基于綜合指標的農作物長勢遙感監測研究
——以松嫩平原為例

趙 鑫，那 曉 東

(寒區地理環境監測與空間信息服務黑龍江省重點實驗室/哈爾濱師范大學，黑龍江 哈爾濱150025)

0 引言

世界人口的不斷增長以及氣候的不斷變化帶來嚴重的全球糧食安全問題，及時獲取農作物長勢信息對農業生產預警、農業政策抉擇以及農作物產量估算等具有重要意義[1-5]。近年來，基于光學遙感衛星影像提取的歸一化差異植被指數(NDVI)、增強植被指數(EVI)等突破了田間觀察的時空限制[6-9]，成為農作物長勢監測的重要指標[10-14]。然而，以往相關研究多基于單一的植被指數結合閾值法評價農作物長勢，具有一定主觀性且監測精度略有不足。為此，Teng提出基于差值模型的農作物長勢監測方法：將待監測年份植被指數與歷史時期植被指數數據集的平均值進行對比，以反映實時的農作物長勢[15]。我國學者針對不同的農作物類型分別構建了多年平均植被指數數據集，并采用差值模型對玉米、水稻以及大豆等農作物的長勢狀況進行監測與評估[3,16,17]；張春蘭等為解決植被指數選取較單一的問題，通過多個農作物長勢參量表征冬小麥長勢狀況[18，19]，但研究時段較短(兩年)，且長勢參數的普適性及其在大范圍區域的適用性有待進一步驗證。

綜上，目前研究多利用單一指標進行農作物長勢監測，基于綜合指標進行農作物長勢監測的研究相對較少，且多數研究時段較短。因此，本文提出一種新的農作物長勢綜合監測指標GI (Growth Index)，通過建立松嫩平原近20年的歷史綜合植被指數數據庫對該指標進行驗證，并與產量數據進行對比分析，從而利用松嫩平原遙感影像快速獲取該區域農作物長勢信息。

1 研究區與數據

1.1 研究區概況

松嫩平原(位于121°40′～128°30′E,42°30′～51°20′N)是中國東北三大平原之一，是中國重要商品糧生產基地之一，其耕地面積約為559萬hm2(圖1)。該地區屬溫帶大陸性季風氣候，海拔80～1 670 m，東部被長白山環繞，西鄰大興安嶺，北靠小興安嶺，年均溫在0～5 ℃之間，年均降水量為380～610 mm，其中約80%集中在夏季(5-10月)，即農作物生長期[20]。松嫩平原作為典型的農田生態系統，自20世紀90年代初以來，農業環境發生明顯變化，對耕地種植和農業生態系統結構及功能產生消極影響[21]，使其農業可持續性面臨重大挑戰。由于黑河市、齊齊哈爾市、綏化市、大慶市、哈爾濱市、白城市、松原市、長春市、四平市9個市農作物耕地面積約占松嫩平原的90%，因此本文選取這9個市作為研究區。

圖1 2019年松嫩平原耕地利用現狀Fig.1 Status of cultivated land use in the Songnen Plain in 2019

1.2 數據獲取與預處理

1.2.1 MODIS遙感數據 MODIS遙感數據源自美國 NASA LPDAAC EOS數據中心[22]，其中分辨率成像光譜儀植被指數產品(MOD13)可以提供全球植被狀況的時空比較，時間分辨率為16 d，可用于監測陸地光合植被活動，支持物候變化檢測和生物物理解釋[23,24]。為滿足監測時效性，本文選取松嫩平原2000-2019年生長季(第120天至第304天)的MOD13Q1產品。對遙感數據利用MODIS Reprojection Tool software (MRT)及ArcGIS進行波段提取、拼接、裁剪、重采樣(空間分辨率為250 m)和投影轉換(由 Sinusoidal 投影轉換為經緯度投影，投影參數：第一標準緯線為25°0′0″N，第二標準緯線為47°0′0″N，中央經線為105°0′0″E)等預處理。為消除云、雨、大氣對數據的影響，采用S-G濾波器(式(1))[25]逐像素重建研究區的植被指數時間序列數據，濾波使用的二項式擬合次數為1，通過多次試驗觀察及S-G濾波法原理，選擇最佳擬合滑動半窗口為5。通過濾波后得到的遙感圖像灰度值變化平穩，顯著改善了原始數據的質量問題。

(1)

式中：Y為原始植被指數值；Y*為合成植被指數值；Ci為第i個植被指數值的濾波系數；N=2n+1為過濾器(平滑窗口)包含的數據數量；索引j為原始縱坐標數據表的運行索引。

1.2.2 土地利用數據及產量數據 2000-2019年松嫩平原農作物覆蓋信息數據源于中國科學院資源與環境數據中心(http://www.resdc.cn)提供的1∶10萬土地利用現狀數據，該數據基于Landsat TM影像通過人工目視解譯獲取，精度達90%以上。為統一影像分辨率，本文通過最近鄰法將數據分辨率重采樣為250 m。土地利用類型包含耕地、林地、草地、水域、城鄉工礦居民用地以及未利用地6個一級類型及25個二級類型，其中耕地包括水田和旱地兩種[26](圖1)。2000-2019年松嫩平原的播種面積及產量數據源于黑龍江省統計局和吉林省統計局。松嫩平原近20年的農作物統計年鑒顯示，該區域主要的大宗作物有玉米、水稻、大豆、春小麥等糧食產物，作物種植結構以及各作物的播種面積雖有年際變化但變化不大，因此本文忽略了農作物種植結構對最終單產的影響。

2 研究方法

2.1 農作物長勢綜合監測指標構建

植被指數普遍應用在植被種類判別、植被長勢評估以及經濟作物產量估算等研究中[27]。利用時空序列遙感數據獲取合理表達植被動態變化的估計值，可科學、準確評估農作物長勢狀況[28]。本研究參考文獻[6,13,29-32]，選取6種常用的監測農作物長勢的植被指數(表1)與2000-2019年農作物生長季的產量數據進行主成分分析與回歸分析，結果顯示NDVI和EVI兩種植被指數可在99.93%的程度上解釋歷年的農作物產量變化，因此，本文采用NDVI和EVI構建綜合監測指標。其中，NDVI能有效表征植被發育時的數據信息，可展現不同農作物物候期的表現形式，從而獲取農作物長勢信息[32]；EVI能敏感地監測茂密植被和稀疏植被生長與衰落狀況，可以較真實、穩定地表現農作物生長過程[6]。

表1 不同植被指數計算公式Table 1 Formulas of various vegetation indices

綜合監測指標構建流程為：首先對生長季各月份的NDVI和EVI進行歸一化(式(2))；然后通過調整參數設計9組實驗，分別賦予系數a(NDVI)和b(EVI)不同的數值，求出各指標的最佳R2值，得到兩個最佳系數與最佳回歸模型；最后利用式(3)獲取最優的綜合監測指標GI。

UiZ=XZ/max(XZ)

(2)

GIZ=aUi1Z+bUi2Z

(3)

式中：Ui、X分別為第i類指數的歸一化值和原始值，i1為NDVI值，i2為EVI值；a、b分別為NDVI、EVI的系數，取值范圍均為0.1～0.9；Z為生長季的月份，本文中取5～10。

2.2 差值模型構建

本文采用可以體現農作物長勢年際變化的差值模型對農作物長勢進行實時監測與評價。首先，在農作物生長季內，以月為單位構建2000-2018年平均農作物長勢綜合監測指標數據庫以及2019年農作物長勢綜合監測指標數據庫；然后計算2019年各月農作物長勢綜合監測指標值與2000-2018年多年各月農作物長勢綜合監測指標均值之差，得到各月農作物長勢監測差值空間分布。本文在正態分布的基礎上考慮降雨量、時間周期等，將長勢狀況分為極好(3GI/2，1]、好(GI，3GI/2]、正常(GI/2，GI]、差(GI/4，GI/2]和極差[0，GI/4]5個等級。

3 結果分析

3.1 農作物長勢綜合監測指標構建結果分析

首先在ArcGIS中進行系數選取實驗，以近20年9個市的農作物生長季長勢監測指標與產量數據進行線性回歸分析(表2)。可以看出，當NDVI的系數取0.7、EVI的系數取0.3時，R2值最高，所解釋的農作物長勢狀況最準確，故本文用該系數組合計算GI。

表2 不同系數的植被指數與產量的回歸模型Table 2 Regression models of vegetation indices and yield with different coefficients

利用ArcGIS 10.5和ENVI 5.3軟件計算得到2000-2018年及2019年5-10月松嫩平原綜合監測指標GI的空間分布對比圖(圖2)以及農作物長勢監測差值結果空間分布圖(圖3)，可以看出：2019年5月松嫩平原的春小麥、水稻、玉米和大豆正處于播種期，GI值最低，農作物整體長勢一般；6月由于降雨量低于往年平均水平，導致春播農作物長勢劣于往年同期，長勢整體呈下降趨勢，松嫩平原北部及東南部地區長勢降幅較大，齊齊哈爾與黑河大部以及綏化北部受前期低溫影響，返青較晚，導致GI值較低，長勢相比往年差，哈爾濱南部以及長春、四平大部地區均為極差類別，其中，大慶、哈爾濱北部以及松原受良好水熱條件影響，優勢明顯；7、8月松嫩平原春玉米由吐絲階段進入乳熟階段，大豆由開花期轉為結莢鼓粒期，整體農作物長勢顯著高于2000-2018年同期水平，其中，西北部地區長勢好于東南部地區，齊齊哈爾以及大慶長勢較好，其他城市長勢與往年持平； 9月春玉米慢慢進入乳熟及成熟期，大部分大豆位于成熟期，松嫩平原的農作物長勢居中，長勢好與差的耕地面積各占50%，主要是西部長勢較好，東部長勢較差，東南部(哈爾濱、長春及四平)長勢變化顯著，整體上看，9月松嫩平原作物長勢比近年平均水平偏高；10月松嫩平原大部分農作物處于收獲后期，受雨夾雪的影響，農作物長勢低于平均水平。但總體上看，松嫩平原9個市農作物長勢呈偏好態勢。

圖2 2000-2018年5-10月GI均值與2019年5-10月GI值對比Fig.2 Comparison between the average GI from May to October in 2000-2018 and the GI from May to October in 2019

圖3 2019年5-10月松嫩平原農作物長勢監測差值空間分布Fig.3 Spatial distribution of crop growth monitoring differences in the Songnen Plain from May to October in 2019

3.2 農作物長勢綜合監測指標精度驗證

3.2.1 2019年松嫩平原各市農作物產量驗證 對松嫩平原9個市歷年的單產數據進行統計，由于松嫩平原每年耕種的糧食產物種類與數量變化不大，除旱澇等災害的影響外，其他情況基本不會影響農作物長勢及產量，加之8月是農作物長勢最茂盛時期，因此，本文分別計算2019年農作物8月3種指數(GI、NDVI、EVI)的月均值，將其與單產數據建立線性、指數、對數以及冪4種回歸模型(表3)。可以看出，4種回歸模型均顯示GI與單產值的相關性更高，說明GI適用于監測松嫩平原植被高覆蓋地區以及植被長勢茂盛時期的農作物長勢狀況。

表3 各指數與單產之間的4種回歸模型Table 3 Four regression models between each index and per unit yield

3.2.2 2000-2019年松嫩平原農作物總產量驗證 從黑龍江省、吉林省統計局獲取松嫩平原9個市2000-2019年的農作物總產量數據(表4)。可以看出，松嫩平原歷年農作物總產量在2 939.9～8 543.6萬t之間，往年總產量均值為5 931.7萬t，其中2003年、2007年和2009年由于嚴重旱災導致作物產量急劇下降。通過GI對2019年松嫩平原農作物生長季的長勢狀況進行監測，得到與往年相比僅有小部分地區長勢欠佳(圖2)，預測其2019年的農作物產量高于往年(圖3)，而通過總產量的對比也驗證了這一結果。因此，GI可以及時評估農作物長勢狀況并可對最終產量起到指示作用。

表4 2000-2019年松嫩平原農作物總產量統計Table 4 Total crop yield in the Songnen Plain from 2000 to 2019 單位：萬t

4 結論與討論

本文結合NDVI和EVI構建了一種新的農作物長勢綜合監測指標GI，通過建立近20年的歷史綜合植被指標數據庫，應用差值模型將2019年的農作物長勢指標與歷史同期的平均長勢指標進行對比分析，最后將長勢狀況分為極好、好、正常、差、極差5類，用以評價松嫩平原2019年的農作物生長季長勢。結論如下：1)2019年5-10月松嫩平原農作物長勢呈“前期較差，中期較好，后期略差”的趨勢，整體好于2000-2018年同期，2019年松嫩平原的農作物與過去20年相比產量保持穩定，可確保國內農產品供應充裕；2)松嫩平原中西部、東北部和西南部農作物長勢好于過去20年平均長勢，東南部部分地區農作物長勢基本與過去持平，沿松花江流域市域(哈爾濱中部、松原北部及大慶東南部)農作物長勢較好，緣于該地區水資源較豐富；3)單產及總產量驗證均表明，GI可以及時評估農作物長勢狀況，且該方法精度更高、操作簡單，具有一定普適性，可為農作物長勢狀況監測提供一種新思路，并為農作物產量的預測預報以及農作物災情的預警提供重要的科學依據。

本研究由于缺乏歷年耕地中精確的作物種類以及各類農作物種植的空間分布信息，會影響農作物長勢狀況監測以及未來農作物產量的預測精度，未來將利用更準確的農作物種植結構與布局信息獲取農作物長勢的時空分布變化。