春季农作物风沙灾害的遥感监测方法_程红霞

第28卷第11期2014年11月干旱区资源与环境

Journal of Arid Land Ｒesourcesand Environment Vol．28No．11

Nov．2014

文章编号：1003－7578（2014）11－078－05

春季农作物风沙灾害的遥感监测方法

12

林粤江程红霞，

（1．乌鲁木齐气象卫星地面站，乌鲁木齐830011；2．新疆气象培训中心，乌鲁木齐830013）

*

提要：针对春季农作物风沙灾害监测快速、准确的要求，提出了农作物风沙灾害的遥感监测方法。以

2009年4月阿克苏市风沙灾害为例，基于MODIS 每日地表反射率产品，对阿克苏市农作物风沙灾害前后和恢复期的NDVI 进行了动态监测，并利用同时期正常年份的NDVI 变化确定农作物受灾阈值，通过统计分析确定受灾农作物的面积。结果显示：阿克苏市农作物风沙灾害前后和恢复期，农作物NDVI 最大值从0．36增大到

2

0．73，占农作物总面积比例最大的NDVI 值从0．08增大到0．11；阿克苏市受灾农作物面积12697．07hm ，负向

－正向型农作物受灾面积占总受灾面积的35．16%，正向－负向型农作物受灾面积占总受灾面积的63．06%，负向－负向型农作物受灾面积占总受灾面积的1．78%。该方法对农作物受灾面积的提取精度为98．24%，是一种方便、高效和实用的农作物风沙灾害监测方法。

关键词：春季；农作物；风沙灾害；归一化植被指数；空间分布中图分类号：S424

文献标识码：A

春季是农作物出苗的时期，地表异常干燥松散，抗风蚀能力很弱，在有大风刮过时，就会造成农作物大

植株折断、籽粒或果实脱落，减产严重。2009年4月16日，阿克苏市遭遇大风沙尘暴天气，持面积倒伏、

续时间近3小时，瞬间风速达到24．6m /s。这次大风沙尘天气风力强、范围广、持续时间长、影响大。传统的风沙灾害监测与评估方法主要通过大田抽样调查的方法估算受灾面积和其分布情况。这种方法需要大量的田间调查工作，很难在区域尺度上实现灾害的及时准确监测。因此，快速获取风沙灾害发生区域的范围、受灾程度等信息，客观地反映风沙灾害发生的真实情况，并制定一套实时、快捷、方便、有效的风沙灾害监测方法已迫在眉睫。

由于遥感数据能够快速、准确、大范围评估农作物的灾害情况，使得卫星资料监测自然灾害受到广泛关注，并已成为研究热点。Tapia －Silva 等利用农作物的归一化植被指数标准生长曲线和遥感数据分类方

［1］

法估计农作物受洪水灾害的损失；Baojuan Zheng 等利用多时相Landsat 数据计算归一化耕作指数分析

［2］

了作物残茬覆盖情况；王堃等通过定量分析收获季节内多时相NDVI （Normalized Differential Vegetation

［3］

Index ，NDVI ）的变化大小和变化过程，实时监测研究区内玉米种植地块的收获期；南颖等通过对比分析台风前后长白山归一化植被指数，提取了长白山自然保护区内遭受台风袭击后的灾区范围；董燕生等根据冻害发生的时间和冬小麦的生长特征选择冬小麦越冬前分蘖期和年后起身期作为冻害分析的关键生长期，基于多时相HJ －1CCD 遥感数据和统计方法分析了冬小麦冻害影响范围和受灾程度的遥感评［5］估。

基于以上灾情监测方法，运用多时相遥感数据的灾情评估指标变化分析是监测农作物灾情的重要方法。考虑到风沙灾害监测的时效性，中分辨率成像光谱仪（Moderate －resolution Imaging Spectroradiometer ，MODIS ）具有高时间分辨率和数据空间覆盖范围广的特点，在农作物遥感监测方面具有独特的优势。文中以阿克苏市为例，选择多时相MODIS 数据产品，通过建立风沙灾害评估指标，获得灾情影响的农作物种植面积，为防灾减灾机构提供有力的信息支持。

*

［4］

收稿日期：2013－6－25；修回日期：2013－8－14。

基金项目：公益性行业（气象）科研专项（GYHY201106025）资助。作者简介：程红霞（1977－），女，汉族，河南邓州人，博士，主要从事遥感和地理信息系统应用的研究。E －mail ：chx69@163．com

1材料与研究方法

1．1研究区概况

阿克苏市位于新疆天山南麓、塔克拉玛干沙漠西北边缘，属暖温带干旱气候地区，降雨量稀少，蒸发量大，气候干燥，适宜各类农作物生长，是国家重要的商品粮、商品棉基地。2000 2010年，阿克苏市发生沙

8级以上大风82次，尘天气共582天，其中以4月次数最多。风沙灾害已成为阿克苏市农作物出苗期主

要自然灾害之一，严重制约了农作物生产的发展。1．2数据与预处理

（1）研究时间选择。根据阿克苏市地面气象观测站提供的总云量资料，选取无云的时间，即4月15

4月17日（农作物风沙灾害后）和4月29日（农作物风沙灾害恢复期）作为农作日（农作物风沙灾害前）、

物风沙灾害研究时间。为了对风沙灾害指标阈值的确定，需要选择季节相近的研究区农作物正常生长晴

23日和24日。空图，时间分别为2010年4月22日、

（2）MODIS 数据及预处理。根据研究时间，17日和29日，此次共使用2009年4月15日、以及2010

23日和24日的250m MODIS 日地表反射率产品（MOD09GQ ）影像6期，2009年逐年合成年4月22日、

500m 土地覆盖类型产品MCD12Q1影像1期。对这些遥感数据均采用MODIS 重投影工具进行重采样和

［6，7］

。根据土地覆盖类型产品中第一类国际地圈生物圈计划（IGBP ）全球植被分拼接处理，转换成tif 格式

类方案，选择第12类（农作物）提取阿克苏市的农作物种植区。1．3研究方法

1．3．1风沙灾害植被指数变化情况

利用遥感监测风沙对农作物的灾害，通常是利用地表植被状况、特征等指标监测作物风沙灾害的情

［8］

NDVI 探测低密度绿色植被的能力最强，况。参考文献中指出，是植被生长状态及植被覆盖度的最佳指

示因子。因此，文中将农作物的NDVI 值作为农作物风沙灾害的评估指标。

（1）归一化植被指数。根据每日地表反射率数据（MOD09GQ ）的近红外和红波段，通过公式（1）计算归一化植被指数。

ＲNIＲ－ＲＲED

（1）NDVI =

ＲNIＲ+ＲＲED

式中：NDVI 为归一化植被指数；ＲNIＲ为近红外波段反射率；ＲＲED为红波段反射率。（2）植被指数变化分析。从光谱物征与作物冠层之间的关系看，绿色植物叶面叶绿素在光照条件下发生光合作用，在可见光红光波段有很强的吸收特性，而对近红外波段具有很强的反射率、高的透射率和极低的吸收，即红光波段反射率包含了植物冠顶层叶片的丰富信息，近红外光反射率包含了整个植物冠层

［9］

内叶片的大部分信息，这是植被遥感监测的物理基础。农作物生长初期，叶绿素含量增多，红波段吸收和近红外反射率增强，植被指数增大。当农作物受到风沙灾害影响后，会出现农作物活性减弱、死苗等现象，红波段吸收和近红外反射率减弱，植被指数减小。因此，不同日期的数值相减是为了观测两个日期植被的变化，并用来探测由于风沙灾害造成的农作物变化。

表文中将相邻时期NDVI 两两相减后，用公式（2）逐像元判断其是否发生变化，即：若△NDVI （i ，j ）＞a ，

［10］

示正向变化；若△NDVI （i ，像元负向变化。j ）＜a ，

（2）△NDVI （i ，j ）=NDVI d1（i ，j ）－NDVI D2（i ，j ）

j ）在日期d1和d2的NDVI 值；△NDVI （i ，j ）在式中：NDVI d1（i ，j ）和NDVI d2（i ，j ）分别是像元（i ，j ）是像元（i ，

日期d1和d2的NDVI 差值。

由于NDVI 值的变化不仅受植物生长和地物变化的影响，还会受到太阳光照强度、大气状况、卫星拍摄角度等因素影响，相邻日期的NDVI 值也会存在较小的波动，所以NDVI 变化阈值a 的确定是一件较为

［5］［6］

困难而又关键的问题。根据文献，计算研究区农作物春季正常选择与受灾时间同时相的遥感数据，

（3）生长NDVI 变化，定义风沙灾害的阈值为公式（3）：a =△NDVI －σ

式中：△NDVI 、σ分别为同时期正常生长年份研究区农作物未受灾害的植被指数变化的均值和标准差。

1．3．2农作物风沙灾害的遥感监测方法

基于多时相遥感数据，农作物风沙灾害的遥感监测方法分为4个步骤：（1）选择遥感数据及预处理。根据灾害发生的时间，选择灾前、灾后和恢复期3个时相的遥感数据，以及同时期正常生长年份的遥感数据，并进行预处理。

（2）计算△NDVI 的均值和标准差。根据受灾年份的灾前、灾后和恢复期的遥感数据，以及正常年份相同时相的遥感数据，分别计算研究区域内农作物△NDVI 的均值和标准差。

（3）根据公式（3）确定农作物受灾阈值a 。当农作物的△NDVI i ，表示此像元受到风沙灾害的j ＜a 时，影响。

（4）确定受灾面积。农作物风沙灾害受灾面积通过不同类别风沙灾害影响范围内像元的统计得［11］

（4）到。农作物受灾面积计算公式：A i =A 0ˑ P i

式中：A i 为第i 类风沙灾情的作物受灾面积；A 0为农作物面积；P i 为不同风沙灾害类别所占比例

。

2结果与分析

2．1风沙灾害前后植被指数的变化情况

阿克苏农作物在风沙灾害从图1中可以看出，

前后和恢复期NDVI 分布逐渐趋于扁平状。NDVI

0．64、0．73，80%的农作物ND-最大值分别为0．36、

VI 分别在0．13、0．19、0．26以下，其中：占总作物总面积比例最大的NDVI 值逐渐增大，由0．08（17．51%）、0．09（14．42%）到0．11（9．63%）。在风沙

NDVI 面积变化最为明显的区灾害前后和恢复期，

间是NDVI ＜0．1和0．15＜NDVI ＜0．4。NDVI ＜0．1

43．24%、20．的面积变化明显，分别为61．21%、

96%；0．15＜NDVI ＜0．4的面积分别为11．93%、图1阿克苏市农作物风沙灾害前后和恢复期的NDVI 面积比

ig．1The NDVI area ratio of crop land in Aksu city in the periods 30．21%、39．83%。

of before and after the wind sand damage ，and the recovery period 2．2像元植被指数的变化情况

23日和24日的遥感数据，由于不同年份农作物物候的变化，文中基于2010年4月22日、对多天相邻

遥感数据风沙灾害阈值取平均作为风沙灾害的阈值。利用风沙灾害阈值的确定方法，分别计算研究区农

并取它们的均值a =（a 23－22+a 24－23）/2作为风沙灾害的阈值。因此，文中阿克苏市农作物a 23－22和a 24－23，

作物风沙灾害阈值为－0．005，即△NDVI （i ，j ）＜－0．005的区域被划定为农作物受灾区。

在风沙灾害前、后和恢复期，若农作物植被指数始终保持正向变化，无风沙危害症状，则农作物未受到风沙灾害的影响，保持正常生长；否则，为农作物异常变化，受到风沙灾害的影响。因此，根据阿克苏市农作物在风沙灾害前、后和恢复期植被指数的变化，将农作物风沙灾害划分为三类：负向－正向型、正向－负向型和负向－负向型。

表1不同类型农作物风沙灾害不同NDVI 区间变化分析

Tab．1The changes of different NDVI interval in different types of crop lands after the wind sand damage

负向－正向型

0 0．050．05 0．10．1 0．150．15 0．20．2 0．250．25 0．30．3 0．35

前后变化－0．017－0．013－0．018－0．022－0．023－0．024－0．037

恢复期变化0．0220．0330．0490．0820．1140．2250．233

正向－负向型前后变化0．0390．030．0720．1150．1270．1890．175

恢复期变化－0．02－0．031－0．032－0．039－0．036－0．039－0．065

负向－负向型前后变化－0．067－0．011－0．011－0．026－0．013

恢复期变化－0．045－0．017－0．013－0．012－0．100

2．2．1负向－正向型

这种风沙灾害类型在风沙灾害后，植被指数减小，其中：NDVI ＞0．15的农作物NDVI 都减小0．02以NDVI 在0．3 0．35的农作物减小最大，NDVI 在0．05 0．1的农作物减小最少，上，为0．037，为0．013，平均减小0．022；而在风沙灾害恢复期，植被指数逐渐增大，由NDVI 在0．05 0．1的农作物增长0．022到

NDVI 在0．30 0．35的农作物增长0．233，平均增长0．11。由此可见，负向－正向型农作物风沙灾害的NDVI 越大，风沙灾害后和其恢复期变化就越大。处于生长子叶或真叶期的农作物，此时抗风沙能力较

NDVI 减小。但这些农作物具有较强的恢复能力，弱，重者主茎上部被风刮断，轻者叶片被风刮碎，在风沙

NDVI 逐渐增大。灾害后不久就开始恢复生长，

2．2．2正向－负向型

NDVI 增加的范围从0．03到0．189；但随着时间的推移，农作物受到风沙灾害后好像正常生长，农作NDVI 开始减小，NDVI 减小的范围从0．02到0．065。由于风力较物受风沙灾害的影响也逐渐显现出来，

大，已播种的农作物地膜不同程度被风刮起，根系尚未健全的农作物幼苗裸露在外，增加了NDVI 值。当风沙吹打农作物幼苗后，幼苗子叶和幼茎上的伤口受到大风长时间的吹干，叶绿素降低，导致NDVI 逐渐减小。

2．2．3负向－负向型

NDVI 在0 0．25的农作物，特别是NDVI 在0 0．05的农作物容易受到这种类型的风沙灾害影响。

NDVI 在0 0．05的农作物减小0．067，农作物在这种类型的风沙灾害后，恢复期NDVI 减小0．045。沙尘

覆盖在麦苗、棉花等大田农作物叶面上，影响叶面正常的光合作用和呼吸作用，使作物生长和发育受到抑

ND-制或损害。此外，受伤的农作物体内水分会从伤口散失，其子叶、生长点和靠近子叶的幼茎失水干枯，VI 不断减小。

2．3农作物受灾面积

根据使用图像的分辨率大小，利用植被指数变化的类别，分别统计风沙对农作物不同影响的面积。

2

2009年4月16日阿克苏市农作物风沙灾害面积12697．07hm ，这与实际调查数据基本相符。

2

占总受灾面积的阿克苏市三类风沙灾害的受灾情况是：负向－正向型农作物受灾面积4464．90hm ，

35．16%；正向－负向型农作物受灾面积最大，为8006．77hm 2，占总受灾面积的63．06%；负向－负向

2

占总受灾面型农作物受灾面积最小，为225．39hm ，

积的1．78%。其中：在负向－正向型风沙灾害中，NDVI 在0．05 0．1之间的农作物受灾面积是1969．49hm 2，占这类风沙灾害面积的44．11%；在正

NDVI 在0．05 0．1之间的向－负向型风沙灾害中，

2

占这类风沙灾害农作物，受灾面积是5082．05hm ，

NDVI 面积的63．47%；在负向－负向型风沙灾害中，2

在0．1 0．15之间的农作物受灾面积是96．60hm ，

在春季风占这类风沙灾害面积的42．86%。因此，

沙灾害中应重点关注NDVI 在0．05 0．15之间的

图2不同类型风沙灾害中不同NDVI 区间农作物的面积比

农作物，并根据不同风沙灾害类型进行抗灾救灾工Fig．2The crop land area ratio of different NDVI 作。intervals for different types of wind sand damage

3讨论

目前，对农作物的风沙灾害监测没有明确的方

［12］

因此，文中以2009年4月16日阿克苏市农作物为例，法，而研究农作物长势监测的常用参数是NDVI ，

提出了基于NDVI 的农作物风沙灾害阈值确定方法，并将受灾农作物分为正向－负向型、负向－正向型和负向－负向型三种类型。农作物风沙灾害遥感监测过程中，通过遥感数据处理和统计分析，得出农作物的受灾情况，方法简单，可操作性强，可以解决区域尺度上的及时监测问题。遥感监测结果显示，阿克苏市农作物风沙灾害面积与实际受灾面积的提取精度为98．24%，表明文中提出的农作物风沙灾害遥感监测方法是可行的。

文中主要考虑了农作物风沙灾害快速评估的要求，然而，当农作物遭受风沙灾害后，对农作物生育进程、生物量、质量以及产量的影响等还需要进一步地分析。

4结论

（1）春季风沙灾害前后和恢复期阿克苏市农作物NDVI 值变化明显，农作物NDVI 最大值从0．36增大到0．73，占农作物总面积比例最大的NDVI 值从0．08增大到0．11，其中：NDVI ＜0．1的农作物面积从61．21%大幅减小到20．96%，0．15＜NDVI ＜0．4的农作物面积从11．93%增加到39．83%。

（2）基于风沙灾害前后和恢复期农作物NDVI 值的变化，将农作物风沙灾害划分为三类：正向－负向型、负向－正向型和负向－负向型。不同类型风沙灾害的农作物NDVI 区间值分析显示，负向－正向型和正向－负向型农作物NDVI 值越大，风沙灾害后和其恢复期变化就越大；负向－负向型农作物NDVI 值越小，风沙灾害后和其恢复期变化就明显。

2

（3）阿克苏市受灾农作物面积12697．07hm 2，其中：负向－正向型农作物受灾面积为4464．90hm ，正

22

负向－负向型农作物受灾面积225．39hm ，预防农作物风沙灾害向－负向型农作物受灾面积8006．77hm ，

的重点是NDVI 值为0．05 0．15的农作物。

参考文献

［1］Tapia －Silva ，F O ，Itzerott S ，F rsterS ，Kuhlmann B ，et al．Estimation of flood losses to agricultural crops using remote sensing ［J ］．Physics

and Chemistry of the Earth ，2011，36：253－265．

［2］Zheng B J ，Campbell J B ，DeBeurs K M．Ｒemotesensing of crop residue cover using multi －temporal Landsat imagery ［J ］．ＲemoteSensing of

Environment ，2012，117：177－183．

J ］．农业工程学报，2011，27（2）：180－186．［3］王堃，程耀东，等．基于变化向量分析的玉米收获期遥感监测［顾晓鹤，

．自然灾害学报，2011，20（6）：131－［4］南颖，朱卫红，等．长白山的台风灾区范围及植被恢复动态－基于遥感技术的研究［J ］刘志锋，

139．

．农业工程学报，2012，28（20）：172－179．［5］董燕生，陈洪萍，王慧芳，等．基于多时相环境减灾卫星数据的冬小麦冻害评估［J ］

J ］．农业工程学报，2010，26（S2）：48－52．［6］邬明权，牛铮，王长耀．利用遥感数据时空融合技术提取水稻种植面积［J ］．干旱区资源与环境，2013，27（6）：134－139．［7］柳锦宝，何政伟，段英杰．MODIS 数据支持下的西藏干旱遥感监测［

J ］．福建林学院学报，2009，29（1）：11－16．［8］彭道黎，滑永春．几种植被指数探测低盖度植被能力的研究［J ］．干旱区资源与环境，2003，17（1）：91－95．［9］张佳华，王长耀．区域归一化植被指数（NDVI ）对植被光合作用响应的研究［

J ］．应用生态学报，2008，19（5）：1064－1070．［10］李一静，曾辉，魏建兵．基于归一化植被指数变化分级的深圳市植被变化［．地理学报，2010，65（7）：771－780．［11］李强子，闫娜娜，张飞飞，等．2010年春季西南地区干旱遥感监测及其影响评估［J ］

J ］．干旱区资源与环境，2013，27（5）：46－52．［12］贺振，贺俊平．基于NOAA －NDVI 的河南省冬小麦遥感估产［

Ｒemotesensing monitoring of wind sand damage to the crops in spring

CHENG Hongxia 1，LIN Yuejiang 2

（1．Urumqi Meteorological Satellite Ground Station ，Urumqi 830011，P．Ｒ．China ；2．Xinjiang Meteorology Training Centre ，Urumqi 830013，P．Ｒ．China ）

Abstract ：Considering the monitoring requirement of wind sand damage to crops in spring ，this research intro-duced remote sensing monitoring method for studying the wind sand damage to crops．Taking Aksu City as study

area ，the NDVI values of the crops in the periods of before and after the wind sand damage ，and the recovery pe-riod in Aksu were dynamically monitored based on MODIS land surface reflectance products ，and the threshold of wind sand damage for crops was determined by analyzing the change of NDVI at the same period in a normal year．Through statistical analysis ，the area of wind sand damage for crops was obtained．The results show that the maximum NDVI of before ，after and recovery period of wind sand damage in Aksu increased from 0．36to 0．73，and the NDVI value accounted for the largest proportion of total crop area increased from 0．08to 0．11．The area of crop with the wind sand damage was 12697．07hm 2．By contrast ，the damage area ratios of negative －positive ，positive －negative and negative －negative were 35．16%，63．06%and 1．78%．The extraction accu-racy of this method on the crops disaster area was 98．24%，that means the method is convenient ，efficient and practical for monitoring the wind sand damage for crops ，and may be used in the wide range．Key words ：spring ；crop ；wind sand damage ；NDVI ；spatial distribution