近日，北京师范大学国家安全与应急管理学院张朝教授团队在《Earth System Science Data》和《Environmental Research Letters》发表了关于提取我国三大农作物物候和种植信息的文章，首次提出了一套我国三大粮食作物的制图方法，建立了2000-2015年中国三大粮食作物（玉米、小麦和水稻）的1km物候和种植信息数据集。
“全国三大作物种在哪？”“种了多少？”“关键物候何时出现？”这些重要信息是精准掌握我国主要粮食作物生产状况和生产能力的前提基础，也是气候变化影响评估和适应研究的基础，更是进行大范围的农业系统建模的数据基础。只有获取了这些重要信息才能制定科学的宏观农业政策，地方政府也才能具体指导农业生产实际。
张朝教授团队结合物候和农田轮作模式等重要信息首次提出了一套自动、高效的我国三大粮食作物的制图方法，可望应用于其它地区。首次建立了中国三大粮食作物物候和种植信息数据集，作为数据基础已经推动了区域农业估产、格点作物模型模拟等研究的顺利开展。
该研究首次提出了一套自动、高效、长时间尺度的我国三大粮食作物的制图方法，相比常用的监督分类方法，本研究无需训练样本，且避免了复杂的分类规则；首次绘制了2000-2015年我国三大粮食作物物候和种植图，并公开发表了这套信息数据集（ChinaCropPhen1km、ChinaCropArea1km），已经为第一次全国自然灾害农作物综合风险普查提供了承灾体暴露数据。
研究方法
首先利用农业气象站长期观测的物候记录，了解各作物三个关键物候期所对应的大致日期和生长季的峰值个数等特征，将全国划分成不同的作物轮作模式。然后，根据作物物候曲线特征定义了每种作物的三个关键物候期的拐点和峰值，结合拐点法和阈值法识别出LAI特征曲线对应的拐点和峰值，从而作为遥感提取的关键物候信息。再将中国土地利用现状遥感监测数据的旱地层和水田层分别用于提取旱地作物（玉米、小麦）和水稻，并根据每种作物定义的三个关键物候期能同时提取出来的条件确定作物的种植格点。例如，对于某格点，若冬小麦的返青期、抽穗期和成熟期能同时提取出来，就将它认作冬小麦的种植格点。对于某些省份作物种植系统复杂（如中国北方的春玉米易与其它春季植被混淆），研究通过设置LAI最大值的阈值法来移除误分的作物种植格点。具体流程如图1和图2所示。
图1 物候提取流程图
图2 种植信息提取流程图
重要结果
三种作物的物候期提取精度（均方根误差，RMSE）均小于10天，提取的面积与县级统计年鉴记录对比，决定系数R2均大于0.8并且RMSE低于12Kha，总体精度较高（图3、图4）。
图3 遥感提取面积与县级统计年鉴记录对比精度（2008年）
图4 遥感提取面积与县级统计年鉴记录对比精度（2008年）
根据作物生长发育条件差异将研究区划分为了不同的分区，探讨了各种作物关键物候期的时空格局（图5）。水稻主要广泛分布在东北平原、长江中下游平原、四川、云贵高原梯田和珠江三角洲。小麦的分布更为集中，主要在华北平原和四川。相比于水稻和小麦，玉米的分布横跨整个中国，包括东北、华北和西南地区。
图5 2000-2015年三种作物关键物候期时空格局：a) 水稻；b) 小麦；c)玉米
此外，研究也分析了作物面积的时间变化趋势（图6 a1-a3），并按省汇总了具有显著性趋势的格点（图6 b1-b3）。对于水稻，北方水稻面积显著增加而南方水稻面积下降。玉米主产区的面积都出现了大幅提升的趋势。全国小麦面积总体呈下降趋势，但主产区除外。研究揭示的三大作物时空分异特征与人为、作物生理、以及社会经济等因素密不可分，例如城市化、南方作物种植强度下降、全球变暖带来的灾害频发、北方和西南地区大量农田撂荒及国家政策（如东北地区补贴玉米种植导致玉米耕地大量替代小麦地）等等。
图6 三大作物在省级尺度上的时间变化趋势
文章1：ChinaCropPhen1km: a high-resolution crop phenological dataset for three staple crops in China during 2000–2015 based on leaf area index (LAI) products，链接为https://essd.copernicus.org/articles/12/197/2020/
文章2：Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources，链接为 https://iopscience.iop.org/article/10.1088/1748-9326/ab80f0