孟翠麗，譚宗琨，李紫甜

(1.武漢農業(yè)氣象試驗站，湖北武漢　430040； 2.廣西區(qū)氣象減災研究所，南寧　530022； 3.南寧市氣象局，廣西南寧　530029)

?

·技術方法·

廣西甘蔗寒凍害空間反演模型研究*

孟翠麗1，譚宗琨2※，李紫甜3

(1.武漢農業(yè)氣象試驗站，湖北武漢430040； 2.廣西區(qū)氣象減災研究所，南寧530022； 3.南寧市氣象局，廣西南寧530029)

甘蔗寒凍害是蔗糖主產區(qū)主要氣象災害之一。大范圍、嚴重的甘蔗寒凍害造成甘蔗產量和蔗糖分含量下降，給廣大蔗農及企業(yè)帶來巨大的經濟損失。但受蔗區(qū)地形地貌復雜及氣象觀測臺站分布稀疏等因素制約，寒凍害過程影響期間難以獲取區(qū)域甘蔗實際受害信息，給甘蔗寒凍害過程監(jiān)測、評估及防災、減災措施的實施帶來了極大困難。為了實現及時、真實地反演甘蔗產區(qū)寒凍害程度，文章基于廣西歷年冬季寒凍害過程最低氣溫資料、地理信息數據以及EOS/MODIS衛(wèi)星資料，采用多元回歸法，分別構建基于地理信息、基于地理信息及下墊面信息耦合的最低氣溫空間推算模型，創(chuàng)建了逐年寒凍害過程最低氣溫格點數據庫。并以2008年輻射型、2010年平流型寒凍害過程為例，將反演結果與實況進行比較，結果表明兩種模型反演所得寒凍害空間分布狀況均與自動站實況一致，兩種模型對平流型寒凍害的模擬效果優(yōu)于對輻射型寒凍害的模擬。

甘蔗； 寒凍害； 反演模型； MODIS； 多元回歸

0　引言

甘蔗寒凍害是廣西、云南等蔗糖主產省(區(qū))主要氣象災害之一。榨季寒凍害的發(fā)生，尤其是大范圍、嚴重寒凍害的發(fā)生，不僅造成本榨季大面積甘蔗受害，甘蔗產量和蔗糖分含量不同程度下降，導致制糖企業(yè)進廠原料嚴重不足及增加蔗糖回收成本，而且還直接影響到甘蔗留種及宿根甘蔗的正常發(fā)蔸，最終波及下一榨季甘蔗產量的構成，給廣大蔗農及企業(yè)帶來巨大的經濟損失[1-2]。但長期以來，因受蔗區(qū)地形地貌復雜、多樣及氣象觀測臺站分布稀疏等因素制約，寒凍害過程影響期間往往難以獲取區(qū)域甘蔗實際受害等相關信息，給有關部門針對性地實施防災、減災措施帶來了極大困難。因此，能否及時、真實地反演區(qū)域寒凍害程度，不僅為客觀評估甘蔗災損，以及采取相應的防災、減災措施提供依據，而且對廣西區(qū)域今后蔗糖產業(yè)的布局、發(fā)展至關重要。

在寒凍害的研究方面，目前主要集中在以下幾個方面，一是從氣象學、氣候學與作物受害程度建立關系，定義寒凍害指標，如杜堯東[18]以廣東省為研究區(qū)劃進行了香蕉、荔枝寒凍害致災因子和綜合氣象指標研究，鄒瑜[19]等對廣西香蕉寒凍害等級指標進行定義，譚宗琨[15]等針對甘蔗寒凍害等級指標及災損指標的進行了初步探索。二是寒凍害的時空演變及風險區(qū)劃，如李娜[20]等研究了華南地區(qū)香蕉、荔枝的風險區(qū)劃，何燕[7]等基于GIS技術對廣西香蕉低溫寒害進行了風險區(qū)劃，蔡大鑫[21]基于產量對海南省香蕉寒害進行分析與區(qū)劃。三是基于遙感技術對寒凍害監(jiān)測評估，初步應用效果較好，如匡昭敏[22]等選用EOS/MODIS數據對廣西甘蔗寒害吉進行監(jiān)測評估，王春林[23]等基于全天候地表溫度反演方法監(jiān)測寒冷害監(jiān)測，但針對不同類型的寒凍害過程開展不同監(jiān)測方法的對比分析尚未見報道。

氣溫是反映近地層系統(tǒng)熱量狀態(tài)的綜合指標，同時也是評估農作物寒凍害損失的關鍵指標之一。然而廣西的地形地貌復雜，氣溫等氣象要素的空間分布差異十分明顯，有限的氣象觀測臺站難以真實反映區(qū)域氣象要素的多樣性。鑒于氣象要素的時空分布與地理位置密切相關，國內不少專家、學者嘗試將統(tǒng)計學方法與地理信息系統(tǒng)相結合，利用已知站點氣象數據與氣象臺站的經度、緯度、海拔高度等基礎地理信息數據構造相應的空間模擬模型[3-4]，獲取研究區(qū)氣象要素的空間分布規(guī)律，并在寒凍害監(jiān)測中得到了廣泛的應用。然而，以地表性質相似或相近和數量極其有限的、且空間分布不均衡的氣象站點觀測數據來模擬、推算地形地貌復雜且地表性質多樣的無測站點氣象要素，其精準度至今仍未得到世人的公認。因此， 10多年來，國內外不少學者嘗試應用衛(wèi)星資料來進行寒凍害監(jiān)測[5-14]，取得了一定的效果。但針對甘蔗這種作物開展不同類型寒凍害過程空間反演還未見報道。

EOS/MODIS衛(wèi)星資料具有空間分辨率(250m×250m)較高、覆蓋范圍廣，可客觀、定量地反映地表性質等優(yōu)點，可用于寒凍害過程的監(jiān)測。該文將廣西氣象臺站最低氣溫資料， 1： 100萬廣西行政區(qū)劃圖矢量圖及數字高程數據，還有EOS/MODIS衛(wèi)星地表反射率資料結合起來，采用多元回歸法構建最低氣溫的空間推算模型，進一步得到寒凍害空間分布，并將結果與實況做比較，評價其精度。

1　資料與方法

1.1資料

圖1　廣西區(qū)氣象臺站分布

文章所用資料包括氣象資料、地理信息數據及遙感數據。氣象資料為廣西壯族自治區(qū)91個氣象臺站(圖1)1960～2012年12～2月逐日最低氣溫資料。地理信息數據是1： 100萬廣西行政區(qū)劃圖矢量圖、30m30m數字高程數據(DEM)。遙感數據選用2007～2012年冬季廣西區(qū)域晴空EOS/MODIS地表反射率資料，來源于中國氣象局國家衛(wèi)星中心網站。

1.2方法

1.2.1篩選寒凍害過程的方法

依據甘蔗不同寒凍害類型的致災等級標準[15](表1、表2)篩選逐年寒凍害過程，輻射型：持續(xù)2d最低氣溫(Tmin)≤1.0℃，則Tmin≤1.0℃的第一天作為輻射型寒凍害過程的開始日期，連續(xù)2dTmin>1.0℃，則Tmin>1.0℃的第一天為寒凍害過程的結束日期。平流型：持續(xù)5dTmin≤3.9℃，則Tmin≤3.9℃的第一天作為平流型寒凍害過程的開始日期，連續(xù)5dTmin>1.0℃，則Tmin>1.0℃的第一天為輻射型寒凍害過程的結束日期。

表1甘蔗輻射型寒凍害等級指標及災損指標

致災等級1級(輕)2級(中)3級(重)4級(嚴重)最低氣溫(℃)0.0～0.0-1.0～-0.1-2.0～-1.1<-2.0過程日最低氣溫≤1℃持續(xù)天數(d)1～23～45～6>6過程日最低氣溫≤1℃的積寒(℃)0.1～2.02.1～7.07.1～20.0>20寒害特征部分蔗葉受害干枯,但生長點未受害大部蔗葉受害、干枯,部分甘蔗生長點受害、變軟、變黑葉片干枯,生長點及蔗莖上部芽變軟、變黑,死亡蔗莖凍壞變質,縱剖蔗莖呈紅色或褐色,并有酸味或腐臭味,部分宿根凍死,無法萌芽和出苗產量損失(%)≤5.05.0～10.010.0～20.0>20糖分損失(%)0.2～0.50.6～1.01.1～2.0>2.0

表2甘蔗平流型寒凍害等級指標及災損指標

致災等級1級(輕)2級(中)3級(重)4級(嚴重)最低氣溫(℃)2.0～4.00.0～1.9-1.5～-0.1<-1.5過程日最低氣溫≤4℃持續(xù)天數(d)5～89～1516～28>28過程日最低氣溫≤4℃的積寒(℃)10.0～50.050.1～300.0300.1～900.0>900寒害特征葉片青綠無明顯受害,但生長點變黑壞死,梢部側芽變軟,剖面為黃褐色,地下莖蔗芽未受害多數葉片的葉尖及1/3～1/2葉面積枯白,生長點及梢部蔗芽變黑壞死,中下部蔗芽受傷,地下莖蔗芽影響不明顯葉片大部枯白,僅葉鞘和近葉鞘三叉口葉片有條斑狀綠色,生長點及大部分蔗芽死亡,地下莖蔗芽的1、2節(jié)未受害蔗葉枯白,蔗莖側芽死亡,縱剖蔗莖節(jié)間呈黃色臘肉狀或水煮狀,地下莖1、2節(jié)芽凍死,3、4節(jié)芽部分凍死,縱剖呈水煮狀產量損失(%)≤5.05.1～10.010.1～20.0>20糖分損失(%)0.2～0.50.6～1.01.1～2.0>2.0

1.2.2數據的提取

運用ARCGIS軟件，構建廣西區(qū)域250m×250m網格點，并根據格點的地理坐標信息，從數字高程數據中提取對應格點的經度、緯度、海拔高度等信息，應用ENVI軟件，從EOS/MODIS數據中提取對應格點的地表反射率值。

2　空間推算模型的構建

2.1基于氣溫實況資料的最低氣溫空間推算模型(以某一日為例)

大量的觀測資料證明，氣溫的空間變化與其地理經度、緯度、海拔高度等信息關系密切[16]。為了客觀地描述區(qū)域某日最低氣溫的空間變化，運用廣西91個氣象臺站最低氣溫的實測資料及氣象臺站對應的經度、緯度、海拔高度值，應用數理統(tǒng)計學中的多元線性回歸分析方法，構造該日最低氣溫空間變化模型，并根據此模型來推算在無測站最低氣溫的空間分布狀況。關系模型可表示為：

Y=f(φ，ψ，h)+ε

(1)

其中，Y為某日的最低氣溫值；Φ、Ψ、h分別代表緯度、經度、海拔高度等地理因子，ε為殘差項。

2.2基于氣溫實況資料和下墊面狀況的逐日氣溫空間推算模型

氣溫的時空變化除與基礎地理信息相關外，還與其對應的下墊面性質關系密切。地表反射率是指地表物體向各個方向上反射的太陽總輻射通量與到達該物體表面上的總輻射通量之比。不同的下墊面狀況，其地表反射率值是不同的。為此，將氣象臺站對應的EOS/MODIS等衛(wèi)星資料反演的地表反射率值引入最低氣溫空間變化推算模型，即：

Y=f(φ，ψ，h，v)+ε

(2)

式中，Y為某日最低氣溫值；Φ、Ψ、h分別代表緯度、經度、海拔高度等地理因子，v為地表反射率值。

應用以上兩種模型，將廣西區(qū)域內250m×250m網格點的經度Φ、緯度Ψ、海拔高度h、地表反射率值v等數據分別代入模型方程，推算出某日最低氣溫在250m×250m網格上的分布； 再以91個氣象臺站的該日最低氣溫殘差值為樣本，運用反距離權重插值法，得到最低氣溫值250m×250m網格的殘差分布； 將250m×250m網格的模型值與殘差值相加，得到某一日250m×250m網格最低氣溫值。

依據以上方法，構建寒凍害過程中逐日250m×250m網格最低氣溫值，再取每個格點在寒凍害過程中的最低氣溫的最低值，在GIS中，將格點值轉化為柵格數據，得到此次寒凍害過程廣西區(qū)域的空間分布圖。

運用以上方法，創(chuàng)建逐年寒凍害過程的最低氣溫資料網格點數據庫。

3　結果分析

該文以2010年12月15日至2011年1月12日的輻射型寒凍害及2008年1月25日至2月2日的平流型寒凍害為典型例子，運用上述方法，分別得到輻射型和平流型寒凍害基于地理信息的建模結果及基于地理信息及下墊面信息所得到的建模結果(表3～6)?？梢钥闯觯椛湫秃畠龊煞N建模結果的R2均在0.77以上，平流型寒凍害兩種建模結果的R2均在0.82以上，即兩種建模方法所建模型都具有相當好的擬合度，且針對平流型寒凍害所建模型要比輻射型寒凍害所建模型的效果更好。

表3基于地理信息的輻射型寒凍害(2010年12月15日至2011年1月12日)建模結果

日期模型復相關系數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基于地理信息及下墊面信息的輻射型寒凍害(2010年12月15日至2011年1月12日)建模結果

日期模型復相關系數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凍害(2008年1月25日至2月2日)建模結果

日期模型復相關系數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基于地理信息及下墊面信息的平流型寒凍害(2008年1月25日至2月2日)建模結果

日期模型復相關系數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

左上為基于地理信息輻射型寒凍害過程空間分布； 右上為基于地理信息平流型寒凍害過程空間分布； 左下為基于地理信息及下墊面的輻射型寒凍害過程空間分布； 右下為基于地理信息及下墊面的平流型寒凍害過程空間分布圖2　輻射型(2010～2011年)與平流型(2008年)寒凍害過程空間分布

左為輻射型寒凍害自動站實況分布； 右為平流型寒凍害自動站實況分布圖3　輻射型(2010～2011年)與平流型(2008年)寒凍害自動站實況空間分布

利用所建模型計算研究區(qū)各格點的日最低氣溫，得到寒凍害過程空間分布圖，并將其與自動站實況圖進行比較(圖2～3)。從輻射型和平流型寒凍害空間分布圖上均可看出，最低氣溫從南到北逐漸降低，即寒凍害空間分布呈現從南到北逐漸加重的趨勢，這與實際情況是相符的。對于平流型寒凍害來說，廣西全區(qū)均不同程度受災，其中西南部的崇左、南寧、欽州、北海災情較輕，北部受災區(qū)域較大且災情較重，災情最重區(qū)位于桂林大部，柳州、河池、百色、賀州北部、來賓東部地區(qū)及中部的南寧市武鳴縣和上林縣交界處，最低溫度可達-6℃或以下。輻射型寒凍害的空間分布和平流型寒凍害相當一致，但重災區(qū)要比平流型略大，且最低溫度達到-6℃或以下的區(qū)域也比平流型略多一些。總的來說，兩種模型反演所得寒凍害空間分布均與自動站實況圖相當一致，其中基于地理信息的寒凍害建模結果與實況更為接近，而加入了下墊面信息的寒凍害建模結果則災情偏重，這種情況在輻射型寒凍害建模結果中尤為明顯。但是，在加入下墊面信息的輻射型寒凍害分布圖上可以很清晰地分辨出河流的形狀，以及城市的“熱島效應”，即它能夠細致地反映出下墊面的溫度變化，這是它優(yōu)于僅基于地理信息的寒凍害建模方法的一個方面。

為了進一步檢驗寒凍害模型反演結果的精度，將模型值與自動氣象觀測站值之間的誤差做成空間分布圖(圖4)。由圖可見，平流型寒凍害(2008)模型值與實況值差值小于2℃的格點分別占88%和85%，而對于輻射型寒凍害(2011)來說則只有78%和74%，這說明兩種模型對平流型寒凍害的模擬效果優(yōu)于對輻射型寒凍害的模擬結果。此外，從兩種方法對同一類型寒凍害的模擬結果來看，僅基于地理信息的寒凍害模型也比加入下墊面信息的寒凍害模型模擬效果更優(yōu)，這也和寒凍害分布圖的分析結果是一致的。四種模型的模型值與實況值差值小于2℃的格點數所占比例參差不齊，利用自動站數據進行檢驗結果不太理想的原因可能是建模時僅選用了基本站數據，而基本站大多在城區(qū)，受熱島效應影響其溫度值較自動站偏高所致。

左上為基于地理信息輻射型寒凍害與對應自動站誤差； 右上為基于地理信息及下墊面的輻射型寒凍害與對應自動站誤差；左下為基于地理信息平流型寒凍害與對應自動站誤差； 右下為基于地理信息及下墊面的平流型寒凍害與對應自動站誤差圖4　輻射型寒凍害(2010～2011年)與平流型寒凍害(2008年)模型值與對應實況值誤差分布

4　結論與討論

(1)不同的寒害凍害類型，作物受害機理有明顯的差異[17]。受緯度、地形、地貌和下墊面地物性質差異等因素的影響，寒害凍害強度的空間分布與寒凍害類型關系密切[17]。該文采用兩種模型反演所得寒凍害空間分布均與自動站實況圖相當一致，且對平流型寒凍害比輻射型寒凍害反演精度更高，這可能是由于不同寒凍害天氣過程引發(fā)氣溫空間差異性大所致。輻射型寒凍害的形成是在冬季冷高壓控制下，夜間地表長波輻射冷卻引發(fā)的。不同地形、不同海拔高度，冷空氣沉積量、時間不盡相同。此外，不同下墊面，射出長波輻射也存在差異，最終導致氣溫空間差異明顯。而平流型寒凍害的形成多為北方冷空氣團與西南暖濕氣團在華南上空形成相對穩(wěn)定的靜止鋒所致。

(2)該文基于GIS技術及氣候學模型，針對不同類型的寒凍害過程，融合經緯度、海拔高度等地理信息及地表反射率等下墊面信息，對寒凍害過程的最低氣溫資料進行較高空間分辨率的訂正，依據甘蔗寒凍害等級指標，提出基于地理信息及基于地理信息及下墊面狀況的空間反演模型，并構建了廣西逐年寒凍害過程的最低氣溫資料數據庫。為甘蔗寒凍害風險區(qū)劃奠定基礎，為氣象站點覆蓋不到的區(qū)域甘蔗寒凍害監(jiān)測提供技術支撐，為甘蔗寒凍害災害評估提供科學依據。

(3)研究中選取甘蔗這一作物寒凍害發(fā)生標準等級，篩選寒凍害過程，增強了模型的針對性、實用性； 加入遙感監(jiān)測的下墊面信息建模，增加了模型的客觀性。有效提高了農業(yè)氣象服務的準確性。該文在構建模型時僅選用基本站最低氣溫值，在以后的工作中可考慮加入自動站的溫度信息進行建模，通過增加樣本數量進一步提高模型模擬精度。

[1]何燕，譚宗琨，馮源.1999年嚴重霜凍、冰凍天氣對廣西農業(yè)的影響.廣西氣象, 2000，(1)： 6～8

[2]覃蔚謙. 從建國后數次凍害看今冬凍害甘蔗糖的損失.廣西蔗糖, 2000，(1)： 14～18

[3]卓英育.1999年甘蔗霜害情況調查及對策.廣西農學報, 2001，(3)： 40～43

[4]石登武， 韋東料，丁麗瓊.2008年低溫冰凍災害對甘蔗生產的影響.農業(yè)科技通訊, 2009，(5)： 74～76

[5]黃淑娥， 殷劍敏，王懷清.“3s”技術在縣級農業(yè)氣候區(qū)劃中的應用.江西農業(yè)大學學報， 2000， 22，(2)： 271～273

[6]郭兆夏， 朱琳，葉殿秀，等.GIS在氣候資源分析及農業(yè)氣候區(qū)劃中的應用.西安大學學報， 2000， 30，(4)： 357～359

[7]何燕， 譚宗琨，李政，等.基于 GIS的廣西甘蔗低溫凍害區(qū)劃研究.西南大學學報(自然科學版)， 2007， 29，(9)： 81～85

[8]何燕， 蘇永秀，李政，等.基于GIS的廣西香蕉種植生態(tài)氣候區(qū)劃研究.西南農業(yè)大學學報(自然科學版)， 2006， 28，(4)： 573～576

[9]周清波. 國內外農情遙感現狀與發(fā)展趨勢.中國農業(yè)資源與區(qū)劃， 2004, 25(25): 9～14

[10]張雪芬， 陳懷亮，鄭有飛，等.冬小麥凍害遙感監(jiān)測應用研究.南京氣象學院學報， 2006， 29，(1)： 94～100

[11]陳小敏， 陳匯林，陶忠良.2008年初海南橡膠寒害遙感監(jiān)測初探.自然災害學報， 2013， 22，(1)： 24～28

[12]檀艷靜， 張佳華，姚鳳梅.中國作物低溫冷害監(jiān)測與模擬預報研究進展.生態(tài)學雜志， 2013， 32，(7)： 1920～1927

[13]李章成. 作物凍害高光譜曲線特征及其遙感監(jiān)測.北京：中國農業(yè)科學院， 2008

[14]張峭， 王克.我國農業(yè)自然災害風險評估與區(qū)劃.中國農業(yè)資源與區(qū)劃， 2011， 3，(32)： 32～36

[15]譚宗琨， 黃城華，孟翠麗，等.甘蔗寒凍害等級指標及災損指標的初步研究.中國農學通報， 2014, 30(28): 169～181

[16]譚宗琨. 甘蔗生產氣象監(jiān)測與評估.南寧：接力出版社， 2011， 346～348

[17]包輝昌， 劉世業(yè)，何鵬.不同寒凍害天氣類型對廣西香蕉生產影響的初步分析.安徽農業(yè)科學， 2008, 36(23): 9953～8854

[18]杜堯東， 李春梅，毛慧琴.廣東省香蕉與荔枝寒害致災因子和綜合氣象指標研究.生態(tài)學雜志， 2006, 25(2): 225～230

[19]鄒瑜， 吳代東，牟海飛，等.廣西香蕉寒害凍害等級指標及發(fā)生規(guī)律研究.西南農業(yè)學報， 2011, 24(3): 941～944

[20]李娜， 霍治國，賀楠,等.華南地區(qū)香蕉、荔枝寒害的氣候風險區(qū)劃.應用生態(tài)學報， 2010, 21(5): 1244～1251

[21]蔡大鑫， 王春乙，張京紅，等.基于產量的海南香蕉寒害風險分析與區(qū)劃.生態(tài)學雜志， 2013, 32(7): 1896～1902

[22]匡昭敏， 李強，堯永梅，等.EOS/MODIS數據在甘蔗寒害監(jiān)測評估中的應用.應用氣象學報， 2009, 20(3): 360～364

[23]王春林， 唐力生，陳水森，等.寒冷災害監(jiān)測中的全天候地表溫度反演方法研究.中國農業(yè)氣象， 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

孟翠麗(1984—)，女，陜西渭南人，工程師。研究方向：生態(tài)與應用氣象學?！ㄓ嵶髡撸鹤T宗琨(1966—)，男，廣西浦北人，教授級高工。研究方向：生態(tài)與應用氣象學。Email：tanzongkun@163.com

廣西自然基金項目“廣西甘蔗種植寒害凍害風險區(qū)劃與評估研究”(2012GXNSFAA053190)； 國家科技支撐項目課題“亞熱帶主要農作物寒凍害評估與監(jiān)測預警技術研究”(2008BADB8B01)

S426; S566.1

A

1005-9121[2016]06-0015-08

*