基于多時相高分一號影像的玉米澇災監測

馮 琳，陳圣波，韓冰冰

(吉林大學地球探測科學與技術學院，長春 130026)

澇災對玉米的損傷體現在根系在過多水分浸泡中，表現在短期造成的根系中毒，長期導致根系的腐爛，當土壤濕度超過持水量80%時生長受阻、葉片光合作用降低、土壤養分流失[1]。一般玉米受澇后可能造成生長發育遲緩，但暫時的雨水豐缺并不能造成作物澇災的發生，只有較長持續時間才能造成作物災害。

玉米受澇會導致產量的下降，監測玉米受澇程度對災后排水補救和產量受損評估提供依據，不同的生長時期玉米對澇的抵抗能力不同，植株越大對澇的抵抗力也越強，所以部分玉米在受澇以后會恢復生長狀態[2]。基于以上特性，所以應采用多時相監測玉米澇災。

以往識別澇災的方法有氣象指數和遙感手段。氣象指數如標準化降雨指數(SPI)、水分異常指數(Z-index)[3]、降雨異常指數(RAI)[4]、結合降雨和蒸散信息的累積濕潤指數[5]等。氣象指數是基于氣象站點數據的實測降雨量數據計算得到的，不能對澇過程在時間和空間上進行及時準確的探測[6]，而且多數氣象指數如SPI要多年的站點數據，站點數據分布稀疏，小尺度地區使用效果差。遙感數據方面，常用來提取水體的方法有色度判別法[7]、單波段閾值法、波段組合法[8]、多光譜混合分析法、遙感影像分類法[9]、利用譜間關系建立模型[10]、數字高程模型(DEM)探測水深法[11]。DEM探測水深的方法未考慮農田對水的吸收滲透能力，適合城市內澇的識別。色度判別法和遙感影像分類法更適于洪澇地區嚴重，水體明顯，植被倒伏的情況，對澇的識別不夠敏感。單波段閾值法中近紅外波段對于水體的響應特征明顯[12]，常用來識別、監測水體，但是在農作物澇災識別上，由于存在較多混淆信息，不能反映土壤的水分，而本研究方法的歸一化水體指數(NDWI)是采用了多波段法改進的結果，選取與水體相關的波段，用數學方法構建合適的模型，提高了水體的識別精度[13]。NDWI一定程度上反映土壤水分梯度[14]，它是通過作物受澇后植被指數的響應特征識別[15]，可以較好識別作物受澇范圍，但單一的NDWI指數無法反映玉米的生長狀況。所以聯合歸一化植被指數(NDVI)通過反映作物受災后生長狀態上來監測災害的程度，通過劃分多時相數據的NDWI閾值識別受澇范圍，在提取受澇范圍的基礎上采用基于NDVI計算的ST|ΔD|劃分閾值，實現對玉米澇災程度的劃分。

與以往的農業澇災識別方法相比，本研究方法不需要提供即時氣象站點的氣象數據，也不需要災情預報和歷史氣象信息，并采用多時相監測的方式提高精確度和延長監測時效，劃分受澇范圍時可根據區域統計值作為閾值，不需要采樣點信息，首次采用聯合NDWI和基于NDVI的ST|ΔD|兩種指數的方式，更適用于農作物澇災的監測。

1 數據與方法

1.1 研究區域

土默特右旗位于內蒙古自治區中南部，呼和浩特市、包頭市之間，土默特右旗屬典型大陸性半干旱季風氣候，年平均降水量346 mm。土默特右旗總土地面積為355.2×104畝，耕地面積154.5×104畝，是包頭的最大農作物種植旗，研究區由8個鎮組成。2018年進入7月份，土右旗開始出現大規模降水，降水持續到7月24日，2019年7月降水總量128.2 mm，是常年的201%，大規模降水出現在7月13日、15日、19日、20日，局部地區出現暴雨，研究區域野外采樣點數據101個，如圖1所示，提供設置閾值的依據和用來精度評價。

圖1 土默特右旗及采樣點

1.2 數據來源

遙感影像來源為高分一號衛星的WFV傳感器的影像，空間分辨率為16 m，該數據包括4個波段，分別為藍波段(0.45～0.25 μm)、綠波段(0.52～0.59 μm)、紅波段(0.63～0.69 μm)、近紅波段(0.77～0.89 μm)。該衛星配備了兩臺2 m全色分辨率相機、8 m分辨率多光譜相機，4臺16 m分辨率多光譜寬幅相機。所用數據如表1所示。

表1 數據介紹

1.3 研究方法

研究針對研究區的玉米作物，結合玉米生長期的不同特征，對經預處理以后的影像首先采用監督分類的最小距離法提取研究區的玉米范圍，然后通過人機交互的方式對分類的結果進行分類后處理，得到玉米作物的范圍(圖2)。

圖2 方法流程圖

圖3 土默特右旗玉米分布圖

1.3.1 玉米受澇范圍提取

在提取受澇范圍時需考慮降水的整個周期，采用多時相歸一化水體指數NDWI分析提取受澇范圍，以往的研究表明近紅外和可見光的對于水體的不同響應反差可以很好突出水體，NDWI采用近紅外波段和綠波段組合突出水體[16]，可以很好抑制植被信息，運算公式為

(1)

式(1)中：Green為綠波段值，Nir為近紅外波段值。

為了反映差異變化，提出ΔNDWI指數，運算公式為

ΔNDWI=NDWI停-NDWI前

(2)

式(2)中：NDWI前為降雨前的NDWI值，NDWI停為降雨停止的NDWI值；ΔNDWI考慮了降水前土壤水分的差異，并反映了在降雨后地表多余水體的滯留程度。

1.3.2 玉米受澇后長勢分析

以往的研究表明歸一化植被指數NDVI可以反映植被長勢，NDVI值越大，長勢越好，由于其波段計算簡單，獲取方式容易，廣泛用于評價植被長勢，其運算公式為

(3)

式(3)中：Red為紅波段值。

由于單一NDVI在水分脅迫前就具有差異[17]，采用兩個時相的NDVI的差值可以消除玉米正常生長的影響，并綜合兩個NDVI的差值結果，引入ST|ΔD|，其計算公式為

(4)

式(4)中：|ΔD|min為|ΔD|的最小值；|ΔD|max為|ΔD|的最大值，根據提取范圍不同，其最大值最小值不同，ST|ΔD|值為0～1，|ΔD|的計算公式為

(5)

式(5)中：STΔNDVI1為ΔNDVI1標準化后的值;STΔNDVI2為ΔNDVI2標準化后的值;值在0～1，其計算公式為

(6)

(7)

ΔNDVI1和ΔNDVI2由下式計算得到：

ΔNDVI1=NDVI后-NDVI停

(8)

ΔNDVI2=NDVI后-NDVI前

(9)

式中：NDVI前為降雨前的NDVI值，NDVI停為降雨停止的NDVI值,NDVI后為降后一段時間的NDVI值。

由于區域降雨的差異性，不同地區之間大量集中降水的時間以及停止降水的時間不同，對于集中降水靠近前半個降水周期的地區響應時間要早于集中降水靠近后半個降水周期的地區，對于降水周期長的地區為了考慮這個因素的影響，選擇兩個NDVI差值結果來反映降雨前期和后期的影響。

2 結果與分析

2.1 玉米受澇范圍結果分析

分別提取降雨周期內的7月14日的NDWI中，降雨停止時間7月26日的NDWI停。NDWI前為降雨前6月23日的NDWI值，ΔNDWI為降雨前后差值。

由于在綠波段，水體像元值高，近紅外波段，水體像元值低，所以土壤滯留水分越高，水體越明顯，NDWI和ΔNDWI越高。多時相歸一化水體指數NDWI分析方法判定玉米受澇的條件為NDWI中、NDWI停、ΔNDWI其中一個指數大于適當的值即為受澇，通過設置合適閾值可以提取玉米的受澇范圍，閾值的設置綜合考慮野外采樣點和玉米的NDWI和ΔNDWI進行分區統計得到的結果來確定，由于不同鎮降雨的差異，分別統計每個鎮玉米NDWI中、NDWI停、ΔNDWI的均值，每個鎮設置對應的均值作為劃分閾值提取的受澇區域。

利用NDWI中、NDWI停、ΔNDWI設置每個鎮對應的玉米均值為劃分閾值提取的土默特右旗玉米受澇范圍如圖4所示。共有野外受澇采樣點101個，88個受澇點在提取的受澇范圍內，精度達到87%。統計各個鎮的玉米受澇和未受澇的占比，如表2所示，受澇占比為60%～70%，溝門鎮受澇占比最大，主要原因是溝門鎮北部地區大部分地勢較高，玉米種植靠近山地且地勢低，降水易往地勢低處流淌，大規模降水易導致水的滯留。此外，明沙淖鄉受澇地區集中在中部地區，未受澇地區集中在西北部地區，受澇地區靠近河流，根據氣象站點數據7月20日明沙淖鄉站點降水達到44.9 mm，所以河流的排水能力有限，大規模連續降雨導致河流水位上漲，導致兩岸耕地水的滯留。

圖4 玉米受澇區域圖

表2 土默特右旗玉米受澇等級占比

2.2 玉米受澇等級結果分析

在玉米的生長期NDVI值呈單峰變化，北方玉米8月上旬處于灌漿期，NDVI緩慢增長；在8月中旬左右達到峰值開始進入成熟期，之后玉米NDVI值下降。以往研究表明玉米受澇后NDVI響應時間至少在受澇之后的9 d以后[18]，以及考慮衛星重返周期的影響，選擇8月15日影像的NDVI值最為降水后一段時間的值。根據氣象信息，7月25日為降雨剛結束的時間，7月1日為降雨開始時間，所以選擇降雨剛結束的7月26日的NDVI值和最靠近降水開始前的6月23 的NDVI值。

根據式(8)和式(9)，得到ΔNDVI1和ΔNDVI2，為了描述指數NDVI變化的特征差異，對其進行標準化得到STΔNDVI1、STΔNDVI2。將標準化后的NDVI差值進行平方加和并開方得到特征值|ΔD|，以擴大差異性，使其有更好的可分離性。最后對|ΔD|標準化使其數值為0～1。

根據玉米NDVI的變化規律，接近成熟期的玉米NDVI值達到峰值或剛剛進入緩慢下降階段。根據所處生長期判斷正常生長玉米ΔNDVI1應為正值或者接近零的負值，ΔNDVI1應為正值，所以玉米ST|ΔD|值越高，長勢越好，受澇對玉米長勢影響越小，澇的程度越小，設置合適的閾值可以劃分受澇玉米受澇程度。

由于將軍堯鎮和雙龍鎮玉米受澇嚴重，且只有兩個鎮的采樣點(圖4中將軍堯鎮和雙龍鎮的采樣點)有專家實地明確的定損(損失成數)作為驗證，所以以這兩個鎮為例研究該方法的適用尺度，比較整個旗設置一個閾值劃分等級的精度和兩個鎮單獨設置閾值劃分等級的精度。分別統計鎮和整個旗的玉米的ΔNDVI1和ΔNDVI2，計算對應的|ΔD|和ST|ΔD|值。根據采樣點提供的受澇程度信息設置合適ST|ΔD|作為劃分閾值。

歸一化植被指數NDVI可以反映作物長勢，和玉米產量也有很大的相關性，所以可以用來監測玉米受澇程度，生長和產量受多方面因素影響，為了排除由于其他因素對玉米長勢的影響，選擇在多時相NDWI提取受澇區域的基礎上進行受澇等級的劃分，根據兩個鎮59個采樣點的報災受損信息，劃分受損5成及5成以下為輕度受澇，5成以上為重度受澇。根據采樣點的信息，閾值設置和符合采樣點的精度分別如表3所示，可以明顯看到結合了STΔNDVI1和STΔNDVI2兩個指數的ST|ΔD|劃分的精度更好，雙龍鎮的受澇等級劃分精度可以達到82.2%，將軍堯的受澇等級達到74%。對整個旗為單位分別設置STΔNDVI1、STΔNDVI2、ST|ΔD|的閾值來劃分受澇程度，精度最高達到69%。由此說明以鎮單位設置ST|ΔD|比以整個旗為單位提取ST|ΔD|效果好。原因是各個鎮之間降水時間和程度存在一定差距，小地區提取可以排除一定的差異。

表3 閾值設置及對應精度

整個旗提取ST劃分的玉米受澇程度如圖5所示，未澇、輕度受澇和重度受澇占比如表2。單獨鎮設置ST設置閾值劃分玉米受澇程度如圖6所示，未澇、輕度受澇和重度受澇占比如表4所示。綜合整個旗提取結果和以單位鎮提取兩個鎮的結果，明沙淖鄉、海子鄉此次受澇較輕，重澇占比較少，雙龍鎮、將軍堯鎮受澇程度嚴重，重澇占比較多。此外可以看出雙龍鎮和將軍堯鎮以鎮為單位得到的受澇程度占比與以整個旗為單位得到的受澇程度占比有明顯的區別，鎮單位得到的雙龍鎮受重澇程度比將軍堯受重澇程度占比高。

七月處于玉米生長的拔節期，水分的過多和積水對玉米株高和產量的影響僅次于苗期，研究表明拔節期玉米積水3 d以上會造成減產[19]，土壤的高濕亦會影響玉米葉片的光合作用[20]。為了分析此次玉米受澇對于產量的影響程度，采用了野外產量采樣，單點測產的方式，采樣點如圖6所示。單獨鎮設置ST設置閾值劃分的等級及對應測產結果為：未受澇點4個，1 289.5斤/畝、1 204.4斤/畝、1 220.5斤/畝、1 040斤/畝。輕度受澇點6個，982.8斤/畝、922.4斤/畝、1 050.1斤/畝、1 186.2斤/畝、801.3斤/畝、875.5斤/畝。重度受澇點2個，932.4斤/畝、880.1斤/畝。從測產結果來看，此次玉米拔節期受澇對產量造成的一定影響，受澇區域整體的產量小于未受災區域，重度受澇點產量均低于1 000斤/畝，輕度受澇點產量均低于1 200斤/畝，除此之外仍有個別點異常，如有未受災點測產為1 040斤/畝，造成該點玉米產量不高可能是其他因素引起，根據氣象信息，土右旗6月降水偏少，該點產量低有可能是因為苗期缺水過多導致生長受影響。有輕度受災點，測產結果為1 186.2斤/畝，該點受澇后對產量幾乎影響不大，原因是輕度受澇的玉米在災后恢復生長的情況好。

圖5 土默特右旗玉米受澇等級圖

圖6 兩個鎮玉米受澇等級圖

表4 單獨鎮提取的玉米受澇等級占比

3 結論

綜上得出如下研究結果：①采用多時相NDWI提取玉米受澇范圍具有可行性，并且可以統計均值作為劃分依據；②結多時相的NDVI差值的ST可以劃分玉米的受澇程度，但仍需采樣點數據作為劃分依據，但在沒有采樣點的情況下可設置閾值在0.4～0.6;③以鎮為單位設置閾值劃分玉米受澇等級的精度高于以旗單位設置閾值劃分的精度；④玉米拔節期持續受澇會導致減產。但是，該方法也存在以下問題：①對影像要求高，需要多時相的數據，考慮到衛星的回歸周期和降雨期間云的影響，不一定能獲取到可用的數據；②劃分受澇等級需要采樣點的信息得到合適閾值，依賴于野外采樣點信息。在后續的研究中，可以考慮該方法對其他作物的適用性，研究作物在不同時期對于受澇前后及過程中其他指數和光譜的響應特征，選擇出最適合的時相和植被指數、波段信息組合最優ST。