农业气象灾害遥感监测研究

□文/马霜霜

在农业气象灾害遥感监测研究中，通过建立遥感分类系统和数据同化技术，对作物产量和农气参数进行遥感反演，在保障农作物产量的同时降低气象灾害造成的损失。以往的灾害监测评价方法大多采用现场调查、现场取样等常规的方法，不仅耗时、费力，还存在着以点带面的代表性差、主观性强、时效性差等问题，难以满足大范围灾害实时监测的需求，随着科技水平的不断提高，遥感技术为农业灾害的监测和评价提供了科学、有效的途径，大规模、快速获取作物、环境等方面的信息，为今后的农业灾害监测与评价奠定了基础。

一、浅述遥感监测

气象灾害是指影响人类生产生活的气候事件。如干旱、洪涝、风雹、低温冷害等，这些灾害往往会对农业生产造成巨大影响，并导致粮食减产严重。农业气象自然灾害主要包括冰雹、干旱、暴雨洪涝等等，这些自然灾害对农作物产量和品质会造成较大影响。气象灾害的发生与土壤水分含量和温度密切相关，而土壤水分含量在很大程度上取决于天气因素。在作物生长发育过程中，气象条件直接或间接地影响农作物的产量和品质。因此，监测农业气象灾害可以有效降低损失，提高农业生产效率。农作物产量受很多因素影响，而遥感技术可以在很大程度上进行研究分析［1］。

二、研究方法

研究区域及样本数据来源于西南地区五个州市，采用基于最小二乘法（LS）的数据处理方法以及面向对象分类方法对样本资料进行处理，得到各州市的农作物生长发育过程和产量变化情况。

（一）遥感反演模型，作物生长动态模型。主要采用最小二乘法和逐步回归法两种方法。其中最小二乘法是利用目标函数的梯度信息来估计线性回归方程中待定参数的值，这种方法适用于数据少的情况，并且该法则具有一定局限性，当目标函数中存在多个待定参数时可能会导致模型精度下降。

（二）基于遥感反演技术模型。将农作物生长动态模型和作物冠层光谱反射率数据作为输入变量，建立基于遥感反演技术和高精度冠层光谱反射率数据的作物生长动态预测模型。

（三）作物产量与气象因子关系计算。以西南地区县市为研究区域对气象要素进行分析，将气象因子纳入现有农作物生产监测系统中。利用作物生长预测模式，用不同空间分辨率的MODIS 卫星影像结合地面站点信息，建立作物生长动态模型［2］。

（四）高精度农气参数反演。将遥感数据与遥感农气参数反演模型结合进行定量分析与定量预测。遥感数据获取和处理流程，首先采用星载微波辐射计等高光谱遥感技术获取不同时期遥感影像信息；其次将获取的图像和光谱信息导入软件中提取作物生长动态模型；最后通过分析农业气象资料等获得作物生长发育规律以及影响因素等；最后将上述数据输入到计算机中实现反演过程。

（五）产品制作农作物产量与气象因子关系的专题产品并进行生产应用。从MODIS多源数据中提取各气象因子及农作物生长动态数据并建立模型应用于生产实践。反演的农气参数结果与气象部门实测资料进行对比分析，验证所建立的农气预测模型可靠性及精度。

（六）农气参数反演产品制作与应用。将农业气象灾害所造成的损失统计，实现农业生产过程中气象因子与农作物生长发育过程关系定量估算。

三、结果与分析

利用多尺度遥感数据对农作物生长发育过程进行监测，以获取更精细的农气参数，提高其对灾害因子的敏感度。为了进一步提高卫星数据质量，利用MODIS 与SPOT 遥感影像建立空间分析模型，利用SPOT 遥感影像生成地面植被指数。研究发现，不同地区、不同作物间的生长差异较大。例如在冬小麦生长阶段，与小麦种植面积对应的植被指数与冬小麦种植面积呈负相关。从遥感监测结果中可以发现，作物生长过程中的光照强度、降水量以及气温等是影响农作物生长状况的主要因子。针对小麦生长期及成熟期光照、降水量对小麦影响较为明显的特点，结合多尺度分析结果可知：作物发育过程中对光有较强需求时其光照强度明显增大，而且对光照需求的变化会直接影响农作物生长发育。通过研究发现小麦种植面积与土壤墒情呈负相关关系。当农作物种植面积增加时其对应土壤墒情降低，而当农作物种植面积减少时其对应土壤墒情升高；因此农作物面积增加会影响到对光照强度需求变化范围。气温、降水与作物生长发育有一定联系。不同类型地区气温和降水对水稻生长周期变化的影响程度不同：当降水较少且温度较高时水稻生长周期会明显延长，反之则会缩短；而水稻生长发育过程中气温和降水量对水稻生长阶段影响较为显著：当降水越多且温度越高时水稻产量增长幅度越大［3］。

通过研究发现，在农作物生育后期由于作物生育期较长且其自身变化规律比较复杂，在考虑其他因子影响时要结合作物生育期进行综合分析才能得到较为准确的预测结果。此外还需要从多个角度来考虑作物发育期和品种差异造成的产量差异。在农业气象灾害监测与评估中需要综合考虑多种影响因子并建立模型对不同区域进行分析和监测。本研究在利用多尺度分析和多角度数据融合算法分析作物发育过程中气象条件与产量关系时发现了一种新方法：通过引入天气预报的变量对作物进行分类。为保证模型的准确性还需引入其他相关数据进行验证。

四、结论与展望

农业气象灾害的影响范围广，严重时可造成大量的农作物减产甚至绝收。上述针对气象灾害对农作物产量的影响，通过建立遥感分类系统和数据同化技术，进行了作物生长发育过程中天气条件、土壤墒情、光照条件以及温度的精细化预测，在保障农作物产量的同时降低农业气象灾害造成的损失。通过本文研究发现：利用改进后的线性回归模型对作物产量进行估产得到作物生长过程中气象因子对作物产量影响较大；将遥感分类系统和数据同化技术相结合能更好地监测农作物生长发育中影响粮食生产等气象因子对其产生影响；利用遥感分类系统得到的农作物生长发育过程中天气条件、土壤墒情、光照条件以及温度与实际天气状况相吻合，具有较好的可信度；利用卫星云图作为数据源，在遥感反演模型中加入云图产品，能提高反演精度。本文研究结果可为农业自然灾害遥感监测与灾情评估提供参考。