摘要：为进行小麦产量预测与气象灾害预警分析，利用C#语言和.NET开发平台，基于SuperMap组件式GIS的二次开发技术，设计开发了黄淮海地区冬小麦产量预测与气象灾害预警系统。该系统设置基础地理信息、数据查询与管理、冬小麦长势监测、产量估算、气象灾害预警、数据统计分析、专题图制作和系统帮助八个模块，可实现冬小麦基本农情信息查询、长势分级、产量预测及气象灾害预警等决策分析，同时可输出各类专题图等信息产品，以期为小麦生产管理的定量化、信息化提供技术支撑。
关键词：冬小麦；产量预测；气象灾害；预警系统
中图分类号：S512.1+1+S126 文献标识号：A 文章编号：1001-4942（2015）08-0107-04
Abstract To deal with the problems of wheat yield estimation and meteorological disaster prediction and early-warning， the C# programming language， .Net development platform and secondary development technologies based on SuperMap component GIS were used to develop the system for yield estimation and meteorological disaster early-warning of winter wheat. The system mainly consisted of eight modules： data query and management module， basic geographic information module， winter wheat growing monitoring module， winter wheat yield estimation module， meteorological disaster warning module， data statistic analysis module， thematic map drawing module and system help module， so it could achieve basic agricultural information query，growth classification，yield forecast and meteorological disaster early-warning decision；at the same time， all kinds of thematic maps and other information products to provide technical supports for quantitative and informational production management.
Key words Winter wheat； Yield estimation； Meteorological disaster； Early-warning system
全球极端气象灾害出现多发、频发、重发趋势，农业生产面临巨大风险，粮食安全受到重大威胁。如果在收获之前就能够获知作物产量和灾害信息，将对国家政策的制定具有重要指导意义。自然灾害具有连续性、扩展性及突发性等特点，使其监测难度加大，而遥感技术为此提供了有效手段。在产量估算和灾害预警方面国内外已做了一些研究，如美国、欧盟等应用卫星遥感技术进行农作物长势监测和产量测算，开展了世界多种农作物长势评估、产量预报及病虫害预测等[1～5]；加拿大进行了作物和牧草长势信息的监测[3]；欧盟开展了全球粮食安全风险区的监测[3]；联合国粮农组织[3]研发了“全球信息与预警系统”。国内方面，李哲等[6]提出了基于遗传算法与神经网络相结合的玉米估产方法；侯英雨等[7]构建了基于作物植被指数和温度的产量估算模型；王秀珍等[8]构建了水稻高光谱遥感估算模型；李卫国等[9，10]利用卫星影像植被指数与农作物不同生长时期长势指标间的定量关系，构建了相关长势指标监测模型或算法。
虽然我国在作物长势监测、估产、模型构建等方面的研究已有很大进步，但实用系统仍相对较少。本研究针对目前冬小麦生产管理中缺少信息化手段支持的现状，将数据库、GIS和遥感技术引入冬小麦的产量预报及灾害预警中，开发了基于GIS的冬小麦产量预测与气象灾害预警系统，以期为使用者提供生产管理与决策方面的技术支持，最大限度地为农业生产管理和防灾减灾提供技术指导。
1 系统设计与开发
1.1 系统运行环境及开发平台
硬件配置要求中档以上PC机，4 G以上内存，1.8 G以上CPU，80 G以上硬盘。软件系统要求Windows 2007或更高版本，C#开发语言，Visual Studio 2012开发平台；SuperMap Objects 7C版本的组件式GIS开发工具。
SuperMap Objects是一体化的组件式GIS开发平台，适用于快速开发专业级C/S结构应用系统，采用Microsoft的ActiveX控件标准开发接口，可满足不同需求的专业应用。
1.2 系统目标设定
利用SuperMap的产品SuperMap Objects，采用C#语言并基于Visual Studio 2012 .NET平台，研发冬小麦产量预测与灾害预警信息系统，能够实现冬小麦基本农情信息查询以及长势分级、产量预报、气象灾害预警等决策分析，同时可输出各类专题图等信息产品。
1.3 系统结构设置 系统以数据库和地理信息技术为基础，充分发挥组件式GIS技术优势，将不同组件进行动态耦合与集成。整个系统采用C/S模式，利用SQL Server实现对小麦产量信息、灾害信息、气象信息和土壤信息等相关数据的存储；利用C# .NET和SuperMap Objects进行二次开发，实现矢量数据管理、专题图制作、空间查询与分析等功能。系统结构如图1所示。
1.4 系统功能
系统包括基础地理信息查询、小麦长势监测、小麦产量预测、气象灾害预警、专题图制作、数据查询与管理、信息统计与分析、系统帮助共8个功能模块。系统功能结构如图2所示。
1.4.1 数据查询与管理模块（见图3） 系统数据来源于山东统计年鉴、中国统计年鉴及试验调查数据，首先利用SQL Server 2012构建各类冬小麦相关信息数据库。数据库有两种权限，管理员和普通用户。管理员用户负责对数据库进行维护与管理，对不同或多个数据库之间数据进行关联，以及对数据库进行实时更新。普通用户的权限仅是数据查询及显示。
1.4.2 基础地理信息模块（见图4） 主要实现基础地理信息的查询与显示功能。通过工具栏，实现图层的叠加、缩小、放大、移动、漫游等操作，以及空间和属性信息的查询与显示等功能。
1.4.3 冬小麦长势监测模块 对输入的遥感影像进行波段计算，获得常用的NDVI、RVI。根据农学知识和地面实地调查数据，将小麦与其他作物相区别；将提取的植被指数与样点实测冬小麦长势参数进行相关性分析，挑选出相关系数最大的农学参数和植被指数；构建以植被指数为自变量、农学指标为因变量的小麦长势指标监测模型；最后制作小麦长势的空间分布图，从而达到监测小麦长势目的。
1.4.4 冬小麦估产模型与分级模块（见图5） 将样点实测单产数据与农学参数进行相关性分析；建立基于长势指标的产量预测模型；将长势指标参数值、产量分级标准值和行政矢量图等结合到冬小麦单产模型，最后制作生成冬小麦产量分级预报图。
1.4.5 气象灾害预警模块 本研究采用1980～2014年的小麦灾情数据对灾害进行评估，具体指标包括小麦种植面积、成灾面积、受灾面积和绝收面积。针对小麦的生育期灾害特征，以小麦生育进程为主线，分别对冬小麦干旱、冷冻害、干热风等进行了风险评估和预测预报。
1.4.6 统计分析和图表显示模块（见图6） 根据需求分析，设计基本的数据统计结果和图表显示方案，然后根据用户的需要，查询所关注区域的属性数据集，然后选择以线型、柱状、饼状或点密度等方式进行显示，使用户能直观地掌握目标的一些信息。
1.4.7 专题图制作与输出模块（见图7） 统计数据和遥感图像经过系统分析与处理后，可将统计或分析结果显示在地图上，最后输出所需要的专题图产品。在专题图制作时，可将分辨率、比例尺和图例、题头和制图单位、地理坐标等信息选择加上。
2 系统测试运行
利用山东省范围内2013年4月7日的MODIS影像以及此时小麦的田间调查数据，输入某一长势指标数据，系统会计算出预测产量值，不同区域的值汇总到一起，得到研究区域产量分布图。在灾害方面，通过选择不同灾害类型，输入相关参数，可获得因灾害影响小麦减产率的变化。在测试过程中，系统运行较稳定，输出结果较可靠。
3 结论
本研究利用Visual Studio 2012的C#语言环境，基于组件式GIS的模块化设计，研发了冬小麦产量预测与气象灾害预警系统。通过获取遥感数据、多年统计数据和地面调查数据，构建小麦长势监测模型、估产模型和灾害预警模型，制作小麦长势监测分级和估产专题图，为用户提供精确的专业指导服务。达到了系统设定目标，具有地理信息查询和显示、遥感影像处理和分析、数据库管理、模型建立和数据分析等功能，本研究成果为冬小麦估产与预警系统的推广应用奠定了基础。在今后的研究中，拟融合更具机理性的小麦生长模型，在可靠性方面进行提升。
参 考 文 献：
[1] 刘海启，金敏毓. 美国农业遥感技术应用状况概述[J].中国农业资源与区划，1999，20（2）：56-60.
[2] 李卫国. 中国农业科学技术出版社[M].2013.
[3] 吴炳方，蒙继华，李强子.国外农情遥感监测系统现状与启示[J].地球科学进展，2010，25（10）： 1003-1012.
[4] 蒙继华，吴炳方，李强子，等. 农田农情参数遥感监测进展及应用展望[J]. 遥感信息，2010（3）：122-128.
[5] 徐新刚，吴炳方，蒙继华，等. 农作物单产遥感估算模型研究进展[J].农业工程学报，2008，24（2）：290-298.
[6] 李哲，张军涛. 基于遗传算法与人工神经网络相结合的玉米估产研究[J].自然资源学报，2000，15（3）： 270-274.
[7] 侯英雨，王石立. 基于作物植被指数和温度的产量估算模型研究[J].地理学与国土研究，2002，18（3）： 105-107.
[8] 王秀珍，黄敬峰，李云梅，等.水稻叶面积指数的高光谱遥感估算模型[J].遥感学报，2004，8（1）： 81-88.
[9] 李卫国，李正金，李花. 基于组件式GIS的冬小麦遥感估产系统的开发研究[J].麦类作物学报，2011，31（2）： 318-323.
[10]李卫国，赵春江，王纪华，等. 遥感和生长模型相结合的小麦长势监测研究现状与展望[J].国土资源遥感，2007（2）：6-9.
