0 引言

冬小麦是中国主要粮食作物之一，山东是中国主要冬小麦产区。冬小麦倒伏严重影响了小麦产量和大面积丰收，减少冬小麦倒伏影响是保障高产的重要举措。鲁西北是重要的冬小麦产区，而夏季强对流、大风等天气经常发生，每年都会发生小麦倒伏情况，对小麦生产造成了巨大损失。由于小麦倒伏局地性强，分布分散，人工实地调查困难，成本高，耗费时间长。而通过遥感方法反演小麦倒伏面积，速度快，时效性强，成本低，具有巨大优势。遥感手段监测小麦倒伏越来越受重视，应用也越来越广泛。

目前国内外在遥感监测作物倒伏方面的研究主要集中在高空间分辨率卫星资料和低空飞行平台上，雷达数据因其不受云层影响的特点也有较多应用。刘良云等^[1]利用Landsat TM数据对小麦倒伏的光谱特征进行研究，通过植被指数变化来提取倒伏。杨浩等^[2]研究Radarsat-2卫星数据的小麦倒伏雷达极化特征，对小麦倒伏进行分类。赵立成等^[3]通过无人机生成数字表面模型(digital surface model，DSM)的方法监测小麦倒伏。王猛等^[4]使用环境1号卫星数据，通过对比倒伏前后小麦归一化植被指数(normalized difference vegetation index，NDVI)比值的方法确定倒伏区。赵静等^[5]、牛亚晓等^[6]、董锦绘等^[7]通过低空无人机来提取小麦倒伏面积。田明璐等^[8]使用低空无人机以红波和绿波的变化提取水稻倒伏面积。陆洲等^[9]利用哨兵2号卫星高空间分辨率数据的红波变化提取水稻倒伏面积。王杰等^[10]利用环境1号卫星数据，李宗南等^[11]利用Worldview-2影像完成玉米倒伏监测。

综上所述，目前监测小麦倒伏的主流方法分为两种。一种是基于高空间分辨率的卫星影像和无人机影像，直接人工目视解译，利用地理信息软件完成绘制，此种方法优点是精度高，但存在需要时间长、工作量大、资料获取困难、成本高等缺点。另一种是通过中空间分辨率或者高空间分辨率结合监督分类或者研究光谱特征提取小麦倒伏面积。本研究所涉及的小麦倒伏面积提取方法，就是基于第二种方法，根据倒伏小麦与正常小麦光谱特征的不同，进行改进提升，以期为快速精准提取倒伏面积提供新的方法参考。

1 研究区域概况和数据来源 1.1 研究区域概况

德州位于山东西北部，是中国主要粮食生产基地之一，冬小麦是该区最主要的夏粮作物。德州地势平坦，属温带大陆性气候，冬春季干旱少雨，夏秋季湿润多雨。常年平均气温为13.6 ℃，降水量为562.8 mm，平均风速达2.4 m ·s^-1，平均日照时数为2 413.2 h。倒伏是德州冬小麦的常见灾害之一，据统计1985—2020年德州共发生成灾倒伏灾害65次，平均每年大约2次。

1.2 数据来源 1.2.1 冬小麦倒伏数据

综合历史气象资料，选择2020年和2021年两次冬小麦倒伏过程为研究案例。2020年6月1日小麦倒伏由强对流天气引发的大风导致，德州夏津、乐陵、齐河出现小麦倒伏，其中夏津倒伏面积最大，乐陵、齐河较小。由于小麦接近成熟，前期降水较多，导致小麦倒伏情况比较严重，尤其是夏津，许多小麦出现贴地倒伏情况。这次灾害特点是倒伏严重，倒伏区域点少、集中。2021年6月2日小麦倒伏也由强对流天气引发的大风导致，各县(市、区)均出现倒伏情况，由于小麦种植晚，刚开始灌浆，倒伏情况较轻。总体特点是倒伏较轻，倒伏区域点多、分散。为了解倒伏情况，在每次过程中倒伏地区选取5个地块进行实地调查，并在图像上相应分析光谱特征或者极化特征，同时在未发生倒伏地区随机选取5个点，分析正常小麦的光谱特征或者极化特征。全市倒伏实地统计数据来源于承担政府政策性农业保险的中国人民财产保险德州分公司和中华保险德州分公司。

1.2.2 卫星遥感数据

高分六号(GF-6)卫星于2018年6月2日成功发射，主要应用于精准农业观测、林业资源调查等。高分六号卫星配置2 m全色/8 m多光谱高空间分辨率相机(panchromatic and multispectral sensor，PMS)、16 m多光谱中空间分辨率宽幅相机(wide field viewer，WVF)，PMS观测幅宽为90 km，WVF观测幅宽为800 km。高分六号卫星与高分一号(GF-1)卫星组网运行后，使遥感数据获取的时间分辨率从4 d缩短到2 d。因为PMS为收费数据，文中采用的是16 m空间分辨率的WVF数据。

哨兵一号(Sentinel-1)卫星由两颗极轨卫星(A星和B星)组成。两颗极轨卫星载有C波段合成孔径雷达(synthetic aperture radar，SAR)，属于主动微波遥感卫星。使用其干涉测绘模式，空间分辨率为20 m×5 m，一级产品GRD(ground range detected)数据的时间分辨率为7 d，包含两种极化图像，分别是单垂直(vertical-vertical，VV)极化和垂直-水平(vertical-horizontal，VH)极化。

由于倒伏经常出现在小麦收获期前，需要较快获取数据，否则会因收割或其他因素影响无法获取准确的数据。此时段多阴雨期，采用高分一号、高分六号、哨兵一号等多源卫星数据相互补充的方式，以保证冬小麦倒伏发生后有数据可用且数据质量可靠。两次倒伏过程对应的遥感数据分别选取2020年6月3日和2021年6月4日高分六号卫星数据、2020年6月9日和2021年6月4日哨兵一号卫星数据，具体数据情况见表 1。

2 数据处理和倒伏提取方法 2.1 前期数据处理

选取小麦倒伏后高分六号卫星遥感数据和哨兵一号数据，进行对应预处理^[12-16]。高分六号预处理采用ENVI 5.3软件，其中应用商店有国产高分数据工具模块，经过辐射定标、大气校正、正射校正处理。哨兵一号数据采用欧洲航天局官网工具SNAP(SentiNel Application Platform)软件，通过选取相应处理工作流完成预处理。

倒伏提取前要首先确定小麦种植区。冬小麦种植面积采用高分一号卫星资料在2020年和2021年小麦返青期通过监督分类获取种植区的矢量数据。通过实地调查取样，根据小麦生长特征，采用最大似然法完成监督分两类^[17]。通过与农业部门种植面积对比，误差小于3%。

2.2 倒伏小麦的光谱特征

通过实地调查若干倒伏区，分析倒伏区高分六号卫星数据的光谱特征和哨兵一号卫星数据的极化特征，通过对光谱特征分析确定提取方法。因2020年6月1日倒伏过程较为明显，故选取此次过程对高分六号卫星影像进行分析，根据现场倒伏小麦调查资料结合Google影像进行目视解译，在夏津共选取10个样点(正常小麦5个样点、倒伏小麦5个样点)，其中倒伏小麦2个样点存在积水。统计正常小麦、倒伏小麦和存在积水区的倒伏小麦在各波段的反射率和NDVI值，反射率对比结果如图 1所示。

根据光谱特征可以看出，倒伏小麦从蓝光到近红外各个波段的反射率较正常小麦均明显增加，根据倒伏后反射率变化量和正常小麦反射率，计算倒伏小麦从蓝光到近红外各波段反射率的相对变化率，依次为83.7%、84.1%、66.2%、71.0%、39.5%、21.1%，NDVI变化率为-26.7%。其中绿光波段变化率最大，因此确定绿光波段数据作为提取小麦倒伏的数据。对于高分六号卫星也曾尝试使用NDVI作为提取依据，倒伏区NDVI较正常小麦偏低，但变化率低，易与长势较差小麦混淆，分类提取精度较差。

通过哨兵一号卫星数据VH、VV极化影像(图 2)发现，极化强度分贝值高的为倒伏区，低的为正常小麦。由此可见，小麦倒伏后反射微波能力增强，其中VH极化影像上表现更加明显，原因在于VH为交叉极化方式，小麦倒伏后微波信号多次散射增加，导致VH极化方式后向散射系数高，故采用VH极化影像来区分倒伏小麦。

2.3 倒伏小麦的分类提取阈值

经过对两次倒伏过程影像对比发现，这两次倒伏阈值不一致，主要是因为倒伏时间不同，小麦的生长状况不同，其光谱和极化特征不完全相同。因此，对于每次倒伏过程分类提取的阈值需要通过实地调查结果重新确定。通过实地调查倒伏区，测量其面积，选取轻微倒伏地块。通过轻微倒伏地块对应高分六号卫星像元的绿波段反射率、哨兵一号卫星VH后向极化强度初步制定阈值，通过提取面积与实地测量面积匹配来微调阈值，最终倒伏阈值见表 2。

2.4 出现积水区时小麦倒伏面积处理

实地调查中发现倒伏区是降水集中区，存在积水现象，会对倒伏提取造成干扰。由2020年夏津高分六号和哨兵一号两种数据监测结果对比分析发现，图 3中蓝框和黑框部分差别较大，实地调查结果显示，该地区除了倒伏以外，还存在渍涝积水，由于水体对微波吸收较高，微波后向极化强度很弱，哨兵一号卫星图像亮度低。故小麦倒伏区存在积水时，会导致哨兵一号卫星数据中倒伏区不能被正确判识。但小麦倒伏区积水较浅时，高分六号卫星数据各波段反射率没有明显变化，对数据提取没有造成明显影响，因此高分六号卫星对积水倒伏区的监测结果更为准确。

在高分六号卫星分类结果中积水区属于倒伏结果，而在哨兵一号卫星图像中属于低值区，积水较深时低于正常小麦，但积水较浅时，极化强度衰减减小，与正常小麦接近，判识为正常小麦。红边是植物的重要特征^[18]，积水区存在可以影响红边波段反射率。由图 1可以看出，积水区在红边1波段反射率明显低于倒伏小麦，故可以依据高分六号卫星红边1波段来区分积水区。积水区主要根据以下原则进行人工判识，判识依据为：(1)积水区高分六号卫星红边1波段反射率明显高于倒伏判识阈值，但在哨兵一号卫星图像中，VH后向极化强度低于判识阈值。(2)真彩图像中积水区呈浅绿色。(3)高分六号卫星红边1波段图像中存在积水的倒伏小麦区暗于其他倒伏小麦区。

积水区只有在2020年数据中存在，且面积较小，可以采用在哨兵一号卫星分类结果基础上，积水区替换为高分六号卫星结果。具体方法为：(1)将高分六号卫星结果图像重采样，同哨兵一号卫星一致，并与哨兵一号卫星合称为一个文件。(2)将高分六号卫星倒伏区中作为基础图像，通过红边1波段密度分割区分积水区和非积水区，阈值取0.185，由于积水区样本少，阈值不能保证完全准确，需要结合其他特征进一步判识。(3)结合其他特征人工判识，最终确定积水区，裁剪出来。(4)将裁剪出来的高分六号卫星提取结果镶嵌融合至哨兵一号卫星提取结果图像。最后确定的具体倒伏小麦提取流程见图 4、5。

3 结果与对比

在确定两种数据的分类阈值后，通过ENVI软件对原始数据进行密度分割，输出分类结果后通过ArcGIS软件进行出图，得到小麦倒伏区的分类结果。根据实际情况，2020年高分六号、哨兵一号卫星只有德州西部数据，2021年高分六号卫星只有德州南部数据，哨兵一号卫星有全部区域数据。因此最终2020年得到夏津两种数据倒伏监测结果，2021年得到德州哨兵一号卫星监测结果(图 6)。

3.1 2020年倒伏面积提取结果

2020年将夏津高分六号卫星和哨兵一号卫星两种数据监测结果与当地承担政策性农业保险公司的统计面积数据进行对比，哨兵一号卫星数据的误差相对较小(表 3)。

3.2 2021年倒伏面积提取结果

2021年选取倒伏较多且两种数据均有的德州南部的禹城、武城2个县(市)作为对比，其监测面积和统计面积对比如表 4所示。实地调查发现，武城整体倒伏程度较重，禹城整体倒伏程度较轻。根据表 4和图 7、8来看，卫星识别轻度倒伏误差较大。根据实地调查结果，禹城倒伏较为集中，对于禹城的监测哨兵一号卫星更为准确。

4 结论与讨论 4.1 结论

研究结果表明，正常小麦和倒伏小麦的高分六号绿光波段反射率差异较大，哨兵一号VH影像极化强度差异大，这项特征可用于冬小麦倒伏面积提取。由于许多小块倒伏区小于像元，导致无法被提取出来，所以无论基于绿光波段还是基于VH影像的冬小麦倒伏提取面积均普遍大于统计面积。2020年倒伏过程，夏津的高分六号和哨兵一号卫星提取结果相对误差百分率分别是4.6%、3.1%；2021年倒伏过程中，禹城的高分六号和哨兵一号卫星提取结果相对误差百分率分别是13.5%、3.8%，武城的高分六号和哨兵一号卫星提取结果相对误差百分率分别是23.1%、20.5%。

由以上对比结果可见，哨兵一号卫星数据精度要优于高分六号卫星。主要原因为：哨兵一号卫星数据像元面积为100 m²，比高分六号卫星数据像元面积(256 m²)更小，许多小块倒伏可以被提取出来；轻度倒伏时，哨兵一号卫星数据的精度比高分六号卫星高得更为明显，这是由于轻微倒伏对光谱变化很小，但对微波后向极化变化相对较大。

就倒伏程度而言，严重倒伏时，特征值差异大，提取精度较高，而轻度倒伏时，特征值差异小，提取的面积误差相对偏大。就整体提取分布特征而言，由于高分六号卫星空间分辨率较哨兵一号卫星低，像元面积较大，许多微小地块未提取，许多存在部分倒伏地块全部提取为倒伏区，故在图像中倒伏区相对集中。

当倒伏与积水同时出现时，由于积水在小麦下面，高分六号卫星图像作为光学影像，几乎不受影响，而哨兵一号卫星为主动微波，有一定穿透性，积水对微波吸收性强，减弱了后向极化强度，故而造成哨兵一号卫星数据提取不准确。倒伏出现时，为强对流天气，大部分情况下局部强降水，积水面积小，对总提取面积无明显影响，因而大部分情况下哨兵一号卫星数据更为准确。少部分情况下，会出现明显积水，可以采用高分六号卫星提取结果局部替换哨兵一号卫星提取结果。

4.2 讨论

很多作物倒伏研究采用NDVI作为区分指标，但经过对比NDVI和绿光波段在小麦倒伏时的特征，发现由于倒伏小麦近红外波段上升不明显，且红光波段在倒伏严重情况下也有所上升，导致倒伏小麦的NDVI虽然有所下降，但表现并不明显。因此基于绿光波段的冬小麦倒伏面积提取方法相对NDVI精度更高，虽然仍存在一定误差，但误差在可接受范围内。

造成误差的原因包括：(1)小麦种植面积提取时存在误差，许多田间小道被误判为倒伏，进而导致后续提取结果出现误差。(2)高分六号卫星像元面积为256 m²，哨兵一号卫星为100 m²，在小地块出现倒伏时，哨兵一号卫星分类提取的面积更精确，差别更小，因此空间分辨率越高，提取精度就越高。(3)渍涝、冰雹这些小范围的灾害也会对倒伏造成误判，需要想办法排除其影响。(4)冬小麦倒伏统计面积来源于保险公司，而保险公司在统计倒伏面积时为了减少理赔，会对特别轻微倒伏区不予统计，因此统计实际倒伏面积偏小。

倒伏越严重，绿光反射率或后向极化强度增高越明显，但具体相关关系仍需进一步研究。由于小麦在结穗前不易发生倒伏，倒伏主要发生在5月下旬至6月上旬，故未分析其他发育期倒伏特征。

在下一步的研究中，可考虑通过以下几种方式来对此研究进行改进。(1)通过提高小麦种植面积的精度来提高倒伏面积的提取精度。(2)采用更高空间分辨率的卫星可以较大提高监测提取精度。例如高分二号卫星1 m全色/4 m多光谱高空间分辨率数据、高分一号卫星2 m全色/8 m多光谱高空间分辨率数据、Planet卫星数据。但高空间分辨率分析存在成像范围小、回归周期长的缺点。(3)通过研究其他并发灾害特征来排除其影响，进一步提高精度。(4)文中提到消除积水区方法，由于积水区较少，人工判识为主，并不具有普适性，需要进一步加强研究。