留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于遥感数据的夏玉米高温热害监测评估

杨磊 韩丽娟 宋金玲 李森

杨磊, 韩丽娟, 宋金玲, 等. 基于遥感数据的夏玉米高温热害监测评估. 应用气象学报, 2020, 31(6): 749-758. DOI: 10.11898/1001-7313.20200610.
引用本文: 杨磊, 韩丽娟, 宋金玲, 等. 基于遥感数据的夏玉米高温热害监测评估. 应用气象学报, 2020, 31(6): 749-758. DOI: 10.11898/1001-7313.20200610.
Yang Lei, Han Lijuan, Song Jinling, et al. Monitoring and evaluation of high temperature and heat damage of summer maize based on remote sensing data. J Appl Meteor Sci, 2020, 31(6): 749-758. DOI:  10.11898/1001-7313.20200610
Citation: Yang Lei, Han Lijuan, Song Jinling, et al. Monitoring and evaluation of high temperature and heat damage of summer maize based on remote sensing data. J Appl Meteor Sci, 2020, 31(6): 749-758. DOI:  10.11898/1001-7313.20200610

基于遥感数据的夏玉米高温热害监测评估

DOI: 10.11898/1001-7313.20200610
资助项目: 

“十三五”国家重点研究发展计划 2016YFB0501502

国家自然科学基金项目 41871231

详细信息
    通信作者:

    韩丽娟, 11957523@qq.com

Monitoring and Evaluation of High Temperature and Heat Damage of Summer Maize Based on Remote Sensing Data

  • 摘要: 玉米作为一种重要的粮食作物,其产量对于国家粮食安全的影响至关重要。该文结合遥感与地面实测气温数据,基于地表温度与气温具有显著的线性相关关系,构建我国夏玉米主产区高温热害评估模型,并对该模型进行精度检验。结果表明:平原区域日平均气温的模拟结果决定系数在0.8以上,达到0.001显著性水平,均方根误差在1.8℃左右的小范围内波动;平原区域精度略高,山区精度略低(均方根误差为2.4℃)。利用该模型对2008—2018年黄淮海夏玉米主产区高温热害进行评估,发现2017年和2018年夏玉米受高温热害影响最严重,高温热害区主要分布在河北省东南部、河南省大部以及山东省西部,该结果与实际情况相符。
  • 图  1  2008—2018年研究区域夏玉米分布平均状况

    Fig. 1  Summer maize distribution in the study area from 2008 to 2018

    图  2  MODIS与Landsat数据种植区提取结果

    Fig. 2  Comparison of MODIS and Landsat extraction results

    图  3  平原和山区模拟气温与实测气温散点分布

    Fig. 3  Scattered distribution of simulated temperature and measured temperature in plain and mountain areas

    图  4  2017年和2018年夏玉米主产区高温热害等级分布

    Fig. 4  Distribution of disaster levels in the study area in 2017 and 2018

    表  1  夏玉米高温热害等级指标

    Table  1  High temperature heat damage grade index for summer maize

    高温热害等级 日平均气温/℃ 日最高气温/℃ 持续日数/d
    1 ≥30 ≥35 3≤D < 5
    2 ≥30 ≥35 5≤D < 8
    ≥32 ≥37 3≤D < 5
    3 ≥30 ≥35 D≥8
    ≥32 ≥37 5≤D < 8
    4 ≥32 ≥37 D≥8
    下载: 导出CSV

    表  2  气温拟合模型

    Table  2  The temperature fitting model

    区域 气温类型 模型 决定系数 均方根误差/℃
    平原 山区 平原 山区
    京津冀 日平均气温 Yave=0.085TOD+0.444TON+0.176TYD+
    0.323TYN+0.299
    0.8202 0.8109 1.28 2.32
    日最高气温 Ymax=0.177TOD+0.152TON+0.223TYD+
    0.281TYN+8.380
    0.7021 0.6848 1.94 2.48
    河南省 日平均气温 Yave=0.310TOD+0.138TON+0.394TYD+
    0.046TYN+0.876
    0.8112 0.7356 2.03 2.36
    日最高气温 Ymax=0.102TOD+0.301TON+0.194TYD+
    0.284TYN+4.307
    0.7126 0.7027 1.73 1.97
    山东省 日平均气温 Yave=0.292TOD+0.168TON+0.440TYD+
    0.058TYN+1.973
    0.8605 0.8143 2.33 2.51
    日最高气温 Ymax=0.076TOD+0.270TON+0.288TYD+
    0.260TYN+5.290
    0.7893 0.6694 1.20 3.02
    下载: 导出CSV

    表  3  2008—2018年高温热害面积统计

    Table  3  Area affected by high temperature from 2008 to 2018

    区域 年份 总受灾面积/hm2 一级受灾面积/hm2 二级受灾面积/hm2 三级受灾面积/hm2
    京津冀 2008年 0 0 0 0
    2009年 4.15×105 4.02×105 1.33×104 0
    2010年 2.00×103 1.90×103 1.00×102 0
    2013年 6.66×105 6.66×105 3.00×102 0
    2014年 7.86×105 7.86×105 0 0
    2015年 9.25×104 9.07×104 1.70×103 1.00×102
    2016年 4.85×104 4.85×104 0 0
    2017年 2.05×106 1.99×106 6.05×104 0
    2018年 3.42×106 1.81×106 1.50×106 1.16×105
    河南省 2008年 4.23×104 4.23×104 0 0
    2009年 6.29×105 6.04×105 2.51×104 0
    2010年 1.17×104 9.30×103 2.40×103 0
    2013年 1.14×106 1.12×106 1.19×104 0
    2014年 6.73×105 6.61×105 1.78×104 0
    2015年 2.55×105 2.32×105 2.35×104 0
    2016年 1.47×105 1.46×105 1.20×103 0
    2017年 3.41×106 1.03×106 2.19×106 1.86×105
    2018年 3.40×106 1.00×106 2.19×106 2.09×105
    山东省 2008年 0 0 0 0
    2009年 1.83×104 1.83×104 0 0
    2010年 0 0 0 0
    2013年 2.04×105 2.04×105 0 0
    2014年 4.72×104 4.72×104 1.21×104 0
    2015年 9.36×104 7.63×104 1.62×104 1.10×103
    2016年 3.24×104 3.24×104 0 0
    2017年 1.22×106 1.22×106 0 0
    2018年 3.23×106 1.27×106 1.39×106 5.73×105
    下载: 导出CSV
  • [1] 刘聪.全球气候变化背景下应用温度三区间理论对郑州地区夏玉米高温热害规律研究.现代农业研究, 2018(9):20-22;28. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ncsykjxx201809008
    [2] 杨萍, 刘伟东, 王启光, 等.近40年我国极端温度变化趋势和季节特征.应用气象学报, 2010, 21(1):29-36. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201001004
    [3] 杨彬云, 吴荣军, 杨保东, 等.近40年河北省地表干燥度的时空变化.应用气象学报, 2009, 20(6):745-752. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb200906013
    [4] 刘笑.农业气象灾害和气温降水对华北平原粮食产量的影响.北京:中国农业科学院, 2018.
    [5] 郭建茂, 王锦杰, 吴越, 等.基于卫星遥感与气象站数据的水稻高温热害监测和评估模型研究——以江苏、安徽为例.农业现代化研究, 2017, 38(2):298-306. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=671673166
    [6] 郭建茂, 王锦杰, 吴越, 等.基于卫星遥感与气象站点数据的水稻高温热害监测和评估模型的改进.自然灾害学报, 2018, 27(1):163-174. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zrzhxb201801020
    [7] 闵文彬, 李跃清.MODIS反演地表温度与地面同步气温、地温的相关分析.中国气象学会年会卫星遥感应用技术与处理方法分会场, 2008.
    [8] 刘梅.MODIS影像中云覆盖像元地表温度的估算研究.南京: 南京大学, 2012.
    [9] 李天祺, 朱秀芳, 潘耀忠, 等.MODIS陆地表面温度数据重构方法研究.北京师范大学学报(自然科学版), 2015, 51(增刊I):70-76. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjsfdxxb2015z1011
    [10] 刘哲, 汪雪滢, 刘帝佑, 等.基于MODIS数据的黄淮海夏玉米高温风险空间分布.农业工程学报, 2018, 34(9):175-181. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=nygcxb201809021
    [11] 刘哲, 乔红兴, 赵祖亮, 等.黄淮海夏播玉米花期高温热害空间分布规律研究.农业机械学报, 2015, 46(7):272-279. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=nyjxxb201507039
    [12] 霍治国, 尚莹, 邬定荣, 等.中国小麦干热风灾害研究进展.应用气象学报, 2019, 30(2):129-141. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201902001
    [13] 张佳华, 姚凤梅, 李秉柏, 等.星-地光学遥感信息监测水稻高温热害研究进展.中国科学(地球科学), 2011, 41(10):1396-1406. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgkx-cd201110002
    [14] 宫丽娟, 李秀芬, 田宝星, 等.黑龙江省大豆不同生育阶段干旱时空特征.应用气象学报, 2020, 31(1):95-104. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb202001009
    [15] 杨建莹, 霍治国, 王培娟, 等.江西早稻高温热害发生时间分布特征.应用气象学报, 2020, 31(1):42-51. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb202001004
    [16] 豆玉洁.水稻高温热害遥感监测方法研究.杭州: 浙江大学, 2019.
    [17] 骆宗强, 石春林, 江敏.水稻高温热害预警监测与定量评估研究进展.江苏农业科学, 2016, 44(4):12-15. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jsnykx201604004
    [18] Zhu W B, Lu A F, Jia S F.Estimation of daily maximum and minimum air temperature using MODIS land surface temperature products.Remote Sens Environ, 2013, 130:62-73. http://www.sciencedirect.com/science/article/pii/S0034425712004221
    [19] 陈丽娟, 顾伟宗, 伯忠凯, 等.黄淮地区夏季降水的统计降尺度预测.应用气象学报, 2017, 28(2):129-141. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201702001
    [20] 陈怀亮, 刘玉洁, 杜子璇, 等.黄淮海地区植被生长季变化及其气候变化响应.应用气象学报, 2011, 22(4):437-444. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201104006
    [21] Wan Z, Dozier J.A generalized split-window algorithm for retrieving land-surface temperature from space.IEEE Trans Geosci Remote Sens, 1996, 34(4):892-905. doi:  10.1109/36.508406
    [22] Wan Z M.Collection-5 MODIS Land-Surface Temperature Products Users'Guide.Institute for Computational Earth System Science, 2006-09-15[2005-01-03].http://www.icess.ucsb.edu/modis/LstUsrGuide/MODIS_LST_products_Users_guide_C5.pdf.
    [23] 任义方, 赵艳霞, 王春乙.河南省冬小麦干旱保险风险评估与区划.应用气象学报, 2011, 22(5):537-548. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201105003
    [24] Goetz S J.Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site.Int J Remote Sens, 1997, 18(1):71-94. doi:  10.1080/014311697219286
    [25] Price J C.Using spatial context in satellite data to infer regional scale evapotranspiration.IEEE Trans Geosc Remote Sens, 1990, 28(5):940-948. doi:  10.1109/36.58983
    [26] 陈晓停, 曹兰杰, 汪金花.基于决策树的县域冬小麦种植面积提取.地理空间信息, 2018, 16(9):85-86;98;12. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dlkjxx201809026
    [27] 郭文茜.遥感和统计数据融合的冬小麦分布提取及其时空变化分析.北京: 中国农业科学院, 2018.
    [28] 刘红超, 梁燕, 张喜旺.多时相影像的冬小麦种植面积提取及估产.遥感信息, 2017, 32(5):87-92. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ygxx201705014
    [29] 郭昱杉, 刘庆生, 刘高焕, 等.基于MODIS时序NDVI主要农作物种植信息提取研究.自然资源学报, 2017, 32(10):1808-1818. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zrzyxb201710014
    [30] Jin M, Dickinson R E.Interpolation of surface radiative temperature measured from polar orbiting satellites to a diurnal cycle:1.Without clouds.J Geophys Res Atmos, 1999, 104(D2):2105-2116. doi:  10.1029/1998JD200005
    [31] Lu L, Venus V, Skidmore A, et al.Estimating land-surface temperature under clouds using MSG/SEVIRI observations.Int J Appl Earth Obs, 2011, 13(2):265-276. doi:  10.1016/j.jag.2010.12.007
    [32] 李德, 孙义, 孙有丰.淮北平原夏玉米花期高温热害综合气候指标研究.中国生态农业学报, 2015, 23(8):1035-1044. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stnyyj201508014
    [33] 吴玮, 景元书, 马玉平, 等.干旱环境下夏玉米各生育时期光响应特征.应用气象学报, 2013, 24(6):723-730. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201306009
    [34] 宋艳玲, 王建林, 田靳峰, 等.气象干旱指数在东北春玉米干旱监测中的改进.应用气象学报, 2019, 30(1):25-34. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201901003
    [35] 彭艳勤, 张天俊.淮阳县2016年夏玉米高温热害情况探析.农民致富之友, 2016(20):87. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=nmzfzy201620079
    [36] 王丽君.黄淮海平原夏玉米季干旱、高温的发生特征及对产量的影响.北京: 中国农业大学, 2018.
    [37] 尚莹, 霍治国, 张蕾, 等.土壤相对湿度对冬小麦干热风灾害发生的影响.应用气象学报, 2019, 30(5):598-607. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201905008
    [38] 赵晓丹, 孔箐锌, 沈娟, 等.浅析温度对玉米产量与质量的影响.农业工程技术, 2018, 38(29):72;74. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=nongygcjs201829050
  • 加载中
图(4) / 表 (3)
计量
  • 文章访问数:  168
  • HTML全文浏览量:  46
  • PDF下载量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-03-17
  • 修回日期:  2020-06-25
  • 刊出日期:  2020-10-27

目录

    /

    返回文章
    返回