对于历史稳定的指标通常采用2018-2021年的均值作为参照与2022年（图9）进行对比以确定变化量，但就GPP积累而言，2018-2021基本呈现波动上升趋势，因此均值将在一定程度低估平均的有机物积累量，所以使用熵值法对2018-2021年赋予不同权重，以得到一个更为接近的往年预测值（图10）。通过计算预测值与2022年真实GPP累积值之间的差异，得到每一块耕地上的变化幅度。

纵观2017年以来（图5），就整个区域而言，严格的遵循了一年两熟，夏季作物5-6月播种（EVI低值），9月达到生长峰值（EVI高值），10月收获（EVI低值）。冬季作物10-11月播种（EVI低值），2月到达生长峰值（EVI高值），4-5月收获（EVI低值）。此次印度高温3月开始，所以直接作用的是该区域的冬季作物。就整个大规律而言，冬季作物EVI 值没有发生特殊变化，也没有出现太大波动，因此进一步横向对比2022年与2018-2021年冬季作物在整个生长周期（11月到次年5月）每16天的EVI值。

如图11，具体而言，占总面积4％的区域GPP积累量增加的区域，主要集中在拉贾斯坦邦（Rajasthan）东部区域、北方邦（Uttar Pradesh）西南区域。96％的下降区域中，降幅不超过1％的占总面积的69％，也就是这部分区域同往年产量基本持平，究其原因是该区域前期的有机物积累量已经超过往年同期，后期的降幅基本抵消前期的增量。

印度高温持续不仅对于作物产生很大影响，也势必会对人类作息行为产生一定影响，因此，冬季作物能否像往年一样完全收割也是值得关注的问题。随着全球气候变化的影响，极端天气的出现将更加的随机，华泰期货研究院农产品组将持续实时追踪极端气候对农业基本面带来的影响。

量化下降值，总体8个邦大面积区域GPP积累量较预测值下降10.62％，按照相关研究GPP与产量在99％的置信水平存在较强的相关关系，对于产量而言整个区域大约有近一成的减产。具体分区域统计各个行政区划范围内的耕地产量，减产最严重的为北部的三个邦，旁遮普邦（Punjub）、哈里亚纳邦（Haryana）、北方邦（Uttar Pradesh）幅度分别达到24.61％、18.32％和9.79％（如图12）。

2 受影响地域的耕地提取

首先针对作物生长发育的整个过程，将Modis反演的16天时间间隔的EVI指标，按照时间顺序排列，便可直观体现作物生长的动态过程，反应作物从播种、出苗、抽穗到成熟收割的EVI 变化过程。

为更详细的了解GPP值的波动，横向对比5个冬季生长周期内同时间的GPP平均值（图8），2022年GPP在3月份出现急剧上行后快速下降的特征，表明该时间段，光合作用先增强后快速减少，这一特征与光合作用中起催化作用的生物酶活性随温度升高而增强，但超过一定阈值后大幅下降的特征高度吻合。意味着，3月开始的高温先促进了有机物的积累速度，然后又大幅的抑制了该过程。从另外一个角度，无论2017年到2021年产量如何，GPP在3-5月下降斜率基本保持一致，有机物的积累速度缓慢降低，但2022年该时期GPP曲线下降速率明显高于其他年份。综上，高温对该区域光合作用强度产生一定影响。

结果如图6所示，在高温作用下，2022年作物的长势曲线的变化规律同往年一致，且具体数值与往年也只有小幅波动，处于合理震荡范围。换而言之，该区域农作物在该时间段遭受高温时其株高、叶片、根茎等物理特征发育基本成型，受影响较小。

3 基于EVI指数的作物长势分析

但值得一提的是，2022年3月前的GPP值比往年同期均高，换而言之，如无高温等极端气候影响该区域今年产量可能增加，但高温作用下，后期GPP值表现乏力。因此今年产量究竟如何？研究组采用积分的方法量化对比各年份的有机物积累状况，将各年份整个生长期内每一块耕地内的GPP值进行累积，得到2018-2022年度的GPP累积空间分布图。

NASA的Modis中分辨率卫星遥感数据具有重访周期短、光谱范围广、时间序列长的特点，是农业卫星遥感研究的重要数据源，而且Modis数据反演EVI和GPP有着成熟的研究基础，因此华泰期货研究院农产品组，以该遥感数据为主要数据，反演EVI和GPP指标，并结合卫星数据分类解译耕地范围，对印度高温截止2022年5月9日（可获取最新影像数据）产生的影响进行全过程监测。

作物产量不仅关系到农民的生活，也决定着市场的波动和国家政策的制定。作物产量的形成是一个复杂的过程，中间涉及非常多的生理生化过程，气象条件、土壤条件、田间管理、物候信息、农时信息等都可以对产量产生重大影响。气候变化尤其温度和降水异常由于发生相对突然，自古便是农业生产中的潜在风险。对于风险的管控可从多角度切入，但就市场而言，及时准确的量化风险的损益，便掌握了市场的主动权。

上一篇：卫星遥感+人工智能算法 “地卫二”助力沙特绿
下一篇：没有了