2003—2019年山東省冬小麥關(guān)鍵物候期時空特征

趙一靜, 王曉利, 侯西勇, 張安定

1 魯東大學(xué)資源與環(huán)境工程學(xué)院,煙臺 264025 2 中國科學(xué)院煙臺海岸帶研究所,煙臺 264003 3 中國科學(xué)院海岸帶環(huán)境過程與生態(tài)修復(fù)重點實驗室,煙臺 264003 4 山東省海岸帶環(huán)境過程重點實驗室,中國科學(xué)院煙臺海岸帶研究所,煙臺 264003

植被物候是植被長期適應(yīng)周圍環(huán)境(氣候、水文、土壤)而形成的以年為周期的生長發(fā)育節(jié)律[1- 4]。對農(nóng)作物而言,各個物候期代表著農(nóng)作物不同的生長節(jié)點,例如展葉、拔節(jié)、灌漿、成熟等[5- 6]。農(nóng)作物物候易受到氣候變化的影響,是對氣候變化響應(yīng)最顯著的指標之一[7- 8]。農(nóng)作物物候期的變化會直接影響農(nóng)作物在營養(yǎng)或生殖階段的生長發(fā)育,進而影響作物的質(zhì)量和產(chǎn)量[9]。已有研究表明,隨著全球變暖,各地農(nóng)作物的物候期呈提前發(fā)生的趨勢[10- 11]。因此,及時、準確地監(jiān)測作物物候期的動態(tài)變化,對農(nóng)業(yè)田間管理、農(nóng)業(yè)生態(tài)系統(tǒng)維護以及國家糧食安全保障等具有重要的指導(dǎo)意義[12- 14]。

目前,農(nóng)作物物候研究主要涉及農(nóng)作物物候提取、作物熟制變化分析、物候期時空變化特征分析、物候期對氣候變化的響應(yīng)分析等方面[12,15-17]。這些研究主要基于傳統(tǒng)物候觀測資料和遙感提取物候參數(shù)等方法而展開。其中,基于傳統(tǒng)物候觀測資料的農(nóng)作物物候研究多利用當(dāng)?shù)剞r(nóng)業(yè)氣象站點的物候觀測數(shù)據(jù)進行農(nóng)作物物候空間差異分析[18- 19]。然而,由于農(nóng)業(yè)氣象觀測站點數(shù)量有限且實際觀測值受人為因素影響較大,不易實現(xiàn)對物候空間像元尺度以及更大范圍的區(qū)域尺度研究。遙感技術(shù)具有時間分辨率高、空間連續(xù)性強等特點,能夠在較大范圍連續(xù)空間上進行物候的動態(tài)監(jiān)測[20]。目前,國內(nèi)學(xué)者基于遙感技術(shù)已在全國、華北、華南、省域等不同空間尺度提取并分析了不同農(nóng)作物物候期的時空動態(tài)變化特征[12,21-22]。如Luo等[22]利用GLASS LAI遙感數(shù)據(jù)提取了全國三種主要農(nóng)作物(小麥、水稻、玉米)的物候期,指出三種農(nóng)作物生育期均以推遲趨勢為主,但不同地區(qū)生育期年際變化率差異顯著。Guo等[12]借助MOD09A1 EVI遙感數(shù)據(jù)分析華北平原冬小麥返青期物候變化,發(fā)現(xiàn)多年平均返青期空間分布與緯度呈顯著正相關(guān),且15年間返青期以0.14 d/a 的速率提前。茹皮亞·西拉爾等[21]利用MODIS NDVI數(shù)據(jù)探究新疆棉花物候空間格局特征，發(fā)現(xiàn)生長始期由北向南漸早，而生長末期由北向南漸晚。上述研究提高了人們對不同區(qū)域、不同時期農(nóng)作物物候時空變化特征及其差異的認識,然而,這些研究多針對一至兩個典型物候期進行時空分析,鮮少對同一農(nóng)作物的多個關(guān)鍵物候期進行提取與比較研究。

小麥作為我國第二大糧食作物,物候的變化會直接或間接地影響冬小麥的光合、蒸騰等生物過程,最終導(dǎo)致長勢、產(chǎn)量的變化[9]。因此,及時有效地檢測與分析小麥各物候期的時空動態(tài)變化特征,對保障國家糧食安全具有重要的意義[16]。近年來,有不少學(xué)者在全國、華北平原、黃土高原等不同空間范圍尺度上,基于農(nóng)業(yè)物候觀測數(shù)據(jù)以及通過遙感技術(shù)獲取的植被NDVI、EVI、LAI等數(shù)據(jù)對冬小麥返青期、成熟期等典型物候期的提取和多年動態(tài)變化開展了相關(guān)研究[6,12,16- 17]。然而,冬小麥不同物候期的時空動態(tài)特征具有差異性,各關(guān)鍵物候期在冬小麥的整個生長周期中起著不同的作用,但針對冬小麥不同生長發(fā)育階段中的多個關(guān)鍵物候期的提取與多年動態(tài)分析的研究尚不多見。同時,已有研究多利用一年的冬小麥種植區(qū)圖鑒來提取與分析冬小麥多年物候變化,未考慮作物耕種受土地利用/土地覆蓋變化以及休耕養(yǎng)肥等田間管理制度變更引起的播種范圍變化等因素的影響[14]。此外,山東省是我國冬小麥的主產(chǎn)區(qū),該地區(qū)冬小麥生產(chǎn)狀況對全國糧食安全具有重要影響。鑒于此,本研究基于MODIS EVI遙感數(shù)據(jù),結(jié)合山東省冬小麥生長特征,首先提取2003—2019年歷年山東省冬小麥種植區(qū),以消除非冬小麥像元的干擾影響,在此基礎(chǔ)上進一步提取冬小麥主要物候期(返青期、拔節(jié)期、抽穗期、成熟期)信息,并分析各物候期的時空變化特征,以期為山東省農(nóng)田和冬小麥管理以及農(nóng)業(yè)生態(tài)保護等提供數(shù)據(jù)支持和決策參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

山東省介于34°22.9′N—38°24.01′N、l14°47.5′E—122°42.3′E之間(圖1),地處我國北方沿海地區(qū)。地形以山地丘陵和平原為主,平原面積遼闊,約占全省面積的65%,適宜糧食作物的大范圍耕種,是我國重要的糧食主產(chǎn)區(qū)[23],例如,山東省冬小麥年產(chǎn)量2472萬t,約占全國總產(chǎn)量的19%[24]。氣候?qū)儆谂瘻貛Ъ撅L(fēng)氣候,雨熱同期,降水集中,年均氣溫介于11—14 ℃之間,年總降水量介于550—950 mm之間。山東省冬季平均氣溫介于-1—4 ℃之間,春季日照適宜、氣溫回升快,季節(jié)性積雪融水下滲為土壤提供了穩(wěn)定的水分,冬、春季的水熱氣候條件為冬小麥的越冬和返青生長提供了適宜的氣候環(huán)境,有利于冬小麥的生長發(fā)育[20]。

圖1 山東省高程分異、冬小麥地塊樣本以及農(nóng)業(yè)氣象觀測站分布Fig.1 Elevation differentiation,sample distribution of winter wheat plots and agricultural stations of Shandong Province

1.2 數(shù)據(jù)來源與預(yù)處理

1.2.1增強型植被指數(shù)(EVI)

增強型植被指數(shù)(Enhanced Vegetation Index, EVI)是反映植被生長狀況的重要指標,克服了NDVI易出現(xiàn)綠度飽和、受土壤水分干擾大的缺點,可以更準確地表征冬小麥生長發(fā)育的季節(jié)規(guī)律[25-26]。EVI遙感數(shù)據(jù)集來自美國宇航局(NASA)陸地過程分布式數(shù)據(jù)檔案(https://lpdaac.usgs.gov/)提供的Terra MOD13Q1和Aqua MYD13Q1雙星數(shù)據(jù)產(chǎn)品組合,空間分辨率為250 m,時間分辨率為8 d?；赑ython對數(shù)據(jù)進行格式變換、投影轉(zhuǎn)換以及掩膜裁剪等預(yù)處理,最終得到2003—2019年山東省EVI時序數(shù)據(jù)集。

1.2.2遙感解譯的精度驗證數(shù)據(jù)

本文分別利用野外測量獲得的冬小麥地塊樣本數(shù)據(jù)和地面物候觀測數(shù)據(jù)對遙感解譯數(shù)據(jù)進行精度驗證。其中,野外測量地塊樣本數(shù)據(jù)主要應(yīng)用于冬小麥種植區(qū)提取規(guī)則的建立和種植區(qū)提取精度的驗證。2019年12月至2020年5月在東營、濰坊、煙臺等地開展實地測量,獲取了200個冬小麥野外地塊樣本數(shù)據(jù)(面積大于250 m×250 m的多邊形),此外,在2013—2019年11月—次年5月(冬小麥生長關(guān)鍵期)Google Earth歷史影像中再次選取了360個冬小麥地塊樣本,共計560個冬小麥地塊樣本,樣本總體上較均勻地分布于山東省的主要冬小麥種植區(qū)(圖1)。利用冬小麥地面物候觀測數(shù)據(jù)對遙感提取的物候期進行精度驗證,本文從中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://data.cma.cn/)的“山東農(nóng)作物生長發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集”中篩選、整理了有較完整物候?qū)崪y記錄的15個農(nóng)業(yè)氣象觀測站(圖1)的返青期、拔節(jié)期、抽穗期、成熟期的地面物候觀測數(shù)據(jù)作為物候期遙感解譯的精度驗證數(shù)據(jù)。

1.3 研究方法

1.3.1Savitzky-Golay(S-G)濾波

MODIS EVI數(shù)據(jù)已經(jīng)過最大值合成處理,但云、雪等外部大氣環(huán)境仍會影響數(shù)據(jù)質(zhì)量[26-27]。因此,需要對EVI時序數(shù)據(jù)進行平滑去噪,使其能更好地表征作物生長發(fā)育的季節(jié)變化規(guī)律。Savitzky-Golay(S-G)濾波采用迭代加權(quán)移動平均濾波器進行窗口滑動的卷積運算[28-29],該方法既可以有效平滑去噪,又能最大程度地保持原始數(shù)據(jù)的局部特征,其計算公式如下：

(1)

(2)

1.3.2冬小麥播種面積提取

結(jié)合野外調(diào)查和Google Earth影像資料,生成了山東省各典型地物(森林、草地、冬小麥、果園)多年平均年內(nèi)EVI濾波時序曲線(圖2)。由圖可見,冬小麥在4月中下旬到達生長峰值,之后EVI快速下降,這與其他植被正處于發(fā)育上升期這一情況有顯著差異。因此,本研究根據(jù)EVI下降時段的曲線形態(tài)特征值,采用閾值法,并結(jié)合ArcGIS空間疊加分析法,實現(xiàn)山東省2003—2019年冬小麥種植區(qū)的提取。

圖2 山東省主要植被EVI年內(nèi)變化Fig.2 Annual variation of EVI of main vegetation in Shandong Province

基于TIMESAT軟件提取濾波EVI時序曲線下降時段的形態(tài)特征參數(shù),包括EVI峰值(EVImax)、峰值對應(yīng)的時間(Peak Time)、下降時段的長度(Length)、下降時段的斜率(Slope)以及下降時段的積分(Small Integral)等。結(jié)合訓(xùn)練樣本點數(shù)據(jù),利用試錯法,最終確定各分類參數(shù)閾值。根據(jù)樣本數(shù)據(jù)的EVI年內(nèi)變化曲線發(fā)現(xiàn)不同地區(qū)的冬小麥生長特征有所差異,因此將山東省劃分為西南、東北兩個區(qū)域,不同區(qū)域分別設(shè)定閾值,分類規(guī)則如下：西南區(qū)域{EVImax>0.5；Length>44；1040.04；Small Integral>1.2}；東北區(qū)域{EVImax>0.38；Length>39；1040.02； Small Integral>0.8}。

1.3.3冬小麥關(guān)鍵物候期提取

不同物候期代表冬小麥不同生長節(jié)點。本研究將返青期定義為EVI曲線上升幅度達到其最大值的9%時所對應(yīng)的日期,該時期為小麥越冬之后重新恢復(fù)生長的階段。拔節(jié)期定義為EVI求導(dǎo)曲線峰值對應(yīng)的日期,該時期為冬小麥快速生長的階段。抽穗期定義為EVI曲線峰值對應(yīng)的日期,該時期為冬小麥生長的高峰期。成熟期定義為峰值之后EVI求導(dǎo)曲線谷值對應(yīng)的日期,該時期為冬小麥快速衰落的階段。所獲得的各物候期開始時間均統(tǒng)一采用年序日(Day of Year,DOY)計數(shù)法表示,即將當(dāng)年的1月1日記為第1天,物候期開始的日期定義為該日自1月1日以來的第幾天[2,30]。

1.3.4趨勢系數(shù)

基于一元線性回歸法計算2003—2019年山東省冬小麥各物候期的多年變化趨勢。物候期與時間的回歸斜率計算公式為：

(3)

圖3 山東省各地級市冬小麥種植面積遙感提取值與統(tǒng)計年鑒數(shù)據(jù)的比較Fig.3 Comparison between extracted winter wheat areas based on remote sensing and statistical winter wheat areas on the city scale in Shandong Province

式中,i為年序號；n為總年數(shù)(n=17)；yi是第i年的物候值。當(dāng)θslope>0時,代表物候期多年變化呈上升趨勢；當(dāng)θslope<0時,代表物候期多年變化呈下降趨勢。

2 結(jié)果與分析

2.1 山東省冬小麥遙感信息提取的精度檢驗

2.1.1冬小麥種植區(qū)提取的精度檢驗

采用野外樣本數(shù)據(jù)和各地級市冬小麥面積統(tǒng)計年鑒值對冬小麥種植區(qū)提取精度進行檢驗。野外樣本數(shù)據(jù)被正確提取的個數(shù)為191個,樣本數(shù)據(jù)的匹配精度為90.95%。進一步將遙感提取的各地級市冬小麥種植面積與各地級市統(tǒng)計年鑒數(shù)據(jù)進行相關(guān)性分析(圖3),結(jié)果表明,提取值與統(tǒng)計值之間有較好的相關(guān)性(相關(guān)系數(shù)R=0.960,P<0.01)。此外,平均絕對誤差MAE= 42.14 × 103hm2,該精度優(yōu)于前人研究的精度水平[25]。

2.1.2冬小麥各物候期提取的精度檢驗

計算以各農(nóng)業(yè)氣象站點所在像元為中心的周邊區(qū)域(10×10,共100個像元)范圍內(nèi)遙感提取的冬小麥返青期、拔節(jié)期、抽穗期、成熟期的平均值,并與其對應(yīng)的地面實測數(shù)據(jù)進行對比,結(jié)果發(fā)現(xiàn),遙感提取值與實測值之間具有良好的一致性(圖4)。其中,返青期的提取精度最高(R=0.830；P<0.01；MAE=4.11 d)；抽穗期與觀測值相關(guān)性最好(R=0.836；P<0.01；MAE=7.12 d)；拔節(jié)期(R=0.664；P<0.01；MAE=9.50 d)與成熟期(R=0.644；P<0.01；MAE=11.20 d)的相關(guān)性和精度均相對略低。

圖4 山東省各物候期遙感提取值與地面觀測值的比較Fig.4 Comparison between remote sensing phenological data and ground observations in Shandong Province

2.2 山東省冬小麥各物候期的空間分布特征

2003—2019年山東省冬小麥返青期、拔節(jié)期、抽穗期、成熟期主要集中在第45—70天、第75—100天、第103—125天、第135—155天,各物候期的空間分布均呈現(xiàn)魯南早于魯北、內(nèi)陸早于沿海的格局特征(圖5),不同地區(qū)各物候期發(fā)生的最早與最晚相差范圍在20—25天之間。其中,魯西南地區(qū)(聊城、菏澤、濟寧、棗莊等)的物候期發(fā)生相對較早,返青期、拔節(jié)期、抽穗期、成熟期分別集中在第45—55天、第75—84天、第103—112天、第135—142天；而魯東和魯西北的部分地區(qū)(威海、煙臺、青島、東營、濱州等沿海城市)的物候期發(fā)生得相對較遲,返青期、拔節(jié)期、抽穗期、成熟期分別集中在第59—70天、第88—100天、第115—125天、第145—155天。

圖5 山東省冬小麥多年平均返青期、拔節(jié)期、抽穗期、成熟期的空間分布Fig.5 Spatial distribution of average green-up date、jointing date、heading date and maturity date of winter wheat in Shandong Province

2.3 山東省冬小麥各物候期的時空變化特征

2.3.1山東省冬小麥各物候期的時間變化特征

就區(qū)域平均而言,2003—2019年山東省冬小麥返青期、拔節(jié)期、抽穗期、成熟期的多年平均值分別為(56.00±8.00) d、(85.00±8.00) d、(112.00±8.00) d 和(143.00±8.00) d。各物候期均呈現(xiàn)波動變化但趨勢不顯著的特征(圖6),其中, 返青期、拔節(jié)期、成熟期年際變化率分別為1.56 d/10a、0.65 d/10a、2.51 d/10a,呈不顯著推遲趨勢,而抽穗期的年際變化率為-0.54 d/10a,呈不顯著提前趨勢。就距平值而言,4個物候期的年際距平值在-13.00—9.00 d之間,其中,返青期、拔節(jié)期、抽穗期、成熟期的平均距平值分別為4.18 d、3.35 d、3.27 d、2.77 d。此外,返青期和拔節(jié)期在2012年達到峰值,抽穗期和成熟期在2010年達到峰值,即這些年份的冬小麥物候發(fā)生得最晚。

圖6 2003—2019年山東省冬小麥各物候期時間變化趨勢及距平值Fig.6 Temporal variation trend and anomaly value of winter wheat phenology in Shandong Province during 2003—2019

2.3.2山東省冬小麥各物候期的空間變化特征

2003—2019年山東省冬小麥返青期、拔節(jié)期、抽穗期、成熟期年際變化趨勢如圖7所示。具體而言,冬小麥返青期以推遲趨勢為主,呈推遲趨勢的區(qū)域占種植區(qū)總面積的56.16%,推遲趨勢變化率主要集中于0—8.00 d/10a(51.31%),但通過0.05顯著性檢驗的區(qū)域僅占種植區(qū)總面積的1.65%,零星分布于濰坊、東營等沿海地區(qū)以及濟寧、棗莊、臨沂等魯南內(nèi)陸地區(qū)；返青期呈提前趨勢的區(qū)域占種植區(qū)總面積的43.84%,提前趨勢變化率主要集中于-4.00—0 d/10a(30.55%),通過0.05顯著性檢驗的區(qū)域僅占種植區(qū)總面積的0.82%,主要零星分布于德州、濟南、菏澤等地區(qū)。

冬小麥拔節(jié)期與返青期的變化趨勢特征相近,呈推遲趨勢的區(qū)域占種植區(qū)總面積的51.01%,推遲趨勢變化率主要集中于0—8.00 d/10a(43.75%),而通過0.05顯著性檢驗的區(qū)域僅占種植區(qū)總面積的3.05%,主要分布于青島、濰坊、東營等沿海地區(qū),以及棗莊、臨沂等地區(qū)；拔節(jié)期呈提前趨勢的區(qū)域占種植區(qū)總面積的48.99%,年際變化率主要集中于-8.00—0 d/10a(45.95%),通過0.05顯著性檢驗的區(qū)域占種植區(qū)總面積的1.88%,主要位于德州、濟南、菏澤等地區(qū)。

冬小麥抽穗期年際變化趨勢以提前趨勢為主,呈提前趨勢的區(qū)域占種植區(qū)總面積的62.04%,提前趨勢變化率主要集中于0—8.00 d/10a(55.86%),通過0.05顯著性檢驗的區(qū)域占種植區(qū)總面積的6.56%,集中分布于菏澤東北部地區(qū)；抽穗期呈推遲趨勢的區(qū)域占種植區(qū)總面積的37.96%,推遲趨勢變化率主要集中于-4.00—0 d/10a(29.12%),通過0.05顯著性檢驗的區(qū)域僅占種植區(qū)總面積的1.86%,主要分布于煙臺、青島、濰坊、東營等沿海地區(qū)。

冬小麥成熟期年際變化以推遲趨勢為主,呈推遲趨勢的區(qū)域占種植區(qū)總面積的72.70%,推遲趨勢變化率主要集中于0—8.00 d/10a(68.70%),通過0.05顯著性檢驗的區(qū)域占總面積的10.23%,集中分布于濱州、德州以及濟寧等地區(qū)；成熟期呈提前趨勢的區(qū)域占種植區(qū)總面積的27.30%,年際變化率主要集中于-4.00—0 d/10a(22.18%),通過0.05顯著性檢驗的面積僅占總面積的0.62%,零星分布于菏澤、聊城等地區(qū)。

圖7 2003—2019年山東省冬小麥各物候期年際變化趨勢和通過0.05顯著性檢驗的空間分布特征Fig.7 Spatial distribution of interannual variation trends and significances for the key phenological stages of winter wheat in Shandong Province from 2003 to 2019

3 討論

本文利用MODIS EVI遙感數(shù)據(jù),提取了2003—2019年山東省冬小麥種植區(qū)以及冬小麥主要物候期。基于遙感數(shù)據(jù)提取的冬小麥4個物候期的誤差值均在4—12 d之間。其中,成熟期的提取精度相對較低,究其原因,山東省冬小麥成熟期主要在6月初,該時期森林、草地等其他植被基本處于生長旺盛期,對于冬小麥遙感反演的植被指數(shù)計算結(jié)果可能會產(chǎn)生一定程度的干擾[28]。

從物候期的空間分布特征來看,2003—2019年山東省冬小麥返青期、拔節(jié)期、抽穗期、成熟期呈魯南早于魯北、內(nèi)陸早于沿海的空間格局特征,這與Guo等[12]利用MOD09A1數(shù)據(jù)研究的華北平原冬小麥返青期的空間分布特征相一致。山東省冬小麥各物候期空間分布的差異一定程度上反映了區(qū)域內(nèi)氣候的空間異質(zhì)性[18,31-33]。魯南地區(qū)冬后氣溫回升較快,有利于冬小麥較早進入發(fā)育期,此后的3—5月氣溫也高于魯北地區(qū),可促進冬小麥進一步生長發(fā)育；而魯東、魯西北地區(qū),特別是渤海沿岸地區(qū),受海洋氣候等的影響,其同期氣溫相較于內(nèi)陸低,不利于冬小麥的生長發(fā)育,導(dǎo)致沿海地區(qū)的冬小麥物候期均晚于內(nèi)陸地區(qū)。

從物候期的時空變化特征來看,區(qū)域尺度上,2003—2019年山東省冬小麥4個物候期的變化趨勢均不顯著。與其他自然植被物候變化相比,冬小麥的生長發(fā)育階段受灌溉技術(shù)、小麥品種改良等田間管理方式的干預(yù),導(dǎo)致農(nóng)作物物候的年際變化趨勢被減弱[1]。多年變化趨勢上,2010年、2012年分別為山東省冬小麥抽穗期與成熟期、返青期與拔節(jié)期的峰值期。通過查閱氣象資料發(fā)現(xiàn),2010年山東省春季持續(xù)低溫,春夏之交風(fēng)雹災(zāi)害頻發(fā),而4、5月份為冬小麥累積營養(yǎng)、充實籽粒的關(guān)鍵期,低溫干燥不利于冬小麥的進一步發(fā)育,致使抽穗期、成熟期等生殖關(guān)鍵期延后；2012年1月下旬至3月中旬持續(xù)低溫,氣溫均較常年偏低2.4℃,阻礙了2月中旬冬小麥的返青生長,致使返青期、拔節(jié)期等營養(yǎng)關(guān)鍵期延后。像元尺度上,冬小麥各物候期的年際變化趨勢集中于-8.00—8.00 d/10a,這與已有研究結(jié)果的年際變化率相近,但變化率的空間分布略有差異[31]。原因在于所用遙感數(shù)據(jù)和遙感提取物候期的方法有所差異。侯學(xué)會等[34]針對同一物候期對比不同提取方法所得結(jié)果的差異,發(fā)現(xiàn)不同方法提取的物候期在數(shù)值上差異顯著。后期將繼續(xù)針對不同物候提取方法對物候期時空變化特征結(jié)果的影響進行深入探究。

MODIS數(shù)據(jù)具有較高的時間分辨率,但受云、雪等大氣環(huán)境影響較大。本文利用MODIS質(zhì)量控制數(shù)據(jù)圖層對EVI時序數(shù)據(jù)進行了濾波處理,但仍不能完全消除數(shù)據(jù)噪聲對物候期提取結(jié)果的影響。利用高空間分辨率數(shù)據(jù)與MODIS多時相數(shù)據(jù)結(jié)合來提高物候信息提取精度是未來研究的重點。其次,本文僅分析了冬小麥4個物候期的時空變化特征,未探究物候與氣候變化的確切關(guān)系。下一步將基于氣象數(shù)據(jù)開展冬小麥物候期對氣候變化的響應(yīng)研究,定量分析氣候變化對農(nóng)作物物候的影響。

4 結(jié)論

基于2003—2019年MODIS EVI遙感數(shù)據(jù),根據(jù)冬小麥的EVI時序變化特征,提取山東省冬小麥種植區(qū)以及冬小麥返青期、拔節(jié)期、抽穗期、成熟期4個關(guān)鍵物候期,并分析各物候期時空變化特征。主要結(jié)論如下：

(1)山東省冬小麥返青期、拔節(jié)期、抽穗期、成熟期分別集中在第45—70天、第75—100天、第103—125天、第135—155天。4個物候期均呈現(xiàn)魯南早于魯北、內(nèi)陸早于沿海的格局特征,不同地區(qū)各物候期的最早與最晚相差范圍在20—25天之間。

(2)從區(qū)域尺度上看,2003—2019年山東省返青期、拔節(jié)期、抽穗期、成熟期多年平均值分別為(56.00±8.00)d、(85.00±8.00)d、(112.00±8.00)d 和(143.00±8.00)d,年際變化率分別為1.56 d/10a、0.65 d/10a、-0.54 d/10a、2.51 d/10a,均呈現(xiàn)波動變化但趨勢不顯著的特征。

(3)從像元尺度上看,2003—2019年山東省冬小麥的返青期、拔節(jié)期均以推遲趨勢為主,呈顯著推遲趨勢的區(qū)域分別占種植區(qū)總面積的1.65%、3.05%,主要分布于魯東沿海地區(qū)和魯南內(nèi)陸部分地區(qū)；抽穗期以提前趨勢為主,呈顯著提前趨勢的區(qū)域占種植區(qū)總面積的6.56%,集中分布于菏澤東北部地區(qū)；成熟期以推遲趨勢為主,呈顯著推遲趨勢的區(qū)域占種植區(qū)總面積的10.23%,多出現(xiàn)在濱州、德州以及濟寧等地區(qū)。

致謝：感謝中國科學(xué)院煙臺海岸帶研究所李東老師和劉玉斌、張玉新、徐鶴同學(xué)協(xié)助完成山東省冬小麥樣本數(shù)據(jù)的野外測量工作。