摘 要：為了提高對(duì)農(nóng)業(yè)氣象災(zāi)害的監(jiān)測(cè)效果，本研究提出基于多光譜遙感技術(shù)的監(jiān)測(cè)方法。首先，利用Sisu CHEMA-SWIR光譜成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并利用黑白板校正的方式，對(duì)多光譜遙感圖像進(jìn)行校正處理；其次，通過收集地面觀測(cè)數(shù)據(jù)，從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)；最后，針對(duì)干旱、洪澇、凍害這3種農(nóng)業(yè)氣象災(zāi)害，利用上述提取的特征參數(shù)，結(jié)合地面觀測(cè)數(shù)據(jù)展開監(jiān)測(cè)。試驗(yàn)結(jié)果表明，該方法可以有效實(shí)現(xiàn)對(duì)光譜數(shù)據(jù)的處理，且檢測(cè)結(jié)果的召回率較高，假警率較低。

關(guān)鍵詞：多光譜遙感技術(shù)；農(nóng)業(yè)氣象災(zāi)害；氣象監(jiān)測(cè)；黑白板校正；特征參數(shù)

中圖分類號(hào)：S 166" " " 文獻(xiàn)標(biāo)志碼：A

極端天氣事件和自然災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)造成了巨大影響，通過加強(qiáng)氣象監(jiān)測(cè)技術(shù)研究和數(shù)據(jù)共享，可以提高對(duì)氣象災(zāi)害的預(yù)警和防范能力，減少農(nóng)業(yè)損失[1]。因此，農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)的研究具有重要的現(xiàn)實(shí)意義。隨著農(nóng)業(yè)現(xiàn)代化進(jìn)程加快，精準(zhǔn)農(nóng)業(yè)越來越重要。通過利用先進(jìn)的氣象監(jiān)測(cè)技術(shù)可以更精準(zhǔn)地監(jiān)測(cè)氣象數(shù)據(jù)，提供更有效的農(nóng)業(yè)生產(chǎn)指導(dǎo)[2]。文獻(xiàn)[3]以GIS技術(shù)為基礎(chǔ)，設(shè)計(jì)了農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警平臺(tái)。該研究主要包括需求分析、數(shù)據(jù)獲取與整合、空間數(shù)據(jù)分析與模型建立、預(yù)警信息發(fā)布與可視化、決策支持與應(yīng)急響應(yīng)以及系統(tǒng)優(yōu)化與驗(yàn)證等方面工作。通過整合氣象數(shù)據(jù)、利用GIS空間分析方法建立氣象災(zāi)害監(jiān)測(cè)模型。文獻(xiàn)[4]以核主成分分析為基礎(chǔ)，對(duì)農(nóng)業(yè)氣象的影響因子展開降維處理與分析，再將常規(guī)的BP神經(jīng)網(wǎng)絡(luò)與麻雀搜索算法等優(yōu)化算法相結(jié)合，用于監(jiān)測(cè)干旱災(zāi)受災(zāi)率。為此，本研究以干旱災(zāi)害和凍害為例，基于多光譜遙感技術(shù)設(shè)計(jì)了一種新的農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)方法。多光譜遙感技術(shù)能夠獲取目標(biāo)物在不同光譜段的信息[5]，其可以透過云層和惡劣天氣條件，獲取地面災(zāi)害的詳細(xì)信息，彌補(bǔ)了地面監(jiān)測(cè)的不足。

1 數(shù)據(jù)獲取與處理

1.1 多光譜遙感數(shù)據(jù)的獲取與處理

本研究利用多光譜遙感成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，為后續(xù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)提高基礎(chǔ)數(shù)據(jù)支持。多光譜遙感能夠提供豐富的地物信息[6]，本研究選用Sisu CHEMA-SWIR光譜成像系統(tǒng)。該系統(tǒng)由光譜儀、控制主機(jī)、光譜控制器以及無人機(jī)平臺(tái)等組成。其中，光譜儀采集范圍為950nm～2575nm，光譜分辨率為3.45nm，共有288個(gè)波段，曝光時(shí)間在4000ms左右，幀率為32Hz。多光譜遙感成像系統(tǒng)的結(jié)構(gòu)如圖1所示。

為保證光源工作的穩(wěn)定性，將光譜儀的輸出電流控制在4.5A左右，鎖相環(huán)頻率控制在250Hz～300Hz的范圍內(nèi)。完成參數(shù)設(shè)定后，啟動(dòng)軟件，對(duì)農(nóng)業(yè)作業(yè)區(qū)環(huán)境樣本進(jìn)行透射光譜掃描。每個(gè)作業(yè)區(qū)域掃描次數(shù)為5次，并通過控制主機(jī)可視化呈現(xiàn)。遙感影像分辨率為1280pt×1024pt。由于成像系統(tǒng)的光源強(qiáng)度會(huì)發(fā)生變化，導(dǎo)致其發(fā)生明顯的不均勻，且系統(tǒng)的暗電流會(huì)形成一定噪聲，會(huì)影響采集的多光譜圖像的質(zhì)量[7]。針對(duì)這種情況，利用黑白板校正的方式對(duì)多光譜遙感圖像實(shí)施處理，過程如下。

首先，在遙感圖像中找到黑白參考板的像素位置，假設(shè)白板像素值為W，黑板像素值為B。白板通常具有接近100%的反射率，而黑板則具有接近0%的反射率。其次，針對(duì)每個(gè)光譜段計(jì)算校正系數(shù)。校正系數(shù)通常用于將圖像的像素值DN（數(shù)字?jǐn)?shù)）值轉(zhuǎn)換為反射率值。假設(shè)白板和黑板在真實(shí)世界中的反射率分別為RW和RB（通常RW?=1，RB?=0），則校正系數(shù)K和偏移量d如公式（1）、公式（2）所示。

（1）

d=RB-K×B （2）

針對(duì)圖像中的每個(gè)像素和每個(gè)光譜段，使用公式（3）進(jìn)行校正。

μ=K×DN+d （3）

式中：μ為校正后的反射率值。

將每個(gè)像素和每個(gè)光譜段的DN值通過上述公式轉(zhuǎn)換為反射率值，得到校正后的多光譜遙感圖像。

1.2 收集地面觀測(cè)數(shù)據(jù)

在采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)的基礎(chǔ)上，為彌補(bǔ)多光譜遙感數(shù)據(jù)，同期收集地面觀測(cè)數(shù)據(jù)，包括氣象數(shù)據(jù)、土壤數(shù)據(jù)以及作物生長(zhǎng)狀況數(shù)據(jù)，這些氣象數(shù)據(jù)可以直觀地反映大氣環(huán)境的狀態(tài)和變化，對(duì)理解農(nóng)業(yè)氣象災(zāi)害的成因、發(fā)展以及影響至關(guān)重要。例如，在干旱監(jiān)測(cè)中，降雨量數(shù)據(jù)可以幫助判斷干旱的嚴(yán)重程度和持續(xù)時(shí)間；在凍害監(jiān)測(cè)中，溫度數(shù)據(jù)能夠揭示低溫對(duì)作物造成的損害程度。同時(shí)，氣象數(shù)據(jù)可以作為遙感數(shù)據(jù)的校驗(yàn)和補(bǔ)充，提高災(zāi)害監(jiān)測(cè)的準(zhǔn)確性和可靠性。土壤是農(nóng)作物生長(zhǎng)的基礎(chǔ)[8]，通過收集土壤數(shù)據(jù)可以獲取土壤水分狀況、肥力水平等信息，進(jìn)而分析干旱、洪澇等災(zāi)害對(duì)土壤的影響。因此，這些數(shù)據(jù)與遙感數(shù)據(jù)相互驗(yàn)證，可以提高災(zāi)害監(jiān)測(cè)的精度和可信度。

1.3 多光譜遙感特征提取

從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)，本研究以波段反射率、光譜響應(yīng)、土地溫度變化、植被指數(shù)、水體指數(shù)、雪被覆蓋率這6種特征為例，展開具體描述。

波段反射率是通過將遙感器接收到的輻射亮度值轉(zhuǎn)換為反射率值，如公式（4）所示。

（4）

式中：rL為波段L的反射率；Lλ為輻射亮度；EL為在波段L上的太陽垂直入射到地表的輻照度；θ為太陽天頂角。

光譜響應(yīng)是指不同波段的遙感傳感器對(duì)地物表面不同波長(zhǎng)光線的反射或輻射的響應(yīng)情況，計(jì)算過程如公式（5）所示。

τ=（?L1+?L2+?L3+?L4）×σ （5）

式中：τ為核心光譜的光譜響應(yīng)；?L1、?L2、?L3和?L4分別為波段的灰度矩陣；σ為波段系數(shù)。

土地溫度變化的獲取過程如下。1）輻射定標(biāo)。輻射定標(biāo)是將遙感器觀測(cè)的原始DN（數(shù)字?jǐn)?shù)）值轉(zhuǎn)換為輻射亮度值，如公式（6）所示。2）大氣校正。通過大氣校正消除大氣對(duì)熱紅外輻射的影響，可以獲得實(shí)際的地表輻射亮度，如公式（7）所示。3）估算地表發(fā)射率。地表發(fā)射率是地表輻射特性的重要參數(shù)，其影響地表溫度的反演精度，通常通過查找表來估算。4）地表溫度反演。在得到地表真實(shí)的輻射亮度和發(fā)射率后，可以使用普朗克定律的反函數(shù)的反演得到地表溫度，如公式（8）所示。

Lλ=DN×scale+offset （6）

式中：scale為增益系數(shù)；offset為偏移量。

（7）

式中：δγ為大氣透過率；Ldown為大氣下行輻射亮度；vλ為地表發(fā)射率。

（8）

式中：K1和K2分別為與熱紅外波段的中心波長(zhǎng)有關(guān)的常數(shù)。

植被指數(shù)能夠間接反映農(nóng)作物的生長(zhǎng)狀況、覆蓋度和健康狀況，利用不同波段的反射率計(jì)算歸一化植被指數(shù)，如公式（9）所示。

（9）

式中：NIR、R為近紅外波段、紅波段的反射率。

通過不同波段的反射率數(shù)據(jù)計(jì)算歸一化水體指數(shù)（NDWI），如公式（10）所示。

（10）

式中：Green、MIR為綠光波段、中紅外波段的反射率。

雪被覆蓋率是指某一地區(qū)被雪覆蓋的地表面積占該地區(qū)總面積的百分比，其可以反映降雪量、積雪分布和積雪融化等氣象過程對(duì)地表環(huán)境的影響。

1.4 農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)

針對(duì)干旱、洪澇、凍害這3種農(nóng)業(yè)氣象災(zāi)害，利用上述提取的特征參數(shù)，結(jié)合地面觀測(cè)數(shù)據(jù)展開監(jiān)測(cè)。結(jié)合波段反射率rL、光譜響應(yīng)τ、土地溫度變化T、植被指數(shù)NDVI、水體指數(shù)NDWI對(duì)干旱災(zāi)害進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)指數(shù)如公式（11）所示。

Z1=ω1rL+ω2τ+ω3T+ω4NDVI+ω5NDWI （11）

式中：ω1、ω2、ω3、ω4、ω5為不同特征系數(shù)對(duì)應(yīng)的權(quán)重。

干旱監(jiān)測(cè)指數(shù)Z1的數(shù)值越高，表示潛在的干旱程度可能越嚴(yán)重。

結(jié)合波段反射率rL、光譜響應(yīng)τ、水體指數(shù)NDWI以及同期收集的洪澇區(qū)域面積S、持續(xù)時(shí)間t、降雨量q對(duì)洪澇災(zāi)害進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)指數(shù)如公式（12）所示。

（12）

結(jié)合雪被覆蓋率χ、植被指數(shù)NDVI以及表示地表溫度T、降雪量C構(gòu)建凍害指數(shù)，并設(shè)定閾值，將凍害程度劃分為不同的等級(jí)。凍害指數(shù)如公式（13）所示。

Z3=ω3T+ω4NDVI+ω6χ+ω7C （13）

對(duì)凍害指數(shù)Z3的閾值范圍進(jìn)行劃分：0～20為輕微凍害；21～40為中等凍害；41及以上為嚴(yán)重凍害。

2 試驗(yàn)與結(jié)果分析

為驗(yàn)證本文方法的實(shí)際應(yīng)用性能，設(shè)計(jì)如下試驗(yàn)。試驗(yàn)以M農(nóng)業(yè)作業(yè)區(qū)為研究范圍，利用多光譜遙感針對(duì)該區(qū)域的農(nóng)業(yè)氣象災(zāi)害進(jìn)行監(jiān)測(cè)。試驗(yàn)設(shè)置多光譜遙感采集參數(shù)，見表1。

根據(jù)多光譜遙感技術(shù)獲取M區(qū)域的地表數(shù)據(jù)，由于光譜數(shù)據(jù)中會(huì)存在干擾，因此采用本文方法進(jìn)行光譜處理，獲取處理前后的光譜結(jié)果，如圖2所示。

分析圖2可以看出，原始的光譜數(shù)據(jù)存在明顯的基線漂移和不平滑問題，但在采用本文方法處理后，光譜基線漂移問題被有效處理，造成干擾導(dǎo)致的不平滑現(xiàn)象明顯降低。因此，本文方法具有良好的光譜處理效果，可以為后續(xù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)提供可靠的數(shù)據(jù)基礎(chǔ)。在此基礎(chǔ)上，將文獻(xiàn)[3]、文獻(xiàn)[4]中的檢測(cè)方法作為對(duì)比，以預(yù)警結(jié)果的假警率和召回率為指標(biāo)，與本文方法的應(yīng)用性能進(jìn)行對(duì)比，得到結(jié)果見表2。

分析表2可知，本文方法的假警率最高僅為0.11%，召回率的最大值達(dá)到99.05%。與其他2種方法相比，本文方法通過利用Sisu CHEMA-SWIR光譜成像系統(tǒng)采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并進(jìn)行黑白板校正處理，能夠提高數(shù)據(jù)質(zhì)量和準(zhǔn)確性，減少數(shù)據(jù)中的噪聲和失真，從而減少假警率，增強(qiáng)結(jié)果可靠性，例如波段反射率、土地溫度變化、植被指數(shù)等。利用這些特征參數(shù)，能夠更全面、準(zhǔn)確地描述目標(biāo)區(qū)域的情況，提供更精確的監(jiān)測(cè)指標(biāo)，從而提高檢測(cè)的準(zhǔn)確性和召回率。

3 結(jié)語

本研究利用多光譜遙感技術(shù)提出一種農(nóng)業(yè)氣象災(zāi)害的監(jiān)測(cè)方法。首先，采集農(nóng)業(yè)作業(yè)區(qū)的多光譜遙感數(shù)據(jù)，并進(jìn)行校正處理；同時(shí)收集地面觀測(cè)數(shù)據(jù)作為校驗(yàn)和補(bǔ)充。其次，從預(yù)處理后的影像數(shù)據(jù)中提取與氣象災(zāi)害相關(guān)的特征參數(shù)，包括波段反射率、光譜響應(yīng)、土地溫度變化、植被指數(shù)、水體指數(shù)、雪被覆蓋率等。最后，利用提取的特征參數(shù)結(jié)合地面觀測(cè)數(shù)據(jù)，對(duì)干旱、洪澇和凍害等農(nóng)業(yè)氣象災(zāi)害進(jìn)行監(jiān)測(cè)。通過這種方法，可以提高對(duì)農(nóng)業(yè)氣象災(zāi)害的監(jiān)測(cè)效果，并為農(nóng)業(yè)管理決策提供支持與指導(dǎo)。

參考文獻(xiàn)

[1]佟鋼，劉忠梅.農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)測(cè)技術(shù)研究進(jìn)展[J].農(nóng)業(yè)災(zāi)害研究，2023，13（2）：55-57.

[2]朗杰次仁，紅梅，李惠，等.氣象災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)造成的影響及防御對(duì)策[J].農(nóng)業(yè)災(zāi)害研究，2022，12（4）：123-125.

[3]高雪.基于GIS技術(shù)的農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警系統(tǒng)研究[J].農(nóng)業(yè)技術(shù)與裝備，2021（11）：140-141.

[4]李思宇，李玥.基于KPCA-SSA-BP的農(nóng)業(yè)氣象災(zāi)害預(yù)測(cè)[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2023，39（6）：1366-1371.

[5]陳治杰.淺談農(nóng)業(yè)氣象預(yù)警現(xiàn)狀及預(yù)警機(jī)制的完善措施——以“第八屆全國農(nóng)業(yè)與氣象論壇”為例[J].核農(nóng)學(xué)報(bào)，2023，37（11）：2315-2316.

[6]毛喜玲，殷淑燕，劉海紅.面向極端氣候事件的冀魯豫地區(qū)農(nóng)業(yè)氣象災(zāi)害分析[J].水土保持研究，2023，30（4）：327-337.

[7]封偉祎，朱俊科，彭文宇，等.無人機(jī)多光譜遙感在農(nóng)作物生長(zhǎng)監(jiān)測(cè)中的應(yīng)用綜述[J].農(nóng)業(yè)與技術(shù)，2023，43（21）：42-46.

[8]劉琰琰，李佳星，代逸冰，等.基于GIS的四川盆周北部山區(qū)夏玉米農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估——以旺蒼縣為例[J].應(yīng)用生態(tài)學(xué)報(bào)，2022，33（9）：2457-2465.