【摘要】随着全球变暖加剧，极端气候频发，区域粮食产量不确定性持续增多。今年3月以来，印度遭受百年未有之高温袭击，尤其北部和西北区域，创下近122年来同期最高温度记录，此时正值印度冬季作物灌浆收获的关键时期，势必会对作物单产产生一定影响，进而影响总体产量。各大机构从不同角度阐述分析了印度高温对作物产量的影响，华泰期货研究院农产品组，基于客观的卫星遥感大数据，并结合多种指标，从时空角度对印度高温导致的作物产量的潜在变化进行了详细的监测和量化分析。

一、主要监测方法及指标介绍

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。

持续异常的印度气温到底会对作物的哪些方面产生影响？研究小组本着全面监测的态度，对作物的生长发育过程和最后的产出做了详细研究分析。首先，作物长势的监测通常采用归一化植被指数（NDVI），增强型植被指数（EVI），植被状态指数（VCI），叶面积指数（LAI）等指标，其中NDVI和EVI具有较高的可靠性，被广泛应用于美国农业部（USDA）、联合国粮农组织（FAO）等组织机构。

其次，作物产量的估测仍是学术界一大前沿课题，通常精度为68.1%到95.5%之间，平均精度为83.9%，目前作物估产模型达上百种之多，其理论基础和侧重点各不相同，粗分为经验统计模型、作物生长模型、光能利用率模型和耦合模型四大类。

其中光能利用率的模型逻辑高效，数据可以通过卫星遥感技术获取，被广泛应用于农业监测。其机理为：太阳光经过大气达到植被冠层表面后，经过反射和透射，最终有一部分被叶片光合作用利用，这部分光能是作物产生糖类的主要能量，而糖类又是作物产量的物质来源。通过对这个过程的监测，可以从光能利用的角度对作物干物质的积累过程进行测算。

第一净生产力（NPP）和总初级生产力（GPP）是两个表征光能利用有机物积累情况的重要指标。GPP指单位时间、单位面积内植物把无机物合成为有机物的总量或固定的总能量。该指标是生态学中表征植被生物特征的重要指标，在国际上也有广泛应用。

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。

二、受影响区域的耕地提取

印度异常高温波及范围广、影响时间长，但要影响农作物必须同时满足以下两个条件：该区域有异常高温且存在处于重要生长期的农作物。

图 1: 印度作物生长峰值时空分布

图 2: 印度作物生长末期时空分布

数据来源：FAO华泰期货研究院

图3: 印度8个重点研究邦域

图 4: 印度8个邦域内的耕地提取

数据来源：Modis卫星和Sentinel卫星 华泰期货研究院

因此，根据联合国粮农组织（FAO）基于SPOT卫星NDVI的长时间序列分析结果（图1和图2），印度在3月份处于生长中后期的冬季作物主要集中在北部和西北部的8个邦，该区域也是温度异常的典型区域。

进而将旁遮普邦、哈里亚纳邦、北方邦、拉贾斯坦邦、古吉拉特邦、中央邦、比哈尔邦和西孟加拉邦8个邦（图3）划定为重点监测区域。结合GADM行政矢量范围和欧空局（ESA）Sentinel系列卫星数据的深度学习土地分类结果，精准的提取8个重点邦内部的耕地区域（图4绿色区域），进而开展下一步研究。

三、基于EVI指数的作物长势分析

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。

图 5: 2017-2022年印度研究区EVI每16天统计值

数据来源：Modis卫星 华泰期货研究院

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。

图 6: 2017-2022年印度研究区冬季作物整个生长期同期EVI均值对比

数据来源：Modis卫星 华泰期货研究院

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。

四、基于GPP的作物产量分析

相同长势的作物并不意味着产量一致。因为在作物中后期，气候指标的变化更多的是对作物的生化反应产生影响。即对灌浆以及光合作用强度产生不同程度的影响，这些生化反应直接影响作物的产量。因此研究从光能利用角度引入GPP指标对区域农作物进行监测，具体反演了从2017年11月1日到2022年5月9日期间每8天间隔的GPP值，反应了作物在生长发育过程中每8天在单位时间内，单位面积上，通过光合作用途径所固定有机物质总量或有机碳总量。

图 7: 2017-2022年印度研究区每8天GPP统计值

数据来源：Modis卫星 华泰期货研究院

如图7所示，过去4年GPP的值呈现一定的规律性波动，数值呈现大小年的特征，但在今年3月出现了剧烈的震荡。

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。

图 8: 2017-2022年印度研究区冬季生长期同期GPP均值对比

数据来源：Modis卫星 华泰期货研究院

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。

图 9: 2022年印度研究区冬季生长期GPP累积值

图 10: 据历史年份研究区冬季生长期GPP累积预测值

数据来源：Modis卫星 华泰期货研究院

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。

图 11: 印度研究区GPP累积量预测值与真实值变化情况

数据来源：Modis卫星 华泰期货研究院

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。

图 12: 印度研究区GPP累积量预测值与真实值变化情况分邦域统计

数据来源：Modis卫星 华泰期货研究院

但有占总面积27%的区域下降显著，这些区域受高温影响较大，这些区域分布于8个邦域，但主要集中在旁遮普邦（Punjub）、哈里亚纳邦（Haryana）、北方邦（Uttar Pradesh）以及古吉拉特邦（Gujarat）等。

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）。

表 1: 印度粮食产量丨单位：千吨

资料来源：USDA 华泰期货研究院

进一步量化各个邦主要作物的产量规模。据USDA数据，印度四大粮食作物中只有玉米和小麦出口处于全球前十位，其中小麦为冬季作物，研究区内的旁遮普邦、哈里亚纳邦、北方邦、拉贾斯坦邦和中央邦贡献全印度将近90%的小麦产量（如图13所示），同时大麦也集中种植在拉贾斯坦邦和北方邦（如图14所示）。因此结合USDA对于高温前对于印度小麦和大麦的产量估测和研究的各个区域的减产幅度，对小麦和大麦两个品类在各主产邦的产量进行进一步估算（表1可知USDA对于高温影响前小麦2021/ 22年的产量估测为109586千吨。大麦估测为1656千吨）。

图 13:印度小麦产量分布

图 14: 印度大麦产量分布

数据来源：USDA 华泰期货研究院

图 15: 印度主要邦小麦产量预测分布

数据来源：Modis卫星 华泰期货研究院

图 16: 印度主要邦大麦产量预测分布

数据来源：Modis卫星 华泰期货研究院

测算结果显示：印度小麦各邦产量如图15所示，5个邦总估测产量为：84395.47千吨，USDA高温前估测产量为：96435.68千吨。依据区域小麦产量占比88%估算，假设其余区域保持稳定，全国总产量为：95903.94千吨，小麦减产幅度为12.48%。但南部小麦产区如按照高温前长势，则会有一定比例增产，所以总体减产量大概率会小幅低于该比例。大麦两个主产区总产量为：1321.71千吨，USDA高温前预估区域产量为：1424.16千吨，按照产区所占比例86%预测全国产量为：1536.88千吨，总体减产幅度为7.19%。

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。