農(nóng)業(yè)干旱遙感監(jiān)測(cè)的原理、方法與應(yīng)用*

王利民，劉佳，楊玲波，鄧輝，楊福剛，季富華（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京100081）

滿足干旱監(jiān)測(cè)的迫切需求。

從20世紀(jì)60年代開始，在遙感技術(shù)不斷地發(fā)展之下，以極軌氣象衛(wèi)星、陸地資源衛(wèi)星數(shù)據(jù)廣泛應(yīng)用為標(biāo)志，利用衛(wèi)星遙感數(shù)據(jù)進(jìn)行大尺度區(qū)域農(nóng)業(yè)干旱監(jiān)測(cè)的研究不斷深化［3-7］。與傳統(tǒng)的農(nóng)業(yè)災(zāi)害監(jiān)測(cè)技術(shù)手段相比，遙感監(jiān)測(cè)技術(shù)具有宏觀性、經(jīng)濟(jì)性、動(dòng)態(tài)性、時(shí)效性等特征，成為傳統(tǒng)農(nóng)業(yè)災(zāi)害監(jiān)測(cè)方法的重要補(bǔ)充并得到了廣泛的應(yīng)用。當(dāng)前，伴隨著遙感技術(shù)高時(shí)間、高空間、高光譜、多平臺(tái)的發(fā)展趨勢(shì)［8］，針對(duì)全球、區(qū)域尺度農(nóng)業(yè)干旱信息獲取的需求，以30 m到1 000 m空間分辨率Landsat-8、HJ-1A/B、EOS/MODIS、FY和NOAA系列衛(wèi)星數(shù)據(jù)及雷達(dá)衛(wèi)星數(shù)據(jù)為主，在農(nóng)業(yè)干旱遙感監(jiān)測(cè)機(jī)理深刻認(rèn)識(shí)基礎(chǔ)上，構(gòu)建適用于區(qū)域業(yè)務(wù)運(yùn)行的監(jiān)測(cè)系統(tǒng)已成為農(nóng)業(yè)干旱遙感監(jiān)測(cè)應(yīng)用的主要趨勢(shì)。

從農(nóng)業(yè)干旱遙感監(jiān)測(cè)的數(shù)據(jù)源上，自20世紀(jì)80年代以來(lái)，隨著Landsat/TM、NOAA/AVHRR、EOS/MODIS等數(shù)據(jù)的不斷發(fā)射，基于光學(xué)遙感數(shù)據(jù)的農(nóng)業(yè)干旱遙感監(jiān)測(cè)逐漸展開；而自20世紀(jì)90年代以來(lái)，Terra、Aqua、Radarsat等具有雷達(dá)傳感器的衛(wèi)星發(fā)射升空，使得基于雷達(dá)數(shù)據(jù)的土壤水分反演研究逐漸增多［9-12］。近年來(lái)，隨著最新的美國(guó)Landsat-8衛(wèi)星、歐洲Sentinel-2衛(wèi)星和Sentinel-1雷達(dá)衛(wèi)星的發(fā)射升空，基于這些最新衛(wèi)星資料的干旱研究迅速發(fā)展，極大地推動(dòng)了農(nóng)業(yè)干旱研究的應(yīng)用［13-16］。

農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法可以分為以光譜反射率為基礎(chǔ)的狀態(tài)監(jiān)測(cè)方法［17］和以作物生長(zhǎng)模型為核心的模擬方法兩大類［18］。前者是基于可見光、短波紅外、熱紅外、微波譜等譜段的特征光譜空間原理構(gòu)建干旱指數(shù)［19-20］，結(jié)合農(nóng)作物長(zhǎng)勢(shì)描述指標(biāo)，能夠較好地反映土壤水分的變化。該方法優(yōu)點(diǎn)是模型構(gòu)建速度較快，原理清晰；不足是受地表狀況的復(fù)雜性限制，區(qū)域應(yīng)用的普適性仍需要進(jìn)一步深入研究。后者以農(nóng)作物生長(zhǎng)模型，基于LAI等農(nóng)作物參數(shù)準(zhǔn)確反演，通過(guò)作物模型同化的方法，可以間接獲取土壤水分含量［21-23］。其優(yōu)勢(shì)是農(nóng)業(yè)干旱緊密結(jié)合了作物生長(zhǎng)特征的耗水需求，原理性強(qiáng)；缺點(diǎn)是由于作物生長(zhǎng)模型參數(shù)復(fù)雜，且不同的時(shí)間、區(qū)域參數(shù)差異較大，使其本地化、空間化存在困難，且模型運(yùn)行速度較慢，限制了該方法的業(yè)務(wù)化深入應(yīng)用。在這兩大類農(nóng)業(yè)遙感干旱監(jiān)測(cè)方法基礎(chǔ)上，基于其干旱監(jiān)測(cè)指標(biāo)差異，該文將農(nóng)業(yè)遙感監(jiān)測(cè)的方法細(xì)分為基于熱慣量的土壤水分遙感監(jiān)測(cè)方法、基于冠層溫度的干旱遙感監(jiān)測(cè)方法、基于作物長(zhǎng)勢(shì)狀況的干旱遙感監(jiān)測(cè)方法、綜合冠層溫度與作物長(zhǎng)勢(shì)的干旱遙感監(jiān)測(cè)方法、基于蒸發(fā)（騰）的作物干旱遙感監(jiān)測(cè)方法、基于微波的作物干旱遙感監(jiān)測(cè)方法、基于作物生長(zhǎng)模型的土壤水分監(jiān)測(cè)等7個(gè)子類別，并對(duì)方法的相關(guān)研究進(jìn)行介紹。

針對(duì)農(nóng)業(yè)干旱遙感監(jiān)測(cè)研究的業(yè)務(wù)化應(yīng)用需求，當(dāng)前干旱遙感監(jiān)測(cè)系統(tǒng)的研制工作取得了一定進(jìn)展，其中中國(guó)國(guó)內(nèi)以中國(guó)農(nóng)業(yè)農(nóng)村部（農(nóng)業(yè)部）農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)系統(tǒng)為代表［24］，國(guó)際上以聯(lián)合國(guó)糧農(nóng)組織（Food and Agriculture Organization of the United Nations，UNFAO）的“全球信息與預(yù)警系統(tǒng)（Global Information and Early Warning System，GIEWS）”為代表［25］。隨著農(nóng)業(yè)干旱遙感監(jiān)測(cè)技術(shù)的發(fā)展，評(píng)價(jià)分析各類方法在業(yè)務(wù)化運(yùn)行中的應(yīng)用潛力，提高農(nóng)業(yè)干旱遙感監(jiān)測(cè)系統(tǒng)的監(jiān)測(cè)和預(yù)警能力，成為農(nóng)業(yè)干旱遙感監(jiān)測(cè)技術(shù)業(yè)務(wù)化應(yīng)用的重要研究方向。

鑒于干旱遙感監(jiān)測(cè)技術(shù)業(yè)務(wù)化應(yīng)用的廣泛應(yīng)用前景，該文在遙感監(jiān)測(cè)基本原理簡(jiǎn)要概述基礎(chǔ)上，對(duì)當(dāng)前干旱遙感監(jiān)測(cè)方法和應(yīng)用狀況進(jìn)行了系統(tǒng)性的總結(jié)，并對(duì)干旱遙感監(jiān)測(cè)發(fā)展前景進(jìn)行了分析，以期為加強(qiáng)農(nóng)業(yè)干旱遙感監(jiān)測(cè)的業(yè)務(wù)化應(yīng)用提供借鑒。

1 農(nóng)業(yè)干旱遙感監(jiān)測(cè)的原理

農(nóng)業(yè)干旱可以采用土壤水分表征。土壤水分是作物生長(zhǎng)狀況和環(huán)境因子的函數(shù)，其相互影響，關(guān)系復(fù)雜。區(qū)域光溫條件、土壤質(zhì)地、作物長(zhǎng)勢(shì)、冠層溫度等，都可能是土壤水分的影響因子之一。當(dāng)光照強(qiáng)烈、溫度較高、土壤持水能力較差，可能導(dǎo)致作物長(zhǎng)勢(shì)較差，蒸騰作用減弱，作物冠層溫度升高，這些因素又反過(guò)來(lái)影響土壤水分條件。因此，土壤水分或作物干旱表征的函數(shù)形式可以描述如下。

其中，Sw是土壤水分，一般用重量含水率或者體積含水率表示，重量含水率是指土壤中水分的重量與相應(yīng)固相物質(zhì)重量的比值，體積含水率是指土壤中水分占有的體積和土壤總體積的比值。R是光照條件，包括了與太陽(yáng)輻射相關(guān)的變量。S是與土壤質(zhì)地相關(guān)的變量，如砂質(zhì)土、黏質(zhì)土、壤土等質(zhì)地類型，能夠影響土壤的持水能力，包括熱傳導(dǎo)率、比熱容等參數(shù)。G是作物長(zhǎng)勢(shì)，是指作物生長(zhǎng)的茁壯程度，可以采用波段反射率或者植被指數(shù)的方式計(jì)算獲取。T是作物冠層溫度，是遙感監(jiān)測(cè)像元內(nèi)作物表層的平均溫度，通常采用中、熱紅外波段數(shù)據(jù)計(jì)算獲取。

裸土可以看作作物覆蓋度為0情況下的特例，則公式（1）轉(zhuǎn)化為以下形式：

在農(nóng)業(yè)干旱遙感監(jiān)測(cè)實(shí)際應(yīng)用中，往往通過(guò)固定公式（1）或公式（2）中某幾個(gè)變量的方式，簡(jiǎn)化農(nóng)業(yè)干旱各影響因素之間的復(fù)雜關(guān)系，從而求解土壤水分狀況，以下在介紹具體方法時(shí)將予以說(shuō)明。

2 農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法

作物干旱與否是由土壤的含水量和作物的需水能力決定的，將土壤水分與作物需水能力指標(biāo)相結(jié)合就是農(nóng)業(yè)干旱。當(dāng)前的農(nóng)業(yè)干旱監(jiān)測(cè)方法通常是指對(duì)土壤水分的獲取方法，基于遙感技術(shù)對(duì)作物需水能力及更進(jìn)一步的干旱指標(biāo)研究較少，該文不做深入說(shuō)明。基于土壤熱慣量、基于冠層溫度、基于作物長(zhǎng)勢(shì)、基于綜合冠層溫度與作物長(zhǎng)勢(shì)、基于蒸發(fā)（騰）、基于微波技術(shù)、基于作物生長(zhǎng)模型等7種方法是土壤水分遙感監(jiān)測(cè)的主要方法，也是當(dāng)前應(yīng)用最多的方法。

2.1 基于熱慣量的土壤水分遙感監(jiān)測(cè)方法

熱慣量是物質(zhì)熱特性的一種綜合量度，反映了物質(zhì)與周圍環(huán)境能量交換的能力，在地物溫度的變化中熱慣量起著決定性的作用。通常可表示為：

其 中，P為 熱 慣 量（J · m-2·K-1· s-0.5），ρ為 密 度（kg · m-3），γ為 熱 導(dǎo) 率（J · m-1· K-1· s-1），c為比熱容（J· kg-1· K-1）。土壤熱慣量與土壤的熱傳導(dǎo)率、比熱容等有關(guān)，而這些特性與土壤含水量密切相連，通過(guò)計(jì)算不同土壤質(zhì)地的熱慣量可以推算土壤水分含量。

由于遙感數(shù)據(jù)無(wú)法直接獲取原始熱慣量模型中參數(shù)ρ、γ、c的值，Price根據(jù)地表熱量平衡方程和熱傳導(dǎo)方程提出了表觀熱慣量［26］。在實(shí)際應(yīng)用時(shí)，通常使用表觀熱慣量（ATI）來(lái)代替真實(shí)熱慣量（P），建立表觀熱慣量與土壤含水量之間的關(guān)系，表示為：

其中，A為全波段反照率，Tmax、Tmin為1 d中最高、最低溫度。只要用遙感方法獲得1 d內(nèi)土壤的最高溫度和最低溫度，通過(guò)模型就可以計(jì)算出土壤含水量。Watson等于1971年最早將熱慣量應(yīng)用于衛(wèi)星遙感中，根據(jù)地物熱慣量的不同來(lái)區(qū)分不同的地質(zhì)單元，繪制了不同地區(qū)的熱慣量圖［3］。在具體應(yīng)用時(shí)，一些學(xué)者利用熱慣量模型對(duì)干旱情況進(jìn)行了監(jiān)測(cè)［27-30］，如劉振華等在熱慣量模型概念下引入了地表顯熱通量和地表潛熱通量反演表層土壤水［31］。熱慣量法及其改進(jìn)方法模型都是從土壤本身的熱特性出發(fā)反演土壤水分，要求獲取純土壤單元的溫度信息，因此熱慣量法主要適用于裸土類型，在有植被覆蓋時(shí)需要考慮植被的影響。

與公式（3）所表達(dá)的理論概念相比，從表觀熱慣量的計(jì)算公式可以看出，表觀熱慣量模型是假定土壤性質(zhì)一致的條件下，考慮了太陽(yáng)輻射、地表溫度與土壤水分的關(guān)系。因此當(dāng)將土壤熱慣量模型應(yīng)用到不同的土壤類型時(shí)，還需要考慮土壤類型變化對(duì)土壤水分反演的影響。

2.2 基于冠層溫度的干旱遙感監(jiān)測(cè)方法

根據(jù)冠層溫度的高低對(duì)作物干旱情況進(jìn)行判別是遙感干旱監(jiān)測(cè)常用方法，其中最為典型是1995年Kogan使用NOAA/AVHRR數(shù)據(jù)提出的溫度條件指數(shù)（Temperature Condition Index，TCI）［32-33］，該指數(shù)計(jì)算公式如下：

公式中，TCIj是第j日的溫度條件指數(shù)，Tsj是第j日的地表亮溫，Tmax和Tmin分別是圖像中最大、最小地表亮溫。

TCI實(shí)際上通過(guò)假設(shè)在干旱條件下，水分減少，影響了作物的生長(zhǎng)，導(dǎo)致作物冠層溫度升高，或者土壤表面的溫度升高基礎(chǔ)上，且其假設(shè)植被生長(zhǎng)主要與土壤水分相關(guān)較大，而其他因素變化較小的前提下。然而，在實(shí)際的監(jiān)測(cè)中，TCI的值往往受到傳感器、大氣狀況、植被因素等影響產(chǎn)生變化，造成監(jiān)測(cè)的準(zhǔn)確性降低。

基于TCI的作物干旱遙感監(jiān)測(cè)研究已有較多，如閆娜娜等利用TCI對(duì)全國(guó)旱情進(jìn)行了監(jiān)測(cè)［34］；計(jì)淇才則以MODIS影像為基礎(chǔ)，計(jì)算了河南省的TCI指數(shù)，對(duì)河南省TCI指數(shù)干旱監(jiān)測(cè)的效果進(jìn)行了評(píng)價(jià)［35］，并對(duì)比了TCI、植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）、歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、距平植被指數(shù)（Anomaly Vegetation Index，AVI）等幾種不同干旱監(jiān)測(cè)指標(biāo)的監(jiān)測(cè)精度和效果。

結(jié)合公式（1）分析TCI的計(jì)算條件，該算法實(shí)際上是通過(guò)假定光照強(qiáng)度、土壤質(zhì)地、作物長(zhǎng)勢(shì)等一致或?qū)ν寥浪钟绊戄^小的條件下，直接將冠層溫度的變化視為干旱情況的標(biāo)志，本質(zhì)上是從簡(jiǎn)化干旱計(jì)算參數(shù)的基礎(chǔ)上獲取干旱的量度，在大尺度區(qū)域時(shí)，這一假定很可能存在很大的誤差，導(dǎo)致這一指數(shù)的計(jì)算精度降低。

2.3 基于作物長(zhǎng)勢(shì)狀況的干旱遙感監(jiān)測(cè)方法

利用衛(wèi)星監(jiān)測(cè)資料反演的植被指數(shù)，可反映作物生長(zhǎng)變化狀況，進(jìn)而反映干旱狀況，也是干旱遙感監(jiān)測(cè)的常用方法。最為典型的是植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）［36］，計(jì)算公式如下：

式中，NDVIi是第i年某一日的NDVI值，NDVImax和NDVImin分別是多年中同一日NDVI值的最大值和最小值［37］。該指數(shù)實(shí)質(zhì)上是通過(guò)對(duì)比植被長(zhǎng)勢(shì)與歷年長(zhǎng)勢(shì)最好和最差之間的差異，并認(rèn)為若植被長(zhǎng)勢(shì)良好，則干旱發(fā)生的可能性或程度較低。

相似的以植被長(zhǎng)勢(shì)狀態(tài)進(jìn)行干旱的監(jiān)測(cè)方式還有距平植被指數(shù)（Anomaly Vegetation Index，AVI）［38］、標(biāo)準(zhǔn)植被指數(shù)（Standard Vegetation Index，SVI）［39］、歸一化干旱指數(shù)（NDDI）等等［40］。這一類指數(shù)的特征是通過(guò)NDVI等代表植被長(zhǎng)勢(shì)的指數(shù)，通過(guò)長(zhǎng)勢(shì)的差異情況來(lái)代替干旱的程度。例如AVI指數(shù)，利用NDVI與距平值的差異來(lái)評(píng)價(jià)植被長(zhǎng)勢(shì)與歷年平均值（代表生長(zhǎng)正常狀態(tài)）的差異，進(jìn)而評(píng)價(jià)干旱對(duì)于植被的影響。

另一類類似的指數(shù)，是以評(píng)價(jià)植被冠層水分的狀態(tài)，來(lái)評(píng)價(jià)干旱的程度，如歸一化差值水分指數(shù)（NDWI）［41］、短波紅外垂直失水指數(shù)（Shortwave Infrared Perpendicular Water Stress Index，SPSI）［42］、歸一化差異水分指數(shù)（Normalized Difference Water Index，NDWI）［43］、全球植被水分指數(shù)（Global Vegetation Moisture Index，GVMI）［44-45］、短波紅外水分脅迫指數(shù)（Shortwave Infrared Water Stress Index，SIWSI）［46］等。實(shí)際上，當(dāng)干旱程度較高，植被長(zhǎng)勢(shì)較差時(shí)，造成冠層水分含量降低，從而造成相應(yīng)的指數(shù)變化，間接指示干旱程度。

對(duì)比公式（1）可以看出，以VCI指數(shù)等作物長(zhǎng)勢(shì)監(jiān)測(cè)為基礎(chǔ)的干旱監(jiān)測(cè)算法，是假設(shè)光照、土壤、溫度等條件一致的情況下，植被的長(zhǎng)勢(shì)變化僅與土壤水分的變化有關(guān)，該算法也是通過(guò)簡(jiǎn)化計(jì)算參數(shù)實(shí)現(xiàn)干旱監(jiān)測(cè)的。有研究指出，該類指數(shù)可以減弱土壤背景因素、地區(qū)差異等影響，可指示大范圍干旱狀況，尤其適合于低緯度植被茂密地區(qū)的干旱監(jiān)測(cè)［47-49］。然而，由于以植被狀態(tài)表征干旱程度會(huì)有一定的滯后性，導(dǎo)致該方法可能存在干旱預(yù)警時(shí)效性降低等問(wèn)題，同時(shí)，不同年份之間植被的地表覆蓋類型可能發(fā)生變化，導(dǎo)致該方法檢測(cè)的失效。

2.4 綜合冠層溫度與作物長(zhǎng)勢(shì)的干旱遙感監(jiān)測(cè)方法

植被供水指數(shù)方法（Vegetation Supply Water Index，VSWI）［50］、溫度干旱植被指數(shù)（Temperature Vegetation Dryness Index，TVDI）［51］等方法是最為典型的綜合冠層溫度、作物長(zhǎng)勢(shì)的干旱遙感監(jiān)測(cè)方法，類似的指數(shù)還有條件植被溫度指數(shù)（Vegetation Temperature Condition Index，VTCI）［52-53］等。

植被供水指數(shù)的計(jì)算公式如下：

式中，NDVI為某一點(diǎn)的歸一化植被指數(shù)值，Ts為植被冠層溫度。植物冠層的氣孔在植物缺水的壓迫下會(huì)關(guān)閉氣孔防止水分的蒸發(fā)。這也同時(shí)導(dǎo)致了植物冠層溫度的升高。當(dāng)出現(xiàn)旱情時(shí)，植被長(zhǎng)勢(shì)較差，NDVI較低，同時(shí)由于蒸騰作用等的減弱，導(dǎo)致冠層溫度增高，因此VSWI值較小，反之則說(shuō)明較為濕潤(rùn)。以此原理得出植被供水指數(shù)越小，指示旱情越嚴(yán)重。這一模型主要適用于植被覆蓋度高的地區(qū)，同時(shí)容易受到土壤的物力參數(shù)和不同植被類型差異的影響，波動(dòng)性比較大；另一方面，不同的地區(qū)和時(shí)段的VSWI值的對(duì)比不具有實(shí)際意義，導(dǎo)致其應(yīng)用受限。

Gurney、Moran、Price等研究發(fā)現(xiàn)，如果研究區(qū)植被覆蓋包含從裸土到全覆蓋，土壤濕度從極干旱到極濕潤(rùn)的各種情況，以遙感數(shù)據(jù)獲得的NDVI和LST橫縱坐標(biāo)的散點(diǎn)圖呈三角形或梯形，即所謂的NDVI-LST特征空間（圖1）。Sandholt等對(duì)簡(jiǎn)化的NDVILST三角形特征空間進(jìn)行研究，認(rèn)為NDVI-LST特征空間中有一系列由LST和NDVI比值構(gòu)成的土壤濕度等值線，據(jù)此提出了植被干旱指數(shù)TVDI的概念。溫度干旱植被指數(shù)的計(jì)算公式如下：

其中，（a1+b1*NDVI）為干邊，即某一NDVI對(duì)應(yīng)的最高地表溫度，（a2+b2*NDVI）為濕邊，即某一NDVI對(duì)應(yīng)的最低地表溫度。TVDI值越大，LST越接近濕邊，土壤濕度越大。

圖1 LST-NDVI特征空間示意圖Fig.1 Schematic diagram of LST-NDVI characteristic space

然而，在實(shí)際應(yīng)用中，NDVI和LST并不總是呈線性關(guān)系，在植被生長(zhǎng)初期NDVI值過(guò)高地估計(jì)了植被的覆蓋度，而植被生長(zhǎng)后期卻容易存在飽和現(xiàn)象，過(guò)低地估計(jì)了植被覆蓋度，所以提取干邊、濕邊時(shí)一般限制NDVI在0.15～0.85之間。如果研究區(qū)域較大，遙感數(shù)據(jù)分辨率過(guò)高，形成的NDVI-LST空間中數(shù)據(jù)的點(diǎn)過(guò)多，造成干邊變小，濕邊增大。因此，TVDI指數(shù)適用于小區(qū)域的干旱監(jiān)測(cè)。此外，NDVI和LST之間的關(guān)系受地區(qū)、緯度、地形、季節(jié)、水分以及太陽(yáng)輻射的影響，并不是規(guī)則的三角形或梯形分布，這也會(huì)在一定程度上限制其應(yīng)用。

綜合冠層溫度和作物長(zhǎng)勢(shì)的干旱遙感監(jiān)測(cè)，相比單純使用冠層溫度或作物長(zhǎng)勢(shì)的干旱監(jiān)測(cè)，考慮到了不同密度植被對(duì)于溫度的影響情況，更加全面，原理性更強(qiáng)，在區(qū)域的應(yīng)用中也更多［54］。

2.5 基于蒸發(fā)（騰）的作物干旱遙感監(jiān)測(cè)方法

植物健康時(shí)，蒸騰作用的發(fā)生使得葉片溫度相比裸土溫度降低；而當(dāng)水分虧缺時(shí)，蒸騰量減小，則可能導(dǎo)致葉片溫度升高。通過(guò)測(cè)量葉片溫度，以能量平衡原理為核心計(jì)算地表覆蓋蒸發(fā)（騰）量，并通過(guò)地面觀測(cè)的土壤水分進(jìn)行標(biāo)定，進(jìn)而獲取蒸發(fā)（騰）表達(dá)的土壤含水量，是有別于溫度、植被指數(shù)等方法獲取干旱信息的重要的干旱遙感監(jiān)測(cè)方法。作物缺水指數(shù)（Crop Water Stress Index，CWSI）［55-57］最為經(jīng)典，其它類似原理的算法還有土壤干旱指數(shù)（Soil Water Stress Index，SWSI）［58］、水分虧缺指數(shù)（Water Deficit Index，WDI）［59］等。

作物缺水指數(shù)（CWSI）的計(jì)算公式如下：

式中，ET為實(shí)際蒸散，ETP為潛在蒸散，可以依據(jù)Penman-Monteith蒸散公式計(jì)算獲取［57］。CWSI的值在0～1之間，值越大，表明干旱程度越高。CWSI實(shí)際上表示的是植被當(dāng)前的蒸散與最大可能蒸散的關(guān)系，該值越高，表明與最大可能蒸散的差值越大，土壤的水分含量也越低。

由上可知，利用CWSI進(jìn)行作物干旱反演，關(guān)鍵是獲取植被的實(shí)際蒸發(fā)量，而潛在蒸發(fā)可以通過(guò)地面氣象觀測(cè)資料由Penman-Monteith蒸散公式計(jì)算。實(shí)際蒸散發(fā)可利用雙層蒸散發(fā)模型計(jì)算，其將能量平衡原理方程簡(jiǎn)化為：

式中，Rn代表地表凈輻射通量，代表的是地面所接受的總能量；G為下墊面土壤熱通量，表示土壤表層和深層的熱量傳遞狀態(tài)；H是地表與大氣的熱交換能量，即感熱通量或顯熱通量；LE為潛熱通量，指的是地表與大氣的水汽熱交換，L代表水分的汽化潛熱，E為瞬時(shí)蒸散量。公式中，Rn、G和H等參量可以在遙感計(jì)算與氣象觀測(cè)數(shù)據(jù)輔助條件下計(jì)算獲取，遙感技術(shù)獲取的參數(shù)包括輻射、與地表覆蓋有關(guān)的比輻射率、地表溫度等參數(shù)，氣象觀測(cè)獲取風(fēng)速、空氣動(dòng)力學(xué)阻抗、空氣密度、氣壓和空氣比熱容等參數(shù)。作物缺水指數(shù)（CWSI）是土壤水分的一個(gè)度量指標(biāo)，它是由作物冠層溫度值轉(zhuǎn)換來(lái)的，是利用熱紅外遙感溫度和常規(guī)氣象資料間接地監(jiān)測(cè)植被條件下的土壤水分，對(duì)于植被覆蓋度較低的地區(qū)該模型具有一定的局限性。該模型物理意義明確，適應(yīng)性較強(qiáng)，在大尺度區(qū)域的應(yīng)用也較多，如汪左等利用CWSI指數(shù)對(duì)安徽省干旱的時(shí)空特征及影響因素進(jìn)行了分析［60］，虞文丹等利用CWSI對(duì)江蘇省徐州市的土壤水分時(shí)空分布及動(dòng)態(tài)變化進(jìn)行了分析，并對(duì)蒸散發(fā)雙層模型進(jìn)行改進(jìn)，獲得了更好的土壤相對(duì)含水量估算效果［61］。

2.6 基于微波的干旱遙感監(jiān)測(cè)方法

土壤水分與其介電系數(shù)有高度相關(guān)性，干土（2～5）和水分（80）的介電系數(shù)差異顯著，隨著土壤水分的增加，土壤的介電系數(shù)迅速增大。微波遙感信號(hào)與地表介電常數(shù)密切相關(guān)，介電系數(shù)越大，則信號(hào)越強(qiáng)，基于這一原理，微波遙感可以進(jìn)行土壤水分含量的反演［62］。微波土壤水分遙感監(jiān)測(cè)有主動(dòng)微波、被動(dòng)微波方式。被動(dòng)微波遙感是利用土壤亮度溫度監(jiān)測(cè)土壤含水量，主動(dòng)微波利用其后向散射系數(shù)監(jiān)測(cè)土壤水分含量，無(wú)論主動(dòng)還是被動(dòng)微波遙感，地表粗糙度、植被覆蓋都是2個(gè)主要影響因素［63-64］。當(dāng)前，選擇植被不敏感微波譜段，構(gòu)建地表覆蓋不敏感指數(shù)或方法，或者通過(guò)模型模擬準(zhǔn)確刻畫影響過(guò)程等3種方式，是降低地表粗糙度、植被覆蓋影響提高監(jiān)測(cè)精度的主要技術(shù)途徑［65-67］，這些模型包括幾何光學(xué)模型（GOM）、物理光學(xué)模型（POM）、小擾動(dòng)模型（SPM）、積分模型（IEM）、改進(jìn)的積分模型（AIEM）、Q/H以及Q/P模型，以及MIMICS模型、水云模型、農(nóng)作物模型和τ-ω模型等。

被動(dòng)微波遙感重訪周期短，大面積覆蓋，計(jì)算簡(jiǎn)單，受粗糙度和地形的影響較小，對(duì)土壤水分的變化更敏感，但空間分辨率低。主動(dòng)微波遙感空間分辨率高，但數(shù)據(jù)量大，計(jì)算復(fù)雜，對(duì)粗糙度比較敏感。主被動(dòng)聯(lián)合的方式更能發(fā)揮主動(dòng)、被動(dòng)微波遙感的優(yōu)勢(shì)。楊立娟等通過(guò)幾何光學(xué)模型（GO模型）和半經(jīng)驗(yàn)?zāi)Ｐ停≦P模型）在粗糙度上的聯(lián)系進(jìn)行主被動(dòng)微波遙感模型結(jié)合，提高了土壤水分反演精度［68］。趙天杰等結(jié)合機(jī)載輻射計(jì)亮度溫度值和基于后向散射反演的地表粗糙度值，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)來(lái)反演土壤水分，提高了土壤水含水量的反演精度［69］。

微波土壤水分遙感與可見光遙感的原理相似，只是由于被動(dòng)微波、主動(dòng)雷達(dá)的發(fā)射特性與可見光有較大的差異，致使其反演土壤水分的具體方法有所不同。從公式（1）的原理出發(fā)，微波或者雷達(dá)土壤水分監(jiān)測(cè)更多注重的是土壤水分部分的分析，將土壤參數(shù)分解的更為細(xì)致。另一方面，由于電磁波與土壤的關(guān)系實(shí)際上相比模型更為復(fù)雜，利用微波進(jìn)行土壤水分反演具有很強(qiáng)的不確定性，為獲取高精度的土壤水分，降低不確定性是重要的前提之一。

2.7 基于作物生長(zhǎng)模型的土壤水分監(jiān)測(cè)

作物生長(zhǎng)模型模擬的基礎(chǔ)是物質(zhì)平衡和能量守恒原理，以農(nóng)田的光、溫、水、肥等條件因子為驅(qū)動(dòng)，模擬作物光合、呼吸、蒸騰等生理過(guò)程，形成作物對(duì)生長(zhǎng)環(huán)境響應(yīng)的結(jié)果。目前應(yīng)用較多的是荷蘭的SWAP、美國(guó)的CERES和DSSAT、加拿大的SIMCOY、澳大利亞的APSIM等，由于作物生長(zhǎng)過(guò)程的復(fù)雜性，致使大部分作物模型參數(shù)較多，加上作物生長(zhǎng)環(huán)境的多變性，導(dǎo)致區(qū)域應(yīng)用時(shí)作物參數(shù)難以獲取［70-73］。遙感技術(shù)在一定程度上解決了LAI、蒸發(fā)散等個(gè)別參數(shù)的區(qū)域獲取問(wèn)題，但對(duì)于作物模型的區(qū)域應(yīng)用，眾多參數(shù)仍然需要依靠地面觀測(cè)獲取，這也是作物模型區(qū)域化應(yīng)用中的主要難點(diǎn)。采用同化技術(shù)是解決這一問(wèn)題的有效途徑。所謂同化，是以遙感技術(shù)獲取的參數(shù)（如LAI）等作為“真值”，將模型數(shù)據(jù)的同種參數(shù)與之比較，對(duì)于比較合格的像元認(rèn)為輸入的參數(shù)是準(zhǔn)確的并予以采用，比較不合格的像元認(rèn)為輸入的參數(shù)是不準(zhǔn)確的并繼續(xù)進(jìn)行調(diào)整直到符合要求。以SWAP模型為例，需要輸入的參數(shù)和信息包括氣象數(shù)據(jù)、作物數(shù)據(jù)等，包含土壤特性、邊界條件、熱量模擬選項(xiàng)、日輻射、氣溫、水氣壓、風(fēng)速、降雨、作物的生長(zhǎng)時(shí)期、作物高度、根深度、葉面積指數(shù)等等，各項(xiàng)參數(shù)可以根據(jù)文獻(xiàn)資料、地面實(shí)測(cè)等方式獲取。SWAP模型的輸入?yún)?shù)中，包括土壤水分參數(shù)，也就是說(shuō)，在SWAP模型中，土壤水分含量是作為驅(qū)動(dòng)因子輸入的。SWAP模型的輸出結(jié)果包括了水量的平衡關(guān)系、土壤剖面數(shù)據(jù)、灌溉制度、土壤水蓄變量等。通過(guò)各項(xiàng)因子的輸入，驅(qū)動(dòng)SWAP模型運(yùn)行可以獲取作物L(fēng)AI、ET等參數(shù)，將這些參數(shù)與遙感LAI、ET比較并構(gòu)建代價(jià)函數(shù)，通過(guò)調(diào)整模型輸入?yún)?shù)，使構(gòu)建的代價(jià)函數(shù)達(dá)到可接受的精度就完成了模型同化過(guò)程，其中的土壤水分結(jié)果就是作物生長(zhǎng)模型獲取的土壤水分監(jiān)測(cè)結(jié)果。當(dāng)然，可調(diào)節(jié)的模型參數(shù)不宜過(guò)多，過(guò)多可能會(huì)導(dǎo)致運(yùn)行結(jié)果的不確定性［74］。

基于作物模型進(jìn)行土壤水分反演的優(yōu)點(diǎn)是具有明確的物理—生物過(guò)程原理，當(dāng)輸入?yún)?shù)精度較高時(shí)，可以獲取較高的水分監(jiān)測(cè)精度，對(duì)于點(diǎn)狀或小塊區(qū)域，由于可以獲取較為明確的參數(shù)，可以獲取較高的精度；然而，對(duì)于大尺度區(qū)域，由于無(wú)法獲取精確的各項(xiàng)參數(shù)，使用遙感數(shù)據(jù)進(jìn)行同化等方式獲取大尺度區(qū)域的土壤水分含量成為主要方式，然而其運(yùn)行速度較慢，且一般同化參數(shù)較少，難以做到精確模擬，導(dǎo)致精度受限。

與公式（1）描述的作物土壤水分遙感監(jiān)測(cè)概念性模型相比，盡管該方法更為間接，也更為復(fù)雜，但將作物模型的參數(shù)對(duì)應(yīng)為光照、土壤、作物、溫度等4個(gè)類別，其原理仍然是適用的。

3 農(nóng)業(yè)干旱遙感監(jiān)測(cè)的業(yè)務(wù)應(yīng)用

農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)應(yīng)用是干旱遙感監(jiān)測(cè)技術(shù)的落腳點(diǎn)，也是檢驗(yàn)干旱遙感監(jiān)測(cè)技術(shù)的業(yè)務(wù)運(yùn)行能力的標(biāo)準(zhǔn)。美國(guó)于1974年啟動(dòng)了“LACIE”計(jì)劃，是最早開展農(nóng)情遙感監(jiān)測(cè)業(yè)務(wù)的國(guó)家，并隨后開展了包括面積、產(chǎn)量、災(zāi)害等在內(nèi)的多種農(nóng)情遙感監(jiān)測(cè)業(yè)務(wù)［75］。當(dāng)前，中國(guó)、聯(lián)合國(guó)糧農(nóng)組織（FAO）、美國(guó)、歐盟和加拿大等都建立了各自的農(nóng)情遙感監(jiān)測(cè)業(yè)務(wù)系統(tǒng)或體系，農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)在其中都有不同程度的涉及。下面對(duì)其進(jìn)行具體的介紹。

3.1 中國(guó)農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)應(yīng)用

中國(guó)農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)建立于1997年，是屬于農(nóng)業(yè)農(nóng)村部農(nóng)情遙感監(jiān)測(cè)系統(tǒng)的部分監(jiān)測(cè)內(nèi)容［75］。該系統(tǒng)的技術(shù)方案是基于EOS/MODIS數(shù)據(jù)，計(jì)算表觀熱慣量（ATI）和植被供水指數(shù)（VSWI），以中國(guó)農(nóng)業(yè)種植區(qū)劃作為分區(qū)依據(jù)，采用全國(guó)200個(gè)地面監(jiān)測(cè)縣土壤水分觀測(cè)數(shù)據(jù)分區(qū)標(biāo)定，建立了以旬為周期的中國(guó)區(qū)域耕地土壤墑情遙感監(jiān)測(cè)業(yè)務(wù)，多年平均監(jiān)測(cè)精度在80%以上。該系統(tǒng)也開展了美國(guó)、南美等國(guó)家的耕地土壤墑情遙感監(jiān)測(cè)業(yè)務(wù)，與中國(guó)國(guó)內(nèi)一樣，也實(shí)現(xiàn)了以旬為周期的耕地土壤水分遙感監(jiān)測(cè)。上述結(jié)果選擇關(guān)鍵監(jiān)測(cè)時(shí)段結(jié)果，發(fā)布在中國(guó)農(nóng)業(yè)農(nóng)村部網(wǎng)站上（http：//www.jhs.moa.gov.cn/kcxfz/）。圖2a、圖2b是該系統(tǒng)生產(chǎn)的中國(guó)、美國(guó)耕地土壤墑情遙感監(jiān)測(cè)結(jié)果，圖2a是2018年9月6—17日中國(guó)耕地土壤墑情空間分布結(jié)果，圖2b是2018年8月29日至9月13日的美國(guó)耕地土壤墑情空間分布結(jié)果。該系統(tǒng)自運(yùn)行以來(lái)，長(zhǎng)期連續(xù)地為國(guó)內(nèi)外大尺度區(qū)域的農(nóng)業(yè)干旱監(jiān)測(cè)提供了可靠的遙感監(jiān)測(cè)成果，并為發(fā)生嚴(yán)重災(zāi)情的地區(qū)提供高精度的區(qū)域性旱情監(jiān)測(cè)成果，為中國(guó)農(nóng)業(yè)災(zāi)害的監(jiān)測(cè)、預(yù)警和防控提供了詳實(shí)的數(shù)據(jù)源，為農(nóng)業(yè)管理部門災(zāi)害管理提供了科學(xué)的依據(jù)。

圖2 中國(guó)農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)監(jiān)測(cè)成果Fig.2 Monitoring results of remote sensing monitoring of agricultural drought in China’s Ministry of agriculture and rural areas

此外，中國(guó)科學(xué)院等部門也開發(fā)了全國(guó)干旱遙感監(jiān)測(cè)運(yùn)行系統(tǒng)，以NOAA衛(wèi)星資料結(jié)合全國(guó)102個(gè)固定農(nóng)業(yè)觀測(cè)站土壤20 cm深濕度資料［76］，建立VCI指數(shù)與土壤濕度的統(tǒng)計(jì)模型，實(shí)現(xiàn)全國(guó)的旬旱情監(jiān)測(cè)［77］。中國(guó)國(guó)家氣象局也構(gòu)建了旱澇監(jiān)測(cè)系統(tǒng)，利用降水量、氣溫等常規(guī)觀測(cè)要素，基于氣候指標(biāo)，實(shí)現(xiàn)全國(guó)干旱范圍和程度的實(shí)時(shí)監(jiān)測(cè)和影響評(píng)估［78］。水利部及部分省份如北京市、山東省、黑龍江省等，也開展了旱情遙感監(jiān)測(cè)業(yè)務(wù)系統(tǒng)的相關(guān)研制工作［79-82］。

3.2 世界其他國(guó)際組織或國(guó)家的農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)應(yīng)用

聯(lián)合國(guó)糧農(nóng)組織（UNFAO）于1975年開發(fā)了“全球信息與預(yù)警系統(tǒng)（Global Information and Early Warning System，GIEWS）”，該系統(tǒng)當(dāng)前采用METOP-AVHRR數(shù)據(jù)計(jì)算全球VHI指數(shù)，并以旬為周期對(duì)外發(fā)布全球旱情監(jiān)測(cè)成果（http：//www.fao.org/giews/earthobservation/asis）。

美國(guó)農(nóng)業(yè)部外國(guó)農(nóng)業(yè)局（USDA Foreign Agricultural Service，F(xiàn)AS）和國(guó)家農(nóng)業(yè)統(tǒng)計(jì)局（National Agricultural Statistics Service，NASS）分別負(fù)責(zé)全球及美國(guó)本土的農(nóng)情遙感監(jiān)測(cè)業(yè)務(wù)，F(xiàn)AS基于Web的Crop Explore決策支持系統(tǒng)，該系統(tǒng)提供基于土壤水分主被動(dòng)探測(cè)衛(wèi)星（Soil Moisture Active and Passive，SMAP）和土壤水分和海洋鹽度衛(wèi)星（Soil Moisture and Ocean Salinity，SMOS）數(shù)據(jù)的全球重點(diǎn)農(nóng)區(qū)微波遙感干旱產(chǎn)品，以及基于氣象降水?dāng)?shù)據(jù)的干旱插值產(chǎn)品，提供的頻率能夠涵蓋月、季尺度（https：//ipad.fas.usda.gov/cropexplorer/）。此外，設(shè)在美國(guó)內(nèi)布加斯加—林肯大學(xué)的北美干旱監(jiān)測(cè)中心（North American Drought Monitor，NADM），是美國(guó)、加拿大、墨西哥聯(lián)合建立的北美干旱監(jiān)測(cè)機(jī)構(gòu)，該機(jī)構(gòu)對(duì)外發(fā)布農(nóng)業(yè)干旱和水文干旱方面的信息，范圍包括3個(gè)國(guó)家的國(guó)家、區(qū)域、地方等不同尺度，采用的干旱指標(biāo)主要有標(biāo)準(zhǔn)降水指數(shù)和長(zhǎng)期降水距平百分比，并可以對(duì)外提供不同時(shí)間的北美地區(qū)旱情監(jiān)測(cè)圖，包括SPI降水距平指數(shù)、Palmer干旱指數(shù)產(chǎn)品等（https：//www.ncdc.noaa.gov/temp-and-precip/drought/nadm/）。美國(guó)干旱監(jiān)測(cè)中心（US Drought Monitor）是NADM的重要基礎(chǔ)，成立于1999年，其提供了美國(guó)全境的干旱監(jiān)測(cè)成果并向外提供（https：//droughtmonitor.unl.edu/）。

圖3 2018年11月份美國(guó)干旱監(jiān)測(cè)結(jié)果及Palmer干旱指數(shù)（https：//droughtmonitor.unl.edu/）Fig.3 Drought monitoring and Palmer drought index in the United States in November 2018

由美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）建立的國(guó)家綜合干旱信息系統(tǒng)（National Integrated Drought Information System，NIDIS），提供了美國(guó)、北美以及全球的近實(shí)時(shí)干旱監(jiān)測(cè)指數(shù)和信息；美國(guó)的加利福尼亞大學(xué)則開發(fā)了全球綜合干旱監(jiān)測(cè)和預(yù)測(cè)系統(tǒng)（Global Integrated Drought Monitoring and Prediction System，GIDMaPS），提供全球的干旱監(jiān)測(cè)指數(shù)，包括標(biāo)準(zhǔn)降水量指數(shù)（Standardized Precipitation Index，SPI）、標(biāo)準(zhǔn)土壤濕度指數(shù)（Standardized Soil Moisture Index，SSI）、多源標(biāo)準(zhǔn)干旱指數(shù)（Multivariate Standardized Drought Index，MSDI）等（http：//drought.eng.uci.edu/）。

歐盟于1988年啟動(dòng)了農(nóng)業(yè)遙感監(jiān)測(cè)項(xiàng)目（Monitoring Agriculture with Remote Sensing，MARS），此后該項(xiàng)目名稱及組織形式雖然有較大變化，但一直由歐盟聯(lián)合研究中心（Joint Research Center，JRC）執(zhí)行，MARS-Food和MARS-State計(jì)劃分別針對(duì)全球及歐盟本土的遙感監(jiān)測(cè)，干旱作為農(nóng)業(yè)、環(huán)境、森林、全球食物安全等監(jiān)測(cè)內(nèi)容的重要組成部分，在其發(fā)布的公報(bào)及可獲取的數(shù)據(jù)中有所體現(xiàn)，主要是以溫度和植被指數(shù)的方式開展干旱評(píng)估，同時(shí)氣象干旱結(jié)果也是該系統(tǒng)的主要內(nèi)容之一（https：//ec.europa.eu/jrc/en/mars）。

加拿大、俄羅斯和印度等國(guó)家在各自的農(nóng)情業(yè)務(wù)中，干旱監(jiān)測(cè)都是其重要組成部分。在加拿大，實(shí)時(shí)的牧場(chǎng)條件、農(nóng)場(chǎng)地表水供應(yīng)和多個(gè)干旱指數(shù)由加拿大農(nóng)業(yè)和農(nóng)業(yè)食品干旱觀察網(wǎng)站（Agriculture and Agri-Food Canada’s Drought Watch）提供，其監(jiān)測(cè)加拿大的主要農(nóng)業(yè)地區(qū)干旱風(fēng)險(xiǎn)和狀態(tài)，并致力于推廣降低干旱脆弱性的方法（http：//www.agr.gc.ca/eng/programs-and-services/drought-watch/）。 南 亞 干 旱 監(jiān) 測(cè) 系 統(tǒng)（South Asia Drought Monitoring System，SADMS）創(chuàng)立于2014年（http：//dms.iwmi.org/），由國(guó)際水管理研究所（International Water Management Institute ，IWMI）建設(shè)，按周發(fā)布南亞地區(qū)的旱情信息，包括一系列的干旱指數(shù)，如綜合干旱嚴(yán)重度指數(shù)（Integrated Drought Severity Index，IDSI）、標(biāo)準(zhǔn)化降水指數(shù)SPI和土壤濕度指數(shù)等（Soil Moisture Index，SMI）。

4 結(jié)論與討論

農(nóng)業(yè)干旱遙感監(jiān)測(cè)的原理明確，研究方法多層次，系統(tǒng)應(yīng)用普遍。干旱遙感監(jiān)測(cè)原理方面，光照、土壤、作物長(zhǎng)勢(shì)、冠層溫度等4個(gè)物理量相互約束、影響的關(guān)系，形成了干旱遙感監(jiān)測(cè)的基本原理。在這一原理指導(dǎo)下，假定作物自然生長(zhǎng)條件情況下特定物理量的穩(wěn)定性，就可以將復(fù)雜的變量聯(lián)系，簡(jiǎn)化為相對(duì)簡(jiǎn)單、直觀的，并且物理、生物意義明確的對(duì)應(yīng)關(guān)系，從而實(shí)現(xiàn)干旱的監(jiān)測(cè)。在區(qū)域參數(shù)進(jìn)一步假定或簡(jiǎn)化的基礎(chǔ)上，在觀測(cè)頻次較高的中低衛(wèi)星數(shù)據(jù)支持下就可以實(shí)現(xiàn)大尺度區(qū)域業(yè)務(wù)監(jiān)測(cè)，通過(guò)構(gòu)建業(yè)務(wù)系統(tǒng)實(shí)現(xiàn)干旱的遙感監(jiān)測(cè)。

就國(guó)家以及全球尺度遙感干旱監(jiān)測(cè)結(jié)果而言，當(dāng)前干旱遙感監(jiān)測(cè)結(jié)果尚屬于定性或者半定量性質(zhì)的監(jiān)測(cè)，提供較高精度的定量數(shù)據(jù)用于產(chǎn)量或者環(huán)境評(píng)估的目標(biāo)還遠(yuǎn)遠(yuǎn)沒有實(shí)現(xiàn)。主要原因是方法適用范圍的限制，在監(jiān)測(cè)區(qū)域發(fā)生變化時(shí)，由于土壤、植被、環(huán)境等條件的變化，對(duì)監(jiān)測(cè)方法的適用性出現(xiàn)影響，由此也就影響了監(jiān)測(cè)的精度。盡管可以通過(guò)時(shí)間序列距平等方法抵消一部分誤差，但由于作物空間分布變化，以及時(shí)間序列數(shù)據(jù)獲取的困難，該方案仍需做較多的工作。另外，由于作物空間分布圖動(dòng)態(tài)獲取的困難，現(xiàn)有的干旱監(jiān)測(cè)方法一般都不區(qū)分作物類型，也就是默認(rèn)所有作物需要的干旱參數(shù)都是一致，這顯然不合理，這也是影響農(nóng)業(yè)干旱監(jiān)測(cè)精度的另一個(gè)原因，也是算法改進(jìn)的主要方向。增強(qiáng)干旱監(jiān)測(cè)模型、指數(shù)的區(qū)域化適應(yīng)能力，對(duì)于提升農(nóng)業(yè)干旱監(jiān)測(cè)精度具有重要的意義。

在未來(lái)一個(gè)時(shí)期內(nèi)，中高空間分辨率遙感數(shù)據(jù)源（分辨率30 m）的快速增長(zhǎng)是遙感技術(shù)發(fā)展的主要趨勢(shì)，作物類型識(shí)別能力的提升以及土壤水分監(jiān)測(cè)精度的提升，對(duì)農(nóng)業(yè)干旱遙感監(jiān)測(cè)定量化能力具有顯著地提升效果。當(dāng)前10～30 m遙感數(shù)據(jù)源重訪周期已經(jīng)達(dá)到5～10 d，攜帶短波、中長(zhǎng)紅外譜段傳感器也陸續(xù)出現(xiàn)，類似的數(shù)據(jù)源在滿足高頻次干旱遙感監(jiān)測(cè)同時(shí)也會(huì)提升農(nóng)作物類型識(shí)別精度，滿足干旱與類型識(shí)別空間分辨率一致的要求，既能夠簡(jiǎn)化算法又能達(dá)到提升精度的要求。

由于干旱遙感監(jiān)測(cè)的不確定性較強(qiáng)，監(jiān)測(cè)指數(shù)較多，該文并未將所有的干旱監(jiān)測(cè)指數(shù)一并列出，僅選取具有代表性的干旱監(jiān)測(cè)方法。此外，加強(qiáng)農(nóng)業(yè)干旱遙感監(jiān)測(cè)的不確定性研究，為干旱監(jiān)測(cè)的業(yè)務(wù)化系統(tǒng)提供可靠的監(jiān)測(cè)成果精度信息，將對(duì)干旱監(jiān)測(cè)業(yè)務(wù)的推廣應(yīng)用產(chǎn)生重要的影響，也是當(dāng)前干旱遙感監(jiān)測(cè)業(yè)務(wù)化應(yīng)用的一個(gè)重要的研究方向。