基于多源衛星遙感的長江流域旱情監測研究

高珺　鄒冰玉　歐陽駿

摘 要：為有效監測長江流域的干旱災害， 基于Modis傳感器、環境衛星、高分衛星獲取的多源衛星遙感數據， 結合了多種遙感旱情監測模型，搭建了能實現衛星遙感數據接收、衛星遙感數據預處理、水體監測產品自動化生產、旱情監測產品自動化生產、遙感監測產品庫五大功能的長江流域旱情監測系統，并得到了具有良好應用評價的監測結果。

關鍵詞：干旱；遙感；監測；多源

干旱是全球影響范圍最廣和造成經濟社會損失最為嚴重的一種自然災害，其波及范圍廣， 持續時間長， 是農業生產和人類生活中最嚴重的自然災害之一。長江流域面積遼闊，人類活動頻繁，是中國最重要的流域之一，自然條件差異很大，產流、匯流條件極其復雜，水資源量時空動態變化十分顯著。因此，對長江流域的進行準確、實時的旱情監測對我國社會經濟發展有著重大意義。

遙感技術的的實時性和完整性很快彌補了傳統的氣象數據監測干旱狀況的局限性，成為了監測干旱災害的一種重要手段。國外學者[1]很早就開始利用遙感技術研究干旱災害的監測及預防。20 世紀80 年代末美國[2]利用NOAA 極軌氣象衛星進行遙感監測，開始了基于遙感手段的旱情監測研究，并逐漸發展并投入應用，現已將降水、蒸發、氣象、墑情與地下水資料進行一體化模擬計算， 采用VCI 和TCI 方法進行全球性的干旱和預報， 并進行作物的估產， 為美國農業部和商務部提供信息。成功實現了全國旱情監測網絡系統。

國內對遙感數據的旱情監測研究雖然起步較晚，但也有不少學者提出了監測農業干旱、研究地表含水量的新方法[3， 4]，但面向抗旱減災業務的遙感干旱監測業務化系統在水利行業尚未真正建立起來[5]。為了長江流域的抗旱、水資源調配等問題提供科學依據和決策支持，迫切需要一套集數據下載、數據處理、結果分析、產品展示、數據傳輸及GIS 瀏覽功能于一體的實用系統， 充實和豐富長江抗旱應用手段。

一、長江流域的特點及可用的光學遙感衛星數據源

（一）長江流域特點

長江發源于青藏高原，經由四川盆地和長江中下游平原注入東海，全長6397km，流域面積1.8×106 km2是中國第一大河，長江流域水資源豐富，年降水量在400-1500mm之間，年徑流量居世界各大河第3位，具有多方面的綜合經濟優勢。在長江流域各個世紀發生干旱的頻率是不均勻的，至20世紀，長江流域旱情發生頻率呈逐漸增大趨勢，以各年5～9月降水量距平作為判斷標準，長江上游干旱發生頻率達56%，中下游干旱發生頻率已經增至50%左右。尤其近幾年長江流域部分地區屢屢面臨嚴重旱情，如2010年初長江上游云南、貴州、廣西、四川和重慶5省（區、市）因09年秋季以來降水嚴重偏少，土壤含水量普遍僅20%左右，導致發生了近百年一遇的嚴重旱情。

（二）主要光學衛星遙感數據源分析

光學衛星遙感數據是通過各類光學傳感器對地球表面進行掃描，以數字方式記錄的結果。遙感衛星系統以相當少的設備提供全球尺度上時間和空間連續的數據，基于衛星數據進行干旱監測，可以極大的減少人力物力的消耗，并且可以極大地提高所獲取信息的準確性。基于以上幾點，采用Modis、HJ-1A/B、GF-1號多種不同時空分辨率的衛星影像進行旱情信息的提取，充分結合了不同衛星影像的優勢，以提供比單一種類影像更加詳實的數據。

1. MODIS衛星

MODIS（中分辨率成像光譜儀）是搭載在terra和aqua衛星上的一個重要的傳感器，是衛星上唯一將實時觀測數據通過x波段向全世界直接廣播，可以免費接收數據并無償使用的星載儀器。

MODIS數據涉及波段范圍廣（共有36個波段，光譜范圍從0.4um-14.4um），數據分辨率比NOAA-AVHRR有較大的進展（輻射分辨率達12bits，空間分辨率最高可達250m）。這些多波段數據可以同時提供反映陸地、云邊界、云特性、海洋水色、浮游植物、大氣中水汽、地表溫度、云頂溫度、大氣溫度、等多種信息，對于陸地表面和生物圈的大范圍長期監測具有很大的優勢。并且TERRA和AQUA衛星都是太陽同步極軌衛星， 對于接收MODIS數據來說可以得到每天最少2次白天和2次黑夜更新數據。這樣的數據更新頻率，對實時地球觀測和應急處理有較大的實用價值。

2. HJ-1A/1B衛星

HJ-1A/1B是中國首個以防災減災和環境監測為直接應用目標的小衛星星座，主要針對災害、生態破壞、環境污染等進行大范圍全天候、全天時動態監測。

環境與災害監測預報小衛星星座A、B星（HJ-1A /1B星）于2008年9月6日上午11點25分成功發射，HJ-1-A星搭載了CCD相機和超光譜成像儀（HSI），HJ-1-B星搭載了CCD相機和紅外相機（IRS）。在HJ-1-A衛星和HJ-1-B衛星上均裝載的兩臺CCD相機設計原理完全相同，以星下點對稱放置，平分視場、并行觀測，聯合完成對地刈幅寬度為700公里、地面像元分辨率為30米、4個譜段的推掃成像。此外，在HJ-1-A衛星裝載有一臺超光譜成像儀，完成對地刈寬為50公里、地面像元分辨率為100米、110～128個光譜譜段的推掃成像，具有±30°側視能力和星上定標功能。在HJ-1-B衛星上還裝載有一臺紅外相機，完成對地幅寬為720公里、地面像元分辨率為150米/300米、近短中長4個光譜譜段的成像。HJ-1-A衛星和HJ-1-B衛星的軌道完全相同，相位相差180°。兩臺CCD相機組網后重訪周期僅為2天。

3.高分一號衛星

高分一號衛星是國家高分辨率對地觀測系統重大專項天基系統中的首發星，其主要目的是突破高空間分辨率、多光譜與高時間分辨率結合的光學遙感技術，多載荷圖像拼接融合技術，高精度高穩定度姿態控制技術，5～8年壽命高可靠低軌衛星技術，高分辨率數據處理與應用等關鍵技術，推動我國衛星工程水平的提升，提高我國高分辨率數據自給率。高分一號衛星主要為國土資源、農業、環境保護等部門提供高精度、寬范圍的空間觀測服務，同時也會在氣象、海洋、地理信息測繪、水利和林業資源監測、城市規劃和交通管理、災害評估與地球系統科學研究等領域發揮重要作用。

本文涉及到的相關數據包括長江流域內的Modis（中分辨率成像光譜儀）影像數據、HJ-1A/B衛星影像數據、GF-1號衛星數據等遙感影像數據以及全國行政區劃矢量、重點湖庫河流矢量、長江流域重點城市矢量等矢量數據，數據來自NASA網站和長江水利委員會水文局。

二、遙感旱情監測模型

傳統的旱情監測主要依賴氣象站點獲取降水量、土壤濕度等要素。但是這些要素監測點較少，無法實現大范圍、實時、動態的旱情監測，而這些正是遙感數據的優勢所在。目前使用較多的遙感旱情監測模型主要有：熱慣量法、蒸散發計算法、基于植被指數和溫度的方法以及土壤含水量反演法。

本文主要采用了土壤含水量的遙感反演方法、植被指數法以及[3]多星源地表水源地遙感監測技術方法。

（一）土壤含水量的遙感反演方法

土壤含水量是用來監測土地退化與干旱的重要指標，它關系到糧食的生產、植被的長勢與作物的生長狀況等，同時也是水文、氣候、農業與生態等領域的重要參數。遙感技術的快速高效發展，使得實時、動態監測和評估大面積的土壤水分狀況成為可能，克服了傳統土壤含水量監測方法的不足[6]。

垂直干旱指數[7]（PDI，perpendicular drought index）可以從可見光和熱紅外的光譜信息中反演得到，適用于反映中低植被覆蓋和裸土區域的干旱情況反演。

垂直干旱指數PDI利用Nir-Red特征空間中任何一個點到土壤線垂線L的距離來描述區域土壤含水量的分布狀況，點的位置到L線的垂線長度越長，代表該地區的干旱程度越嚴重，土壤含水量越低，點的位置到L線的垂線長度越短，則代表該地區干旱程度越低。一般來說，距離L線較近的空間區域都是干旱程度較低，土壤水分較為充足的區域；距離L線較遠的空間區域都是旱情較為嚴重、土壤水分較少的區域。通過計算Nir-Red特征空間上任意一點到直線L的距離，可以構造一個基于Nir-Red光譜特征空間的土壤水分監測模型，即垂直干旱指數PDI，其表達式如下：

（1）

式中，Rred為經過大氣校正的紅光波段反射率；Rnir為經過大氣校正的近紅外波段反射率；M為土壤線的斜率。垂直干旱指數描述了Nir-Red光譜特征空間中土壤水分的分布規律：垂直干旱指數值越高的點對應著土壤含水量低的區域；反之，垂直干旱指數值越低的點對應著土壤含水量越高的區域。

（二）植被指數法

植被供水指數[8]（VSWI，Vegetations Supply Water Index）是通過計算歸一化植被指數NDVI和植物冠層溫度的比值得到的，其公式如下：

VSWI = NDVI / Ts（2）

式中，Ts為植被的冠層溫度，NDVI是歸一化植被指數。VSWI的值越高，表明植被的水源供給越充足，干旱程度越低；相反，VSWI的值越小，表名植被的水源供給較為缺乏，干旱程度越高。植被供水指數的物理意義為：當植被有充足的水源時，在衛星影像上表現出的植被指數在特定生長期間會保持在兩個相對固定的值之間，同時，衛星影像上表現出的植被冠層溫度也會保持在較為固定的范圍中；若旱災發生，植被得不到充分的灌溉，植被長勢受到影響，在衛星影像會表現出植被指數下降，另一方面，在旱情發生時，為了減少水分損失，葉片表面的部分氣孔會收縮甚至關閉，葉片得不到充分的散熱，其表面溫度會隨之增高，這也將導致植被冠層溫度的提升[9]。

由于使用遙感手段對植被的冠層溫度進行精確反演存在一定困難，目前大多數研究以反演的地表溫度代替植被的冠層溫度來計算植被供水指數。植被供水指數對干旱時植被在紅光波段、近紅外波段、熱紅外波段上的所表現出的不同特征進行了綜合，適用于植被覆蓋度高的地區。經大量實驗研究表明，在NDVI的值大于0.35的情況下非常有效[10]。

（三）多星源地表水源地遙感監測技術方法

地表水體蓄水量監測是干旱監測中的一個重要環節，蓄水量變化也是水資源管理的重要參考指標。經過對旱情嚴重的地區，河流、湖泊等代表性水體區域面積的變化研究，發現其水面縮減率很高，表明旱情已使這些水域面積縮減嚴重，地下水水位相應地也會出現下降，居民飲用水源日趨緊張。因此，通過水體指數提取水體，判斷河流、湖泊等水體區域面積變化，可以為旱情監測提供參考數據。依據水體的光譜特征，一般采用水體指數法來提取水體，歸一化差分植被指數（NDVI）和歸一化差分水指數（NDWI）適用于所有具有近紅，紅波段和綠光波段的光學衛星影像，如MODIS， HJ和GF數據，也是最為常見也是最有效的兩種水體指數。

歸一化差分植被指數NDVI（Normalized Difference Vegetation Index）計算公式為：

水體的紅光區反射率高于植被，而在近紅外區， 植被的反射率明顯高于水體。因此， 采用NDVI來處理可增強水陸反差。NDVI是目前應用最廣的植被指數， 常用于指示植被的數量特征以及用于監測植被的季節變化和用于土地覆蓋研究， 也可用于植被區域和非植被區域的識別。在植被覆蓋稠密的地區， NDVI較高， 而在植被覆蓋稀疏的地區，NDVI受土壤背景影響較大， 如沙漠、水體的NDVI很低或為負值。利用此特點， 可通過選用閾值建立識別水體和植被、土壤的模型。

歸一化差分水指數 NDWI （Normalized Difference Water Index）計算公式為：

水體附近濕地在此兩波段光譜特征有明顯差異， 且由于水體反射從可見光到紅外波段逐漸減弱， 在近紅外和中紅外波長范圍內吸收性最強，而植被在近紅外波段反射率最強， 因此， 用綠光波段和近紅外波段的反差構成NDWI， 可以最大程度地抑制植被信息， 而突出水體特征， 從而提取水體。

三、長江流域旱情分析應用實例

（一）長江流域旱情監測系統

本文以MODIS、HJ、GF光學遙感數據為主要數據源，使用功能強大的IDL 語言， 實現了針對長江流域地區功能相對完整的長江流域旱情監測系統， 并在長江水利委員會水文局得到了成功應用。該系統可綜合利用氣候資料、實時氣象資料、實時遙感衛星資料、實時水文資料等信息，估算各類干旱指數及其綜合指數，并結合水利遙感業務處理與分析技術，可監視長江流域以及防汛抗旱重點區域的旱情業務，實現系統常年連續運轉，并以圖表和統計數據的形式輸出長江流域旱情監測和分析產品，反映長江流域重點區域旱情實況和未來短期旱情發展變化的信息，進行旱情監測預測，為指導抗旱、水資源調配等提供科學依據和決策支持。搭建長江流域旱情監測系統的技術流程如圖1：

（二）旱情監測數據成果

為驗證基于光學遙感數據的長江流域旱情監測成果的準確性，分別對Modis數據產品2015 年 6 月上旬的長江流域垂直干旱指數（PDI）專題圖及植被供水指數（VSWI）專題圖以及2014年10月的HJ星數據產品長江流域歸一化水體指數（NDWI）專題圖進行分析。利用長江流域旱情監測系統，可對MODIS影像、環境星影像及高分衛星影像進行幾何校正、輻射校正及去云處理，并進行計算和分析，得到相應的旱情監測數據成果如圖2。

圖2所示為2015年6月上旬長江流域垂直干旱指數PDI分布圖，圖像顯示，6月2日至6月4日間，由于大量降雨，江南地區及長江中下游地區，特別是湖南及江西南部地區，氣象干旱情況明顯減緩至無旱，青海地區則持續存在著一定程度的氣象干旱。

圖3所示為2015年6月上旬長江流域植被供水指數VSWI分布圖，圖像顯示，云南西部、四川西南部植被干旱情況十分嚴重，一直處于重度干旱至中度干旱之間，河南南陽地區附近也出現了中度植被干旱。圖3與圖4雖然是同時期的數據，但結果卻略有不同，主要是PDI指數與VSWI指數的敏感度不同， PDI主要監測地物的土壤水分含量，這種方法由于受不同地區的氣候條件、土壤類型、種植結構等因素的影響較大，在進行大面積區域的旱情監測時需要歷史同期數據比對才能得到更精準的結果。而VSWI主要監測區域內植被受脅程度，能夠減弱或消除地域因素、生態因素和土壤背景等對干旱監測的影響，更適合運用于大范圍區域的干旱監測。

根據氣象局數據顯示，2015年6月，云南西部、四川西南部由于降水持續偏少，氣溫偏高，干旱發展迅速，存在中度到重度氣象干旱，西北部達到特旱，對農業生產造成一定影響。此外，青海東北部、雷州半島局部地區也存在中等程度氣象干旱。而6月又是江南地區的梅雨季節，長江中下游地區暴雨頻繁，多地洪澇頻發且受災的區域出現重疊，農業生產損失較重。另外，江南南部、華南大部、西南地區南部等地氣溫偏高1-2℃，云南中北部部分地區偏高2-4℃；西南地區、江漢、江淮、西北地區東部夏播區墑情較好；華北、黃淮大部6月上中旬溫高少雨墑情持續下降，夏播期部分地區墑情偏差，但大部地區灌溉條件較好，僅部分無灌溉條件地區的作物播種受到影響。由此可以發現，基于光學遙感數據的長江流域旱情監測成果在整體上與氣象局新聞報道的事實基本吻合。

圖4所示為2014年10月長江流域歸一化水體指數（NDWI）分布圖，圖像顯示，四川北部存在一定的干旱情況，陜西中部有非常明顯的干旱現象。相較于Modis數據的結果，HJ星的分布圖存在這明顯的拼接線，有大量空白區域，因為HJ星的軌跡范圍不能覆蓋全流域。因此，Modis數據更適合宏觀的流域監測，HJ星更適合用于重點區域監測。

四、結語

基于光學遙感數據的長江流域旱情監測研究能夠幫助政府決策部門掌握旱情的最新動態，預測旱情的發展趨勢，提高旱情監測反演的準確性，能將這些研究成功應用于水文部門，將推動干旱遙感監測的全面業務化，同時對我國的國民生產，尤其是農業生產和水利規劃，具有非常重要的意義。

在后續的基于光學遙感數據的旱情監測工作中，可在此基礎上結合業務實際需求，拓展更多結合DEM、地表覆蓋類型及各測站觀測的實時水情，構建研究區域的水體、旱情等遙感監測模型，從而減小地域氣候、地形、植被覆蓋度的差異對預警結果的影響，提高監測精度和預警準確度。

參考文獻：

[1] Kogan F N. Application of vegetation index and brightness temperature for drought detection[J]. Advances in Space Research. 1995， 15（11）： 91-100.

[2] Kogan F N. Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data[J]. Bulletin of the American Meteorological Society. 1995， 76（5）： 655-668.

[3] 楊紹鍔，閆娜娜，吳炳方. 農業干旱遙感監測研究進展[J]. 遙感信息， 2010（1）： 103-109.

[4] 董婷，孟令奎，張文. MODIS短波紅外水分脅迫指數及其在農業干旱監測中的適用性分析[J]. 遙感學報， 2015（02）： 319-327.

[5] 李永亮，林輝，馬延輝. 基于MODIS數據的湖南省旱情監測研究[J]. 水土保持研究，2010（02）： 111-114.

[6] 劉英. 神東礦區地表植被與土壤濕度遙感監測研究[D]. 中國礦業大學（北京）， 2013.

[7] Ghulam A， Qin Q， Zhan Z. Designing of the perpendicular drought index[J]. Environmental Geology. 2007， 52（6）： 1045-1052.

[8] Stephenson N L. Climatic control of vegetation distribution： the role of the water balance[J]. American Naturalist. 1990： 649-670.

[9] 張佳華，許云，姚鳳梅，等. 植被含水量光學遙感估算方法研究進展[J]. 中國科學： 技術科學， 2010， 40（10）： 1121-1129.

[10] 莫偉華，王振會，孫涵，等. 基于植被供水指數的農田干旱遙感監測研究[J]. 南京氣象學院學報，2006（03）： 396-401.

作者簡介：高珺（1982–），女，工程師，主要從事長江流域干旱監視軟件及洪水預報調度系統開發工作。