春季是農作物出苗的時期,地表異常干燥松散,抗風蝕能力很弱,在有大風刮過時,就會造成農作物大面積倒伏、植株折斷、籽?;蚬麑嵜撀?,減產嚴重。2009 年 4 月 16 日,阿克蘇市遭遇大風沙塵暴天氣,持續時間近 3 小時,瞬間風速達到 24. 6m/s。這次大風沙塵天氣風力強、范圍廣、持續時間長、影響大。傳統的風沙災害監測與評估方法主要通過大田抽樣調查的方法估算受災面積和其分布情況。這種方法需要大量的田間調查工作,很難在區域尺度上實現災害的及時準確監測。因此,快速獲取風沙災害發生區域的范圍、受災程度等信息,客觀地反映風沙災害發生的真實情況,并制定一套實時、快捷、方便、有效的風沙災害監測方法已迫在眉睫。
由于遙感數據能夠快速、準確、大范圍評估農作物的災害情況,使得衛星資料監測自然災害受到廣泛關注,并已成為研究熱點。Tapia - Silva 等利用農作物的歸一化植被指數標準生長曲線和遙感數據分類方法估計農作物受洪水災害的損失; Baojuan Zheng 等利用多時相 Landsat 數據計算歸一化耕作指數分析了作物殘茬覆蓋情況; 王堃等通過定量分析收獲季節內多時相 NDVI \\( Normalized Differential VegetationIndex,NDVI\\) 的變化大小和變化過程,實時監測研究區內玉米種植地塊的收獲期; 南穎等通過對比分析臺風前后長白山歸一化植被指數,提取了長白山自然保護區內遭受臺風襲擊后的災區范圍; 董燕生等根據凍害發生的時間和冬小麥的生長特征選擇冬小麥越冬前分蘗期和年后起身期作為凍害分析的關鍵生長期,基于多時相 HJ - 1 CCD 遙感數據和統計方法分析了冬小麥凍害影響范圍和受災程度的遙感評估。
基于以上災情監測方法,運用多時相遙感數據的災情評估指標變化分析是監測農作物災情的重要方法??紤]到風沙災害監測的時效性,中分辨率成像光譜儀\\( Moderate - resolution Imaging Spectroradiometer,MODIS\\) 具有高時間分辨率和數據空間覆蓋范圍廣的特點,在農作物遙感監測方面具有獨特的優勢。文中以阿克蘇市為例,選擇多時相 MODIS 數據產品,通過建立風沙災害評估指標,獲得災情影響的農作物種植面積,為防災減災機構提供有力的信息支持。
1 材料與研究方法
1. 1 研究區概況
阿克蘇市位于新疆天山南麓、塔克拉瑪干沙漠西北邊緣,屬暖溫帶干旱氣候地區,降雨量稀少,蒸發量大,氣候干燥,適宜各類農作物生長,是國家重要的商品糧、商品棉基地。2000 ~2010 年,阿克蘇市發生沙塵天氣共 582 天,8 級以上大風 82 次,其中以 4 月次數最多。風沙災害已成為阿克蘇市農作物出苗期主要自然災害之一,嚴重制約了農作物生產的發展。
1. 2 數據與預處理
\\( 1\\) 研究時間選擇。根據阿克蘇市地面氣象觀測站提供的總云量資料,選取無云的時間,即 4 月 15日\\( 農作物風沙災害前\\) 、4 月 17 日\\( 農作物風沙災害后\\) 和 4 月 29 日\\( 農作物風沙災害恢復期\\) 作為農作物風沙災害研究時間。為了對風沙災害指標閾值的確定,需要選擇季節相近的研究區農作物正常生長晴空圖,時間分別為 2010 年 4 月 22 日、23 日和 24 日。
\\( 2\\) MODIS 數據及預處理。根據研究時間,此次共使用 2009 年 4 月 15 日、17 日和 29 日,以及 2010年 4 月 22 日、23 日和 24 日的 250 m MODIS 日地表反射率產品\\( MOD09GQ\\) 影像 6 期,2009 年逐年合成500m 土地覆蓋類型產品 MCD12Q1 影像 1 期。對這些遙感數據均采用 MODIS 重投影工具進行重采樣和拼接處理,轉換成 tif 格式。根據土地覆蓋類型產品中第一類國際地圈生物圈計劃\\( IGBP\\) 全球植被分類方案,選擇第 12 類\\( 農作物\\) 提取阿克蘇市的農作物種植區。
1. 3 研究方法
1. 3. 1 風沙災害植被指數變化情況
利用遙感監測風沙對農作物的災害,通常是利用地表植被狀況、特征等指標監測作物風沙災害的情況。參考文獻中指出,NDVI 探測低密度綠色植被的能力最強,是植被生長狀態及植被覆蓋度的最佳指示因子。因此,文中將農作物的 NDVI 值作為農作物風沙災害的評估指標。
\\( 1\\) 歸一化植被指數。根據每日地表反射率數據\\( MOD09GQ\\) 的近紅外和紅波段,通過公式\\( 1\\) 計算歸一化植被指數?!?】
式中: NDVI 為歸一化植被指數; RNIR為近紅外波段反射率; RRED為紅波段反射率。
\\( 2\\) 植被指數變化分析。從光譜物征與作物冠層之間的關系看,綠色植物葉面葉綠素在光照條件下發生光合作用,在可見光紅光波段有很強的吸收特性,而對近紅外波段具有很強的反射率、高的透射率和極低的吸收,即紅光波段反射率包含了植物冠頂層葉片的豐富信息,近紅外光反射率包含了整個植物冠層內葉片的大部分信息,這是植被遙感監測的物理基礎。農作物生長初期,葉綠素含量增多,紅波段吸收和近紅外反射率增強,植被指數增大。當農作物受到風沙災害影響后,會出現農作物活性減弱、死苗等現象,紅波段吸收和近紅外反射率減弱,植被指數減小。因此,不同日期的數值相減是為了觀測兩個日期植被的變化,并用來探測由于風沙災害造成的農作物變化。
文中將相鄰時期 NDVI 兩兩相減后,用公式\\( 2\\) 逐像元判斷其是否發生變化,即: 若△NDVI\\( i,j\\)> a,表示正向變化; 若△NDVI\\( i,j\\)< a,像元負向變化【2】
式中: NDVId1\\( i,j\\)和 NDVId2\\( i,j\\)分別是像元\\( i,j\\) 在日期 d1 和 d2 的 NDVI 值; △NDVI\\( i,j\\)是像元\\( i,j\\) 在日期 d1 和 d2 的 NDVI 差值。
由于 NDVI 值的變化不僅受植物生長和地物變化的影響,還會受到太陽光照強度、大氣狀況、衛星拍攝角度等因素影響,相鄰日期的 NDVI 值也會存在較小的波動,所以 NDVI 變化閾值 a 的確定是一件較為困難而又關鍵的問題。根據文獻,選擇與受災時間同時相的遙感數據,計算研究區農作物春季正常生長 NDVI 變化,定義風沙災害的閾值為公式\\( 3\\) :【3】
式中: △NDVI、σ 分別為同時期正常生長年份研究區農作物未受災害的植被指數變化的均值和標準差。
1. 3. 2 農作物風沙災害的遙感監測方法
基于多時相遙感數據,農作物風沙災害的遙感監測方法分為 4 個步驟:
\\( 1\\) 選擇遙感數據及預處理。根據災害發生的時間,選擇災前、災后和恢復期 3 個時相的遙感數據,以及同時期正常生長年份的遙感數據,并進行預處理。
\\( 2\\) 計算△NDVI 的均值和標準差。根據受災年份的災前、災后和恢復期的遙感數據,以及正常年份相同時相的遙感數據,分別計算研究區域內農作物△NDVI 的均值和標準差。
\\( 3\\) 根據公式\\( 3\\) 確定農作物受災閾值 a。當農作物的△NDVIi,j< a 時,表示此像元受到風沙災害的影響。
\\( 4\\) 確定受災面積。農作物風沙災害受災面積通過不同類別風沙災害影響范圍內像元的統計得到。農作物受災面積計算公式: Ai= A0× Pi\\( 4\\)式中: Ai為第 i 類風沙災情的作物受災面積; A0為農作物面積; Pi為不同風沙災害類別所占比例。
2 結果與分析
2. 1 風沙災害前后植被指數的變化情況
從圖 1 中可以看出,阿克蘇農作物在風沙災害前后和恢復期 NDVI 分布逐漸趨于扁平狀。NDVI最大值分別為 0. 36、0. 64、0. 73,80% 的農作物 ND-VI 分別在 0. 13、0. 19、0. 26 以下,其中: 占總作物總面積比例最大的 NDVI 值逐漸增大,由 0. 08\\( 17.51% \\) 、0. 09 \\( 14. 42% \\) 到 0. 11 \\( 9. 63% \\) 。在風沙災害前后和恢復期,NDVI 面積變化最為明顯的區間是 NDVI <0. 1 和0. 15 < NDVI <0. 4。NDVI <0. 1的面積變化明顯,分別為 61. 21%、43. 24%、20.96% ; 0. 15 < NDVI < 0. 4 的面積分別為 11. 93% 、30. 21% 、39. 83% ?!緢D1】
2. 2 像元植被指數的變化情況
由于不同年份農作物物候的變化,文中基于2010 年4 月22 日、23 日和24 日的遙感數據,對多天相鄰遙感數據風沙災害閾值取平均作為風沙災害的閾值。利用風沙災害閾值的確定方法,分別計算研究區農作物 a23 - 22和 a24 - 23,并取它們的均值 a = \\( a23 - 22+ a24 - 23\\) /2 作為風沙災害的閾值。因此,文中阿克蘇市農作物風沙災害閾值為 -0. 005,即△NDVI\\( i,j\\)< - 0. 005 的區域被劃定為農作物受災區。
在風沙災害前、后和恢復期,若農作物植被指數始終保持正向變化,無風沙危害癥狀,則農作物未受到風沙災害的影響,保持正常生長; 否則,為農作物異常變化,受到風沙災害的影響。因此,根據阿克蘇市農作物在風沙災害前、后和恢復期植被指數的變化,將農作物風沙災害劃分為三類: 負向 - 正向型、正向 - 負向型和負向 - 負向型?!颈?】
2. 2. 1 負向 - 正向型
這種風沙災害類型在風沙災害后,植被指數減小,其中: NDVI >0. 15 的農作物 NDVI 都減小 0. 02 以上,NDVI 在 0. 3 ~0. 35 的農作物減小最大,為 0. 037,NDVI 在 0. 05 ~0. 1 的農作物減小最少,為 0. 013,平均減小 0. 022; 而在風沙災害恢復期,植被指數逐漸增大,由 NDVI 在 0. 05 ~0. 1 的農作物增長 0. 022 到NDVI 在 0. 30 ~ 0. 35 的農作物增長 0. 233,平均增長 0. 11。由此可見,負向 - 正向型農作物風沙災害的NDVI 越大,風沙災害后和其恢復期變化就越大。處于生長子葉或真葉期的農作物,此時抗風沙能力較弱,重者主莖上部被風刮斷,輕者葉片被風刮碎,NDVI 減小。但這些農作物具有較強的恢復能力,在風沙災害后不久就開始恢復生長,NDVI 逐漸增大。
2. 2. 2 正向 - 負向型
農作物受到風沙災害后好像正常生長,NDVI 增加的范圍從 0. 03 到 0. 189; 但隨著時間的推移,農作物受風沙災害的影響也逐漸顯現出來,NDVI 開始減小,NDVI 減小的范圍從 0. 02 到 0. 065。由于風力較大,已播種的農作物地膜不同程度被風刮起,根系尚未健全的農作物幼苗裸露在外,增加了 NDVI 值。當風沙吹打農作物幼苗后,幼苗子葉和幼莖上的傷口受到大風長時間的吹干,葉綠素降低,導致 NDVI 逐漸減小。
2. 2. 3 負向 - 負向型
NDVI 在 0 ~ 0. 25 的農作物,特別是 NDVI 在 0 ~ 0. 05 的農作物容易受到這種類型的風沙災害影響。
農作物在這種類型的風沙災害后,NDVI 在 0 ~0. 05 的農作物減小 0. 067,恢復期 NDVI 減小 0. 045。沙塵覆蓋在麥苗、棉花等大田農作物葉面上,影響葉面正常的光合作用和呼吸作用,使作物生長和發育受到抑制或損害。此外,受傷的農作物體內水分會從傷口散失,其子葉、生長點和靠近子葉的幼莖失水干枯,ND-VI 不斷減小。
2. 3 農作物受災面積
根據使用圖像的分辨率大小,利用植被指數變化的類別,分別統計風沙對農作物不同影響的面積。
2009 年 4 月 16 日阿克蘇市農作物風沙災害面積 12697. 07hm2,這與實際調查數據基本相符。
阿克蘇市三類風沙災害的受災情況是: 負向 - 正向型農作物受災面積 4464. 90hm2,占總受災面積的35. 16% ; 正向 - 負向型農作物受災面積最大,為8006. 77hm2,占總受災面積的 63. 06%; 負向 - 負向型農作物受災面積最小,為 225. 39hm2,占總受災面積的 1. 78%。其中: 在負向 - 正向型風沙災害中,NDVI 在 0. 05 ~ 0. 1 之間的農作物受災面積是1969. 49hm2,占這類風沙災害面積的 44. 11%; 在正向 - 負向型風沙災害中,NDVI 在 0. 05 ~0. 1 之間的農作物,受災面積是 5082. 05hm2,占這類風沙災害面積的 63. 47%; 在負向 - 負向型風沙災害中,NDVI在 0. 1 ~0. 15 之間的農作物受災面積是 96. 60hm2,占這類風沙災害面積的 42. 86%。因此,在春季風沙災害中應重點關注 NDVI 在 0. 05 ~ 0. 15 之間的農作物,并根據不同風沙災害類型進行抗災救災工作?!緢D2】
3 討論
目前,對農作物的風沙災害監測沒有明確的方法,而研究農作物長勢監測的常用參數是 NDVI,因此,文中以 2009 年 4 月 16 日阿克蘇市農作物為例,提出了基于 NDVI 的農作物風沙災害閾值確定方法,并將受災農作物分為正向 - 負向型、負向 - 正向型和負向 - 負向型三種類型。農作物風沙災害遙感監測過程中,通過遙感數據處理和統計分析,得出農作物的受災情況,方法簡單,可操作性強,可以解決區域尺度上的及時監測問題。遙感監測結果顯示,阿克蘇市農作物風沙災害面積與實際受災面積的提取精度為 98. 24%,表明文中提出的農作物風沙災害遙感監測方法是可行的。
文中主要考慮了農作物風沙災害快速評估的要求,然而,當農作物遭受風沙災害后,對農作物生育進程、生物量、質量以及產量的影響等還需要進一步地分析。
4 結論
\\( 1\\) 春季風沙災害前后和恢復期阿克蘇市農作物 NDVI 值變化明顯,農作物 NDVI 最大值從 0. 36 增大到 0. 73,占農作物總面積比例最大的 NDVI 值從 0. 08 增大到 0. 11,其中: NDVI <0. 1 的農作物面積從61. 21% 大幅減小到 20. 96% ,0. 15 < NDVI < 0. 4 的農作物面積從 11. 93% 增加到 39. 83% 。
\\( 2\\) 基于風沙災害前后和恢復期農作物 NDVI 值的變化,將農作物風沙災害劃分為三類: 正向 - 負向型、負向 - 正向型和負向 - 負向型。不同類型風沙災害的農作物 NDVI 區間值分析顯示,負向 - 正向型和正向 - 負向型農作物 NDVI 值越大,風沙災害后和其恢復期變化就越大; 負向 - 負向型農作物 NDVI 值越小,風沙災害后和其恢復期變化就明顯。
\\( 3\\) 阿克蘇市受災農作物面積 12697. 07hm2,其中: 負向 - 正向型農作物受災面積為 4464. 90hm2,正向 - 負向型農作物受災面積8006. 77hm2,負向 - 負向型農作物受災面積225. 39hm2,預防農作物風沙災害的重點是 NDVI 值為 0. 05 ~0. 15 的農作物。
參考文獻
[1]Tapia - Silva,F O,Itzerott S,F\ue56erster S,Kuhlmann B,et al. Estimation of flood losses to agricultural crops using remote sensing[J]. Physicsand Chemistry of the Earth,2011,36: 253 - 265.
[2]Zheng B J,Campbell J B,DeBeurs K M. Remote sensing of crop residue cover using multi - temporal Landsat imagery[J]. Remote Sensing ofEnvironment,2012,117: 177 - 183.
[3]王堃,顧曉鶴,程耀東,等. 基于變化向量分析的玉米收獲期遙感監測[J]. 農業工程學報,2011,27\\( 2\\) : 180 -186.
[4]南穎,劉志鋒,朱衛紅,等. 長白山的臺風災區范圍及植被恢復動態 - 基于遙感技術的研究[J]. 自然災害學報,2011,20\\( 6\\) : 131 -139.
[5]董燕生,陳洪萍,王慧芳,等. 基于多時相環境減災衛星數據的冬小麥凍害評估[J]. 農業工程學報,2012,28\\( 20\\) : 172 -179.
[6]鄔明權,牛錚,王長耀. 利用遙感數據時空融合技術提取水稻種植面積[J]. 農業工程學報,2010,26\\( S2\\) : 48 -52.