基于星?地多源數(shù)據(jù)評估2022年四川盆區(qū)水稻高溫?zé)岷?

王 鑫，楊德勝，王銳婷，趙 藝，王明田

基于星?地多源數(shù)據(jù)評估2022年四川盆區(qū)水稻高溫?zé)岷?

王 鑫1,2，楊德勝1，王銳婷1，趙 藝1，王明田2,3**

（1.四川省農(nóng)業(yè)氣象中心，成都 610072；2.南方丘區(qū)節(jié)水農(nóng)業(yè)研究四川省重點(diǎn)實(shí)驗(yàn)室，成都 610066；3.四川省氣象臺，成都 610072）

為全面了解2022年四川盆區(qū)水稻高溫?zé)岷κ転?zāi)情況并探索適用于四川的水稻高溫?zé)岷ΡO(jiān)測評估技術(shù)，本研究利用MODIS數(shù)據(jù)、氣象數(shù)據(jù)、地理輔助數(shù)據(jù)和農(nóng)業(yè)生產(chǎn)數(shù)據(jù)，結(jié)合遙感技術(shù)實(shí)現(xiàn)了四川盆區(qū)全覆蓋的日平均氣溫和日最高氣溫估算、水稻面積提取、水稻抽穗?揚(yáng)花期識別及水稻抽穗?揚(yáng)花期高溫?zé)岷γ娣e估算和等級評估，并利用國家氣象站實(shí)測熱害對反演精度進(jìn)行對比驗(yàn)證。結(jié)果表明：星-地融合數(shù)據(jù)反演可獲得較高精度的平均氣溫和最高氣溫；考慮生育期特點(diǎn)可較準(zhǔn)確識別四川盆區(qū)水稻種植區(qū)及關(guān)鍵生育期；除盆周山區(qū)外，基于星-地融合數(shù)據(jù)反演的水稻抽穗?揚(yáng)花期高溫?zé)岷Φ燃壟c站點(diǎn)實(shí)測熱害等級吻合度高。該方法既能快速監(jiān)測任意時(shí)段處于抽穗?揚(yáng)花期的水稻高溫?zé)岷η闆r，又能對年度研究區(qū)水稻在其各自抽穗?揚(yáng)花期所受高溫?zé)岷Ψ植?、等級受?zāi)頻次分布及受災(zāi)面積等進(jìn)行評估?？梢酝度霕I(yè)務(wù)應(yīng)用，并在業(yè)務(wù)服務(wù)中逐步改進(jìn)。

MODIS；水稻；高溫?zé)岷?；監(jiān)測評估

水稻是四川省主要糧食作物之一，常年種植面積占全省糧食總面積的35%左右，產(chǎn)量占糧食總產(chǎn) 50%左右，在四川農(nóng)業(yè)生產(chǎn)中占有十分重要的地位[1?2]。近年來，氣候變暖和極端高溫事件的顯著增加，給區(qū)域糧食安全帶來了嚴(yán)重影響[3?5]，高溫引發(fā)熱害已成為水稻生產(chǎn)面臨的重大農(nóng)業(yè)氣象災(zāi)害之一[6]。2022年四川盆地遭遇了自1961年有完整氣象觀測記錄以來最強(qiáng)高溫干旱災(zāi)害，對水稻等作物的生長發(fā)育、產(chǎn)量及品質(zhì)形成造成重大影響[7]。

已有研究表明，水稻孕穗后期、抽穗?揚(yáng)花期和灌漿期都易受到高溫?zé)岷Φ挠绊慬2,8]，從發(fā)育期角度來講，抽穗?揚(yáng)花期對高溫最敏感[9?10]。四川盆地水稻抽穗?揚(yáng)花期主要集中在7月中旬?8月中旬，正值盛夏高溫，尤其四川中、東部地區(qū)，水稻經(jīng)常遭受高溫?zé)岷τ绊?。抽?揚(yáng)花期水稻遭遇高溫導(dǎo)致花粉數(shù)量減少、花藥不開裂及花粉在柱頭上不能萌發(fā)，隨著溫度的升高和脅迫時(shí)間的延長，花粉不育度明顯增加，結(jié)實(shí)率顯著下降，從而影響水稻產(chǎn)量和品質(zhì)[11?13]。

目前，水稻高溫?zé)岷ΡO(jiān)測主要依賴于傳統(tǒng)的大田調(diào)查或農(nóng)業(yè)氣象站的人工觀測，該方法不僅耗費(fèi)大量的人力、物力，還具有明顯的地域和時(shí)間局限性[14?15]。衛(wèi)星遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用主要集中于平坦地區(qū)的作物種植面積提取、長勢、土壤水分、洪澇監(jiān)測及估產(chǎn)方面[16?17]。衛(wèi)星遙感的紅外通道數(shù)據(jù)可較準(zhǔn)確地反演地表溫度[18?20]，用于監(jiān)測高溫動(dòng)態(tài)、強(qiáng)度及分布等，彌補(bǔ)了地面氣象站有限、溫度分布不連續(xù)的缺點(diǎn)。通過對影響水稻高溫?zé)岷χ饕獪囟戎笜?biāo)的遙感反演，提高熱害程度判識和預(yù)測精度[11]。因此，基于遙感的水稻高溫?zé)岷ΡO(jiān)測評估方法研究對防災(zāi)減災(zāi)和糧食安全具有重要意義。

與北方地區(qū)相比，四川盆地一方面因云量大、晴空少，高質(zhì)量遙感資料獲取存在難度，另一方面，復(fù)雜、起伏的地形條件給盆區(qū)下墊面信息的準(zhǔn)確識別帶來困難，很大程度上制約了衛(wèi)星遙感技術(shù)的應(yīng)用，導(dǎo)致利用衛(wèi)星資料針對復(fù)雜地形、氣候背景下四川盆地水稻高溫?zé)岷Φ倪b感監(jiān)測研究相對較少。夏季高溫天氣多晴熱少云，長時(shí)間持續(xù)高溫過程表現(xiàn)尤為明顯，大大提高了衛(wèi)星資料的可用性，此外，考慮水稻關(guān)鍵生育期特點(diǎn)的種植區(qū)識別方法也在一定程度上解決了單純依賴衛(wèi)星數(shù)據(jù)提取面積的精度問題，使利用衛(wèi)星資料開展水稻高溫?zé)岷ΡO(jiān)測評估成為可能。地面氣象觀測站點(diǎn)的不斷增多，也為高空間分辨率的水稻高溫?zé)岷ΡO(jiān)測評估提供了重要的數(shù)據(jù)支撐。鑒于此，本研究基于衛(wèi)星遙感數(shù)據(jù)，以地面氣象觀測站點(diǎn)資料為補(bǔ)充，利用衛(wèi)星?地面資料耦合，開展2022年四川盆地水稻抽穗?揚(yáng)花期高溫?zé)岷ΡO(jiān)測，分析長時(shí)間、大范圍高溫?zé)岷λ拇ㄅ璧厮旧L發(fā)育及產(chǎn)量的影響，探究該方法在四川盆地的可用性，為開展四川盆地大范圍水稻高溫?zé)岷?shí)時(shí)監(jiān)測評估提供技術(shù)支撐。

1 資料與方法

1.1 研究區(qū)概況

研究區(qū)域?yàn)樗拇ㄅ璧氐乃拇ㄊ∷鶎賲^(qū)域，不含重慶市所屬的盆地區(qū)域，簡稱“四川盆區(qū)”。四川盆區(qū)地形地貌復(fù)雜，氣候、土壤、植被和作物種植制度、種植模式等多樣性特征突出[21?22]，客觀上為農(nóng)業(yè)生產(chǎn)的各種監(jiān)測評估和衛(wèi)星遙感等新技術(shù)的推廣應(yīng)用加大了難度。四川盆區(qū)以一季中稻為主要種植模式，盆南丘陵區(qū)以中稻?再生稻為主。按地理地貌類型及種植區(qū)形成現(xiàn)狀，將四川盆區(qū)劃分為5個(gè)水稻種植區(qū)[23]，包括盆西平丘區(qū)（轄44個(gè)區(qū)縣，簡稱“盆西”）、盆南丘陵區(qū)（轄35個(gè)區(qū)縣，簡稱“盆南”）、盆中淺丘區(qū)（轄33個(gè)區(qū)縣，簡稱“盆中”）、盆東平行嶺谷區(qū)（轄11個(gè)區(qū)縣，簡稱“盆東”）和盆周邊緣山區(qū)（轄24個(gè)區(qū)縣，以下簡稱“盆周”）。各種植區(qū)域間水稻生育期存在明顯差異[24]。為了便于對比分析，引入四川盆區(qū)23個(gè)水稻農(nóng)業(yè)氣象觀測站（圖1）。

1.2 數(shù)據(jù)來源

2022年7月1日?9月15日四川盆區(qū)106個(gè)國家氣象站和2513個(gè)區(qū)域自動(dòng)氣象站的氣象數(shù)據(jù)來自四川省氣象探測數(shù)據(jù)中心，包括日最高氣溫和日平均氣溫。

圖1 四川盆區(qū)水稻種植區(qū)及農(nóng)業(yè)氣象觀測站分布

2022年4月1日?9月30日遙感數(shù)據(jù)來自美國航空航天局（https://ladsweb.modaps.eosdis.nasa.gov）的MOD09A1數(shù)據(jù)產(chǎn)品，包括8d合成地表反射率產(chǎn)品、MOD/MYD09GA逐日地表反射率產(chǎn)品和MOD/MYD11A1逐日地表溫度產(chǎn)品。使用MODIS數(shù)據(jù)類型詳見表1。

地表覆蓋數(shù)據(jù)為中華人民共和國自然資源部制作發(fā)布的2020版30m全球地表覆蓋數(shù)據(jù)（http://globeland30.org）。DEM（Digital Elevation Model）數(shù)據(jù)為1:25萬公眾版地形數(shù)據(jù)，來源于國家氣象信息中心。

水稻抽穗?揚(yáng)花期數(shù)據(jù)為四川盆區(qū)23個(gè)農(nóng)業(yè)氣象站近10a觀測數(shù)據(jù)的平均值，結(jié)合田間調(diào)查而得出的綜合結(jié)果，觀測數(shù)據(jù)來源于四川省氣象探測數(shù)據(jù)中心（表2）。2022年水稻種植面積數(shù)據(jù)來源于國家統(tǒng)計(jì)局四川調(diào)查總隊(duì)。

1.3 研究方法

1.3.1 遙感數(shù)據(jù)合成

利用美國國家航空航天局（NASA）官方提供的MODIS重投影工具（MODIS Reprojection Tool，MRT）將遙感數(shù)據(jù)進(jìn)行拼接、重投影、幾何校正、輻射定標(biāo)、裁剪等處理，提取藍(lán)光波段（459?479nm）、紅光波段（620?670nm）、近紅外波段（841?876nm）和短波紅外波段（1628?1652nm）反射率信息。采用MODIS提供的輔助質(zhì)量評價(jià)（Quality Assessment，QA）信息進(jìn)行去云處理，合成8d遙感數(shù)據(jù)。

1.3.2 時(shí)序植被指數(shù)重建

Sakamoto等[25]研究發(fā)現(xiàn)在高溫、高濕、植被覆蓋率高的研究區(qū)，使用增強(qiáng)植被指數(shù)（EVI）進(jìn)行植被監(jiān)測更為合適。程乾等[26]關(guān)于MODIS植被指數(shù)與水稻葉面積指數(shù)的研究表明，EVI可削弱水稻冠層背景影響，有效提高水稻長勢監(jiān)測能力。由于水稻在生長最旺盛時(shí)期的葉面積指數(shù)較高，所以EVI更適合對水稻的生物量變化進(jìn)行監(jiān)測[27]。研究選取EVI作為識別水稻植被變化的依據(jù)。由于稻田反射光譜是陸地表面水體、水稻秧苗及其他地物的混合光譜[28]，需構(gòu)建包含對土壤濕度和植被水分敏感的短波和紅外波段反射率的陸地水分指數(shù)（LSWI）。遙感反演氣溫時(shí)，還需用到NDVI指數(shù)。針對MOD09A1產(chǎn)品數(shù)據(jù)，分別計(jì)算8d合成的500m分辨率NDVI、EVI、LSWI指數(shù)，具體計(jì)算方法參見文獻(xiàn)[29?30]。

表1 MODIS數(shù)據(jù)產(chǎn)品說明

盡管MODIS 8d合成地表反射率產(chǎn)品經(jīng)過了嚴(yán)格的去云、去陰影和氣溶膠處理，然而，在多云地區(qū)仍然存在大量殘留噪聲，這些噪聲對信息獲取有很大影響。為了進(jìn)一步降低云的影響，選用Savitzky-Golay（簡稱S-G）濾波算法[31]和HANTS算法[32]分別對遙感數(shù)據(jù)進(jìn)行去噪聲處理。由于S-G濾波算法對傳感器和數(shù)據(jù)時(shí)間尺度無任何限制，已被應(yīng)用于水稻時(shí)序指數(shù)的平滑重建[33]。計(jì)算式為

時(shí)間序列諧波分析法（Harmonic Analysis of Time Series，HANTS）是通過最小二乘法和傅里葉變換達(dá)到時(shí)序遙感影像去云重構(gòu)的目的，是一種十分有效的植物物候分析方法[32]。

1.3.3 水稻高溫?zé)岷χ笜?biāo)選擇

參照《主要作物高溫危害溫度指標(biāo)（GB/T 21985-2008）》國家標(biāo)準(zhǔn)，采用張佳華等[11]提出的高溫?zé)岷χ笜?biāo)作為高溫?zé)岷ε卸ㄒ罁?jù)。由于水稻開花期易受高溫影響[14]，針對水稻抽穗?揚(yáng)花期開展高溫?zé)岷ρ芯?，具體以抽穗開花期的日平均氣溫、日最高氣溫和持續(xù)天數(shù)劃分熱害指標(biāo)，定義連續(xù)3d出現(xiàn)日最高氣溫35℃或日平均氣溫30℃為抽穗?揚(yáng)花期熱害發(fā)生的界限溫度，具體見表3。表中日平均氣溫和日最高氣溫標(biāo)準(zhǔn)滿足其一并且持續(xù)相應(yīng)天數(shù)即判定為對應(yīng)等級熱害。

1.3.4 星?地氣溫序列構(gòu)建

以2022年7月1日?9月15日區(qū)域自動(dòng)站數(shù)據(jù)為基礎(chǔ)，根據(jù)區(qū)域自動(dòng)站經(jīng)緯度信息從Terra、Aqua衛(wèi)星每天4個(gè)不同時(shí)間點(diǎn)的LST（分別為Terra衛(wèi)星白天過境的LSTTD、晚上過境的LSTTN和Aqua衛(wèi)星白天過境的LSTAD、晚上過境的LSTAN）影像提取出對應(yīng)像元值，結(jié)合 MOD/MYD11A1數(shù)據(jù)集中的QA數(shù)據(jù)去除云覆蓋導(dǎo)致的無效像元，最后得到的LST數(shù)據(jù)和區(qū)域自動(dòng)站平均或最高氣溫?cái)?shù)據(jù)按空間和時(shí)間上的一一對應(yīng)關(guān)系進(jìn)行排列并存儲。從上述存儲數(shù)據(jù)中去掉非水稻種植區(qū)像元數(shù)據(jù)后得到1416組有效數(shù)據(jù)，隨機(jī)抽取1132組數(shù)據(jù)作為模擬數(shù)據(jù)，用于構(gòu)建多元逐步回歸方程，剩余284組數(shù)據(jù)用于多元逐步回歸方程驗(yàn)證，所構(gòu)建模型按照決定系數(shù)最高、自變量個(gè)數(shù)最少為依據(jù)，優(yōu)選平均溫度和最高溫度模擬效果好、精度高的多元逐步回歸方程各5個(gè)。

長時(shí)間、大范圍的氣溫遙感反演不可避免地會受到云覆蓋的影響，導(dǎo)致部分區(qū)域數(shù)據(jù)缺失，為了彌補(bǔ)數(shù)據(jù)缺失問題，采用自動(dòng)站實(shí)測平均和最高氣溫空間插值數(shù)據(jù)替代缺失值。利用ArcGIS局部多項(xiàng)式插值法將自動(dòng)站平均和最高氣溫插值到全研究區(qū)，然后根據(jù)QA數(shù)據(jù)集判斷逐日云覆蓋區(qū)，當(dāng)某天某個(gè)區(qū)域有云覆蓋時(shí)，就用當(dāng)天相同地理位置的自動(dòng)站平均氣溫和最高氣溫插值數(shù)據(jù)代替，其他無云區(qū)仍使用遙感估算結(jié)果。從而構(gòu)建衛(wèi)星數(shù)據(jù)和氣溫插值數(shù)據(jù)結(jié)合的“衛(wèi)星?插值”氣溫?cái)?shù)據(jù)集，基于此開展水稻高溫?zé)岷ΡO(jiān)測。

表3 水稻抽穗?揚(yáng)花期高溫?zé)岷Φ燃壷笜?biāo)

注：日平均氣溫和日最高氣溫滿足其一并且持續(xù)相應(yīng)天數(shù)即判定為對應(yīng)熱害等級。

Note: If the daily average temperature or daily maximum temperature meet the condition and last for the corresponding days, then it is judged as the corresponding heat damage grade.

1.3.5 關(guān)鍵生育期及種植面積識別

根據(jù)前人研究成果[6,35]及四川盆區(qū)實(shí)際情況，滿足以下條件的像元確定為水稻種植區(qū)的像元，即

（1）EVI≤(LSWI+0.14)

（2）EVI(T0+40)＞0.5EVImax

（3）～NDVIall＞0.7

其中，T0為水稻移栽期，T0+40表示移栽期后40d，此時(shí)是四川盆區(qū)水稻生長最旺盛的時(shí)期；EVImax為水稻生長期內(nèi)EVI最大值，NDVIall表示生長期內(nèi)所有NDVI，～表示取反。

EVI具有季節(jié)性，一般在水稻抽穗?揚(yáng)花期EVI時(shí)相曲線出現(xiàn)極大值[36]，因此將水稻生長季中期EVI時(shí)相曲線的最大值所在日期確定為水稻抽穗?揚(yáng)花期。

2 結(jié)果與分析

2.1 反演氣溫構(gòu)建星?地氣溫?cái)?shù)據(jù)序列

以106個(gè)國家氣象站和2513個(gè)區(qū)域自動(dòng)氣象站的1132組有效氣溫?cái)?shù)據(jù)，與MODIS陸地表面溫度產(chǎn)品（LSTTA、LSTTN、LSTAD、LSTAN）、EVI和NDVI 6個(gè)指數(shù)為自變量，分別建立平均氣溫和最高氣溫的多元回歸方程各38個(gè)，依據(jù)回歸方程擬合優(yōu)度和F檢驗(yàn)（P＜0.001），初步挑選平均氣溫和最高氣溫多元回歸方程各5個(gè)（表4）。為進(jìn)一步篩選適用的擬合方程并確認(rèn)方程精度，將剩余284組數(shù)據(jù)分別輸入所選10個(gè)回歸方程計(jì)算平均氣溫和最高氣溫，并與站點(diǎn)實(shí)測平均氣溫和最高氣溫對比，方程驗(yàn)證的均方根誤差和平均絕對誤差如表4所示，由表可知構(gòu)建的方程擬合精度總體好于以往研究結(jié)果[37]，平均氣溫?cái)M合精度較最高氣溫更高，估算結(jié)果可用于水稻高溫?zé)岷b感監(jiān)測。

通過對比各組誤差特征，無論是平均氣溫還是最高氣溫回歸方程都以方程2估算精度較高，因此，選擇這兩個(gè)回歸方程來反演平均氣溫和最高氣溫。

Tmean=0.164LSTAD+0.686LSTAN+0.107LSTTD+ 3.541（5）

Tmax = 0.168LSTAD+0.640LSTAN+0.189LSTTD+ 2.713（6）

式中，LSTAD、LSTAN分別為MODIS AQUA星白天、夜間LST，LSTTD為TERRA星白天LST。

方程擬合逐日平均氣溫和最高氣溫均方根誤差分別為1.203℃、1.446℃，絕對值誤差分別為0.869℃、1.016℃。

表4 5個(gè)多元回歸模型對平均氣溫和最高氣溫反演精度

利用方程反演得到2022年7月1日?9月15日的逐日500m分辨率平均氣溫和最高氣溫，根據(jù)質(zhì)量控制和實(shí)測溫度數(shù)據(jù)插值，得到可用于監(jiān)測水稻高溫?zé)岷Φ摹靶?地”氣溫?cái)?shù)據(jù)集。

2.2 識別水稻種植區(qū)域并確定抽穗?揚(yáng)花期

2.2.1 種植區(qū)域識別

根據(jù)水稻種植區(qū)提取方法，2022年四川盆區(qū)基于EVI數(shù)據(jù)提取的水稻種植面積如圖2a所示。由圖可知，四川盆區(qū)遙感識別水稻種植面積184.8萬hm2，與四川調(diào)查總隊(duì)提供的水稻實(shí)際種植面積180.03萬hm2基本吻合，相對偏差僅2.66%。為進(jìn)一步驗(yàn)證水稻種植區(qū)域提取的空間匹配情況，選取成都平原水稻種植區(qū)為樣區(qū)，將提取區(qū)域疊加高清地圖，結(jié)合實(shí)際水稻種植情況和高清地圖目視解譯，MODIS數(shù)據(jù)提取結(jié)果的適用性和準(zhǔn)確性驗(yàn)證結(jié)果如圖2b和2c所示，對比高清地圖和MODIS水稻提取信息，整體分布情況較為一致，高清地圖上顯示水稻種植區(qū)基本被提取并解譯，總體效果較好。

圖2 2022年四川盆區(qū)水稻種植區(qū)提取結(jié)果及水稻種植區(qū)實(shí)地調(diào)研結(jié)果對比

2.2.2 抽穗?揚(yáng)花期確定

圖3為不同區(qū)域典型水稻田EVI的HANTS濾波前后對比情況，如圖所示，EVI時(shí)序HANTS濾波后平滑曲線特征與原時(shí)序基本保持一致，符合水稻生長規(guī)律曲線，基于此提取水稻抽穗?揚(yáng)花期。

四川盆區(qū)水稻抽穗?揚(yáng)花期日序數(shù)的遙感提取結(jié)果如圖4所示，由圖可知，盆南種植區(qū)EVI最大值主要集中在第182?193天，盆中大部EVI最大值集中在第202?212天，盆西和盆東種植區(qū)EVI最大值集中在第213?223天，盆周區(qū)域則集中在第224?233天。對比根據(jù)農(nóng)業(yè)氣象站近10a觀測數(shù)據(jù)平均值確定的四川盆區(qū)水稻抽穗?揚(yáng)花期（表1）可知，四川盆區(qū)各區(qū)域水稻抽穗?揚(yáng)花期時(shí)間與EVI最大值出現(xiàn)時(shí)段較為吻合，盆西、盆南、盆中、盆東和盆周均方根誤差分別為7.4d、7.6d、8.9d、7.9d和15.2d，由于使用的數(shù)據(jù)為8d合成的MODIS植被指數(shù)數(shù)據(jù)和LSWI數(shù)據(jù)，即盆地大部抽穗?揚(yáng)花期識別誤差約為1個(gè)時(shí)間序列，盆周識別誤差約為2個(gè)時(shí)間序列，鑒于盆周水稻占四川盆區(qū)種植面積比例有限，且盆周山區(qū)不是四川水稻抽穗?揚(yáng)花期高溫?zé)岷Φ母甙l(fā)區(qū)[38]，認(rèn)為基于EVI的水稻抽穗?揚(yáng)花期確認(rèn)方法是可行的。

2.3 實(shí)測資料驗(yàn)證高溫?zé)岷υu估指標(biāo)

2022年四川夏季遭遇了長時(shí)間的高溫干旱天氣，水稻受高溫、干旱疊加影響，難以剝離高溫?zé)岷κ転?zāi)數(shù)據(jù)。為驗(yàn)證高溫?zé)岷υu估結(jié)果的可信度，選擇2022年7月25日?8月28日持續(xù)高溫過程（日最高氣溫≥35℃）和盛夏7月1日?8月31日兩個(gè)時(shí)段，分別利用同期研究區(qū)域內(nèi)所有國家氣象站實(shí)測溫度數(shù)據(jù)和衛(wèi)星反演氣溫?cái)?shù)據(jù)序列，對水稻抽穗?揚(yáng)花期高溫?zé)岷M(jìn)行驗(yàn)證評估，結(jié)果見圖5。

由圖5a可見，此次高溫過程中氣象觀測站點(diǎn)的高溫?zé)岷χ饕憩F(xiàn)為三、四級熱害，21站為三級熱害，59站為四級熱害。基于衛(wèi)星反演的熱害也以三、四級為主，但盆西邊緣和盆周種植區(qū)熱害等級普遍偏低，部分地區(qū)為一、二級熱害。81個(gè)站點(diǎn)中，17個(gè)與對應(yīng)的衛(wèi)星遙感反演熱害等級不匹配，其中四級熱害9個(gè)，三級熱害8個(gè)，反演熱害等級均低于國家站實(shí)測結(jié)果。

圖3 不同區(qū)域典型水稻田EVI原始值及其HANTS濾波值

圖4 四川盆區(qū)水稻抽穗?揚(yáng)花期日序

由圖5b可見，2022年盛夏季四川盆區(qū)水稻高溫?zé)岷κ転?zāi)情況與過程高溫較為相似，大部分水稻種植區(qū)衛(wèi)星反演結(jié)果與觀測站點(diǎn)結(jié)果吻合度高，盆西邊緣和盆周種植區(qū)反演結(jié)果較觀測站實(shí)測值偏低。四川盆區(qū)106個(gè)國家站中，剔除不在種植區(qū)的19個(gè)站點(diǎn)后，剩余97個(gè)站中三、四級熱害個(gè)數(shù)分別為21和73個(gè)，其中23個(gè)站點(diǎn)與衛(wèi)星反演熱害等級不吻合，包括8個(gè)三級熱害站點(diǎn)和13個(gè)四級熱害站點(diǎn)，衛(wèi)星反演結(jié)果均較實(shí)測結(jié)果偏低1～2個(gè)等級。其中，盆中、盆東準(zhǔn)確率為100%，盆南準(zhǔn)確率為94.4%，盆西準(zhǔn)確率為75.6%，盆周準(zhǔn)確率僅為38.9%，除盆周山區(qū)外，其余區(qū)域反演結(jié)果較為可靠。

2.4 水稻抽穗?揚(yáng)花期高溫?zé)岷υu估

利用衛(wèi)星數(shù)據(jù)反演方法評估2022年四川盆區(qū)水稻抽穗?揚(yáng)花期高溫?zé)岷η闆r。圖6a為2022年研究區(qū)水稻抽穗?揚(yáng)花期高溫?zé)岷κ転?zāi)分布圖。由圖可知，水稻抽穗?揚(yáng)花期有熱害發(fā)生即該像元對應(yīng)區(qū)域?yàn)槭転?zāi)區(qū)，2022年四川盆區(qū)水稻抽穗?揚(yáng)花期受災(zāi)面積為173.25萬hm2，未受災(zāi)面積為11.57萬hm2，受災(zāi)率93.7%。實(shí)際情況中，某些像元可能發(fā)生2種以上等級熱害，或某種等級熱害發(fā)生多次，為了便于區(qū)分，這里給出展示區(qū)域發(fā)生過的最高等級熱害分布圖和不同等級熱害發(fā)生頻次分布圖。圖6b顯示了區(qū)域位置上發(fā)生的所有熱害中等級最高熱害的分布情況，由于2022年夏季四川盆區(qū)熱害等級明顯偏高，因此僅統(tǒng)計(jì)最高發(fā)生三級和四級熱害的情況，最高遭受過三級熱害的區(qū)域有52.52萬hm2，最高遭受過四級熱害的區(qū)域有114.55萬hm2。圖6c、6d為三、四級熱害發(fā)生頻次分布圖，發(fā)生1次、2次、3次、4次和5次三級熱害面積分別為3.58萬hm2、41.16萬hm2、7.53萬hm2、0.22萬hm2和0.04萬hm2，未遭受三級熱害的面積為120.72萬hm2；發(fā)生1次、2次、3次、4次和5次四級熱害的面積分別為27.58萬hm2、66.59萬hm2、18.68萬hm2、1.68萬hm2和0.03萬hm2，未遭受四級熱害的面積為58.70萬hm2。2022年夏季高溫天氣導(dǎo)致年度研究區(qū)水稻抽穗?揚(yáng)花期三、四級高溫?zé)岷Πl(fā)生面積大、頻次高。

圖5 2022年高溫過程和盛夏時(shí)段水稻抽穗?揚(yáng)花期衛(wèi)星反演與站點(diǎn)實(shí)測數(shù)據(jù)熱害評估結(jié)果對比

圖6 2022年夏季四川盆區(qū)水稻各級高溫?zé)岷Πl(fā)生次數(shù)分布

3 結(jié)論與討論

3.1 結(jié)論

（1）利用MODIS陸地表面溫度數(shù)據(jù)和國家及自動(dòng)氣象站氣溫?cái)?shù)據(jù)構(gòu)建星?地融合覆蓋四川盆區(qū)的日平均氣溫和最高氣溫?cái)?shù)據(jù)集，顯著提高了氣溫反演精度，日平均氣溫估算誤差RMSE≤1.02℃，日最高氣溫估算誤差RMSE≤1.45℃，克服了因衛(wèi)星資料精度較低而自動(dòng)氣象站資料空間覆蓋率低，二者單獨(dú)使用難以滿足精細(xì)化、大范圍高溫監(jiān)測的困難。

（2）利用MODIS反射率數(shù)據(jù)集和地表覆被數(shù)據(jù)產(chǎn)品，較好地識別了四川盆區(qū)水稻種植面積和抽穗?揚(yáng)花期，其中水稻種植區(qū)識別的相對誤差為2.66%，抽穗?揚(yáng)花期識別誤差盆西RMSE≤7.4d，盆南RMSE≤7.6d，盆中RMSE≤8.9d，盆東RMSE≤7.9d，盆周RMSE≤15.2d。

（3）2022年四川盆區(qū)夏季高溫?zé)岷υu估結(jié)果表明，基于星?地融合氣溫?cái)?shù)據(jù)的水稻抽穗?揚(yáng)花期高溫?zé)岷υu估除盆周山區(qū)外與實(shí)況吻合度高；四川盆區(qū)水稻受災(zāi)率為93.7%，以三、四級熱害居多，且表現(xiàn)為多地高等級熱害頻發(fā)態(tài)勢。

3.2 討論

3.2.1 盆周山區(qū)高溫?zé)岷υu估結(jié)果分析

基于本方法評估的水稻高溫?zé)岷υ谂柚苌絽^(qū)較實(shí)況總體偏輕1～2個(gè)等級，這可能與溫度數(shù)據(jù)精度不高和僅考慮抽穗楊花期熱害有關(guān)。溫度數(shù)據(jù)精度不高的原因至少有兩個(gè)方面，一方面盆周山區(qū)地形復(fù)雜，與平原地區(qū)相比，不僅自動(dòng)氣象站偏少，同時(shí)站點(diǎn)空間代表性也較低，而大量自動(dòng)氣象站數(shù)據(jù)使用是本文數(shù)據(jù)精度較高的主要原因；另一方面，受復(fù)雜地形效應(yīng)影響，基于MODIS陸地表面溫度數(shù)據(jù)的氣溫反演也存在很大不確定性[39]。針對地面和衛(wèi)星數(shù)據(jù)都存在不足的情況，可考慮加入高分辨率數(shù)值模式同化或預(yù)報(bào)結(jié)果作為另一個(gè)數(shù)據(jù)來源以提高生成溫度數(shù)據(jù)的精度。抽穗?揚(yáng)花期和灌漿乳熟期都是水稻易受高溫危害的時(shí)期[2]，抽穗?揚(yáng)花期遭遇高溫?zé)岷χ饕獙?dǎo)致水稻不能受精而出現(xiàn)空殼，灌漿乳熟期遭遇高溫?zé)岷χ饕绊懫焚|(zhì)，秕粒增多[2,11,13]，但是本文僅考慮了抽穗?揚(yáng)花期水稻熱害，未來需針對這個(gè)不足做進(jìn)一步完善。

3.2.2 水稻高溫?zé)岷Φ燃壷笜?biāo)的局限性

本研究所用的高溫?zé)岷χ笜?biāo)參照國家標(biāo)準(zhǔn)，主要以溫度為判定依據(jù)；而有研究表明除溫度外，空氣相對濕度與水稻高溫?zé)岷﹃P(guān)系也較為密切[11,24]。雖然2022年夏季長時(shí)間高溫干旱評估中，未考慮空氣相對濕度對研究結(jié)果的影響，然而，為進(jìn)一步提高該評估方法的適用范圍和評估結(jié)果的準(zhǔn)確率，未來需考慮如何在現(xiàn)有指標(biāo)中引入濕度的影響，以及如何基于衛(wèi)星反演和地面觀測數(shù)據(jù)融合得到高精度的濕度數(shù)據(jù)。

3.2.3 研究方法的業(yè)務(wù)應(yīng)用前景

本文使用的衛(wèi)星資料和自動(dòng)觀測數(shù)據(jù)均為氣象部門常規(guī)數(shù)據(jù)，同時(shí)計(jì)算快速便捷，既可以監(jiān)測和評估任意時(shí)段內(nèi)處于抽穗?揚(yáng)花期水稻遭受高溫?zé)岷Φ某潭燃笆転?zāi)面積，也可以綜合評估四川盆區(qū)水稻抽穗?揚(yáng)花期年度受災(zāi)情況，評估產(chǎn)品可供政府和相關(guān)部門及時(shí)、全面了解災(zāi)情，具有較好的業(yè)務(wù)推廣應(yīng)用前景。

[1] 張海珍,馬澤忠,周志躍,等.基于MODIS數(shù)據(jù)的成都市水稻遙感估產(chǎn)研究[J].遙感信息,2008(5):63-67.

Zhang H Z,Ma Z Z,Zhou Z Y,et al.Research of the yield estimation of rice in Chengdu based on MODIS data[J]. Remote Sensing Information,2008,5:63-67.(in Chinese)

[2] 何永坤,范莉,陽園燕.近50年來四川盆地東部水稻高溫?zé)岷Πl(fā)生規(guī)律研究[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版),2011, 33(12):39-43.

He Y K,Fan L,Yang Y Y.Study on the occurrence of high temperature induced heat damage in rice in the east of Sichuan Basin in past 50 years[J].Journal of Southwest University(Natural Science Edition),2011,33(12):39-43.(in Chinese)

[3] Gifford R,Angus J,Barrett D,et al.Climate change and Australian wheat yield[J].Nature,1998,391:448-449.

[4] Lobell D B,Asner G P.Climate and management contributions to recent in US agricultural yield[J].Science,2003,299: 1032.

[5] Tubiello F N,Soussana J F,Howden S M.Crop and pasture response to climate change[J].Proceedings of the National Academy of Sciences,USA,2007,104:19686-19690

[6] 郭建茂,王錦杰,吳越,等.基于衛(wèi)星遙感與氣象站點(diǎn)數(shù)據(jù)的水稻高溫?zé)岷ΡO(jiān)測和評估模型的改進(jìn)[J].自然災(zāi)害學(xué)報(bào),2018,27(1):163-174.

Guo J M,Wang J J,Wu Y,et al.Improvement of model on rice heat injury monitor and assessment by MODIS and meteorology station data[J].Journal of Natural Disasters, 2018,27(1):163-174.(in Chinese)

[7] 孫昭萱,張強(qiáng),孫蕊,等.2022年西南地區(qū)極端高溫干旱特征及其主要影響[J].干旱氣象,2022,40(5):764-770.

Sun Z X,Zhang Q,Sun R,et al.Characteristics of the extreme high temperature and drought and their main impacts in southwestern China of 2022[J].Journal of Arid Meteorology,2022,40(5):764-770.(in Chinese)

[8] 駱宗強(qiáng),石春林,江敏,等.孕穗期高溫對水稻物質(zhì)及分配及產(chǎn)量結(jié)構(gòu)的影響[J].中國農(nóng)業(yè)氣象,2016,37(3):326-334.

Luo Z Q,Shi C L, Jiang M,et al.Effect of high temperature on rice dry matter partition and yield component during booting stage[J].Chinese Journal of Agrometeorology,2016, 37(3):326-334.(in Chinese)

[9] 陳暢.水稻生殖生長期不同時(shí)段高溫對產(chǎn)量和稻米品質(zhì)影響的研究[D].武漢:華中農(nóng)業(yè)大學(xué),2014.

Chen C.Effect of high temperature in different periods during rice reproductive stage on grain yield and rice quality[D].Wuhan:Huazhong Agricultural University,2014. (in Chinese)

[10] 王鋒尖,黃英金.水稻高溫脅迫及耐熱性育種[J].中國農(nóng)學(xué)通報(bào),2004,20(3):87-90.

Wang J F,Huang Y J.High-temperature stress and heat- tolerance breeding in rice[J].Chinese Agricultural Science Bulletin,2004,20(3):87-90.(in Chinese)

[11] 張佳華,姚鳳梅,李秉柏,等.星-地光學(xué)遙感信息監(jiān)測水稻高溫?zé)岷ρ芯窟M(jìn)展[J].中國科學(xué):地學(xué),2011,41(10):1396- 1406.

Zhang J H,Yao F M,Li B B,et al.Progress in monitoring high-temperature damage to rice through satellite and ground-based optical remote sensing[J].Science China: Earth Sciences,2011,41(10):1396-1406.(in Chinese)

[12] Matsui T,Omasa K,Horie T.High temperature at flowering inhibits swelling of pollen grains,a driving force for thecae dehiscence in rice(L.)[J].Plant Production Science,2000(3):430-434.

[13] 謝曉金,李秉柏,申雙和,等.抽穗期高溫脅迫對水稻花粉活力與結(jié)實(shí)率的影響[J].江蘇農(nóng)業(yè)學(xué)報(bào),2009,25(2):238- 241.

Xie X J,Li B B,Shen S H,et al.Effects of high temperature stress on pollen vitality and seed setting of rice cultivar during heading stage[J].Jiangsu Journal of Agricultural Science,2009,25(2):238-241.(in Chinese)

[14] 豆玉潔.水稻高溫?zé)岷b感監(jiān)測方法研究[D].杭州:浙江大學(xué),2019.

Dou Y J.Monitoring high temperature damage of paddy rice using remote sensing technique[D].Hangzhou: Zhejiang University,2019.(in Chinese)

[15] 楊軍,章毅之,賀浩華,等.水稻高溫?zé)岷Φ难芯楷F(xiàn)狀與進(jìn)展[J].應(yīng)用生態(tài)學(xué)報(bào),2020,31(8):2817-2830.

Yang J,Zhang Y Z,He H H,et al.Current status and research advances of high-temperature hazards in rice[J].Chinese Journal of Applied Ecology,2020,31(8):2817-2830.(in Chinese)

[16] 孫九林.中國農(nóng)作物遙感動(dòng)態(tài)監(jiān)測與估產(chǎn)總論[M].北京:中國科學(xué)技術(shù)出版社,1996.

Zhang J L.Dynamic monitoring and estimation of crop yield by remote sensing in China[M].Beijing:China Science and Technology Press,1996.(in Chinese)

[17] 王紀(jì)華,趙春江,黃文江,等.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用[M].北京:科學(xué)出版社,2008.

Wang J H,Zhao C J,Huang W J,et al.Basic and application of quantitative remote sensing in agriculture[M].Beijing: Science Press,2008.(in Chinese)

[18] Dash P,Gottsche F M,Olesen F S,et al.Land surface temperature and emissivity estimation from passive sensor data: Theory and practice current trends[J].International Journal of Remote Sensing,2002,23:2563-2594.

[19] Sobrino J A,Jimenez-Munoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM5[J].Remote Sensing of Environment,2004,90:434-440.

[20] 李小文,汪駿發(fā),王錦地,等.多角度與熱紅外對地遙感[M].北京:科學(xué)出版社,2001.

Li X W,Wang J F,Wang J D,et al.Multi-angle and thermal infrared remote sensing to the earth[M].Beijing:Science Press,2001.(in Chinese)

[21] 彭文甫,張冬梅,羅艷玫,等.自然因子對四川植被NDVI變化的地理探測[J].地理學(xué)報(bào),2019,74(9):1759-1776.

Peng W F,Zhang D M,Luo Y M,et al.Influence of natural factors on vegetation NDVI using geographical detection in Sichuan province[J].Acta Geographica Sinica,2019,74 (9):1759-1776.(in Chinese)

[22] 李艾雯,宋靚穎,冉敏,等.氣候變暖對四川盆地水稻土有機(jī)含量變化的影響[J/OL].環(huán)境科學(xué).2022,10.

Li A W,Song L Y,Ran M,et al.Impact of climate warming on paddy soil organic carbon change in the Sichuan Basin of China[J/OL].Environmental Science,2022,10.(in Chinese)

[23] 劉琰琰,張玉芳,王明田,等.四川盆地水稻不同生育期干旱頻率的空間分布特征[J].中國農(nóng)業(yè)象,2016,37(2):238- 244.

Liu Y Y,Zhang Y F,Wang M T,et al.Spatial distribution of rice drought frequency during different growth periods in Sichuan basin[J].Chinese Journal of Agrometeorology, 2016,37(2):238-244.(in Chinese)

[24] 陳超,龐艷梅,劉佳.四川省水稻高溫?zé)岷︼L(fēng)險(xiǎn)及災(zāi)損評估[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文),2019,27(4):554-562.

Chen C,Pang Y M,Liu J.Assessment of risk and yield loss of rice in Sichuan province due to heat stress[J].Chinese Journal of Eco-Agriculture,2019,27(4):554-562.(in Chinese)

[25] Sakamoto T,Yokozawa M,Toritani H,et al.A crop phenology detection method using time-series MODIS data[J]. Remote Sensing of Environment,2005,96(3-4): 366-374.

[26] 程乾,黃敬峰,王人潮,等.MODIS植被指數(shù)與水稻葉面積指數(shù)及葉片葉綠素含量相關(guān)性研究[J].應(yīng)用生態(tài)學(xué)報(bào),2004,15(8):1363-1367.

Cheng Q,Huang J F,Wang R C,et al.Correlation analysis of simulated MODIS vegetation indices and rice leaf area index and leaf chlorophyll content[J].Chinese Journal of Applied Ecolgy,2004,15(8):1363-1367.(in Chinese)

[27] 孫華生,黃敬峰,彭代亮.利用MODIS數(shù)據(jù)識別水稻關(guān)鍵生長發(fā)育期[J].遙感學(xué)報(bào),2008,13(6):1130-1137.

Sun H S,Huang J F,Peng D L.Detecting major growth stages of paddy rice using MODIS data[J].Journal of Remote Sensing,2008,13(6):1130-1137.(in Chinese)

[28] Xiao X,Boles S,Liu J,et al.Mapping paddy rice agriculture in southern China using multi- temporal MODIS images [J].Remote Sensing of Environment,2005,95(4):480- 492.

[29] 劉元亮,李艷,吳劍亮.基于LSWI和NDVI時(shí)間序列的水田信息提取研究[J].地理與地理信息科學(xué),2015,31(3): 32-37.

Liu Y L,Li Y,Wu J L.Study on extraction of paddy fields based on LSWI and time-series NDVI[J].Geography and Geo-Information Science,2015,31(3):32-37.(in Chinese)

[30] 田苗,單捷,盧必慧,等.基于MODIS-EVI時(shí)間序列與物候特征的水稻面積提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2022,53(8):196- 202.

Tian M,Shan J,Lu B H,et al.Extraction of rice planting area based on MODIS-EVI time series and phenological characteristics[J].Transactions of the Chinese Society for Agricultural Machinery,2022,53(8):196-202.(in Chinese)

[31] Savitzky A,Golay M J E.Smoothing and differentiation of data by simplified least squares procedures[J].Analytical Chemistry,1964,36:1627-1639.

[32] Roerink G J,Menenti M.Reconstructing cloudfree NDVI composites using Fourier analysis of time series[J]. International Journal of Remote Sensing,2000,21(9):1911- 1917.

[33] Jonsson P,Eklundh L.Seasonality extraction and noise removal by function fitting to time-series of satellite sensor data[J].IEEE Transactions on Geoscience and Remote Sensing,2002,40(8):1824-1832.

[34] Chen J,J?nsson P,Tamura M,et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golary filter[J].Remote Sensing of Environment,2004,91(3):332-344.

[35] Xiao X M,Boles S,Frolking S,et al.Mapping paddy rice agriculture in South and Southeast Asia using multi- temporal MODIS images[J].Remote Sensing of Environment, 2006,100(1):95-113.

[36] Huete A,Didan K,Miura T,et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J].Remote Sensing of Environment, 2002,83(1-2):195-213.

[37] 閔文彬,李躍清.利用MODIS反演四川盆地地表溫度與地面同步氣溫、低溫觀測值的相關(guān)性試驗(yàn)[J].氣象,2010, 36(6):101-104.

Min W B,Li Y Q.Experiment of collections between synchronized air temperature,soil temperature and land surface temperature retrieved from MODIS[J]. Meteorological Monthly,2010,36(6):101-104.(in Chinese)

[38] 劉佳,陳超,張玉芳,等.四川單季稻抽穗?揚(yáng)花期和灌漿結(jié)實(shí)期高溫?zé)岷r(shí)空特征[J].中國農(nóng)業(yè)氣象,2018,39(1): 46-58.

Liu J,Chen C,Zhang Y F,et al.Space-time distribution of high temperature disasters on single-cropping rice during heading-flowering stage and filling-harvest stage in Sichuan province[J].Chinese Journal of Agrometeorology, 2018,39(1):46-58.(in Chinese)

[39] 朱曉琳.基于Landsat8熱紅外數(shù)據(jù)的山區(qū)和云下地表溫度遙感反演方法研究[D].北京:中國農(nóng)業(yè)科學(xué)院,2021.

Zhu X L.Methodology development for land surface temperature retrieval from Landsat 8 thermal infrared data over mountainous and cloud-covered areas[M].Beijing: Chinese Academy of Agricultural Sciences,2021.(in Chinese)

Evaluation of Rice Affected by Heat Damage in the Sichuan Basin in 2022 Based on Satellite and In-situ Observation

WANG Xin1,2, YANG De-sheng1,WANG Rui-ting1, ZHAO Yi1, WANG Ming-tian2,3

(1.Sichuan Province Agricultural Meteorological Center, Chengdu 610072, China; 2. Water-Saving Agriculture Research in Southern Hilly Area Key Laboratory of Sichuan Province, Chengdu 610066; 3.Sichuan Meteorological Observatory, Chengdu 610072)

In order to fully understand the disaster situation of rice high temperature heat damage in the Sichuan basin (SCB) in 2022, this study explores the monitoring and evaluation technology of rice high temperature heat damage suitable for Sichuan by using MODIS data, meteorological data, geographic auxiliary data and agricultural production data. Based on the remote sensing technology, the estimation of daily mean temperature and daily maximum temperature, the extraction of rice area, the identification of rice heading?flowering stage, and the estimation and grade evaluation of high temperature heat damage area during rice heading?flowering stage were studied in the SCB. The evaluation results were verified by high temperature heat damage measured by national meteorological station. The results showed that the mean temperature and maximum temperature can be obtained by merging satellite-retrieved temperature and in-situ observed temperature from dense automatic weather stations with high accuracy. Considering the characteristics of the growth period, the planting area and the key growth period of rice in the SCB could be accurately identified. The high temperature heat damage grade of rice at heading?flowering stage based on satellite-ground fusion data inversion was in good agreement with the measured heat damage grade at the station except for the mountainous region around the basin. The proposed methods can not only rapidly monitor the high temperature heat damage of rice in heading-flowering stage at any time, but also evaluate the distribution of heat damage, frequency distribution and disaster area of rice in heading?flowering stage in the annual study area. It can be applied to operational applications and progressively improved in services.

MODIS；Rice；Heat damage；Monitor and evaluation

10.3969/j.issn.1000-6362.2023.06.007

王鑫,楊德勝,王銳婷,等.基于星?地多源數(shù)據(jù)評估2022年四川盆區(qū)水稻高溫?zé)岷J].中國農(nóng)業(yè)氣象,2023,44(6):523-534

2023?01?31

四川省科技廳重點(diǎn)研發(fā)項(xiàng)目（2023YFS0441）；高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室科技發(fā)展基金項(xiàng)目（SCQXKJQN2020050）

王明田，正高級工程師，主要從事生態(tài)與農(nóng)業(yè)氣象、決策氣象研究與服務(wù)，E-mail：wangmt0514@163.com

王鑫，E-mail：99500803@qq.com