遙感和地面調查相結合的洪澇農作物災情評估研究

張若旭　張麗萍　李小濤等

關鍵詞：洪澇災害；遙感；地面調查；農作物災情；精細評估

中圖分類號：ＴＰ７９；ＴＶ１２２ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０１．００９

引用格式：張若旭，張麗萍，李小濤，等．遙感和地面調查相結合的洪澇農作物災情評估研究［Ｊ］．人民黃河，２０２４，４６（１）：４９－５５．

０ 引言

中國是世界上洪水災害最嚴重的國家［１－３］ ，近年來洪澇災害的發生頻率與影響程度均在不斷提高［４－６］ ，嚴重影響人民群眾的生產生活。作為洪澇災害承災體之一的農作物在洪澇災害中的絕收、減產嚴重影響人民群眾的經濟收益。對洪水所造成的農作物受災情況進行準確、精細的評估，有助于受災地區的抗災救災、災后重建和補助工作。

傳統的基于各級行政主管部門統計上報資料的評估統計方法，消耗大量的人力、物力和時間，且評估統計結果人為因素較大，無法滿足災后應急響應的需求［７］ 。隨著技術的快速發展，遙感、ＧＩＳ 和數值模擬等技術在洪澇災害損失評估中得到廣泛的應用［８－９］ ，其優秀的空間分析能力在洪澇災害災情監測與評估統計方面有良好的表現［１０－１１］ 。李晟銘等［１２］ 利用Ｓｎｔｉｎｅｌ－１Ａ雷達遙感數據和ＦＲＯＭ－ＧＬＣ ３０ ｍ 分辨率的全球土地覆蓋數據，對２０１６ 年長江中下游流域洪澇災害進行了動態監測與災情評估，依據遙感數據反演洪水過程并進行統計，但未對受災程度進行劃分，所獲得的災情評估結果精細程度低；汪權方等［１３］ 在長時間序列多期遙感數據的支持下，以洪水淹沒歷時為主要因素，構建了洪災擴展動態指數（Ｖａｒｉａｔｉｏｎ Ｉｎｄｅｘ ｏｆ Ｆｌｏｏｄ，ＶＩＦ）和區域間災情比較指數（ Ｃｏｍｐａｒｉｓｏｎ Ｉｎｄｅｘ ｏｆ ＦｌｏｏｄＤｉｓａｓｔｅｒ，ＣＩＦＤ），將其與受災地區的災情程度進行了相關分析，實現了洪澇災害時間和空間上的災情程度對比，但無法對單一受災區域進行評估；伍俊斌等［１４］ 將區域洪水淹沒歷時作為致災因子強度指標，構建了一種應急災情指數，依此對洪澇災害中受災地區的災情程度進行了空間連續的等級劃分，但僅從洪水要素的角度對洪澇災害的嚴重程度進行定義，對下墊面地物分布的受災情況有所忽視； Ｚｏｋａ 等［１５］ 利用Ｓｅｎｔｉｎｅｌ－２數據對受災地區的土地覆蓋進行了分類，并依此對受災情況進行評估，但其地物分類方法僅依靠經驗與遙感影像，沒有真實地物分布數據的支撐。

地表覆蓋類型的空間分布是洪澇災害災情評估的關鍵要素，現階段農業洪澇災害評估通常是基于現有土地利用數據疊加洪澇災害淹沒面積，實現農作物的受災面積評估統計。現有土地利用產品存在兩個方面的不足，一是對地物的分類通常停留在一級地物上，如耕地、居民地等，分類層次不夠精細，且精度較低；二是土地利用產品的時效性差，無法及時反饋災害發生期間的真實地物覆蓋情況。隨著科學技術的發展，交通工具與基礎設施不斷完善，洪澇災害災后的實地調研與樣本采集成為獲得災害下墊面精細地物類型數據的有效手段，可以實現農業洪澇災害的精細評估。

本文以２０２１ 年７ 月中下旬河南特大暴雨災害事件為研究案例，基于災后實地調研所獲得的真實地面樣本數據，綜合利用國內外光學、雷達遙感數據對重點受災區衛輝市開展地物遙感精細分類，獲取研究區內的不同受災程度地區和災前下墊面農作物種植結構與空間分布數據，以此為依據對研究區進行災情的快速、精細評估。

１ 研究方法

本研究對洪澇災害災情評估的技術路線如圖１所示。

在洪澇災害發生后的第一時間，針對受災地區開展資料收集與實地調研工作。經過數據的預處理，得到基礎數據、真實地物樣本數據以及災前災后的光學、雷達遙感數據。

依據多源遙感數據以及水體提取方法，獲取多時相的洪水淹沒范圍，并基于淹沒范圍信息估算空間化的洪水淹沒歷時。

基于實地調研與多源遙感數據，依據隨機森林監督分類模型，獲取洪水退水狀態以及受災地區農作物的種植結構及空間分布信息，作為洪澇災害災情評估的地面真值與基礎數據。

結合洪水退水狀態與淹沒歷時信息，分析獲取洪澇災害受災地區的災情程度分布數據，基于精細化的農作物分類結果，對洪澇災害農業受災情況進行統計，實現農業損失的精細化評估。

１．１ 洪澇災害淹沒歷時演算方法

１．１．１ 洪澇災害淹沒范圍提取方法

洪澇災害遙感監測多采用全天時、全天候成像的

雷達衛星遙感數據作為監測數據源，對受災地區的洪水進程進行應急監測，以避免降雨天氣中的云霧影響。

本研究綜合利用多源遙感數據，綜合多期國產ＧＦ－３、歐洲航天局Ｓｅｎｔｉｎｅｌ－１ 雷達數據和ＧＦ－１、Ｓｅｎｔｉｎｅｌ－２光學數據作為洪澇災害的遙感監測數據，對河南省主要受災地區進行洪水監測與淹沒歷時估算。針對雙極化方式的雷達數據，采用基于Ｓｅｎｔｉｎｅｌ－１ 雷達數據所提取的水體指數ＳＤＷＩ（Ｓｅｎｔｉｎｅｌ－１ Ｄｕａｌ－ｐｏｌａｒｉｚｅｄ ＷａｔｅｒＩｎｄｅｘ）進行受災地區的水體提取，并將其擴展應用到ＧＦ－３ 數據的水體提取上；針對光學遙感數據，采用Ｍｃｆｅｅｔｅｒｓ［１６］ 提出的歸一化差分水體指數ＮＤＷＩ（Ｎｏｒ?ｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ），依據計算的水體指數，選取合適的閾值對水體與背景進行分割，從而獲得水體二值圖，完成水體提取。

在訓練樣本集和待預測影像被輸入后，隨機森林算法會按節點計算數據集的各個特征及其對應特征值的基尼系數，選擇最小的基尼系數對應指標作為最優特征和最優特征值，對待預測數據進行分類，得到影像的分類結果。

１．３ 洪澇災害精細化評估方法

基于淹沒歷時演算方法，獲取洪澇災害發生期間的淹沒歷時空間分布。鑒于遙感數據自身的局限性，信息提取結果未得到真實地物驗證，其數據可靠性有待證實。本研究運用實地調研所獲取的真實地面樣本數據，依據洪澇災害期間的光學遙感影像進行地物監督分類，獲取洪澇災害遙感監測日期ｔ 的退水狀態分布，對基于遙感的淹沒歷時信息進行修正。

本研究認為，經過實地調研獲取的洪水退水狀態為地面真實數據，即光學遙感日期ｔ 的未退水體皆為淹沒歷時為Ｔ 的淹沒水體。以退水狀態數據為基底對淹沒歷時數據進行逐像元修正運算，若像元淹沒歷時大于退水狀態中的淹沒歷時Ｔ，則保留淹沒歷時信息；若淹沒歷時小于退水狀態中的淹沒歷時Ｔ，則保留退水狀態中的淹沒歷時Ｔ，運算公式如下：

以修正后的淹沒歷時空間分布數據為洪澇災害淹沒強度數據，綜合淹沒范圍與地物精細分類結果，分析獲取受災地區的主要受災農作物類型Ｓ。查閱前人研究資料，對主要受災農作物Ｓ 的洪水淹沒歷時敏感性進行分析，依據不同淹沒歷時Ｄ_ｎ條件下的主要受災農作物Ｓ 的損失程度，構建洪澇災害受災程度劃分表（見表１）。

基于以上研究結果，對洪澇災害受災地區不同淹沒程度下的農作物受災面積進行統計和災情評估。

２ 實例應用

２．１ 研究區與數據概況

河南省位于黃河中下游地區，地勢西高東低，由平原、盆地、山地、丘陵、水面構成，地跨海河、黃河、淮河、長江四大流域。２０２１ 年７ 月，河南省出現歷史罕見特大暴雨，持續性強降水天氣導致多地受災，多條河流發生超警洪水。以受災嚴重的河南新鄉衛輝市為研究區，其地處黃河以北、太行山南麓，地勢西北高而東南低。

本研究綜合運用多源遙感數據，包括國產高分一號（ＧＦ－１）、高分三號（ＧＦ－３）以及歐空局Ｓｅｎｔｉｎｅｌ－１、Ｓｅｎｔｉｎｅｌ－２ 遙感數據，為洪澇災害長時序淹沒歷時分析和下墊面真實地物分類提供遙感數據支撐，具體數據情況見表２。為提高洪澇災害淹沒歷時分析的精度，將研究中用到的全部遙感數據空間分辨率重采樣至５ ｍ，并對不同類型遙感數據進行預處理。其中：光學遙感數據的預處理主要包括輻射定標、大氣校正以及正射校正，最終獲取光學正射影像圖；雷達遙感數據的預處理包括軌道校正、斑點濾波、輻射定標、正射校正、多視處理以及分貝化。

２．２ 遙感監測與淹沒歷時分析

本文基于多源遙感數據，針對研究區洪澇災害期間不同時期遙感數據進行水體提取，將７ 月１５ 日水體提取結果作為研究區原有水體，統計７ 月２０ 日—９ 月１５ 日的洪水淹沒面積，并繪制變化趨勢圖（見圖２）。

此次衛輝市洪澇災害的主要受災時期為７ 月下旬，洪水在此期間發展至頂峰，最大淹沒面積為９８ｋｍ^２。至８ 月洪峰退去后，衛輝市的受淹面積明顯減小。從面積變化趨勢來看，監測期內共有４ 次淹沒—退水過程，洪峰所在的淹沒時期為７ 月２０ 日之后，至７ 月３１ 日達到最大淹沒面積，隨后開始退水過程。復雜的洪水演變過程導致洪澇災害災情評估工作難以準確進行。基于多期洪澇災害遙感監測獲取的洪水空間分布結果，對衛輝市轄區內的洪水淹沒歷時進行計算分析，得到洪水淹沒歷時分布圖（見圖３）及不同洪水淹沒歷時的淹沒面積變化圖（見圖４）。

依據圖３ 和圖４ 分析如下：

１）衛輝市的洪澇災害呈現兩種致災形態。從空間分布上看，水系水位暴漲超出承受能力所導致的洪水入侵主要分布在衛輝市中部的共產主義渠、衛河兩岸以及東部的共產主義渠、衛河與淇河交匯處；長期暴雨所導致的大面積內澇滯留主要分布在衛輝市西南側的耕地區域。

２）在淹沒區域的歷時分布上，受多次淹沒—退水過程影響的區域絕大多數淹沒時長在３０ ｄ 以內，極少部分地區因地勢低洼、無法有效排洪而出現超長歷時情況。

２．３ 實地調研與真實地物分類

本次實地調研選取２０２１ 年７ 月３１ 日洪峰過后以及９ 月９ 日洪水退去時期的Ｓｅｎｔｉｎｅｌ－２Ａ 遙感數據作為影像參考，對以河南新鄉衛輝市為中心的周邊地區受災程度及主要地物分布進行樣本采集與實地調研。為增加實地調研樣本的豐富度，提高地物分類的精度，將調研區域擴展至衛輝市周邊多個區縣范圍。

實地調研所獲取的樣本總數為２ ６８２ 個，經室內預處理后篩選無效樣本２２８ 個，有效樣本數占總樣本的９１．５０％。

根據洪澇災害災情評估的實際需求，選取主要地物類型居民地、林地、水體以及農作物共４ 個一級類，農作物中選取水稻、大豆、花生和玉米４ 個二級類，采用２０２０ 年９ 月４ 日的Ｓｅｎｔｉｎｅｌ－２Ａ 無云光學遙感數據作為洪澇災害災前地物監督分類的依據，獲取災前真實地物分類結果（見圖５）作為災情評估的下墊面本底數據，真實地物分類結果的Ｋａｐｐａ 系數為９０．００％。

２．４ 災情程度劃分與精細評估

依據洪水淹沒歷時和真實地物分布的分析結果，可以獲悉衛輝市的農作物以玉米為主，輔以少量的花生和大豆，因此受災程度劃分的依據選用玉米產量與洪澇淹沒之間的關系。玉米是我國的主要糧食作物之一，具有較強的抗旱能力和抗熱能力，需水量大卻不耐澇。國內學者針對玉米產量與淹水持續時間之間的關系進行了大量研究。李香顏等［１８］ 研究發現，不同生長期的玉米產量損失率對淹水持續時間的敏感度不一，拔節期積水的影響明顯大于抽雄期，且分別提出二者的產量損失率評估模型，模型計算結果表明拔節期水淹１ ｄ 對玉米產量幾乎無影響，積水３ ｄ 以上減產率達到４０％以上，積水７ ｄ 基本絕收；陳振等［１９ － ２０］ 將試驗改進到大田模式中，更好地反映玉米受淹的真實場景，結果表明拔節期的夏玉米受淹１～３ ｄ 影響較小，淹水５～９ ｄ 產量明顯降低，淹水９ ｄ 產量損失率高達７０％。上述研究表明，７ 月下旬華北平原的夏玉米正處于拔節期，該生長期受洪水淹沒時長的影響在產量上的反映十分明顯，水淹１ ～３ ｄ 基本無影響，３ ～５ ｄ 影響較小，５～９ ｄ 產量明顯降低，水淹時間９～１５ ｄ 產量損失嚴重，１５ ｄ 以上則可視為絕產。將玉米產量受損率與淹水時長之間的關系作為判斷洪水淹沒程度的依據，對淹沒歷時分析結果進行災情程度劃分（見表３），并繪制基于淹沒歷時分布的洪澇災害災情程度分布圖（見圖６）。

選用實地調研獲取的真實地物樣本數據中受災地區一級類下的已退水樣本和仍淹沒樣本作為２０２１ 年７ 月３１ 日的洪水淹沒狀態的分類依據，得到基于地面資料的７ 月３１ 日洪水淹沒范圍精確數據。根據７ 月３１ 日洪水淹沒范圍，結合監測期淹沒面積變化趨勢分析結果可知，７ 月３１ 日之前的淹沒—退水過程僅有一次，至３１ 日達到最大淹沒面積。因此，將３１ 日仍淹沒地區視為淹沒歷時達１６ ｄ 的極重災區，對基于淹沒歷時的受災程度分布進行修正，從而完善洪水淹沒歷時分析所缺少的地面資料，提高洪水淹沒程度劃分的數據精度，得到基于遙感和實地調研的災情程度分布（見圖７）。

基于災情程度分布圖以及真實地物分類圖，對衛輝市境內的洪澇災害進行精細化的災情評估，評估結果見表４。

結合洪澇災害災情程度分布圖、地物分類圖與評估統計結果可以看出，衛輝市整體災情呈現出惡劣形勢。洪水入侵地區未受災面積最小，絕大部分地區有災情發生。受災地物以玉米、林地、居民地為主，水稻、大豆、花生等農作物因種植面積小，成災面積較小。

居民地主要為輕度受災和極重受災，災情程度兩極分化明顯，極重受災地區主要集中在衛輝市城區內部，輕度災區零散分布在周邊鄉鎮地區；林地方面，不同災情程度受災面積和與之相應的淹沒面積呈現線性變化趨勢。從地物分類圖上可以看出，受災地區的林地主要為道路、河流兩旁的綠植，無明顯的集群種植區。玉米作為此次洪澇災害在衛輝市的主要影響地物，其受災面積最大，且災害類型復雜，絕產面積達到４８．３１ ｋｍ^２。玉米受災區在空間上主要分布在衛輝市中部、共產主義渠沿岸的頓坊店鄉以及東部衛河、淇河與共產主義渠交界處的上樂村鎮。除頓坊店鄉和上樂村鎮外，衛輝市西南側的孫杏村鎮有較大面積的極重受災區，長期內澇導致玉米絕產。

３ 結論

本文綜合利用多源遙感數據和真實地面樣本數據，以２０２１ 年河南省暴雨洪澇災害重要受災地區衛輝市為研究區進行長時間序列的洪水淹沒歷時分析和災情精細評估研究。

１）本研究提出的基于衛星和地面調查的洪澇農作物災情精細評估方法，能夠結合衛星遙感與真實地面樣本數據，實現洪澇災害受災區的農作物種植結構與空間分布的真實分類，并修正基于遙感的淹沒歷時信息提取結果，開展洪澇災害農作物受災程度的精細評估。依據此方法得出的洪澇災害災情程度評估結果與實際災情一致，且評估效率高，能夠提高洪澇災害應急監測評估的時效性與可信度，滿足抗災救災以及賠償、重建工作的需求。

２）基于本研究評估方法，以２０２１ 年河南省衛輝市洪澇災害為例，評估結果如下：衛輝市洪澇災情主要呈現兩種形態，一是分布在河流沿岸的高水位入侵洪水災害，二是地勢低洼地區長期內澇滯水災害。洪水的淹沒歷時多在３０ ｄ 以內，其中７ 月下旬為洪峰時期，最大淹沒面積于７ 月３１ 日出現，達到９８．６２ ｋｍ^２。主要受災地物為玉米、林地和居民地。玉米作為主要耕地類型，受災面積最大，且受災程度嚴重，絕產面積達到４８．３１ ｋｍ^２；受災林地不同災情程度受災面積與相應的淹沒面積變化基本一致，主要為道路兩側的綠化帶；居民地的受災情況兩極分化嚴重，城區以極重災區為主，鄉鎮受災程度較輕。

綜上所述，本研究基于多源遙感數據和真實地物樣本的洪澇災害精細評估，在方法上能夠做到洪澇災害應急監測，并對受災地區進行及時的洪澇災害實地調研，獲取時效性強、可信度高的地面數據資料，從而對洪水受災地區進行受淹程度及受災地物的精細化分類，便于后續災情的精細評估，為災區的抗災救災、災后賠償與重建工作提供科學精準的數據支撐，在洪澇災害的實際監測評估決策中有極高的應用價值。

【責任編輯 許立新】