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。

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
31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31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‘30+1’，包括中国和其余30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31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。
31个主产国农业分区
概述			描述
覆盖全球31个粮食主产国的148个子区域			基于耕作制度、气候分区以及地形条件综合判断，将全球31个粮食主产国分为148个子区域。每个国家单独进行考虑。有很小一部分区域（例如，区域001，区域031和区域122）与目前CropWatch系统监测的作物无关，但仍被包括在内，以更全面地覆盖31个粮食主产国。一些地区与牧场和牲畜的监测关联性较高，这对粮食安全也至关重要。

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，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-1CCD）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27个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2002-2014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。

病虫害等级划分

      本报告中涉及的病虫害等级划分标准综合参考了我国农业部发布的相关病虫害植保调查规范和病虫害评价技术规范等行业标准，以及遥感监测作物长势信息和生境特征等。

      就条锈病而言，依据我国《小麦条锈病测报调查规范》（GB/T15795-2011），其发生程度分级标准如表1所示。以该标准为田间调查依据，通过星地同步作物病害调查综合实验，获取地面调查数据和遥感观测数据。此外，本报告中涉及的小麦条锈病轻度等级参考为表1中的级别1和级别2，中度等级参考为表1中的级别3，重度等级参考为表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

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

      就小麦纹枯病而言，依据我国《小麦纹枯病测报调查规范》（NY/T614-2002），其发生程度分级标准如表2所示。以该标准为田间调查依据，通过星地同步作物病害调查综合实验，获取地面调查数据和遥感观测数据。此外，本报告中涉及的小麦纹枯病轻度等级参考为表2中的级别1和级别2，中度等级参考为表2中的级别3，重度等级参考为表2中的级别4和级别5。

表2 小麦纹枯病发生程度分级指标

参考：http://doc.mbalib.com/view/4c9d23d380f36d038af855fcdf089f93.html

      就小麦蚜虫而言，依据我国《小麦蚜虫测报调查规范》（NY/T612-2002），其发生程度分级标准如表3所示。以该标准为田间调查依据，通过星地同步作物病虫调查综合实验，获取地面调查数据和遥感观测数据。此外，本报告中涉及的蚜虫轻度等级参考为表3中的级别1和级别2，中度等级参考为表3中的级别3，重度等级参考为表3中的级别4和级别5。

表3 蚜虫发生程度分级指标