遙感技術(shù)在農(nóng)業(yè)災(zāi)害監(jiān)測(cè)中的應(yīng)用

文 | 陳淑敏 張紅艷 曾奧麗 冷偉 孫拱武漢珈和科技有限公司

一、引言

我國(guó)是傳統(tǒng)的農(nóng)業(yè)大國(guó)，也是世界上農(nóng)業(yè)災(zāi)害最嚴(yán)重的國(guó)家之一。農(nóng)業(yè)災(zāi)害主要有病蟲(chóng)、洪澇、干旱、風(fēng)雹、冷凍等災(zāi)害，嚴(yán)重的農(nóng)業(yè)災(zāi)害不但會(huì)造成農(nóng)作物大幅減產(chǎn)，致使農(nóng)業(yè)經(jīng)濟(jì)運(yùn)行混亂，還有可能會(huì)威脅到人民的生產(chǎn)、生活質(zhì)量和生命財(cái)產(chǎn)的安全。根據(jù)國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)，2019年國(guó)內(nèi)農(nóng)作物受災(zāi)面積19256.9千公頃，其中絕收2802千公頃。及時(shí)、客觀地了解農(nóng)業(yè)災(zāi)害發(fā)展情況并采取農(nóng)業(yè)防災(zāi)、減災(zāi)措施，對(duì)于農(nóng)業(yè)的可持續(xù)發(fā)展非常重要。

農(nóng)業(yè)災(zāi)害的傳統(tǒng)監(jiān)測(cè)方法主要是田間定點(diǎn)監(jiān)測(cè)和隨機(jī)調(diào)查。傳統(tǒng)方法在具體操作上較為精準(zhǔn)，但如果進(jìn)行大范圍監(jiān)測(cè)，則非常費(fèi)時(shí)費(fèi)力且效率低下。而且有些農(nóng)業(yè)災(zāi)害（如病蟲(chóng)害等）在發(fā)生早期并不能靠肉眼識(shí)別，尤其在大范圍監(jiān)測(cè)時(shí)，采用傳統(tǒng)監(jiān)測(cè)方法容易造成較大的誤差。

與傳統(tǒng)的農(nóng)業(yè)災(zāi)害監(jiān)測(cè)方法相比，農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)在時(shí)效性、空間性、經(jīng)濟(jì)性方面都具有十分明顯的優(yōu)勢(shì)。農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)的物理基礎(chǔ)是植被光譜反射曲線，當(dāng)農(nóng)作物遭受災(zāi)害時(shí)，其葉片的結(jié)構(gòu)、葉綠素含量以及冠層結(jié)構(gòu)等生物物理參數(shù)會(huì)發(fā)生變化，導(dǎo)致植被光譜反射曲線發(fā)生相應(yīng)變化。植被光譜特征的變化，某種程度上反映了植被受災(zāi)的程度。利用遙感技術(shù)進(jìn)行農(nóng)業(yè)災(zāi)害監(jiān)測(cè)，就是基于災(zāi)害發(fā)生前后作物（或地面）光譜反射率的差異進(jìn)行災(zāi)害解譯和評(píng)估。目前，遙感技術(shù)在旱災(zāi)、洪澇災(zāi)害、病蟲(chóng)災(zāi)害、風(fēng)雹災(zāi)害、冷凍災(zāi)害中應(yīng)用較多，還有雪災(zāi)、火災(zāi)和沙塵暴災(zāi)害等。

隨著衛(wèi)星數(shù)據(jù)源越來(lái)越豐富、技術(shù)處理越來(lái)越智能，遙感技術(shù)應(yīng)用空間更加廣闊。但遙感監(jiān)測(cè)并不能完全取代地面調(diào)查，二者在實(shí)際操作中可相互補(bǔ)充、相互論證，使監(jiān)測(cè)結(jié)果更加準(zhǔn)確。

二、農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)的主要內(nèi)容

農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)內(nèi)容主要包括以下幾個(gè)方面：

一是搜集國(guó)內(nèi)外的多源衛(wèi)星遙感影像，采用多傳感器、多時(shí)相、多分辨率數(shù)據(jù)相結(jié)合的監(jiān)測(cè)方式，對(duì)災(zāi)前災(zāi)后的情況進(jìn)行對(duì)比分析；

二是根據(jù)衛(wèi)星影像，結(jié)合歷史資料和實(shí)地調(diào)查信息，確定受災(zāi)的范圍，包括識(shí)別受災(zāi)對(duì)象、提取作物分布地塊、計(jì)算受災(zāi)面積，同時(shí)和土地確權(quán)數(shù)據(jù)匹配，確定不同經(jīng)營(yíng)主體的種植區(qū)域受災(zāi)情況；

三是結(jié)合環(huán)境、土壤和氣象等信息，分析致災(zāi)因素，模擬和預(yù)測(cè)災(zāi)情發(fā)展趨勢(shì)；

四是計(jì)算災(zāi)損程度，例如通過(guò)對(duì)災(zāi)后作物長(zhǎng)勢(shì)進(jìn)行評(píng)估，推算產(chǎn)量損失率；

五是對(duì)救災(zāi)工作和災(zāi)后重建提出生產(chǎn)經(jīng)營(yíng)建議，例如根據(jù)某保險(xiǎn)客戶受災(zāi)地塊的氣候條件，判斷某種作物是否適合種植投保。

獲得的農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)結(jié)果一般用于公益援助、防災(zāi)減災(zāi)、保險(xiǎn)定損、田間作業(yè)指導(dǎo)、大宗交易決策等。

三、農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)應(yīng)用案例

本文選取了近幾年武漢珈和科技有限公司（以下簡(jiǎn)稱珈和科技）開(kāi)展的農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)典型案例，從不同的角度展示災(zāi)情監(jiān)測(cè)技術(shù)流程。需要說(shuō)明的是，由于用戶需求和發(fā)生時(shí)點(diǎn)不同，具體案例中同樣災(zāi)害采用的數(shù)據(jù)源和技術(shù)方法也存在區(qū)別。

1.冰雹災(zāi)害

2019年5月上旬，新疆大部氣溫偏低，受對(duì)流云團(tuán)發(fā)展旺盛影響，降水偏多，多地出現(xiàn)冰雹天氣，由于冰雹持續(xù)時(shí)間較長(zhǎng)，易引起冰雹災(zāi)害。冰雹會(huì)對(duì)農(nóng)作物的枝葉、莖桿產(chǎn)生機(jī)械性損傷，對(duì)當(dāng)?shù)匦←?、玉米、棉花等農(nóng)作物造成了較嚴(yán)重影響。

在冰雹災(zāi)害剛發(fā)生時(shí)，受當(dāng)?shù)赜脩舻奈?，珈和科技?duì)作物種植區(qū)的冰雹災(zāi)害進(jìn)行了全程監(jiān)測(cè)。一方面，技術(shù)人員迅速收集國(guó)內(nèi)外的遙感數(shù)據(jù)，獲得初步的災(zāi)情嚴(yán)重程度分布圖；另一方面，外業(yè)調(diào)查團(tuán)隊(duì)根據(jù)災(zāi)情嚴(yán)重程度分布圖，前往新疆多個(gè)棉區(qū)開(kāi)展了冰雹災(zāi)害受損實(shí)地調(diào)研和遙感樣區(qū)采集。

利用冰雹災(zāi)害發(fā)生前后多時(shí)段高分一號(hào)衛(wèi)星、Planet衛(wèi)星、哨兵二號(hào)衛(wèi)星（Sentinel－2）等高分辨率衛(wèi)星影像及遙感技術(shù)，及時(shí)跟蹤監(jiān)測(cè)棉苗受災(zāi)情況。圖1為2019年5月上旬新疆某團(tuán)局部區(qū)域棉花遭受冰雹災(zāi)害前后的衛(wèi)星遙感監(jiān)測(cè)結(jié)果，可以看到棉田有不同程度的災(zāi)損。經(jīng)監(jiān)測(cè)統(tǒng)計(jì)，該團(tuán)棉苗面積為17.2萬(wàn)畝，受災(zāi)面積比例約占全團(tuán)棉苗種植面積的61%，輕災(zāi)比例46%，重災(zāi)比例15%。獲得的監(jiān)測(cè)結(jié)果有助于當(dāng)?shù)剞r(nóng)業(yè)管理部門和保險(xiǎn)機(jī)構(gòu)統(tǒng)計(jì)受災(zāi)面積，做好農(nóng)業(yè)保險(xiǎn)理賠服務(wù)工作，加快恢復(fù)生產(chǎn)。

圖1 新疆某地棉花冰雹災(zāi)害監(jiān)測(cè)專題圖（2019年5月）

圖2 是2018年6月中旬發(fā)生在新疆棉花主產(chǎn)區(qū)冰雹災(zāi)害前后的假彩色合成影像，可以看到，正常棉苗在影像中呈紅色，如圖2（a）所示。棉花遭受冰雹災(zāi)害后，莖葉遭受不同程度破壞，受損棉地的植被特征明顯減弱，呈青白色裸地特征，如圖2（b）所示。根據(jù)衛(wèi)星影像監(jiān)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析，該監(jiān)測(cè)區(qū)棉苗受災(zāi)面積約5100畝，占棉苗總面積的48%左右。

圖2 新疆某地棉花冰雹災(zāi)害前后影像圖（2018年6月）

2.冷凍災(zāi)害

2018年內(nèi)蒙古某地大豆、玉米遭受霜凍災(zāi)害，受災(zāi)區(qū)域約4000～5000km2，當(dāng)?shù)氐霓r(nóng)業(yè)企業(yè)和保險(xiǎn)公司需要在最短的時(shí)間內(nèi)對(duì)災(zāi)情進(jìn)行監(jiān)測(cè)，根據(jù)受災(zāi)程度制定相應(yīng)的作業(yè)方案和賠付方案。單憑傳統(tǒng)人力測(cè)算，平均30人一個(gè)月的地面調(diào)查也只能覆蓋受災(zāi)區(qū)域的1%，且人工量化災(zāi)損情況的主觀誤差非常大。珈和科技利用遙感技術(shù)監(jiān)測(cè)災(zāi)情，在3天內(nèi)核定了受災(zāi)范圍，第5天出具了對(duì)應(yīng)農(nóng)作物的定損分析報(bào)告，幫助當(dāng)?shù)赜脩魳O大地提高了工作效率，降低了核損成本，也減少了在定損理賠過(guò)程中與投保農(nóng)戶之間不必要的溝通摩擦。表1為該地大豆受霜凍災(zāi)后的實(shí)地拍攝圖和在遙感影像上的特征截圖對(duì)比，沒(méi)有受災(zāi)的大豆顏色特征為粉紅色，受災(zāi)后顏色變青，顏色越青綠表示受災(zāi)越嚴(yán)重。

表1 大豆受災(zāi)影像與實(shí)地植株?duì)顟B(tài)對(duì)比表

3.風(fēng)災(zāi)

2019年“利奇馬”臺(tái)風(fēng)災(zāi)害后，山東某地玉米受強(qiáng)降雨和臺(tái)風(fēng)影響，出現(xiàn)了不同程度倒伏或莖折斷，而當(dāng)?shù)赜衩渍幱诎喂?jié)期和開(kāi)花期，臺(tái)風(fēng)對(duì)玉米生長(zhǎng)發(fā)育和后期結(jié)果造成了嚴(yán)重影響。災(zāi)前災(zāi)后的玉米地遙感監(jiān)測(cè)結(jié)果對(duì)比顯示，未受災(zāi)的玉米為紅色特征，受災(zāi)后的玉米為青白色特征。圖3是此次臺(tái)風(fēng)過(guò)境后放大的局部玉米受災(zāi)程度分布圖，參考承保協(xié)議和實(shí)地抽樣查勘數(shù)據(jù)，將玉米地分為嚴(yán)重受災(zāi)、次嚴(yán)重受災(zāi)和未受災(zāi)三類，開(kāi)展實(shí)際業(yè)務(wù)工作時(shí)，對(duì)每塊地進(jìn)行量化分析，實(shí)現(xiàn)精細(xì)化定損。

圖3 山東某地玉米受災(zāi)程度分布圖（2019年8月）

4.病蟲(chóng)災(zāi)害

病蟲(chóng)災(zāi)害的發(fā)生存在一定規(guī)律性，可在早期利用遙感技術(shù)進(jìn)行監(jiān)測(cè)評(píng)估，及時(shí)掌握病蟲(chóng)災(zāi)害發(fā)生風(fēng)險(xiǎn)，提早進(jìn)行干預(yù)。圖4（a）是在小麥關(guān)鍵物候期，針對(duì)2019年湖北漢川市冬小麥種植區(qū)制作的條銹病發(fā)病指數(shù)分布圖，圖中顏色越紅，表示發(fā)病風(fēng)險(xiǎn)越高。

圖4 漢川市冬小麥條銹病監(jiān)測(cè)圖

小麥條銹病發(fā)病后，光譜特征發(fā)生變化，據(jù)此可以利用遙感技術(shù)監(jiān)測(cè)條銹病的發(fā)病范圍。圖4（b）是2019年湖北漢川市冬小麥條銹病發(fā)生后獲得的遙感影像解譯圖。通過(guò)與圖4（a）對(duì)比可以發(fā)現(xiàn)，小麥條銹病發(fā)病的分布情況與前期預(yù)警基本一致。對(duì)比出現(xiàn)差異的地方，主要是由于部分地區(qū)本來(lái)風(fēng)險(xiǎn)比較高，但人工干預(yù)做得比較好，小麥條銹病情并沒(méi)有很嚴(yán)重。

5.旱澇災(zāi)害

遙感技術(shù)在農(nóng)作物干旱和洪澇災(zāi)害等方面也有廣泛的應(yīng)用。2018年6-8月湖北某地區(qū)持續(xù)高溫少雨，該地區(qū)種植2萬(wàn)多畝夏玉米受高溫天氣的影響，生長(zhǎng)狀況與產(chǎn)量均有一定程度受損。通過(guò)衛(wèi)星遙感影像，結(jié)合氣象數(shù)據(jù)，對(duì)該地區(qū)夏玉米受干旱災(zāi)害進(jìn)行了監(jiān)測(cè)評(píng)估。圖5為該地區(qū)玉米受災(zāi)情況局部影像圖，結(jié)果顯示，該地區(qū)玉米受災(zāi)程度約58%，受災(zāi)面積達(dá)6900多畝。

圖5 湖北某地玉米受災(zāi)情況分布圖（2018年8月）

2016年6月，湖北天門市遭遇多場(chǎng)強(qiáng)降雨襲擊，造成了特大洪澇災(zāi)害。據(jù)統(tǒng)計(jì)，該地區(qū)農(nóng)作物受災(zāi)面積14352公頃，絕收面積697公頃。圖6為天門市棉花受災(zāi)情況遙感監(jiān)測(cè)分布圖，監(jiān)測(cè)數(shù)據(jù)顯示，本次洪澇災(zāi)害造成該地區(qū)棉花受災(zāi)面積達(dá)51469畝，主要集中在黃潭鎮(zhèn)、漁薪鎮(zhèn)、拖市鎮(zhèn)、張港鎮(zhèn)等棉花主產(chǎn)區(qū)域。

圖6 天門市棉花受災(zāi)情況分布圖（2016年8月）

四、結(jié)束語(yǔ)

我國(guó)已構(gòu)建高分辨率對(duì)地觀測(cè)系統(tǒng)，隨著高分辨率衛(wèi)星數(shù)據(jù)資源越來(lái)越豐富，遙感處理技術(shù)越來(lái)越智能，農(nóng)業(yè)行業(yè)應(yīng)用越來(lái)越滲透，遙感技術(shù)已逐漸成為助力鄉(xiāng)村振興的有效科技手段。農(nóng)業(yè)遙感災(zāi)害監(jiān)測(cè)評(píng)估集衛(wèi)星遙感技術(shù)農(nóng)業(yè)應(yīng)用、氣象技術(shù)農(nóng)業(yè)應(yīng)用于一體，可獲取天、地、空多維度的農(nóng)業(yè)生產(chǎn)及氣象影像信息，為現(xiàn)代農(nóng)業(yè)精準(zhǔn)化、智慧化管理提供技術(shù)支撐。