農(nóng)業(yè)旱情評估方法研究
——基于農(nóng)田水分循環(huán)模擬與遙感影像信息同化

倪深海，顧 穎，閆娜娜，常 勝，趙 凱，申 瑜(1.水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，南京 210029；2.南京水利科學(xué)研究院，南京 210029；.中國科學(xué)院遙感與數(shù)字地球研究所，北京 10009；.山西省水文水資源勘測局，太原 00001)

0 引 言

農(nóng)業(yè)旱情是以土壤中實(shí)際貯存的、可供作物利用的水量多少為依據(jù)判別作物的受旱情況。無論是降水還是灌溉，水分都要首先貯存在土壤中，然后被作物生長逐步吸收利用；另外，區(qū)域的氣象、水文、灌溉等條件以及灌溉用水管理狀況，也都能夠很好地通過農(nóng)業(yè)旱情信息得以體現(xiàn)[1-3]。因此，可通過土壤墑情信息、農(nóng)作物缺水信息及遙感影像識別農(nóng)業(yè)旱情。如何判別農(nóng)業(yè)旱情是旱情預(yù)測預(yù)警的關(guān)鍵，為表征農(nóng)業(yè)旱情的發(fā)生與發(fā)展過程，可采用多種判別方法。采用仿真技術(shù)模擬作物生長過程，識別農(nóng)作物需水、缺水信息，并利用遙感信息進(jìn)行同化是判別農(nóng)業(yè)旱情行之有效的方法[4,5]，同化后的模型模擬農(nóng)業(yè)旱情與實(shí)測結(jié)果較好的擬合度，實(shí)現(xiàn)對旱情及趨勢的全面監(jiān)視和評估的目的。

信息同化技術(shù)應(yīng)用到旱情監(jiān)測和評估中，可以克服單一信息評估旱情的片面性。研究表明，基于農(nóng)田水分循環(huán)模擬與遙感信息同化的農(nóng)業(yè)旱情評估模型是可行的，為及時(shí)、準(zhǔn)確識別評估農(nóng)業(yè)旱情提供一種新的方法，對我國旱情監(jiān)測評估方面有著重要應(yīng)用和推廣價(jià)值。

1 信息同化技術(shù)與方法

1.1 信息同化含義

信息同化是將各種不同來源，不同時(shí)空、不同觀測手段獲得的數(shù)據(jù)和資料與數(shù)學(xué)模型有機(jī)結(jié)合，不斷更新系統(tǒng)狀態(tài)與參數(shù)，建立數(shù)據(jù)與模型相互協(xié)調(diào)的優(yōu)化關(guān)系，提高物理過程模擬或預(yù)報(bào)精度的技術(shù)。

早在20世紀(jì)50年代信息同化就被成功應(yīng)用于數(shù)值天氣預(yù)報(bào)，之后在海洋預(yù)測系統(tǒng)中也得到廣泛應(yīng)用，直到20世紀(jì)90年代才被用來研究陸面過程. 陸面信息同化是在大氣和海洋數(shù)據(jù)同化研究的基礎(chǔ)上迅速成長起來的一個(gè)嶄新的領(lǐng)域，其核心思想是在陸面過程模型的動(dòng)力框架內(nèi)，融合不同來源和不同分辨率的直接與間接觀測，將陸面過程模型和各種觀測算子集成為不斷地依靠觀測而自動(dòng)調(diào)整型軌跡，并且減小誤差的預(yù)報(bào)系統(tǒng)[6,7]。旱情信息的同化正是陸面過程同化的一個(gè)重要內(nèi)容，利用遙感監(jiān)測旱情信息與農(nóng)田水分循環(huán)模擬數(shù)據(jù)進(jìn)行同化，以不斷更新農(nóng)田水分循環(huán)模擬模型狀態(tài)變量與參數(shù)，提高農(nóng)田水分循環(huán)過程模擬與預(yù)報(bào)精度。

1.2 信息同化算法

信息同化算法是連接遙感影像信息與模型模擬旱情信息的關(guān)鍵核心部分[8]，本文采用逐步訂正法進(jìn)行信息同化。逐步訂正法采用模擬旱情信息作為初估場，不斷插入遙感監(jiān)測旱情信息，使用這些遙感監(jiān)測值以及給定的影響半徑對初估場進(jìn)行一次訂正，然后使用訂正后的分析場作為下一次訂正的初估場，同時(shí)縮小影響半徑，進(jìn)行下一次訂正。這樣的循環(huán)過程就構(gòu)成四維數(shù)據(jù)同化。由于模擬旱情信息和遙感監(jiān)測旱情信息相近，并且分析場空間連續(xù)性較好，同時(shí)又考慮了時(shí)間的連續(xù)性，因此，在這樣的基礎(chǔ)上進(jìn)行連續(xù)訂正，并在訂正過程中縮小影響半徑，首先可以去掉初估場的大尺度誤差，然后使模擬的旱情信息分析場越來越逼近實(shí)際旱情信息場，就比直接插值容易得到較好的效果。

(1)

式中：fbi是背景場在第i個(gè)計(jì)算單元上的值；f0i是計(jì)算單元i上零次迭代估計(jì)值(f0i=fbi)；fni是格點(diǎn)i上第n次迭代估計(jì)值；f0k是計(jì)算單元i周圍的第k個(gè)觀測；ε2是觀測誤差方差與背景場誤差方差的比率的估計(jì)；Kni是距離格點(diǎn)i為Rn內(nèi)的觀測值總數(shù)；wnik為權(quán)重。

逐步迭代法的權(quán)重：

(2)

式中：r2ik為觀測點(diǎn)rk和格點(diǎn)ri之間距離的平方。

逐步訂正法得到的最后分析值實(shí)際上是各種可利用的信息加權(quán)平均。逐步訂正法簡單經(jīng)濟(jì)，能產(chǎn)生合理的分析。

2 農(nóng)業(yè)旱情信息同化數(shù)據(jù)源

農(nóng)業(yè)旱情信息來源主要來自于農(nóng)田水分循環(huán)過程模擬結(jié)果、遙感監(jiān)測信息以及對農(nóng)作物外在的觀察和描述。

2.1 農(nóng)田水分循環(huán)模型模擬的旱情信息

農(nóng)田水分循環(huán)模型可連續(xù)模擬逐日的土壤含水量、作物缺水量，可建立基于逐旬時(shí)間尺度的旱情評估指數(shù)，比以往基于月尺度的干旱指數(shù)更能準(zhǔn)確描述干旱的發(fā)生、結(jié)束和程度，進(jìn)而為旱情監(jiān)測預(yù)測及抗旱決策提供更加及時(shí)、可靠的支持，達(dá)到有效減災(zāi)和防災(zāi)的目的。基于農(nóng)田水分循環(huán)過程模擬的農(nóng)業(yè)旱情，考慮降水、蒸發(fā)、植被和土壤特性對干旱的綜合影響，能夠更加真實(shí)地反映實(shí)際發(fā)生的旱情。

從農(nóng)田水量平衡原理出發(fā)，以農(nóng)田表層為原型，建立農(nóng)田水分循環(huán)模型，模擬農(nóng)作物生長期農(nóng)田水分循環(huán)過程及逐日農(nóng)作物需水、缺水信息。根據(jù)區(qū)域氣候和下墊面條件，可確定作物不同生長階段的逐旬農(nóng)業(yè)旱情等級[9]。

2.2 遙感監(jiān)測的旱情信息

遙感技術(shù)可以獲取時(shí)空連續(xù)的地表參量信息，反映時(shí)空尺度上地表狀態(tài)的變化。借助更高分辨率的MODIS遙感數(shù)據(jù)，構(gòu)建作物生長季的葉面缺水指數(shù)(NDWI)，可表征作物受旱狀況，為旱情監(jiān)測與驗(yàn)證提供重要信息源。

獲取并處理與模擬分析同期的MODIS源數(shù)據(jù)，MODIS1B數(shù)據(jù)處理過程包括輻射校正、幾何校正、大氣校正和云檢測等。綠色植物的反射光譜的光譜特征在0.9～2.5 μm區(qū)域是由液態(tài)水吸收控制的，同時(shí)也受一些其他的生物化學(xué)成分吸收的微弱影響。在近紅外波段，植被液態(tài)水的吸收可以忽略不計(jì)，在短波紅外波段，水的吸收很弱，從而利用植被在紅外波段(NIR)與短波紅外波段的光譜可以很靈敏的反應(yīng)植被冠層水的含量。而葉面含水的多寡與水分脅迫有直接的關(guān)系。因此可以用葉面缺水指數(shù)(NDWI)進(jìn)行旱情監(jiān)測。根據(jù)監(jiān)測時(shí)段逐日NDWI指數(shù)數(shù)據(jù)集產(chǎn)品，采用平均值合成法得到旬NDWI指數(shù)，分析NDWI指數(shù)與旱情等級關(guān)系，可得逐旬遙感監(jiān)測的旱情信息。

3 農(nóng)業(yè)旱情信息同化過程與驗(yàn)證

3.1 農(nóng)業(yè)旱情信息同化過程

由于土壤結(jié)構(gòu)和質(zhì)地的復(fù)雜性及其空間不一致性，并受限于土壤參數(shù)及其資料，精確地模擬空間分布的農(nóng)業(yè)旱情是有困難的。由于模型計(jì)算的作物需水量和作物缺水量代表著模型計(jì)算單元一天24 h的平均值，而遙感觀測值僅代表計(jì)算單元瞬時(shí)的葉面缺水指數(shù)。考慮到農(nóng)田水分循環(huán)模型模擬得到的作物旱情等級與遙感監(jiān)測旱情信息的時(shí)空尺度差異，采用信息同化的逐步訂正法進(jìn)行模型參數(shù)調(diào)試，可提高農(nóng)業(yè)旱情模擬進(jìn)度。因此，經(jīng)同化的農(nóng)田水分循環(huán)模擬模型可用于農(nóng)業(yè)旱情評估與預(yù)測。農(nóng)業(yè)旱情信息同化逐步訂正法分析步驟如下。

(1)采用農(nóng)田水分循環(huán)模擬模型計(jì)算逐日作物需水量和作物缺水量值，產(chǎn)生時(shí)間分辨率為1旬，空間分辨率為計(jì)算單元(縣級行政單元)的農(nóng)業(yè)旱情信息作為初估場。

(2)采集MODIS遙感數(shù)據(jù)，采用平均值合成法計(jì)算旬葉面缺水指數(shù)(NDWI)，可得逐旬遙感監(jiān)測的旱情信息。

(3)比對各計(jì)算單元模擬農(nóng)業(yè)旱情信息和遙感監(jiān)測旱情信息并計(jì)算誤差協(xié)方差，依次使用逐個(gè)計(jì)算單元遙感監(jiān)測值調(diào)整農(nóng)田水分循環(huán)模擬模型參數(shù)，模擬出時(shí)間步長推進(jìn)1旬的農(nóng)業(yè)旱情信息，作為下一次訂正的初估場，逐旬進(jìn)行下一次訂正。

(4)從農(nóng)田水分循環(huán)模擬值和遙感監(jiān)測值的計(jì)算得到誤差場，對誤差場的樣本進(jìn)行統(tǒng)計(jì)計(jì)算，農(nóng)業(yè)旱情信息同化直至誤差系列期望值為0、協(xié)方差為給定的先驗(yàn)誤差為止。

3.2 同化后的模擬模型結(jié)果驗(yàn)證

選擇山西的太原、晉中和呂梁三個(gè)地級市為研究示范區(qū)，屬于黃河流域的汾河水系和東川河水系，區(qū)域總面積44 213 km2，結(jié)合水資源分區(qū)和行政區(qū)劃，將示范區(qū)分為24個(gè)計(jì)算單元(縣級行政單元)，分別進(jìn)行農(nóng)田水分循環(huán)過程模擬和同期遙感影像采集。示范區(qū)主要種植小麥和玉米，2009年農(nóng)作物總播種面積86.34萬hm2。示范區(qū)多年平均降水量430～525 mm，多年平均蒸發(fā)量1 710～1 780 mm，以春夏連旱為主。根據(jù)1970-2009年各計(jì)算單元的逐日降水、蒸發(fā)資料，逐日模擬小麥玉米生長期需水、缺水過程，所選資料具有可靠性和代表性。

在空間尺度上，利用仿真模擬的方法計(jì)算得到逐月的作物受旱情況與遙感影像監(jiān)測的農(nóng)作物受旱狀況有差異，以旱情較重的2001年為例(見圖1)，運(yùn)用逐步訂正法，根據(jù)遙感監(jiān)測旱情信息進(jìn)行同化，調(diào)整優(yōu)化農(nóng)田水分循環(huán)模型狀態(tài)變量與參數(shù)。

農(nóng)業(yè)旱情模擬結(jié)果的可靠性取決于基本資料參數(shù)的可靠程度和農(nóng)業(yè)干旱等級的劃分標(biāo)準(zhǔn)是否合適。可用典型干旱年實(shí)測旱情對同化后的模擬模型進(jìn)行驗(yàn)證。山西示范區(qū)2001年3-7月實(shí)際旱情比較嚴(yán)重，將農(nóng)田水分循環(huán)模型模擬旱情信息與實(shí)際旱情進(jìn)行比較，24個(gè)單元中80%以上的單元旱情等級吻合較好(旱情等級為1、2、3、4分別表示輕旱、中旱、重旱和特旱)，農(nóng)田水分循環(huán)模型模擬旱情等級驗(yàn)證準(zhǔn)確度表見表1，模擬旱情與同期實(shí)際旱情比對圖見圖2。研究結(jié)果表明：同化后的農(nóng)田水分循環(huán)模型模擬旱情等級與實(shí)測旱情結(jié)果具有較好的擬合度。

表1 農(nóng)田水分循環(huán)模型模擬旱情等級驗(yàn)證準(zhǔn)確度Tab.1 Verify the accuracy of farmland water cycle model to simulate the drought level

圖1 2001年4-6月山西示范區(qū)仿真模擬結(jié)果(左邊)及對應(yīng)時(shí)間的遙感監(jiān)測結(jié)果(右邊)Fig.1 Simulation result (left) and remote sensing image (right) of the model district of Shanxi among April to June in 2001

圖2 山西示范區(qū)2001年3-7月模擬旱情與同期實(shí)際旱情比對圖Fig.2 Compares to the chart between simulation drought to actual occurrence one of the model district of Shanxi among March to July in 2001

4 結(jié) 語

(1)提出的農(nóng)田水分循環(huán)模型沒有考慮旱作區(qū)地表以下水平方向的水量交換。在模型應(yīng)用時(shí)，對作物實(shí)際受旱情況需進(jìn)行監(jiān)視和跟蹤；運(yùn)用同化技術(shù)，根據(jù)遙感觀測信息對模型參數(shù)進(jìn)行實(shí)時(shí)修正，仿真模擬旱情等級與實(shí)際旱情等級進(jìn)行了比對，80%以上單元旱情等級相吻合，所以，可用同化后的農(nóng)田水分循環(huán)模擬模型準(zhǔn)確預(yù)測作物缺水率，預(yù)估由缺水造成的作物減產(chǎn)量。

(2)仿真模擬技術(shù)的應(yīng)用是研究區(qū)域作物旱情規(guī)律的一種行之有效途徑。利用水分模擬結(jié)果，掌握作物旱情發(fā)生、發(fā)展和緩解的過程，分析研究區(qū)域作物旱情時(shí)空分布規(guī)律，可為農(nóng)業(yè)旱情預(yù)測預(yù)警提供技術(shù)支撐，為抗旱決策提供科學(xué)依據(jù)。

□

[1] 康紹忠，劉曉明，熊運(yùn)章，等．土壤-植物-大氣連續(xù)體水分傳輸理論及其應(yīng)用[M]．北京：水利出版社，1992.

[2] 吳志勇，陸桂華，張建云，等．基于VIC模型的逐日土壤含水量模擬[J]．地理科學(xué)，2007，27(3)：359-364

[3] 張文勝，劉錦娣，王建朋，等．復(fù)雜多因素影響下區(qū)域旱情評價(jià)體系研究[J]．人民黃河，2013，35(5)：41-43.

[4] Launay M， Guerif M. Assimilating remote sensing data into a crop model to improve predictive performance for spatial applications[J]. Agriculture Ecosystems and Environment， 2005， 111(1/2/3/4):321-339.

[5] Vazlkdoust M，van Dam J C，Bamlaanssen W, et al. Assimilation of satellite data into agrohydrological modes to improve crop yield forecasts[J]. International Journal of Remote Sensing, 2009,30(1):2 523-2 545.

[6] 柳欽火，仲 波，吳紀(jì)桃，等．環(huán)境遙感定量反演與同化[M]．北京：科學(xué)出版社，2011.

[7] 王 文，寇小華．水文數(shù)據(jù)同化方法及遙感數(shù)據(jù)在水文數(shù)據(jù)同化中的應(yīng)用進(jìn)展[J]．河海大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009，37(5)：556-562.

[8] 梁順林，李 新．陸面觀測、模擬與數(shù)據(jù)同化[M]．北京：高等教育出版社，2013.

[9] 倪深海，顧 穎，戚建國，等．農(nóng)業(yè)干旱動(dòng)態(tài)模擬技術(shù)研究與應(yīng)用[J]．中國農(nóng)村水利水電，2012,(8)：79-82.