农业是人类社会的基础。农业生产统计对于社会、经济、农业和政策问题至关重要。然而，农业生产统计数据往往以行政单元（如国家、省、市）为基础进行统计，以表格形式进行表达，无法提供行政单元内部的细致的分布信息。对行政单元的作物生产统计数据进行空间化，以得到分区域甚至像元尺度的作物生产信息是解决这一问题的有效方法。

本研究以山东省冬小麦为例，基于冬小麦生长季的MODIS-NDVI数据，采用CART决策树分类方法得到冬小麦种植面积分布图，提取冬小麦生长季的不同物候期的NDVI均值和单时相的NDVI,通过线性回归分析筛选与冬小麦产量相关性最高的NDVI变量，建立冬小麦产量空间化模型，实现山东省冬小麦统计产量的空间化。

研究结果：

1）基于冬小麦生长季的MODIS-NDVI数据，采用CART分类算法分区域提取的冬小麦种植面积的总体精度较高，空间位置精度（混淆矩阵验证）为82.51%，种植面积平均精度（统计数据对比验证）为87.64%。

2）平原-简单地物区域的冬小麦种植面积识别精度高于平原/丘陵-复杂地物区域的冬小麦种植面积提取精度，平原/丘陵-复杂地物区域的冬小麦种植面积识别结果中的错分误差高于平原-简单地物区域的冬小麦种植面积识别结果，简单地物区域分类结果中的漏分误差高于复杂地物区域的冬小麦种植面积识别结果。

3）在多元回归模型中，结合冬小麦的产量与NDVI变量之间的相关性、回归模型的回归标准化残差直方图和回归标准化残差正态P-P图，以及冬小麦产量的影响因素，最终确定参与空间建模的变量为：返青期（3月6日和3月22日）、拔节期（4月7日和4月23日）、抽穗期（5月9日和5月25日）和乳熟期（6月10日和6月26日）的NDVI均值。

4）由于缺少乡镇级的冬小麦产量统计数据，采用间接方法进行精度验证。以市级为单元建立冬小麦产量空间化模型，得到冬小麦产量空间分布图。通过县级冬小麦产量统计数据进行精度验证，平均绝对误差为22.12%。

a 基于县级产量数据的空间化结果                                                b 基于市级产量空间化的结果

图2产量空间化结果

图3空间化后的产量和实际上报产量的对比（县级尺度）

本研究所发展的作物产量空间化方法操作简单，易于推广，可为通过空间化方法制作高分辨率（250米像素级）长时间序列作物产量分布图提供技术参考。由此产生的高分辨率长时间序列的作物产量分布图可以帮助分析粮食产量的时空变化，为农业保险、种植结构调整和农业灾害评估等提供基础数据。

（供稿人：刘莹）