农业旱情评估方法研究——基于农田水分循环模拟与遥感影像信息同化

倪深海，顾 颖，闫娜娜，常 胜，赵 凯，申 瑜(1.水文水资源与水利工程科学国家重点实验室，南京 210029；2.南京水利科学研究院，南京 210029；.中国科学院遥感与数字地球研究所，北京 10009；.山西省水文水资源勘测局，太原 00001)

0 引 言

农业旱情是以土壤中实际贮存的、可供作物利用的水量多少为依据判别作物的受旱情况。无论是降水还是灌溉，水分都要首先贮存在土壤中，然后被作物生长逐步吸收利用；另外，区域的气象、水文、灌溉等条件以及灌溉用水管理状况，也都能够很好地通过农业旱情信息得以体现[1-3]。因此，可通过土壤墒情信息、农作物缺水信息及遥感影像识别农业旱情。如何判别农业旱情是旱情预测预警的关键，为表征农业旱情的发生与发展过程，可采用多种判别方法。采用仿真技术模拟作物生长过程，识别农作物需水、缺水信息，并利用遥感信息进行同化是判别农业旱情行之有效的方法[4,5]，同化后的模型模拟农业旱情与实测结果较好的拟合度，实现对旱情及趋势的全面监视和评估的目的。

信息同化技术应用到旱情监测和评估中，可以克服单一信息评估旱情的片面性。研究表明，基于农田水分循环模拟与遥感信息同化的农业旱情评估模型是可行的，为及时、准确识别评估农业旱情提供一种新的方法，对我国旱情监测评估方面有着重要应用和推广价值。

1 信息同化技术与方法

1.1 信息同化含义

信息同化是将各种不同来源，不同时空、不同观测手段获得的数据和资料与数学模型有机结合，不断更新系统状态与参数，建立数据与模型相互协调的优化关系，提高物理过程模拟或预报精度的技术。

早在20世纪50年代信息同化就被成功应用于数值天气预报，之后在海洋预测系统中也得到广泛应用，直到20世纪90年代才被用来研究陆面过程. 陆面信息同化是在大气和海洋数据同化研究的基础上迅速成长起来的一个崭新的领域，其核心思想是在陆面过程模型的动力框架内，融合不同来源和不同分辨率的直接与间接观测，将陆面过程模型和各种观测算子集成为不断地依靠观测而自动调整型轨迹，并且减小误差的预报系统[6,7]。旱情信息的同化正是陆面过程同化的一个重要内容，利用遥感监测旱情信息与农田水分循环模拟数据进行同化，以不断更新农田水分循环模拟模型状态变量与参数，提高农田水分循环过程模拟与预报精度。

1.2 信息同化算法

信息同化算法是连接遥感影像信息与模型模拟旱情信息的关键核心部分[8]，本文采用逐步订正法进行信息同化。逐步订正法采用模拟旱情信息作为初估场，不断插入遥感监测旱情信息，使用这些遥感监测值以及给定的影响半径对初估场进行一次订正，然后使用订正后的分析场作为下一次订正的初估场，同时缩小影响半径，进行下一次订正。这样的循环过程就构成四维数据同化。由于模拟旱情信息和遥感监测旱情信息相近，并且分析场空间连续性较好，同时又考虑了时间的连续性，因此，在这样的基础上进行连续订正，并在订正过程中缩小影响半径，首先可以去掉初估场的大尺度误差，然后使模拟的旱情信息分析场越来越逼近实际旱情信息场，就比直接插值容易得到较好的效果。

(1)

式中：fbi是背景场在第i个计算单元上的值；f0i是计算单元i上零次迭代估计值(f0i=fbi)；fni是格点i上第n次迭代估计值；f0k是计算单元i周围的第k个观测；ε2是观测误差方差与背景场误差方差的比率的估计；Kni是距离格点i为Rn内的观测值总数；wnik为权重。

逐步迭代法的权重：

(2)

式中：r2ik为观测点rk和格点ri之间距离的平方。

逐步订正法得到的最后分析值实际上是各种可利用的信息加权平均。逐步订正法简单经济，能产生合理的分析。

2 农业旱情信息同化数据源

农业旱情信息来源主要来自于农田水分循环过程模拟结果、遥感监测信息以及对农作物外在的观察和描述。

2.1 农田水分循环模型模拟的旱情信息

农田水分循环模型可连续模拟逐日的土壤含水量、作物缺水量，可建立基于逐旬时间尺度的旱情评估指数，比以往基于月尺度的干旱指数更能准确描述干旱的发生、结束和程度，进而为旱情监测预测及抗旱决策提供更加及时、可靠的支持，达到有效减灾和防灾的目的。基于农田水分循环过程模拟的农业旱情，考虑降水、蒸发、植被和土壤特性对干旱的综合影响，能够更加真实地反映实际发生的旱情。

从农田水量平衡原理出发，以农田表层为原型，建立农田水分循环模型，模拟农作物生长期农田水分循环过程及逐日农作物需水、缺水信息。根据区域气候和下垫面条件，可确定作物不同生长阶段的逐旬农业旱情等级[9]。

2.2 遥感监测的旱情信息

遥感技术可以获取时空连续的地表参量信息，反映时空尺度上地表状态的变化。借助更高分辨率的MODIS遥感数据，构建作物生长季的叶面缺水指数(NDWI)，可表征作物受旱状况，为旱情监测与验证提供重要信息源。

获取并处理与模拟分析同期的MODIS源数据，MODIS1B数据处理过程包括辐射校正、几何校正、大气校正和云检测等。绿色植物的反射光谱的光谱特征在0.9～2.5 μm区域是由液态水吸收控制的，同时也受一些其他的生物化学成分吸收的微弱影响。在近红外波段，植被液态水的吸收可以忽略不计，在短波红外波段，水的吸收很弱，从而利用植被在红外波段(NIR)与短波红外波段的光谱可以很灵敏的反应植被冠层水的含量。而叶面含水的多寡与水分胁迫有直接的关系。因此可以用叶面缺水指数(NDWI)进行旱情监测。根据监测时段逐日NDWI指数数据集产品，采用平均值合成法得到旬NDWI指数，分析NDWI指数与旱情等级关系，可得逐旬遥感监测的旱情信息。

3 农业旱情信息同化过程与验证

3.1 农业旱情信息同化过程

由于土壤结构和质地的复杂性及其空间不一致性，并受限于土壤参数及其资料，精确地模拟空间分布的农业旱情是有困难的。由于模型计算的作物需水量和作物缺水量代表着模型计算单元一天24 h的平均值，而遥感观测值仅代表计算单元瞬时的叶面缺水指数。考虑到农田水分循环模型模拟得到的作物旱情等级与遥感监测旱情信息的时空尺度差异，采用信息同化的逐步订正法进行模型参数调试，可提高农业旱情模拟进度。因此，经同化的农田水分循环模拟模型可用于农业旱情评估与预测。农业旱情信息同化逐步订正法分析步骤如下。

(1)采用农田水分循环模拟模型计算逐日作物需水量和作物缺水量值，产生时间分辨率为1旬，空间分辨率为计算单元(县级行政单元)的农业旱情信息作为初估场。

(2)采集MODIS遥感数据，采用平均值合成法计算旬叶面缺水指数(NDWI)，可得逐旬遥感监测的旱情信息。

(3)比对各计算单元模拟农业旱情信息和遥感监测旱情信息并计算误差协方差，依次使用逐个计算单元遥感监测值调整农田水分循环模拟模型参数，模拟出时间步长推进1旬的农业旱情信息，作为下一次订正的初估场，逐旬进行下一次订正。

(4)从农田水分循环模拟值和遥感监测值的计算得到误差场，对误差场的样本进行统计计算，农业旱情信息同化直至误差系列期望值为0、协方差为给定的先验误差为止。

3.2 同化后的模拟模型结果验证

选择山西的太原、晋中和吕梁三个地级市为研究示范区，属于黄河流域的汾河水系和东川河水系，区域总面积44 213 km2，结合水资源分区和行政区划，将示范区分为24个计算单元(县级行政单元)，分别进行农田水分循环过程模拟和同期遥感影像采集。示范区主要种植小麦和玉米，2009年农作物总播种面积86.34万hm2。示范区多年平均降水量430～525 mm，多年平均蒸发量1 710～1 780 mm，以春夏连旱为主。根据1970-2009年各计算单元的逐日降水、蒸发资料，逐日模拟小麦玉米生长期需水、缺水过程，所选资料具有可靠性和代表性。

在空间尺度上，利用仿真模拟的方法计算得到逐月的作物受旱情况与遥感影像监测的农作物受旱状况有差异，以旱情较重的2001年为例(见图1)，运用逐步订正法，根据遥感监测旱情信息进行同化，调整优化农田水分循环模型状态变量与参数。

农业旱情模拟结果的可靠性取决于基本资料参数的可靠程度和农业干旱等级的划分标准是否合适。可用典型干旱年实测旱情对同化后的模拟模型进行验证。山西示范区2001年3-7月实际旱情比较严重，将农田水分循环模型模拟旱情信息与实际旱情进行比较，24个单元中80%以上的单元旱情等级吻合较好(旱情等级为1、2、3、4分别表示轻旱、中旱、重旱和特旱)，农田水分循环模型模拟旱情等级验证准确度表见表1，模拟旱情与同期实际旱情比对图见图2。研究结果表明：同化后的农田水分循环模型模拟旱情等级与实测旱情结果具有较好的拟合度。

表1 农田水分循环模型模拟旱情等级验证准确度Tab.1 Verify the accuracy of farmland water cycle model to simulate the drought level

图1 2001年4-6月山西示范区仿真模拟结果(左边)及对应时间的遥感监测结果(右边)Fig.1 Simulation result (left) and remote sensing image (right) of the model district of Shanxi among April to June in 2001

图2 山西示范区2001年3-7月模拟旱情与同期实际旱情比对图Fig.2 Compares to the chart between simulation drought to actual occurrence one of the model district of Shanxi among March to July in 2001

4 结 语

(1)提出的农田水分循环模型没有考虑旱作区地表以下水平方向的水量交换。在模型应用时，对作物实际受旱情况需进行监视和跟踪；运用同化技术，根据遥感观测信息对模型参数进行实时修正，仿真模拟旱情等级与实际旱情等级进行了比对，80%以上单元旱情等级相吻合，所以，可用同化后的农田水分循环模拟模型准确预测作物缺水率，预估由缺水造成的作物减产量。

(2)仿真模拟技术的应用是研究区域作物旱情规律的一种行之有效途径。利用水分模拟结果，掌握作物旱情发生、发展和缓解的过程，分析研究区域作物旱情时空分布规律，可为农业旱情预测预警提供技术支撑，为抗旱决策提供科学依据。

□

[1] 康绍忠，刘晓明，熊运章，等．土壤-植物-大气连续体水分传输理论及其应用[M]．北京：水利出版社，1992.

[2] 吴志勇，陆桂华，张建云，等．基于VIC模型的逐日土壤含水量模拟[J]．地理科学，2007，27(3)：359-364

[3] 张文胜，刘锦娣，王建朋，等．复杂多因素影响下区域旱情评价体系研究[J]．人民黄河，2013，35(5)：41-43.

[4] Launay M， Guerif M. Assimilating remote sensing data into a crop model to improve predictive performance for spatial applications[J]. Agriculture Ecosystems and Environment， 2005， 111(1/2/3/4):321-339.

[5] Vazlkdoust M，van Dam J C，Bamlaanssen W, et al. Assimilation of satellite data into agrohydrological modes to improve crop yield forecasts[J]. International Journal of Remote Sensing, 2009,30(1):2 523-2 545.

[6] 柳钦火，仲 波，吴纪桃，等．环境遥感定量反演与同化[M]．北京：科学出版社，2011.

[7] 王 文，寇小华．水文数据同化方法及遥感数据在水文数据同化中的应用进展[J]．河海大学学报(自然科学版)，2009，37(5)：556-562.

[8] 梁顺林，李 新．陆面观测、模拟与数据同化[M]．北京：高等教育出版社，2013.

[9] 倪深海，顾 颖，戚建国，等．农业干旱动态模拟技术研究与应用[J]．中国农村水利水电，2012,(8)：79-82.