農業(yè)氣象災害遙感監(jiān)測研究

□文/馬霜霜

在農業(yè)氣象災害遙感監(jiān)測研究中，通過建立遙感分類系統(tǒng)和數(shù)據(jù)同化技術，對作物產量和農氣參數(shù)進行遙感反演，在保障農作物產量的同時降低氣象災害造成的損失。以往的災害監(jiān)測評價方法大多采用現(xiàn)場調查、現(xiàn)場取樣等常規(guī)的方法，不僅耗時、費力，還存在著以點帶面的代表性差、主觀性強、時效性差等問題，難以滿足大范圍災害實時監(jiān)測的需求，隨著科技水平的不斷提高，遙感技術為農業(yè)災害的監(jiān)測和評價提供了科學、有效的途徑，大規(guī)模、快速獲取作物、環(huán)境等方面的信息，為今后的農業(yè)災害監(jiān)測與評價奠定了基礎。

一、淺述遙感監(jiān)測

氣象災害是指影響人類生產生活的氣候事件。如干旱、洪澇、風雹、低溫冷害等，這些災害往往會對農業(yè)生產造成巨大影響，并導致糧食減產嚴重。農業(yè)氣象自然災害主要包括冰雹、干旱、暴雨洪澇等等，這些自然災害對農作物產量和品質會造成較大影響。氣象災害的發(fā)生與土壤水分含量和溫度密切相關，而土壤水分含量在很大程度上取決于天氣因素。在作物生長發(fā)育過程中，氣象條件直接或間接地影響農作物的產量和品質。因此，監(jiān)測農業(yè)氣象災害可以有效降低損失，提高農業(yè)生產效率。農作物產量受很多因素影響，而遙感技術可以在很大程度上進行研究分析［1］。

二、研究方法

研究區(qū)域及樣本數(shù)據(jù)來源于西南地區(qū)五個州市，采用基于最小二乘法（LS）的數(shù)據(jù)處理方法以及面向對象分類方法對樣本資料進行處理，得到各州市的農作物生長發(fā)育過程和產量變化情況。

（一）遙感反演模型，作物生長動態(tài)模型。主要采用最小二乘法和逐步回歸法兩種方法。其中最小二乘法是利用目標函數(shù)的梯度信息來估計線性回歸方程中待定參數(shù)的值，這種方法適用于數(shù)據(jù)少的情況，并且該法則具有一定局限性，當目標函數(shù)中存在多個待定參數(shù)時可能會導致模型精度下降。

（二）基于遙感反演技術模型。將農作物生長動態(tài)模型和作物冠層光譜反射率數(shù)據(jù)作為輸入變量，建立基于遙感反演技術和高精度冠層光譜反射率數(shù)據(jù)的作物生長動態(tài)預測模型。

（三）作物產量與氣象因子關系計算。以西南地區(qū)縣市為研究區(qū)域對氣象要素進行分析，將氣象因子納入現(xiàn)有農作物生產監(jiān)測系統(tǒng)中。利用作物生長預測模式，用不同空間分辨率的MODIS 衛(wèi)星影像結合地面站點信息，建立作物生長動態(tài)模型［2］。

（四）高精度農氣參數(shù)反演。將遙感數(shù)據(jù)與遙感農氣參數(shù)反演模型結合進行定量分析與定量預測。遙感數(shù)據(jù)獲取和處理流程，首先采用星載微波輻射計等高光譜遙感技術獲取不同時期遙感影像信息；其次將獲取的圖像和光譜信息導入軟件中提取作物生長動態(tài)模型；最后通過分析農業(yè)氣象資料等獲得作物生長發(fā)育規(guī)律以及影響因素等；最后將上述數(shù)據(jù)輸入到計算機中實現(xiàn)反演過程。

（五）產品制作農作物產量與氣象因子關系的專題產品并進行生產應用。從MODIS多源數(shù)據(jù)中提取各氣象因子及農作物生長動態(tài)數(shù)據(jù)并建立模型應用于生產實踐。反演的農氣參數(shù)結果與氣象部門實測資料進行對比分析，驗證所建立的農氣預測模型可靠性及精度。

（六）農氣參數(shù)反演產品制作與應用。將農業(yè)氣象災害所造成的損失統(tǒng)計，實現(xiàn)農業(yè)生產過程中氣象因子與農作物生長發(fā)育過程關系定量估算。

三、結果與分析

利用多尺度遙感數(shù)據(jù)對農作物生長發(fā)育過程進行監(jiān)測，以獲取更精細的農氣參數(shù)，提高其對災害因子的敏感度。為了進一步提高衛(wèi)星數(shù)據(jù)質量，利用MODIS 與SPOT 遙感影像建立空間分析模型，利用SPOT 遙感影像生成地面植被指數(shù)。研究發(fā)現(xiàn)，不同地區(qū)、不同作物間的生長差異較大。例如在冬小麥生長階段，與小麥種植面積對應的植被指數(shù)與冬小麥種植面積呈負相關。從遙感監(jiān)測結果中可以發(fā)現(xiàn)，作物生長過程中的光照強度、降水量以及氣溫等是影響農作物生長狀況的主要因子。針對小麥生長期及成熟期光照、降水量對小麥影響較為明顯的特點，結合多尺度分析結果可知：作物發(fā)育過程中對光有較強需求時其光照強度明顯增大，而且對光照需求的變化會直接影響農作物生長發(fā)育。通過研究發(fā)現(xiàn)小麥種植面積與土壤墑情呈負相關關系。當農作物種植面積增加時其對應土壤墑情降低，而當農作物種植面積減少時其對應土壤墑情升高；因此農作物面積增加會影響到對光照強度需求變化范圍。氣溫、降水與作物生長發(fā)育有一定聯(lián)系。不同類型地區(qū)氣溫和降水對水稻生長周期變化的影響程度不同：當降水較少且溫度較高時水稻生長周期會明顯延長，反之則會縮短；而水稻生長發(fā)育過程中氣溫和降水量對水稻生長階段影響較為顯著：當降水越多且溫度越高時水稻產量增長幅度越大［3］。

通過研究發(fā)現(xiàn)，在農作物生育后期由于作物生育期較長且其自身變化規(guī)律比較復雜，在考慮其他因子影響時要結合作物生育期進行綜合分析才能得到較為準確的預測結果。此外還需要從多個角度來考慮作物發(fā)育期和品種差異造成的產量差異。在農業(yè)氣象災害監(jiān)測與評估中需要綜合考慮多種影響因子并建立模型對不同區(qū)域進行分析和監(jiān)測。本研究在利用多尺度分析和多角度數(shù)據(jù)融合算法分析作物發(fā)育過程中氣象條件與產量關系時發(fā)現(xiàn)了一種新方法：通過引入天氣預報的變量對作物進行分類。為保證模型的準確性還需引入其他相關數(shù)據(jù)進行驗證。

四、結論與展望

農業(yè)氣象災害的影響范圍廣，嚴重時可造成大量的農作物減產甚至絕收。上述針對氣象災害對農作物產量的影響，通過建立遙感分類系統(tǒng)和數(shù)據(jù)同化技術，進行了作物生長發(fā)育過程中天氣條件、土壤墑情、光照條件以及溫度的精細化預測，在保障農作物產量的同時降低農業(yè)氣象災害造成的損失。通過本文研究發(fā)現(xiàn)：利用改進后的線性回歸模型對作物產量進行估產得到作物生長過程中氣象因子對作物產量影響較大；將遙感分類系統(tǒng)和數(shù)據(jù)同化技術相結合能更好地監(jiān)測農作物生長發(fā)育中影響糧食生產等氣象因子對其產生影響；利用遙感分類系統(tǒng)得到的農作物生長發(fā)育過程中天氣條件、土壤墑情、光照條件以及溫度與實際天氣狀況相吻合，具有較好的可信度；利用衛(wèi)星云圖作為數(shù)據(jù)源，在遙感反演模型中加入云圖產品，能提高反演精度。本文研究結果可為農業(yè)自然災害遙感監(jiān)測與災情評估提供參考。