氣象衛(wèi)星遙感在哈爾濱地區(qū)作物生長狀況監(jiān)測及產(chǎn)量預(yù)報中的應(yīng)用

段旭東，李治國，韓盛濤，陶國輝

（1.哈爾濱市氣象局，黑龍江哈爾濱 150080；2.黑龍江省防雷中心，黑龍江哈爾濱 150010）

氣象衛(wèi)星遙感在哈爾濱地區(qū)作物生長狀況監(jiān)測及產(chǎn)量預(yù)報中的應(yīng)用

段旭東1，李治國1，韓盛濤2，陶國輝1

（1.哈爾濱市氣象局，黑龍江哈爾濱 150080；2.黑龍江省防雷中心，黑龍江哈爾濱 150010）

由于極軌氣象衛(wèi)星距離地球較近，可以對地球表面的植被長勢情況進(jìn)行監(jiān)測，植被長勢情況與糧食產(chǎn)量情況又存在正相關(guān)。因此，用2 a同時期的植被長勢情況進(jìn)行比對，即可獲知當(dāng)年的產(chǎn)量情況。本文通過對近幾年的極軌氣象衛(wèi)星實時接收到的AVHRR/HRPT資料進(jìn)行處理，數(shù)據(jù)經(jīng)校正生成哈爾濱地區(qū)歸一化植被指數(shù)灰度圖像，根據(jù)種植作物結(jié)構(gòu)不同造成綠度值不同的基本原理，對作物進(jìn)行生長狀況監(jiān)測及產(chǎn)量預(yù)報。研究表明：利用氣象衛(wèi)星資料進(jìn)行作物生長狀況監(jiān)測及產(chǎn)量預(yù)報，具有客觀、及時和動態(tài)跟蹤等優(yōu)點，結(jié)合傳統(tǒng)氣象產(chǎn)量預(yù)報方法，使產(chǎn)量預(yù)報水平有所提高，準(zhǔn)確率達(dá)到98%以上。

極軌衛(wèi)星；衛(wèi)星遙感；NDVI；NPP

1 引言

本文利用氣象衛(wèi)星資料進(jìn)行作物生長狀況監(jiān)測及產(chǎn)量預(yù)報，具有客觀、及時和動態(tài)跟蹤等優(yōu)點。計算出每年耕地上作物生長季內(nèi)的總NPP（Net Primary Production），農(nóng)作物總產(chǎn)是耕地上總NPP的一部分，根據(jù)NPP與作物總產(chǎn)的關(guān)系，確定作物的產(chǎn)量轉(zhuǎn)換系數(shù)，然后利用當(dāng)年耕地的總NPP值來估算當(dāng)年作物的總產(chǎn)，通過研究和業(yè)務(wù)使用表明，該方法的預(yù)測精度較高，可操作性強(qiáng)。利用極軌衛(wèi)星資料進(jìn)行作物生長狀況監(jiān)測及產(chǎn)量預(yù)報，結(jié)合模式預(yù)報方法，使預(yù)報精度得到提高，為預(yù)測產(chǎn)量提供了新途徑。

2 基本原理

利用地物在可見光和近紅外波段對太陽的反射，可以得到豐富的地物信息。綠色植被的共同光譜特性是反射率隨波長變化；不同植被，不同生長發(fā)育期，反射波譜也不同。實踐證明，可見光大部分被葉綠素吸收，在0.55 um處有一弱反射峰，近紅外光被植物多孔薄壁細(xì)胞組織反射，形成強(qiáng)反射。水體的光譜特性是反射率極低，水體在可見光和近紅外波段的反射率遠(yuǎn)遠(yuǎn)低于陸地（土壤）和植被。光譜測定也表明，水泥地在CH2和CH1波段的反射值是相近的，在光譜值上表現(xiàn)為CH2-CH1≈0；而草坪情況大不相同，表現(xiàn)為CH2-CH1＞0；對于水體可見光反射率總是大于近紅外發(fā)射率，在光譜上表現(xiàn)為CH2-CH1＜0，因此CH2-CH1可作為有無植被及植被生長好壞的一個標(biāo)志。本文中，我們選用歸一化植被指數(shù)NDVI=（CH2-CH1）/（CH2+CH1）進(jìn)行計算，以0～255灰度級在屏幕上顯示。

式中NDVI為綠度值，CH1為NOAA衛(wèi)星第1通道反照率，CH2為NOAA衛(wèi)星第2通道反照率。

實時接收到的AVHRR/HRPT資料，首先經(jīng)過數(shù)據(jù)預(yù)處理，即質(zhì)量檢驗，定標(biāo)系數(shù)計算以及每條掃描線51點的地理經(jīng)緯度和太陽高度角計算等，生成1B格式數(shù)據(jù)集，之后進(jìn)行等角投影，數(shù)據(jù)經(jīng)校正后生成哈爾濱地區(qū)歸一化植被指數(shù)灰度圖象。綠度值具有明顯的空間變化和時間變化。地區(qū)間綠度值的變化具有明顯的差異，這種差異主要由作物種植結(jié)構(gòu)差異所致。同一地區(qū)，豐欠年間綠度值差異明顯，就同一地區(qū)而言，作物結(jié)構(gòu)（即種植比例）是相對穩(wěn)定的，因此，一個地區(qū)綠度值的變化反映了同一作物結(jié)構(gòu)下產(chǎn)量的差異。任一地區(qū)，不論豐、欠年，生長季中綠度值的時間演變都遵循單峰曲線的變化規(guī)律，單峰曲線下的面積是綠度值的累積值。

綠度值和綠色生物具有很好的相關(guān)關(guān)系，一定時間內(nèi)，作物生長狀況可以用綠度值的累積值來表示，因此如果能夠知道生長季中綠度值的累積值，即可評價出作物的狀況，進(jìn)而預(yù)報作物的最終產(chǎn)量。

3 資料來源

本方法選取的是2006年和2005年同期（盡量相同日期）、同衛(wèi)星（本文采用NOAA系列）、同時次的哈爾濱地區(qū)下午晴空極軌衛(wèi)星資料，分辨率是1.1*1.1 km，極軌衛(wèi)星資料選用晴空資料的局地文件（LDF文件）的1、2通道反照率CH1、CH2。

4 方法

4.1 模型構(gòu)建原理

我們選用NOAA/AVHRR衛(wèi)星資料，投影方式為等角投影。研究表明，由AVHRR的可見光通道（CH1）和近紅外通道（CH2）計算得到的NDVI,不但是監(jiān)測植被長勢好壞的參量，也是計算植被第一凈生產(chǎn)力的重要參量。農(nóng)作物產(chǎn)量是一定面積上的農(nóng)作物在生長季內(nèi)的凈第一性生產(chǎn)力NPP的一部分，他們之間存在一個有效產(chǎn)量轉(zhuǎn)換關(guān)系。因此本研究中的作物產(chǎn)量遙感估算模型即是基于作物在生長季內(nèi)的NPP與作物總產(chǎn)的相關(guān)關(guān)系建立起來的。

4.2 NPP的遙感估算原理

NOAA/AVHRR傳感器的紅光通道（CH1）和近紅外通道（CH2）對植被特別敏感。植被的葉綠素對紅光（630～690 nm）有強(qiáng)烈的吸收作用，通過通道數(shù)據(jù)可以反映葉綠素的濃度。植被的葉片對近紅外（630～690 nm）有強(qiáng)烈的反射作用，通過CH2通道數(shù)據(jù)可以反映葉面積指數(shù)和植被密度。因此組合這兩個通道的數(shù)據(jù)，可以較好地反映植被的生長狀況。

關(guān)于利用植被估算指數(shù)NPP的研究，國內(nèi)許多學(xué)者已經(jīng)做過大量研究工作。但大多數(shù)模型是基于光能利用率模型或植被生長過程模型，充分考慮了植物的光合作用、呼吸作用和環(huán)境因素的影響。但這些模型所需參數(shù)較多，有的參數(shù)很難實時獲取，因此在業(yè)務(wù)中應(yīng)用有一定困難。

有研究表明植被指數(shù)NDVI、葉面積指數(shù)LAI、干物質(zhì)重量DW三者存在如下關(guān)系：

其中DW為干物質(zhì)重量，k、a、b是植被模型及植被指數(shù)有關(guān)的常數(shù)。

4.3 累積植被指數(shù)的計算

計算累積植被指數(shù)要求每旬都要有可利用的植被指數(shù)，盡管我們得到的資料是每旬最大植被指數(shù)的合成值，但在多數(shù)情況下能消除云的影響。盡可能選擇晴空資料，這樣計算的結(jié)果比較真實。用旬最大值NDVI數(shù)據(jù)計算整個作物生長季內(nèi)的累積植被指數(shù)，計算公式如下：

其中LNDVI為作物生長季內(nèi)的累積植被指數(shù)，t1和t2分別表示作物播種和收獲的時間，TNDVI表示旬最大植被指數(shù)。

4.4 NPP計算方法

從上面公式可以看出，干物質(zhì)重量與NDVI存在著對數(shù)關(guān)系，在本研究中NPP的估算我們采用下列公式：

其中a、b、c為擬合常數(shù)，LNDVI為作物生長季內(nèi)的累積植被指數(shù)。

4.5 農(nóng)作物產(chǎn)量的估算方法

各個地區(qū)農(nóng)作物產(chǎn)量與該地區(qū)作物生長季內(nèi)凈第一生產(chǎn)力NPP關(guān)系密切?；贜PP的作物產(chǎn)量估算方法一般有兩種：

①根據(jù)作物產(chǎn)量與NPP的相關(guān)關(guān)系，建立回歸方程，進(jìn)行產(chǎn)量估算。

②根據(jù)作物產(chǎn)量與NPP的產(chǎn)量轉(zhuǎn)換系數(shù)，直接估算總產(chǎn)。計算公式如下：

其中：Yn為當(dāng)年預(yù)測產(chǎn)量，NPPn為當(dāng)年的凈第一生產(chǎn)力，Kn為產(chǎn)量轉(zhuǎn)換系數(shù)。

還有一種簡便算法，設(shè)Kn為固定值，通過兩年NPPn進(jìn)行比較，兩者權(quán)值總和的差值為作物增減產(chǎn)百分比。本研究中采用這種方法。

4.5.1 2005年8月NPP分布情況

下圖為2005年8月23日13:00 NOAA16極軌衛(wèi)星遙感資料處理結(jié)果，得出NPP權(quán)重。

圖1 2005年8月23日13時作物極軌衛(wèi)星遙感監(jiān)測圖

4.5.2 2006年8月18日12:00 NPP分布情況

下圖為2006年8月18日12:00 NOAA18極軌衛(wèi)星遙感資料處理結(jié)果，得出NPP權(quán)重。

圖2 2006年8月18日12:00作物極軌衛(wèi)星遙感監(jiān)測圖

4.5.3 2005年8月23日和2006年8月18日NPP對比情況

我們對兩資料又進(jìn)行了對比分析，通過比較2005年8月23日和2006年8月18日極軌衛(wèi)星遙感資料，得出NPP對比圖和表。

圖3 2006年8月18日12:00與2005年8月23日13:00作物極軌衛(wèi)星遙感監(jiān)測對比圖

表1 2006年8月18日12:00與2005年8月23日13:00作物NPP對比表

2006年8月中旬作物長勢：全區(qū)除山區(qū)和個別地區(qū)外，NPP均明顯大于2005年；除尚志比2005年稍差外，其它都好于2005年，西部的NPP總體好于東部。

產(chǎn)量分析：2006年全市農(nóng)作物生長季的氣象條件總體上有利于農(nóng)作物生長發(fā)育，熱量偏多，但5月份出現(xiàn)大范圍旱情，6月份、7月中下旬多局地暴雨、陰雨寡照、冰雹等災(zāi)害性天氣和稻瘟病對水稻和糧食總產(chǎn)量造成一定影響。灌漿成熟期氣象條件較為有利。與2005年相比，降水和熱量條件較好，病蟲害也輕于2005年，因此，糧食作物長勢要好于2005年同期。

2006年單產(chǎn)比2005年減少4.8%，用此方法其預(yù)測趨勢正確，但精度有一定誤差。近幾年來，由于我們把遙感衛(wèi)星應(yīng)用于對作物長勢監(jiān)測和產(chǎn)量評估上，并利用氣候動態(tài)模式等方法進(jìn)行綜合分析，提高了產(chǎn)量預(yù)報準(zhǔn)確率（見下表）。2005年、2006年糧食產(chǎn)量準(zhǔn)確率均在98%以上。

表2 哈爾濱市農(nóng)業(yè)氣象預(yù)報產(chǎn)量及實產(chǎn)

5 結(jié)論

該方法與傳統(tǒng)方法的產(chǎn)量預(yù)報不同，避開了作物播種面積，直接預(yù)測作物總產(chǎn)，且其可操作性強(qiáng)，可以進(jìn)行階段性的作物長勢監(jiān)測，但考慮作物生長發(fā)育與氣象條件密切相關(guān)，反映在衛(wèi)星資料上，階段性差異較為明顯，所以進(jìn)行估產(chǎn)應(yīng)選取具有代表性的衛(wèi)星資料。由于哈爾濱市作物種植結(jié)構(gòu)為套種，極軌衛(wèi)星分辨率較低，不能有效區(qū)分地表作物，所以分作物預(yù)測難度較大，不過對于總體作物長勢可以進(jìn)行宏觀估測。今后，如果在條件滿足的情況下，可以進(jìn)行單一作物種植面積較大的定點地塊觀測。

1、白雅梅,孫玉亭.利用氣象衛(wèi)星遙感進(jìn)行作物生長狀況監(jiān)測及產(chǎn)量預(yù)報的研究[C]，117-120.

2、趙紅旭,王建彬,等.云南省NOAA/AVHRR植被圖初步研究[C]，143-146.

3、侯英雨,王建林.利用氣象衛(wèi)星資料估算全球作物總產(chǎn)研究[J].氣象，2005，8：18-21.

S162.5

A

1002－252X（2011）03－0016－03

2011－6－6

段旭東（1971-），男，黑龍江省哈爾濱市人，哈爾濱廣播電視大學(xué)，本科生，工程師.