重慶市水稻估產(chǎn)要素及模型研究.pdf

1、本研究以重慶市為研究區(qū)域，利用Savizky-Golay濾波法對2003-2012年重慶市的MODIS-NDVI(Moderate Resolution Imaging Spectroradiometer-NormalizedDifference Vegetation Index)數(shù)據(jù)進行去噪處理，建立不同區(qū)域尺度的水稻產(chǎn)量估算模型;然后通過對重慶市水稻種植區(qū)生態(tài)環(huán)境數(shù)據(jù)和水稻產(chǎn)量數(shù)據(jù)的分析，確定對水稻估產(chǎn)起主要作用的生態(tài)因子，并將這些

2、估產(chǎn)要素加入上述模型，構建不同區(qū)域尺度水稻產(chǎn)量遙感數(shù)據(jù)與生態(tài)因子的復合模型，提高估算精度。主要方法和結論如下:
　　(1)重慶市水稻種植區(qū)地形分布特征
　　研究根據(jù)重慶市農(nóng)業(yè)技術推廣總站公布的種植業(yè)分區(qū)并考慮重慶市行政區(qū)劃的完整性，將研究區(qū)劃分為渝西丘陵區(qū)、渝中低山丘陵區(qū)、渝東南中低山區(qū)、渝東北中山區(qū)4個生態(tài)分區(qū)。分別從高程、坡度、坡向和坡位4個方面研究水稻種植區(qū)的地形分布特征。結果表明:不同的生態(tài)分區(qū)水稻種植區(qū)表現(xiàn)出不同的

3、地形分布特征。渝西地區(qū)水稻種植面積占全市的48.7％，其中海拔200-400m、坡度6°以下、坡向為東向和東南向以及平坡位的區(qū)域水稻種植最為集中。渝中地區(qū)水稻種植面積占全市的35.1％，其水稻主要種植在海拔300-500m、坡度15°以下、坡向為西北向以及中坡位的區(qū)域。渝東南地區(qū)水稻種植面積占全市的7.4％，該區(qū)域水稻主要種植在海拔300-900m和坡度6-25°的區(qū)域，其中海拔300-400m和坡度6-15°的區(qū)域種植最多，坡向分布以

4、東南和西向居多，坡位以中坡位居多。渝東北水稻種植面積占全市面積的8.8％，其水稻主要種植在海拔1000m以下和坡度6-25°的區(qū)域，其中海拔600-800m和坡度6-15°的區(qū)域分布最多，坡向分布以正南向最多，坡位以中坡位居多。
　　(2)重慶市水稻種植區(qū)氣候分布特征
　　利用常規(guī)統(tǒng)計方法統(tǒng)計1985-2012年重慶市年均和水稻大田生育期（4-9月）的均溫、日照、降水以及各年的變化差異。結果表明:重慶在近30年間，年平均氣溫

5、17.52℃，日照時數(shù)1163.3h，降水量約1105mm;水稻大田生育期的平均氣溫23.75℃，日照時數(shù)838.46h，降水量約850mm。無論是年均還是在水稻大田生育期降水量的變異系數(shù)最大，分別為11.41％和15.78％。
　　通過Mann-Kendall趨勢檢驗法計算得出近30年來重慶市年均溫在0.05的水平上呈顯著上升趨勢，降水量雖然有所下降，但是下降趨勢不明顯;日照上升趨勢不明顯;水稻大田生育期的均溫在0.01的水平上

6、呈顯著上升趨勢;降水量和日照呈下降趨勢，但是下降趨勢不明顯。
　　本研究還通過薄盤樣條插值方法對水稻大田生育期各個氣象因子進行空間結構模擬。結果表明:水稻的大田生育期多年平均氣溫以河谷和丘陵平壩等低海拔區(qū)域較高，隨著海拔高度的增加，平均氣溫下降。水稻大田生育期的日照以渝東北最強，相應日照時數(shù)最多，渝中地區(qū)次之，渝東南地區(qū)最少。水稻的大田生育期的降水隨著時間推移降雨量逐漸增多，到6、7月份達到最大，然后又呈下降趨勢。4-5月降水量主

7、要集中在渝東南和渝中地區(qū)，其次是渝東北，渝西地區(qū)降水量最少。6月渝東南的降水量明顯高于其他區(qū)域，7-9月渝東北降水量增加，有大于渝東南的趨勢。
　　(3)重慶市水稻種植區(qū)產(chǎn)量時空分布特征及影響因素研究
　　通過一次線性模型建立重慶市水稻單產(chǎn)、總產(chǎn)與時間的關系，結果表明:1985-2012年近30年水稻單產(chǎn)呈顯著上升趨勢，水稻播種面積隨時間呈顯著下降的趨勢;水稻總產(chǎn)有略微下降趨勢，但是不顯著。在長時間序列上，相關性分析結果表明

8、降水與水稻單產(chǎn)呈顯著正相關(P＜0.1)。通徑分析結果表明溫差和日照對水稻產(chǎn)量有較大的直接作用，但是他們對水稻產(chǎn)量的作用又通過其他的氣象因子被削弱。綜合結果說明研究區(qū)在降水充足（灌溉條件有保障）的條件下，對水稻產(chǎn)量最重要的影響因素是溫差和日照。
　　利用2003-2012年重慶市各區(qū)縣的水稻產(chǎn)量調(diào)查數(shù)據(jù)計算匯總得到不同生態(tài)分區(qū)下水稻產(chǎn)量統(tǒng)計數(shù)據(jù)。從空間分布特征看，水稻單產(chǎn)表現(xiàn)為渝西丘陵區(qū)＞渝中低山丘陵區(qū)＞渝東南低山丘陵區(qū)＞渝東北中

9、山區(qū);水稻播種面積表現(xiàn)為渝西丘陵區(qū)＞渝中低山丘陵區(qū)＞渝東北中山區(qū)＞渝東南低山丘陵區(qū);水稻總產(chǎn)表現(xiàn)為渝西丘陵區(qū)＞渝中低山丘陵區(qū)＞渝東北中山區(qū)＞渝東南低山丘陵區(qū)。
　　為了進一步弄清水稻估產(chǎn)的主要影響因素，本研究以2008年的各鄉(xiāng)鎮(zhèn)產(chǎn)量地形氣候數(shù)據(jù)為數(shù)據(jù)源，利用分類回歸樹(Classification And Regression Trees，CART)模型計算各個生態(tài)因子對水稻產(chǎn)量的相對重要性，結果表明:海拔高度相對較低，高差不大的

10、區(qū)域，生態(tài)因子對水稻產(chǎn)量的影響以地形為主，如渝西地區(qū)。海拔高度相對較高，地形起伏大的區(qū)域，立體氣候顯著，生態(tài)因子對水稻產(chǎn)量的影響以氣候為主，例如渝中、渝東北和渝東南地區(qū)。所有生態(tài)分區(qū)地形因子中又以坡度對水稻產(chǎn)量的影響最大。渝東南地區(qū)氣候因子對水稻產(chǎn)量的影響以日照為主，而渝西、渝中和渝東北地區(qū)氣候因子對水稻產(chǎn)量的影響以均溫為主。
　　(4)重慶市NDVI時空分布特征
　　利用2003-2012年重慶市MODIS-NDVI數(shù)據(jù)，

11、研究重慶市NDVI時空分布特征，重慶市年均NDVI值在0.54-0.59之間波動，十年間植被覆蓋整體呈上升趨勢，說明重慶市植被覆蓋整體情況良好。NDVI空間分布特征表現(xiàn)為:渝東北＞渝東南＞渝中＞渝西。
　　利用大田生育期水稻純像元NDVI變化曲線研究不同生態(tài)分區(qū)、不同高程的水稻生長周期的差異。研究表明渝西、渝中和渝東北地區(qū)在NDVI達到最大值之前，同一時相的NDVI值低海拔地區(qū)通常高于高海拔地區(qū)，印證了低海拔地區(qū)的水稻生長發(fā)育時間

12、要早于高海拔地區(qū)。渝東南地區(qū)與其他三個生態(tài)分區(qū)水稻NDVI變化曲線出現(xiàn)了明顯的差異，渝東南地區(qū)水稻種植區(qū)NDVI達到最大值的時間整體比其他地區(qū)晚一個時相。印證了渝東南地區(qū)水稻的大田生育期相比同海拔的其他生態(tài)分區(qū)要延遲。
　　水稻種植區(qū)NDVI與氣候的關系表現(xiàn)為:5-6月NDVI與日照時數(shù)、平均溫度顯著正相關，與降水呈負相關;7、8月份NDVI與日照時數(shù)、平均溫度顯著負相關，與降水顯著正相關。4月和9月僅日照與NDVI顯著正相關。為

13、了進一步研究NDVI與氣候的關系，本研究利用干旱指數(shù)模型對2006年的特大旱情進行干旱精細化空間分布結構模擬，利用2006年干旱分級圖分別提取相應區(qū)域的水稻種植區(qū)純像元各時相的NDVI值，得到不同旱情區(qū)域NDVI變化曲線，結果表明干旱越嚴重的區(qū)域水稻種植區(qū)NDVI值下降越快，水稻種植區(qū)NDVI的下降趨勢很好的表現(xiàn)出NDVI對干旱氣候的響應。
　　(5)基于縣域尺度的水稻產(chǎn)量估算模型
　　為獲取水稻估產(chǎn)的最佳時相，將水稻大田生

14、育期的各時相對應的ANDVI值分別作為輸入?yún)?shù)，利用區(qū)域和生態(tài)分區(qū)的水稻產(chǎn)量估算最優(yōu)模型建模，通過擬合精度比較，指出縣域尺度整個重慶區(qū)域水稻產(chǎn)量的最佳估算時相為185時相，渝西地區(qū)水稻估算的最佳時相仍然為185時相，渝中和渝東北為201，渝東南為217。各個生態(tài)分區(qū)由于氣候、地形等條件不同，各個生育期的時間有一定的差異，所以水稻估算的最佳時相不同，但是都是處在水稻營養(yǎng)和生殖生長并進階段。
　　(6)基于鄉(xiāng)鎮(zhèn)尺度的水稻產(chǎn)量估算模型<

15、br>　　為了探索250m分辨率的NDVI數(shù)據(jù)對鄉(xiāng)鎮(zhèn)級水稻產(chǎn)量的估算能力，以2008年的重慶鄉(xiāng)鎮(zhèn)級產(chǎn)量數(shù)據(jù)為例，同樣基于區(qū)域和生態(tài)分區(qū)兩種思路，建立2008年各個鄉(xiāng)鎮(zhèn)大田生育期ANDVI與水稻總產(chǎn)以及ANDVI、地形和氣候因子與水稻總產(chǎn)的逐步回歸、BP神經(jīng)網(wǎng)絡、隨機森林及支持向量機模型，取得了較好的擬合效果，并利用水稻產(chǎn)量最優(yōu)遙感擬合模型對2009年鄉(xiāng)鎮(zhèn)級水稻產(chǎn)量進行預測。結果表明基于生態(tài)分區(qū)的遙感模型更具有適應性。而加入了氣象和地形因

16、子的生態(tài)分區(qū)遙感模型最優(yōu)，再次說明了溫度、降水、日照等氣候條件以及地形條件對水稻產(chǎn)量影響的重要性。另外在鄉(xiāng)鎮(zhèn)尺度水稻產(chǎn)量估算模型中神經(jīng)網(wǎng)絡模型表現(xiàn)出了最優(yōu)的擬合性能。
　　(7)基于村級尺度的水稻產(chǎn)量估算模型
　　為研究250m分辨率NDVI對村級產(chǎn)量估算的適用性，并考察土壤因子對水稻估產(chǎn)模型的影響，本章以2007年重慶市合川的村級數(shù)據(jù)為例，收集了合川村級的產(chǎn)量數(shù)據(jù)、地形數(shù)據(jù)和土壤數(shù)據(jù)。由于小區(qū)域氣候變化不明顯，本章忽略氣候

17、變化對水稻產(chǎn)量的影響。首先利用CART模型計算各生態(tài)因子對水稻產(chǎn)量相對重要性。結果表明土壤因子對水稻產(chǎn)量的影響大于地形因子。土壤因子中堿解氮、速效鉀和pH值的相對重要性達到了50％。地形因子中僅有坡度對水稻產(chǎn)量的相對重要性超過了50％。
　　利用雙線性插值法將NDVI數(shù)據(jù)重采樣為空間分辨率為30m的影像圖，通過合川1∶1萬土地利用現(xiàn)狀數(shù)據(jù)提取水田分布。分別采用逐步回歸、神經(jīng)網(wǎng)絡、支持向量機回歸和隨機森林4種方法建立村級ANDVI水