基于多光譜遙感技術(shù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測研究

摘 要：為了提高對農(nóng)業(yè)氣象災(zāi)害的監(jiān)測效果，本研究提出基于多光譜遙感技術(shù)的監(jiān)測方法。首先，利用Sisu CHEMA-SWIR光譜成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并利用黑白板校正的方式，對多光譜遙感圖像進(jìn)行校正處理；其次，通過收集地面觀測數(shù)據(jù)，從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)；最后，針對干旱、洪澇、凍害這3種農(nóng)業(yè)氣象災(zāi)害，利用上述提取的特征參數(shù)，結(jié)合地面觀測數(shù)據(jù)展開監(jiān)測。試驗(yàn)結(jié)果表明，該方法可以有效實(shí)現(xiàn)對光譜數(shù)據(jù)的處理，且檢測結(jié)果的召回率較高，假警率較低。

關(guān)鍵詞：多光譜遙感技術(shù)；農(nóng)業(yè)氣象災(zāi)害；氣象監(jiān)測；黑白板校正；特征參數(shù)

中圖分類號(hào)：S 166" " " 文獻(xiàn)標(biāo)志碼：A

極端天氣事件和自然災(zāi)害對農(nóng)業(yè)生產(chǎn)造成了巨大影響，通過加強(qiáng)氣象監(jiān)測技術(shù)研究和數(shù)據(jù)共享，可以提高對氣象災(zāi)害的預(yù)警和防范能力，減少農(nóng)業(yè)損失[1]。因此，農(nóng)業(yè)氣象災(zāi)害監(jiān)測的研究具有重要的現(xiàn)實(shí)意義。隨著農(nóng)業(yè)現(xiàn)代化進(jìn)程加快，精準(zhǔn)農(nóng)業(yè)越來越重要。通過利用先進(jìn)的氣象監(jiān)測技術(shù)可以更精準(zhǔn)地監(jiān)測氣象數(shù)據(jù)，提供更有效的農(nóng)業(yè)生產(chǎn)指導(dǎo)[2]。文獻(xiàn)[3]以GIS技術(shù)為基礎(chǔ)，設(shè)計(jì)了農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警平臺(tái)。該研究主要包括需求分析、數(shù)據(jù)獲取與整合、空間數(shù)據(jù)分析與模型建立、預(yù)警信息發(fā)布與可視化、決策支持與應(yīng)急響應(yīng)以及系統(tǒng)優(yōu)化與驗(yàn)證等方面工作。通過整合氣象數(shù)據(jù)、利用GIS空間分析方法建立氣象災(zāi)害監(jiān)測模型。文獻(xiàn)[4]以核主成分分析為基礎(chǔ)，對農(nóng)業(yè)氣象的影響因子展開降維處理與分析，再將常規(guī)的BP神經(jīng)網(wǎng)絡(luò)與麻雀搜索算法等優(yōu)化算法相結(jié)合，用于監(jiān)測干旱災(zāi)受災(zāi)率。為此，本研究以干旱災(zāi)害和凍害為例，基于多光譜遙感技術(shù)設(shè)計(jì)了一種新的農(nóng)業(yè)氣象災(zāi)害監(jiān)測方法。多光譜遙感技術(shù)能夠獲取目標(biāo)物在不同光譜段的信息[5]，其可以透過云層和惡劣天氣條件，獲取地面災(zāi)害的詳細(xì)信息，彌補(bǔ)了地面監(jiān)測的不足。

1 數(shù)據(jù)獲取與處理

1.1 多光譜遙感數(shù)據(jù)的獲取與處理

本研究利用多光譜遙感成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，為后續(xù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測提高基礎(chǔ)數(shù)據(jù)支持。多光譜遙感能夠提供豐富的地物信息[6]，本研究選用Sisu CHEMA-SWIR光譜成像系統(tǒng)。該系統(tǒng)由光譜儀、控制主機(jī)、光譜控制器以及無人機(jī)平臺(tái)等組成。其中，光譜儀采集范圍為950nm～2575nm，光譜分辨率為3.45nm，共有288個(gè)波段，曝光時(shí)間在4000ms左右，幀率為32Hz。多光譜遙感成像系統(tǒng)的結(jié)構(gòu)如圖1所示。

為保證光源工作的穩(wěn)定性，將光譜儀的輸出電流控制在4.5A左右，鎖相環(huán)頻率控制在250Hz～300Hz的范圍內(nèi)。完成參數(shù)設(shè)定后，啟動(dòng)軟件，對農(nóng)業(yè)作業(yè)區(qū)環(huán)境樣本進(jìn)行透射光譜掃描。每個(gè)作業(yè)區(qū)域掃描次數(shù)為5次，并通過控制主機(jī)可視化呈現(xiàn)。遙感影像分辨率為1280pt×1024pt。由于成像系統(tǒng)的光源強(qiáng)度會(huì)發(fā)生變化，導(dǎo)致其發(fā)生明顯的不均勻，且系統(tǒng)的暗電流會(huì)形成一定噪聲，會(huì)影響采集的多光譜圖像的質(zhì)量[7]。針對這種情況，利用黑白板校正的方式對多光譜遙感圖像實(shí)施處理，過程如下。

首先，在遙感圖像中找到黑白參考板的像素位置，假設(shè)白板像素值為W，黑板像素值為B。白板通常具有接近100%的反射率，而黑板則具有接近0%的反射率。其次，針對每個(gè)光譜段計(jì)算校正系數(shù)。校正系數(shù)通常用于將圖像的像素值DN（數(shù)字?jǐn)?shù)）值轉(zhuǎn)換為反射率值。假設(shè)白板和黑板在真實(shí)世界中的反射率分別為RW和RB（通常RW?=1，RB?=0），則校正系數(shù)K和偏移量d如公式（1）、公式（2）所示。

（1）

d=RB-K×B （2）

針對圖像中的每個(gè)像素和每個(gè)光譜段，使用公式（3）進(jìn)行校正。

μ=K×DN+d （3）

式中：μ為校正后的反射率值。

將每個(gè)像素和每個(gè)光譜段的DN值通過上述公式轉(zhuǎn)換為反射率值，得到校正后的多光譜遙感圖像。

1.2 收集地面觀測數(shù)據(jù)

在采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)的基礎(chǔ)上，為彌補(bǔ)多光譜遙感數(shù)據(jù)，同期收集地面觀測數(shù)據(jù)，包括氣象數(shù)據(jù)、土壤數(shù)據(jù)以及作物生長狀況數(shù)據(jù)，這些氣象數(shù)據(jù)可以直觀地反映大氣環(huán)境的狀態(tài)和變化，對理解農(nóng)業(yè)氣象災(zāi)害的成因、發(fā)展以及影響至關(guān)重要。例如，在干旱監(jiān)測中，降雨量數(shù)據(jù)可以幫助判斷干旱的嚴(yán)重程度和持續(xù)時(shí)間；在凍害監(jiān)測中，溫度數(shù)據(jù)能夠揭示低溫對作物造成的損害程度。同時(shí)，氣象數(shù)據(jù)可以作為遙感數(shù)據(jù)的校驗(yàn)和補(bǔ)充，提高災(zāi)害監(jiān)測的準(zhǔn)確性和可靠性。土壤是農(nóng)作物生長的基礎(chǔ)[8]，通過收集土壤數(shù)據(jù)可以獲取土壤水分狀況、肥力水平等信息，進(jìn)而分析干旱、洪澇等災(zāi)害對土壤的影響。因此，這些數(shù)據(jù)與遙感數(shù)據(jù)相互驗(yàn)證，可以提高災(zāi)害監(jiān)測的精度和可信度。

1.3 多光譜遙感特征提取

從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)，本研究以波段反射率、光譜響應(yīng)、土地溫度變化、植被指數(shù)、水體指數(shù)、雪被覆蓋率這6種特征為例，展開具體描述。

波段反射率是通過將遙感器接收到的輻射亮度值轉(zhuǎn)換為反射率值，如公式（4）所示。

（4）

式中：rL為波段L的反射率；Lλ為輻射亮度；EL為在波段L上的太陽垂直入射到地表的輻照度；θ為太陽天頂角。

光譜響應(yīng)是指不同波段的遙感傳感器對地物表面不同波長光線的反射或輻射的響應(yīng)情況，計(jì)算過程如公式（5）所示。

τ=（?L1+?L2+?L3+?L4）×σ （5）

式中：τ為核心光譜的光譜響應(yīng)；?L1、?L2、?L3和?L4分別為波段的灰度矩陣；σ為波段系數(shù)。

土地溫度變化的獲取過程如下。1）輻射定標(biāo)。輻射定標(biāo)是將遙感器觀測的原始DN（數(shù)字?jǐn)?shù)）值轉(zhuǎn)換為輻射亮度值，如公式（6）所示。2）大氣校正。通過大氣校正消除大氣對熱紅外輻射的影響，可以獲得實(shí)際的地表輻射亮度，如公式（7）所示。3）估算地表發(fā)射率。地表發(fā)射率是地表輻射特性的重要參數(shù)，其影響地表溫度的反演精度，通常通過查找表來估算。4）地表溫度反演。在得到地表真實(shí)的輻射亮度和發(fā)射率后，可以使用普朗克定律的反函數(shù)的反演得到地表溫度，如公式（8）所示。

Lλ=DN×scale+offset （6）

式中：scale為增益系數(shù)；offset為偏移量。

（7）

式中：δγ為大氣透過率；Ldown為大氣下行輻射亮度；vλ為地表發(fā)射率。

（8）

式中：K1和K2分別為與熱紅外波段的中心波長有關(guān)的常數(shù)。

植被指數(shù)能夠間接反映農(nóng)作物的生長狀況、覆蓋度和健康狀況，利用不同波段的反射率計(jì)算歸一化植被指數(shù)，如公式（9）所示。

（9）

式中：NIR、R為近紅外波段、紅波段的反射率。

通過不同波段的反射率數(shù)據(jù)計(jì)算歸一化水體指數(shù)（NDWI），如公式（10）所示。

（10）

式中：Green、MIR為綠光波段、中紅外波段的反射率。

雪被覆蓋率是指某一地區(qū)被雪覆蓋的地表面積占該地區(qū)總面積的百分比，其可以反映降雪量、積雪分布和積雪融化等氣象過程對地表環(huán)境的影響。

1.4 農(nóng)業(yè)氣象災(zāi)害監(jiān)測

針對干旱、洪澇、凍害這3種農(nóng)業(yè)氣象災(zāi)害，利用上述提取的特征參數(shù)，結(jié)合地面觀測數(shù)據(jù)展開監(jiān)測。結(jié)合波段反射率rL、光譜響應(yīng)τ、土地溫度變化T、植被指數(shù)NDVI、水體指數(shù)NDWI對干旱災(zāi)害進(jìn)行監(jiān)測，監(jiān)測指數(shù)如公式（11）所示。

Z1=ω1rL+ω2τ+ω3T+ω4NDVI+ω5NDWI （11）

式中：ω1、ω2、ω3、ω4、ω5為不同特征系數(shù)對應(yīng)的權(quán)重。

干旱監(jiān)測指數(shù)Z1的數(shù)值越高，表示潛在的干旱程度可能越嚴(yán)重。

結(jié)合波段反射率rL、光譜響應(yīng)τ、水體指數(shù)NDWI以及同期收集的洪澇區(qū)域面積S、持續(xù)時(shí)間t、降雨量q對洪澇災(zāi)害進(jìn)行監(jiān)測，監(jiān)測指數(shù)如公式（12）所示。

（12）

結(jié)合雪被覆蓋率χ、植被指數(shù)NDVI以及表示地表溫度T、降雪量C構(gòu)建凍害指數(shù)，并設(shè)定閾值，將凍害程度劃分為不同的等級(jí)。凍害指數(shù)如公式（13）所示。

Z3=ω3T+ω4NDVI+ω6χ+ω7C （13）

對凍害指數(shù)Z3的閾值范圍進(jìn)行劃分：0～20為輕微凍害；21～40為中等凍害；41及以上為嚴(yán)重凍害。

2 試驗(yàn)與結(jié)果分析

為驗(yàn)證本文方法的實(shí)際應(yīng)用性能，設(shè)計(jì)如下試驗(yàn)。試驗(yàn)以M農(nóng)業(yè)作業(yè)區(qū)為研究范圍，利用多光譜遙感針對該區(qū)域的農(nóng)業(yè)氣象災(zāi)害進(jìn)行監(jiān)測。試驗(yàn)設(shè)置多光譜遙感采集參數(shù)，見表1。

根據(jù)多光譜遙感技術(shù)獲取M區(qū)域的地表數(shù)據(jù)，由于光譜數(shù)據(jù)中會(huì)存在干擾，因此采用本文方法進(jìn)行光譜處理，獲取處理前后的光譜結(jié)果，如圖2所示。

分析圖2可以看出，原始的光譜數(shù)據(jù)存在明顯的基線漂移和不平滑問題，但在采用本文方法處理后，光譜基線漂移問題被有效處理，造成干擾導(dǎo)致的不平滑現(xiàn)象明顯降低。因此，本文方法具有良好的光譜處理效果，可以為后續(xù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測提供可靠的數(shù)據(jù)基礎(chǔ)。在此基礎(chǔ)上，將文獻(xiàn)[3]、文獻(xiàn)[4]中的檢測方法作為對比，以預(yù)警結(jié)果的假警率和召回率為指標(biāo)，與本文方法的應(yīng)用性能進(jìn)行對比，得到結(jié)果見表2。

分析表2可知，本文方法的假警率最高僅為0.11%，召回率的最大值達(dá)到99.05%。與其他2種方法相比，本文方法通過利用Sisu CHEMA-SWIR光譜成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并進(jìn)行黑白板校正處理，能夠提高數(shù)據(jù)質(zhì)量和準(zhǔn)確性，減少數(shù)據(jù)中的噪聲和失真，從而減少假警率，增強(qiáng)結(jié)果可靠性，例如波段反射率、土地溫度變化、植被指數(shù)等。利用這些特征參數(shù)，能夠更全面、準(zhǔn)確地描述目標(biāo)區(qū)域的情況，提供更精確的監(jiān)測指標(biāo)，從而提高檢測的準(zhǔn)確性和召回率。

3 結(jié)語

本研究利用多光譜遙感技術(shù)提出一種農(nóng)業(yè)氣象災(zāi)害的監(jiān)測方法。首先，采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并進(jìn)行校正處理；同時(shí)收集地面觀測數(shù)據(jù)作為校驗(yàn)和補(bǔ)充。其次，從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)，包括波段反射率、光譜響應(yīng)、土地溫度變化、植被指數(shù)、水體指數(shù)、雪被覆蓋率等。最后，利用提取的特征參數(shù)結(jié)合地面觀測數(shù)據(jù)，對干旱、洪澇和凍害等農(nóng)業(yè)氣象災(zāi)害進(jìn)行監(jiān)測。通過這種方法，可以提高對農(nóng)業(yè)氣象災(zāi)害的監(jiān)測效果，并為農(nóng)業(yè)管理決策提供支持與指導(dǎo)。

參考文獻(xiàn)

[1]佟鋼，劉忠梅.農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)測技術(shù)研究進(jìn)展[J].農(nóng)業(yè)災(zāi)害研究，2023，13（2）：55-57.

[2]朗杰次仁，紅梅，李惠，等.氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)造成的影響及防御對策[J].農(nóng)業(yè)災(zāi)害研究，2022，12（4）：123-125.

[3]高雪.基于GIS技術(shù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警系統(tǒng)研究[J].農(nóng)業(yè)技術(shù)與裝備，2021（11）：140-141.

[4]李思宇，李玥.基于KPCA-SSA-BP的農(nóng)業(yè)氣象災(zāi)害預(yù)測[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2023，39（6）：1366-1371.

[5]陳治杰.淺談農(nóng)業(yè)氣象預(yù)警現(xiàn)狀及預(yù)警機(jī)制的完善措施——以“第八屆全國農(nóng)業(yè)與氣象論壇”為例[J].核農(nóng)學(xué)報(bào)，2023，37（11）：2315-2316.

[6]毛喜玲，殷淑燕，劉海紅.面向極端氣候事件的冀魯豫地區(qū)農(nóng)業(yè)氣象災(zāi)害分析[J].水土保持研究，2023，30（4）：327-337.

[7]封偉祎，朱俊科，彭文宇，等.無人機(jī)多光譜遙感在農(nóng)作物生長監(jiān)測中的應(yīng)用綜述[J].農(nóng)業(yè)與技術(shù)，2023，43（21）：42-46.

[8]劉琰琰，李佳星，代逸冰，等.基于GIS的四川盆周北部山區(qū)夏玉米農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估——以旺蒼縣為例[J].應(yīng)用生態(tài)學(xué)報(bào)，2022，33（9）：2457-2465.