1材料与研究方法
1．1数据与预处理
(1)研究时间选择。根据阿克苏市地面气象观测站提供的总云量资料，选取无云的时间，即4月15日(农作物风沙灾害前)、4月17日(农作物风沙灾害后)和4月29日(农作物风沙灾害恢复期)作为农作物风沙灾害研究时间。为了对风沙灾害指标阈值的确定，需要选择季节相近的研究区农作物正常生长晴空图，时间分别为2010年4月22日、23日和24日。(2)MODIS数据及预处理。根据研究时间，此次共使用2009年4月15日、17日和29日，以及2010年4月22日、23日和24日的250mMODIS日地表反射率产品(MOD09GQ)影像6期，2009年逐年合成500m土地覆盖类型产品MCD12Q1影像1期。对这些遥感数据均采用MODIS重投影工具进行重采样和拼接处理，转换成tif格式［6，7］。根据土地覆盖类型产品中第一类国际地圈生物圈计划(IGBP)全球植被分类方案，选择第12类(农作物)提取阿克苏市的农作物种植区。
1．2研究方法
1．2．1风沙灾害植被指数变化情况
利用遥感监测风沙对农作物的灾害，通常是利用地表植被状况、特征等指标监测作物风沙灾害的情况。参考文献［8］中指出，NDVI探测低密度绿色植被的能力最强，是植被生长状态及植被覆盖度的最佳指示因子。因此，文中将农作物的NDVI值作为农作物风沙灾害的评估指标。(1)归一化植被指数。根据每日地表反射率数据(MOD09GQ)的近红外和红波段，通过公式(1)计算归一化植被指数。NDVI=ＲNIＲ－ＲＲEDＲNIＲ+ＲＲED(1)式中:NDVI为归一化植被指数;ＲNIＲ为近红外波段反射率;ＲＲED为红波段反射率。(2)植被指数变化分析。从光谱物征与作物冠层之间的关系看，绿色植物叶面叶绿素在光照条件下发生光合作用，在可见光红光波段有很强的吸收特性，而对近红外波段具有很强的反射率、高的透射率和极低的吸收，即红光波段反射率包含了植物冠顶层叶片的丰富信息，近红外光反射率包含了整个植物冠层内叶片的大部分信息，这是植被遥感监测的物理基础［9］。农作物生长初期，叶绿素含量增多，红波段吸收和近红外反射率增强，植被指数增大。当农作物受到风沙灾害影响后，会出现农作物活性减弱、死苗等现象，红波段吸收和近红外反射率减弱，植被指数减小。因此，不同日期的数值相减是为了观测两个日期植被的变化，并用来探测由于风沙灾害造成的农作物变化。文中将相邻时期NDVI两两相减后，用公式(2)逐像元判断其是否发生变化，即:若△NDVI(i，j)＞a，表示正向变化;若△NDVI(i，j)＜a，像元负向变化［10］。△NDVI(i，j)=NDVId1(i，j)－NDVID2(i，j)(2)式中:NDVId1(i，j)和NDVId2(i，j)分别是像元(i，j)在日期d1和d2的NDVI值;△NDVI(i，j)是像元(i，j)在日期d1和d2的NDVI差值。由于NDVI值的变化不仅受植物生长和地物变化的影响，还会受到太阳光照强度、大气状况、卫星拍摄角度等因素影响，相邻日期的NDVI值也会存在较小的波动，所以NDVI变化阈值a的确定是一件较为困难而又关键的问题［5］。根据文献［6］，选择与受灾时间同时相的遥感数据，计算研究区农作物春季正常生长NDVI变化，定义风沙灾害的阈值为公式(3):a=△NDVI－σ(3)式中:△NDVI、σ分别为同时期正常生长年份研究区农作物未受灾害的植被指数变化的均值和标准差。
1．2．2农作物风沙灾害的遥感监测方法
基于多时相遥感数据，农作物风沙灾害的遥感监测方法分为4个步骤:(1)选择遥感数据及预处理。根据灾害发生的时间，选择灾前、灾后和恢复期3个时相的遥感数据，以及同时期正常生长年份的遥感数据，并进行预处理。(2)计算△NDVI的均值和标准差。根据受灾年份的灾前、灾后和恢复期的遥感数据，以及正常年份相同时相的遥感数据，分别计算研究区域内农作物△NDVI的均值和标准差。(3)根据公式(3)确定农作物受灾阈值a。当农作物的△NDVIi，j＜a时，表示此像元受到风沙灾害的影响。(4)确定受灾面积。农作物风沙灾害受灾面积通过不同类别风沙灾害影响范围内像元的统计得到［11］。农作物受灾面积计算公式:Ai=A0×Pi(4)式中:Ai为第i类风沙灾情的作物受灾面积;A0为农作物面积;Pi为不同风沙灾害类别所占比例。图1阿克苏市农作物风沙灾害前后和恢复期的NDVI面积比ig．1TheNDVIarearatioofcroplandinAksucityintheperiodsofbeforeandafterthewindsanddamage，andtherecoveryperiod
2结果与分析
2．1风沙灾害前后植被指数的变化情况
从图1中可以看出，阿克苏农作物在风沙灾害前后和恢复期NDVI分布逐渐趋于扁平状。NDVI最大值分别为0．36、0．64、0．73，80%的农作物ND-VI分别在0．13、0．19、0．26以下，其中:占总作物总面积比例最大的NDVI值逐渐增大，由0．08(17．51%)、0．09(14．42%)到0．11(9．63%)。在风沙灾害前后和恢复期，NDVI面积变化最为明显的区间是NDVI＜0．1和0．15＜NDVI＜0．4。NDVI＜0．1的面积变化明显，分别为61．21%、43．24%、20．96%;0．15＜NDVI＜0．4的面积分别为11．93%、30．21%、39．83%。
2．2像元植被指数的变化情况
由于不同年份农作物物候的变化，文中基于2010年4月22日、23日和24日的遥感数据，对多天相邻遥感数据风沙灾害阈值取平均作为风沙灾害的阈值。利用风沙灾害阈值的确定方法，分别计算研究区农作物a23－22和a24－23，并取它们的均值a=(a23－22+a24－23)/2作为风沙灾害的阈值。因此，文中阿克苏市农作物风沙灾害阈值为－0．005，即△NDVI(i，j)＜－0．005的区域被划定为农作物受灾区。在风沙灾害前、后和恢复期，若农作物植被指数始终保持正向变化，无风沙危害症状，则农作物未受到风沙灾害的影响，保持正常生长;否则，为农作物异常变化，受到风沙灾害的影响。因此，根据阿克苏市农作物在风沙灾害前、后和恢复期植被指数的变化，将农作物风沙灾害划分为三类:负向－正向型、正向－负向型和负向－负向型。
2．2．1负向－正向型
这种风沙灾害类型在风沙灾害后，植被指数减小，其中:NDVI＞0．15的农作物NDVI都减小0．02以上，NDVI在0．3～0．35的农作物减小最大，为0．037，NDVI在0．05～0．1的农作物减小最少，为0．013，平均减小0．022;而在风沙灾害恢复期，植被指数逐渐增大，由NDVI在0．05～0．1的农作物增长0．022到NDVI在0．30～0．35的农作物增长0．233，平均增长0．11。由此可见，负向－正向型农作物风沙灾害的NDVI越大，风沙灾害后和其恢复期变化就越大。处于生长子叶或真叶期的农作物，此时抗风沙能力较弱，重者主茎上部被风刮断，轻者叶片被风刮碎，NDVI减小。但这些农作物具有较强的恢复能力，在风沙灾害后不久就开始恢复生长，NDVI逐渐增大。
2．2．2正向－负向型
农作物受到风沙灾害后好像正常生长，NDVI增加的范围从0．03到0．189;但随着时间的推移，农作物受风沙灾害的影响也逐渐显现出来，NDVI开始减小，NDVI减小的范围从0．02到0．065。由于风力较大，已播种的农作物地膜不同程度被风刮起，根系尚未健全的农作物幼苗裸露在外，增加了NDVI值。当风沙吹打农作物幼苗后，幼苗子叶和幼茎上的伤口受到大风长时间的吹干，叶绿素降低，导致NDVI逐渐减小。
2．2．3负向－负向型
NDVI在0～0．25的农作物，特别是NDVI在0～0．05的农作物容易受到这种类型的风沙灾害影响。农作物在这种类型的风沙灾害后，NDVI在0～0．05的农作物减小0．067，恢复期NDVI减小0．045。沙尘覆盖在麦苗、棉花等大田农作物叶面上，影响叶面正常的光合作用和呼吸作用，使作物生长和发育受到抑制或损害。此外，受伤的农作物体内水分会从伤口散失，其子叶、生长点和靠近子叶的幼茎失水干枯，ND-VI不断减小。
2．3农作物受灾面积
根据使用图像的分辨率大小，利用植被指数变化的类别，分别统计风沙对农作物不同影响的面积。2009年4月16日阿克苏市农作物风沙灾害面积12697．07hm2，这与实际调查数据基本相符。阿克苏市三类风沙灾害的受灾情况是:负向－正向型农作物受灾面积4464．90hm2，占总受灾面积的35．16%;正向－负向型农作物受灾面积最大，为8006．77hm2，占总受灾面积的63．06%;负向－负向型农作物受灾面积最小，为225．39hm2，占总受灾面积的1．78%。其中:在负向－正向型风沙灾害中，NDVI在0．05～0．1之间的农作物受灾面积是1969．49hm2，占这类风沙灾害面积的44．11%;在正向－负向型风沙灾害中，NDVI在0．05～0．1之间的农作物，受灾面积是5082．05hm2，占这类风沙灾害面积的63．47%;在负向－负向型风沙灾害中，NDVI在0．1～0．15之间的农作物受灾面积是96．60hm2，占这类风沙灾害面积的42．86%。因此，在春季风沙灾害中应重点关注NDVI在0．05～0．15之间的农作物，并根据不同风沙灾害类型进行抗灾救灾工作。
3讨论
目前，对农作物的风沙灾害监测没有明确的方法，而研究农作物长势监测的常用参数是NDVI［12］，因此，文中以2009年4月16日阿克苏市农作物为例，提出了基于NDVI的农作物风沙灾害阈值确定方法，并将受灾农作物分为正向－负向型、负向－正向型和负向－负向型三种类型。农作物风沙灾害遥感监测过程中，通过遥感数据处理和统计分析，得出农作物的受灾情况，方法简单，可操作性强，可以解决区域尺度上的及时监测问题。遥感监测结果显示，阿克苏市农作物风沙灾害面积与实际受灾面积的提取精度为98．24%，表明文中提出的农作物风沙灾害遥感监测方法是可行的。文中主要考虑了农作物风沙灾害快速评估的要求，然而，当农作物遭受风沙灾害后，对农作物生育进程、生物量、质量以及产量的影响等还需要进一步地分析。
4结论
(1)春季风沙灾害前后和恢复期阿克苏市农作物NDVI值变化明显，农作物NDVI最大值从0．36增大到0．73，占农作物总面积比例最大的NDVI值从0．08增大到0．11，其中:NDVI＜0．1的农作物面积从61．21%大幅减小到20．96%，0．15＜NDVI＜0．4的农作物面积从11．93%增加到39．83%。(2)基于风沙灾害前后和恢复期农作物NDVI值的变化，将农作物风沙灾害划分为三类:正向－负向型、负向－正向型和负向－负向型。不同类型风沙灾害的农作物NDVI区间值分析显示，负向－正向型和正向－负向型农作物NDVI值越大，风沙灾害后和其恢复期变化就越大;负向－负向型农作物NDVI值越小，风沙灾害后和其恢复期变化就明显。(3)阿克苏市受灾农作物面积12697．07hm2，其中:负向－正向型农作物受灾面积为4464．90hm2，正向－负向型农作物受灾面积8006．77hm2，负向－负向型农作物受灾面积225．39hm2，预防农作物风沙灾害的重点是NDVI值为0．05～0．15的农作物。
作者：程红霞 林粤江 单位：乌鲁木齐气象卫星地面站 新疆气象培训中心
