廣西甘蔗寒凍害空間反演模型研究*

孟翠麗，譚宗琨，李紫甜

(1.武漢農(nóng)業(yè)氣象試驗(yàn)站，湖北武漢　430040； 2.廣西區(qū)氣象減災(zāi)研究所，南寧　530022； 3.南寧市氣象局，廣西南寧　530029)

?

·技術(shù)方法·

廣西甘蔗寒凍害空間反演模型研究*

孟翠麗1，譚宗琨2※，李紫甜3

(1.武漢農(nóng)業(yè)氣象試驗(yàn)站，湖北武漢430040； 2.廣西區(qū)氣象減災(zāi)研究所，南寧530022； 3.南寧市氣象局，廣西南寧530029)

甘蔗寒凍害是蔗糖主產(chǎn)區(qū)主要?dú)庀鬄?zāi)害之一。大范圍、嚴(yán)重的甘蔗寒凍害造成甘蔗產(chǎn)量和蔗糖分含量下降，給廣大蔗農(nóng)及企業(yè)帶來巨大的經(jīng)濟(jì)損失。但受蔗區(qū)地形地貌復(fù)雜及氣象觀測臺站分布稀疏等因素制約，寒凍害過程影響期間難以獲取區(qū)域甘蔗實(shí)際受害信息，給甘蔗寒凍害過程監(jiān)測、評估及防災(zāi)、減災(zāi)措施的實(shí)施帶來了極大困難。為了實(shí)現(xiàn)及時(shí)、真實(shí)地反演甘蔗產(chǎn)區(qū)寒凍害程度，文章基于廣西歷年冬季寒凍害過程最低氣溫資料、地理信息數(shù)據(jù)以及EOS/MODIS衛(wèi)星資料，采用多元回歸法，分別構(gòu)建基于地理信息、基于地理信息及下墊面信息耦合的最低氣溫空間推算模型，創(chuàng)建了逐年寒凍害過程最低氣溫格點(diǎn)數(shù)據(jù)庫。并以2008年輻射型、2010年平流型寒凍害過程為例，將反演結(jié)果與實(shí)況進(jìn)行比較，結(jié)果表明兩種模型反演所得寒凍害空間分布狀況均與自動(dòng)站實(shí)況一致，兩種模型對平流型寒凍害的模擬效果優(yōu)于對輻射型寒凍害的模擬。

甘蔗； 寒凍害； 反演模型； MODIS； 多元回歸

0　引言

甘蔗寒凍害是廣西、云南等蔗糖主產(chǎn)省(區(qū))主要?dú)庀鬄?zāi)害之一。榨季寒凍害的發(fā)生，尤其是大范圍、嚴(yán)重寒凍害的發(fā)生，不僅造成本榨季大面積甘蔗受害，甘蔗產(chǎn)量和蔗糖分含量不同程度下降，導(dǎo)致制糖企業(yè)進(jìn)廠原料嚴(yán)重不足及增加蔗糖回收成本，而且還直接影響到甘蔗留種及宿根甘蔗的正常發(fā)蔸，最終波及下一榨季甘蔗產(chǎn)量的構(gòu)成，給廣大蔗農(nóng)及企業(yè)帶來巨大的經(jīng)濟(jì)損失[1-2]。但長期以來，因受蔗區(qū)地形地貌復(fù)雜、多樣及氣象觀測臺站分布稀疏等因素制約，寒凍害過程影響期間往往難以獲取區(qū)域甘蔗實(shí)際受害等相關(guān)信息，給有關(guān)部門針對性地實(shí)施防災(zāi)、減災(zāi)措施帶來了極大困難。因此，能否及時(shí)、真實(shí)地反演區(qū)域寒凍害程度，不僅為客觀評估甘蔗災(zāi)損，以及采取相應(yīng)的防災(zāi)、減災(zāi)措施提供依據(jù)，而且對廣西區(qū)域今后蔗糖產(chǎn)業(yè)的布局、發(fā)展至關(guān)重要。

在寒凍害的研究方面，目前主要集中在以下幾個(gè)方面，一是從氣象學(xué)、氣候?qū)W與作物受害程度建立關(guān)系，定義寒凍害指標(biāo)，如杜堯東[18]以廣東省為研究區(qū)劃進(jìn)行了香蕉、荔枝寒凍害致災(zāi)因子和綜合氣象指標(biāo)研究，鄒瑜[19]等對廣西香蕉寒凍害等級指標(biāo)進(jìn)行定義，譚宗琨[15]等針對甘蔗寒凍害等級指標(biāo)及災(zāi)損指標(biāo)的進(jìn)行了初步探索。二是寒凍害的時(shí)空演變及風(fēng)險(xiǎn)區(qū)劃，如李娜[20]等研究了華南地區(qū)香蕉、荔枝的風(fēng)險(xiǎn)區(qū)劃，何燕[7]等基于GIS技術(shù)對廣西香蕉低溫寒害進(jìn)行了風(fēng)險(xiǎn)區(qū)劃，蔡大鑫[21]基于產(chǎn)量對海南省香蕉寒害進(jìn)行分析與區(qū)劃。三是基于遙感技術(shù)對寒凍害監(jiān)測評估，初步應(yīng)用效果較好，如匡昭敏[22]等選用EOS/MODIS數(shù)據(jù)對廣西甘蔗寒害吉進(jìn)行監(jiān)測評估，王春林[23]等基于全天候地表溫度反演方法監(jiān)測寒冷害監(jiān)測，但針對不同類型的寒凍害過程開展不同監(jiān)測方法的對比分析尚未見報(bào)道。

氣溫是反映近地層系統(tǒng)熱量狀態(tài)的綜合指標(biāo)，同時(shí)也是評估農(nóng)作物寒凍害損失的關(guān)鍵指標(biāo)之一。然而廣西的地形地貌復(fù)雜，氣溫等氣象要素的空間分布差異十分明顯，有限的氣象觀測臺站難以真實(shí)反映區(qū)域氣象要素的多樣性。鑒于氣象要素的時(shí)空分布與地理位置密切相關(guān)，國內(nèi)不少專家、學(xué)者嘗試將統(tǒng)計(jì)學(xué)方法與地理信息系統(tǒng)相結(jié)合，利用已知站點(diǎn)氣象數(shù)據(jù)與氣象臺站的經(jīng)度、緯度、海拔高度等基礎(chǔ)地理信息數(shù)據(jù)構(gòu)造相應(yīng)的空間模擬模型[3-4]，獲取研究區(qū)氣象要素的空間分布規(guī)律，并在寒凍害監(jiān)測中得到了廣泛的應(yīng)用。然而，以地表性質(zhì)相似或相近和數(shù)量極其有限的、且空間分布不均衡的氣象站點(diǎn)觀測數(shù)據(jù)來模擬、推算地形地貌復(fù)雜且地表性質(zhì)多樣的無測站點(diǎn)氣象要素，其精準(zhǔn)度至今仍未得到世人的公認(rèn)。因此， 10多年來，國內(nèi)外不少學(xué)者嘗試應(yīng)用衛(wèi)星資料來進(jìn)行寒凍害監(jiān)測[5-14]，取得了一定的效果。但針對甘蔗這種作物開展不同類型寒凍害過程空間反演還未見報(bào)道。

EOS/MODIS衛(wèi)星資料具有空間分辨率(250m×250m)較高、覆蓋范圍廣，可客觀、定量地反映地表性質(zhì)等優(yōu)點(diǎn)，可用于寒凍害過程的監(jiān)測。該文將廣西氣象臺站最低氣溫資料， 1： 100萬廣西行政區(qū)劃圖矢量圖及數(shù)字高程數(shù)據(jù)，還有EOS/MODIS衛(wèi)星地表反射率資料結(jié)合起來，采用多元回歸法構(gòu)建最低氣溫的空間推算模型，進(jìn)一步得到寒凍害空間分布，并將結(jié)果與實(shí)況做比較，評價(jià)其精度。

1　資料與方法

1.1資料

圖1　廣西區(qū)氣象臺站分布

文章所用資料包括氣象資料、地理信息數(shù)據(jù)及遙感數(shù)據(jù)。氣象資料為廣西壯族自治區(qū)91個(gè)氣象臺站(圖1)1960～2012年12～2月逐日最低氣溫資料。地理信息數(shù)據(jù)是1： 100萬廣西行政區(qū)劃圖矢量圖、30m30m數(shù)字高程數(shù)據(jù)(DEM)。遙感數(shù)據(jù)選用2007～2012年冬季廣西區(qū)域晴空EOS/MODIS地表反射率資料，來源于中國氣象局國家衛(wèi)星中心網(wǎng)站。

1.2方法

1.2.1篩選寒凍害過程的方法

依據(jù)甘蔗不同寒凍害類型的致災(zāi)等級標(biāo)準(zhǔn)[15](表1、表2)篩選逐年寒凍害過程，輻射型：持續(xù)2d最低氣溫(Tmin)≤1.0℃，則Tmin≤1.0℃的第一天作為輻射型寒凍害過程的開始日期，連續(xù)2dTmin>1.0℃，則Tmin>1.0℃的第一天為寒凍害過程的結(jié)束日期。平流型：持續(xù)5dTmin≤3.9℃，則Tmin≤3.9℃的第一天作為平流型寒凍害過程的開始日期，連續(xù)5dTmin>1.0℃，則Tmin>1.0℃的第一天為輻射型寒凍害過程的結(jié)束日期。

表1甘蔗輻射型寒凍害等級指標(biāo)及災(zāi)損指標(biāo)

致災(zāi)等級1級(輕)2級(中)3級(重)4級(嚴(yán)重)最低氣溫(℃)0.0～0.0-1.0～-0.1-2.0～-1.1<-2.0過程日最低氣溫≤1℃持續(xù)天數(shù)(d)1～23～45～6>6過程日最低氣溫≤1℃的積寒(℃)0.1～2.02.1～7.07.1～20.0>20寒害特征部分蔗葉受害干枯,但生長點(diǎn)未受害大部蔗葉受害、干枯,部分甘蔗生長點(diǎn)受害、變軟、變黑葉片干枯,生長點(diǎn)及蔗莖上部芽變軟、變黑,死亡蔗莖凍壞變質(zhì),縱剖蔗莖呈紅色或褐色,并有酸味或腐臭味,部分宿根凍死,無法萌芽和出苗產(chǎn)量損失(%)≤5.05.0～10.010.0～20.0>20糖分損失(%)0.2～0.50.6～1.01.1～2.0>2.0

表2甘蔗平流型寒凍害等級指標(biāo)及災(zāi)損指標(biāo)

致災(zāi)等級1級(輕)2級(中)3級(重)4級(嚴(yán)重)最低氣溫(℃)2.0～4.00.0～1.9-1.5～-0.1<-1.5過程日最低氣溫≤4℃持續(xù)天數(shù)(d)5～89～1516～28>28過程日最低氣溫≤4℃的積寒(℃)10.0～50.050.1～300.0300.1～900.0>900寒害特征葉片青綠無明顯受害,但生長點(diǎn)變黑壞死,梢部側(cè)芽變軟,剖面為黃褐色,地下莖蔗芽未受害多數(shù)葉片的葉尖及1/3～1/2葉面積枯白,生長點(diǎn)及梢部蔗芽變黑壞死,中下部蔗芽受傷,地下莖蔗芽影響不明顯葉片大部枯白,僅葉鞘和近葉鞘三叉口葉片有條斑狀綠色,生長點(diǎn)及大部分蔗芽死亡,地下莖蔗芽的1、2節(jié)未受害蔗葉枯白,蔗莖側(cè)芽死亡,縱剖蔗莖節(jié)間呈黃色臘肉狀或水煮狀,地下莖1、2節(jié)芽凍死,3、4節(jié)芽部分凍死,縱剖呈水煮狀產(chǎn)量損失(%)≤5.05.1～10.010.1～20.0>20糖分損失(%)0.2～0.50.6～1.01.1～2.0>2.0

1.2.2數(shù)據(jù)的提取

運(yùn)用ARCGIS軟件，構(gòu)建廣西區(qū)域250m×250m網(wǎng)格點(diǎn)，并根據(jù)格點(diǎn)的地理坐標(biāo)信息，從數(shù)字高程數(shù)據(jù)中提取對應(yīng)格點(diǎn)的經(jīng)度、緯度、海拔高度等信息，應(yīng)用ENVI軟件，從EOS/MODIS數(shù)據(jù)中提取對應(yīng)格點(diǎn)的地表反射率值。

2　空間推算模型的構(gòu)建

2.1基于氣溫實(shí)況資料的最低氣溫空間推算模型(以某一日為例)

大量的觀測資料證明，氣溫的空間變化與其地理經(jīng)度、緯度、海拔高度等信息關(guān)系密切[16]。為了客觀地描述區(qū)域某日最低氣溫的空間變化，運(yùn)用廣西91個(gè)氣象臺站最低氣溫的實(shí)測資料及氣象臺站對應(yīng)的經(jīng)度、緯度、海拔高度值，應(yīng)用數(shù)理統(tǒng)計(jì)學(xué)中的多元線性回歸分析方法，構(gòu)造該日最低氣溫空間變化模型，并根據(jù)此模型來推算在無測站最低氣溫的空間分布狀況。關(guān)系模型可表示為：

Y=f(φ，ψ，h)+ε

(1)

其中，Y為某日的最低氣溫值；Φ、Ψ、h分別代表緯度、經(jīng)度、海拔高度等地理因子，ε為殘差項(xiàng)。

2.2基于氣溫實(shí)況資料和下墊面狀況的逐日氣溫空間推算模型

氣溫的時(shí)空變化除與基礎(chǔ)地理信息相關(guān)外，還與其對應(yīng)的下墊面性質(zhì)關(guān)系密切。地表反射率是指地表物體向各個(gè)方向上反射的太陽總輻射通量與到達(dá)該物體表面上的總輻射通量之比。不同的下墊面狀況，其地表反射率值是不同的。為此，將氣象臺站對應(yīng)的EOS/MODIS等衛(wèi)星資料反演的地表反射率值引入最低氣溫空間變化推算模型，即：

Y=f(φ，ψ，h，v)+ε

(2)

式中，Y為某日最低氣溫值；Φ、Ψ、h分別代表緯度、經(jīng)度、海拔高度等地理因子，v為地表反射率值。

應(yīng)用以上兩種模型，將廣西區(qū)域內(nèi)250m×250m網(wǎng)格點(diǎn)的經(jīng)度Φ、緯度Ψ、海拔高度h、地表反射率值v等數(shù)據(jù)分別代入模型方程，推算出某日最低氣溫在250m×250m網(wǎng)格上的分布； 再以91個(gè)氣象臺站的該日最低氣溫殘差值為樣本，運(yùn)用反距離權(quán)重插值法，得到最低氣溫值250m×250m網(wǎng)格的殘差分布； 將250m×250m網(wǎng)格的模型值與殘差值相加，得到某一日250m×250m網(wǎng)格最低氣溫值。

依據(jù)以上方法，構(gòu)建寒凍害過程中逐日250m×250m網(wǎng)格最低氣溫值，再取每個(gè)格點(diǎn)在寒凍害過程中的最低氣溫的最低值，在GIS中，將格點(diǎn)值轉(zhuǎn)化為柵格數(shù)據(jù)，得到此次寒凍害過程廣西區(qū)域的空間分布圖。

運(yùn)用以上方法，創(chuàng)建逐年寒凍害過程的最低氣溫資料網(wǎng)格點(diǎn)數(shù)據(jù)庫。

3　結(jié)果分析

該文以2010年12月15日至2011年1月12日的輻射型寒凍害及2008年1月25日至2月2日的平流型寒凍害為典型例子，運(yùn)用上述方法，分別得到輻射型和平流型寒凍害基于地理信息的建模結(jié)果及基于地理信息及下墊面信息所得到的建模結(jié)果(表3～6)?？梢钥闯觯椛湫秃畠龊煞N建模結(jié)果的R2均在0.77以上，平流型寒凍害兩種建模結(jié)果的R2均在0.82以上，即兩種建模方法所建模型都具有相當(dāng)好的擬合度，且針對平流型寒凍害所建模型要比輻射型寒凍害所建模型的效果更好。

表3基于地理信息的輻射型寒凍害(2010年12月15日至2011年1月12日)建模結(jié)果

日期模型復(fù)相關(guān)系數(shù)2010-12-15Y=179.9373-1.4289×Φ-0.7814×Ψ-0.0067×hR2=0.89002010-12-16Y=143.3161-1.0332×Φ-1.1789×Ψ-0.0050×hR2=0.85352010-12-17Y=148.1928-1.0786×Φ-1.1498×Ψ-0.0059×hR2=0.86202011-01-06Y=100.9223-0.6736×Φ-0.9134×Ψ-0.0065×hR2=0.89362011-01-07Y=95.6506-0.6004×Φ-0.9896×Ψ-0.0062×hR2=0.87382011-01-08Y=72.1602-0.3968×Φ-0.9767×Ψ-0.0043×hR2=0.82062011-01-09Y=99.2187-0.6890×Φ-0.7415×Ψ-0.0062×hR2=0.84122011-01-10Y=91.0044-0.5859×Φ-1.0046×Ψ-0.0038×hR2=0.84852011-01-11Y=81.0193-0.4692×Φ-1.1398×Ψ-0.0031×hR2=0.78582011-01-12Y=98.6113-0.6788×Φ-0.8656×Ψ-0.0039×hR2=0.7946

表4基于地理信息及下墊面信息的輻射型寒凍害(2010年12月15日至2011年1月12日)建模結(jié)果

日期模型復(fù)相關(guān)系數(shù)2010-12-15Y=181.0434-1.4288×Φ-0.8076×Ψ-0.0066×h-3.0321×vR2=0.88902010-12-16Y=140.6800-1.0263×Φ-1.1230×Ψ-0.0050×h+3.2491×vR2=0.85162010-12-17Y=145.9603-1.0718×Φ-1.1034×Ψ-0.0059×h-2.1626×vR2=0.85872011-01-06Y=99.6002-0.6671×Φ-0.8882×Ψ-0.0064×h-0.1237×vR2=0.89222011-01-07Y=93.7370-0.5939×Φ-0.9740×Ψ-0.0061×h-1.1883×vR2=0.87132011-01-08Y=70.9899-0.3907×Φ-0.9547×Ψ-0.0043×h-0.2959×vR2=0.81402011-01-09Y=98.0760-0.6851×Φ-0.7182×Ψ-0.0061×h-0.8404×vR2=0.83492011-01-10Y=89.1264-0.5754×Φ-0.9700×Ψ-0.0036×h-0.8452×vR2=0.85342011-01-11Y=80.7781-0.4662×Φ-1.1368×Ψ-0.0031×h-1.0177×vR2=0.77622011-01-12Y=98.0582-0.6764×Φ-0.8548×Ψ-0.0039×h+0.1448×vR2=0.7858

表5基于地理信息的平流型寒凍害(2008年1月25日至2月2日)建模結(jié)果

日期模型復(fù)相關(guān)系數(shù)2008-01-25Y=123.4634-0.7453×Φ-1.6161×Ψ-0.0017×hR2=0.84562008-01-26Y=126.5264-0.8413×Φ-1.3605×Ψ-0.0025×hR2=0.84012008-01-27Y=101.7762-0.6503×Φ-1.2112×Ψ-0.0025×hR2=0.83162008-01-28Y=93.1016-0.5919×Φ-1.0988×Ψ-0.0024×hR2=0.82882008-01-29Y=105.9025-0.6847×Φ-1.1517×Ψ-0.0037×hR2=0.86052008-01-30Y=109.5753-0.8377×Φ-0.6050×Ψ-0.0053×hR2=0.84432008-01-31Y=64.0947-0.4122×Φ-0.6779×Ψ-0.0039×hR2=0.86422008-02-01Y=62.7366-0.3786×Φ-0.7719×Ψ-0.0039×hR2=0.84942008-02-02Y=127.3146-0.9563×Φ-0.8565×Ψ-0.0046×hR2=0.8387

表6基于地理信息及下墊面信息的平流型寒凍害(2008年1月25日至2月2日)建模結(jié)果

日期模型復(fù)相關(guān)系數(shù)2008-01-25Y=122.3444-0.7406×Φ-1.5940×Ψ-0.0016×h-3.6961e-4×vR2=0.83932008-01-26Y=125.1548-0.8353×Φ-1.3337×Ψ-0.0025×h+3.3295e-4×vR2=0.83422008-01-27Y=100.2984-0.6442×Φ-1.1819×Ψ-0.0024×h-5.8351e-4×vR2=0.82552008-01-28Y=91.6793-0.5853×Φ-1.0714×Ψ-0.0024×h-0.8689e-4×vR2=0.82352008-01-29Y=104.4802-0.6805×Φ-1.1220×Ψ-0.0037×h-0.0015×vR2=0.85542008-01-30Y=108.1433-0.8323×Φ-0.5761×Ψ-0.0053×h-8.3200e-4×vR2=0.84012008-01-31Y=62.9845-0.4077×Φ-0.6558×Ψ-0.0039×h-4.7220e-4×vR2=0.86062008-02-01Y=61.8331-0.3751×Φ-0.7538×Ψ-0.0039×h-4.9723e-4×vR2=0.84312008-02-02Y=124.0584-0.9519×Φ-0.7837×Ψ-0.0047×h-0.0063×vR2=0.8485

左上為基于地理信息輻射型寒凍害過程空間分布； 右上為基于地理信息平流型寒凍害過程空間分布； 左下為基于地理信息及下墊面的輻射型寒凍害過程空間分布； 右下為基于地理信息及下墊面的平流型寒凍害過程空間分布圖2　輻射型(2010～2011年)與平流型(2008年)寒凍害過程空間分布

左為輻射型寒凍害自動(dòng)站實(shí)況分布； 右為平流型寒凍害自動(dòng)站實(shí)況分布圖3　輻射型(2010～2011年)與平流型(2008年)寒凍害自動(dòng)站實(shí)況空間分布

利用所建模型計(jì)算研究區(qū)各格點(diǎn)的日最低氣溫，得到寒凍害過程空間分布圖，并將其與自動(dòng)站實(shí)況圖進(jìn)行比較(圖2～3)。從輻射型和平流型寒凍害空間分布圖上均可看出，最低氣溫從南到北逐漸降低，即寒凍害空間分布呈現(xiàn)從南到北逐漸加重的趨勢，這與實(shí)際情況是相符的。對于平流型寒凍害來說，廣西全區(qū)均不同程度受災(zāi)，其中西南部的崇左、南寧、欽州、北海災(zāi)情較輕，北部受災(zāi)區(qū)域較大且災(zāi)情較重，災(zāi)情最重區(qū)位于桂林大部，柳州、河池、百色、賀州北部、來賓東部地區(qū)及中部的南寧市武鳴縣和上林縣交界處，最低溫度可達(dá)-6℃或以下。輻射型寒凍害的空間分布和平流型寒凍害相當(dāng)一致，但重災(zāi)區(qū)要比平流型略大，且最低溫度達(dá)到-6℃或以下的區(qū)域也比平流型略多一些。總的來說，兩種模型反演所得寒凍害空間分布均與自動(dòng)站實(shí)況圖相當(dāng)一致，其中基于地理信息的寒凍害建模結(jié)果與實(shí)況更為接近，而加入了下墊面信息的寒凍害建模結(jié)果則災(zāi)情偏重，這種情況在輻射型寒凍害建模結(jié)果中尤為明顯。但是，在加入下墊面信息的輻射型寒凍害分布圖上可以很清晰地分辨出河流的形狀，以及城市的“熱島效應(yīng)”，即它能夠細(xì)致地反映出下墊面的溫度變化，這是它優(yōu)于僅基于地理信息的寒凍害建模方法的一個(gè)方面。

為了進(jìn)一步檢驗(yàn)寒凍害模型反演結(jié)果的精度，將模型值與自動(dòng)氣象觀測站值之間的誤差做成空間分布圖(圖4)。由圖可見，平流型寒凍害(2008)模型值與實(shí)況值差值小于2℃的格點(diǎn)分別占88%和85%，而對于輻射型寒凍害(2011)來說則只有78%和74%，這說明兩種模型對平流型寒凍害的模擬效果優(yōu)于對輻射型寒凍害的模擬結(jié)果。此外，從兩種方法對同一類型寒凍害的模擬結(jié)果來看，僅基于地理信息的寒凍害模型也比加入下墊面信息的寒凍害模型模擬效果更優(yōu)，這也和寒凍害分布圖的分析結(jié)果是一致的。四種模型的模型值與實(shí)況值差值小于2℃的格點(diǎn)數(shù)所占比例參差不齊，利用自動(dòng)站數(shù)據(jù)進(jìn)行檢驗(yàn)結(jié)果不太理想的原因可能是建模時(shí)僅選用了基本站數(shù)據(jù)，而基本站大多在城區(qū)，受熱島效應(yīng)影響其溫度值較自動(dòng)站偏高所致。

左上為基于地理信息輻射型寒凍害與對應(yīng)自動(dòng)站誤差； 右上為基于地理信息及下墊面的輻射型寒凍害與對應(yīng)自動(dòng)站誤差；左下為基于地理信息平流型寒凍害與對應(yīng)自動(dòng)站誤差； 右下為基于地理信息及下墊面的平流型寒凍害與對應(yīng)自動(dòng)站誤差圖4　輻射型寒凍害(2010～2011年)與平流型寒凍害(2008年)模型值與對應(yīng)實(shí)況值誤差分布

4　結(jié)論與討論

(1)不同的寒害凍害類型，作物受害機(jī)理有明顯的差異[17]。受緯度、地形、地貌和下墊面地物性質(zhì)差異等因素的影響，寒害凍害強(qiáng)度的空間分布與寒凍害類型關(guān)系密切[17]。該文采用兩種模型反演所得寒凍害空間分布均與自動(dòng)站實(shí)況圖相當(dāng)一致，且對平流型寒凍害比輻射型寒凍害反演精度更高，這可能是由于不同寒凍害天氣過程引發(fā)氣溫空間差異性大所致。輻射型寒凍害的形成是在冬季冷高壓控制下，夜間地表長波輻射冷卻引發(fā)的。不同地形、不同海拔高度，冷空氣沉積量、時(shí)間不盡相同。此外，不同下墊面，射出長波輻射也存在差異，最終導(dǎo)致氣溫空間差異明顯。而平流型寒凍害的形成多為北方冷空氣團(tuán)與西南暖濕氣團(tuán)在華南上空形成相對穩(wěn)定的靜止鋒所致。

(2)該文基于GIS技術(shù)及氣候?qū)W模型，針對不同類型的寒凍害過程，融合經(jīng)緯度、海拔高度等地理信息及地表反射率等下墊面信息，對寒凍害過程的最低氣溫資料進(jìn)行較高空間分辨率的訂正，依據(jù)甘蔗寒凍害等級指標(biāo)，提出基于地理信息及基于地理信息及下墊面狀況的空間反演模型，并構(gòu)建了廣西逐年寒凍害過程的最低氣溫資料數(shù)據(jù)庫。為甘蔗寒凍害風(fēng)險(xiǎn)區(qū)劃奠定基礎(chǔ)，為氣象站點(diǎn)覆蓋不到的區(qū)域甘蔗寒凍害監(jiān)測提供技術(shù)支撐，為甘蔗寒凍害災(zāi)害評估提供科學(xué)依據(jù)。

(3)研究中選取甘蔗這一作物寒凍害發(fā)生標(biāo)準(zhǔn)等級，篩選寒凍害過程，增強(qiáng)了模型的針對性、實(shí)用性； 加入遙感監(jiān)測的下墊面信息建模，增加了模型的客觀性。有效提高了農(nóng)業(yè)氣象服務(wù)的準(zhǔn)確性。該文在構(gòu)建模型時(shí)僅選用基本站最低氣溫值，在以后的工作中可考慮加入自動(dòng)站的溫度信息進(jìn)行建模，通過增加樣本數(shù)量進(jìn)一步提高模型模擬精度。

[1]何燕，譚宗琨，馮源.1999年嚴(yán)重霜凍、冰凍天氣對廣西農(nóng)業(yè)的影響.廣西氣象, 2000，(1)： 6～8

[2]覃蔚謙. 從建國后數(shù)次凍害看今冬凍害甘蔗糖的損失.廣西蔗糖, 2000，(1)： 14～18

[3]卓英育.1999年甘蔗霜害情況調(diào)查及對策.廣西農(nóng)學(xué)報(bào), 2001，(3)： 40～43

[4]石登武， 韋東料，丁麗瓊.2008年低溫冰凍災(zāi)害對甘蔗生產(chǎn)的影響.農(nóng)業(yè)科技通訊, 2009，(5)： 74～76

[5]黃淑娥， 殷劍敏，王懷清.“3s”技術(shù)在縣級農(nóng)業(yè)氣候區(qū)劃中的應(yīng)用.江西農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2000， 22，(2)： 271～273

[6]郭兆夏， 朱琳，葉殿秀，等.GIS在氣候資源分析及農(nóng)業(yè)氣候區(qū)劃中的應(yīng)用.西安大學(xué)學(xué)報(bào)， 2000， 30，(4)： 357～359

[7]何燕， 譚宗琨，李政，等.基于 GIS的廣西甘蔗低溫凍害區(qū)劃研究.西南大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2007， 29，(9)： 81～85

[8]何燕， 蘇永秀，李政，等.基于GIS的廣西香蕉種植生態(tài)氣候區(qū)劃研究.西南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2006， 28，(4)： 573～576

[9]周清波. 國內(nèi)外農(nóng)情遙感現(xiàn)狀與發(fā)展趨勢.中國農(nóng)業(yè)資源與區(qū)劃， 2004, 25(25): 9～14

[10]張雪芬， 陳懷亮，鄭有飛，等.冬小麥凍害遙感監(jiān)測應(yīng)用研究.南京氣象學(xué)院學(xué)報(bào)， 2006， 29，(1)： 94～100

[11]陳小敏， 陳匯林，陶忠良.2008年初海南橡膠寒害遙感監(jiān)測初探.自然災(zāi)害學(xué)報(bào)， 2013， 22，(1)： 24～28

[12]檀艷靜， 張佳華，姚鳳梅.中國作物低溫冷害監(jiān)測與模擬預(yù)報(bào)研究進(jìn)展.生態(tài)學(xué)雜志， 2013， 32，(7)： 1920～1927

[13]李章成. 作物凍害高光譜曲線特征及其遙感監(jiān)測.北京：中國農(nóng)業(yè)科學(xué)院， 2008

[14]張峭， 王克.我國農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評估與區(qū)劃.中國農(nóng)業(yè)資源與區(qū)劃， 2011， 3，(32)： 32～36

[15]譚宗琨， 黃城華，孟翠麗，等.甘蔗寒凍害等級指標(biāo)及災(zāi)損指標(biāo)的初步研究.中國農(nóng)學(xué)通報(bào)， 2014, 30(28): 169～181

[16]譚宗琨. 甘蔗生產(chǎn)氣象監(jiān)測與評估.南寧：接力出版社， 2011， 346～348

[17]包輝昌， 劉世業(yè)，何鵬.不同寒凍害天氣類型對廣西香蕉生產(chǎn)影響的初步分析.安徽農(nóng)業(yè)科學(xué)， 2008, 36(23): 9953～8854

[18]杜堯東， 李春梅，毛慧琴.廣東省香蕉與荔枝寒害致災(zāi)因子和綜合氣象指標(biāo)研究.生態(tài)學(xué)雜志， 2006, 25(2): 225～230

[19]鄒瑜， 吳代東，牟海飛，等.廣西香蕉寒害凍害等級指標(biāo)及發(fā)生規(guī)律研究.西南農(nóng)業(yè)學(xué)報(bào)， 2011, 24(3): 941～944

[20]李娜， 霍治國，賀楠,等.華南地區(qū)香蕉、荔枝寒害的氣候風(fēng)險(xiǎn)區(qū)劃.應(yīng)用生態(tài)學(xué)報(bào)， 2010, 21(5): 1244～1251

[21]蔡大鑫， 王春乙，張京紅，等.基于產(chǎn)量的海南香蕉寒害風(fēng)險(xiǎn)分析與區(qū)劃.生態(tài)學(xué)雜志， 2013, 32(7): 1896～1902

[22]匡昭敏， 李強(qiáng)，堯永梅，等.EOS/MODIS數(shù)據(jù)在甘蔗寒害監(jiān)測評估中的應(yīng)用.應(yīng)用氣象學(xué)報(bào)， 2009, 20(3): 360～364

[23]王春林， 唐力生，陳水森，等.寒冷災(zāi)害監(jiān)測中的全天候地表溫度反演方法研究.中國農(nóng)業(yè)氣象， 2007, 28(1): 80～87

RESEARCH ON INVERSION MODEl OF SUGARCANE′S FREEZING DAMAGE DISTRIBUTION IN GUANGXI*

Meng Cuili1，Tan Zongkun2※，Li Zitian3

(1.Wuhan National Agro-meteorology Station，Wuhan Hubei 430040，China 2.Guangxi Meteorological Disaster Mitigation Institute，Nanning Guangxi 530022，China； 3.Nanning Meteorological Bureau，Nanning Guangxi 530029，China)

The freezing injury was one of the main meteorological disasters in main sugar production region. A wide spread and serious freezing injury would cause the decrease in sugarcane production and sugar content,and hence lead to the huge economic losses for farmers and business. However,the information of the injury during the freeze stage was hard to acquire due to the complex topography and the sparse distribution of the meteorological stations. This led to huge difficulties for monitoring and assessment of the freezing injury, and the disaster prevention and reduction. To timely reflect the real situation of regional freezing damage, based on the geographic information, EOS/MODIS data and minimum temperature data during freezing damage in Guangxi, this paper built up the spatial estimation models of minimum temperature of geographic information, the coupling of geographic information, and underlying surface information using the multivariate statistical regression method, and created the minimum temperature lattice database of annual freezing damage process. Then, it compared the inversion results with the in-situ data taking radiation freezing damage in 2008 and advection freezing damage in 2010 as an example. The results showed that the inverted spatial distribution of the freezing damage was agreement with the site monitoring result. In addition, the inversion modelling for advection freezing damage had higher accuracy than that for radiation freezing damage.

sugarcane; freezing damage; inversion model; MODIS; multivariate regression

10.7621/cjarrp.1005-9121.20160603

2015-06-10

孟翠麗(1984—)，女，陜西渭南人，工程師。研究方向：生態(tài)與應(yīng)用氣象學(xué)?！ㄓ嵶髡撸鹤T宗琨(1966—)，男，廣西浦北人，教授級高工。研究方向：生態(tài)與應(yīng)用氣象學(xué)。Email：tanzongkun@163.com

廣西自然基金項(xiàng)目“廣西甘蔗種植寒害凍害風(fēng)險(xiǎn)區(qū)劃與評估研究”(2012GXNSFAA053190)； 國家科技支撐項(xiàng)目課題“亞熱帶主要農(nóng)作物寒凍害評估與監(jiān)測預(yù)警技術(shù)研究”(2008BADB8B01)

S426; S566.1

A

1005-9121[2016]06-0015-08

*