曹 丹， 白林燕， 馮建中， 景海濤， 李華林， 張 倩， 張 沛， 孫金珂

(1.河南理工大學(xué)，河南焦作 454003； 2.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100094； 3.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081)

水稻是我國主要的糧食作物，在農(nóng)業(yè)生產(chǎn)及保障國家糧食安全方面始終占據(jù)著重要地位[1]。東北三省是我國水稻重要的產(chǎn)區(qū)，近20年來，東北三省水稻種植生產(chǎn)發(fā)生了明顯的變化，尤其是黑龍江地區(qū)[2]。因此，準確把握東北三省水稻種植面積時空變化特征對東北三省乃至全國農(nóng)業(yè)政策制定、糧食安全分析、農(nóng)產(chǎn)品市場調(diào)控等具有重要意義[3]。

隨著衛(wèi)星技術(shù)的發(fā)展，利用遙感技術(shù)監(jiān)測水稻的種植面積、生長狀況及產(chǎn)量等已得到較為廣泛的應(yīng)用。Sakamoto等利用中分辨率成像光譜儀(MODIS)數(shù)據(jù)和水稻種植區(qū)各種特征指數(shù)固定的數(shù)學(xué)關(guān)系分別對東南亞地區(qū)、湄公河流域及中國南部地區(qū)進行水稻面積監(jiān)測[4-5]。景元書等利用MODIS時序指數(shù)，采用線性光譜混合方法分解混合像元，監(jiān)測水稻種植面積[6]。龍毅等分析了近20年湖北省水稻產(chǎn)量變化情況及其原因[7]。唐鵬欽等模擬了東北地區(qū)多年水稻種植的空間分布[8]。劉珍環(huán)等利用交叉信息熵原理獲得水稻空間分布信息，并對近30年中國水稻種植區(qū)域與產(chǎn)量的時空變化進行分析[9]。中低分辨率MODIS數(shù)據(jù)具有較高的光譜分辨率和時間分辨率，在大面積的農(nóng)作物遙感監(jiān)測中具有重要作用。目前廣泛應(yīng)用的閾值法在水稻面積提取中，通常將水稻判別條件設(shè)定為一個固定值，忽略了氣溫、降水、地形等方面的差異，使水稻監(jiān)測面積具有較大偏差。統(tǒng)計單元內(nèi)部的水稻面積空間格局變化具有突出的不確定性特征，與統(tǒng)計單元數(shù)據(jù)分析不具有很好的一致性。本研究以東北三省為研究區(qū)，利用MODIS數(shù)據(jù)計算水體指數(shù)LSWI、歸一化植被指數(shù)NDVI和增強型植被指數(shù)EVI，建立各時序指數(shù)之間對應(yīng)的數(shù)學(xué)關(guān)系，結(jié)合水稻特有的生育期和各統(tǒng)計單元的具體情況，設(shè)定不同省份的水稻判別條件，提取東北三省2000—2015年水稻種植分布情況，分析水稻種植分布的遷移規(guī)律，并利用最小二乘回歸模型預(yù)測水稻種植面積變化趨勢，旨在為制定區(qū)域農(nóng)業(yè)政策提供依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

東北三省包括黑龍江、吉林、遼寧三省，面積 78.73萬km2，占全國國土總面積8.2%，人口1.07億人，占全國人口8.4%[10]。東北三省從北到南依次為寒溫帶、中溫帶濕潤半濕潤氣候、溫帶大陸性季風(fēng)氣候，冬季寒冷漫長，夏季溫暖短促，冬季降雪，蒸發(fā)小，氣候濕潤，是典型的冷濕自然環(huán)境[11]。地形以山地、平原、河流為主，土壤肥沃，土層深厚，水資源豐厚，是世界上三大黑土帶之一。主要農(nóng)作區(qū)≥10 ℃積溫為 2 200～3 600 ℃，多年平均降水量為400～1 000 mm，平均氣溫5.4 ℃，熱量條件可滿足農(nóng)作物生長，本區(qū)農(nóng)作物熟制以1年1熟為主，主要種植水稻、玉米、小麥、大豆。獨特的地理條件為作物生長提供了重要的自然地理條件，是我國重要的農(nóng)產(chǎn)品生產(chǎn)基地。圖1是研究區(qū)域地理位置。

1.2 數(shù)據(jù)源

采用2000—2015年經(jīng)過輻射值校正空間分辨率為 250 m 的MOD13Q1和500 m的MOD09A1數(shù)據(jù)作為基礎(chǔ)數(shù)，這些數(shù)據(jù)來源于美國國家航空航天局(https：//lpdaac.usgs.gov/data_access/)。共獲取了2000、2005、2010—2015年共8個年份的各期數(shù)據(jù)，并對數(shù)據(jù)進行投影變化、格式轉(zhuǎn)換、裁剪和鑲嵌等預(yù)處理，以研究近15年研究區(qū)水稻種植面積變化。

土地利用數(shù)據(jù)采用2000、2005、2010、2015年4期全國土地利用數(shù)據(jù)[來自于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http：//www.resdc.cn)，比例尺為1 ∶10萬]，該數(shù)據(jù)是目前我國精度較高的土地利用遙感監(jiān)測數(shù)據(jù)產(chǎn)品，已經(jīng)在國家土地資源調(diào)查、水文、生態(tài)研究等方面發(fā)揮著重要作用。此產(chǎn)品將土地利用/覆蓋類型劃分為六大類，分別為耕地、林地、草地、水體、居民地、未利用土地。本研究利用土地二級分類法將水田、旱地、沼澤地和灘地劃分出來，并將數(shù)據(jù)重采樣為空間分辨率250 m×250 m。統(tǒng)計數(shù)據(jù)來源于全國及省級統(tǒng)計年鑒數(shù)據(jù)庫，東北地區(qū)水稻物候信息來源于農(nóng)業(yè)部種植業(yè)管理司。

2 研究方法

2.1 水稻判別條件提取

水稻在一個生長周期內(nèi)將經(jīng)歷5個主要的生長階段：秧苗生長期、分蘗期、幼穗發(fā)育期、抽穗揚花期、灌漿成熟期[12]。在水稻生長早期，稻田須要保持一定深度的水層，與同期其他農(nóng)田(玉米、大豆、花生、棉花等)相比具有較高的地表含水量，有利于MOD09A1中的短波紅外數(shù)據(jù)對稻田進行識別[13-16]。另外，16 d合成的MOD13Q1數(shù)據(jù)具有較高空間分辨率，可通過比較其他農(nóng)作物與水稻的生長特征曲線來提高稻田的識別能力。本研究選用MODIS數(shù)據(jù)中能夠反映水稻生長特性的歸一化植被指數(shù)(NDVI)、水稻增強植被指數(shù)(EVI)、水體指數(shù)(LSWI)對水稻像元進行識別提取。

首先構(gòu)建NDVI時序曲線，比較各地類與水稻在生長季時期內(nèi)的差異。在東北三省基于土地利用數(shù)據(jù)和Google Earth高分辨率影像等通過目視解譯分別選取水田、旱地、林地、建筑用地和水域樣點各150個，并逐一核實驗證。利用交互式數(shù)據(jù)語言(IDL)程序?qū)Ω鞯仡悩狱c的歸一化植被指數(shù)(NDVI)序列進行插值和S-G濾波處理，重構(gòu)NDVI時間序列曲線(圖2)，判斷水稻和其他地類的物候期特征。從時序NDVI曲線可以看出，水田與建筑用地、林地、水域可以通過NDVI容易區(qū)分，全年平均NDVI>0.6是林地，全年平均NDVI<0是水體，NDVI<0.2 是建設(shè)用地，但是水田與旱地作物生長物候特征NDVI卻無明顯差異。

考慮到水稻特殊的生長特性，利用移栽期內(nèi)的EVI和LSWI指數(shù)可以區(qū)分水稻和旱地。根據(jù)研究區(qū)域物候歷特征，水稻移栽期大致在5月中旬和下旬，選擇儒略日137、145 d MOD09A1數(shù)據(jù)，分別計算水田和旱地水體指數(shù)，計算公式為：

(1)

式中：b2為近紅外波段；b6為短波紅外。EVI數(shù)據(jù)通過MOD13Q1數(shù)據(jù)直接獲得，Xiao等在提取水稻面積時發(fā)現(xiàn)：移栽期水稻像元符合(LSWI+0.05)≥EVI[15]。因此繪制水田、旱地樣點EVI、LSWI及(LSWI+0.05-EVI)散點圖(圖2-f)，統(tǒng)計分析表明，在95%置信區(qū)間內(nèi)，移栽期在東北三省范圍滿足如下條件(式2)的像元暫定為水稻像元。但此結(jié)果內(nèi)可能包含永久水體、濕地等其他地類，因而須要進一步篩選排除。利用ArcGIS 10.0軟件將土地利用數(shù)據(jù)中的沼澤地、灘地以及水域土地利用/覆蓋類型剔除，并結(jié)合本區(qū)各省的具體情況，選擇適合各省的判別條件，將此作為最終提取結(jié)果。

(2)

2.2 重心遷移法

重心物理學(xué)上是指空間各方向上力矩達到平衡的點，即物體所受重力的合力作用點[17]。水稻生產(chǎn)重心是指某個時期水稻生產(chǎn)要素指標(可用面積或產(chǎn)量來度量，本研究選用面積指標)分布在某個區(qū)域上的力矩達到平衡的地理位置[18-19]。在每個時期，當(dāng)水稻種植面積發(fā)生變化時，都會引起水稻種植重心發(fā)生偏移，當(dāng)水稻重心朝著某個方向移動時，表明在此方向上水稻種植面積增加較快，對水稻生產(chǎn)系統(tǒng)貢獻相對較大。水稻種植面積重心計算公式[20]如下：

(3)

(4)

式中：X、Y表示第t年水稻種植重心的位置；Xi、Yi表示每個稻田像元的經(jīng)度、緯度坐標；Ait表示第i個像元第t年的水稻種植面積；n為像元數(shù)。

2.3 變化斜率法

在提取水稻面積的基礎(chǔ)上，研究水稻種植面積的時間序列變化趨勢，本研究采用變化斜率法[21-23]對2000—2015年水稻種植面積的年際變化進行模擬，計算公式如下

(5)

式中：k為變化斜率；n為時間，年；Ai為第i年5 km×5 km柵格數(shù)據(jù)中每個柵格內(nèi)水稻面積占比。斜率為正，表明水稻種植面積呈增加趨勢；斜率為負，表明水稻種植面積呈降低趨勢。

3 結(jié)果與分析

3.1 東北三省水稻種植面積分布與精度分析

為研究水稻種植面積在空間位置上的具體變化，利用本研究提取的水稻判別條件，在GIS軟件支持下，統(tǒng)計各省范圍內(nèi)水稻面積所占像元數(shù)，計算各省水稻種植面積。由于本次水稻種植面積提取選用的數(shù)據(jù)空間分辨率為250 m，提取結(jié)果中存在大量的混合像元。大范圍內(nèi)像元提取水稻面積而產(chǎn)生誤差具有顯著的隨機性，因而區(qū)域總量統(tǒng)計結(jié)果是精度檢驗-比對評定的重要途徑。2000—2015年統(tǒng)計年鑒數(shù)據(jù)與MODIS時序指數(shù)提取水稻面積對比精度驗證，結(jié)果顯示，從三省整體來看，2000—2015年利用MODIS時序指數(shù)提取東北三省水稻面積相對精度平均可達92.92%以上；從各省來看，黑龍江省、吉林省、遼寧省水稻面積提取相對精度平均可達91.59%以上(表1)。因此，以2015年作為基年選取各水稻指數(shù)判別條件，15年間雖然受氣溫、降水等條件的影響，對水稻面積提取精度亦會產(chǎn)生影響，但各省相對誤差仍保持較高的精度水平，因此該途徑對于大范圍的水稻面積提取可滿足要求。圖3是2000—2015年東北三省水稻種植面積空間分布及變化情況，其與土地利用數(shù)據(jù)水田分布基本一致。可見，東北地區(qū)水稻種植集中分布在西北部、中部和南部的平原地區(qū)，主要種植區(qū)為三江平原、松嫩平原、遼河平原，基本沿松花江、遼河分布。黑龍江省水稻種植主要分布在東北部的鶴崗市、佳木斯市、雙鴨山市、雞西市；吉林省水稻種植集中分布在松嫩平原的東南部；遼寧省水稻種植主要沿遼河和鴨綠江分布，集中在遼河平原的盤錦市、遼陽市、丹東市東南部區(qū)域。這些種植區(qū)水資源充足，地勢較為平坦，適合機械化作業(yè)，水稻分布較為集中，形成了“連片式”的種植模式。2000—2010年黑龍江省三江平原和松嫩平原西北部水稻種植面積呈顯著增加趨勢，2010年該地區(qū)較2000年發(fā)生顯著變化，而吉林省和遼寧省水稻種植區(qū)域分布情況基本保持不變；2010—2015年黑龍江地區(qū)水稻種植面積繼續(xù)增加，但增加趨勢較2000—2010年變緩，而遼寧省和吉林省水稻種植面積與2010年以前相比，維持在基本平衡狀態(tài)。

2000年以來的15年間，東北地區(qū)水稻種植面積和空間分布上發(fā)生了明顯變化，水稻種植區(qū)向東、向北擴展。其中，黑龍江地區(qū)變化最為顯著，黑龍江省水稻種植面積顯著增加是東北地區(qū)水稻種植空間變化的主要原因。過去15年間，黑龍江省水稻種植面積增加135.89萬hm2，增加近44.1%；2005年以后水稻種植面積增加較快，后期每年雖有增加，但趨于平緩。吉林省和遼寧省水稻種植面積變化較為平穩(wěn)，吉林省水稻種植面積增加緩慢，空間分布上幾乎沒有變化；遼寧省水稻種植面積則有小幅度下降，但就其空間分布而言，除了位于鴨綠江沿岸、遼河平原上的盤錦市，還包括營口市西北部等地區(qū)。

3.2 水稻空間格局演變特征分析

由圖4可知，2000—2015年東北三省水稻種植重心變化較為明顯，2000—2013年位于吉林省內(nèi)，2014年開始水稻種植重心遷移至黑龍江省哈爾濱市，整體而言具有明顯向北、向東偏移的趨勢，偏移距離為7.08 km。這一結(jié)果與劉珍環(huán)等研究結(jié)論[9]相吻合。2000年東北三省水稻種植重心偏南，這主要是因為2000年黑龍江省水稻種植區(qū)水稻面積較少，而中部的吉林省和南部的遼寧省水稻種植面積相對較大，致使水稻重心緯度稍微偏低；2000年以后，水稻種植重心明顯北移，這是因為東北三省的中北部地區(qū)，尤其是黑龍江省的三江平原水稻種植面積明顯增加。可見，黑龍江省成為水稻種植核心區(qū)，三江平原和松嫩平原地勢平坦，作物種植所需光、溫、水等條件及地理位置優(yōu)越，近年來水稻種植大面積增加；吉林省和遼寧省水稻種植區(qū)域基本保持穩(wěn)定，使得東北三省水稻種植重心向東北方向遷移，水稻種植空間格局演變趨勢在未來一段時間內(nèi)將會持續(xù)。東北三省水稻種植重心向東北方向移動，這可能是由于受自然和人為因素共同作用的結(jié)果[24]。一方面受全球氣溫變暖影響，積溫相對增加，使得自然條件更加適合水稻生長；另一方面由于水稻種植技術(shù)的進步，高產(chǎn)新品種的培育、國家補貼等惠民政策的實施，平原地區(qū)大規(guī)模農(nóng)業(yè)種植有利于機械化操作等，使得水稻突破在低緯度地區(qū)種植的局限，向高緯度地區(qū)種植發(fā)展。

3.3 水稻面積空間變化相關(guān)分析

圖5為2000—2015年5 km×5 km柵格內(nèi)水稻面積占比及采用變化斜率法計算的水稻面積變化趨勢。從回歸擬合的變化整體趨勢(圖5-b)可見，黑龍江省東北部三江平原、烏蘇里江流域及中部的松嫩平原和松花江流域、西南部的嫩江流域以及吉林省的西北部、遼寧省遼河平原以及鴨綠江地區(qū)，水稻面積變化斜率大于0，說明該區(qū)域水稻面積的變化呈上升趨勢且增加較快，未來短時間內(nèi)仍可能繼續(xù)增加并保持該趨勢。就局部變化來看，黑龍江省佳木斯市中部、松嫩平原部分地區(qū)以及齊齊哈爾市東南部地區(qū)水稻面積有減小趨勢，但減少趨勢小于增加趨勢。吉林省中部、遼寧省東北部水稻面積變化斜率小于0，表明近15年來水稻種植面積在該區(qū)域呈減少趨勢，未來短時間內(nèi)仍有可能繼續(xù)減少。黑龍江省水稻面積變化率總和為88.5，吉林省變化率總和為1.0，遼寧省變化率為-1.3。說明黑龍江省水稻種植面積整體呈增加趨勢，這與東北三省歷年來水稻種植重心向北、向東移的趨勢吻合；吉林省雖然大部分區(qū)域水稻種植面積都處于減少趨勢，但總體較為穩(wěn)定，水稻種植面積變動較??；遼寧省水稻種植面積僅遼河平原有增加趨勢，但增幅較小，變化率總和為負值。

4 結(jié)論與討論

本研究以較高空間分辨率的MODIS時間序列數(shù)據(jù)為基礎(chǔ)，構(gòu)建各地類樣本點的NDVI時間序列曲線，利用水稻生長特性，基于分區(qū)適應(yīng)性地合理設(shè)置LSWI和EVI閾值，判斷水稻與其他地類的區(qū)別，從而提取2000—2015年東北三省水稻種植分布。經(jīng)統(tǒng)計年鑒數(shù)據(jù)驗證其精度較高，平均可達90%以上，可以滿足東北地區(qū)大范圍對水稻種植面積監(jiān)測的要求。利用重心遷移法和變化斜率法分析近15年本區(qū)水稻種植面積的年際變化、波動趨勢及空間變化特征。研究表明，近15年三江平原、松嫩平原、遼河平原以及沿松花江等河流兩岸有大面積水稻種植。但水稻種植分布整體上有較大變化，水稻種植重心向東北方向偏移，且向北偏移趨勢愈來愈明顯；種植面積也大幅度增加，其中黑龍江省水稻種植面積增幅較大，三江平原水稻種植面積逐年增加。在未來一段時間內(nèi)，黑龍江省水稻種植面積將繼續(xù)保持增加趨勢，而吉林省保持穩(wěn)定狀態(tài)，遼寧省有小幅度減少態(tài)勢。鑒于在提取水稻面積時，由于水田和旱地間過渡及田埂的不規(guī)則，且東北三省很多地區(qū)農(nóng)業(yè)種植為1年旱地作物種植、2年水稻間作種植方式，以及受遙感影像數(shù)據(jù)空間分辨率的限制，影像產(chǎn)生大量混合像元，影響了水稻面積的提取精度。由于東北各省在氣溫、降水、地形等各方面存在差異，水稻物候期也各有不同，因此水稻的生長移栽期存在地域差異，水稻面積提取時使用固定的移栽期，雖然提取結(jié)果產(chǎn)生的誤差在可接受的范圍內(nèi)，但是仍然給提取結(jié)果帶來系統(tǒng)誤差；同時，土地利用數(shù)據(jù)和水稻面積提取的MODIS基礎(chǔ)數(shù)據(jù)在空間分辨率上不匹配，經(jīng)重采樣過程而帶來提取誤差是顯然的。此外，在水稻種植面積提取中，本研究主要基于統(tǒng)計數(shù)據(jù)進行驗證，而沒有進行實地考察或利用高分辨率遙感影像進行大量系統(tǒng)驗證。這些缺陷都須要在后續(xù)研究中逐一解決或改善。

參考文獻：

[1]杜欣誼. 東北三省水稻生產(chǎn)概況變動比較分析[J]. 農(nóng)民致富之友，2016(7)：76-77.

[2]程勇翔，王秀珍，郭建平，等. 中國水稻生產(chǎn)的時空動態(tài)分析[J]. 中國農(nóng)業(yè)科學(xué)，2012，45(17)：3473-3485.

[3]楊 鵬，唐華俊，劉 佳. 作物遙感估產(chǎn)中自動分類方法研究進展與展望[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2000，21(2)：57-60.

[4]Sakamoto T，Nguyen N，Vohno H.Spatio-temporal distribution of rice phenology and cropping systems in the Mekong delta with special reference to the seasonal water flow of the Mekong and bassac rivers[J]. Remote Sensing of Environment，2006，100(1)：1-16.

[5]Xiao X M，Boles S，F(xiàn)rolking S，et al. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images[J]. Remote Sensing of Environment，2006，100(1)：95-113.

[6]景元書，李 根，黃文江. 基于相似性分析及線性光譜混合模型

的雙季稻面積估算[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(2)：177-183.

[7]龍 毅，李晶晶，龔長東，等. 近20年湖北省水稻產(chǎn)量變動及其原因分析[J]. 安徽農(nóng)業(yè)科學(xué)，2012(7)：3953-3955，3960.

[8]唐鵬欽，楊 鵬，陳仲新，等. 利用交叉信息熵模擬東北地區(qū)水稻種植面積空間分布[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(17)：96-104.

[9]劉珍環(huán)，李正國，唐鵬欽，等. 近30年中國水稻種植區(qū)域與產(chǎn)量時空變化分析[J]. 地理學(xué)報，2013，68(5)：680-693.

[10]朱文亞. “東北地區(qū)的地理位置與自然環(huán)境”教學(xué)設(shè)計[J]. 地理教育，2015(增刊1)：70-71.

[11]申雙和，楊沈斌，李秉柏，等. 基于ENVISAT ASAR數(shù)據(jù)的水稻估產(chǎn)方案[J]. 中國科學(xué)(地球科學(xué))，2009(6)：763-773.

[12]丁 穎. 中國水稻栽培學(xué)[M]. 北京：農(nóng)業(yè)出版社，1961.

[13]杜朝正. 基于GIS的中國水稻產(chǎn)量時空格局變化研究[D]. 濟南：山東師范大學(xué)，2010.

[14]王秀珍，王人潮，黃敬峰. 微分光譜遙感及其在水稻農(nóng)學(xué)參數(shù)測定上的應(yīng)用研究[J]. 農(nóng)業(yè)工程學(xué)報，2002，18(1)：9-13.

[15]Xiao X M，Boles S，Liu J Y，et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J]. Remote Sensing of Environment，2005，95(4)：480-492.

[16]張路科，楊會霞，葛京鳳，等. 中國主要城市地價重心遷移及驅(qū)動因素研究[J]. 地理與地理信息科學(xué)，2014，30(6)：70-74.

[17]鄧 文，譚杰揚，劉 英，等. 湖南雙季稻生產(chǎn)重心移動軌跡及發(fā)展對策[J]. 湖南農(nóng)業(yè)科學(xué)，2016(11)：87-90.

[18]楊萬江，陳文佳. 中國水稻生產(chǎn)空間布局變遷及影響因素分析[J]. 經(jīng)濟地理，2011，31(12)：2086-2093.

[19]郭柏林. 我國糧食分布重心軌跡特征及動力[J]. 上海農(nóng)業(yè)學(xué)報，1992(1)：68-74.

[20]馬 駿，李昌曉，魏 虹，等. 三峽庫區(qū)生態(tài)脆弱性評價[J]. 生態(tài)學(xué)報，2015，35(21)：7117-7129.

[21]宋 怡，馬明國. 基于SPOT VEGETATION數(shù)據(jù)的中國西北植被覆蓋變化分析[J]. 中國沙漠，2007，27(1)：89-93，173.

[22]葉寶瑩，祝 艷，季 瑋，等. 基于遙感和GIS的三江平原農(nóng)業(yè)景觀空間格局與土地利用變化研究[J]. 國土資源遙感，2007，19(3)：78-81.

[23]潘文博. 東北地區(qū)水稻生產(chǎn)潛力及發(fā)展戰(zhàn)略研究[D]. 沈陽：沈陽農(nóng)業(yè)大學(xué)，2009.

[24]孫巖松. 我國東北水稻種植快速發(fā)展的原因分析和思考[J]. 中國稻米，2008(5)：9-11.