基于大豆生长期的低温冷害评估研究.docxVIP

基于大豆生长期的低温冷害评估研究 摘要：作为中国商品粮的主要生产基地，东北地区频发的低温冷害给中国粮食安全带来了严重的影响，及时、准确和大范围评估低温冷害灾损是降低损失、快速恢复生产的重要前提。本文以鄂伦春为例，提出了一种快速评估低温冷害对大豆生产影响的新方法。首先诊断出该地区典型冷害事件发生的年份为1989年、1995年、2003年、2009年和2018年；然后基于本地化后CROPGRO-Soybean模型设置512组低温冷害和田间管理组合模拟情景；其次构建了1600组包括3个变量（有效积温距平值（CDD）、模拟的叶面积植被指数（LAI）和产量）的冷害脆弱性模型；最后依托Google Earth Engine(GEE）平台逐像元提取大豆关键生育期早晚窗口内最大的宽动态植被指数（WDRVI）及对应的日期（DOY），将WDRVI转化为大豆种植格点的实际LAI，结合构建的冷害脆弱性模型逐像元计算出产量和减产率。主要发现如下：①校准后的CROPGRO-Soybean模型能较为准确地模拟不同冷害情景下的大豆生长发育过程；②大豆遭受全生育期的降温情景（1～3℃）的减产幅度比局部降温情景（4个生育期随机生成连续5日温度为0℃）的减产幅度大；③历史冷害年1989年、1995年、2003年、2009年平均减产率约为9.6%、29.8%、50.5%和15.7%，与实际6.4%、39.2%、47.7%和13.2%的减产率相比，冷害灾损评估结果具有较好的精度且误差均在一倍方差以内；④运用该方法评估2018年冷害田间尺度的产量损失，并利用Sentinel-2A影像进行10 m高精度制图。结果显示，该方法能够快速、准确地评估不同尺度的低温冷害灾损情况，为作物估产以及农作物灾害损失评估的业务化运行提供了新的思路。 1 引言大豆是世界上最大的油料作物和重要的蛋白质来源，在世界经济发展中具有重要的地位全球虽有变暖的趋势，但是作物生长季的增温趋势并不明显，加之近些年来农作物种植带盲目北移和作物晚熟品种的种植面积不断扩大国内外学者针对作物低温冷害的监测和产量的损失评估进行了广泛研究，主要分为作物模型方法和遥感方法。虽然校准后作物模型能够实现站点尺度的冷害情景模拟研究，但区域作物模型进行冷害研究需要大区域范围且高精细的地面数据输入信息（品种特性、气象要素、土壤条件、管理措施和田间栽培等）。这些数据在站点尺度易获取，但由于地表环境的非匀质性，将站点尺度数据应用到区域估产上难免会产生误差综上，结合作物模型和遥感两种方法的优点进行作物估产和灾损评估是当前研究的热点问题之一。Google Earth Engine (GEE）提供了海量免费共享影像数据并具有强大的数据存储与云计算能力2 研究区概况与数据来源2.1 研究区概况鄂伦春地处大兴安岭山地西北坡，位于大兴安岭山地向呼伦贝尔高平原过渡地段，介于48°50′N～51°25′N和121°55′E～126°10′E之间，总面积约6×102.2 数据与预处理2.2.1 遥感数据遥感具有快速、宏观和动态3个重要特点，能够获取大范围地表信息，在作物生长监测和产量预报中发挥巨大作用2.2.2 气象数据和土壤数据1981—2018年鄂伦春气象站的日平均、最高、最低气温、降雨和日照时数来自于国家气象信息中心（National Meteorological Information Center），太阳辐射值参考Angstrom2.2.3 土地利用数据和田块实测数据鄂伦春10 m的大豆种植面积图和模型本地化所用到的2014—2017年6个田块实测数据来源于当地保险公司。如表1、表2所示，数据主要包括田块的位置，大豆生长基本数据（品种熟性、产量结构和发育期状况）和田间管理数据（翻耕、除草、灌溉和施肥等）。1981—2015年鄂伦春县级产量数据来源于农业农村部种植业管理司（）和内蒙古统计年鉴。研究区河流、县级和乡镇行政区划数据来源于中科院资源环境数据云平台（）的1:25万基础地理信息数据，数据投影基准统一转化为WGS-1984。3 方法3.1 冷害年的确定确定历史冷害年份是进行冷害损失评估的第一步。在本文中，参考潘铁夫等3.2 模型的本地化模型CROPGRO-Soybean内嵌在DSSAT 4.7中，已被广泛应用于世界各地的大豆生长发育模拟式中：O3.3 产量损失估算大豆产量损失估算主要分为5个步骤：(1)基于校准后的CROPGRO-Soybean模型，模拟当地的不同种植管理和低温冷害情景并记录模拟产量，叶面积植被指数（Leaf Area Index,LAI）及其日期（Day of Year,DOY);(2)依据DOY计算每种情景下大豆生育期内≥10℃