论文部分内容阅读
油菜在我国位居油料作物之首,我国油菜的播种面积和产量均居世界第二位,其中约90%为冬油菜。越冬期是冬油菜必然经历的物候阶段,因而具有发生冻害的风险。传统意义上的油菜冻害监测与评估都是由工作人员到田间实地调查得到冻害指数,不仅耗时、成本高,且代表性差。遥感是及时获取大范围地表信息的有效有段,在作物灾害监测与评估领域具有明显的优势。本研究选取传统的冬油菜主产区——安徽省作为研究区域,基于中等分辨率成像光谱仪MODIS/MERIS、国产环境减灾卫星HJ-CCD/IRS等多种遥感数据源,以明确记载有油菜冻害发生的典型年份作为研究案例,探索针对油菜冻害的多角度评估方法,研究时相包括2003-2004、2009-2010和2010-2011三个生长季。主要的研究内容以及取得的主要成果包括以下几个方面:(1)基于日最低气温指标的油菜冻害发生区域判断本文从油菜冻害的致灾因子——日最低气温出发,综合利用MODIS遥感数据、地面气象观测资料和基础地理数据,采用星地多源数据相结合的解决思路,依据各等级油菜冻害的致灾温度国家标准,对于可能会有冻害发生的区域进行判断。以2004年1月下旬及2月上旬发生的油菜冻害为例,论文分晴空与云覆盖两种情况讨论了对研究区域全覆盖的日最低气温分布数据的获取方法。对于晴空条件,本文通过建立日最低气温与晴空下LST、NDVI及儒略日(DOY)之间的多元线性回归方程来估算其空间分布,以2000-2014年间冬季三个月每日获取的数据为输入用于建模及验证。结果显示对于日最低气温的估算效果,基于前一天夜间所获取的Terra-LST建立的估算方程具有最佳的表现,其次为当日白天获取的Terra-LST、白天Aqua-LST和夜间Aqua-LST。对于阴天条件,本文采用旬低温(旬内平均日最低气温)背景网格推算+冻害年份低温距平调整+残差空间化方法逐步拟合云下的最低气温分布场,该方法首先基于经度、纬度、海拔、坡度和坡向等地理要素数据来推算安徽全省冬季各旬(12月上旬至次年3月上旬)常年低温水平的空间分布。在HANTS滤波的支持下基于8天合成的LST产品(MOD11A2)来模拟冻害发生年份指定旬与常年(2000-2014年)同时期低温程度的距平,而后利用安徽省78个县级气象站的气温观测数据将各低温日期的最低气温与灾害年份旬低温水平之间的残差进行空间化。本文以地理要素数据为输入分别考查了多元线性回归以及随机森林非线性回归方法对低温残差的估算效果,结果显示随机森林模型对残差的估算精度明显要优于多元线性回归方法,故采用该方法将各站点处的低温残差扩展到整个研究区域。以晴空下的最低气温估算结果为主体,利用云下的推算结果作为补充,从而得到每个低温日期上对研究区域全覆盖的1 km分辨率的最低气温分布。由于国家标准中尚未对低温的持续时间进行定义,本文采用冷积温指标,即低温时段内每日最低气温的累加值来判断可能会有油菜冻害发生的区域。结果显示冷积温能够捕捉到出现在皖北地区(主要是宿州市一带)以及江淮地区(主要为合肥及滁州地区)的低温分布状况,且通过与各气象站的观测值进行比较(相关系数r=0.810,P<0.01,RMSE=8.6℃),冷积温的估算取得了较好的效果。(2)油菜的遥感识别与提取油菜从始花期到盛花期绿度出现下降,在植被指数时间序列剖面上呈现为"谷"的特征,区别于同时期生长的其他冬季作物(主要为冬小麦),基于这两个物候时期油菜所特有的绿度变化趋势可以实现其种植区域的提取。考虑到不同地区生长的油菜物候期并不同步,本文基于8天合成的MODIS-NDVI时间序列数据,在S-G滤波平滑的基础上,通过识别不同地区始花期和盛花期的开始时间从而分区域提取出安徽全省油菜的分布,并且依据统计年鉴所记录的市级油菜种植面积数据对提取结果进行了检验。当冻害较为严重时,受冻后的油菜在花期时植株趋于低矮、花朵稀疏,在30 m像元分辨率尺度上与冬小麦容易混淆,极易造成对实际种植面积的低估,此外农业灾害评估又具有现势性要求。结合合肥当地油菜生产的实际情况,针对该问题本文提出了基准种植区域+越冬作物掩膜调整方法,采用相邻正常生长季(未有冻害发生)的油菜分布作为基准,基于越冬作物从出苗到越冬前生长的特性建立掩膜来调整基准种植区域,将得到的结果用来表示冻害发生年份越冬时期的油菜分布,并且依据油菜播种面积统计数据对其进行检验。(3)油菜冻害灾情的遥感评估对于2004年发生的油菜冻害,在MODIS像元尺度上借助于时间序列剖面分析了 4种广泛采用的植被指数对于冻害的敏感性。结果显示,NDVI和GNDVI的表现要优于EVI和SAVI这两个植被指数,相比之下NDVI对于冻害影响的表现更为充分。MODIS数据具有较长的时间序列连续性,适合采用植被指数距平法评估冻害灾情。选取相邻几个正常生长季(2001-2006不含2004年)同时期的平均长势水平作为基准,采用NDVI年际标准差来表示长势的正常年际波动,将冻害影响后的长势水平相对于基准水平的百分比差异用来描述冻害的灾情程度。由于缺乏田间实测的灾情数据,本文选取全省47个油菜主产县区的平均冻害程度与相应的冷积温进行相关性分析,结果表明二者之间具有显著的相关性(r= 0.378,P<0.01),从而一定程度上支持了灾情的评估结果。MODIS空间分辨率较低,适合开展大范围油菜冻害的筛查,但对于市(县)区域的油菜冻害遥感监测与评估,需要采用更高空间分辨率的数据进行研究。综合考虑现有遥感资料的空间和时间分辨率,对于2010年和2011年初发生的油菜冻害,本文尝试采用国产环境减灾卫星数据进行冻害评估。选取由HJ-CCD的4个工作波段构建的8个常用的植被指数作为候选的冻害评估指标。利用2009-2010生长季灾后相对于灾前时相各植被指数的变化量较正常生长季(2008-2009)同时期变化量的归一化差异直方图曲线来判断不同植被指数对于冻害的敏感性。结果表明在30m空间分辨率尺度上,NDVI和GNDVI较其他植被指数同样具有更高的敏感性,相比较而言GNDVI的敏感程度更高,因而适合作为冻害的评估指标。基于灾后时相相对于基准水平的GNDVI百分比差异来判断冻害发生年份的灾情等级,对于2011年1月份发生的油菜冻害,本文选取合肥市9个苗情监测点实测的田间冻害指数对结果进行了验证,分析表明遥感评估得到的冻害程度与田间实测冻害指数之间具有较高的相关度(r =-0.698,P<0.05)。采用灰色关联分析方法和统计分析方法,本文考查了一些自然因素和作物自身条件对冻害灾情程度的影响,结果显示南坡向和西坡向种植的油菜灾情相对更为严重,几个因素对灾情影响程度的大小由高到低依次为:灾前长势、土壤湿度、最冷日期的地表温度和海拔高度。(4)新的冻害敏感指数的构建本文基于中等分辨率成像光谱仪MODIS和MERIS波段所构建的几个生理变量敏感植被指数,在1 km级分辨率尺度上考察了这些指数对于低温胁迫的响应模式及其冻害敏感性差异。所选取的指数包括MODIS-PRI(表征光合速率)、NDWI(表征冠层湿度),以及MERIS-MTCI(表征冠层叶绿素含量)、REP(红边位置)与LAI(叶面积指数)。结果显示PRI对于低温胁迫响应非常强烈,间接表明光合作用对于冻害敏感;油菜受冻之后NDWI呈现为异常上升的趋势,据此推测冻害导致了冠层失水;LAI对于冻害响应迟钝,其数值不仅降幅较小且低温过后迅速恢复;低温过程并未引起MERIS-MTCI与REP的降低或者削弱,推测冻害可能并未引起叶绿素水平的降低。低温显著地抑制了 MTCI数值水平的上升,而REP几乎未受到低温的影响,引入红边波段构建的红边NDVI对于低温胁迫的敏感程度要低于标准NDVI。基于上述发现,本文选取MODIS-L1B级数据中对植被光合作用以及冠层湿度较为敏感的7个波段,在不同冻害等级的随机分层抽样样本的支持下,通过最佳指数(theoptimal index factor,OIF)分析方法筛选出其第5、11和12波段组合构建并且提出了新的冻害敏感植被指数MFISI(MODIS Freezing Injury Sensitive Index)。该指数能够同时响应植被的光合作用与冠层湿度参数,具有明确的生理学意义;且由于两种生理指标在遥感水平上对于冻害均敏感,新指数能够明确地展现冻害的影响,其数值的空间分布图具有丰富的地物细节信息;新指数在冻害灾情的预判以及冻害发展趋势的预测方面,其表现要优于广泛应用的NDVI。