間分布信息精度需求。

（2）利用河南省不同時期（2001—2005、2006—2010及2011—2015年）冬小麥種植頻率空間分布信息，深入分析了河南省冬小麥種植頻率時空分布特征和變化規律。結果表明，河南省冬小麥主產區大部具有較高的冬小麥種植頻率，而西南地區、豫南等山區由于地形復雜，自然條件較差導致冬小麥種植頻率普遍較低。此外，3個不同階段間河南省冬小麥主產區高頻種植冬小麥面積呈逐步增加趨勢，低頻種植面積呈減小趨勢，這在一定程度上對河南省冬小麥種植面積保持穩定和保障國家糧食安全發揮了重要作用。

（3）本研究開展了河南省冬小麥種植頻率影響因素定量分析，明確了河南省區域冬小麥種植頻率變化影響因素指標重要性排序。結果表明，土壤質量、有效灌溉面積和氣候適宜度與河南省冬小麥種植頻率間存在顯著正相關關系，而坡度和高程呈顯著負相關關系。此外，主要指標對河南省冬小麥種植頻率影響程度的排序結果為土壤綜合質量指數＞播期氣候適宜度＞有效灌溉面積比例＞坡度（高程），即土壤質量＞播期氣候條件＞灌溉條件＞地形條件。

[1] 吳文斌, 楊鵬, 李正國, 陳仲新, 周清波, 唐華俊. 農作物空間格局變化研究進展評述. 中國農業資源與區劃, 2014, 35(1): 12-20.

WU W B, YANG P, LI Z G, CHEN Z X, ZHOU Q B, TANG H J. Overview of research progresses in crop spatial pattern changes., 2014, 35(1): 12-20. ( in Chinese)

[2] 胡瓊, 吳文斌, 宋茜, 余強毅, 楊鵬, 唐華俊. 農作物種植結構遙感提取研究進展. 中國農業科學, 2015, 48(10) : 1900-1914.

HU Q, WU W B, SONG Q, YU Q Y, YANG P, TANG H J. Recent progresses in research of crop patterns mapping by using remote sensing., 2015, 48(10) : 1900-1914. ( in Chinese)

[3] 潘學鵬, 李改欣, 劉峰貴, 吳喜芳, 近藤昭彥, 沈彥俊. 華北平原冬小麥面積遙感提取及時空變化研究. 中國生態農業學報, 2015, 23(4): 497-505.

PAN X P, LI G X, LIU F G, WU X F, KONDOH A SHEN Y J. Using remote sensing to determine spatio-temporal variations in winter wheat growing area in the North China Plain., 2015, 23(4): 497-505.(in Chinese)

[4] 唐華俊, 吳文斌, 楊鵬, 周清波, 陳仲新. 農作物空間格局遙感監測研究進展. 中國農業科學, 2010, 43(14): 2879-2888.

TANG H J, WU W B, YANG P, ZHOU Q B, CHEN Z X. Recent progresses in monitoring crop spatial patterns by using remote sensing technologies., 2010, 43(14): 2879-2888. (in Chinese)

[5] 余強毅, 吳文斌, 陳羊陽, 楊鵬, 孟超英, 周清波, 唐華俊. 農作物空間格局變化模擬模型的MATLAB實現及應用. 農業工程學報, 2014, 30(12): 105-114.

YU Q Y, WU W B, CHEN Y Y, YANG P, MENG C Y, ZHOU Q B, TANG H J. Model application of an agent-based model for simulating crop pattern dynamics at regional scale based on MATLAB., 2014, 30(12): 105-114. (in Chinese)

[6] LIU Z H, YANG P, WU W B, YOU L Z. Spatiotemporal changes of cropping structure in China during 1980-2011., 2018, 28(11): 1659-1671.

[7] 宋桂琴, 徐惠民, 劉志晨. 遼寧省農作物種植結構時空變化特征分析. 中國農學通報, 2019, 35(5): 24-31.

SONG G Q, XU H M, LIU Z C. Temporal and spatial characteristics of crop planting structure in Liaoning province., 2019, 35(5): 24-31. (in Chinese)

[8] 王紅營. 基于遙感的華北平原農業土地利用時空變化特征及驅動力分析[d]. 石家莊: 河北師范大學, 2016.

WANG H Y. Using remote sensing to analyze spatiotemporal variations in farmland utilization and driving force in the North China Plain[D]. Shijiazhuang: Hebei Normal University, 2016. (in Chinese)

[9] XIAO X, BOLES S, FROLKING S, LI C, BABU J, SALAS W, MOORE B. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images., 2006, 100(1): 95-113.

[10] 陳仲新, 任建強, 唐華俊, 史云, 冷佩, 劉佳, 王利民, 吳文斌, 姚艷敏, 哈斯圖亞. 農業遙感研究應用進展與展望. 遙感學報, 2016, 20(5): 748-767.

CHEN Z X, REN J Q, TANG H J, SHI Y, LENG P, LIU J, WANG L M, WU W B, YAO Y M, HASI T Y. Progress and perspectives on agricultural remote sensing research and applications in China., 2016, 20(5): 748-767. (in Chinese)

[11] 楊珺雯, 張錦水, 潘耀忠, 孫佩軍, 朱爽. 基于遙感識別誤差校正面積的農作物種植面積抽樣高效分層指標研究—以冬小麥為例. 中國農業科學, 2018, 51(4): 675-687.

YANG J W, ZHANG J S, PAN Y Z, SUN P J, ZHU S.An efficient hierarchical indicator based on the correction area of remote sensing identification error for planting acreage sampling-a case study of winter wheat.,2018, 51(4): 675-687. (in Chinese)

[12] CHANG J, HANSEN M, PITTMAN K, CARROLL M, DIMICELI C. Corn and soybean mapping in the United States using MODIS time-series data sets.. 2007, 99(6): 1654-1664.

[13] 張莎, 張佳華, 白雲, 姚鳳梅. 基于MODIS-EVI及物候差異免閾值提取黃淮海平原冬小麥面積. 農業工程學報, 2018, 34(11): 150-158.

ZHANG S, ZHANG J H, BAI Y, YAO F M. Extracting winter wheat area in Huanghuaihai Plain using MODIS-EVI data and phenology difference avoiding threshold., 2018, 34(11): 150-158. (in Chinese)

[14] 黃青, 唐華俊, 吳文斌, 李丹丹, 劉佳. 農作物分布格局動態變化的遙感監測—以東北三省為例. 中國農業科學, 2013, 46(13): 2668-2676.

HUANG Q, TANG H J, WU W B, LI D D, LIU J.Remote sensing based dynamic changes analysis of crop distribution pattern-taking Northeast China as an example., 2013, 46(13): 2668-2676. (in Chinese)

[15] 權文婷, 王釗. 冬小麥種植面積遙感提取方法研究. 國土資源遙感, 2013, 25(4): 8-15.

QUAN W T, WANG Z. Researches on the extraction of winter wheat planting area using remote sensing method., 2013, 25(4): 8-15. (in Chinese)

[16] 許文波, 田亦陳. 作物種植面積遙感提取方法的研究進展. 云南農業大學學報, 2005, 20(1): 94-98.

XU W B, TIAN Y C. Overview of extraction of crop area from remote sensing., 2005, 20(1): 94-98. (in Chinese)

[17] 李石華, 王金亮, 畢艷, 陳姚, 朱妙園, 楊帥, 朱佳. 遙感圖像分類方法研究綜述. 國土資源遙感, 2005, 17(2): 1-6.

LI S H, WANG J L, BI Y, CHEN Y, ZHU M Y, YANG S, ZHU J. A review of methods for classification of remote sensing images., 2005, 17(2): 1-6. (in Chinese)

[18] 劉勇洪, 牛錚, 王長耀. 基于MODIS數據的決策樹分類方法研究與應用. 遙感學報, 2005, 9(4): 405-412.

LIU Y H, NIU Z, WANG C Y. Research and application of the decision tree classification using MODIS data., 2005, 9(4): 405-412. (in Chinese)

[19] CHEN L, SUN Y. Comparison of object-oriented remote sensing image classification based on different decision trees in forest area., 2018, 29(12): 3995-4003.

[20] 劉煥軍, 于勝男, 張新樂, 郭棟, 殷繼先. 一年一季農作物遙感分類的時效性分析. 中國農業科學, 2017, 50(5): 830-839.

LIU H J, YU S N, ZHANG X L, GUO D, YIN J X. Timeliness analysis of crop remote sensing classification one crop a year., 2017, 50(5): 830-839. (in Chinese)

[21] 張曉娟, 楊英健, 蓋利亞, 李亮, 王宇. 基于CART決策樹與最大似然比法的植被分類方法研究. 遙感信息, 2010(2): 88-92.

ZHANG X J, YANG Y J, GAI L Y, LI L, WANG Y. Research on vegetation classification method based on combined decision tree algorithm and maximum likelihood ratio., 2010(2): 88-92. (in Chinese)

[22] 黃健熙, 賈世靈, 武洪峰, 蘇偉. 基于GF-1 WFV影像的作物面積提取方法研究. 農業機械學報, 2015, 46(S1): 253-259.

HUANG J X, JIA S L, WU H F, SU W. Extraction method of crop planted area based on GF-1 WFV image., 2015, 46(S1): 253-259. (in Chinese)

[23] 米曉楠, 楊超, 李峰, 相棟, 李孟蔚, 趙永強, 閆加海. 晉南區冬小麥種植分布衛星遙感反演及時空變化分析. 山西農業科學, 2018, 46(3): 378-382.

MI X N, YANG C, LI F, XIANG D, LI M W, ZHAO Y Q, YAN J H. Analysis of temporal and spatial variations in winter wheat growing regions in Jinnan region using remote sensing., 2018, 46(3): 378-382. (in Chinese)

[24] XIANG M T, YU Q Y, WU W B. From multiple cropping index to multiple cropping frequency: Observing cropland use intensity at a finer scale., 2019, 101: 892-903.

[25] BORYAN C, YANG Z, WILLIS P, DI L. Developing crop specific area frame stratifications based on geospatial crop frequency and cultivation data layers., 2017, 16(2): 312-323.

[26] 邊金虎, 李愛農, 宋孟強, 馬利群, 蔣錦剛. MODIS植被指數時間序列Savitzky-Golay濾波算法重構. 遙感學報, 2010, 14(4): 725-741.

BIAN J H, LI A N, SONG M Q, MA L Q, JIANG J G. Reconstruction of NDVI time-series datasets of MODIS based on Savitzky-Golay filter., 2010, 14(4): 725-741. (in Chinese)

[27] SHI X, YU D, XU S, WARNER E, WANG H, SUN W, ZHAO Y, GONG Z. Cross-reference for relating genetic soil classification of China with WRB at different scales., 2010, 155(1): 344-350.

[28] SHI X, YU D, WARNER E, PAN X, PETERSEN G, GONG Z, WEINDORF D. Soil database of 1:1,000,000 digital soil survey and reference system of the chinese genetic soil classification system., 2004, 45(4): 129.

[29] 王學, 李秀彬, 談明洪, 辛良杰. 華北平原2001-2011年冬小麥播種面積變化遙感監測. 農業工程學報, 2015, 31(8): 190-199.

WANG X, LI X B, TAN M H, XIN L J. Remote sensing monitoring of changes in winter wheat area in North China Plain from 2001 to 2011., 2015, 31(8): 190-199. (in Chinese)

[30] ZHANG N, WU Y, ZHANG Q. Detection of sea ice in sediment laden water using MODIS in the Bohai Sea: a CART decision tree method., 2015, 36(6): 1661-1674.

[31] RUFIN P, LEVERS C, BAUMANN M, JAGERMEYR J, KRUEGER T, KUEMMERLE T, HOSTERT P. Global-scale patterns and determinants of cropping frequency in irrigation dam command areas., 2018, 50: 110-122.

[32] WILKEN F, WAGNER P, NARASIMHAN B, FIENER P. Spatio-temporal patterns of land use and cropping frequency in a tropical catchment of South India., 2017, 89: 124-132.

[33] 范玲玲. 過去65年中國小麥種植時空格局變化及其驅動因素分析[D]. 北京: 中國農業科學院, 2018.

FAN L L. Spatio-temporal variation of wheat cultivation in China and its driving factors during the past 65 years[D]. Beijing: Chinese Academy of Agricultural Sciences, 2018. (in Chinese)

[34] 裴源生, 李旭東, 楊明智. 21世紀以來我國灌溉面積構成及農業種植結構變化趨勢. 灌溉排水學報, 2018, 37(4): 1-8.

PEI Y S, LI X D, YANG M Z. Changes in irrigated areas and the types of cropland in China since 2000., 2018, 37(4): 1-8. (in Chinese)

[35] 劉占鋒, 傅伯杰, 劉國華, 朱永官. 土壤質量與土壤質量指標及其評價. 生態學報, 2006, 26(3): 901-913.

LIU Z F, FU B J, LIU G H, ZHU Y G. Soil quality: concept, indicators and its assessment., 2006, 26(3): 901-913. (in Chinese)

[36] 張心昱, 陳利頂. 土壤質量評價指標體系與評價方法研究進展與展望. 水土保持研究, 2006, 13(3):30-34.

ZHANG X Y, CHEN L D. The progress and prospect of soil quality indicators and evaluation methods., 2006, 13(3): 30-34. (in Chinese)

[37] 劉廣明, 呂真真, 楊勁松, 李可曄, 余世鵬. 基于主成分分析及GIS的環渤海區域土壤質量評價. 排灌機械工程學報, 2015, 33(1): 67-72.

LIU G M, Lü Z Z, YANG J S, LI K Y, YU S P. Quality evaluation of soil in land along Bohai Sea Coast by principal component analysis and GIS., 2015, 33(1): 67-72. (in Chinese)

[38] 馬樹慶. 吉林省農業氣候研究. 吉林: 氣象出版社, 1996.

MA S Q.. Jilin: China Meteorological Press, 1996. (in Chinese)

[39] 蔣定生, 黃國俊, 帥啟富, 劉梅. 渭北旱塬降水對農作物生長適宜度的模糊分析. 水土保持研究, 1992(2): 61-71.

JIANG D S, HUANG G J, SHUAI Q F, LIU M. Fuzzy analysis the suitable degrees of the precipitation to the agro-crops growing in the arid Plain of Northern Wei River., 1992(2): 61-71. (in Chinese)

[40] 黃璜. 中國紅黃壤地區作物生產的氣候生態適應性研究. 自然資源學報, 1996, 11(4): 340-346.

HUANG H. A study on the climatic ecology adaptability of the crop production in the Red and Yellow Soils Region of China., 1996, 11(4): 340-346. (in Chinese)

[41] 千懷遂, 焦士興, 趙峰. 河南省冬小麥氣候適宜性變化研究. 生態學雜志, 2005, 24(5): 503-507.

QIAN H S, JIAO S X, ZHAO F. Climate suitability change of winter wheat in Henan province., 2005, 24(5): 503-507. (in Chinese)

[42] 趙峰. 河南省冬小麥氣候適宜性變化研究[D]. 開封: 河南大學, 2002.

ZHAO F. Research on the climate suitability change of winter wheat in Henan province[d]. Kaifeng:Henan University, 2002. (in Chinese)

[43] 李偉毅, 趙佳. 中國農業直接補貼: 演變歷程、階段特征與變遷方向. 經濟研究參考, 2012(60): 5-12.

LI W Y, ZHAO J. China’s agricultural direct subsidy: evolution process, stage characteristics and change direction., 2012(60): 5-12. ( in Chinese)

[44] 中華人民共和國農業部. 中國農業統計資料. 2010. 北京: 中國農業出版社, 2011.

Ministry of Agriculture of the People’s Republic of China.. Beijing: China Agriculture Press, 2011.

[45] 中華人民共和國農業部. 中國農業統計資料. 2013. 北京: 中國農業出版社, 2014.

Ministry of Agriculture of the People’s Republic of China.. Beijing: China Agriculture Press, 2014.

[46] 高惠璇. 應用多元統計分析. 北京: 北京大學出版社, 2005.

GAO H X.. Beijing: Peking University Press, 2005. (in Chinese)

[47] 黃勇, 楊忠芳. 土壤質量評價國外研究進展. 地質通報, 2009, 28(1): 130-136.

HUANG Y, YANG Z F. Recent research progress of overseas soil quality evaluation., 2009, 28(1): 130-136. (in Chinese)

Spatio-temporal Variations of Winter Wheat Planting Frequency and Their Analysis of Influencing Factors in Henan Province

LI FangJie, REN JianQiang, WU ShangRong, CHEN ZhongXin, ZHANG NingDan

(Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs, Beijing 100081)

【】Quantitative analysis was made on spatio-temporal variations of winter wheat planting frequency (WWPF) and its main influencing factors in different stages (2001-2005, 2006-2010 and 2011-2015) in Henan province, in order to further clarify the characteristics of crop planting frequency change and the sequence of main influencing factors.【】In this study, winter wheat in Henan province was taken as the research crop. The spatial information of winter wheat planting frequency in different periods in the study area were obtained by extracting the spatial crop distribution information for 15 consecutive years (2001-2015) using mid-low resolution MODIS EVI time series remote sensing data and CART decision tree algorithm. On this basis, the spatio-temporal variations of winter wheat planting frequency in different stages were analyzed, and the influencing factors of the winter wheat planting frequency variations in different stages were investigated by correlation analysis, principal component analysis and linear regression analysis. Finally, the sequence of the main influence factors was determined. 【】It was verified that the average overall precision of winter wheat extraction was 90.39%, and the Kappa coefficient was between 0.82 and 0.92, which could meet the requirements of spatial distribution accuracy of crops required for regional winter wheat planting frequency change research. By analyzing the spatial and temporal variation information of the winter wheat planting frequency in different periods in Henan province, most of the main winter wheat producing regions in Henan province had higher winter wheat planting frequency (WWPF＞80%), while the planting frequency of winter wheat was generally lower in southwestern Henan and in mountainous areas of southern Henan due to complex topography and poor natural conditions (WWPF≤40%). In addition, during the three periods, the area of winter wheat planted at high frequency increased gradually in the main winter wheat producing areas of Henan province, the area proportion of WWPF＞80% was 42.68%, 59.94% and 63.07%, respectively. And the area planted at low frequency showed a decreasing trend, the area proportion of WWPF≤40% was 28.53%, 17.99% and 16.63%, respectively, which were of great significance to stabilize the planted area of grain in the main winter wheat producing areas of China. According to the analysis results of influencing factors of winter wheat planting frequency, there was a significant correlation between the WWPF in Henan province and the ratio of effective irrigation area, soil quality comprehensive index, climate suitability at sowing stage, slope and elevation, etc. Besides the negative correlation between slope/elevation and WWPF, other factors were all positively correlated with WWPF. The ranking results of the above indicators affecting on the WWPF were as follows: soil comprehensive quality index＞climatic suitability at sowing stage＞effective irrigated area ratio＞slope (elevation), that was to say, the soil quality＞sowing date climatic condition＞irrigation condition＞topographic condition. 【】Based on quantitative analysis of spatio-temporal variations of winter wheat planting frequency and its influencing factors in Henan province, the spatio-temporal distribution characteristics and variation law of winter wheat planting frequency in Henan province were clarified, and the influencing factors and importance ranking of winter wheat planting frequency in Henan province were gotten, which could provide some technical methods and ideas for the analysis of crop planting area change, and provide some basic theoretical support for the construction of regional agricultural land use decision-making model.

Henan province; winter wheat; crop area extraction; crop planting frequency; spatio-temporal variations; influencing factors

10.3864/j.issn.0578-1752.2020.09.007

2019-08-29；

2019-11-18

國家自然科學基金（41871353，41801286）、中央級公益性科研院所基本科研業務費專項（1610132018016，1610132019026）、農業農村部農情遙感監測項目

李方杰，E-mail：li_fangjie@126.com。通信作者任建強，E-mail：renjianqiang@caas.cn

（責任編輯 楊鑫浩）