姚 磊，吳泉源，許 穎，李海波，常方云

(山東師范大學人口·資源與環(huán)境學院，濟南250014)

0 引言

污水灌溉不僅可以緩解農業(yè)用水的緊張局面，也可充分利用污水中所含的作物營養(yǎng)元素，降低農業(yè)生產成本，此外，還可以提高水資源的重復利用率，并可作為污水處理回用的一種有效手段［1］。但是，隨著污水灌溉面積的不斷擴大與污水灌溉年限的延長及水質污染日趨嚴重，污水灌溉對農田土壤環(huán)境和作物生長的不利影響越來越受到人們的普遍關注。本研究以山東省龍口市作為研究區(qū)進行污水灌區(qū)冬小麥生長狀況監(jiān)測。龍口市地處膠東半島的西北部，地理坐標為東經120°13′20″～120°44′45″，北緯 37°27′45″～ 37°47′30″。全市地勢南高北低，呈臺階式下降，東部和南部為低山丘陵地帶，西部和北部為濱海平原。受成土母質、地形、地貌、氣候和水文條件的影響，形成了全市棕壤、褐土、潮土和姜黑土四大土壤類型。土層深厚，理化性質較好，土壤肥力較高，排灌條件較好。

1 數(shù)據(jù)準備

選用10期中國環(huán)境與災害監(jiān)測預報小衛(wèi)星(HJ－1A)CCD1影像數(shù)據(jù)，成像時間分別為2008年10月14日、10月20日、12月13日;2009年1月25日、3月6日、3月22日、4月18日、5月4日、5月23日、6月25日。所有圖像均出自同一傳感器，數(shù)據(jù)覆蓋了冬小麥的主要物候生長期，滿足實驗需要。對數(shù)據(jù)進行了必要的預處理，因為影像之間沒有達到空間一致對應，所以，首先對其進行空間配準，以1∶1萬地形圖為參考，利用n次多項式，選擇30個控制點對圖像進行幾何校正，誤差精度控制在1個像元之內;然后利用龍口市行政區(qū)劃圖對所有校正影像進行裁剪，以獲得研究區(qū)范圍內的影像數(shù)據(jù)。

2 冬小麥種植區(qū)獲取

2.1 NDVI指數(shù)獲取

歸一化植被指數(shù)(NDVI)又稱標準化植被指數(shù)，在使用遙感圖像進行植被研究以及植物物候研究中得到廣泛應用，它是植物生長狀態(tài)以及植被空間分布密度的最佳指示因子，與植被分布密度呈線性相關。NDVI是近紅外與紅色通道反射率比值的一種變換形式，可用下式表示，即

式中:N表示所求的歸一化植被指數(shù);R1代表近紅外光線反射率;R2代表紅光反射率。N能反映出植物冠層的背景影響，如土壤、潮濕地面、葉面粗糙度等，且與植被覆蓋有關，－1≤N≤1，作為地面覆蓋的云、水、雪等對可見光具有高反射率，其N值表現(xiàn)為負值;巖石或裸土等對近紅外和紅光反射率近似相等，一般為0值;正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

2.2 NDVI閾值分割法提取冬小麥種植區(qū)

N是植被生長狀況的綜合反映指標，植物葉綠素發(fā)生光合作用而吸收紅光，所以，長勢越好的植物吸收紅光越多，反射近紅外光也越多。因此，N能反映植物生物量的多少，N越大，植物長勢越好。

冬小麥有其獨特的物候特征，從10月初至12月中旬期間，冬小麥經歷播種和出苗階段，在遙感影像上分別呈現(xiàn)裸地和植被的光譜信息［2－3］。并且冬小麥的年后生長規(guī)律也不同于其他作物，其生物量從3月初開始增加，5月初達到最大，6月中下旬收割。即使冬小麥與秋玉米套種，冬小麥田的生物量在6月中下旬也將維持在一個較低的水平［4］。一定時期內N的增加或減少反映了作物的生長周期，因此，可通過監(jiān)測作物的萌動期來區(qū)分物候期差異較大的作物［5－6］。

將影像劃分為年前組(2008年影像)和年后組(2009年影像)同步進行閾值分割，我們確定利用N閾值分割法提取冬小麥種植區(qū)的規(guī)則為:(R1∩R2∩R3)∩(R4∩R5∩R6)。式中:(R1∩R2∩R3)代表年前組提取的冬小麥植被信息;R1代表10月中旬的裸土信息;R2代表10月末的裸土信息;R3代表12月中旬的植被信息;三者交集得到由10月初至11月上旬裸土演變成12月中旬植被信息(符合冬小麥演變規(guī)律)的地塊A。(R4∩R5∩R6)代表年后組提取的冬小麥植被信息，年后組提取冬小麥種植區(qū)域規(guī)則為:R4表示3月下旬長勢 ＜4月中旬長勢;R5表示4月中旬長勢 ＜5月上旬長勢;R6表示5月下旬長勢 ＞6月下旬長勢;3個閾值區(qū)的交集得到冬小麥種植區(qū)地塊B。最后由地塊A和地塊B的交集最終獲取研究區(qū)的冬小麥種植范圍。由N閾值分割法提取龍口市冬小麥種植區(qū)的流程如圖1，提取到的龍口市冬小麥種植范圍如圖2。

3 樣區(qū)冬小麥長勢分析

3.1 污水灌區(qū)、清水灌區(qū)樣區(qū)的提取

根據(jù)龍口地區(qū)的實際情況，結合已提取的冬小麥種植范圍，將冬小麥污水灌區(qū)劃分為兩類:生活污水灌區(qū)和工業(yè)污水灌區(qū)。生活污水灌區(qū)主要分布在城市周圍，灌溉用水主要受到城市生活廢水的影響;工業(yè)污水灌區(qū)主要分布在工礦企業(yè)周圍，受到工業(yè)廢水的影響;清水灌區(qū)一般分布在人口相對稀疏和工礦企業(yè)不發(fā)達的鄉(xiāng)村周邊地區(qū)，主要灌溉用水來自地下水，受到的污染較少。選擇樣區(qū)如圖3所示。

圖3 冬小麥各類灌溉樣區(qū)示意圖Fig.3 Schematic diagram of various types of irrigated area of winter wheat

3.2 建立冬小麥生長期NDVI趨勢圖

根據(jù)冬小麥的物候期，從影像中挑選了2008年12月—2009年6月的8幅影像進行統(tǒng)計，8幅影像能夠基本涵蓋冬小麥生長的各個重要物候期，對各類灌溉樣區(qū)8個時段的NDVI(均值)進行提取匯總，得到如表1所示的結果。

本研究首先提取了單一植被即冬小麥的種植區(qū)，并且種植區(qū)內地勢起伏不大，地形均屬平原，小麥種植時間相差不大，因此，可以排除地勢差異以及植被不同生長期和不同類型的影響［7］，獲取的NDVI可以基本反映冬小麥的長勢情況。由表1可以看出，清水灌區(qū)冬小麥在各時期的NDVI均值均大于污水灌區(qū);工業(yè)廢水灌區(qū)由于廢水中含有一定的重金屬元素和有害物質，其NDVI均值反映的長勢最差;生活污水灌區(qū)灌溉用水主要受城市生活污水影響，污染程度不及工業(yè)廢水污染，故長勢較工業(yè)廢水灌區(qū)要好一些。

表1 不同灌溉樣區(qū)的冬小麥生長期NDVI均值統(tǒng)計表Tab.1 Statistical of NDVI mean values of winter wheat growth period in different irrigation areas

4 RDVI，LAI對比分析

4.1 RDVI指數(shù)對比

一般而言，比值植被指數(shù)(包括RVI，NDVI)增強了土壤與植物的反射對比，同時最小化了照度狀況的影響，但它們對土壤亮度敏感，尤其在低植被覆蓋的情況下。另外，NDVI在植被高覆蓋區(qū)容易飽和，原因之一是紅光通道容易飽和，之二是NDVI算式本身固有的容易飽和的缺陷;垂直植被指數(shù)和差值植被指數(shù)(PVI和DVI)與比值植被指數(shù)不同，它們只在低LAI(葉面積指數(shù))值時表現(xiàn)較好(如在相對稀疏的植被)，但它們會隨著LAI的增加變得對土壤背景敏感［8］。重歸一化植被指數(shù)(RDVI)介于DVI與NDVI之間，其表達式為

式中:R表示重歸一化植被指數(shù);R1表示近紅外反射率;R2表示紅光反射率。R取DVI和NDVI兩者之長，可用于高低不同植被覆蓋的情況下［9］。由此對3類灌溉樣區(qū)在各時期的RDVI均值進行了統(tǒng)計(表2)。

表2 不同灌區(qū)的冬小麥生長期RDVI均值統(tǒng)計表Tab.2 Statistical of RDVI mean values of winter wheat growth period in different irrigation areas

4.2 LAI對比

葉面積指數(shù)(LAI)是陸面過程中的一個十分重要的結構參數(shù)［10］，是表征植被冠層結構最基本的參量之一，它控制著植被的許多生物、物理過程，如光合、呼吸、蒸騰、碳循環(huán)和降水截獲等。LAI既可以定義為單位地面面積上所有葉子表面積的總和，也可以定義為單位地面面積上總葉面積的一半［11］。反演葉面積的經驗模型［12－14］為

式中:L代表葉面積指數(shù);K為消光系數(shù);fv為植被覆蓋度，fv=(N－Nmin)/(Nmax－Nmin);N表示歸一化植被指數(shù);Nmin表示最小歸一化植被指數(shù);Nmax表示最大歸一化植被指數(shù)。

針對研究區(qū)域各個時段的冬小麥長勢情況，選取3，4和5月這3個冬小麥生長的關鍵月份的4幅影像作為數(shù)據(jù)源來反演葉面積指數(shù)，并設定消光系數(shù)K3=0.46，K4=0.60，K5=0.66［15－16］。反演得到3，4，5 三個月份的LAI均值如表3所示。

表3 不同灌區(qū)2009年冬小麥生長期LAI均值統(tǒng)計表Tab.3 Statistical of LAI mean values of winter wheat growth period in different irrigation areas in 2009

4.3 對比分析結果

對比得到的冬小麥生長期的RDVI和LAI，都反映出在農田縱深處的清水灌區(qū)種植的小麥長勢最為旺盛，而在生活污水灌區(qū)和工業(yè)廢水灌區(qū)所種植的小麥長勢逐漸下降，可以證明基于NDVI對龍口地區(qū)在不同灌溉條件下的冬小麥生長狀況的模擬基本合理。

5 結論

(1)利用閾值法提取冬小麥單一植被，排除了混合植被的影響，并通過反演冬小麥關鍵物候期的植被指數(shù)(NDVI，RDVI)和葉面積指數(shù)來對比分析3類灌區(qū)的冬小麥長勢，結果一致可信，達到了很好的檢測目的。

(2)3種植被指數(shù)對比顯示污水灌區(qū)作物的生長狀況明顯不及清水灌區(qū)作物長勢，說明在龍口市經濟社會高速發(fā)展的同時，對工業(yè)和生活污水的排放處理監(jiān)管體系不夠成熟，污水灌溉已經對灌區(qū)的作物生長產生了一定的影響，污水灌溉最終會導致冬小麥的長勢變差。對污水排放的控制和污水無污化處理勢在必行。

［1］張淑麗.淺析污水灌溉環(huán)境污染的研究進展［J］.科技情報開發(fā)與經濟，2009，19(27):128 －129.

［2］王培娟，朱啟疆，吳門新，等.冬小麥冠層的FAPAR、LAI、VIs之間關系的研究［J］.遙感信息，2003(3):19－22.

［3］李穎，陳秀萬，段紅偉，等.多源多時相遙感數(shù)據(jù)在冬小麥識別中的應用研究［J］.地理與地理信息科學，2010，26(4):47 －49.

［4］張錦水，申克建，潘耀忠，等.HJ－1號衛(wèi)星數(shù)據(jù)與統(tǒng)計抽樣相結合的冬小麥區(qū)域面積估算［J］.中國農業(yè)科學，2010，43(16):3306 －3315.

［5］Eduardo Ridao，Jose R Conde，Mines Minguez.Estimating FAPAR from Nine Vegetation Indices for Irrigated and Non－irrigated Faba Bean and Semi Leafless Pea Canopies［J］.Remote Sensing of Environment，1998，66:87 －100.

［6］陳君穎，田慶久.高分辨率遙感植被分類研究［J］.遙感學報，2007，11(2):221－227.

［7］黃文江，王紀華，劉良云，等.冬小麥品質的影響因素及高光譜遙感監(jiān)測方法［J］.遙感技術與應用，2004，19(3):143－148.

［8］競霞，劉良云，張超，等.利用多時相NDVI監(jiān)測京郊冬小麥種植信息［J］.遙感技術與應用，2005，20(2):238－242.

［9］弋良朋，尹林克，王雷濤.基于RDVI的尉犁綠洲植被覆蓋動態(tài)變化研究［J］.干旱區(qū)資源與環(huán)境，2004，18(6):66－71.

［10］江東，王乃斌，楊小喚，等.NDVI曲線與農作物長勢的時序互動規(guī)律［J］.生態(tài)學報，2002，20(2):247－252.

［11］Gower S T，Kucharik C J，Norman J M.Direct and Indirect Estimation of Leaf Area Index，APAR and Net Primary Production of Terrestrial Ecosystems［J］.Remote Sensing of Environment，1999，70:29 －51.

［12］方秀琴，張萬昌.葉面積指數(shù)(LAI)的遙感定量方法綜述［J］.國土資源遙感，2003，15(3):58 －62.

［13］陳艷華，張萬昌，雍斌.基于TM的輻射傳輸模型反演葉面積指數(shù)可行性研究［J］.國土資源遙感，2007，19(2):44－49.

［14］浦瑞良，宮鵬.高光譜遙感及其應用［M］.北京:高等教育出版社，2000.

［15］張曉陽，李勁峰.利用垂直植被指數(shù)推算作物葉面積系數(shù)的理論模式［J］.遙感技術與應用，1995，10(3):13－18.

［16］高曉飛，謝云，王曉嵐.冬小麥冠層消光系數(shù)日變化的實驗研究［J］.資源科學，2004，26(1):137－140.