晋南区冬小麦种植分布卫星遥感反演及时空变化分析

米晓楠 ，杨 超 ，李 峰 ，相 栋 ，李孟蔚 ，赵永强 ，闫加海

（1.山西省气候中心，山西太原 030006；2.防灾科技学院，河北三河 065201；3.右玉县气象局，山西右玉 037200）

冬小麦是山西省的主要粮食作物[1-2]，在农业生产中占有举足轻重的地位。晋南区是山西省冬小麦主产区，据近5 a播种面积统计，晋南区的冬小麦种植面积占全省冬小麦种植面积的96.74%以上。分析该区连续多年冬小麦种植空间分布变化，可以掌握山西省冬小麦主要种植结构调整信息，为驱动力分析提供可靠依据，对开展山西省冬小麦长势监测和产量评估起着重要作用。

对冬小麦种植分布进行时空变化分析，首先需获取冬小麦种植面积。目前，冬小麦面积主要通过调查统计和遥感监测2种方法获取[3]。调查统计数据可提供较长时间序列的种植面积[4-6]，但是只能统计至县级种植面积，且数据更新较慢[7]；遥感技术基于不同分辨率可以获取不同尺度地面信息，数据更新周期短，在冬小麦识别方面得到广泛应用[8-9]。利用遥感技术提取农作物种植面积常用的方法主要有监督[10-11]和非监督分类[12-13]、目视解译法、决策树分类法[14]和混合像元分解方法[15-16]等。

中分辨率成像波谱仪MODIS数据自2000年至今已有10多年数据，近年在农作物种植及长势监测方面得到广泛应用，为分析多年晋南区小麦种植分布变化提供了数据支撑。混合像元分解法在中低分辨率数据分类中应用较多，比其他分类法更能客观地反映地物信息[17]。植被指数是反映植被特征的重要指标之一，结合作物不同发育期特点，常用于获取作物种植分布[18]。

本研究基于MODIS数据，考虑将植被指数视为一个波段，与可见光波段和近红外波段同时作为混合像元分解法的分析波段，进一步优化混合像元分解法，并利用统计数据对提取结果进行校正，提高精度，旨在为分析多年冬小麦种植分布变化提供可靠数据。

1 资料和方法

1.1 研究区域概况

研究区域为山西省冬小麦主产区晋南区，主要包括运城、临汾、晋城和长治4个省辖地级市，地理位置介于北纬 34°18′～37°12′，东经 110′～114′。该区域属温带大陆性气候，年平均气温介于10.4～13.0℃，无霜期介于160～210 d，年平均降水量为600～750 mm，地势平坦、气候温和、土壤肥沃、光照充足，农业生产条件得天独厚，适宜冬小麦的生长。

1.2 基础资料

MODIS数据具有36个波谱通道（0.4～1.4μm），空间分辨率分为250，500，1 000 m，数据来源连续、实时性强；MODIS产品多样，可以免费获取，为作物种植监测时空分析提供了极大的便利[19]。本研究使用的产品为MODIS地表反射率日产品MOD09GA，空间分辨率为500 m，投影类型为正弦曲线投影。数据时间段选取2000—2014年冬小麦生育期数据（10月至次年6月），共15 a数据。

同时，为了对遥感监测结果进行校正和评估，收集了源于农业部门的研究区域内各县冬小麦种植面积统计数据。辅助数据还包括各县的行政边界矢量数据。

1.3 研究方法

1.3.1 MODIS数据预处理 行列编号为h26v05和h27v05的MOD09GA产品包含了全部晋南区，利用MRT工具对多时段数据进行批量拼接、裁剪，并利用ENVI/IDL将投影类型转换为等面积投影。

为了更容易分析波谱特征，将波段数据按从小到大的顺序进行存储。在处理数据时，发现MOD09GA产品第5波段数据质量较差，因此不存储第5波段数据。同时，处理数据过程中利用红光波段和近红外波段计算植被指数，并作为第7波段进行存储。重新排列后的波段参数列于表1。

表1 重新排列后的波段参数

1.3.2 混合像元分解技术优化 混合像元分解是指从实际波谱数据中提取各种地物成分（端元）以及各成分所占的比例（丰度）。应用混合像元分解法的关键是波谱的选定和端元的选取，本研究从这2个方面对该方法进行了优化。

首先在波谱选定方面，除了选定混合像元分解法中经常见到的可见光波段（蓝、绿、红）和3个近红外波段外，还将可以反映植被特征的植被指数也作为一个波段，应用于混合像元分解法，从而提取各端元丰度值。已知数据分辨率为500 m，则每个像元的面积为25 hm2，再乘以冬小麦丰度值，即可获得每个像元冬小麦的面积。

在端元选取方面，对于冬小麦的提取，最常用的端元选取方式是裸地—冬小麦—水体。由于在晋南区冬小麦生育期内，同时生长的主要植被还有山区林地和农田果林，对计算结果精度产生较大影响。本文通过对比在冬小麦不同生育期内冬小麦、果林和林地的波谱特征发现，冬小麦在拔节期（3月底至4月上中旬）波谱特征与林地、果林差异最大（图1）。而山区林地和农田果林波谱特征较相似，因此，将二者统一为林地，最终确定端元选取方式为裸地-冬小麦-林地-水体。同时，从图1也可以看出，将植被指数作为波段后，冬小麦的波谱能更好地与其他地物区分开。

2 结果与分析

2.1 结果校正及评价

利用优化的混合像元分解法对2000—2014年15 a数据进行冬小麦信息提取。以2010年为例，将提取结果与彩色合成图对比发现（图2），当冬小麦丰度值低于某阈值时，存在误判。综合考虑晋南4个市的冬小麦分布情况，设置阈值为0.25，即当冬小麦丰度值低于0.25时，则定义为非冬小麦种植区；然后统计出每个县的冬小麦面积，与农业部冬小麦各县实际统计数据进行相关性分析，相关系数为0.867 2。反演结果与实际数据变化趋势一致，但是一些县仍存在不小的误差，需要对反演结果进行校正。

在实际中，每个市县的地理位置和气候环境存在一定的差异，因此，每个县的阈值实际上也会有不同。本文以各县冬小麦实际统计结果为校正标准，当一个县的冬小麦丰度大于某一阈值时，反演结果与实际统计结果误差最小，则确定这一阈值为该县冬小麦丰度最小有效值。经过校正后的反演结果如图3所示，与实际统计数据相关性系数达到0.962 1，总体精度有较大提高，相对误差小于15%的县占总数的92.41%，反演结果可以用来分析冬小麦多年种植分布变化。

2.2 晋南区时空分布特征分析

2.2.1 冬小麦种植面积时空变化 晋南区冬小麦种植分布受地形因素影响较大，主要分布在运城、临汾、长治和晋城市中部等地势较平坦的地区。2000—2014年晋南区冬小麦种植面积整体呈下降趋势，长治下降幅度最大，截至2014年，冬小麦种植分布极少，晋城也大幅下降，运城和临汾地区小幅下降。

2.2.2 冬小麦种植概率空间变化 多年时段的作物概率分布图可以客观地反映农作物种植的核心地带及其某个地区农作物种植概率的变化[20]。笔者将研究时段分为2000—2007年和2008—2014年2个阶段，分别计算前后2个阶段的冬小麦种植概率（图4-a和4-b），并且对这2个阶段种植概率不小于60%的像元计算差值，可以获取晋南区冬小麦主要种植区的空间变化分布（图4-c）。从图4可以看出，晋南区冬小麦种植核心地带主要分布在临汾盆地和运城盆地，临汾盆地大部地区种植概率变化较小；运城盆地种植概率增减不一，其中，临猗下降较多，而闻喜和永济种植概率明显增加；晋城市种植概率下降较多；在长治盆地下降最为明显。

3 结论与讨论

本研究基于MODIS 500 m地表反射率日产品数据，将归一化植被指数作为一个波段，与可见光波段、近红外波段同时作为分析波段，对裸地、冬小麦、林地和水体不同时期的波谱特征进行提取和分析，结果发现，在冬小麦拔节期，冬小麦与其他地物的波谱特征差异最大，是提取冬小麦面积的理想时间段。基于该时段的地物波谱特征，优化混合像元分解法的端元选取方式为裸地—冬小麦—林地—水体模型，然后提取晋南区冬小麦种植面积分布，并结合实际统计数据校正结果，提高了精度。

利用上述过程对晋南区2000—2014年15 a数据进行冬小麦信息提取，并作进一步分析得出，晋南区冬小麦种植分布受地形因素影响较大，主要分布在运城盆地、临汾盆地、长治盆地和晋城市中部等地势较平坦的地区，且2000—2014年冬小麦面积整体呈下降趋势，长治减少幅度最大；晋南区冬小麦种植核心地带主要分布在临汾盆地和运城盆地，临汾盆地大部地区种植概率变化较小，运城盆地种植概率增减不一，晋城市种植概率下降较多，在长治盆地下降最为明显。

［1］董小元.晋南旱地小麦节水栽培技术[J].山西农业（致富科技），2004（12）：20-20.

［2］行翠平，张哲夫，安林利，等.晋南冬小麦品种更替与再高产潜力分析[J].山西农业科学，2001，29（4）：14-16.

［3］王学，李秀彬，谈明洪，等.华北平原2001—2011年冬小麦播种面积变化遥感监测[J].农业工程学报，2015，31（8）：190-199.

［4］LIN G C S，HO S P S.China's land resources and land-use change:insights from the 1996 land survey[J].Land Use Policy，2003，20（2）：87-107.

［5］ OLMSTEAD A L，RHODE P W.Adapting North American wheat production to climatic challenges,1839—2009[J].Proceedings of the National AcademyofSciences，2011，108（2）：480-485.

［6］ WANG X，LI X B，XIN L J.Impact of the shrinking winter wheat sown area on agricultural water consumption in the Hebei Plain[J].Journal ofGeographical Sciences，2014，24（2）：313-330.

［7］马丽，顾晓鹤，徐新刚，等.地块数据支持下的玉米种植面积遥感测量方法[J].农业工程学报，2009，25（8）：147-151.

［8］ PORTMANN F T，SIEBERT S，DÖLL P.MIRCA2000-Global monthly irrigated and rainfed crop areas around the year 2000：A newhigh-resolution data set for agricultural and hydrological modeling[J].Global Biogeochemical Cycles，2010，24（1）：GB1011.

［9］许青云，杨贵军，龙慧灵，等.基于MODIS NDVI多年时序数据的农作物种植识别[J].农业工程学报，2014，30（11）：134-144.

［10］张群，胡春胜，陈素英，等.多时相遥感影像监测冬小麦种植面积的变化研究：以河北省三河市与大厂回族自治县为例[J].中国生态农业学报，2006，14（3）：180-183.

［11］韩素芹，刘淑梅.EOS/MODIS卫星资料在监测冬小麦面积中的应用[J].天津农学院学报，2004，11（2）：26-28.

［12］邹金秋，陈佑启，UCHIDAS.利用Terra/MODIS数据提取冬小麦面积及精度分析[J].农业工程学报，2007，23（11）：195-200.

［13］李寄，黄进良，许文波.湖北省冬小麦种植面积遥感估算方法研究[J].世界科技研究与发展，2008，30（5）：597-599.

［14］王连喜，徐胜男，李琪，等.基于决策树和混合像元分解的江苏省冬小麦种植面积提取[J].农业工程学报，2016（5）：182-187.

［15］赵莲，张锦水，胡潭高，等.变端元混合像元分解冬小麦种植面积测量方法[J].国土资源遥感，2011（1）：66-72.

［16］武永利，赵永强，靳宁.单时相MERSI数据在冬小麦种植面积监测中的应用[J].中国农学通报，2011，27（14）：127-131.

［17］武永利，王云峰，张建新，等.应用线性混合模型遥感监测冬小麦种植面积[J].农业工程学报，2009，25（2）：136-140.

［18］王云峰，沈润平，田国珍.基于MODIS数据光谱突变法提取冬小麦种植面积研究[J].内蒙古气象，2009（6）：18-21.

［19］王云秀，张文宗，姚树然，等.利用MODIS数据监测河北省冬小麦种植信息[J].遥感技术与应用，2006，21（2）：21-24.

［20］潘学鹏，李改欣，刘峰贵，等.华北平原冬小麦面积遥感提取及时空变化研究[J].中国生态农业学报，2015，23（4）：497-505.