文 | 馬天舒 邵靖凈 郭翠翠 于川

航天恒星科技有限公司

一、引言

我國是世界上最主要的農(nóng)業(yè)國家，用占世界7%的耕地解決了世界22%人口的溫飽問題。但是人口增長和土地資源減少的矛盾不可逆轉(zhuǎn)，為了保持農(nóng)業(yè)的可持續(xù)發(fā)展，精準農(nóng)業(yè)技術(shù)的發(fā)展需求迫切，急需尋求高效農(nóng)業(yè)應(yīng)用的有效方法。遙感技術(shù)具有獲取信息量大、多平臺和多分辨率(時間和空間)、快速、覆蓋面積大的優(yōu)勢，是及時掌握農(nóng)業(yè)資源、作物長勢、農(nóng)業(yè)災(zāi)害等信息的最佳手段。農(nóng)業(yè)遙感也一直是遙感領(lǐng)域中最活躍，也是迄今為止遙感應(yīng)用最成功的領(lǐng)域之一。隨著衛(wèi)星遙感技術(shù)的發(fā)展，優(yōu)于1m高分辨率衛(wèi)星影像的應(yīng)用，能夠更加清晰準確地表達農(nóng)作物幾何結(jié)構(gòu)與紋理信息，能識別出更加精細化的作物光譜信息。使用分辨率優(yōu)于1m的全色與多光譜融合影像，應(yīng)用于農(nóng)作物災(zāi)害損失評估實踐中，能夠及時、準確地識別農(nóng)作物的種植范圍、長勢態(tài)勢、災(zāi)害損失情況，結(jié)合抽樣產(chǎn)量測量，進而能夠?qū)崿F(xiàn)農(nóng)作物的精準災(zāi)害的反演和評估，為農(nóng)業(yè)生產(chǎn)、農(nóng)村經(jīng)濟發(fā)展提供可靠的技術(shù)保障。

本文以黑龍江省五常市水稻災(zāi)害損失評估為例，利用高分二號衛(wèi)星遙感數(shù)據(jù)，結(jié)合現(xiàn)場抽樣采樣測量，針對高分辨率衛(wèi)星遙感監(jiān)測技術(shù)在農(nóng)作物災(zāi)害損失評估中的應(yīng)用方法及應(yīng)用效能進行描述。

二、衛(wèi)星遙感農(nóng)業(yè)災(zāi)害損失評估方法

遙感農(nóng)作物災(zāi)害損失評估是根據(jù)生物學原理，在收集、分析各種作物不同光譜特征的基礎(chǔ)上，通過衛(wèi)星傳感器記錄地表信息、辨別作物類型、監(jiān)測作物長勢，并進行災(zāi)前災(zāi)后遙感參數(shù)反演對比分析來獲取作物災(zāi)害損失程度，預(yù)測產(chǎn)量，主要包括三項重要內(nèi)容：農(nóng)作物分類分布面積提取、長勢監(jiān)測與災(zāi)害損失評估。作物在生長期內(nèi)，受環(huán)境因素影響（如干旱、洪澇、病蟲害等），其光譜特征會發(fā)生變化，通過監(jiān)測作物光譜變化可以實現(xiàn)長勢監(jiān)測并估算產(chǎn)量變化。本文采用的是植被指數(shù)統(tǒng)計模型，基于高分辨率影像歸一化差值光譜植被指數(shù)（NDVI），利用作物生長全過程或部分時期的植被指數(shù)累加值或某一時期的植被指數(shù)與田間定點實驗測量的產(chǎn)量建立統(tǒng)計關(guān)系，從而統(tǒng)計作物的產(chǎn)量損失情況。

首先利用目標監(jiān)測區(qū)域的土地確權(quán)數(shù)據(jù)和高分辨率遙感數(shù)據(jù)，完成對目標區(qū)域的精確定位和信息采集，同時開展數(shù)據(jù)處理，進行作物分類和種植面積提取。再按照目標作物的生長模型開展目標區(qū)域的農(nóng)作物多期長勢監(jiān)測，結(jié)合氣象和災(zāi)害監(jiān)測信息開展目標區(qū)域作物的災(zāi)害監(jiān)測分析，評估目標區(qū)域的災(zāi)害損失等級，根據(jù)分級結(jié)果開展現(xiàn)場采樣點選取，獲取現(xiàn)場采樣測量產(chǎn)量數(shù)據(jù)，利用作物產(chǎn)量公式計算作物總產(chǎn)量，利用采樣數(shù)據(jù)修正數(shù)據(jù)精度，與作物歷史標準產(chǎn)量對比分析，實現(xiàn)精準減產(chǎn)程度評價。具體流程如圖1所示。

圖1 高分辨率遙感農(nóng)作物災(zāi)害損失評估方法

三、黑龍江省五常市水稻災(zāi)害損失評估案例

黑龍江省是我國的糧食大省，五常市作為水稻的重點產(chǎn)區(qū)，2017年五常市因為黑龍江省部分流域夏季泄洪，部分處于河流下游的鄉(xiāng)鎮(zhèn)耕地受泄洪影響出現(xiàn)澇災(zāi)，本文選取了五常市衛(wèi)國鄉(xiāng)作為試驗區(qū)域，開展高分辨率遙感農(nóng)作物災(zāi)害損失評估應(yīng)用驗證。采用高分二號衛(wèi)星數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理、作物分布分類提取、長勢監(jiān)測和災(zāi)害損失評估，利用實地勘測采樣數(shù)據(jù)對計算結(jié)果進行校正，進而分析五常市衛(wèi)國鄉(xiāng)水稻產(chǎn)量減損情況，為五常市衛(wèi)國鄉(xiāng)農(nóng)業(yè)部門的防災(zāi)減災(zāi)、增產(chǎn)保收、政策性農(nóng)險理賠等業(yè)務(wù)提供有效的數(shù)據(jù)支持。

1. 數(shù)據(jù)選取

五常市衛(wèi)國鄉(xiāng)數(shù)據(jù)分析使用的影像數(shù)據(jù)源為高分二號衛(wèi)星數(shù)據(jù)，主要使用了高分二號衛(wèi)星多光譜2m分辨率4波段，全色分辨率優(yōu)于1m。獲取影像時間從2017年5月至9月，如圖2所示。

圖2 五常市衛(wèi)國鄉(xiāng)2017年5月至9月遙感影像

2. 水稻面積提取

對目標區(qū)域影像進行預(yù)處理后，利用主成分分析增強之后的遙感影像數(shù)據(jù)，根據(jù)各農(nóng)作物之間的光譜特征差異，對農(nóng)作物（水稻、玉米、大豆、小麥等）進行分類（圖3）。這里主要采用監(jiān)督分類方法，選擇精度、效率均較高的最大似然法進行本次試驗的作物分類。基于分類結(jié)果，對五常市衛(wèi)國鄉(xiāng)的主要糧食作物水稻的面積進行了提取，經(jīng)過分類結(jié)果和面積提取分析，衛(wèi)國鄉(xiāng)水稻種植面積為1110837.04畝，占比85.62%。

圖3 五常市衛(wèi)國鄉(xiāng)作物分類分布圖

3. 基于遙感的農(nóng)作物實勘采樣點選取

利用2017年7月的高分二號數(shù)據(jù)提取的NDVI數(shù)據(jù)與2015年同期NDVI數(shù)據(jù)（2015年衛(wèi)國鄉(xiāng)無自然災(zāi)害，水稻產(chǎn)量基本穩(wěn)定）進行差值計算，根據(jù)不同數(shù)據(jù)的數(shù)值范圍對結(jié)果進行分級，然后進行統(tǒng)計分析，計算不同長勢等級百分比，即得到了作物的長勢實時監(jiān)測結(jié)果。根據(jù)作物監(jiān)測結(jié)果，結(jié)合目標區(qū)域?qū)嶋H地理分布情況，在每個長勢等級選取3～5個采樣點，進行現(xiàn)場采樣產(chǎn)量測量。長勢監(jiān)測結(jié)果及采樣點分布如圖4、圖5所示。

4. 水稻災(zāi)害監(jiān)測及產(chǎn)量評估

通過對比衛(wèi)國鄉(xiāng)災(zāi)前災(zāi)后的遙感影像，利用歸一化植被指數(shù)提取和分析計算災(zāi)前的植被歸一化指數(shù)，根據(jù)長勢監(jiān)測結(jié)果分析出未受損失的地塊位置，并通過對比災(zāi)前災(zāi)后的植被歸一化指數(shù)，確定該地塊的變化值，在受災(zāi)期間未受損失的植被一直處于生長狀態(tài)，植被歸一化指數(shù)也會一直變化，通過確定未受損地塊，初步判定該示范區(qū)未損失水稻的變化值范圍，對比災(zāi)前災(zāi)后示范區(qū)內(nèi)的植被歸一化指數(shù)，其變化范圍不在正常作物的變化范圍內(nèi)的，初步判定為受災(zāi)范圍。再根據(jù)采樣點外業(yè)采集的實地勘察樣本對比分析，按照定義好的災(zāi)害等級（可根據(jù)實際業(yè)務(wù)需要劃分4-12級，本文劃分為4級）確定絕產(chǎn)、重度災(zāi)害、中度災(zāi)害、輕度災(zāi)害的指數(shù)變化值，計算出災(zāi)后各災(zāi)害等級的指數(shù)范圍，將受災(zāi)區(qū)域劃分出受災(zāi)等級（圖6）。

圖5 現(xiàn)場采樣點選取結(jié)果

圖6 五常市衛(wèi)國鄉(xiāng)水田受災(zāi)情況分布圖

一般情況下做到災(zāi)害等級劃分后，即可判斷目標區(qū)域的災(zāi)害損失整體趨勢，但是距離真正能夠精準指導(dǎo)農(nóng)業(yè)生產(chǎn)、為農(nóng)業(yè)災(zāi)害指揮決策提供更有效的數(shù)據(jù)支撐還遠遠不夠。因此本文利用高分辨率遙感特點結(jié)合初級生產(chǎn)力產(chǎn)量模型，對水稻進行產(chǎn)量分析來定量化開展災(zāi)害損失評估，精細化的量化分析農(nóng)作物損失情況。為了提升產(chǎn)量評估精度，基于經(jīng)典統(tǒng)計抽樣原理，結(jié)合空間統(tǒng)計學理論，根據(jù)現(xiàn)場統(tǒng)計數(shù)據(jù)與水稻單產(chǎn)之間建立的相互關(guān)系，采用逐步回歸關(guān)系來建立估產(chǎn)模型。同時結(jié)合農(nóng)學標準的作物現(xiàn)場測產(chǎn)方法，通過實地查勘測產(chǎn)數(shù)據(jù)對遙感技術(shù)處理的災(zāi)害分析專題數(shù)據(jù)初步分析結(jié)果進行核實校驗，按照以點帶面、點面結(jié)合的原則進行校正處理，再與歷史標準產(chǎn)量進行比對分析，以獲得最終的災(zāi)害損失程度及面積數(shù)據(jù)。將災(zāi)害分析最終數(shù)據(jù)的損失程度及范圍面積與實地查勘的測產(chǎn)結(jié)果進行綜合驗證，以獲得量化的最終作物的災(zāi)害損失程度（圖7）。

圖7 五常市衛(wèi)國鄉(xiāng)水稻減產(chǎn)成數(shù)分布圖

利用以上方法統(tǒng)計結(jié)果，衛(wèi)國鄉(xiāng)共6個村，減產(chǎn)超過3成的區(qū)域面積占比14.06%，對衛(wèi)國鄉(xiāng)2017年水稻整體產(chǎn)量影響較輕微，但通過定量分析可以看到流域沿線低洼區(qū)域出現(xiàn)了部分絕產(chǎn)（減產(chǎn)8成以上）的地塊。基于本方法的高分二號遙感影像處理和反演基本上對2017年衛(wèi)國鄉(xiāng)夏季泄洪對水稻種植區(qū)域的影響反應(yīng)比較清晰準確，與實地勘測情況相符。

四、結(jié)語

本文主要以黑龍江省五常市水稻災(zāi)害損失評估為例，探討了利用高分辨率遙感衛(wèi)星對農(nóng)作物災(zāi)害損失評估的應(yīng)用技術(shù)，利用高分二號全色、多光譜數(shù)據(jù)精確提取作物面積，結(jié)合基于NDVI的長勢監(jiān)測和災(zāi)情評估，與人工少量現(xiàn)場回傳的勘驗信息有機結(jié)合，提升了農(nóng)作物災(zāi)害損失評估精度，能夠?qū)r(nóng)作物受災(zāi)情況進行精準的、量化的分析，在小范圍地塊級的遙感作物損失評估過程中也得到了很好的應(yīng)用。本次應(yīng)用試驗結(jié)果也為當?shù)氐霓r(nóng)業(yè)部門、政策性農(nóng)險理賠提供了非常有效的數(shù)據(jù)支持，為農(nóng)作物全生命周期監(jiān)測提供了重要的技術(shù)參考。