风沙灾害对农业生产的影响是巨大的，尤其作物种植，如果不能及时针对风沙灾害采取一定防范措施，农户必将受到损失，严重的风沙灾害会给我国农业发展带来损失。
《青海农牧业》原名《青海畜牧业》是青海新闻出版局批准,青海省农牧厅主管的有关农牧专业知识的科技期刊类季刊杂志。本刊是由青海省畜牧兽医科学院、青海畜牧兽医学会合办的学术性刊物，主要报道青海省和青藏高原地区畜牧、兽医、草原等方面的科研成果、推广成果、调查报告、兽医临床经验、动物养殖技术、生产管理经验和有关问题的专论与综述。
1材料与研究方法
1.1数据与预处理
(1)研究时间选择。根据阿克苏市地面气象观测站提供的总云量资料，选取无云的时间，即4月15日(农作物风沙灾害前)、4月17日(农作物风沙灾害后)和4月29日(农作物风沙灾害恢复期)作为农作物风沙灾害研究时间。为了对风沙灾害指标阈值的确定，需要选择季节相近的研究区农作物正常生长晴空图，时间分别为2010年4月22日、23日和24日。
(2)MODIS数据及预处理。根据研究时间，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日地表反射率产品(MOD09GQ)影像6期，2009年逐年合成500m土地覆盖类型产品MCD12Q1影像1期。对这些遥感数据均采用MODIS重投影工具进行重采样和拼接处理，转换成tif格式[6，7]。根据土地覆盖类型产品中第一类国际地圈生物圈计划(IGBP)全球植被分类方案，选择第12类(农作物)提取阿克苏市的农作物种植区。
1.2研究方法
1.2.1风沙灾害植被指数变化情况
利用遥感监测风沙对农作物的灾害，通常是利用地表植被状况、特征等指标监测作物风沙灾害的情况。参考文献[8]中指出，NDVI探测低密度绿色植被的能力最强，是植被生长状态及植被覆盖度的最佳指示因子。因此，文中将农作物的NDVI值作为农作物风沙灾害的评估指标。
(1)归一化植被指数。根据每日地表反射率数据(MOD09GQ)的近红外和红波段，通过公式(1)计算归一化植被指数。NDVI=RNIR-RREDRNIR+RRED(1)式中:NDVI为归一化植被指数;RNIR为近红外波段反射率;RRED为红波段反射率。
(2)植被指数变化分析。从光谱物征与作物冠层之间的关系看，绿色植物叶面叶绿素在光照条件下发生光合作用，在可见光红光波段有很强的吸收特性，而对近红外波段具有很强的反射率、高的透射率和极低的吸收，即红光波段反射率包含了植物冠顶层叶片的丰富信息，近红外光反射率包含了整个植物冠层内叶片的大部分信息，这是植被遥感监测的物理基础[9]。
农作物生长初期，叶绿素含量增多，红波段吸收和近红外反射率增强，植被指数增大。当农作物受到风沙灾害影响后，会出现农作物活性减弱、死苗等现象，红波段吸收和近红外反射率减弱，植被指数减小。因此，不同日期的数值相减是为了观测两个日期植被的变化，并用来探测由于风沙灾害造成的农作物变化。文中将相邻时期NDVI两两相减后，用公式(2)逐像元判断其是否发生变化，即:若△NDVI(i，j)>a，表示正向变化;若△NDVI(i，j)
1.2.2农作物风沙灾害的遥感监测方法
基于多时相遥感数据，农作物风沙灾害的遥感监测方法分为4个步骤:(1)选择遥感数据及预处理。根据灾害发生的时间，选择灾前、灾后和恢复期3个时相的遥感数据，以及同时期正常生长年份的遥感数据，并进行预处理。(2)计算△NDVI的均值和标准差。根据受灾年份的灾前、灾后和恢复期的遥感数据，以及正常年份相同时相的遥感数据，分别计算研究区域内农作物△NDVI的均值和标准差。(3)根据公式(3)确定农作物受灾阈值a。当农作物的△NDVIi，j
2结果与分析
2.1风沙灾害前后植被指数的变化情况
从图1中可以看出，阿克苏农作物在风沙灾害前后和恢复期NDVI分布逐渐趋于扁平状。NDVI最大值分别为0.36、0.64、0.73，80%的农作物ND-VI分别在0.13、0.19、0.26以下，其中:占总作物总面积比例最大的NDVI值逐渐增大，由0.08(17.51%)、0.09(14.42%)到0.11(9.63%)。在风沙灾害前后和恢复期，NDVI面积变化最为明显的区间是NDVI<0.1和0.15
2.2像元植被指数的变化情况
由于不同年份农作物物候的变化，文中基于2010年4月22日、23日和24日的遥感数据，对多天相邻遥感数据风沙灾害阈值取平均作为风沙灾害的阈值。利用风沙灾害阈值的确定方法，分别计算研究区农作物a23-22和a24-23，并取它们的均值a=(a23-22+a24-23)/2作为风沙灾害的阈值。因此，文中阿克苏市农作物风沙灾害阈值为-0.005，即△NDVI(i，j)<-0.005的区域被划定为农作物受灾区。在风沙灾害前、后和恢复期，若农作物植被指数始终保持正向变化，无风沙危害症状，则农作物未受到风沙灾害的影响，保持正常生长;否则，为农作物异常变化，受到风沙灾害的影响。因此，根据阿克苏市农作物在风沙灾害前、后和恢复期植被指数的变化，将农作物风沙灾害划分为三类:负向-正向型、正向-负向型和负向-负向型。
2.2.1负向-正向型
这种风沙灾害类型在风沙灾害后，植被指数减小，其中:NDVI>0.15的农作物NDVI都减小0.02以上，NDVI在0.3～0.35的农作物减小最大，为0.037，NDVI在0.05～0.1的农作物减小最少，为0.013，平均减小0.022;而在风沙灾害恢复期，植被指数逐渐增大，由NDVI在0.05～0.1的农作物增长0.022到NDVI在0.30～0.35的农作物增长0.233，平均增长0.11。由此可见，负向-正向型农作物风沙灾害的NDVI越大，风沙灾害后和其恢复期变化就越大。处于生长子叶或真叶期的农作物，此时抗风沙能力较弱，重者主茎上部被风刮断，轻者叶片被风刮碎，NDVI减小。但这些农作物具有较强的恢复能力，在风沙灾害后不久就开始恢复生长，NDVI逐渐增大。#p#分页标题#e#
2.2.2正向-负向型
农作物受到风沙灾害后好像正常生长，NDVI增加的范围从0.03到0.189;但随着时间的推移，农作物受风沙灾害的影响也逐渐显现出来，NDVI开始减小，NDVI减小的范围从0.02到0.065。由于风力较大，已播种的农作物地膜不同程度被风刮起，根系尚未健全的农作物幼苗裸露在外，增加了NDVI值。当风沙吹打农作物幼苗后，幼苗子叶和幼茎上的伤口受到大风长时间的吹干，叶绿素降低，导致NDVI逐渐减小。
2.2.3负向-负向型
NDVI在0～0.25的农作物，特别是NDVI在0～0.05的农作物容易受到这种类型的风沙灾害影响。农作物在这种类型的风沙灾害后，NDVI在0～0.05的农作物减小0.067，恢复期NDVI减小0.045。沙尘覆盖在麦苗、棉花等大田农作物叶面上，影响叶面正常的光合作用和呼吸作用，使作物生长和发育受到抑制或损害。此外，受伤的农作物体内水分会从伤口散失，其子叶、生长点和靠近子叶的幼茎失水干枯，ND-VI不断减小。
2.3农作物受灾面积
根据使用图像的分辨率大小，利用植被指数变化的类别，分别统计风沙对农作物不同影响的面积。2009年4月16日阿克苏市农作物风沙灾害面积12697.07hm2，这与实际调查数据基本相符。阿克苏市三类风沙灾害的受灾情况是:负向-正向型农作物受灾面积4464.90hm2，占总受灾面积的35.16%;正向-负向型农作物受灾面积最大，为8006.77hm2，占总受灾面积的63.06%;负向-负向型农作物受灾面积最小，为225.39hm2，占总受灾面积的1.78%。其中:在负向-正向型风沙灾害中，NDVI在0.05～0.1之间的农作物受灾面积是1969.49hm2，占这类风沙灾害面积的44.11%;在正向-负向型风沙灾害中，NDVI在0.05～0.1之间的农作物，受灾面积是5082.05hm2，占这类风沙灾害面积的63.47%;在负向-负向型风沙灾害中，NDVI在0.1～0.15之间的农作物受灾面积是96.60hm2，占这类风沙灾害面积的42.86%。因此，在春季风沙灾害中应重点关注NDVI在0.05～0.15之间的农作物，并根据不同风沙灾害类型进行抗灾救灾工作。
3讨论
目前，对农作物的风沙灾害监测没有明确的方法，而研究农作物长势监测的常用参数是NDVI[12]，因此，文中以2009年4月16日阿克苏市农作物为例，提出了基于NDVI的农作物风沙灾害阈值确定方法，并将受灾农作物分为正向-负向型、负向-正向型和负向-负向型三种类型。
农作物风沙灾害遥感监测过程中，通过遥感数据处理和统计分析，得出农作物的受灾情况，方法简单，可操作性强，可以解决区域尺度上的及时监测问题。遥感监测结果显示，阿克苏市农作物风沙灾害面积与实际受灾面积的提取精度为98.24%，表明文中提出的农作物风沙灾害遥感监测方法是可行的。文中主要考虑了农作物风沙灾害快速评估的要求，然而，当农作物遭受风沙灾害后，对农作物生育进程、生物量、质量以及产量的影响等还需要进一步地分析。
4结论
(1)春季风沙灾害前后和恢复期阿克苏市农作物NDVI值变化明显，农作物NDVI最大值从0.36增大到0.73，占农作物总面积比例最大的NDVI值从0.08增大到0.11，其中:NDVI<0.1的农作物面积从61.21%大幅减小到20.96%，0.15
