李岩 吴黎

摘 要：本文选取黑龙江省绥化市兰西县作为研究区域，利用环境灾害小卫星的遥感影像数据，以遥感技术作为基本支持，以自动分类和人机交互目视解译为基本提取方法，并结合实地调查，监测作物长势情况和内涝灾害的影响。根据影像数据，提取了兰西县农作物的种植情况，精度达到90%以上。同时，提取了内涝区域的分布和面积，并结合两期遥感影像数据进行对比分析，研究受到不同程度的内涝灾害的区域分布情况。

关键词：遥感技术;监测;内涝灾害

中图分类号：X43文献标识码：A文章编号：1003-5168（2021）16-0135-03

Abstract： This paper selected Lanxi County， Suihua City， Heilongjiang Province as the research area， used the remote sensing image data of environmental disaster small satellite， took remote sensing technology as the basic support， took automatic classification and human-computer interactive visual interpretation as the basic extraction method， and combined with field investigation to monitor crop growth and the impact of waterlogging disaster. According to the image data， the planting situation of crops in Lanxi County was extracted， and the accuracy was more than 90%. At the same time， the distribution and area of waterlogging areas were extracted and compared with the two phases of remote sensing image data to study the regional distribution of waterlogging disasters with different degrees.

Keywords： remote sensing technology;monitoring;floods disaster

每年雨季，黑龙江省都會遭受强降雨，并且可能会发生不同规模的洪涝灾害，形成不同程度的农田内涝，对农业生产形成一定的威胁。加强对内涝灾害的监测，可以更好地为农业管理部门应对灾害提供及时、准确、高效的信息支持，制定行之有效的减灾方案，从而极大程度地减少农民损失，保证粮食安全。本文选取兰西县作为研究区，选取发生洪涝灾害的典型年份对内涝监测开展尝试性研究。

1 研究区概况

兰西县位于黑龙江省中部地区，松嫩平原东部，呼兰河下游，隶属绥化市，距哈尔滨市区67 km，处于哈尔滨市“一小时经济圈”内，南邻哈尔滨市，东接绥化市，西连肇东市和安达市，北与青冈、望奎两县相连，区位优势十分明显，公路交通非常便利。地理坐标为北纬46°20′—46°38′，东经125°42′—126°38′，县城中心地理坐标为东经126°16′，北纬46°15′，属寒温带半湿润季风性气候，年平均气温为2.9 ℃，极端最高气温为37.6 ℃，极端最低气温为-39.0 ℃，年平均降雨量为469.7 mm，无霜期39 d。全县幅员2 500 km2，人口53万人，耕地166 000 hm2，草原22 667 hm2，林地33 333 hm2。兰西县下辖4个镇、11个乡，包括兰西镇、榆林镇、临江镇、平山镇、康荣乡、兰河乡、长江乡、长岗乡、红光乡、北安乡、奋斗乡、红星乡、远大乡、燎原乡、星火乡。兰西县农产品丰富，是国家商品粮食重要基地，也是全国产粮百强县之一，年粮豆产量达60 t，粮食作物主要有玉米、大豆、水稻、小麦、谷子、高粱，经济作物主要有亚麻、烤烟、甜菜、油料等。

2 数据源选取

选用环境与减灾预报小卫星HJ/B空间分辨率30 m，时相分别为2013年7月29日和2013年8月24日（当年在该区域发生了典型的内涝灾害）。兰西县地处第二积温带2 500～2 700 ℃，7—8月正是农作物生长旺盛期，在影像上容易区分，且影像云量少，卫星数据质量好，符合研究要求。首先，对卫星数据进行预处理，其均方根值（RMS）残差小于半个像元，然后用1∶250 000县界矢量数据对其裁剪，获取兰西县HJ/B影像数据。由于卫星遥感影像部分地区有云，因此先将有云区域扣除，取两景影像公共区域进行研究。另外，通过野外调查，利用GPS建立解译标志，作为信息提取的依据[1]。

3 地面作物信息提取

应用ArcGIS和ERDAS IMAGINE软件，采用人工干预的自动分类和人机交互目视解译相结合的方法，按照外业调查制定的解译标志，在预处理好的2013年7月29日的兰西县遥感影像上，规定波段组合4、2、1，进行解译，得到农作物种植分布图[2]。扣除云后的公共区域农作物种植面积为162 797.1 hm2（见图1）。统计数据显示，兰西县耕地面积为166 000 hm2，与统计数据相比，精度达到95%以上。之后，使用手持GPS在兰西县境内实地随机记录trick点，将其导入SHP格式，与解译结果叠加，进行验证，精度也高于90%，因此提取结果准确、可信。

4 长势变化与内涝灾害

叶面积指数（Leaf Area Index，LAI）是反映作物长势的一项重要指标。一般情况下，特定时间范围内，作物的长势和产量与叶面积指数呈相关性。归一化植被指数（Normalized Difference Vegetation Index，NDVI）能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。本研究利用叶面积指数与遥感影像数据的归一化植被指数的相关性反演兰西县农作物的长势情况[3-5]。归一化植被指数的数学模型表达式为：

式中：p（nir）为近红外线波段，是所选取影像数据的第四波段;p（red）为可见光红波段，是所选取影像数据的第三波段。因此，应用到本研究的NDVI表达式为：

运用ERDAS IMAGINE软件得到内涝前后两景影像数据的NDVI数据信息，再利用Modeler模块建立反演模型。通过地面数据做回归分析，得到作物拔节期模型为：

抽穗期模型为：

式中，[y]表示LAI值，[x]为NDVI值。

经过运算得到长势分级的阈值。按长势等级分区为长势旺盛区、长势良好区、长势正常区和长势偏弱区。LAI大于0.85时长势旺盛，0.61至0.85时长势良好，0.54至0.61时长势正常，小于0.54时长势偏弱，NDVI小于0.5的区域无作物。利用ENVI软件规定运算后的阈值，将不同长势区域分开，得到兰西县内涝前和內涝时农作物长势分级数据（见图2和图3）。

利用ERDAS IMAGINE软件对2013年8月24日遥感影像数据进行解译（见图4），提取内涝耕地分布情况，并利用ArcGIS软件对因内涝受到不同影响的区域进行矢量化处理，得到兰西县内涝对农作物影响程度、面积与分布，见图5[6-7]。

5 结果分析

通过专题图和计算得到，内涝之前，农作物长势旺盛面积为1 884.42 hm2，长势良好的面积为60 274.35 hm2，长势正常的面积为57 917.43 hm2，长势偏弱的面积为42 720.93 hm2。内涝时，长势旺盛区的面积为649.26 hm2，相对于正常情况减少65.55%;长势良好的面积为43 075.89 hm2，减少28.53%;长势正常的面积为44 907.93 hm2，减少22.46%;长势偏弱的面积为32 235.66 hm2，减少25.76%。其中，因内涝受影响的农田面积为19 788.93 hm2，约占减产耕地范围的50%;农作物生长受内涝影响较小的面积为1 952.46 hm2，占受内涝影响面积的9.87%;影响较重的面积为150.57 hm2，占受内涝影响面积的0.76%;因洪水内涝绝产的耕地面积为17 685.90 hm2，占比89.37%。可见，兰西县2013年的内涝造成的作物减产、绝产的范围较大，在受到内涝影响的区域内，绝大多数耕地绝产，危害严重。另外，内涝区域主要集中在远大乡、燎原乡、星火乡和平山镇，这些乡镇位于兰西县的东部，与肇东市和安达市接壤，地势低洼，有部分天然湿地。因此，这也是该地区更容易形成内涝灾害的主要原因。

6 结语

兰西县地处黑龙江省中部地区松嫩平原之上，地势相对平坦，适合种植玉米、水稻、花生、豆类、亚麻等多种作物，种植结构复杂，又有部分湿地和草地，难与作物区分。采用30 m分辨率的环境灾害小卫星，无论空间分辨率还是时间分辨率，都符合研究要求。另外，数据更新速度快，且容易获取，适合该类区域的作物生长监测和灾害监测，为农业部门规划农业生产、指导抗灾救灾提供科学依据。

参考文献：

[1]刘荣华，张珂，晁丽君，等.基于多源卫星观测的中国土壤湿度时空特征分析[J].水科学进展，2017（4）：479-487.

[2]王利民，刘佳，杨玲波，等.农业干旱遥感监测的原理、方法与应用.中国农业信息，2018（4）：32-47.

[3]李花，李卫国，黄义德.利用HJ星遥感进行水稻抽穗期长势分级监测研究[J].遥感信息，2010（6）：55-58.

[4]赵锐，汤君友，何隆华.江苏省水稻长势遥感监测与估产[J].国土资源遥感，2002（3）：9-11.

[5]张有智.基于遥感技术的水稻抽穗期长势分级监测研究[J].黑龙江农业科学，2012（5）：142-143.

[6]张斌.遥感测量在洪水灾害淹没监测中的应用[J].城市勘测，2018（4）：116-119.

[7]徐宗学，程涛，洪思扬，等.遥感技术在城市洪涝模拟中的应用进展[J].科学通报，2018（21）：2156-2166.