基于遥感作物模型的江西省早稻净初级生产力时空变化及长势评价

刘 丹，姚俊萌，林志坚，汪建军，杨 军

（1.江西省气象科学研究所，江西 南昌 330096；2.江西省农业气象中心，江西 南昌 330096）

0 引言

植被净初级生产力(Net Primary Productivity，NPP)是指单位面积植被在单位时间上所累积的有机物总量。净初级生产力是生态系统碳循环及能量流动的关键参数，是生态系统可持续发展的重要生态指标［1］。目前，有关江西省净初级生产力的研究主要集中在森林［2-3］、草地生态系统［4］，这与江西省的森林覆盖率高有关。江西省是一个农业大省，农田生态系统在区域气候变化和全球碳循环中扮演了同样重要的角色，但有关江西省农田净初级生产力的研究相对较少。早稻是江西省的主要的粮食作物，是江西省农田生态系统研究中重要的一部分，掌握江西省早稻净初级生产力的时空特征，对进一步研究江西省农田生态系统净初级生产力的规律具有积极作用，也可为江西省的气候变化、陆地碳收支评估和耕地产能、粮食安全的研究提供基础研究数据。

近年来，随着遥感技术的快速发展，基于遥感过程模型估算净初级生产力已成为植被碳循环研究的热点［5-7］。李传华等［8］利用校正的CASA模型估算了2015年河西走廊的净初级生产力；Liu等［9］利用BEPS模型模拟了加拿大地区的净初级生产力，Feng等［10］利用BEPS模型模拟了2001年中国的年净初级生产力并进行了敏感性分析；Wang等［11］提出了一个基于遥感数据驱动的RS-P-YEC模型，该模型改进了BEPS模型在农田生态系统的局限性，使其更符合农田生态系统，已成功应用于对华北冬小麦［11］、东北玉米［12］以及长江中下游一季稻［13］的产量模拟，模型的原理是先估算出作物的净初级生产力，然后通过有效产量转换关系换算为作物产量，因此模型也可用于作物净初级生产力的估算。

净初级生产力代表了植被对碳的吸收能力，但对于农作物而言，净初级生产力也代表了作物的地上生物量。生物量是作物长势监测的一个重要指标，单位面积生物量反映了作物群体的长势，而区域尺度上作物生物量的估算还可以为作物产量的监测与预测提供依据。因此，净初级生产力也可以作为作物平均长势的评价指标。Wang等［14］以净初级生产力作为长势评价指标，从空间和时间上评价了2014年东北春玉米的生长状况，验证了NPP作为长势评价指标的可行性。本文应用RS-P-YEC遥感作物模型对江西早稻的产量进行模拟，分析了江西省早稻净初级生产力的时空变化特征，并将其作为早稻长势的评价指标，探究基于过程的遥感作物模型在评价江西省双季早稻长势的可行性，以期为江西省早稻的长势监测提供技术支撑。

1 研究区概况

江西省地处长江中下游南岸，全省面积为16.69万km2，其中耕地面积为2.72万km2，属亚热带季风湿润气候，日照充足、雨量充沛且无霜期长，适宜双季稻生长，是中国优质水稻的主产区之一［15］。江西早稻一般在3月中旬开始播种，4月中下旬移栽，5月中下旬拔节，6月孕穗抽穗，7月上中旬成熟收割，其中拔节期、抽穗期、成熟期都是水稻生长过程中的关键生育期。

2 试验方法

2.1 遥感作物模型RS-P-YEC简介及验证

RS-P-YEC模型是在BEPS模型的基础上建立的，而BEPS模型是在FOREST-BGC模型的基础上经过多次修改与完善构建的遥感机理模型［16］。模型最初利用MODIS遥感数据估算了加拿大北方森林的净初级生产力，此后在东亚地区和中国陆地生态系统的生产力估算中应用较多。RS-P-YEC模型在BEPS模型的基础上，根据农作物自身的种植结构和生理特点构建的作物模型，将BEPS模型的光合作用模型的两片大叶模型改造为多层—两片大叶模型［11］。首先模型认为农作物的冠层在水平方向上是平均分布的，在垂直方向上是分层存在的，然后将农作物冠层在垂直方向上分为若干个层，并单独计算出的各层的光合作用，最后进行叠加。基于BEPS模型的光合作用原理，模型将叶片分为背光叶片和受光叶片，而在RS-P-YEC模型中则认为农作物的顶层是受光的，而其他层则是背光的。受光层接受来自太阳的直接辐射和周围介质的散射辐射，而背光层只能接受散射和反射辐射，包括周围冠层的散射和反射辐射以及地表的散射和反射辐射。

RS-P-YEC模拟得到的是净初级生产力，但由于实测NPP数据的缺乏，本文通过收获指数将净初级生产力转换为产量数据［17］，然后利用实际产量数据验证RS-P-YEC模型在江西省早稻NPP估计的适用性。Wang等［11-12］验证了RS-P-YEC模型在华北冬小麦产量模拟、东北春玉米生物量模拟的可用性；Yao等［13］验证了RS-P-YEC模型在长江中下游水稻产量模拟的可用性，这表明了RS-PYEC模型能够模拟水稻的生长过程。

2.2 水稻长势监测方法

本文选择NPP作为双季早稻长势评价的指标，采用同期对比的方法评价长势。应用RS-P-YEC模型输出作物每日的净初级生产力，用于评价水稻生长期间内的长势情况。结合业务上常用的产量预报的时间节点，选择评价早稻拔节期和抽穗期的长势情况，水稻长势评价［14］的计算公式为：

式中，factori为长势评价指标，NPPi为研究年份的NPP，NPPb为基准年份的NPP。根据气象行业标准《卫星遥感监测技术导则 水稻长势》(QX/T 474—2019）及江西省早稻的实际生产情况，设定长势评价的标准为：factori＞10%为长势偏好；10%≥factori≥-10%表示长势正常；factori＜-10%为长势偏差。

3 数据处理

按照RS-P-YEC遥感作物模型需要的输入数据的格式要求［18］，分别对气象数据、遥感数据、地理数据和土壤数据等进行相应的处理，使上述数据统一空间分辨率为500 m×500 m，投影方式为WGS-84坐标系。

3.1 气象数据

本文使用的气象数据包括江西省2015—2020年89个台站的气象数据，包括日平均最低温度、日平均最高温度、日平均温度、日平均相对湿度和日降水量，上述数据均来源于江西省气象数据中心。数据处理的过程为：通过Matlab软件计算出每个站点每年的年平均温度和年平均温度差；利用ArcGIS 10软件将日平均最低温度、日平均最高温度、日平均相对湿度、日降水量以及计算得到的年平均温度采用反距离权重方法（IDW）进行空间插值［19］，最后再使用ENVI+IDL软件进行批量裁剪、重采样以及堆积成多波段影像图，并最终形成气象数据的栅格数据集。

3.2 遥感数据产品

本文使用的遥感数据产品包括MODIS数据集的叶面积指数产品（MCD15A2）和土地利用类型遥感产品（MCD12Q1），其中叶面积指数产品的时间分辨率为8 d，范围为2015—2019年的3月1日—7月20日；土地利用类型产品为每年1期，共下载了5 a的数据。所有的遥感数据都先通过MRT软件进行批量拼接、重投影，然后应用ENVI软件进行掩膜切割，最后堆积成为多波段影像图。

3.3 早稻种植区域数据

江西省早稻面积的分布是研究区域长势的基础，因此，以林志坚等［20］基于MODIS生长早期数据和随机森林算法提取出来的2020年早稻图为基础，结合使用水稻移栽期的特征阈值方法［21］制作了江西省双季早稻面积分布图，得到了早稻种植区域数据。

3.4 产量数据

县级产量数据验证了RS-P-YEC模型模拟江西省双季早稻产量的可行性。本文共收集了2015—2019年早稻种植主产县的双季早稻产量数据，来源于江西省各县市统计年鉴。

4 结果与分析

4.1 模型验证

由于RS-P-YEC遥感作物模型是一个区域模型，本文利用江西省各县市统计年鉴中2015—2019年的50个县的县级早稻产量数据验证了模型在模拟江西省早稻生长过程的适用性。以一个县作为一个基本点，然后每个县的模拟产量取平均得到全县的平均模拟产量。将模型的产量模拟值和实际统计产量进行回归拟合（图1），相关系数达到0.53，通过了0.01的显著性检验，均方根误差为1125 kg/hm2，平均相对误差为7.2%。从县级尺度的验证结果来看，模型模拟结果与统计结果具有显著相关关系，表明RS-P-YEC模型能够模拟江西省双季早稻的产量，这与Yao等［13］在长江中下游一季稻产量模拟中得到的结论相同，因此RS-PYEC模型能够应用于对双季早稻生长过程的模拟并实现对早稻长势的评价。

图1 早稻统计产量和模拟产量检验结果

4.2 双季早稻净初级生产力的空间分析

根据模拟的不同生育期的净初级生产力，对2015—2019年江西省早稻不同生育期平均净初级生产力空间特征进行分析（图2）。

图2 2015—2019年江西省不同生育期初级生产力的空间分布

由图2a可知，2015—2019年江西省早稻拔节期的平均净初级生产力主要为30~75 g C/m2的区域，占全省早稻面积的48%，大部分分布在环鄱阳湖区域、宜春市、吉安市和抚州市；净初级生产力＞75 g C/m2的分布区域与30~75 g C/m2的区域相邻，主要分布在环鄱阳湖区域、宜春市东部、抚州市北部和吉安市中部地区；净初级生产力＜30 g C/m2的区域主要分布在九江市、赣州市、萍乡市和宜春市西部。统计像元数可知，2015—2019年拔节期的平均生物量＜30、30~75、＞75 g C/m2的区域分别占全省双季早稻面积的27%、48%、25%。综上，江西省早稻拔节期平均净初级生产力＞75 g C/m2的区域为高值区，主要分布在环鄱阳湖区域；而＜30 g C/m2的区域为低值区，大部分位于赣州市及东部、西部省界区域的山区。

由图2b可知，2015—2019年江西省早稻抽穗期平均净初级生产力＜75 g C/m2的区域的主要分布在九江市、上饶市东部、抚州市、宜春市西部、吉安市北部和西部、赣州市；＞150 g C/m2的区域主要分布在环鄱阳湖区域、宜春市东部和中部、抚州市北部、吉安市东部和中部；净初级生产力在75~150 g C/m2的区域分布在＞150 g C/m2区域相邻的区域。统计像元数可知，2015—2019年早稻抽穗期平均净初级生产力＜75、75~150、＞150 g C/m2的区域分别占全省双季早稻面积的39%、33%、28%。综上，＞150 g C/m2的区域为早稻抽穗期净初级生产力的高值区，大部分分布在环鄱阳湖区域，而＜75 g C/m2的低值区大部分位于赣州市及东部、西部省界区域的山区。

由图2c可知，2015—2019年江西省早稻成熟期大部分集中在平均净初级生产力＜150 g C/m2的区域，主要分布在九江市、赣州市、宜春市西部、抚州市东部、上饶市东部；＞225 g C/m2的区域主要分布在环鄱阳湖区域、宜春市、吉安市和抚州市；净初级生产力在115~225 g C/m2的区域分布在＞225 g C/m2区域相邻的区域。统计像元数可知，2015—2019年江西省早稻成熟期平均净初级生产力＞225、115~225、＜150 g C/m2的区域分别占到全省双季早稻面积的29%、18%、53%。综上，＞225 g C/m2为早稻成熟期净初级生产力的高值区，主要在环鄱阳湖区域，而＜150 g C/m2的区域为成熟期净初级生产力的低值区，主要在赣州市及东部、西部省界区域的山区。

在早稻的拔节期、抽穗期和成熟期，江西省早稻的净初级生产力空间分布都呈现出环鄱阳湖区域的最高，而赣州市及江西省东、西部区域偏低的特点，且随着生育期的不断推进，净初级生产力不断增加，在成熟期时净初级生产力值最大。

4.3 江西省早稻净初级生产力的时空变化特征

由图3可知，江西省早稻抽穗期和成熟期的净初级生产力的变化规律相同，均表现为2018年的净初级生产力值最高，2017年的次高，最低的是2015年；2017年拔节期的净初级生产力值最高，次高年是2018年，最低的是2016年。这表明在不同生育期早稻的净初级生产力的变化趋势存在一定的差异，拔节期的净初级生产力并不能完全预估后期的净初级生产力；而抽穗期后的净初级生产力对成熟期净初级生产力的预估准确性较高。

图3 2015—2019年江西省早稻不同生育期净初级生产力的变化情况

为了解早稻整个生育期内的净初级生产力的变化规律及其在不同地区的差异，分析了赣北、赣中、赣南区域早稻生育期净初级生产力的变化规律。由图4可知，早稻生长期间内净初级生产力呈现先增加后减少的趋势，且每个时间段的增加速率存在差异；在5月份前（早稻封行前），净初级生产力增加比较平缓，5月份后的净初级生产力增长速度加快，7月上旬的净初级生产力达到最大，之后再有所下降。净初级生产力的变化规律基本符合早稻的生长特性，在早稻封行之前，叶面积指数较小，光合作用比较弱，净初级生产力积累少，增加较缓慢；早稻封行后，叶面积指数增大，光合作用能力加强，净初级生产力累积多，增加较快；随着早稻的成熟，叶片开始萎缩发黄，呼吸作用大于光合作用，净初级生产力有所下降。不同地区的净初级生产力规律在生长速率上也略有差异。5月份之前，赣北、赣中、赣南的净初级生产力的增速接近，但赣南的净初级生产力略大于赣北和赣中的；5月份之后，赣北和赣中的净初级生产力的增速大于赣南的。赣北和赣中的净初级生产力大于赣南的净初级生产力，这表明赣北和赣中早稻的净初级生产力积累要好于赣南的，这与空间分布特征中的赣南净初级生产力为低值区的结论一致。

图4 江西省不同区域早稻生育期净初级生产力的变化情况

4.4 不同生育期双季早稻的长势评价

基于2015—2019年江西省双季早稻的长势数据，以2020年作为预测年，分别对2020年的双季早稻拔节期、抽穗期的长势进行评价。

由图5a可知，2020年江西省双季早稻拔节期的长势相比2019年的长势大部分偏好，占到双季早稻面积的65%，长势正常的占到17%，长势偏差的占到18%。由图5b可知，2020年江西省双季早稻拔节期的长势与2015—2019年的平均长势相比，全省大部分区域的长势偏好，占双季早稻区域的50%，长势正常的占35%，长势偏差的占到18%。分析2020年水稻拔节期前的生长气象条件可知，2020年早稻播种育秧期（3月11日—4月20日）的平均气温为15.7 ℃，较往年同期高了0.8 ℃，降水为253.7 mm，较往年同期减少了13%，日照时长为151.7 h，较往年同期多了41.4 h，在该气象条件下可保证早稻顺利播种和幼苗生长。移栽返青期（4月11—30日）以晴雨相间天气为主，利于早稻移栽和返青。5月上旬早稻处于分蘖期，气温较常年同期偏高了3.3 ℃，有利于早稻分蘖生长，5月中下旬早稻处于晒田控孽期，大部分地区持续的雨天数不超过3 d，晴多雨少，也有利于早稻晒田控蘖及生长。2020年江西省的早稻长势偏好，农业气象观测显示全省大部分地区分蘖期较往年同期提前了3~6 d，大部分地区以一、二类苗为主。

图5 2020年江西省双季早稻拔节期的长势对比评价

由图6a可知，2020年江西省双季早稻抽穗期的长势较2019年大部分处于正常或偏好的情况，其中长势正常，占到早稻面积的30%，长势偏好的占32%，长势偏差的占38%。长势偏差的区域主要分布在南昌市北部的部分区域和赣州市，但其他地市也零散分布了长势偏差的情况。由图6b可知，2020年江西省双季早稻抽穗期的长势情况对比2015—2019年的平均长势，大部分处于正常或偏好的情况，其中长势正常的占到早稻面积的38%，长势偏好的占到29%，早稻长势偏差的占33%。分析2020年6月份（拔节期~抽穗期）的生长气象条件可知，6月份全省平均气温为27.4 ℃，较往年同期偏高了1.4 ℃，累计日照时数111.1 h，降水量为311 mm。除6月2—7日的局地强降水、12—18日少数地区的持续高温外，大部分时间的光照充足，气温、降水均适宜，有利于早稻孕穗抽穗，因此抽穗期水稻长势相较往年偏好。

图6 2020年江西省双季早稻抽穗期长势监测图

5 讨论

本文分析了江西省早稻的净初级生产力的空间分布特征，其中净初级生产力的高值区集中分布在鄱阳湖区域，而低值区位于赣州市及东部、西部省界区域的山区，这与江西省双季早稻产量的空间分布结果一致；鄱阳湖区域一直以来是江西省的水稻主产区域，土壤肥沃、种植水平高；赣州农田的地块分散，土壤相对贫瘠，赣州的农户以种植果树脐橙为主，对水稻种植热情不高。以净初级生产力作为评价指标对2020年江西省早稻的长势情况进行评价，结果表明2020年江西省早稻拔节期和抽穗期80%区域的长势均较2019年或2015—2019年平均的偏好，但2020年水稻灌浆期间（7月上中旬）遭遇了连续强降雨天气，导致早稻被淹，受灾明显。早稻收获期也因降雨影响而无法收割，导致早稻在田里发芽。因此，2020年双季早稻全省的平均产量低于2019年平均产量和2015—2019年平均产量，导致2020年长势情况与产量情况不匹配。综上，利用长势监测预估产量时存在一定的局限性，需关注突发气象条件对早稻最终产量的影响。