風沙災害對農業生產的影響是巨大的，尤其作物種植，如果不能及時針對風沙災害采取一定防范措施，農戶必將受到損失，嚴重的風沙災害會給我國農業發展帶來損失。

　　《青海農牧業》原名《青海畜牧業》是青海新聞出版局批準,青海省農牧廳主管的有關農牧專業知識的科技期刊類季刊雜志。本刊是由青海省畜牧獸醫科學院、青海畜牧獸醫學會合辦的學術性刊物，主要報道青海省和青藏高原地區畜牧、獸醫、草原等方面的科研成果、推廣成果、調查報告、獸醫臨床經驗、動物養殖技術、生產管理經驗和有關問題的專論與綜述。

　　1材料與研究方法

　　1.1數據與預處理

　　(1)研究時間選擇。根據阿克蘇市地面氣象觀測站提供的總云量資料，選取無云的時間，即4月15日(農作物風沙災害前)、4月17日(農作物風沙災害后)和4月29日(農作物風沙災害恢復期)作為農作物風沙災害研究時間。為了對風沙災害指標閾值的確定，需要選擇季節相近的研究區農作物正常生長晴空圖，時間分別為2010年4月22日、23日和24日。

　　(2)MODIS數據及預處理。根據研究時間，此次共使用2009年4月15日、17日和29日，以及2010年4月22日、23日和24日的250mMODIS日地表反射率產品(MOD09GQ)影像6期，2009年逐年合成500m土地覆蓋類型產品MCD12Q1影像1期。對這些遙感數據均采用MODIS重投影工具進行重采樣和拼接處理，轉換成tif格式[6，7]。根據土地覆蓋類型產品中第一類國際地圈生物圈計劃(IGBP)全球植被分類方案，選擇第12類(農作物)提取阿克蘇市的農作物種植區。

　　1.2研究方法

　　1.2.1風沙災害植被指數變化情況

　　利用遙感監測風沙對農作物的災害，通常是利用地表植被狀況、特征等指標監測作物風沙災害的情況。參考文獻[8]中指出，NDVI探測低密度綠色植被的能力最強，是植被生長狀態及植被覆蓋度的最佳指示因子。因此，文中將農作物的NDVI值作為農作物風沙災害的評估指標。

　　(1)歸一化植被指數。根據每日地表反射率數據(MOD09GQ)的近紅外和紅波段，通過公式(1)計算歸一化植被指數。NDVI=RNIR-RREDRNIR+RRED(1)式中:NDVI為歸一化植被指數;RNIR為近紅外波段反射率;RRED為紅波段反射率。

　　(2)植被指數變化分析。從光譜物征與作物冠層之間的關系看，綠色植物葉面葉綠素在光照條件下發生光合作用，在可見光紅光波段有很強的吸收特性，而對近紅外波段具有很強的反射率、高的透射率和極低的吸收，即紅光波段反射率包含了植物冠頂層葉片的豐富信息，近紅外光反射率包含了整個植物冠層內葉片的大部分信息，這是植被遙感監測的物理基礎[9]。

　　農作物生長初期，葉綠素含量增多，紅波段吸收和近紅外反射率增強，植被指數增大。當農作物受到風沙災害影響后，會出現農作物活性減弱、死苗等現象，紅波段吸收和近紅外反射率減弱，植被指數減小。因此，不同日期的數值相減是為了觀測兩個日期植被的變化，并用來探測由于風沙災害造成的農作物變化。文中將相鄰時期NDVI兩兩相減后，用公式(2)逐像元判斷其是否發生變化，即:若△NDVI(i，j)>a，表示正向變化;若△NDVI(i，j)

　　1.2.2農作物風沙災害的遙感監測方法

　　基于多時相遙感數據，農作物風沙災害的遙感監測方法分為4個步驟:(1)選擇遙感數據及預處理。根據災害發生的時間，選擇災前、災后和恢復期3個時相的遙感數據，以及同時期正常生長年份的遙感數據，并進行預處理。(2)計算△NDVI的均值和標準差。根據受災年份的災前、災后和恢復期的遙感數據，以及正常年份相同時相的遙感數據，分別計算研究區域內農作物△NDVI的均值和標準差。(3)根據公式(3)確定農作物受災閾值a。當農作物的△NDVIi，j

　　2結果與分析

　　2.1風沙災害前后植被指數的變化情況

　　從圖1中可以看出，阿克蘇農作物在風沙災害前后和恢復期NDVI分布逐漸趨于扁平狀。NDVI最大值分別為0.36、0.64、0.73，80%的農作物ND-VI分別在0.13、0.19、0.26以下，其中:占總作物總面積比例最大的NDVI值逐漸增大，由0.08(17.51%)、0.09(14.42%)到0.11(9.63%)。在風沙災害前后和恢復期，NDVI面積變化最為明顯的區間是NDVI<0.1和0.15

　　2.2像元植被指數的變化情況

　　由于不同年份農作物物候的變化，文中基于2010年4月22日、23日和24日的遙感數據，對多天相鄰遙感數據風沙災害閾值取平均作為風沙災害的閾值。利用風沙災害閾值的確定方法，分別計算研究區農作物a23-22和a24-23，并取它們的均值a=(a23-22+a24-23)/2作為風沙災害的閾值。因此，文中阿克蘇市農作物風沙災害閾值為-0.005，即△NDVI(i，j)<-0.005的區域被劃定為農作物受災區。在風沙災害前、后和恢復期，若農作物植被指數始終保持正向變化，無風沙危害癥狀，則農作物未受到風沙災害的影響，保持正常生長;否則，為農作物異常變化，受到風沙災害的影響。因此，根據阿克蘇市農作物在風沙災害前、后和恢復期植被指數的變化，將農作物風沙災害劃分為三類:負向-正向型、正向-負向型和負向-負向型。

　　2.2.1負向-正向型

　　這種風沙災害類型在風沙災害后，植被指數減小，其中:NDVI>0.15的農作物NDVI都減小0.02以上，NDVI在0.3～0.35的農作物減小最大，為0.037，NDVI在0.05～0.1的農作物減小最少，為0.013，平均減小0.022;而在風沙災害恢復期，植被指數逐漸增大，由NDVI在0.05～0.1的農作物增長0.022到NDVI在0.30～0.35的農作物增長0.233，平均增長0.11。由此可見，負向-正向型農作物風沙災害的NDVI越大，風沙災害后和其恢復期變化就越大。處于生長子葉或真葉期的農作物，此時抗風沙能力較弱，重者主莖上部被風刮斷，輕者葉片被風刮碎，NDVI減小。但這些農作物具有較強的恢復能力，在風沙災害后不久就開始恢復生長，NDVI逐漸增大。#p#分頁標題#e#

　　2.2.2正向-負向型

　　農作物受到風沙災害后好像正常生長，NDVI增加的范圍從0.03到0.189;但隨著時間的推移，農作物受風沙災害的影響也逐漸顯現出來，NDVI開始減小，NDVI減小的范圍從0.02到0.065。由于風力較大，已播種的農作物地膜不同程度被風刮起，根系尚未健全的農作物幼苗裸露在外，增加了NDVI值。當風沙吹打農作物幼苗后，幼苗子葉和幼莖上的傷口受到大風長時間的吹干，葉綠素降低，導致NDVI逐漸減小。

　　2.2.3負向-負向型

　　NDVI在0～0.25的農作物，特別是NDVI在0～0.05的農作物容易受到這種類型的風沙災害影響。農作物在這種類型的風沙災害后，NDVI在0～0.05的農作物減小0.067，恢復期NDVI減小0.045。沙塵覆蓋在麥苗、棉花等大田農作物葉面上，影響葉面正常的光合作用和呼吸作用，使作物生長和發育受到抑制或損害。此外，受傷的農作物體內水分會從傷口散失，其子葉、生長點和靠近子葉的幼莖失水干枯，ND-VI不斷減小。

　　2.3農作物受災面積

　　根據使用圖像的分辨率大小，利用植被指數變化的類別，分別統計風沙對農作物不同影響的面積。2009年4月16日阿克蘇市農作物風沙災害面積12697.07hm2，這與實際調查數據基本相符。阿克蘇市三類風沙災害的受災情況是:負向-正向型農作物受災面積4464.90hm2，占總受災面積的35.16%;正向-負向型農作物受災面積最大，為8006.77hm2，占總受災面積的63.06%;負向-負向型農作物受災面積最小，為225.39hm2，占總受災面積的1.78%。其中:在負向-正向型風沙災害中，NDVI在0.05～0.1之間的農作物受災面積是1969.49hm2，占這類風沙災害面積的44.11%;在正向-負向型風沙災害中，NDVI在0.05～0.1之間的農作物，受災面積是5082.05hm2，占這類風沙災害面積的63.47%;在負向-負向型風沙災害中，NDVI在0.1～0.15之間的農作物受災面積是96.60hm2，占這類風沙災害面積的42.86%。因此，在春季風沙災害中應重點關注NDVI在0.05～0.15之間的農作物，并根據不同風沙災害類型進行抗災救災工作。

　　3討論

　　目前，對農作物的風沙災害監測沒有明確的方法，而研究農作物長勢監測的常用參數是NDVI[12]，因此，文中以2009年4月16日阿克蘇市農作物為例，提出了基于NDVI的農作物風沙災害閾值確定方法，并將受災農作物分為正向-負向型、負向-正向型和負向-負向型三種類型。

　　農作物風沙災害遙感監測過程中，通過遙感數據處理和統計分析，得出農作物的受災情況，方法簡單，可操作性強，可以解決區域尺度上的及時監測問題。遙感監測結果顯示，阿克蘇市農作物風沙災害面積與實際受災面積的提取精度為98.24%，表明文中提出的農作物風沙災害遙感監測方法是可行的。文中主要考慮了農作物風沙災害快速評估的要求，然而，當農作物遭受風沙災害后，對農作物生育進程、生物量、質量以及產量的影響等還需要進一步地分析。

　　4結論

　　(1)春季風沙災害前后和恢復期阿克蘇市農作物NDVI值變化明顯，農作物NDVI最大值從0.36增大到0.73，占農作物總面積比例最大的NDVI值從0.08增大到0.11，其中:NDVI<0.1的農作物面積從61.21%大幅減小到20.96%，0.15