《Paddy and Water Environment》：Are dispersed rice planting dates linked to higher provincial yields? Evidence from Northeast Thailand
编辑推荐：
种植日期是季风亚洲雨季水稻表现的重要决定因素。然而，种植日期不仅受降雨影响，还受灌溉条件、排水状况和田块可操作性的制约。本研究量化了种植日期的空间分布和分散度与泰国东北部省级雨季水稻产量的关联。研究利用PhenoRice算法，基于中分辨率成像光谱仪（MODI
种植日期是季风亚洲雨季水稻表现的重要决定因素。然而，种植日期不仅受降雨影响，还受灌溉条件、排水状况和田块可操作性的制约。本研究量化了种植日期的空间分布和分散度与泰国东北部省级雨季水稻产量的关联。研究利用PhenoRice算法，基于中分辨率成像光谱仪（MODIS）获取的增强型植被指数（EVI）时间序列，估算了2002—2023年1公里分辨率的水稻种植日期，并据此构建了省级年份的平均种植日期指标和省内空间标准差指标。这些指标与6—8月降水量、6—10月气温以及9—10月标准化降水蒸散指数（SPEI）进行了联合分析。卫星反演的5—8月月度种植面积与官方农业统计数据的相关性系数为0.65，显示出中等程度的一致性。在空间分布上，研究区域南部的平均种植日期较早，而降雨较多的东北部地区种植日期较晚，这表明排水和渍涝约束而非仅靠季风初期降雨量影响了水稻的移栽时间。双向固定效应回归结果显示，种植日期分散度与产量呈正相关，且在湿润的后期条件下这种关联更为显著。上述结果表明，种植日期的空间异质性是雨季水稻系统除降雨总量之外的一个与产量相关的重要特征。
## 论文解读文章
### 一、研究背景与科学问题
水稻种植日期是季风农业生态系统中关键的适应性管理变量，反映了农户对降雨起始、水资源可用性及其他环境信号的响应。种植（或移栽）日期具有重要的农学意义，因为它决定了作物在关键生长阶段暴露于胁迫或有利条件的程度，种植日期的变化最终可能影响作物产量。因此，水稻种植日期的时空变异蕴含了潜在的水分约束和管理策略信息，这些信息可能进一步影响产量和恢复力。
近年来，卫星遥感技术的进步使得在多个尺度上观测和绘制水稻种植历成为可能。基于植被指数和合成孔径雷达（SAR）后向散射的时间序列分析已被广泛用于提取水稻系统的关键物候日期，尤其是与种植或移栽相关的季节起始期。然而，尽管已有大量研究检测水稻种植日期，部分研究在产量模型中使用了种植日期，但相对较少有研究考察种植日期空间变异的农学后果。许多遥感研究侧重于绘制种植日期地图或报告平均种植日期，而未量化种植日期的区域内变异如何与作物表现相关联。
在季风水稻系统中，同一省内不同田块的种植日期可能相差数周甚至数月，这是因为排水条件、地表水获取的异质性以及灌溉调度差异等局部约束因素会影响田块何时可耕作以及移栽何时能够进行。当种植日期在空间上分散时，较大比例的种植面积可能避免集中在单一脆弱时段，这可以降低全省在移栽期间遭遇短期不利事件或在不同年份间变化的后期水分条件时的暴露风险。然而，一个尚未解决的研究空白是：种植日期变异性很少被直接与观测到的产量结果联系起来。
本研究针对泰国东北部雨季水稻系统填补了这一空白。研究通过PhenoRice框架，基于MODIS时间序列估算省级年份的平均种植日期和省内种植日期空间分散度，检验这两个种植日期指标（平均值和标准差）是否与省级雨季水稻产量相关，并利用具有省份和年份固定效应的双向固定效应面板回归量化了这些关联的强度。这一设计允许在考虑气候变量后评估种植日期分散度是否与产量相关，并将其关联强度与关键气象变量的关联强度进行比较。
### 二、研究区域与方法概述
本研究聚焦于泰国东北部的水稻田，覆盖泰国20个府。该地区水稻生产以雨养低地系统为主，约85%的稻田在雨养条件下种植，仅有约15%在雨季由灌溉基础设施供水。大多数稻田位于大型灌溉系统之外，水稻生产尤其是种植日期高度依赖季风降雨和当地地表水可用性。研究区域属热带季风气候，雨季约为5—10月，旱季为11月至次年4月。分析时段为2002—2023年，选择此期间是因为2002年是研究区域可获得一致1公里MODIS植被指数观测的首年，而2023年是所使用省级产量统计覆盖的最近年份。
研究人员在开展这项研究时，主要采用了以下关键技术与方法：
**1. 卫星遥感种植日期提取与指标构建：** 利用Google Earth Engine平台处理MODIS Terra和Aqua双平台1公里、16天合成的植被指数产品，构建2002—2023年增强型植被指数（EVI）时间序列。采用PhenoRice物候算法检测雨季水稻种植日期（即生长季起始期），并通过随机搜索程序对算法参数进行标定以适应1公里产品的信号特征。在此基础上，计算两个省级年份种植日期指标：(1)省级年份平均种植日期（MeanPD），定义为省内水稻像元种植日（年序日DOY）的空间平均值；(2)省内种植日期空间分散度（SDPD），定义为种植日期的空间标准差。
**2. 气象与水文气候指标构建：** 使用ERA5再分析数据提取6—10月平均2米气温（T2M）和6—8月累积降水（TP）。采用分位数映射方法，利用泰国气象局（TMD）2002—2017年10公里分辨率格点降水数据对ERA5降水进行偏差校正。使用CSIC SPEI数据集的2个月累积尺度标准化降水蒸散指数（SPEI），提取每年9—10月数值作为后期水分条件指标。
**3. 统计与计量经济学分析：** 采用双向固定效应面板回归模型（PanelOLS估计器），控制省份固定效应和年份固定效应，因变量为标准化省级雨季水稻产量，自变量包括平均种植日期、种植日期空间标准差、6—8月累积降水、6—10月平均气温、9—10月SPEI以及种植日期标准差与SPEI的交互项。所有连续变量均经过z-score标准化处理，系数可解释为标准差变化。采用省级聚类稳健标准误进行推断，并通过小样本校正、野生聚类bootstrap-t检验和留一省（LOO）敏感性分析三项稳健性检验来应对19个省份的有限聚类数量问题。省份行政边界来自全球行政区划数据库（GADM 4.1），并采用时变边界配置以处理Bung Kan府2011年行政分设的时间一致性问题。
### 三、研究结果
**（一）PhenoRice参数标定与种植面积一致性检验**
随机搜索标定确定的PhenoRice参数大多接近原始研究数值，但Δt_min和Δt_max更宽，EVI_min_th更高。这些差异可能反映了研究区域约85%雨养的性质，种植日期随降雨起始时间变化，而当地种植的光周期敏感品种可能延长早种像元的生长季。较高的EVI_min_th可能是由于雨养稻田杂草抑制较弱，提高了年度最小EVI值。
卫星反演的月度种植面积与农业统计数据的对比显示，两者总体相关系数为r=0.65，表明月度尺度上的季节性移栽动态与省级统计数据基本一致。分月来看，5月的一致性最强（r=0.75），6月中等（r=0.56），表明卫星产品能较好地捕捉季风初期的种植面积。2002—2023年月度种植面积份额分布显示，大多数水稻在5月、6月和7月种植，8月仅占季节性总量的很小比例。由于5—7月主导种植面积预算，这些月份的一致性对省级种植日期分布和随后的SDPD分析最具影响力。
补充的2002—2020年固定效应分析显示，直播率与5—6月种植份额之间存在正相关：在考虑省份和年份固定效应后，直播率每提高10个百分点，卫星估算的5—6月种植份额增加1.60个百分点（p=0.049），农业统计数据的5—6月种植份额增加3.48个百分点（p=0.015）。
**（二）种植日期的空间格局与年际变率**
2002—2023年长期平均种植日期的空间分布显示，该区域中部和南部（包括Mun河和Chi河中下游地区）种植日期较早，而研究区域东北部省份种植日期较晚。对比长期平均6—8月降水量分布，降雨较低的中央和南部地区往往种植较早，而较湿润的东北部地区种植较晚。这一格局与“雨季初期降雨更多、水更早可用因而种植更早”的简单预期相反。这表明移栽时间不仅受水资源可用性的控制，还受田块可操作性的制约——在较湿润的景观中，积水、渍涝和排水缓慢可能限制田块的可进入性，即使在季风初期降雨充沛的情况下，过量水分和排水限制也可能推迟水稻移栽。
像元尺度种植日期的年际标准差（2002—2023年）具有空间异质性，并不沿河流走廊一致偏高。高变率区域集中在特定低洼地区，特别是Mun河下游左岸以及Mun河与Chi河下游之间的走廊地带。这些高变率区域主要位于该区域较湿润的部分，雨季期间地表水可能持续存在。在这种环境中，降雨强度和淹没的逐年差异可以改变田块可供移栽的时间，从而造成较大的种植日期年际变率。
**（三）省级种植日期指标的年份间变化模式**
按平均6—8月降水量排序的省级平均种植日期热力图显示，降雨较高的省份（位于热力图上方）倾向于表现出系统性较晚的种植日期，进一步强化了湿润季风初期条件与延迟移栽相关的反直觉空间关系。同时，许多省份在研究期内观察到种植日期逐渐向更早方向的时间转变。相比之下，SDPD热力图与季风初期降雨排序之间没有明显的单调关系，而是呈现各省一致的显著年际变率。例如，2016年空间标准差普遍较低，而2019年和2020年大多数省份的分散度升高。这些模式表明，特定年份的全省范围气候或水文条件要么将农户限制在狭窄的种植窗口内，要么创造异质性的机会和约束，导致同一省份内种植日期更加分散。
**（四）固定效应回归结果**
由于所有变量均已标准化，回归系数表示在控制省份和年份固定效应后，每个预测变量每增加一个标准差所对应的产量标准差变化。6—8月累积降水与产量正相关，且在5%水平上统计显著（β=0.1999，p=0.0104），强调了季风初期水资源可用性对雨养水稻生产力的重要性。在此气候驱动因素之外，省内种植日期空间标准差（SDPD）为正且边缘显著（β=0.1215，p=0.0601），表明在同一省份内、控制共同年份冲击后，种植日期分散度较高的年份产量倾向于较高。种植日期分散度与9—10月SPEI的交互项为正且高度显著（β=0.1411，p=0.0001），而9—10月SPEI的主效应不显著（β=?0.0089，p=0.9589），表明种植日期分散度的正产量关联在湿润后期变得更加强烈。定量来看，当9—10月SPEI高于平均值一个标准差时，种植日期分散度每增加一个标准差，对应产量高出0.2626个标准差（0.1215+0.1411）。这一综合关联超过了6—8月降水增加一个标准差的产量关联估计值（0.1999），表明种植日期分散度特别是当后期水分条件相对湿润时，是一个数量上重要的产量关联因素。
**（五）稳健性检验**
三项稳健性检验支持主要发现。第一，对省份聚类标准误进行小样本调整（群组去偏聚类稳健标准误）后，每个系数的点估计和不确定性均与基线聚类标准误非常相似。第二，留一省（LOO）敏感性分析显示，系数符号和值总体稳定；特别是种植日期分散度与后期水分（SPEI）的交互项在所有运行中均为正，系数范围为0.1202—0.1588，表明该交互结果不由任何单一省份驱动。第三，省级野生聚类bootstrap-t推断产生的双尾p值与聚类和去偏推断一致：SDPD的p值为0.080，交互项p值为0.001。bootstrap结果也支持6—8月累积降水与产量的正关联（p=0.026），而平均种植日期、6—10月平均气温和9—10月SPEI单独在野生聚类bootstrap-t推断下均未得到支持。
### 四、讨论与结论
**（一）讨论部分总结**
研究结果表明，泰国东北部水稻种植日期呈现清晰的大尺度空间结构，且无法仅由季风初期降雨解释。平均种植日期在中央和南部低地较早、东北部省份较晚，而6—8月降雨在东北部反而更高。这种对比表明，该区域部分地区季风初期降雨较多并不转化为较早的田间移栽，移栽日期可能反映了水资源可用性与田块可操作性之间的平衡，后者受当地水文和管理约束的影响与降雨总量同等重要。
SDPD在本研究中主要被解释为省级年份的稻米实际移栽条件的空间异质性指标。它衡量省内水稻像元之间种植日期的离散程度，但不直接识别造成这种变异的潜在过程。在雨养低地系统中，较高的SDPD可能反映局部水资源可用性、淹没持续时间、排水、田块可操作性、地形位置、灌溉获取和农户管理水平的空间差异。在这些成分未被分别观测的情况下，SDPD不能区分种植日期变异的具体过程机制，不应被解释为任何特定水文、管理或行为机制的直接证据。
在此代理解释下，SDPD与后期水分之间的正交互作用表明，异质性移栽条件的产量关联随后续水文气候条件而变化。在有利的后期水分条件下，较晚建立的部分景观受到末期水分胁迫的惩罚较小，异质性移栽的省级正产量关联变得更加明显。相反，在较干旱的后期，分散度可能包含更多晚移栽面积，这些面积在敏感阶段经历更强的水分胁迫，从而降低了净产量关联。
研究提出了几个非排他性机制假设来解释SDPD与省级产量的关联：第一，种植日期的空间分散创造了作物阶段在景观上的时间多样化，可能降低所有田块在相同敏感阶段经历相同不利事件的机会；第二，分散度可能通过改变生长阶段的时空连续性影响病虫害动态；第三，分散度可能缓解与短时间窗口内田间作业集中相关的操作约束。这些机制应被视为关于空间异质性移栽时间如何影响产量的假设，而非SDPD直接测量或单独识别的过程。
研究结果的启示包括：种植日期不应仅表示为季风初期降雨总量或季风起始的简单函数；种植日期分散度可作为景观尺度异质性移栽约束的可测量概括指标，可能提供超越季节性气候总量的产量相关信息。
**（二）研究结论翻译**
本研究表明，卫星反演的水稻种植日期的空间分散度与泰国东北部省级雨季水稻产量相关，特别是在湿润的后期条件下，并提供了超越省级平均种植时间的信息。研究团队的方法不是将移栽时间视为单一代表日期，而是概括了省级尺度的种植日期分布，并将其与不同水文气候条件下的年际产量变异联系起来。结果表明，季风水稻系统中移栽机会和约束不仅受季风初期降雨总量的影响，还受当地可操作性和地表水条件的制约，这些条件可能推迟种植或使不同景观的种植日期多样化。
从应用角度看，由常规卫星时间序列导出的种植日期分散度指标可以在两个方面支持省级尺度监测：(i)作为可能未被季节性气候总量捕获的异质性移栽约束的指标；(ii)作为季节性产量评估中的补充预测因子，特别是当后期水分条件调节异质性种植的结果时。这些用途最适合与可用产量统计一致的聚合决策尺度。
同时，解释仍受1公里分辨率混合像元不确定性以及像元派生指标与省级产量之间尺度不匹配的限制。未来研究应优先采用更高分辨率的光学和雷达时间序列以及关于种植作业、洪水/排水、灌溉供水和更细尺度产量结果的独立信息，以验证种植日期并直接检验所观察到的关联所暗示的机制。论文发表在《Paddy and Water Environment》。
