广西甘蔗寒冻害空间反演模型研究*

孟翠丽，谭宗琨，李紫甜

(1.武汉农业气象试验站，湖北武汉　430040； 2.广西区气象减灾研究所，南宁　530022； 3.南宁市气象局，广西南宁　530029)



·技术方法·

广西甘蔗寒冻害空间反演模型研究*

孟翠丽1，谭宗琨2※，李紫甜3

(1.武汉农业气象试验站，湖北武汉430040； 2.广西区气象减灾研究所，南宁530022； 3.南宁市气象局，广西南宁530029)

甘蔗寒冻害是蔗糖主产区主要气象灾害之一。大范围、严重的甘蔗寒冻害造成甘蔗产量和蔗糖分含量下降，给广大蔗农及企业带来巨大的经济损失。但受蔗区地形地貌复杂及气象观测台站分布稀疏等因素制约，寒冻害过程影响期间难以获取区域甘蔗实际受害信息，给甘蔗寒冻害过程监测、评估及防灾、减灾措施的实施带来了极大困难。为了实现及时、真实地反演甘蔗产区寒冻害程度，文章基于广西历年冬季寒冻害过程最低气温资料、地理信息数据以及EOS/MODIS卫星资料，采用多元回归法，分别构建基于地理信息、基于地理信息及下垫面信息耦合的最低气温空间推算模型，创建了逐年寒冻害过程最低气温格点数据库。并以2008年辐射型、2010年平流型寒冻害过程为例，将反演结果与实况进行比较，结果表明两种模型反演所得寒冻害空间分布状况均与自动站实况一致，两种模型对平流型寒冻害的模拟效果优于对辐射型寒冻害的模拟。

甘蔗； 寒冻害； 反演模型； MODIS； 多元回归

0　引言

甘蔗寒冻害是广西、云南等蔗糖主产省(区)主要气象灾害之一。榨季寒冻害的发生，尤其是大范围、严重寒冻害的发生，不仅造成本榨季大面积甘蔗受害，甘蔗产量和蔗糖分含量不同程度下降，导致制糖企业进厂原料严重不足及增加蔗糖回收成本，而且还直接影响到甘蔗留种及宿根甘蔗的正常发蔸，最终波及下一榨季甘蔗产量的构成，给广大蔗农及企业带来巨大的经济损失[1-2]。但长期以来，因受蔗区地形地貌复杂、多样及气象观测台站分布稀疏等因素制约，寒冻害过程影响期间往往难以获取区域甘蔗实际受害等相关信息，给有关部门针对性地实施防灾、减灾措施带来了极大困难。因此，能否及时、真实地反演区域寒冻害程度，不仅为客观评估甘蔗灾损，以及采取相应的防灾、减灾措施提供依据，而且对广西区域今后蔗糖产业的布局、发展至关重要。

在寒冻害的研究方面，目前主要集中在以下几个方面，一是从气象学、气候学与作物受害程度建立关系，定义寒冻害指标，如杜尧东[18]以广东省为研究区划进行了香蕉、荔枝寒冻害致灾因子和综合气象指标研究，邹瑜[19]等对广西香蕉寒冻害等级指标进行定义，谭宗琨[15]等针对甘蔗寒冻害等级指标及灾损指标的进行了初步探索。二是寒冻害的时空演变及风险区划，如李娜[20]等研究了华南地区香蕉、荔枝的风险区划，何燕[7]等基于GIS技术对广西香蕉低温寒害进行了风险区划，蔡大鑫[21]基于产量对海南省香蕉寒害进行分析与区划。三是基于遥感技术对寒冻害监测评估，初步应用效果较好，如匡昭敏[22]等选用EOS/MODIS数据对广西甘蔗寒害吉进行监测评估，王春林[23]等基于全天候地表温度反演方法监测寒冷害监测，但针对不同类型的寒冻害过程开展不同监测方法的对比分析尚未见报道。

气温是反映近地层系统热量状态的综合指标，同时也是评估农作物寒冻害损失的关键指标之一。然而广西的地形地貌复杂，气温等气象要素的空间分布差异十分明显，有限的气象观测台站难以真实反映区域气象要素的多样性。鉴于气象要素的时空分布与地理位置密切相关，国内不少专家、学者尝试将统计学方法与地理信息系统相结合，利用已知站点气象数据与气象台站的经度、纬度、海拔高度等基础地理信息数据构造相应的空间模拟模型[3-4]，获取研究区气象要素的空间分布规律，并在寒冻害监测中得到了广泛的应用。然而，以地表性质相似或相近和数量极其有限的、且空间分布不均衡的气象站点观测数据来模拟、推算地形地貌复杂且地表性质多样的无测站点气象要素，其精准度至今仍未得到世人的公认。因此， 10多年来，国内外不少学者尝试应用卫星资料来进行寒冻害监测[5-14]，取得了一定的效果。但针对甘蔗这种作物开展不同类型寒冻害过程空间反演还未见报道。

EOS/MODIS卫星资料具有空间分辨率(250m×250m)较高、覆盖范围广，可客观、定量地反映地表性质等优点，可用于寒冻害过程的监测。该文将广西气象台站最低气温资料， 1： 100万广西行政区划图矢量图及数字高程数据，还有EOS/MODIS卫星地表反射率资料结合起来，采用多元回归法构建最低气温的空间推算模型，进一步得到寒冻害空间分布，并将结果与实况做比较，评价其精度。

1　资料与方法

1.1资料

图1　广西区气象台站分布

文章所用资料包括气象资料、地理信息数据及遥感数据。气象资料为广西壮族自治区91个气象台站(图1)1960～2012年12～2月逐日最低气温资料。地理信息数据是1： 100万广西行政区划图矢量图、30m30m数字高程数据(DEM)。遥感数据选用2007～2012年冬季广西区域晴空EOS/MODIS地表反射率资料，来源于中国气象局国家卫星中心网站。

1.2方法

1.2.1筛选寒冻害过程的方法

依据甘蔗不同寒冻害类型的致灾等级标准[15](表1、表2)筛选逐年寒冻害过程，辐射型：持续2d最低气温(Tmin)≤1.0℃，则Tmin≤1.0℃的第一天作为辐射型寒冻害过程的开始日期，连续2dTmin>1.0℃，则Tmin>1.0℃的第一天为寒冻害过程的结束日期。平流型：持续5dTmin≤3.9℃，则Tmin≤3.9℃的第一天作为平流型寒冻害过程的开始日期，连续5dTmin>1.0℃，则Tmin>1.0℃的第一天为辐射型寒冻害过程的结束日期。

表1甘蔗辐射型寒冻害等级指标及灾损指标

致灾等级1级(轻)2级(中)3级(重)4级(严重)最低气温(℃)0.0～0.0-1.0～-0.1-2.0～-1.1<-2.0过程日最低气温≤1℃持续天数(d)1～23～45～6>6过程日最低气温≤1℃的积寒(℃)0.1～2.02.1～7.07.1～20.0>20寒害特征部分蔗叶受害干枯,但生长点未受害大部蔗叶受害、干枯,部分甘蔗生长点受害、变软、变黑叶片干枯,生长点及蔗茎上部芽变软、变黑,死亡蔗茎冻坏变质,纵剖蔗茎呈红色或褐色,并有酸味或腐臭味,部分宿根冻死,无法萌芽和出苗产量损失(%)≤5.05.0～10.010.0～20.0>20糖分损失(%)0.2～0.50.6～1.01.1～2.0>2.0

表2甘蔗平流型寒冻害等级指标及灾损指标

致灾等级1级(轻)2级(中)3级(重)4级(严重)最低气温(℃)2.0～4.00.0～1.9-1.5～-0.1<-1.5过程日最低气温≤4℃持续天数(d)5～89～1516～28>28过程日最低气温≤4℃的积寒(℃)10.0～50.050.1～300.0300.1～900.0>900寒害特征叶片青绿无明显受害,但生长点变黑坏死,梢部侧芽变软,剖面为黄褐色,地下茎蔗芽未受害多数叶片的叶尖及1/3～1/2叶面积枯白,生长点及梢部蔗芽变黑坏死,中下部蔗芽受伤,地下茎蔗芽影响不明显叶片大部枯白,仅叶鞘和近叶鞘三叉口叶片有条斑状绿色,生长点及大部分蔗芽死亡,地下茎蔗芽的1、2节未受害蔗叶枯白,蔗茎侧芽死亡,纵剖蔗茎节间呈黄色腊肉状或水煮状,地下茎1、2节芽冻死,3、4节芽部分冻死,纵剖呈水煮状产量损失(%)≤5.05.1～10.010.1～20.0>20糖分损失(%)0.2～0.50.6～1.01.1～2.0>2.0

1.2.2数据的提取

运用ARCGIS软件，构建广西区域250m×250m网格点，并根据格点的地理坐标信息，从数字高程数据中提取对应格点的经度、纬度、海拔高度等信息，应用ENVI软件，从EOS/MODIS数据中提取对应格点的地表反射率值。

2　空间推算模型的构建

2.1基于气温实况资料的最低气温空间推算模型(以某一日为例)

大量的观测资料证明，气温的空间变化与其地理经度、纬度、海拔高度等信息关系密切[16]。为了客观地描述区域某日最低气温的空间变化，运用广西91个气象台站最低气温的实测资料及气象台站对应的经度、纬度、海拔高度值，应用数理统计学中的多元线性回归分析方法，构造该日最低气温空间变化模型，并根据此模型来推算在无测站最低气温的空间分布状况。关系模型可表示为：

Y=f(φ，ψ，h)+ε

(1)

其中，Y为某日的最低气温值；Φ、Ψ、h分别代表纬度、经度、海拔高度等地理因子，ε为残差项。

2.2基于气温实况资料和下垫面状况的逐日气温空间推算模型

气温的时空变化除与基础地理信息相关外，还与其对应的下垫面性质关系密切。地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。不同的下垫面状况，其地表反射率值是不同的。为此，将气象台站对应的EOS/MODIS等卫星资料反演的地表反射率值引入最低气温空间变化推算模型，即：

Y=f(φ，ψ，h，v)+ε

(2)

式中，Y为某日最低气温值；Φ、Ψ、h分别代表纬度、经度、海拔高度等地理因子，v为地表反射率值。

应用以上两种模型，将广西区域内250m×250m网格点的经度Φ、纬度Ψ、海拔高度h、地表反射率值v等数据分别代入模型方程，推算出某日最低气温在250m×250m网格上的分布； 再以91个气象台站的该日最低气温残差值为样本，运用反距离权重插值法，得到最低气温值250m×250m网格的残差分布； 将250m×250m网格的模型值与残差值相加，得到某一日250m×250m网格最低气温值。

依据以上方法，构建寒冻害过程中逐日250m×250m网格最低气温值，再取每个格点在寒冻害过程中的最低气温的最低值，在GIS中，将格点值转化为栅格数据，得到此次寒冻害过程广西区域的空间分布图。

运用以上方法，创建逐年寒冻害过程的最低气温资料网格点数据库。

3　结果分析

该文以2010年12月15日至2011年1月12日的辐射型寒冻害及2008年1月25日至2月2日的平流型寒冻害为典型例子，运用上述方法，分别得到辐射型和平流型寒冻害基于地理信息的建模结果及基于地理信息及下垫面信息所得到的建模结果(表3～6)。可以看出，辐射型寒冻害两种建模结果的R2均在0.77以上，平流型寒冻害两种建模结果的R2均在0.82以上，即两种建模方法所建模型都具有相当好的拟合度，且针对平流型寒冻害所建模型要比辐射型寒冻害所建模型的效果更好。

表3基于地理信息的辐射型寒冻害(2010年12月15日至2011年1月12日)建模结果

日期模型复相关系数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基于地理信息及下垫面信息的辐射型寒冻害(2010年12月15日至2011年1月12日)建模结果

日期模型复相关系数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冻害(2008年1月25日至2月2日)建模结果

日期模型复相关系数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基于地理信息及下垫面信息的平流型寒冻害(2008年1月25日至2月2日)建模结果

日期模型复相关系数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

左上为基于地理信息辐射型寒冻害过程空间分布； 右上为基于地理信息平流型寒冻害过程空间分布； 左下为基于地理信息及下垫面的辐射型寒冻害过程空间分布； 右下为基于地理信息及下垫面的平流型寒冻害过程空间分布图2　辐射型(2010～2011年)与平流型(2008年)寒冻害过程空间分布

左为辐射型寒冻害自动站实况分布； 右为平流型寒冻害自动站实况分布图3　辐射型(2010～2011年)与平流型(2008年)寒冻害自动站实况空间分布

利用所建模型计算研究区各格点的日最低气温，得到寒冻害过程空间分布图，并将其与自动站实况图进行比较(图2～3)。从辐射型和平流型寒冻害空间分布图上均可看出，最低气温从南到北逐渐降低，即寒冻害空间分布呈现从南到北逐渐加重的趋势，这与实际情况是相符的。对于平流型寒冻害来说，广西全区均不同程度受灾，其中西南部的崇左、南宁、钦州、北海灾情较轻，北部受灾区域较大且灾情较重，灾情最重区位于桂林大部，柳州、河池、百色、贺州北部、来宾东部地区及中部的南宁市武鸣县和上林县交界处，最低温度可达-6℃或以下。辐射型寒冻害的空间分布和平流型寒冻害相当一致，但重灾区要比平流型略大，且最低温度达到-6℃或以下的区域也比平流型略多一些。总的来说，两种模型反演所得寒冻害空间分布均与自动站实况图相当一致，其中基于地理信息的寒冻害建模结果与实况更为接近，而加入了下垫面信息的寒冻害建模结果则灾情偏重，这种情况在辐射型寒冻害建模结果中尤为明显。但是，在加入下垫面信息的辐射型寒冻害分布图上可以很清晰地分辨出河流的形状，以及城市的“热岛效应”，即它能够细致地反映出下垫面的温度变化，这是它优于仅基于地理信息的寒冻害建模方法的一个方面。

为了进一步检验寒冻害模型反演结果的精度，将模型值与自动气象观测站值之间的误差做成空间分布图(图4)。由图可见，平流型寒冻害(2008)模型值与实况值差值小于2℃的格点分别占88%和85%，而对于辐射型寒冻害(2011)来说则只有78%和74%，这说明两种模型对平流型寒冻害的模拟效果优于对辐射型寒冻害的模拟结果。此外，从两种方法对同一类型寒冻害的模拟结果来看，仅基于地理信息的寒冻害模型也比加入下垫面信息的寒冻害模型模拟效果更优，这也和寒冻害分布图的分析结果是一致的。四种模型的模型值与实况值差值小于2℃的格点数所占比例参差不齐，利用自动站数据进行检验结果不太理想的原因可能是建模时仅选用了基本站数据，而基本站大多在城区，受热岛效应影响其温度值较自动站偏高所致。

左上为基于地理信息辐射型寒冻害与对应自动站误差； 右上为基于地理信息及下垫面的辐射型寒冻害与对应自动站误差；左下为基于地理信息平流型寒冻害与对应自动站误差； 右下为基于地理信息及下垫面的平流型寒冻害与对应自动站误差图4　辐射型寒冻害(2010～2011年)与平流型寒冻害(2008年)模型值与对应实况值误差分布

4　结论与讨论

(1)不同的寒害冻害类型，作物受害机理有明显的差异[17]。受纬度、地形、地貌和下垫面地物性质差异等因素的影响，寒害冻害强度的空间分布与寒冻害类型关系密切[17]。该文采用两种模型反演所得寒冻害空间分布均与自动站实况图相当一致，且对平流型寒冻害比辐射型寒冻害反演精度更高，这可能是由于不同寒冻害天气过程引发气温空间差异性大所致。辐射型寒冻害的形成是在冬季冷高压控制下，夜间地表长波辐射冷却引发的。不同地形、不同海拔高度，冷空气沉积量、时间不尽相同。此外，不同下垫面，射出长波辐射也存在差异，最终导致气温空间差异明显。而平流型寒冻害的形成多为北方冷空气团与西南暖湿气团在华南上空形成相对稳定的静止锋所致。

(2)该文基于GIS技术及气候学模型，针对不同类型的寒冻害过程，融合经纬度、海拔高度等地理信息及地表反射率等下垫面信息，对寒冻害过程的最低气温资料进行较高空间分辨率的订正，依据甘蔗寒冻害等级指标，提出基于地理信息及基于地理信息及下垫面状况的空间反演模型，并构建了广西逐年寒冻害过程的最低气温资料数据库。为甘蔗寒冻害风险区划奠定基础，为气象站点覆盖不到的区域甘蔗寒冻害监测提供技术支撑，为甘蔗寒冻害灾害评估提供科学依据。

(3)研究中选取甘蔗这一作物寒冻害发生标准等级，筛选寒冻害过程，增强了模型的针对性、实用性； 加入遥感监测的下垫面信息建模，增加了模型的客观性。有效提高了农业气象服务的准确性。该文在构建模型时仅选用基本站最低气温值，在以后的工作中可考虑加入自动站的温度信息进行建模，通过增加样本数量进一步提高模型模拟精度。

[1]何燕，谭宗琨，冯源.1999年严重霜冻、冰冻天气对广西农业的影响.广西气象, 2000，(1)： 6～8

[2]覃蔚谦. 从建国后数次冻害看今冬冻害甘蔗糖的损失.广西蔗糖, 2000，(1)： 14～18

[3]卓英育.1999年甘蔗霜害情况调查及对策.广西农学报, 2001，(3)： 40～43

[4]石登武， 韦东料，丁丽琼.2008年低温冰冻灾害对甘蔗生产的影响.农业科技通讯, 2009，(5)： 74～76

[5]黄淑娥， 殷剑敏，王怀清.“3s”技术在县级农业气候区划中的应用.江西农业大学学报， 2000， 22，(2)： 271～273

[6]郭兆夏， 朱琳，叶殿秀，等.GIS在气候资源分析及农业气候区划中的应用.西安大学学报， 2000， 30，(4)： 357～359

[7]何燕， 谭宗琨，李政，等.基于 GIS的广西甘蔗低温冻害区划研究.西南大学学报(自然科学版)， 2007， 29，(9)： 81～85

[8]何燕， 苏永秀，李政，等.基于GIS的广西香蕉种植生态气候区划研究.西南农业大学学报(自然科学版)， 2006， 28，(4)： 573～576

[9]周清波. 国内外农情遥感现状与发展趋势.中国农业资源与区划， 2004, 25(25): 9～14

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

[11]陈小敏， 陈汇林，陶忠良.2008年初海南橡胶寒害遥感监测初探.自然灾害学报， 2013， 22，(1)： 24～28

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

[13]李章成. 作物冻害高光谱曲线特征及其遥感监测.北京：中国农业科学院， 2008

[14]张峭， 王克.我国农业自然灾害风险评估与区划.中国农业资源与区划， 2011， 3，(32)： 32～36

[15]谭宗琨， 黄城华，孟翠丽，等.甘蔗寒冻害等级指标及灾损指标的初步研究.中国农学通报， 2014, 30(28): 169～181

[16]谭宗琨. 甘蔗生产气象监测与评估.南宁：接力出版社， 2011， 346～348

[17]包辉昌， 刘世业，何鹏.不同寒冻害天气类型对广西香蕉生产影响的初步分析.安徽农业科学， 2008, 36(23): 9953～8854

[18]杜尧东， 李春梅，毛慧琴.广东省香蕉与荔枝寒害致灾因子和综合气象指标研究.生态学杂志， 2006, 25(2): 225～230

[19]邹瑜， 吴代东，牟海飞，等.广西香蕉寒害冻害等级指标及发生规律研究.西南农业学报， 2011, 24(3): 941～944

[20]李娜， 霍治国，贺楠,等.华南地区香蕉、荔枝寒害的气候风险区划.应用生态学报， 2010, 21(5): 1244～1251

[21]蔡大鑫， 王春乙，张京红，等.基于产量的海南香蕉寒害风险分析与区划.生态学杂志， 2013, 32(7): 1896～1902

[22]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.应用气象学报， 2009, 20(3): 360～364

[23]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.中国农业气象， 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

孟翠丽(1984—)，女，陕西渭南人，工程师。研究方向：生态与应用气象学。※通讯作者：谭宗琨(1966—)，男，广西浦北人，教授级高工。研究方向：生态与应用气象学。Email：tanzongkun@163.com

广西自然基金项目“广西甘蔗种植寒害冻害风险区划与评估研究”(2012GXNSFAA053190)； 国家科技支撑项目课题“亚热带主要农作物寒冻害评估与监测预警技术研究”(2008BADB8B01)

S426; S566.1

A

1005-9121[2016]06-0015-08

*