基于遥感数据的江苏省水稻收获期时空分析研究.pdf

第43卷第4期2023年8 月朱晓晨，李强宇，曾燕，等.基于遥感数据的江苏省水稻收获期时空分析研究.气象科学，2 0 2 3,43（4）：534-542.ZHU Xiaochen,LI Qiangyu,ZENG Yan,et al.Spatial and temporal analysis of rice harvesting period in Jiangsu Province based onremote sensing data.Journal of the Meteorological Sciences,2023,43(4):534-542.基于遥感数据的江苏省水稻收获期时空分析研究气象科学Journal of the Meteorological SciencesVol.43,No.4Aug.,2023朱晓晨2 李强宇12 曾燕34.5（1南京信息工程大学应用气象学院，南京2 10 0 44；2 江苏省农业气象重点实验室，南京2 10 0 44；3中国气象局交通气象重点开放实验室，南京2 10 0 41；4江苏省气象科学研究所，南京2 10 0 41；5南京气象科技创新研究院，南京2 10 0 41；6 宁夏回族自治区吴忠市气象局，宁夏吴忠7 51199)摘要本研究基于2 0 0 12 0 2 0 年中分辨率成像光谱仪遥感产品，使用谐波分析重建完整作物生长过程植被指数变化曲线，对江苏省范围内水稻种植区域的收获期进行提取。同时利用Sen趋势分析与相关分析方法，研究水稻收获期时空动态变化趋势与影响因子。结果表明：利用谐波分析方法能够较好地重建作物生长期生理参数变化曲线，滤波值与原始值线性相关系数达到0.8；水稻收获期分布在9月中旬到12 月上旬之间，2 0 10 年之后，10 月中下旬之后占比增加，达到50%以上；部分地区水稻收获期呈现延迟趋势，南京北部、扬州、盐城北部地区为3da及以上，泰州、南通等地区保持稳定，趋势绝对值低于1da;911月降水日数与降水量均对水稻收获期有影响，10月降水量与收获期存在负相关,10、11月降水日数与收获期存在正相关。本研究的基于遥感的水稻收获期提取方法为大范围的水稻农业物候信息提取提供参考。关键词水稻；谐波分析；MOD09GA；增强植被指数；标准水体指数分类号：P49doi:10.12306/2022jms.0018Spatial and temporal analysis of rice harvesting period inJiangsu Province based on remote sensing dataZHU Xiaochen-2 LI Qiangyul-2 Z(1 School of Applied Meteorology,Nanjing University of Information Science&Technology,Nanjing 210044,China;2 Jiangsu Key Laboratory of Agricultural Meteorology,Nanjing 210044,China;3 Key Laboratory of Transportation Meteorology,China Meteorological Administration,Nanjing 210041,China;4 Jiangsu Institute of Meteorological Sciences,Nanjing 210041,China;5 Nanjing Joint Institute for Atmospheric Sciences,Nanjing 210041,China;6 Wuzhong Meteorological Bureau of Ningxia Hui Autonomous Region,Ningxia Wuzhong 751100,China)Abstract Based on MODIS remote sensing products from 2001 to 2020,a complete crop growthprocess vegetation index change curve was reconstructed by using harmonic analysis to extract the harvestperiod of rice-growing areas within Jiangsu Province.By using the Sen trend analysis and correlationanalysis methods,the spatial and temporal dynamics of the rice harvesting period were studied in terms oftrends and influencing factors.Results show that the harmonic analysis method is able to reconstruct thechange curves of physiological parameters of the crop during the growing period,and the filtered valuesreach a linear correlation of 0.8.The rice harvesting period is distributed between mid-September andearly December,and after 2010,moreover,the proportion increases after mid-to-late October,reaching收稿日期（Received）：2 0 2 1-11-0 8；修改稿日期（Revised）：2 0 2 2-0 4-12基金项目：国家重点研发计划资助项目（2 0 19YFB2102003）；国家自然科学基金青年科学基金资助项目（418 0 50 49）；江苏省研究生科研创新资助计划（KYCX21_0979通信作者（Corresponding author）：曾燕（ZENG Yan），j l z e n g y a n s i n a.c o m董恒鑫1.2 祝嗣塬6文献标识码：AZENG Yan 3.4.LDONG Hengxin.2ZHU Siyuan4期more than 50%.The rice harvest period in some areas shows a delayed trend,with 3 days/year and morein northern Nanjing,Yangzhou,and northern Yancheng,but remaining stable in Taizhou and Nantong,where the absolute value of the trend is less than 1 day/year.Both the precipitation days and theprecipitation amount from September to November affects the rice harvest period,with a negativecorrelation between precipitation and harvest period in October and a positive correlation betweenprecipitation days and harvest period in October and November.The findings of the study can providesupport for the extraction and analysis of agrometeorological information on rice on a large scale.Key words rice;harmonic analysis;MODO9GA;enhanced vegetation index;LSWI相关系数达到0.8 以上，精度较高。引言本研究利用2 0 0 1一2 0 2 0 年MODIS-MOD09GA江苏是南方最大的稻种植省，根据2 0 2 0 年遥感产品数据，通过时间谐波分析去除云影、气溶中国统计年鉴数据，江苏省水稻的种植面积截至胶等的影响,然后利用基于增强植被指数与水体指2019年已经达到了2 18 4.3千公项，水稻年产量为数的综合变化率的极值确定水稻收获期，最后开展1959.6万吨，居于全国第五位。全省收获期的江苏省水稻种植区的收获期信息提取和水稻收获空间分布对各地区机械化水稻收获资源调配具有期时空动态变化趋势分析。重要作用,此外还对政府制定水稻品种引种具有辅1石研究区及数据源助决策作用2 。利用遥感数据，能够实现大范围作物生育状态监测，相比于其他方法更加及时和准确,因此开展基于长序列遥感数据的作物生育期监测具有重要意义。早期研究基于高分辨率辐射计（AdvancedVeryHigh Resolution Radiometer，A VH RR）成功开展水稻种植区识别3、干旱监测4、植被监测5 及海温分析6 等应用，然而该传感器存在分辨率过低、红光通道过饱和的特点7 ，导致计算植被指数出现地面配准困难等问题8 。Terra和Aqua两颗卫星搭载“中分辨率成像光谱仪”（ModerateResolutionImaging Spectroradiometer，M O D IS），该传感器对于地面大气校正做出专门改进，能够提升地面物体定量遥感精度9-10 。另外遥感观测受到地面云影响巨大，同时云影、气溶胶等均会导致遥感图像质量下降 。通过时间滤波，可以实现对于缺失或者异常的修正，常用的算法有：萨维茨基一戈雷（SavitzkyGolay，S-G）滤波12 、双重对数（Double Logistic,DL)算法13、惠特克平滑器等14。针对遥感产品的地区差异采用不同的滤波方法，遥感影像图像改善的程度出现区别。ZHOU,et al15 在全球范围内对MODIS的植被产品进行时间谐波（HarmonicAnalysis of Time Series，H A NT S）重构，结果表明，HANTS 在中纬度地区能够取得较高的精度,均方根误差等指标相对其他算法更优。Padhee,et al16基于MODIS数据开展区域植被指数数据的重建研究，结果表明时间谐波方法重建的植被指数与真实值朱晓晨，等：基于遥感数据的江苏省水稻收获期时空分析研究119图1江苏省高程与验证点分布Fig.1 Map of elevation and verification sites in Jiangsu Province1.2数据及其数据处理本文使用的数据有遥感数据、行政区划数据、大气再分析数据与土地分类数据。（1）遥感数据采5351.1研究区概况江苏省地处长江中下游地区,地势平坦开阔，湖泊水系众多,拥有长江和淮河两大水系17 。在亚热带和暖温带的过渡地带，属于东亚季风气候区。全省面积约10 7 2 0 0 km水稻种植面积约2 18 4.3千公顷耕地面积约457 0 0 km,麦稻轮作的种植制度在全省分布广泛，耕地后备资源以滨海滩涂为主18 。年平均气温13.6 16.1，年日照时数1 8162.503 h,全省年降水量 7 0 4 1 2 50 mml19。35N-34333231N验证点海拔/m589-9省界117118050100200kml120121122E536用2 0 0 1年1月至2 0 2 1年1月的MOD09GAVersion6产品，使用1、2、3.6 波段,时间分辨率为1d,空间分辨率为50 0 m。产品内置的云掩膜，去除云覆盖的低质量像元，并采集2 0 14一2 0 2 0 年媒体登载的水稻收获日期作为验证；（2)行政区边界数据按照江苏政区分布划分为苏南（长江以南区域）,苏中（长江以北沿江区域），苏北（上述以外区域）【2 0 1；（3）格点化观测数据集基于全国2 40 0 多个气象站点观测数据进行插值,研究表明该数据集能够准确反映中国区域的降水和气温变化特征2 1。本研究采用1980一2 0 2 0 年收获期月降水量均值作为降水基准，同时基于小时气象数据计算日降水量累积，当达到1mmd-l,统计为降水日；（4）土地分类数据使用全球粮食安全分析数据（GlobalFood Security SupportAnalysis Data，G FSA D）数据作为土地分类掩膜，数据生成时间为2 0 10 年,空间分辨率为1km。该数据集使用大量遥感和地理数据创建，包括：遥感；高程数据；气候数据；其他数据。经过先验知识的检验,该数据对于江苏省旱地与水稻田的分类效果较好，主要的分类如表1所示2 ：表1全球粮食安全支持分析数据区域分类Table 1 Table of global food security support analysis data类别标签名称0海洋1灌溉耕地2灌溉耕地3水浇地4雨养耕地5雨养耕地9非耕地2石研究方法2.1水稻收获时期判断基于遥感的水稻植被指数的动态变化可以反映水稻完整生长发育状态。MODISMODO9GA数据存在云、气溶胶等的影响。采用时间谐波分析法可以有效去除MODISMODO9GA数据的云、气溶胶等影响。研究表明水稻的生长周期内光谱曲线出现突变的时间点为关键生育期，而水稻成熟期连续光谱指数的变化极值能够反映水稻收获期2 3。由于存在偏差值和光谱指数值域范围不相等的影响，本研究中对水稻光谱指数进行处理，构建完整连续的水稻生育期内光谱变化特征曲线。本研究中基于气象科学如下公式提取作物收获期：(EVI,+1-EVI,)ASum=ADoy0.7,式中：Doy为日序,表示遥感观测结果在1a内的顺序;t为遥感观测的时间，单位为d;EVI(EnhancedVegetation Index)增强植被指数，反映作物生长过程的状态;LSWI(Land Surface Water Index)水体指数，代表地面的水分特征2 4。植被指数计算公式如下：EVI=2.5 PNIR+6 pRed-7.5 pBle+1(2)PNIR-PsWIRLSWI=PPNIR+PsWIR式中:pNiIR表示近红外波段的地表反射率;PRedPBlue和pswIR表示红色与蓝色及短波红外波段地表反射率。2.2计谐波分析方法时间谐波分析,是基于最小二乘法和傅里叶变换将函数或信号表示为三角周期函数的叠加2-2 6 通过最小二乘法的迭代拟合，在时间域和频率域实说明现傅里叶正变换和负变换来实现分解和重建，在遥海洋或水域地区感数据处理中可以去除云影响较大的离群点。利大部分灌溉用HANTS的数据分析的基本公式可以表示为：小部分灌溉水浇地少部分雨养大部分雨养非耕地地区43卷(LSWI,1-LSWI,)ADoy(1)PNIR-PRed(3)(t)=ao+Za.cos(2mft)+b,sin(2mft),i=1(4)其中：和分别表示原始光谱指数值和平滑后的光谱序列；j和是时间序列中的观测时次和时间；N是时间序列中待预测点的数量;f，表示第号谐波的频率；和b，表示三角分量的系数，为零频率下的系数。2.3趋势分析与显著性检验本研究中使用 Theil-Sen趋势分析研究各地区水稻收获时间演变2 7 。Theil-Sen 趋势分析不受异常值的影响，已广泛应用于气象、海温序列的分析应用中。Theil-Sen Median趋势分析计算方法如下：Q=median(5)t-t式中：y为收获期日序;t为年份;j与k均为年份的序号;median为求中值算法。显著性检验使用Mann-Kendall方法进行显著性检验,以参数Z。代表收获期的变化显著性,其计二4期算公式如下：Zc=(S+1)Su1-时,代表研究的收获期序列数据达到在水平上的显著性变化,其中u1-表示标准正态偏差，一般使用0.1、0.0 5与0.0 1,当时,若表示收获期序列变化显著性水平达到0.0 52 8 。基于表2 开展变化趋势与变化显著性的综合分类。表2 收获期变化趋势分区Table 2 Zoning of harvesting trends趋势系数Q0Q00Q1.2Q1.2图2 2 0 14年光谱曲线源值与谐波分析值对比：（a)EVI原始值与滤波值对比；(b)LSWI原始值与滤波值对比Fig.2 Plot of spectral curve source vs.harmonic analysis values for 2014:(a)EVI raw vs.filtered values;(b)LSWI raw vs.filtered values朱晓晨，等：基于遥感数据的江苏省水稻收获期时空分析研究(S-1)S0Vvar(S)0,S=0;18显著性1Zc11.961Zc 11.961Zc11.96 1Zc 1.961Zc11.96(a)0.7EVIHANTS0.60.50.40.30.20.101-01 03-01 05-01 07-01 09-01 11-01 01-015373结果与分析3.1水稻生育期光谱指数滤波质量分析(6)由于气候、气象因素的影响，水稻生育期内光谱指数序列具有存在较多的异常值,通过滤波处理光谱指数中的异常值，还原作物生长的真实变化趋势。选取江苏省盐城市盐都区大纵湖镇三官村（33.1N，119.8 E）为地面验证点，验证EVI和(7)LSWI经过滤波处理之后的差异性。图2 为2 0 14年盐城三官村光谱曲线源值与谐波分析值对比。由(8)图2 a可以发现,EVI散点为原始值,存在两个极高值点，分别为日序4月9日与9月16 日，代表作物生长旺盛期，极低值点为6 月2 8 日，代表作物的播种期,EVI原始值的范围为0.0 2 到0.7 2 之间。滤波光谱曲线变化相比原始值更平稳，极高值在日序4月9 日与9 月11日，分布范围为0.10.6;图2 b中LSWI原始值在日序4月9 日与9 月6 日达到极大值,分布范围为-0.1 0.4,谐波分析后的LSWI极高值分别在4月15日与9 月5日，分布范围为一0.050.41水稻生育期内。相比于经过HANTS处分区理的光谱值,原始取得的光谱指数序列存在较多的异常值，可通过滤波处理，显著提前整理通过收集到的江苏省内17 条水稻收获期轻微提前数据，得到具有地理信息位置的水稻收获信息。利用地理信息数据验证本研究遥感水稻收获期提取稳定结果的可靠性。图3为遥感提取收获期与网络收获轻微延迟期对比。由图可知实际水稻收获期分布在10 月1日到11月10 日，遥感水稻收获期分布在9 月2 8 日显著延迟到11 月11 日。9 个验证地点的误差范围在5 d以内,其他8 个验证点的误差在10 d以内。图4为遥感提取水稻收获期与地面实际收获期线性拟合结(b)0.40.30.20.100.101-01 03-01 05-01 07-01 09-01 11-01 01-01日期EVI-HANTS日期538气象科学43卷y=0.87x+38.99(a)+8011-17上一-811-0710-2810-0810-0810181028 110711-17收获期图3地面观测收获期与遥感提取对比：（a)收获期预测与实际收获期对比；（b)收获期预测与实际收获期拟合Fig.3 Scatter plot of ground-based observations of harvesting period compared with remote sensing extraction果,由图可知,水稻收获期的提取与真实日期之间具有较好的相关性,线性相关系数达到0.7。3.2水稻收获期时间分布分析对江苏省逐年水稻收获期数据按时间段进行划分,计算各时间段占总数比例,统计结果如图4。由图4a可以看出，2 0 0 1年收获日期分布最大值在10月15日前后5d内，累积占比达到17%，按月累计值统计，10 月累积占比达到50%以上，达到9到12月中最大值;由图8 b可以看出,2 0 0 5年收获期在10月6 一15日占比最大，达到2 5%以上，10 月累积值达到收获期内逐月统计的最大值;由图8 c可以看出,2 0 11年10 月2 0 日前后5d内水稻收获占比最高,达到2 5%，收获期在10 月下旬及以后收获的数量继续增加，累积占45%左右；由图8 d可以看出，2020年晚稻分布已经占50%以上，10 月中旬以后收获的数量占比已经到6 0%，对比分析图4a一d,可以看出江苏省水稻收获期出现推迟，最大占比的收获期从2 0 0 5年的10 月上旬推迟到2 0 2 0 年的10 月下旬到11月上旬，11月及之后的收获期占比由2010年之前的2 0%以下增加至2 0 2 0 年的30%以上。通过计算水稻收获日期分布变化箱线图能够较好分析出数据的分布区间与均值,箱线图中部的横线表示平均值，中部柱子上下部分别表示2 5%与75%分位数值，上下线条之外的为异常值。由图5可以看出,江苏省水稻2 0 0 5年之前收获日期分布均值在10 月16 日前后,2 0 0 5年至2 0 10 年收获期的均值在10 月1516 日，2 0 10 年至2 0 2 0 年水稻收获期延迟到10 月2 5日及以后。2 0 11年前后出现水稻收获期较大波动,2 0 10 年之前水稻收获期的分布值25%分位数为10 月6 日，7 5%分位数为10 月2 6 日，(b)11-1711-0710-2810-18上10-08F09-08 10-08 10-18.10-28 11-07 11-172011年之后收获期2 5%分位数为10 月16 一2 6 日。10月中下旬及以后收获的晚收稻在2 0 0 9年至2 0 2 0年占比增加,与前人的研究结论相一致2 9。3.3水稻收获期空间分布分析在江苏省范围内提取水稻收获期数据,从9月16 日开始,按照10 d为间隔划分各区域水稻收获期分布,如图6 所示。水稻收获日期在苏南地区（苏州、无锡、常州、镇江和南京)为11月1日及以后,在苏中地区为10 月1日到11月1日之间,苏北地区则为10 月中旬之前，11月上旬日之后收获的晚稻在盐城西部、连云港和淮安南部地区存在分布。南通市水稻收获日期相较于同纬度地区更早,为11月1425 日。3.4水稻收获期趋势分析利用Theil-Sen线性趋势分析研究2 0 0 1一2 0 2 0年水稻收获期的时间变化趋势，如图7 所示。可以发现,徐州地区水稻收获日期存在提前趋势,线性趋势值可达-0.7 9da左右；连云港、宿迁、淮安区域内，收获期大部分为延迟趋势，趋势值范围在0.381.1da-；江苏中部（盐城中部、淮安南部、扬州与泰州北部)地区水稻收获期延迟趋势值最大，达到3.3da左右;南通北部地区水稻收获期延迟,趋势值为0 1da-l,南部地区水稻收获期提前，趋势值为-0.7 8-0.11da；南京、镇江大部分地区水稻收获期延迟,趋势值低于-2.6 da,无锡、常州和苏州区域内,收获期延迟与提前均存在分布,趋势值绝对值小于1da。基于显著性水平划分,对收获期时间序列变化进行研究，如图8 所示，盐城中西部、淮安、扬州，泰州等市区域内显著性水平达到=0.01;南通东南部、苏州南部，南京北部、连云港、徐州中部地区没收获期4期12-07上11-1710-2810-0809-18Fig.5 Box plot of the variation in the distribution有达到0.0 1显著性水平,收获期变化趋势不显著；其他地区显著性水平介于0.0 1 0.1,收获期的变化趋势平稳。利用收获期变化趋势与显著性进行综合分区能够反映研究区收获期的时间变化特征。如图9所示,盐城中西部地区、淮安东南部、扬州、泰州北部及南京中南部、苏州北部地区水稻收获期出现显著延迟；苏中中部地区水稻收获期轻微延迟分布较广；泰州中部、南通西部与南部、盐城北部、淮安西朱晓晨，等：基于遥感数据的江苏省水稻收获期时空分析研究(a)20.116.8213.4510.06.73.3009-18(c)25.221.0%/116.8512.68.44.2009-08图4收获日期分布直方分布：(a)2005年；(b)2010年；（c)2015年；(d)2020年Fig.4Histogram of harvest date distribution in:(a)2005;(b)2010;(c)2015;(d)2020年份图5水稻收获日期分布变化箱线分布of rice harvest dates539(b)25.2016.86/918.4010-0810-2811-17收获期100310-28收获期09-08(d)21.317.08.54.2011-2209-0835N34333231图6 2 0 0 12 0 2 0 年江苏水稻收获期中值空间分布Fig.6 Spatial distribution of median rice harvestingperiod in Jiangsu from 2001 to 2020北部、宿迁中部、连云港中部与徐州大部分地区水稻收获期保持稳定，占江苏省较大面积；南通西南部与徐州中北部地区为水稻收获期轻微提前;徐州中北部为水稻收获期显著提前区域。3.57水稻收获期降水条件影响分析基于水稻收获与降水有直接关系,降水日数与降水量直接影响收获期变化。利用再分析数据对10-03收获期10-0310-28收获期验证点收获期109-09-10-0810-09-101910-2010-3011-01-11-1111-12-12-03省界11711810-2811911-2211-22050100200kml120121122E54035N34333231Fig.7Spatial distribution of trend analysis of rice35N-34333231图8 江苏水稻收获期趋势显著性分析空间分布Fig.8Spatial distribution of trend significance analysisof rice harvesting period in Jiangsu比2 0 0 5、2 0 10、2 0 15及2 0 2 0 年江苏省水稻收获期内各月降水量与基准态的差值距平百分率。由表3可以看出,2 0 0 5年苏南地区水稻收获期为11月上旬,晚于苏北地区,苏北地区收获期与苏中地区接近;2 0 10 年苏中苏北地区收获期出现延迟，分别达到6 d与10 d;2015年,全省范围内收获Table 1Comparison table of rice harvest period,precipitation deviation percentage,and precipitation days苏南苏北年份11月降水11月降水收获期距平百分率/%日数/d200511月7 日201011月7 日201511月18 日202011月17 日气象科学N35N34趋势(d/a)33-4.91.4-1.30100.80.91.41.52.22.33.63.75省界117118图7 江苏水稻收获期趋势分析空间分布harvesting period in Jiangsu显著性P值0.1省界11711843卷N分类32显著提前轻微提前稳定31轻微延迟显著延迟050.100200kml119120050100200km119120表3水稻收获期降水量距平百分率与降水日数表10月降水收获期距平百分率/%日数/d-275-8619815349省界117118121122E121122E10月15日10 月2 1 日11月6 日10月30 日050 100119120图9江苏水稻收获期趋势分区Fig.9Subdivision of rice harvest trend in Jiangsu期出现延迟，苏中地区延迟最多，达到2 0 d以上；2020年，苏北地区出现一定延迟，相比于2 0 0 5年达到10 d;20052020年，苏南地区收获期保持稳定，波动范围在10 d以内，为11月中上旬,苏北地区收获期从10 月上旬延迟到10 月下旬；苏中地区收获期不稳定，波动大于2 0 d。分析降水量距平百分率可知，2 0 0 5年11月降水量保持正常、苏中、苏北地区10 月降水量偏少，达到-58%,适宜水稻收获；2 0 10 年全省10 月、11月降水量均较少，同期水稻收获期保持稳定；2 0 15年，苏中10 月降水量低于往年6 0%以上，苏北地区10 月降水量降低,不利于水稻按时收获,其中苏南地区降水量偏多，距平百分率为6 4%，结合收获期可知，同年收获期出现10 d以上的延迟;2 0 2 0 年内，苏南地区于11月降水量较低，低于平均值2 0%以上,苏中地区收获期内降水均低于平均值,其中10 月降水低于平均50%以上，苏北地区降水量同时也保持较低水平，当年收获期同比其他年份没有显著延迟。分析降水日数变化可知,2 0 0 5年,苏南地区11月降水日数保持正常，达到9d;2010年，各地区降水日数偏少,均低于5d,为研究期内最低；2 0 15年，苏中10月降水-25-38-17-11200kml121110月降水10月降水收获期距平百分率/%日数/d610 月 11 日310月2 1 日610月2 5日810月2 2 日122E-594-822-57-4464期苏南地区11月降水日数达到15d,同年水稻收获期相比于其他年份较迟，苏中、苏北地区10 月降水日数保持在5d左右;2 0 2 0 年，苏南、苏中地区降水日数保持正常，苏北地区降水日数较少，能够为水稻收获提供较好保障。4结论本文基于遥感地面反射率产品，利用两种作物生长期光谱值，提取江苏省范围内2 0 0 1一2 0 2 0 年水稻收获期。主要结论如下：（1）H A NT S滤波对于江苏省MODIS生成的NDVI与LSWI具有较好的数据重建效果，能够有效排除部分异常值。（2）基于NDVI指数与LSWI指数的变化极值，提取出的水稻收获期,精度达到5d内。（3）水稻收获期呈现区域差异、苏南地区最迟达到11月及以后，苏中苏北地区为10 月中下旬。（4）收获期内降水量与降水日数均对水稻收获存在影响,降水日数增加会导致水稻收获延迟。由于MODIS产品分辨率为50 0 m,存在一定的混合像元问题，江苏省频发云雨天气会影响遥感数据获取质量。后续将开展基于更高时空分辨率的作物生长物候提取工作。参考文献1孙玲，邱琳，单捷，等.2 0 112 0 19年江苏省水稻主产区规模连片水稻时空动态分析.江苏农业学报，2 0 2 1，37（2）：355-361.SUN Ling,QIU Lin,SHAN Jie,et al.Analysis on thespatiotemporal dynamics of rice planted in a large scalecontiguously in the main production area of Jiangsu Province from2011 to 2019.Jiangsu Journal of Agricultural Sciences（i nChinese),2021,37(2):355-361.2 唐惠燕。基于GIS江苏种植结构演变研究（19492 0 11）博士论文.南京：南京农业大学，2 0 14.TANG Huiyan.The study of Jiangsu planting structure evolutionbased on GIS（1949-2 0 11)D .Na n j i n g:Na n j i n g A g r i c u l t u r a lUniversity(in Chinese),2014.3刘可群，张晓阳，黄进良.江汉平原水稻长势遥感监测及估产模型。华中师范大学学报（自然科学版），1997，31（4）：110-115.LIU Kequn,ZHANG Xiaoyang,HUANG Jinliang.Study onmonitor of rice growing and rice yield estimation by remote sensingin Jianghan plain.Journal of Central China Normal University(Natural Sciences)(in Chinese),1997,31(4):110-115.4李慧，王鹏新。基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析干旱区资源与环境.朱晓晨，等：基于遥感数据的江苏省水稻收获期时空分析研究Chinese)，2 0 15,32(12):19 6 9-19 7 9.6周婉君，徐海明。东中国海黑潮影响热带气旋强度的观测分析和数值模拟.大气科学学报，2 0 15，38（1）：9-18.ZHOUWanjun，XU H a i m i n g.O b s e r v a t i o n a l a n a l y s i s a n dnumerical simulation of influence of Kuroshio over East China Seaon intensity of tropical cyclones.Transactions of AtmosphericSciences(in Chinese),2015,38(1):9-18.7王高杰，黄进良，肖飞，等。基于关联性及趋势性分析的AVHRRNDVI及MODISNDVI数据产品比较.长江流域资源与环境，2 0 18，2 7(5）：1143-1151.WANG Gaojie,HUANG Jinliang,XIAO Fei,et al.Comparison ofAVHRR NDVI and MODIS NDVI data products based onassociation and trend analysis.Resources and Environment in theYangtze Basin(in Chinese),2018,27(5):1143-1151.8 SONG Zhen,LIANG Shunlin,WANG Dongdong,et al.Long-termrecord of top-of-atmosphere albedo over land generated fromAVHRR data.Remote Sens.Environ.,2018,211:71-88.9史舟，梁宗正，杨媛媛，等.农业遥感研究现状与展望农业机械学报，2 0 15，46(2)：2 47-2 6 0.SHI Zhou,LIANG Zongzheng,YANG Yuanyuan,et al.Statusand prospect of agricultural remote sensing.Transactions of theChinese Society for Agricultural Machinery(in Chinese),2015,46(2):247-260.10彭亮，郑淑文，何英，等基于MODIS的积雪时空变化与CMADS气象因子相关性研究一以塔什库尔干河流域为例.水资源与水工程学报，2 0 19，30（4）：53-6 2.PENG Liang,ZHENG Shuwen,HE Ying,et al.Correlationbetween temporal and spatial changes of snow cover and CMADSmeteorologica