距中植被指数在黑龙江省农业灾害遥感监测中的应用与探索.docxVIP

距中植被指数在黑龙江省农业灾害遥感监测中的应用与探索

一、引言

1.1研究背景与意义

黑龙江省作为我国重要的粮食生产基地，在保障国家粮食安全方面发挥着举足轻重的作用。广袤的耕地面积与丰富的农业资源，使其成为我国农业领域的关键区域，素有“中华大粮仓”的美誉。2022年，黑龙江省粮食总产量达到7763.1万吨，占全国粮食总产量的11.3%，连续13年位居全国首位，为我国粮食供应的稳定做出了卓越贡献。

然而，黑龙江省特殊的地理位置与复杂的气候条件，使其农业生产面临着诸多自然灾害的威胁。干旱、洪涝、低温冻害、风雹以及生物灾害等频繁发生，给农业生产带来了严重的损失。据统计，近十年来，黑龙江省因自然灾害导致的农作物受灾面积年均达到150万公顷，直接经济损失超过50亿元。2013年，黑龙江省遭遇了严重的洪涝灾害，受灾面积达到333.3万公顷，直接经济损失高达160亿元。这些灾害不仅影响了农作物的产量和质量，还对农民的收入和农村经济的发展造成了不利影响，严重威胁着国家的粮食安全。

传统的农业灾害监测方法主要依赖于地面观测站和人工调查，这种方式存在监测范围有限、时效性差、成本高等问题，难以满足现代农业发展对灾害监测的需求。随着遥感技术的快速发展，利用卫星遥感数据进行农业灾害监测成为了一种重要的手段。植被指数作为遥感监测的重要指标，能够反映植被的生长状态和健康状况，在农业灾害监测中发挥着重要作用。

距中植被指数（DistanceVegetationIndex，DVI）是一种新型的植被指数，它通过计算植被光谱与参考光谱之间的距离来反映植被的生长状态。与传统的植被指数相比，距中植被指数具有对植被生长状态变化更为敏感、受土壤背景和大气干扰较小等优点，在农业灾害监测中具有更高的应用潜力。因此，开展基于距中植被指数的黑龙江省农业灾害遥感监测研究，具有重要的理论意义和实际应用价值。

本研究旨在通过对距中植被指数的深入研究，建立基于距中植被指数的农业灾害遥感监测模型，实现对黑龙江省农业灾害的快速、准确监测。这将有助于提高农业灾害监测的时效性和准确性，为农业灾害预警和防灾减灾提供科学依据，对于保障黑龙江省农业生产的稳定和国家粮食安全具有重要意义。

1.2国内外研究现状

1.2.1农业灾害遥感监测研究进展

遥感技术自诞生以来，凭借其快速、宏观、动态监测的优势，在农业灾害监测领域得到了广泛应用。国内外学者针对不同类型的农业灾害，开展了大量的遥感监测研究。

在干旱监测方面，学者们主要利用植被指数、地表温度、土壤水分等遥感数据进行监测。归一化植被指数（NDVI）是最早应用于干旱监测的植被指数之一，它通过计算近红外波段与红光波段的反射率差值与和值的比值，来反映植被的生长状况。当植被受到干旱胁迫时，NDVI值会降低。然而，NDVI在植被覆盖度较高时容易出现饱和现象，影响监测精度。为了解决这一问题，增强型植被指数（EVI）被提出，它通过引入蓝光波段和大气校正系数，减少了大气和土壤背景的影响，提高了对植被生长状况的监测能力。此外，温度植被干旱指数（TVDI）结合了地表温度和植被指数，能够更准确地反映土壤水分状况，在干旱监测中得到了广泛应用。

洪涝灾害监测主要依赖于光学遥感和雷达遥感技术。光学遥感可以通过监测水体面积的变化、植被的淹没情况等信息来识别洪涝灾害。但在洪涝发生时，云层覆盖会影响光学遥感数据的获取。雷达遥感具有全天时、全天候的特点，能够穿透云层，获取地表信息。合成孔径雷达（SAR）图像的后向散射系数对水体和植被的变化较为敏感，可以用于提取洪涝淹没范围和监测农作物受灾情况。黄健熙教授团队基于哨兵1号卫星（Sentinel-1）时间序列数据发展了一种区域尺度上无监督高斯混合模型（GMM）洪涝作物受灾遥感监测方法，提出了一种洪涝可分性指数（FSI），通过GMM中被淹没和未被淹没作物区的拟合概率密度函数来实现自动提取，克服以往研究中手动选择模型输入的局限，在区域尺度复杂农田景观区域洪涝作物受灾遥感监测上具有很大的应用潜力。

低温冻害监测主要利用热红外遥感数据和植被指数。热红外遥感可以监测地表温度的变化，当低温冻害发生时，地表温度会降低。植被指数则可以反映植被在低温冻害后的生长恢复情况。一些研究通过建立地表温度与植被指数的关系模型，来监测低温冻害对农作物的影响。

生物灾害监测主要通过分析植被的光谱特征变化来实现。当农作物受到病虫害侵袭时，其叶绿素含量、叶面积指数等会发生变化，导致植被光谱特征改变。利用高光谱遥感数据可以获取更详细的植被光谱信息，提高生物灾害监测的精度。

1.2.2距中植被指数的应用研究

距中植被指数作为一种新型的植被指数，近年来在植被监测领域逐渐受到关注。它的基本原理是基于植被光谱与参考光谱之间的距离计算，