基于GEE,的气候变化对豫北地区冬小麦播种面积与产量影响研究
时间：2023-01-15 19:00:03 来源：雅意学习网 本文已影响 人 
李菲菲，汤 军，高贤君，杨元维，占杨英
（长江大学 地球科学学院，湖北 武汉 430100）
冬小麦是我国三大主要粮食作物之一，年播种面积和总产量仅次于水稻和玉米。小麦从播种到收获的整个过程中，温度、日照和降水等气候因子都是影响其正常生长的重要环境因素[1]。豫北地区是我国重要的冬小麦生产基地[2]，故分析气候因子对其播种面积和产量的影响具有重要意义。
遥感技术作为具有宏观性、综合性和动态性特点的新型对地观测技术[3]，已经成为大宗作物播种面积提取的有效手段[4]。根据有无训练样本可将遥感分类算法分为监督分类和非监督分类，常见的冬小麦分布提取方法主要有：①监督分类方法：随机森林（Random forest，RF）分类算法[5]、支持向量机（SVM）[6]、最大似然分类法[7]等；
②非监督分类方法：K-means 算 法[8]、ISO-Data 分 类 算 法[9]等。Google Earth Engine（GEE）作为谷歌公司开发的一款用于遥感数据分析的工具，其数据处理、分析、存储和可视化能力十分强大[10]。目前借助云平台和机器学习算法进行冬小麦空间分布提取，并分析气候变化对冬小麦影响的研究较少。在进行冬小麦播种面积提取方面，较多研究采用MODIS 遥感影像数据[11-12]和归一化植被指数（NDVI）[12-16]，但MODIS 影像空间分辨率较低易产生混合像元，且NDVI 存在绿度易饱和、受土壤水分干扰大的缺点。Landsat影像相较于MODIS 影像分辨率更高，且EVI（Enhanced vegetation index，增强植被指数）相较于NDVI 可以更准确地表征冬小麦生长发育的季节规律[17]。在气候变化对冬小麦的影响方面，以前大量研究工作只关注气候变化与冬小麦产量的关系[18-19]，忽略了对冬小麦播种面积的影响，且未对其进行综合性分析。鉴于此，以豫北地区为研究区，基于Landsat 高分辨率影像，借助GEE 平台对Landsat 影像进行特征构建，利用RF 算法分类提取1985—2019 年豫北地区冬小麦空间分布信息及其播种面积，结合统计年鉴对播种面积数据进行精度验证，然后利用冬小麦产量数据、气象数据，对气候因子变化与冬小麦播种面积和产量进行相关性分析、重要性评价，并分析产量对气候的敏感性，以期为更加客观和深入地揭示过去三十多年气候变化对豫北地区冬小麦的影响提供理论依据。
1.1 研究区域
豫北地区位于河南省内黄河以北，地处华北平原，西依太行山，北靠冀中南地区，南面黄河，东连鲁西北地区，属暖温带大陆性季风气候，四季分明。总面积2.85万km2，耕地面积为1.5万km2，占河南省耕地总面积的18.5%。该区属于冬小麦－夏玉米轮作生态区，是我国冬小麦重要产区之一。本研究区范围如图1所示。
图1 豫北地区地形及气象站点分布Fig.1 Topography and distribution of meteorological stations in northern Henan
1.2 数据及处理
冬小麦生育时期：豫北地区冬小麦生育时期如表1 所示，数据来源于农业农村部种植业管理司农时数据库（http://www.zzys.moa.gov.cn）。冬小麦播种期与播种面积密切相关，故选取播种期气候因子研究播种面积变化；
从拔节-抽穗期到抽穗-乳熟期，冬小麦在这2个时间段麦穗长成、籽粒灌浆，故选取此时期气候因子研究产量变化。
表1 豫北地区冬小麦生育时期Tab.1 Winter wheat growth stage in northern Henan
遥感数据：选取冬小麦返青-拔节期（2月20日—3 月31 日）Landsat TOA（Landsat top-of atmosphere reflectance，美国陆地卫星大气层顶反射率）影像进行冬小麦空间分布提取。将Landsat 原始影像亮度值转换为大气顶部的光谱辐射值，然后再转换为大气顶部的反射率值，从而得到Landsat TOA 数据[20]。Landsat TOA 影像数据的相关参数见表2。
表2 美国陆地Landsat TOA 卫星参数Tab.2 Satellite parameters of American Landsat TOA
统计数据：1985—2019 年冬小麦播种面积、产量统计数据来源于《河南省统计年鉴》。
气象数据：从中国气象数据网（http://data.cma.cn/）获取豫北地区安阳市、新乡市气象站及郑州市、开封市、长治市、阳城市、朝阳市、定陶市和孟津市气象站1985—2019 年逐日平均气温、降水、日照时数数据，数据无缺失。本研究所使用的气象数据主要为播种期、拔节-抽穗期、抽穗-乳熟期关键气候因子数据（表3）。
表3 冬小麦生育时期及其关键气候因子Tab.3 Winter wheat growth stage and key climatic factors
1.3 冬小麦空间分布信息提取
为了突出冬小麦特征，提高冬小麦空间分布信息的提取精度，本研究选取的是返青-拔节期的影像数据，此时期冬小麦的EVI值明显高于其他地类，并将每景影像EVI的最大值作为单独的波段添加到影像之中。EVI计算公式为：
式（1）中，ρNIR为近红外波段反射率，ρRED为红光波段反射率，ρBLUE为蓝光波段反射率。
遥感影像的特征构建包括光谱特征、地形特征和纹理特征，这些特征均以单独的波段添加到影像之中。光谱特征主要是Landsat 自身的波段和添加的EVI波段；
地形特征是高程、坡度、坡向、山体阴影；
纹理特征是在GEE上使用灰度共生矩阵（Gray-level co-occurrence matrix，GLCM）构建而成，纹理信息选择的是角二矩阵（ASM）、对比度（CON）、自相关（CORR）、逆差距（IDM），其计算公式见参考文献[15]。
本研究中冬小麦的空间分布信息提取主要采用机器学习中的RF 分类算法，RF 分类算法是BREIMAN[5]提出的一种集成分类算法，它的最终分类结果由一系列决策树投票决定。机器学习分类时加入纹理、地形特征可提高分类精度[21-22]。结合预处理和特征构建后的Landsat 影像，在GEE 中进行了4 类样本点的选取，并在Google Earth Pro 中进行样本点正确性的检查，以确保样点的代表性。80%的样本作为训练数据用来提取冬小麦空间分布信息。
1.4 精度评价
在利用RF 分类算法进行冬小麦空间分布信息提取后，对冬小麦的播种面积进行计算，并与统计年鉴中冬小麦播种面积进行对比，计算其相对误差。其公式如下：
式（2）中，δ为相对误差，Ae为遥感提取的冬小麦面积，Ar为统计年鉴中冬小麦播种面积。
将GEE 中选取的样本点数据导出后，导入Google Earth Pro 中利用高清影像进行逐点检查，其中冬小麦样本点349 个，非冬小麦样本点317 个，非冬小麦包括不透水面、其他植被以及水体。得出冬小麦样本点和非冬小麦样本点中冬小麦地类个数与非冬小麦地类个数，并根据结果建立混淆矩阵，计算总体精度（OA）和Kappa系数，值越接近于1，说明其提取精度越高。
1.5 敏感性分析
本研究采用面板非线性回归模型进行产量与气候因子的敏感性分析[23]，其中加入的时间变量的线性和二次趋势是为了消除技术进步等方面所带来的影响[24]。模型如下：
式（3）中，Yi,t为冬小麦单位面积产量（kg/hm2）；
i为豫北地区6个地级市；
t=1985，…，2019年；
ci为地级市固定影响；
θ为自变量系数；
Xi,t为自变量，包括拔节-抽穗期、抽穗-乳熟期平均气温、降水、日照时数；
m表示年份，m=1985，…，2019；
m2表示年份的二次方；
εi,t表示误差。
对豫北地区冬小麦产量与拔节-抽穗期、抽穗-乳熟期各气候因子建立面板非线性回归模型，根据显著性水平P来判断各地市产量对气候因子的敏感性，获得贡献率，得出各气候因子的敏感区。
2.1 冬小麦提取精度评价
由图2 可知，冬小麦空间分布信息的提取结果相对误差均在3.5%以内，样本点总体精度在91%～97%，平均精度为94.94%，Kappa 系数在0.88～0.94，冬小麦空间分布的提取精度处于较高水平。
图2 豫北地区1985—2019年冬小麦遥感提取播种面积与统计播种面积的相对误差（A）、提取精度（B）Fig.2 Relative error（A）and extraction accuracy（B）between remote sensing extracted sowing area and statistical sowing area of winter wheat in northern Henan from 1985 to 2019
2.2 冬小麦播种面积变化
2.2.1 冬小麦播种面积提取结果 豫北地区1985—2019 年冬小麦空间分布如图3 所示，由于相邻年份冬小麦空间变化不明显，提取结果每隔5 a进行展示。豫北地区冬小麦主要分布在中部和东部地区，西北部属于太行山脉，海拔高气温低，不适宜种植冬小麦，南部黄河沿岸存在水土流失，故冬小麦种植稀疏。冬小麦的空间分布年际间存在的变化不大，明显可以看出的是，农村地区相较于城郊冬小麦种植相对稠密。
图3 豫北地区1985—2019年冬小麦播种面积分布Fig.3 Distribution of winter wheat sowing area in northern Henan from 1985 to 2019
2.2.2 冬小麦种植频率空间分布 每5 a 进行分隔，将1985—2019 年分为7 个时间段，将冬小麦分布提取结果中的冬小麦属性赋予1，非冬小麦属性赋予0，每个时间段内的冬小麦分布提取结果进行叠加并除以总年份数，得到每个时间段的种植频率。由图4 可知，1985—2019 年冬小麦的核心种植地区主要分布在豫北中部。从第1 阶段到第4 阶段来看，冬小麦高种植频率面积增大，说明豫北地区冬小麦种植结构趋于稳定。从第4 阶段到第7 阶段来看，由于城市的社会经济水平不断提高，城镇化趋势不断增强，城市扩建侵占农业用地，新乡市、濮阳市等一些城市周边种植频率较低的区域在不断减少。除此之外，居住地周围的冬小麦种植频率降低还与农作物种植结构调整有关，特别是城市周边，许多农用地被用来种植经济效益更高的经济作物（如蔬菜、花卉），这也导致了豫北部分地区的种植面积减少。
图4 豫北地区1985—2019年冬小麦种植频率空间分布Fig.4 Spatial distribution of winter wheat planting frequency in northern Henan from 1985 to 2019
冬小麦种植频率变化空间分布如图5所示。从冬小麦种植频率空间变化来看，种植频率未发生变化的地区主要在中部地区，如新乡市、鹤壁市和安阳市南部地区。种植频率发生变化较大的地区主要在豫北西南部和东北部地区，如济源市、焦作市、濮阳市和安阳市北部。1990—1994 年与1985—1989 年相比（图5A），冬小麦种植频率整体降低，但北部、中部和东南部地区存在种植频率升高现象。1995—1999 年与1990—1994 年相比（图5B），冬小麦种植频率整体明显升高，西南部地区种植频率降低现象多于东北部地区；
2000—2004 年与1995—1999 年相比（图5C），冬小麦种植频率呈西南部升高、东北部降低；
2005—2009 年与2000—2004 年相比（图5D），冬小麦种植频率整体降低，黄河沿岸存在种植频率升高现象；
2010—2014年与2005—2009年相比（图5E），冬小麦种植频率整体趋于稳定，城镇周边存在种植频率降低现象；
2015—2019 年与2010—2014年相比（图5F），冬小麦种植频率在城镇周围降低明显。这应该与豫北地区种植结构趋于稳定，城镇化趋势不断增强有关。
图5 豫北地区1985—2019年冬小麦种植频率变化空间分布Fig.5 Spatial distribution of the changes of winter wheat planting frequency in northern Henan from 1985 to 2019
2.3 豫北地区冬小麦不同生育时期气候因子时空变化趋势
2.3.1 时间变化趋势 豫北地区近35 a 来平均气温、降水和日照时数的年际变化如图6 所示。豫北地区播种期、拔节-抽穗期、抽穗-乳熟期的年均温均呈增加趋势，其中抽穗-乳熟期的升温速率最快，以0.671 ℃/10 a的速率逐渐增加，播种期和拔节-抽穗期也分别以0.5 ℃/10 a 和0.383 ℃/10 a 的速率上升；
拔节-抽穗期的年均降水量以8.419 mm/10 a 的速率呈波动增加趋势，而播种期和抽穗-乳熟期的降水均在振荡中下降；
豫北地区的年均日照时数只有在抽穗-乳熟期以0.773 h/10 a 的速率逐渐增加，其中播种期的日照时数下降速率最快，达到了13.369 h/10 a的速率。
图6 豫北地区1985—2019年冬小麦不同生育时期气候因子年际变化Fig.6 Interannual variation of climate factors in different growth stages of winter wheat in northern Henan from 1985 to 2019
2.3.2 空间变化趋势 ANUSPLIN 是对样条函数法的曲面扩展，常用于不规则分布数据的多变量平滑内插[25]，适用于长时间序列气象数据插值，保证了插值曲面光滑连续，且精度可靠[26-27]。本研究使用ANUSPLIN 软件并引入高程作为协变量，对研究区所涉及的9 个站点1985—2019 年的平均气温、降水、日照时数进行插值，并掩膜得到豫北地区播种期、拔节-抽穗期、抽穗-乳熟期内3种气候因子的空间分布。
播种期的年均降水量在22.3～54.4 mm，空间上西北部山地区域降水相对较多，最多达54.4 mm，中部和东南部平原地区呈由东南向西北降水递减趋势（图7a）。年均气温在7.5～16.1 ℃，空间上呈现西北低、东南高的分布特点（图7b）。年平均日照时数在151.7～235.0 h，西北部山地区域日照较多，整体呈西南向东北日照时数递增的趋势（图7c）。
拔节-抽穗期年均降水量在27.7～48.8 mm，除海拔较高的西北部山地区域降水较多外，其余地区降水由南向北递减（图7d）。年均气温在8.0～16.8 ℃，空间上西北部山地区域温度相对较低，中部和东南部平原地区气温由南向北气温递减（图7e）。年平均日照时数在199.2～246.4 h，空间上呈现西北和东北部高、中部与南北部较低的分布特点（图7f）。
抽穗-乳熟期年均降水量在41.4～73.0 mm，空间上平原地区由东南向西北递减，西北部山地区域降水最多（图7g）。年均气温在13.2～22.2 ℃，空间上中部较高，东部较低，西北部海拔较高的山地区域温度最低（图7h）。年平均日照时数在218.5～265.7 h，空间上呈现西北和东北部较高、中部由北向南日照时数递减的分布特点（图7i）。
图7 豫北地区1985—2019年冬小麦不同生育时期气候因子年均数值（降水、气温、日照时数）空间分布Fig.7 Spatial distribution of annual average values of climate factors（precipitation，temperature，sunshine hours）in different growth stages of winter wheat in northern Henan from 1985 to 2019
2.4 气候因子对冬小麦播种面积的影响
2.4.1 冬小麦播种面积与气候因子相关性分析
根据冬小麦播种面积和播种面积年较差（图8）可以看出，豫北地区1985—2019年冬小麦播种面积整体呈上升趋势。
图8 豫北地区1985—2019年冬小麦播种面积和播种面积年较差Fig.8 Winter wheat sowing area and annual difference of sowing area in northern Henan from 1985 to 2019
冬小麦播种面积和播种面积年较差与播种期的气候因子（平均气温、降水、日照时数）的相关性研究主要是基于Pearson 相关性和显著性P值（表4），可以看出，播种期平均气温与播种面积呈正相关，且在P＜0.05 水平上显著，说明播种期升温对冬小麦播种面积有明显促进作用。
表4 播种期气候因子与冬小麦播种面积相关性Tab.4 Correlation between meteorological factors at sowing date and sowing area of winter wheat
2.4.2 气候因子对冬小麦播种面积重要性评价
采用多元线性回归分析进行3种气候因子对冬小麦播种面积影响程度的重要性排序，并利用ZScore 标准化方法来消除自变量单位不同产生的影响。将播种期的平均气温、降水、日照时数与播种面积进行多元回归分析，播种面积为因变量，气候因子为自变量，得到上述气候因子的多元线性回归方程：
式（4）中，A是冬小麦播种面积（×103hm2）；
Ws为播种期降水（mm），Ts为播种期平均气温（℃），Ss为播种期日照时数（h）。
通过上面方程可以看出，播种期的平均气温对播种面积有积极促进作用，而降水和日照时数对冬小麦播种面积具有一定的抑制作用。分析原因可能是，豫北地区多采用灌溉的方式应对干旱，使得降水对播种影响不大。播种期气候因子对播种面积的重要性排序为：播种期平均气温＞播种期日照时数＞播种期降水。
续表4 播种期气候因子与冬小麦播种面积相关性Tab.4（Continued） Correlation between meteorological factors at sowing date and sowing area of winter wheat
2.5 气候因子对冬小麦产量的影响
2.5.1 冬小麦产量与气候因子相关性分析 根据冬小麦产量和产量年较差（图9）可以看出，豫北地区1985—2019年冬小麦产量整体呈增产趋势，其中2018年的减产最为严重，1995—2001年的增产最为明显，年较差有110.81万t。
图9 豫北地区1985—2019年冬小麦产量和产量年较差Fig.9 Winter wheat yield and annual difference of yield in northern Henan from 1985 to 2019
产量和产量年较差与拔节-抽穗期和抽穗-乳熟期的气候因子（平均气温、降水、日照时数）的相关性研究主要是基于Pearson 相关性和显著性P值（表5、表6）。拔节-抽穗期降水与产量呈显著正相关（P=0.003＜0.01）；
抽穗-乳熟期的降水与产量年较差相关性达到显著水平（P=0.049＜0.05），日照时数与产量年较差呈显著正相关（P=0＜0.01）。分析原因可能是日照时数的增加使得冬小麦灌浆效果较好，达到增产的效果。综上，拔节-抽穗期降水和日照与冬小麦产量具有较强的相关性，此时应关注降水的情况，及时对冬小麦进行灌溉；
抽穗-乳熟期日照时数与产量年较差显著相关，对冬小麦增产贡献较大。
表5 拔节-抽穗期气候因子与冬小麦产量相关性Tab.5 Correlation between climatic factors and winter wheat yield at jointing-heading stage
表6 抽穗-乳熟期气候因子与冬小麦产量相关性Tab.6 Correlation between climatic factors and winter wheat yield at heading-milk ripening stage
2.5.2 冬小麦产量对气候因子的敏感性分析 利用面板非线性回归模型进行豫北地区冬小麦产量对拔节-抽穗期、抽穗-乳熟期年均气温、降水量和日照时数的敏感性分析，气温每升温1 ℃，降水每增加100 mm，日照时数每增加100 h，冬小麦产量变化如图10所示。
图10 豫北地区冬小麦产量对不同生育时期气候因子敏感性的空间分布Fig.10 Spatial distribution of sensitivity of winter wheat yield to climatic factors at different growth stages in nothern Henan
豫北地区中冬小麦产量对拔节-抽穗期升温主要表现为正响应的为焦作市，其余主要为负响应；
对拔节-抽穗期降水增多主要表现为正响应的为安阳市、济源市、濮阳市和新乡市，鹤壁市和焦作市主要为负响应；
拔节-抽穗期日照时数增加，豫北大部分地区产量主要为正响应，濮阳市和新乡市主要为负响应。豫北整个地区冬小麦产量对抽穗-乳熟期平均气温升高和日照时数增加主要表现为正响应，对抽穗-乳熟期降水增多主要表现为正响应，负响应的仅有焦作市。
拔节-抽穗期的降水每变化100 mm，导致豫北地区冬小麦产量在-1.2%～2.0%变动（图10a）。从空间上看，正向和负向变动区域的面积分别占豫北地区的77.7%和22.3%。正向变动区域中，高增产区增产幅度在1.0%～2.0%，位于济源市和新乡市，低增产区增产幅度在0～1.0%，位于安阳市、濮阳市。负向变动区域主要是鹤壁市和焦作市，焦作市属高减产区，其减产幅度在1.0%～1.2%。拔节-抽穗期的平均气温每变化1 ℃，豫北地区冬小麦产量在-1.6%～0.3%变动（图10b）。从空间上看，正向和负向变动区域的面积分别占豫北地区的14.5%和85.5%。正向变动区域主要是焦作市，其增产幅度在0～0.3%。负向变动区域中济源市敏感性最强，属高减产区，减产幅度在1.0%～1.6%。低减产区减产幅度在0～1.0%，位于豫北北部的安阳市、濮阳市、鹤壁市和新乡市。拔节-抽穗期的日照时数每变化100 h，导致豫北地区冬小麦产量在-0.5%～1.4%变动（图10c）。从空间上看，正向和负向变动区域的面积分别占豫北地区的55.6%和44.4%。正向变动区域中，高增产区增产幅度在0.4%～1.4%，位于鹤壁市和焦作市，低增产区增产幅度在0～0.4%，位于安阳市和济源市。负向变动区域主要是濮阳市和新乡市，属低减产区，其减产幅度在0～0.5%。
抽穗-乳熟期的降水每变化100 mm，导致豫北地区冬小麦产量在-0.6%～1.5%变动（图10d）。从空间上看，正向和负向变动区域的面积分别占豫北地区的85.5%和14.5%。正向变动区域中，高增产区增产幅度在1.0%～1.5%，位于濮阳市、安阳市和新乡市。负向变动区域主要是焦作市，属于低减产区，其减产幅度为0～0.6%。抽穗-乳熟期的平均气温每变化1 ℃，导致豫北地区冬小麦产量在0.05%～0.50%变动（图10e）。从空间上看，豫北地区全部为正向变动区域，高增产区增产幅度在0.25%～0.50%，位于鹤壁市、新乡市和焦作市。抽穗-乳熟期的日照时数每变化100 h，导致豫北地区冬小麦产量在0.3%～2.5%变动（图10f）。从空间上看，日照时数的增加对豫北地区产量起促进作用，在变动区域中，高增产区增产幅度在1.4%～2.5%，位于济源市、新乡市和鹤壁市，低增产区增产幅度在0.3%～1.4%，位于安阳市、濮阳市和焦作市。
综上可以看出，拔节-抽穗期中降水对冬小麦产量的贡献率相对较高，此时冬小麦正在拔节生长，充足的水分有利于冬小麦吸收养分；
抽穗-乳熟期的平均气温和日照时数对冬小麦产量的促进作用尤为重要。从敏感性的强度来看，冬小麦产量对抽穗-乳熟期日照时数的敏感性最强，最高达到2.5%。
1985—2019 年豫北地区冬小麦产量对气候多年变化趋势的敏感区分布如图11 所示。从图11 可以看出，冬小麦对生育时期气候因子的敏感区在豫北地区各市均有分布。济源市是拔节-抽穗期平均气温、降水和抽穗-乳熟期日照时数的公共敏感区，其中抽穗-乳熟期日照时数的敏感性最强，增产幅度达到了2.0%～2.5%，可能因为济源市地区多山地导致敏感因子相对较多。焦作市是拔节-抽穗期日照时数的敏感区，增产幅度为0.4%～1.4%。新乡市是拔节-抽穗期降水和抽穗-乳熟期降水的公共敏感区，其中拔节-抽穗期降水的敏感性最强，增产幅度为1.0%～2.0%，豫北地区多春旱发生，拔节-抽穗期内降水增多有利于缓解干旱。鹤壁市是拔节-抽穗期日照时数和抽穗-乳熟期平均气温的公共敏感区，其中拔节-抽穗期日照时数的敏感性最强，增产幅度达到了0.4%～1.4%，日照增多利于冬小麦灌浆乳熟。安阳市和濮阳市是抽穗-乳熟期降水的敏感区，其增产幅度为1.0%～1.5%。
图11 冬小麦产量对拔节-抽穗期和抽穗-乳熟期气候因子多年变化趋势的敏感区Fig.11 Sensitive area of winter wheat yields to multi-year change trend of climatic factors during jointing-heading stage and heading-milk ripening stage
2.5.3 气候因子对冬小麦产量重要性评价 将拔节-抽穗期、抽穗-乳熟期的平均气温、降水、日照时数与产量进行多元线性回归分析，得到上述气候因子的多元线性回归方程：
式（5）中，Y是冬小麦产量（万t）；
Wr为拔节-抽穗期降水（mm），Wh为抽穗-乳熟期降水（mm），Tr为拔节-抽穗期平均气温（℃），Th为抽穗-乳熟期平均气温（℃），Sr为拔节-抽穗期日照时数（h），Sh为抽穗-乳熟期日照时数（h）。
通过回归方程可以看出，拔节-抽穗期降水、平均气温和抽穗-乳熟期的平均气温对冬小麦产量提高起到积极促进作用，即在一定的范围内，拔节-抽穗期降水增多，拔节-抽穗期和抽穗-乳熟期平均气温升温，冬小麦产量就会提高。而抽穗-乳熟期降水、拔节-抽穗期和抽穗-乳熟期日照时数对增产具有一定的抑制作用。本研究中豫北地区气候因子对冬小麦产量的重要性排序为：拔节-抽穗期降水＞拔节-抽穗期平均气温＞抽穗-乳熟期降水＞拔节-抽穗期日照时数＞抽穗-乳熟期日照时数＞抽穗-乳熟期平均气温。
本研究基于GEE 平台的Landsat 数据进行特征构建，利用RF 算法提取豫北地区冬小麦空间分布信息，根据1985—2019年豫北地区相关的逐日观测气象数据，选取与播种面积相关的播种期及与产量紧密相关的拔节-抽穗期和抽穗-乳熟期内的平均温度、降水、日照时数，开展研究区播种面积和产量变化以及气候因子的影响分析。主要结论如下：
（1）基于GEE 平台对Landsat 影像数据进行特征构建，并通过RF 算法进行豫北地区冬小麦空间分布信息提取，遥感提取面积与统计面积的相对误差均在3.5%以内。样本点平均精度为94.94%，Kappa系数在0.88～0.94。表明本研究中对豫北地区冬小麦空间分布提取结果达到了较高精度水平。
（2）通过年际和空间变化来研究近35 a 来豫北地区气候因子变化。从年际变化来看，近35 a 来，豫北地区冬小麦播种期、拔节-抽穗期、抽穗-乳熟期平均气温在整个研究区呈增温趋势；
播种期、抽穗-乳熟期降水和播种期、拔节-抽穗期日照时数均呈减少趋势，拔节-抽穗期降水和抽穗-乳熟期日照时数呈增加趋势。空间上来看，豫北地区西北部山地相较于东部平原气温低、雨水多，日照充足。东南部平原地区南部相较于北部地区温度高、降水多、日照时间较少。
（3）豫北地区冬小麦主要分布在中东部地区，且中部地区种植频率较高。1985—2019 年豫北地区冬小麦播种面积呈上升趋势，播种期平均气温对冬小麦种植具有促进作用；
播种期气候因子对播种面积的重要性排序为：播种期平均气温＞播种期日照时数＞播种期降水。
（4）1985—2019 年豫北地区产量整体呈增产趋势，拔节-抽穗期降水对冬小麦产量具有显著促进作用，日照时数对产量具有显著抑制作用。豫北地区中，济源市、焦作市、新乡市、鹤壁市分别对抽穗-乳熟期日照时数、拔节-抽穗期日照时数、拔节-抽穗期降水、拔节-抽穗期日照时数的敏感性最强，安阳市和濮阳市是抽穗-乳熟期降水的敏感区。拔节-抽穗期、抽穗-乳熟期气候因子对豫北地区冬小麦产量影响的重要性排序为：拔节-抽穗期降水＞拔节-抽穗期平均气温＞抽穗-乳熟期降水＞拔节-抽穗期日照时数＞抽穗-乳熟期日照时数＞抽穗-乳熟期平均气温。
本研究借助GEE 云平台Landsat 影像对冬小麦进行高精度提取。前人成果中，邓荣鑫等[13]以MODIS 影像数据结合统计数据提取河南省2004—2013年冬小麦种植面积，平均精度为89.5%；
李方杰等[28]利用中低分辨率MODIS EVI 时序遥感数据和CART 决策树算法进行连续15 a（2001—2015 年）作物种植空间分布信息提取，平均总体精度为90.39%。本研究克服了MODIS 影像数据分辨率较低易产生混合像元的缺点，特征构建增加了纹理信息，进一步提高了豫北地区冬小麦分布的提取精度。在冬小麦高精度提取的基础上，分析了气候因子对播种面积和产量变化的影响，特别对种植频率的变化和产量对气候的敏感性进行了深入研究，但对极端气候因子的影响尚未考虑，今后仍需进一步加强研究。
