2019年美国冬小麦长势遥感监测分析

来源:用户上传      作者:

　　摘要 美国是全球重要的小麦出口大国，其生产状况在一定程度上影响全球小麦贸易形势。利用卫星遥感技术，基于作物长势遥感监测中应用最广泛的归一化植被指数NDVI，采用同期对比法对2019年美国冬小麦进行长势监测分析。结果表明，2019年美国冬小麦长势基本呈现持平略好趋势，且总体好于2018年同期;良好的气象条件是主产州冬小麦长势总体表现偏好的主要原因。产量有望稳中略增，进一步增加国际小麦供给。
　　关键词 长势监测;遥感;MODIS数据;美国;冬小麦
　　中图分类号 S 127文献标识码 A文章编号 0517-6611（2020）01-0241-04
　　doi：10.3969/j.issn.0517-6611.2020.01.072
　　开放科学（资源服务）标识码（OSID）：
　　Analysis of Winter Wheat Growth of United States with Remote Sensing Data in 2019
　　SUN Li， WANG Wei dan， CHEN Yuan yuan et al
　　（Key Laboratory of Cultivated Land Use， Ministry of Agriculture and Rural Affairs， P.R.China;Chinese Academy of Agricultural Engineering & Planning Design， Beijing 100121）
　　Abstract United States is an important wheat exporting country in the world. It's productions and supplies have great impacts on the global wheat market to a certain extent. Based on satellite remote sensing technology， winter wheat growth condition of United States in 2019 was monitored and analyzed using Normalized Difference Vegetation Index （NDVI），which was most widely used in crop condition monitoring and evaluation. And comparative model was adopted， which was considered practical and effective. The results showed that the growth trend of winter wheat in the United States in 2019 was basically flat and slightly better， which was better than that in the same period of 2018. Favorable meteorological conditions were the main reason for the preference of winter wheat growth in main producing states. Production was expected to showing slightly increase， which further increases international wheat supply.
　　Key words Crop growth monitoring;Remote sensing;MODIS data;United States;Winter wheat
　　作物長势监测能够为早期估产提供依据，已成为精准农业研究中的重要内容[1]。长势即作物生长的状况与趋势，可以用个体和群体特征来描述。以冬小麦为例，个体长势特征可以用茎叶根与穗的特征描述，如株高、分蘖数、叶色等;群体特征可以用群体密度、叶面积指数等动态描述。发育健壮的个体所构成的群体是长势良好的作物区[2-3]。个体特征和群体特征信息的获取均费时费力，无法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，日益成为大尺度作物长势监测的重要手段[4]。陈仲新等[5]对当前长势遥感技术进行了系统归纳，总体可以分为2类，即定性长势监测方法和定量长势监测方法。前者是利用植被光谱响应敏感波段构建能够反映作物生长状况的遥感指数进行监测，包括植被指数、叶面积指数等[6]，其中归一化植被指数（Normalized Difference Vegetation Index，简称NDVI）等应用最广泛[7]。后者是随着作物生长模拟模型的发展，基于机理模型进行长势监测，近年来相关研究越来越深入[8-10]，但由于需要较多的辅助参数，影响了大范围推广应用。遥感长势监测模式上可以分为3类，即直接监测法（或统计监测法）、生长过程监测法和同期对比法（或年际比较法）。美国位于北美洲中部（23°～54°N，130°～74°W），国土面积为937.26万km2，占世界国土面积7%[11]。耕地面积1.77亿hm2，国民人均占有0.59 hm2[12]。美国约70%以上的耕地都是以大面积连片分布的方式集中在大平原和内陆低原，且土壤多以草原黑土（包括黑钙土）、栗钙土和暗棕钙土为主，有机质含量高，特别适宜农作物生长[13]。其中，中部、北部地区是大平原小麦带，平均海拔在500 m以下，地势平坦，土壤肥沃，冬季较长而严寒，夏季雨热同期，水源充足，适宜小麦生长。鉴于此，笔者利用卫星遥感技术，基于作物长势遥感监测中应用最广泛的归一化植被指数NDVI，采用同期对比法对2019年美国冬小麦进行长势监测分析。 　　1 研究方法
　　1.1 数据源与预处理
　　该研究遥感数据来源于美国国家航空航天局（national aeronautics and space administration，简称NASA）网站的Terra卫星搭载的中分辨率成像光谱传感器（moderate resolution imaging spectroradiometer，简称MODIS）16 d合成产品MOD13A2及单日反射率产品MOD09GA，空间分辨率为1 km。其中，16 d数据产品时间为2019年3月上中旬（2月26日—3月13日）;为满足监测时效性，单日产品数据时间为2019年4月上旬（4月1—10日）和5月上旬（5月1—10日）。16 d数据产品预处理包括拼接、投影转换、剪裁等;单日反射率产品经过拼接、投影转换、剪裁等处理后，构建NDVI，并进行10 d最大化合成。由于美国冬小麦种植区域相对稳定，因此该研究利用美国农业部发布的2017/2018年CDL（crop data layer）数据进行信息提取，形成冬小麦分布底图，作为监测区域掩膜数据。辅助分析资料包括气象信息和地面调查信息，其中气象信息来源于美国农业部网站的农业气象发布（https：//ipad.fas.usda.gov/cropexplorer/），地面调查信息来源于美国农业部气象与作物周报（https：//www.usda.gov/oce/weather/pubs/）。
　　1.2 研究方法
　　可见光中红光区域的太阳辐射被植物叶绿素吸收，进行光合作用制造干物质，是植物光合作用的代表性波段，而近红外区域能够反映叶片的健康状况，与植被种类和长势密切相关。由于红光和近红外2个波段是植物光谱中反映光合作用和呼吸作用的最重要波段，研究人员基于此构建了多种指数以揭示其包涵的植物信息，其中NDVI最典型。根据农业部门应用习惯，上一年（即去年）的收成是已知的，通过与上一年的作物长势比较，容易得到产量变化趋势，同样，通过与常年比较，易于得到相比常年的长势及产量变化趋势，因此该研究使用NDVI差值模型来进行长势情况评估。与去年比较模型为：
　　NDVI=Rnir-RredRnir+Rred（1）
　　式中，Rnir为近红外波段反射率，Rred为红光波段反射率。
　　DNDVI2=NDVI1-NDVI2（2）
　　式中，DNDVI2表示与去年比较的作物长势指数;NDVI1表示当年某时段NDVI值;NDVI2表示去年同期NDVI值。根据DNDVI2值大小，结合地面调查数据对差值结果进行分级，将作物长势分为好于去年，与去年持平和不及去年。
　　与常年比较模型为：
　　DNDVIn=NDVI1-NDVI（3）
　　NDVI=ni=1NDVI-NDVImax-NDVIminn-2（4）
　　式中，DNDVIn表示與常年比较的作物长势指数;n表示年数，为≧5的整数（该研究中，n取6）;NDVI1表示当年某时段NDVI值;NDVI为常年同期平均NDVI值。NDVImax表示常年同期最大NDVI值;NDVImin表示常年同期最小NDVI值;NDVI表示常年同期平均NDVI值。根据DNDVIn值大小，结合地面调查数据对差值结果进行分级，将作物长势分为好于常年，与常年持平和不及常年。
　　2 结果与分析
　　2.1 美国冬小麦种植现状
　　小麦是美国重要粮食作物之一。美国农业部国家农业统计服务局（National Agricultural Statistics Service，简称NASS）发布的信息显示，小麦种植分冬小麦、春小麦和硬质小麦3类统计，冬小麦收获面积比例最高，近3年（2016—2018年）比例均在67%以上;春小麦种植比例在25%以上;硬质小麦比例在5%上下浮动。冬小麦种植面积比例超过5%的有堪萨斯州、俄克拉荷马州、德克萨斯州、科罗拉多州、华盛顿州、蒙大拿州共6个州，其冬小麦产量之和约占美国冬小麦总产的60%，其中堪萨斯州种植面积比例超过25%，是冬小麦种植第一大州。各州冬小麦种植面积比例情况见表1。国际谷物协会（International Grains Council，简称IGC）统计显示，2017—2018年度美国小麦产量为4 740万t，约占全球小麦总产的6.2%，居欧盟、中国、印度、俄罗斯之后，世界排名第5位。虽然其小麦产量绝对水平不高，但由于其出口依赖性强而对国际小麦市场有重要影响[14]。美国小麦出口量仅次于俄罗斯，世界排名第2位，2017—2018年度为2 452万t，占其产量的51.7%。
　　2.2 美国冬小麦长势时空特征分析
　　利用公式（1）和（2）得到2019年3月上中旬、4月上旬及5月上旬与2018年比较的冬小麦长势监测结果。其中，3月上中旬（2月26日—3月13日）美国西部、中西部及东北部地区受前期降雪影响，冬小麦被积雪覆盖，在其余75%的冬小麦区，大部冬小麦已进入返青期，少量进入拔节期。冬小麦长势持平比例为91.8%，好于2018年比例为4.3%，不及去年比例为3.9%。冬小麦长势好于2018年的区域主要集中在德克萨斯州中北部、加利福尼亚中部等地区，其中德克萨斯州好于2018年比例为11.4%，加利福尼亚州好于2018年比例为21.3%。这些区域冬小麦越冬前总体气温较常年同期持平或略高，降水适宜，光热条件有利于冬小麦适时播种，冬前苗情较好，由于受到了较充分的抗寒锻炼，因此这些地区大部分麦苗返青顺利，局部长势偏好。长势不及2018年的主要区域是美国中西部的内布拉斯加州中南部和堪萨斯州中北部的局部地区，其中内布拉斯加州不及2018年比例为33.5%，堪萨斯州不及2018年比例为5.8%。这些区域受前期低温和土壤过湿影响，播种延迟，麦苗偏弱，冬前的寒流雨雪天气，对其生长产生了不利影响，加之返青前土壤墒情持续较差，局部冬小麦长势偏差态势显著。4月上旬（4月1日—4月10日），大部分冬小麦已进入拔节孕穗期，少量进入抽穗期。冬小麦长势持平比例为89.8%，好于2018年比例为9.1%，不及2018年比例为1.1%。与3月上中旬监测结果相比，持平比例下降2.0%，但好于2018年比例增加4.8%，不及2018年比例下降2.8%。冬小麦长势好于2018年的区域主要集中在德克萨斯州中北部、俄克拉何马州西部、堪萨斯州西南部及加利福尼亚州南部地区，这些区域冬小麦在返青后光温水综合条件好于2018年，土壤墒情总体持续适宜。不及2018年的区域集中在俄勒冈州和华盛顿州交界的小部地区，主要由于这些地区前期土壤墒情偏差，对冬小麦返青拔节产生了不利影响。5月上旬（5月1日—5月10日），大部分冬小麦已进入孕穗抽穗期。美国农业部发布的气象与作物周报显示，约42%冬小麦进入抽穗期，较2018年偏低1百分点，少量进入灌浆期。冬小麦长势持平比例为90.3%，好于2018年比例为7.6%，不及2018年比例为2.1%。与4月上旬监测结果相比，持平比例增加0.5%，好于2018年比例下降1.5%，不及2018年比例增加1.0%。长势好于2018年的区域主要集中在德克萨斯州中西部、俄克拉何马州西部、堪萨斯州西部地区，该区域冬小麦自返青以来光温水综合条件好于2018年，土壤墒情总体适宜，长势较好，局部提前进入灌浆期。长势不及2018年的区域主要分布在西部的爱达荷州与华盛顿州交界附近和中部的堪萨斯州南部及俄克拉何马州中北部局部，其中爱达荷州和华盛顿州交界附近冬小麦由于4月中旬以来降水总量偏少，拔节抽穗受到不利影响，长势偏差;堪萨斯州南部及俄克拉何马州中北部局部由于4月底以来降水偏多，局部土壤过湿较重，对冬小麦生长有不利影响。 　　根据美国农业区划，将冬小麦种植州分为5个地区（表1）。其中，西部地区包括华盛顿州等9个州;中西部地区包括堪萨斯州等12个州;西南部地区包括俄克拉何马州等4个州;东南部地区包括北卡罗莱纳州等13个州;东北部地区包括纽约州等5个州。将3月上中旬—5月上旬冬小麦长势监测结果分地区进行统计分析（图1），可以看出各地区长势与2018年同期相比的变化情况，具体是西部地区比2018年好比例均在91.8%以上，持平比例小幅波动，不及2018年比例呈先升后降趋势，为2.9%;中西部地区持平比例呈现递增趋势，达到94.8%，总体高于其他几个地区，好于2018年比例先升后降，不及2018年比例下降为1.1%;西南地区不及2018年比例较低，不足1.0%，好于2018年比例总体较高，达到14.4%;东南地区持平比例波动下降，不及2018年比例波动上涨，达到13.4%，好于2018年比例相对稳定;东北地区好于2018年比例有增长趋势，但总体偏低，为1.0%，持平比例波动下降，但均达到92.0%以上。
　　2.3 美国冬小麦产量趋势分析
　　美国农业部NASS发布的2018年统计数据显示，西部、中西部及西南部地区冬小麦产量占比分别为31%、45%、14%，3个地区产量合计约占美国冬小麦总产量的90%。因此，这3个地区产量能够反映美国冬小麦产量趋势。有研究认为，冬小麦孕穗抽穗阶段对经济学产量有决定性作用，也是单产预测的最佳时期[15]，且与产量呈正相关关系[16]。表2为5月上旬的监测结果。由表2可知，西部地区、中西部地区、西南地区好于2018年比例均大于不及2018年比例，差值分别为1.6%、3.0%、13.5%。据此判断总体产量趋势向好。
　　2.4 美国冬小麦主产州NDVI对比
　　由于堪萨斯州、俄克拉荷马州、德克萨斯州、科罗拉多州、华盛顿州、蒙大拿州6个州冬小麦产量约占全国60%，因此将这6个州2018、2019年及常年的4月上旬和5月上旬NDVI进行绘图，作进一步对比分析。从表3可以看出，2019年德克萨斯州NDVI显著高于2018年和常年同期水平;俄克拉荷马州2019年NDVI显著高于2018年同期水平，较常年同期略高;堪萨斯州NDVI较常年同期略高，2019年4月上旬与2018年同期差异显著，但5月上旬较接近;科罗拉多州2018年NDVI与常年基本持平，2019年NDVI略高于2018年和常年同期;华盛顿州2019年NDVI总体低于2018年和常年同期;蒙大拿州2019年NDVI与2018年和常年较接近，5月上旬略低于2018年和常年同期。其中，德克萨斯州、俄克拉荷马州、堪萨斯州受良好水热条件影响，NDVI水平优势明显，而华盛顿州受前期低温影响，返青较晚，NDVI值表现偏低。总体而言，这6个主产州冬小麦单产呈偏好态势。
　　3 小结
　　该研究采用同期比较法对2019年美国冬小麦长势的遥感监测进行分析，结果显示2019年3月上中旬—5月上旬美国冬小麦长势基本呈现持平略好趋势，且总体好于2018年同期，尤其是主产州冬小麦长势总体持平偏好。产量有望稳中略增，进一步增加全球小麦供给。
　　该研究侧重从定性角度对作物长势和产量趋势进行评估，具有快速、客观等优势，但与地面信息结合时仍存在一定不足。因此，将遥感监测参数与作物模型结合，对长势进行定量化评估和产量预估是今后的研究方向。
　　参考文献
　　[1] 李花.HJ-1A/B遥感监测水稻长势与产量的研究[D].合肥：安徽农业大学，2011.
　　[2] 杨邦杰，裴志远.农作物长势的定义与遥感监测[J].农业工程学报，1999，15（3）：214-218.
　　[3] 杨邦杰.农情遥感监测[M].北京：中国农业出版社，2005.
　　[4] 黄青，刘航，邹金秋.2017年巴西大豆长势遥感监测数据的分析研究[J].中国科技资源导刊，2017，49（6）：60-65，75.
　　[5] 陈仲新，任建强，唐华俊，等.农业遥感研究应用进展与展望[J].遥感学报，2016，20（5）：748-767.
　　[6] 任建强，刘杏认，陈仲新，等.基于作物生物量估计的区域冬小麦单产预测[J].应用生态学报，2009，20（4）：872-878.
　　[7] GUINDIN GARCIA N，GITELSON A A，ARKEBAUER T J，et al.An evaluation of MODIS 8 and 16 day composite products for monitoring maize green leaf area index[J].Agricultural and forest meteorology，2012，161（3）：15-25.
　　[8] 閆岩，柳钦火，刘强，等.基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究[J].遥感学报，2006，10（5）：804-811.
　　[9] 刘峰，李存军，董莹莹，等.基于遥感数据与作物生长模型同化的作物长势监测[J].农业工程学报，2011，27（10）：101-106.
　　[10] 潘灼坤.耦合遥感信息与作物生长模型的区域低温影响监测、预警与估产[D].杭州：浙江大学，2016.
　　[11] 刘流.美国粮食和耕地变化及其趋势分析[J].世界农业，2017（6）：128-133.
　　[12] 刘志扬.美国在城市化过程中实施耕地保护对中国的启示[J].世界农业，2010（6）：28-30.
　　[13] 李社潮.美国农业考察见闻[J].新农业，2017（6）：43-45.
　　[14] 顾尧臣.世界粮食生产、流通和消费[M].北京：中国财政经济出版社，2009.
　　[15] 千怀遂.农作物遥感估产最佳时相的选择研究：以中国主要粮食作物为例[J].生态学报，1998，18（1）：48-55.
　　[16] 盛磊，何亚娟，吴全，等.河南省冬小麦产量遥感监测精度比较研究[J].中国农业信息，2018，30（2）：95-102.
转载注明来源:https://www.xzbu.com/1/view-15114501.htm