李巖 吳黎

摘 要：本文選取黑龍江省綏化市蘭西縣作為研究區(qū)域，利用環(huán)境災害小衛(wèi)星的遙感影像數(shù)據(jù)，以遙感技術作為基本支持，以自動分類和人機交互目視解譯為基本提取方法，并結合實地調查，監(jiān)測作物長勢情況和內澇災害的影響。根據(jù)影像數(shù)據(jù)，提取了蘭西縣農(nóng)作物的種植情況，精度達到90%以上。同時，提取了內澇區(qū)域的分布和面積，并結合兩期遙感影像數(shù)據(jù)進行對比分析，研究受到不同程度的內澇災害的區(qū)域分布情況。

關鍵詞：遙感技術;監(jiān)測;內澇災害

中圖分類號：X43文獻標識碼：A文章編號：1003-5168（2021）16-0135-03

Abstract： This paper selected Lanxi County， Suihua City， Heilongjiang Province as the research area， used the remote sensing image data of environmental disaster small satellite， took remote sensing technology as the basic support， took automatic classification and human-computer interactive visual interpretation as the basic extraction method， and combined with field investigation to monitor crop growth and the impact of waterlogging disaster. According to the image data， the planting situation of crops in Lanxi County was extracted， and the accuracy was more than 90%. At the same time， the distribution and area of waterlogging areas were extracted and compared with the two phases of remote sensing image data to study the regional distribution of waterlogging disasters with different degrees.

Keywords： remote sensing technology;monitoring;floods disaster

每年雨季，黑龍江省都會遭受強降雨，并且可能會發(fā)生不同規(guī)模的洪澇災害，形成不同程度的農(nóng)田內澇，對農(nóng)業(yè)生產(chǎn)形成一定的威脅。加強對內澇災害的監(jiān)測，可以更好地為農(nóng)業(yè)管理部門應對災害提供及時、準確、高效的信息支持，制定行之有效的減災方案，從而極大程度地減少農(nóng)民損失，保證糧食安全。本文選取蘭西縣作為研究區(qū)，選取發(fā)生洪澇災害的典型年份對內澇監(jiān)測開展嘗試性研究。

1 研究區(qū)概況

蘭西縣位于黑龍江省中部地區(qū)，松嫩平原東部，呼蘭河下游，隸屬綏化市，距哈爾濱市區(qū)67 km，處于哈爾濱市“一小時經(jīng)濟圈”內，南鄰哈爾濱市，東接綏化市，西連肇東市和安達市，北與青岡、望奎兩縣相連，區(qū)位優(yōu)勢十分明顯，公路交通非常便利。地理坐標為北緯46°20′—46°38′，東經(jīng)125°42′—126°38′，縣城中心地理坐標為東經(jīng)126°16′，北緯46°15′，屬寒溫帶半濕潤季風性氣候，年平均氣溫為2.9 ℃，極端最高氣溫為37.6 ℃，極端最低氣溫為-39.0 ℃，年平均降雨量為469.7 mm，無霜期39 d。全縣幅員2 500 km2，人口53萬人，耕地166 000 hm2，草原22 667 hm2，林地33 333 hm2。蘭西縣下轄4個鎮(zhèn)、11個鄉(xiāng)，包括蘭西鎮(zhèn)、榆林鎮(zhèn)、臨江鎮(zhèn)、平山鎮(zhèn)、康榮鄉(xiāng)、蘭河鄉(xiāng)、長江鄉(xiāng)、長崗鄉(xiāng)、紅光鄉(xiāng)、北安鄉(xiāng)、奮斗鄉(xiāng)、紅星鄉(xiāng)、遠大鄉(xiāng)、燎原鄉(xiāng)、星火鄉(xiāng)。蘭西縣農(nóng)產(chǎn)品豐富，是國家商品糧食重要基地，也是全國產(chǎn)糧百強縣之一，年糧豆產(chǎn)量達60 t，糧食作物主要有玉米、大豆、水稻、小麥、谷子、高粱，經(jīng)濟作物主要有亞麻、烤煙、甜菜、油料等。

2 數(shù)據(jù)源選取

選用環(huán)境與減災預報小衛(wèi)星HJ/B空間分辨率30 m，時相分別為2013年7月29日和2013年8月24日（當年在該區(qū)域發(fā)生了典型的內澇災害）。蘭西縣地處第二積溫帶2 500～2 700 ℃，7—8月正是農(nóng)作物生長旺盛期，在影像上容易區(qū)分，且影像云量少，衛(wèi)星數(shù)據(jù)質量好，符合研究要求。首先，對衛(wèi)星數(shù)據(jù)進行預處理，其均方根值（RMS）殘差小于半個像元，然后用1∶250 000縣界矢量數(shù)據(jù)對其裁剪，獲取蘭西縣HJ/B影像數(shù)據(jù)。由于衛(wèi)星遙感影像部分地區(qū)有云，因此先將有云區(qū)域扣除，取兩景影像公共區(qū)域進行研究。另外，通過野外調查，利用GPS建立解譯標志，作為信息提取的依據(jù)[1]。

3 地面作物信息提取

應用ArcGIS和ERDAS IMAGINE軟件，采用人工干預的自動分類和人機交互目視解譯相結合的方法，按照外業(yè)調查制定的解譯標志，在預處理好的2013年7月29日的蘭西縣遙感影像上，規(guī)定波段組合4、2、1，進行解譯，得到農(nóng)作物種植分布圖[2]。扣除云后的公共區(qū)域農(nóng)作物種植面積為162 797.1 hm2（見圖1）。統(tǒng)計數(shù)據(jù)顯示，蘭西縣耕地面積為166 000 hm2，與統(tǒng)計數(shù)據(jù)相比，精度達到95%以上。之后，使用手持GPS在蘭西縣境內實地隨機記錄trick點，將其導入SHP格式，與解譯結果疊加，進行驗證，精度也高于90%，因此提取結果準確、可信。

4 長勢變化與內澇災害

葉面積指數(shù)（Leaf Area Index，LAI）是反映作物長勢的一項重要指標。一般情況下，特定時間范圍內，作物的長勢和產(chǎn)量與葉面積指數(shù)呈相關性。歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關。本研究利用葉面積指數(shù)與遙感影像數(shù)據(jù)的歸一化植被指數(shù)的相關性反演蘭西縣農(nóng)作物的長勢情況[3-5]。歸一化植被指數(shù)的數(shù)學模型表達式為：

式中：p（nir）為近紅外線波段，是所選取影像數(shù)據(jù)的第四波段;p（red）為可見光紅波段，是所選取影像數(shù)據(jù)的第三波段。因此，應用到本研究的NDVI表達式為：

運用ERDAS IMAGINE軟件得到內澇前后兩景影像數(shù)據(jù)的NDVI數(shù)據(jù)信息，再利用Modeler模塊建立反演模型。通過地面數(shù)據(jù)做回歸分析，得到作物拔節(jié)期模型為：

抽穗期模型為：

式中，[y]表示LAI值，[x]為NDVI值。

經(jīng)過運算得到長勢分級的閾值。按長勢等級分區(qū)為長勢旺盛區(qū)、長勢良好區(qū)、長勢正常區(qū)和長勢偏弱區(qū)。LAI大于0.85時長勢旺盛，0.61至0.85時長勢良好，0.54至0.61時長勢正常，小于0.54時長勢偏弱，NDVI小于0.5的區(qū)域無作物。利用ENVI軟件規(guī)定運算后的閾值，將不同長勢區(qū)域分開，得到蘭西縣內澇前和內澇時農(nóng)作物長勢分級數(shù)據(jù)（見圖2和圖3）。

利用ERDAS IMAGINE軟件對2013年8月24日遙感影像數(shù)據(jù)進行解譯（見圖4），提取內澇耕地分布情況，并利用ArcGIS軟件對因內澇受到不同影響的區(qū)域進行矢量化處理，得到蘭西縣內澇對農(nóng)作物影響程度、面積與分布，見圖5[6-7]。

5 結果分析

通過專題圖和計算得到，內澇之前，農(nóng)作物長勢旺盛面積為1 884.42 hm2，長勢良好的面積為60 274.35 hm2，長勢正常的面積為57 917.43 hm2，長勢偏弱的面積為42 720.93 hm2。內澇時，長勢旺盛區(qū)的面積為649.26 hm2，相對于正常情況減少65.55%;長勢良好的面積為43 075.89 hm2，減少28.53%;長勢正常的面積為44 907.93 hm2，減少22.46%;長勢偏弱的面積為32 235.66 hm2，減少25.76%。其中，因內澇受影響的農(nóng)田面積為19 788.93 hm2，約占減產(chǎn)耕地范圍的50%;農(nóng)作物生長受內澇影響較小的面積為1 952.46 hm2，占受內澇影響面積的9.87%;影響較重的面積為150.57 hm2，占受內澇影響面積的0.76%;因洪水內澇絕產(chǎn)的耕地面積為17 685.90 hm2，占比89.37%?？梢?，蘭西縣2013年的內澇造成的作物減產(chǎn)、絕產(chǎn)的范圍較大，在受到內澇影響的區(qū)域內，絕大多數(shù)耕地絕產(chǎn)，危害嚴重。另外，內澇區(qū)域主要集中在遠大鄉(xiāng)、燎原鄉(xiāng)、星火鄉(xiāng)和平山鎮(zhèn)，這些鄉(xiāng)鎮(zhèn)位于蘭西縣的東部，與肇東市和安達市接壤，地勢低洼，有部分天然濕地。因此，這也是該地區(qū)更容易形成內澇災害的主要原因。

6 結語

蘭西縣地處黑龍江省中部地區(qū)松嫩平原之上，地勢相對平坦，適合種植玉米、水稻、花生、豆類、亞麻等多種作物，種植結構復雜，又有部分濕地和草地，難與作物區(qū)分。采用30 m分辨率的環(huán)境災害小衛(wèi)星，無論空間分辨率還是時間分辨率，都符合研究要求。另外，數(shù)據(jù)更新速度快，且容易獲取，適合該類區(qū)域的作物生長監(jiān)測和災害監(jiān)測，為農(nóng)業(yè)部門規(guī)劃農(nóng)業(yè)生產(chǎn)、指導抗災救災提供科學依據(jù)。

參考文獻：

[1]劉榮華，張珂，晁麗君，等.基于多源衛(wèi)星觀測的中國土壤濕度時空特征分析[J].水科學進展，2017（4）：479-487.

[2]王利民，劉佳，楊玲波，等.農(nóng)業(yè)干旱遙感監(jiān)測的原理、方法與應用.中國農(nóng)業(yè)信息，2018（4）：32-47.

[3]李花，李衛(wèi)國，黃義德.利用HJ星遙感進行水稻抽穗期長勢分級監(jiān)測研究[J].遙感信息，2010（6）：55-58.

[4]趙銳，湯君友，何隆華.江蘇省水稻長勢遙感監(jiān)測與估產(chǎn)[J].國土資源遙感，2002（3）：9-11.

[5]張有智.基于遙感技術的水稻抽穗期長勢分級監(jiān)測研究[J].黑龍江農(nóng)業(yè)科學，2012（5）：142-143.

[6]張斌.遙感測量在洪水災害淹沒監(jiān)測中的應用[J].城市勘測，2018（4）：116-119.

[7]徐宗學，程濤，洪思揚，等.遙感技術在城市洪澇模擬中的應用進展[J].科學通報，2018（21）：2156-2166.