李中元，鄭正彬，林博文，唐 錳，蔡祎晨，王新生※，汪權(quán)方，陳志杰

（1.湖北大學(xué)資源環(huán)境學(xué)院，武漢 430062；2.區(qū)域開(kāi)發(fā)與環(huán)境響應(yīng)湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430062；3.湖北省農(nóng)業(yè)遙感應(yīng)用工程技術(shù)研究中心，武漢 430062）

0 引言

發(fā)展地方特色產(chǎn)業(yè)是鄉(xiāng)村振興的強(qiáng)大生命力，對(duì)加強(qiáng)當(dāng)?shù)刈匀毁Y源的保護(hù)并促進(jìn)其有效利用發(fā)揮著重要作用[1]。鄉(xiāng)村特色產(chǎn)業(yè)中尤以種植業(yè)為代表，現(xiàn)有產(chǎn)業(yè)種植區(qū)域的快速獲取及其適宜性區(qū)域的準(zhǔn)確分析與預(yù)測(cè)，對(duì)產(chǎn)業(yè)的健康可持續(xù)發(fā)展有著重要意義[2]。

我國(guó)水果種植規(guī)模與產(chǎn)量位居世界前列，桃樹(shù)的種植比例約占8.4%，黃桃作為桃樹(shù)的一個(gè)亞屬，在我國(guó)分布較為廣泛。由于其富含α-胡蘿卜素、β-胡蘿卜素等氧化劑及多種人體所需的氨基酸，不但具有良好的食用價(jià)值和營(yíng)養(yǎng)價(jià)值，而且還具有提高免疫力，延緩衰老，降低血糖血脂等功效，近年來(lái)備受人們的喜愛(ài)和關(guān)注[3]。黃桃的大量種植可以美化環(huán)境、涵養(yǎng)水土、調(diào)節(jié)氣候，果業(yè)與旅游業(yè)更是能夠推動(dòng)當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展[4]。

合理利用土地資源，實(shí)現(xiàn)果業(yè)可持續(xù)發(fā)展，已經(jīng)成為全球社會(huì)共同關(guān)注的問(wèn)題[5]。目前的黃桃種植區(qū)分布廣泛且過(guò)于分散，傳統(tǒng)的果樹(shù)種植面積調(diào)查大多是采用人工測(cè)量、統(tǒng)計(jì)抽樣的方法，效率低，時(shí)效性較差，且工作量大。遙感技術(shù)具有時(shí)效性高，成本低等優(yōu)點(diǎn)，被廣泛應(yīng)用于土地利用分類、作物種植提取等研究中并取得良好效果[6-8]。如徐新剛[9]等利用高分辨率遙感影像提取作物種植面積。姚紅巖[10]等基于高分辨率遙感影像結(jié)合互花米草與蘆葦?shù)奈锖虿町惻c光譜特征，運(yùn)用實(shí)測(cè)剖面觀測(cè)數(shù)據(jù)確定光譜指標(biāo)和閾值綜合提取濕地互花米草與蘆葦混合交錯(cuò)帶。姬興輝[11]團(tuán)隊(duì)利用遙感評(píng)估贛南油茶種植區(qū)域適宜性并為當(dāng)?shù)卦摦a(chǎn)業(yè)的發(fā)展提供科學(xué)參考依據(jù)。遙感在果樹(shù)等經(jīng)濟(jì)作物的應(yīng)用也比較廣泛，如邢東興[12]利用逐月高分影像探尋石榴樹(shù)遙感辨識(shí)的最佳時(shí)相，楊屹鹍[13]將國(guó)產(chǎn)高分一號(hào)(GF-1)衛(wèi)星結(jié)合Landsat-8 衛(wèi)星進(jìn)行香梨種植面積的提取，Anderson[14]等以遙感樹(shù)木光譜結(jié)合機(jī)器視覺(jué)估算果園的收割前水果負(fù)荷并使用高分辨率衛(wèi)星圖像估算其指數(shù)，Yaohui Zhu[15]等采用時(shí)間序列遙感數(shù)據(jù)反演現(xiàn)有各果園的連續(xù)生長(zhǎng)年齡。吳愈鋒[16]等以多源遙感技術(shù)提取湄潭縣全縣茶葉種植信息，結(jié)合實(shí)地地質(zhì)調(diào)查成果，利用GIS平臺(tái)展開(kāi)對(duì)茶葉潛在適生區(qū)的探索。由于哨兵二號(hào)(S2A)衛(wèi)星空間分辨率較高分一號(hào)和Landsat-8遙感衛(wèi)星空間分辨率高且具有高重訪周期的環(huán)境監(jiān)測(cè)能力[17]，這為黃桃種植區(qū)的精準(zhǔn)識(shí)別提供了很好的契機(jī)，同時(shí)也為特色產(chǎn)業(yè)潛在適生區(qū)的預(yù)測(cè)提供了數(shù)據(jù)基礎(chǔ)。

種植業(yè)的發(fā)展往往受到水、土、氣、熱、地形等多種條件的影響。因地制宜、因時(shí)適宜是特色產(chǎn)業(yè)能夠健康發(fā)展和推廣的關(guān)鍵所在，需要進(jìn)行準(zhǔn)確的分析預(yù)測(cè)。在眾多種植適宜性預(yù)測(cè)模型中[18,19]，MaxEnt模型在模擬病蟲(chóng)害的傳播，估計(jì)瀕危動(dòng)植物潛在生境質(zhì)量[20]，評(píng)估入侵物種風(fēng)險(xiǎn)[21]，預(yù)測(cè)作物適宜生境[22]等均表現(xiàn)出良好效果。如Zhihang Zhuo[23]利用MaxEnt 結(jié)合GIS 分析得到全國(guó)范圍花椒的生境適宜區(qū)。Touraj[24]等利用MaxEnt并結(jié)合土地利用預(yù)測(cè)模型模擬野生動(dòng)物和生物的適宜性，根據(jù)生態(tài)系統(tǒng)服務(wù)功能劃分保護(hù)重點(diǎn)，并模擬未來(lái)土地利用或土地覆被的變化，為保護(hù)生物多樣性提供建議。以往對(duì)適宜區(qū)預(yù)測(cè)所需樣點(diǎn)數(shù)據(jù)主要來(lái)源于全球生物多樣性數(shù)據(jù)庫(kù)（https://www.gbif.org/），但該網(wǎng)站的種質(zhì)資源數(shù)據(jù)時(shí)效性不強(qiáng)，部分資源數(shù)據(jù)只能精確到“屬”級(jí)別，“桃屬”種植樣點(diǎn)雖然豐富，但“種”一級(jí)的黃桃分布樣點(diǎn)極少，這就給黃桃潛在適生區(qū)的預(yù)測(cè)造成了一定限制。因此，文章使用哨兵二號(hào)衛(wèi)星影像數(shù)據(jù)，先提取黃桃種植區(qū)域，在此基礎(chǔ)上結(jié)合影響黃桃生長(zhǎng)的各類環(huán)境變量，利用最大熵模型MaxEnt 對(duì)黃桃在江漢平原的潛在適生區(qū)進(jìn)行分析預(yù)測(cè)，力圖為特色產(chǎn)業(yè)的種植與發(fā)展提供完整的技術(shù)體系，并為當(dāng)?shù)剜l(xiāng)村振興及產(chǎn)業(yè)布局與發(fā)展提供決策依據(jù)。

1 研究區(qū)概況

三湖農(nóng)場(chǎng)，位于江漢平原四湖地區(qū)湖北省江陵縣境內(nèi)，空間分布范圍為112°44'E～115°44'E,29°54'N ～30°39'N（圖1）。始建于1960 年9 月，國(guó)土面積61km2，其中耕地33.3km2、林地11.33km2、精養(yǎng)魚(yú)池1.33km2，總?cè)丝?.5萬(wàn)人，下轄3個(gè)生產(chǎn)大隊(duì)26個(gè)生產(chǎn)小組。是湖北省農(nóng)業(yè)現(xiàn)代化首批試點(diǎn)單位，該地區(qū)屬亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)，具有四季分明、熱量豐富、光照適宜、雨水充沛、雨熱同期，無(wú)霜期長(zhǎng)等特點(diǎn)。全年日照時(shí)數(shù)1 827～1 897h、平均氣溫16～16.4℃、無(wú)霜期252～262d、平均降水量900～1 100mm[25]。地質(zhì)地貌pH以中性、微酸性為主，耕地中有機(jī)質(zhì)平均含量為5.4%；全氮含量平均為0.363%。農(nóng)作物類型主要包括水稻、棉花、黃桃等。得天獨(dú)厚的氣候和自然環(huán)境非常適合黃桃的生長(zhǎng)，其種植面積約667hm2（1 萬(wàn)畝）左右，占耕地面積的20.1%，目前黃桃已發(fā)展成為當(dāng)?shù)氐奶厣a(chǎn)業(yè)。該實(shí)驗(yàn)區(qū)無(wú)論是地理環(huán)境，還是產(chǎn)業(yè)特色，都具有較強(qiáng)的代表性。

圖1 研究區(qū)范圍及樣本點(diǎn)分布

2 數(shù)據(jù)與材料

2.1 遙感數(shù)據(jù)

該次使用的影像數(shù)據(jù)為2019年2—8月的Sentinel-2號(hào)衛(wèi)星影像，來(lái)源于歐空局，Sentinel-2號(hào)衛(wèi)星攜帶一枚多光譜成像儀(MSI)對(duì)植被、土壤具有良好的成像功能，Sentinel-2A 與Sentinel-2B 兩顆衛(wèi)星互補(bǔ)，重訪周期為5d，通過(guò)（歐空局https://scihub.copernicus.eu/）進(jìn)行免費(fèi)下載。在光學(xué)數(shù)據(jù)中，該衛(wèi)星含有3個(gè)對(duì)植被監(jiān)測(cè)及其重要紅邊范圍的波段。該文使用的是Sentinel-2 號(hào)衛(wèi)星L1C 級(jí)品，L1C 是經(jīng)過(guò)正射校正和幾何精校正的大氣表觀反射率產(chǎn)品，并沒(méi)有進(jìn)行大氣校正，利用歐空局提供的插件Sen2cor對(duì)該數(shù)據(jù)進(jìn)行大氣校正和輻射定標(biāo)。經(jīng)處理后L2A 主要包含經(jīng)過(guò)大氣校正的大氣底層反射率數(shù)據(jù)，該文主要使用其藍(lán)、綠、紅以及近紅外4個(gè)波段[26]。

2.2 黃桃地面樣點(diǎn)數(shù)據(jù)

2019 年開(kāi)展野外實(shí)地調(diào)查，利用無(wú)人機(jī)航拍以及地面GPS 記錄，共獲得建筑、水體、黃桃、林地、農(nóng)田樣點(diǎn)共500個(gè)，其中黃桃樣點(diǎn)100個(gè)。將所得的黃桃樣點(diǎn)數(shù)據(jù)按照種名、經(jīng)度和緯度順序存于excel表中然后另存為（.csv）格式。

2.3 環(huán)境變量數(shù)據(jù)

氣象因子來(lái)源于世界氣候數(shù)據(jù)庫(kù)(https://www.worldclim.org/)，高程數(shù)據(jù)來(lái)源于United States Geological Survey （USGS）網(wǎng)址(http://glovis.usgs.gov/)，其中坡度、坡向由DEM 數(shù)據(jù)計(jì)算獲得；土壤因子來(lái)自世界土壤數(shù)據(jù)庫(kù)(http://webarchive.iiasa.ac.at/)，中國(guó)地圖與中國(guó)省級(jí)行政區(qū)劃圖（1∶400 萬(wàn)）來(lái)源于國(guó)家基礎(chǔ)地理信息系統(tǒng)網(wǎng)站（http://nfgis.nsdi.gov.cn/）該文共選取了植被因子、氣象因子、地形因子、土壤因子等共計(jì)4類18種環(huán)境變量，環(huán)境變量數(shù)據(jù)統(tǒng)一選自2015 年用于研究（表1）。

表1 潛在適生區(qū)預(yù)測(cè)環(huán)境變量

3 研究方法

將2019 年2—8 月三湖農(nóng)場(chǎng)逐月時(shí)間序列遙感衛(wèi)星影像數(shù)據(jù)經(jīng)過(guò)輻射定標(biāo)，正射幾何校正、影像配準(zhǔn)等預(yù)處理流程，利用哨兵二號(hào)的藍(lán)、綠、紅、近紅，4 個(gè)波段，計(jì)算其歸一化植被指數(shù)（Normal‐ized Difference Vegetation Index，NDVI）、歸一化水體差異指數(shù)（Normalized Dif‐ference Water Index，NDWI）、比值植被指數(shù)（Ratio Vegetation Index，RVI）。根據(jù)現(xiàn)有各類地物樣點(diǎn)數(shù)據(jù)提取各類地物不同時(shí)期植被指數(shù)并制作時(shí)間序列折線圖，選取圖中黃桃等地物兩兩間指數(shù)差異較為明顯的3月份桃花開(kāi)花時(shí)期影像，利用隨機(jī)森林算法進(jìn)行分類，以2019年野外實(shí)地監(jiān)測(cè)地面樣點(diǎn)等輔助數(shù)據(jù)計(jì)算其混淆矩陣求得精度評(píng)價(jià)。在生成的黃桃分布區(qū)選取100 個(gè)隨機(jī)樣本點(diǎn)，結(jié)合野外獲取的100 個(gè)黃桃樣點(diǎn)組成樣點(diǎn)數(shù)據(jù)集導(dǎo)入最大熵模型MaxEnt，對(duì)黃桃潛在適生區(qū)進(jìn)行預(yù)測(cè)（圖2）。

圖2 黃桃種植區(qū)提取及其適生區(qū)預(yù)測(cè)技術(shù)路線

3.1 植被指數(shù)計(jì)算

使用藍(lán)band2、綠band3、紅band4、近紅外band8，4 個(gè)波段分別構(gòu)建歸一化植被指數(shù)，歸一化差異水體指數(shù)，比值植被指數(shù)[27,28]。用于區(qū)分建筑、水體、黃桃、林地、農(nóng)田5類主要地物。具體參數(shù)如表2所示。

表2 三湖農(nóng)場(chǎng)各類地物指數(shù)及其說(shuō)明

3.2 植被指數(shù)特征分析

提取2—8 月時(shí)間序列的建筑、水體、黃桃、林地、農(nóng)田5 類地物的NDVI 并生成特征曲線如（圖3）。從圖3 可以看出，在3 月份，由于正值桃花盛開(kāi)的季節(jié)，黃桃的NDVI 較高，其特征也較為明顯，而研究區(qū)主要以中稻為主，3 月份農(nóng)田中還未插秧，所以農(nóng)田的NDVI 較低，介于水體和建筑之間；林地中有常綠針葉林和一部分落葉闊葉林，而在陽(yáng)春3 月，落葉闊葉林也正處于新葉萌發(fā)時(shí)期，因此，林地的NDVI值高于農(nóng)田、水體和建筑，但低于黃桃。因此，3 月份5 類地物的NDVI 均有較大的差異，是區(qū)分黃桃和其他地類的最佳時(shí)期。

圖3 三湖農(nóng)場(chǎng)各類地物NDVI時(shí)間序列曲線

3.3 隨機(jī)森林分類

隨機(jī)森林分類器，它是由Breiman[29]于21世紀(jì)初提出一種基于分類與回歸樹(shù)的機(jī)器學(xué)習(xí)算法，具有學(xué)習(xí)過(guò)程快，穩(wěn)定性好，處理數(shù)據(jù)的精度高等特點(diǎn)，且不易產(chǎn)生過(guò)擬合。該文分別構(gòu)建建筑、水體、黃桃、林地、農(nóng)田5類地物樣本，并計(jì)算了樣本之間的可分離度，均介于1.8～2.0之間[30]。利用Python調(diào)用Scikitlearn 庫(kù) 中的Random Forest Classification 工具，輸入70%的樣本對(duì)模型進(jìn)行訓(xùn)練，并利用剩余的30%的樣點(diǎn)進(jìn)行交叉驗(yàn)證與打分，發(fā)現(xiàn)決策樹(shù)數(shù)量為370時(shí)分類效果達(dá)到最佳，精度為0.848[31]（圖4）。

圖4 隨機(jī)森林決策樹(shù)數(shù)量擬合精度

利用370顆決策樹(shù)對(duì)隨機(jī)森林的其他參數(shù)進(jìn)行檢驗(yàn)，確定其他參數(shù)最佳值如表3所示。

表3 隨機(jī)森林分類重要參數(shù)最佳值及其含義

3.4 MaxEnt模型

1957 年Jaynes 提出最大熵理論，此后MaxEnt 在計(jì)算機(jī)科學(xué)，統(tǒng)計(jì)學(xué)等領(lǐng)域得到廣泛應(yīng)用[32]，相比Bioclim，CLIMEX，DOMAIN，GARP 等物種分布預(yù)測(cè)模型，王運(yùn)生[33]等利用ROC(Receiver Operating Characteristic)曲線分析法對(duì)進(jìn)行了對(duì)比分析，研究結(jié)果顯示MaxEnt預(yù)測(cè)效果最佳。且該模型對(duì)計(jì)算機(jī)配置要求較為簡(jiǎn)單，無(wú)需復(fù)雜的代碼操作，操作界面簡(jiǎn)潔，運(yùn)算速度較快，能夠有效地以已知物種分布點(diǎn)作為樣本數(shù)據(jù)，綜合各類環(huán)境變量為約束條件，估算物種空間分布的概率，概率的高低對(duì)應(yīng)其種植區(qū)域適宜性的強(qiáng)弱[34,35]。MaxEnt 最大熵模型被廣泛應(yīng)用于各類經(jīng)濟(jì)作物的適宜性預(yù)測(cè)。

在環(huán)境參數(shù)設(shè)置中利用刀切法來(lái)評(píng)價(jià)各生態(tài)因子的權(quán)重，用第1次篩選出的因子進(jìn)行10 次MaxEnt 模型建模，選取預(yù)測(cè)模型最佳計(jì)算結(jié)果參與生境適宜度的提取及分析。然后將MaxEnt 模型輸出的結(jié)果以ASCII 格式輸出，最終將ASCII 轉(zhuǎn)柵格進(jìn)行重分類[36,37]。MaxEnt 模型運(yùn)算通過(guò)開(kāi)啟刀切法反映不同環(huán)境變量在影響黃桃的生長(zhǎng)適宜度中所占的權(quán)重，以ROC 曲線下所圍成的面積AUC(Area Under Curve)對(duì)模型結(jié)果精度進(jìn)行評(píng)價(jià)，以自然間斷點(diǎn)分級(jí)法將AUC 分為以下4 類：AUC＜0.6（失?。?.6≤AUC＜0.7（較差），0.7≤AUC＜0.8（一般），0.8≤AUC＜09（良好）[36]，當(dāng)AUC小于0.75時(shí)，一般認(rèn)為模型不可使用[37]。

4 結(jié)果分析

4.1 分類結(jié)果與精度評(píng)價(jià)

該文使用隨機(jī)森林分類器對(duì)研究區(qū)的建筑、水體、黃桃、林地、農(nóng)田5種主要類型進(jìn)行分類，分類結(jié)果如圖5 所示，黃桃主要分布于研究區(qū)的東部，研究區(qū)的中部、西南和北部也有零星的分布。經(jīng)統(tǒng)計(jì)，研究區(qū)的遙感分類的黃桃種植面積為676 hm2，農(nóng)場(chǎng)的統(tǒng)計(jì)數(shù)據(jù)顯示，湖北省江陵縣三湖農(nóng)場(chǎng)現(xiàn)有黃桃676 hm2，一致性為98%，分類結(jié)果相對(duì)令人滿意，說(shuō)明利用遙感技術(shù)提取黃桃種植區(qū)具有較強(qiáng)的可行性。

圖5 三湖農(nóng)場(chǎng)黃桃分類

由表4 可知，總體分類精度為87%，Kappa 系數(shù)為0.84，黃桃的生產(chǎn)者和用戶精度分別達(dá)到了91.4%和88.6%，滿足分類精度要求。建筑和林地的分類精度較低，主要是因?yàn)檗r(nóng)場(chǎng)的居民區(qū)較為分散，道路大多為田間小路，也較為細(xì)碎；而林地分類精度較低則是因?yàn)樵谌r(nóng)場(chǎng)處于常綠針葉林和落葉闊葉林的過(guò)渡帶，3 月份落葉闊葉林正處在返青并逐步長(zhǎng)出新葉的過(guò)程中，而且三湖農(nóng)場(chǎng)除黃桃外并沒(méi)有大面積的林場(chǎng)或者森林，樹(shù)木主要分布道路兩旁，選用的哨兵二號(hào)衛(wèi)星遙感影像的空間分辨率為10m，對(duì)于道路及兩旁的行道樹(shù)的提取就難免會(huì)受到一定限制。該文的主要研究對(duì)象為黃桃，因此，在時(shí)相上的選擇主要是以黃桃的開(kāi)花期為典型特征進(jìn)而將黃桃與其他地物進(jìn)行了很好的區(qū)分，并且也得到了滿意的結(jié)果。

表4 三湖農(nóng)場(chǎng)黃桃分類結(jié)果精度評(píng)價(jià)

4.2 黃桃潛在適生區(qū)預(yù)測(cè)

該文選取黃桃隨機(jī)樣本點(diǎn)共200個(gè)保存為（.csv）文件，對(duì)表1 中的18 個(gè)環(huán)境變量的柵格數(shù)據(jù)集統(tǒng)一經(jīng)掩膜、坐標(biāo)系轉(zhuǎn)換、重采樣等標(biāo)準(zhǔn)化處理為MaxEnt 模型要求的格式。將樣點(diǎn)及環(huán)境變量導(dǎo)入MaxEnt 中，隨機(jī)選取75%的樣點(diǎn)數(shù)據(jù)作為訓(xùn)練集，其余25%的樣點(diǎn)數(shù)據(jù)作為測(cè)試集。

該文Jackknife 結(jié)果表明：模型訓(xùn)練集的AUC 值為0.993，測(cè)試集的AUC 值為0.994，大于隨機(jī)預(yù)測(cè)分布預(yù)測(cè)值0.5，同時(shí)達(dá)到了優(yōu)秀水平（圖6）。這表明預(yù)測(cè)出的黃桃分布記錄不具隨機(jī)性，即模型對(duì)黃桃在江漢平原的潛在適生區(qū)的預(yù)測(cè)結(jié)果可靠且結(jié)果精度較好。

圖6 模型適用性檢驗(yàn)AUC 值

環(huán)境變量對(duì)MaxEnt 模型的貢獻(xiàn)率顯示（表5）：最小輻射（54.2%）、最大輻射（32.5%）、最低溫度（9.4%），3 個(gè)變量對(duì)MaxEnt 模型預(yù)測(cè)貢獻(xiàn)最大，累計(jì)貢獻(xiàn)率達(dá)94.9%，是預(yù)測(cè)黃桃適生區(qū)必要的因素，能反映生境分布的大部分信息，以上環(huán)境變量貢獻(xiàn)率各不相同，最小貢獻(xiàn)的土地利用因子為0.9%左右，說(shuō)明沒(méi)有無(wú)關(guān)變量參與預(yù)測(cè)分析，環(huán)境變量篩選有效。

表5 主要環(huán)境變量貢獻(xiàn)率 %

該文對(duì)上述5 個(gè)環(huán)境變量進(jìn)行皮爾遜相關(guān)性分析，變量間相關(guān)系數(shù)絕對(duì)值大于0.8 則表明其兩兩之間具有較強(qiáng)的相關(guān)性[38-40]，由于該文的環(huán)境變量?jī)蓛芍g相關(guān)系數(shù)絕對(duì)值均未超過(guò)0.8，因此選定上述變量作為影響黃桃種植適宜性的主要變量有效（表6）。

表6 影響黃桃地理分布關(guān)鍵環(huán)境變量之間皮爾遜相關(guān)系數(shù)

將Maxent 模型生成的江漢平原黃桃適生區(qū)數(shù)據(jù)根據(jù)經(jīng)驗(yàn)和概率論“存在性”的原理分為5個(gè)等級(jí)[41,42]（圖7）。

由圖7 可知，黃桃在江漢平原的高度適生區(qū)主要位于江陵縣的中部及北部，中度適生區(qū)主要位于江陵縣、沙市區(qū)南部，潛江市西南。在松滋市西部和宜城縣和京山縣北部也有零星中高度適生區(qū)。

圖7 基于MaxEnt模型預(yù)測(cè)黃桃在江漢平原的適生區(qū)分布

建模中各主要變量的響應(yīng)曲線如圖8 所示：光合有效輻射是影響黃桃光合作用的重要因素，輻射強(qiáng)度過(guò)高會(huì)影響果樹(shù)水分過(guò)度蒸發(fā)代謝失調(diào)，過(guò)低會(huì)影響果樹(shù)酶的活性；最低輻射閾值為1.2～6.8W/m2，最高輻射閾值為78～113 W/m2，其次最低溫度閾值為10.3～14.8℃，該變量滿足了黃桃在休眠期所需的低溫，然后才能正常地萌芽、生長(zhǎng)、開(kāi)花、結(jié)果。此外高程限制了黃桃的生長(zhǎng)區(qū)域，由圖8d 可知合適的地勢(shì)直接影響光、溫、水、熱在地面上對(duì)黃桃的配比需求，當(dāng)DEM 為37.5m 左右時(shí)更利于桃樹(shù)的種植，圖8e 則表明黃桃主要種植在耕地（旱地）林地等區(qū)域。

圖8 主要變量響應(yīng)曲線

5 結(jié)論與討論

該文以哨兵二號(hào)遙感影像為主要數(shù)據(jù)源，利用機(jī)器學(xué)習(xí)的隨機(jī)算法對(duì)湖北省荊州市江陵縣三湖農(nóng)場(chǎng)的黃桃種植區(qū)進(jìn)行提取，并在此基礎(chǔ)上，利用最大熵模型MaxEnt 對(duì)其潛在適生區(qū)進(jìn)行預(yù)測(cè)，得出以下結(jié)論。

（1）黃桃特有的開(kāi)花期是區(qū)分黃桃與其他作物及植被類型的關(guān)鍵物候，可以最大限度地排除雜草、農(nóng)作物及其他植被信息的干擾，該生長(zhǎng)期的黃桃與其他地物光譜差異較大，找到分類的關(guān)鍵時(shí)期，結(jié)合NDVI、RVI、NDWI等植被指數(shù)可以對(duì)黃桃種植區(qū)進(jìn)行有效地識(shí)別與提??；以隨機(jī)森林分類器為代表的機(jī)器學(xué)習(xí)方法能夠有效降低“過(guò)擬合”所產(chǎn)生噪聲的影響，可以有效地提取黃桃種植區(qū)，獲得較為理想的分類精度，滿足應(yīng)用需求。

（2）黃桃主要分布于三湖農(nóng)場(chǎng)的東部、中部、北部及西南區(qū)域也有分布，其種植面積占當(dāng)?shù)馗氐?0%左右，反映了當(dāng)?shù)鼐用駥?duì)于土地有效利用以及因地制宜的思想，挖掘并發(fā)展出了地方特色產(chǎn)業(yè)。

（3）通過(guò)預(yù)測(cè)黃桃潛在適生區(qū)發(fā)現(xiàn)：黃桃在江漢平原的適宜區(qū)范圍并不大，最適宜區(qū)主要分布在江陵縣、沙市南邊及潛江的西南地區(qū)，說(shuō)明黃桃的種植對(duì)地理環(huán)境條件要求較為敏感，尤其對(duì)于光合有效輻射、最低溫度以及地形的敏感性最為突出。該成果可以為黃桃的準(zhǔn)確識(shí)別及其潛在適生區(qū)提供參考。建議在黃桃實(shí)際推廣種植之前，仍需結(jié)合當(dāng)?shù)氐母黜?xiàng)條件，進(jìn)行小范圍試種，依據(jù)試種黃桃的成長(zhǎng)狀況酌情推廣種植。

該文的研究區(qū)三湖農(nóng)場(chǎng)黃桃品種為“錦繡黃桃”，是當(dāng)?shù)靥赜衅贩N，并不能代表全國(guó)所有黃桃品種，其他黃桃品種的種植適宜性還有待進(jìn)一步研究。除此之外，該文探討的研究區(qū)域范圍較小，僅對(duì)江漢平原的黃桃潛在適生區(qū)用MaxEnt 一種模型進(jìn)行了預(yù)測(cè)，對(duì)全國(guó)尺度的黃桃潛在適生區(qū)缺少指示，其結(jié)果有待進(jìn)一步驗(yàn)證，后期擬引入其他機(jī)器學(xué)習(xí)方法以嘗試優(yōu)化預(yù)測(cè)結(jié)果，并且擬對(duì)全國(guó)的黃桃種植區(qū)開(kāi)展遙感與實(shí)地調(diào)研，爭(zhēng)取在全國(guó)尺度上給出黃桃潛在適生區(qū)的指導(dǎo)，為特色產(chǎn)業(yè)的健康可持續(xù)發(fā)展以及鄉(xiāng)村振興提供更多理論參考與決策依據(jù)。