卫星遥感技术在农业非点源污染评价中的应用分析

陈 强，胡 勇，巩彩兰

(1.中国科学院上海技术物理研究所，上海 200083;2.中国科学院研究生院，北京 100049)

卫星遥感技术在农业非点源污染评价中的应用分析

陈 强1，2，胡 勇1，巩彩兰1

(1.中国科学院上海技术物理研究所，上海 200083;2.中国科学院研究生院，北京 100049)

非点源污染物是水污染的重要来源，已成为影响水环境状况的决定性因素之一。目前常用的农业非点源污染评价模型包括统计模型和机理模型两大类，而无论采用哪种建模方法，多类型数据的获取和评价结果的精度验证都是研究的主要瓶颈。为了使人们对卫星遥感技术在农业非点源污染评价中的应用有所了解，从非点源污染研究所需数据种类的角度，对卫星遥感技术的获取能力和可行性进行了应用分析，并对卫星遥感技术在农业非点源污染评价结果的精度验证中的应用潜力进行了展望。

卫星遥感;农业非点源;污染评价;应用分析

0 引言

环境问题是当今全球关注的热点，环境保护已经成为关乎国计民生的一件大事，水环境状况恶化是我国环境问题的突出表现之一。水环境污染物按其来源可分为点源污染和非点源污染两类［1］，对于点源污染，我国正在采取制定相应的政策法规等措施，有效地限制了污染物通过排污口等点源方式直接进入并污染受纳水体的过程。非点源污染是指污染物从非特定的地点，在降水(或融雪)的冲刷作用下，通过地表径流过程而汇入受纳水体，并引起水体的富营养化或其他形式的污染［2］。由于污染物的主要来源是农业生产中使用的农药、化肥和饲养禽畜的粪便等，因此也将水体非点源污染通称为农业非点源污染。相关研究表明，农业非点源污染已经成为水体污染物的最主要来源。农业非点源污染具有随机性、广泛性、滞后性、不确定性及潜伏性等特点，对其控制和治理的难度大，因此开展农业非点源污染的调研、评估、模拟和对其提出相应的治理方案等很有意义［3］。

目前常采用的农业非点源污染负荷估算与评价算法主要有以下两大类:一类是采用统计建模的方法，即通过农业生产试验活动，先建立农业产污和排污系数表，再获取各种农业生产的实况数据，进而计算得到污染负荷［4－6］;另一类是采用物理建模的方法，即根据污染发生的机理、污染物的传播过程和各污染物的浓度变化等指标建立机理模型，对污染状况进行定量评价。常用的农业非点源污染模型有AnnAGNPS、SWAT、CREAMS、ANSWERS 等［7－9］。

在环境监测领域，遥感技术发挥着越来越重要的作用，对污染的来源、程度、趋势预测等已从定性评价逐渐向定量评估发展。农业非点源污染研究与遥感技术结合有其必然性，其中大量数据源的获取和结果精度评价是问题的关键。卫星遥感数据具有效率高、经济性好、可重复性强、尺度大等特点，可相应解决目前农业非点源污染数据获取中，数据获取过程耗时长、人力物力花费大、数据实效性差、所需数据跨越较广等瓶颈问题，可与传统的野外采集的数据和统计资料互为补充和验证，因此在农业非点源污染研究中发挥越来越大的作用。

本文按照农业非点源污染研究中涉及的5类数据，分析了卫星遥感技术在农业非点源污染评价中的应用及潜力。

1 遥感获取非点源污染数据的可行性分析

农业非点源污染研究中涉及的数据种类主要有水文、土地(包括土地利用状况和土壤类型)、地形、气象和农业生产活动5大类数据。下面分别对卫星遥感技术获取这5类数据的能力和可行性进行分析。

1.1 水文数据

水文观测数据是农业非点源污染计算机模拟方法所需的基础数据之一。由于降水地表径流是农业非点源污染物转化和迁移的主要动力源，直接影响降水量的观测精度和污染物进入受纳水体的模拟精度。用农业非点源污染模型对地表径流进行模拟，主要是根据研究区域的降雨量和蒸发量，结合地表状况和地形起伏等因素，对径流总量、径流流速等进行模拟计算。整个模拟过程中，区域降雨量数据的获取最为重要，常规的降雨量获取方法是依靠地面水文站和气象站点实测的降雨量观测数据，也是目前最便捷的降雨量获取方法。这种数据获取方式受地面站点位置分布的影响较大，因为降雨量的空间分布有很大的区域差异性，如果研究区域内没有气象和水文站点的分布，那么采用就近站点的观测数据，就会影响模型反演精度;同时，对地面站点观测值进行空间插值也会影响精度。

用遥感技术获取降雨量数据主要是通过测雨雷达。日本、美国合作的热带降雨测量卫星(TRMM)的测雨雷达(PR)是全球第一台星载测雨雷达，于1997年8月发射，执行热带降雨量监测任务。全球降水测量计划(GPM)由美国国家航空航天局(NASA)和日本宇宙航空研究开发机构(JAXA)主导，其目的是基于TRMM数据，通过将卫星的观测区域扩展到高纬度地区来实现更准确、更频繁的热带降雨观测［10－11］。GPM计划包括一颗主卫星和大约7颗用于组网的卫星，组网卫星将具有每3 h进行一次全球降水观测的能力。截至目前，相关学者利用TRMM卫星的测雨雷达(PR)和卫星微波成像仪(TMI)数据进行了区域降雨量反演工作，取得了不错的效果。但不足的是，该项工作对于较小降水量(6 ～10 mm/h)的反演精度较差［12］。

1.2 土地数据

土地利用状况和土壤类型数据是农业非点源污染研究的重要数据，无论是统计模型或者物理模型，都需要这两类数据作为基础。不同的土地利用状况和土壤类型决定了污染物的迁移方向、速度和阻力等。同时，由于土地利用状况是人工干预最易实现的环节，也是水环境保护与管理的重要实施手段，因此不同土地利用状况对污染过程影响的研究是当前农业非点源污染研究的热点。

对土地利用状况的研究要求获取大区域范围的地物分类数据。相比于地形数据等，土地利用数据的年变化较强，需要更高的实时性。常规的地面调查方法耗时耗力，且经济性、实时性均较差，因此采用卫星遥感技术获取土地利用数据已成为水体非点源污染研究者首选的技术。农业非点源污染研究所需的土地利用数据较细，除了第1级的土地利用分类外，还需要第2级的作物细分信息［13－14］。在分类指标体系上，要对农业用地再进行多级细分，而对其他诸如城镇、工业用地等则可以简化。针对不同传感器类型，不同分类指标体系的计算机自动分类技术仍是遥感图像处理的研究重点。

土壤类型也影响着污染物的下渗和流失速度。目前土壤数据的获取仍以野外调查为主，但对于干旱裸地的土壤类型和侵蚀状况数据可以由遥感监测获得。第二次全国土壤普查所获取的1∶100万土壤类型图大多采用了航片和卫片土壤解译成图技术。此外，土壤湿度也是遥感技术可以监测获取的变量指标，研究者发现，可以用热红外遥感通过探测地表的热惯量来反演土壤湿度［15－16］，也可以采用植被指数和短波红外光谱特性分析技术来建立土壤湿度的反演模型［17－19］。这些方法都能取得不错的效果。

1.3 地形数据

农业非点源污染的计算机模拟方法大多要采用数字高程模型(DEM)作为研究起点，即通过对DEM数据进行空间分析来模拟流域地表径流和部分水文信息。因此，地形数据的精度影响着整个模拟过程。

常规地形数据的获取主要依靠野外测量完成，虽费时费力，但是精度较高，且一次测量获取的地形数据的年际变化不大，可以供多年使用。但是大比例尺地形图属于国家机密，不易获取，且对于地形复杂多变、生态环境恶劣的区域则更难以获取实地的地形资料。目前，用卫星遥感技术来获取DEM数据的方法已比较成熟，主要的反演算法有两类:一种是利用多角度遥感，通过观测获取立体像对数据来反演高程信息［20－21］;另一种是利用微波雷达遥感技术来获取地面高程信息［22］。目前国外的研究组织已提供了多种遥感数据源的DEM数据下载方式，如美国的SRTM数据库(90 m地面分辨率雷达影像)和日本的ASTER GDEM数据库(30 m地面分辨率光学影像)。

1.4 气象数据

气象要素数据是研究农业非点源污染的一种辅助数据，主要包括:日最高温度、日最低温度、日降水量、日露点温度、风速、风向等。与水文数据中的降水量数据类似，在有气象站点分布的情况下，地面观测获取数据的能力和精度都占优势，但在地面气象站点分布距研究区域较远的情况下，如需获取高精度的气象数据，则需要借助遥感技术手段。此外，遥感反演的气象数据(如气温等)还具有直接获取空间连续数据的优势。

热红外遥感可以探测地表温度，反演精度已达到1 K 以内［23－24］，但从地表温度到气温的反演，还需要参考地面观测数据作为参考，通过建立模型才能完成［25］。我国FY－3号气象卫星搭载的微波湿度计已能完成大气垂直湿度的探测和降水量的估算［26］。对于风向风速等要素的观测目前也可以通过雷达散射计来进行反演［27］。

对于地面气象数据的遥感获取，现有的传感器的种类和反演算法都还不成熟，还处于试验性研究阶段，且相对于地面站点的观测来说，遥感监测的观测周期过长，尚不具备业务运行的能力。因此，对于区域高精度长时间序列的气象数据获取仍应以地面常规观测数据为主，辅以卫星遥感观测数据。

1.5 农业生产活动数据

农业非点源污染研究所关注的其他农业生产活动数据包括种植业、禽畜饲养、水产养殖和日常生活数据等，由这一类农业生产活动产生的污染物会以非点源的形式流入水体，是目前水体污染物的主要来源，其成分和数量直接关系模拟结果中的各种污染物含量。

目前这类数据的获取，部分(如农田种植面积、种植种类、产量估算、水产养殖面积、禽畜饲养规模等)可以通过卫星遥感技术获取和间接估算，其他更详尽的数据仍要以政府部门的统计数据和野外调查数据为主。随着遥感技术的进一步发展，对于水产养殖种类、禽畜饲养种类，甚至农药化肥施用情况都有可能通过水体、土壤、植被的高光谱特性和高空间分辨率的遥感技术来直接或间接获取。

2 遥感在非点源污染评价精度验证中的应用潜力

在农业非点源污染评价的研究中，由于非点源污染发生的广泛性、特殊性和不确定性，对于评价结果的精度验证也是难点之一。某种程度上说，对于污染负荷的直接定量验证几乎是无法实现的，只能通过间接的水质指标等来对评价结果进行定性验证。

目前农业非点源污染评价的精度验证主要是采用水质监测的实测数据方法，即根据水体采样点的水质指标来估算农业污染负荷。这种方法的主要问题在于监测耗时、费用大，可重复性差，并且只能获得监测点数据，并非整个水域的水质状况，因而缺乏代表性。卫星遥感技术的优势可以有效地弥补这些不足。

对于水质指标的遥感反演，相关反演算法的研究较多，但受水体信号响应率低、大气校正难度大、水环境变化复杂等因素的影响，目前，除了对叶绿素a浓度、总悬浮物浓度和黄色物质等水质指标的监测技术相对比较成熟外，水环境遥感反演算法无论是精度，还是模型适用性等方面均离真正的定量遥感要求还有差距。因此，在特定的区域范围内，以实测光谱数据为参考，先建立在轨传感器与水质指标的半经验模型，再利用光谱特性实现水质指标的定量化监测，进而对非点源污染负荷评价结果进行定性评价，无疑是精度验证的一条可取思路。

3 结论

针对农业非点源评价中的数据获取和评价结果精度验证两大难题，卫星对地观测技术已经从辅助手段逐渐过渡成主要手段。农业非点源污染模型所需的水文、土地、地形、气象及农业生产活动5大类数据，卫星遥感技术都有一定的获取能力。相对而言，土地和地形数据的获取是比较成熟的，也是普遍采用的方法;水文数据、气象数据获取属于遥感对地观测技术目前的前沿应用领域，相关传感器和算法仍在不断完善中，而用遥感技术获取农业生产活动数据则是今后一段时期内的发展方向。对于反演结果的精度评价验证，卫星遥感技术也不失为一种有效的手段。具体的应用领域和优势潜力详见表1。

表1 遥感技术在农业非点源污染评价研究中应用领域与优势潜力Tab.1 The applications and potential advantages of remote sensing technology in agricultural non －point source pollution assessment

4 展望

本文从农业非点源污染研究应用需求出发，按不同数据种类进行分析，结果表明卫星遥感技术在数据获取和评价结果的精度验证中均能发挥重要的作用。

随着卫星对地观测技术的深入发展和不断实践，以及较高光谱分辨率、高空间分辨率、高重访周期、高数据质量、高定标精度的星载和航空遥感器综合对地观测系统的建立，定量遥感的处理算法和计算精度正在研究实践中不断地得到改善和提高，对于水环境、土壤环境、地表覆盖等的观测能力也有了大幅度的提高，因此对于非点源污染数据源的获取和污染负荷的评价验证，有望通过卫星对地观测技术得到有效的提高和解决。

［1］Novotny V，Olem H.Water Quality:Prevention，Identification and Management of Diffuse Pollution［M］.New York，USA:Van Nostrand Reinhold Company，1993:3 －4.

［2］Novotny V，Chester G.Hand of Non － point Sources Pollution and Management［M］.New York，USA:Van Nostrand Reinhold Company，1981:81 －103.

［3］李怀恩，沈 晋.非点源污染数学模型［M］.西安:西北工业大学出版社，1996.

［4］张大第，张晓红，陈佩青.淀山湖区(上海部分)水质污染源调查评价［J］.上海农学院学报，1998，16(2):92 －97.

［5］张大第，张晓红，章家骐，等.上海市郊区非点源污染综合调查评价［J］.上海农业学报，1997，13(1):31 －36.

［6］叶 飞，卞新民，胡大伟，等.江苏省农业非点源污染地区差异评价与控制对策［J］.水资源环境保护，2006，22(6):68 －70.

［7］Knisel W G.CREAMS:A Field － scale Model for Chemical，Runoff and Erosion from Agricultural Management System［R］.Conservation Research Report No.26，U.S.Washington，DC，USA:Department of Agriculture，1980.

［8］Young R A，Onstad C A，Bosch D D，et al.AGNPS:A Nonpointsource Pollution Model for Evaluating Agriculture Watersheds［J］.Soil and Water Conservation，1989，44(2):168 －173.

［9］郝芳华，程红光，杨胜天.非点源污染模型——理论方法和应用［M］.北京:中国环境科学出版社，2006.

［10］王振会.TRMM卫星测雨雷达及其应用研究综述［J］.气象科学，2001，21(4):491 －499.

［11］周毓荃，赵姝慧.CloudSat卫星及其在天气和云观测分析中的应用［J］.南京气象学院学报，2008，31(5):405 －416.

［12］闵爱荣，游 然，卢乃锰，等.TRMM卫星微波成像仪资料的陆面降水反演［J］.热带气象学报，2008，24(3):265 －270.

［13］吴炳方，李强子.基于两个独立抽样框架的农作物种植面积遥感估算方法［J］.遥感学报，2004，8(6):551 －569.

［14］吴炳方，许文波，孙 明，等.高精度作物分布图制作［J］.遥感学报，2004，8(6):688 －695.

［15］田国良.土壤水分的遥感监测方法［J］.环境遥感，1991，6(2):89－98.

［16］张仁华.土壤含水量的热惯量模型及其应用［J］.科学通报，1991，36(12):924 －927.

［17］Muller E，Dècamps H.Modeling Soil Moisture － reflectance［J］.Remote Sensing of Environment，2001，76(2):173 －180.

［18］何 挺，王 静，程 烨，等.土壤水分光谱特征研究［J］.土壤学报，2006，43(6):1027 －1032.

［19］刘伟东，Baret F，张 兵，等.高光谱遥感土壤湿度信息提取研究［J］.土壤学报，2004，41(5):700 －706.

［20］杨贵军，柳钦火.高分辨率星载遥感立体像对3D测量模型［J］.地理与地理信息科学，2006，22(6):17 －20.

［21］巩丹超.高分辨率卫星遥感立体影像处理模型与算法［D］.郑州:中国人民解放军信息工程大学，2003.

［22］刘明军，张继贤，林宗坚.利用RADARSAT立体影像提取DEM摄影测量方法研究［J］.测绘科学，2004，29(4):41 －45.

［23］覃志豪，Zhang M H，Karnieli A，等.用陆地卫星TM6数据演算地表温度的单窗算法［J］.地理学报，2001，56(4):456 －466.

［24］覃志豪，Zhang M H，Karnieli A.用NOAA－AVHRR热通道数据演算地表温度的劈窗算法［J］.国土资源遥感，2001(2):33－42.

［25］尹 球，祝善友，巩彩兰.城市白天地面亮温与下垫面类型关系的遥感分析——以上海为例［J］.红外与毫米波学报，2009，28(2):133－136.

［26］张升伟，李 靖，姜景山，等.风云三号卫星微波湿度计的系统设计与研制［J］.遥感学报，2008，12(2):199 －207.

［27］王晓海，杨斌利.国外星载微波散射计应用现状及未来发展趋势［J］.中国航天，2006(7):16－29.

Analysis of Satellite Remote Sensing Technology in the Evaluation of Agricultural Non－point Source Pollution

CHEN Qiang1，2，HU Yong1，GONG Cai－ lan1
(1.Shanghai Institute of Technical Physics，CAS，Shanghai 200083，China;2.Graduate School of Chinese Academy of Sciences，Beijing 100049，China)

Non－point source pollution is an important source of water pollution，thus constituting one of the decisive factors affecting water environment.The commonly used agricultural non－point source pollution evaluation methods include statistical models and physical models of the computer.No matter what kind of modeling the

researchers adopt，a variety of data acquisition types and the evaluation of the accuracy of the verification results make up the main bottleneck.In order to make people aware of the importance of satellite remote sensing technology in agricultural non－point source pollution evaluation，this paper made an application analysis of the access capability and feasibility of the satellite remote sensing technology from the angle of data types required by the study of the non－point source pollution，and also forecast the application potential of the satellite remote sensing technology in the precision verification of the agricultural non － point source pollution evaluation results.

Satellite remote sensing;Agricultural non－point source;Pollution assessment;Application analysis

TP 79;X 839.2

A

1001－070X(2011)04－0001－05

2011－01－12;

2011－03－14

陈 强(1983－)，男，博士研究生，主要从事环境遥感应用方面的研究。

(责任编辑:李 瑜)