遙感和作物模型技術(shù)耦合現(xiàn)狀和發(fā)展趨勢(shì)

張德權(quán) 杜崇 龐超 徐新宇

(黑龍江大學(xué)水利電力學(xué)院，黑龍江 哈爾濱 150080)

前言

中國是世界產(chǎn)糧大國，通過糧食作物生長監(jiān)測(cè)及產(chǎn)量預(yù)測(cè)對(duì)我國的糧食安全和農(nóng)業(yè)產(chǎn)品的管理有著重要意義[1]。隨著國內(nèi)外遙感技術(shù)發(fā)展的不斷完善與成熟，將遙感與作物模型兩者優(yōu)勢(shì)相結(jié)合的研究已成為國內(nèi)外的研究熱點(diǎn)[2]。

遙感，通過使用空間遙感技術(shù)來滿足農(nóng)業(yè)上的各種需求[3]。監(jiān)測(cè)在農(nóng)作物方面的研究也因?yàn)檫b感技術(shù)的迅速發(fā)展有了明顯提高，也在許多學(xué)科領(lǐng)域方面如農(nóng)業(yè)有著廣泛的應(yīng)用[4]。遙感技術(shù)的快速發(fā)展讓人們可以全天候觀測(cè)，從多方位、多角度進(jìn)行，遙感技術(shù)的優(yōu)點(diǎn)包括獲取信息迅速且信息量大、準(zhǔn)確性高、涵蓋的地物范圍大等優(yōu)點(diǎn)[5]。作物模型，在20世紀(jì)中葉，隨著作物生長動(dòng)力學(xué)以及作物生長機(jī)理的不斷研究，研究人員用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)了對(duì)作物生長機(jī)理的數(shù)學(xué)描述，世界上各個(gè)國家開始了對(duì)作物模型的開發(fā)工作[6]。

我國農(nóng)作物的研究起步較晚，所以發(fā)展還不夠先進(jìn)，研究的技術(shù)和科研力量不夠強(qiáng)大和先進(jìn)，但隨著我國對(duì)作物模型的不斷深入研究，開始應(yīng)用作物模型對(duì)北方地區(qū)的農(nóng)作物進(jìn)行模擬，確定模型參數(shù)，結(jié)合遙感技術(shù)，對(duì)農(nóng)作物進(jìn)行估產(chǎn)。同時(shí)該模型在農(nóng)業(yè)氣象學(xué)是被廣泛使用且發(fā)展在前列的，對(duì)作物產(chǎn)量的預(yù)測(cè)和風(fēng)險(xiǎn)分析、農(nóng)業(yè)生產(chǎn)的決策和管理等方面都具備了十分突出的科學(xué)性和技術(shù)優(yōu)點(diǎn)[7]。趙艷霞[8]等將CERES-Wheat模型與MODIS數(shù)據(jù)耦合，提高了估算小麥產(chǎn)量的準(zhǔn)確度[9]。陳勁松[10]使用HJ-1A/B衛(wèi)星數(shù)據(jù)獲得水稻的LAI，與作物模型結(jié)合，通過耦合LAI有效提升估產(chǎn)的準(zhǔn)確率。

本文通過CiteSpace軟件對(duì)中國知網(wǎng)(CNKI)所檢索到的文獻(xiàn)分析遙感技術(shù)和作物模型耦合的研究現(xiàn)狀和發(fā)展趨勢(shì)。

1 研究方法與數(shù)據(jù)來源

文獻(xiàn)計(jì)量工具CiteSpace軟件通過學(xué)科相關(guān)領(lǐng)域的文獻(xiàn)發(fā)文量與文獻(xiàn)相關(guān)度[11]，探究多個(gè)領(lǐng)域的深度合作研究[12]。本文將采用CiteSpace軟件，對(duì)中國知網(wǎng)(CNKI)可檢索到的文獻(xiàn)通過文獻(xiàn)統(tǒng)計(jì)量和知識(shí)圖譜可視化映射的方法對(duì)其研究[13]。以中國知網(wǎng)中的文獻(xiàn)和期刊的發(fā)文量、關(guān)鍵詞共現(xiàn)、作者、研究前景和展望為遙感和作物模型耦合提供研究參考價(jià)值[14]。

本文通過中國知網(wǎng)(CNKI)數(shù)據(jù)庫，選擇高級(jí)檢索主題是遙感，篇關(guān)摘是作物模型，共計(jì)545篇，存在外文圖書本文不做分析，處理之后523篇。時(shí)間跨度為1989—2021年。

2 結(jié)果與分析

2.1 發(fā)文量分析

圍繞遙感和作物模型耦合研究的發(fā)文量上分析可以分為3個(gè)階段，分別為初步探索階段、快速增長階段、持續(xù)發(fā)展階段，見圖1。在1989—2003年呈初步研究階段，發(fā)文數(shù)量呈起步增加平緩態(tài)勢(shì)，在2011年文獻(xiàn)發(fā)表量呈現(xiàn)逐年上升趨勢(shì)，在2015年文獻(xiàn)發(fā)文量呈現(xiàn)持續(xù)發(fā)展態(tài)勢(shì)[15]，如圖1所示。

圖1 CNKI數(shù)據(jù)庫關(guān)于遙感和作物模型耦合發(fā)文量

2.1.1 第1階段(1989—2003年)

這一階段為初步探索階段。國內(nèi)外建立了大量的作物生長模型能夠模擬當(dāng)下的生產(chǎn)力水平，但是由于我國研究處在初步探索階段，即使有完善的作物生長模型理論，但很難真實(shí)地模擬出田間作物實(shí)際產(chǎn)量，農(nóng)業(yè)生長環(huán)境取決于當(dāng)時(shí)的科技水平，由于其科技發(fā)展落后，導(dǎo)致其生長環(huán)境存在脆弱性和生產(chǎn)特殊性，使得整個(gè)生產(chǎn)過程存在許多風(fēng)險(xiǎn)和不確定性，其中以氣象條件為首要風(fēng)險(xiǎn)因素[16]，這些因素在模型中難以預(yù)測(cè)，僅僅只能通過分析和系統(tǒng)推理，很難在構(gòu)建模型時(shí)考慮在內(nèi)；由于當(dāng)時(shí)測(cè)量某一地區(qū)的參數(shù)缺失以及氣候、土壤的空間差異性也存在一定程度上的影響，要想準(zhǔn)確、真實(shí)地模擬某一地區(qū)的實(shí)際作物產(chǎn)量，很難運(yùn)用作物模型和遙感技術(shù)的耦合來真實(shí)的反映出來，只能通過實(shí)地觀測(cè)和考察來獲得[17]。

2.1.2 第2階段(2004—2012年)

這一階段為快速增長的階段。隨著航天衛(wèi)星科學(xué)不斷深入發(fā)展，我國衛(wèi)星技術(shù)具備了迅速、準(zhǔn)確、高效的特點(diǎn)，更多的科研人員將遙感技術(shù)和作物模型更好的相結(jié)合，農(nóng)作物估產(chǎn)成為遙感技術(shù)中一個(gè)重要的課題。由于衛(wèi)星遙感技術(shù)空間分辨率、時(shí)間分辨率等一些技術(shù)上的問題沒有攻克，地表和作物群體能被反映出來，但作物生長和產(chǎn)量規(guī)模、作物的生長情況和生長環(huán)境、作物與作物之間的內(nèi)在機(jī)制等用遙感技術(shù)無法表明[18]。之后的科學(xué)技術(shù)發(fā)展過程中，衛(wèi)星遙感技術(shù)的難題慢慢得到了解決。

2.1.3 第3階段(2013—2021年)

這一階段為持續(xù)發(fā)展階段。由于衛(wèi)星遙感技術(shù)和作物模型敏感參數(shù)的不斷完善，為提高作物模型和遙感數(shù)據(jù)的耦合效果，需要對(duì)模型參數(shù)進(jìn)行敏感性分析[19]。加之我國對(duì)農(nóng)業(yè)領(lǐng)域的重視程度不斷加強(qiáng)，近幾年，高分變率的衛(wèi)星快速發(fā)展為農(nóng)業(yè)科研領(lǐng)域的精細(xì)化提供了技術(shù)手段和發(fā)展方向[20]，使得遙感技術(shù)和作物模型的耦合更加的科學(xué)和完善。

2.2 關(guān)鍵詞分析

基于CNKI數(shù)據(jù)庫中1989—2021年發(fā)表的估產(chǎn)文章，分別從頻數(shù)(Count)和中心性(Centrality)2個(gè)角度對(duì)共現(xiàn)關(guān)鍵詞進(jìn)行排序，統(tǒng)計(jì)出排名前10位高頻關(guān)鍵詞和高中心性詞的關(guān)鍵詞如表1所示，“遙感”、“估產(chǎn)”、“作物模型”等關(guān)鍵詞和中心性排名靠前，表明這些詞匯研究熱度高、研究技術(shù)完善、體系成熟，并且與其他領(lǐng)域能夠有很好的結(jié)合，作為新的研究方向。通過對(duì)關(guān)鍵詞共現(xiàn)知識(shí)圖譜，見圖2，高頻關(guān)鍵詞及中心性表，見表1，分析得出，關(guān)鍵詞詞頻最高的是“遙感”(143)，中心性0.69；其次關(guān)鍵詞詞頻是“估產(chǎn)”(60)，中心性0.03；之后關(guān)鍵詞詞頻是“冬小麥”(56)，中心性是0.20。表明遙感和作物模型耦合中遙感的詞頻最高并且中心性占比很大，遙感和作物模型耦合中，在冬小麥的領(lǐng)域中應(yīng)用廣泛。我國是農(nóng)業(yè)大國，冬小麥?zhǔn)俏覈饕募Z食作物之一，其播種面積占我國糧食總播種面積的1/5，在遙感和作物模型耦合，用來大面積的推廣冬小麥作物估產(chǎn)得到了實(shí)現(xiàn)，可以準(zhǔn)確的對(duì)冬小麥進(jìn)行估產(chǎn)。“作物”也成為了高中心性和高頻性關(guān)鍵詞，表明在作物模型研究中，其他作物的研究在不斷深入?！坝衩住钡年P(guān)鍵詞詞頻為15，中心性為0.02，基于作物模型和遙感技術(shù)的耦合，表明在玉米的作物估產(chǎn)研究中前景廣泛，未來研究在玉米、大豆等農(nóng)作物作物估產(chǎn)中會(huì)更加準(zhǔn)確。

表1 CNKI數(shù)據(jù)庫中的主要高頻關(guān)鍵詞及中心性表

2.3 研究核心議題

關(guān)鍵詞聚類圖譜是通過共被引耦合分析自動(dòng)提取關(guān)鍵詞，自動(dòng)生成聚類標(biāo)簽，見圖3。通過聚類模塊值Modularity(Q值)與聚類平均輪廓值Mean Silhouette(S值)2個(gè)指標(biāo)，來判斷聚類耦合程度。通常Q>0.3表明聚類結(jié)構(gòu)優(yōu)異，S>0.5表示聚類合理，S>0.7表示聚類結(jié)果滿意。本文采用的是對(duì)文獻(xiàn)以關(guān)鍵詞為對(duì)象進(jìn)行聚類標(biāo)簽，顯示聚類模塊值Q=0.6663，表示聚類劃分合理；聚類平均輪廓值為S=0.844，表示聚類結(jié)果滿意，主題明確。如圖2表示，遙感技術(shù)和作物模型耦合的研究領(lǐng)域中，主要議題為“估產(chǎn)”、“gis”、“冬小麥”、“作物模型”、“模型”、“作物產(chǎn)量”、“估產(chǎn)模型”、“蒸散發(fā)”、“土壤水分”、“作物長勢(shì)”。聚類序號(hào)靠前的表示改聚類的規(guī)模較大，包含的文獻(xiàn)發(fā)文量多，根據(jù)圖3可以看出，聚類模型分類區(qū)域模型重合區(qū)域較大，表明各個(gè)領(lǐng)域相融、互通，但似乎及疊加的區(qū)域大小還是存在一定差異，“估產(chǎn)”、“作物模型”、“冬小麥”、“蒸散發(fā)”疊加區(qū)域較為緊密，表明研究領(lǐng)域互通，發(fā)文量圍繞這些熱點(diǎn)領(lǐng)域較多；“土壤水分”與“估產(chǎn)模型”相疊加區(qū)域較為狹小，表明“土壤水分”和“估產(chǎn)模型”相互聯(lián)系較少，研究領(lǐng)域獨(dú)立。

圖2 CNKI數(shù)據(jù)庫中估產(chǎn)文獻(xiàn)關(guān)鍵詞共現(xiàn)分析圖

進(jìn)一步統(tǒng)計(jì)各個(gè)聚類標(biāo)簽的相關(guān)指標(biāo)，見表2，前9位的聚類標(biāo)簽包含的節(jié)點(diǎn)數(shù)量均在10個(gè)以上，緊密程度最大值為0.985，最小值為0.837，表明聚類總體效果較好。節(jié)點(diǎn)的個(gè)數(shù)表示當(dāng)前研究熱度，緊密程度表示其內(nèi)部關(guān)聯(lián)較為密切，標(biāo)簽#6“估產(chǎn)模型”的緊密程度為0.985，表明文獻(xiàn)高度緊密的圍繞“估產(chǎn)模型”開展研究，與圖3中的估產(chǎn)模型區(qū)域內(nèi)部點(diǎn)數(shù)多相呼應(yīng)。

圖3 關(guān)鍵詞聚類圖譜

表2 關(guān)鍵詞聚類表

2.4 關(guān)鍵詞突顯分析

將關(guān)鍵詞共線分析中所出現(xiàn)的關(guān)鍵詞進(jìn)行突顯分析，能夠更加明確地看見關(guān)鍵詞在各個(gè)時(shí)間段的研究熱點(diǎn)，并且能夠發(fā)現(xiàn)當(dāng)下的研究熱點(diǎn)，見圖4。通過CiteSpace軟件對(duì)中國知網(wǎng)的文獻(xiàn)進(jìn)行關(guān)鍵詞年限分析，時(shí)間跨度為1989—2021年，時(shí)間分區(qū)為1a，其他參數(shù)均為默認(rèn)值，其中冬小麥、衛(wèi)星圖像、四維變分的研究時(shí)間跨度較長，2003年后，由于衛(wèi)星圖像的快速、準(zhǔn)確，使得遙感領(lǐng)域得到了快速的發(fā)展。當(dāng)前研究熱點(diǎn)是通過無人機(jī)手段，通過無人機(jī)技術(shù)可以更加高效精準(zhǔn)的采集數(shù)據(jù)，將衛(wèi)星遙感數(shù)據(jù)和作物模型相結(jié)合，使得作物估產(chǎn)更加精確。

圖4 關(guān)鍵詞突顯圖

關(guān)鍵詞突變時(shí)區(qū)圖見圖5，是將關(guān)鍵詞出現(xiàn)的年份以時(shí)間軸的形式表示出來，可以清楚表明當(dāng)前研究熱點(diǎn)領(lǐng)域的關(guān)鍵詞其各個(gè)時(shí)區(qū)研究相關(guān)性。橫軸表示研究時(shí)間線，圓圈大小面積表示發(fā)文數(shù)量，曲線表示關(guān)鍵詞之間的相關(guān)性。

最初估產(chǎn)和分辨率隨著科技的發(fā)展與遙感衛(wèi)星分辨率更加準(zhǔn)確，將衛(wèi)星遙感與估產(chǎn)模型相結(jié)合，模型更加完善，數(shù)據(jù)庫數(shù)據(jù)更加完整，但是不能將實(shí)地作物的客觀條件加入到模型中。將土壤水分植被指數(shù)添加到模型當(dāng)中，研究冬小麥的文獻(xiàn)量較多。建立作物模型，因?yàn)橛型寥浪趾托l(wèi)星遙感技術(shù)分辨率更加清晰的條件下，建立作物模型，通過作物模型和遙感模型相耦合，達(dá)到作物估產(chǎn)的目的。從圖5可以明顯看出，“遙感”、“冬小麥”、“作物模型”、“數(shù)據(jù)同化”研究領(lǐng)域火熱，發(fā)文量較多，相關(guān)性較為緊密，與本文所要敘述的遙感技術(shù)和作物模型耦合主題貼切。

圖5 關(guān)鍵詞突變時(shí)區(qū)圖

2.5 作者合作網(wǎng)絡(luò)分析

科研作者研究是推動(dòng)學(xué)科領(lǐng)域建設(shè)核心力量，因此有必要對(duì)科研作者合作網(wǎng)絡(luò)進(jìn)行分析?？梢园l(fā)現(xiàn)領(lǐng)域內(nèi)作者的社會(huì)人際關(guān)系，并繪制圖表，見圖6。有440個(gè)節(jié)點(diǎn)，529個(gè)連線，網(wǎng)絡(luò)密度為0.0055。作者合作圖譜中，作者的發(fā)文量數(shù)量可通過圓圈面積表示，作者之間的合作可用節(jié)點(diǎn)之間的連線密度表示，圖6可看出，中心性的大小差異，表明作者間的相互合作的頻率，中心性大，表明合作愈加密切。

從作者發(fā)文量研究，“劉正春”、“劉育孜”、“劉小惠”3位研究學(xué)者節(jié)點(diǎn)最大，表明發(fā)文量最多。其中，劉正春發(fā)文量為34篇，劉育孜發(fā)文量為33篇，劉小惠發(fā)文量為33篇，崔珍發(fā)文量為27篇，徐占軍發(fā)文量為25篇，見表3。劉正春、王超、賀鵬等成為通過gis和遙感技術(shù)研究的核心作者群；曲維榮、劉育孜等成為基于遙感衛(wèi)星和模型預(yù)測(cè)研究農(nóng)作物面積的核心作者群，研究作者們?yōu)檫b感技術(shù)和模型耦合方面作出了很大貢獻(xiàn)。從圖6可以看出，不同團(tuán)隊(duì)之間的聯(lián)系較為薄弱，應(yīng)該加強(qiáng)不同團(tuán)隊(duì)、不同核心作者之間的深入合作，深入交流，這樣遙感技術(shù)和作物模型等各個(gè)領(lǐng)域之間都會(huì)得到不同程度的發(fā)展。

表3 1989—2021年主要作者發(fā)文量及其機(jī)構(gòu)分析表

圖6 1989—2021年遙感和作物模型耦合研究領(lǐng)域作者

3 結(jié)論與討論

本文從1989—2021年在中國知網(wǎng)(CNKI)數(shù)據(jù)庫中有關(guān)遙感技術(shù)和作物模型研究的523篇論文為研究對(duì)象，借助CiteSpace軟件進(jìn)行數(shù)據(jù)可視化，研究了當(dāng)前遙感技術(shù)和作物模型研究的現(xiàn)狀和未來發(fā)展趨勢(shì)，結(jié)論如下。

1989—2003年遙感技術(shù)和作物模型同化發(fā)文量較少，2011—2021年10a間發(fā)文趨勢(shì)呈總體增長態(tài)勢(shì)，發(fā)文量較多，平均每年為38篇，主要核心發(fā)文量作者為劉正春、劉育孜等作者，研究主題為遙感技術(shù)和作物模型同化，以冬小麥和農(nóng)作物面積為研究對(duì)象開展研究，體現(xiàn)出遙感技術(shù)和作物模型與其他領(lǐng)域的綜合性和交叉性。國內(nèi)發(fā)文量明顯增加，表明我國農(nóng)業(yè)技術(shù)、衛(wèi)星遙感技術(shù)逐步走向強(qiáng)大，加強(qiáng)我國農(nóng)業(yè)遙感技術(shù)和國外技術(shù)相互交流與合作。

“遙感”、“估產(chǎn)”、“冬小麥”、“數(shù)據(jù)同化”等關(guān)鍵詞出現(xiàn)頻率最高，遙感技術(shù)和作物模型同化中對(duì)冬小麥研究和對(duì)農(nóng)作物估產(chǎn)研究較為集中。利用作物估產(chǎn)模型和遙感技術(shù)反演通過代價(jià)參數(shù)、優(yōu)化算法，找出最優(yōu)化參數(shù)建立出的模型以達(dá)到產(chǎn)量預(yù)測(cè)。

隨著我國科技和經(jīng)濟(jì)的快速發(fā)展，北斗衛(wèi)星等通信技術(shù)的更新與廣泛使用，遙感技術(shù)不斷成熟的背景下，遙感技術(shù)結(jié)合作物模型同化模擬作物等先進(jìn)手段，將一塊區(qū)域分割成各個(gè)小點(diǎn)來研究作物，并結(jié)合“3s”技術(shù)進(jìn)行作物研究，將作物模型完善運(yùn)用到除冬小麥研究以外的玉米、大豆、花生等其他作物的研究成為近幾年來的研究熱點(diǎn)和趨勢(shì)。