陜甘寧春玉米低溫冷害動(dòng)態(tài)監(jiān)測(cè)研究

馮 徽，韓忠玲，程勇翔

（1.石河子大學(xué)生命科學(xué)學(xué)院，新疆 石河子 832000；2.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，新疆 石河子 832000）

冷害作為玉米農(nóng)業(yè)氣象災(zāi)害中的一種，很早就引起了關(guān)注，但研究成果多集中于東北三省。近年來陜西省、甘肅省和寧夏回族自治區(qū)（以下簡(jiǎn)稱陜甘寧）三省區(qū)玉米種植面積增加顯著，2015年比1991年分別增加了12.03%、215.07%、282.51%［1］。玉米產(chǎn)量增加的原因與全球氣候變暖、陜甘寧熱量條件改善有關(guān)，但氣候變暖的同時(shí)溫度波動(dòng)幅度也有所增大，極端事件頻發(fā)［2］，可能會(huì)對(duì)陜甘寧三省區(qū)擴(kuò)大的玉米種植造成不利影響，因此對(duì)陜甘寧三省區(qū)玉米冷害進(jìn)行研究很有必要。

目前作物冷害監(jiān)測(cè)主要有3種途徑。一是基于溫度距平［3］或溫度臨界閾值的作物冷害監(jiān)測(cè)，該種冷害監(jiān)測(cè)的關(guān)鍵是對(duì)小網(wǎng)格氣溫推算。一般方法有GIS氣溫空間插值［4］，或者通過氣溫與地理因子構(gòu)建的擬合模型進(jìn)行推算［5］，如利用MODIS地表溫度數(shù)據(jù)或微波數(shù)據(jù)，通過建立平均氣溫多元回歸模型監(jiān)測(cè)冷害［6-10］。二是基于作物模型的冷害監(jiān)測(cè)，該方法主要涉及模型參數(shù)調(diào)整、改進(jìn)、監(jiān)測(cè)指標(biāo)選取和監(jiān)測(cè)結(jié)果空間化等問題。如利用玉米生長(zhǎng)模型，基于構(gòu)建的冷害綜合指標(biāo)，結(jié)合網(wǎng)格氣象數(shù)據(jù)監(jiān)測(cè)東北玉米冷害［11］；利用ORYZA2000改進(jìn)模型，基于空秕率等監(jiān)測(cè)水稻冷害［12-13］。三是基于遙感植被指數(shù)變化或植被指數(shù)臨界閾值的作物冷害監(jiān)測(cè)。如利用Landsat ETM+數(shù)據(jù)對(duì)比冷害前后棉田NDVI、DN值等數(shù)據(jù)的變化監(jiān)測(cè)冷害［14］；通過MODIS植被指數(shù)分析，構(gòu)建水稻各發(fā)育期NDVI和EVI監(jiān)測(cè)指標(biāo)來動(dòng)態(tài)監(jiān)測(cè)冷害［15］。研究發(fā)現(xiàn)，模型方法機(jī)理較為復(fù)雜，準(zhǔn)確推算大范圍冷害難度大；基于植被指數(shù)的冷害監(jiān)測(cè)方法受云影響較為嚴(yán)重；利用溫度距平值監(jiān)測(cè)冷害，結(jié)果較為滯后。而將溫度臨界閾值和逐日氣溫推算相結(jié)合，并配合發(fā)育階段判讀，則對(duì)大范圍作物冷害監(jiān)測(cè)更為有效和實(shí)用。

1 數(shù)據(jù)與方法

1.1 研究區(qū)介紹

陜甘寧三省區(qū)位于 90°30′～115°15′E，31°42′～42°57′N 之間，地形復(fù)雜且空間跨度大，總面積達(dá)72.55萬km2［16-18］。三省區(qū)平均海拔1 751 m（數(shù)據(jù)來源于空間經(jīng)度30 mDEM平均值）。三省區(qū)位于北溫帶，無霜期平均達(dá)100～150 d［19］，年均氣溫為 8～12℃，春秋兩季相對(duì)寒冷且溫度變化波動(dòng)大，此時(shí)冷害時(shí)有發(fā)生，給農(nóng)作物的生產(chǎn)帶來很大威脅。研究區(qū)氣象站點(diǎn)分布如圖1所示。

圖1 研究區(qū)選擇及氣象站點(diǎn)分布

1.2 數(shù)據(jù)來源及預(yù)處理

從中國(guó)氣象科學(xué)數(shù)據(jù)共享網(wǎng)［20］獲取了71個(gè)農(nóng)業(yè)氣象觀測(cè)站點(diǎn)1991—2013年的作物發(fā)育期資料，統(tǒng)計(jì)了春玉米從播種、出苗、三葉、七葉、拔節(jié)、抽穗、乳熟和成熟各發(fā)育階段的普遍期歷史平均值，并獲取了研究區(qū)76個(gè)氣象站點(diǎn)1951—2017年逐日平均氣溫?cái)?shù)據(jù)［21］。通過數(shù)據(jù)預(yù)處理進(jìn)行有效數(shù)據(jù)的篩選，選擇各氣象站點(diǎn)≥10℃有效積溫（日平均溫度≥10℃的積溫）的年平均值用于構(gòu)建玉米區(qū)劃圖。陜甘寧行政區(qū)劃數(shù)據(jù)來自國(guó)家基礎(chǔ)地理信息系統(tǒng)網(wǎng)［22］，利用該數(shù)據(jù)構(gòu)建研究區(qū)經(jīng)緯度圖。DEM高程數(shù)據(jù)由地理數(shù)據(jù)空間云［23］下載獲得，利用該數(shù)據(jù)制作研究區(qū)坡度、坡向圖。

谷類作物信息來源于MODIS MCD12Q1產(chǎn)品的分類方案5（Land Cover Type 5），使用MODIS Tool進(jìn)行數(shù)據(jù)拼接，將拼接獲得的谷類作物分布結(jié)果與玉米積溫區(qū)劃相結(jié)合，明確了陜甘寧春玉米冷害監(jiān)測(cè)范圍。微波數(shù)據(jù)選取了AMSR-E傳感器中AE-L2A數(shù)據(jù)作為信息源。毛克彪等［24］研究表明：89.0 GHz的空間分辨率是AE-L2A 6個(gè)頻率中最高的，且與地表溫度關(guān)系最為密切。研究將AE-L2A中的89.0 GHz垂直極化亮溫升軌和降軌數(shù)據(jù)進(jìn)行拼接和單位轉(zhuǎn)換，獲取逐日完整溫度趨勢(shì)面，結(jié)果用于后續(xù)逐日氣溫模型的構(gòu)建，具體數(shù)據(jù)處理方法參照文獻(xiàn)［9］。

對(duì)于無測(cè)站點(diǎn)春玉米各發(fā)育期數(shù)據(jù)及陜甘寧逐日平均溫度數(shù)據(jù)，研究利用回歸與殘差加和訂正的方法進(jìn)行推算，其中殘差項(xiàng)由反距離權(quán)重法（Inverse Distance Weighting）［9］插值獲取。

1.3 陜甘寧三省區(qū)春玉米冷害監(jiān)測(cè)年份選取

利用1951—2017年陜甘寧三省區(qū)逐日氣溫?cái)?shù)據(jù)，選取玉米冷害高發(fā)期4～5月和7～9月，計(jì)算這兩個(gè)時(shí)段各站點(diǎn)積溫距平值，將同年不同站點(diǎn)的積溫距平值再平均，利用該計(jì)算結(jié)果對(duì)當(dāng)年玉米冷害高發(fā)時(shí)段熱量情況作出判斷。從圖2、圖3可以看出，近些年陜甘寧三省區(qū)熱量條件較好，只在2010年春季總體溫度較以往下降明顯，因此本試驗(yàn)選取該年份作為目標(biāo)年進(jìn)行玉米冷害監(jiān)測(cè)研究。

圖2 陜甘寧三省區(qū)1951—2017年4～5月積溫距平平均值

圖3 陜甘寧三省區(qū)1951—2017年7～9月積溫距平平均值

1.4 低溫冷害監(jiān)測(cè)指標(biāo)的選擇

陜甘寧玉米冷害主要發(fā)生在每年的春秋兩季。由中國(guó)農(nóng)業(yè)信息網(wǎng)［25］獲得了陜甘寧春玉米冷害動(dòng)態(tài)監(jiān)測(cè)指標(biāo)（表1）。

表1 陜甘寧春玉米冷害判定指標(biāo)

2 結(jié)果與分析

2.1 陜甘寧玉米種植區(qū)提取結(jié)果

構(gòu)建積溫空間推測(cè)模型，基于各氣象站多年平均≥10℃活動(dòng)積溫與緯度、經(jīng)度和海拔之間的相關(guān)關(guān)系，結(jié)合前人總結(jié)的玉米生產(chǎn)積溫安全閾值1 900℃.d［25］，提取了陜甘寧玉米理論分布區(qū)（圖4，彩插二）。

AT≥10℃= 1.55×104- 99.30α- 61.03β- 1.56γ式中，AT≥10℃為多年平均積溫，α、β和γ分別為緯度、經(jīng)度和海拔。方程決定系數(shù)R2= 0.97，樣本數(shù)n = 76，統(tǒng)計(jì)檢驗(yàn)F = 1.53×103，達(dá)到0.01極顯著水平，模型均方根誤差RMSE=191.73℃，這一估測(cè)精度能夠滿足研究需要（圖5）。

圖5 模擬積溫與氣象站計(jì)算積溫結(jié)果

在陜甘寧玉米理論分布區(qū)提取的基礎(chǔ)上，疊加2003—2013年每年的MODIS MCD12Q1谷類作物分布信息，取玉米理論分布區(qū)和谷類作物的交集作為陜甘寧玉米種植區(qū)提取結(jié)果，獲得的陜甘寧玉米理論種植區(qū)面積，占研究區(qū)總面積的22.24%。結(jié)果用于后續(xù)冷害監(jiān)測(cè)（圖6，彩插二）。

2.2 陜甘寧春玉米冷害重點(diǎn)監(jiān)測(cè)時(shí)段動(dòng)態(tài)發(fā)育期的構(gòu)建

2.2.1 陜甘寧春玉米靜態(tài)發(fā)育期的構(gòu)建 通過對(duì)研究區(qū)三省區(qū)1991—2013年春玉米主要發(fā)育期平均值的計(jì)算，得到各發(fā)育期平均儒略日（表2）。

通過對(duì)陜甘寧春玉米播種期、拔節(jié)期和成熟期多年平均值與地理因子的相關(guān)分析發(fā)現(xiàn)，春玉米播種、拔節(jié)和成熟期與經(jīng)緯度和海拔之間有很強(qiáng)相關(guān)性（表3），可利用這些因子建立的多元回歸方程推斷未知區(qū)域的春玉米農(nóng)時(shí)。

對(duì)模擬結(jié)果采用未參與建模的27個(gè)氣象觀測(cè)站點(diǎn)的實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明，模擬的春玉米播種、拔節(jié)和成熟普遍期（圖7，彩插二）與驗(yàn)證站點(diǎn)計(jì)算的各發(fā)育階段的RMSE分別為2.38、1.78和3.08。計(jì)算的T統(tǒng)計(jì)值分別為-0.14、-0.23和-0.23，其相伴概率分別為0.89、0.82和0.82，結(jié)果都比顯著性水平0.05要大，接受T檢驗(yàn)零假設(shè)，模擬值和真實(shí)值沒有顯著差異（圖8），實(shí)驗(yàn)結(jié)果可用于后續(xù)分析。

表2 陜甘寧三省區(qū)1991—2013年春玉米發(fā)育期（d）平均值變化范圍

表3 春玉米發(fā)育期與各地理因子的多元回歸方程

圖8 春玉米拔節(jié)普遍期空間分布圖精度驗(yàn)證

2.2.2 陜甘寧春玉米動(dòng)態(tài)發(fā)育期的構(gòu)建 完成春玉米播種、拔節(jié)與成熟期靜態(tài)發(fā)育期的構(gòu)建后，采用程勇翔［26］等設(shè)計(jì)的《作物發(fā)育期時(shí)空格局動(dòng)態(tài)演示程序 V1.0》輸出監(jiān)測(cè)時(shí)段春玉米逐日動(dòng)態(tài)發(fā)育期在當(dāng)年儒略歷日的時(shí)空變動(dòng)圖，結(jié)果如圖9（彩插二）所示。拔節(jié)至成熟期動(dòng)態(tài)圖的做法相同，研究結(jié)果展示從略，不再贅述。

2.3 陜甘寧逐日平均氣溫推算

利用44個(gè)氣象站點(diǎn)逐日平均溫度與地理因子和微波亮溫的相關(guān)性分析構(gòu)建了逐日平均氣溫推算方程，并結(jié)合緯度圖、經(jīng)度圖、海拔圖、坡度圖、坡向圖和微波亮溫圖推算出了2010年陜甘寧三省區(qū)4～10月每日平均氣溫圖，結(jié)果舉例如圖10（彩插三）所示。

利用未參與建模的32個(gè)氣象站實(shí)測(cè)數(shù)據(jù)對(duì)獲取的逐日氣溫?cái)?shù)據(jù)進(jìn)行檢驗(yàn)，模擬值與實(shí)測(cè)值RMSE為1.75℃。該精度滿足冷害監(jiān)測(cè)所需，可用于后續(xù)監(jiān)測(cè)研究。

2.4 陜甘寧春玉米冷害動(dòng)態(tài)監(jiān)測(cè)結(jié)果

利用已得到的陜甘寧玉米種植區(qū)圖、玉米發(fā)育期動(dòng)態(tài)圖，結(jié)合玉米冷害監(jiān)測(cè)指標(biāo)，實(shí)現(xiàn)了陜甘寧三省區(qū)玉米冷害的動(dòng)態(tài)監(jiān)測(cè)，見表4、圖11（彩插三）。查詢相關(guān)資料與2011年中國(guó)農(nóng)業(yè)氣象災(zāi)害統(tǒng)計(jì)年鑒記錄：在2010年4月11～15日，陜西省關(guān)中北部和陜南局部地區(qū)遭遇寒潮霜凍天氣［27］，甘肅全省出現(xiàn)了3～5 d連續(xù)低溫天氣，造成上述地區(qū)玉米出現(xiàn) “爛種或死苗”的現(xiàn)象。上述現(xiàn)象與監(jiān)測(cè)結(jié)果相吻合。

表4 2010年春玉米春季低溫冷害監(jiān)測(cè)結(jié)果

研究利用已報(bào)道的玉米中后期冷害監(jiān)測(cè)指標(biāo)，對(duì)2010年陜甘寧春玉米秋季冷害進(jìn)行監(jiān)測(cè)，結(jié)果表明，該區(qū)域春玉米未發(fā)生明顯冷害，這與2011年中國(guó)農(nóng)業(yè)氣象災(zāi)害統(tǒng)計(jì)年鑒記錄一致，與圖3陜甘寧三省區(qū)各氣象站點(diǎn)7～9月積溫距平平均值統(tǒng)計(jì)結(jié)果相吻合。

再利用2010年陜甘寧各氣象站點(diǎn)監(jiān)測(cè)時(shí)段數(shù)據(jù)，計(jì)算各站點(diǎn)相對(duì)歷史逐日平均值的距平值。將各站點(diǎn)計(jì)算的逐日溫度距平值再平均，結(jié)果用于衡量研究區(qū)每日溫度狀況的虧盈，結(jié)果如圖12～13所示。從圖12可以看出，在4～5月有3段明顯低于歷史平均值的時(shí)期，該時(shí)期與表4冷害監(jiān)測(cè)結(jié)果在發(fā)生時(shí)間和范圍廣度上相吻合。從圖13可以看出，7～9月，各氣象站點(diǎn)逐日溫度距平平均值基本為正數(shù)，即使有個(gè)別時(shí)段出現(xiàn)較小的負(fù)距平值，但因夏季溫度普遍較高，氣溫并未低于冷害監(jiān)測(cè)指標(biāo)值，無冷害發(fā)生，該結(jié)果與研究監(jiān)測(cè)結(jié)果相一致。通過上述分析，進(jìn)一步證實(shí)了研究方法的有效性和監(jiān)測(cè)結(jié)果的準(zhǔn)確性。

圖12 2010年4～5月陜甘寧各氣象站點(diǎn)逐日溫度距平平均值

圖13 2010年7～9月陜甘寧各氣象站點(diǎn)逐日溫度距平平均值

3 結(jié)論與討論

研究中涉及的動(dòng)態(tài)發(fā)育期構(gòu)建對(duì)大范圍復(fù)雜環(huán)境作物冷害監(jiān)測(cè)很有必要，原因是冷害監(jiān)測(cè)臨界指標(biāo)一般是針對(duì)不同發(fā)育期研制的，如果沒有考慮發(fā)育期和冷害監(jiān)測(cè)指標(biāo)之間的配合度，很可能判斷錯(cuò)誤。在現(xiàn)有作物冷害動(dòng)態(tài)監(jiān)測(cè)中很少有學(xué)者利用動(dòng)態(tài)發(fā)育期圖監(jiān)測(cè)冷害。劉丹等［15］通過MODIS MOD13A2植被指數(shù)分析，構(gòu)建了水稻的各發(fā)育期NDVI和EVI監(jiān)測(cè)指標(biāo)。在水稻各發(fā)育期靜態(tài)圖構(gòu)建的基礎(chǔ)上，判讀監(jiān)測(cè)當(dāng)日水稻理論發(fā)育階段，將監(jiān)測(cè)當(dāng)日實(shí)測(cè)植被指數(shù)與理論發(fā)育階段應(yīng)當(dāng)達(dá)到的植被指數(shù)對(duì)比，判斷有無延遲型冷害發(fā)生，該研究采用的水稻發(fā)育期判讀類似于發(fā)育期動(dòng)態(tài)圖的構(gòu)建，基本實(shí)現(xiàn)基于發(fā)育期植被指數(shù)的冷害動(dòng)態(tài)監(jiān)測(cè)，但植被指數(shù)分析法對(duì)于云污染的像元不能進(jìn)行冷害監(jiān)測(cè)，存在著一定的局限性。

研究對(duì)春玉米面積提取采用了活動(dòng)積溫與MODIS歷年谷類作物相結(jié)合的方法。該方法相比于利用植被指數(shù)時(shí)間序列分析提取玉米面積來說，雖然在空間位置上不夠準(zhǔn)確，但卻更實(shí)用，可以幫助農(nóng)業(yè)部門及時(shí)確定春玉米冷害發(fā)生的大致范圍，對(duì)冷害發(fā)生區(qū)域迅速做出響應(yīng)，降低農(nóng)戶經(jīng)濟(jì)損失。而利用植被指數(shù)時(shí)間序列法提取的春玉米面積雖然準(zhǔn)確，但結(jié)果較為滯后。研究認(rèn)為植被指數(shù)時(shí)間序列分析對(duì)后續(xù)冷害損失評(píng)估和準(zhǔn)確測(cè)定春玉米受災(zāi)面積更為適用。

圖14 微波亮溫?cái)?shù)據(jù)對(duì)逐日氣溫推算的影響

研究利用微波數(shù)據(jù)受天氣條件影響小的特性，為逐日氣溫推算提供了一個(gè)溫度趨勢(shì)面信息。通過與地理因子的多元回歸分析，推算逐日氣溫。研究進(jìn)一步比較了加入微波數(shù)據(jù)和去除該數(shù)據(jù)對(duì)溫度推算的影響。圖14是對(duì)日平均溫度的殘差直方圖的Gauss擬合結(jié)果，直觀地反映了微波亮溫趨勢(shì)面信息對(duì)提高氣溫推算的影響：加入微波數(shù)據(jù)后，逐日氣溫推算的結(jié)果與實(shí)測(cè)氣溫相比較均方根誤差為1.75℃；如果去除該數(shù)據(jù)，只用地理因子推算氣溫，均方根誤差為2.12℃，微波數(shù)據(jù)的加入可以將日平均氣溫的推算精度提高0.37℃。氣溫推算精度基本滿足研究所需。

相比于利用LST（Land Surface Temperature）產(chǎn)品通過插補(bǔ)云污染像元，再用于推算氣溫來說，微波亮溫推算氣溫方法推斷次數(shù)更少，方法更高效［7-8］。張麗文等利用MODIS8天或逐日LST數(shù)據(jù)，結(jié)合地理因子、植被指數(shù)等變量建立多元回歸模型推測(cè)平均氣溫，對(duì)于受云污染的像元再采用局部窗口空間迭代插補(bǔ)或地面數(shù)據(jù)空間插值的方法填補(bǔ)，在冷害監(jiān)測(cè)指標(biāo)的選取上分別利用了積溫距平［7-8］、累積生長(zhǎng)度日距平［10］或溫度臨界閾值［9］監(jiān)測(cè)冷害，逐步實(shí)現(xiàn)了冷害動(dòng)態(tài)監(jiān)測(cè)，證實(shí)基于LST的逐日溫度推算具有一定的準(zhǔn)確性。若今后冷害研究中能將逐日微波亮溫?cái)?shù)據(jù)和MODIS逐日LST數(shù)據(jù)相結(jié)合，則有望進(jìn)一步提高冷害溫度推算精度。

綜合本研究結(jié)果，微波亮溫趨勢(shì)面信息的加入可進(jìn)一步提高逐日溫度的推算精度。大范圍冷害監(jiān)測(cè)時(shí)，動(dòng)態(tài)發(fā)育期的采用可提高冷害監(jiān)測(cè)指標(biāo)和發(fā)育期的配合度。研究采用的方法經(jīng)證實(shí)可以實(shí)現(xiàn)對(duì)陜甘寧三省區(qū) 春玉米冷害進(jìn)行大范圍的同步跟蹤監(jiān)測(cè)。本研究方法具普適性，對(duì)其他作物冷害監(jiān)測(cè)同樣適用。