应用遥感_GIS对稻田生态系统健康程度的监测评价研究_以长江下游平原为例

基金项目：国家自然科学基金项目（40471096）；国家社会公益项目（2005DIA3J032）

作者简介：李晶晶（1983－），女，硕士研究生，主要从事热红外遥感理论与应用、数字图像处理方面的研究。E-mail: crystalwushuli@126.com *通讯作者：覃志豪; E-mail: qinzh@caas.net.cn 收稿日期：2007-10-08

应用遥感、GIS 对稻田生态系统健康程度的监测评价研究

——以长江下游平原为例

李晶晶1

，覃志豪1, 2

，高懋芳2

，林绿1

1. 南京大学国际地球系统科学研究所，江苏 南京 210093；

2. 中国农业科学院农业资源与农业区划研究所，北京 100081

摘要：稻田生态系统是在一定时间和地区内由作物、动物、微生物和环境因素共同构成的农业生产体系，具有时空动态性，受人工性和环境影响很大。由于稻谷是我国最主要的粮食作物，因此稻田生态系统健康程度直接关系着稻谷产出水平和国家粮食安全。开展我国稻田生态系统健康程度的动态监测，具有十分重要的现实意义。该研究利用遥感、GIS 技术快速获取和分析区域尺度范围内的地表时空信息数据的优势，建立一套能够客观全面地监测评价稻田生态系统运行状态的指标体系和评价方法。该方法主要是根据稻田生态系统的构成要素，分别建立作物长势指数(CGI)、稻田环境指数(EI)、病虫害指数(PIDI)三个指数表征这些要素。最后，确定各个指数的权重，建立生态系统健康程度综合指数(EHDCI)，客观、全面地反映稻田生态系统的健康状况。这里，作物长势指数指示作物长势，通过EVI 归一化计算得到。稻田环境指数分为温度指数(TI)和降水指数(PI)分别指代水、热条件对生态系统的胁迫。病虫害指数主要通过官方农业网站发布的病虫害信息确定得到。本文以长江下游平原稻田为例，对孕穗期、抽穗期、黄熟期等水稻生长关键期的稻田生态系统运行状态进行监测评价。结果表明，2006年长江下游平原稻田生态系统总体运行状态较好，孕穗期和抽穗开花期表现正常，其中安徽最好，健康程度高于正常水平，江苏部分地区在黄熟期健康程度较差。结合2006年各地区的稻谷产出水平，这一监测评价方法能客观地反映长江下游平原稻田生态系统总体运行趋势，可为有关部门采取相应措施，以确保稻田生产稳定发展，提供重要的科学依据。 关键字：长江下游平原；稻田生态系统；监测与评价；遥感；GIS ；MODIS

中图分类号：X835 文献标识码：A 文章编号：1672-2175（2008）02-0777-08

“生态系统健康”一词最早出现在十几年前，对于“生态系统健康”的概念，许多学者给予了不同阐述。稻田生态系统是一种结构比较简单的生态系统。根据前人的研究，笔者认为稻田生态系统健康的概念可以定义为：健康的稻田生态系统应能通畅地进行物质、能量和信息地流动与转化，对各种灾害具有一定的抵御能力和恢复能力，并且能够满足人类的适当需求。我国幅员辽阔，水稻种植面积大，分布范围广，涝害、干旱、病虫害等灾害时有发生，因此如何针对稻田生态系统的健康程度建立一种科学、宏观、快速的监测评价方法具有十分重要的现实意义。

目前，评价生态系统健康的指标体系种类繁多，但大致可归结为两种。第一种，建立一个或若干个指标，对生态系统的健康状况进行综合评价。如Costanza 等[1]用活力(V )、组织结构(O )和恢复力(R )等3个主要的测量指标建立生态系统健康指数(H )，即H =V ·O ·R ，来衡量生态系统的健康程度。李春阳等[2]选择生物量、株高，幅宽，土壤水分等代表性指标分别计算出以上三个指数(V , O , R )，进而得到健康指数，并对不同作物覆盖下的农田生态系统进行了分析，得出不同种植模式间农田健康指数差别明显的结论。此类方法，看上去简单，但由于每种生态系统都有各自特定的组分、结构和功能，许多指标难以普遍适用。第二种方法是利用层次分析法建立多层次指标体系评价模型。彭涛等[3]将评价目的设定为实现可持续的健康高效农田生态系统，以结构指标、环境指标、生产力指标、持续力指标和管理指标建立起农田生态系统健康评价指标体系，并给出了评价指标标准。武兰芳[4]等，鉴于农业生态系统健康与经济、社会、环境的关系，提出了区域农业生态系统健康的指标体系，并以山东禹城市为例进行了实例分析。谢花林等[5]，刘排九等[6]以活力、组织结构和恢复力作为项目层建立指标体系，分别对我国西部地区和广西壮族自治区的农业生态系统的健康水平进行了评估。这类方法覆盖面广，常常跨学科建立指标体系，需要获取的数据量大，许多指标只能进行定性分析难于量化，且指标权重的确定主观性较强，在实际应用中可操作性不强。

778 生态环境 第17卷第2期（2008年3月）

综上所述，传统的生态系统健康评价指标体系，或是由于不同生态系统功能、结构、组分的差异而未能普遍适用，或是由于体系纷杂、相关数据难于获得、部分数据不易理解、难于量化等因素造成可操作性差。近些年，遥感凭借实效性强、可实现大面积的同步观测、数据信息量大等特点在监测作物长势、作物估产、土壤水分监测等诸多方面得到了极为广泛的应用。遥感技术的出现与应用极大地拓宽了人们研究问题的思路。本文将利用遥感、GIS 技术快速获取和分析区域尺度范围内的地表时空信息数据的优势，从一个全新的视角选取指标体系，建立评价模型对长江下游平原的稻田生态系统健康状况进行研究分析。

1 研究区概况、数据处理、稻田面积提取

1.1 研究区概况

长江下游平原由长江及其支流冲积而成，主要包括安徽长江沿岸平原和巢湖平原（皖中平原）以及江苏、浙江、上海间的长江三角洲（图1）。该地区地势低平，海拔大多50 m 左右。气候大部分属北亚热带，小部分属中亚热带北缘。年均温14~18 ℃，最冷月均温0~5.5 ℃，绝对最低气温-10~ -20 ℃，最热月均温27~28 ℃，无霜期210~270 d 。农业一年二熟或三熟，年降水量1000~1400 mm ，集中于春、夏两季。地带性土壤仅见于低丘缓冈，主要是黄棕壤或黄褐土。南缘为红壤，平原大部为水稻土。农业发达，土地垦殖指数高（上海62.1%，江苏45.6%），是重要的粮、棉、油生产基地。盛产稻米、小麦、棉花、油菜、桑蚕、苎麻 、黄麻等。

1.2 数据处理

植被指数(Vegetation Index, VI)已被广泛应用于监测区域或全球尺度的植被状况，到目前为止，对多光谱遥感而言，已发展了40余种植被指数。增强型植被指数(Enhanced Vegetation Index, EVI)，利用蓝光和红光对气溶胶的差异，采用“抗大气植被指数”进一步减小了气溶胶的影响，采用“土壤调节植被指数”减少了土壤背景影响，同时，EVI 还可

以避免归一化植被指数(Normalized Difference Vegetation Index, NDVI)容易饱和的问题[7]。利用MODIS 产品计算EVI 的公式为：

()

2.5-=

+6-7.51

21213B B EVI B B B +

（1） 式中B 1、B 2和B 3分别是MODIS 图像第1、2、3波段的反射率。

本文主要用到遥感数据和气象数据。EVI 数据用MODIS 1KM 数据进行旬最大值合成，尽可能地消除云的影响。其中，云采用MODIS 大气2级标准数据产品MOD35进行标定。气象数据主要为气温、降水数据。以上数据在ENVI 、ERDAS IMAGINE 、ArcGIS 等专业遥感与GIS 软件里完成处理合成。

1.3 稻田面积提取

研究区下垫面可以分为四种类型：农用地、林地、城镇和水体。据了解，该区的种植制度主体为麦（油）—单季稻的一年二熟制。冬小麦2月下旬返青，4月中旬孕穗，4月下旬至6月上旬为抽穗开花、灌浆、结实期。油菜4月份进入开花、灌浆期，5月末6月初成熟。中稻一般在5月初播种，6月初移栽，7月初拔节，7月中孕穗，8月初抽穗开花，9月末黄熟，10月初收割。晚稻在5月中播种，6月中移栽，7月中、下旬拔节，8月上孕穗，8月

末抽穗开花，10月中黄熟，10月末收割。水稻在其返青分蘖期植被指数迅速上升，孕穗期达到高峰，抽穗开花期有所下降，到灌浆乳熟期出现次高峰，随后继续下降，其变化曲线呈双峰型[8]。本文主要是依据不同农作物、林地的植被指数(EVI)随物候历的推移，表现出不同的变化趋势，及地物特有的光谱特性来进行水稻面积提取的。具体通过公式(2)计算提取得到。

0.3

4_36_28_210_24_3EVI EVI EVI EVI EVI ⎧>⎪

> ⎨⎪

≥⎩ （2）

其中，EVI i_j (i=1,2,…12; j=1,2,3)，i 代表月份，j 为上、中、下旬，1为上旬，2为中旬，3为下旬。油菜、小麦4月下旬处于生长旺季，EVI 指数较高，6月中旬收割完毕或水稻进入移栽期，此时EVI 降到最低。而此时，林地的EVI 不断升高，据此可排除林地的干扰。水稻8月中旬、10月中旬分别进入孕穗、抽穗开花期和成熟收割期，EVI 呈现下降趋势。以0.3为阈值可以排除城镇和水体像元。最后

图

1 研究区MODIS 假彩色合成图

Fig. 1 MODIS composed RGB image of the study area

李晶晶等：应用遥感、GIS 对稻田生态系统健康程度的监测评价研究：以长江下游平原为例 779

提取出来的稻田面积如图2所示。

2

原理与方法

稻田生态系统是在一定时间和地区内，人类从事农田生产，利用水稻与非生物环境之间以及与生物种群之间的关系，在人工调节和控制下，建立起来的不同发展水平的水稻生产体系。稻田生态系统主要包括四要素：农作物（水稻）、微生物、动物（昆虫、鸟、鼠）、稻田环境。可以建立三个指数分别表征这四要素，即，作物长势指数指示作物长势，稻田环境指数指示稻田环境，病虫害指数指示作物所受病虫害，该指标不仅可以体现动物、微生物对农作物所施加的影响，在一定程度上还可以反映人们的管理水平。最后，确定各个指数的权重，建立生态系统健康程度综合指数，客观、全面地反映稻田生态系统的健康状况。这里，作物长势指数通过EVI 归一化计算得到。稻田环境指数分为温度

指数和降水指数分别指代水、热条件对生态系统的

胁迫。病虫害指数主要通过官方农业网站发布的病虫害信息确定得到。

长江下游平原稻田主要分布在安徽和长三角。从图3的b 、f 可以看出，农田收割后EVI 迅速降到0.3以下。依上图得到，安徽6月上旬进行了大面积夏粮的收割，6月中旬水稻基本移栽完成，

10月上旬收割完毕。根据水稻生长期及EVI 变化图，可以判定长三角6月下旬进行水稻移栽，10月下旬完成收割。由于安徽水稻生长期比长三角提前，所以要对整个长江下游平原稻田生态系统的健康状况进行评估比较，不能在同一时间段比较，而应选取相同的生长阶段进行比较分析。根据从遥感图像得到的信息和该地区的物候历，安徽和长三角水稻生长期如表1所示（A －移栽返青期，B －孕穗期，C －抽穗开花期，D －黄熟期）。

安徽水稻6月中旬进入移栽返青期，7月下旬处于孕穗后期，8月上旬开始抽穗开花，9月下旬进入黄熟期。长三角与安徽相应的生长期时间为6月下旬、8月中旬、8月下旬和10月中旬。本文特选取7月下旬、8月上旬、9月下旬和8月中下旬、10月中旬的遥感影像及与其相对应的气象数据、病虫害信息，对安徽、长三角孕穗期、抽穗开花期和黄熟期的稻田系统健康水平进行评价分级。如不特别说明，本文以下出现的安徽孕穗、抽穗开花、黄熟期分别指7月下旬、8月上旬、9月下旬，长三角孕穗、抽穗开花、黄熟期分别指8月中旬、8月

图2 长江下游平原稻田提取

Fig. 2 Extracting paddy field of Lower Yangtze River plain

图3 稻田EVI 旬最大值合成变化

Fig. 3 Compositing maximum value of paddy field EVI for every 10 days, over (a ：5月下旬；b ：6月上旬; c ：6月中旬；d ：9月下旬；e ：10月上旬；f ：10月下旬)

780 生态环境 第17卷第2期（2008年3月）

下旬、10月中旬。 2.1 稻田环境指数

稻田环境指数(EI )分为温度指数(TI )和降水指数(PI )，是用来衡量水稻生长环境水、热状况的指数。水稻生长的最适温度在25 ~ 30 °C 之间，最高温度为35 °C ，最低温度为15 °C ，如果温度超过水稻生长的最高界限，将出现水稻高温害。水稻高温害会造成水稻高温不实或水稻高温逼熟等灾害情况的发生。长江下游平原是水稻高温害的易发区。可以通过以下函数来反映稻田环境的温度变化对水稻生长的影响情况。

0,(<15>35)0.5,(2530)=0.05(-15),(15<25)0.1(35-),(30<35)

t t t f(t)t t t t ⎧⎪≤≤⎪

⎨

≤⎪⎪≤⎩或 （3） t 为旬平均最高温（一旬之内的每日最高温求和取平均）或旬平均最低温（一旬之内的每日最低温求和取平均）。

max min =+TI f(t )f(t ) （4） (4)式为温度指数的计算公式，其中，TI 为温度指数，t max 为旬平均最高温，t min 为旬平均最低温。

降水指数的计算方法与降水距平的计算方法相同，即：

i i

i i

R R PI R −=

（5） 式中：PI i 为降水指数，R i 为旬降水总量，R i 为多年旬平均降水量，i 代表旬数。长江下游平原夏季易出现强暴雨天气，如果雨量过大，会造成田块积涝成灾甚至绝收。如出现上述情况则降水指数为-1（最小值）。

最后，稻田环境指数的计算公式为：

()=+/2 i i i EI TI PI （6） EI i 为稻田环境指数，TI i 为温度指数，PI i 为降水指数，i 代表旬数。

2.2 作物长势指数

作物长势指数(CGI)，可以反映出作物在不同生长阶段的生长情况。其计算公式为：

min

max min

-=

-EVI EVI CGI EVI EVI

（7） 其中，EVI 为作物特定生长阶段的测量值，EVI min 、EVI max 分别为该阶段的EVI 相对最大值和相对最小值，随生长阶段的不同，EVI min 、EVI max 也需作出相应的调整。本文主要研究水稻孕穗、抽穗开花、黄熟期的健康状况。由于水稻抽穗开花期，穗子位于植被冠层的上部，卫星所接收到的反射辐射信息一部分来自于水稻的穗、花，另一部分是绿色叶片，致使植被冠层光谱特征发生改变，即遥感植被指数较孕穗期有所降低[8]。水稻黄熟期植被指数与孕、抽穗期相比下降明显。根据以上水稻生长期的特征并结合遥感图像，确定孕穗、抽穗开花、黄熟期的

EVI min 、

EVI max 值依次为0.32、0.74；0.3、0.69；0.3、0.43。

2.3 病虫害指数

2006年全国水稻主要病虫害偏重发生，以钻蛀性、迁飞性害虫和流行性病害为主，程度略轻于2005年。发生面积约0.87×108 hm 2·次，其中病害发生面积0.27×108 hm 2·次，害虫发生面积0.6×108 hm 2·次。可见，病虫害的发生、发展对水稻生长、产量、质量等影响作用巨大，是评定水稻生态系统健康不可或缺的因素。本文主要通过农业网站及时发布的病虫害发生情况及各地受灾程度来确定病虫灾害指数(PIDI)。

2.4 生态系统健康程度综合指数

本研究主要是从稻田生态系统的构成要素出发，利用遥感、气象数据提出一套科学合理的农业生态评价技术方法体系。各要素指数含义及计算方法如上所示。生态系统健康程度综合指数的计算公式为：

i i e i c i d EHDCI EI W CGI W PIDI W =⋅+⋅+⋅

（8） 式中，i 为时间段，EHDCI i 为生态系统健康程度综合指数，EI i 、CGI i 、PIDI i 分别为稻田环境、作物长

表1 安徽和长三角水稻生长期

Tab 1 The growth phases of paddy rice in Anhui and Changsan Jiao

6 月

7 月

8 月

9 月 10 月

地区

上

中

下

上

中

下

上

中

下

上

中

下

上

中

下

安徽 A B C D 长三角 A B C D

势、病虫害指标，W e、W c、W d分别为这几个指标的权重。根据稻田生态系统的组成结构及相关领域的专家意见，确定权重值为W e=0.4，W c=0.4，W d=0.2。

3 结果分析

3.1 稻田环境指数分析

3.1.1 温度指数分析

从图4可以看出，7月下旬（安徽水稻孕穗期，图a），从海洋到内陆，从北向南温度指数呈现降低趋势。降低趋势主要是内陆旬平均最高温超过水稻生长最适高温30 ℃引起的。8月上旬（安徽水稻抽穗开花期，图b），杭州成为高温区，温度指数较上旬下降两个等级。安徽温度指数由北向南，温度指数依次下降一个等级。9月下旬（安徽水稻黄熟期，图c），长江下游平原气温普遍下降，安徽中北部昼夜温差较大，夜间温度较低，因而温度指数比南部地区低。综上所述，安徽地区从孕穗期到黄熟期温度指数呈降低趋势。

8月中旬（长三角水稻孕穗期，图d）、8月下旬（长三角水稻抽穗开花期，图e），从海洋到内陆温度指数逐渐降低，杭州高温显著。温度适宜水稻生长情况，上海、江苏好于浙江。10月中旬（长三角水稻黄熟期，图f），昼夜温差继续加大，夜间温度持续下降，除沿海地带外，温度指数比9月下旬普遍下降一个等级，长江下游平原北部温度指数低于南部地区。上海黄熟期温度指数较孕穗期、抽穗开花期有所提高；浙江黄熟期温度指数大体比前两期上升2个等级；江苏抽穗开花期温度指数高于孕穗期、黄熟期。结合图4对比分析得到，孕穗期、抽穗开花期、黄熟期，长三角地区稻田温度指数皆低于同期安徽省稻田温度指数。

3.1.2 降水指数分析

长江下游平原的强暴雨天气和降水过程主要集中在6月下旬到7月中旬和9月上、中旬。7月下旬，8、10月份，强暴雨天气较少出现，有利于水稻抽穗开花、灌浆成熟。安徽孕穗期，巢湖平原降水量较大，降水指数一般在0.5以上，蚌埠地区降水指数最高达到1.0。安徽抽穗期，巢湖平原、长江沿岸平原降水指数有所下降，大体在0.5以下。黄熟期，两平原降水指数继续下降，降水指数出现负值。长三角孕穗期，除南京市区出现强暴雨天气，降水指数为-1外，其他地区以晴朗天气为主，降水指数为负。抽穗期，降水区向南通一带转移，其余地区降水少于常年。黄熟期，长三角降水较少，降水指数普遍为负。

图4 温度指数分布

Fig. 4 The distribution of TI, over

(a：7月下旬；b：8月上旬；c：9月下旬；d：8月中旬；e：8月下旬；f：10月中旬)

782 生态环境 第17卷第2期（2008年3月）

3.2 作物长势指数分析

图5为安徽、长三角孕穗期、抽穗开花期、黄熟期等对应生长期的的CGI （作物长势指数）合成图。水稻孕、抽穗开花期，CGI 越大说明植被指数越高，有效光合面积越大，水稻长势越好。从图5的a 、b 可知，孕、抽穗开花期长江下游平原水稻长势较一致，CGI 持续保持在0.8以上；小部分稻田CGI 降到0.8以下。水稻黄熟期，植株叶片日益衰减，穗粒日趋成熟，遥感指数不断下降，整个稻田逐渐由绿变黄。此阶段，水稻绿色功能叶片衰减越缓慢，越有利于成熟。反之，植被指数提早下降，说明水稻有早衰现象。从图3的d 可以看出，水稻黄熟期部分稻田已进行了收割，为了不影响评价结果，特将黄熟期收割过的稻田像元排除。由图5的c 得到，安徽未收获水稻黄熟期CGI 较高，零星地

区CGI 出现0.2以下的低谷，长三角CGI 低谷区面积大于安徽。

3.3 病虫害指数分析

7月份，安徽主要受稻飞虱、稻纵卷叶螟(Cnaphalocrocis medinalis Guenee )“两迁”害虫的侵害，由于防控积极，虫害得到有效防治，病虫害指数较高。8月上旬，安徽单季稻田稻飞虱虫卵量高，褐飞虱(Nilaparvata lugens Stal )成虫所占比例较高，PIDI 较7月份有所下降。9月中旬田间虫量急剧增加，加之有成虫补充迁入，9月下旬稻飞虱严重发生危害，PIDI 最低。长三角8月中旬稻飞虱、稻纵卷叶螟出现迁入高峰期。8月下旬，稻纵卷叶螟、褐飞虱、文枯病、稻瘟病等多种病虫害同时发生，部分地区较为严重，PIDI 较上旬有所降低。由于9月份对病虫害进行了整体防治，10月中旬PIDI 有所上升。

3.4 生态系统健康程度综合指数分析

通过以上的指标体系及权重计算得到生态系统健康程度综合指数后，我们联系稻田生态系统实际的运行情况，将EHDCI 分为7个等级，如表2所示。

长江下游平原稻田生态系统孕穗期、抽穗期、黄熟期EHDCI 分级情况见图6所示。孕穗期，安徽稻田生态系统由于病虫害防控有利，雨量适中，高温天气较少出现，EVI 指数高，绝大部分地区健康情况很好；长三角南京周边地区降水充沛，健康状况好于其他地区，健康水平略好，其余大部分地区稻田生态系统表现正常，少部分地区低于正常水平。抽穗期，安徽长江沿岸平原健康情况有所下降，但仍好于正常水平；长三角降水区从南京转移到南通，南通地区作物长势迅猛，病虫害发生程度轻，健康水平有所上升，其余地区仍维持在正常水平。黄熟期，长江下游平原部分地区已经收割，安徽余下稻田健康水平基本保持在正常及以上；江苏余下稻田主要由于EVI 过低，造成稻田健康水平急剧下降；浙江稻田表现正常。

4 结论

稻田生态系统的健康是一种状态，会随时间的

图5 稻田孕穗期(a)、抽穗开花期(b)、黄熟期(c)作物长势指数变化 Fig. 5 The distribution of CGI during three key growth phases, over: a). booting stage; b). heading and blooming stage; and c). yellow ripe stage

表2 生态系统健康程度综合指数分级

Tab 2 EHDCI classification

范围 等级 含义

0.8~1.0 很好 水热条件很好，没有干旱或者高温现象，农作物长势也很好。 0.7~0.8 较好 水热条件较好，农作物长势也较好，没有大的病虫害发生。 0.6~0.7 略好 水热条件有利于作物生长，作物长势也略好于正常水平。 0.4~0.6 正常 水热条件正常，农作物长势基本正常。

0.3~0.4 略差 水热条件略微差些，但对作物生长不构成较大影响，作物长势略差于正常水平，有些轻度的病虫害。 0.2~0.3 较差 水热条件较差，不利于作物生长，农作物长势不是很好，或者发生了中等程度的病虫害。

0~0.2

很差

水热条件很不好，持久无雨，温度过高或者过低，不利于作物生长，农作物长势很差，病虫害比较严重。

李晶晶等：应用遥感、GIS对稻田生态系统健康程度的监测评价研究：以长江下游平原为例 783

推移而发生变化。因此，有必要动态监测水稻各生长关键期的健康情况，从而对出现的问题及时提出解决方法，提高经济收益。本研究主要通过遥感数据计算得到EVI，然后依照水稻不同生长期进行归一化，获得水稻长势方面的信息；通过旬平均最高温、最低温及相关函数建立温度指数，利用旬降水距平，计算降水指数，分别监测高温害、干旱、涝害等灾害对生态系统运行情况的影响（稻田环境指数由温度指数和降水指数构成，综合反映水稻生长环境的水热条件）；收集相关网站发布的病虫害信息，建立病虫害指数，反映虫害、病害的发生、发展对水稻的危害程度。最后，确定权重，建立稻田生态系统健康程度综合指数，并确定分级标准，对稻田生态系统的健康水平做出分级评价。

根据上述方法，本文对我国主要稻区—长江下游平原的稻田生态系统孕穗期、抽穗开花期、黄熟期的健康水平做了跟踪评价。结果表明，生态系统健康程度综合指数能够很好的体现稻田生态系统的运行状况和水稻生长与生态环境的相互协调状况。进而可以分析出哪些因素影响到这种相互协调，提出相应的农业宏观决策，及时调整相关的农业，确保稻田生态系统的可持续发展。参考文献：

[1] COSTANZA R, NORTON B G, HASHELL B D. Ecosystem Health:

new goals for environmental management[M]. Washington DC: Island Press, 1992: 120-125.

[2] 李春阳, 秦红灵, 高旺盛. 北方农牧交错带农田生态系统健康评价

一以武川县为例[J]. 中国农学通报, 2006, 22(2): 347-350.

Li Chunyang，Qin Hongling, Gao Wangsheng. Ecosystem health evaluation in ecotone between agriculture and animal husbandry in northern China Farmland: the case of Wuchuan county[J]. Chinese Agricultural Science Bulletin, 2006, 22(2): 347-350.

[3] 彭涛, 高旺盛, 隋鹏. 农田生态系统健康评价指标体系的探讨[J].

中国农业大学学报, 2004, 9(1): 21-25.

Peng Tao, Gao Wangsheng, Sui Peng. Discussion on indicator system of farmland ecosystem health assessmeng[J]. Journal of China Agricultural University, 2004, 9(1): 21-25.

[4] 武兰芳, 欧阳竹, 唐登银. 区域农业生态系统健康定量评价[J]. 生

态学报, 2004, 24(12): 2740-2748.

Wu Lanfang, Ou Yangzhu, Tang Dengyin. The quantitative assessment of agro-ecosystem health on a regional dimension[J]. Acta Ecologica Sinica, 2004,24(12): 2740-2748.

[5] 谢花林, 李波, 王传胜, 等. 西部地区农业生态系统健康评价[J].

生态学报, 2005, 25(11): 3028-3036.

Xie Hualin, Li Bo, Wang Chuansheng, et al. Agroecosystem health assessment in western China[J]. Acta Ecologica Sinica, 2005, 25(11): 3028-3036.

[6] 刘排九, 胡宝清, 甘永萍. 农业生态系统健康评价方法与应用: 以

广西壮族自治区为例[J]. 农业科技通报, 2006, 8: 124-126.

Liu Paijiu, Hu Baoqing, Gan Yongping. The method and application of agroecosystem health assessment: the case of Guangxi Zhuang Autonomous Region[J]. Bulletin of Agricultural Science and Technology, 2006, 8: 124-126.

[7] 王正兴, 刘闯, HUETE A. 植被指数研究进展：从A VHRR-NDVI

到MODIS-EVI[J]. 生态学报, 2003, 23(5): 979-987.

Wang Zhengxing, Liu Chuang, HUETE A. From A VHRR-NDVI to MODIS-EVI: advances in vegetation index research[J]. Acta Ecologica Sinica,2003, 23(5): 979-987.

[8] 石宇虹, 朴瀛, 张菁, 等. 应用NOAA/A VHRR资料监测水稻长势

的研究[J]. 应用气象学报, 1999, 10(2): 243-248.

Shi Yuhong, Piao Ying, Zhang Jing, et al. Monitoring rice growth trends using NOAA/A VHRR data[J]. Quarterly Journal of Applied Meteorology, 1999,10(2): 243-248.

[9] RAPPORT D J, BOHM G, BUCKINGHAM D. et al. Ecosystem

health: the concept, the ISEH, and their important task ahead[J].

Ecosystem Health, 1999, 5: 82-90.

[10] RAPPORT D J, COSTANZA R, MICHAEL A J. Assessing ecosystem

health[J]. Trends in Ecology and Evolution, 1998, 13: 397-402.

[11] 袁兴中, 刘红, 陆健健. 生态系统健康评价: 概念框架与指标选择

[J]. 应用生态学报, 2001, 12(4): 627-629.

Yuan Xingzhong, Liu Hong, Lu Jianjian. Assessment of ecosystem health: concept framework and indicator selection[J]. Chinese Journal of Applied Ecology, 2001, 12(4): 627-629.

[12] 赵锐, 汤君友, 何隆华. 江苏省水稻长势遥感监测与估产[J]. 国土

资源遥感, 2002, 53: 9-11.

Zhao Rui, Tang Chenyou, He Longhua. A discussion on growing state

图6 稻田孕穗期(a)、抽穗开花期(b)、黄熟期(c)

生态系统健康程度综合指数分级

Fig. 6 The classifying picture of EHDCI, over: a). booting stage;

b). heading and blooming stage; and c). yellow ripe stage784 生态环境第17卷第2期（2008年3月）

survey and yield estimation of paddy in Jiangsu province by means of remote Sensing[J]. Remote Sensing for Land & Resources, 2002, 53: 9-11.

[13] 王正兴, 刘闯, 陈文波, 等. MODIS增强型植被指数EVI与NDVI

初步比较[J]. 武汉大学学报, 2006, 31(5): 407-410.

Wang Zhengxing, Liu Chuang, Chen Wenbo, et al. Preliminary comparison of MODIS-NDVI and MODIS-EVI in eastern Asia[J].

Geomatics and Information Science of Wuhan University, 2006, 31(5): 407-410.

[14] 章家恩, 骆世明. 农业生态系统健康的基本内涵及其评价指标[J].

应用生态学报, 2004, 15(8): 1473-1476.

Zhang Jiaen, Luo Shiming. A discussion on basic content and evaluation index system of agroecosystem health[J]. Chinese Journal of Applied Ecology, 2004, 15(8): 1473-1476.

[15] 王小艺, 沈佐锐. 农业生态系统健康评估方法研究概况[J]. 中国农

业大学学报, 2001, 6(1): 84-90.

Wang Xiaoyi, Shen Zuorui. Progress of assessment methods of

agroecosystem health[J]. Journal of China Agricultural University, 2001, 6(1): 84-90.

[16] 李琪, 陈立杰. 农业生态系统健康研究进展[J]. 中国生态农业学报,

2003, 11(2): 144-146.

Li Qi, Chen Lijie. Research progress of agroecosystem health[J].

Chinese Journal of Eco-Agriculture, 2003, 11(2): 144-146.

[17] 董玉红, 欧阳竹, 刘世梁. 农业生物多样性与生态系统健康及其管

理措施[J]. 中国生态农业学报, 2006, 14(3): 16-20.

Dong Yuhong, Ou Yangzhu, Liu Shiliang. Role of agrodiversity in agroecosystem health and its management measures[J]. Chinese Journal of Eco-Agriculture, 2006, 14(3): 16-20.

[18] 梁文举, 武志杰, 闻大中. 21世纪初农业生态系统健康研究方向[J].

应用生态学报, 2002, 13(8): 1022-1026.

Liang Wenju, Wu Zhijie, Wen Dazhong. Research directions of agroecosystem health in the early 21st century[J]. Chinese Journal of Applied Ecology, 2002, 13(8): 1022-1026.

Monitoring and evaluating the health degree of paddy agricultural

ecosystem utilizing remote sensing and GIS data:

Application to Lower Yangtze River Plain

Li Jingjing1, Qin Zhihao1, 2, Gao Maofang2, Lin Lu1

1. International Institute for Earth System Science, Nanjing University, Nanjing 210093, China；

2. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Science, Beijing 100081, China

Abstract: Paddy rice ecosystem is a farming system composed of paddy, animals, microbes and environmental factors in specific period of time and place, with features of temporal and spatial dynamics. Since paddy rice is a main grain crop to feed above half of population in China, the performance of paddy rice ecosystem is highly concerned to yield level of paddy and food supply safety in China. Therefore, monitoring the performance of paddy rice ecosystem is very important to obtain the required information for evaluation of ecosystem health. In the study we intend to develop an approach to monitor the ecosystem performance spatially and dynamically in a regional scale using MODIS remote sensing data and GIS spatial mapping. On the basis of key factors governing the paddy rice ecosystem, we accordingly develop the following three indicators for the evaluation: Crop Growth Index (CGI), Environmental Index (EI), and Plant Insect and Disease Index (PIDI). Then, we integrated the three indicators into a model with different weight coefficients to calculate Ecosystem Health Degree Comprehensive Index (EHDCI) to evaluate the performance and functioning of paddy rice ecosystem in a regional scale. CGI indicates the health status of paddy rice calculated from the normalizing Enhanced Vegetation Index (EVI) retrieved from MODIS data. EI is estimated from Temperature Index (TI) and Precipitation Index (PI) indicating heat and water stress on the rice field. PIDI reflects the damage brought by insects and diseases, which can be estimated using the information obtained from governmental websites. Applying the approach to Lower Yangtze River Basin, we monitor and evaluate the performance of paddy rice ecosystem in various stages of rice growing period in 2006. The results indicated that the performance of the ecosystem was generally very encouraging. During booting stage and heading and blooming stage, the health level was the highest in Anhui province, which is the main paddy rice producer in the region. During stage of yellow ripeness, Jiangsu province had lowest level of performance. Yield level of paddy rice in 2006 confirms that the applicability of the proposed approach for a rapid evaluation and monitoring of agricultural ecosystem performance in Lower Yangtze River Basin. As a result, the new approach could supply scientific basis for relevant departments taking policies and measures to make sure stable development of paddy yield.

Key words: Lower Yangtze River Basin; paddy agricultural ecosystem; monitoring and evaluating; Remote Sensing; GIS; MODIS