氣候變暖背景下農作物空間格局重構研究

文|李海亮 鄭倩

全球氣候變暖已經是一個不爭的事實，氣候變化問題已經成為21世紀各國可持續發展中面臨的重大課題。政府間氣候變化專門委員會（IPCC）第六次評估報告第一工作組的報告《氣候變化2021：自然科學基礎》指出，目前全球地表平均溫度較工業化前高出約1℃。在考慮所有排放情景下，至少到本世紀中葉，全球地表溫度將繼續升高。除非在未來幾十年內大幅減少二氧化碳和其他溫室氣體排放，否則21世紀將升溫1.5℃或2℃。預計全球持續變暖將進一步加劇全球水循環，包括其變率、全球季風降水以及干濕事件的強度。當全球升溫2℃，極端高溫將更頻繁地達到農業和健康的臨界耐受閾值。《中國氣候變化藍皮書》指出1951-2020年，中國地表年平均氣溫呈顯著上升趨勢，升溫速率為0.26℃/10年，近20年是20世紀初以來中國的最暖時期。氣候變暖的趨勢將對我國自然生態系統和社會經濟部門產生重要影響。氣候變暖對農業的影響利弊兼有，有利影響包括農業光熱資源增加、部分作物種植面積擴大和森林系統受益等，而不利方面則可能涉及對糧食產量與品質、水資源、農作物生長等的影響，應對氣候變化挑戰與機遇并存。

農業土地利用是土地系統的重要組成部分。農作物空間格局是一個地區農作物種植結構和種植方式的空間表達，是農業土地利用的一種形式和內容。農作物空間格局反映了農作物生產在空間維度對氣候和土壤等自然資源，以及勞動力和技術等社會資源的利用狀況，是農業資源利用優化及產業結構調整的重要依據。氣候變暖背景下，我國的農業氣候資源發生了明顯改變，農作物空間格局也正在發生著變化。同時，農作物空間格局對氣候變化的響應又會反作用于農業生態環境，影響陸地生態系統循環過程的變化，進而誘發區域氣候和環境發生變化。因此，農作物空間格局及其動態變化研究具有必要性和緊迫性，也具有重要的科學意義，已經成為全球變化及其區域響應領域的重要發展方向。

農作物空間格局重構的主要方法

一是基于統計數據的方法。統計數據包含了農作物種植的面積、產量、單產、化肥施用和農業投入等大量的信息。統計數據在定量分析中具有顯著優勢，被廣泛應用于不同區域尺度和時間序列農作物空間格局研究。數據來源有FAO 統計數據庫FAOSTAT（http://www.fao.org/faostat/en/）、中國統計年鑒、地方統計年鑒、地方經濟統計年鑒、地方區域統計年鑒、國家統計局網站、農業農村部相關司局網站、農業信息網站、地方農業部門的統計資料等。

二是基于遙感識別的方法。遙感技術作為一種新技術，因其空間覆蓋率高、連續性強和時效性高等優點正被廣泛應用于對地觀測活動中，在不同時空尺度下的農作物空間格局動態變化研究中發揮了重要作用。遙感數據包括Quick Bird衛星數據、NOAA/AVHRR衛星數據、MODIS衛星數據、Landsat衛星數據、Sentinel衛星數據、環境減災衛星數據、高分系列衛星數據、資源三號衛星數據等。識別方法有目視解譯、非監督分類、監督分類，以及結合數學方法的智能分類方法和基于多源數據融合的分類方法等。

三是基于數學模型的方法。基于數學模型的方法可以歸納為兩類，一類是考慮農作物自然生長過程，構建基于光、溫、水、土壤、地形等自然條件為參數的數學模型，實現對不同作物空間分布的模擬。另一類是基于農業生產條件，利用現有數學模型，結合統計數據和其他模擬結果數據，模擬農作物分布變化的復合方法。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。

農作物空間格局重構存在的主要問題

盡管基于統計數據的方法在定量分析中表現突出，但同時存在數據獲取成本較高、時效性不高和穩定性較差的不足，且僅能反映統計單元水平上的數據變化，不能反映統計單元內部的空間差異。基于遙感識別的方法同樣存在許多亟待解決的問題，如混合像元、同物異譜和同譜異物等現象的廣泛存在，識別精度受到一定程度的影響。基于遙感識別的方法對種植結構相對單一、土地利用結構和地形地貌相對簡單的區域可達到較高的精度，但對于作物種植結構復雜的區域作物空間分布信息的精確獲取，尚存在一定難度。基于數學模型的方法是在各種預設條件下對農作物空間分布進行研究，是農作物空間信息研究的一種重要方法，不僅可以應用于不同尺度的農作物空間信息重構，也可用于未來情景下的農作物空間格局模擬預測，有效彌補基于統計數據和遙感識別方法的不足。但是，農作物的空間信息變化不只受到模型所設定條件的影響，也受到其他復雜因素的影響。基于數學模型的方法在理論上可以實現對農作物空間分布的模擬，但若缺乏對其他復雜因素的綜合考慮，會影響模擬的效果。

未來發展趨勢和研究重點

在農作物空間格局重構研究領域，基于統計數據的方法、基于遙感識別的方法和基于數學模型的方法均存在優勢和缺陷。基于多源數據和數學模型的復合方法既可以充分利用多尺度、多信息源的數據，又可以彌補單一研究方法的缺陷，大大提高研究結果的精度，代表了區域農作物空間信息重構技術的重要發展方向。

隨著云計算技術的快速發展，高效、高精度的云計算服務平臺相繼出現。如NASA地球交換計劃（NEX，NASA Earth Exchange）、谷 歌 地 球 引 擎（GEE，Google Earth Engine）和亞馬遜云計算服務平臺（AWS，Amazon web service），這些平臺已經存儲了大量的地球觀測數據。它們能夠利用分布于世界各地的海量服務器和最強大的云計算和存儲能力，以一種內在并行方式處理數萬億計的影像數據。已經有部分學者基于這些平臺的高空間分辨率遙感數據實現了海岸線、城市用地等多種土地利用類型的遙感數據提取。基于云計算平臺的高效、高精度農作物遙感數據提取是未來農作物空間格局重構研究的重點之一。

不同數據源之間存在空間分辨率、時間分辨率、數據質量和處理規則等方面的差異，如不同遙感數據采取的分類規則和處理方法可能不相同，遙感數據與統計數據的尺度可能不一致，導致不同數據源之間的信息同化效率低下。因此，開展多源信息的一致化處理及數據融合、空間分布信息重構結果的驗證和比對分析十分重要，可以減少數據差異對農作物空間格局研究的影響，促進數據處理算法的改進，有效提高農作物空格局重構的精度。多源數據的融合和結果數據的反饋研究是未來農作物空間格局重構研究的重點之一。

基于多源數據和數學模型的農作物空間格局重構技術是基于統計數據、基于遙感識別和基于數據模型三種方法集成的復合模擬方法，其關鍵是在數據融合和結果反饋研究的基礎上進行農作物空間分配模型的構建。空間分配模型建立的重點在于因變量和輔助因子的選擇，以及這些因素與目標變量的關系分析。農作物的空間分布不僅與氣候、土壤等自然環境因子相關，也與農戶種植習慣、農業政策等社會經濟因子緊密相關。只有綜合考慮自然環境因子和社會經濟因子才可以模擬得到更加接近真實的農作物空間信息。基于多源數據的農作物空間分配復合模型的構建也是未來農作物空間格局重構研究的重點之一。