水分胁迫条件下玉米生产潜力遥感评估模型——以重庆市长寿区为例

水分胁迫条件下玉米生产潜力遥感评估模型
——以重庆市长寿区为例

张栩然1，2，宫阿都1，3，李京1，2，岳建伟4，尹晓天1，3，吕潇然1，3

(1.北京师范大学 地表过程与资源生态国家重点实验室，北京 100875；2.北京师范大学 减灾与应急管理研究院，北京 100875；3.北京师范大学 环境演变与自然灾害教育部重点实验室，北京 100875；4.北京师范大学 资源学院，北京 100875)

摘要：本文将WOFOST作物生长模型与遥感技术相结合，提出一种基于遥感的水分胁迫条件下玉米生产潜力评估模型，可利用遥感数据反演区域干旱强度，并驱动作物生长模型，最终得到作物生产潜力。该模型的核心是基于温度植被干旱指数(TVDI)每日蒸散算法，采用该算法可较为准确地计算水分胁迫条件下玉米农田每日蒸散量；并结合优化选取的作物品种参数，利用自行开发的TVDI-WOFOST软件开展计算，达到精确模拟干旱条件下作物产量的目的。经农业统计数据证明，本文所提出的评估模型可较好模拟水分胁迫条件下玉米生产潜力，对干旱灾情评估、农业发展规划、水利建设规划等工作具有较高的参考价值。

关键词：作物生长模型；水分胁迫；玉米

doi:10.3969/j.issn.1000-3177.2015.01.007

中图分类号：F302.3文献标识码：A

收稿日期：2014-03-13修订日期：2014-04-25

基金项目：国家科技重大专项(30-Y20A01-9003-12/13)；国家重点基础研究发展计划项目(2010CB951503)。

作者简介：吕春光(1985～)，男，博士研究生，主要从事资源环境遥感研究。

通讯作者：田庆久(1964～)，男，教授，主要从事光学遥感理论方法与应用研究。

Productivity Evaluating Model of Maize Under Water Stress Based on

Remote Sensing：A Case Study of Changshou，Chongqing

ZHANG Xu-ran1，2，GONG A-du1，3，LI Jing1，2，YUE Jian-wei4，YING Xiao-tian1，3，LYU Xiao-ran1，3

(1.StateKeyLaboratoryofEarthSurfaceProcessesandResourceEcology，BeijingNormalUniversity，Beijing100875；

2.AcademyofDisasterReductionandEmergencyManagement，BeijingNormalUniversity，Beijing100875；

3.KeyLaboratoryofEnvironmentalChangeandNaturalDisaster，MOE，BeijingNormalUniversity，Beijing100875；

4.CollegeofResourceScienceandTechnology，BeijingNormalUniversity，Beijing100875)

Abstract：Based on the combination of crop model and remote sensing，a productivity evaluating model of maize under water stress is presented in this paper.The core of this model is daily evapotranspiration algorithm based on Temperature Vegetation Dryness Index (TVDI).The function of this algorithm is obtaining accurate daily evapotranspiration of the maize field using the meteorology and remote sensing data.Using the better maize crop parameter，the TVDI-WOFOST software simulates the crop status under water stress，and obtain the productivity.The experimental result proved the reliability of this model.

Key words：crop model；water stress；maize

1引言

干旱是严重危害我国农业的多发自然灾害之一，是各类农业气象灾害中发生最为频繁的一种，同时也是我国粮食安全、社会稳定的重大威胁。近20年来，因气象灾害造成的我国粮食损失，有60%来源于干旱[1]。现阶段，我国农业集约化程度较低，导致对自然灾害的抵御能力较差，更令损失程度进一步加重。干旱监测和损失估计，目前已成为灾害科学的研究热点。

作物生长模型是以土壤-大气系统的物质与能量传输转化理论为基础，对作物各项生理过程进行数学描述，并反演农作物发育过程的数学模型[2]，具有计算机理性强、对产量估计准确等优点。应用较广的主要有WOFOST模型、CERES系列模型等。遥感技术可以短时间内监测大面积地表参数[3]，与作物生长模型的结合，可有效提高区域应用的模拟精度。

本文提出一种水分胁迫条件下玉米生产潜力评估模型，可将遥感数据与作物生长模型相结合，用以评估干旱条件下玉米农田的生产潜力，供干旱监测与损失估计、防灾减灾工作参考。本文研究区为重庆市长寿区双龙镇，该镇土地肥沃，适宜农业生产，截止2006年底，实有耕地面积5.06万亩，作物以玉米、水稻、小麦为主[4]。2006年，重庆市发生了较为严重的伏旱，对农业生产造成了重大影响。研究采用该年份气象数据(http://cdc.cma.gov.cn)、遥感数据为EOS-Terra卫星搭载的中分辨率成像光谱仪(MODIS)数据产品MOD11(分辨率1km)、MOD13(分辨率250m)，获取时间为2006年5月～8月。结合本文提出的生产潜力评估模型开展计算，评估双龙镇玉米生产潜力，并利用农业统计数据对计算结果进行验证。

2模型原理

本文提出的水分胁迫条件下玉米生产潜力评估模型，是以WOFOST模型为基础，融入遥感信息而成。

WOFOST模型由世界粮食研究中心(CWFS)与荷兰瓦赫宁根大学联合研制开发，是一种基于过程的动态解释性模型，可模拟小麦、玉米、水稻等多种作物的生长发育过程，具有很强的实用性[2]。该模型的主要计算过程是根据当日太阳辐射强度与叶面积指数，计算植物所获得的光能，并依照水分、养分的供应状况，计算光合作用所同化的干物质量。除呼吸作用消耗的部分干物质外，其余部分按照一定比例分配到根、茎、叶和存储器官，并考虑部分组织死亡的影响。依据逐日气象观测数据，重复计算上述理化过程，直至作物收获日。WOFOST模型每日计算流程可如图1所示。

WOFOST模型采用土壤水分平衡的方法描述土壤缺水状况和作物水分胁迫程度。该方法仅依赖气象观测数据计算土壤水分输入量和蒸散量，无法体现农田灌溉活动对土壤水分的补充作用，对区域内受旱状况的区别程度不高。温度植被干旱指数(TVDI)[5]可用于反演干旱胁迫条件下的农田蒸散量，是解决这一难题的较好途径。本文对作物生长模型WOFOST的蒸散模块进行改进，引入TVDI表征土壤水分状况，结合Penman-Montieth公式[6]，反演计算水分胁迫条件下每日农田蒸散量，建立基于遥感的水分胁迫条件下玉米生产潜力评估模型。该模型的计算流程图可如图2所示。

图1　WOFOST模型的每日计算过程示意图 [2]

3基于TVDI的作物生长模型每日蒸散算法

本文提出一种基于TVDI的作物生长模型每日蒸散算法，以描述旱情不同地区的玉米农田蒸散量，供作物模型计算采用。

在土壤水分供应充足的条件下，作物的实际蒸腾速率可达到最大蒸腾速率；在水分胁迫条件下，作物叶片的部分气孔关闭，实际蒸腾速率低于最大蒸腾速率。本文提出的作物模型每日蒸散算法依照上述原理，采用最大蒸腾速率和水分胁迫削减系数相结合的方法，计算水分胁迫下作物每日实际蒸腾量。对于作物最大蒸腾速率，采用应用较广的Penman-Monteith公式。水分胁迫削减系数则结合温度植被干旱指数(TVDI)进行计算。

3.1算法原理

基于TVDI的作物模型每日蒸散算法的计算公式如式(1)～式(3)所示[7]。

ETa=Rws·ETmax

(1)

(2)

Rws=1-TVDI

(3)

式(1)中的Ta为水分胁迫条件下农田每日蒸散量，单位为mm d-1；Rws为水分胁迫削减系数，无量纲；Tm为最大蒸散量，单位为mm d-1。

最大蒸散量Tm采用Penman-Monteith公式计算，内容见式(2)。由于该公式可较好地模拟气象环境，近几十年来，在全世界各地得到了较好地应用[8]。式中，λ为水分汽化潜热，单位为MJ kg-1，s为当日平均气温的饱和水汽压梯度，单位为kPa ℃-1，A为净辐射量，单位为MJ m-2d-1，ρ为该温度下空气密度，单位为kg m-3，Cp为该温度下空气比热容，一般为1.012×103MJ kg-1K-1，esat为该温度下空气饱和水汽压，单位为kPa，e为实际水汽压，单位为kPa，γ为干湿计常数，U2为2m处风速，单位为m s-1。

水分胁迫削减系数Rws的计算公式如式(3)所示。式中，TVDI为该地的温度植被干旱指数。利用干旱时期的遥感图像，可构建植被指数-地表温度特征空间，进而计算任一农田斑块的TVDI，反演计算干旱胁迫条件下的农田蒸散量。

在遭受水分胁迫时，植物会关闭部分叶片气孔，减少蒸散量，以保存水分。蒸散发量减少导致地表潜热通量降低，进而造成地表显热通量增加，植被冠层温度会有明显上升。Kaicun Wang等人[9]、Carlson等人[10]经研究认为，该机制对水分胁迫状况非常敏感，可用于计算水分胁迫削减系数。温度植被干旱指数(TVDI)是根据上述原理，利用某一地区植被指数(VI)与土地表面温度(Ts)数据构成特征空间，从而对该地区土壤水分进行评估，计算公式为：

(4)

式中，LST为地表温度，单位为K；LSTmin为地表最低温度，单位同上；a，b分别为植被指数-地表温度特征空间中干边的截距与斜率，VI为植被指数。

地表(裸土)或植被冠层高度(有植被地区)的能量平衡可描述为[11]：

Rn=G+H+LE

(5)

上式中，Rn为到达地表的太阳净辐射，G为土壤热通量，LE为潜热通量，H为显热通量。对于某一点，假设地表温度为Ta，植被覆盖度为Via。根据文献研究成果[12-13]，在短时间周期内，土壤热通量可忽略不计，可推出地表温度与LE存在线性关系，记为Ta=F(LE)。则对于植被覆盖度同为Via的地区，所能达到的最高地表温度标为Tmax，并认为这些地区最为干旱，无蒸散；所能达到的最低地表温度标为Tmin，认为这些地区是最为湿润区域。根据式(4)，可推出：

(6)

上式中，LEa为研究区中某一地的蒸散潜热通量，LEmax为研究区该日最大蒸散量。对式(6)进行变换，可得：

(7)

根据物理学原理，土壤潜热与蒸散量成正比，由此可推得：

(8)

将上式代入式(1)，可得到式(3)。

式(7)揭示了特征空间中任一点的潜热与同一植被指数水分充足地区的潜热之间的关系，式(3)表明水分胁迫削减系数的计算方法。水分胁迫削减系数的取值在0～1之间，越接近0，说明该农田遭受水分胁迫的程度越严重。

3.2伏旱期每日蒸散量计算过程

采用干旱年份(2006年)的遥感、气象数据，通过计算关键晴朗日和中间日的TVDI，实现对于土壤水分胁迫强度的监测。双龙镇面积较小，无法保证植被指数与地表温度的多样性，因此采用重庆市长寿区的遥感数据进行计算，从结果中提取TVDI数据。

计算所采用的遥感数据是EOS-Terra卫星搭载的中分辨率成像光谱仪(MODIS)成像数据产品MOD11与MOD13。MOD11产品的内容为地表温度，空间分辨率为1 km，为每旬合成数据。MOD13产品的内容为植被指数(NDVI与EVI)，空间分辨率为1 km，为15天合成数据。已获取的上述遥感数据覆盖2006年伏旱期，各有6景，分别为第161日(6月10日)、第177日(6月26日)、第193日(7月12日)、第209日(7月28日)、第225日(8月13日)、第241日(8月29日)的数据。

前人研究证明，在构建植被指数-地表温度特征空间时，采用EVI替代NDVI，具有滤除地物干扰、避免饱和效应等优点[14]，本文予以采用。结合地表温度数据产品与EVI数据产品，构建植被指数-地表温度特征空间，可计算干边与湿边的相关参数。在此列出前3景遥感图像构建植被指数-地表温度特征空间及回归得到的干湿边图像，如图3所示。

由图3可见，6月10日，大部分地区的TVDI很小，受旱程度不明显。7月28日TVDI分布图则显示，大部分像元的TVDI值较高，相当一部分处于严重干旱状态，与实际状况基本相符。

得到上述6景TVDI数据后，采用滑动平均的方法计算得到中间日的TVDI数据，并可进一步计算干旱时期玉米农田每日蒸散量。由于篇幅所限，在此仅列出6月26日、7月28日的TVDI分布图，如图4～图5所示。

图3　遥感图像反演植被指数-地表温度特征空间图

图4　6月26日TVDI分布图

图5　7月28日TVDI分布图

4水分胁迫条件下玉米生产潜力评估实验

利用本文提出的基于遥感的水分胁迫条件下玉米生产潜力评估模型，完成了双龙镇水分胁迫条件下玉米农田的生产潜力评估。根据模型设计，计算过程为：①根据玉米品种的种植状况，确定符合现实状况的作物品种参数方案；②基于干旱期每日TVDI结果和水分胁迫削减系数，计算受旱期间玉米农田斑块的日蒸散量；③依据水分胁迫条件下玉米生产潜力评估模型原理，开发TVDI-WOFOST软件；④利用软件和日蒸散量结果，驱动模型对玉米农田斑块进行模拟计算，得到水分胁迫条件下农业生产潜力。农业统计数据证明，本文提出的水分胁迫条件下玉米生产潜力模型的模拟结果与实际情况较为符合。

4.1作物品种参数调整方案

作物模型中的出苗有效温度、各发育阶段所需积温等作物参数，与作物品种紧密相关。为了准确模拟本地农作物的生长发育过程，需对模型参数进行调整。2006年，在双龙镇推广的玉米种子均为中熟品种，主要包括东单80号、三峡玉6号等，一年种植一季。根据文献和相关物候期观测数据，可得到符合双龙镇实际的品种参数调整方案，部分参数值如表1所示。

4.2TVDI-WOFOST软件设计

为实现模型计算过程，本研究开发了一套基于遥感的生产潜力评估模型计算软件TVDI-WOFOST。该软件采用Python语言开发，基于PyWOFOST的相关代码改进而成。该软件以玉米农田像元为计算单位，输入数据包括作物品种参数、农田土壤数据、每日气象数据、农田每日蒸散量等，利用作物生长模型进行生长发育模拟运算，最终输出农田斑块的总储藏器官干物质重量(单位为：kg/ha)，存储为XML文件，并借助地理信息可视化模块，将农业生产潜力输出文件转化为可供显示的shpfile文件。该软件的工作模式如图6所示。

表1　玉米品种参数调整方案(部分参数值)

图6　TVDI-WOFOST软件工作模式示意图

4.3实验结果与验证

实验采用重庆市长寿区国土部门提供的2006年土地利用调查数据，提取双龙镇玉米农田斑块，计算生产潜力。借助上文提到的TVDI-WOFOST软件，可较为便捷地将基础地理信息、遥感数据与作物生长模型结合开展计算，得到了水分胁迫条件下的双龙镇玉米农田生产潜力评估结果，如图7所示。

2010年2月～9月，长寿区水热条件充足，没有发生严重自然灾害。将2010年气象数据输入模型，采用无胁迫模式计算，即可得到平年玉米农田生产潜力评估结果，如图8所示。将旱年(2006年)生产潜力与该结果进行对比，经计算得出水分胁迫条件下玉米农田减产程度，如图9所示。

图7　水分胁迫条件下双龙镇玉米农田生产 潜力评估结果图(2006年)

图8　水热充足年份双龙镇玉米农田生产 潜力评估结果图(2010年)

图9　水分胁迫条件下双龙镇玉米农田减产程度图

根据本文提出模型的计算结果，2006年伏旱令双龙镇玉米农田遭受2.5%～40%不等的减产。减产较为严重的农田斑块主要分布在该镇东北部、西北部地区。土地利用调查数据表明，这些地区的玉米农田大多为丘陵梯地的望天田，缺乏灌溉条件，易受灾害影响。根据本文提出模型计算得到的玉米农田减产程度与实际状况基本相符。

根据统计数据[15-16]，与2010年相比，2006年双龙镇玉米单产减产约9.51%。采用本文提出的模型计算上述两年生产潜力，减产比例约为7.54%，基本可以满足干旱条件下估计农田产量的需求。相关资料如表2所示。

表2　双龙镇玉米生产潜力与实际产量资料表

5结束语

为实现对干旱这一常见农业气象灾害的准确监测，估计水分胁迫条件下农作物减产程度，本文提出一种基于遥感的水分胁迫条件下玉米生产潜力评估模型。模型包含基于TVDI的作物模型每日蒸散算法，可用于描述水分胁迫条件下玉米农田蒸散量，有效增强对受旱程度不同地区的描述作用，进而提高作物模型的模拟精度。实验结果表明，本文所提出的基于遥感的水分胁迫条件下玉米生产潜力评估模型，对农田受旱状况的模拟较好，可提高水分胁迫条件下玉米农田估产精度，对灾害监测、救灾决策等工作具有较高的参考价值。

致谢：本文得到中央高校基本科研业务费专项资金资助。

参考文献：

[1]李克让，郭其蕴，张家诚.中国干旱灾害研究及减灾对策[M].郑州：河南科学技术出版社，1999.

[2]WIT C T.Simulation of assimilation，respiration and transpiration of crops[J].Plant Physiology and Biochemistry，1978.

[3]孙灏，陈云浩，孙洪泉.典型农业干旱遥感监测指数的比较及分类体系[J].农业工程学报，2012，28(14)：147-154.

[4]重庆市长寿区统计局.长寿统计年鉴2009(内部资料)[M].重庆，2010.

[5]PRICE J C.Using spatial context in satellite data to infer regional scale evapotranspiration[J].IEEE Transactions on Geo-science and Remote Sensing，1990，(28)：940-948.

[6]MONTEITH J L.Evaporation and environment[A].Symposium of the society of experimental biology[C].Cambridge：Cambridg University Press.，1965：205-234.

[7]王健，蔡焕杰，刘红英.利用Penman-Monteith法和蒸发皿法计算农田蒸散量的研究[J].干旱地区农业研究，2002，20(4)：67-71.

[8]许翠平，刘洪禄，赵立新.应用Penman-Monteith方程推算北京地区苜蓿的灌溉定额[J].农业工程学报，2005，21(8)：30-34.

[9]WANG K，LI Z，CRIBB M.Estimation of evaporative fraction from a combination of day and night land surface temperatures and NDVI：A new method to determinethe Priestley-Taylor parameter[J].Remote Sensing of Environment，2006，(102)：293-305.

[10]CARLSON T N，GILLIES R R，PERRY E M.A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J].Remote Sensing Reviews，1994，(9)：161-173.

[11]郭建茂.基于遥感与作物生长模型的冬小麦生长模拟研究[D].南京：南京信息工程大学，2007.

[12]WANG K，DICKINSON R E.A review of global terrestrial evapotranspiration：Observation，modeling，climatology，and clmatic variability[J].Reviews of Geophysics，2012，(50)：1-54.

[13]DORAISWAMYA P C，HATFIELDB J L，JACKSONA T J，et al.Crop condition and yield simulations using Landsat and MODIS[J].Remote Sensing of Environment，2004，(92)：548-559.

[14]易佳.基于EOS-MODIS的重庆市干旱遥感监测技术研究[D].重庆：西南大学，2010.

[15]重庆市长寿区统计局.长寿统计年鉴2006(内部资料)[M].重庆，2007.

[16]重庆市长寿区统计局.长寿统计年鉴2010(内部资料)[M].重庆，2011.

E-mail：rsandgis@sina.com

E-mail：Tianqj@nju.edu.cn