论文部分内容阅读
干旱是一种频繁发生的世界性自然灾害,它已直接影响到自然环境、经济和人类社会的可持续发展。我国是传统的农业大国,旱灾给农业生产带来的不稳定因素,关系着国民经济的快速发展以及社会的持续稳定。因此,加强农田干旱监测和旱灾损失评估的研究,准确评价与预报农田干旱和作物产量损失,对促进干旱区的抗灾减灾工作具有重要的现实意义。
遥感具有宏观、客观、廉价与准实时等特点,可以弥补传统干旱监测和损失估算方法中采样点分散、监测范围小等不足,是当前农田干旱监测和旱灾损失评估的重要技术手段。研究基于遥感技术的干旱监测模型和旱灾损失评估方法,可以为农业生产、防灾减灾、灾损核定和灾后救援提供科学依据。
本研究以MODIS陆地产品作为遥感数据源,以基于多维特征空间的干旱监测模型及各生育期量值分离的旱灾损失评估构建为主线,以宁夏回族自治区为例开展农田干旱监测和小麦旱灾损失评估。针对NDVI易饱和的缺陷,本文提出在作物生长中后期用LAI代替NDVI构建LST-LAI及Albedo-LAI特征空间,从而建立物理意义更加明确的干旱监测模型。同时,结合小麦的生育周期,建立基于量值分离的小麦生育期旱灾损失评估模型,并利用宁夏地区长时间序列的实地观测数据对农田干旱监测和小麦旱灾损失评估的效果进行验证。
论文主要内容如下:
(一)农田干旱监测模型和小麦旱灾损失模型的构建
(1)针对目前应用最为广泛的农田干旱监测模型TVDI,考虑其在作物生长中后期因NDVI饱和而精度不足的缺陷,提出在LST-NDVI特征空间中以LAI代替NDVI,构建基于LST和LAI特征空间的温度叶面积干旱监测模型TLDI。同时综合TVDI和TLDI模型,提出改进的温度叶面积干旱指数MTLDI,可以在作物生长的全周期内对农田旱情进行监测和分析。
(2)利用Albedo和LAI构成的三角形特征空间,提出了反照率叶面积指数干旱监测模型ALDI。地表反照率包含整个短波范围内的地表反射特征,包括对水分最敏感的短波红外波段信息及对植被敏感的可见光、近红外波段的信息。利用地表反照率构建干旱模型,有利于从植被长势和地表水分条件的角度综合监测干旱状况。尤其是在陆表温度无法获取时,利用ALDI可以有效地监测农田干旱。同时,ALDI与植被条件反照率干旱指数VCADI相结合,还可以进行作物全生育周期的农田干旱监测。
(3)从作物生态学和光谱学原理的角度,分析了在小麦整个生育周期内小麦的水分供需关系以及干旱对小麦生长的影响机理,为基于遥感的小麦旱灾损失定量评估研究提供了理论依据。在总结已有作物旱灾损失遥感估算方法的基础上,提出了作物不同生育期的量值分离方法,该方法以旱灾损失量为因变量,以小麦需耗水量作为自变量进行灾损估算。
(4)依据不同生长阶段的小麦需水状况,把其全生育期划分为四个生育阶段,研究不同生育阶段的水分胁迫对小麦生长发育及产量的影响。利用基于量值分离的小麦旱灾损失评估方法,分别对宁夏北部灌区、中部旱区和南部山区建立小麦不同生育阶段的旱灾损失评估模型,进而利用递归方法建立全生育期的累积旱灾损失模型,实现对小麦干旱灾损的定量评估。
(二)模型的宁夏地区验证
直接利用MODIS数据产品作为遥感数据源,避免了使用MODIS原始数据的繁杂处理过程,初步探索出MODIS数据产品在业务化农田干旱遥感监测与旱灾损失评估中应用的技术流程。本研究采用的MODIS数据产品包括地表温度、叶面积指数、归一化植被指数和地表反照率,地面数据集为宁夏回族自治区2001年至2009年每年3～8月份的实测数据,并分别对它们进行相应的处理。
(1)利用实地观测的土壤墒情数据对本文提出的TLDI和ALDI模型进行验证。验证结果表明,对于TLDI模型来说,在较高植被覆盖时对土壤水分的监测效果远远优于TVDI指数,而TVDI对裸土或低植被覆盖地表的旱情监测优势较为明显。在作物整个生育期内,MTLDI指数对土壤水分监测精度高。
(2)ALDI模型在较高植被覆盖下对土壤水分敏感性高,其与VCADI指数相结合的干旱监测模型适用于作物全生育期的干旱监测。比较TLDI和ALDI,它们与实测含水量之间都具有良好的负相关性,但是TLDI对土壤水分的监测精度高于ALDI模型。在缺少热红外信息的情况下,可以利用ALDI代替TLDI进行农田旱情监测。通过与PDI、MPDI干旱监测指数的比较结果可知,TLDI和ALDI能够更准确地反映农田水分信息。
(3)利用宁夏2001年至2009年的小麦灾损量资料进行各生育期和全生育期旱灾损失评估模型的验证。结果表明对于各生育期的灾损模型来说,第二、第三阶段的灾损指数同灾损量的相关性较其它两个阶段高,而全生育期的累积灾损模型对旱灾损失量的估算精度较各阶段模型都高。利用全生育期累积模型对各站点小麦旱灾损失量的估算平均误差基本都小于150公斤/公顷,最小误差为30公斤/公顷,最大误差为225公斤/公顷。