本章附录简要介绍了CropWatch指标、空间单元和有关产量估算方法。对CropWatch指标、方法的详细介绍，请参阅http://www.cropwatch.com.cn中CropWatch在线资源部分。

CropWatch指标

CropWatch指标用来评估农业环境和农作物生长状况及变化。主要使用了两种指标对不同空间单元的作物长势进行分析：（i）农业环境指标——反映天气因素如降雨、温度和光合有效辐射对作物生长的潜在影响，通过潜在生物量来反映；（ii）农情遥感指标——描述作物的生长状况，如植被健康指数，耕地种植比率和最佳植被状态指数等。

其中，农业环境指标（降雨、温度、光合有效辐射）并非传统简单意义上的天气变量，而是在作物生长区内（包括沙漠和牧地）推算的增值指标，并依据农业生产潜力赋予了不同权重，因此适于作物种植区的农业环境分析。对所有指标，取值越高，指示环境条件有利于作物生长或作物生长状态越好。

注：CropWatch所使用环境指标和农情指标的原始产品都是基于像素的，但是环境指标都是基于其在CropWatch空间单元上的平均统计数据进行分析的。

CropWatch空间单元

CropWatch通报中使用了四类空间单元，国家、中国、作物主产区和制图报告单元。下面的表格里概要描述了各个空间单元，并给出了它们之间的关联关系。对空间单元和边界的详细描述，请参见CropWatch在线资源部分。

空间单元
中国
概述	描述
7个监测区	中国的7个监测区涵盖了国内玉米、水稻、小麦和大豆的主产省份（每个监测区所包含的省份在图中以颜色显示）。
国家（一级行政区，州和省等）
概述	描述
43个粮食主产国（含中国）涵盖了占世界粮油生产和出口80%以上的国家	Cropwatch按照占全球大宗粮油作物（玉米、水稻、小麦和大豆）生产和出口80%的标准选取了42个重点国家进行作物长势监测和产量预测。其中，一些国家由于临近中国（如乌兹别克斯坦和柬埔寨等国）、具有地理重要性以及与全球地理政治相关性（如包含了五个人口最多的非洲国家中的四个）等原因也被包括在内。监测国家的总数为‘41+1’，包括中国和其余41个国家。对于9个面积大国（加拿大，美国，巴西，阿根廷，俄罗斯，哈萨克斯坦，印度，中国和澳大利亚），CropWatch在其二级行政区划上（省/州级别）进行了分析，且同时对每个国家开展各个农业生态分区进行分析。对42个国家Cropwatch计算了每个国家的农业环境指标，用于各国的环境异常分析。各国的农业背景信息可在CropWatch网站（www.cropwatch.com.cn）上查阅。
作物主产区 (MPZ)
概述	描述
6个洲际农业主产区	6个农业主产区包括西非，南美，北美，南亚和东南亚，西欧和中欧到俄罗斯西部。这6个农业主产区的筛选是基于产量统计和玉米，水稻，小麦和大豆的种植面积分布确定的，是全球重要的农业生产区。
全球制图报告单元 (MRU)
概述	描述
65个农业生态单元	制图报告单元 (MRU)是遍布全球的农业生态单元，是描述全球范围的气候变化及其对作物生长的影响的基本空间单元。下图显示了各区域的代码和名称。部分生态区（如MRU63至MRU65）虽然没有CropWatch监测的作物，但是依然包括在内以保证全球覆盖的完整性。关于MRU的定义及详细信息，可访问CropWatch在线资源部分。

产量估算方法

CropWatch对产量的预测是基于去年的作物产量，通过对当年作物单产和面积相比于上一年变幅的计算，预测当年的作物产量。计算公式如下：

式中i代表关注年份，分别为当年单产和面积相比于上一年的变化比率。

对于31个粮食主产国，单产的变幅是通过建立当年的NDVI与上一年的NDVI时间序列函数关系获得。计算公式如下：

                                                            .

    式中和是当年和上一年经过作物掩膜后的NDVI序列空间均值。通过对比过去五年同期平均的NDVI值，利用当期NDVI判断作物长势情况。考虑各个国家不同作物的物候，可以根据NDVI时间序列曲线的峰值或均值计算单产的变幅。

中国地区作物种植面积和其他国家的作物种植面积估算方法有所不同。对于中国、美国和加拿大，通报基于CropWatch系统利用作物种植比例（播种面积/耕地面积）和作物种植结构（某种作物播种面积/总播种面积）对播种面积进行估算。其中，中国的耕地种植比率基于高分辨率的环境星（HJ-1 CCD）数据和高分一号（GF-1）数据由非监督分类获取，美国和加拿大的耕地种植比例基于MODIS数据估算（具体方法见CropWatch在线资源）；中国的作物种植结构通过GVG系统由田间采样获取，美国和加拿大的作物种植结构由主产区线采样抽样统计获取。通过农田面积乘以作物种植比例和作物种植结构估算不同作物的播种面积。

对于其他主产国的种植面积估算，我们引入耕地种植比率（CALF）的概念进行计算，公式如下：

    式中a,b为利用2002-2014年时间序列耕地种植比率（CALF）和2002-2017年FAOSTAT或各国发布的面积统计数据线性回归得到的两个系数，各个国家的耕地种植比率通过CropWatch系统计算得出。通过当年和去年的种植面积值计算面积变幅

作物病虫害遥感监测方法

本报告病虫害遥感监测引入了遥感与生境结合的技术，综合耕地数据、气象资料、生境信息、植保调查、作物长势、病菌增长模型、传播模型等，实现病虫害灾情的全方位大范围动态监测。针对不同病虫害类型构建不同的遥感监测模型，具体如下：

1）小麦条锈病

条锈病（Puccinia striiformis）的症状主要为在小麦叶片上形成黄色长条状或椭圆状的病斑，导致叶片枯黄、叶绿素含量及水分含量减少。本报告中涉及的小麦条锈病等级划分标准依据我国《小麦条锈病测报技术规范》（GB/T 15795‐2011），表1为小麦条锈病和发生程度分级标准。本报告中涉及的病害轻度等级参考表1中的级别1和级别2，中度等级参考表1中的级别3，重度等级参考表1中的级别4和级别5。

表 1 小麦条锈病发生程度分级指标

注：Y是病情指数，用于反映病害发生的严重程度，计算公式为Y=F*D*100，F是病叶率，D是病叶平均严重度。R是病田率，指发生病害的田块数占总田块的比率。

参考：http://doc.mbalib.com/view/2e0ae53c7f397af70deb37edb07c5a12.html

本报告首先基于文献调研和地面调查获取小麦条锈病菌源分布先验知识；然后基于植被衰减指数（Plant Senescence Reflectance Index，PSRI）（公式1）和红边植被胁迫指数（Red-edge Vegetation Stress Index, RVSI）（公式2）构建小麦条锈病光谱指数（Wheat Rust Index，WRI）（公式3），该指数综合考虑了作物长势、叶绿素含量及作物健康状态时序变化信息；最后综合考虑地表温度LST（MODIS产品）、降雨量及风向（气象数据）等生境信息，并结合往年同期的历史资料，构建灾情评估指数（Disease Index，DI）（公式4），评定小麦条锈病危害等级。式中，RR、RB和RNIR分别为红波段、蓝波段和近红外波段反射率；R712，R752和R732分别为712nm，752nm和732nm波长处的光谱反射率；LST为平均地表温度，LSTavg为往年同时期地表温度均值；R为平均降雨量，Ravg为往年同时期降雨量均值；W为风向。f和g基于地面调查样本回归分析构建。DI的取值范围为0~100%，当0 < DI ≤ 30%时，条锈病为轻度发生，30% < DI ≤ 60%时，条锈病为中度发生，DI > 60%时，条锈病为重度发生。

PSRI = (RR – RB) / RNIR                                    (1)

RVSI = ((R712 + R752) / 2) - R732                     (2)

WRI = f (ΔPSRI, ΔRVSI)                                      (3)

DI = g (WRI, LST - LSTavg, R - Ravg, W)           (4)

2）小麦赤霉病

赤霉病（Fusarium graminearum）的症状主要为损坏受影响组织的细胞完整性，导致细胞死亡和叶绿素的降低。本报告中涉及的小麦赤霉病等级划分标准依据我国《小麦赤霉病测报技术规范》（GB/T 15796‐2011），表2为小麦赤霉病发生程度分级标准。本报告中涉及的病害轻度等级参考表2中的级别1和级别2，中度等级参考表2中的级别3，重度等级参考表2中的级别4和级别5。

表 2 小麦赤霉病发生程度分级指标

注：Y是病穗率，指发病的小麦穗数占调查总穗数的比率，R是发病面积比率。

参考：https://www.taodocs.com/p-86284688.html

本报告首先基于文献调研和地面调查获取小麦赤霉病菌源分布先验知识；然后基于归一化植被指数（Normalized Difference Vegetation Index，NDVI）（公式5）和差异植被指数（Difference Vegetation Index, DVI）（公式6）构建小麦赤霉病光谱指数（Wheat Fusarium Head Blight Index，WFHBI）（公式7），该指数综合考虑了作物病穗光谱特征和冠层光谱特征及其时序变化信息；最后综合考虑作物生育期、地表温度LST（MODIS产品）及降雨量（气象数据）等生境信息，并结合往年同期的历史资料，构建灾情评估指数DI（公式8），评定小麦赤霉病危害等级。式中，G为小麦生育期。f和g基于地面调查样本回归分析构建。DI的取值范围为0~100%，当0 < DI ≤ 30%时，赤霉病为轻度发生，30% < DI ≤ 60%时，赤霉病为中度发生，DI > 60%时，赤霉病为重度发生。

NDVI = (RNIR – RR) / (RNIR + RR)                     (5)

DVI = RNIR - RR                                                   (6)

WFHBI = f (ΔNDVI, ΔDVI)                                     (7)

DI = g (WFHBI, G, LST – LSTavg, R - Ravg)        (8)

3）小麦纹枯病

纹枯病（Rhizotonia cerealis）病菌侵染小麦后，叶鞘四周出现褐色病斑，茎壁失水，导致养分、水分不足而枯死。本报告中涉及的小麦纹枯病等级划分标准依据我国《小麦纹枯病测报调查规范》（NY/T 614‐2002），表3为小麦纹枯病发生程度分级标准。本报告中涉及的病害轻度等级参考表3中的级别1和级别2，中度等级参考表3中的级别3，重度等级参考表3中的级别4和级别5。

表 3 小麦纹枯病发生程度分级指标

参考：https://max.book118.com/html/2017/0718/122811227.shtm

本报告首先基于文献调研和地面调查获取小麦纹枯病菌源分布先验知识；然后基于三角植被指数（Triangular Vegetation Index, TVI）（公式9）和归一化水分指数（Normalized Difference Water Index，NDWI）（公式10）构建小麦纹枯病光谱指数（Wheat Sheath Blight Index, WSBI）（公式11），该指数考虑了作物长势及其时序变化信息；最后综合考虑地表温度LST（MODIS产品）及降雨量（气象数据）等生境信息，并结合往年同期的历史资料，构建灾情评估指数DI（公式12），评定小麦纹枯病危害等级。式中，RG为绿波段反射率。f和g基于地面调查样本回归分析构建。DI的取值范围为0~100%，当0 < DI ≤ 30%时，纹枯病为轻度发生，30% < DI ≤ 60%时，纹枯病为中度发生，DI > 60%时，纹枯病为重度发生。

TVI = 0.5 (120 (RNIR - RG) -200 (RR - RG))                  (9)

NDWI = (RG – RNIR) / (RG + RNIR)                             (10)

WSBI = f (ΔTVI, ΔNDWI)                                               (11)

DI = g (WSBI, LST - LSTavg, R - Ravg)                        (12)

4）小麦蚜虫

小麦蚜虫（Sitobion avenae and Rhopalosiphum padi）吸食幼嫩或开始衰老的叶片、茎秆、嫩头的汁液，危害小麦的正常发育，且蚜虫排出的蜜露附着在叶表面，严重影响小麦叶片的光合作用，造成麦苗发黄枯死。本报告中涉及的小麦蚜虫等级划分标准依据我国《小麦蚜虫测报调查规范》（NY/T612‐2002），表4为小麦蚜虫发生程度分级标准。本报告中涉及的虫害轻度等级参考表4中的级别1和级别2，中度等级参考表4中的级别3，重度等级参考表4中的级别4和级别5。

表 4 小麦蚜虫发生程度分级指标

参考：http://www.doc88.com/p-7708315673411.html

本报告首先基于文献调研和地面调查获取小麦蚜虫虫源分布先验知识；然后基于NDVI和光化学植被指数（Photochemical Reflectance Index, PRI）（公式13）构建小麦蚜虫光谱指数（Wheat Aphid Damage Index, WADI）（公式14），该指数考虑了作物长势及其时序变化信息；最后综合考虑地表温度LST（MODIS产品）及降雨量（气象数据）等生境信息，并结合往年同期的历史资料，构建灾情评估指数（Pest Index，PI）（公式15），评定小麦蚜虫危害等级。式中，R531和R570分别为531nm和570nm波长处的光谱反射率。f和g基于地面调查样本回归分析构建。PI的取值范围为0~100%，当0 < PI ≤ 30%时，蚜虫为轻度发生，30% < PI ≤ 60%时，蚜虫为中度发生，PI > 60%时，蚜虫为重度发生。

PRI = (R531 - R570) / (R531 + R570)                   (13)

WADI = f (ΔNDVI, ΔPRI)                                        (14)

PI = g (WADI, LST - LSTavg, R - Ravg)                 (15)