基于综合指标的河北省冬小麦长势遥感监测

周邵宁，黄芝

（衡阳师范学院 地理与旅游学院，湖南 衡阳 421002）

作物长势监测能够为早期估产提供依据，已成为精细农业研究中的重要内容[1]。但是农作物个体特征和群体特征信息的获取均费时费力，无法在短时间内获得大范围作物长势信息。遥感技术以其响应速度快、覆盖范围广等优势，己成为大尺度作物长势监测的重要手段[2]。目前根据监测方法的不同，作物长势遥感监测大致可以分为4个类别：直接监测法、作物生长过程监测法、同期对比法和作物的生长模型[3]。

应用遥感技术对农作物长势进行监测的精度还有待提高，学者们一直致力于研究更优的方法以期提高农作物长势监测的精度：利用遥感数据反演作物生长密切相关的驱动因子，如植被指数、叶面积指数、表面温度、土壤水分等，比传统测量方法更直接、有效，监测精度更高。如杜刚对用于监测农作物长势的各类植被指数模型进行了类推比较，并且着重分析了归一化植被指数在植物长势监测方面的应用[4]。彭少麟等提出，由于不同植物会有不同的发射光谱特征，且同一植物在不同的生长发育阶段和不同的条件下反射光谱曲线形态和特征也不会全然相同，因此可以利用植被的这一特征和遥感数据，结合地面调查监测植被的生长[5]。另外基于红波段和近红外波段这两个波段计算得到的植被指数也能够反映作物生长过程、覆盖度和季相变化，也常用于监测农作物的生长状况[6-7]。同时通过改进MODIS数据的植被指数的获取精度以及利用MODIS的多通道信息反演多种农学参数[8]，能有效解决高时间分辨率的农作物长势监测问题[9]。叶面积指数（Leaf area index，LAI）作为植被生物物理参数中的重要一员，是作物单产预测的重要参数，与作物产量有直接的关系[10]，因此，张树誉等人运用MODIS-NDVI序列数据联合地表气候观测材料对关中水地以及旱地农作物长势展开监测，同时对LAI进行了估算[11]。杨昕通过获取小麦各个生长时期的SPAD（叶绿素含量）、LAI、叶片含氮量、生物量等参数创建不同的模型来监测小麦的长势[12]。侯学会等人基于GF-1数据分别创建OSAVI（优化的土壤调节植被指数）、NDVI、EVI（增强型植被指数）、EVI2（双波段增强植被指数）、RVI（比值植被指数），结合实测冬小麦叶面积指数来监测冬小麦的长势[13]。

上述的监测方法基本上是基于单个或多个植被指数分别对冬小麦长势进行监测，高效的冬小麦长势监测方法仍需进一步探讨；同时，以往的研究较少考虑大范围监测时物候变化所带来的生长差异，因此为了进一步提高冬小麦长势监测精度，本文选取VTCI和NDVI时间序列通过灰色关联度方法构建综合监测指标C，利用该综合指标对2005年—2016年河北省冬小麦的抽穗期进行监测，并对冬小麦的长势状况的时空格局进行相关分析，以期得到精度更高的冬小麦长势监测结果，为精细农业的发展以及农作物估产提供参考。

1 研究区概况与数据来源

1.1 研究区概况

河北省围绕着首都北京，总面积188 800 km2，统辖着11个地级市和1个国家级新区雄安新区，有47个市辖区、20个县级市、95个县、6个自治县。处在东经113°27′~119°50′，北纬36°05′~42°40′。地形包括三个重要的地貌单元，其中，坝上高原海拔1 200~15 000 m左右，占全省总面积的8.5%，燕山、太行山地，多在海拔2 000 m之下，占全省总面积的48.1%，河北平原则是华北平原的一部分，大部分海拔在50 m以下，约占全省总面积的43.4%。

河北省的农作物主要以小麦、玉米、棉花、水稻、土豆为主，并且在空间分布上有差异：南部地区主要以种植小麦、玉米为主；中北部地区以种植棉花、土豆为主；西南地区少部分种植水稻。冬小麦和夏玉米是河北省复种率最高的两种农作物。耕作制度主要是一年一熟和一年两熟。

1.2 数据来源与处理

1.2.1 MODIS遥感数据

本文选取的是经过严格处理的少云（云量要求20%以下）陆地标准产品MODO9A1 8天合成地表反射率产品以及MYD11A1地表温度L3产品，获取的数据覆盖面为河北省2005年—2016年的3~5月时相数据；选取的研究时间段足够长，并且该期间的冬小麦长势与产量存在偏好（偏丰产）、偏差（偏歉收）等不同长势和收获情况（如表1所示）。这为长势监测结果的精度验证提供了有利条件，因此将2005年—2016年作为研究时段具有典型性。河北省在全球的MODIS划分区块中涉及到h27v5，h27v4，h26v4，h26v5这四个网格的数据。经过拼接、重采样、投影转换等处理后，反演日LST产品和计算日NDVI产品，然后生成LST与NDVI的旬最大值合成影像，进而计算生成以旬为单位的VTCI时间序列数据。

表1 河北省冬小麦2005年—2016年单产量

1.2.2 研究区冬小麦种植区域提取

对河北省冬小麦抽穗期的长势情况展开监测，研究前提在于准确提取冬小麦区域。河北省的冬小麦通常在每年11月中上旬悉数出苗，此时大部分的秋收作物已经收割完毕，田间的绿色作物主要是小麦，其他绿色植物相对较少。但此期间树木还没有完全落叶，绿度值与小麦的绿度值没有办法区别开来。因此，本文选择2006年10月14日13时AQUA卫星遥感资料，该时期秋收作物大都已经收割完毕，冬小麦还没有出苗或麦苗还小，近乎裸地的区域视为冬小麦的种植区域[14]，将其进行监督分类得出冬小麦种植区如图1所示。

图1 冬小麦种植区

2 基于综合指标的冬小麦长势遥感监测方法

基于综合指标的冬小麦长势遥感监测的主要流程如下[15]：首先将获取的原始MODIS数据进行数据预处理，提取河北省冬小麦可种植区域，反演日LST产品和计算日NDVI产品，然后生成LST与NDVI的旬最大值合成影像，进而计算生成以旬为单位的VTCI时间序列数据。由于卫星在拍摄过程中，受云、气溶胶、双向反射以及数据传输错误等多重因素的影响，会出现异常植被指数值，影响NDVI数值精度，所以必须在监测之前重建NDVI时间序列数据，选择S-G滤波法对研究区的时间序列NDVI数据进行滤波去噪和影像重建。接着运用灰色关联度法分别计算NDVI与VTCI在冬小麦年单产量中的权重值，构建综合监测指标C，再通过构建冬小麦单产量与综合监测指标C的线性回归模型作出对综合指标的适宜性进行分析。最后通过动态监测方法分别分析冬小麦长势的年际差异以及区域差异，对冬小麦长势进行评价。

2.1 长势监测综合指标构建

综合指数C的构建主要以河北省2005年—2016年的冬小麦单产数据作为参考数列，研究区的冬小麦单产数据来源于《河北农村统计年鉴》，相应时间段的NDVI与VTCI作为被比较数列，通过计算冬小麦抽穗期VTCI序列、NDVI序列与单产数据之间的绝对关联度，确定冬小麦VTCI与NDVI作为长势监测指标的权重值。

灰色关联度分析法[16]是通过分析因素的历史数据，借助灰色关联度来考察各因素间的大小、强弱和次序关系。该方法简单易行，对数据要求较低，能够很好地降低数据缺失对研究结果所造成的影响，广泛应用于社会生活的各个领域。它的过程一般为对所研究的系统Si( i =1,2,…,n)，构造研究所需的参考序列X0=( x01,x02,…,x0m)和比较序列Xi=( xi1,xi2,…,xim)，式中x0k(k=1,2,…,m)为第k个指标的最优值；xik(k=1,2,…,m)为第i个方案中第k个指标的原始数值。为了保证对不同量纲与数量级之间的指标比较结果的可靠性，需通过标准化处理将原始数据转换为无量纲值Cik：

式中xkmin为第k个指标在所在方案中的最小值；xkmax为第k个指标在所在方案中的最大值。

接着对参考序列及权重系数向量ρ( ρ∈[- 1,1] )进行确定，当ρ值在0.500 0~0.546 3时分辨力较好，且关联系数ξi(k)分布区间适宜，在实际应用中适用性广泛，故通常取ρ=0.5。根据上述条件来计算关联系数ξi(k) 以及关联度ri，再以关联度大小为依据对变量进行大小排序。其中关联系数ξi(k)和关联度ri分别通过下列公式计算：

再依据绝对关联度ri反映了第i个方案各指标与最优指标之间的关联程度，ri值越大，则第i个方案越优异，其权重值越大。因此依据各方案绝对关联度在所有方案绝对关联度总和中所占的比确定各方案的权重系数Wi[17]：

由公式（2），式（3），式（4）计算得到研究区域NDVI与VTCI的权重值分别为0.51和0.49，即构建的综合监测指标C的表达式为

中国气象局发布的《主要粮食作物产量年景等级》将主要粮食作物的产量年景划分为6个等级：丰年、偏丰年、持平略增、持平略减、偏歉年与歉年。全国尺度和省级尺度的粮食作物的产量年景等级及其对应的总产或单产增（减）率Py的区间分布如表2所示。根据该划分标准中的分省单产对应的产量年景划分标准将综合监测指标C划分为好、偏好、持平稍好、持平稍差、偏差、差，取置信水平1－α为0.95，统计分析每一等级C的均值、标准差、置信区间等，依据各等级置信区间的上（下）限，制定冬小麦综合监测指标分级标准如表3所示。

表2 产量年景等级及产量增（减）率指标(%)

表3 冬小麦综合监测指标分级标准

2.2 综合指数适用性分析

回归分析是描述客观事物间关系密切程度并将其定量化表示出来的一种统计分析方法。其中的一元线性回归是用y=a+bx拟合一系列对自变量x和因变量y的数据观察值的过程，通过决定系数R2评价y与x之间的拟合度，R2的取值范围在0~1，越接近1，拟合度越好。本文利用研究区域2005年—2016年冬小麦的NDVI和VTCI以及综合长势监测指标C分别构建与冬小麦单产数据之间的线性回归模型，其结果如表4所示。由表4可知，三个监测指标与冬小麦单产之间的相关性最好的是综合监测指标C，其对应R2为0.509 2，指标NDVI与VTCI的R2分别为0.125 0和0.127 9，皆低于综合指标的决定系数。基于此可以得出结论，综合监测指标C的构建具有理论意义，比起单一的植被指数或者监测指标更加能过反映冬小麦的长势情况。

表4 2005年—2016年河北省冬小麦各长势监测指标与省级单产的线性回归模型

3 2005年—2016年冬小麦长势综合评价

通过构建综合监测指标C的公式进行计算，并且按照表2冬小麦的长势划分等级标准能够得出河北省每年的冬小麦抽穗期长势空间分布如图2所示。

图2 河北省2005年—2016年冬小麦抽穗期长势空间分布

从2005年—2016年（2014年和2015年数据缺失）整体的方向来看，河北省冬小麦生长趋势整体平稳，生长差的区域以及生长好、两极分化的区域所占的比比较少，长势基本处于持平状态。长势严重低于同年均值的主要是西南部地区。有几年生长趋势持平稍差的区域所占比重较多，或者说空间分布明显区别于其他年份的冬小麦长势空间分布。例如2010年冬小麦抽穗期长势偏差和持平稍差等级的区域所占比重最大，占据了河北省冬小麦整个种植区的绝大部分，长势持平稍差等级占比约为61.95%，长势持平稍好的区域只占一小部分，约为16.85%，这与2010年河北省的气象灾害受灾率达到了大约28%相符[18]。2005年以及2009年长势持平稍差占比也比较大。而2008年、2011年、2013年的冬小麦生长趋势相较于其他年份则长势优异；其中2008年长势持平稍好以上等级分别占了整体空间分布格局的31.38%，36.48%，35.10%。10 a间长势最好的年份当属2013年，长势好等级占冬小麦区域的绝大部分。研究期内，河北省的大部分冬小麦区域的长势都趋于持平稍好，少数年份的持平稍差，长势好或差以及偏差的冬小麦在这10 a间所占的比极低。

从河北省的冬小麦抽穗期生长趋势空间分布格局进行对比发现，河北省中部地区的冬小麦在研究期内长势比较稳定一致。2005年—2016年冬小麦生长情况较好的地区都集中在河北省的西南部、西部以及北部，只有2010年的西部、西南部以及南部地区的冬小麦长势差于其他的区域，出现了少数的长势偏差等级。在研究期内，冬小麦区域中几乎不存在长势差的冬小麦，长势等级集中在持平稍好、偏好范围内。

4 评价结果验证

冬小麦长势是降水、墒情或干旱状况的综合反映[13]。本文利用已有的相关研究对河北省冬小麦长势评价结果进行验证。据王素萍等人的研究，2009年12月末，河北出现轻到中旱，并且2010年2月末河北中部旱象露头，出现轻旱[19]。在一定程度上导致了冬小麦2010年长势情况不乐观，持平稍差长势占据大部分地区，这与本文研究结果一致。除此之外，孔敏等人对河北省2013年年降水量地区分布做出分析，全省年降水量地区分布总体呈现南、北部略偏少，中部地区偏多[20]，而本文得出的2013年冬小麦长势等级分布中部优于南北部，这与孔敏等人的分析结果一致。同时代立芹等对河北省冬小麦冻害发生规律进行分析，结果表明河北省冬小麦冻害地域分布为：南部多于北部，冻害高发区主要集中在中南部麦区[21]。纵观本文研究时间段可以看出冬小麦长势中部及中北部优于南部。这与代立芹等人的研究结果仍有一致性。虽然本文研究结果与前人相关研究存在数据源、空间尺度以及研究时间等差异，但在一定程度上仍然具有一致性，因此，本文基于综合指标对河北省冬小麦长势进行监测具有实际意义以及可靠性。

5 结论

选取河北省2005年—2016年（由于影像获取原因不包括2014年和2015年影像）的MODIS产品数据为主要数据源，考虑物候差异的影响，提取河北省冬小麦抽穗期进行监测，选用条件温度植被指数VTCI和归一化植被指数NDVI构建综合监测指标C，通过作物生长过程动态监测方法监测河北省冬小麦逐年的长势变化。主要结论如下：

（1）目前已有的成果一般都是根据作物多年平均长势状况对当年相应时间点或时间段的作物长势进行研究，忽略了大范围长势监测，不同区域作物会因所处物候期的不同导致长势出现差异从而带来的监测误差。因此，本文主要选取冬小麦抽穗期为长势监测阶段，初步消除了长时间和大区域作物长势监测中物候差异带来的影响。

（2）选用条件温度植被指数VTCI和归一化植被指数NDVI构建的综合监测指标C经过验证得出结论，比单一NDVI与VTCI而言，C的监测精度更高，更能体现冬小麦抽穗期的长势情况。但是监测指标C对于冬小麦的其他物候期以及其他地区的冬小麦是否有效，还需进一步研究。

（3）通过年际之间的对比研究发现，河北省的冬小麦长势在2005年—2016年整体生长趋势呈持平稍好的状态，大部分年份的冬小麦生长趋势都与年均生长趋势相近，但也存在生长趋势波动较大的年份，例如2010年，由于受到旱灾影响，冬小麦出现了长势偏差情况。从长势空间分布格局来看，2005年—2016年，河北省的中部、中北部冬小麦长势要相对优于南部地区。