遥感和作物模型技术耦合现状和发展趋势

张德权 杜崇 庞超 徐新宇

(黑龙江大学水利电力学院，黑龙江 哈尔滨 150080)

前言

中国是世界产粮大国，通过粮食作物生长监测及产量预测对我国的粮食安全和农业产品的管理有着重要意义[1]。随着国内外遥感技术发展的不断完善与成熟，将遥感与作物模型两者优势相结合的研究已成为国内外的研究热点[2]。

遥感，通过使用空间遥感技术来满足农业上的各种需求[3]。监测在农作物方面的研究也因为遥感技术的迅速发展有了明显提高，也在许多学科领域方面如农业有着广泛的应用[4]。遥感技术的快速发展让人们可以全天候观测，从多方位、多角度进行，遥感技术的优点包括获取信息迅速且信息量大、准确性高、涵盖的地物范围大等优点[5]。作物模型，在20世纪中叶，随着作物生长动力学以及作物生长机理的不断研究，研究人员用计算机技术实现了对作物生长机理的数学描述，世界上各个国家开始了对作物模型的开发工作[6]。

我国农作物的研究起步较晚，所以发展还不够先进，研究的技术和科研力量不够强大和先进，但随着我国对作物模型的不断深入研究，开始应用作物模型对北方地区的农作物进行模拟，确定模型参数，结合遥感技术，对农作物进行估产。同时该模型在农业气象学是被广泛使用且发展在前列的，对作物产量的预测和风险分析、农业生产的决策和管理等方面都具备了十分突出的科学性和技术优点[7]。赵艳霞[8]等将CERES-Wheat模型与MODIS数据耦合，提高了估算小麦产量的准确度[9]。陈劲松[10]使用HJ-1A/B卫星数据获得水稻的LAI，与作物模型结合，通过耦合LAI有效提升估产的准确率。

本文通过CiteSpace软件对中国知网(CNKI)所检索到的文献分析遥感技术和作物模型耦合的研究现状和发展趋势。

1 研究方法与数据来源

文献计量工具CiteSpace软件通过学科相关领域的文献发文量与文献相关度[11]，探究多个领域的深度合作研究[12]。本文将采用CiteSpace软件，对中国知网(CNKI)可检索到的文献通过文献统计量和知识图谱可视化映射的方法对其研究[13]。以中国知网中的文献和期刊的发文量、关键词共现、作者、研究前景和展望为遥感和作物模型耦合提供研究参考价值[14]。

本文通过中国知网(CNKI)数据库，选择高级检索主题是遥感，篇关摘是作物模型，共计545篇，存在外文图书本文不做分析，处理之后523篇。时间跨度为1989—2021年。

2 结果与分析

2.1 发文量分析

围绕遥感和作物模型耦合研究的发文量上分析可以分为3个阶段，分别为初步探索阶段、快速增长阶段、持续发展阶段，见图1。在1989—2003年呈初步研究阶段，发文数量呈起步增加平缓态势，在2011年文献发表量呈现逐年上升趋势，在2015年文献发文量呈现持续发展态势[15]，如图1所示。

图1 CNKI数据库关于遥感和作物模型耦合发文量

2.1.1 第1阶段(1989—2003年)

这一阶段为初步探索阶段。国内外建立了大量的作物生长模型能够模拟当下的生产力水平，但是由于我国研究处在初步探索阶段，即使有完善的作物生长模型理论，但很难真实地模拟出田间作物实际产量，农业生长环境取决于当时的科技水平，由于其科技发展落后，导致其生长环境存在脆弱性和生产特殊性，使得整个生产过程存在许多风险和不确定性，其中以气象条件为首要风险因素[16]，这些因素在模型中难以预测，仅仅只能通过分析和系统推理，很难在构建模型时考虑在内；由于当时测量某一地区的参数缺失以及气候、土壤的空间差异性也存在一定程度上的影响，要想准确、真实地模拟某一地区的实际作物产量，很难运用作物模型和遥感技术的耦合来真实的反映出来，只能通过实地观测和考察来获得[17]。

2.1.2 第2阶段(2004—2012年)

这一阶段为快速增长的阶段。随着航天卫星科学不断深入发展，我国卫星技术具备了迅速、准确、高效的特点，更多的科研人员将遥感技术和作物模型更好的相结合，农作物估产成为遥感技术中一个重要的课题。由于卫星遥感技术空间分辨率、时间分辨率等一些技术上的问题没有攻克，地表和作物群体能被反映出来，但作物生长和产量规模、作物的生长情况和生长环境、作物与作物之间的内在机制等用遥感技术无法表明[18]。之后的科学技术发展过程中，卫星遥感技术的难题慢慢得到了解决。

2.1.3 第3阶段(2013—2021年)

这一阶段为持续发展阶段。由于卫星遥感技术和作物模型敏感参数的不断完善，为提高作物模型和遥感数据的耦合效果，需要对模型参数进行敏感性分析[19]。加之我国对农业领域的重视程度不断加强，近几年，高分变率的卫星快速发展为农业科研领域的精细化提供了技术手段和发展方向[20]，使得遥感技术和作物模型的耦合更加的科学和完善。

2.2 关键词分析

基于CNKI数据库中1989—2021年发表的估产文章，分别从频数(Count)和中心性(Centrality)2个角度对共现关键词进行排序，统计出排名前10位高频关键词和高中心性词的关键词如表1所示，“遥感”、“估产”、“作物模型”等关键词和中心性排名靠前，表明这些词汇研究热度高、研究技术完善、体系成熟，并且与其他领域能够有很好的结合，作为新的研究方向。通过对关键词共现知识图谱，见图2，高频关键词及中心性表，见表1，分析得出，关键词词频最高的是“遥感”(143)，中心性0.69；其次关键词词频是“估产”(60)，中心性0.03；之后关键词词频是“冬小麦”(56)，中心性是0.20。表明遥感和作物模型耦合中遥感的词频最高并且中心性占比很大，遥感和作物模型耦合中，在冬小麦的领域中应用广泛。我国是农业大国，冬小麦是我国主要的粮食作物之一，其播种面积占我国粮食总播种面积的1/5，在遥感和作物模型耦合，用来大面积的推广冬小麦作物估产得到了实现，可以准确的对冬小麦进行估产。“作物”也成为了高中心性和高频性关键词，表明在作物模型研究中，其他作物的研究在不断深入。“玉米”的关键词词频为15，中心性为0.02，基于作物模型和遥感技术的耦合，表明在玉米的作物估产研究中前景广泛，未来研究在玉米、大豆等农作物作物估产中会更加准确。

表1 CNKI数据库中的主要高频关键词及中心性表

2.3 研究核心议题

关键词聚类图谱是通过共被引耦合分析自动提取关键词，自动生成聚类标签，见图3。通过聚类模块值Modularity(Q值)与聚类平均轮廓值Mean Silhouette(S值)2个指标，来判断聚类耦合程度。通常Q>0.3表明聚类结构优异，S>0.5表示聚类合理，S>0.7表示聚类结果满意。本文采用的是对文献以关键词为对象进行聚类标签，显示聚类模块值Q=0.6663，表示聚类划分合理；聚类平均轮廓值为S=0.844，表示聚类结果满意，主题明确。如图2表示，遥感技术和作物模型耦合的研究领域中，主要议题为“估产”、“gis”、“冬小麦”、“作物模型”、“模型”、“作物产量”、“估产模型”、“蒸散发”、“土壤水分”、“作物长势”。聚类序号靠前的表示改聚类的规模较大，包含的文献发文量多，根据图3可以看出，聚类模型分类区域模型重合区域较大，表明各个领域相融、互通，但似乎及叠加的区域大小还是存在一定差异，“估产”、“作物模型”、“冬小麦”、“蒸散发”叠加区域较为紧密，表明研究领域互通，发文量围绕这些热点领域较多；“土壤水分”与“估产模型”相叠加区域较为狭小，表明“土壤水分”和“估产模型”相互联系较少，研究领域独立。

图2 CNKI数据库中估产文献关键词共现分析图

进一步统计各个聚类标签的相关指标，见表2，前9位的聚类标签包含的节点数量均在10个以上，紧密程度最大值为0.985，最小值为0.837，表明聚类总体效果较好。节点的个数表示当前研究热度，紧密程度表示其内部关联较为密切，标签#6“估产模型”的紧密程度为0.985，表明文献高度紧密的围绕“估产模型”开展研究，与图3中的估产模型区域内部点数多相呼应。

图3 关键词聚类图谱

表2 关键词聚类表

2.4 关键词突显分析

将关键词共线分析中所出现的关键词进行突显分析，能够更加明确地看见关键词在各个时间段的研究热点，并且能够发现当下的研究热点，见图4。通过CiteSpace软件对中国知网的文献进行关键词年限分析，时间跨度为1989—2021年，时间分区为1a，其他参数均为默认值，其中冬小麦、卫星图像、四维变分的研究时间跨度较长，2003年后，由于卫星图像的快速、准确，使得遥感领域得到了快速的发展。当前研究热点是通过无人机手段，通过无人机技术可以更加高效精准的采集数据，将卫星遥感数据和作物模型相结合，使得作物估产更加精确。

图4 关键词突显图

关键词突变时区图见图5，是将关键词出现的年份以时间轴的形式表示出来，可以清楚表明当前研究热点领域的关键词其各个时区研究相关性。横轴表示研究时间线，圆圈大小面积表示发文数量，曲线表示关键词之间的相关性。

最初估产和分辨率随着科技的发展与遥感卫星分辨率更加准确，将卫星遥感与估产模型相结合，模型更加完善，数据库数据更加完整，但是不能将实地作物的客观条件加入到模型中。将土壤水分植被指数添加到模型当中，研究冬小麦的文献量较多。建立作物模型，因为有土壤水分和卫星遥感技术分辨率更加清晰的条件下，建立作物模型，通过作物模型和遥感模型相耦合，达到作物估产的目的。从图5可以明显看出，“遥感”、“冬小麦”、“作物模型”、“数据同化”研究领域火热，发文量较多，相关性较为紧密，与本文所要叙述的遥感技术和作物模型耦合主题贴切。

图5 关键词突变时区图

2.5 作者合作网络分析

科研作者研究是推动学科领域建设核心力量，因此有必要对科研作者合作网络进行分析。可以发现领域内作者的社会人际关系，并绘制图表，见图6。有440个节点，529个连线，网络密度为0.0055。作者合作图谱中，作者的发文量数量可通过圆圈面积表示，作者之间的合作可用节点之间的连线密度表示，图6可看出，中心性的大小差异，表明作者间的相互合作的频率，中心性大，表明合作愈加密切。

从作者发文量研究，“刘正春”、“刘育孜”、“刘小惠”3位研究学者节点最大，表明发文量最多。其中，刘正春发文量为34篇，刘育孜发文量为33篇，刘小惠发文量为33篇，崔珍发文量为27篇，徐占军发文量为25篇，见表3。刘正春、王超、贺鹏等成为通过gis和遥感技术研究的核心作者群；曲维荣、刘育孜等成为基于遥感卫星和模型预测研究农作物面积的核心作者群，研究作者们为遥感技术和模型耦合方面作出了很大贡献。从图6可以看出，不同团队之间的联系较为薄弱，应该加强不同团队、不同核心作者之间的深入合作，深入交流，这样遥感技术和作物模型等各个领域之间都会得到不同程度的发展。

表3 1989—2021年主要作者发文量及其机构分析表

图6 1989—2021年遥感和作物模型耦合研究领域作者

3 结论与讨论

本文从1989—2021年在中国知网(CNKI)数据库中有关遥感技术和作物模型研究的523篇论文为研究对象，借助CiteSpace软件进行数据可视化，研究了当前遥感技术和作物模型研究的现状和未来发展趋势，结论如下。

1989—2003年遥感技术和作物模型同化发文量较少，2011—2021年10a间发文趋势呈总体增长态势，发文量较多，平均每年为38篇，主要核心发文量作者为刘正春、刘育孜等作者，研究主题为遥感技术和作物模型同化，以冬小麦和农作物面积为研究对象开展研究，体现出遥感技术和作物模型与其他领域的综合性和交叉性。国内发文量明显增加，表明我国农业技术、卫星遥感技术逐步走向强大，加强我国农业遥感技术和国外技术相互交流与合作。

“遥感”、“估产”、“冬小麦”、“数据同化”等关键词出现频率最高，遥感技术和作物模型同化中对冬小麦研究和对农作物估产研究较为集中。利用作物估产模型和遥感技术反演通过代价参数、优化算法，找出最优化参数建立出的模型以达到产量预测。

随着我国科技和经济的快速发展，北斗卫星等通信技术的更新与广泛使用，遥感技术不断成熟的背景下，遥感技术结合作物模型同化模拟作物等先进手段，将一块区域分割成各个小点来研究作物，并结合“3s”技术进行作物研究，将作物模型完善运用到除冬小麦研究以外的玉米、大豆、花生等其他作物的研究成为近几年来的研究热点和趋势。