農業干旱遙感監測方法及其應用的研究進展

賈德偉， 周 磊， 黃燦輝， 劉 佳

(河南省農業遙感監測中心，河南鄭州 450002)

?

農業干旱遙感監測方法及其應用的研究進展

賈德偉， 周 磊， 黃燦輝， 劉 佳

(河南省農業遙感監測中心，河南鄭州 450002)

從可見光-近紅外遙感監測法、熱紅外監測法、可見光-近紅外-熱紅外遙感監測法、高光譜遙感監測法、微波遙感監測法等方面對國內外農業干旱遙感監測方法及其應用的研究進展進行了綜述，以期促進今后農業遙感干旱監測的深入研究。

農業干旱；遙感；監測；應用

農業干旱可造成農作物分布、生長發育、產量及品質等變化。傳統干旱監測具有速度慢、信息滯后和不能反映旱情空間分布特征等缺點[1]。遙感具有宏觀性、經濟性、動態性和時效性等特征，而微波遙感具有全天時、全天候的優點。利用遙感能準確提取地表特征參數和熱量信息，可為農業旱情監測評估提供理論依據。衛星遙感數據類型的增加，為大范圍農業干旱動態監測及評估提供了強有力的數據支持。筆者對國內外農業干旱遙感監測方法及其應用的研究進展進行了綜述，以期促進今后農業遙感干旱監測的深入研究。

1 農業干旱遙感監測方法

農業干旱受到降水、土壤含水量、作物需水等因素的影響，土壤含水量的變化是影響農作物生長發育的主要因子[2]。干旱發生前后，作物體內生化成分含量及冠層結構會發生變化，遙感圖像表現為不同的光譜特征，以此來監測農業干旱。從遙感數據源來分類，農業干旱遙感監測方法可分為可見光-近紅外遙感監測法、熱紅外遙感監測法、可見光-近紅外-熱紅外遙感監測法、高光譜遙感監測法、微波遙感監測法。

1.1 可見光-近紅外遙感監測法 土壤含水量是影響植被覆蓋度的重要因子，可見光-近紅外遙感主要利用植被指數來表述植被覆蓋。當水分充盈及正常時，農作物生長良好，紅波段出現反射率低谷，近紅外波段出現反射率高峰；當水分缺失時，農作物生長出現異常，紅波段反射低谷和近紅外波段反射高峰現象則不明顯。

Tucker 等[3]研究表明NDVI與土壤濕度有良好的相關性，與綠色植物的密度和活力關系密切。但是，NDVI受土壤、天氣，地形、植被和季節等因素的影響，采用單一時相植被指數很難精確反映旱情。為消除季節變化的影響，可利用距平植被指數(Anomaly vegetation index，AVI)監測農作物旱情，AVI適用于長期監測具有均一下墊面、植被覆蓋高的區域，該方法受衛星資料存檔時間、數據定標等因素的影響。一般認為，AVI為-0.2～-0.1，為輕旱；AVI為-0.3～-0.2，為中旱；AVI為-0.6～-0.3，為重旱[4]。

為消除空間變化對植被指數的影響，同時反映天氣極端情況，Kogan[5]提出植被條件指數(又稱植被狀態指數，Vegetation condition index，VCI)，該方法適用于長勢平穩且處于中后期生長的區域級植被區進行干旱監測，但在植被覆蓋較低區域的使用效果欠佳。

為增加不同時空和不同植被種類的可比性，齊述華等[6]建立了標準植被指數(Standard vegetation index，SVI)。該方法操作簡單，操作性強，適宜于大區域或全球植被生長區域旱情監測，中小尺度或區域級旱情監測效果不是很好。

1.2 熱紅外遙感監測法 土壤水分變化時，農作物會通過蒸騰作用調節植被冠層溫度，熱紅外遙感可利用地表農作物亮溫變化間接得到其根系的土壤水分變化，從而實現旱情監測。

土壤熱慣量是土壤阻止其溫度變化的一種熱特性，與土壤含水量高度相關[7]。土壤熱慣量受土壤熱導率、土壤密度和土壤比熱容的影響，遙感影像無法直接獲取這3個因子。Price[8]在不考慮太陽高度角和緯度等因素的情況下，提出了表觀熱慣量(Apparent thermal inertia，ATI)的概念，實際應用中常用表觀熱慣量(ATI)代替真實熱慣量。ATI及其改進方法僅適用于裸土及低植被覆蓋區干旱監測。吳黎等[9]研究發現當NDVI≤ 0.35時，ATI與土壤含水量間的相關性較強。

為提高植被覆蓋區的旱情監測精度，Idso等[10]提出作物缺水指數(又稱作物水分脅迫指數，Crop water stress index，CWSI);Jackson等[11]用能量平衡的單層模型對CWSI進行了理論模式定義；劉安麟等[12]對供水充足條件下的CWSI公式進行了簡化，簡化后CWSI參數因子減少，計算復雜度降低。CWSI物理意義明確，精度高，對于植被覆蓋區的旱情監測效果優于熱慣量法。為消除地表溫度受季節變化的影響，Mcvicar[13]提出歸一化差分溫度指數(Normalized difference temperature index，NDTI)法，該方法利用地表溫度變化與特定氣象和地表阻抗條件下的地表溫度的上限(干條件)和下限(濕條件)的變化監測旱情。CWSI和NDTI指數均需要考慮遙感數據同步的氣象數據，數據難獲取，計算復雜，還存在氣象站點數據向遙感數據轉化的尺度誤差問題。

此外，可通過與極端天氣條件下的溫度變化差異來描述旱情。有學者提出了溫度條件指數(Temperature condition index，TCI)，該方法計算簡單，操作性強，但未考慮凈輻射和濕度等氣象條件及季節變化的影響。

1.3 可見光-近紅外-熱紅外遙感監測法 可見光-近紅外-熱紅外法是綜合利用熱紅外遙感探測的植被冠層溫度和可見光與近紅外遙感探測的植被指數2個指標對地表植被和水分條件進行旱情監測。

(1)Ts-NDVI比率法。利用植被冠層溫度(Ts)和植被指數(NDVI)的比值進行旱情監測，可分為溫度植被指數法(Temperature vegetation index，TVI)和植被供水指數(Vegetation supply water index，VSWI)2種。該方法適用于植被蓋較高的研究區，農作物生長前期或植被覆蓋低地區，該方法會放大植被的影響。

(2)Ts-NDVI特征空間法。不同水分條件下，地表植被覆蓋度和土壤水分含量特征空間有梯形和三角形2種，且二者在一定程度上可轉化[14]。基于特征空間發展的監測方法有Moran等[15]提出的水分虧缺指數(Water deficit index，WDI)法、王鵬新等[16]提出的條件植被溫度指數(Vegetation temperature condition index，VTCI)法和Sandholt等[17]提出的溫度植被干旱指數(Temperature vegetation drought index，TVDI)法。特征空間法適用于監測區域級裸地、完全植被或部分植被覆蓋的干旱，監測精度受到特征空間回歸參數的限制。范遼生等[18]針對高程對地表溫度的影響，提出DEM校正TVDI，進一步提高了土壤水分反演精度。

1.4 高光譜遙感監測法 農業干旱高光譜遙感監測，主要探索不同波長波段的光譜值與干旱監測因子(如土壤含水量)的規律變化，并在眾多光譜波段中尋找干旱監測的敏感波段。Bowers等[19]研究發現隨土壤水分的增加，土壤光譜反射率降低，二者關系高度相關。Lobell等[20]研究發現土壤光譜值與土壤的體積含水量和相對含水量的相關性更高。Liu等[21]研究發現土壤光譜反射率與土壤水分含量的關系為非線性，當土壤含水量高于某一臨界值時，土壤光譜值不降反升。彭杰等[22]研究發現土壤含水量在380～1 080 nm波段與反射率呈負相關，以698、702、703、746、747 nm波段反射率倒數(1/R)建立的多元逐步回歸模型為最優模型。

農田土壤含水量受作物植被冠層的影響。吳代暉等[23]研究發現植被含水量引起的光譜變化不同于土壤含水量引起的光譜變化。劉培君等[24]引入了“光學植被覆蓋度”概念，從光譜混合象元亮度轉變成裸土光譜亮度，排除植被對土壤含水量的影響。吳見等[25]利用混合象元分解及端元光譜提取技術，將植被和土壤端元光譜分離開，剔除了植被的影響。

1.5 微波遙感監測法 土壤水分與其介電系數有高度相關性，干土(2～5)和水分(80)的介電系數差異顯著，隨著土壤水分的增加，土壤的介電系數迅速增大。微波遙感信號與地表介電常數密切相關，介電系數越大，則信號越強，微波遙感利用其原理進行干旱監測。

被動微波遙感利用其亮溫監測土壤含水量，植被和地表粗糙度影響該方法對土壤含水量反演的精度。美國通過航空微波輻射計研究發現被動微波的亮度溫度與土壤濕度有較好的線性關系[26]。Njoku等[27]基于輻射傳輸方程，建立了亮度溫度與土壤濕度等參數非線性關系。為消除植被對土壤水分的影響，Teng等[28]研究發現濃密植被應盡量使用較長波段微波輻射，避免使用19 GHz波段。王永前等[29]參照TVDI方法，以微波植被指數MVI代替NDVI表示植被生長情況，構建了溫度微波植被干旱指數(TMVDI)，對植被覆蓋區域的干旱監測效果良好。陳修治等[30]通過歸一化植被指數(NDVI)與微波極化差異指數(MPDI)的關系，參照植被供水指數(VSWI)方法，構建了基于AMSR-E數據的被動微波遙感氣象干旱指數，發現該干旱指數與土壤濕度數據有顯著的負相關關系。

主動微波利用其后向散射系數監測土壤水分含量，其監測精度受到土壤表面粗糙度、土壤紋理、土壤物理性質和植被覆蓋的影響。李震等[31]研究發現后向反射系數和土壤水分具有線性關系。賈德偉等[32]研究發現土壤水分的田間持有量為50%～60%時，植被影響較大，需要排除植被干擾。劉萬俠等[33]利用“水-云”模型去除植被覆蓋的影響，發現VV極化與土壤含水量的相關性更高。鮑艷松等[34]研究發現小麥麥地垂直同極化后向散射與土壤含水量的相關性達到顯著水平，與小麥覆蓋度的相關性低。

被動微波遙感重訪周期短，大面積覆蓋，計算簡單，受粗糙度和地形的影響較小，對土壤水分的變化更敏感，但空間分辨率低。主動微波遙感空間分辨率高，但數據量大，計算復雜，對粗糙度比較敏感。綜合二者優點是微波遙感監測干旱的重要方向之一。楊立娟等[35]通過幾何光學模型(GO模型)和半經驗模型(QP模型)在粗糙度上的聯系進行主被動微波遙感模型結合，提高了土壤水分反演精度。植被覆蓋土壤表面的后向散射包括來自植被的體散射、來自地表的面散射和植被與地表間的交互作用散射項。李震等[31]結合主動和被動微波數據，通過計算體散射項的半經驗公式模型來消除植被覆蓋影響，提高土壤水分反演精度。趙天杰等[36]結合機載輻射計亮度溫度值和基于后向散射反演的地表粗糙度值，構建BP神經網絡來反演土壤水分，提高了土壤水含水量的反演精度。

2 農業干旱遙感監測方法的應用

為減少數據處理時間，提高工作效率，建立高效、快捷農業干旱遙感監測業務應用平臺系統也是農業干旱遙感監測發展的一個方向。

20世紀末，美國建立了新的基于VCI和TCI等模型的全球性干旱監測業務產品系統；國際水管理研究所(IWMI)建立了基于AVHRR和MODIS數據的南亞干旱遙感監測系統；加拿大利用NOAA/AVHRR資料進行了正常和干旱條件下農作物估產比較評估。

國內有學者對業務平臺關鍵技術問題進行了研究。唐巍等[37]提出建立集成數據庫思想；孟令奎等[38]在B/S結構的MODIS數據干旱監測處理與發布系統中提出應用網格技術，大大提高了后臺遙感數據處理效率。

隨著計算機和“3S”技術的發展，各種開發語言及二次開發技術不斷被應用于遙感業務系統平臺中，如中國科學院遙感與數字地球研究所基于ENVI二次開發包及IDL技術，建立了全國遙感旱情監測系統。王玲玲等[39]采用.NET和IDL開發技術，構建了農業旱情監測與分析系統。高陽華等[40]基于ArcEngine插件式框架技術，利用GP工具構建干旱監測模型系統。吳冬平[41]以3S技術為支撐，建立了旱情遙感監測與信息管理系統，實現了旱情監測與預報、評估與分析等功能。由此可見，農業干旱遙感監測業務平臺都逐步采用新的計算機及“3S”技術，處理速度逐步提升，平臺擴展性不斷增強。

3 小結

隨著農業干旱遙感監測理論的不斷豐富、技術和方法的不斷創新，農業干旱遙感監測模型已經被廣泛應用，業務應用平臺也逐步采用新的計算機技術來提高效率。農業干旱受降水、太陽輻射、氣溫、植被覆蓋、土壤質地、地形以及人為灌溉等條件的綜合影響，目前農業遙感干旱監測模型都有其時空使用局限性。為提高農業干旱精度，可綜合利用不同監測模型、不同時相數據、不同遙感數據源等方法進行旱情監測。基于數據挖掘和大數據等計算機相關前沿技術，業務平臺可引入上述相關技術來提高干旱監測模型的準確度和精確度。

[1] 王麗濤,王世新,周藝,等.旱情遙感監測研究進展與應用案例分析[J].遙感學報,2011，15(6):1315-1330.

[2] 隋學艷,王汝娟,姚慧敏,等.農業氣象災害遙感監測研究進展[J].中國農學通報,2014,30(17):284-288.

[3] TUCKER C J.Comparing SMMR and AVHRR data for drought monitoring[J].International journal of remote sensing,1989,10(10):1663-1672.

[4] 楊濤,宮輝力,李小娟,等.土壤水分遙感監測研究進展[J].生態學報,2012,30(22):6264-6277.

[5] KOGAN F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].International journal of remote sensing,1990,11(8):1405-1419.

[6] 齊述華,王長耀,牛錚，等.利用NDVI時間序列數據分析植被長勢對氣候因子的響應[J].地理科學進展,2004,23(3):91-99.

[7] 白淑英,徐永明.農業遙感[M].北京：科學出版社,2013:175-182.

[8] PRICE J C.Thermal inertia mapping:A new view of the earth[J].Journal of geophysical research atmospheres,1977,82(18):2582-2590.

[9] 吳黎,張有智,解文歡,等.改進的表觀熱慣量法反演土壤含水量[J].國土資源遙感,2013,25(1):44-49.

[10] IDSO S B,JACKSON R D,PINTER P J,et al.Normalizing the stress-degree-day parameter for environmental variability[J].Agricultural meteorology,1981,24(1):45-55.

[11] JACKSON R D,KUSTAS W P,CHOUDHURY B J.A reexamination of the crop water stress index[J].Irrigation science,1988,9(4):309-317.

[12] 劉安麟,李星敏,何延波,等.作物缺水指數法的簡化及在干旱遙感監測中的應用[J].應用生態學報,2004,15(2):210-214.

[13] MCVICAR T R,JUPP D L B.The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia:A review[J].Agricultural systems,1998,57(3):399-468.

[14] 韓麗娟,王鵬新,王錦地,等.植被指數-地表溫度構成的特征空間研究[J].中國科學(D輯：地球科學),2005，35(4):371-377.

[15] MORAN M S,CLARKE T R,INOUE Y,et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote sensing of enviroment,1994,49(3):246-263.

[16] 王鵬新,龔健雅,李小文.條件植被溫度指數及其在干旱監測中的應用[J].武漢大學學報(信息科學版),2001,26(5):412-418.

[17] SANDHOLT I，RASMUSSEN K，ANDERSEN J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote sensing of enviroment,2002,79(2/3):213-224.

[18] 范遼生,姜紀紅,盛暉,等.利用溫度植被干旱指數(TVDI)方法反演杭州伏旱期土壤水分[J].中國農業氣象,2009，30(2)：230-234.

[19] BOWERS S A,SMITH S J.Spectrophotometric determination of soil water content[J].Soil science of America proceedings,1972,36(6):978-980.

[20] LOBELL D B,ASNER G P.Moisture effects on soil reflectance[J].Soil science society of America journal,2002,66(3):722-727.

[21] LIU W D,BARET F,GU X F,et al.Relating soil surface moisture to reflectance[J].Remote sensing of environment,2002,81(2/3):238-246.

[22] 彭杰,向紅英,王家強,等.基于野外實測高光譜數據的干旱區耕作土壤含水量反演研究[J].干旱地區農業研究,2015，31(2):241-246.

[23] 吳代暉,范聞捷,崔要奎,等.高光譜遙感監測土壤含水量研究進展[J].光譜學與光譜分析，2010，30(11):3067-3071.

[24] 劉培君,張琳,艾里西爾·庫爾班,等.衛星遙感估測土壤水分的一種方法[J].遙感學報,1997，1(2):135-138.

[25] 吳見,劉民士,李偉濤.基于高光譜影像分解的土壤含水量反演技術[J].水土保持通報,2013，33(5):156-160.

[26] SCHMUGGE T,GLOERSEN P,WILHEIT T T,et al.Remote sensing of soil moisture with microwave radiometers[J].Journal of geophysical research atmospheres,1974,79(2):317-323.

[27] NJOKU E G,LI L.Retrieval of land surfance parameters using passive microwave measurements at 6-18 GHz[J].IEEE Transactions on Geoscience & Remote Sensing,1999,37(1):79-93.

[28] TENG W L,WANG J R,DORAISWAMY P C.Relationship between satellite microwave radiometric data,antecedent precipitation index,and regional soil moisture[J].International journal of remote sensing,1993,14(13):2483-2500.

[29] 王永前，施建成，劉志紅,等.微波植被指數在干旱監測中的應用[J].遙感學報，2014,18(4):855-867.

[30] 陳修治,蘇泳嫻,李勇,等.基于被動微波遙感的中國干旱動態監測[J].農業工程學報,2013,29(16):151-158.

[31] 李震,郭東華,施建成.綜合主動和被動微波數據監測土壤水分變化[J].遙感學報,2002,6(6):481-484.

[32] 賈德偉,周磊，黃燦輝，等.基于可見光和紅外遙感的農業干旱監測方法研究進展[J].科技創新與應用,2016(32):13-15.

[33] 劉萬俠,王娟,劉凱，等.植被覆蓋地表主動微波遙感反演土壤水分算法研究[J].熱帶地理,2007，27(5):411-415.

[34] 鮑艷松,劉良云,王紀華,等.利用ASAR圖像監測土壤含水量和小麥覆蓋度[J].遙感學報,2006，10(2):263-271.

[35] 楊立娟,武勝利,張鐘軍.利用主被動微波遙感結合反演土壤水分的理論模型分析[J].國土資源遙感,2011，23(2):53-58.

[36] 趙天杰,張立新,蔣玲梅,等.利用主被動微波數據聯合反演土壤水分[J].地球科學進展,2009，24(7):769-775.

[37] 唐巍,覃志豪,秦曉敏.農業干旱遙感監測業務化運行方法研究[J].遙感信息,2007，22(2)：37-41.

[38] 孟令奎,李繼園,陳子丹,等.MODIS數據處理平臺在旱情監測中的應用研究[J].水利信息化,2010(2):46-51.

[39] 王玲玲,張友靜,佘遠見,等.遙感旱情監測方法的比較與分析[J].遙感信息,2010，25(5):49-53.

[40] 高陽華,徐永進,楊世琦,等.基于ArcGIS Geoprocessing干旱遙感監測系統研究與設計[J].西南大學學報(自然科學版),2013，35(4):1-7.

[41] 吳冬平.我國農業旱情監測技術現狀及發展趨勢分析[J].自然災害學報,2015，24(4):24-35.

Research Progress on the Monitoring Methods of Agricultural Drought by Remote Sensing and Their Application

JIA De-wei,ZHOU Lei,HUANG Can-hui et al

(Henan Monitoring Center for Remote Sensing in Agriculture,Zhengzhou,Henan 450002)

The research progress on monitoring methods of agricultural drought by remote sensing and their application at home and abroad were reviewed,so as to promote the further study on monitoring of agricultural drought by remote sensing in future.

Agricultural drought; Remote sensing; Monitoring; Application

河南省科技計劃項目(162102110121)。

賈德偉(1984- )，男，河南周口人，助理農藝師，碩士，從事農業遙感和地理信息系統的開發與應用研究。

2016-11-15

S 127

A

0517-6611(2016)36-0233-03