CN112667955B - 基于遥感估算区域尺度玉米潜在产量与产量差的方法与应用 - Google Patents

Abstract

本发明属于农业遥感技术领域，特别涉及一种基于遥感模拟玉米潜在产量与产量差的方法，用于量化区域尺度农作的潜在产量。本发明拟通过如下方案来获得基于遥感的玉米LAI_p并模拟潜在产量：先模拟一条LAI随日期变化的大致曲线即SCLAI，趋势线的顶点值即相当于LAI_max：再对遥感反演LAI进行拉伸，用RC表示RSLAI随时间变化的曲线；潜在产量Y_p模拟：把LAI_p输入一个遥感作物产量模型，将遥所有可控因子设置为最优，模型最终的输出结果为地块尺度的玉米Y_p，最后进行产量差模拟：采用实际的RS‑LAI和实际的气象因子输入遥感作物产量模型，模拟实际产量Y_a，最终产量差Y_g，本发明有利于提升模拟区域尺度玉米潜在产量和产量差的精度，应用环境友好，市场前景广阔。

Description

基于遥感估算区域尺度玉米潜在产量与产量差的方法与应用

技术领域：

本发明属于农业遥感技术领域，特别涉及一种基于遥感模拟玉米潜在产量与产量差的方法，用于量化区域尺度农作的潜在产量。

背景技术：

随着人口的增长，全球范围内对粮食的需求也在持续上升。据预测，到2030年全球对谷类粮食作物的年均需求量将达到28亿吨，这比2000年的需求量高出50％。到2050年，粮食需求量可能达到2000年的56％，这其中45％的增长量将是对玉米的需求。耕地面积和单产是决定粮食产量的两个基本要素。耕地的持续扩张已经造成了日益严重的环境问题，如水土流失、温室气体排放增加以及生态系统多样性遭到破坏等。因此，满足粮食需求增长的行之有效的方法，是通过提高作物单产来提高粮食总产。玉米是中国的主要粮食作物之一，种植面积仅次于水稻和小麦。中国玉米主产区(东北和黄淮海平原区)的玉米单产低于同纬度其它玉米产区，仍具有较大的增长空间。用于衡量一个区域作物产量潜力的指标是潜在产量，它表示一定区域内，作物产量能达到的理论最大值；与此同时潜在产量与实际产量的差称为产量差，它用于描述一个区域特定作物潜在的增产能力。但是目前对于中国玉米的产量潜力和产量差估算精度不高，限制产量的因素仍然不明确。因此，一种准确估算区域尺度玉米产量潜力和产量差的方法，将为分析不同要素在时间和空间尺度上对玉米产量的影响提供重要信息，有助于区域尺度玉米产量的提升。

相比传统的高产竞赛和超高产实验等，模型方法在模拟作物潜在产量和产量差方面具有低成本和高时效的特点。其中作物生长模型(CGM)是作物潜在产量模拟的一种可靠的工具，其已经在全球范围内被广泛应用和发展。这其中包括针对单一作物(如玉米)发展的作物模型Hybrid-Maize；集成多种作物生长过程的CGM系统，如APSIM、世界食物研究模型WOFOST和DSSAT-CERES。校正的CGM可以在一定区域内较为准确的估计作物的潜在产量。然而CGM模型的校准和模拟的准确性高度依赖农田管理信息和气象资料的准确性，因为包括叶面积指数(LAI)在内关键的植被生理结构参数均依靠CGM的模拟。这表明CGM模型只能模拟一个气象站周围一定范围内的作物产量。由于及全球范围内气象站点分布稀疏以及区域尺度精确的农田管理信息难以获取的问题，CGM在区域尺度的应用存在空间升尺度问题，这限制了其在国家和全球尺度的应用。有学者曾提出一个作物模型的升尺度方案，该方案使用一个特定气象站点的数据模拟该站点周围一定半径范围内(～50km)所有农田的某种作物的产量。但是，在国家尺度上，该方法也仅能使CGM覆盖40％–50％耕地面积。

大区域作物产量模拟的升尺度问题可通过引入遥感(RS)技术来解决。卫星遥感数据可以提供连续时间序列地表植被信息，包括叶面积指数和植被指数。其中叶面积指数在时间序列上的变化直接通过遥感影像数据反演得到，不依赖于地面气象数据模拟的物候信息。因此，基于遥感的作物产量模型可显著降低模型精度对气象数据误差的敏感性和对田间管理信息的依赖性。但也正因如此，遥感模型不能直接用于模拟作物的潜在产量和产量差。使用CGM模拟作物潜在产量时，仅需将作物模型中限制作物生长的可控因素全部调至最优即可。然而，在使用遥感模型模拟作物潜在产量时，遥感反演的作物的生长状况(即LAI)并不能完全达这一理想化状态，这是因为遥感模型中的LAI是通过RS数据反演得到的，遥感反演的LAI本身就包含了作物受到的胁迫信息。因此，如果要使用遥感模型模拟玉米的潜在产量和产量差，就必须消除遥感反演的LAI中的环境胁迫信息。因此本发明寻求设计提供一种基于遥感估算区域尺度玉米潜在产量与产量差的方法与应用，能够有效解决上述问题。

发明内容：

本发明的主要目的在于设计一套基于遥感模拟玉米潜在产量(Y_p)和产量差(Y_g)的方法。该方法寻求一种可靠的方法消除遥感反演的实际叶面积指数RSLAI中影响作物产量的环境胁迫因子，获取“潜在叶面积指数(LAI_p)”，LAI_p被定义为玉米在实现潜在产量条件下的LAI值；然后将LAI_p输入到已有的遥感玉米产量模型中，计算得到玉米的潜在产量，计算产量差。

为了实现上述发明内容，经研究发现当玉米生育期内最叶面积指数峰值LAI_max超过6.6之后，LAI将不再是玉米产量的一个显著影响因素，影响产量的应该是除叶面积指数外的其他要素。这说明，LAI_max大于6.6足以满足玉米获得潜在产量对叶片生长的需求。基于此分析，本发明拟通过如下方案来获得基于遥感的玉米LAI_p并模拟潜在产量：

S1、模拟一条LAI随日期变化的大致曲线即SCLAI，趋势线的顶点值即相当于LAI_max：

其中，LAI_S表示模拟的LAI曲线；D表示玉米从出苗到当前日期的天数；D_mt和D_fl分别表示成熟期和开花期距离出苗期的天数，模拟的曲线

S2、对遥感反演LAI进行拉伸，用RC表示RSLAI随时间变化的曲线；先采用最小二乘法对SC＝a_LAIp×RC+b_LAIp进行分析，得到回归系数a_LAIp和b_LAIp，分析过程中将b_LAIp固定为RC_LAI序列中的最小值；而后利用多项式a_LAIp×RSLAI+b_LAIp计算得到一个生长季内各个时期的LAI_p；

S3、潜在产量Y_p模拟：把LAI_p输入一个遥感作物产量模型，将遥所有可控因子设置为最优，模型最终的输出结果为地块尺度的玉米Y_p，为了避免播期造成的减产，像元尺度最终的潜在产量为其周围25km范围内所有像元的潜在产量模拟值的95％分位点处的产量，这一策略的假设是任意25km半径范围内的气象条件接近，并且存在最优的玉米播期；

S4、产量差模拟：采用实际的RS-LAI和实际的气象因子输入遥感作物产量模型，模拟实际产量Y_a，最终产量差Y_g计算如下：

Y_g＝Y_p-Y_a (2)

本发明与现有技术相比，取得的有益效果如下：

(1)该方法可以大大减少传统方法模拟玉米潜在产量产量差过程中对田间管理措施和气象数据的依赖，降低模拟潜在产量的成本。

(2)有利于提升模拟区域尺度玉米潜在产量和产量差的精度，应用环境友好，市场前景广阔。

(3)可以为分析影响玉米产量因素的空间差异供重要信息，有助于高效提升区域尺度玉米产量。

附图说明：

图1为本发明涉及的遥感的作物产量模型结构示意图。

图2为本发明涉及的日尺度水平衡过程示意图。

图3为本发明涉及的模拟的黄淮海平原2010-2015年玉米潜在产量空间分布图。

图4为本发明涉及的模拟的黄淮海平原2010-2015年玉米产量差空间分布图。

具体实施方式：

下面通过在中国华北平原下玉米种植区的实施案例并结合附图对本发明作进一步说明。

实施例1：

本实施例提供了一种基于遥感模拟2010-2015年华北平原下玉米种植区玉米潜在产量和产量差的方法。首先利用MODIS的1km分辨率的NDVI时间序列数据，提取了夏玉米的出苗期和收获期；然后利用提取的作物物候信息模拟像元尺度的潜在叶面积指数的变化趋势LAI_S；再利用LAI_S消除遥感实际观测的LAI中的胁迫信息得到LAI_p；最后再将LAI_p输入一个遥感作物模型模拟玉米产量，并结合领域统计法得到黄淮海平原夏玉米潜在产量的空间分布。

S1、数据收集

从NASA官网下载2010-2015年，MODIS数据1km的NDVI和EVI数据，其中NDVI数据用于提取玉米的物候信息，EVI数据用于计算玉米的实际叶面积指数，所需的气象数据来自ERA-Interim数据集，模拟土壤水平衡过程所需的土壤属性数据来自HarmonizedWorldSoil Database v1.2土壤属性数据集；

S2、数据处理

所有遥感数据都使用TIMESAT3.3软件进行滤波去噪处理，滤波方法选择Savizkg-Golagy，滤波窗口大小固定为±16天；与此同时，借助TIMESAT3.3软件从NDVI时间序列数据中提取玉米的物候信息，即出苗日期和收获日期，使用EVI计算实际的遥感叶面积指数(RSLAI)的公式如下所示：

S3、模拟LAI_p变化的季节趋势

利用从MODIS时间序列NDVI数据获取的出苗和收获期计算计算玉米从出苗到花期和收获期的天数(D_fl和D_mt)，使用公式(1)模拟一条潜在叶面积指数LAI_p随时间变化趋势线(SC_LAI)；

S4、根据RSLAI获取LAI_p

针对每一个生长季(或年)的RSLAI数据，设RC为RSLAI随季节变化的曲线，采用最小二乘法对SC＝a_LAIp×RC+b_LAIp进行分析，得到回归系数a_LAIp和b_LAIp，分析过程中将b_LAIp固定为RC序列中的最小值；而后利用多项式a_LAIp×RSLAI+b_LAIp计算得到一个生长季内各个生育期玉米的LAI_p；

S5、模拟玉米潜在产量

把LAI_p输入作物产量模型，并将模型中所有可控因子设置为最优；首先模型的直接输出结果为地块尺度的玉米潜在产量；对于模拟的结果，使用邻域统计方法得到最终的玉米潜在产量：即任意像元周围25km范围内所有像元的潜在产量模拟值的95％分位点数为该像元最终的潜在产量，如图3所示，遥感作物产量模型模拟玉米产量的原理参见步骤S7；

S6、计算玉米产量差

将玉米实际的RS-LAI输入到作物产量模型，模拟玉米的实际产量Y_a的空间分布，最终根据公式(2)计算得到玉米的产量差，如图4所示；

S7、遥感作物产量模型

遥感作物产量模型的计算原理如图1所示，估算潜在产量时，作物不受水分胁迫，因此，不运行模型中的水平衡模块，仅运行碳同化模块，计算产量差过程中模拟实际产量的过程中需要运行整个模型，水平衡过程如图2所示，图中各个子过程的计算方式如表1所示；模型的碳同化模块原理如下：

1)模拟光合速率

叶片尺度的光合速率，使用模拟C4植被光合速率的的胞间传输模型来模拟玉米的光合速率：

A_n＝min(A_v,A_e,A_s)-R_d (4)

A_v＝V_m (5)

A_e＝ε×Q (6)

R_d＝0.015V_m (8)

V_m＝V_m252.4^(T-25)/10f_T(T_a)·f_N(N) (9)

ε＝ε_m·f_N(N) (10)

其中，A_n表示净光合速率(μmol m^-2s^-1)；A_v、A_e和A_s分别表示受Rubisco酶、潜在电子传导率和PEP-羧化酶限制的光合速率(μmolm^-2s^-1)；R_d表示暗呼吸速率(μmolm^-2s^-1)；V_m表示最大羧化率(μmolm^-2s^-1)；J为电子传导速率；C_i表示胞间CO₂分压(Pa)；Γ表示CO₂暗呼吸补偿点；K表示酶促反应参数；Q表示叶片尺度的入射光合有效辐射强度(PAR：μmolm^-2s^-1)；ε表示固有光量子利用效率(molmol^-1)；P_a表示大气压强(Pa)；V_m25表示在温度为25℃时的最大羧化率(μmol^-1m^-2s^-1)，对于玉米，V_m25的值设定为60μmol^-1m^-2s^-1；f_N(N)表示氮素胁迫函数；εm表示ε的最大值，此次模拟使用ε_m＝0.067molmol^-1；

冠层尺度的光合速率采用一个两片大叶模型来模拟：

GPP＝A_c×ts×M_C×10^-6 (11)

A_c＝LAI_shd·A_n,shd+LAI_sun·A_n,sun (12)

其中，GPP表示日尺度的冠层总初级生产力(gC m^-2d^-1)；LAI为叶面积指数；ts表示时间尺度，ts＝Hr_day×3600s，其中Hr_day表示白天的小时数；脚标i分别是对阴叶(shd)和阳叶(sun)的索引；M_C是碳元素的摩尔质量(12gmol^-1)。以上公式中所有变量的计算均采用白天气象或其他环境观测变量来计算。

2)根据日光合速率计算玉米产量

净初级生产力(NPP)是植被光合作用生产的净干物质量，为光合作用积累的总干物质量与呼吸消耗干物质的差。光合作用产生的NPP会被分配到作物的各个器官。与此同时，除了呼吸作用外，器官的凋落也会造成干物质量的减少。作物各器官在日尺度上的干物质积累量计算为NPP与凋落量的差值，如下所示。当计算的NPP为负时，在下式中将NPP设定为0。；

其中，(t₀)表示当前日期；

表示当前日期干物质的变化量(gC m^-2d^-1)；脚标“x”是对作物4个器官的索引，分别为果实(grain)、叶(leaf)、茎(stem)和根系(root)；Fr_x表示分配到器官“x”的光合产物的比例；De_x表示器官“x”的凋落量，RCYM只考虑叶片的凋落，忽略其它器官的该过程，根据Levis et al.(2012)的研究，将叶片凋落速率计算为叶龄的倒数；不同的是，RCYM使用累积有效积温作为叶龄度量，

计算如下：

其中，

表示当前日期的有效积温(℃d)，GDD_leafLife表示从展叶到叶片开始凋落所需的有效积温(℃d)，

表示叶片的干物质量(gC m^-2d^-1)；

由光合作用产生的植株净干物质累积量

为：

其中，R_total、R_g和R_m表示日尺度的总呼吸、生长性呼吸和维持性呼吸速率(gC m^-2d^-1)；Q₁₀是一个呼吸作用对温度的敏感性因子，反映了温度每增加10℃的情况下，呼吸作用强度的增加量；r_g表示生长性呼吸系数(0.25)；r_m,x为器官“x”的维持性呼吸系数。对根、茎和叶的Fr_x的计算公式为：

果实籽粒的干物质分配系数为：

其中，a_x和b_x为经验参数，用于控制器官“x”的干物质分配系数曲线随DVS变化的形状；DVS表示作物的发育阶段(0–2)；DVS＝1表示作物的花期，籽粒干物质从这个时候开始累积；DVS＝2表示籽粒成熟阶段，其中a_x和b_x的取值为：a_leaf＝13.0,a_stem＝12.5,a_root＝12.5,b_leaf＝-11.2,b_stem＝-10.0,andb_root＝-12.4。

DVS的计算方法如下：

其中，

TSUM₁和TSUM₂分别表示出苗期到成熟期、出苗期到开花期和开花期到成熟期的累积有效积温(℃d)；T_eff表示有效积温；t_em、t_fl和t_mt分别表示作物出苗、开花和成熟的日期，日有效积温计算如下(Osborne et al.,2015)：

其中

表示日均气温(℃)；T_base、T_o和T_m分别表示作物发育所需的基础气温、最适气温和最高气温(℃)，且对于同一种作物，T_base<T_o<T_m。对于玉米这三个值设定为8℃、30℃和40℃；

表1作物产量模型中土壤水平衡模块的8个子过程的详细描述

本实施例中，上标(l)表示对土壤层的索引，索引值(l)从(1)到(3)表示土壤层由浅到深；脚标t、t-1和t+1分别是对前一天、当天和后一天的索引；其它符号和简写的含义说明如下：ts，模拟的时间步长(86400s)；L_c，单位叶面积的水容量(0.3mm)；ms，融雪量(mm)；Ps，降雪量(mm)，Pr，降雨量(mm)；Fg_t，从天顶时角观测的冠层空隙概率；Ω，聚集度指数，作物采用0.9；NL，土壤层数；swl_p/swl_a，由蒸腾造成的潜在/实际土壤水分耗散量(mm)；w^(l)，土壤层的权重；swc_w，凋萎点含水量(mm)；swc_f，田间持水量(mm)；swc_sat，饱和土壤含水量(mm)；swe^(l)，当实际土壤含水量超过田间持水量时，实际土壤含水量与田间持水量的差值(mm)；

从上层土壤(l-1)渗漏到当前土壤层(l)的土壤水量(mm)。关于变量P、sd、swca、swcb、swcc和Wr的含义，；变量

和

表示水分充足情况下的湿润冠层、湿润土壤、饱和土壤和干燥冠层的蒸散量。

Claims (1)

1.一种基于遥感估算区域尺度玉米潜在产量与产量差的方法与应用，其特征在于具体通过如下技术方案实现：

S1、模拟一条叶面积指数随日期变化的曲线即SCLAI，趋势线的顶点值即相当于LAI_max：

其中，LAI_S表示模拟的叶面积指数曲线；D表示玉米从出苗到当前日期的天数；D_mt和D_fl分别表示成熟期和开花期距离出苗期的天数，模拟的曲线

S2、对遥感叶面积指数进行拉伸，用RC表示RSLAI随时间变化的曲线；先采用最小二乘法对SCLAI＝a_LAIp×RC+b_LAIp进行分析，得到回归系数a_LAIp和b_LAIp，分析过程中将b_LAIp固定为RC_LAI序列中的最小值；而后利用多项式a_LAIp×RSLAI+b_LAIp计算得到一个生长季内各个时期的LAI_p；

S3、潜在产量Y_p模拟：把LAI_p输入一个遥感作物产量模型，将所有可控因子设置为最优，模型最终的输出结果为地块尺度的玉米Y_p，为了避免播期造成的减产，像元尺度最终的潜在产量为其周围25km范围内所有像元的潜在产量模拟值的95％分位点处的产量，这一策略的假设是任意25km半径范围内的气象条件接近，并且存在最优的玉米播期；

S4、产量差模拟：采用实际的RSLAI和实际的气象因子输入遥感作物产量模型，模拟实际产量Y_a，最终产量差Y_g计算如下：

Y_g＝Y_p-Y_a。

Images