基于作物倒伏遥感监测的农田防护林防风效能评价*

张新乐, 于　微, 邱政超，刘焕军,2，王　楠，赵博文

(1.东北农业大学 资源与环境学院，黑龙江 哈尔滨 150030；2.中国科学院东北地理与农业生态研究所，吉林 长春 130012)

我国是一个传统的农业大国，也是世界上农业灾害最严重的国家之一[1]。农田防护林是为了防止自然灾害，特别是气象灾害对农业生产的危害，增强农田生态系统的抗干扰能力，建立的具有多种效用的人工林生态系统。农田防护林高效多功能经营的目标是使其持续不断地发挥最大的综合效益，实现永续利用[2]。为防护林带研究提供新的技术手段，制定合理的耕作计划，有效预防风灾，减少农作物的倒伏损失，对于农田防护林的经营管理和作物的增产、稳产提供重要参考。

遥感技术具有的快速、经济、客观、区域性等优点为作物倒伏监测、灾情评估方面提供了重要支撑[3-5]。目前国内外不少学者在作物倒伏遥感监测方面进行了探索性研究。Yang等[6]利用Radarsat-2全极化影像结合雷达极化指数进行小麦倒伏的监测。李宗南等[7-8]先后使用了无人机和Worldview-2多光谱影像进行了田块尺度玉米倒伏面积的提取。另外部分专家学者利用中分辨率影像来实现作物的倒伏提取，任红玲等[4]利用环境星影像完成吉林省台风引起的玉米倒伏提取。刘良云等[9]根据小麦倒伏前后其光谱特征的差异，利用多时相的TM遥感数据监测小麦倒伏的面积与程度。

防护林是农业系统的重要组成[10]，如何准确、快速的获取防护林的有关信息显得尤其重要。利用遥感技术可以实现防护林相关信息的提取，邓荣鑫等[11-12]和Pedro等[13]分别基于TM影像，对林带信息进行了提取与监测研究。而郑晓等[14]则将MODIS低分辨率影像、Landsat TM 中分辨率影像、SPOT5高分辨率影像结合使用，实现对三北地区片状防护林面积的估算。

农田防护林的防护效应首先表现在防风效能上，由于风速的减低引起了一系列其它气象要素的改变，这些改变往往局限于林带附近(数十米至数百米)[15-16]。因此，防风效能是防护林的重要评价指标。对于影响防护林防风效能指标的相关研究表明，林网与单条林带相比，其作用为群体综合效果。由于林网的存在，使农田受到全方位的保护。林网比单条林带的防风效果好[17]，因为风通过林网时，每一条林带都有减弱风速的作用。林带宽度是林带本身的结构指标，其对防风效果有一定影响，但并非林带越宽防风效果越好[18]。防护林总量的多少直接影响农林生态系统的平衡，但是防护林面积过大，单株树木所分配的水量减少，影响树木生长，所以增加防护林总量的问题存在争议[19]。农田防护林的防风效能受多种因素影响， 因此，合理配置农田防护林，才能有效提高防风效能，减少作物产量损失。

目前，国内外许多学者利用风洞试验、野外观测和数值模拟等方法开展了农田防护林体系的防风效能研究[20-23]，但对防风效能的评价需要大量观测，准备多种假设条件，运用多种数学模拟方法。倒伏是由外界因素引发的植物茎秆从自然直立状态到永久错位的作物受灾现象，利用高分辨遥感影像提取作物倒伏信息，可作为参照媒介与评价指标，实现农田防护林的防风效能定量评价。本文通过对区域尺度的作物倒伏与防护林带的遥感提取，分析作物倒伏面积与防护林带指标的关系，定量评价防护林的防风效能，为防护林合理布局提供科学依据。

1　材料与方法

1.1　研究区概况

图1为研究区位置及影像图。二九一农场位于黑龙江省双鸭山、富锦、集贤、桦川等四市县交界区，隶属于黑龙江农垦总局红兴隆管理局，地理坐标为46°50′～47°15′ N，东经130°20′～131°43′ E。地势平坦，海拔高度63～69 m之间，属温带大陆性季风气候，无霜期120 d，常年有效积温2 500 ℃左右。全场占地总面积610 km2，其中耕地面积耕地374.66 km2，适应优质水稻、玉米、大豆等作物生产。该区域早已经开始建立防护林网络，主要树种以杨树为主，农田防护林在该区域扮演着重要的角色。

1.2　数据来源及处理

1.2.14气象数据与风灾概况

2016年8月末至9月初，黑龙江省集贤县二九一农场发生风灾。本文于黑龙江垦区气象服务系统获取二九一农场气象数据，该地区8月31日07：10风速最大，达到69 km/h，10 min风向是44，为东北风，风力为8级。9月1日的风向基本为东北风，在11：10风速达到最大值为63 km/h，风力为8级。风灾影响严重，导致该县玉米、水稻等多种作物发生倒伏。

1.2.2遥感数据

获取研究区2016年9月23日的RapidEye遥感卫星影像，空间分辨率为5 m；2016年5月18日的GF-1 PMS遥感卫星影像，与全色融合之后空间分辨率为2 m；30 m分辨率的 DEM 数据。RapidEye影像处理流程主要包括：正射校正、影像融合、大气校正。GF-1 PMS影像处理流程主要包括：正射校正、辐射定标、FLAASH大气校正、影像融合、影像拼接。采用RapidEye影像对风灾进行提取，采用GF-1 PMS影像用于防护林带的提取。

1.2.3野外样点数据

研究区采样点分布如图1，野外数据采集的时间为2016年9月10-11日，在研究区选取样点，采样点随机分布，样品采集过程中收集了采样点和相应地区的详细情况，包括采样地区的地理位置、采样时间、采样点倒伏程度、作物类别、作物倒伏与未倒伏的原因、树种、作物长势。作物倒伏采样点81个，防护林带采样点50个。

图1　研究区位置、防护林带提取与采样点分布图(R/G/B:4/3/2)

图2　玉米和水稻混作图

图3　大豆和水稻混作图

图4　水稻上下部分分区图

基于农业保险公司提供的，通过高分辨率影像数字化制图而成的1 604个投保地块，每个地块均有作物类型信息。在 Google earth 高分辨率影像上选取验证点，每种作物为30个，经地面调查确定投保地块精度达96.42%。对作物进行分类处理后可得，作物类别为：水稻、玉米、水稻和大豆混作、水稻和玉米混作。共有19.3%的大片水稻地块内分布一定面积的大豆或玉米种植区，构成了水稻和大豆混作、水稻和玉米混作，如图2、图3。作物种植总面积为404.62 km2，其中玉米面积为151.28 km2，水稻面积为186.13 km2，水稻和大豆混作面积为0.74 km2，水稻和玉米混作面积为66.47 km2，各占作物种植总面积的比例为：37.39%、46.00%、0.18%、16.43%。

1.3　研究方法

1.3.1倒伏信息提取

运用监督分类方法提取作物倒伏区域。使用最大似然分类算法将风灾提取结果分为倒伏与未倒伏两类，人机交互对分类结果进行修正。由于RapidEye遥感影像空间分辨率(5 m)显著高于HJ-1A_CCD遥感影像空间分辨率(30 m)，且具有红边波段，所以选用9月23日的RapidEye遥感影像，其影像中有云面积为32.20 km2，占总面积的7.96%，选择9月20号的HJ-1A_CCD遥感影像替换有云部分，获取作物倒伏信息。

1.3.2防护林带提取

研究区5月中旬防护林已是绿色，而农田为裸土。农田防护林在标准假彩色影像中的特点为线状、红色，并且具有较规则的网状结构，与土壤背景有鲜明的差异。通过计算归一化植被指数(NDVI)，利用阈值提取防护林带[10]。

1.3.3作物倒伏提取和防护林带提取精度评价方法：

作物倒伏与防护林带信息遥感提取精度的精度评价，均采用总分类精度方法完成精度证。总分类精度公式：

(1)

式中：PC为总分类精度；m为分类类别数；N为样本总数；Pkk为第k类的判别样本数。

1.3.4林带指标构建

林带结构包括林带疏透度、林带配置方式、林带行数、株行距、保存率、林带树木平均胸径、冠下干径、树高、枝下高等，各个指标之间相互联系，相互作用，形成具有特定的结构，进而发挥特定防护作用的林带[24]。在本研究区，由于林带在同一时期种植，所以对于不同林带，大部分林带指标相同；而林网密度、林带宽度、林带面积等三种指标差异较大。所以，本文选择这三种指标，研究对作物倒伏情况的影响。

(1)林带宽度与面积提取方法：玉米的种植区主要在农场中部，水稻的种植区在农场的南部和北部，考虑到风向、地形和地势的影响，将水稻的研究区分为上、下两部分，研究水稻倒伏与防护林带指标的关系(图4)。研究区域风向为东北风，东侧和北侧林带的共同作用对作物倒伏的影响显著，所以，本文选择东侧和北侧林带来综合分析防护林带与作物倒伏的关系。故构建林带面积(东侧加北侧)S1、林带面积(东侧)S2、倒伏面积S、林带宽度(东侧)W1和林带宽度(北侧)W2。

(2)林网密度提取方法：如图5所示，利用Arcgis10.1软件中的Fishnet功能，经过多次实验尝试，考虑林带的走向各异、地块的大小不一和方向差异，且适当的包含大部分的地块与林带，故生成900 m×900 m的网格，每个网格内的林带面积与该格网面积的比值为林网密度Fρ(无量纲)。

1.3.5林带指标构建作物样本点选择

在作物倒伏信息提取结果与防护林带提取结果中，选择玉米45个样本点，水稻上部分31个样本点，水稻下部分34个样本点，用于构建林带指标，分析玉米和水稻上、下部分共三个区域的林带指标与倒伏面积的关系。

1.3.6数理统计方法

对于所获取的玉米倒伏数据与林带指标数据，首先采用数理统计的方法进行数据预处理，然后运用 SPSS统计分析软件进行相关性分析与模型构建。

2　结果与分析

2.1　风灾遥感监测结果

研究区作物倒伏遥感监测结果如图6a，玉米倒伏提取对比图如图6b，水稻倒伏提取对比图如图6c。总体倒伏面积为111.60 km2，占总面积的27.58%，总体分类精度为95.06%。其中水稻上部分倒伏面积为25.00 km2，占水稻上部分总面积比重的25.39%，水稻下部分倒伏面积为26.45 km2，占水稻下部分总面积比重的30.16%，玉米倒伏面积为36.92 km2，占玉米总面积比重的24.41%，大豆和水稻混作倒伏面积为0.24 km2，占大豆与水稻混作总面积比重的32.43%。玉米和水稻的倒伏面积为22.30 km2，占玉米与水稻混作总面积比重的33.56%。

2.2　防护林带遥感监测结果

防护林带提取结果如图1，面积为40.11 km2，经对采样点的验证可得，该研究区对防护林提取的总体分类精度为96%。

2.3　防护林带指标与倒伏面积的关系

2.3.1林网密度与倒伏面积的关系

利用SPSS软件得到以下结果如图7～图10。对于玉米和水稻两种作物，林网密度与倒伏面积均为对数函数关系，且在一定范围内随着林网密度的增大，倒伏面积逐渐减少。RMSE分别为：32.76、34.66、28.59、23.87。

2.3.2林带面积与倒伏面积的关系

(1)林带面积(东侧加北侧)与倒伏面积的关系

通过分析玉米北侧加东侧的林带面积、水稻上、下部分的东侧加北侧的林带面积与倒伏面积的关系，利用SPSS软件得到以下结果如表1所示。东侧加北侧的林带面积与倒伏面积均为对数函数关系，且在一定范围内随着林带面积的增大，倒伏面积逐渐减少。

图5　林带指标构建图(R/G/B:4/3/2)

图6　作物倒伏遥感提取及对比图(R/G/B:5/4/3)

(2)林带面积(东侧)与倒伏面积的关系

玉米东侧的林带面积和水稻上、下部分东侧的林带面积与倒伏面积的关系如表1所示。对于玉米和水稻两种作物，林带面积(东侧)与倒伏面积均为对数函数关系，但精度较低。

2.3.3林带宽度与倒伏面积的关系

(1)林带宽度(东侧)与倒伏面积的关系

通过分析玉米右侧的林带宽度和水稻上、下部分东侧的林带宽度与倒伏面积的关系，得到以下结果如表1所示。东侧林带宽度与倒伏面积均为对数函数关系，且在一定范围内随着林带宽度的增加，倒伏面积逐渐减少。

(2)林带宽度(东侧加北侧)与倒伏面积的关系

利用SPSS软件得到玉米的林带宽度(东侧加北侧)和水稻上、下部分的林带宽度(东侧加北侧)与倒伏面积的关系结果如表1所示，相对于林带宽度(东侧)与倒伏面积的关系的精度较低。

2.4　林带指标范围确定

获取各林带指标与倒伏面积函数关系的一阶导数函数图(图11)。根据图11中的曲线变化率，结合各林带指标与作物倒伏情况的函数变化关系分析(图7～图10和表1)。可以得到，对于玉米、水稻作物适宜种植的林带指标为，林网密度为0.04～0.07，林带面积(东侧加北侧)为2 000～3 500 m2，林带宽度(东侧)为35～55 m。

3　讨论

目前对农田防护林防风效能的研究主要局限于防护林本身，而对作物倒伏的研究主要局限于作物本身，本文将农田防护林带指标与作物倒伏相结合，实现倒伏信息提取、农田防护林带的信息提取，并且完成了对防风效能的定量评价。在以往研究中，王冬米等[25]研究发现林网具有抗御、削弱灾害性天气的作用, 对农业减灾增产的效益明显。张纪林[26]通过对林带防护指标与作物倒伏面积的测算，评价了重风灾条件下农田防护林对作物的防护作用。本文，利用遥感手段实现了农田防护林带与作物倒伏关系分析，证明了相关研究假设的可靠性与真实性。

图7　玉米倒伏面积与林网密度关系曲线图

图8　水稻整体倒伏面积与林网密度关系曲线图

图9　水稻上部分倒伏面积与林网密度关系曲线图

图10　水稻下部分倒伏面积与林网密度关系曲线图

类别作物类别模型R2RMSE林带面积(东侧加北侧)与倒伏面积关系玉米S=-49088ln(S1)+5624400683992水稻上部分S=-46297ln(S1)+4930550713503水稻下部分S=-27768ln(S1)+3067580692823水稻整体S=-34201ln(S1)+3729330643517林带面积(东侧)与倒伏面积关系玉米S=-45543ln(S2)+5229000584602水稻上部分S=-27156ln(S2)+2968280643908水稻下部分S=-41204ln(S2)+4423410653092水稻整体S=-32177ln(S2)+3502830583806林带宽度(东侧)与倒伏面积关系玉米S=-65063ln(W1)+3196440723757水稻上部分S=-51420ln(W1)+2292680633916水稻下部分S=-30814ln(W1)+1510930653004水稻整体S=-38083ln(W1)+1800930593727林带宽度(东侧与北侧)与倒伏面积关系玉米S=-98903×W1-47753×W2+132493000664024水稻上部分S=-86896×W1+15958×W2+88834570374974水稻下部分S=-33729×W1-44793×W2+67572930353965水稻整体S=-45015×W1-42120×W2+74515820314765

防护林带的首要功能是减小风速，风速的减小将影响湍流传递过程，并改善遮蔽区的微气象条件[27]。Perera等[20]研究发现非常浓密的防护林会发生分流现象(疏透度小于20%)，增加背风面的湍流再循环，使得防护林的背风面仍然保持很高的风速。在本文研究区，虽然防护林带可减少作物倒伏，但靠近防护林的作物仍会发生倒伏的现象(图12)。

图11　林带指标与倒伏面积函数关系的一阶导数图

图12　防护林带湍流作用倒伏图

图13　防护林带角度作用倒伏图

图14　缺少北侧林带作物倒伏对比图(玉米)

图15　缺少东侧林带作物倒伏对比(水稻)

Wang等[28]发现当防护林与风的角度为垂直时，防风效率最高；随着角度的倾斜，防护林的防风效率降低。在本文研究区，当防护林与东北风向垂直时，防护效率最高；当防护林与东北风向的角度发生倾斜时，其防风效率降低，倒伏程度越严重(图13)，证实了该发现。

由分析可知，林带面积(东侧)与倒伏面积关系的精度低于林带面积(东侧加北侧)与倒伏面积关系的精度。因为风向为东北风，所以东侧和北侧林带面积的共同作用高于东侧林带的作用效果。而对于林带宽度，林带宽度(东侧加北侧)对倒伏的影响本应高于林带宽度(东侧)，但一些地块北侧的林带种植断断续续或没有种植。导致林带宽度(东侧加北侧)与倒伏面积关系的精度低于林带宽度(东侧)与倒伏面积关系的精度。所以，在进行防护林的种植时，要针对风向进行合理的种植，保证林带种植的连续性与科学性，这样才能使农田防护林起到良好的防风效果。

风向为东北风，当东侧林带走向一致，宽度相当时，具有北侧林带的地块倒伏程度低于北侧无林带的地块(图14)。当北侧都无林带时，具有东侧林带的地块倒伏程度低于东侧无林带的地块(图15)。且通过表1中可得，林带面积(东侧加北侧)与倒伏面积关系的R2高于林带面积(东侧)与倒伏面积关系的R2，林带宽度(东侧)与倒伏面积关系的R2高于林带宽度(东侧与北侧)与倒伏面积关系。

该研究区发生风灾时的风力级数为8级，风力大，作物倒伏严重。本文鉴于目前的技术手段和数据分析结果，提出了该地区对应该风力下适宜种植的林带指标范围，其他风力下适宜种植的林带指标范围可能会略有不同。但本文提供了一种定量分析的方法和思路，下一步将会对此问题进行深入研究。

本文利用遥感手段研究了农田防护林与作物倒伏之间的定量关系，深化了遥感技术在农田防护林监测方面的研究，提升了农田防护林研究的技术水平，为农田防护林研究增加了新的方法与思路，为探索农田防护林的防护效应提供了科学根据。但受当前遥感影像分辨率的影响与科学水平的制约，本文对于防护林带的提取、作物倒伏的提取精度有待提高，并且在本文中只考虑了三种林带指标对防护林防风效能的影响，在今后的研究中应当考虑更多的影响因素。

4　结论

本研究利用高空间分辨率遥感数据实现对作物倒伏的提取，并对研究区防护林带指标与作物倒伏进行定量分析，得到以下结论：①对于玉米和水稻两种作物，林带密度、林带面积(东侧加北侧)、林带宽度(东侧)与倒伏面积之间均为对数函数关系；②根据林网密度、林带宽度、林带面积与作物倒伏面积之间的定量关系，可以确定，对于该研究区玉米、水稻作物适宜种植的林带指标为，林网密度为0.04～0.07，林带面积(东侧加北侧)为2 000～3 500 m2，林带宽度(东侧)为35～55 m；③该地区应适当增加农场东侧与北侧的林带种植，合理布设农田防护林，既能有效抵御作物倒伏，又能提高土地利用率，节约成本。

参考文献：

[1]闫峰，李茂松，王艳姣, 等.遥感技术在农业灾害监测中的应用[J].自然灾害学报，2006，15(6):131-136.

[2]曹新孙.农田防护林学[M].北京:中国林业出版社,1983:1 - 100.

[3]史舟，梁宗正，杨媛媛,等.农业遥感研究现状与展望[J].农业机械学报，2015，46(2): 247-260.

[4]任红玲, 王萌, 刘珂,等.卫星遥感在台风影响玉米倒伏灾害监测中的应用[J].吉林气象, 2015, 22(4)：21-24.

[5]王福涛，王世新，周艺,等.多光谱遥感在重大自然灾害评估中的应用与展望[J].光谱学与光谱分析, 2011,31(3):577-582.

[6]Yang H, Chen E and Li Z, et al.Wheat lodging monitoring using polarimetric index from RADARSAT-2data[J].International Journal of Applied Earth Observation & Geoinformation, 2015, 34(1):157-166.

[7]李宗南， 陈仲新，王利民,等.基于小型无人机遥感的玉米倒伏面积提取[J].农业工程学报， 2014，30(19): 207-213.

[8]李宗南，陈仲新，任国业,等.基于Worldview-2影像的玉米倒伏面积估算[J].农业工程学报,2016,32(2): 1-5.

[9]刘良云，王纪华，宋晓宇，等.小麦倒伏的光谱特征及遥感监测[J].遥感学报，2005，9(3):323-327.

[10] Brandle J R，Hodges L，Zhou X H, et al.Windbreaks in North American agricultural systems[J].Agroforestry Systems，2004，61-62(1):65-78.

[11] 邓荣鑫，李颖，张树文，等.基于TM影像的农田防护林信息提取研究[J].土壤与作物，2011，27(1):12-16.

[12] 邓荣鑫，王文娟，李颖，等.农田防护林对作物长势的影响分析[J].农业工程学报，2013, 29(S1):65-72.

[13] Pedro R G，Jorge L B，Daniel O.Mangrove Vegetation Asse-ssment in the Santiago River Mouth，Mexico，by Means of Su-pervised Classification Using Landsat TM Imagery[J].Forest Ecology and Management，1998，105(1-3):217-229.

[14] 郑晓，朱教君.基于多元遥感影像的三北地区片状防护林面积估算[J].应用生态学报，2013，24(8): 2257-2264.

[15] 江爱良．华南植胶区防护林气象效能的试验考察报告(1954-1957年)[M]．北京：科学出版社，1958．

[16] Sun D，Dickinson G R.Wind effect on windbreak establishment in northern Australia[J].Tree Planters Notes,1994，45(2):72-75.

[17] 扈军亚.浅析农田防护林带小气候[J].现代农村科技，2014(20):40-41.

[18] 李永平，冯永忠，杨改河, 等.北方旱区农田防护林防风效应研究[J].西北农林科技大学学报自然科学版，2009，37(6):92-98.

[19] 梁万君，王宪成，胡海清.防护林布局的评价方法[J].东北林业大学学报，2005，33(5):24-26.

[20] Perera M D A E S.Shelter behind two-dimensional solid andporous fences[J].Journal of Wind Engineering & Industrial Aerodynamics，1981，8(1/2): 93-104.

[21] Wilson J D, Oblique，Stratified winds about a shelter fence.Part I: Measurements[J].Journal of Applied Meteorology，2010，43(8): 1149-1167.

[22] Wilson J D, Oblique.Stratified winds about a shelter fence.Part II: Comparison of Measurements with Numerical Models[J].Journal of Applied Meteorology，2010，43(10):1392-1409.

[23] Wang H，Takle E S.On three-dimensionality of shelterbelt structure and its influences on shelter effects[J].Boundary-Layer Meteorology，1996，79(1): 83-105.

[24] 范志平，关文彬，曾德慧，等.东北地区农田防护林高效多功能经营的指标体系及标准研究[J].应用生态学报，2001，12(5):701-705.

[25] 王冬米, 梁景彬, 卢国耀,等.沿海防护林对农业减灾增产的初步研究及价值核算[J].防护林科技技，2007(2):54-55.

[26] 张纪林.重风灾条件下林网作物产量防护效果研究方法[J].南京林业大学学报(自然科学版), 1996, 20(1):38-42.

[27] Wang Hao,Takle Eugene S，Shen Jinmei,等.防护林带:湍流的数学模型与计算机模拟[J].力学进展，2003，33(1):119-137.

[28] Wang H and Takle E S.On shelter efficiency of shelterbelts in oblique wind[J].Agricultural & Forest Meteorology, 1996, 81(1):95-117.