基于Google Earth Engine和作物模型快速评估低温冷害对大豆生产的影响

• 作者: 张亮亮 张朝 曹娟 李子悦 陶福禄 骆玉川
• 来源期刊: 地理学报
• 关键词: 低温冷害 Google Earth Engine (GEE) CROPGRO-Soybean 大豆 减产率 有效积温距平值(CDD)
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 气候与生态环境
• 页码范围: 1879-1892
• 页数: 14页
• 语种: 中文
• DOI: 10.11821/dlxb202009005

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10m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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹娟	中国科学院地理科学与资源研究所	7	186	4.0	7.0
2	陶福禄	中国科学院地理科学与资源研究所	27	448	12.0	21.0
3	张朝	中国科学院地理科学与资源研究所	7	56	3.0	7.0
4	张亮亮	中国科学院地理科学与资源研究所	3	24	1.0	3.0
5	李子悦	中国科学院地理科学与资源研究所	2	0	0.0	0.0
6	骆玉川	中国科学院地理科学与资源研究所	1	0	0.0	0.0