基于多時相HJ影像的水稻洪澇災(zāi)情和產(chǎn)量監(jiān)測*

徐 鵬，顧曉鶴，邱 賀，孟魯閩

（1.西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，陜西西安710054；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京100097；3.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實驗室，北京100097）

基于多時相HJ影像的水稻洪澇災(zāi)情和產(chǎn)量監(jiān)測*

徐 鵬1，2，3，顧曉鶴2，3，邱 賀1，孟魯閩1

（1.西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，陜西西安710054；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京100097；3.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實驗室，北京100097）

洪澇災(zāi)害是影響水稻生產(chǎn)的重要逆境因子。利用多時相HJ衛(wèi)星影像數(shù)據(jù)評估了2012年遼寧洪澇災(zāi)害對水稻的影響。類似于土壤線，首先基于洪澇渾濁水體像元建立了水體線WL（NIR＝0.693 1RED＋0.022 7），并以此定義水體渾濁指數(shù)WTI和垂直植被指數(shù)PVI來分別監(jiān)測洪澇水體的泥沙含量和水稻作物產(chǎn)量，對PVI與地面實測產(chǎn)量數(shù)據(jù)進(jìn)行了相關(guān)分析，建立了災(zāi)后水稻產(chǎn)量與PVI的線性回歸方程Yield＝50 279PVI－2 804.1。研究結(jié)果表明，泥沙含量越高，水稻受災(zāi)越嚴(yán)重，產(chǎn)量越低。WTI可用于監(jiān)測洪水泥沙含量，PVI則與水稻產(chǎn)量具有極顯著的相關(guān)關(guān)系（R2＝0.965），洪澇災(zāi)害對水稻的影響不僅可以從水稻收獲前的遙感影像進(jìn)行估測，更能夠在洪澇災(zāi)害發(fā)生后及時進(jìn)行估測，對洪澇災(zāi)后的水稻實際生產(chǎn)具有一定的指導(dǎo)意義。

水稻；洪澇；水體渾濁指數(shù)；垂直植被指數(shù)；產(chǎn)量估測

水稻是我國最重要的糧食作物之一，它是一種沼澤作物，耐澇能力較強(qiáng)，在河流、湖泊周邊地區(qū)密集種植，較易遭受洪澇脅迫，若被洪水較長時間淹沒，仍然會造成大面積的減產(chǎn)甚至絕收。洪澇災(zāi)害的突發(fā)性和破壞性強(qiáng)，嚴(yán)重制約和影響水稻生產(chǎn)的持續(xù)和穩(wěn)定發(fā)展。

衛(wèi)星遙感技術(shù)能夠多次、瞬時、無損地獲取大范圍“面狀”信息，在干旱、冷凍害、倒伏等災(zāi)情評估方面得到廣泛應(yīng)用。Abduwasit Ghulam利用ETM＋的近紅外和短波紅外波段建立了植被缺水指數(shù)VWSI，該指數(shù)與植株水分含量FMC具有極強(qiáng)的相關(guān)性，可用于小麥干旱災(zāi)情的監(jiān)測［1］。劉英等利用MODIS／AQUA衛(wèi)星產(chǎn)品數(shù)據(jù)，以雙拋物線型NDVI-ST特征空間得到的TVDI作為旱情遙感監(jiān)測指標(biāo)，評估了2011年春季河南省冬小麥旱情，揭示了該地區(qū)小麥旱情發(fā)展的總體時空特點(diǎn)［2］。Feng等基于MODIS-NDVI在冬小麥晚霜凍害前后監(jiān)測受害范圍，通過分析NDVI恢復(fù)率和冬小麥產(chǎn)量進(jìn)行了冬小麥凍害災(zāi)情監(jiān)測研究［3］。張杰通過分析ALOS衛(wèi)星全色波影像（PRISM）數(shù)據(jù)和多波段影像（AVNIR－2）數(shù)據(jù)的信息變化特征，表明可利用目標(biāo)區(qū)域影像亮度值變化特征對冬小麥倒伏時間、受災(zāi)程度以及產(chǎn)量損失進(jìn)行監(jiān)測［4］?？追裁鞯然贛ODIS反射率產(chǎn)品，結(jié)合多種算法提取了2011年泰國洪澇受災(zāi)區(qū)域，結(jié)果表明農(nóng)作物是泰國洪澇災(zāi)害中受災(zāi)面積最大的土地覆蓋類型，極大地影響了作物的產(chǎn)量收成［5］。從國內(nèi)外學(xué)者的研究可以發(fā)現(xiàn)，針對農(nóng)業(yè)氣象災(zāi)害，遙感技術(shù)在獲取災(zāi)情信息的及時性、監(jiān)測作物災(zāi)情發(fā)展情況的連續(xù)性方面有著顯著的優(yōu)勢，能夠為救災(zāi)及損失評估提供強(qiáng)有力的依據(jù)，但利用遙感技術(shù)監(jiān)測水稻洪澇災(zāi)情及產(chǎn)量的研究卻鮮有報道。

本文利用HJ衛(wèi)星影像提取洪澇災(zāi)害發(fā)生后的水體像元，并以此渾濁水體像元建立水體線Water Line（WL），繼而定義水體渾濁指數(shù)Water Turbidity Indice（WTI）和垂直植被指數(shù)PVI，探究WTI與水體泥沙含量的關(guān)系以及PVI與水稻產(chǎn)量的關(guān)系，評估水稻洪澇災(zāi)情和產(chǎn)量減損，最后建立受災(zāi)水稻PVI與WTI的線性回歸方程，以期快速估測洪澇災(zāi)害發(fā)生后的水稻產(chǎn)量減損。

1 研究區(qū)及數(shù)據(jù)

研究區(qū)位于遼寧省蓋州市，當(dāng)?shù)赜?012年8月3－4日普降暴雨，造成部分地區(qū)發(fā)生特大洪澇災(zāi)害，作物被淹。我們以蓋州市水稻種植面積較廣且受災(zāi)嚴(yán)重的蓋州市青石嶺鎮(zhèn)和西海辦事處轄區(qū)為研究區(qū)域，該區(qū)域位于蓋州市西北部，大片農(nóng)田受淹，水稻受災(zāi)嚴(yán)重，造成部分水稻絕收，其他受災(zāi)地區(qū)也不同程度的減產(chǎn)。

本研究選取2012年8月4日暴雨發(fā)生2 d后和作物恢復(fù)生長一個半月后的HJ衛(wèi)星影像，影像獲取日期分別為2012年8月6日（此時水稻處于齊穗期）、2012年9月20日（此時水稻處于成熟期），如圖1所示，8月6日影像中有大面積的水稻作物被洪水全部淹沒，影像表現(xiàn)為水體像元。

圖1 遼寧省蓋州市多時相HJ遙感影像

2 理論與方法

為了提取洪澇淹沒的作物區(qū)域，本研究對8月6日、9月20日兩景影像進(jìn)行多時相分析，識別受災(zāi)區(qū)域與未受災(zāi)區(qū)域。如圖2所示，8月6日的HJ衛(wèi)星影像中，被淹的水稻種植區(qū)域，洪水的泥沙含量越高，紅光波段圖像越亮（圖2a）；9月20日的影像中，水稻受災(zāi)越嚴(yán)重，恢復(fù)生長后作物在近紅波段圖像越暗（圖2b）。

圖2 研究區(qū)多時相不同波段影像

首先，利用決策樹法對8月6日和9月20日的影像進(jìn)行分類，由于水體的光譜特性符合Rred＞Rnir，且紅光和近紅反射率反差很大，因此將NDVI＜0和Rnir＜0.24作為布爾條件用于決策樹分類，主要剝離出水體和水稻作物；然后采用ENVI處理軟件的change detection statistics工具對兩幅分類圖進(jìn)行差異分析，識別發(fā)生變化的區(qū)域及屬性，生成變化分類掩膜圖像，對于由水體（8月6日）變?yōu)樗咀魑铮?月20日）的區(qū)域我們視為受災(zāi)區(qū)域，同時再根據(jù)8月6日、9月20日兩景原始影像目視解譯未受災(zāi)區(qū)域；最后對受災(zāi)區(qū)域和正常生長的水稻作物進(jìn)行波段反射率提取，分別獲取其在8月6日、9月20日的紅光波段和近紅波段的反射率值。

此外，本文選取5塊受災(zāi)水稻樣地和8塊未受災(zāi)區(qū)域水稻樣地于2012年9月22日獲取地面實測數(shù)據(jù)。在每塊樣地內(nèi)，記錄水稻穴數(shù)、行距，并選取長勢具有代表性的位置剪取3 m2的水稻稻穗部分用真空取樣袋保存，帶回實驗室進(jìn)行產(chǎn)量測定。

3 結(jié)果與分析

3.1 水體線的建立

由于水稻的下墊面為水體，而非土壤，水稻冠層光譜特性會受到水體背景的影響。與土壤線類似，水體像元在光譜特征空間中也呈一條直線，本文以提取的水體紅光波段和近紅外波段反射率值（8月6日）建立散點(diǎn)圖，并以此作為本底數(shù)據(jù)，計算水體線Water Line（WL），如圖3所示。水體線的方程為

式中：NIR為近紅外波段的反射率；RED為紅光波段的反射率。從圖3可以看出，洪澇水體像元基本位于WL周圍，水稻作物像元則位于WL上方。

圖3 洪澇水體和水稻作物紅光、近紅波段散點(diǎn)圖（8月6日）

3.2 垂直植被指數(shù)和水體渾濁指數(shù)的建立

渾濁水體的反射率較清水高，且隨著泥沙含量的增加，渾濁水體在綠光、紅光與近紅外波段的反射率均增加［6］，而在450～1 015 nm波段范圍內(nèi)，泥沙含量與反射率也呈線性關(guān)系［7］。因此，本文基于WL來定義垂直植被指數(shù)Perpendicular Vegetation Index（PVI）和水體渾濁指數(shù)Water Turbidity Index（WTI）。將從O′點(diǎn)開始，沿WL的直線距離定義為水體渾濁指數(shù)WTI，用來表示洪水的泥沙含量多少，距離起點(diǎn)O′越遠(yuǎn)說明水體含沙量越大。PVI是由Richardson于1977年在土壤線的基礎(chǔ)上提出的，用于提取剔除土壤背景影響的植被信息［8］，本研究的PVI定義為光譜特征空間內(nèi)某一點(diǎn)到WL的距離。PVI和WTI的計算公式如下：

式中：NIR為近紅外波段的反射率；R為紅光波段的反射率；a、b分別為水體線的斜率和截距。PVI、WTI和WL的關(guān)系如圖4所示。

圖4 研究區(qū)WL、PVI、WTI示意圖

3.3 PVI和產(chǎn)量的關(guān)系

將由WL確定的PVI指數(shù)公式用于9月20日的影像，以分析作物的受災(zāi)情況，并與產(chǎn)量做相關(guān)性分析，圖5表示了受災(zāi)水稻和正常生長水稻樣區(qū)平均產(chǎn)量與相應(yīng)PVI的關(guān)系。從圖中可以看出，受災(zāi)水稻樣區(qū)的平均產(chǎn)量從1 762.5 kg／hm2到4 330.05 kg／hm2不等，相應(yīng)的PVI值也處于較低的水平，而正常生長水稻的最高產(chǎn)量達(dá)到了10 571.1 kg／hm2，這說明淹水不僅對水稻植株的生理機(jī)能產(chǎn)生了破壞，導(dǎo)致冠層光譜在遙感影像上的反射率降低，同時也造成了嚴(yán)重的水稻產(chǎn)量減損。垂直植被指數(shù)PVI與水稻產(chǎn)量的回歸模式為：Yield＝50 279PVI－2 804.1，兩者有著極顯著的相關(guān)關(guān)系（R2＝0.965），這主要是因為PVI能夠較好地濾除下墊面背景信息，具有線性可疊加性，與水稻產(chǎn)量形成的生理特點(diǎn)具有一致性［9］。

圖5 PVI與水稻產(chǎn)量的相關(guān)性（9月20日）

3.4 水稻作物WTI與PVI的關(guān)系

未受災(zāi)的水稻作物PVI從8月至9月的變化如圖6所示。從1：1線可以看出，大部分水稻植株的PVI位于等比線上方，PVI值有小幅度的增加，表明未受災(zāi)水稻長勢也或多或少的受到降雨的影響，雖然PVI值在8月較低但9月便逐漸恢復(fù)正常水平，這也說明正常生長水稻的PVI總體趨勢基本保持穩(wěn)定。

圖6 正常生長水稻作物的PVI變化

前人的研究表明洪水淹沒對水稻的破壞主要是氣體交換和光抑制的問題，水體渾濁時，只有部分光線到達(dá)被淹的水稻冠層，因此限制了水稻在水下的光合固碳功能，從而引起水稻嚴(yán)重的生理迫害和死亡率［10］。此外，在洪水退去后，由于泥沙附著在葉片和莖稈上，影響正常的光合作用和開花結(jié)實，也會對水稻造成損害，所以可以說洪澇水體的泥沙含量越大，對水稻的傷害越大并會造成嚴(yán)重的產(chǎn)量減損，而泥沙含量的大小與紅光和近紅波段的反射率呈正相關(guān)關(guān)系，因此可以通過8月6日的WTI來監(jiān)測洪水的泥沙含量，并用9月20日的PVI來表征水稻產(chǎn)量，從而建立受災(zāi)后WTI和恢復(fù)生長后PVI的線性回歸方程，達(dá)到災(zāi)后快速估測水稻產(chǎn)量減損的目的。圖7表示了蓋州地區(qū)受災(zāi)水稻W(wǎng)TI和PVI的關(guān)系。

圖7 受淹水稻8月WTI與9月PVI關(guān)聯(lián)示意圖

從圖7中可以看出，受災(zāi)后的水稻作物WTI（8月）與PVI（9月）呈負(fù)相關(guān)，在WTI＜0.3時，PVI隨WTI的增加而降低；當(dāng)WTI超過0.3以后，PVI趨于穩(wěn)定，處于較低的水平，這可能是由于泥沙量過大對植株造成了不可恢復(fù)的損害，產(chǎn)量會大幅降低。WTI可表征洪水泥沙含量，評估水稻的洪澇災(zāi)情，而PVI與水稻產(chǎn)量間具有極顯著的正相關(guān)關(guān)系，是水稻產(chǎn)量在遙感信息上的直接表現(xiàn)，因此，可利用水稻受災(zāi)后的洪水泥沙含量（WTI）與PVI（產(chǎn)量）的線性方程PVI＝－0.501 8WTI＋0.344 5來快速估測區(qū)域范圍的水稻產(chǎn)量損失。

4 討論與結(jié)論

本文利用多時相HJ衛(wèi)星影像，基于WTI和PVI研究分析了洪澇災(zāi)害發(fā)生后水稻作物的受災(zāi)情況以及產(chǎn)量減損，并建立了水稻產(chǎn)量估測模型，主要得出以下結(jié)論。

（1）利用洪澇水體像元建立了水體線WL，并以此定義了水體渾濁指數(shù)WTI（WTI＝0.569 7NIR＋0.821 9RED－0.015 8）和垂直植被指數(shù)PVI（PVI＝0.821 9NIR－0.569 7RED－0.022 8），用于評估水稻災(zāi)損情況。

（2）水體渾濁指數(shù)WTI可用于監(jiān)測洪水泥沙含量。WTI值越大，則水體泥沙含量越高，對水稻植株的生理機(jī)能和結(jié)實率影響越大，產(chǎn)量減損越嚴(yán)重。

（3）垂直植被指數(shù)PVI是水稻產(chǎn)量的良好探針，兩者間的線性方程為Yield＝3 324.9PVI－184.43，具有極顯著的相關(guān)關(guān)系（R2＝0.965），可利用PVI在水稻收獲前對產(chǎn)量進(jìn)行估測。

（4）PVI與WTI之間存在PVI＝－0.501 8WTI＋0.344 5的線性關(guān)系，該方程為水稻產(chǎn)損的快速估測提供了一種簡單有效、切實可行的方法。

從本文初步研究成果可以看出，洪澇災(zāi)害對水稻的影響不僅可以從水稻收獲前的遙感影像進(jìn)行估測，也能夠在洪澇災(zāi)害發(fā)生后及時進(jìn)行估測，這對實際生產(chǎn)具有一定的指導(dǎo)意義。但同時也發(fā)現(xiàn)，與PVI和產(chǎn)量之間的相關(guān)性相比，洪水水體渾濁度和水稻災(zāi)損的相關(guān)性較低，這說明洪澇災(zāi)害對水稻的影響是個復(fù)雜的機(jī)理過程，與水稻生育期、洪水溫度、洪澇歷時都有著緊密的關(guān)系，本文的研究還只是對洪澇脅迫下水稻受災(zāi)情況和產(chǎn)量減損的初步探索，所得成果還需在日后的研究中進(jìn)一步的完善和充實。

參考文獻(xiàn)：

［1］ Ghulam A，Li Z，Qin Q，etal.Estimating crop water stresswith ETM＋NIR and SWIR data［J］.Agricultural and Forest Meteorology，2008，148（11）：1679－1695.

［2］ 劉英，馬保東，吳立新，等.基于NDVI-ST雙拋物線特征空間的冬小麥旱情遙感監(jiān)測［J］.農(nóng)業(yè)機(jī)械學(xué)報，2012，43（5）：55－63.

［3］ Feng Meichen，YangWude，Cao Liangliang，et a1.Monitoring winter wheat freeze injury using multi-temporal MODIS data［J］. Agricultural Science in China，2009，8（9）：1053－1062.

［4］ 張杰.冬小麥倒伏遙感監(jiān)測研究［D］.濟(jì)南：山東師范大學(xué)，2011：45－62.

［5］ 孔凡明，蔣衛(wèi)國，李京，等.基于MODIS的2011年泰國洪澇受災(zāi)信息提取與分析［J］.災(zāi)害學(xué)，2013，28（2）：95－99.

［6］ 蘇元風(fēng)，吳宜珍，蘇明道，等.SPOT衛(wèi)星影像應(yīng)用于近岸水質(zhì)推估模式建立與評估［J］.臺灣農(nóng)業(yè)工程學(xué)報，2009，55（2）：28－41.

［7］ Chen Z，Hanson JD，Curran P JThe form of the relationship between suspended sediment concentration and spectral reflectance：Its implications for the use of Daedalus1268 data［J］.International Journal of Remote Sensing，1991，12（1）：215－222.

［8］ Richardson A J，Wiegand C L.Distinguishing Vegetation from Soil Background Information［J］.Photogrammetric Engineering and Remote Sensing，1977，43：1541－1552.

［9］ 王延頤.植被指數(shù)與水稻長勢及產(chǎn)量結(jié)構(gòu)要素關(guān)系的研究［J］.國土資源遙感，1996，8（1）：56－59.

［10］Das K K，Panda D，Sarkar R K，etal.Submergence tolerance in relation to variable floodwater conditions in rice［J］.Environmental and Experimental Botany，2009，66（3）：425－434.

M onitoring of Disaster Situation and Yield of Rice under Flood and W aterlogging based on M ulti-tem poral HJ Images

Xu Peng1，2，3，Gu Xiaohe2，3，Qiu He1and Meng Lumin1
（1．College of Geomatics，Xi＇an University of Science and Technology，Xi＇an 710054，China；2．National Engineering Research Center for Information Technology in Agriculture，Beijing 100097，China；3．Key Laboratory of Information Technology in Agriculture Ministry of Agriculture，Beijing 100097，China）

Flood disaster is an important influence factor of rice production.Effects of the 2012 Liaoning flood disaster on rice are evaluated by usingmulti-temporal HJsatellite image data.A water line（WL），analogous to soil line，is established by flood turbid water pixels as NIR＝0.6931RED＋0.0227，then water turbidity index（WTI）and perpendicular vegetation index（PVI）are defined based on WL tomonitor the flood sediment content and rice crop yield respectively.Correlation between PVI and field yield data is analyzed，and the linear regression equation is Yield＝50 279PVI－2804.1.Results show that，the higher the sediment content is，themore seriously afflicted of rice，and the lower the yield is.WTI could be used to monitor the flood sediment content，and PVI showed a highly significant correlation with rice yield aswell，the effects of flood disaster on rice could be estimated not only from remote sensing images by PVI before rice harvest，but also be done after the flood disaster by WTI immediately，which has certain guiding significance for the actual production of rice after flood disaster.

rice；flood；water turbidity index；perpendicular vegetation index；yield estimation

TU996；X43

A

1000－811X（2014）02－0188－05

10.3969／j.issn.1000－811X.2014.02.035

徐鵬，顧曉鶴，邱賀，等.基于多時相HJ影像的水稻洪澇災(zāi)情和產(chǎn)量監(jiān)測［J］.災(zāi)害學(xué)，2014，29（2）：188－192.［Xu Peng，Gu Xiaohe，Qiu He，et al.Monitoring of Disaster Situation and Yield of Rice under Flood and Waterlogging based on Multitemporal HJ Images［J］.Journal of Catastrophology，2014，29（2）：188－192.］*

2013－09－13 修回日期：2013－11－10

國家自然科學(xué)青年基金項目（41001199）；國家科技支撐項目（2012BAH29B01）；公益性行業(yè)（農(nóng)業(yè)）科技專項（201303109－8）；北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)專項（KJCX201104012）

徐鵬（1989－），男，陜西寶雞人，碩士研究生，研究方向為農(nóng)業(yè)遙感應(yīng)用.E-mail：xp1895＠163.com

顧曉鶴（1979－），男，江蘇人，博士，副研究員，主要從事農(nóng)業(yè)遙感及災(zāi)害監(jiān)測的研究.E-mail：guxh＠nercita.org.cn