春季農(nóng)作物風沙災害遙感數(shù)據(jù)監(jiān)測技術,農(nóng)業(yè)基礎科學論文

春季農(nóng)作物風沙災害遙感數(shù)據(jù)監(jiān)測技術,農(nóng)業(yè)基礎科學論文春季是農(nóng)作物出苗的時期，地表異?？菰锼尚?，抗風蝕能力很弱，在有大風刮過時，就會造成農(nóng)作物大面積倒伏、植株折斷、籽?；蚬麑嵜撀洌瑴p產(chǎn)嚴重。2018年4月16日，阿克蘇市遭遇大風沙塵暴天氣，持續(xù)時間近3小時，霎時風速到達24．6m/s。這次大風沙塵天氣風力強、范圍廣、持續(xù)時間長、影響大。傳統(tǒng)的風沙災禍監(jiān)測與評估方式方法主要通過大田抽樣調查的方式方法估算受災面積和其分布情況。這種方式方法需要大量的田間調查工作，很難在區(qū)域尺度上實現(xiàn)災禍的及時準確監(jiān)測。因而，快速獲取風沙災禍發(fā)生區(qū)域的范圍、受災程度等信息，客觀地反映風沙災禍發(fā)生的真實情況，并制定一套實時、快速、方便、有效的風沙災禍監(jiān)測方式方法已迫在眉睫。由于遙感數(shù)據(jù)能夠快速、準確、大范圍評估農(nóng)作物的災禍情況，使得衛(wèi)星資料監(jiān)測自然災禍遭到廣泛關注，并已成為研究熱門。Tapia－Silva等利用農(nóng)作物的歸一化植被指數(shù)標準生長曲線和遙感數(shù)據(jù)分類方式方法估計農(nóng)作物受洪水災禍的損失;BaojuanZheng等利用多時相Landsat數(shù)據(jù)計算歸一化耕作指數(shù)分析了作物殘茬覆蓋情況;王堃等通過定量分析收獲季節(jié)內多時相NDVI(NormalizedDifferentialVegetationIndex，NDVI)的變化大小和變化經(jīng)過，實時監(jiān)測研究區(qū)內玉米種植地塊的收獲期;南穎等通過比照分析臺風前后長白山歸一化植被指數(shù)，提取了長白山自然保衛(wèi)區(qū)內遭受臺風襲擊后的災區(qū)范圍;董燕生等根據(jù)凍害發(fā)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－1CCD遙感數(shù)據(jù)和統(tǒng)計方式方法分析了冬小麥凍害影響范圍和受災程度的遙感評估?；谝陨蠟那楸O(jiān)測方式方法，運用多時相遙感數(shù)據(jù)的災情評估指標變化分析是監(jiān)測農(nóng)作物災情的重要方式方法?？紤]到風沙災禍監(jiān)測的時效性，中分辨率成像光譜儀(Moderate－resolutionImagingSpectroradiometer，MODIS)具有高時間分辨率和數(shù)據(jù)空間覆蓋范圍廣的特點，在農(nóng)作物遙感監(jiān)測方面具有獨特的優(yōu)勢。文中以阿克蘇市為例，選擇多時相MODIS數(shù)據(jù)產(chǎn)品，通過建立風沙災禍評估指標，獲得災情影響的農(nóng)作物種植面積，為防災減災機構提供有力的信息支持。1材料與研究方式方法1．1研究區(qū)大概情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(qū)，降雨量稀少，蒸發(fā)量大，氣候枯燥，適宜各類農(nóng)作物生長，是國家重要的商品糧、商品棉基地。2000～2018年，阿克蘇市發(fā)生沙塵天氣共582天，8級以上大風82次，華而不實以4月次數(shù)最多。風沙災禍已成為阿克蘇市農(nóng)作物出苗期主要自然災禍之一，嚴重制約了農(nóng)作物生產(chǎn)的發(fā)展。1．2數(shù)據(jù)與預處理(1)研究時間選擇。根據(jù)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(nóng)作物風沙災禍前)、4月17日(農(nóng)作物風沙災禍后)和4月29日(農(nóng)作物風沙災禍恢復期)作為農(nóng)作物風沙災禍研究時間。為了對風沙災禍指標閾值確實定，需要選擇季節(jié)相近的研究區(qū)農(nóng)作物正常生長晴空圖，時間分別為2018年4月22日、23日和24日。(2)MODIS數(shù)據(jù)及預處理。根據(jù)研究時間，此次共使用2018年4月15日、17日和29日，以及2018年4月22日、23日和24日的250mMODIS日地表反射率產(chǎn)品(MOD09GQ)影像6期，2018年逐年合成500m土地覆蓋類型產(chǎn)品MCD12Q1影像1期。對這些遙感數(shù)據(jù)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(jù)土地覆蓋類型產(chǎn)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(nóng)作物)提取阿克蘇市的農(nóng)作物種植區(qū)。1．3研究方式方法1．3．1風沙災禍植被指數(shù)變化情況利用遙感監(jiān)測風沙對農(nóng)作物的災禍，通常是利用地表植被狀況、特征等指標監(jiān)測作物風沙災禍的情況。以下為參考文獻中指出，NDVI探測低密度綠色植被的能力最強，是植被生長狀態(tài)及植被覆蓋度的最佳指示因子。因而，文中將農(nóng)作物的NDVI值作為農(nóng)作物風沙災禍的評估指標。(1)歸一化植被指數(shù)。根據(jù)每日地表反射率數(shù)據(jù)(MOD09GQ)的近紅外和紅波段，通過公式(1)計算歸一化植被指數(shù)?！?】式中:NDVI為歸一化植被指數(shù);ＲNIＲ為近紅外波段反射率;ＲＲED為紅波段反射率。(2)植被指數(shù)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(fā)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(jiān)測的物理基礎。農(nóng)作物生長初期，葉綠素含量增加，紅波段吸收和近紅外反射率加強，植被指數(shù)增大。當農(nóng)作物遭到風沙災禍影響后，會出現(xiàn)農(nóng)作物活性減弱、死苗等現(xiàn)象，紅波段吸收和近紅外反射率減弱，植被指數(shù)減小。因而，不同日期的數(shù)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禍造成的農(nóng)作物變化。文中將相鄰時期NDVI兩兩相減后，用公式(2)逐像元判定其能否發(fā)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，還會遭到太陽光照強度、大氣狀況、衛(wèi)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確實定是一件較為困難而又關鍵的問題。根據(jù)文獻，選擇與受災時間同時相的遙感數(shù)據(jù)，計算研究區(qū)農(nóng)作物春季正常生長NDVI變化，定義風沙災禍的閾值為公式(3):【3】式中:△NDVI、分別為同時期正常生常年份研究區(qū)農(nóng)作物未受災禍的植被指數(shù)變化的均值和標準差。1．3．2農(nóng)作物風沙災禍的遙感監(jiān)測方式方法基于多時相遙感數(shù)據(jù)，農(nóng)作物風沙災禍的遙感監(jiān)測方式方法分為4個步驟:(1)選擇遙感數(shù)據(jù)及預處理。根據(jù)災禍發(fā)生的時間，選擇災前、災后和恢復期3個時相的遙感數(shù)據(jù)，以及同時期正常生常年份的遙感數(shù)據(jù)，并進行預處理。(2)計算△NDVI的均值和標準差。根據(jù)受災年份的災前、災后和恢復期的遙感數(shù)據(jù)，以及正常年份一樣時相的遙感數(shù)據(jù)，分別計算研究區(qū)域內農(nóng)作物△NDVI的均值和標準差。(3)根據(jù)公式(3)確定農(nóng)作物受災閾值a。當農(nóng)作物的△NDVIi，j＜a時，表示此像元遭到風沙災禍的影響。(4)確定受災面積。農(nóng)作物風沙災禍受災面積通過不同類別風沙災禍影響范圍內像元的統(tǒng)計得到。農(nóng)作物受災面積計算公式:Ai=A0Pi(4)式中:Ai為第i類風沙災情的作物受災面積;A0為農(nóng)作物面積;Pi為不同風沙災禍類別所占比例。2結果與分析2．1風沙災禍前后植被指數(shù)的變化情況從圖1中能夠看出，阿克蘇農(nóng)作物在風沙災禍前后和恢復期NDVI分布逐步趨于扁平狀。NDVI最大值分別為0．36、0．64、0．73，80%的農(nóng)作物ND-VI分別在0．13、0．19、0．26下面，華而不實:占總作物總面積比例最大的NDVI值逐步增大，由0．08(17．51%)、0．09(14．42%)到0．11(9．63%)。在風沙災禍前后和恢復期，NDVI面積變化最為明顯的區(qū)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(shù)的變化情況由于不同年份農(nóng)作物物候的變化，文中基于2018年4月22日、23日和24日的遙感數(shù)據(jù)，對多天相鄰遙感數(shù)據(jù)風沙災禍閾值取平均作為風沙災禍的閾值。利用風沙災禍閾值確實定方式方法，分別計算研究區(qū)農(nóng)作物a23－22和a24－23，并取它們的均值a=(a23－22+a24－23)/2作為風沙災禍的閾值。因而，文中阿克蘇市農(nóng)作物風沙災禍閾值為－0．005，即△NDVI(i，j)＜－0．005的區(qū)域被劃定為農(nóng)作物受災區(qū)。在風沙災禍前、后和恢復期，若農(nóng)作物植被指數(shù)始終保持正向變化，無風沙危害異常感覺和狀態(tài)，則農(nóng)作物未遭到風沙災禍的影響，保持正常生長;否則，為農(nóng)作物異常變化，遭到風沙災禍的影響。因而，根據(jù)阿克蘇市農(nóng)作物在風沙災禍前、后和恢復期植被指數(shù)的變化，將農(nóng)作物風沙災禍劃分為三類:負向－正向型、正向－負向型和負向－負向型?！颈?】2．2．1負向－正向型這種風沙災禍類型在風沙災禍后，植被指數(shù)減小，華而不實:NDVI＞0．15的農(nóng)作物NDVI都減小0．02以上，NDVI在0．3～0．35的農(nóng)作物減小最大，為0．037，NDVI在0．05～0．1的農(nóng)作物減小最少，為0．013，平均減小0．022;而在風沙災禍恢復期，植被指數(shù)逐步增大，由NDVI在0．05～0．1的農(nóng)作物增長0．022到NDVI在0．30～0．35的農(nóng)作物增長0．233，平均增長0．11。由此可見，負向－正向型農(nóng)作物風沙災禍的NDVI越大，風沙災禍后和其恢復期變化就越大。處于生長子葉或真葉期的農(nóng)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(nóng)作物具有較強的恢復能力，在風沙災禍后不久就開場恢復生長，NDVI逐步增大。2．2．2正向－負向型農(nóng)作物遭到風沙災禍后好似正常生長，NDVI增加的范圍從0．03到0．189;但隨著時間的推移，農(nóng)作物受風沙災禍的影響也逐步顯現(xiàn)出來，NDVI開場減小，NDVI減小的范圍從0．02到0．065。由于風力較大，已播種的農(nóng)作物地膜不同程度被風刮起，根系尚未健全的農(nóng)作物幼苗裸露在外，增加了NDVI值。當風沙吹打農(nóng)作物幼苗后，幼苗子葉和幼莖上的傷口遭到大風長時間的吹干，葉綠素降低，導致NDVI逐步減小。2．2．3負向－負向型NDVI在0～0．25的農(nóng)作物，十分是NDVI在0～0．05的農(nóng)作物容易遭到這種類型的風沙災禍影響。農(nóng)作物在這種類型的風沙災禍后，NDVI在0～0．05的農(nóng)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(nóng)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(fā)育遭到抑制或損害。除此之外，受傷的農(nóng)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枯槁，ND-VI不斷減小。2．3農(nóng)作物受災面積根據(jù)使用圖像的分辨率大小，利用植被指數(shù)變化的類別，分別統(tǒng)計風沙對農(nóng)作物不同影響的面積。2018年4月16日阿克蘇市農(nóng)作物風沙災禍面積12697．07hm2，這與實際調查數(shù)據(jù)基本相符。阿克蘇市三類風沙災禍的受災情況是:負向－正向型農(nóng)作物受災面積4464．90hm2，占總受災面積的35．16%;正向－負向型農(nóng)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(nóng)作物受災面積最小，為225．39hm2，占總受災面積的1．78%。華而不實:在負向－正向型風沙災禍中，NDVI在0．05～0．1之間的農(nóng)作物受災面積是1969．49hm2，占這類風沙災禍面積的44．11%;在正向－負向型風沙災禍中，NDVI在0．05～0．1之間的農(nóng)作物，受災面積是5082．05hm2，占這類風沙災禍面積的63．47%;在負向－負向型風沙災禍中，NDVI在0．1～0．15之間的農(nóng)作物受災面積是96．60hm2，占這類風沙災禍面積的42．86%。因而，在春季風沙災禍中應重點關注NDVI在0．05～0．15之間的農(nóng)作物，并根據(jù)不同風沙災禍類型進行抗災救災工作?！緢D2】3討論當前，對農(nóng)作物的風沙災禍監(jiān)測沒有明確的方式方法，而研究農(nóng)作物長勢監(jiān)測的常用參數(shù)是NDVI，因而，文中以2018年4月16日阿克蘇市農(nóng)作物為例，提出了基于NDVI的農(nóng)作物風沙災禍閾值確定方式方法，并將受災農(nóng)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(nóng)作物風沙災禍遙感監(jiān)測經(jīng)過中，通過遙感數(shù)據(jù)處理和統(tǒng)計分析，得出農(nóng)作物的受災情況，方式方法簡單，可操作性強，能夠解決區(qū)域尺度上的及時監(jiān)測問題。遙感監(jiān)測結果顯示，阿克蘇市農(nóng)作物風沙災禍面積與實際受災面積的提取精度為98．24%，表示清楚文中提出的農(nóng)作物風沙災禍遙感監(jiān)測方式方法是可行的。文中主要考慮了農(nóng)作物風沙災禍快速評估的要求，然而，當農(nóng)作物遭受風沙災禍后，對農(nóng)作物生育進程、生物量、質量以及產(chǎn)量的影響等還需要進一步地分析。4結論(1)春季風沙災禍前后和恢復期阿克蘇市農(nóng)作物NDVI值變化明顯，農(nóng)作物NDVI最大值從0．36增大到0．73，占農(nóng)作物總面積比例最大的NDVI值從0．08增大到0．11，華而不實:NDVI＜0．1的農(nóng)作物面積從61．21%大幅減小到20．96%，0．15＜NDVI＜0．4的農(nóng)作物面積從11．93%增加到39．83%。(2)基于風沙災禍前后和恢復期農(nóng)作物NDVI值的變化，將農(nóng)作物風沙災禍劃分為三類:正向－負向型、負向－正向型和負向－負向型。不同類型風沙災禍的農(nóng)作物NDVI區(qū)間值分析顯示，負向－正向型和正向－負向型農(nóng)作物NDVI值越大，風沙災禍后和其恢復期變化就越大;負向－負向型農(nóng)作物NDVI值越小，風沙災禍后和其恢復期變化就明顯。(3)阿克蘇市受災農(nóng)作物面積12697．07hm2，華而不實:負向－正向型農(nóng)作物受災面積為4464．90hm2，正向－負向型農(nóng)作物受災面積8006．77hm2，負向－負向型農(nóng)作物受災面積225．39hm2，預防農(nóng)作物風沙災禍的重點是NDVI