基于MODIS植被指數(shù)評(píng)估洞庭湖區(qū)東方田鼠大暴發(fā)的危害

徐正剛，趙運(yùn)林，李 波，張美文，王 勇,*

(1. 中國(guó)科學(xué)院亞熱帶農(nóng)業(yè)生態(tài)研究所,中國(guó)科學(xué)院洞庭湖濕地生態(tài)系統(tǒng)觀測(cè)研究站,亞熱帶農(nóng)業(yè)生態(tài)過(guò)程重點(diǎn)實(shí)驗(yàn)室, 長(zhǎng)沙 410125；2. 中國(guó)科學(xué)院大學(xué)，北京 100049； 3. 湖南城市學(xué)院， 益陽(yáng) 413000)

我國(guó)是一個(gè)鼠害十分嚴(yán)重的國(guó)家，農(nóng)業(yè)鼠害發(fā)生面積約為3520 萬(wàn)hm2/a，涉及1.44 億農(nóng)戶,草原因鼠害每年減少牧草68 億kg[1]。在鼠害大暴發(fā)年份，害鼠種群的異常增長(zhǎng)還會(huì)嚴(yán)重破壞生態(tài)系統(tǒng)的平衡。依據(jù)生態(tài)系統(tǒng)的類(lèi)型，可將鼠害分為農(nóng)田鼠害、林業(yè)鼠害和草原鼠害等。不同地點(diǎn)、不同生態(tài)類(lèi)型的鼠害在暴發(fā)年份呈現(xiàn)不同的特征，阻礙了建立統(tǒng)一的探測(cè)鼠害暴發(fā)區(qū)與危害等級(jí)的方法。當(dāng)前我國(guó)主要依靠植保部門(mén)的實(shí)地調(diào)查，了解害鼠在暴發(fā)年份的危害區(qū)域與危害等級(jí)。這種方法雖然準(zhǔn)確性較高，但耗時(shí)、耗力。遙感技術(shù)由于具有迅速、大尺度的特點(diǎn)，使得其成為適宜的探測(cè)農(nóng)業(yè)病蟲(chóng)鼠害及氣象災(zāi)害危害區(qū)和危害等級(jí)的補(bǔ)充手段。實(shí)地調(diào)查和遙感技術(shù)應(yīng)當(dāng)相互配合，取長(zhǎng)補(bǔ)短。當(dāng)前已有大量應(yīng)用遙感技術(shù)進(jìn)行病害[2- 4]和颶風(fēng)[5]、凍害[6- 7]、冰雹[8]、霜害等氣象災(zāi)害的災(zāi)害度監(jiān)測(cè)和損失評(píng)估的研究，但將遙感技術(shù)應(yīng)用于鼠害研究的報(bào)道卻很少。

探測(cè)植被在鼠害暴發(fā)年份較正常年份的變異是利用遙感技術(shù)進(jìn)行鼠害危害評(píng)估的理論基礎(chǔ)。選擇合適的植被指數(shù)，作物的產(chǎn)量和長(zhǎng)勢(shì)均能實(shí)現(xiàn)遙感探測(cè)[9- 10]。由于鼠類(lèi)的毀壞，作物的長(zhǎng)勢(shì)和產(chǎn)量在暴發(fā)年份會(huì)受到影響，且會(huì)反映到植被指數(shù)的變動(dòng)上[11]。本文通過(guò)參考遙感技術(shù)在病蟲(chóng)害和氣象災(zāi)害危害評(píng)估中的應(yīng)用經(jīng)驗(yàn)，提出合適的鼠害大暴發(fā)年份探測(cè)危害區(qū)和危害等級(jí)的方法。由于病蟲(chóng)害和氣象災(zāi)害領(lǐng)域反映植被生長(zhǎng)狀況的植被指數(shù)和災(zāi)害評(píng)估指標(biāo)很多，因此研究還探討了鼠害評(píng)估時(shí)間和相關(guān)指標(biāo)篩選的原則和方法。針對(duì)鼠害類(lèi)型豐富、情況復(fù)雜，本文對(duì)評(píng)估方法進(jìn)行了討論，使方法具有良好地適應(yīng)性。

1 材料與方法

1.1 研究區(qū)概況

研究以洞庭湖區(qū)2007年?yáng)|方田鼠暴發(fā)為例。洞庭湖位于長(zhǎng)江中游以南，湖南省北部。該區(qū)域是我國(guó)主要的商品糧生產(chǎn)基地，也是全國(guó)舉足輕重的淡水生產(chǎn)基地,對(duì)于保證國(guó)家的糧食安全具有重要的作用。東方田鼠(Microtusfortis)是該地區(qū)主要的農(nóng)業(yè)害鼠之一[12]。每年汛期(一般指5月至9月)受洪水脅迫，東方田鼠由湖灘向農(nóng)田遷移，給農(nóng)作物造成嚴(yán)重的損失。2005年和2007年汛期，洞庭湖區(qū)暴發(fā)了罕見(jiàn)的特大型鼠害，其中2007年是有記錄以來(lái)最為嚴(yán)重的東方田鼠災(zāi)害，有超過(guò)2 億只東方田鼠越過(guò)大堤，進(jìn)入農(nóng)田[13]，3.3 萬(wàn)hm2農(nóng)作物受害，致使農(nóng)業(yè)生產(chǎn)遭受了巨大地?fù)p失。

2007年?yáng)|方田鼠的暴發(fā)主要集中在東洞庭湖的農(nóng)田[13]，而以東洞庭湖西畔區(qū)域最為嚴(yán)重。東方田鼠種群調(diào)查表明該區(qū)域東方田鼠捕獲率超過(guò)21%，達(dá)到重危害級(jí)[14]，因此選擇該區(qū)域北洲子農(nóng)田作為研究區(qū)(圖1a)。使用研究區(qū)范圍裁剪中國(guó)1 km分辨率土地利用類(lèi)型數(shù)據(jù)集[15]，顯示研究區(qū)主要的土地利用類(lèi)型為農(nóng)田、濕地、水體和少量建筑物(圖1b)，農(nóng)作物以水稻為主，包括一季稻和雙季稻。該區(qū)域地形平緩，高程的均值為(23.23±4.23) m，當(dāng)東方田鼠被迫自湖灘遷徙至農(nóng)田后，很容易擴(kuò)散，農(nóng)田集中連片分布的特點(diǎn)也為東方田鼠提供了充足的食物。

1.2 數(shù)據(jù)來(lái)源及處理

當(dāng)今世界新一代“圖譜合一”的光學(xué)遙感器MODIS(Moderateresolution imagine spectroradiometer)，具有時(shí)間分辨率高、空間分辨率中等、單幅影像覆蓋范圍廣闊等優(yōu)點(diǎn)，在生態(tài)環(huán)境評(píng)價(jià)和監(jiān)測(cè)等方面體現(xiàn)出良好的實(shí)用性和強(qiáng)大的應(yīng)用前景。MODIS工作小組一直致力于產(chǎn)品和算法的研究，已形成多個(gè)標(biāo)準(zhǔn)產(chǎn)品，使得數(shù)據(jù)的可信度較其他傳感器大大增強(qiáng)。又由于MODIS數(shù)據(jù)能夠免費(fèi)獲得，因此為實(shí)現(xiàn)大范圍、多鼠種的鼠害評(píng)估提供了極大地便利。

為了準(zhǔn)確監(jiān)測(cè)研究區(qū)植被生長(zhǎng)狀況，研究采用MOD13Q1數(shù)據(jù)集。MOD13Q1數(shù)據(jù)集共有12個(gè)波段，包括均一化植被指數(shù)(NDVI)和增強(qiáng)型植被指數(shù)(EVI)兩種植被指數(shù)數(shù)據(jù)產(chǎn)品，空間分辨率為250 m,時(shí)間分辨率為16 d，全年共23景數(shù)據(jù)。該數(shù)據(jù)集的植被指數(shù)均采用Walthal BRDF(Walthal bidirectional reflectance distribution function)模型進(jìn)行了處理，且自帶質(zhì)量評(píng)價(jià)波段，方便數(shù)據(jù)的選擇。

由于2005年研究區(qū)也有東方田鼠暴發(fā)的報(bào)道[14]，為避免其可能對(duì)2006年植被的影響，因此選擇2004做為正常年份。在MODIS網(wǎng)站下載研究區(qū)2004年和2007年MOD13Q1數(shù)據(jù)集(http://modis-land.gsfc.nasa.gov)，利用MRT(MODIS reprojection tool)運(yùn)用臨近值法對(duì)影像進(jìn)行重投影。影像的原始投影方式為Sinusoidal投影，重投影為UTM(Universal transverse mercartor)投影，再乘以尺度因子以獲得每個(gè)象元的NDVI和EVI值。為除去水體和建筑物可能對(duì)結(jié)果的影響，最后以研究區(qū)內(nèi)濕地和農(nóng)田區(qū)域在ArcGIS里對(duì)影像進(jìn)行掩膜，最終得到研究區(qū)植被指數(shù)圖。

圖1 研究區(qū)位置(a)和土地利用類(lèi)型(b)

1.3 研究方法

1.3.1 NDVI波動(dòng)分析

MOD13Q1自帶質(zhì)量評(píng)價(jià)波段，第二波段是植被指數(shù)“可用性”指數(shù)，值不超過(guò)1表示植被指數(shù)質(zhì)量良好[16]，可直接使用。選擇研究區(qū)2004年和2007年高質(zhì)量像元比例超過(guò)90%的影像，分析NDVI值變動(dòng)情況。

1.3.2 植被指數(shù)敏感性評(píng)價(jià)

NDVI是鼠害領(lǐng)域應(yīng)用最廣泛的植被指數(shù)[17]，在病蟲(chóng)害和氣象災(zāi)害領(lǐng)域除NDVI外，mNDVI(Modified normalized difference vegetation index)、EVI、GNDVI(Green normalized difference vegetation Index)、CVI(Chlorophyll vegetation index)、NDII(Normalized difference infrared index)等植被指數(shù)也被應(yīng)用于災(zāi)害評(píng)估[5- 7, 18]。本研究采用NDVI和EVI兩個(gè)植被指數(shù)，二者的計(jì)算公式見(jiàn)表1。

植被指數(shù)差值法是通過(guò)比較受災(zāi)前后植被指數(shù)的變化來(lái)判斷受災(zāi)情況[5- 6, 8, 18]。定義ΔVI為植被指數(shù)變化率，按照以下公式計(jì)算：

ΔVI=(VIbefore-VIpost)/VIbefore

式中,VIbefore為鼠害暴發(fā)年份受災(zāi)前植被指數(shù)，VIpost為鼠害暴發(fā)年份受災(zāi)后植被指數(shù)。

表1 植被指數(shù)計(jì)算公式

當(dāng)前主要是通過(guò)統(tǒng)計(jì)不同植被指數(shù)的ΔVI來(lái)確定植被指數(shù)對(duì)災(zāi)害的敏感性[5- 6]。假定正常年份和受災(zāi)年份的ΔVI分別代表植物正常生長(zhǎng)和作物受災(zāi)的信息。正常年份的ΔVI一般呈鐘形分布，而受災(zāi)年份由于作物大面積受害使得ΔVI呈偏正態(tài)[5]。研究中首先計(jì)算均值(μ)、偏移(Shift amplitude)、四分位距(Inter quartile range,IQR)和受災(zāi)像元的百分比(Damaged pixels,%)4個(gè)統(tǒng)計(jì)量。通過(guò)以上4個(gè)指標(biāo)，分別從災(zāi)害閾值、受災(zāi)范圍、受災(zāi)程度和檢測(cè)受災(zāi)能力4個(gè)方面分析植被指數(shù)對(duì)鼠類(lèi)危害的敏感性。

1.3.3 評(píng)估算法

評(píng)估算法的原理是通過(guò)正常年份植被指數(shù)變化情況確定災(zāi)害閾值，然后對(duì)受災(zāi)年份的災(zāi)害情況進(jìn)行評(píng)估[5- 6]，算法流程如圖2所示。首先計(jì)算正常年份和受災(zāi)年份的ΔVI，通過(guò)植被指數(shù)敏感性分析，確定合適的植被指數(shù)。通過(guò)正常年份的ΔVI確定災(zāi)害閾值，設(shè)定災(zāi)害閾值為μ2004+δ2004，其中μ2004和δ2004分別為2004年ΔVI的均值和平均絕對(duì)標(biāo)準(zhǔn)差。若受災(zāi)年份的ΔVI大于μ2004+δ2004，則表示該像元受到危害，否則該像元生長(zhǎng)正常，從而獲得受災(zāi)像元的分布。再將受災(zāi)年份的ΔVI歸一化到 [0, 1]之間。分析統(tǒng)計(jì)受災(zāi)年份ΔVI的頻率直方圖決定拉伸的上限和下限。上限值規(guī)定為整個(gè)區(qū)域像元的95%，如選擇1.9作為上限，則將大于1.9的值均設(shè)定為1.9；下限值區(qū)災(zāi)害閾值，將ΔVI小于災(zāi)害閾值的值設(shè)定為下限值。按照以下公式進(jìn)行歸一化處理：

ΔVIrescale=(ΔVI-ΔVIlower)/( ΔVIupper-ΔVIlower)

式中,ΔVIrescale為歸一化結(jié)果，ΔVIuppe為上限值，ΔVIlower為下限值。歸一化后，統(tǒng)計(jì)受到災(zāi)害影響的像元(即ΔVIrescale大于0的像元)，確定受災(zāi)程度。以四分位數(shù)來(lái)劃分3個(gè)受災(zāi)等級(jí)：ΔVIrescale大于75%四分位數(shù)(Q3)為重度受災(zāi)，ΔVIrescale小于25%四分位數(shù)(Q1)為輕度受災(zāi)，余下為中度受災(zāi)。從而獲得鼠害危害的等級(jí)分布圖。

圖2 評(píng)估算法流程圖

2 結(jié)果與分析

2.1 研究區(qū)NDVI變化

計(jì)算研究區(qū)平均NDVI值(包含水體和建筑物像元)，2007年與2004年NDVI具有相同的變化規(guī)律(圖3)，表明2004年與2007年種植制度未發(fā)生大的改變，2004年作為未受災(zāi)年份的對(duì)照是合適的(2004年植保部門(mén)的記錄表明當(dāng)年該地區(qū)也沒(méi)有其他的災(zāi)害發(fā)生)。2007年研究區(qū)附近種植作物相近的未受害區(qū)域的NDVI值，變動(dòng)規(guī)律與研究區(qū)2004年波動(dòng)規(guī)律一致，說(shuō)明2004年NDVI動(dòng)態(tài)具有良好的代表性。每年4月份和8月份的兩個(gè)NDVI峰值與研究區(qū)種植綠肥、油菜和蠶豆等作物后再種植水稻的作物種植制度相符[21]。該地區(qū)的水稻類(lèi)型包括中稻、一季晚稻、早稻和連晚稻，自4月末至7月均處于生長(zhǎng)期。 2004年4月份到12月份NDVI值先單調(diào)上升再單調(diào)下降的變化規(guī)律與水稻生長(zhǎng)、收割的節(jié)律一致。2007年研究區(qū)平均NDVI值在7月和8月間存在一個(gè)短暫的先下降再上升的過(guò)程(圖3)。由于不能準(zhǔn)確的判定補(bǔ)救措施進(jìn)入的時(shí)間和強(qiáng)度，因此將其間第1個(gè)下降點(diǎn)保守作為東方田鼠危害后的時(shí)間更合適。2007年北洲子暴發(fā)時(shí)間為7月上旬，故6月末作為鼠害暴發(fā)前的時(shí)間是合適的。綜合以上幾點(diǎn)，研究選擇區(qū)第193天和第209天分別作為東方田鼠危害前、危害后時(shí)間。

NDVI的減少直觀反映了東方田鼠對(duì)農(nóng)作物的危害。分別將研究區(qū)災(zāi)害后NDVI值減去災(zāi)害前NDVI值，則正常年份97.70% NDVI增加(圖4)，而受災(zāi)年份83.60% NDVI值減少(圖4)。正常年份NDVI差值的均值為0.11±0.08(圖4)，受災(zāi)年份NDVI差值的均值為-0.03±0.05(圖4)。2004年NDVI差值的頻率直方圖均呈正態(tài)分布，2007年NDVI差值的頻率直方圖呈現(xiàn)近似正態(tài)的偏分布，表明受災(zāi)年份作物的群體密度小于正常年份的群體密度。

圖 3 受災(zāi)年份與正常年份NDVI動(dòng)態(tài)

圖4 研究區(qū)NDVI差值空間分布圖和頻率直方圖

2.2 確定植被指數(shù)敏感性

對(duì)研究區(qū)2004年與2007年ΔVI統(tǒng)計(jì)分析，結(jié)果如表2所示。ΔVI的統(tǒng)計(jì)直方圖如圖5所示。ΔVI的偏移能夠直接反應(yīng)植被指數(shù)對(duì)農(nóng)作物受損的敏感程度。ΔEVI的偏移量(0.33)大于ΔNDVI的偏移量(0.21)，說(shuō)明EVI對(duì)作物受到危害更加敏感。四分位距能夠反應(yīng)植被指數(shù)對(duì)作物受危害嚴(yán)重程度的敏感性。正常年份和受災(zāi)年份ΔEVI的四分位數(shù)均比對(duì)應(yīng)年份 ΔNDVI 的四分位數(shù)大(表2)，說(shuō)明EVI 較NDVI能更好的表示受災(zāi)的嚴(yán)重程度。ΔNDVI和ΔEVI的災(zāi)害閾值均在0附近(表2，圖5)，這與植物遭受鼠害后NDVI值下降的波動(dòng)規(guī)律一致。ΔNDVI的受災(zāi)像元百分比為83.30%，ΔEVI的受災(zāi)像元百分比為80.30%，說(shuō)明研究區(qū)作物大范圍受災(zāi)，與鼠密度調(diào)查的結(jié)果一致。

通過(guò)以上分析表明：EVI更適合作為洞庭湖區(qū)東方田鼠危害評(píng)價(jià)的植被指數(shù)，與董燕生等[6]的結(jié)果相同。原因可能是由于東方田鼠對(duì)植物的危害主要是取食植物，造成大面積植物被取食，植被覆蓋度下降，土壤對(duì)植被指數(shù)的影響增強(qiáng)，而EVI在植被稀疏地區(qū)較NDVI有更好的識(shí)別能力。

表2 2004年和2007年度植被指數(shù)變化率統(tǒng)計(jì)

2.3 鼠害暴發(fā)區(qū)域與等級(jí)

研究區(qū)內(nèi)大部分植被受到鼠類(lèi)危害，主要集中在農(nóng)田區(qū)域，正常生長(zhǎng)區(qū)域主要集中在濕地區(qū)域(圖1、圖6)。濕地地區(qū)主要的作物為蘆葦、而農(nóng)田區(qū)域主要作物為水稻。一方面東方田鼠更加喜食水稻，另一方面蘆葦種群密度高，受到東方田鼠危害，一般不易通過(guò)植被指數(shù)表現(xiàn)出來(lái)。受害區(qū)域具有很高的聚集度(圖6)，這與東方田鼠暴發(fā)期間觀察到的的聚集行為相符[22]。作物受災(zāi)等級(jí)以中度為主，受災(zāi)中等以上的區(qū)域均離大堤有一段距離(圖6)，這主要是由于暴發(fā)年份離大堤近的地區(qū)會(huì)采取多種防范措施，迫使東方田鼠向縱深遷移一段距離。整個(gè)研究區(qū)范圍均有危害嚴(yán)重的像元零星分布(圖6b)。由于東方田鼠的遷徙距離一般不會(huì)超出10 km[23]，因此這種危害不會(huì)是由于某一個(gè)點(diǎn)源的東方田鼠種群遷徙導(dǎo)致的危害，而因當(dāng)是很多點(diǎn)源的東方田鼠種群疊加危害的結(jié)果。

圖6 研究區(qū)像元尺度災(zāi)害分布圖和災(zāi)害等級(jí)圖

2.4 驗(yàn)證

Ren Y H等[13]通過(guò)實(shí)地大范圍踏查，繪制了2007洞庭湖區(qū)東方田鼠危害區(qū)域分布圖(圖7)，并進(jìn)行了相關(guān)研究。在踏查范圍內(nèi)依照ΔEVI制作危害區(qū)分布圖，由于整個(gè)危害區(qū)土地利用類(lèi)型、作物種植制度等相近，因此可以將0.07作為災(zāi)害閾值，繪制災(zāi)害像元空間分布圖，結(jié)果如圖7。整個(gè)危害區(qū)均能探測(cè)到危害像元，危害像元占危害區(qū)總像元數(shù)目的51.30%(圖7)，表明本方法能有效探測(cè)暴發(fā)年份鼠類(lèi)危害區(qū)，0.07作為洞庭湖區(qū)2007東方田鼠危害閾值具有一般的代表性。危害區(qū)內(nèi)危害像元也表現(xiàn)出聚集性和危害像元離大堤有一定距離的特性，這與東方田鼠在暴發(fā)年份的危害特點(diǎn)一致。

圖7 2007年實(shí)地踏查繪制東方田鼠危害區(qū)和危害像元空間分布圖

3 討論

在當(dāng)前有關(guān)利用植被指數(shù)差值法進(jìn)行植物病蟲(chóng)害和氣象災(zāi)害評(píng)估的研究中，并沒(méi)有涉及確定災(zāi)害評(píng)估時(shí)間的方法和原則[5- 8, 18]，主觀性過(guò)強(qiáng)。在鼠類(lèi)的危害評(píng)估中，時(shí)間對(duì)評(píng)估結(jié)果的敏感性更高，選擇合適的評(píng)估時(shí)間對(duì)于確保評(píng)價(jià)結(jié)果的準(zhǔn)確性是十分重要的。一方面鼠類(lèi)的危害主要是物理性的損傷，具有發(fā)生時(shí)間短、危害大的特性；另一方面，鼠害發(fā)生后，人們的補(bǔ)救措施往往較其他災(zāi)害更迅速。本研究提出利用植被指數(shù)的年內(nèi)變化規(guī)律再結(jié)合研究區(qū)農(nóng)事歷的方法，確定用于災(zāi)害評(píng)價(jià)的時(shí)間。為了避免植物自身生長(zhǎng)規(guī)律對(duì)評(píng)價(jià)結(jié)果的影響，評(píng)價(jià)中要確保災(zāi)害發(fā)生前至災(zāi)害發(fā)生后的時(shí)間段內(nèi)的植被指數(shù)在正常年份是單調(diào)的，且評(píng)價(jià)期間不能有顯著的人為活動(dòng)或其他災(zāi)害的影響。

Zhao J等[8]利用植被指數(shù)的差值評(píng)估冰雹對(duì)玉米造成的損失，取得良好的效果。本研究中利用NDVI差值也能直觀反應(yīng)鼠類(lèi)危害發(fā)生的區(qū)域(圖4)，但由于NDVI差值的偏移過(guò)小(0.14，圖4，表2)，因而NDVI差值不適宜直接用來(lái)進(jìn)行受災(zāi)面積和受災(zāi)等級(jí)的評(píng)估，而應(yīng)當(dāng)結(jié)合地面調(diào)查點(diǎn)，通過(guò)統(tǒng)計(jì)回歸，再進(jìn)行災(zāi)害評(píng)價(jià)[8, 18]。Wang W等[5]等利用植被指數(shù)增加的變化率作為指標(biāo)探測(cè)颶風(fēng)對(duì)森林造成的損失和損失的等級(jí)，董燕生等[6]利用植被指數(shù)減少的變化率評(píng)價(jià)凍害對(duì)小麥的影響。兩個(gè)指標(biāo)的選擇主要是基于生態(tài)事件對(duì)作物影響的程度：森林遭受颶風(fēng)的危害后，NDVI值并未減少[5]；冬小麥?zhǔn)艿絻龊Φ挠绊懞?，NDVI值減少了[6]。本研究中作物的NDVI值在鼠害的影響下，NDVI值下降，因此研究中采用植被指數(shù)的降低速率評(píng)價(jià)鼠類(lèi)危害。不同的地點(diǎn)、不同的鼠種和不同的生態(tài)系統(tǒng)鼠類(lèi)的危害程度是不同的。在利用遙感技術(shù)評(píng)價(jià)鼠類(lèi)危害的過(guò)程中，需要根據(jù)具體的情形選擇合適的評(píng)價(jià)指標(biāo)。

MODIS具有高時(shí)間分辨率和中等空間分辨率的特點(diǎn)，在災(zāi)害評(píng)價(jià)中具有十分重要的應(yīng)用。但是由于MODIS中對(duì)植被指數(shù)敏感的遠(yuǎn)紅外波段的分辨率為1000 m，因此限制了分辨率的提高和更多植被指數(shù)的應(yīng)用。國(guó)外的Landsat衛(wèi)星[7]和國(guó)內(nèi)的環(huán)境減災(zāi)衛(wèi)星[6, 8]等在時(shí)間分辨率、波譜等方面各具優(yōu)勢(shì)。在應(yīng)用遙感技術(shù)評(píng)價(jià)鼠類(lèi)危害的過(guò)程中，可以結(jié)合各個(gè)衛(wèi)星的特點(diǎn)，探索更加合適的植被指數(shù)，實(shí)現(xiàn)更高精度的評(píng)價(jià)。

鼠類(lèi)與作物之間是相互作用的，二者在生態(tài)系統(tǒng)中均起重要的作用。害鼠對(duì)作物的危害既包括直接的危害還包括間接的危害。Olofsson J等[11]通過(guò)對(duì)照鼠類(lèi)危害區(qū)和圍欄區(qū)植被的草地產(chǎn)量，發(fā)現(xiàn)鼠類(lèi)危害區(qū)的產(chǎn)量在一年后下降，相應(yīng)NDVI的變動(dòng)也證實(shí)存在一年的時(shí)滯。因此，通過(guò)本方法對(duì)鼠類(lèi)危害的評(píng)價(jià)是鼠類(lèi)危害的直接損失。由于人類(lèi)活動(dòng)的介入，在鼠害暴發(fā)年份，農(nóng)作物的產(chǎn)量雖然可能降低，但是NDVI值不一定比正常年份低，如本研究中研究區(qū)2007年秋季NDVI的峰值比2004年高。

當(dāng)前利用遙感技術(shù)探測(cè)植物受害面積和等級(jí)的研究主要在集中在面積廣、植被單一性強(qiáng)的生態(tài)系統(tǒng)，如荒漠[24]、草原[11]、森林[3, 5]。不同植被的光譜反射率是不同的，因此受害閾值標(biāo)準(zhǔn)不同，本研究中，我們使用土地利用類(lèi)型圖層對(duì)研究區(qū)進(jìn)行掩膜，即是為了確保植被類(lèi)型的單一性。依據(jù)EVI的災(zāi)害閾值，研究區(qū)的受災(zāi)像元百分比(80.30%)遠(yuǎn)遠(yuǎn)大于驗(yàn)證區(qū)的受災(zāi)像元百分比(51.30%)。一方面是由于2007年其他地區(qū)受害面積比例不及北洲子，另外也可能是隨著區(qū)域的擴(kuò)大，生態(tài)系統(tǒng)類(lèi)型增加，準(zhǔn)確率降低導(dǎo)致。因此，本研究提出方法更適宜于鼠類(lèi)種群變化劇烈且植被單一的區(qū)域。對(duì)于作物呈鑲嵌分布的區(qū)域，則應(yīng)當(dāng)區(qū)分不同的作物，依據(jù)不同的災(zāi)害閾值分別進(jìn)行判別。

4 結(jié)論

針對(duì)2007年洞庭湖區(qū)東方田鼠暴發(fā)成災(zāi)，提出了基于MODIS植被指數(shù)的鼠類(lèi)危害評(píng)價(jià)方法。通過(guò)對(duì)比實(shí)地踏查的洞庭湖區(qū)2007年暴發(fā)圖和通過(guò)災(zāi)害閾值繪制的危害像元空間分布圖，表明評(píng)價(jià)方法準(zhǔn)確有效。通過(guò)分析NDVI和EVI對(duì)災(zāi)害評(píng)價(jià)的敏感性，選定EVI作為洞庭湖區(qū)鼠類(lèi)災(zāi)害的植被指數(shù)。討論了確定評(píng)價(jià)時(shí)間和評(píng)價(jià)指標(biāo)選擇的方法和原則，使得該方法更夠適用于更廣泛的情形。

致謝：感謝中國(guó)科學(xué)院遙感應(yīng)用研究所劉亞嵐研究員提供洞庭湖區(qū)2007東方田鼠暴發(fā)范圍圖和國(guó)家自然科學(xué)基金委“中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心”提供中國(guó)土地利用類(lèi)型分布圖。

:

[1] Shi D Z, Guo Y W, Su H T. A progress of rodent and its control in the agriculture and animal husbandry. Chinese Journal of Vector Biology and Control, 2009, 20(6): 499- 501.

[2] Zhang J C, Yuan L, Wang J H, Luo J H, Du S C, Huang W J. Research progress of crop diseases and pests monitoring based on remote sensing. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(20): 1- 11.

[3] Eklundh L, Johansson T, Solberg S. Mapping insect defoliation in scots pine with modis time-series data. Remote Sensing of Environment, 2009, 113(7): 1566- 1573.

[4] Genc H, Genc L, Turhan H, Smith S E, Nation J L. Vegetation indices as indicators of damage by the sunn pest (hemiptera:Scutelleridae) to field grown wheat. African Journal of Biotechnology, 2008, 7(2): 173- 180.

[5] Wang W T, Qu J J, Hao X J, Liu Y Q, Stanturf J A. Post-hurricane forest damage assessment using satellite remote sensing. Agricultural and Forest Meteorology, 2010, 150(1): 122- 132.

[6] Dong Y S, Chen H P, Wang H F, Gu X H, Wang J H. Assessing freeze injury to winter wheat with multi-temporal HJ- 1 satellite imagery. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(20): 172- 179.

[7] Jurgens C. The modified normalized difference vegetation index (mndvi): a new index to determine frost damages in agriculture based on landsat tm data. International Journal of Remote Sensing, 1997, 18(17): 3583- 3594.

[8] Zhao J, Zhang D, Luo J, Huang S L, Dong Y Y, Huang W J. Detection and mapping of hail damage to corn using domestic remotely sensed data in China. Australian Journal of Crop Science, 2012, 6(1): 101- 108.

[9] Wang Q Z, Yu Z R, Xing J F, Driessen P M, Liu H Y. Yield gap estimation by combining remote sensing and crop growth model. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(7): 84- 89.

[10] Yang B J, Pei Z Y. Definition of crop condition and crop monitoring using remote sensing. Transactions of the Chinese Society of Agricultural Engineering, 1999, 15(3): 214- 218.

[11] Olofsson J, Tommervik H, Callaghan T V. Vole and lemming activity observed from space. Nature Climate Change, 2012, 2(12): 880- 883.

[12] Zhang M, Wang K, Wang Y, Guo C, Li B, Huang H. Recovery of a rodent community in an agro-ecosystem after flooding. Journal of Zoology, 2007, 272(2): 138- 147.

[13] Ren Y H, Liu Y L, Wei C J, Zhang Z Q, Yan S Y. Dynamic simulation and analysis of microtus fortis migration in dongting lake region during flood based on remote sensing and gis // Li G, Jia Z, Fu Z, eds. Proceedings of Information Technology and Environmental System Sciences: Itess. Beijing: Publishing House Electronics Industry, 2008, 3: 440- 444.

[14] Li B, Wang Y, Zhang M W, Han L L, Wu C H, Huang H N. Population dynamics of microtus fortis in Dongting Lake region and its forecasting. Plant Protection, 2007, 33(2): 134- 136.

[15] Ran Y H, Li X, Lu L. Evaluation of four remote sensing based land cover products over China. International Journal of Remote Sensing, 2010, 31(2): 391- 401.

[16] Cao Y F, Wang Z X, Deng F P. Fidelity performance of three filters for high quality NDVI time-series analysis. Remote Sensing Technology and Application, 2010, 25(1): 118- 125.

[17] Pettorelli N, Ryan S, Mueller T, Bunnefeld N, Jedrzejewska B, Lima M, Kausrud K. The normalized difference vegetation index (ndvi): Unforeseen successes in animal ecology. Climate Research, 2011, 46(1): 15- 27.

[18] Feng M C, Yang W D, Cao L L, Ding G W. Monitoring winter wheat freeze injury using multi-temporal modis data. Agricultural Sciences in China, 2009, 8(9): 1053- 1062.

[19] Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 1979, 8(2): 127- 150.

[20] Huete A, Justice C, Leeuwen W V. Modis vegetation index (mod13) algorithm theoretical basis document. 1999, [2012- 3- 5]. http://modis.gsfc.nasa.gov/data/atbd/atbd_mod%2013.pdf.

[21] Zhou S. Detected the main crop types based on remote sensing technic in Dongting Lake region. Economic Geography, 1986, (4): 302- 307.

[22] Li B, Wang Y, Zhang M W, Chen J, Zheng W J, Wu C H, Hu H, Huang H N. Some behavior ofMicrotusfortiscalamorumduring migration while population outbreak in Dongting Lake area. Chinese Journal of Zoology, 2008, 43(2): 57- 63.

[23] Guo C, Wang Y, Chen A G, Li B, Zhang M W, Wu Z J. Studies on the migration of Microtus fortis in Dongting lake area. Acta Theriologica Sinica, 1997, 17(4): 40- 47.

[24] Cha M H, Ma G Q, A L G E, Wu X D, Fu H P, Zhang X D, Yuan S. Using "3S" technology to monitor rodent damage in cakcayr ( Haloxylon ammodendron) natural forest distributed on alxa desert in Inner Mongolia. Forest Resources Management, 2012, (4): 91- 95.

參考文獻(xiàn):

[1] 施大釗, 郭永旺, 蘇紅田. 農(nóng)牧業(yè)鼠害及控制進(jìn)展. 中國(guó)媒介生物學(xué)及控制雜志, 2009, 20(6): 499- 501.

[2] 張競(jìng)成, 袁琳, 王紀(jì)華, 羅菊花, 杜世州, 黃文江. 作物病蟲(chóng)害遙感監(jiān)測(cè)研究進(jìn)展. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(20): 1- 11.

[6] 董燕生, 陳洪萍, 王慧芳, 顧曉鶴, 王紀(jì)華. 基于多時(shí)相環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)的冬小麥凍害評(píng)估. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(20): 172- 179.

[9] 王純枝, 宇振榮, 辛景峰, Driessen P M, 劉云慧. 基于遙感和作物生長(zhǎng)模型的作物產(chǎn)量差估測(cè). 農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(7): 84- 89.

[10] 楊邦杰, 裴志遠(yuǎn). 農(nóng)作物長(zhǎng)勢(shì)的定義與遙感監(jiān)測(cè). 農(nóng)業(yè)工程學(xué)報(bào), 1999, 15(3): 214- 218.

[14] 李波, 王勇, 張美文, 韓立亮, 吳承和, 黃華南. 洞庭湖區(qū)東方田鼠種群數(shù)量預(yù)警. 植物保護(hù), 2007, 33(2): 134- 136.

[16] 曹云鋒, 王正興, 鄧芳萍. 3種濾波算法對(duì)ndvi高質(zhì)量數(shù)據(jù)保真性研究. 遙感技術(shù)與應(yīng)用, 2010, 25(1): 118- 125.

[21] 周蒔. 應(yīng)用衛(wèi)星遙感技術(shù)判別洞庭湖區(qū)主要農(nóng)作物類(lèi)型的研究. 經(jīng)濟(jì)地理, 1986, (4): 302- 307.

[22] 李波, 王勇, 張美文, 陳劍, 鄧武軍, 吳承和, 胡華, 黃華南. 洞庭湖區(qū)東方田鼠種群暴發(fā)期間的行為特征觀察. 動(dòng)物學(xué)雜志, 2008, 43(2): 57- 63.

[23] 郭聰, 王勇, 陳安國(guó), 李波, 張美文, 武正軍. 洞庭湖區(qū)東方田鼠遷移的研究. 獸類(lèi)學(xué)報(bào), 1997, 17(4): 279- 286.

[24] 查木哈, 馬國(guó)青, 阿力古恩, 武曉東, 付和平, 張曉東, 袁帥, 張福順. 基于3s技術(shù)的阿拉善荒漠天然梭梭林鼠害監(jiān)測(cè). 林業(yè)資源管理, 2012, (4): 91- 95.