劉 丹，姚俊萌，林志堅，汪建軍，楊 軍

（1.江西省氣象科學研究所，江西 南昌 330096；2.江西省農(nóng)業(yè)氣象中心，江西 南昌 330096）

0 引言

植被凈初級生產(chǎn)力(Net Primary Productivity，NPP)是指單位面積植被在單位時間上所累積的有機物總量。凈初級生產(chǎn)力是生態(tài)系統(tǒng)碳循環(huán)及能量流動的關鍵參數(shù)，是生態(tài)系統(tǒng)可持續(xù)發(fā)展的重要生態(tài)指標［1］。目前，有關江西省凈初級生產(chǎn)力的研究主要集中在森林［2-3］、草地生態(tài)系統(tǒng)［4］，這與江西省的森林覆蓋率高有關。江西省是一個農(nóng)業(yè)大省，農(nóng)田生態(tài)系統(tǒng)在區(qū)域氣候變化和全球碳循環(huán)中扮演了同樣重要的角色，但有關江西省農(nóng)田凈初級生產(chǎn)力的研究相對較少。早稻是江西省的主要的糧食作物，是江西省農(nóng)田生態(tài)系統(tǒng)研究中重要的一部分，掌握江西省早稻凈初級生產(chǎn)力的時空特征，對進一步研究江西省農(nóng)田生態(tài)系統(tǒng)凈初級生產(chǎn)力的規(guī)律具有積極作用，也可為江西省的氣候變化、陸地碳收支評估和耕地產(chǎn)能、糧食安全的研究提供基礎研究數(shù)據(jù)。

近年來，隨著遙感技術的快速發(fā)展，基于遙感過程模型估算凈初級生產(chǎn)力已成為植被碳循環(huán)研究的熱點［5-7］。李傳華等［8］利用校正的CASA模型估算了2015年河西走廊的凈初級生產(chǎn)力；Liu等［9］利用BEPS模型模擬了加拿大地區(qū)的凈初級生產(chǎn)力，F(xiàn)eng等［10］利用BEPS模型模擬了2001年中國的年凈初級生產(chǎn)力并進行了敏感性分析；Wang等［11］提出了一個基于遙感數(shù)據(jù)驅(qū)動的RS-P-YEC模型，該模型改進了BEPS模型在農(nóng)田生態(tài)系統(tǒng)的局限性，使其更符合農(nóng)田生態(tài)系統(tǒng)，已成功應用于對華北冬小麥［11］、東北玉米［12］以及長江中下游一季稻［13］的產(chǎn)量模擬，模型的原理是先估算出作物的凈初級生產(chǎn)力，然后通過有效產(chǎn)量轉(zhuǎn)換關系換算為作物產(chǎn)量，因此模型也可用于作物凈初級生產(chǎn)力的估算。

凈初級生產(chǎn)力代表了植被對碳的吸收能力，但對于農(nóng)作物而言，凈初級生產(chǎn)力也代表了作物的地上生物量。生物量是作物長勢監(jiān)測的一個重要指標，單位面積生物量反映了作物群體的長勢，而區(qū)域尺度上作物生物量的估算還可以為作物產(chǎn)量的監(jiān)測與預測提供依據(jù)。因此，凈初級生產(chǎn)力也可以作為作物平均長勢的評價指標。Wang等［14］以凈初級生產(chǎn)力作為長勢評價指標，從空間和時間上評價了2014年東北春玉米的生長狀況，驗證了NPP作為長勢評價指標的可行性。本文應用RS-P-YEC遙感作物模型對江西早稻的產(chǎn)量進行模擬，分析了江西省早稻凈初級生產(chǎn)力的時空變化特征，并將其作為早稻長勢的評價指標，探究基于過程的遙感作物模型在評價江西省雙季早稻長勢的可行性，以期為江西省早稻的長勢監(jiān)測提供技術支撐。

1 研究區(qū)概況

江西省地處長江中下游南岸，全省面積為16.69萬km2，其中耕地面積為2.72萬km2，屬亞熱帶季風濕潤氣候，日照充足、雨量充沛且無霜期長，適宜雙季稻生長，是中國優(yōu)質(zhì)水稻的主產(chǎn)區(qū)之一［15］。江西早稻一般在3月中旬開始播種，4月中下旬移栽，5月中下旬拔節(jié)，6月孕穗抽穗，7月上中旬成熟收割，其中拔節(jié)期、抽穗期、成熟期都是水稻生長過程中的關鍵生育期。

2 試驗方法

2.1 遙感作物模型RS-P-YEC簡介及驗證

RS-P-YEC模型是在BEPS模型的基礎上建立的，而BEPS模型是在FOREST-BGC模型的基礎上經(jīng)過多次修改與完善構(gòu)建的遙感機理模型［16］。模型最初利用MODIS遙感數(shù)據(jù)估算了加拿大北方森林的凈初級生產(chǎn)力，此后在東亞地區(qū)和中國陸地生態(tài)系統(tǒng)的生產(chǎn)力估算中應用較多。RS-P-YEC模型在BEPS模型的基礎上，根據(jù)農(nóng)作物自身的種植結(jié)構(gòu)和生理特點構(gòu)建的作物模型，將BEPS模型的光合作用模型的兩片大葉模型改造為多層—兩片大葉模型［11］。首先模型認為農(nóng)作物的冠層在水平方向上是平均分布的，在垂直方向上是分層存在的，然后將農(nóng)作物冠層在垂直方向上分為若干個層，并單獨計算出的各層的光合作用，最后進行疊加。基于BEPS模型的光合作用原理，模型將葉片分為背光葉片和受光葉片，而在RS-P-YEC模型中則認為農(nóng)作物的頂層是受光的，而其他層則是背光的。受光層接受來自太陽的直接輻射和周圍介質(zhì)的散射輻射，而背光層只能接受散射和反射輻射，包括周圍冠層的散射和反射輻射以及地表的散射和反射輻射。

RS-P-YEC模擬得到的是凈初級生產(chǎn)力，但由于實測NPP數(shù)據(jù)的缺乏，本文通過收獲指數(shù)將凈初級生產(chǎn)力轉(zhuǎn)換為產(chǎn)量數(shù)據(jù)［17］，然后利用實際產(chǎn)量數(shù)據(jù)驗證RS-P-YEC模型在江西省早稻NPP估計的適用性。Wang等［11-12］驗證了RS-P-YEC模型在華北冬小麥產(chǎn)量模擬、東北春玉米生物量模擬的可用性；Yao等［13］驗證了RS-P-YEC模型在長江中下游水稻產(chǎn)量模擬的可用性，這表明了RS-PYEC模型能夠模擬水稻的生長過程。

2.2 水稻長勢監(jiān)測方法

本文選擇NPP作為雙季早稻長勢評價的指標，采用同期對比的方法評價長勢。應用RS-P-YEC模型輸出作物每日的凈初級生產(chǎn)力，用于評價水稻生長期間內(nèi)的長勢情況。結(jié)合業(yè)務上常用的產(chǎn)量預報的時間節(jié)點，選擇評價早稻拔節(jié)期和抽穗期的長勢情況，水稻長勢評價［14］的計算公式為：

式中，factori為長勢評價指標，NPPi為研究年份的NPP，NPPb為基準年份的NPP。根據(jù)氣象行業(yè)標準《衛(wèi)星遙感監(jiān)測技術導則 水稻長勢》(QX/T 474—2019）及江西省早稻的實際生產(chǎn)情況，設定長勢評價的標準為：factori＞10%為長勢偏好；10%≥factori≥-10%表示長勢正常；factori＜-10%為長勢偏差。

3 數(shù)據(jù)處理

按照RS-P-YEC遙感作物模型需要的輸入數(shù)據(jù)的格式要求［18］，分別對氣象數(shù)據(jù)、遙感數(shù)據(jù)、地理數(shù)據(jù)和土壤數(shù)據(jù)等進行相應的處理，使上述數(shù)據(jù)統(tǒng)一空間分辨率為500 m×500 m，投影方式為WGS-84坐標系。

3.1 氣象數(shù)據(jù)

本文使用的氣象數(shù)據(jù)包括江西省2015—2020年89個臺站的氣象數(shù)據(jù)，包括日平均最低溫度、日平均最高溫度、日平均溫度、日平均相對濕度和日降水量，上述數(shù)據(jù)均來源于江西省氣象數(shù)據(jù)中心。數(shù)據(jù)處理的過程為：通過Matlab軟件計算出每個站點每年的年平均溫度和年平均溫度差；利用ArcGIS 10軟件將日平均最低溫度、日平均最高溫度、日平均相對濕度、日降水量以及計算得到的年平均溫度采用反距離權重方法（IDW）進行空間插值［19］，最后再使用ENVI+IDL軟件進行批量裁剪、重采樣以及堆積成多波段影像圖，并最終形成氣象數(shù)據(jù)的柵格數(shù)據(jù)集。

3.2 遙感數(shù)據(jù)產(chǎn)品

本文使用的遙感數(shù)據(jù)產(chǎn)品包括MODIS數(shù)據(jù)集的葉面積指數(shù)產(chǎn)品（MCD15A2）和土地利用類型遙感產(chǎn)品（MCD12Q1），其中葉面積指數(shù)產(chǎn)品的時間分辨率為8 d，范圍為2015—2019年的3月1日—7月20日；土地利用類型產(chǎn)品為每年1期，共下載了5 a的數(shù)據(jù)。所有的遙感數(shù)據(jù)都先通過MRT軟件進行批量拼接、重投影，然后應用ENVI軟件進行掩膜切割，最后堆積成為多波段影像圖。

3.3 早稻種植區(qū)域數(shù)據(jù)

江西省早稻面積的分布是研究區(qū)域長勢的基礎，因此，以林志堅等［20］基于MODIS生長早期數(shù)據(jù)和隨機森林算法提取出來的2020年早稻圖為基礎，結(jié)合使用水稻移栽期的特征閾值方法［21］制作了江西省雙季早稻面積分布圖，得到了早稻種植區(qū)域數(shù)據(jù)。

3.4 產(chǎn)量數(shù)據(jù)

縣級產(chǎn)量數(shù)據(jù)驗證了RS-P-YEC模型模擬江西省雙季早稻產(chǎn)量的可行性。本文共收集了2015—2019年早稻種植主產(chǎn)縣的雙季早稻產(chǎn)量數(shù)據(jù)，來源于江西省各縣市統(tǒng)計年鑒。

4 結(jié)果與分析

4.1 模型驗證

由于RS-P-YEC遙感作物模型是一個區(qū)域模型，本文利用江西省各縣市統(tǒng)計年鑒中2015—2019年的50個縣的縣級早稻產(chǎn)量數(shù)據(jù)驗證了模型在模擬江西省早稻生長過程的適用性。以一個縣作為一個基本點，然后每個縣的模擬產(chǎn)量取平均得到全縣的平均模擬產(chǎn)量。將模型的產(chǎn)量模擬值和實際統(tǒng)計產(chǎn)量進行回歸擬合（圖1），相關系數(shù)達到0.53，通過了0.01的顯著性檢驗，均方根誤差為1125 kg/hm2，平均相對誤差為7.2%。從縣級尺度的驗證結(jié)果來看，模型模擬結(jié)果與統(tǒng)計結(jié)果具有顯著相關關系，表明RS-P-YEC模型能夠模擬江西省雙季早稻的產(chǎn)量，這與Yao等［13］在長江中下游一季稻產(chǎn)量模擬中得到的結(jié)論相同，因此RS-PYEC模型能夠應用于對雙季早稻生長過程的模擬并實現(xiàn)對早稻長勢的評價。

圖1 早稻統(tǒng)計產(chǎn)量和模擬產(chǎn)量檢驗結(jié)果

4.2 雙季早稻凈初級生產(chǎn)力的空間分析

根據(jù)模擬的不同生育期的凈初級生產(chǎn)力，對2015—2019年江西省早稻不同生育期平均凈初級生產(chǎn)力空間特征進行分析（圖2）。

圖2 2015—2019年江西省不同生育期初級生產(chǎn)力的空間分布

由圖2a可知，2015—2019年江西省早稻拔節(jié)期的平均凈初級生產(chǎn)力主要為30~75 g C/m2的區(qū)域，占全省早稻面積的48%，大部分分布在環(huán)鄱陽湖區(qū)域、宜春市、吉安市和撫州市；凈初級生產(chǎn)力＞75 g C/m2的分布區(qū)域與30~75 g C/m2的區(qū)域相鄰，主要分布在環(huán)鄱陽湖區(qū)域、宜春市東部、撫州市北部和吉安市中部地區(qū)；凈初級生產(chǎn)力＜30 g C/m2的區(qū)域主要分布在九江市、贛州市、萍鄉(xiāng)市和宜春市西部。統(tǒng)計像元數(shù)可知，2015—2019年拔節(jié)期的平均生物量＜30、30~75、＞75 g C/m2的區(qū)域分別占全省雙季早稻面積的27%、48%、25%。綜上，江西省早稻拔節(jié)期平均凈初級生產(chǎn)力＞75 g C/m2的區(qū)域為高值區(qū)，主要分布在環(huán)鄱陽湖區(qū)域；而＜30 g C/m2的區(qū)域為低值區(qū)，大部分位于贛州市及東部、西部省界區(qū)域的山區(qū)。

由圖2b可知，2015—2019年江西省早稻抽穗期平均凈初級生產(chǎn)力＜75 g C/m2的區(qū)域的主要分布在九江市、上饒市東部、撫州市、宜春市西部、吉安市北部和西部、贛州市；＞150 g C/m2的區(qū)域主要分布在環(huán)鄱陽湖區(qū)域、宜春市東部和中部、撫州市北部、吉安市東部和中部；凈初級生產(chǎn)力在75~150 g C/m2的區(qū)域分布在＞150 g C/m2區(qū)域相鄰的區(qū)域。統(tǒng)計像元數(shù)可知，2015—2019年早稻抽穗期平均凈初級生產(chǎn)力＜75、75~150、＞150 g C/m2的區(qū)域分別占全省雙季早稻面積的39%、33%、28%。綜上，＞150 g C/m2的區(qū)域為早稻抽穗期凈初級生產(chǎn)力的高值區(qū)，大部分分布在環(huán)鄱陽湖區(qū)域，而＜75 g C/m2的低值區(qū)大部分位于贛州市及東部、西部省界區(qū)域的山區(qū)。

由圖2c可知，2015—2019年江西省早稻成熟期大部分集中在平均凈初級生產(chǎn)力＜150 g C/m2的區(qū)域，主要分布在九江市、贛州市、宜春市西部、撫州市東部、上饒市東部；＞225 g C/m2的區(qū)域主要分布在環(huán)鄱陽湖區(qū)域、宜春市、吉安市和撫州市；凈初級生產(chǎn)力在115~225 g C/m2的區(qū)域分布在＞225 g C/m2區(qū)域相鄰的區(qū)域。統(tǒng)計像元數(shù)可知，2015—2019年江西省早稻成熟期平均凈初級生產(chǎn)力＞225、115~225、＜150 g C/m2的區(qū)域分別占到全省雙季早稻面積的29%、18%、53%。綜上，＞225 g C/m2為早稻成熟期凈初級生產(chǎn)力的高值區(qū)，主要在環(huán)鄱陽湖區(qū)域，而＜150 g C/m2的區(qū)域為成熟期凈初級生產(chǎn)力的低值區(qū)，主要在贛州市及東部、西部省界區(qū)域的山區(qū)。

在早稻的拔節(jié)期、抽穗期和成熟期，江西省早稻的凈初級生產(chǎn)力空間分布都呈現(xiàn)出環(huán)鄱陽湖區(qū)域的最高，而贛州市及江西省東、西部區(qū)域偏低的特點，且隨著生育期的不斷推進，凈初級生產(chǎn)力不斷增加，在成熟期時凈初級生產(chǎn)力值最大。

4.3 江西省早稻凈初級生產(chǎn)力的時空變化特征

由圖3可知，江西省早稻抽穗期和成熟期的凈初級生產(chǎn)力的變化規(guī)律相同，均表現(xiàn)為2018年的凈初級生產(chǎn)力值最高，2017年的次高，最低的是2015年；2017年拔節(jié)期的凈初級生產(chǎn)力值最高，次高年是2018年，最低的是2016年。這表明在不同生育期早稻的凈初級生產(chǎn)力的變化趨勢存在一定的差異，拔節(jié)期的凈初級生產(chǎn)力并不能完全預估后期的凈初級生產(chǎn)力；而抽穗期后的凈初級生產(chǎn)力對成熟期凈初級生產(chǎn)力的預估準確性較高。

圖3 2015—2019年江西省早稻不同生育期凈初級生產(chǎn)力的變化情況

為了解早稻整個生育期內(nèi)的凈初級生產(chǎn)力的變化規(guī)律及其在不同地區(qū)的差異，分析了贛北、贛中、贛南區(qū)域早稻生育期凈初級生產(chǎn)力的變化規(guī)律。由圖4可知，早稻生長期間內(nèi)凈初級生產(chǎn)力呈現(xiàn)先增加后減少的趨勢，且每個時間段的增加速率存在差異；在5月份前（早稻封行前），凈初級生產(chǎn)力增加比較平緩，5月份后的凈初級生產(chǎn)力增長速度加快，7月上旬的凈初級生產(chǎn)力達到最大，之后再有所下降。凈初級生產(chǎn)力的變化規(guī)律基本符合早稻的生長特性，在早稻封行之前，葉面積指數(shù)較小，光合作用比較弱，凈初級生產(chǎn)力積累少，增加較緩慢；早稻封行后，葉面積指數(shù)增大，光合作用能力加強，凈初級生產(chǎn)力累積多，增加較快；隨著早稻的成熟，葉片開始萎縮發(fā)黃，呼吸作用大于光合作用，凈初級生產(chǎn)力有所下降。不同地區(qū)的凈初級生產(chǎn)力規(guī)律在生長速率上也略有差異。5月份之前，贛北、贛中、贛南的凈初級生產(chǎn)力的增速接近，但贛南的凈初級生產(chǎn)力略大于贛北和贛中的；5月份之后，贛北和贛中的凈初級生產(chǎn)力的增速大于贛南的。贛北和贛中的凈初級生產(chǎn)力大于贛南的凈初級生產(chǎn)力，這表明贛北和贛中早稻的凈初級生產(chǎn)力積累要好于贛南的，這與空間分布特征中的贛南凈初級生產(chǎn)力為低值區(qū)的結(jié)論一致。

圖4 江西省不同區(qū)域早稻生育期凈初級生產(chǎn)力的變化情況

4.4 不同生育期雙季早稻的長勢評價

基于2015—2019年江西省雙季早稻的長勢數(shù)據(jù)，以2020年作為預測年，分別對2020年的雙季早稻拔節(jié)期、抽穗期的長勢進行評價。

由圖5a可知，2020年江西省雙季早稻拔節(jié)期的長勢相比2019年的長勢大部分偏好，占到雙季早稻面積的65%，長勢正常的占到17%，長勢偏差的占到18%。由圖5b可知，2020年江西省雙季早稻拔節(jié)期的長勢與2015—2019年的平均長勢相比，全省大部分區(qū)域的長勢偏好，占雙季早稻區(qū)域的50%，長勢正常的占35%，長勢偏差的占到18%。分析2020年水稻拔節(jié)期前的生長氣象條件可知，2020年早稻播種育秧期（3月11日—4月20日）的平均氣溫為15.7 ℃，較往年同期高了0.8 ℃，降水為253.7 mm，較往年同期減少了13%，日照時長為151.7 h，較往年同期多了41.4 h，在該氣象條件下可保證早稻順利播種和幼苗生長。移栽返青期（4月11—30日）以晴雨相間天氣為主，利于早稻移栽和返青。5月上旬早稻處于分蘗期，氣溫較常年同期偏高了3.3 ℃，有利于早稻分蘗生長，5月中下旬早稻處于曬田控孽期，大部分地區(qū)持續(xù)的雨天數(shù)不超過3 d，晴多雨少，也有利于早稻曬田控蘗及生長。2020年江西省的早稻長勢偏好，農(nóng)業(yè)氣象觀測顯示全省大部分地區(qū)分蘗期較往年同期提前了3~6 d，大部分地區(qū)以一、二類苗為主。

圖5 2020年江西省雙季早稻拔節(jié)期的長勢對比評價

由圖6a可知，2020年江西省雙季早稻抽穗期的長勢較2019年大部分處于正?；蚱玫那闆r，其中長勢正常，占到早稻面積的30%，長勢偏好的占32%，長勢偏差的占38%。長勢偏差的區(qū)域主要分布在南昌市北部的部分區(qū)域和贛州市，但其他地市也零散分布了長勢偏差的情況。由圖6b可知，2020年江西省雙季早稻抽穗期的長勢情況對比2015—2019年的平均長勢，大部分處于正?；蚱玫那闆r，其中長勢正常的占到早稻面積的38%，長勢偏好的占到29%，早稻長勢偏差的占33%。分析2020年6月份（拔節(jié)期~抽穗期）的生長氣象條件可知，6月份全省平均氣溫為27.4 ℃，較往年同期偏高了1.4 ℃，累計日照時數(shù)111.1 h，降水量為311 mm。除6月2—7日的局地強降水、12—18日少數(shù)地區(qū)的持續(xù)高溫外，大部分時間的光照充足，氣溫、降水均適宜，有利于早稻孕穗抽穗，因此抽穗期水稻長勢相較往年偏好。

圖6 2020年江西省雙季早稻抽穗期長勢監(jiān)測圖

5 討論

本文分析了江西省早稻的凈初級生產(chǎn)力的空間分布特征，其中凈初級生產(chǎn)力的高值區(qū)集中分布在鄱陽湖區(qū)域，而低值區(qū)位于贛州市及東部、西部省界區(qū)域的山區(qū)，這與江西省雙季早稻產(chǎn)量的空間分布結(jié)果一致；鄱陽湖區(qū)域一直以來是江西省的水稻主產(chǎn)區(qū)域，土壤肥沃、種植水平高；贛州農(nóng)田的地塊分散，土壤相對貧瘠，贛州的農(nóng)戶以種植果樹臍橙為主，對水稻種植熱情不高。以凈初級生產(chǎn)力作為評價指標對2020年江西省早稻的長勢情況進行評價，結(jié)果表明2020年江西省早稻拔節(jié)期和抽穗期80%區(qū)域的長勢均較2019年或2015—2019年平均的偏好，但2020年水稻灌漿期間（7月上中旬）遭遇了連續(xù)強降雨天氣，導致早稻被淹，受災明顯。早稻收獲期也因降雨影響而無法收割，導致早稻在田里發(fā)芽。因此，2020年雙季早稻全省的平均產(chǎn)量低于2019年平均產(chǎn)量和2015—2019年平均產(chǎn)量，導致2020年長勢情況與產(chǎn)量情況不匹配。綜上，利用長勢監(jiān)測預估產(chǎn)量時存在一定的局限性，需關注突發(fā)氣象條件對早稻最終產(chǎn)量的影響。