基于MODIS和SEBAL模型的黄淮海平原冬小麦水分生产力研究*

杨建莹，霍治国，邬定荣，王培娟，刘 勤



基于MODIS和SEBAL模型的黄淮海平原冬小麦水分生产力研究*

杨建莹1,2，霍治国2,3，邬定荣2，王培娟2，刘 勤1,4,5**

（1.农业部旱作节水农业重点实验室，北京 100081；2.中国气象科学研究院，北京 100081；3.南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044；4.中国农业科学院农业环境与可持续发展研究所，北京 100081；5.列日大学让布卢农学院，让布卢 5030，比利时）

以2011年1月-2012年12月MODIS 多时相遥感影像产品、气象数据和作物生育期为基础，借助SEBAL模型估算了黄淮海平原冬小麦实际蒸散量（ETa）；通过MODIS NDVI光谱曲线特征与冬小麦单产数据的耦合，将县域尺度作物单产“降尺度”至基于像元的产量栅格图，实现冬小麦产量栅格化。在完成作物实际蒸散量模拟和产量栅格化的基础上，对黄淮海平原冬小麦水分生产力进行估算。结果表明，冬小麦水分生产力区域平均值为1.21kg·m-3，高值区主要位于北京、天津、山东北部和河北南部地区。在环渤海山东半岛滨海外向型二熟农渔区（一区）、海河低平原缺水水浇地二熟兼旱地一熟区（三区）和黄淮平原南阳盆地水浇地旱地二熟区（五区）冬小麦产量与水分生产力呈显著正相关，说明随着冬小麦产量的增加，其水分生产力增加；在燕山太行山山前平原水浇地二熟区（二区）冬小麦水分生产力与实际蒸散量呈极显著负相关（P＜0.01），与产量呈极显著正相关（P＜0.01），表明水分生产力将随着实际蒸散量的减少和产量的增加而增大，同时产量增加对水分生产力提高的贡献大于实际蒸散量的减少；在江淮平原丘陵麦稻两熟区（六区）冬小麦水分生产力与实际蒸散量呈显著负相关，与产量相关关系不明显，说明在黄淮海平原南部水分生产力的提高主要依靠实际蒸散量的减少。

冬小麦种植信息；作物实际蒸散量；产量栅格化；水分生产力；黄淮海平原

干旱缺水是全球面临的严重问题，也是制约中国农业和经济发展的重要因素[1]。灌溉农业作为全球最大的淡水资源消耗产业，约占淡水消耗总量的70%[2]，有的国家甚至高达80%[2]，随着世界人口的膨胀、工业和生活用水的增加以及各种环境问题的出现，灌溉农业所能获得的水资源量正在逐渐萎缩[3]。另外，气候变化导致光照、热量和水分等气候要素的数值和时空格局发生变化，势必对农业生产造成叠加影响[4]。研究证实，中国东北、华北大部、西北东部降水量呈明显减少趋势，近50多年减少 20～40mm，干旱面积迅速扩大[5]。在气候变暖条件下，中国降雨类型复杂多变，年际变化、季节分配不均和区域差异将更加明显，粮食生产所需要的灌溉用水资源量更加不稳定。未来数十年内需要解决的难题将是如何用更少的水资源生产更多的粮食[6]，而其出路在于提高作物水分生产力[7]。黄淮海平原是中国重要的粮食生产基地，近年由于受频繁干旱、春季低温等灾害影响以及城市用水的迅猛增长，华北区域农业用水的紧张态势进一步加剧，并严重影响到农业生产的可持续发展，因此，明确干旱对作物的影响程度，提升作物水分生产力，对于缓解水资源危机，保障国家粮食安全和社会可持续发展具有重要意义。

作物水分生产力是指单位耗水量所获得的作物产出量，是耦合作物生产、蒸散的重要参数，能较好地反映自然条件下作物耗水与产量的关系[8]。早期的作物水分生产力研究主要基于田间尺度或作物尺度，通过田间试验直接测量获得[9]。随着大范围、多尺度数据集成以及地面信息反演算法的发展，从田块向区域尺度扩展的水分生产力研究成为热点[10-11]。目前，区域作物水分生产力的研究，主要包括作物模型方法和遥感方法，作物模型方法根据作物生长所需要的气象条件、作物品种、土壤状况以及管理措施等条件模拟，描述作物的生长发育和籽粒形成过程，以及作物生长过程的水分消耗量，进行作物水分生产力的估算[12-13]。陈超等[14]利用校准后的APSIM模型和华北平原区域气象站数据，对华北平原不同供水情景下冬小麦、夏玉米水分生产力空间分布特征进行了模拟研究。Amor等[15]应用DSSAT模型中的CERES模块对菲律宾吕宋岛上北伊洛克斯的拉瓦格流域水稻、玉米和花生的水分生产力进行了模拟。作物模型方法能综合考虑气象、土壤、作物品种、种植因素对作物生长发育的影响，逐日连续模拟生育期内作物的生长发育状况及水分消耗，但是由于应用尺度的增大，模型一般需要大量参数，有些参数可靠性不强，导致在模型有效性方面存在一定问题。遥感方法通过大尺度地表参数反演和空间表达技术，模拟作物蒸散量、产量和作物水分生产力[16]。一些学者尝试结合RS、GIS和能量平衡模型的方法，对区域水分生产力进行估算。Alexander等[17]基于Landsat ETM+遥感影像，借助273个农田调查的作物生物量、叶面积指数、作物产量与NDVI的关系，研究了中亚Syrdarya流域Galaba部分农田小麦和棉花的水分生产力。Li等[18]借助NOAA/ AVHRR遥感影像和SEBAL区域模型估算了中国华北平原冬小麦的作物耗水量和水分生产力。

作物水分生产力估算精度主要由作物实际蒸散量的估算精度和作物产量数据的栅格化精度共同决定[19]。以往关于作物水分生产力的研究中，地面作物信息，如作物分布信息、作物发育期数据等往往被忽略；另外，通常采用的基于行政单元的农业生产数据，掩盖了区域内部农业要素的差异特征，降低了水分生产力的估算精度。本研究以黄淮海平原2011-2012生长季冬小麦水分生产力为研究对象，基于MODIS遥感数据、气象数据和县域尺度产量数据，尝试利用SEBAL模型和产量空间化方法，估算基于栅格单元的冬小麦水分生产力，并分析农业亚区单元的冬小麦水分生产力与产量和实际蒸散量的相关关系，试图为黄淮海平原农业水资源管理、作物水分生产力提升提供科学依据。

1 资料与方法

1.1 研究区概况

黄淮海平原北起长城，南至桐柏山、大别山北麓，西倚太行山和豫西伏牛山地，东濒渤海和黄海，包括北京、天津、山东、河北、河南、安徽和江苏的全部或部分。该区域属半湿润暖温带，年均气温10～15℃，≥0℃积温4200～5500℃·d[20]，无霜期170～200d，热量条件适于一年两熟。年降水量500～950mm，60%～70%的降水集中在夏季[21]，小麦生长季内降水量一般少于300mm，不能满足冬小麦生长所需降水量要求[21-22]。主要种植方式是冬小麦-夏玉米，2015年小麦和玉米种植面积分别占全国的61%和31%[23]。

1.2 资料来源

1.2.1 气象资料

取黄淮海平原40个气象站点2011年1月-2012年12月气象数据，来源于中国气象科学数据共享服务网（http://cdc.cma.gov.cn/）所提供的中国地面气候资料日值数据集，数据内容主要为站点逐日最高气温（℃）、最低气温（℃）和风速（m·s-1），站点分布见图1。根据联合国粮农组织推荐的风廊线关系[24]，将10m高度的风速转化为2m高度的相应数值。

1.2.2 MODIS产品

用于SEBAL模型的MODIS产品主要包括MOD11A1、MOD13A2和MCD43B3产品。MOD11产品为陆地2、3级标准数据产品，内容为地表温度和辐射率，Lambert投影，空间分辨率1km，地理坐标为30²，每日数据为2级数据，每旬、每月数据合成为3级数据，儒略日表示的时间范围为2011273，2011274，2011275，…，2012193，其时间分辨率为1d；MOD13产品为陆地2级标准数据产品，内容为栅格的归一化植被指数和增强型植被指数（NDVI/EVI），空间分辨率250m，时间范围为2011273，2011289，2011305，…，2012193（时间分辨率为16d）；MCD43产品为陆地3级标准数据产品，内容为表面反射，BRDF/Albedo参数，空间分辨率1km，包括日、旬、月度数据，时间范围为2011273，2011289，2011305，…，2012193，其时间分辨率为16d。表1为MODIS产品的基本信息。所用MODIS产品的轨道序列编号为 H26v4、H26v5、H27v4、H27v5、H28v5。

表1 MODIS产品的基本信息

1.2.3 农业分区

黄淮海地区二级分区来源于刘巽浩等《中国农作制》[25]，根据土地类型和农作制度，将黄淮海平原分为6个类型区，7个亚区，如图1。6个类型区分别为环渤海山东半岛滨海外向型二熟农渔区（北1区和南1区）；燕山太行山山前平原水浇地二熟区（2区）；海河低平原缺水水浇地二熟兼旱地一熟区（3区）；鲁西平原鲁中丘陵水浇地旱地二熟区（4区）；黄淮平原南阳盆地水浇地旱地二熟区（5区）和江淮平原丘陵麦稻两熟区（6区）。

1.2.4 冬小麦数据

冬小麦种植信息来源于中国农业科学院农业环境与可持续发展研究所，栅格大小为1km×1km。黄淮海地区347个县（市）2011-2012生长季冬小麦产量数据来源于中国农业科学院农业信息研究所。生育期数据来源于国家气象局农气站点，包括冬小麦播种期、返青期、拔节期、抽穗期和成熟期（表2），环渤海山东半岛滨海外向型二熟农渔区（北）冬小麦播种期最早，为10月1日，江淮平原丘陵麦稻两熟区播种期最晚，为10月27日，相差26d，主要是由气候条件差异和前茬作物影响所致[26]。江淮平原丘陵麦稻两熟区冬小麦成熟期最早，为翌年5月25日，环渤海山东半岛滨海外向型二熟农渔区（北区）收获期最晚，为翌年6月15日，两者相差21d。

表2 各农业亚区冬小麦生育期信息

1.3 研究方法

1.3.1 实际蒸散量（ETa）估算方法

冬小麦实际蒸散量估算采用由荷兰DLO Starting Center主导研发的蒸散量SEBAL模型，它利用遥感影像数据资料，具有坚实的理论基础，且参数较少[27]。SEBAL模型的基本原理是地表能量平衡方程，即

式中，Rn为净辐射量（W·m-2）；G为土壤热通量（W·m-2）；H为土壤与大气之间的显热通量（W·m-2）；为潜热通量（W·m-2），用于蒸散。为水的汽化潜热（J·kg-1），ET为蒸散速率（kg·m-2·s-1）。SEBAL模型的基本流程如图2所示。利用MODIS产品和气象数据获取植被指数、地表温度等地表参数；然后利用地表参数估算净辐射量、土壤热通量与感热通量；最后由能量剩余法得到用于蒸散的潜热通量，并通过时间尺度扩展得到日蒸散量[23]。

（1）净辐射量Rn

地表净辐射量的表达式为[28]

（3）

（4）

（6）

（7）

（2）土壤热通量G

土壤热通量可通过与Ts、Rn、、NDVI有关的经验公式得到[28-30]。

式中，Ts是地表温度，Rn是净辐射量，是散射率，c11是跟卫星过境有关的一个参数，一般取0.9。

（3）感热通量H

感热通量是指由于传导和对流作用散失到大气中的能量[29]。

为了获得dT，认为它与地表温度满足线性关系dT=aTs+b，计算a、b时需要从影像中选取“冷热”像元。“热点”是指地表温度很高，蒸散量几乎为零的像元，可以选择无植被覆盖的、干燥的闲置旱地或盐碱地，“热点”满足，。“冷点”是指影像中水分供应充足、植被生长茂盛、地表温度很低、处于潜在蒸散水平的像元，可以选择植被长势良好并完全覆盖的区域或开放水体，“冷点”满足。通过计算“热点”和“冷点”的dT，可以得到所有像元的dT值。

近地层大气并非稳定，因此，SEBAL模型中引入了Monin-Obukhov定律，通过多次迭代修正空气动力学阻抗，直到得到稳定的H值。

将Rn、G、H代入能量平衡方程（1），即可得到潜热通量。

（5）日蒸散量ETd

式中，Rn为日净辐射量；为日潜热通量；为蒸发比；G为土壤热通量，因为白天热量从地表向土壤传输，土壤热通量取正值，晚上则相反，二者数量相当，计算日蒸散量时日土壤热通量可以忽略不计。

由式（10）可以得出

式中，ETd是日蒸散量（kg·m-2·s-1），但实际应用中ETd通常以mm·d-1为单位，根据水的密度可知mm·d-1即kg·m-2·d-1，与式（11）中ETd的单位仅时间单位不同。若将单位改用MJ·kg-1，则有

（12）

式中，ETd为日蒸散量（mm·d-1）；取2.45MJ·kg-1。

（6）冬小麦实际蒸散量ETa

借助各农业亚区冬小麦种植生育期信息（表2）和冬小麦种植信息（图1），利用空间内插方法[32-33]，对黄淮海平原6个农业亚区冬小麦生长季内总蒸散量进行计算，得到冬小麦实际蒸散量。

1.3.2 实际蒸散量ETa验证

涡度相关法是直接观测生态系统水平上地、气间能量和物质通量的标准方法，涡度相关系统测量的蒸散量是目前所有野外实测方法中可信度最高的方法之一[34-36]。本研究中，利用位于山东禹城试验站的2011-2012年涡度相关实测数据与提取的SEBAL模型估算结果进行检验。具体是提取验证站点位置的潜热通量估算值与涡度相关系统实测潜热通量值进行对比验证。

1.3.3 作物产量空间化方法

粮食产量空间化的目的是把按行政区统计的粮食产量以一定的规则分解到每一个栅格[19]。充分考虑各阶段作物长势对作物产量的影响，以冬小麦种植信息为“掩膜”，提取冬小麦生育期内的NDVI，采用多元逐步回归分析法，以县域单元作物单产为因变量，以作物生育期内的NDVI值为自变量，建立多元逐步回归方程，即

Yieldavg＝a1NDVI1＋a2NDVI2＋…+aiNDVIi＋b （13）

式中，Yieldavg为县域单元的产量（kg·hm-2），NDVIi为县域单元作物种植地区内第i天的平均NDVI值。

1.3.4 水分生产力估算方法

根据水分生产力的定义，作物水分生产力为作物产量与蒸散量的比值[37]，计算式为

WP=Yield/ETa （14）

式中，Yield为基于栅格单元的冬小麦产量数据（kg·m-2），ETa为冬小麦实际蒸散数据（mm），换算后作物水分生产力的单位为kg·m-3。

2 结果与分析

2.1 冬小麦实际蒸散量特征

提取山东禹城试验站的潜热通量值与观测的涡度相关系统实测潜热通量值估算结果进行比较验证，结果表明，估算值与实测值的相关性系数为0.89 （图3），极显著相关（P<0.01）。由于小变量值本身的精确实测存在系统误差[36]，冬季地表实际蒸散值较小时，SEBAL模型模拟与实测值误差偏大，总体来说，利用SEBAL模型的地表实际蒸散模拟误差范围合理，可以用于黄淮海平原冬小麦的实际蒸散量估算。SEBAL模型在不同国家和地区的蒸散量估算研究中被广泛应用，据世界各地的应用研究，SEBAL模型蒸散量估算与地面涡度相关系统观测结果均存在一定的误差，其瞬时误差平均在15%左右，日平均误差在10%左右。

在完成冬小麦生长季日蒸散量计算的基础上，基于冬小麦种植信息和不同农业亚区的冬小麦生育期数据，对黄淮海平原6个农业亚区作物生长季内总蒸散量进行计算，得到冬小麦生长季的实际蒸散量值。由图4可见，冬小麦实际蒸散量均值为538.4mm，高值区域位于南阳盆地水浇地区，包括河南东部、江苏北部以及山东西南部地区，实际蒸散量在500mm以上。河北以及山东中部和北部地区是冬小麦耗水低值区域，大部分地区实际蒸散量不足400mm。具体到各农业亚区，其中黄淮平原南阳盆地水浇地旱地二熟区冬小麦平均实际蒸散量最高，为577.8mm，燕山太行山山前平原水浇地二熟区平均最低，为527.6mm。

2.2 冬小麦产量栅格化

以黄淮海347个县域冬小麦单产（Y）为因变量，各县域平均冬小麦生育期内MODIS NDVI指数为自变量进行多元回归分析，X1指儒略日第177天（2011年6月26日），X2儒略日第193天（2011年7月12日），以此类推，X13儒略日第1天（2012年1月1日），…，X23儒略日第161天（2012年6月10日）。获取冬小麦产量栅格面的回归方程，方程极显著（P<0.01）。

按照回归方程自变量的顺序，将MODIS NDVI指数代入得到回归方程，结合冬小麦信息提取的结果，空间化后形成1km×1km空间分辨率的冬小麦单产栅格数据图。栅格数据克服了行政区的限制，很好地展现了冬小麦单产的空间分布特征。如图5所示，冬小麦单产平均值为6312kg·hm-2，山东、河南以及两省交界处是冬小麦的高产区，单产可达6750kg·hm-2以上。具体到各农业亚区，黄淮平原南阳盆地水浇地旱地二熟区冬小麦平均单产最高，为6411kg·hm-2，环渤海山东半岛滨海外向型二熟农渔区最低，为5905kg·hm-2。

图5 黄淮海平原冬小麦产量栅格图（2011-2012年）

Fig. 5 Raster diagram of yield of winter wheat in the 3H plain（2011-2012）

2.3 冬小麦水分生产力空间分布特征

由冬小麦产量栅格数据和实际蒸散量计算黄淮海冬小麦水分生产力，结果见图6。由图中可见，黄淮海平原冬小麦水分生产力区域均值为1.02kg·m-3，高值区域主要位于北京、天津以及山东北部和河北南部等地，冬小麦水分生产力可达1.2kg·m-3；山东菏泽和河南开封地区冬小麦水分生产力相对较低，部分地区不足1.0kg·m-3。具体到各农业亚区，鲁西平原鲁中丘陵水浇地旱地二熟区（4区）冬小麦平均水分生产力最高，为1.09kg·m-3，其次为黄淮平原南阳盆地水浇地旱地二熟区（5区），平均为1.02kg·m-3，江淮平原丘陵麦稻两熟区（6区）最低，平均为0.94kg·m-3。该模拟结果与陈超等[14]利用APSIM模型估算华北平原充分灌溉下的结果基本一致（小麦1.23kg·m-3）。

2.4 冬小麦水分生产力与实际蒸散量和产量的相关关系

为了分析冬小麦水分生产力的影响因素，以黄淮海平原6个农业亚区为单元，分别对冬小麦水分生产力和冬小麦产量以及实际蒸散量进行相关分析，结果见图7。由图中可见，在环渤海山东半岛滨海外向型二熟农渔区（一区）、海河低平原缺水水浇地二熟兼旱地一熟区（三区）和黄淮平原南阳盆地水浇地旱地二熟区（五区），冬小麦实际蒸散量与水分生产力无显著相关关系，而冬小麦产量与水分生产力呈显著正相关（P＜0.05），说明随着冬小麦产量的增加，水分生产力增加。在燕山太行山山前平原水浇地二熟区（二区），冬小麦水分生产力与实际蒸散量呈极显著负相关（P＜0.01），与产量呈极显著正相关（P＜0.01），表明水分生产力随着实际蒸散量的减少和产量的增加而极显著增大，同时产量增加对水分生产力提高的贡献大于实际蒸散量的减少。在江淮平原丘陵麦稻两熟区（六区），冬小麦水分生产力与实际蒸散量呈显著负相关（P＜0.05），与产量相关关系不明显，说明在黄淮海平原南部水分生产力的提高主要依靠实际蒸散量的减少。

3 结论与讨论

蒸散过程是土壤-作物-大气系统水分循环的重要环节，农田实际蒸散量的估算是实施节水计划、进行农业水资源管理的重要依据之一。前人研究估算作物实际蒸散仅限于单季作物，而黄淮海平原是典型的冬小麦-夏玉米轮作体系，并且冬小麦南北各个发育期相差半个月左右，本研究结合6个农业亚区的冬小麦平均生育期，利用遥感影像和SEBAL估算模型，从冬小麦-夏玉米轮作体系中“剥离”出冬小麦生育期内实际蒸散量。借助黄淮海平原冬小麦种植信息，基于MODIS NDVI光谱曲线特征，通过MODIS NDVI将基于县域单元的冬小麦单产“解集”到基于栅格像元上，实现了冬小麦产量的空间化。冬小麦栅格单元图克服了行政区的限制，较好地展现了粮食产量的空间分布特征，实现了作物单产的“降尺度”空间化。

明确黄淮海平原水分生产力的不均衡性或区域分异特征是提升作物水分生产力的基础。从全球范围来看，作物水分生产力表现出明显的不均衡性[37]，发达国家水稻水分生产力均值为0.47kg·m-3，高于发展中国家的0.09kg·m-3，在非洲撒哈拉地区最低，水分生产力在0.10～0.25kg·m-3；西欧国家谷物水分生产力在1.7～2.4kg·m-3，中国、巴西水分生产力在1.0～1. 7kg·m-3。本研究中，黄淮海平原冬小麦水分生产力为1.21kg·m-3，这与陈超等[14,38]研究结果相一致。一般而言，作物产量受多种因素影响，如作物品种、土壤条件、田间管理、先进技术的应用等，作物产量的提高往往需要多年的生产实践，因此，需要在维持高产的前提下，大幅减少作物蒸散量。目前黄淮海平原夏玉米-冬小麦周年生产体系中，作物蒸腾耗水约占农田蒸散的70%[39]，土壤表面蒸发量占总蒸散量的30%左右[40]，通过品种改良、灌溉、施肥等措施调控作物生长发育、群体动态和生理响应特性（如根系活性、光合性能等），能合理调节作物生长发育，改变农田水分传输过程，从而提高农田水分生产力[41-42]。

黄淮海平原冬小麦实际蒸散量为538.4mm，高值区主要位于河北、河南和苏北地区。而冬小麦产量区域平均值为6312kg·hm-2，高值区位于山东和河南。在完成冬小麦实际蒸散量估算和产量空间化的基础上，进一步估算了黄淮海平原的冬小麦平均水分生产力为1.21kg·m-3，高值区主要位于北京、天津以及山东北部和河北南部。小麦水分生产力与实际蒸散量和产量相关分析发现，在环渤海山东半岛滨海外向型二熟农渔区（一区）、海河低平原缺水水浇地二熟兼旱地一熟区（三区）和黄淮平原南阳盆地水浇地旱地二熟区（五区）3个亚区，冬小麦产量与水分生产力呈显著正相关，说明水分生产力随着冬小麦产量的增加而增加。在燕山太行山山前平原水浇地二熟区（二区），冬小麦水分生产力与实际蒸散量呈极显著负相关（P＜0.01），与产量呈极显著正相关（P＜0.01），表明水分生产力将随着实际蒸散量的减少和产量的增加而极显著增大，同时产量增加对水分生产力提高的贡献大于实际蒸散量的减少。在江淮平原丘陵麦稻两熟区（六区），冬小麦水分生产力与实际蒸散量呈显著负相关，与产量相关关系不明显，说明在黄淮海平原南部水分生产力的提高主要依靠实际蒸散量的减少。

利用MODIS影像模拟的地表蒸散，其空间尺度为1000m×1000m。对于多样性的地表覆盖类型，混合像元内部可能存在各种不同形式的地表类型，在既定尺度下像元中的要素可能会被夸大，也可能被忽略。基于站点的验证，往往因为混合像元的存在而增加系统误差[19]。未来研究更倾向于利用多尺度遥感影像，或将多尺度遥感模型与混合像元面积权重法相结合，形成一个更为全面高效的方法，解决混合像元的空间尺度效应问题。另外，时间尺度扩展单纯采用空间内插方法具有不确定性[33]，如何借助数据融合和数据挖掘技术提高时间尺度内插的可靠性还需要更为深入的研究。作物产量形成和作物水分耗散是复杂的过程，不仅与气象要素相关，更多的是受到作物品种、人为管理等因素的影响。如何借鉴作物生长模型，对影响作物水分生产力的非气候要素以及影响机理进行研究，以及借助未来气候情景数据，模拟未来作物水分生产力动态，是未来发展的方向。

References

[1] 信乃诠,张燕卿,王立祥.中国北方旱区农业研究[M].北京:中国农业出版社,2002:3-30.

Xin N Q,Zhang Y Q,Wang L X.Agricultural research in arid regions in northern China[M].Beijing:China Agriculture Press,2002:3-30.(in Chinese)

[2] FAO.World agriculture:towards 2015/2030,an FAO perspective [M].London:Earthscan,2003.

[3] WRMS.Towards integrated water resources management: WRMS for Zimbabwe[J].Harare,2000.

[4] Ali M H,Talukder M S U.Increasing water productivity in crop production:asynthesis[J].Agric.Water Manage,2008,95: 1201-1213.

[5] 杨晓光,刘志娟,陈阜.全球气候变暖对中国种植制度可能影响Ⅰ:气候变暖对中国种植制度北界和粮食产量可能影响的分析[J].中国农业科学,2010,43(2):329-336.

Yang X G,Liu Z J,Chen F.The possible effects of global warming on cropping systems in ChinaⅠ:the possible effects of climate warming on Northern limits of cropping system and crop yield in China[J].Scientia Agricultura Sinica,2010, 43(3):329-336.(in Chinese)

[6] Kijne J W,Barker R,Molden D.Water productivity in agriculture:limits and opportunities for improvement[M]. Cambridge MA USA,2003.

[7] Moden D K,Frenken R,Barker,et al.Trends in water and agricultural development[A].In:Molden D(Ed.). Water for food,water for life:a comprehensive assessment of Water management in agriculture[M].London: Earthscan,2007: 57-89.

[8] Molden D J.Accounting for water use and productivity[M]. Colombo,Sri Lanka:International Irrigation Management Institute,1997.

[9] 徐凤英,盖迎春,徐中民,等.作物水生产力评估方法研究[J].冰川冻土,2013,35(1):156-163.

Xu F Y,Gai Y C,Xu Z M,et al.A review of evaluation of crop water productivity[J].Journal of Glaciology and Geocryology, 2013,35(1):156-163.(in Chinese)

[10] Moulin S,Bondeau A,Delecolle R.Combining agricultural crop models and satellite observations:from field to regional scales[J].International Journal of Remote Sensors,1998,19 (6):1021-1036.

[11] Wesseling J G,Feddes R A.Assessing crop water productivity from field to regional scale[J].Agricultural Water Management, 2006,86:30-39.

[12] 沈禹颖,南志标,Bellotti B,等.APSIM模型的发展与应用[J].生态应用学报,2002,13(8):1027-1032.

Shen Y Y,Nan Z B,Bellotti B,et al.Development of APSIM and its application[J].Chinese Journal of Applied Ecology, 2002,13(8):1027-1032.(in Chinese)

[13] Nangia V,Fraiture C,Turral H.Water quality implications of raising crop water productivity[J].Agricultural Water Management,2008,95:825-835.

[14] 陈超,于强,王恩利,等.华北平原作物水分生产力区域分异规律模拟[J].资源科学,2009,31(9):1477-1485.

Chen C,Yu Q,Wang E L,et al.Modeling the spatial distribution of crop water productivity in the North China Plain[J].Resources Science,2009,31(9):1477-1485.(in Chinese)

[15] Amor V M I,Ashim D G,Raineer L.Application of GIS and crop growth models in estimating water productivity[J]. Agriculture Water Management,2002,54:205-225.

[16] 徐新刚,吴炳方,蒙继华,等.农作物单产遥感估算模型研究进展[J].农业工程学报,2008,24(2):290-298.

Xu X G,Wu B F,Meng J H,et al.Research advances in crop yield estimation models based on remote sensing[J]. Transactions of the CSAE,2008, 24(2):290-298.(in Chinese)

[17] Alexander P,Prasad S T,Chandrashekhar M B,et al.Water productivity mapping (WPM) using Landsat ETM+ data for the irrigated croplands of the Syrdarya River Basin in Central Asia[J].Sensors,2008,8:8156-8180.

[18] Li H,Zheng L,Lei Y,et al.Estimation of water consumption and crop water productivity of winter wheat in North China Plain using remote sensing technology[J].Agricultural Water Management,2008,95:1271-1278.

[19] Cai X L,Sharma B R.Integrating remote sensing, census and weather data for an assessment of rice yield,water consumption and water productivity in the Indo-Gangetic river basin[J].Agricultural Water Management,2010,97: 309-316.

[20] 杨建莹,梅旭荣,严昌荣,等.华北地区气候资源空间分布特征[J].中国农业气象,2010,31(S1):1-5

Yang J Y,Mei X R,Yan C R,et al.Study on spatial pattern of climatic resources in North China[J].Chinese Journal of Agrometeorology,2010,31(S1):1-5.(in Chinese)

[21] Ren J,Chen Z,Zhou Q,et al.Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong,China[J]. International Journal of Applied Earth Observation and Geoinformation,2008,10:403-413.

[22] 谭方颖,王建林,宋迎波,等.华北平原近45年农业气候资源变化特征分析[J].中国农业气象,2009,30(1):19-24.

Tan F Y,Wang J L,Song Y B,et al.Analysis of changing characteristics of agricultural climate resources over last 45 years in North China Plain[J].Chinese Journal of Agrometeorology,2009,30(1):19-24.(in Chinese)

[23] 居辉,刘勤,杨建莹,等.黄淮海平原气候干旱对冬小麦产量和水分生产力的影响[M].北京:科学出版社,2016.

Ju H,Liu Q,Yang J Y,et al.Potential effect of climatic change on the yield and water productivity of winter wheat over the Huang-Huai-Hai[M].Beijing:Science Press,2016.

[24] Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration: guidelines for computing crop water requirements[M].Rome: FAO,1998.

[25] 刘巽浩,陈阜.中国农作制[M].北京:中国农业出版社,2005.

Liu X H,Cheng F.Chinese farming system[M].Beijing:China Agricultural Press,2003:58-72.(in Chinese)

[26] 梅旭荣,刘勤,严昌荣.中国主要农作物生育期图集[M].杭州:浙江科学技术出版社,2016.

Mei X R,Liu Q,Yan C R.Atlas of major crop growth period in China[M].Hangzhou:Press of Zhejiang Science and Technology,2016.

[27] Teixeira A H C,Bastiaanssen W G M,Ahmad M D.Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle Sao Francisco River basin,Brazil part A:calibration and validation[J].Agricultural and Forest Meteorology,2009,149:462-476.

[28] Bastiaanssen W G M.SEBAL based sensible and latent heat fluxes in the irrigated Gediz Basin Turkey[J].Journal of Hydrology,2000,229(1/2): 87-100.

[29] Bastiaanssen W G M,Bandara K M P S.Evaporative depletion assessments for irrigated watersheds in Sri Lanka[J].Irrigation Science,2001,(21):1-15.

[30] Bastiaanssen W G M,Noordman E J M,Pelgrum H D,et al.SEBAL Model with remotely sensed data to improve water-resources management under actual field conditions[J]. ASCE Journal of Irrigation and Drainage Engineering, 2005,131(1): 85-93.

[31] Lagouarde J,Jacob F,Gu X F,et al.Patialization of sensibleheat flux over a heterogeneous landscape[J]. Agronomie-Sciences des Productions Vegetales Environne- ment, 2002, 22:627-634.

[32] Yang J Y,Mei X R,Huo Z G,et al.Water consumption in summer maize and winter wheat cropping system based on SEBAL model in Huang-Huai-Hai Plain, China[J]. Journal of Integrative Agriculture, 2015,14(10):2065-2076.

[33] 张长春,王晓燕,邵景力.利用NOAA数据估算黄河三角洲区域蒸散量[J].资源科学,2005,27(1):86-91.

Zhang C C,Wang X Y,Shao J L.Estimated evapotranspiration based on NOAA data in the Yellow River Delta[J].Resource Science,2005,27(1):86-91.(in Chinese).

[34] Baldoeehi D D,Falge E,Cu L,et a1.FLUXNET:a new tool to study the temporal and spatial variability of ecosystem scale carbon dioxide[J].Water Vapor and Energy Flux Densities, 2001,82(I1):2415-2434.

[35] Aubinet M,Grelle A,Ibrom A,et a1.Estimates of the annual net carbon and water exchange of European forests:the EUROFLUX methodology[J].Advances in Ecological Research,2000,30: l13-175.

[36] 杜嘉,张柏,宋开山,等.基于MODIS产品和SEBAL模型的三江平原日蒸散量估算[J].中国农业气象,2010,31(1): 104-110.

Du J,Zhang B,Song K S,et al.Study on daily evapotran- spiration estimation of Sanjiang plain based on MODIS product and SEBAL model[J].Chinese Journal of Agromet- eorology, 2010,31(1):104-110.(in Chinese)

[37] Zwart S J,Bastiaanssen W G M.Review of measured crop water productivity values for irrigated wheat,rice,cotton and maize[J].Agricultural Water Management,2004,69:115-133.

[38] 刘朝顺,施润和,高炜,等.利用区域遥感ET分析山东省地表水分盈亏的研究[J].自然资源学报,2010,25(11):1938-1948.

Liu C S,Shi R H,Gao W,et al.Analyze the regional water budget in Shandong province by applying the evapotranspiration remote sensing method[J].Journal of Natural Resource,2010,25(11):1938-1948.(in Chinese)

[39] Liu C M,Zhang X Y,Zhang Y Q.Determination of daily evaporation and evapotranspiration of winter wheat and maize by large-scale weighing lysimeter and micro- lysimeter[J].Agricultural and Forest Meteorology,2002, 111(2):109-120.

[40] Wang H,Zhang L,Dawes W R,et al.Improving water use efficiency of irrigated crops in the North China Plain- measurements and modeling[J].Agricultural Water Management, 2001,48(2):151-167.

[41] 梅旭荣,康绍忠,于强,等.协同提升黄淮海平原作物生产力与农田水分利用效率途径[J].中国农业科学,2013,46(6): 1149-1157.

Mei X R,Kang S Z,Yu Q,et al.Pathways to synchronously improving crop productivity and field water use efficiency in the North China plain[J].Scientia Agricultura Sinica,2013,46 (6):1149-1157.(in Chinese)

[42] 山仑,康绍忠,吴普特.中国节水农业[M].北京:中国农业出版社,2004.

Shan L,Kang S Z,Wu P T.Water saving agriculture in China[M]. Beijing:China Agriculture Press,2004.(in Chinese)

Investigation on Water Productivity of Winter Wheat Based on MODIS and SEBAL in the Huang-Huai-Hai Plain

YANG Jian-ying1,2，HUO Zhi-guo2,3，WU Ding-rong2，WANG Pei-juan2，LIU Qin1,4,5

（1.Key Laboratory of Dryland Agriculture, Ministry of Agriculture, Beijing 100081, China; 2.Chinese Academy of Meteorological Sciences, Beijing 100081, China; 3.Collaborative Innovation Center of Meteorological Disaster Forecast, Early-Warning and Assessment, Nanjing University of Information Science & Technology, Nanjing 210044, China; 4.Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural Sciences, Beijing 100081, China; 5.Department of Biosystems Engineering, Gembloux Agro-BioTech, Universite of Liege, Passage des déportés, Gembloux 5030, Belgium）

Understanding how the crop water productivity can be increased is widely accepted to be a high priority where water resources are currently scarce and/or over-exploited in China.As the primary data source, MODIS remote sensing, statistics, meteorological data, crop growth period data and ground truth-data from Jan. 2011 to Dec. 2012 were used in actual evapotranspiration estimation, yields rasterizing, and water productivity calculation for winter wheat in the Huang-Huai-Hai Plain(3H Plain). The statistical data for wheat yield was synthesized to calculate district-state-level land productivity, which is then further extrapolated to pixel-level values using a MODIS NDVI image, based on a crop dominance map. Spatial variation of crop water productivity was investigated in order to reveal the key factors of crop water productivity. In addition, the relationship between water productivity and actual evapotranspiration and in subsequence yield for winter wheat was discussed in 3H Plain. The main results indicated that the SEBAL is suitable for estimating evapotranspiration in winter wheat based on the comparison with the evapotranspiration measured by Yucheng (in Shandong province). The regional average value of water productivity for winter wheat was detected to be 1.21kg·m-3, with the higher value in Beijing, Tianjin, north part of Shandong province and south part of Hebei province. The pronounced relationship of spatial correlation of the yield and water productivity for winter wheat indicated that the increasing yield governed the increment of water productivity for winter wheat in the coastal land-farming-fishing area (zone1), low plain-hydropenia irrigable land and dry land zone (zone2) and basin- irrigable land and dry land (zone5). Whereas, the increasing water productivity for winter wheat was recognized to be controlled by rather the increment of yield than the reduction of actual evapotranspiration (ETa) for winter wheat in the piedmont plain-irrigable land (zone2). Furthermore, the pronounced relationship of negative correlation of water productivity and ETafor winter wheat described that only the reduction of ETawas responsible for the increment of water productivity for winter wheat in hill-wet hot paddy-paddy field (zone6). The results is expected to provide a basis information for agricultural water management, improvements of crop water productivity and choice of adaptive mechanism under climate change in Huang-Huai-Hai plain.

Winter wheat planting information; Actual evapotranspiration; Yield rasterizing; Crop water productivity; Huang-Huai-Hai plain

10.3969/j.issn.1000-6362.2017.07.005

杨建莹,霍治国,邬定荣,等.基于MODIS和SEBAL模型的黄淮海平原冬小麦水分生产力研究[J].中国农业气象,2017,38(7):435-446

2016-12-20

。E-mail：liuqin02@caas.cn

农业部旱作农业重点实验室开放基金；中国气象科学研究院基本科研业务费专项基金（2016Y009）；国家自然科学基金（41371410；41401510）

杨建莹（1985-），女，副研究员，主要从事农业气象灾害风险预测与评估研究。E-mail：yangjy@camscma.cn