孙丽 钱永兰 吴尚荣

摘要 小麦是我国第三大粮食作物，而冬小麦占比为95%以上，在糧食构成中占重要地位。提出了一种结合光学和微波遥感的中国冬小麦长势动态监测模式，具体为利用微波遥感和MK算法，分析了2020年我国冬小麦主产区土壤墒情的变化趋势及空间分布。在此基础上，结合光学植被指数，采用年际比较模型，对2020年我国冬小麦长势进行了动态监测。结果表明，2020年我国冬小麦长势基本呈现持平向好趋势，且总体好于2019年同期。良好的水热条件是主产区冬小麦长势总体表现较好的主要原因。冬小麦产量有望继续保持稳定，保障我国粮食供给充足。

关键词 长势监测;遥感;MODIS数据;冬小麦

中图分类号 S127  文献标识码 A

文章编号 0517-6611（2020）21-0230-04

Abstract Wheat is the third largest grain crop in China， and the proportion of winter wheat is more than 95%， occupies an important position in the grain composition. A dynamic monitoring model of winter wheat growth in China was presented which combined optical and microwave remote sensing data. By using microwave remote sensing and MK algorithm， the variation trend and spatial distribution of soil moisture content in main winter wheat producing areas in China in 2020 were analyzed. After that， based on the optical vegetation index and the interannual comparison model， the growth trend of winter wheat in China during the outbreak of new coronary pneumonia was dynamically monitored. The results are as follows： the growth trend of winter wheat in the main producing areas in China in 2020 was basically flat and slightly better， which is better than that in the same period of 2019. Favorable meteorological conditions are the main reason for the preference of winter wheat growth in main producing states. Output is expected to remain stable to ensure adequate food supply in China.

Key words Crop growth monitoring;Remote sensing;MODIS data;Winter wheat

基金项目 国家重点研发计划（2016YFB0501505）。

作者简介 孙丽（1978—），女，辽宁辽阳人，高级工程师，博士，从事农情遥感监测研究。

收稿日期 2020-04-14

小麦是我国第三大粮食作物和城镇居民主要口粮。同时，小麦也是我国重要的商品粮和战略性的主要粮食储藏品种[1]。据国家统计局2018年统计结果显示，全国小麦种植面积24 266.2千hm2，产量为13 144.0万t，其中，冬小麦面积为22 750.3千hm2，产量为12 503.1万t，占小麦总产量的95.1%。冬小麦作为我国主要的夏粮品种，在粮食构成中占重要地位。

我国北方冬小麦主产区包括河南省、河北省、山东省、陕西省、山西省、甘肃省共6省，南方冬小麦主产区包括江苏省、安徽省、湖北省、四川省、重庆市5省（直辖市）。其中，冬小麦种植比例超过5%的有河南省、山东省、安徽省、江苏省、河北省5个省，其冬小麦产量之和约占我国冬小麦产量的83.3%，河南省种植面积比例超过25%，是冬小麦种植第一大省。冬小麦主产区内各省冬小麦种植面积比例情况参见表1。

作物生长过程监测是以作物长势监测为核心，辅以气象条件和土壤墒情监测等信息，对作物生长状况变化进行综合分析并预估未来发展趋势。它能够为早期估产提供依据，是农业遥感应用研究的重点内容之一。作物长势监测是对作物的幼苗、生长状况及其变化的宏观监测[2-3]。在作物长势遥感监测中，最常用的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，其中归一化植被指数（Normalized Difference Vegetation Index，简称NDVI）等应用最广泛。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，但由于需要较多的辅助参数影响了大范围推广应用[4]。在土壤墒情遥感监测方面，表观热惯量模型、植被供水指数模型、温度植被干旱指数等是成熟且应用较广泛的监测模型[5-9]，然而这些模型是基于光学遥感数据构建的。微波具有穿透性和全天候特点，因此被认为是探测土壤水分最有效手段[10]。

该研究将光学遥感与微波遥感方法结合，在分析土壤墒情变化的基础上进行作物长势的综合分析，客观评价其发展变化及未来趋势，为农业生产管理和产量预估提供支持。

1.1 数据源与预处理

该研究光学遥感数据来源是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）单日反射率产品MOD09GA和单日陆表温度产品MOD11A1，空间分辨率为1 km。其中，为满足监测时效性，数据产品时间为2019年12月上中旬（12月2—13日）、2020年3月上旬（3月1—10日）。单日反射率产品在完成拼接、投影转换、剪裁等处理后，构建NDVI，并进行多日最大化合成。单日陆表温度完成昼夜温差计算后，再进行多日昼夜温差最大化合成。微波数据来源是中国气象局风云卫星遥感数据服务网共享数据（http：//satellite.nsmc.org.cn/PortalSite/Default.aspx）。使用产品为FY-3C/MWRI陆表温度旬产品，空间分辨率为25 km。数据产品时间为冬小麦开始播种—返青拔节，具体是2019年10月上旬—2020年3月上旬。利用全国经济统计数据及行政界限矢量数据，基于ARCGIS软件平台，得到主产区域冬小麦分布底图，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中国气象数据网（http：//data.cma.cn/）。

1.2 研究方法

1.2.1 作物长势监测模型。

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，其中以NDVI最为典型。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，因此该研究使用年际比较模型来进行长势情况评估。具体为：

DNDVI2=NDVI1-NDVI2（1）

NDVI=（Rnir-Rred）（Rnir+Rred）（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。Rnir为近红外波段反射率，Rred为红光波段反射率。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表示与常年比较的作物长势指数;n表示年数，为≥5的整数;NDVI1表示当年某时段NDVI值;NDVI为常年同期平均NDVI值。DNVImax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。

1.2.2 土壤墒情监测模型。

由于植被覆盖度不同，该研究利用NDVI进行分区，选择使用表观热惯量模型（Apparent Thermal Inertia，PATI）和植被供水指数（Vegetation Supply Water Index，VSWI）进行土壤墒情监测。其中，基于表观热惯量的土壤墒情监测模型根据监测时段不同选用线性、指数、对數等不同反演方法。实现过程参见邓辉（2004）文献[11]。

1.2.3 FY-3C/MWRI土壤水分反演模型。基于LSMEM（and surface microwave emission model）[12]， 利用双极化10.7 GHz的FY-3C微波亮温产品来反演土壤水分。实现过程参见刘凯等[13]文献。

1.2.4 趋势分析模型。该研究采用 Mann-Kendall 非参数检验法来检测土壤墒情总体变化趋势。以原假设 H0（即假设序列平稳且随机独立分布）为前提，分别计算参数 ZC和β。ZC反映了序列的总体变化趋势，ZC为正值，说明序列总体上呈上升趋势;ZC为负值，则呈下降趋势。取显著性水平α=0.05，若|ZC|≤1.96，则原假设 H0被接受，即时间序列变化趋势不显著;|ZC|>1.96，则拒绝原假设，即时间序列存在显著的变化趋势。β表示单位时间内的变化量，|β|值越小，表示变化幅度越小;|β|值越大，表示变化幅度越大。

2 结果与分析

2.1 气象条件分析 自2019年10月上旬至2020年3月上旬，冬小麦主产区降水总量和平均气温高于上年同期，略高于近5年平均。与上年同期相比，降水量总体偏多50 mm以上。其中越冬前（10月上旬—12月中旬）偏多15 mm以上，越冬期（12月下旬—1月下旬）偏多20 mm以上，进入返青期开始（2月上旬—3月上旬）偏多13 mm以上;平均气温总体偏高近1.5 ℃，其中越冬前（10月上旬—12月中旬）平均偏高近0.9 ℃，越冬期（12月下旬-1月下旬）平均偏高2.3 ℃，进入返青期开始（2月上旬-3月上旬）平均偏高1.7 ℃以上。与近5年同期相比，降水量总体偏多10 mm以上，其中，越冬前偏少近20 mm，越冬期偏多20 mm以上，进入返青期开始偏多近10 mm;平均气温总体偏高近0.7 ℃，其中，越冬前平均偏高近0.5 ℃，越冬期平均偏高0.6 ℃以上，进入返青期开始平均偏高1.3 ℃以上。

2.2 土壤墒情分析 利用国产FY-3D低分辨率微波遥感数据得到旬土壤水分反演结果，在此基础上进行土壤水分变化趋势分析（图4）。自2019年10月上旬至2020年3月上旬，我国冬麦区大部土壤水分为稍有上升至显著上升状态，其中，河北南部、山东中东部、河南北部、江苏北部、安徽中北部、湖北中部、陕西中南部、四川东南部增加明显。另外，甘肃东南部局部土壤水分稍有下降趋势。

分析认为，秋播期间北方冬麦区大部分土壤墒情较好，为冬小麦适时播种和苗期生长创造良好条件。但河南南部、湖北及安徽北部等麦区局部受温度偏高、降水偏少影响，土壤墒情偏差，对冬小麦播种有不利影响。陕西中南部、山西南部等局部降水偏多，局部地区土壤过湿，冬小麦播种短暂受阻。越冬前期，北方冬麦区大部气温正常或偏高1～2 ℃，日照正常，冬麦平原产区大部进行了冬前灌溉，麦区墒情总体保持较好，利于冬小麦分蘖生长和安全越冬，前期缺墒较多的安徽、江苏、湖北大部降水增加，累积降水量10～50 mm，局部降水50～100 mm，缺墒条件改善。但河南南部和中部、河北东南部、山东胶东半岛不具有灌溉条件或灌溉不及时区域缺墒较多，如河南上蔡县、许昌市建安区、河北沧县、曲周县、山东郓城县、山西洪洞县等地面监测点显示土壤相对含水量均小于60%，缺墒区域冬小麦长势受到影响。西南地区东部气温正常，日照偏多，土壤过湿状况得到改善，利于冬小麦生长发育。越冬期间，冬麦区水热条件较好，北方冬麦区气温较常年同期偏高1～3 ℃，陕西东部、山西南部、河北南部安徽等麦区出现10 mm以上降水，其中，河南南部、安徽北部等地达50～100 mm，水热条件对冬小麦安全越冬十分有利。2月冬小麦逐步进入返青期以后，冬小麦主产区出现4次以上雨雪天气，累积降水量为10～50 mm，为冬小麦返青拔节生长奠定了良好水分基础。

利用美国中分辨率Terra-MODIS卫星遥感数据监测土壤墒情显示（图5），截至3月上旬，冬麦区土壤墒情总体适宜。其中，适宜比例为91.3%，湿润比例为7.2%，过湿比例为1.1%，轻旱比例为0.3%，中旱比例为0.1%。与冬前监测结果相比，适宜比例下降4.5%，湿润比例增加5.7%，过湿比例增加1.0%，轻旱比例下降2.2%，中旱比例无变化，为0.1%。

2.3 作物长势分析 结合上述冬小麦主产区耕地土壤墒情变化趋势及分布结果，利用MODIS时间序列遥感植被指数分析（图6），11月中旬开始，随着冬小麦进入分蘖期，由于气温高于上年同期及近5年同期，植被指数较去年和近5年同期偏高，12月中下旬陆续进入越冬期后，植被指数与常年及上年同期差异缩小，进入1月下旬后，随着温度升高，活动积温增长迅速，冬小麦返青生长加速，植被指数较上年同期及近5年同期显著偏高，生育期较5年平均提前7～10 d。2月下旬江苏、安徽、河南、陕西、湖北、四川、重庆等地冬小麦进入返青起身期，3月上中旬大部分冬小麦返青起身，春管进入高峰期。由于冬小麦主产区光温水匹配较好，冬小麦长势总体正常。3月上旬冬小麦长势遥感监测结果显示，75.3%的冬小麦长势与去年同期持平，13.3%的长势好于上年同期，只有11.4%的长势不及上年同期。与越冬前冬小麦长势监测结果相比（图7），河北南部、河南南部、山东西部、四川北部等地区长势变好，河南北部局部、安徽中部、四川东南部等地区长势变差。

对3月上旬与冬前长势监测结果进行比较（表2），结果显示冬小麦主产区无变化比例为86.6%，变好比例为9.2%，变差比例为4.2%。其中，北方变好比例为9.1%，变差比例为3.9%，河南变好比例超过10.0%，为12.2%;南方变好比例为9.3%，变差比例为4.6%，湖北变好比例超过10.0%，为10.3%。新冠肺炎疫情严重的湖北和河南2省冬小麦长势总体好于去年同期和越冬前。总体来看，冬小麦长势趋势向好。

据气象预测，4月份北方冬小麦主产区大部气温偏高，降水量接近常年同期或偏多，水热条件利于冬小麦孕穗、抽穗开花，河南西部、南部，江苏和安徽南部气温偏高1～2 ℃，降水正常，土壤失墒较快，可能出现阶段性旱情。南方大部气温偏高，降水接近常年或偏多，利于冬小麦产量形成，阶段多雨或强降水可能导致部分地区冬小麦病虫害发生蔓延。因此需多关注河南西部、南部和江苏、安徽南部以及南方多雨区域土壤墒情变化，并及时做好干旱和病虫害防治工作，促进冬小麦顺利生长发育和产量形成。

3 结论

该研究利用光学和微波遥感数据对我国冬小麦主产区进行冬小麦作物长势监测。结果表明，截至2020年3月上旬，我国冬小麦长势基本呈现持平向好趋势，且总体好于2019年同期，尤其是主产省河南省、湖北省较越冬前变好趋势显著，产量有望继续保持稳定，保障我国粮食供给充足。

该研究侧重基于不同数据源监测结果的综合应用分析，將土壤墒情遥感监测与作物长势及变化趋势结合评估，具有综合性强、可相互校验等优势，有利于提升作物长势监测评估结果的客观性和准确性。但目前尚缺乏将两者结合的具有物理机制的方法手段，这将是今后进一步优化的研究方向。

参考文献

[1]王来刚.基于多源遥感信息融合的小麦生长监测研究[D].南京：南京农业大学，2012.

[2]杨邦杰.农情遥感监测[M].北京：中国农业出版社，2005.

[3]蒙继华.农作物长势遥感监测指标研究[D].北京：中国科学院研究生院（遥感应用研究所），2006.

[4]孙丽，王蔚丹，陈媛媛，等.2019年美国冬小麦长势遥感监测分析[J].安徽农业科学，2020，48（1）：241-244.

[5]谭德宝，刘良明，鄢俊洁，等.MODIS数据的干旱监测模型研究[J].长江科学院院报，2004，21（3）：11-15.

[6]张文宗，姚树然，赵春雷，等.利用MODIS资料监测和预警干旱新方法[J].气象科技，2006，34（4）：501-504.

[7]唐巍，覃志豪，秦晓敏.农业干旱遥感监测业务化运行方法研究[J].遥感应用，2007（2）：37-41.

[8]孙丽，王飞，吴全.干旱遥感监测模型在中国冬小麦区的应用[J].农业工程学报，2010，26（1）：243-249，389.

[9]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.

[10]万红，高硕，郭鹏.青藏高原地区FY-3B微波遥感土壤水分产品适用性研究[J].干旱区资源与环境，2018，32（4）：132-137.

[11]邓辉.基于MODIS数据的大区域土壤水分遥感监测研究[D].北京：中国农业科学院，2004.

[12]PARRENS M，ZAKHAROVA E，LAFONT S，et al.Comparing soil moisture retrievals from SMOS and ASCAT over France[J].Hydrology and earth system sciences，2012，16（2）：423-440.

[13]刘凯，孙丽，孙海玥，等.基于风云微波数据的中国冬小麦区干旱监测研究[J].干旱气象，2017，35（6）：918-925.