CropWatch Cloud

附录B：CropWatch指标、空间单元和产量估算方法速览附录

作者: Jingkangjian 编辑: zhuliang

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。

43个主要国家的农业生产区

总览

全球43个主要国家/地区的217个农业生产区

描述

根据种植系统，气候分区和地形条件，将43个主要农业国家划分为217个农业生产区。每一个国家单独考虑。有限数量的区域（例如，区域001，区域027和区域127）与当前由CropWatch监视的作物无关，但被包括在内以允许对43个主要国家进行更全面的覆盖。一些地区与牧场和牲畜监测更为相关，但这对于粮食安全也至关重要。

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。农情指标采用5年参考期（即2017-2021年），这为市场对供应变化的快速反应提供了条件。

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。

指标
指标类型/ 数据来源	单位/ 空间尺度	描述	简介和图例
潜在累积生物量
Biomass accumulation potential
农情指标/遥感数据	g DM/m2 /基于像素，也可进行空间单元统计	基于监测期内的降雨和温度条件，对研究区作物种植区内的累积潜在生物量的估计。	具有两种成图方式，即全球基于象元（0.25×0.25°）潜在生物量图，和基于CropWatch空间单元统计的潜在生物量图。该指数的变幅分析基于当前生长季值与近十多年同期平均值的差值进行，变幅以百分比表示。
耕地种植比率
Cropped arable land and cropped arable land fraction
农情指标/ 遥感数据	取值[0,1] /基于像素，也可进行空间单元统计	耕地种植比率是种植面积与总耕地面积的比值，基于NDVI计算。	通报的监测期为4个月，按每月两景影像计算，共8景影像用于每期的耕地种植判断。对于每个像素而言，只要四个月中有一景影像的值被判定为“耕种”，则该区为“种植区”；“未种植”意味着在监测期间没有一景探测到作物种植。该指数的变幅分析基于当前生长季与近五年同期平均值的差值进行，变幅以百分比表示。
复种指数
Cropping intensity Index
农情指标/遥感数据	取值[0，1，2，3] / 基于像素，统计一年内作物种植次数	一年内耕地利用程度，也是一年内所有作物各个生长季总种植面积与总耕地面积的比值	可以基于象元制作空间分布图，也可以按不同空间单元（作物主产区、31个国家和中国7大区域）进行统计所有象元的平均值；该指数的变幅分析基于当年与近五年平均值的差值进行，变幅以百分比表示。
NDVI归一化植被指数
Normalized Difference Vegetation Index
农情指标/遥感数据	取值 [0.12-0.90] / 基于像素，也可进行空间单元统计	对于绿色生物活力、长势的估计	在国家分析中采用了NDVI过程线图，图中绘制了更新至当前监测期的NDVI全国均值实时变化曲线，并与前年、近五年平均水平以及最大水平进行对比，以反映全区整体作物生长状况水平及变化过程。此外，也采用了距平聚类分析手段，绘制了NDVI的空间距平聚类图和与之对应的聚类过程线，用以分析作物长势的空间和时间变化规律。
CropWatch光合有效辐射指标
CropWatch indicator for PhotosyntheticallyActive Radiation（PAR）
环境指标/遥感数据	W/m2 /基于Cropwatch空间单元统计	光合有效辐射是太阳辐射中作物用于进行光合作用的部分。对于给定的CropWatch空间单元，光合有效辐射指标是在有作物种植的像元上依据生产力权重（多年平均潜在生物量）在监测期内进行加权累积计算得到。	该指数的变幅分析基于当前生长季值与近十多年同期平均值的差值进行，变幅以百分比表示。
CropWatch降雨指标
CropWatch indicator for rainfall
环境指标/遥感数据	Liters/m2, (升/ m2) /基于Cropwatch空间单元统计	对于给定的CropWatch空间单元，降雨指标是在有作物种植的像元上根据生产力权重（多年平均潜在生物量）在监测期内对降雨进行加权累积计算得到。	采用距平聚类分析手段，绘制了降雨的空间距平聚类图和与之对应的聚类过程线，用以分析研究区降雨变化的时空规律。该指数的变幅分析基于当前生长季值与近十四年同期平均值的差值进行，变幅以百分比表示。
CropWatch温度指标
CropWatch indicator for Air Temperature
环境指标/气象数据	℃ /Cropwatch空间单元统计	对于给定的CropWatch空间单元，温度指标是在有作物种植的像元上根据生产力权重（多年平均潜在生物量）在监测期内对气温进行加权累积计算得到。	采用距平聚类分析手段，绘制了温度的空间距平聚类图和与之对应的聚类过程线，用以分析研究区温度变化的时空规律。该指数的变幅分析基于当前生长季值与近十四年同期平均值的差值进行，变幅以百分比表示。
最佳植被状态指数
Maximum vegetation condition index（VCIx）
农情指标/遥感数据	取值>0 / 基于像素，也可进行空间单元统计	用于表述监测期内植被状况所处的历史水平。0表示作物状况和近十余年最差水平相同；1表示作物状况和近十余年最好水平相同；>1表示当前监测期作物状况超越历史最佳水平。	VCIx是根据监测期间与过去五年中同期的时间序列中NDVI值计算得出，该指标将监测期间的峰值NDVI与过去五年中同期的最大NDVI相比较。最佳植被状况指数（VCIx）表现为基于像素的函数。CWSU显示为平均水平。

植被健康指数
Vegetation health index（VHI）
农情指标/遥感数据	基于像素的像元值	VHI是植被状况指数和温度状态指数的加权平均。VHI基于高温对作物生长不利的假设，而忽略了低温条件对作物生长的负面影响。	植被健康指数的低值表示作物生长状况受到胁迫。在洲际作物主产区采用了距平聚类分析手段，绘制了VHI的空间距平聚类图和与之对应的聚类过程线，用以分析作物生长状况的空间和时间变化规律。
最小植被健康指数
Minimum Vegetation health index（VHIn）
农情指标/遥感数据	取值[0, 100]/基于像素的像元值	VHIn是监测期内每个像元的最小VHI值，一般VHIn值小于35表示作物长势不佳。	VHIn的低值表示作物生长受到旱情影响，往往反应监测期降水量低于平均水平。在作物主产区尺度上，VHIn的空间分辨率为4km，按周统计；在中国尺度上，VHIn的空间分辨率为1km，按旬统计。

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
42+1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43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‘42+1’，包括中国和其余42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。对43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
105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43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为利用时间序列耕地种植比率（CALF）和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。