米曉楠 ，楊 超 ，李 峰 ，相 棟 ，李孟蔚 ，趙永強 ，閆加海

（1.山西省氣候中心，山西太原 030006；2.防災科技學院，河北三河 065201；3.右玉縣氣象局，山西右玉 037200）

冬小麥是山西省的主要糧食作物[1-2]，在農業(yè)生產中占有舉足輕重的地位。晉南區(qū)是山西省冬小麥主產區(qū)，據近5 a播種面積統(tǒng)計，晉南區(qū)的冬小麥種植面積占全省冬小麥種植面積的96.74%以上。分析該區(qū)連續(xù)多年冬小麥種植空間分布變化，可以掌握山西省冬小麥主要種植結構調整信息，為驅動力分析提供可靠依據，對開展山西省冬小麥長勢監(jiān)測和產量評估起著重要作用。

對冬小麥種植分布進行時空變化分析，首先需獲取冬小麥種植面積。目前，冬小麥面積主要通過調查統(tǒng)計和遙感監(jiān)測2種方法獲取[3]。調查統(tǒng)計數據可提供較長時間序列的種植面積[4-6]，但是只能統(tǒng)計至縣級種植面積，且數據更新較慢[7]；遙感技術基于不同分辨率可以獲取不同尺度地面信息，數據更新周期短，在冬小麥識別方面得到廣泛應用[8-9]。利用遙感技術提取農作物種植面積常用的方法主要有監(jiān)督[10-11]和非監(jiān)督分類[12-13]、目視解譯法、決策樹分類法[14]和混合像元分解方法[15-16]等。

中分辨率成像波譜儀MODIS數據自2000年至今已有10多年數據，近年在農作物種植及長勢監(jiān)測方面得到廣泛應用，為分析多年晉南區(qū)小麥種植分布變化提供了數據支撐?；旌舷裨纸夥ㄔ谥械头直媛蕯祿诸愔袘幂^多，比其他分類法更能客觀地反映地物信息[17]。植被指數是反映植被特征的重要指標之一，結合作物不同發(fā)育期特點，常用于獲取作物種植分布[18]。

本研究基于MODIS數據，考慮將植被指數視為一個波段，與可見光波段和近紅外波段同時作為混合像元分解法的分析波段，進一步優(yōu)化混合像元分解法，并利用統(tǒng)計數據對提取結果進行校正，提高精度，旨在為分析多年冬小麥種植分布變化提供可靠數據。

1 資料和方法

1.1 研究區(qū)域概況

研究區(qū)域為山西省冬小麥主產區(qū)晉南區(qū)，主要包括運城、臨汾、晉城和長治4個省轄地級市，地理位置介于北緯 34°18′～37°12′，東經 110′～114′。該區(qū)域屬溫帶大陸性氣候，年平均氣溫介于10.4～13.0℃，無霜期介于160～210 d，年平均降水量為600～750 mm，地勢平坦、氣候溫和、土壤肥沃、光照充足，農業(yè)生產條件得天獨厚，適宜冬小麥的生長。

1.2 基礎資料

MODIS數據具有36個波譜通道（0.4～1.4μm），空間分辨率分為250，500，1 000 m，數據來源連續(xù)、實時性強；MODIS產品多樣，可以免費獲取，為作物種植監(jiān)測時空分析提供了極大的便利[19]。本研究使用的產品為MODIS地表反射率日產品MOD09GA，空間分辨率為500 m，投影類型為正弦曲線投影。數據時間段選取2000—2014年冬小麥生育期數據（10月至次年6月），共15 a數據。

同時，為了對遙感監(jiān)測結果進行校正和評估，收集了源于農業(yè)部門的研究區(qū)域內各縣冬小麥種植面積統(tǒng)計數據。輔助數據還包括各縣的行政邊界矢量數據。

1.3 研究方法

1.3.1 MODIS數據預處理 行列編號為h26v05和h27v05的MOD09GA產品包含了全部晉南區(qū)，利用MRT工具對多時段數據進行批量拼接、裁剪，并利用ENVI/IDL將投影類型轉換為等面積投影。

為了更容易分析波譜特征，將波段數據按從小到大的順序進行存儲。在處理數據時，發(fā)現MOD09GA產品第5波段數據質量較差，因此不存儲第5波段數據。同時，處理數據過程中利用紅光波段和近紅外波段計算植被指數，并作為第7波段進行存儲。重新排列后的波段參數列于表1。

表1 重新排列后的波段參數

1.3.2 混合像元分解技術優(yōu)化 混合像元分解是指從實際波譜數據中提取各種地物成分（端元）以及各成分所占的比例（豐度）。應用混合像元分解法的關鍵是波譜的選定和端元的選取，本研究從這2個方面對該方法進行了優(yōu)化。

首先在波譜選定方面，除了選定混合像元分解法中經常見到的可見光波段（藍、綠、紅）和3個近紅外波段外，還將可以反映植被特征的植被指數也作為一個波段，應用于混合像元分解法，從而提取各端元豐度值。已知數據分辨率為500 m，則每個像元的面積為25 hm2，再乘以冬小麥豐度值，即可獲得每個像元冬小麥的面積。

在端元選取方面，對于冬小麥的提取，最常用的端元選取方式是裸地—冬小麥—水體。由于在晉南區(qū)冬小麥生育期內，同時生長的主要植被還有山區(qū)林地和農田果林，對計算結果精度產生較大影響。本文通過對比在冬小麥不同生育期內冬小麥、果林和林地的波譜特征發(fā)現，冬小麥在拔節(jié)期（3月底至4月上中旬）波譜特征與林地、果林差異最大（圖1）。而山區(qū)林地和農田果林波譜特征較相似，因此，將二者統(tǒng)一為林地，最終確定端元選取方式為裸地-冬小麥-林地-水體。同時，從圖1也可以看出，將植被指數作為波段后，冬小麥的波譜能更好地與其他地物區(qū)分開。

2 結果與分析

2.1 結果校正及評價

利用優(yōu)化的混合像元分解法對2000—2014年15 a數據進行冬小麥信息提取。以2010年為例，將提取結果與彩色合成圖對比發(fā)現（圖2），當冬小麥豐度值低于某閾值時，存在誤判。綜合考慮晉南4個市的冬小麥分布情況，設置閾值為0.25，即當冬小麥豐度值低于0.25時，則定義為非冬小麥種植區(qū)；然后統(tǒng)計出每個縣的冬小麥面積，與農業(yè)部冬小麥各縣實際統(tǒng)計數據進行相關性分析，相關系數為0.867 2。反演結果與實際數據變化趨勢一致，但是一些縣仍存在不小的誤差，需要對反演結果進行校正。

在實際中，每個市縣的地理位置和氣候環(huán)境存在一定的差異，因此，每個縣的閾值實際上也會有不同。本文以各縣冬小麥實際統(tǒng)計結果為校正標準，當一個縣的冬小麥豐度大于某一閾值時，反演結果與實際統(tǒng)計結果誤差最小，則確定這一閾值為該縣冬小麥豐度最小有效值。經過校正后的反演結果如圖3所示，與實際統(tǒng)計數據相關性系數達到0.962 1，總體精度有較大提高，相對誤差小于15%的縣占總數的92.41%，反演結果可以用來分析冬小麥多年種植分布變化。

2.2 晉南區(qū)時空分布特征分析

2.2.1 冬小麥種植面積時空變化 晉南區(qū)冬小麥種植分布受地形因素影響較大，主要分布在運城、臨汾、長治和晉城市中部等地勢較平坦的地區(qū)。2000—2014年晉南區(qū)冬小麥種植面積整體呈下降趨勢，長治下降幅度最大，截至2014年，冬小麥種植分布極少，晉城也大幅下降，運城和臨汾地區(qū)小幅下降。

2.2.2 冬小麥種植概率空間變化 多年時段的作物概率分布圖可以客觀地反映農作物種植的核心地帶及其某個地區(qū)農作物種植概率的變化[20]。筆者將研究時段分為2000—2007年和2008—2014年2個階段，分別計算前后2個階段的冬小麥種植概率（圖4-a和4-b），并且對這2個階段種植概率不小于60%的像元計算差值，可以獲取晉南區(qū)冬小麥主要種植區(qū)的空間變化分布（圖4-c）。從圖4可以看出，晉南區(qū)冬小麥種植核心地帶主要分布在臨汾盆地和運城盆地，臨汾盆地大部地區(qū)種植概率變化較?。贿\城盆地種植概率增減不一，其中，臨猗下降較多，而聞喜和永濟種植概率明顯增加；晉城市種植概率下降較多；在長治盆地下降最為明顯。

3 結論與討論

本研究基于MODIS 500 m地表反射率日產品數據，將歸一化植被指數作為一個波段，與可見光波段、近紅外波段同時作為分析波段，對裸地、冬小麥、林地和水體不同時期的波譜特征進行提取和分析，結果發(fā)現，在冬小麥拔節(jié)期，冬小麥與其他地物的波譜特征差異最大，是提取冬小麥面積的理想時間段?；谠摃r段的地物波譜特征，優(yōu)化混合像元分解法的端元選取方式為裸地—冬小麥—林地—水體模型，然后提取晉南區(qū)冬小麥種植面積分布，并結合實際統(tǒng)計數據校正結果，提高了精度。

利用上述過程對晉南區(qū)2000—2014年15 a數據進行冬小麥信息提取，并作進一步分析得出，晉南區(qū)冬小麥種植分布受地形因素影響較大，主要分布在運城盆地、臨汾盆地、長治盆地和晉城市中部等地勢較平坦的地區(qū)，且2000—2014年冬小麥面積整體呈下降趨勢，長治減少幅度最大；晉南區(qū)冬小麥種植核心地帶主要分布在臨汾盆地和運城盆地，臨汾盆地大部地區(qū)種植概率變化較小，運城盆地種植概率增減不一，晉城市種植概率下降較多，在長治盆地下降最為明顯。

［1］董小元.晉南旱地小麥節(jié)水栽培技術[J].山西農業(yè)（致富科技），2004（12）：20-20.

［2］行翠平，張哲夫，安林利，等.晉南冬小麥品種更替與再高產潛力分析[J].山西農業(yè)科學，2001，29（4）：14-16.

［3］王學，李秀彬，談明洪，等.華北平原2001—2011年冬小麥播種面積變化遙感監(jiān)測[J].農業(yè)工程學報，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］馬麗，顧曉鶴，徐新剛，等.地塊數據支持下的玉米種植面積遙感測量方法[J].農業(yè)工程學報，2009，25（8）：147-151.

［8］ PORTMANN F T，SIEBERT S，D?LL 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］許青云，楊貴軍，龍慧靈，等.基于MODIS NDVI多年時序數據的農作物種植識別[J].農業(yè)工程學報，2014，30（11）：134-144.

［10］張群，胡春勝，陳素英，等.多時相遙感影像監(jiān)測冬小麥種植面積的變化研究：以河北省三河市與大廠回族自治縣為例[J].中國生態(tài)農業(yè)學報，2006，14（3）：180-183.

［11］韓素芹，劉淑梅.EOS/MODIS衛(wèi)星資料在監(jiān)測冬小麥面積中的應用[J].天津農學院學報，2004，11（2）：26-28.

［12］鄒金秋，陳佑啟，UCHIDAS.利用Terra/MODIS數據提取冬小麥面積及精度分析[J].農業(yè)工程學報，2007，23（11）：195-200.

［13］李寄，黃進良，許文波.湖北省冬小麥種植面積遙感估算方法研究[J].世界科技研究與發(fā)展，2008，30（5）：597-599.

［14］王連喜，徐勝男，李琪，等.基于決策樹和混合像元分解的江蘇省冬小麥種植面積提取[J].農業(yè)工程學報，2016（5）：182-187.

［15］趙蓮，張錦水，胡潭高，等.變端元混合像元分解冬小麥種植面積測量方法[J].國土資源遙感，2011（1）：66-72.

［16］武永利，趙永強，靳寧.單時相MERSI數據在冬小麥種植面積監(jiān)測中的應用[J].中國農學通報，2011，27（14）：127-131.

［17］武永利，王云峰，張建新，等.應用線性混合模型遙感監(jiān)測冬小麥種植面積[J].農業(yè)工程學報，2009，25（2）：136-140.

［18］王云峰，沈潤平，田國珍.基于MODIS數據光譜突變法提取冬小麥種植面積研究[J].內蒙古氣象，2009（6）：18-21.

［19］王云秀，張文宗，姚樹然，等.利用MODIS數據監(jiān)測河北省冬小麥種植信息[J].遙感技術與應用，2006，21（2）：21-24.

［20］潘學鵬，李改欣，劉峰貴，等.華北平原冬小麥面積遙感提取及時空變化研究[J].中國生態(tài)農業(yè)學報，2015，23（4）：497-505.