基于卫星遥感和自动气象站数据反演稻田气温——以安徽省为例

doi:10.11924/j.issn.1000-6850.casb2020-0491

中国农学通报 ›› 2021, Vol. 37 ›› Issue (2): 88-95.doi: 10.11924/j.issn.1000-6850.casb2020-0491

所属专题：水稻；农业气象

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于卫星遥感和自动气象站数据反演稻田气温——以安徽省为例

白玛仁增¹^,²(), 德吉央宗¹^,², 索朗央金³, 拉巴¹^,²(), 张鑫磊⁴, 顿玉多吉¹^,⁵, 扎西欧珠¹^,⁵

¹西藏自治区气候中心,拉萨 850000
²中国气象局成都高原气象研究所拉萨分部,拉萨 850000
³索县气象局,西藏那曲 852000
⁴山西省气象局,太原 030000
⁵西藏自治区气象局,拉萨 850000

收稿日期:2020-09-22 修回日期:2020-11-23 出版日期:2021-01-15 发布日期:2021-01-14
通讯作者: 拉巴
作者简介:白玛仁增,男,1994年出生,西藏乃东人,助理工程师,硕士,主要从事遥感应用和作物模型方面的研究。通信地址：850000 西藏自治区拉萨市城关区林廓北路2号,Tel：0891-6330101,E-mail：466797027@qq.com。
基金资助:
第二次青藏高原综合科学考察研究项目“西风-季风协同作用及其环境效应”(2019QZKK0106);国家自然科学基金项目“基于多源卫星数据藏北高原地表温度与湿地变化特征研究”(41465006);国家自然基金项目“能源消耗变化背景下高原城市光学污染现状与潜势研究”(21876214);西藏自治区科技厅重点项目“藏北典型生态区生态环境遥感监测评估”(XZ201703-GA-01)

Inversion of Rice Field Temperature Based on Satellite Remote Sensing and Automatic Weather Station Data: Taking Anhui Province as an Example

Pema Rigzin¹^,²(), Dekey Yongzom¹^,², Sonamlang Yangchen³, Lha ba¹^,²(), Zhang Xinlei⁴, Dhonyo Dorji¹^,⁵, Tashi Ngodup¹^,⁵

¹Tibet Climate Center, Lhasa 850000
²Institute of Plateau Meteorology, CMA, Lhasa 850000
³Suo County Meteorological Bureau, Nagqu Tibet 852000
⁴Shanxi Meteorological Bureau, Taiyuan 030000
⁵Tibet Meteorological Bureau, Lhasa 850000

Received:2020-09-22 Revised:2020-11-23 Online:2021-01-15 Published:2021-01-14
Contact: Lha ba

摘要/Abstract

摘要：

随着全球气温变暖和高温事件的频繁出现,水稻遭受高温影响的概率也随之增加。稻田气温是研究水稻遭受高温热害及其影响的数据基础。因此,大范围地反演稻田气温,有助于相关部门短时间内获取大范围的稻田气温数据并进行水稻高温热害的研究和决策部署。本文利用MOD09A1 8天合成数据对安徽省水稻种植区域提取,水稻种植区内的自动气象站气温数据与MOD11A1、MYD11A1 4个LST值进行多元逐步回归,得到遥感估算最高气温和平均气温方程最优,R²分别为0.728和0.825,均方根误差分别为(RSME)2.21、1.54,平均绝对误差(MEA)分别为1.73、1.15,最终完成基于卫星遥感信息和自动气象站气温数据反演稻田气温的方法的开发。将该方法应用于2017年安徽省水稻种植区的提取和气温的反演得到了很好的应用。

关键词: 遥感信息, 稻田, 气温, 反演, 气象站, 安徽

Abstract:

With the global warming and frequent occurrence of high temperature events, the probability of rice being affected by high temperatures increases. Rice field temperature is the foundation for studying the high temperature heat damage and its impact on rice. Therefore, the wide-scale inversion of rice field temperature could help relevant departments set up a wide-range rice field temperature data in a short time and carry out research on rice high temperature heat damage and decision making. In this study, the 8-day synthetic data of MOD09A1 was used to extract rice planting areas in Anhui Province. Then the temperature of the AWS (automatic weather station) in the rice planting area and the four LST values such as MOD11A1 and MYD11A1 were used for multiple stepwise regression. The optimal equation for estimating the maximum and average temperature from remote sensing data was obtained, with the R² of 0.728 and 0.825, root mean square errors (RSME) of 2.21 and 1.54, and mean absolute errors (MEA) of 1.73 and 1.15, respectively. Finally, the method of inverting rice field air temperature based on satellite remote sensing information and AWS air temperature data was developed. The method was well applied in the extraction of rice planting areas and the inversion of final temperature in Anhui Province in 2017.

Key words: remote sensing information, rice field, temperature, inversion, weather station, Anhui

中图分类号:

P414.4

白玛仁增, 德吉央宗, 索朗央金, 拉巴, 张鑫磊, 顿玉多吉, 扎西欧珠. 基于卫星遥感和自动气象站数据反演稻田气温——以安徽省为例[J]. 中国农学通报, 2021, 37(2): 88-95.

Pema Rigzin, Dekey Yongzom, Sonamlang Yangchen, Lha ba, Zhang Xinlei, Dhonyo Dorji, Tashi Ngodup. Inversion of Rice Field Temperature Based on Satellite Remote Sensing and Automatic Weather Station Data: Taking Anhui Province as an Example[J]. Chinese Agricultural Science Bulletin, 2021, 37(2): 88-95.

图/表 11

参考文献 25

[1]	徐匡迪, 沈国舫. 依靠稻作科技创新,推动中国水稻产业发展—在首届国际水稻大会上作的主题报告[J]. 中国稻米, 2002(6):8-11.
[2]	章秀福, 王丹英, 方福平, 等. 中国粮食安全和水稻生产[J]. 农业现代化研究, 2005(2):85-88.
[3]	谢晓金, 李秉柏, 申双和, 等. 高温热害对扬稻6号剑叶生理特性的影响[J]. 中国农业气象, 2009(30):84-87.
[4]	陈隆勋, 朱乾根, 罗会邦, 等. 东亚季风[M]. 北京: 气象出版社, 1991: 162-192.
[5]	Zhang J, Yao F, Fu C, et al. Study on response of ecosystem to the East Asian monsoon in eastern China using LAI data derived from remote sensing information[J]. 自然科学进展:英文版, 2004,14(3):279-282.
[6]	尹洁, 张传江, 张超美 .等. 2003 年夏季罕见高温气候诊断分析[J]. 南京气象学院学报, 2005(28):855-861.
[7]	尹东屏, 严明良, 裴海瑛, 等. 副热带高压控制下的高温天气特征分析[J]. 气象科学, 2006(26):559-563.
[8]	田小海, 松井勤, 李守华, 等. 水稻花期高温热害研究进展与展望[J]. 应用生态学报, 2007(18):2632-2636.
[9]	郭建茂, 白玛仁增, 梁卫敏, 等. 两湖地区水稻抽穗开花期高温热害时空分布[J]. 中国农业气象, 2019,40(1):51-61.
[10]	张舵, 王建. 气候变暖将使中国水稻玉米小麦等作物产量下降[J]. 北京农业, 2009(20):47.
[11]	Lobell D B, Asner G P. Climate and management contributions to recent trends in US agricultural yield[J]. Science, 2003,299:5609.
[12]	Tubiello F N, Jean-François Soussana, Howden S M. Crop and Pasture Response to Climate Change[J]. Proc Natl Acad Sci U S A, 2007,104(50):19686-19690. doi: 10.1073/pnas.0701728104 URL pmid: 18077401
[13]	Rosenzweig C, Parry M L. Potential impact of climate-change on world food-supply[J]. Nature, 1994,367:133-138.
[14]	张舵, 王建. 气候变暖将使中国水稻玉米小麦等作物产量下降[J]. 北京农业, 2009(20):47.
[15]	Chen E, Allen L H, Bartholic J F, et al. Comparison of winter-nocturnal geostationary satellite infrared-surface temperature with shelter—height temperature in Florida[J]. Remote Sensing of Environment, 1983,13(4):313-327.
[16]	Jones, P, Jedlovec, C, Suggs, R, et al. Using MODIS LST to estimate minimum air temperatures at night[C]. 13th Conference on Satellite Meteorology and Oceanography, American Meteorological Society Norfolk, 2004: 13-18.
[17]	Kawashima S, Ishida T, Minomura M, et al. Relations between surface temperature and air temperature on a local scale during winter nights[J]. Journal of Applied Meteorology, 2000,39:1570-1579.
[18]	Nieto H, Sandholt I, Aguado I, et al. Air temperature estimation with MSG-SEVIRI data: Calibration and validation of the TVX algorithm for the Iberian Peninsula[J]. Remote Sensing of Environment, 2011,115:107-116.
[19]	侯英雨, 张佳华, 延昊, 等. 利用卫星遥感资料估算区域尺度空气温度[J]. 气象, 2010,36(4):75-79.
[20]	Zhao D Z, Zhang W C, Xu S J. A neural network algorithm to retrieve near-surface air temperature from landsat ETM+ imagery over the hanjiang river basin, china[J]. IEEE International Geoscience And Remote Sensiong Symposium, 2007: 1709-1708
[21]	张凤英. 利用NOAA-9垂直探测资料反演地面气温的初步试验[J]. 气象, 1987(11):23-27.
[22]	张春桂, 林晶, 吴振海, 等. 基于MODIS数据的水稻种植面积监测方法研究[J]. 自然资源学报, 2007(1):1-8.
[23]	邬明权, 牛铮, 王长耀. 利用遥感数据时空融合技术提取水稻种植面积[J]. 农业工程学报, 2010,26(S2):48-52.
[24]	郑长春, 王秀珍, 黄敬峰. 多时相MODIS影像的浙江省水稻种植面积信息提取方法研究[J]. 浙江大学学报:农业与生命科学版, 2009,35(1):98-104.
[25]	Xiao X M, Boles S, Frolking S, et al. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images[J]. Remote Sensing of Environment, 2006,100(1):95-113.

数据产品	波段	系数
MOD09A1	B1~B7	0.0001
MYD11A1	LST-Night	0.0001
MOD11A1	LST-Day	0.02
MCD12Q1	B1	NA

数据产品	波段	系数
MOD09A1	B1~B7	0.0001
MYD11A1	LST-Night	0.0001
MOD11A1	LST-Day	0.02
MCD12Q1	B1	NA

像元类型	满足条件
水稻像元	LSWI≥EVI-0.05
	2×EVI₍_d_0-_d₄₀₎>EVI_max
	MODIS_QA
	MCD12Q1!=WATER
	~NDVI_all>0.7

像元类型	满足条件
水稻像元	LSWI≥EVI-0.05
	2×EVI₍_d_0-_d₄₀₎>EVI_max
	MODIS_QA
	MCD12Q1!=WATER
	~NDVI_all>0.7

地区	遥感提取值/万hm²	实际统计值/万hm²	误差/%
阜阳	7.38	7.57	2.50
亳州	0.40	0.36	10.86
宿州	0.81	0.75	7.49
淮北	0.02	0.02	11.76
蚌埠	10.35	11.19	7.52
淮南	18.93	20.52	7.76
滁州	34.41	37.88	9.16
合肥	28.13	31.01	9.30
六安	35.06	32.48	7.93
安庆	22.83	25.35	9.94
池州	15.79	14.77	6.91
铜陵	6.76	7.11	4.86
芜湖	15.00	13.71	9.42
马鞍山	11.05	10.25	7.83
宣城	12.82	13.89	7.68
黄山	3.74	3.37	10.98

基于卫星遥感和自动气象站数据反演稻田气温——以安徽省为例

Inversion of Rice Field Temperature Based on Satellite Remote Sensing and Automatic Weather Station Data: Taking Anhui Province as an Example

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

序号	回归方程	R²	F
Ⅰ	T_MAX=0.807 LST_AN+15.422	0.588	1302.523
Ⅱ	T_MAX=0.954 LST_AN-0.284 LST_TN+17.862	0.650	844.174
Ⅲ	T_MAX=0.758 LST_AN_-0.327 LST_TN+0.373 LST_AD+9.924	0.728	808.642

序号	回归方程	R²	F
Ⅰ	T_MEAN=0.831 LST_AN+9.352	0.766	2974.953
Ⅱ	T_MEAN₌0.919 LST_AN-0.170 LST_TD+11.909	0.795	1737.895
Ⅲ	T_MEAN=0.810 LST_AN-0.193 LST_TN+0.206 LST_AD+7.570	0.825	1076.365

序号	RMSE		MAE		N
序号	T_MAX	T_MEAN	T_MAX	T_MEAN	N
Ⅰ	252	1.93	2.07	1.63	100
Ⅱ	2.32	1.60	1.88	1.25	100
Ⅲ	2.21	1.54	1.73	1.15	100

[1]	白玛仁增, 顿玉多吉, 德例归吉, 德吉央宗, 益西多吉, 边巴次仁. 星-地结合对水稻高温热害监测模型的研究[J]. 中国农学通报, 2023, 39(1): 133-141.
[2]	刘雨婷, 黄世玉, 李榴佳, 赵天章, 李慧英, 苏子峰, 龙晓文. 池塘与稻田养殖鲤鱼生物学指数和肌肉营养价值的比较[J]. 中国农学通报, 2022, 38(4): 159-164.
[3]	陈晴晴, 王春林, 张海珊, 张爱芳. 安徽省水稻区试品种稻瘟病和白叶枯病抗性分析[J]. 中国农学通报, 2022, 38(3): 134-139.
[4]	樊海平, 薛凌展, 杨晓燕, 张树兴, 钟全福, 林煜. 异育银鲫‘中科3号’和中华圆田螺稻田生态种养效果比较分析[J]. 中国农学通报, 2022, 38(3): 148-153.
[5]	石丽红, 孙梅, 唐海明, 文丽, 李超, 程凯凯, 李微艳, 肖小平. 不同施肥模式下稻田土壤氮组分及微生物多样性研究进展[J]. 中国农学通报, 2022, 38(27): 106-110.
[6]	蒋阳阳, 李海洋, 李正荣, 崔凯, 吴明林, 周蓓蓓, 王林, 吴多生. 安徽省水产养殖尾水治理典型模式分析与发展建议[J]. 中国农学通报, 2022, 38(26): 139-143.
[7]	董佳蕊. 通辽市气象因子对红薯产量的影响分析[J]. 中国农学通报, 2022, 38(24): 75-79.
[8]	苏利军, 潘耀婷. 呼和浩特地区不同类型日光温室光热性能研究[J]. 中国农学通报, 2022, 38(2): 106-118.
[9]	陈金, 王新月, 谢鹏飞, 张庆富, 杨柳, 陈治锋, 裴晓东, 黄杰, 邓永晟, 邓小华. 烟草残茬还田腐解特征及对土壤养分与烟碱的影响[J]. 中国农学通报, 2022, 38(14): 65-71.
[10]	袁雷, 周刊社, 张东东. 羌塘国家自然保护区植被生长季NDVI时空变化及其对气候变化的响应[J]. 中国农学通报, 2022, 38(13): 127-134.
[11]	汪和廷, 张从合, 方玉, 褚进华, 严志, 周桂香, 王林, 杨韦, 申广勒, 王慧. 中国气候变化对农作物育种策略影响探究[J]. 中国农学通报, 2022, 38(11): 64-74.
[12]	朱晓翠, 郑健, 陈妙金, 沈艳, 李军, 岳俗甲, 杨怡曼. 基于小时气温资料的桃树需冷量和需热量研究[J]. 中国农学通报, 2022, 38(11): 84-88.
[13]	林秀颜, 江赜伟, 陈曦, 张淑娜, 戴惠东, 杨士红. 稻田土壤微生物数量和酶活性对水碳调控的响应[J]. 中国农学通报, 2021, 37(7): 75-80.
[14]	宫丽娟, 王萍, 姜蓝齐, 李秀芬, 赵慧颖. 高寒区大豆适宜播种期研究[J]. 中国农学通报, 2021, 37(5): 57-64.
[15]	何芬, 侯永, 李恺, 魏晓明, 刘雅青. 基于碳晶电热膜的温室育苗保温加温系统研究[J]. 中国农学通报, 2021, 37(4): 85-90.