多时相Sentinel-1影像反演玉溪典型烟区烤烟种植分布的方法

为准确识别烤烟种植分布特征,基于2020年玉溪烤烟大田生长期不同时相的11景Sentinel-1卫星影像,结合野外实地调研,分析不同土地利用类型合成孔径雷达（SAR）极化信息的可区分度,并结合70%样地训练随机森林分类方法提取不同土地利用的分布范围,最后用30%调研样地验证烤烟种植的提取精度。结果表明,垂直发射垂直接收（VV）相较于垂直发射水平接收（VH）更能区分不同土地利用类型,VH、VV、VV+VH和VV+VH+VV/VH四种极化信息组合方式中,地物分类精度最高的为VV+VH组合,总体分类精度为87.6%,Kappa系数为0.847,其中,烤烟种植识别的制图精度为96.3%,用户精度为89.4%。在玉溪典型烟区采用多时相SAR识别烤烟种植分布,识别准确率基本能满足区域烤烟种植识别的精度要求。     

基于多时相合成孔径雷达数据的水稻种植面积监测

与光学遥感相比,合成孔径雷达(SAR)遥感能够不受云雨天气影响,为大范围作物种植信息的精准监测提供新手段。本研究以天津市小站稻为例,基于2018-2021年的多时相Sentinel-1A SAR影像,提出了结合小站稻生长特征相似性分析与随机森林分类的水稻种植分布和面积监测方法。首先提取VV和VH极化方式下不同地物的后向散射系数时间序列特征曲线,并利用HANTS滤波来消除噪声影响。然后根据野外调查数据获取小站稻参考生长曲线,构建小站稻相似性指数,筛选出小站稻可能种植区域。最后采用随机森林分类模型提取小站稻种植面积。结果表明,基于多时相Sentinel-1A SAR影像相似性分析及随机森林分类能够获得较高精度的水稻种植面积,VV和VH两种极化方式下提取的水稻种植面积与统计年鉴结果的平均相对误差分别为2.67%和3.80%,总体分类精度分别达到95.52%和93.40%,Kappa系数分别为0.94和0.93;与不引入相似性指数进行分类相比,VV和VH极化方式下引入相似性指数后总体分类精度分别提高4.35个百分点和3.13个百分点,Kappa系数分别提高0.04和0.03,水稻的制图精度分别...     

基于Sentinel-1A数据的冬小麦种植面积提取

【目的】 利用2018—2019年冬小麦生长季的雷达数据对河南省驻马店市上蔡县、正阳县、平舆县、汝南县的冬小麦种植面积进行提取，为雷达数据在冬小麦种植面积提取研究提供参考。【方法】 文章在对冬小麦生长关键物候期多时相Sentinel-1A SAR（Synthetic Aperture Radar，合成孔径雷达）数据中VV极化和VH极化影像的后向散射系数进行分析的基础上，利用最大似然法开展了河南省驻马店市上蔡县、正阳县、平舆县、汝南县4个“产粮大县”的冬小麦种植面积提取研究，并通过统计年鉴数据对VV极化和VH极化的冬小麦提取结果进行了初步评价。利用2018年12月22日，2019年3月28日和2019年4月21日的SAR时间序列影像数据进行冬小麦分类提取。【结果】 从整个研究区来看VV极化方式的提取结果为4 461.14 km²，VH极化的结果为4 277.22 km²，与统计数据相比，VV极化的误差为13.17%，VH极化的误差为8.51%，VV极化的提取误差要大于VH极化的提取误差。各个县的结果显示，VH极化的提取误差均小于VV极化的结果，误差最小的为利用VH极化提取的正阳县的结果，误差仅为1.85%，误差最大的为利用VV极化提取的平舆县的结果，误差为19.72%。【结论】 基于冬小麦生长关键物候期多时相Sentinel-1A的后向散射系数，能够实现较高精度的冬小麦种植面积提取。     

基于Sentinel-2时序NDVI的麦冬识别研究

【目的 】 为掌握四川省重要中草药麦冬的种植面积,开展麦冬遥感识别及空间信息提取研究。 【方法 】 文章以四川省绵阳市三台县麦冬主要种植区为研究区,选取2020年11月至2021年5月共计6期Sentinel-2遥感影像,结合实地调查数据建立麦冬、油菜、小麦3种地类的样本数据集,分析该时期内麦冬、油菜、小麦的NDVI时序差异,基于随机森林算法构建麦冬提取模型。随后选取区分度最大的3期NDVI作为输入变量与以全6期NDVI作为输入变量进行麦冬提取精度对比。 【结果 】 （1） 麦冬与油菜、小麦的NDVI在11月、3月、5月差异较大;（2） 以6期的NDVI作为输入变量的麦冬种植信息提取总体精度为91.92%,Kappa系数为0.892;（3） 以3期的NDVI作为输入变量的麦冬种植信息提取总体精度为90.05%,Kappa系数为0.823 2,分类精度略低于6期NDVI全输入,但基于3期关键节点的NDVI时序数据能较准确提取麦冬种植信息。 【结论 】 该结果可为四川省麦冬遥感识别和种植区变化监测提供参考。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

降雨影响下的水稻长势极化特征提取

  目的  直接利用合成孔径雷达(SAR)后向散射系数监测水稻Oryza sativa等南方作物长势的方法易受降雨影响，在时序曲线上易产生大幅波动。研究降低这一影响的方法，以期获得更准确反映水稻长势规律的结果。  方法  以广西省桂平市水稻栽植区为研究对象，采用2018年3?11月共23期Sentinel-1双极化SAR数据，以及同期降雨数据，分析水稻长势在降雨影响下的同向极化(VV)和交叉极化(VH)后向散射系数时序特征，在此基础上提出基于VV和VH后向散射系数组合的改进方法——归一化差分后向散射指数(NDBI)，并结合光学卫星影像数据对结果加以验证。  结果  NDBI时序曲线的平均曲率为0.86，低于VV和VH时序曲线的平均曲率(分别为2.90和2.31)，表明NDBI时序曲线的变化趋势更为平稳，受降雨不规则波动的影响更小。早、晚2季水稻的NDBI时序曲线具有相似的变化趋势，能够更准确地反映水稻幼苗期、分蘖拔节期、长穗期和结实期各阶段的极化特征，即幼苗期主要以二次反射为主，而从分蘖拔节时期开始到长穗期再到结实期直至收割，体反射和漫反射不断增强，二次散射逐渐减小。  结论  利用NDBI方法降低了降雨对极化特征时序曲线扰动的影响，获得更准确的水稻长势规律。图4表1参16     

基于WorldView-2影像和随机森林算法的天山云杉蓄积量反演

【目的】研究林地遥感因子与蓄积量的关系来反演天山云杉林分蓄积量,为新疆天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰国家西森林公园的天山云杉（Picea schrenkiana var.tianshanica）为研究对象,以样地内每木检尺为依据,基于WorldView-2影像,使用eCognition Developer 提取样地的光谱信息、纹理因子与植被指数三种遥感因子,通过随机森林算法建立模型反演天山云杉林分蓄积量。【结果】提取的24种遥感因子,筛选出对蓄积量影响最大的5种特征变量,分别为NDVI1、NDVI2、RVI2、均一性（Homogeneity）与相关性（Correlation）,建立随机森林回归模型,解释度高达81.27%,决定系数R²=0.8648（P<0.05）,估测样地蓄积量精度为86.38%。【结论】建立的随机森林回归模型可以有效地反演天山云杉林林分蓄积量。     

基于CARS-BPNN的江西省土壤有机碳含量高光谱预测

【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R ²=0.82）,较全波段建模验证集R ²提升0.07。水稻土采用CARS-RF模型预测效果最佳（R ²=0.83）,较全波段建模验证集R ²提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R ²=0.82）,较全局校准验证集R ²提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。     

基于高光谱和激光雷达遥感的水稻产量监测研究

【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年（2016—2018年）包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度（R² = 0.64—0.69）优于光谱数据的估算精度（R² = 0.20—0.58）;基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强（不同生态点：RRMSE 16.69%—17.85%;同一生态点：RRMSE 11.37%—12.41%）。【结论】本研究为抽穗后水稻产量监测提供了新的方法和不同遥感手段的性能比较,为收获前作物产量的实时估算提供重要支撑。激光雷达技术凭借其全天候工作的特点,在长江中下游水稻产量实时监测中有着较好的应用前景。     

基于Sentinel-2时序NDVI的麦冬识别研究*杨玉婷,董秀春,刘忠友,蒋怡,李宗南,刘泳伶

【目的】为掌握四川省重要中草药麦冬的种植面积,开展麦冬遥感识别及空间信息提取研究。【方法】文章以四川省绵阳市三台县麦冬主要种植区为研究区,选取2020年11月至2021年5月共计6期Sentinel-2遥感影像,结合实地调查数据建立麦冬、油菜、小麦3种地类的样本数据集,分析该时期内麦冬、油菜、小麦的NDVI时序差异,基于随机森林算法构建麦冬提取模型。随后选取区分度最大的3期NDVI作为输入变量与以全6期NDVI作为输入变量进行麦冬提取精度对比。【结果】(1)麦冬与油菜、小麦的NDVI在11月、3月、5月差异较大;(2)以6期的NDVI作为输入变量的麦冬种植信息提取总体精度为91.92%,Kappa系数为0.892;(3)以3期的NDVI作为输入变量的麦冬种植信息提取总体精度为90.05%,Kappa系数为0.823 2,分类精度略低于6期NDVI全输入,但基于3期关键节点的NDVI时序数据能较准确提取麦冬种植信息。【结论】该结果可为四川省麦冬遥感识别和种植区变化监测提供参考。     

基于Bi-LSTM模型的时间序列遥感作物分类研究

【目的】及时、准确地作物分类制图是农情监测的重要依据。本研究基于双向长短期记忆网络模型探究深度学习技术在时间序列遥感作物分类与早期识别中的应用潜力。【方法】本文以黄河三角洲地区为例，以哨兵2号全年可用卫星影像为数据源，构建年时间序列NDVI数据集;采用循环神经网络构架，搭建针对结构化时序数据的双向长短期记忆网络模型（bidirectional long short-term memory，Bi-LSTM），开展遥感作物分类，并评估模型的泛化能力;通过输入不同长度时间序列遥感数据，探究满足一定制图精度条件下的作物最早可识别时间。【结果】作物年生长时序特征对于大多数作物遥感分类识别都具有较好的区分能力，基于年时间序列NDVI数据的Bi-LSTM模型作物分类总体准确率达90.9%，Kappa系数达到0.892。通过测试不同时间序列长度对作物分类的影响发现，对大多数作物来说，其分类精度随着数据时间序列长度增加而不断提高，冬小麦、水稻等作物在生长季早期即具有较为独特的分类特征，因而利用生长季早期的时间序列影像即可获得较高的制图精度，而棉花、春玉米等作物需要完整生长序列影像才能更好地保证分类精度。【结论】卫星影像时间序列蕴含的结构化特征信息可以有效地降低特定时段的作物光谱混淆;双向循环神经网络模型能够同时考虑前向和后向的时间状态信息，可以学习作物不同阶段的光谱变化特征，在水稻、棉花、春玉米等易混淆作物的识别上表现优异;模型能够有效地把握样本总体上的变化趋势，在农作物多分类任务中表现出较好的泛化能力和鲁棒性。本研究通过集成深度学习和遥感时间序列，为及时、快速的区域作物高精度制图提供了可行的思路。     

基于NDVI数据的华北地区耕地物候空间格局

 【目的】探讨基于多时相遥感信息监测中国华北地区耕地种植制度和物候空间格局特征。【方法】选择NDVI时间序列数据,采用非对称性高斯函数拟合方法重建平滑曲线,依据年内NDVI变化曲线峰值数目监测华北地区耕地的多熟种植制度,并利用动态阈值法获取该种植制度下耕地物候空间格局。【结果】华北地区耕地种植制度以一年两熟为主,其分布具有明显的空间差异性,随着纬度递减呈现出从简单到复杂的总体趋势。在该种植制度下,华北地区耕地第一季作物的生长开始期和生长结束期存在十分明显的空间差异,一年两熟区域的第一季作物生长开始期和生长结束期要明显早于一熟区域。与第一季作物物候期明显的空间差异相比,华北地区耕地第二季作物物候期差异不显著。【结论】华北地区耕地种植制度与物候分布格局和自然地理环境紧密相关,不同区域的温度、降水和光照等气候资源的禀赋和匹配程度对该区域的种植结构和作物布局有很大影响。此外,这种耕地物候空间格局还与作物品质、耕作水平、灌溉、施肥和农药等有密切关系。如何区别生态环境因子和人类活动因子对耕地物候的影响是今后值得深入研究的问题。     

中国南方双季稻春季冷害动态监测

【目的】利用星地多源数据,在南方双季稻种植区空间信息提取、双季稻发育期动态图组制作及研究区逐日平均温度反演的基础上,结合冷害监测指标,实现多要素相协同的南方双季稻春季冷害动态监测,为农业部门及时准确地应对双季稻冷害,减少冷害损失提供技术支持。【方法】利用南方双季稻区190个气象站点1951-2011年逐日气温数据,计算各站点≥10℃的多年平均积温。根据各站点多年平均积温与其地理因子的相关关系,建立多年平均积温推算模型。通过所获模型得到研究区积温空间分布图。按照南方双季稻安全生产积温阈值≥5 300℃·d的指标,扣除研究区内积温小于该值的区域,制作南方双季稻积温区划图。利用 MODIS MCD12Q1 分类产品获取了 2001-2010 年 10 年的谷类作物分布图。将以上两步结果叠加求交集,提取南方双季稻种植区空间信息;利用南方双季稻区167个农业试验观测站点1981-2011年的水稻发育期资料,计算各个站点双季早稻主要发育期出现的多年平均日期。依据发育期多年平均日期与地理因子的相关性,获取各主要发育期回归拟合分布图。在拟合结果残差订正的基础上,将南方双季稻春季冷害重点监测时段前后两幅发育期静态图,通过EVNI+IDL编程,制作双季早稻发育期动态图;利用AMSR_E_L2A 89 GHz升轨和降轨垂直极化亮温、地理因子与气象站日平均气温建立多元混合回归拟合模型,通过所获模型反演研究区2010年2-5月逐日平均气温。【结果】对研究所建多年平均积温推算模型,利用未参与建模的90个气象站观测数据进行验证,观测值与模型模拟结果之间的均方根误差（RMSE）为289℃,这一估测精度能够满足研究所需。双季稻积温区划与MODIS土地利用分类结果叠加求交集,提取的双季稻种植区面积占研究区总面积的29.26%。通过该步骤一方面提升了双季稻冷害监测结果的使用价值。另一方面,可使双季稻冷害实时监测在还没有获取当年准确种植位置信息前就能有效开展起来;对研究所获南方双季稻春季冷害重点监测时段（早稻播种期至返青期）两幅发育期静态图,采用未参与建模的 59 个农业试验站观测数据进行验证,观测值与模型模拟结果之间的均方根误差（RMSE）分别为5.68和4.24 d,模型精度符合要求,试验结果可以于后续分析;研究将遥感数据与地面数据相结合通过混合建模反演逐日气温,该方法充分利用了微波遥感受天气影响小的特点,克服了南方常年多云的天气条件,使模拟的日平均气温的RMSE为1.69℃。微波数据的加入使日平均气温估计精度提高了0.35℃。研究对2010年南方双季稻春季冷害的动态监测结果与农业统计部门报道的当年南方双季早稻冷害在发生时间和空间上相吻合。【结论】本研究建立的冷害监测方法具有普适性,能够实现对南方双季稻大范围冷害的同步跟踪监测,对其他作物大范围冷害监测同样也适用。     

基于MODIS-NDVI的浙江省耕地复种指数监测

【目的】耕地复种指数是重要的农情信息，本文旨在运用遥感数据对于这一参数进行监测与分析，为指导农业生产提供参考。【方法】采用美国国家航空和宇宙航行局(National Aeronautics and Space Administration，NASA)提供的中分辨率成像光谱仪(moderate resolution imagine spectroradimeter，MODIS)植被数据，利用1﹕25万浙江省土地利用现状图，设计二次差分的算法，对浙江省连续4年（2001～2004）耕地复种指数进行监测；【结果】一年内农作物播种、出苗、抽穗、成熟及收获等物理生长过程，反映在归一化植被指数（normalized difference vegetation index，NDVI）时间曲线上呈现出波动变化，其波峰所对应的是农作物群体生物量最大的时相。根据此原理通过提取耕地NDVI在一年内时间序列峰值频数，得出浙江省市级耕地的复种指数。【结论】浙江省耕地复种指数在空间分布上表现为西南大于东北。在时间上，从2001年到2003年有降低的趋势；而2004年有所增加。但相对于浙江的地理位置与气候条件来说，复种指数普遍偏低，潜力很大。     

淮河流域小麦-水稻种植制度的气候适宜性

 【目的】定量研究淮河流域小麦-水稻种植制度对气候变化的响应,揭示种植制度适宜性的变化规律,明确种植制度适宜区的变动趋势,为因地制宜地制定科学可靠的种植制度提供依据。【方法】运用生态适宜度理论和模糊数学的方法,建立作物适宜度函数,同时结合空间插值的方法研究淮河流域麦-稻制的温度、降水、日照和气候适宜度。【结果】小麦-水稻种植制度的气候适宜度呈下降趋势;其中,温度适宜度呈上升趋势,降水适宜度和日照适宜度呈递减趋势。淮河流域麦-稻制气候适宜度的空间分布由东南沿海向西部山地递减,西南山区适宜度低于平原地区。在未来气候变化情景下,淮河流域麦-稻制的气候适宜度有所升高,但空间格局变化不大。【结论】淮河流域麦-稻制气候适宜度对近几十年来的气候变暖有明显的响应。     

应用Sentinel-1影像纹理信息模型估测杉木林生物量

以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。     

气候变暖背景下中国南方水稻生长季可利用率变化趋势

【目的】研究1951—2010年中国南方主要熟制水稻生长季可利用率的空间分布特征及演变趋势,为南方稻作区种植制度调整提供理论参考。【方法】基于前人种植制度区划方法将南方稻作区分为16个水稻种植亚区,假设不同稻作制的作物品种搭配不变,采用水稻生育期气象生态模拟方法,利用水稻潜在生长季长度与理论生长季长度的比值,评价气候变化背景下研究区域各亚区水稻生长季可利用率的分布特征及演变趋势。【结果】利用ArcGIS对1951—2010年水稻潜在生长季长度的地理分布函数进行运算,获取了南方稻作区80%保证率水稻潜在生长季长度的10 km×10 km的空间分布数据;数据结果表明,气候变化背景下南方稻作区水稻潜在生长季长度呈先增后减的变化趋势,单季稻种植区水稻潜在生长季长度增幅大于双季稻种植区;研究区不同熟制水稻的理论生长季呈缩短趋势,单季稻种植区缩短天数大于双季稻种植区;水稻潜在生长季的延长和水稻理论生长季的缩短造成了水稻生长季可利用率呈增加趋势。【结论】气候变暖背景下中国南方主要熟制水稻生长季可利用率呈增加趋势,合理安排熟制、提高复种指数是气候变化背景下提高水稻生长季利用率的主要措施。     

全球气候变暖对中国种植制度可能影响Ⅸ.长江中下游地区单双季稻高低温灾害风险及其产量影响

【目的】以1981年为界,将20世纪50年代至2010年划分为两个时段,对比分析1951—1980年和1981—2010年长江中下游地区双季稻安全种植界限及敏感区域面积变化,定量评估长江中下游地区双季稻安全种植敏感区域内单季稻和双季稻生长季内高温灾害和低温灾害发生风险及高低温灾害对水稻产量的影响程度。【方法】利用中国种植制度分区标准和农业气候指标,分析了1981—2010年双季稻安全种植界限变化敏感区域,并基于水稻高温灾害和低温灾害指标,采用Oryza2000对敏感区域内单季稻和双季稻的高低温灾害风险及其对产量的影响进行了定量化评估。【结果】与1951—1980年相比,1981—2010年长江中下游地区双季稻安全种植区增加了11.5万 km2;1981—2010年,双季早稻、晚稻和单季稻发生频率最大的高低温灾害分别为秧田期低温、灌浆—成熟低温以及孕穗—抽穗高温,而对双季早稻、晚稻和单季稻产量影响最大的灾害分别是秧田期低温、孕穗—抽穗低温和灌浆—成熟高温;双季早稻、晚稻和单季稻在不同生育阶段的高温灾害次数大多呈增加趋势,而低温灾害次数大多呈减少趋势。【结论】在全球气候变暖背景下,长江中下游地区双季稻安全种植区域发生了明显变化,敏感区域内单双季稻的高低温灾害风险及其对产量的影响均存在明显差异。     

中国水稻生产的时空动态分析

【目的】绘制中国南北稻区不同稻作制度下的水稻播种面积和产量重心变动图,分析成因,找出影响现阶段中国水稻总产稳定的关键因素。【方法】利用重心拟合模型对水稻生产的时空动态进行分析,敏感性分析方法找出该变动背景下影响中国水稻总产稳定的关键因素。【结果】新中国成立以来除20世纪60、70年代中国水稻播种面积重心和产量重心向东南和东部发生偏移以外,总体上向东北方向移动。1979-2009年北方稻重心由华北快速移动到了东北松辽盆地。中稻和一季晚稻重心移动方向为先东北后东南与南方稻作制度“双改单”变化顺序由北向南相吻合。早稻和双季晚稻重心移动方向都为西南。南方稻区单季稻比例明显上升,“双改单”现象明显,这是导致中国水稻种植面积下降的主要原因。结合敏感性分析得出播种面积已成为目前最有可能造成中国水稻总产量大幅下滑的关键因素。【结论】市场机制的调控和技术进步是目前影响中国水稻时空变动的两个主要因素。在继续坚持以市场为指导的前提下,依据国情从粮食安全的角度出发,重点对面积呈下滑趋势的早稻和双季晚稻进行调控,同时兼顾水稻总面积,防止其出现较大波动,努力提高水稻单产,是确保现阶段中国水稻总产稳中有升的关键。