黃 青 劉 航 鄒金秋

（中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

2017年巴西大豆長勢遙感監(jiān)測數(shù)據(jù)的分析研究

黃 青 劉 航 鄒金秋

（中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

巴西是我國重要的大豆進口國。研究巴西大豆的產(chǎn)量變化和供給狀況對中國大豆進出口貿(mào)易乃至國際大豆市場的發(fā)展具有重要意義。利用目前作物長勢遙感監(jiān)測中應(yīng)用最廣泛的歸一化植被指數(shù)NDVI，對巴西2017年大豆長勢進行監(jiān)測，并采用差值模型，與2016年同期大豆長勢的平均狀況進行對比研究，以期獲得巴西大豆2017年產(chǎn)量變化趨勢，為我國大豆進口政策提供數(shù)據(jù)支撐。研究結(jié)果表明：巴西大豆長勢在2017年期間呈現(xiàn)“前期較好，中期略變差，后期變好”的趨勢，大豆長勢總體好于2016年同期。在空間分布上，巴西中西部、東北部和東南部大豆全年長勢好于2016年同期，而在南部的一些州，大豆長勢基本與2016年同期持平。大豆主要生育期內(nèi)良好的天氣因素是2017年巴西大豆長勢較好的主要原因。

MODIS數(shù)據(jù)；歸一化差分值植被指數(shù)；長勢監(jiān)測；巴西；大豆

1 引言

巴西是全球大豆第二大生產(chǎn)國和出口國，也是我國最重要的大豆進口國[1]。巴西大豆的產(chǎn)量變化和供給狀況對國際大豆市場和我國大豆進出口都有較大影響，也是影響我國食物供給安全的重要因素之一。因此，實時監(jiān)測巴西大豆長勢，能夠掌握并預(yù)測早期的大豆產(chǎn)量，對我國農(nóng)業(yè)生產(chǎn)管理部門政策的制定、進出口貿(mào)易管理、農(nóng)業(yè)政策的調(diào)整以及保障糧食安全等具有重要的意義。

巴西位于南美洲，東瀕大西洋，面積851萬km2，約占南美洲面積的47.3%[2]，為世界國土面積第五大的國家。其地形的最大特點是高原多，約占領(lǐng)土面積的59%，全境地形分為亞馬遜平原、巴拉圭盆地、巴西高原和圭亞那高原，其中亞馬遜平原約占全國面積的1/3，巴西的耕地和草場面積廣闊[3]（圖1）。

巴西地處亞熱帶和熱帶，濕潤多雨，大部分地區(qū)年降水量2000～3000mm，國內(nèi)有亞馬孫、巴拉那和圣弗朗西斯科三大水系，水力資源豐富。巴西擁有豐富的自然資源，特別是農(nóng)業(yè)資源得天獨厚，農(nóng)牧業(yè)發(fā)達，可耕地面積占國土面積的70%，總?cè)丝?.01億人（2013年），其中農(nóng)業(yè)人口約3540萬人，70%的耕地種植大豆和玉米。作為農(nóng)作物中的最主要產(chǎn)品，大豆種植面積和產(chǎn)量均相當(dāng)于全國農(nóng)作物總種植面積和產(chǎn)量的一半，其產(chǎn)值約占全部農(nóng)產(chǎn)品產(chǎn)值的1/3，大豆產(chǎn)量占世界總產(chǎn)量的20%，為世界大豆第二大生產(chǎn)國和出口國，也是中國進口大豆的主要供應(yīng)國家[2-4]（圖 2）。

圖1 巴西農(nóng)業(yè)區(qū)劃示意圖

圖2 巴西各州大豆面積百分比示意圖

根據(jù)2015—2016年巴西大豆播種面積和產(chǎn)量統(tǒng)計情況，巴西中西部的戈亞斯州（Goias）、馬托格羅索州（MatoGrosso）和南馬托格羅索州（MatoGrosso do Sul），東北部的巴伊亞州（Bahia）和馬拉尼昂州（Maranhao），東南部的米納斯吉拉斯州（Minas Gerais）和圣保羅州（Sao Paulo），南部地區(qū)的巴拉那州（Parana）、南里奧格二德州（Rio Grande do Sul）和圣卡塔琳娜州（Santa Catarina），以及北部地區(qū)的托坎廷斯州（Tocantins）播種面積占巴西大豆播種總面積的95%以上，而產(chǎn)量占巴西大豆總產(chǎn)量的99%以上[5]。因此，對這11個主產(chǎn)州大豆長勢的監(jiān)測具有代表性。

常規(guī)的地面作物長勢監(jiān)測可以通過作物的個體特征判斷，如葉的數(shù)量、顏色、形狀，莖的株高、干物重，根的長度、數(shù)量、布局，穗的籽粒數(shù)、千粒重等，也可以通過作物的群體特征判斷，如種植密度、畝穗數(shù)、均一性、生育期動態(tài)特征等。但不論是個體特征還是群體特征的地面調(diào)查都費時費力，難以在短時間內(nèi)及時獲得大范圍作物長勢情況。而遙感獲得的時間序列圖像可以反映受環(huán)境影響的農(nóng)田土壤和作物特性等的光譜特征，從而提供了農(nóng)田作物生長的時空變異信息，在作物生長季中不同時間序列圖像可以確定作物長勢的動態(tài)變化。因此，遙感以其快速準(zhǔn)確、現(xiàn)勢性強等優(yōu)勢，日益成為大區(qū)域范圍內(nèi)作物長勢動態(tài)變化監(jiān)測的重要手段。

國內(nèi)外學(xué)者采用高分辨率的光學(xué)數(shù)據(jù)、雷達數(shù)據(jù)以及中低分辨率的MODIS等同遙感數(shù)據(jù)源[6-8]，利用植被指數(shù)法、同期對比法、作物生長過程監(jiān)測法、模型診斷法等[9-11]，對不同作物不同生育期內(nèi)的作物長勢監(jiān)測進行了大量研究[12-14]。各國學(xué)者們對作物長勢遙感數(shù)據(jù)源和監(jiān)測方法的研究大都集中在小區(qū)域范圍[15-17]，各國農(nóng)業(yè)監(jiān)測機構(gòu)也重點關(guān)注本國、本區(qū)域范圍內(nèi)主要作物的面積、長勢、產(chǎn)量等方面[18-20]。本文則將以巴西大豆11個主產(chǎn)州為研究對象，對巴西2017年大豆長勢進行遙感監(jiān)測，并對所獲得的遙感數(shù)據(jù)進行分析，研究巴西大豆2017年產(chǎn)量變化趨勢，以期為我國大豆進口政策提供數(shù)據(jù)支撐。

2 數(shù)據(jù)收集與處理方法

2.1 數(shù)據(jù)源與預(yù)處理

本文遙感數(shù)據(jù)來源于美國國家航空航天局NASA（National Aeronautics and Space Administration）網(wǎng)站的Earthdata，中分辨率成像光譜MODIS（moderate-resolution imaging spectroradiometer）衛(wèi)星中的 Terra星16天合成的500m分辨率數(shù)據(jù)[21]，下載相關(guān)數(shù)據(jù)后進行投影轉(zhuǎn)化、分辨率重采樣（原始下載圖像分辨率非500m）、去除非植被區(qū)的NDV負值、按研究區(qū)拼接、裁切等預(yù)處理，利用這些遙感數(shù)據(jù)進行長勢實時比較監(jiān)測分析；大豆面積分布數(shù)據(jù)來源于我國農(nóng)業(yè)部農(nóng)情遙感監(jiān)測中心每年巴西大豆播種后的實時面積解譯數(shù)據(jù)，主要用來作為監(jiān)測區(qū)域面積掩膜的本底；氣象數(shù)據(jù)來源于美國農(nóng)業(yè)部網(wǎng)站USDA中外國農(nóng)業(yè)服務(wù)氣象10天合成數(shù)據(jù)，主要用來進行作物長勢氣象條件分析[22]。部分統(tǒng)計數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站國際統(tǒng)計數(shù)據(jù)[23]。

2.2 作物長勢監(jiān)測模型

利用遙感數(shù)據(jù)監(jiān)測作物長勢的原理為：根據(jù)作物對光譜的反射特性，在可見光部分有較強的吸收峰，近紅外部分有較強的反射峰，這些敏感波段及其組合可以反映作物生長的空間信息，進而實現(xiàn)對作物生長狀態(tài)的判斷。常用的植被指數(shù)有歸一化植被指數(shù)、差值植被指數(shù)、比值植被指數(shù)和雙差值植被指數(shù)等。在眾多的植被指數(shù)中，歸一化差分植被指數(shù)NDVI（Normalized Difference Vegetation Index）的應(yīng)用最為廣泛，被認為是植被生長狀態(tài)及植被覆蓋度的最佳指示因子，是反映生物量和植被監(jiān)測的最佳指標(biāo)。經(jīng)歸一化處理的NDVI，部分消除了太陽高度角、衛(wèi)星掃描角及大氣程輻射的影響，特別適用于全球或各大陸等大尺度的植被動態(tài)監(jiān)測[24-26]。

其中，R為可見光敏感波段的反射率，NIR為近紅外敏感波段的反射率。

本文主要選擇NDVI的差值模型來評價作物長勢情況。首先利用差值模型將2017年同期的遙感數(shù)據(jù)NDVI值與2016年同時段NDVI圖像進行對比求差，從而反映作物生長差異年際間空間變化狀態(tài)?；?016年作物長勢已知，該方法可以反映作物生長趨勢上的差異。

在式（2）中，R是作物長勢指數(shù)，NDVI2017是2017年某時段NDVI像元值，NDVI2016是2016年同時段NDVI值。

根據(jù)R值的大小，對差值圖進行分類計算，將作物長勢分為好于上年、與上年持平和差于上年3個等級。其中，針對監(jiān)測數(shù)據(jù)，質(zhì)量判斷為監(jiān)測前后2年中如有1年及以上有云覆蓋的區(qū)域則作為非監(jiān)測區(qū)處理。

3 長勢的時空特征

圖3—圖5是2017年1月—3月巴西大豆長勢與2016年平均長勢對比情況。2017年1月，巴西大豆長勢總體較好。在監(jiān)測區(qū)域11個主產(chǎn)州中，長勢好于2016年的比例總體達到28.2%，其中中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州長勢較好的比例都超過40%。東北部的馬拉尼昂州和北部的托坎廷斯州長勢亦較好。而巴伊亞州和米納斯吉拉斯州由于天氣干燥，部分大豆長勢較差，整體來說，大豆長勢不及2016年同期的比例為14.0%（圖3）。2017年2月，大豆長勢總體較好的比例為24.1%，較1月略微下降，大豆長勢較差的比例增加了0.8%，中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州長勢依然較好（圖4），北部局部地區(qū)的洪澇影響托坎廷斯州大豆長勢，對部分已經(jīng)開始收獲地區(qū)的收獲進度產(chǎn)生一定影響。進入3月，巴西大豆大部處于結(jié)莢—收獲期，大部產(chǎn)區(qū)溫高光足，大豆長勢整體較好，長勢較好的比例占到24.9%，長勢較差的比例減少至10.8%。除了前期長勢一直較好的中西部地區(qū)3個州外，東北部的巴伊亞州、馬拉尼昂州，北部地區(qū)的托坎廷斯州，東南部的米納斯吉拉斯州，南部地區(qū)的巴拉那州長勢都較好（圖5）?？傮w來看，巴西大豆長勢在2016—2017年呈現(xiàn)“前期較好，中期略變差，后期變好”的趨勢。

圖3 2017年1月1日到1月16日巴西大豆長勢遙感監(jiān)測結(jié)果

圖4 2017年2月2日到2月17日巴西大豆長勢遙感監(jiān)測結(jié)果

圖5 2017年3月6日到3月21日巴西大豆長勢遙感監(jiān)測結(jié)果

圖6顯示了2017年1—3月巴西大豆11個主產(chǎn)州大豆長勢好、長勢正常和長勢差的比例變化情況。中西部的戈亞斯州、馬托格羅索州和南馬托格羅索州，東北部的馬拉尼昂州，北部的托坎廷斯州及南部的巴拉那州，長勢較好的比例一直保持在20%以上，東北部的巴伊亞州和馬拉尼昂州大豆長勢較差的比例前期較大，但后期均有較大的改善。2017年巴西大豆長勢整體較好，有望迎來一個豐收之年。

4 長勢變化的影響因素

2016年10月巴西大豆開始陸續(xù)播種，查詢巴西天氣預(yù)報情況獲知：由于播種時大部地區(qū)降雨形勢較好，光溫水條件總體適宜，大部地區(qū)播種進程較快，大豆播種及出苗情況較好。進入2016年11月后，巴西中部和東北地區(qū)大豆主產(chǎn)區(qū)降雨較常年同期偏多，雨量充沛，利于大豆作物苗期生長，但巴西南部天氣干燥，墑情下滑，對部分地區(qū)的播種及出苗率略有影響。2016年12月，巴西農(nóng)業(yè)產(chǎn)區(qū)的天氣整體良好，特別是降水的覆蓋率和降雨量都明顯大于常年，良好的土壤墑情對大豆生長較為有利，大豆長勢好于2015年同期，只有東南部、東北部等地局部干燥天氣和南部地區(qū)局部出現(xiàn)前期干燥、后期農(nóng)田過濕的現(xiàn)象，對大豆播種和苗期生長略有影響。進入2017年1月，巴西大部地區(qū)降水狀況良好，農(nóng)田墑情基本適宜，但東南部、東北部等地局部降水前期偏少，但月內(nèi)后期出現(xiàn)較大范圍降水，土壤墑情得到改善。2017年2月，巴西大豆大部處于開花結(jié)莢期，大豆主產(chǎn)區(qū)降水范圍進一步增加，主產(chǎn)區(qū)有50～200mm的降水，北部局部地區(qū)降水達到250～350mm，引發(fā)局部地區(qū)洪澇，對部分已經(jīng)開始收獲的大豆，收獲進度產(chǎn)生一定影響，其余大部溫高光足，土壤墑情適宜，大豆長勢總體正常。2017年3月，巴西大豆大部處于結(jié)莢—收獲期，大部產(chǎn)區(qū)溫高光足，對產(chǎn)量形成和整體收獲較為有利，大豆長勢整體較好?？傮w來看，2017年盡管巴西局部地區(qū)出現(xiàn)階段性干旱、土壤過濕等不利條件，但2017年的光溫水條件總體利于大豆生長，為巴西全國大豆單產(chǎn)增加發(fā)揮了重要作用。

圖6 2017年1—3月巴西大豆主產(chǎn)州大豆長勢變化情況

5 結(jié)論與討論

（1）本文對2017年巴西大豆長勢的遙感監(jiān)測分析表明：2017年1—3月，巴西大豆長勢呈現(xiàn)了“前期較好，中期略變差，后期變好”的趨勢，大豆長勢總體好于2016年同期，2017年巴西大豆有望成為豐收之年。因此，建議我國政府在制定2017年大豆進口政策和談判過程中予以關(guān)切。

（2）本研究監(jiān)測對象為巴西大豆，缺乏足夠的地面驗證資料，因此監(jiān)測精度有待提高，未來希望能與巴西農(nóng)業(yè)部門積極合作，共享一些當(dāng)?shù)剞r(nóng)業(yè)地面驗證數(shù)據(jù)。

（3）遙感模型雖然具有快速、客觀的優(yōu)勢，但要從機理上對作物長勢變化進行分析，離不開作物模型。遙感模型反演參數(shù)和作物模型的進一步結(jié)合，是今后精確模擬作物生長發(fā)育過程的方向。

[1]強文麗,成升魁,劉愛民, 等.巴西大豆資源及其供應(yīng)鏈體系研究[J].資源科學(xué),2011,33(10)：1855-1862.

[2]龍吉澤. 巴西的農(nóng)業(yè)生產(chǎn)及農(nóng)業(yè)機械化[J]. 湖南農(nóng)機,2014(12)：95-96.

[3]趙秀二, 侯英雨. 巴西大豆產(chǎn)量變化趨勢與展望[J].農(nóng)業(yè)展望 , 2010, 6(7)：33-35.

[4]黎海波. 巴西農(nóng)業(yè)與農(nóng)機化[J]. 湖南農(nóng)機, 2005(6)：38-39.

[5]巴西農(nóng)業(yè)統(tǒng)計數(shù)據(jù)[EB/OL].[2017-05-10]. http：//www.ibge.gov.br/english/.

[6]李丹,韓留生,黃思宇,等.基于HJ-1數(shù)據(jù)的冬小麥種植面積、長勢與收割進度遙感監(jiān)測[J].中國農(nóng)學(xué)通報,2016,32(12)：20-28.

[7]FIEUZAL R, SICRE C M, BAUP F. Estimation of corn yield using multi-temporal optical and radar satellite data and arti fi cial neural networks[J]. International Journal of Applied Earth Observation and Geoinformation,2017(57)： 14-23.

[8]黃青,周清波,王利民,等.基于遙感的冬小麥長勢等級與氣象因子相關(guān)性分析[J].農(nóng)業(yè)機械學(xué)報, 2014,45(10)： 318-324.

[9]王來剛,鄒春輝,劉婷,等.河南省冬小麥長勢遙感監(jiān)測指標(biāo)的適宜性[J].麥類作物學(xué)報,2013,33(5)：1006-1011.

[10]孫晨紅,楊貴軍,董燕生,等.旱凍雙重脅迫下的冬小麥幼苗長勢遙感監(jiān)測研究[J].麥類作物學(xué)報, 2014,34(5)：635-641.

[11]烏二吐雅,烏二,姜英君,等.基于MODIS NDVI的春小麥苗期長勢監(jiān)測：以呼倫貝爾市大興安嶺西麓為例[J].安徽農(nóng)業(yè)科學(xué),2015,43(31)：356-358.

[12]FIEUZAL R, BAUP F, MARAIS-SICRE C. Monitoring wheat and rapeseed by using synchronous optical and radar satellite data： from temporal signatures to crop parameters estimation[J]. Advances in Remote Sensing,2013(2)： 162-180.

[13]REN D D W, TRIPATHI S, LI LK B. Low-cost multispectral imaging for remote sensing of lettuce health[J].Journal of Applied Remote Sensing,2017,11(1).DOI：10.1117/1.JRS.11.016006.：016006.

[14]黃敏堂,陳燕麗,王國安,等.HJ-1星上思縣甘蔗工藝成熟期長勢多年對比監(jiān)測[J].安徽農(nóng)業(yè)科學(xué), 2014,42(36)：13129-13131.

[15]CLAVERIE M, DEMAREZ V, DUCHEMIN B, et al.Maize and sunflower biomass estimation in southwest France using high spatial and temporal resolution remote sensing data[J]. Remote Sensing of Environment,2012,124： 844-857.

[16]黃青，王利民，滕飛.基于MODIS-NDVI數(shù)據(jù)提取新疆棉花播種面積信息及長勢監(jiān)測方法研究[J].干旱地區(qū)農(nóng)業(yè)研究, 2011,29(2)：213-217.

[17]武晉雯,張玉書,馮銳,等.遼寧省作物長勢遙感評價方法[J].安徽農(nóng)業(yè)科學(xué),2009,37(36)：18104-18107.

[18]NASA TECHNICAL REPORTS. The LACIE crop years-an assessment of the crop conditions experienced in the three years of LACIE[EB/OL].[2014-05-25].http：//ntrs.nasa.gov/index.jsp.

[19]SUSHIL Pradhan. Crop area estimation using GIS，remote sensing and area frame sampling[J]. International Journal of Applied Earth Observation and Geoinformation, 2001, 3(1)：86-92.

[20]FAO. Multiple frame agricultural surveys Volume 2：Agricultural surveys programs based on area frame or dual frame (area and list) sample designs[M]. Rome ：Food and Agriculture Organization, 1998.

[21]MODIS16天合成數(shù)據(jù) [EB/OL].[2017-01-20].https：//urs.earthdata.nasa.gov.

[22]巴西氣象10天合成數(shù)據(jù)[EB/OL]. [2017-01-20].https：//www.pecad.fas.usda.gov/cropexplorer/imageview.aspx?regionid=br.

[23]巴西大豆播種面積 [EB/OL].[2017-01-20].http：//data.stats.gov.cn.

[24]林文鵬,王長耀.大尺度作物遙感監(jiān)測方法與應(yīng)用[M].北京：科學(xué)出版社出版,2010：69-78.

[25]楊小喚,張香平,江東.基于MODIS時序NDVI特征值提取多作物播種面積的方法[J].資源科學(xué), 2004,26(6)：17-22.

[26]吳炳方,張峰,劉成林,等.農(nóng)作物長勢綜合遙感監(jiān)測方法 [J].遙感學(xué)報 ,2004,8(6)：498-514.

Analysis of Soybean Growth Condition Based on MODIS-NDVI Data in Brazil of 2017

HUANG Qing, LIU Hang, ZOU Jinqiu
(Institute of Agricultural Resources and Regional Planning of Chinese Academy of Agricultural Sciences,Beijing 100081)

Brazil is the second largest soybean production and export country in the world, which is also the most important soybean import country to China. The yield changes and the supply of Brazil’ soybean have great impacts both on the international soybean market and Chinese soybean import and export, which also become one of the important factors affecting the safety of food supply in China .Using Normalized Difference Vegetation Index (NDVI), which is the most widely used in crop growth remote sensing monitoring at present, this paper monitored and analyzed the soybean growth condition in Brazil in 2017 using a difference crop model by comparing the growth condition average values of this year with those of the same period of last year. The study can obtain the changing trend of soybean yield in 2017, and provide the data support for China's soybean import policy. The results showed that the soybean growth condition in Brazil showed “better in the early period in 2017,slightly worse in the middle period, and better again in the late "tendency. The soybean growing conditions were overall better than last year. In spatial distribution, the soybean growth condition was better than the same period of last year in Midwest, Northeast and Southeast of Brazil, while in Southern states, the soybean growth condition showed a normal state compared with the same period of last year. From the autumn of 2016 to March of 2017 year, the overall weather were fine are the main agricultural regions of Brazil, soil moisture was all favorable to the soybean growth, which are the main reasons that the soybean growth was better than last year in Brazil.

MODIS data, NDVI, crop growth monitoring, Brazil, soybean

S127

A

10.3772/j.issn.1674-1544.2017.06.009

黃青（1978—），女，中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所副研究員，研究方向：農(nóng)情遙感監(jiān)測；劉航（1992—），女，中國農(nóng)業(yè)科學(xué)院研究生院碩士研究生，研究方向：農(nóng)情遙感監(jiān)測；鄒金秋（1975—），男，中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源“歐盟作物模型BioMA在中國的適應(yīng)性研究”與農(nóng)業(yè)區(qū)劃研究所助理研究員，研究方向：智慧農(nóng)業(yè)（通訊作者）。

農(nóng)業(yè)部“引進國際先進農(nóng)業(yè)科學(xué)技術(shù)”（948計劃）資助“農(nóng)業(yè)遙感監(jiān)測系統(tǒng)關(guān)鍵技術(shù)引進”（2016-X38）；國家科技基礎(chǔ)性工作專項項目“科技基礎(chǔ)性工作數(shù)據(jù)資料集成與規(guī)范化整編”（2013FY110900）；中央級公益性科研院所專項資金資助項目“歐盟作物模型BioMA在中國的適應(yīng)性研究”（IARRP-720-33）。

2017年7月14日。