DB61∕T 1130-2018 农业干旱风险遥感评估技术规范

ICS07.040A77DB61陕西省地方标准DB61/T1130—2018农业干旱风险遥感评估技术规范Technologicalspecificationforriskassessmentofagriculturaldroughtsupportedbyremotesensingandmeteorologicalobservation2018-03-09发布2018-04-09实施陕西省质量技术监督局发布DB61/T1130—2018I目次前言................................................................................II1范围..............................................................................12规范性引用文件....................................................................13术语和定义........................................................................14评估步骤..........................................................................2附录A（资料性附录）部分遥感指数形式及说明..........................................8附录B（规范性附录）冬小麦与玉米各生育期的参考需水风险系数..........................9DB61/T1130—2018II前言本标准按照GB/T1.1—2009给出的规则起草。本标准由杨凌农业高新技术产业示范区科技信息中心提出。本标准由陕西省农业厅归口。本标准起草单位：北京农业信息技术研究中心、北京农业质量标准与检测技术研究中心、杨凌农业高新技术产业示范区科技信息中心。本标准主要起草人：杨贵军、杨浩、赵春江、杨小冬、王纪华、卫景芳、侯宝英、龙慧灵、汶誓、谢胜菊。本标准由杨凌农业高新技术产业示范区科技信息中心负责解释。本标准首次发布。联系信息如下：单位：杨凌农业高新技术产业示范区科技信息中心电话：029—87030801地址：陕西省咸阳市杨凌农业高新技术产业示范区新桥北路6号政务大厦312室邮编：712100DB61/T1130—20181农业干旱风险遥感评估技术规范1范围本标准规定了农业干旱风险遥感评估的技术要求与方法步骤。本标准适用于陕西区域冬小麦与玉米为主的遥感技术与气象观测相结合的大田作物干旱风险评估业务。2规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T20481气象干旱等级GB/T32136农业干旱等级3术语和定义下列术语和定义适用于本文件。3.1农业干旱agriculturaldrought指农作物生长过程中因供水不足，阻碍作物正常生长而发生的水量供需不平衡，进而影响作物生长发育及产量的现象。3.2风险评估riskassessment指在干旱事件发生之前或发生过程中，分级量化测评干旱对农作物生长的威胁程度。3.3遥感影像数据remotesensingimagerydata应用卫星、航空飞机或无人机等飞行平台获取覆盖大面积农田区域的多光谱影像数据。3.4植被指数vegetationindex利用遥感影像数据不同波段反射率，通过运算生成的可以表达植被生长状况的变量指标。3.5归一化差值植被指数normaldifferencevegetationindex；NDVIDB61/T1130—20182指遥感影像近红外波段（NIR）与可见光红光波段（Red）的反射率之差与二者之和的比值，该指数能够用来表征植被长势状况。3.6地表反射率landsurfacereflectance指地表反射能力的大小，以向上的反射辐射总能量与入射辐射总能量的比值表示。3.7反照率albedo为半球反射率，目标地物的反射辐射通量与入射辐射通量的比值，即单位时间、单位面积上各方向出射的总辐射能量与入射的总辐射能量之比。3.8降水量precipitation从天空降落到地面上的液态或固态（经融化后）水，未经蒸发、渗透、流失，而在水平面上积聚的深度，单位为毫米（mm）。3.9土壤含水量soilwatercontent为单位容积或重量土壤中的水分含量占同容积或干土重量的百分比，以百分率（%）表示。4评估步骤4.1准备工作4.1.1在农作物生长期内，根据气象预测，每隔固定时间单元（5天～10天）进行周期性评估。具体评估时间和频次可根据干旱发生的严重性与实际需求进行调整。4.1.2在进行农业干旱风险遥感评估工作之前，应充分搜集和熟悉已有的成果资料。必须着重搜集以下方面的基础数据：——1：100万中国行政区划图；——不低于1：5万地形图；——1:1万土地利用空间分布。4.2遥感及气象数据获取与处理4.2.1采用的遥感影像至少需包含红光波段、近红外波段、短波红外波段、热红外波段等光谱谱段。其中，热红外波段遥感数据成像时间分辨率需达到12h以内，其它谱段遥感数据成像时间分辨率需达到8d以内。遥感影像空间分辨率需达到500m。4.2.2按照上述要求，选择获取评估区域近10年来清晰无云且无传感器条带噪声的时间序列遥感影像数据；对获取的影像进行辐射定标、大气校正和几何精校正等标准化数据处理（几何校正精度需达到1个像素以内），获得统一空间坐标系统（如：WGS84坐标系，UTM投影）和统一时空分辨率的遥感数据产品，包括：——红光地表反射率；——近红外地表反射率；DB61/T1130—20183——短波红外地表反射率；——热红外地表发射率；——反照率。4.2.3此外，获取评估区域内站点的气象数据，包括：——近10年来的逐日降水量；——气象站点太阳辐射通量等。4.3干旱风险评估指标计算4.3.1降水量的计算日降水量数据的空间化。根据气象站点的地理位置，基于区域内的所有站点降水量数据进行整个评估区域降水量的空间插值（克里金插值方法），进一步将评估区域降水量数据转化为栅格图像并进行重采样（统一的分辨率），得到每一像素单元时间段的累计降水量。4.3.2土壤含水量的计算以遥感数据为数据源，以土壤热惯量指数（ATIP）和植被供水指数（VSWI）为反演基础。一般情况下，在农田处于裸地或植被覆盖度小于15%时，采用热惯量模型；在农田植被覆盖度大于等于15%，采用植被供水指数模型。具体如下：a)当裸露地表覆盖度小于15%，按照公式（1）和公式（2）计算：605.0P424.15SWCATI...............................(1)式中：SWC——为土壤含水量（SoilWaterContent）；ATIP——为表观热惯量（ApparentThermalInertiaIndex）。T)ABE1(Q2)TT(C)ABE1(SV2Pminmax1ATI.........................(2)式中：ATIP——为表观热惯量（ApparentThermalInertiaIndex）；S——为太阳常数；V——为大气透明度；ABE——为地表全波段反照率（Albedo）；1C——为太阳赤纬和经纬的函数；——为地球自转频率；maxT——为一天最高地表温度；minT——为一天最低地表温度；Q——为总太阳辐射通量；DB61/T1130—20184T——为一天最高、最低地表温差。b)当植被覆盖地表覆盖度大于等于15%，按照公式（3）和公式（4）计算：100VSWI34.118.40SWC...............................(3)式中：SWC——为土壤含水量（SoilWaterContent）；VSWI——为植被供水指数。dReNIRdReNIRTNDVITVSWIss.............................(4)式中：VSWI——为植被供水指数；sT——为地表温度；NDVI——为归一化差值植被指数；NIR——为近红外波段反射率；dRe——为红光波段的反射率。4.3.3植被水分的计算按照公式（5）计算：)02.0SWIR()1.0NIR()02.0SWIR()1.0NIR(GVMI..........................(5)式中：GVMI——为全球植被水分指数（GlobalVegetationMoistureIndex）；NIR——为近红外波段反射率；SWIR——为短波红外波段反射率。4.4评估指标时间序列归一化以同期历史时间序列数据为基础，判定某一指标在当前的相对风险大小，并将不同评估指标映射到同一可比空间，构成降水量风险指数（PCI），土壤水分风险指数（GCI），以及植被水分风险指数（MCI），按照公式（6），公式（7），公式（8）计算：minmaxminPIPIPIPIPCI...................................(6)式中：PCI——为降水量风险指数，范围为[0，1]，0表示旱灾风险大，1表示旱灾风险小；PI——为某一像素当前时间的降水量值；minPI——为该像素近10年来同期单位时间段内的最小降水量；maxPI——为该像素近10年来同期单位时间段内的最大降水量。DB61/T1130—20185minmaxminSWCSWCSWCSWCGCI.................................(7)式中：GCI——为土壤水分风险指数；SWC——为某一像素当前时间的土壤含水量（SoilWaterContent）；minSWC——为该像素近10年来同期单位时间段内的最小土壤含水量；maxSWC——为该像素近10年来同期单位时间段内的最大土壤含水量。minmaxminGVMIGVMIGVMIGVMIMCI...............................(8)式中：MCI——为植被水分风险指数；GVMI——为某一像素当前时间的全球植被水分指数；minGVMI——为该像素近10年来同期单位时间段内的最小全球植被水分指数；maxGVMI——为该像素近10年来同期单位时间段内的最大全球植被水分指数。同上，利用公式（6）、公式（7）和公式（8）输入历史上同期PI平均值、SWC平均值、GVMI平均值数据，计算出历史平均降水量风险指数（'PCI），历史平均土壤含水量风险指数（'GCI），以及历史平均植被水分风险指数（'MCI）。4.5主成分分析算法融合利用主成分分析算法分别对评估当期PCI、GCI、MCI及历史平均'PCI、'GCI、'MCI进行信息融合，在定量耦合不同评估指标的同时去除冗余信息，提取包含干旱风险最大信息量的最大主成分分量，按照公式（9）计算：CIBIAIP321................................(9)式中：P——为主成分分析方法得到的第一主成分分量PCA或'PCA；1I、2I和3I——为变量协方差矩阵计算后的主成分系数，由主成分分析算法得到；A——为降水量风险指数PCI或'PCI；B——为土壤水分风险指数GCI或'GCI；C——为植被水分风险指数MCI或'MCI。4.6农业干旱风险分级与数据验证4.6.1风险分级按照本标准4.5的计算结果为基础，根据作物各生育期的“参考需水风险系数”（如表B.1）计算“农业干旱风险指数”，按照公式（10）计算。DB61/T1130—20186WPCAR......................................(10)式中：R——为农业干旱风险指数；PCA——为主成分分析方法得