农作物冷冻害遥感监测研究进展

冯美臣，王超，杨武德，张美俊，肖璐洁

（山西农业大学 旱作农业工程研究所，山西 太谷030801）

在全球气候变暖的背景下，极端天气气候事件出现的频率和强度增大，所造成的灾害损失也在不断增加。农作物在生长发育过程中，当温度下降到适宜温度的下限时，作物就延迟或停止生长，这就是所谓的低温灾害［1］。低温灾害可分为零上低温冷害和零下低温冻害。其中，冷害是指在作物生长期间出现一个或多个0℃以上的低温天气过程，影响作物生长发育和产量形成，导致不同程度减产或品质下降［2］。冻害是指越冬作物在越冬期间或冻融交替的早春或深秋，遭遇0℃以下甚至－20℃的低温或者长期处于0℃以下，作物因体内水分结冰或者丧失生理活力，从而造成植株死亡或部分死亡［3］。

冷冻害对作物的生长发育造成严重的影响，最终影响作物的产量，从而使粮食安全问题显得更为突出。因此，对冷冻害的监测及灾后的作物田间管理提出了更高的要求。

冷冻害是作物常见的灾害之一，农业部门及各地方政府等相关部门都对农作物灾害的实时监测极为关注。但长期以来，作物的受灾状况基本是通过当地定点观测的地面最低温度，结合作物的发育期，推算当地冻害的程度，再通过大田随机调查估计冻害面积。这种传统监测方法无法准确确定大范围最低温度的时空变化特征，在农业气象服务中，也就无法实现冻害的大面积精确监测及准确统计［4］。而且由于调查时的灾情等级判断易受人为主观因素的影响，其标准的掌握难以统一，数据准确性不足，因而影响了灾情数据的空间可比性。现代信息技术的发展为其提供了强有力的手段。

遥感技术可以迅速地监测灾害的发生与范围，可以为农业部门决策者和田间管理人员提供及时的农情信息，便于采取各种“促、调、控”措施，以达到减轻灾害、增收增效的目的，对农业生产具有重要的经济意义［5，6］。遥感技术被广泛应用于作物识别、长势监测和产量估测等方面。同时，在灾害监测方面、也取得了很大的发展，然而在冷冻害监测上却研究较少。因而积极开展作物冷冻害监测具有重要的现实意义，可为作物冷冻害监测及灾损评估提供新的途径和方法。

1 作物冷冻害遥感监测研究

国内外关于作物冷冻害的遥感监测研究主要包括大尺度遥感监测和地面光谱监测两个方面，取得的研究进展主要有：

1.1 基于大尺度遥感的作物冻害监测研究

冷冻害的发生具有突然性、区域性和不可预见性的特点，利用传统的方法很难研究冷冻害发生前后差异、发生范围大小、灾害影响程度等方面的评估，大尺度遥感技术因其快速、大面积、无损伤的特点，可以实现对其灾害评估的基本要求，达到冷冻害实时监测和灾损评估的目的，最终为作物的安全生产提供便利的技术手段。

大尺度遥感监测作物冻害多使用气象卫星数据，其中NOAA数据由于具有宏观、快速和廉价等特点，在实际应用中使用最多。汤志成等［7］利用NOAA卫星资料对江苏省冬作物冻害进行了分析，探索利用气象卫星资料进行作物宏观受害程度的方法。吉书琴等［8］采用卫星遥感的热红外信息监测辽宁低温冷害的分布和低温的强度、路径，初步的应用取得了较好的结果。杨邦杰等［9］利用逐日最低气温、最低地面温度资料及此期间气象卫星NOAA－AVHRR的所有晴空数据，根据植被指数NDVI突变的特征，并考虑到作物的生育期，提出了实用的遥感监测冻害发生与范围的方法。王连喜等［10］采取地基和空基相结合的方法，来实现水稻低温冷害的监测。

近年来，随着冷冻害发生频率的增加，小区域冷冻害现象明显增加，气象卫星数据由于在空间分辨率上的局限，已不能满足实际的需求。而随着遥感技术的发展，各种更高时间、空间分辨率遥感影像数据的逐渐应用，为利用遥感技术对作物霜冻害发生情况和产量损失监测具有较强的现实意义［11］。部分学者利用更高空间分辨率的遥感数据对冻害监测进行了研究，取得了一定的成果。何英彬等［12］利用MODIS数据计算NDVI，反演水稻全生育期逐日LAI，并结合SI MRI W模型估测水稻单产，进而可以此来评价冷害对水稻单产的影响。Rudorff等［13］利用 MODIS和STRM 数据对巴西甘蔗冻害进行了监测，表明遥感数据可以对甘蔗冻害程度进行有效的监测和评价。我国自行研制的环境减灾卫星在空间分辨率和时间分辨率上有了更大的提高，被广泛用于灾害监测。Wang等［14］利用灰色系统模型（GSM）并结合环境减灾卫星等数据和GIS对河北省藁城和锦城冬小麦冻害进行了系统研究，表明通过GSM、遥感影像和GIS分析相结合，能够客观、准确地进行冬小麦冻害的定量评价和研究，使评价模型更加科学。

1.2 基于地面光谱的作物冻害监测研究

上述研究为冻害在宏观遥感监测研究方面奠定了坚实的技术基础，但由于这些研究所使用的遥感影像分辨率较低，监测效果很难满足目前的需求。高光谱遥感成为地物监测的一个重要发展方向。大量的研究表明，通过高光谱遥感监测作物胁迫及长势是可行的［15～17］。李章成等［18］通过霜箱模拟冻害，研究了冬小麦拔节期冻害后高光谱特征，可以通过作物光谱变化情况来识别冻害，同时也可以进行冻害分级。表明利用NDVI差异可以进行冻害的识别，同时其差异分级可划分冻害程度。Wu等［19］通过对冬小麦苗期的低温冻害胁迫试验，表明利用高光谱成像监测冬小麦苗期冻害是可行的，并能准确地反映小麦幼苗冻伤部位。Wang等［20］通过对越冬休眠期冬小麦进行高光谱特征提取与敏感性分析，发现550 n m处反射率降低，“绿峰”“红谷”特征不明显，在1450 n m、1950 n m处的水分吸收谷差异明显。一阶微分特征随冻害的严重性体现在680～800 n m处的“红边”位置差异显著。

2 作物冷冻害遥感监测的技术方法

2.1 地面温度监测

利用遥感技术监测冻害，一方面要监测温度，尤其是最低气温，通常要求监测温度的精度小于1℃。这是因为作物发生冻害与否，直接与温度的高低有关，1℃的气温差别往往会带来两种不同的危害结果。

国内外学者对此进行了大量的研究。张晓煜等［21］利用NOAA卫星资料和高程资料分别反演了宁夏市的平均气温、最高、最低气温和最低地温，初步确定了小麦、玉米等主要作物的霜冻指标。张雪芬等［4］使用气象卫星遥感资料反演地面温度，结合地基资料，得到遥感的地面栅格最低温度，通过对比几种方法的误差，确定在研究区域应用的遥感反演地面最低温度的分裂窗算法。利用反演并经过变分订正的地面最低温度、冻害指标及小麦发育期资料，制作出冬小麦冻害发生的空间分布，并统计出不同冻害等级的面积，从而实现了冬小麦冻害的遥感监测与不同冻害面积的精确计算。Lou等［22］应用 NOAA－AVHRR数据，采用分裂窗算法反演地面最低温度，对茶园冻害进行了监测，并对冻害造成的经济损失进行了评价。Kerdiles等［23］建立NOAA－AVHRR亮温数据与气象站点最低气温资料的线性回归关系，开展阿根廷冬小麦霜冻害空间制图研究。

上述研究虽然取得了一定的研究成果，但研究所用遥感影像资料分辨率较低，MODIS数据具有较高的空间、时间分辨率，在作物监测方面具有一定的优势。王春林等［24］以广东汕尾山区为例，采用先进星载热辐射和反射辐射计（ASTER）数据和中分辨率成像光谱仪MODIS数据，利用不同空间分辨率和时间分辨率（周期）LST数据相结合进行寒害监测，建立了结合地形因子预测寒害温度分布的遥感地表温度修正模型，进而利用寒害评价指标预测主要经济作物寒害分布及灾情损失。Romanov［25］利用 NOAA和 MODIS数据，通过监测积雪覆盖和地面温度，对乌克兰冬季作物低温冻害进行了研究。

另一方面冻害的发生往往与低温的持续时间有关［26］，而遥感仅监测瞬时数据，因此很难反映出低温的持续时间。盛绍学等［27］认为低温冷害由强冷空气活动所致，一般持续时间较短，危害难以防范和补救，使用遥感监测尚存在较多困难。

2.2 植被指数差异分析

作物遭受冷冻害后，作物植株保持过冷却状态，体内叶绿素活性会减弱，对近红外光和红光的敏感度下降，导致植被指数发生变化。因此，植被指数差异分析主要是通过对比受灾前后植被指数的差值来判断受灾情况，植被的生物学意义较为明显［28］。杨邦杰等［9］利用 NOAA－NDVI的突变特征，结合地面气象数据，同时考虑到作物所处的生育时期，提出了实用的遥感冻害监测方法。李章成等［18］通过霜箱模拟冻害，利用NDVI差异进行冬小麦冻害的识别，同时其差异分级可划分冻害程度。FENG等［29］研究了冬小麦冻害发生时及发生前后MODIS－NDVI的变化情况，提出了利用生长恢复度来监测冬小麦冻害严重程度的方法，认为生长恢复度与产量存在线性关系。林海荣等［30］利用ET M植被指数和冠层温度的差异进行了棉花冷害监测，并利用植被指数的差异和冠层温度的差异进行了冻害程度的分级。根据植被指数绝对差值，把棉花种植区域划分为重冻害区（降低≥0.2）、轻度冻害区（降低0～0.2）、未受影响区。丁美花等［31］利用 MODIS数据并采用植被指数差值法（CVI）对广西地区甘蔗冻害进行监测，比较冻害前、后及无明显冻害年份同期的甘蔗NDVI值之间的差异，来反映区域性甘蔗受害的空间分布以及受害程度。董燕生等［28］用多时相环境减灾卫星数据对河北省中南部冬小麦进行了冻害监测，以冻害指数作为冬小麦冻害程度的评估指标，研究表明受灾前后冬小麦HJ－EVI的变化与冻害程度呈显著线性相关，能对冬小麦冻害影响范围和受灾程度进行有效评估。胡列群等［32］利用ET M＋影像对棉花低温冷害进行了遥感监测，NDVI值在低温冷害前后有明显的差异，冷害前NDVI值均大于冷害后，表明冷害对棉花造成了很大的影响。匡昭敏等［33］应用 MODIS－NDVI的变化差异对甘蔗寒害的空间分布及灾害面积的监测评估，灾害面积测算误差小于5%，能较好地满足业务需求。Tan等［34］利用RS和GPS数据对广西省甘蔗冻害进行了监测和灾损评估，表明利用冻害发生前后的MODISNDVI数据可以反映冻害发生的程度和空间分布。

2.3 生理生态指标差异分析

冬小麦遭受低温胁迫后，最明显的特征是叶片失水失绿，严重时叶尖、叶片往往发生干枯甚至脱落，这就使得叶片含水量、叶绿素含量等农学参数成为诊断小麦冷冻害的重要指标。

Wang等［20］初步研究了低温胁迫或逆境下叶片含水量的变化情况及冻害光谱响应机理，以777 n m 处一阶微分值、SDr／SDb、（SDr－SDb）／（SDr＋SDb）为变量所建叶片含水量监测模型具有较高的精度。李章成等［11，18］分别对棉花苗期和冬小麦拔节期冻害胁迫下叶片叶绿素含量与高光谱的响应特征进行了分析，冬小麦叶片叶绿素含量减少，形成高光谱差异，红边位置与冻害程度有着显著的负相关，明显表现出受环境胁迫后蓝移现象；棉花叶片叶绿素利用638、682、720和768 n m波段的Log（1／ρ）值来反演是最佳的。

3 存在的主要问题和对策

农作物冷冻害遥感监测技术研究虽然已取得了一定的进展，与传统方法相比具有大面积、快速、省时、节省费用等优点，表现出了极大的潜在优势。但在监测机理、精度、实时性和实用化等方面还存在着较大的不足，有待于进一步的深入研究。

3.1 机理研究有待于进一步加强

作物冷冻害遥感监测研究长期以来仅通过地表温度的反演和植被指数差异变化来进行，且多为大尺度遥感监测。近年来才在地面光谱方面有所研究，但也以光谱变化特征为主，光谱响应方面的农学参数也仅有叶片水分和叶绿素含量。作物冷冻害的发生最终影响的主要是作物产量，农学参数和光谱响应的变化与作物最终产量形成和预测具有什么样的效应，目前尚未有明确的研究。因此，就目前的研究来看，作物冷冻害与特征光谱的机理性研究仍然缺乏，主要反映在光谱效应和遥感信息传递机制及其不确定性等尚未研究清楚［35］。从而致使所构建的模型或监测体系不稳定，这必然会造成监测模型外推性不理想的结果，最终导致大尺度遥感监测的低精确性。今后需加大作物冷冻害监测的机理研究，从农学角度出发，构建稳定性、普适性和适应性更强的预测预报模型。

3.2 空基与地基相结合

长期以来冷冻害的研究仍然局限于对地表温度的反演，且结合地面采集资料来进行冷冻害监测的研究较少。同时对于冷冻害的严重程度也仅限于NDVI的差值变化以及温度的高低来划分等级。发生冷冻害后，随着气温的回升，作物开始恢复生长，但由于冷冻害发生时地表温度的不同以及低温的持续时间不同，作物遭受冷冻害的程度也就不同，因此恢复生长的速度也表现为快慢不同。比如冬小麦发生冷冻害后，其生育期会延长，致使成熟期不一致，对产量造成的损失也是不同的。

另外，对于作物冷冻害监测来说，首先应该从作物本身出发，加强冷冻害发生时，作物本身对冷冻害响应的研究，然后再结合遥感进行监测。冷冻害发生的强弱程度不仅仅受温度的影响，也会受到作物所在区域、地形、气候［1］、土壤水分、品种和栽培措施等的影响。因此，在冷冻害的遥感监测方面必须结合空基和地基来进行整体的分析。

3.3 作物冷冻害遥感监测具有滞后性

农作物遭受冷冻害后，受冻的组织器官会表现为叶片青干、失水萎蔫下垂或干枯，这种表现具有一定的过程，是逐渐显现的，因此有一定的滞后性，这就使得利用冷冻害前后植被指数监测作物时，不能完全反映作物的受害情况。同时，这种滞后性表现在即时救灾方面也存在着一定的风险。但从宏观角度来说，却有利于国家及主管部门能及时获取作物受灾面积和受灾状况，对后续救灾及宏观调控具有重要的意义。

3.4 多源、多时相数据互补

从农业遥感监测角度来看，目前所使用的遥感数据多为可见光、近红外波段影像，发生冷冻害时往往气象条件极差，这对实时监测造成了很大的影响，可以利用全天时、全天候的雷达影像数据来弥补。冷冻害持续时间长短也是衡量冻害严重程度的一个标准，可以通过高时间分辨率的多时相遥感数据来解决这一问题。因此，作物冷冻害监测方面有必要加强多源、多时相遥感数据的监测研究。

4 展望

随着全球极端天气气候变化的加剧，各种灾害事件频发。对于农业来说，面临的灾害主要是旱害和冷冻害［36］，其造成的危害也是极为严重的，也是粮食安全面临的最大挑战。因此，及时、准确、大面积地获取受灾作物的面积和受灾程度显得尤为重要。信息技术的迅猛发展，尤其是遥感技术在农业上的广泛应用为解决这些问题提供了有力的手段。相对于干旱监测，冷冻害的遥感监测研究尚处于起步阶段，还没有形成完整的监测体系。而随着遥感技术的进一步发展，高空间分辨率、高时间分辨率和高光谱分辨率遥感数据的应用将会越来越深入，这将为作物冷冻害的精准监测提供更为有效的数据保障。另外，随着冷冻害监测机理研究的进一步深入，在结合地面作物采样数据以及影响作物冷冻害的多种因子的基础上，有望建立基于空基和地基的冷冻害预测预报模型，建成稳定性、普适性和适应性更强的预测预报体系，这将为我国农作物冷冻害的监测和灾损评估以及救灾工作起到极为重要的作用。

［1］李茂松，王道龙，钟秀丽，等.冬小麦霜冻害研究现状与展望［J］.自然灾害学报，2005（4）：72－78.

［2］赵俊芳，杨晓光，刘志娟.气候变暖对东北三省春玉米严重低温冷害及种植布局的影响［J］.生态学报，2009，29（12）：6544－6551.

［3］檀艳静，张佳华，姚凤梅，等.中国作物低温冷害监测与模拟预报研究进展［J］.生态学杂志，2013，32（7）：1920－1927.

［4］张雪芬，陈怀亮，郑有飞，等.冬小麦冻害遥感监测应用研究［J］.南京气象学院学报，2006，29（1）：94－100.

［5］Jeyasseelan A T.Dr oughts and floods assess ment and monitoring using remote sensing and GIS［C］.In Satellite Remote Sensing and GIS Applications in Agricult ural Meteor ology，Pr oceedings of the Training Wor kshop.7－11 July，2003，Dehra Dun，India.2004：291－313.

［6］Bayasgalan B.Disaster and Envir on ment Monitoring using Re mote Sensing data and GIS Technology in Mongolia［C］／／Proceedings of the 10t h Inter national Research and Training Seminar on Regional Planning for Disaster Prevention，1996：37－47.

［7］汤志成，孙涵.用 NOAA卫星资料作冬作物冻害分析［J］.遥感信息，1989（4）：39－39.

［8］吉书琴，张玉书，关德新，等.辽宁地区作物低温冷害的遥感监测和气象预报［J］.沈阳农业大学学报，1998，29（1）：16－20.

［9］杨邦杰，王茂新，裴志远.冬小麦冻害遥感监测［J］.农业工程学报，2002，18（2）：136－140.

［10］王连喜，秦其明，张晓煜.遥感技术在水稻低温冷害灾损评估中的应用［C］.／／新世纪气象科技创新与大气科学发展——中国气象学会2003年年会论文集.北京：气象出版社，2013：250－254.

［11］李章成，周清波，江道辉，等.棉花苗期冻害高光谱特征研究［J］.棉花学报，2008，20（4）：306－311.

［12］何英彬，陈佑启，唐华俊.基于MODIS反演逐日LAI及SI M RI W模型的冷害对水稻单产的影响研究［J］.农业工程学报，2007，23（11）：188－194.

［13］Rudorff B F T，Aguiar D A，Adami M，etal.Frost damage detection in sugarcane cr op using MODIS i mages and SRT M data［C］／／In Geoscience and Remote Sensing Sy mposiu m （IGARSS），2012 IEEE Inter national，2012：5709－5712.

［14］Wang Hui－fang，Guo wei，Wang Ji－hua，etal.Exploring the feasibility of winter wheat freeze injury by integrating Grey System Model wit h RS and GIS［J］.Jour nal of Integrative Agriculture.2013，12（7）：1162－1172.

［15］Thenkabail P S，Smit h R B.Hyperspectral vegetation indices and their relationships wit h agricult ural cr op characteristics［J］.Re mote Sensing of Envir on ment，2000，71：158－182.

［16］Glenn J F，Stephan J M，Willan R D.Spider mite detection and canopy component mapping in cotton using hyperspectral i mager y and spectral mixture analysis［J］.Precision Agricult ure，2004，5：275－289.

［17］黄文江，王纪华，刘良云，等.冬小麦红边参数变化规律及其营养诊断［J］.遥感技术与应用，2003，18（4）：206－211.

［18］李章成，周清波，吕新，等.冬小麦拔节期冻害后高光谱特征［J］.作物学报，2008，34（5）：831－837.

［19］Qiong Wu，Dazhou Zhu，Cheng Wang，etal.Diagnosis of freezing stress in wheat seedlings using hyperspectral i maging［J］.Biosystems Engineering，2012，112（4）：253－260.

［20］Wang H，Wang J，Wang Q，etal.Hyperspectral characteristics of winter wheat under freezing injury stress and L WC inversion model［C］／／In Agro－Geoinfor matics，2012 First International Conference on IEEE，2012，1－6.

［21］张晓煜，马玉平，苏占胜，等.宁夏主要作物霜冻试验研究［J］.干旱区资源与环境，2001，15（2）：50－54.

［22］Weiping Lou，Zongwei Ji，Ke Sun，Jianneng Zhou.Application of remote sensing and GIS for assessing econo mic loss caused by frost da mage t o tea plantations［J］.Precision Agriculture，2013，14：606－620.

［23］Ker diles H，Grondona M，Rodriguez R.etal.Frost mapping using NOAA AVHRR data in the pa mpean region［J］.Agintina Agricult ural and Forest Meteorology 1996，79（3）：157－182.

［24］王春林，唐力生，陈水森，等.寒冷灾害监测中的全天候地表温度反演方法研究［J］.中国农业气象，2007，28（1）：80－87.

［25］Ro manov P.Satellite－Derived Infor mation on Snow Cover for Agriculture Applications in Ukraine［J］.NATO Science for Peace and Security Series C：Envir on mental Securit y.2011，81－91.

［26］Robert N K，Drew J L.Freeze injury to Nebraska wheat.University of Nebraska Lincoln，Extension［EC／OL］.（2006－02－13）［2014－02－12］.http：／／ianr pubs.unl.edu／live／ec132／build／ec132.pdf.

［27］盛绍学，马晓群，杨太明，等.基于GIS的安徽省重大农业气象灾害测评系统［J］.南京气象学院学报，1998，21（4）：703－708.

［28］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］.农业工程学报，2012，28（20）：172－179.

［29］Feng Meichen，Yang Wude，Cao Liangliang，etal.Monitoring winter wheat freeze injury using multi－temporal MODIS data［J］.Agricultural Sciences in China，2009，8（9）：1053－1062.

［30］林海荣，李章成，周清波，等.基于ET M 植被指数和冠层温度差异遥感监测棉花冷害［J］.棉花学报，2009，21（4）：284－289.

［31］丁美花，谭宗琨，何燕，等.基于 MODIS数据的甘蔗冻害监测——以广西来宾市为例［J］.热带作物学报，2009，30（7）：918－922.

［32］胡列群，武鹏飞，李新建，等.基于ETM＋影像的棉花低温冷害遥感监测方法研究［J］.中国农学通报，2011，27（4）：459－463.

［33］匡昭敏，李强，尧永梅，等.EOS／MODIS数据在甘蔗寒害监测评估中的应用［J］.应用气象学报，2009，20（3）：360－364.

［34］Tan Z K，Ding M H，Wang L H，etal.Monitoring freeze injury and evaluating losing to sugar－cane using RS and GPS［C］.Computer and Computing Technologies in Agriculture II，Volume 1.IFIP Advances in Infor mation and Communication Technology，2009，293：307－316.

［35］王纪华，李存军，刘良云，等.作物品质遥感监测预报研究进展［J］.中国农业科学，2008，41（9）：2633－2640.

［36］张倩，赵艳霞，王春乙.我国主要农业气象灾害指标研究进展［J］.自然灾害学报，2010，19（6）：40－54.