基于MODIS EVI时间序列的冬小麦长势监测

该文探讨了MODIS EVI序列与作物生长过程的互动规律,利用EVI序列分析影响冬小麦生长过程的气象因素。结果显示,冬小麦抽穗期EVI值及冬小麦返青期至收获期EVI积分值与作物产量之间有很好的相关性。冬小麦抽穗期EVI值与冬小麦产量的相关性体现了作物营养生长阶段的发育状况,可以利用抽穗期作物EVI早期预测作物产量;EVI曲线的积分值能综合反映作物整个生长发育过程,可以根据这一规律对农作物产量进行估算。冬小麦生育期内EVI均值与平均温度、降水量、日照时数相关性分析结果显示,温度和降水是冬小麦生长的主要限制因子,其中温度起主导作用。     

基于光能利用率模型的河南省冬小麦单产估算研究

[目的]快速、准确估算空间尺度上作物产量,对于评价农田生态系统对气候变化的响应、制定科学合理的粮食政策、对外粮食贸易等具有重要意义。河南省冬小麦产量占全国1/4,准确估算河南省冬小麦产量对维护国家粮食安全具有重要作用。单产估算作为农作物估产中的关键技术,也是作物估产的难点之一。[方法]文章首先利用VPM(Vegetation Photosynthesis Model)估算冬小麦NPP(Net Primary Product),结合收获指数、冬小麦收获部分的含水量、含碳量、NPP分配到地上或地下部分比例等一系列符合该研究区的经验指数,进行河南省冬小麦单产估算研究,并分析了引起模拟误差的原因。[结果]模拟单产较实测单产低估4.4%(实测单产为6 810kg/hm~2,模拟单产为6 519kg/hm~2),但两者之间存在显著相关关系,两者相关系数的平方R2=0.70(n=50,p0.01)。通过与MODIS-GPP产品获得的冬小麦单产数据比较,基于VPM模型的模拟结果优于MODIS-GPP产品。[结论]基于VPM可快速、准确估算河南省空间尺度冬小麦单产,该方法具有较好的适用性。     

毛乌素沙漠与黄土高原过渡带气候变化对玉米产量的影响

基于1971~2012年榆林市气象数据和玉米产量数据,分析过去42年毛乌素沙漠与黄土高原过渡带玉米生长期内气候因子的变化趋势,并利用一阶差分法、相关分析、多元逐步回归法分析各生育阶段气候因子对玉米产量的影响。研究结果表明:过去42年,玉米生长期内热量资源呈显著增加的趋势,生长期平均温度、平均最高温度和平均最低温度分别增加0.24℃/10 a、0.26℃/10 a和0.32℃/10 a,降水量、光照时数无显著变化。一阶差分、回归分析结果表明,玉米产量与全生长期平均温度、平均最高温度、积温呈极显著的负相关,其中与平均温度相关系数最大,全生长期温度每升高1℃,玉米减产835.5kg/hm2;与降水量变化呈显著正相关,降水量每增加100mm,玉米增产364.7kg/hm2;与日照时数变化呈负相关,日照时数每增加100h,玉米减产325.8kg/hm2。各生育阶段中,出苗-三叶期至灌浆乳熟期的平均最高温度、平均温度及苗期日照对玉米产量产生负影响,七叶-拔节期的降水和成熟期的平均最高温度对玉米产量产生正影响;多元逐步回归模型分析结果表明,显著影响玉米产量的是抽雄-开花期和灌浆-乳熟期平均最高温度、拔节期降水量、出苗-三叶期日照,模型能够解释毛乌素沙漠与黄土高原过渡带玉米56%的产量变化。     

基于ACRM模型不同时期冬小麦LAI和叶绿素反演研究

通过冬小麦4个生育期不同长势冠层光谱观测数据,模拟HJ小卫星多光谱等效反射率;然后使用双层冠层反射率模型(ACRM)反演各生育期冬小麦LAI和叶绿素含量,分析HJ小卫星多光谱数据定量反演LAI和叶绿素含量的应用潜力以及ACRM模型在不同冬小麦生育期的LAI和叶绿素含量反演误差。将模型反演值与实测值对比分析发现:(1)LAI和叶绿素含量反演值与地面实测值有很高的相关性,应用HJ小卫星多光谱数据定量反演LAI和叶绿素有很大的应用潜力;(2)ACRM模型在不同生育期的冬小麦LAI和叶绿素含量反演误差存在差异。     

鲁西南连阴雨发生规律及对秋收秋种的影响

利用鲁西南1981~2014年连阴雨资料,分析了春、夏、秋季节连阴雨年变化趋势,连阴雨对农作物生长、产量及秋收秋种的影响。结果表明:春季连阴雨有明显减小趋势,夏季连阴雨变化不明显,秋季连阴雨有明显增加趋势;春季发生连阴雨的概率为47%,2年一遇,夏、秋季连阴雨出现概率均为97%,几乎每年一遇;秋季连阴雨对棉花、夏玉米等秋作物危害最大,连阴雨使夏玉米灌浆不足,贪青晚熟,棉铃霉烂,脱落,铃重减轻,造成夏玉米、棉花产量降低、品质下降;月降水量与作物产量相关分析,4月降水量与冬小麦产量呈显著正相关,7、10月降水量与棉花产量呈显著负相关。连阴雨使成熟秋作物不能及时收获、晾晒而霉变,导致秋收秋播相应推迟,晚播冬小麦分蘖少,苗情较差,次年冬小麦产量较低;但播种前适宜的降水也使农田墒情较好,冬小麦苗情较好,壮苗越冬,次年产量增加。     

栀子花期低温冷害风险区划研究——以湖北蕲春为例

[目的]确定栀子花期低温冷害指标,研究栀子花期低温冷害风险区划方法,以蕲春县为例开展栀子花期低温冷害风险区划,为蕲春栀子种植提供参考。[方法]利用湖北省蕲春县1990~2010年栀子产量资料及同期气象观测资料,通过统计分析冷害持续日数、冷害期间日平均气温20℃累积危害积温、极端最低气温、降温幅度等指标与栀子产量的关系,建立了栀子花期低温冷害损失模型。以20℃累积危害积温为指标,以损失率5%、10%、30%为阈值,确定了栀子花期轻度、中度、重度、严重冷害分级标准,然后利用蕲春县1:25万数字高程模型及蕲春县逐日平均气温、最低气温观测资料,推算网格点1959~2010年5月1~20日逐日最低气温、平均气温,构建冷害风险指数,计算各网格点的冷害风险指数,进行了蕲春县栀子冷害气候风险区划。[结果]蕲春县西部低山区栀子花期冷害风险较小,适宜栀子种植;400m以上的山区冻害风险大,种植栀子只开花不结果。[结论]栀子花期低温冷害风险区划结果在蕲春栀子种植基地规划中有一定参考意义。     

基于SD-MOP模型的城市土地利用结构情景模拟研究——以呼和浩特市为例

以呼和浩特市市区为例,结合2001-2016年研究区土地利用分类调查数据和相关社会经济统计年鉴数据,分别对SD模型和SD-MOP集成模型的基于基准、粗放及集约利用等三种情景模式下的2001-2040年城市土地利用结构进行模拟仿真,并对两种模型间的不同情景下用地面积仿真结果作对比和择优。结果表明:(1)SD模型的仿真结果中三种情景约束下用地面积占比的平均年增率最大的用地类型是特殊用地,年增率平均值达到16.316%,其中集约利用情景下的年均增率值最大;(2)SD-MOP模型的不同情景仿真结果中用地面积占比年增率平均值最大的用地类为商服用地,即达到50.390%,且集约利用情景下其年均增率值最大;(3)不同情景下SD-MOP模型的用地预测总面积年增率均要高于同一情景下SD模型对应值,且基于基准、粗放和集约情景下分别高出0.439%、1.790%和2.047%。结合城市聚集经济原理和土地利用效益最大化要求,宜选择集约利用情景下基于SD-MOP模型的仿真方案为最佳情景仿真方案。     

基于3种估计量的冬小麦播种面积 总体外推效率比较

为进一步改善现行农作物播种面积抽样外推总体的精度和稳定性,该文以安徽省蒙城县为研究 区,选取冬小麦播种面积为研究对象,采用简单随机抽样方法进行样本抽选,基于样本的地面调查与遥感 调查冬小麦播种面积数据构建3种统计估计量（简单估计量、比率估计量和回归估计量）,选取相对误差 和变异系数CV为外推总体效率评价指标,对3种估计量外推研究区冬小麦播种面积总体的效率进行了定 量比较,结果表明:样本内的冬小麦播种面积地面调查精度高于遥感调查,但两种调查方式下的样本观测 值间差异不显著;样本的地面调查与遥感调查结果间存在极显著的正比例关系;3种估计量中,比率估计 量外推总体的效率最高（相对误差和CV值最小）,其次是回归估计量,简单估计量外推总体的效率最低。 该文可为优选农作物面积空间抽样调查统计估计量提供参考依据。     

规划情景约束下山地丘陵区土地利用空间格局模拟*——以重庆市綦江区为例

[目的]以重庆市綦江区为研究对象,通过模拟预测2010—2020年规划调控影响下研究区的土地利用空间格局变化特征,以期为目标情景下土地利用规划的空间实施提供技术支持。[方法]文章通过构建Dyna-CLUE模型分别模拟研究区在自然增长和规划约束引导下的土地利用空间格局,并对照自然情景进而分析规划约束下土地利用空间格局的表现特征。[结果]比较AutoLogistic模型与传统Logistic模型回归结果发现,除建设用地外,其他地类的ROC值都有显著提升;对比两种情景模拟结果发现,到2020年,研究区内耕地、农村居民点、未利用地较自然情景显著减少,林地、园地显著增加,城镇建设用地增长规模较自然增长情景减少171.86hm~2;规划情景约束下,2010—2015年研究区地类转移以耕地转建设用地为主,2015—2020年以耕地转林地为主,耕地转建设用地次之,再次为农村居民点转耕地。[结论]Dyna-CLUE模型模拟中,运用添加自相关因子的AutoLogistic模型代替传统Logistic模型进行空间驱动力分析,能够显著提升模型模拟精度;规划约束下,退耕还林、农村居民点复垦和农业结构调整等工作的开展是耕地减少、林园地显著增加,建设用地规模得以控制的重要原因;退耕还林成果在规划约束情景中得到较好体现,表明规划目标对于引导土地利用空间格局定向变化有重要作用,但是丘陵山地的耕地减少态势也需得到足够重视,建议推进耕地产能建设从而协调生态保护与粮食安全间的用地需求。     

酒泉市平均最高、最低气温及日较差变化

利用酒泉市所属6个站点1959-2008年的月平均最高、最低气温和日较差资料,对近50年来酒泉市年、季平均最高、最低气温变化趋势的特征进行了分析。结果表明:(1)近50年来,酒泉市年和各季平均最高气温和最低气温呈现出显著的上升趋势,并且酒泉市平均最低气温大于平均最高气温的升高,即增暖现象在最低气温上表现的更为突出;(2)近50年来,酒泉市的年平均气温日较差呈减小趋势,下降幅度为每10年0.044℃,除秋季外,酒泉市各站各季日较差也呈线性减小趋势。     

黄淮海区气候变化及其对冬小麦光温生产潜力的影响

气候变化对冬小麦生长发育及产量的影响、冬小麦生产对气候变化的适应已经成为学术界研究的热点问题之一。黄淮海区是我国第一大冬小麦主产区,研究选择黄淮海区为研究区域,首先运用线性倾向率方法分析了黄淮海区近50年来太阳辐射量和平均温度在全年和冬小麦生育期两个时段内的时间和空间变化特征,运用AEZ模型计算了黄淮海区各气象站点的冬小麦光温生产潜力;在此基础上,分析了太阳辐射量和温度变化对冬小麦光温生产潜力的影响。结果表明:(1)黄淮海区全年日均太阳辐射量和生育期内日均太阳辐射量均表现为减少的趋势,且全年日均太阳辐射量减少幅度较大;(2)黄淮海区年平均温度表现为上升的趋势,而冬小麦生育期内平均温度的上升趋势极不明显;(3)黄淮海区冬小麦生育期内太阳辐射量的减少和平均温度的降低是导致冬小麦光温生产潜力下降的主要原因。     

全球变化背景下气候变暖对中国农业生产的影响

全球变化背景下,气候变暖势必对我国农业生产要素、生产环境、农业生产活动及粮食安全产生重大影响。文章采用文献综述与比较研究的方法,系统分析气候变化对我国光资源、温度、水环境和土壤环境等农业生产要素的影响特征及变化趋势,探讨气候变化对我国作物种植区域和种植制度、农作物病虫害、农业生产能力、农业经济与管理等农业生产活动以及农田生态系统过程、农业生态环境(水环境、土壤环境、耕作环境)的实际影响。在此基础上,明确了我国农业在应对气候变化过程中所面临的主要问题:极端气候事件发生频率加大,自然灾害、气象灾害的风险提高,农业生产的波动性增强;农业病虫害的为害时间延长、危害程度加剧、为害范围增大;农业生态环境日趋恶化,农田土壤的干旱化、盐渍化程度加剧,农业生产能力下降;应对气候变化的农业发展策略及其关键技术亟需解决。     

基于埃塔平方法(η~2)的中国小麦生产驱动因素贡献份额研究

[目的]定量分析中国小麦生产驱动因素贡献份额,综合评价各因素对小麦生产的影响效应。[方法]采用埃塔平方法 (η2)来确定气候与气象、科技与生产投入和社会经济3组因素对小麦生产影响的贡献份额。选取1978年以来小麦生产集中度波动上升的河南、河北、山东、江苏、安徽和新疆(春小麦)6省区作为研究案例。分别建立冬小麦生产和小麦生产两个模型群。每个模型群包含1个全因素模型和6个局部因素模型。[结果]两个模型群的R~2×100的值分别为63.70和62.74,显示模型整体具有较强的解释能力,气候与气象、科技与生产投入和社会经济这3组因素中的X变量分别在两个模型群中解释了小麦生产变化的63.70%和62.74%。η~2×100是相应因素或因素组合的解释力,由此得到的贡献份额显示了各因素对于小麦生产的独立和交互贡献份额。其中,冬小麦模型群的运算结果显示,科技与生产投入和社会经济因素的独立贡献份额分别为5.83%和4.30%,而交互贡献份额则高达40.57%;气候与气象因素的独立贡献份额为2.43%,与科技和生产投入因素的交互贡献份额为0.14%,与社会经济因素交互贡献份额为-1.15%,说明气象气候与社会经济因素中共享了一部分信息;整个模型所有因素交互贡献份额为11.58%。小麦模型群的运算结果支持冬小麦模型群,在3组因素中,科技与生产投入和社会经济因素的独立贡献及其交互贡献份额分别为5.05%、3.22%和44.86%;气候与气象因素的独立贡献份额为2.48%,与科技与生产投入和社会经济因素的交互贡献份额均为负,分别是-0.41%和-1.24%;3组因素交互贡献份额为8.78%。[结论]两个模型群的运算结果共同显示科技与生产投入和社会经济因素是影响中国小麦生产的主要驱动因素,其中科技与生产投入对于小麦生产的作用更为突出;这两组因素的交互作用对于小麦生产有控制性影响,并在小麦生产模型中更加明显;相比之下,气候与气象因素贡献份额相对较小,且在和科技与生产投入、社会经济因素的交互作用过程中,产生了一定的削弱作用,使得气候与气象因素的作用更加不明显。     

Integrated assessment of cropping patterns under different policy scenarios in Quzhou County,North China Plain

Agricultural land use is affected by government policies and leads to different consequences of regional sustainability. In this work, changes in cropping patterns including acreage, cropping locations and management-related environmental impacts were simulated under various policy scenarios for Quzhou County, China. This county is in China's major agricultural region, the North China Plain. Four dominant crop systems were categorized (winter wheat/summer maize, winter wheat/summer maize/spring maize, cotton, and vegetables) and analyzed, following two alternative policy scenarios that either prioritized government funding to subsidize crop production (“subsidy” scenario) or promoted advanced irrigation techniques (“technique” scenario). Input–output coefficients for all four crop systems were determined, mainly irrigation demand, yield, and price of produce, but other factors like a limited area of arable land and scarce regional water resources were also considered. For the simulation, a LINDO Inc. system was linked with the CLUE (Conversion of Land Use and its Effects) model. Temporal changes of crop systems were simulated with the LINDO system, whereas spatial dynamics of cropping patterns were simulated with the CLUE model, based on land suitability maps. The results show that crop patterns changed variably with time under the two scenarios, and water availability was the primary constraint on sustainability of land use. Under the subsidy scenario, winter wheat/summer maize/spring maize became dominant across the entire county, replacing other crop systems. In contrast, the vegetable system gradually occupied farmland surrounding the township under the technique scenario. The different policies produced opposite consequences for regional sustainability. Although a “subsidy” policy contributed to farmers’ income, it did not encourage water conservation for sustainable crop production, leading to land abandonment because of water shortage. In contrast, the “technique” policy partially cut direct financial benefits to farmers, but promoted water conservation and made a substantial contribution to agricultural sustainability.     

Climate change impacts on investment in crop sowing machinery*

A model of investment in crop sowing machinery is applied to wheat production under current and projected climatic conditions at several locations in south‐western Australia. The model includes yield responses to time of sowing at each location given current and projected climatic conditions. These yield relationships are based on wheat growth simulation modelling that in turn draws on data from a down‐scaled global circulation model. Wheat price distributions and cost of production data at each location, in combination with the time of sowing yield relationships are used to determine a farmer's optimal investment in crop sowing work rate under each climate regime. The key finding is that the impacts of climate change on profit distributions are often marked, yet mostly modest changes in investment in work rate form part of the profit‐maximising response to climate change. The investment response at high versus low rainfall locations mostly involves increases and decreases in work rates, respectively. However, changes to investment in work rate within a broadly similar rainfall region are not always uniform. The impacts of climate change on investments in work rate at a particular location are shown to require knowledge of several factors, especially how climate change alters the pattern of yield response to the time of sowing at that location.     

中国小麦生产的时空变异及区域优势分析

通过对1979～2002年小麦在中国粮食生产的产量和播种面积所占百分比的动态分析，论述了中国小麦在粮食生产中具有相对稳定的地位，而相对于其它粮食作物而言，小麦生产又具有较大的波动性的特征。对比分析五大气候生态区小麦单产、总产和播种面积，认为中国小麦生产具有空间上的相对稳定性和时间上的相对不稳定性，小麦生产的这种时空差异性造成了区域比较优势的时空变化。北方冬麦区和春麦区是发展小麦生产的重点地区。     

我国主要粮食作物蓝水用水时序分布图制作

［目的］明确实际蓝水用水的空间分布，有利于用水供需矛盾和水资源短缺分析，为进一步评价蓝绿水的投入量和利用效率，以及合理和高效管理农业水资源提供参考信息。然而目前有关农业用水的数据只有行政单元的统计数据，不利于进行空间分析。发展空间化模型，将统计数据空间化是解决该问题的有效途径。［方法］文章基于蓝水消耗量和蓝水需求量成正比的假设，构建蓝水用水空间化模型，利用气象数据、农业用水统计数据、灌溉农田分布图、主要粮食作物空间分布图、作物系数和生育期数据，生成2003—2012年1km分辨率的我国主要粮食作物（小麦、玉米和水稻）的蓝水用水空间分布图，分析蓝水用水的总体变化趋势以及影响各区域蓝水用水量的主导作物。［结果］（1）华北地区平均蓝水用水量最高。（2）大多数灌溉区蓝水用水量没有显著变化，每年蓝水用水量的标准差低于0004km3。蓝水用水量变化率的绝对值在夏季最大、冬季最小。（3）就各地来说，蓝水用水总量增加趋势最明显的是江苏省，减少趋势最明显的是上海市。（4）就不同作物来说，小麦、玉米和水稻的蓝水用水量增加趋势最明显的分别是江苏、黑龙江、江西，减少趋势最明显的分别是北京和上海。（5）东南沿海地区主要影响蓝水用水量的作物为水稻，在东北及华北地区主要影响蓝水用水量的作物为玉米，其他部分地区主要影响蓝水用水量的作物为小麦。（6）局部验证结果显示该文计算出的蓝水用水量与统计发布的数据存在很高的相关性（R2=095）。［结论］该文发展的蓝水空间化模型可以用于时序蓝水用水分布图的制作，具有一定的应用推广价值。     

基于大数据分析的农业气候与农作物产量变化研究

[目的]作为农业大国,我国农业产量直接影响着我国未来发展进度,而气候的变化直接牵动着农业产量的变化。[方法]文章基于农业气候对农作物产量的影响,借鉴已有研究从农业气候变化的角度入手,介绍气候变化对农作物产量等方面的影响,并以华北、华东及东北水稻产区为例,通过主成分因素分析设定降水量、气温、光照及太阳辐射度等指标因素,并建立C-D-A模型,[结果]降水量、气温及光照等气候因素对农作物产量的影响明显,其中干旱天气的影响最大。[结论]通过实证分析验证了该模型具有较高的可信度,以期为各种天气条件下保障与提高农作物产量提供理论依据。     

Evidence of climate change impacts on crop comparative advantage and land use

Relative agricultural productivity shocks emerging from climate change will alter regional cropland use. Land allocations are sensitive to crop profits that in turn depend on yield effects induced by changes in climate and technology. We develop and apply an integrated framework to assess the impact of climate change on agricultural productivity and land use for the U.S. Northern Great Plains. Crop-specific yield–weather models reveal crop comparative advantage due to differential yield impacts of weather across the region's major crops, that is, alfalfa, wheat, soybeans, and maize. We define crop profits as a function of the weather-driven yields, which are then used to model land use allocation decisions. This ultimately allows us to simulate the impact of climate change under the RCP4.5 emissions scenario on land allocated to the region's major crops as well as to grass/pasture. Upon removing the trends effects in yields, climate change is projected to lower yields by 33–64% over 2031–2055 relative to 1981–2005, with soybean being the least and alfalfa the most affected crops. Yield projections applied to the land use model at present-day input costs and output prices reveals that Dakotas’ grass acreage will increase by up to 23%, displacing croplands. Wheat acreage is expected to increase by up to 54% in select southeastern counties of North Dakota and South Dakota, where maize/soy acreage had increased by up to 58% during 1995–2016.