蔣 磊，尚松浩，楊雨亭，王仰仁

基于遙感蒸散發(fā)的區(qū)域作物估產(chǎn)方法

蔣 磊1,2，尚松浩2※，楊雨亭2，王仰仁1

（1. 天津農(nóng)學(xué)院水利工程學(xué)院，天津 300384；2. 清華大學(xué)水沙科學(xué)與水利水電工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100084）

灌區(qū)作物產(chǎn)量估算對(duì)農(nóng)業(yè)用水效率評(píng)價(jià)和灌區(qū)水分管理具有重要意義。該研究以干旱區(qū)代表性灌區(qū)-內(nèi)蒙古河套灌區(qū)主要農(nóng)作區(qū)為研究對(duì)象，基于遙感蒸散發(fā)模型HTEM和遙感作物識(shí)別結(jié)果獲取河套灌區(qū)玉米生育期日蒸散發(fā)量。選取Jensen模型、Blank模型和Stewart模型3種常用水分生產(chǎn)函數(shù)模型，建立河套灌區(qū)玉米估產(chǎn)模型，并分析各估產(chǎn)模型的適用性及其參數(shù)。結(jié)果表明，研究區(qū)玉米生育期多年平均蒸散發(fā)量約為526 mm。3個(gè)模型均有較高的估產(chǎn)精度，其中Stewart模型的產(chǎn)量模擬精度最高，相對(duì)誤差為4.30%，相關(guān)系數(shù)為0.75。因此，Stewart模型在河套灌區(qū)具有更好的適用性，基于遙感蒸散發(fā)模型、遙感作物識(shí)別模型和作物水分生產(chǎn)函數(shù)模型建立灌區(qū)作物估產(chǎn)模型可以取得良好的模擬效果。

遙感；模型；蒸散發(fā)；水分生產(chǎn)函數(shù)；產(chǎn)量；河套灌區(qū)

0 引 言

中國(guó)國(guó)土遼闊，人口眾多，地形和氣候復(fù)雜多變，準(zhǔn)確地進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)與產(chǎn)量估算是現(xiàn)代化農(nóng)業(yè)管理的重要內(nèi)容[1]。河套灌區(qū)是中國(guó)干旱區(qū)灌區(qū)的典型代表，是中國(guó)北方的主要灌區(qū)之一，同時(shí)也是我國(guó)重要的糧食生產(chǎn)基地。玉米是河套灌區(qū)的主要農(nóng)作物之一，建立玉米產(chǎn)量估算模型是作物水分利用效率研究的基礎(chǔ)，同時(shí)也為制定科學(xué)的灌溉制度提供了依據(jù)[2]。傳統(tǒng)的估產(chǎn)模型主要是在農(nóng)田試驗(yàn)結(jié)果的基礎(chǔ)上建立的，難以在整個(gè)灌區(qū)范圍內(nèi)進(jìn)行應(yīng)用[3]。遙感技術(shù)的不斷突破和飛速發(fā)展，為灌區(qū)尺度農(nóng)作物產(chǎn)量估算提供了技術(shù)支撐，因此，基于遙感信息建立農(nóng)作物估產(chǎn)模型具有廣闊的發(fā)展前景[4-6]。

作物水分生產(chǎn)函數(shù)可以很好地定量描述作物耗水與產(chǎn)量之間的關(guān)系，在農(nóng)田試驗(yàn)尺度上被廣泛應(yīng)用[7-8]。作物水分生產(chǎn)函數(shù)將作物產(chǎn)量表示成作物生育階段（或全生育期）蒸散發(fā)量的函數(shù)，主要是通過(guò)農(nóng)田試驗(yàn)數(shù)據(jù)建立的經(jīng)驗(yàn)和半經(jīng)驗(yàn)估產(chǎn)模型[9]。崔遠(yuǎn)來(lái)等利用Jensen模型建立了水稻水分生產(chǎn)函數(shù)和水分敏感指數(shù)累積函數(shù)，并對(duì)不同時(shí)間和空間的水分敏感指數(shù)進(jìn)行預(yù)報(bào)[10]。遲道才等通過(guò)田間試驗(yàn)方法探究水稻干物質(zhì)生長(zhǎng)規(guī)律，在此基礎(chǔ)上，利用水分生產(chǎn)函數(shù)建立了水稻動(dòng)態(tài)產(chǎn)量模型，結(jié)果表明模擬產(chǎn)量與實(shí)測(cè)產(chǎn)量吻合較好[11]。郭群善等建立了基于Jensen模型的冬小麥水分生產(chǎn)函數(shù)，并可以較好地分析冬小麥田間耗水量與產(chǎn)量關(guān)系[12]。彭致功等選用Jensen模型、Blank模型等5種常用的分階段水分生產(chǎn)函數(shù)模型對(duì)冬小麥耗水規(guī)律進(jìn)行分析，結(jié)果表明Stewart模型效果最好[13]。程衛(wèi)國(guó)等對(duì)水稻的研究則表明Jensen模型為最適合吉林省水稻生長(zhǎng)的水分生產(chǎn)函數(shù)[14]。

蒸散發(fā)是作物水分生產(chǎn)函數(shù)的重要輸入項(xiàng)。隨著遙感技術(shù)的不斷成熟，農(nóng)田蒸散發(fā)量可以通過(guò)遙感觀測(cè)的地表溫度、反射率等數(shù)據(jù)建立的蒸散發(fā)模型計(jì)算得到[15-18]。Yang等利用SEBAL模型對(duì)河套灌區(qū)2000－2010年蒸散發(fā)時(shí)空分布規(guī)律進(jìn)行模擬并取得較好的效果[19]。陳鶴等利用SEBS模型計(jì)算得到了位山灌區(qū)長(zhǎng)系列蒸散發(fā)數(shù)據(jù)，結(jié)果表明，采用遙感蒸散發(fā)模型能夠準(zhǔn)確地獲取地表蒸散發(fā)量[20]。遙感蒸散發(fā)模型已成為獲取大尺度蒸散發(fā)時(shí)空變化規(guī)律的主要手段。

盡管作物水分生產(chǎn)函數(shù)研究已取得一定進(jìn)展，但目前的研究多采用田間試驗(yàn)的方法獲取農(nóng)田蒸散發(fā)量，難以在區(qū)域尺度上進(jìn)行擴(kuò)展?；谶b感蒸散發(fā)和水分生產(chǎn)函數(shù)模型進(jìn)行作物估產(chǎn)的研究還相對(duì)較少。本文利用混合雙源模式的HTEM模型獲取河套灌區(qū)2003－2012年玉米生育期蒸散發(fā)量，選用Jensen模型、Blank模型和Stewart模型等3種常用的水分生產(chǎn)函數(shù)模型對(duì)河套灌區(qū)玉米產(chǎn)量進(jìn)行估算，并分析3種模型的模擬精度和適用性。將水分生產(chǎn)函數(shù)的應(yīng)用范圍擴(kuò)展至區(qū)域尺度，獲取河套灌區(qū)玉米產(chǎn)量的時(shí)空分布規(guī)律，為農(nóng)業(yè)水資源科學(xué)管理提供了依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古河套灌區(qū)（40.1°－41.4°N，106.1°－109.4°E），包含灌區(qū)內(nèi)4個(gè)主要行政區(qū)（臨河區(qū)、五原縣、磴口縣和杭錦后旗）（圖1）。河套灌區(qū)位于黃河中上游內(nèi)蒙古段北岸的沖積平原，是中國(guó)3個(gè)特大型灌區(qū)之一，同時(shí)也是中國(guó)重要的商品糧、油生產(chǎn)基地。該地區(qū)氣候?qū)儆诘湫偷闹袦貛Т箨懶约撅L(fēng)氣候，夏季高溫多雨，冬季寒冷干燥。年平均氣溫5.6～7.4 ℃，降水量少并且年內(nèi)分配不均，主要集中在6－9月，年平均降水量139.8～222.2 mm，且自東向西、自南向北遞減。蒸發(fā)量大，年蒸發(fā)量達(dá)2 000～2 400 mm。河套灌區(qū)地貌主要以平原為主，地勢(shì)整體呈西南高、東北低的特點(diǎn)（海拔高程1 028～1 062 m）。土地利用類型以農(nóng)田為主，河套灌區(qū)農(nóng)作物種植結(jié)構(gòu)十分復(fù)雜，主要以玉米、小麥和葵花為主要作物，兼種甜菜、胡麻等作物。

圖1 研究區(qū)位置

1.2 HTEM遙感蒸散發(fā)模型

HTEM模型建立了植被覆蓋度-地表溫度梯度特征空間模型，分別計(jì)算4個(gè)極限狀態(tài)（完全干燥的裸土狀態(tài)、完全干燥的植被完全覆蓋狀態(tài)、不受水分脅迫的植被完全覆蓋狀態(tài)、不受水分脅迫的裸土狀態(tài)）下的植被和土壤表面溫度，并通過(guò)線性插值求得任一植被覆蓋度和地表溫度組合條件下的植被和土壤組分的表面溫度。Yang等對(duì)比分析了3種雙源蒸散發(fā)模型（TSEB模型、MOD16模型、HTEM模型），并利用黑河流域通量觀測(cè)數(shù)據(jù)對(duì)模型精度進(jìn)行驗(yàn)證，結(jié)果表明，HTEM的模擬精度最高[21]。因此，本文采用Yang等建立的基于混合雙源模式的遙感蒸散發(fā)模型HTEM對(duì)灌區(qū)植被生長(zhǎng)季的蒸散發(fā)量進(jìn)行計(jì)算[22]。

1.3 玉米種植結(jié)構(gòu)遙感識(shí)別模型

玉米是河套灌區(qū)主要種植作物之一，河套灌區(qū)玉米的生長(zhǎng)周期從4月中下旬開(kāi)始，經(jīng)歷播種、三葉期、七葉期、拔節(jié)、抽穗、乳熟、成熟等各個(gè)階段，至10月上旬結(jié)束。遙感蒸散發(fā)模型反演得到各土地利用類型蒸散發(fā)量，為進(jìn)一步獲取玉米生育期內(nèi)日蒸散發(fā)量，需要對(duì)玉米種植結(jié)構(gòu)進(jìn)行識(shí)別。Jiang等利用NDVI植被指數(shù)和物候特征值建立特種空間的方法識(shí)別了研究區(qū)2003－2012年玉米種植面積空間分布[23]。識(shí)別結(jié)果表明平均相對(duì)誤差為20.53%，識(shí)別效果較為理想，因此本文采用Jiang等的識(shí)別結(jié)果作為玉米種植空間分布。由于河套灌區(qū)西南部的磴口縣玉米種植面積較少，本研究選取杭錦后旗、臨河區(qū)和五原縣3個(gè)行政區(qū)的玉米蒸散發(fā)量建立水分生產(chǎn)函數(shù)模型。

1.4 水分生產(chǎn)函數(shù)模型

作物水分生產(chǎn)函數(shù)可以很好地定量描述作物耗水與產(chǎn)量之間的關(guān)系。水分生產(chǎn)函數(shù)是直接將作物產(chǎn)量表示成作物生育階段（或全生育期）蒸散發(fā)量的函數(shù)，常用的水分生產(chǎn)函數(shù)模型有Jensen模型、Blank模型、Stewart模型[24]。

1）Jensen模型

Jensen模型是典型的相乘型水分生產(chǎn)函數(shù)的代表，具體表達(dá)式為

式中為實(shí)際產(chǎn)量，kg/hm2；Y為不受水分脅迫情況下的最大產(chǎn)量，即潛在產(chǎn)量，kg/hm2；為作物生育期總天數(shù)，天；為作物生育期內(nèi)的天數(shù)；ET為第天的實(shí)際蒸散發(fā)量，mm；ET為第天作物不受水分脅迫的最大蒸散發(fā)量，mm。λ為第天的水分敏感指數(shù)。

2）Blank模型

Blank模型是相加型模型的代表，在濕潤(rùn)、半濕潤(rùn)和半干旱地區(qū)的應(yīng)用效果均較理想。具體表達(dá)式為

3）Stewart模型

Stewart模型也是相加型水分生產(chǎn)函數(shù)模型，其在應(yīng)用水分敏感指數(shù)時(shí)，考慮了前一個(gè)階段水分虧缺的后效應(yīng)，其具體表達(dá)式為

水分生產(chǎn)函數(shù)的關(guān)鍵在于獲得作物水分敏感指數(shù)和充分灌水條件下的最大產(chǎn)量Y。王仰仁等采用Logistic曲線擬合得到了水分敏感指數(shù)的累計(jì)函數(shù)，并在冬小麥的產(chǎn)量估算中取得較為理想的效果[25]。韓松俊等在前人的基礎(chǔ)上提出了一種改進(jìn)的水分敏感指數(shù)累積曲線[26]，改進(jìn)后的水分敏感指數(shù)表達(dá)式如下所示

式中、、為待求系數(shù)；為作物生育期的總天數(shù)，d。對(duì)式（4）求一階導(dǎo)數(shù)可以得到水分敏感指數(shù)，其表達(dá)式為

3種水分生產(chǎn)函數(shù)中均需用到不受水分脅迫的最大蒸散發(fā)量ET，本研究中選取各行政區(qū)玉米蒸散發(fā)量的最大值認(rèn)為其完全不受水分脅迫，并將該最大值作為各縣的ET。本研究中假設(shè)對(duì)于一種特定的作物類型，在同一地區(qū)其水分敏感指數(shù)多年間保持不變，由于潛在產(chǎn)量Y主要受氣象條件影響，因此對(duì)于同一區(qū)域而言，Y存在年際間的變化。利用遙感蒸散發(fā)模型計(jì)算得到的蒸散發(fā)量序列和統(tǒng)計(jì)產(chǎn)量對(duì)參數(shù)向量（Y，，，）進(jìn)行多次迭代優(yōu)化求解，求得最理想的一組參數(shù)向量，目標(biāo)函數(shù)表達(dá)式如式（6）所示。

式中Y和Y分別為模擬產(chǎn)量和統(tǒng)計(jì)產(chǎn)量，kg/hm2；N為研究時(shí)段內(nèi)玉米蒸散發(fā)量與統(tǒng)計(jì)產(chǎn)量的組合，本研究中=30。

1.5 數(shù)據(jù)來(lái)源

本研究中遙感數(shù)據(jù)采用搭載在對(duì)地觀測(cè)衛(wèi)星TERRA上的中分辨率成像光譜儀MODIS所提供的地表反射率數(shù)據(jù)、地表溫度數(shù)據(jù)以及植被指數(shù)數(shù)據(jù)（https://ladsweb.modaps.eosdis.nasa.gov）。氣象數(shù)據(jù)及作物生長(zhǎng)發(fā)育物候資料來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn）。研究區(qū)各行政區(qū)玉米產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)來(lái)自巴彥淖爾市農(nóng)牧業(yè)局（http://nmyj.bynr.gov.cn）。

1.6 模型精度檢驗(yàn)

將采用最小二乘法獲得的各參數(shù)帶入水分生產(chǎn)函數(shù)模型，以該模型估算2003－2012年研究區(qū)各年玉米產(chǎn)量，并與統(tǒng)計(jì)產(chǎn)量進(jìn)行對(duì)比，檢驗(yàn)各水分生產(chǎn)函數(shù)模型的模擬精度。本研究采用平均相對(duì)誤差、平均絕對(duì)誤差以及相關(guān)系數(shù)對(duì)模擬效果進(jìn)行檢驗(yàn)[27]。

2 結(jié)果與分析

2.1 HTEM遙感蒸散發(fā)模型驗(yàn)證

根據(jù)河套灌區(qū)試驗(yàn)站點(diǎn)尺度觀測(cè)結(jié)果區(qū)域和尺度水量平衡方程對(duì)HTEM模型精度進(jìn)行驗(yàn)證，點(diǎn)尺度上，HTEM模型的計(jì)算結(jié)果與試驗(yàn)觀測(cè)結(jié)果的均方根誤差為0.52 mm/day，相對(duì)誤差為7.02%（圖2），在區(qū)域尺度上，采用水量平衡模型對(duì)HTEM蒸散發(fā)結(jié)果進(jìn)行驗(yàn)證，均方根誤差和相對(duì)誤差分別為26.21 mm和5.28 %[28]。

2.2 玉米生育期蒸散發(fā)規(guī)律分析

基于雙源蒸散發(fā)模型HTEM和玉米作物識(shí)別模型可以得到研究區(qū)2003－2012年玉米生育期內(nèi)蒸散發(fā)規(guī)律。研究區(qū)內(nèi)各行政區(qū)玉米年內(nèi)規(guī)律相似，本文以杭錦后旗為例，玉米蒸散發(fā)年內(nèi)變化規(guī)律如圖3所示。從年內(nèi)變化規(guī)律可以看出，杭錦后旗玉米平均生育期約為160 d，年內(nèi)呈單峰變化，生育期開(kāi)始階段日蒸散發(fā)量較小，平均為2 mm。隨著玉米生育期的不斷進(jìn)行，日蒸散發(fā)量隨之增加，并且在第200 d左右達(dá)到最大值，最大日蒸散發(fā)量為5 mm左右。

圖2 HTEM模型點(diǎn)尺度和區(qū)域尺度驗(yàn)證結(jié)果

圖3 杭錦后旗玉米蒸散發(fā)量變化

基于HTEM模型計(jì)算得到研究區(qū)2003－2012年間玉米生育期蒸散發(fā)量，年際變化結(jié)果如表1所示。

表1 研究區(qū)2003－2012年玉米蒸散發(fā)量計(jì)算結(jié)果

從多年平均玉米蒸散發(fā)量結(jié)果可以看出，蒸散發(fā)量最高的地區(qū)為杭錦后旗，達(dá)到536.44 mm，蒸散發(fā)量最低的地區(qū)為臨河區(qū)，年均蒸散發(fā)量為516.15 mm，五原縣玉米蒸散發(fā)量介于杭錦后旗和臨河區(qū)之間，年均525.53 mm。從年際變化結(jié)果來(lái)看，玉米蒸散發(fā)量年際變化較大，以五原縣為例，2003年玉米蒸散發(fā)量為10年間最高值，達(dá)到594.13 mm，研究時(shí)段內(nèi)玉米蒸散發(fā)量最小的年份發(fā)生在2008年，僅為474.27 mm。綜合來(lái)看，河套灌區(qū)玉米生育期內(nèi)蒸散發(fā)總量多年平均值約為526 mm。

上述三種肝硬變小結(jié)節(jié)，刀切有硬感。鏡檢：肝的正常小葉結(jié)構(gòu)消失變?yōu)榇笮〔坏鹊慕Y(jié)節(jié)，結(jié)節(jié)內(nèi)的中央靜脈偏位，肝細(xì)胞明顯排列紊亂，結(jié)節(jié)周圍有多少不等的肝細(xì)胞群。

2.3 水分生產(chǎn)函數(shù)計(jì)算結(jié)果

根據(jù)3種水分生產(chǎn)函數(shù)模型及遙感玉米蒸散發(fā)計(jì)算結(jié)果，通過(guò)優(yōu)化求解可得到適用于河套灌區(qū)玉米作物的水分敏感指數(shù)，計(jì)算結(jié)果見(jiàn)表2。

表2 河套灌區(qū)玉米水分敏感指數(shù)計(jì)算結(jié)果

從表2可以看出3種模型當(dāng)中參數(shù)和值較為接近，優(yōu)化求得參數(shù)值分別為1.22、1.17和1.10，參數(shù)值分別為4.97、5.00和5.00。從參數(shù)的優(yōu)化結(jié)果可以看出，Blank模型和Stewart模型結(jié)果較為接近，分別為2.70和2.76，Jensen模型參數(shù)的優(yōu)化結(jié)果為3.38。

3種水分生產(chǎn)函數(shù)模型產(chǎn)量模擬結(jié)果和模擬精度結(jié)果見(jiàn)表3和圖4。從圖4可以看出3種模型模擬河套灌區(qū)2003－2012年間玉米產(chǎn)量與統(tǒng)計(jì)產(chǎn)量吻合均較好。從精度評(píng)價(jià)指標(biāo)結(jié)果上來(lái)看，3種水分生產(chǎn)函數(shù)模型的模擬精度均較高。從3種水分生產(chǎn)函數(shù)模型模擬的平均相對(duì)誤差來(lái)看，Stewart模型最小，平均相對(duì)誤差為4.30%，Jensen模型的平均相對(duì)誤差最大，達(dá)到4.47%。另外，從平均絕對(duì)誤差來(lái)看，同樣是Stewart模型誤差最小，僅為446.33 kg/hm2，而Jensen模型最大，平均絕對(duì)誤差為463.95 kg/hm2。3種水分生產(chǎn)函數(shù)模型模擬玉米產(chǎn)量與統(tǒng)計(jì)產(chǎn)量的相關(guān)系數(shù)均較高，其中Jensen模型相關(guān)系數(shù)為0.74，Blank模型和Stewart模型的相關(guān)系數(shù)均為0.75。

表3 3種水分生產(chǎn)函數(shù)模擬精度結(jié)果

圖4 3種水分生產(chǎn)函數(shù)模型模擬結(jié)果

綜合來(lái)看，Jensen模型、Blank模型和Stewart模型模擬的河套灌區(qū)2003－2012年玉米產(chǎn)量均具有較高的精度。其中平均相對(duì)誤差、平均絕對(duì)誤差和相關(guān)系數(shù)等精度評(píng)價(jià)指標(biāo)來(lái)看，Stewart模型在3種模型中的精度最高。研究結(jié)果表明，基于遙感作物識(shí)別模型、遙感蒸散發(fā)模型和水分生產(chǎn)函數(shù)模型建立河套灌區(qū)玉米作物估產(chǎn)模型能夠取得較高的模擬精度。

2.4 基于Stewart模型的玉米產(chǎn)量時(shí)空分布結(jié)果

基于3種水分生產(chǎn)函數(shù)參數(shù)擬合結(jié)果，選取Stewart模型對(duì)研究區(qū)玉米種植區(qū)域產(chǎn)量進(jìn)行模擬，統(tǒng)計(jì)計(jì)算產(chǎn)量見(jiàn)表4。從2003－2012年玉米計(jì)算產(chǎn)量結(jié)果可以看出，杭錦后旗、臨河區(qū)和五原縣3個(gè)區(qū)域基于水分生產(chǎn)函數(shù)計(jì)算得到的多年平均玉米產(chǎn)量分別為10 352.68、10 104.11和10 071.20 kg/hm2。其中計(jì)算產(chǎn)量最高和最低的年份分別為2003年和2007年，對(duì)比不同行政區(qū)可知，杭錦后旗產(chǎn)量最高，五原縣玉米產(chǎn)量最低。從水分生產(chǎn)函數(shù)模型模擬精度來(lái)看，與統(tǒng)計(jì)產(chǎn)量相比，杭錦后旗相對(duì)誤差變化范圍為1.52%～11.84%，臨河區(qū)相對(duì)誤差變化范圍為0.03%～5.28%，五原相對(duì)誤差變化范圍為0.45%～14.49%，臨河區(qū)計(jì)算產(chǎn)量與統(tǒng)計(jì)產(chǎn)量誤差最小，精度最高，五原縣計(jì)算產(chǎn)量與統(tǒng)計(jì)產(chǎn)量相比精度最低。

與其他學(xué)者的研究成果對(duì)比分析，蘇濤等利用光能利用效率對(duì)類似地區(qū)2011年玉米產(chǎn)量進(jìn)行估計(jì)[29]，得到玉米產(chǎn)量為8 900 kg/hm2，并指出該模型估產(chǎn)結(jié)果偏小，調(diào)查得到該區(qū)域多年平均產(chǎn)量為10 025 kg/hm2。本研究中，利用Stewart模型估算得到的2011年相關(guān)地區(qū)玉米產(chǎn)量為10 710.15 kg/hm2，相對(duì)誤差為4.21%，可以從側(cè)面佐證本研究利用遙感蒸散發(fā)建立水分生產(chǎn)函數(shù)模型估產(chǎn)結(jié)果的可靠性。Yu等利用NDVI植被指數(shù)時(shí)間序列建立河套灌區(qū)玉米產(chǎn)量估算模型，并估算河套灌區(qū)2010－2015年各縣的玉米產(chǎn)量[30]，與本研究Stewart模型估算玉米產(chǎn)量的結(jié)果對(duì)比，平均絕對(duì)誤差為593.65 kg/hm2。綜合分析可以看出，基于水分生產(chǎn)函數(shù)模型建立的產(chǎn)量估算模型結(jié)果具有一定的可靠性。

表4 Stewart模型2003－2012年玉米計(jì)算產(chǎn)量和統(tǒng)計(jì)產(chǎn)量

從空間分布來(lái)看，整個(gè)研究區(qū)域南部玉米產(chǎn)量較高，北部產(chǎn)量較低（圖5）。分析玉米產(chǎn)量空間差異的原因可能是由于南部靠近黃河，水分脅迫較北部小，玉米長(zhǎng)勢(shì)較好，而北部水分脅迫較嚴(yán)重，玉米產(chǎn)量較低。分析不同行政區(qū)可知，杭錦后旗玉米產(chǎn)量呈現(xiàn)出西北部較低，東南部較高的趨勢(shì)。臨河區(qū)玉米種植面積較大，是主要的玉米種植區(qū)，且產(chǎn)量空間分布呈現(xiàn)出南部高于北部的特征。五原縣玉米種植面積年際變化較大，并有逐年減小的趨勢(shì)，該縣玉米產(chǎn)量多集中在9 000～10 000 kg/hm2范圍內(nèi)。

圖5 2003－2012年玉米產(chǎn)量空間分布結(jié)果

蒸散發(fā)量與玉米產(chǎn)量的關(guān)系見(jiàn)圖6。由于10年間玉米種植面積最大的年份為2012年，因此，本文利用2012年計(jì)算得到的玉米蒸散發(fā)量與玉米產(chǎn)量數(shù)據(jù)進(jìn)行蒸散發(fā)與產(chǎn)量的關(guān)系研究，可以看出蒸散發(fā)量與產(chǎn)量之間存在明顯的相關(guān)關(guān)系，2達(dá)到0.79，說(shuō)明蒸散發(fā)量是玉米產(chǎn)量的重要影響因子。除水分之外，產(chǎn)量還受光照、土壤等因素影響，今后可進(jìn)一步開(kāi)展產(chǎn)量影響因素的深入研究。

圖6 蒸散發(fā)與玉米產(chǎn)量關(guān)系

3 結(jié) 論

本文結(jié)合遙感作物識(shí)別模型和遙感蒸散發(fā)HTEM模型得到的河套灌區(qū)2003－2012年玉米生育期蒸散發(fā)規(guī)律，并利用3種常見(jiàn)的水分生產(chǎn)函數(shù)模型對(duì)研究區(qū)玉米產(chǎn)量進(jìn)行估算并對(duì)模型模擬精度進(jìn)行評(píng)價(jià)。綜合上述結(jié)果得到如下結(jié)論：

1）研究區(qū)玉米生育期內(nèi)日蒸散發(fā)量變化呈現(xiàn)單峰曲線變化趨勢(shì)，玉米全生育期約為160～170 d，生育期初期日蒸散發(fā)量約為2 mm，蒸散發(fā)量在日序數(shù)第200天左右達(dá)到峰值，最大日蒸散發(fā)量約為5 mm。

2）研究區(qū)玉米生育期蒸散發(fā)總量既存在年際間的變化，又存在空間上的差異。研究區(qū)玉米多年平均蒸散發(fā)量約為526 mm。

3）Jensen模型、Blank模型和Stewart模型模擬的河套灌區(qū)2003－2012年玉米產(chǎn)量均具有較高的精度，其中Stewart模型的精度最高，平均相對(duì)誤差4.30%，相關(guān)系數(shù)為0.75。Stewart模型在河套灌區(qū)玉米產(chǎn)量模擬上具有更好的適用性。因此，基于遙感蒸散發(fā)模型、作物識(shí)別模型和水分生產(chǎn)函數(shù)進(jìn)行灌區(qū)尺度農(nóng)作物產(chǎn)量估算是可行的。

[1] 吳普特，馮浩. 中國(guó)節(jié)水農(nóng)業(yè)發(fā)展戰(zhàn)略初探[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21(6)：152－157.

Wu Pute, FengHao. Discussion of the development strategy of water saving agriculture in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(6): 152－157. (in Chinese with English abstract)

[2] 段愛(ài)旺，張寄陽(yáng). 中國(guó)灌溉農(nóng)田糧食作物水分利用效率的研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2000，16(4)：41－44.

DuanAiwang, Zhang Jiyang. Water use efficiency of grain crops in irrigated farmland in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2000, 16(4): 41－44. (in Chinese with English abstract)

[3] 沈榮開(kāi)，張瑜芳，黃冠華. 作物水分生產(chǎn)函數(shù)與農(nóng)田非充分灌溉研究評(píng)述[J]. 水科學(xué)進(jìn)展，1995(3)：248－254.

Shen Rongkai, Zhang Yufang, Huang Guanhua. A review of crop-water production functions and problem of irrigation with inadequate water supply[J]. Advances in Water Science, 1995(3): 248－254. (in Chinese with English abstract)

[4] Hatfield J L. Remote sensing estimators of potential and actual crop yield[J]. Remote Sensing of Environment, 1983, 13(4): 301－311.

[5] Mo Xingguo, Liu Suxia, Lin Zhonghui, et al. Prediction of crop yield, water consumption and water use efficiency with a SVAT-crop growth model using remotely sensed data on the North China Plain[J]. Ecologicla Modelling, 2005, 183(2): 301－322.

[6] Bastiaanssen W G M, Molden D J, Makin I W. Remote sensing for irrigated agriculture: Examples from researchand possible applications[J]. Agricultural Water Management, 2000, 46(2): 137－155.

[7] 劉昌明，周長(zhǎng)青，張士鋒，等. 小麥水分生產(chǎn)函數(shù)及其效益的研究[J]. 地理研究，2005，24(1)：1－10.

Liu Changming, Zhou Changqing, Zhang Shifeng, et al. Study on water production function and efficiency of wheat. Geographical Research, 2005, 24(1): 1－10. (in Chinese with English abstract)

[8] 叢振濤，周智偉，雷志棟. Jensen模型水分敏感指數(shù)的新定義及其解法[J]. 水科學(xué)進(jìn)展，2002，13(6)：730－735.

Cong Zhentao, Zhou Zhiwei, Lei Zhidong. New definition and computation on the water sensitive index in Jensen model[J]. Advances in Water Science, 2002, 13(6): 730－735. (in Chinese with English abstract)

[9] 茆智，崔遠(yuǎn)來(lái)，李遠(yuǎn)華. 水稻水分生產(chǎn)函數(shù)及其時(shí)空變異理論與應(yīng)用[M]. 北京：科學(xué)出版社，2003.

[10] 崔遠(yuǎn)來(lái)，茆智，李遠(yuǎn)華. 水稻水分生產(chǎn)函數(shù)時(shí)空變異規(guī)律研究[J]. 水科學(xué)進(jìn)展，2002，13(4)：484－491.

Cui Yuanlai, Mao Zhi, Li Yuanhua. Study on temporal and spatial variation of rice water production function. Advances in Water Science, 2002, 13(4): 484－491. (in Chinese with English abstract)

[11] 遲道才，王瑄，夏桂敏，等. 北方水稻動(dòng)態(tài)水分生產(chǎn)函數(shù)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，20(3)：30－34.

Chi Daocai, Wang Xuan, Xia Guimin, et al. Dynamic water production function for rice in North China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(3): 30－34. (in Chinese with English abstract)

[12] 郭群善，雷志棟，楊詩(shī)秀. 冬小麥水分生產(chǎn)函數(shù)Jensen模型敏感指數(shù)的研究[J]. 水科學(xué)進(jìn)展，1996，7(1)：20－25.

Guo Qunshan, Lei Zhidong, Yang Shixiu. Senstive index of Jensen’s water production function model of wheat[J]. Advances in Water Science, 1996, 7(1): 20－25. (in Chinese with English abstract)

[13] 彭致功，劉鈺，許迪，等. 基于RS數(shù)據(jù)和GIS方法的冬小麥水分生產(chǎn)函數(shù)估算[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(8)：164－171.

Peng Zhigong, Liu Yu, Xu Di, et al. Estimation of regional water product function for winter wheat using remote sensing and GIS[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(8): 164－171. (in Chinese with English abstract)

[14] 程衛(wèi)國(guó)，盧文喜，安永凱. 吉林省水稻水分生產(chǎn)函數(shù)模型的適應(yīng)性研究[J]. 灌溉排水學(xué)報(bào)，2015，34(2)：61－66.

Cheng Weiguo, Lu Wenxi, AnYongkai. Adaptability of water production function models for rice in Jilin province[J]. Journal of Irrigation and Drainage, 2015, 34(2): 61－66. (in Chinese with English abstract)

[15] Bastiaanssen W G M, Pelgrum H, Wang J, et al. A remote sensing surface energy balance algorithm for land (SEBAL): Part 2: Validation[J]. Journal of Hydrology, 1998, 212(1/2/3/4): 213－229.

[16] Norman J M, Kustas W P, Humes K S. Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature[J]. Agricultural and Forest Meteorology, 1995, 77(3): 263－293.

[17] Timmermans W J, Kustas W P M, Anderson M C, et al. An intercomparison of the Surface Energy Balance Algorithm for Land (SEBAL) and the Two-Source Energy Balance (TSEB) modeling schemes[J]. Remote Sensing of Environment, 2007, 108(4): 369－384.

[18] Su Zhongbo. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology & Earth System Sciences, 2002, 6(1): 85－99.

[19] Yang Yuting, Shang Songhao, Jiang Lei. Remote sensing temporal and spatial patterns of evapotranspiration and the responses to water management in a large irrigation district of North China[J]. Agricultural & Forest Meteorology, 2012, 164(8): 112－122.

[20] 陳鶴，楊大文，劉鈺，等. 基于遙感模型的華北平原農(nóng)田區(qū)蒸散發(fā)量估算[J]. 灌溉排水學(xué)報(bào)，2014，33(z1)：21－25.

Chen He, Yang Dawen, Liu Yu, et al. Cropland evapotranspiration estimation based on remote sensing model in the North China Plain. Journal of Irrigation and Drainage, 2014, 33(z1): 21－25. (in Chinese with English abstract)

[21] Yang Yuting, Long Di, Guan Huade, et al. Comparison of three dual-source remote sensing evapotranspiration models during the MUSOEXE-12 campaign: Revisit of model physics[J]. Water Resources Research, 2015, 51(5): 3145－3165.

[22] Yang Yuting, Shang Songhao. A hybrid dual-source scheme and trapezoid framework-based evapotranspiration model (HTEM) using satellite images: Algorithm and model test[J]. Journal of Geophysical Research-Atmospheres, 2013, 118(5): 2284－2300.

[23] Jiang Lei, Shang Songhao, Yang Yuting, et al. Mapping interannual variability of maize cover in a large irrigation district using a vegetation index–phenological index classifier[J].Computers & Electronics in Agriculture, 2016, 123: 351－361.

[24] 周智偉，尚松浩，雷志棟. 冬小麥水肥生產(chǎn)函數(shù)的Jensen模型和人工神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用[J]. 水科學(xué)進(jìn)展，2003，14(3)：280－284.

Zhou Zhiwei, Shang Songhao, Lei Zhidong. Jensen model and ANN model for water-fertilizer production function of winter whear[J]. Advances in Water Science, 2003, 14(3): 280－284. (in Chinese with English abstract)

[25] 王仰仁，雷志棟，楊詩(shī)秀. 冬小麥水分敏感指數(shù)累積函數(shù)研究[J]. 水利學(xué)報(bào)，1997(5)：28－34.

Wang Yangren, Lei Zhidong, Yang Shixiu. Cumulative function of sensitive index for winter wheat[J]. Journal of Hydraulic Engineering, 1997(5): 28－34. (in Chinese with English abstract)

[26] 韓松俊，王靜，劉群昌，等. 三種作物水分生產(chǎn)函數(shù)模型的適用性比較[J]. 灌溉排水學(xué)報(bào)，2009，28(4)：10－13.

Han Songjun, Wang Jing, Liu Qunchang, et al. Evaluation of the applicability of three crop water production functions. Journal of Irrigation and Drainage, 2009, 28(4): 10－13. (in Chinese with English abstract)

[27] 馮紹遠(yuǎn)，羅遵蘭，左海萍. 河北省冬小麥水分生產(chǎn)函數(shù)模型初步分析[J]. 灌溉排水學(xué)報(bào)，2005，24(4)：58－61.

Feng Shaoyuan, Luo Zunlan, Zuo Haiping. The study of water product function of winter wheat in Hebei Province[J]. Journal of Irrigation and Drainage, 2005, 24(4): 58－61. (in Chinese with English abstract)

[28] 蔣磊. 干旱區(qū)灌區(qū)尺度灌溉及作物水分利用效率遙感評(píng)價(jià)方法[D]. 北京：清華大學(xué)，2016.

Jiang lei. Remote Sensing-based Evaluation of Irrigation Efficiency and Crop Water Use Efficiency Over Irrigation District in Arid Region[D]. Beijing: Tsinghua University, 2016 (in Chinese with English abstract)

[29] 蘇濤，馮紹元，徐英. 基于光能利用效率和多時(shí)相遙感的春玉米估產(chǎn)模型[J]. 遙感技術(shù)與應(yīng)用，2013，28(5)：824－830.

Su Tao, Feng Shaoyuan, Xu Ying. Spring maize yield estimation based on radiation use efficiency and multi-temporal remotely sensed data[J]. Remote Sensing Technology and Application, 2013, 28(5): 824－830. (in Chinese with English abstract)

[30] Yu Bing, Shang Songhao. Multi-year mapping of major crop yields in an irrigation district from high spatial and temporal resolution vegetation index[J]. Sensors, 2018, 18(11): 3787－3801.

Method of regional crop yield estimation based on remote sensing evapotranspiration model

Jiang Lei1,2, Shang Songhao2※, Yang Yuting2, Wang Yangren1

(1.300384,;2.,,100084,)

Crop yield estimation over irrigation district is important for evaluation of water use efficiency and agricultural water management. The development of remote sensing technology provides an effective way to estimate crop yield at regional scale. In this paper, Hetao Irrigation District in Inner Mongolia, a representative irrigation district in arid region, was taken as the study region. Three counties (Linhe, Wuyuan and Hangjinhouqi) in Hetao Irrigation District were selected as the study area, where occupied most farmland in Hetao Irrigation District. Maize was the major crops in the study area. Maize daily evapotranspiration during growing period over Hetao Irrigation District was obtained based on remote sensed evapotranspiration model (HTEM) and remote sensed crop classification model fed with MODIS data from 2003—2012. The HTEM model was established from hybrid dual-source scheme and trapezoid framework and crop classification model was based on NDVI time series and phenology. These two models had been tested with experimental data and statistical data. On these bases, three water production functions, Jensen function, Blank function and Stewart function, were selected for the establishment of maize yield estimation model. Jensen function is a product model, while Blank function and Stewart function are both summation models. The parameters and applicability of the yield estimation models were also analyzed in this study. Results showed that, the HTEM model was capable of estimating evapotranspiration in this region with relative error of 7.02% and root mean square error (RMSE) of 0.52 mm/day at site scale, respectively. The relative error and RMSE based on water balance model at region scale were 5.28% and 26.21 mm, respectively. The annual change of the maize actual evapotranspiration was in single-peak type, and the peak value occurred on late July with daily evapotranspiration of approximately 5 mm. The growth period of maize was 160-170 days. The annual average evapotranspiration of maize during growth period was approximately 526 mm. The results also showed that three water production functions had good performance in maize yield estimation with high accuracy during 2003－2012. The Stewart function had the highest accuracy, with relative error of 4.30% and correlation coefficient of 0.75. The relative error of Jensen function and Blank function were 4.47% and 4.36%, and the correlation coefficient of Jensen function and Blank function were 0.74 and 0.75, respectively. The average maize yield from 2003－2012 estimated by three water production functions were 10 185.82 kg/hm2(Jensen function), 10 176.58 kg/hm2(Blank function) and 10 176.00 kg/hm2(Stewart function), respectively. As a result, the Stewart function had the best performance in Hetao Irrigation District. The three parameters of Stewart function were also fitted with=1.1,=2.76 and=5.0. The spatial distribution of maize yield estimated by Stewart function showed that the northern part of study area have the lowest maize yield and the highest maize yield occurred in southern part of study area. The interannual variation of maize yield indicated that the lowest yield and highest yield during the study period occurred in 2007 and 2003, respectively. Moreover, the study indicated that remote sensing data and remote sensed evapotranspiration model and remote sensed crop classification model were feasible to estimate maize yield over Hetao Irrigation District.

remote sensing; models; evapotranspiration; water production function; yield; Hetao Irrigation District

2019-02-22

2019-06-18

國(guó)家自然科學(xué)基金資助項(xiàng)目（51479090，5177911，51839006）

蔣 磊，博士，主要從事農(nóng)業(yè)水分利用效率評(píng)價(jià)研究。Email：jianglei0709080411@yeah.net

尚松浩，博士，博士生導(dǎo)師，主要從事農(nóng)業(yè)水文水資源與生態(tài)用水研究。Email：shangsh@tsinghua.edu.cn。

10.11975/j.issn.1002-6819.2019.14.011

S271

A

1002-6819(2019)-14-0090-08

蔣 磊，尚松浩，楊雨亭，王仰仁. 基于遙感蒸散發(fā)的區(qū)域作物估產(chǎn)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(14)：90－97. doi：10.11975/j.issn.1002-6819.2019.14.011 http://www.tcsae.org

Jiang Lei, Shang Songhao, Yang Yuting, Wang Yangren. Method of regional crop yield estimation based on remote sensing evapotranspiration model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14): 90－97. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.14.011 http://www.tcsae.org