郭建茂，王琦，施俊怡，鄭騰飛，楊佳

(南京信息工程大學(xué)1．江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室;2．應(yīng)用氣象學(xué)院，江蘇南京210044)

0 引言

20世紀(jì)以來，隨著世界人口的急劇增長、自然資源的不合理利用，以及氣候變化、土地退化、環(huán)境污染、水資源短缺等問題的出現(xiàn)，糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展受到嚴(yán)重威脅。我國人口眾多、氣候條件復(fù)雜、生態(tài)環(huán)境基礎(chǔ)脆弱、自然災(zāi)害發(fā)生頻繁，糧食安全問題尤為突出。準(zhǔn)確、動(dòng)態(tài)、及時(shí)的農(nóng)作物長勢(shì)監(jiān)測(cè)和估產(chǎn)對(duì)制定糧食進(jìn)出口政策和價(jià)格，指導(dǎo)和調(diào)控糧食種植結(jié)構(gòu)，提高農(nóng)業(yè)生產(chǎn)水平和經(jīng)濟(jì)效益，保障糧食安全具有十分重要的意義。過去的20多年，遙感信息與作物生長模擬模型相結(jié)合的方法，在區(qū)域作物產(chǎn)量預(yù)測(cè)方面表現(xiàn)出良好的發(fā)展趨勢(shì)。該方法既動(dòng)態(tài)反映了作物生長發(fā)育的內(nèi)在機(jī)理過程，又融合了遙感技術(shù)的宏觀實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)功能(劉惠敏等，2007)，受到國內(nèi)外眾多學(xué)者的廣泛關(guān)注(Jégo et al．，2012)。遙感數(shù)據(jù)與作物模型結(jié)合是當(dāng)前農(nóng)業(yè)信息技術(shù)應(yīng)用研究的重要內(nèi)容和發(fā)展趨勢(shì)之一，可以解決單獨(dú)利用遙感或單獨(dú)利用作物模型無法解決的問題(馬玉平等，2005)。

自Wiegand et al．(1979)最早提出將遙感信息(如植被指數(shù))引入作物生長模擬模型有可能提高作物模型模擬的準(zhǔn)確性以來，人們開展了很多有關(guān)將遙感信息(如植被指數(shù)、冠層溫度等)應(yīng)用于作物生長模擬模型子模型(如光合作用、蒸散、干物質(zhì)積累等子模型)的可行性研究(張佳華等，2000)，為遙感信息與作物生長模擬模型的結(jié)合搭建了橋梁，并得到實(shí)際應(yīng)用(吳洪顏等，2002)。此后，人們嘗試?yán)眠b感反演的LAI(leaf area index，葉面積指數(shù))或冠層截獲的光合有效輻射(absorbed photosynthetic active radiation;APAR)作為輸入因子來驅(qū)動(dòng)作物模型(Jackson et al．，1981)，或采用更新作物生育期內(nèi)狀態(tài)變量模擬值的方法，以使作物模型的模擬結(jié)果盡量符合作物生長的實(shí)際情況。

遙感數(shù)據(jù)和作物模型的結(jié)合應(yīng)用涉及農(nóng)學(xué)、遙感、數(shù)學(xué)等領(lǐng)域，是農(nóng)業(yè)信息化技術(shù)中的新方法，本文以冬小麥LAI為紐帶，將遙感時(shí)間序列資料反演的冬小麥LAI與多種生長狀況下作物模型WOFOST(World Food Study)模擬的冬小麥LAI變化曲線相結(jié)合，在區(qū)域尺度確定冬小麥作物生長狀況，并估算2003年河南省新鄉(xiāng)市新鄉(xiāng)縣的冬小麥作物產(chǎn)量，初步實(shí)現(xiàn)遙感信息與作物模型結(jié)合在縣級(jí)農(nóng)業(yè)生產(chǎn)中的應(yīng)用。

1 數(shù)據(jù)與模型

1.1 研究區(qū)域概況

新鄉(xiāng)縣位于河南省的北部，黃河以北，衛(wèi)河上游，113°42'～114°04'E，35°05'～35°24'N，總面積為541.14 km2。該縣地勢(shì)屬黃河中下游故道沖擊扇和太行山前衛(wèi)河沖擊扇的南緣洼地，屬黃河與衛(wèi)河復(fù)合沖擊平原。潮土是該縣主要土壤類型。

1.2 研究數(shù)據(jù)

1)氣象數(shù)據(jù):1999—2008年新鄉(xiāng)縣氣象站逐日最高溫度、最低溫度、總輻射(或日照時(shí)數(shù))、降水量、水汽壓、風(fēng)速等要素?cái)?shù)據(jù)，資料來源于中國氣象局氣象信息中心。

2)作物數(shù)據(jù):本研究收集的新鄉(xiāng)冬小麥作物數(shù)據(jù)主要有農(nóng)業(yè)氣象業(yè)務(wù)觀測(cè)的生長發(fā)育數(shù)據(jù)，包括多年品種、發(fā)育期、生長狀況、產(chǎn)量結(jié)構(gòu)等數(shù)據(jù);田間管理數(shù)據(jù)包括施肥、灌溉、防治病蟲害等農(nóng)事活動(dòng)的時(shí)間和數(shù)量，資料來源于中國氣象局氣象信息中心。為了對(duì)單點(diǎn)作物模型調(diào)試和改進(jìn)，收集了冬小麥田間試驗(yàn)的觀測(cè)資料，包括冬小麥發(fā)育期、營養(yǎng)器官根、莖、葉、穗重的間隔一定時(shí)間的生物量及LAI等。

3)土壤數(shù)據(jù):新鄉(xiāng)站實(shí)測(cè)所得土壤容重、凋萎濕度、田間持水量等，資料來源于中國氣象局氣象信息中心。

4)遙感數(shù)據(jù):小麥生長期內(nèi)所有可用的晴空條件下ETM+資料，本文使用的是2002年11月5日，2003年1月8日、3月29日和4月14日Landsat-7 ETM+數(shù)據(jù)，在美國地質(zhì)調(diào)查局網(wǎng)站(http://glvois．usgs．gov/)下載獲取。數(shù)據(jù)經(jīng)輻射校正和地面控制點(diǎn)幾何校正(楊沈斌等，2010)，且通過6S大氣校正(姚薇等，2011)。

5)2002—2003年新鄉(xiāng)縣冬小麥播種面積和產(chǎn)量數(shù)據(jù)，資料來源于河南省2003年統(tǒng)計(jì)年鑒。

1.3 模型WOFOST簡(jiǎn)介

本文利用WOFOST模型進(jìn)行冬小麥生長模擬，該模型是荷蘭瓦赫寧根大學(xué)開發(fā)的眾多模型之一，起源于世界糧食研究中心組織的多學(xué)科綜合世界糧食潛在產(chǎn)量研究項(xiàng)目。WOFOST模型自面世以來獲得了極大的發(fā)展，模型發(fā)展了很多版本，應(yīng)用范圍不斷擴(kuò)大，其適應(yīng)性及應(yīng)用研究在世界范圍內(nèi)進(jìn)行，反饋的結(jié)果反過來又促進(jìn)了模型的發(fā)展。WOFOST是最早面向應(yīng)用的模型之一，在自然條件下具有通用性，其所描述的物理過程和生理過程可用于較廣范圍的環(huán)境條件。通過改變作物參數(shù)，可用于不同種類的作物，如小麥、玉米、馬鈴薯和大豆等。WOFOST可以根據(jù)需要選擇模擬潛在生產(chǎn)、水分脅迫、氮素脅迫三種生產(chǎn)水平。模型已被用于產(chǎn)量預(yù)測(cè)、土地的定量評(píng)價(jià)，比如評(píng)價(jià)區(qū)域潛在生產(chǎn)力水平，評(píng)價(jià)灌溉、施肥措施可獲得的經(jīng)濟(jì)收益，評(píng)價(jià)作物種植的不利因素等。本研究使用WOFOST 7.1版本。

2 冬小麥作物模擬

在參考河南鄭州WOFOST模型冬小麥作物參數(shù)的基礎(chǔ)上，利用1999—2008年河南省新鄉(xiāng)市新鄉(xiāng)縣冬小麥作物數(shù)據(jù)、氣象數(shù)據(jù)和土壤數(shù)據(jù)訂正和驗(yàn)證WOFOST模型，經(jīng)過反復(fù)調(diào)整后的模型基本能模擬當(dāng)?shù)囟←溕L發(fā)育狀況，平均發(fā)育期誤差在5 d之內(nèi)，模擬產(chǎn)量誤差在±10%之內(nèi)。

以2002—2003年的新鄉(xiāng)縣冬小麥生長發(fā)育階段的氣象數(shù)據(jù)驅(qū)動(dòng)已調(diào)試好的WOFOST模型，模擬2002—2003年當(dāng)?shù)氐亩←溕L發(fā)育狀況。冬小麥生長發(fā)育受冬小麥播種日期、氣象條件、水肥管理及其他田間管理的影響。依據(jù)對(duì)新鄉(xiāng)縣冬小麥生產(chǎn)實(shí)際情況的調(diào)查，分類設(shè)置冬小麥生長的模擬(羅蔣梅等，2009)?？紤]到新鄉(xiāng)縣灌溉條件很好，冬小麥在生長關(guān)鍵期可以得到及時(shí)的灌溉，而且當(dāng)?shù)剞r(nóng)民對(duì)冬小麥田間管理十分重視，水肥條件均可以得到滿足，加之當(dāng)年氣象條件基本適宜冬小麥的生長發(fā)育，因此在模擬時(shí)可以簡(jiǎn)化為潛在生長(不考慮水肥不足的影響)。在WOFOST模型模擬中發(fā)現(xiàn)，相近播期模擬的結(jié)果比較接近，因此，依據(jù)該縣的冬小麥播種實(shí)際情況可以設(shè)置3種播期，即早播、正常播種和晚播。冬小麥正常播期為第295日(一年中的日數(shù)排序)，在此相近日期(與第295日間隔日數(shù)小于等于5 d)播種的冬小麥歸為本類。同理，根據(jù)實(shí)際情況，設(shè)定早播和晚播的冬小麥的播種期分別在第285天和第305天，同時(shí)將各自接近播期(間隔日數(shù)小于等于5 d)分別歸為這兩類。

依據(jù)上面分析，在基本能代表新鄉(xiāng)縣冬小麥2002—2003年實(shí)際生產(chǎn)的情形下，將冬小麥生長發(fā)育簡(jiǎn)化為3種播期的潛在生產(chǎn)。利用WOFOST模型進(jìn)行模擬，得到各自的模擬情況。圖1為葉面積指數(shù)以及穗重模擬曲線，DOY為Day of Year，即儒略歷一年中的日序，DOY285為一年中第285天;表1為第309天、第39天、第88天和第104天的模擬結(jié)果，這4個(gè)日期獲取了晴空 Landsat-7 ETM+數(shù)據(jù)。

表1 模擬的葉面積指數(shù)和產(chǎn)量Table 1 Simulated leaf area index and yield

3 葉面積指數(shù)反演方法

葉面積指數(shù)往往難以直接從遙感數(shù)據(jù)獲得，但是它與遙感參數(shù)—植被指數(shù)間有密切的關(guān)系，已通過試驗(yàn)研究建立了多種的理論和經(jīng)驗(yàn)統(tǒng)計(jì)模型。以植被指數(shù)作為統(tǒng)計(jì)模型的自變量是經(jīng)典的LAI遙感定量方法。在多光譜和高光譜領(lǐng)域均有用植被指數(shù)估算LAI的研究和應(yīng)用(胡曉雯等，2012)。其中歸一化植被指數(shù)與LAI有多種統(tǒng)計(jì)模型(Moulin et al．，1995;茅榮正，2004;劉峰等，2011;de Wit et al．，2012)，經(jīng)過對(duì)比分析，本文采用下式計(jì)算并引入訂正系數(shù)來反演LAI(下面用ILA表示):

其中:INDV代表歸一化植被指數(shù);I'LA代表葉面積指數(shù)。

歸一化植被指數(shù)INDV被定義為近紅外波段反射率與可見光紅波段反射率之差與這兩個(gè)波段反射率之和的比值。本文首先要對(duì)ETM+影像的3、4波段進(jìn)行輻射定標(biāo)，把DN值轉(zhuǎn)化為相應(yīng)的輻射亮度和反射率，然后利用下式求得INDV:

其中:r3為第3波段的反射率;r4為第4波段的反射率。

在引用和改進(jìn)文獻(xiàn)(Sellers et al．，1996;唐世浩等，2003)的基礎(chǔ)上，本文將(1)式計(jì)算的葉面積指數(shù)引入訂正系數(shù)來反演ILA:

式中:I'LAmax為由ETM+資料通過(1)式計(jì)算的葉面積指數(shù)最大值;f'為訂正系數(shù)(表2);ILAmax為該時(shí)段、該區(qū)域內(nèi)的實(shí)際最大葉面積指數(shù)。徐為根等(2002)研究認(rèn)為，冬小麥全生育期的葉面積指數(shù)經(jīng)歷緩慢增長—迅速增長—緩慢增長—迅速下降4個(gè)階段，經(jīng)訂正反演，冬小麥的葉面積基本符合其生長發(fā)育規(guī)律。

圖1 不同播期葉面積指數(shù)和穗重的時(shí)間變化 a．第285天;b．第295天;c．第305天Fig．1 Temporal variation of LAI and spike weight of different sowing dates a．the 285th day;b．the 295th day;c．the 305th day

表2 葉面積指數(shù)的訂正系數(shù)Table 2 Calibrated coefficient of leaf area index

4 遙感信息與作物模型的結(jié)合應(yīng)用

單獨(dú)利用遙感方法往往反映的是表象，只能在像元上大致判斷是否是小麥，不能做到對(duì)小麥更具體的生長發(fā)育狀況的了解(包括發(fā)育期、LAI、各部分生物量等)，無法得到內(nèi)在的同化量的分配情況，也不能直接獲取產(chǎn)量。而單獨(dú)利用作物模型的方法，可以在單點(diǎn)對(duì)作物生長發(fā)育作較好描述，但是無法得到區(qū)域的作物生長發(fā)育情況，不能估計(jì)種植面積;估計(jì)總產(chǎn)必須基于對(duì)區(qū)域的詳細(xì)調(diào)查結(jié)果，只有掌握各種苗情及其面積，才能估算區(qū)域產(chǎn)量。

為作物模型模擬出的冬小麥生長狀況設(shè)定一個(gè)小的浮動(dòng)范圍，落在該范圍內(nèi)的可以認(rèn)為基本符合該類模擬的生長發(fā)育狀況，可以用模擬結(jié)果來代替實(shí)際生長情況，在此步驟中本研究選取既可以反映冬小麥的生長又可以利用遙感信息反演的參數(shù)——葉面積指數(shù)作為衡量指標(biāo)。這樣采用4景Landsat-7 ETM+遙感數(shù)據(jù)反演的葉面積指數(shù)，利用找相似的方法確定每個(gè)像元對(duì)應(yīng)的冬小麥生長發(fā)育狀況，便于確定每個(gè)像元是否為冬小麥及其所屬的生長模擬類型。至此，實(shí)現(xiàn)了作物模擬與遙感信息的結(jié)合，在區(qū)域上實(shí)現(xiàn)了作物模擬，結(jié)果見圖2。圖2為2002—2003年新鄉(xiāng)縣冬小麥的分布情況(綠色代表適宜播種情況，播種期為第295日及其前后5 d的冬小麥分布;藍(lán)色代表早播情況，播種期為第285日及其前后5 d的冬小麥分布;紅色代表晚播情況，播種期為第305日及其前后5 d的冬小麥分布)。

由圖2估算得到3種播期的冬小麥播種面積，再根據(jù)作物模型的模擬單產(chǎn)結(jié)果，估計(jì)3種播期的總產(chǎn)量(表3)。根據(jù)河南省2003年統(tǒng)計(jì)年鑒，2002—2003年新鄉(xiāng)縣冬小麥播種面積和產(chǎn)量分別為22 400 hm2和132 905 000 kg。將新鄉(xiāng)縣冬小麥3種不同播期的模擬播種面積、總產(chǎn)量與實(shí)際值比較，結(jié)果表明，利用作物模型模擬與遙感信息相結(jié)合方法計(jì)算的新鄉(xiāng)縣冬小麥面積為當(dāng)年實(shí)際面積的89.8%，總產(chǎn)量為當(dāng)年實(shí)際總產(chǎn)量的91.3%(表3)。

圖2 2002—2003年新鄉(xiāng)縣冬小麥的分布(綠色代表適宜播種情況，播種期為第295日及其前后5 d的冬小麥分布;藍(lán)色代表早播情況，播種期為第285日及其前后5 d的冬小麥分布;紅色代表晚播情況，播種期為第305日及其前后5 d的冬小麥分布)Fig．2 Distribution of winter wheat in Xinxiang Country from 2002 to 2003(the green/blue/red represents the suitable/early/late sowing situation in the 295th/285th/305th DOY and 5 days around)

表3 2002—2003年新鄉(xiāng)縣冬小麥模擬播種面積和總產(chǎn)量情況Table 3 Simulated sown area and total yield of winter wheat in Xinxiang County during 2002—2003

5 結(jié)論

本文探討了利用遙感信息與作物模型相結(jié)合的方法在縣級(jí)區(qū)域進(jìn)行冬小麥生長發(fā)育模擬的可行性。以新鄉(xiāng)縣冬小麥種植區(qū)為目標(biāo)區(qū)域，首先對(duì)作物模型WOFOST進(jìn)行訂正和驗(yàn)證，使得到的模型參數(shù)適于模擬新鄉(xiāng)縣冬小麥生長;再根據(jù)實(shí)際情況分類設(shè)定和模擬新鄉(xiāng)縣2002—2003年冬小麥的生長發(fā)育狀況;利用Landsat-7 ETM+數(shù)據(jù)反演LAI，對(duì)照WOFOST模型模擬的LAI值，利用找相似的方法確定每個(gè)像元冬小麥對(duì)應(yīng)的生長狀況并歸類，從而在像元上實(shí)現(xiàn)遙感信息與作物模型的結(jié)合。利用本方法得到了新鄉(xiāng)縣2002—2003年冬小麥總播種面積和總產(chǎn)量，分別為當(dāng)年實(shí)際值(統(tǒng)計(jì)值)的89.8%和91.3%。盡管本研究?jī)H以普遍播種期為中心，設(shè)定3種無水肥限制的潛在生長情況的模擬，然而模擬值與實(shí)際值(統(tǒng)計(jì)值)非常接近，從而驗(yàn)證本研究方法的技術(shù)可行性。單獨(dú)利用遙感方法，只能在像元上大致判斷是否是小麥，且單獨(dú)利用遙感方法往往不能直接獲取產(chǎn)量。單獨(dú)利用作物模型的方法，可以在單點(diǎn)對(duì)作物生長發(fā)育作較好描述，但是無法得到區(qū)域的作物生長發(fā)育情況，且對(duì)總產(chǎn)的估計(jì)必須基于區(qū)域的詳細(xì)調(diào)查結(jié)果。本方法對(duì)遙感信息與作物模型的結(jié)合研究及其區(qū)域應(yīng)用是一個(gè)有益的探索，與單獨(dú)利用遙感信息或單獨(dú)利用作物模型的方法相比，具有明顯優(yōu)勢(shì)。

當(dāng)然，本研究存在的誤差與不足也不容忽視，主要原因有:本文僅設(shè)計(jì)了3種播種期的潛在生產(chǎn)水平的模擬，且把相近播期歸為同一類模擬，這些處理比較簡(jiǎn)單;而作物模型所模擬的也只是特定農(nóng)業(yè)生產(chǎn)水平、特定作物品種等條件下的理想狀況，在實(shí)際應(yīng)用中會(huì)有一定誤差;在利用遙感資料反演葉面積指數(shù)時(shí)，采用統(tǒng)計(jì)方法也會(huì)存在誤差(熊偉等，2008);盡管TM(thematic mapper)資料空間分辨率較高但是沒有對(duì)混合像元進(jìn)行分解，也會(huì)產(chǎn)生誤差;這些都有待今后不斷改進(jìn)和完善。

胡曉雯，曹爽，趙顯富．2012．基于植被指數(shù)的綠地信息提取的比較［J］．南京信息工程大學(xué)學(xué)報(bào):自然科學(xué)版，4(5):420-425．

劉峰，李存軍，董瑩瑩，等．2011．基于遙感數(shù)據(jù)與作物生長模型同化的作物長勢(shì)監(jiān)測(cè)［J］．農(nóng)業(yè)工程學(xué)報(bào)，27(10):101-106．

劉惠敏，黃勇，荀尚培．2007．基于MODIS冬小麥長勢(shì)監(jiān)測(cè)研究［J］．氣象科學(xué)，27(2):187-195．

羅蔣梅，王建林，申雙和，等．2009．影響冬小麥產(chǎn)量的氣象要素定量評(píng)價(jià)模型［J］．南京氣象學(xué)院學(xué)報(bào)，32(1):94-99．

馬玉平，王石立，張黎，等．2005．基于遙感信息的華北冬小麥區(qū)域生長模型及模擬研究［J］．氣象學(xué)報(bào)，63(2):204-215．

茅榮正．2004．基于Landsat圖像的LAI信息提取研究［D］．南京:南京師范大學(xué)．

唐世浩，朱啟疆，王錦地，等．2003．三波段梯度差植被指數(shù)的理論基礎(chǔ)及其應(yīng)用［J］．中國科學(xué)D輯:地球科學(xué)，33(11):1094-1102．

吳洪顏，黃毓華，田心如．2002．基于GIS的徐州地區(qū)冬小麥氣候分析［J］．氣象科學(xué)，22(3):362-366．

熊偉，林而達(dá)，楊婕，等．2008．作物模型區(qū)域應(yīng)用兩種參數(shù)校準(zhǔn)方法的比較［J］．生態(tài)學(xué)報(bào)，28(5):2140-2147．

徐為根，申雙和，姚克敏，等．2002．不同水分處理下南京地區(qū)冬小麥耗水量特征及其模擬［J］．氣象科學(xué)，22(2):191-196．

楊沈斌，趙小艷，申雙和，等．2010．基于 LandsatTM_ETM_數(shù)據(jù)的北京城市熱島季節(jié)特征研究［J］．大氣科學(xué)學(xué)報(bào)，33(4):427-435．

姚薇，李志軍，姚珙，等．2011．Landsat衛(wèi)星遙感影像的大氣校正方法研究［J］．大氣科學(xué)學(xué)報(bào)，34(2):251-256．

張佳華，符淙斌，王長耀．2000．遙感信息結(jié)合植物光合生理特性研究區(qū)域作物產(chǎn)量水分脅迫模型［J］．大氣科學(xué)，24(5):683-693．

de Wit A，Duveiller G，Defourny P．2012．Estimating regional winter wheat yield with WOFOST through the assimilation of green area index retrieved from MODIS observations［J］．Agric For Meteorol，164:39-52．

Jackson R D，Idso S B，Reginato R J，et al．1981．Canopy temperature as a crop water stress indicator［J］．Water Resour Res，17(4):1133-1138．

Jégo G，Elizabeth P，Jiangui L．2012．Using leaf area index，retrieved from optical imagery，in the STICS crop model for predicting yield and biomass of field crops［J］．Field Crops Research，131:63-74．

Moulin S，Alberte F，Gérard D，et al．1995．Temporal variations in satellite reflectances at field and regional scales compared with values simulated by linking crop growth and SAIL models［J］．Remote Sens Environ，54(3):261-272．

Sellers P J，Compton J T，Collatz G J，et al．1996．A revised land surface parameterization(SiB2)for atmospheric GCMS．Part II:The generation of global fields of terrestrial biophysical parameters from satellite data［J］．J Climate，9(4):706-737．

Wiegand C L，Richardson A J，Kanemasu E T．1979．Leaf area index estimates for wheat from LANDSAT and their implications for evapotranspiration and crop modeling［J］．Agronomy Journal，71(2):336-342．