基于遙感信息的區域農業干旱模擬技術研究

王治海，劉建棟，劉 玲，鄔定榮，邱美娟，俸玉端

（中國氣象科學研究院，北京100081）

華北平原是我國冬小麥重要生產基地，近年來該地區干旱發生頻繁，對當地農業生產產生了一定的不利影響。因此，及時地開展農業干旱監測預測，對于該地區農業生產具有十分重要的現實意義。

長期以來，國內外學者對農業干旱監測預測進行了大量的較為深入的系統研究。Palmer［1］將前期降水和水分供需結合在水文計算系統中，提出了基于水平衡的干旱指數（PDSI）；安順清等［2］對帕默爾旱度模式進行了修正，建立了我國華北地區氣象旱度模式，并提出了優化灌溉的理論依據；王石立［3］建立了水分脅迫下的冬小麥生長模式，并進行了冬小麥干旱影響評價；趙艷霞等［4］以農業干旱識別和預測模型為基礎，開發了農業干旱識別和預測技術系統；劉建棟等［5］在提出農業干旱指數和農業干旱預警指數的基礎上，建立了華北干旱預測數值模式。以上研究為農業干旱預測提供了較為堅實的理論基礎。

然而，大多數模型模擬的土壤濕度與實測值往往存在一定偏差［6－7］，對區域農業旱情監測預測產生不利影響，并且傳統方法對土壤水分主要進行單點觀測，難以滿足實時、大范圍旱情監測的需要［8］。相對而言，遙感技術則可以快速同步地獲取大面積的土壤水分信息，這為區域旱情監測研究奠定了一定的基礎［9］。與其他遙感手段相比，微波遙感不僅能穿透云層和雨區，還能穿透一定深度的地表，從而獲取植被覆蓋的地表及地表以下一定深度的信息［10］。因此，借助微波遙感技術的優勢，將微波遙感反演的宏觀土壤水分信息嵌入到作物干旱模型中，使模型中土壤水分“流動”更加真實，將有可能提高區域農業旱情的預測精度，促進農業干旱模擬模型的發展和應用。

基此，本研究在作物干旱模型研究基礎上［5］，擬以土壤水分為結合點，將微波遙感與作物干旱模型相結合，對河南區域農業干旱進行了較為深入的模擬研究，以期為該地區農業旱情監測提供更有力的科技支撐。

1 研究區概況與研究方法

1.1 研究區概況與試驗數據

本研究選取了具有代表性的河南省作為研究區，該地區位于中國中東部、黃河中下游，是華北地區農產品的重要生產基地。年均氣溫12～16℃，年均降水量550～1 400mm，屬溫帶濕潤半濕潤氣候。

研究中所采用的數據包括氣象數據、站點數據和遙感數據。其中，氣象數據為中國氣象局提供的1961—2006年河南省17個氣象站點的逐日氣象要素值，包括輻射、最高氣溫、最低氣溫、水汽壓、風速和降雨量等。其中，部分輻射數據左大康等［11］的研究用常規資料處理得到；站點數據來自全國農業氣象觀測記錄報表1—2，報表1包括2001—2006年鄭州及信陽2個站點有冬小麥種植的農業氣象觀測資料，即冬小麥生長發育期、生長狀況、干物重、產量以及葉面積指數（LAI）等。報表2包括河南省17個站點的土壤參數數據，即土壤容重、田間持水量和凋萎系數等。無觀測數據的站點，選取距離該站最近的站點資料替代；表層土壤水分遙感數據是美國冰雪數據中心（NSIDC）AMSR－E＿L3＿DailyLand＿V06產品的重采樣結果［12－13］。AMSR－E傳感器于2002年由美國NASA發射的Aqua衛星搭載升空，其赤道過境時間約為當地時間下午1：30（升軌）和凌晨1：30（降軌）［12］。有研究表明，AMSR－E傳感器升軌時的數據質量在一定程度上優于降軌［14］。因此本文選取了該傳感器升軌時的表層土壤水分逐日遙感數據，其時間序列為2004—2006年。由于冬小麥在拔節后對土壤水分的盈虧更加敏感，因此提取各年3—6月的遙感數據用于本研究。

1.2 研究方法

本研究采用的作物干旱模型是在ARID CROP模型基礎上改進而來的［5，15］。De Wit與van Keulun在原De Wit理論的基礎上，考慮了光、溫、水對作物相互作用的影響，發展了一個ARID CROP數值模擬模型［16－17］。該模型機理性很強，主要依據作物生長的生

式中：Pnet——葉 片 凈 光 合 速 率 〔kg／（hm2·h）〕；α——初始光合作用量子效率；Par——光合有效輻射〔cal／（cm2·h）〕；Pmax——最大光合速率〔kg／（hm2·h）〕；Rd——呼吸速率〔kg／（hm2·h）〕。

（3）潛在蒸騰。依據能量平衡原理，潛熱通量LE可表示為：理特點設計，用于模擬作物在土壤水分因子影響下的生長過程［18］。模型主要由初始化、潛在日總光合量、潛在蒸騰、實際蒸騰等子模型構成，其主要部分如下：

（1）初始化。模型的初始化主要是將作物參數、土壤參數等基本信息以相應的文件格式輸入，為模型的模擬計算奠定基礎。

（2）潛在日光和總量。潛在日光合總量為冠層光合量時空上的積分，其計算公式為：

式中：LE——汽化潛熱（mm／d）；Rn——單位葉面積吸收的輻射量〔cal／（cm2·d）〕；Ea——空氣干燥力（mm／d）；Δ——溫度—飽和水汽壓曲線斜率（mb／K）；r——視干濕表常數（mb／K）。視干濕表常數r的計算公式為：

式中：r0——常數（r0＝0.63mb／K）；ra——邊界層阻力（d／cm）；rc——葉片表面對水汽的阻力 （d／cm）。空氣干燥力Ea的計算公式為：

式中：ea——飽和水汽壓（mb）；e——實際水汽壓（mb）；ρ——空氣密度（g／cm3）；Cp——空氣的定壓比熱容〔J／（g·K）〕。

（4）實際蒸騰。利用達西定律與物質連續方程聯立的思路，采用水分平衡方法求解實際蒸騰速率。其中，達西定律與物質連續方程聯立，可以推導出以下關系式：

式中：C（h）——單位時間內的容積含水量（mm／h）；h——土壤水壓差（mm）；K（h）——導水率（mm／h）；t——時間（h）；z——垂直坐標（mm）；S——單位土壤容積的根在單位時間內吸收的水量（mm／h）。

之后，研究人員對模型不斷改進以應用于不同國家的很多地區。劉建棟等［5］在提出農業干旱指數和農業干旱預警指數兩個基本概念的基礎上，將模型進一步發展成我國華北地區農業干旱預測數值模式。該模式的時間步長為1d，需要輸入的數據有輻射、最高氣溫、最低氣溫、水汽壓、風速和降雨量等。

土壤水分反演采用了指數濾波方法［19］，利用表層土壤水分遙感數據反演0—20cm土層的土壤水分。指數濾波法主要是依據表層與深層土壤水分的關系得到，具體算法如下：

式中：SWI——土壤水分指數（0≤SWI≤1）；ms（ti）——ti時刻表層土壤濕度遙感反演值（標準化，無量綱）；T——特征時間長度（d）。特征時間長度是計算土壤水分指數SWI的關鍵參數，其計算思路為：賦予T一組特定值Ti，計算每一個Ti對應的SWI與田間實測值（標準化）的相關系數。提取相關系數最大值Rmax，此時Rmax對應的Ti即特征時間長度最優值。為反演深層土壤濕度，還需要一些與土壤質地有關的信息，如田間持水量、凋萎系數等。其關系式為

式中：W——深層土壤濕度（%）；WL——凋萎系數（%）；FC——田間持水量（%）。

得到0—20cm土層的土壤濕度后，將反演結果替代模型中同一土層含水量的計算過程，從而實現微波遙感與作物干旱模型的鏈接。模型分別采用鏈接遙感技術和不鏈接遙感技術2種方式模擬冬小麥生長過程中的農業干旱情況，進而評價基于遙感信息的作物干旱模型的模擬能力。

2 結果與分析

2.1 模型校正及驗證

以鄭州站點為代表點，將實測資料按年份均衡分組，其中2001—2003年的資料作為模型校正，2004—2006年的數據用于模型驗證。由圖1可知，校正后的模型預測的干物重與實測值吻合較好；葉面積指數（LAI）預測值隨時間的變化趨勢與實際情況也比較一致。因此，校正后的模型能較好地預測冬小麥生長發育過程，其預測結果能反映冬小麥生長發育的基本趨勢。

圖1 干物重、LAI的預測值與實測值比較

2.2 土壤水分遙感反演

采用指數濾波方法［19］，利用表層土壤水分遙感數據（0—1cm土層）反演0—20cm土層的土壤水分指數SWI。在此基礎上，結合實測資料反演得到0—20cm土層的土壤濕度。

（1）特征時間長度最優值確定。特征時間長度T是反演土壤水分指數SWI（0—20cm土層）一個極其關鍵的參數，其計算過程為：利用式（7）對遙感反演資料和田間實測資料標準化，并剔除不在正常范圍（0≤SWI≤1）內的數值。在此基礎上，計算每一個特征時間長度T（4d≤T≤30d，T為整數）對應的SWI，繼而求出SWI計算值與實測值的相關系數R。

由圖2可知，相關系數R在0.31與0.39之間波動。T等于11d時，相關系數R達到0.38以上；當T不等于11d時，相關系數R均小于0.38。綜上所述，當特征時間長度T等于11d時，對應的相關系數R最大（R＝0.382），SWI計算值與實測值最接近。因此，特征時間長度最優值為11d。

圖2 不同特征時間長度T對應的相關系數

（2）深層土壤水分反演。在確定最優特征時間長度（T＝11d）的基礎上，利用式（6）計算出0—20cm土層的土壤水分指數SWI。之后，結合田間實測資料，由式（7）反演得到土壤濕度。進一步對反演值與實測值的符合度進行檢驗，結果如表1所示。

表1顯示，均方根誤差RMSE的平均值為6.3%。由此說明，土壤濕度反演結果與實際情況比較接近，其反演效果較好。

表1 土壤濕度反演結果統計檢驗

2.3 微波遙感與作物干旱模型的結合

在調整模型參數的基礎上，將0—20cm土層的土壤濕度遙感反演信息直接嵌入到模型中，實現微波遙感與作物干旱模型的結合，繼而對冬小麥生長發育及其農業干旱進行模擬。

（1）冬小麥生長發育模擬。以2004—2006年鄭州站點冬小麥生長發育為例，檢驗基于遙感信息的作物干旱模型對葉面積指數的模擬效果。由表2可知，引入遙感信息后，葉面積指數模擬值與實測值的均方根誤差RMSE由1.76降低至1.75。由此說明，將微波遙感與作物干旱模型相結合，可以在一定程度上提高模型對作物生長發育的模擬能力。

表2 葉面積指數模擬值與實測值的均方根差RMSE

（2）農業干旱模擬。目前，農業氣象旬報中只有農業干旱的定性描述，而沒有類似溫度、降水等氣象要素的定量記錄，這為模型驗證帶來一定困難［5］。為解決這一問題，引入基準值這一概念，以更好地實現模型驗證。基準值的計算方法為，采用3次樣條函數對土壤水分實測數據進行插值，得到逐日土壤水分數據。之后，將插值結果替代作物干旱模型中土壤水分的計算過程，其模擬結果即為基準值。模型驗證分為單點驗證和區域驗證。

首先進行單點驗證，將農業氣象旬報中的定性描述按農業干旱預警指數定義［5］轉化為相應的農業干旱預警指數數值（SP），并作為實測值與模擬結果對比。以盧氏、商丘和許昌等站點的冬小麥生長過程為例，對農業干旱預警指數基準值的模擬效果進行檢驗。由圖3所示，在農業氣象旬報沒有旱情記錄時（3月），基準值與實測值之間存在一定差異。而對于有記錄的農業干旱時段（4月上旬至5月下旬），基準值與實測值比較接近，模型對這一時段的旱情有較為準確的再現。因此，農業干旱預警指數基準值具有較高的可靠性，可以作為模型驗證的基礎。

進而利用改進后的模型對區域農業干旱進行模擬驗證。農業氣象旬報記錄：2004年5月中旬，“除豫北、豫西南、豫東南等地墑情適宜外，其他縣市均表現出不同程度的旱情，尤其是豫中大部、豫南部分等地土壤濕度≤10%，屬重度干旱”（附圖7）。由附圖7可知，對于豫中大部分地區，農業干旱模擬結果與實際情況比較吻合，均顯示該地區出現了嚴重干旱；在豫北、豫南和豫東南等地，模擬結果顯示這些地區農業干旱程度很輕，其墑情接近適宜狀態，這與旬報記錄也比較一致。從總體上看，基準值的模擬結果比較符合旬報記錄的描述，再次證明基準值可以作為模型驗證的基礎。

圖3 農業干旱預警指數模擬值與實測值的比較

將模型分別采用鏈接遙感技術和不鏈接遙感技術2種方式模擬區域農業干旱，并將其模擬結果與基準值進行對比。結果表明，對于豫北地區，鏈接遙感技術的模型的模擬結果顯示該地區墑情適宜，而單純模型的模擬結果表明該地區農業干旱嚴重。結合基準值與農業氣象旬報記錄可知，引入遙感信息后，模型在豫北地區的模擬結果更接近實際情況。此外，對于其他地區（如豫中大部），基于遙感信息的模型的模擬結果也更加接近基準值和旬報記錄。因此可以認為，引入遙感信息后，作物干旱模型對區域農業干旱的模擬能力有明顯的提高。

3 結論與討論

（1）引入遙感信息后，模型對冬小麥生長發育模擬的準確率有所提高，并且單點農業干旱的模擬結果更接近實際情況。

（2）區域農業干旱驗證結果表明，將微波遙感與作物干旱模型相結合，可以提高模型對農業干旱的模擬能力，這為農業旱情監測提供了更有力的科技支撐。

本研究嘗試以土壤水分為結合點，將微波遙感技術與作物干旱模型相結合，使模型中土壤水分“流動”更加真實，起到了優化模型的作用，進而提高了區域農業旱情的模擬精度。但本文作為初步嘗試，還存在一些不足之處。例如本文只改進了模型中0—20cm土層含水量的計算過程，進一步的研究將擴展到土壤的更深層次。隨著遙感技術和作物干旱模型的進一步發展，將兩者結合進行農業干旱監測預測是今后研究的主要方向，同時還會出現更多的問題需要深入探討。

［1］ Palmer W C.Meteorological drought［M］.Washington D C，USA：U S Weather Bureau，1965：45-58.

［2］ 安順清，邢久星.帕默爾氣象旱度模式的修正［J］.氣象科學研究院院刊，1986，1（1）：75-82.

［3］ 王石立.冬小麥生長模式及其在干旱影響評估中的應用［J］.應用氣象學報，1998，9（1）：15-23.

［4］ 趙艷霞，莊立偉，王馥棠.農業干旱識別和預測技術系統［J］.應用氣象學報，2000，11（S1）：192-199.

［5］ 劉建棟，王馥棠，于強，等.華北地區農業干旱預測模型及其應用研究［J］.應用氣象學報，2003，14（5）：593-604.

［6］ Stamm J F，Wood E F，Lettenmaier D P.Sensitivity of a GCM simulation of global climate to the representation of land-surface hydrology［J］.Journal of Climate，1994，7（8）：1218-1239.

［7］ Liang X，Wood E F，Lettenmaier D P.Surface soil moisture parameterization of the VIC-2Lmodel：evaluation and modification［J］.Global and Planetary Change，1996，13（1／4）：195-206.

［8］ 王利民，劉佳，鄧輝，等.我國農業干旱遙感監測的現狀與展望［J］.中國農業資源與區劃，2008，32（6）：4-8.

［9］ 劉歡，劉榮高，劉世陽.干旱遙感監測方法及其應用發展［J］.地球信息科學學報，2012，14（2）：232-239.

［10］ 楊紹鍔，閆娜娜，吳炳方.農業干旱遙感監測研究進展［J］.遙感信息，2010，1（21）：103-109.

［11］ 左大康.地球表層輻射研究［M］.北京：科學出版社，1991：1-25.

［12］ Njoku E G，Jackson T J，Lakshmi V，et al.Soil moisture retrieval from AMSR-E［J］.IEEE Transactions on Geoscience and Remote Sensing，2003，41（2）：215-229.

［13］ Jackson T J，Cosh M H，Bindlish R，et al.Validation of advanced microwave scanning radiometer soil products［J］.IEEE Transactions on Geoscience and Remote Sensing，2010，48（12）：4256-4272.

［14］ Brocca L，Hasenauer S，Lacava T，et al.Soil moisture estimation through ASCAT and AMSR-E sensors：an intercomparison and validation study across Europe［J］.Remote Sensing of Environment，2011，115（12）：3390-3408.

［15］ 王天鐸.數值模擬在黃淮海地區生物資源評價中的應用［M］∥劉昌明.中國水問題研究.北京：氣象出版社，1996：191-197.

［16］ van Keulen H，Seligman N G，Benjiami R W.Simulation of water use and herbage growth in arid regions：A revaluation and further development of the model“ARID CROP”［J］.Agricultural Systems，1981，6（3）：159-193.

［17］ Penning F W T，van Laar H H.Simulation of plant growth and crop production［M］.PUDOC：Wageningen，1982：40-82.

［18］ 李明星，劉建棟，王馥棠，等.分布式水文模型在陜西省冬小麥產量模擬中的應用［J］.水土保持通報，2008，28（5）：148-154.

［19］ Wagner W，Lemoine G，Rott H.A method for estimating soil moisture from ERS scatterometer and soil data［J］.Remote Sens.Environ.，1999，70（2）：191-207.