龙口市污水灌区与清水灌区冬小麦植被指数变化差异分析

姚 磊，吴泉源，许 颖，李海波，常方云

(山东师范大学人口·资源与环境学院，济南250014)

0 引言

污水灌溉不仅可以缓解农业用水的紧张局面，也可充分利用污水中所含的作物营养元素，降低农业生产成本，此外，还可以提高水资源的重复利用率，并可作为污水处理回用的一种有效手段［1］。但是，随着污水灌溉面积的不断扩大与污水灌溉年限的延长及水质污染日趋严重，污水灌溉对农田土壤环境和作物生长的不利影响越来越受到人们的普遍关注。本研究以山东省龙口市作为研究区进行污水灌区冬小麦生长状况监测。龙口市地处胶东半岛的西北部，地理坐标为东经120°13′20″～120°44′45″，北纬 37°27′45″～ 37°47′30″。全市地势南高北低，呈台阶式下降，东部和南部为低山丘陵地带，西部和北部为滨海平原。受成土母质、地形、地貌、气候和水文条件的影响，形成了全市棕壤、褐土、潮土和姜黑土四大土壤类型。土层深厚，理化性质较好，土壤肥力较高，排灌条件较好。

1 数据准备

选用10期中国环境与灾害监测预报小卫星(HJ－1A)CCD1影像数据，成像时间分别为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。所有图像均出自同一传感器，数据覆盖了冬小麦的主要物候生长期，满足实验需要。对数据进行了必要的预处理，因为影像之间没有达到空间一致对应，所以，首先对其进行空间配准，以1∶1万地形图为参考，利用n次多项式，选择30个控制点对图像进行几何校正，误差精度控制在1个像元之内;然后利用龙口市行政区划图对所有校正影像进行裁剪，以获得研究区范围内的影像数据。

2 冬小麦种植区获取

2.1 NDVI指数获取

归一化植被指数(NDVI)又称标准化植被指数，在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用，它是植物生长状态以及植被空间分布密度的最佳指示因子，与植被分布密度呈线性相关。NDVI是近红外与红色通道反射率比值的一种变换形式，可用下式表示，即

式中:N表示所求的归一化植被指数;R1代表近红外光线反射率;R2代表红光反射率。N能反映出植物冠层的背景影响，如土壤、潮湿地面、叶面粗糙度等，且与植被覆盖有关，－1≤N≤1，作为地面覆盖的云、水、雪等对可见光具有高反射率，其N值表现为负值;岩石或裸土等对近红外和红光反射率近似相等，一般为0值;正值，表示有植被覆盖，且随覆盖度增大而增大。

2.2 NDVI阈值分割法提取冬小麦种植区

N是植被生长状况的综合反映指标，植物叶绿素发生光合作用而吸收红光，所以，长势越好的植物吸收红光越多，反射近红外光也越多。因此，N能反映植物生物量的多少，N越大，植物长势越好。

冬小麦有其独特的物候特征，从10月初至12月中旬期间，冬小麦经历播种和出苗阶段，在遥感影像上分别呈现裸地和植被的光谱信息［2－3］。并且冬小麦的年后生长规律也不同于其他作物，其生物量从3月初开始增加，5月初达到最大，6月中下旬收割。即使冬小麦与秋玉米套种，冬小麦田的生物量在6月中下旬也将维持在一个较低的水平［4］。一定时期内N的增加或减少反映了作物的生长周期，因此，可通过监测作物的萌动期来区分物候期差异较大的作物［5－6］。

将影像划分为年前组(2008年影像)和年后组(2009年影像)同步进行阈值分割，我们确定利用N阈值分割法提取冬小麦种植区的规则为:(R1∩R2∩R3)∩(R4∩R5∩R6)。式中:(R1∩R2∩R3)代表年前组提取的冬小麦植被信息;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月上旬裸土演变成12月中旬植被信息(符合冬小麦演变规律)的地块A。(R4∩R5∩R6)代表年后组提取的冬小麦植被信息，年后组提取冬小麦种植区域规则为:R4表示3月下旬长势 ＜4月中旬长势;R5表示4月中旬长势 ＜5月上旬长势;R6表示5月下旬长势 ＞6月下旬长势;3个阈值区的交集得到冬小麦种植区地块B。最后由地块A和地块B的交集最终获取研究区的冬小麦种植范围。由N阈值分割法提取龙口市冬小麦种植区的流程如图1，提取到的龙口市冬小麦种植范围如图2。

3 样区冬小麦长势分析

3.1 污水灌区、清水灌区样区的提取

根据龙口地区的实际情况，结合已提取的冬小麦种植范围，将冬小麦污水灌区划分为两类:生活污水灌区和工业污水灌区。生活污水灌区主要分布在城市周围，灌溉用水主要受到城市生活废水的影响;工业污水灌区主要分布在工矿企业周围，受到工业废水的影响;清水灌区一般分布在人口相对稀疏和工矿企业不发达的乡村周边地区，主要灌溉用水来自地下水，受到的污染较少。选择样区如图3所示。

图3 冬小麦各类灌溉样区示意图Fig.3 Schematic diagram of various types of irrigated area of winter wheat

3.2 建立冬小麦生长期NDVI趋势图

根据冬小麦的物候期，从影像中挑选了2008年12月—2009年6月的8幅影像进行统计，8幅影像能够基本涵盖冬小麦生长的各个重要物候期，对各类灌溉样区8个时段的NDVI(均值)进行提取汇总，得到如表1所示的结果。

本研究首先提取了单一植被即冬小麦的种植区，并且种植区内地势起伏不大，地形均属平原，小麦种植时间相差不大，因此，可以排除地势差异以及植被不同生长期和不同类型的影响［7］，获取的NDVI可以基本反映冬小麦的长势情况。由表1可以看出，清水灌区冬小麦在各时期的NDVI均值均大于污水灌区;工业废水灌区由于废水中含有一定的重金属元素和有害物质，其NDVI均值反映的长势最差;生活污水灌区灌溉用水主要受城市生活污水影响，污染程度不及工业废水污染，故长势较工业废水灌区要好一些。

表1 不同灌溉样区的冬小麦生长期NDVI均值统计表Tab.1 Statistical of NDVI mean values of winter wheat growth period in different irrigation areas

4 RDVI，LAI对比分析

4.1 RDVI指数对比

一般而言，比值植被指数(包括RVI，NDVI)增强了土壤与植物的反射对比，同时最小化了照度状况的影响，但它们对土壤亮度敏感，尤其在低植被覆盖的情况下。另外，NDVI在植被高覆盖区容易饱和，原因之一是红光通道容易饱和，之二是NDVI算式本身固有的容易饱和的缺陷;垂直植被指数和差值植被指数(PVI和DVI)与比值植被指数不同，它们只在低LAI(叶面积指数)值时表现较好(如在相对稀疏的植被)，但它们会随着LAI的增加变得对土壤背景敏感［8］。重归一化植被指数(RDVI)介于DVI与NDVI之间，其表达式为

式中:R表示重归一化植被指数;R1表示近红外反射率;R2表示红光反射率。R取DVI和NDVI两者之长，可用于高低不同植被覆盖的情况下［9］。由此对3类灌溉样区在各时期的RDVI均值进行了统计(表2)。

表2 不同灌区的冬小麦生长期RDVI均值统计表Tab.2 Statistical of RDVI mean values of winter wheat growth period in different irrigation areas

4.2 LAI对比

叶面积指数(LAI)是陆面过程中的一个十分重要的结构参数［10］，是表征植被冠层结构最基本的参量之一，它控制着植被的许多生物、物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等。LAI既可以定义为单位地面面积上所有叶子表面积的总和，也可以定义为单位地面面积上总叶面积的一半［11］。反演叶面积的经验模型［12－14］为

式中:L代表叶面积指数;K为消光系数;fv为植被覆盖度，fv=(N－Nmin)/(Nmax－Nmin);N表示归一化植被指数;Nmin表示最小归一化植被指数;Nmax表示最大归一化植被指数。

针对研究区域各个时段的冬小麦长势情况，选取3，4和5月这3个冬小麦生长的关键月份的4幅影像作为数据源来反演叶面积指数，并设定消光系数K3=0.46，K4=0.60，K5=0.66［15－16］。反演得到3，4，5 三个月份的LAI均值如表3所示。

表3 不同灌区2009年冬小麦生长期LAI均值统计表Tab.3 Statistical of LAI mean values of winter wheat growth period in different irrigation areas in 2009

4.3 对比分析结果

对比得到的冬小麦生长期的RDVI和LAI，都反映出在农田纵深处的清水灌区种植的小麦长势最为旺盛，而在生活污水灌区和工业废水灌区所种植的小麦长势逐渐下降，可以证明基于NDVI对龙口地区在不同灌溉条件下的冬小麦生长状况的模拟基本合理。

5 结论

(1)利用阈值法提取冬小麦单一植被，排除了混合植被的影响，并通过反演冬小麦关键物候期的植被指数(NDVI，RDVI)和叶面积指数来对比分析3类灌区的冬小麦长势，结果一致可信，达到了很好的检测目的。

(2)3种植被指数对比显示污水灌区作物的生长状况明显不及清水灌区作物长势，说明在龙口市经济社会高速发展的同时，对工业和生活污水的排放处理监管体系不够成熟，污水灌溉已经对灌区的作物生长产生了一定的影响，污水灌溉最终会导致冬小麦的长势变差。对污水排放的控制和污水无污化处理势在必行。

［1］张淑丽.浅析污水灌溉环境污染的研究进展［J］.科技情报开发与经济，2009，19(27):128 －129.

［2］王培娟，朱启疆，吴门新，等.冬小麦冠层的FAPAR、LAI、VIs之间关系的研究［J］.遥感信息，2003(3):19－22.

［3］李颖，陈秀万，段红伟，等.多源多时相遥感数据在冬小麦识别中的应用研究［J］.地理与地理信息科学，2010，26(4):47 －49.

［4］张锦水，申克建，潘耀忠，等.HJ－1号卫星数据与统计抽样相结合的冬小麦区域面积估算［J］.中国农业科学，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］陈君颖，田庆久.高分辨率遥感植被分类研究［J］.遥感学报，2007，11(2):221－227.

［7］黄文江，王纪华，刘良云，等.冬小麦品质的影响因素及高光谱遥感监测方法［J］.遥感技术与应用，2004，19(3):143－148.

［8］竞霞，刘良云，张超，等.利用多时相NDVI监测京郊冬小麦种植信息［J］.遥感技术与应用，2005，20(2):238－242.

［9］弋良朋，尹林克，王雷涛.基于RDVI的尉犁绿洲植被覆盖动态变化研究［J］.干旱区资源与环境，2004，18(6):66－71.

［10］江东，王乃斌，杨小唤，等.NDVI曲线与农作物长势的时序互动规律［J］.生态学报，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，张万昌.叶面积指数(LAI)的遥感定量方法综述［J］.国土资源遥感，2003，15(3):58 －62.

［13］陈艳华，张万昌，雍斌.基于TM的辐射传输模型反演叶面积指数可行性研究［J］.国土资源遥感，2007，19(2):44－49.

［14］浦瑞良，宫鹏.高光谱遥感及其应用［M］.北京:高等教育出版社，2000.

［15］张晓阳，李劲峰.利用垂直植被指数推算作物叶面积系数的理论模式［J］.遥感技术与应用，1995，10(3):13－18.

［16］高晓飞，谢云，王晓岚.冬小麦冠层消光系数日变化的实验研究［J］.资源科学，2004，26(1):137－140.