發布時間：所屬分類：科技論文瀏覽：1次
摘 要： 摘要:對近年來國內外利用多光譜衛星數據和近地面高光譜數據進行干旱監測研究進展及其適用性進行了歸納總結，得出以下結論:基于地表土壤水分和能量平衡理論、基于特征空間的干旱監測模型更適用于低植被或裸土地區;基于作物植被指數的干旱監測模型更適用于高植
摘要:對近年來國內外利用多光譜衛星數據和近地面高光譜數據進行干旱監測研究進展及其適用性進行了歸納總結，得出以下結論:基于地表土壤水分和能量平衡理論、基于特征空間的干旱監測模型更適用于低植被或裸土地區;基于作物植被指數的干旱監測模型更適用于高植被覆蓋區，并且需要長時間的序列數據;基于近地面高光譜數據的干旱監測光譜敏感波段在不同作物不同發育期存在著差異，為有效利用多光譜和高光譜衛星數據進行干旱監測提供借鑒。
關鍵詞:干旱;多光譜;高光譜;遙感監測;研究進展
隨著氣候與環境的變化，未來中國的極端天氣氣候事件如極端高溫、熱浪、干旱等愈發頻繁[1-2]，中國華北和東北地區干旱趨勢嚴重，中國西北部、華北大部和東北南部干旱面積呈增加趨勢[3-4]。同時，隨著工業化提高、經濟發展和人口增長，水資源顯得日益短缺，干旱化程度越來越嚴重，干旱發生區域不斷擴大。1970年代，我國每年有1133萬hm2農田受旱，到1990年代，增加到2667萬hm2，近年來，每年干旱災害的發生頻率在49%左右[5]，已成為我國面臨的最為嚴峻的環境問題之一。
相關期刊推薦：《自然災害學報》Journal of Natural Disasters(雙月刊)1992年創刊，為災害學學術性刊物。旨在展示我國災害科學的研究成果，促進自然科學與社會科學在災害科學方面的結合。刊登各種自然災害和社會科學在災害科學方面的結合。刊登各種自然災害和發生機理、災害與人類社會的關系及其影響、防災減災系統工程等方面的研究論文。讀者對象為災害學研究工作者、防災減災專業技術人員及相關專業大專院校師生。
遙感技術為作物長勢、地物分類等提供了有效、可靠手段，可快速實現大面積下墊面狀況動態變化的定量化監測，是進行大面積干旱監測的有利手段[6-9]。而地物光譜特征是遙感技術應用的物理基礎，是利用遙感信號識別地物、提取地表信息的重要參考數據[10]，1980年代已有研究者指出作物的水分脅迫狀況能夠在光譜反射率數據中有所體現[11-12]。本文基于地表土壤水分和能量平衡理論、基于作物植被指數、基于特征空間、基于地面光譜數據等方面進行了干旱遙感監測梳理總結，對有效利用多光譜和高光譜衛星數據進行干旱監測提供借鑒。
1基于多光譜數據的干旱監測
1.1基于地表土壤水分和能量平衡理論研究
基于地表土壤水分平衡的方法應用最為廣泛、理論比較成熟的是熱慣量方法，由于土壤熱慣量是引起土壤溫度變化的內在因素，與土壤水分有著密切的關系[13]，早在1970年代初就開始出現熱慣量方法研究，該方法是基于能量平衡方程，通過地表溫度的日變化計算熱慣量，從而獲得土壤表層水分定量反演[14-15]。由于熱慣量模型計算參數復雜，Price[16]提出了表觀熱慣量的概念，因其計算簡單易行，很多學者利用表觀熱慣量替代熱慣量來進行土壤含水量的計算。張仁華[17]利用地面觀測數據分別對模型中的顯熱通量和潛熱通量進行計算訂正，優化了熱慣量計算模型。楊樹聰等[18]利用地表凈輻射替代全波段反射率改進了表觀熱慣量模型，并對其適用性進行了分析，得到NDVI=0.35是模型適用的閾值，當NDVI>0.35時，模型失效[19]。但表觀熱慣量受蒸發影響較大，當下墊面植被覆蓋情況復雜、濕度變化較大時，表觀熱慣量的可用性大大降低[20]。近年來，利用日落和日出間的夜晚地表溫度差異[21]、模型反演法[22]、引入地球旋轉角速度的4次過境LST平均[23]等方法來改進地表溫度計算，通過減少模型的輸入參數[24]，或者通過增強空間分辨率[25]和時間分辨率[26]來提高熱慣量反演精度，同時，將植被因子引入熱慣量模型中[27-28]，增加熱慣量模型在中高植被覆蓋區域的監測精度。
基于蒸散的干旱監測也是以地表能量平衡方程為基礎的監測方法，包括單層模型和雙層模型[29]。單層模型常用的有BEBAL模型[30]、BEBS模型[31]、SSEBop模型[32]等，由于單層模型將下墊面看做均一過程來描述，因此在地表植被部分覆蓋時，模擬結果不理想[33-34]。為解決這一問題，將冠層蒸騰與土壤蒸發分開，Shuttleworth[35]提出了雙層模型，為蒸散量估算精度的提高奠定了理論基礎，隨后對該模型進行了簡化和改進[36-38]。考慮到雙層模型部分參數遙感獲取較難，將地面實測數據引入模型中[39-41]，從而提高模型監測精度。
1.2基于作物植被指數的土壤含水量監測研究
植被指數是遙感數據對地表綠色植被生長信息的有效表達[42]可以動態監測作物長勢信息，與植被蒸散量、土壤水分是密切相關的[43]，當作物缺水時，生長受到影響，植被指數也會隨之變化，因此，可以用來間接反映旱情[44-45]。這種類型方法一般適合植被覆蓋區或植被覆蓋度較好的地區。
利用作物植被指數來進行干旱監測主要包括距平方法和歸一化方法[13]，距平植被指數是用于干旱監測比較早的一種方法[46-47]，通過對旬、月植被指數求取最大值，并將其與同時段的旬、月多年平均值進行比較，判斷作物是否遭到干旱災害，比只用NDVI的瞬時值優越[48]。歸一化方法即植被狀態指數方法[49]，是利用同時段多年最大最小植被指數與當前植被指數進行歸一化計算得到的，可以進行宏觀動態干旱監測[50-51]，與氣象干旱指數存在著較高的相關性[52]，同時，在進行干旱監測時，也存在著一定的滯后性[43，53]。
利用植被指數方法進行干旱監測時最初使用的是歸一化植被指數，后期發展了增強植被指數EVI、土壤調節植被指數SAVI、比值植被指數RVI等植被綠度指數，NDWI、NMDI、NDII6、NDII7等植被水分指數，以及EWT等植被水含量指數[54]，在干旱監測敏感性方面，植被水分指數明顯要優于植被綠度指數[55]，植被水含量指數與植被覆蓋、地表溫度和蒸發蒸騰有密切關系，在中度至重度干旱監測中效果不佳[56]。
1.3基于特征空間的土壤含水量監測研究
近年來，綜合考慮陸地表面溫度、地表植被和光譜反射率等反映地表多種參數信息，通過構建特征空間來監測地表水分狀況的研究越來越多，主要包括LST-NDVI特征空間法、NIR-Red特征空間法和NIR-SWIR特征空間法等[57]。Moran[58]從理論角度分析，發現Price[59]提出以NDVI和LST為橫縱坐標軸的LST-NDVI特征空間散點圖呈梯形，存在著干濕邊，能夠監測地表植被和其水分變化狀態[60]。Sandholt[61]對LST-NDVI空間進行簡化，構建溫度植被干旱指數(TVDI)，僅利用遙感數據即可實現大范圍農田、湖區、流域等不同下墊面的土壤水分監測[62-64]，也可以實現長時間序列的干旱時空變化監測[65]。在LST-NDVI空間基礎上，利用植被條件指數和溫度條件指數取二者最大值構建MTVI指數[66]，將LST歸一化處理后與多年平均值進行比較構建SWDI指數[67]，結合降水等氣象數據構建SVDI指數[68]或者經驗模型[69]，實現從空間和時間尺度上進行干旱監測，反映干旱分布范圍與受災程度。利用NIR-Red特征空間中任意一點到土壤基線的垂直距離可以表征干旱狀況[70]，用EVI替代NDVI對NIR-Red空間進行改進，精測精度提高30%左右[71]。NIR-SWIR特征空間模型適合用于植被冠層葉片含水量遙感監測，對干旱災害的反映存在滯后情況[72]。
2基于高光譜數據的干旱監測
地物波譜特征是遙感技術應用的物理基礎，是利用遙感信號識別地物、提取地表信息的重要參考數據[10]，作物冠層光譜是農業干旱遙感監測的基礎，針對小麥、水稻、玉米等作物[73-76]研究表明，不同植被冠層光譜對于水分的存在著敏感性[77-78]，利用不同光譜反射率可以反映作物水分狀況[79-80]，不同地物在水分脅迫下，在可見光-近紅外均有光譜反射率變化，1400nm-2500nm波段的光譜特別是1530nm和1720nm的SWIR波段非常適于對作物水分的估測[81]。Filella等人[82]對400nm波段處，紅邊位置700nm處，以及NDVI等植被指數的研究也發現了水分含量對葉片反射率的間接影響。田慶久等[83]、王紀華等[84]、谷艷芳等[85]、叢建鷗等[86]對干旱脅迫下的冬小麥進行了光譜分析，結果表明通過光譜反射率可以診斷小麥缺水狀況，此外，針對玉米生長過程中的光譜變化及特征參數診斷開展的研究[87-89]，或者針對玉米生長中后期開展遙感作物水分識別研究[90-91]也表明，不同作物發育期干旱脅迫的光譜敏感波段也存在著差異[92-95]。
3結論
國內外許多學者已經利用可見光、近紅外、紅外等不同光譜波段，從土壤熱容量、能量平衡、水分平衡等角度建立了多種土壤水分遙感監測模型，但是，由于作物生長過程的干旱是個復雜過程，進行農田干旱監測時，存在很多不確定性，每種干旱監測方法都有其適用性，應用各種成熟方法進行土壤含水量反演的結果并不總是得到理想效果[13，96-97]，應用某一干旱反演方法在作物不同發育期反演結果也不盡相同[98-99]。熱慣量方法對于裸土或低植被覆蓋區域有較好的反演結果[100-101]，對于植被覆蓋度較高區域，此方法計算的結果不理想，甚至不可用[98，102]。植被指數方法需要長期的、能代表正常年份的歷史遙感數據，由于天氣狀況對遙感數據的影響以及不同衛星間植被指數的差異致使其在實施上較為困難。基于特征空間的干旱監測方法適用于低植被或裸土地區，當地表覆蓋類型差異較大時，可比性差[103]。
因此，利用不同的監測方法在作物發育的不同時期進行干旱災害監測可以提高監測效果，但是作物干旱是個復雜問題，與下墊面地形地貌、土壤類型、作物類型及生長狀態等因素均有關系，在未來的應用中還需要通過使用更高分辨率衛星數據、地面光譜與衛星數據結合、加大微波和雷達數據的應用等方面來提高干旱監測的精度。
