干旱遙感監測技術進展

郭鈮 王小平 王瑋 王麗娟 胡蝶 沙莎

（中國氣象局蘭州干旱氣象研究所/中國氣象局干旱氣候變化與減災重點實驗室/甘肅省干旱氣候變化與減災重點實驗室，蘭州 730020）

0 前言

干旱是全球各地普遍發生的、對人類社會影響最大、給社會造成的經濟損失十分嚴重的一種自然災害[1]。隨著全球氣候變化，干旱災害也呈進一步加強趨勢，發生頻率和范圍進一步增大，嚴重威脅著全球的糧食安全和社會穩定[2-3]。因此，科學有效的干旱監測與預警不僅是科學界致力解決的重大科學問題[4-5]，也是人類社會應對氣候變化亟待解決的技術難題。

國內外根據干旱過程發生的順序和影響將干旱分為氣象干旱、水文干旱、農業干旱和社會經濟干旱。基于地面氣象和水文觀測數據以及農業氣象墑情觀測建立的多種干旱指標是干旱監測的主要工具。近40年來迅速發展的全球對地觀測技術為從空中進行大范圍、動態、無縫隙監測干旱提供了有效的數據源。利用地面觀測、衛星遙感及數值模式同化技術，國內外建立了多個干旱監測與預警業務系統，基本實現了大范圍干旱的定量監測[6-9]。

本文圍繞不同的遙感干旱監測方法及多源遙感技術和大數據挖掘在干旱監測方面的進展進行評價，在此基礎上結合國家和行業需求提出研究對策及學科發展展望。

1 遙感干旱監測方法

遙感監測干旱主要是側重于農業干旱監測。農業干旱受到降水、土壤含水量、作物需水等因素的影響，土壤含水量變化是影響農作物長勢的主要因子[10]。遙感圖像表現為不同的光譜特征，干旱發生會引起作物體內生理生化參數的變化，光譜會相應變化，故以此來監測農業干旱。根據遙感數據源的差別可將遙感監測方法分為光學遙感監測法（包含了可見光-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，微波遙感監測法及多源數據綜合干旱監測方法等。

1.1 可見光、近紅外及段波紅外監測法

干旱會引起土壤含水量、作物生理的變化，可見光-近紅外遙感主要利用植被指數來監測植被生長狀態和土壤水分含量。從作物在不同干旱狀況下的光譜曲線中可以發現，干旱明顯導致作物在可見光波段（紅光波段最明顯）反射率上升以及近紅外波段反射率下降，干旱程度越重這種變化幅度越大[11]。基于植被的這種特性，構建了歸一化植被指數（Normalized Difference Vegetation Index，NDVI），該指數能夠反映植被對水分條件的響應，是最早應用于干旱監測的指數，也是構建其他基于植被指數的干旱指數的基礎，應用十分廣泛[9,12-13]。由于NDVI會受到大氣狀況、雙向反射輻射、土壤和葉冠背景的影響，且存在高生物量區發生飽和的問題，因此增強型植被指數（Enhanced Vegetation Index，EVI）[14]、土壤調節植被指數（Soil-Adjusted Vegetation Index，SAVI）[15]等指數被提出，后期大量研究將其用于干旱監測[9]。

由于植被與當地地理氣候和植被分布及生長規律密切相關，在空間上不具備可比性。因此，基于長時間序列植被指數，距平植被指數（Anomaly Vegetation Index，AVI）[16]、植被狀態指數（Vegetation Condition Index，VCI）[17]等被提出進行干旱監測研究，AVI和VCI較NDVI有更好的時空可比性，在大范圍的干旱監測中得到廣泛的應用[18-21]。這類指數的特點是計算簡單，但由于植被指數對缺水響應的滯后導致它們具有一定的時間滯后性。

1.2 熱紅外遙感監測法

植被在缺水時，除了植被指數會發生變化之外，葉片溫度會因為缺水而迅速升高，這種變化要比植被指數變化出現的早且敏感。基于植被的這種生理特性，陸地表面溫度（Land Surface Temperature，LST）被用于干旱監測中。基于LST構建的干旱指數主要包括熱慣量法、溫度狀態指數等。

土壤熱慣量是描述土壤熱惰性大小的物理量，是土壤阻止其自身溫度變化能力的大小表征，與土壤水分的關系密切。對于同一類土壤而言，含水量越高其熱慣量就越大。基于這一物理過程，多種熱慣量模型[22-26]被建立起來，但在實際中，表觀熱慣量（Apparent Thermal Inertia，ATI）應用的最為廣泛，但該指數僅適用于裸地和低植被覆蓋區的土壤，具有較大的局限性。

與VCI指數類似，通過引入LST的歷史信息，Kogan構建了溫度狀態指數（Temperature Condition Index，TCI）[27]，彌補了VCI滯后性較強的缺點。但受到諸如下墊面狀況、海拔高度、衛星過境時間差異以及地表熱平流等因素的影響，TCI監測干旱存在不確定性。

1.3 可見光近紅外-熱紅外遙感監測法

由于單獨使用植被指數或者地表溫度的諸多局限，研究者將植被指數和地表溫度結合起來應用于干旱監測研究。這類指數主要包括植被健康指數（Vegetation Health Index，VHI）、植被供水指數（Vegetation Supply Water Index，VSWI）、溫度植被干旱指數（Temperature Vegetation Dryness Index，TVDI）等。

VHI[27]是最早被提出的，它由植被狀態指數和溫度狀態指數加權得到，計算簡單，可用于大范圍區域干旱監測[28-30]，目前VHI仍是美國NOAA STAR（NOAA Center for Satellite Applications and Research）與美國國家干旱減災中心（National Drought Mitigation Center，NDMC）的重要干旱監測產品。

VSWI[31-32]基于NDVI和LST的比值構建而成，該指數在監測應用中更適合地形平坦、植被覆蓋度較高的地區與時段，且統計模型受時空尺度的限制，監測結果不具有時空可比性。

研究表明，以植被指數—地表溫度構成的特征空間與土壤水分狀況關系密切：LST與NDVI的斜率與作物水分指數、土壤水分呈負相關，且LST/NDVI隨干旱強度增強而增大[33-35]。LST與NDVI的斜率與土壤水分的負相關關系是特征空間中的重要統計特征，基于這種特征，Sandholt等[36]構建了TVDI指數和VTCI指數[37]，二者的關系為TVDI = 1- VTCI。由于物理意義明確，這類指數在干旱監測領域得到了廣泛的研究和應用[38-40]。但這類指數是在一種理想的特征空間中且LST與NDVI的斜率與土壤水分的負相關關系下提出的，在實際中很難獲取適合大小的研究區域以滿足理想特征空間的要求，因此在實際應用中這類方法也存在諸多不確定性。由于NDVI的局限性及海拔等因素等對LST的影響，對這類指數的改進主要包括：利用EVI、比值植被指數（Radio Vegetation Index，RVI）等其他植被指數替換NDVI構建特征空間以克服NDVI在高植被覆蓋區指示干旱較差的情況[41-42]；利用海拔高度對LST進行訂正后構建特征空間以消除對高海拔地區旱情估計偏低的假象[43]；利用多時次遙感數據構建特征空間以提高TVDI指數的時間可比性[44]。

基于植被受到干旱脅迫時植被在可見光和近紅外特征空間中的特性，一些新的干旱指數，如垂直干旱指數（Perpendicular Drought Index，PDI），修正垂直干旱指數（Modified Perpendicular Drought Index，MPDI）[45]得到了較多應用，PDI適于裸地或者低植被覆蓋區域的干旱監測。為了提高PDI在高植被覆蓋區域的監測精度，Ghulam等[46]引入植被覆蓋度，對PDI進行了改進，提出了MPDI。相關研究表明，在裸地或稀疏植被地表PDI和MPDI的干旱監測精度相當，而高植被覆蓋時，MPDI的監測結果遠好于PDI[47]。

1.4 綜合干旱指數

基于單一的遙感干旱指數往往難以達到干旱監測的精度要求，因此許多學者將各種干旱指數進行綜合，構建了新的干旱指數。Zhang等[48]應用PDI和VSWI構建的基于MODIS數據修正干旱指數（Modified MODIS-based Index，MMI），根據作物生育期建立了MMI與站點土壤濕度的回歸模型，結果表明建立的MMI與土壤濕度觀測的相關關系非常好，是一種非常適合研究區精確反演土壤濕度信息的遙感方法。Amani等[49]基于由LST、垂直植被指數（Perpendicular Vegetation Index，PVI）、土壤濕度構成的三維特征空間，構建了溫度植被土壤干旱指數（Temperature-Vegetation-soil Moisture Dryness Index，

TVMDI），TVMDI與土壤溫度、NDVI、SM均顯著相關，其中與SM的相關性相對較差，相較PDI、MPDI、MPDI1、TVDI等指數，TVMDI指數的反演精度更高。

1.5 遙感蒸散干旱監測

蒸散是蒸發和蒸騰的總和，作為水熱交換的重要參數，參與地表水分循環和能量平衡過程，是土壤-植被-大氣系統相互作用的關鍵因子。由于地表水分條件的限制，實際蒸散與蒸散潛力之間存在偏差，所以，往往可以利用這種偏差來表征區域的土壤水分狀況，遙感蒸散干旱監測亦是基于這種思想進行研究[50]。蒸散遙感反演的方法是以能量平衡和水平衡方程為出發點，主要有經驗模型、單層模型、雙層模型和多層模型。

經驗模型簡單、易實現，但具有一定的經驗性，在普適性方面受到限制。單層模型未區分植被和土壤，將地表假設為一片大葉，對土壤-植被間的相互作用進行高度簡化，致使模型輸入參數較少，計算簡單、快捷，從而在蒸散遙感反演中應用廣泛[51]。與經驗模型相比，單層模型具有更加明確的物理意義。雙層模型考慮土壤-植被的相互作用，將蒸散區分為植被冠層蒸散、土壤蒸發[52]。與單層模型，雙層模型分離了土壤和植被，分別考慮土壤和植被冠層，以及兩者之間的水熱交換過程，將土壤-植被-大氣之間的水熱交換機制描述得更為詳盡。基于雙層模型得到的地表、冠層脅迫指數能夠分別反映氣象、農業干旱狀況，是目前美國全境干旱監測產品生產的基礎[53]。與雙層模型相比，多層模型將植被冠層描述得更為詳盡，但由于模型輸入參數較多和不易獲取性，導致多層模型應用受到限制。

隨著我國第二代靜止軌道氣象衛星——FY-4系列靜止衛星的成功發射，雙層模型對衛星資料高時間頻次的需求得到滿足。FY-3號03批業務星將形成由晨昏星、上下午星和降水星組成的星座體系，并首次搭載主動微波傳感器（風場測量雷達（Wind RAD）和降水雷達（PR）），可提供高精度的降水和土壤水分產品數據，為雙層模型中土壤水分平衡參數化方案的優化提供依據。FY-3和FY-4的聯合觀測將為我國使用雙層模型生產高精度、實時蒸散干旱監測產品奠定基礎。

1.6 微波遙感干旱監測

相比光學遙感存在云的影響問題而言，微波遙感最大的優勢就是對云、雨、大氣有較強的穿透能力，具有全天時、全天候的監測特點。隨著越來越多星載微波傳感器的發射，微波遙感可在全球尺度上精確監測地球系統中諸多要素，具備研究干旱等氣候災害的能力。

1.6.1 微波遙感降水監測方法

目前，衛星遙感技術是測量全球尺度降水率分布的唯一可行方法[54-56]。熱帶降雨測量衛星（Tropical Rainfall Measuring Mission，TRMM）提供的長時間序列多衛星降水分析產品（Multi-satellite Precipitation Analysis，TMPA）為開展區域尺度干旱監測研究提供重要數據，其中，第7版本的TMPA產品精度在干旱區及高原地區有所提高[57]。非實時的3B42V7產品與地面站點觀測數據在月尺度上具有相當精度[58-60]。因此，該產品在干旱監測中應用廣泛。Naumann等[61]和Sahoo等[62]利用TRMM數據監測非洲、美國和歐洲等地區的干旱狀況，并用標準化降水指數（SPI）進行驗證，表明TRMM降水產品能夠在時間和空間上準確識別干旱，其監測具有更高的空間精度。馮海濤等[63]和陳誠等[64]利用TRMM降水產品構建Z指數分別對云南省和中國黃淮海地區的干旱時空演化特征進行監測，結果表明，Z指數在云南省監測的15年旱情及旱災實例時空特征與實情相符；利用Pa指數對Z指數干旱等級劃分進行修正后，該指數在黃淮海地區的干旱監測同SPI的相關系數達R2＞0.75，進一步證明了TRMM數據對干旱監測的有效性和可靠性。胡蝶等[65]基于TRMM月降水產品構建了降水距平百分率（Pa_TRMM）和降水狀態指數（PCITRMM）對我國西北地區的甘肅省干旱情況進行監測，結果表明這兩個干旱指標均能有效、直觀地反映干旱時空分布及變化特征。同時，TRMM遙感降水數據還可彌補我國西北地區實測站點空間分布不均及插值數據存在較大誤差的問題。

TRMM衛星已于2015年4月停止業務運行，全球降水觀測GPM（Global Precipitation Mission）是TRMM的后續衛星。GPM是由一個核心衛星和多顆微波小衛星組成的國際衛星觀測網提供覆蓋全球的降水觀測，能夠提供更高精度的3D云微物理結構，提供全球范圍基于微波的3 h以內和基于微波紅外的0.5 h的雨雪數據產品。具有更高精度、更大覆蓋范圍和更高時空分辨率的GPM降水產品對全球天氣預報將有劃時代的影響，可進一步提高對洪水、泥石流和干旱等預報預警技術。

1.6.2 微波遙感土壤水分監測方法

微波波段是電磁波譜中唯一能夠真實定量化估算地表土壤水分的電磁波譜頻段，微波遙感反演地表土壤水分的方法主要有兩種，一是基于微波輻射計的被動反演法，二是基于雷達或散射計的主動微波反演法。

被動微波反演土壤水分：被動微波是通過亮度溫度來估算土壤水分，亮度溫度主要由發射率和地表有效輻射溫度決定，而發射率與土壤復介電常數緊密相關，通過土壤復介電常數與土壤水分之間的物理關系即可根據亮度溫度反演土壤水分。

常用的被動微波輻射計有SSM/I（Special Senser Microwave/Imager）、Aqua衛星搭載的高級微波輻射計AMSR-E和FY-3衛星搭載的微波成像儀MWRI。AMSR-E傳感器積累了2002年6月—2011年10月全球25 km空間分辨率的土壤水分數據產品，由于天線旋轉故障，于2011年10月停止工作。GCOM-W1衛星搭載的第二代先進微波輻射成像儀AMSR2于2012年5月發射成功。AMSR2增設了頻率為7.3 GHz的兩個通道，降低了無線電射頻干擾的影響，可得到更精確的土壤濕度分布[66-67]。但低頻波段C，X和Ku波段對植被的穿透深度有限，僅適用于裸土和低矮植被地區。SMOS是首顆利用干涉測量方法測量地球表面發射L波段的被動微波輻射計，由歐空局在2009年11月發射。由于L波段對植被具有更好的穿透性和對土壤水分更敏感，可進行多角度觀測，是目前能夠提供可靠性和精度更高的傳感器[68-69]。

針對以上產品，不少學者在全球不同地區開展了精度檢驗和反演算法改進等研究[70-72]。李哲等[73]采用修正的單通道算法（SCA）模型，應用AMSR-E土壤表層亮溫數據，建立了高原地區土壤濕度反演模型反演青藏高原夏季土壤濕度，結果表明修正SCA模型反演的土壤濕度精度更高。陸崢等[74]利用實測土壤水分數據集，檢驗了AMSR2兩個算法土壤水分產品在黑河流域的精度，結果表明JAXA和LPRM土壤水分產品的均方根誤差均超過0.1 m3/m3。莊媛等[75]以自動土壤水分觀測站土壤濕度作為驗證數據，對2012年中國區域ASCAT、WINDSAT、FY-3B、SMOS共4種微波遙感土壤濕度產品按省份進行了評估研究。結果表明：ASCAT質量最優，在中國大部地區與觀測數據相關系數較高；WINDSAT其次，質量優于FY-3B；而SMOS在中國大部分地區質量差，受無線電頻率干擾嚴重。

被動微波具有高時間分辨率，對土壤水分更為敏感性和數據處理簡單等優勢。但目前受限于空間分辨率和觀測波段，很大程度上影響到數據的驗證和有效利用。

主動微波反演土壤水分：主動微波通過地表后向散射系數來反演土壤水分。地表后向散射系數主要受地表復介電常數、地表粗糙度和植被性質的影響，而復介電常數主要由土壤水分決定，因此可以用于土壤水分的反演。

主動微波傳感器主要包括合成孔徑雷達（Synthetic Aperture Radar，SAR）和散射計2種。應用于土壤水分反演研究的SAR主要有ERS-1/2、Radarsat、JERS-1、ENVISAT和Sentinel-1A。Pathe等[76]應用ENVISAT ASAR數據反演美國俄克拉何馬州地區的土壤水分發現該數據具有捕獲空間細節時間變化的能力。Holah等[77]和Zribi等[78]利用ASAR數據分別對裸露農田土壤地表參數和非洲北部半干旱區土壤水分進行反演并檢驗，均取得較好結果。田輝等[79]利用ASAR影像估算了瑪曲地區夏季土壤水分空間分布。胡蝶等[80-81]利用Radarsat-2 SAR數據反演半干旱地區裸露地表土壤水分，應用交叉極化組合模型較好反演了10～20 cm土壤含水量信息；進一步結合MODIS數據應用水云模型校正植被的影響反演黃土高原地區植被覆蓋下土壤水分，取得較好結果。何連等[82]結合基于變化檢測的Alpha近似模型，利用Sentinel-1衛星獲取的多時相C波段SAR數據，實現了農田地表土壤水分的反演。

主動微波數據具有米級高精度分辨率，在精細化土壤水分監測中提供有效監測手段。但存在重訪周期長，費用高、數據處理復雜，反演模型的適用性有限等不足。目前主要用于科學研究，還未能廣泛應用于全球地表土壤水分監測業務。

1.6.3 重力衛星監測干旱

地球重力場是一個反映地球表層和內部物質分布、變化及其運動狀態的基本物理場，地球重力場指示的地球物理環境及其變化信息，為人類認識和解決自然資源、環境及災害等問題提供基礎數據。

美國宇航局（NASA）和德國航天局（DLR）共同研制了重力反演與氣候實驗衛星GRACE（Gravity Recovery and Climate Experiment），并于2002年3月成功發射。 GRACE不僅為研究地球深層結構和跟蹤地球表面質量變化提供了新技術，而且為反演陸地水儲量及其變化提供了新手段。

多國學者應用GRACE反演的水儲量信息進行不同區域的干旱特征的監測研究。Yirdaw等[83]利用GRACE反演的水儲量數據提出了總水儲量虧損系數（TSDI），用來監測加拿大草原的干旱情況。Seoane等[84]應用GRACE水儲量數據、結合地面站點和水文模擬數據，分析了21世紀初澳大利亞東南部的干旱狀況。Chen等[85]應用GRACE反演的水儲量結合氣候模式，研究了2005年干旱期間亞馬孫流域水儲量的變化。李瓊等[86]研究表明2009年秋至2010年春中國西南云南、貴州、四川三省干旱事件發生期間的GRACE反演的西南地區水儲量明顯減少。曹艷萍等[87]利用GRACE水儲量變化數據確定了區域旱澇指標-相對水儲量指數，應用該指數對新疆2002—2013年的干旱情況進行分析，結果與實際干旱災害狀況一致。

需要注意的是GRACE衛星空間分辨率為166 km，僅適用于大范圍干旱的監測。GRACE繼任衛星（GRACE Follow On）于2018年5月發射。GRACE Follow On重力衛星除搭載微波測距系統外，還搭載了觀測精度達到納米量級的激光測距系統，比微波測距的精度提升三個數量級。這有望進一步提高重力衛星的觀測精度和空間分辨率，提升重力衛星對干旱的監測能力。

1.7 高光譜遙感農業干旱監測

1.7.1 高光譜遙感技術在農業干旱監測中的應用

近幾十年來，高光譜遙感技術因其高光譜分辨率得到了快速發展，并成為一門新興遙感技術[88-89]。高光譜不僅融合了光譜與成像技術，而且能同時獲取地物的光譜和空間信息，近年來高光譜遙感技術在精準農業中得到了廣泛的應用。

高光譜的光譜分辨率可達到納米級，其獨到的優勢已經在定量遙感中發揮了重大作用，其應用領域也達到了前所未有的廣度。在干旱脅迫的監測應用方面，也具備傳統多光譜遙感沒有的優勢，能夠捕捉到細微的干旱響應信號，在干旱監測中能更早地監測到植被的早期干旱[90-92]。

植被光譜對水分和干旱脅迫信號的響應特征，是高光譜遙感進行植被含水量和干旱反演的基礎[93]。前期研究利用光譜的水分吸收特征進行植被含水量反演的結果證明，葉片含水量的光譜反演對干旱監測具有重要指示意義[94]。

對水分敏感的波段，前期有很多研究，主要集中在近紅外和短波紅外波段，比如970、1200、1450和1950 nm附近[95-96]。利用這些特征，構建的水分指數有WI[97]，SWIR[98]，NDWI[99]等。此外，因干旱脅迫導致植被生理生態改變，在光譜的響應方面也有很多新的嘗試，如利用光能利用率PRI指數對水分脅迫的監測[100-101]，利用水分吸收峰的深度和面積及光譜反射率差值或利用近紅外與短波紅外的組合進行水分含量的反演[102-104]。

利用輻射傳輸模型分析光譜敏感性是非常重要的方法，應用較廣的是PROSPECT和SAIL模型[105]，PROSAIL冠層葉片耦合模型可以實現冠層光譜的前向模擬和生理參數的后向反演。結合PROSAIL模型可以分析不同生理參數對光譜的敏感波段，有利于開展不同干旱脅迫條件下作物生理參數的響應特征[106-109]及敏感光譜波段和監測指數的機理性分析[110-111]。

高光譜遙感技術在農業干旱監測中的應用，主要是通過直接或間接反演因干旱導致的生理生態參數進行。基于冠層輻射傳輸模型或光譜植被指數定期獲取并反演干旱發生過程中的作物生長狀況，間接反演干旱是目前常用的方法[112]。

1.7.2 國內高光譜干旱監測存在的問題

高光譜遙感技術經過近30年的發展，不論是高光譜成像系統，還是基于“星-空-地”的多源遙感都取得了顯著的進展，但是從應用角度看，我國在利用高光譜遙感監測與診斷作物水分脅迫方面，尚存在如下問題。

1）常規的航空、航天高光譜遙感數據，由于受成本高、空間分辨率低、數據獲取權限、研究區天氣狀況等眾多因素的影響，在我國的應用僅局限于部分研究機構，在農作物水分狀況監測領域的相關研究還十分有限。

2）缺乏開展近地表、航空和航天高光譜遙感的綜合研究，難以進行作物水分脅迫狀況的空間制圖與動態監測。利用多源高光譜遙感數據，構建“星-空-地”一體化農業遙感信息獲取技術體系，對準確及時獲取農作物水分脅迫信息，指導農田節水灌溉和精準農業的發展具有實際應用價值。

因此，在地面觀測研究中，應充分考慮地面傳統作物水分監測方法與衛星遙感反演中的空間尺度不匹配的問題，建立能夠貫穿作物生長全程的水分信息獲取、校正、融合方法和決策模型，重點關注“星-空-地”多源高光譜數據間的尺度關聯性[113-115]，改進衛星遙感數據反演作物冠層水分脅迫模型的精度，實現較大面積農田作物水分脅迫狀況的精準制圖與動態監測，對充分發揮高光譜遙感技術在精準農業研究中的作用具有實際應用價值。

1.8 基于低空無人機遙感平臺干旱監測

1.8.1 基于低空無人機遙感平臺的作物生長及水分脅迫狀況精準制圖

與普通的航空高光譜遙感探測平臺相比，基于輕小型無人機的高光譜成像系統對起飛環境要求簡單，成本低，因此無人機載高光譜成像技術受到國內外學者的極大關注，并在農業遙感應用方面有了快速發展。其中利用機載成像高光譜遙感監測與診斷農作物水分脅迫就是主要研究方向之一[116]。

國外在基于UAV技術的植被水分脅迫高光譜遙感研究方面，主要取得如下一些初步研究成果。

1）在植被葉片及冠層水平上，發現一些對植被水分含量高度敏感的基于光譜位置的特征參數、基于光譜面積的特征參數和基于波段組合的高光譜遙感監測指標。例如，提出對植被葉片水分含量、植被表面冠層結構非常敏感的窄帶綠度指數（如改進紅邊歸一化植被指數等），發現可度量植被在光合作用中對入射光利用效率的光利用率指數（如光化學植被指數、結構不敏感色素指數、紅綠比值指數），構建可估算植被水分虧缺的指數（如作物水分脅迫指數等指標）。

2）基于多元統計分析方法和輻射傳輸理論，構建部分作物水分含量的高光譜遙感反演模型，在部分地區開展作物水分脅迫程度的時空動態模擬與制圖研究。通過模型耦合或模型與植被指數結合方法，建立的光譜模型（如Suits、SAIL和PROSPECT等），恰當模擬葉片結構、植被冠層和生化組分等[117]。由于水分含量在很大程度上決定著作物的產量和品質，因此，在作物水分含量的高光譜研究方面，國外研究較為深入，相關研究報道較多[118-119]。

我國在基于植被冠層及葉片水分敏感光譜波段的提取和組合，對比光譜指數與植被水分含量之間的關系，修正現有水分估算模型的參數等方面也取得了一些初步的研究成果[120-124]。與國外相關研究比較，我國在該領域的研究水平整體處于跟跑或者并跑狀態，并未取得可用于指導生產實踐的成熟研究成果。

1.8.2 無人機技術與成像光譜的農業干旱監測發展趨勢

1）利用近年來廣泛應用的無人機（UAV）技術和航空高光譜成像設備，充分發揮圖譜合一的優勢，更加靈活機動地獲取作物冠層的高光譜遙感數據，為探索多時空尺度作物水分含量的研究，以及為改進衛星遙感反演作物水分含量模型的精度提供了更加豐富的數據源與技術支撐，是航空高光譜遙感未來發展的趨勢之一。

2）采用星載、機載和近地面高光譜數據相結合的方式，綜合研究作物冠層水分含量的光譜特征，探索作物冠層水分虧缺的高光譜遙感敏感指數、診斷方法及其監測模型，實現較大時空范圍作物水分脅迫狀況的精準制圖與動態監測，對指導未來精準農業的發展具有實際應用價值。

1.9 葉綠素熒光遙感干旱監測

葉綠素熒光與植被的光合作用密切相關，主要位于650～800 nm的紅光和遠紅光區域[125-126]。大量研究已表明，植被光合作用過程中的熒光特性對植被的環境脅迫響應非常敏感[127-128]。

受到干旱脅迫后，植被的葉綠素含量一般會降低[129-132]，反射光譜和熒光測量都可以捕捉到這些信號，特別是熒光信號一般比葉綠素的下降更早體現出來，因此更容易監測早期干旱脅迫的發生[133]，這是葉綠素熒光遙感監測干旱的基礎。

在水分脅迫監測中，還經常用到激光誘導熒光技術。利用激光熒光雷達和調制熒光探測不同作物如玉米、甘蔗、高粱的葉綠素熒光產量結果表明，熒光探測水分脅迫與輻射強度和作物種類有關[134]。基于熒光成像技術探測葉片光合能力的結果表明，利用藍/紅光波段的峰值比可以反演植被的水分狀況，正常和受脅迫葉片的差異明顯[135]。利用激光激發誘導熒光光譜的結果表明，活力指數（Rfd）和脅迫適應指數（Ap）可以較好地指示植物脅迫信號[136]。

以上不同熒光遙感技術的應用，進一步擴大了遙感監測的范圍，特別是熒光成像技術，能夠更準確地指示植被的早期脅迫信息。隨著熒光探測器的出現，可以更好地和光譜、植被生理生化指標結合，應用于植被光合[137]、營養診斷[138-139]、環境脅迫和干旱監測[140-141]中。

存在問題：葉綠素熒光信號解釋光合作用機理性強，在植被生理監測中具有反應靈敏，測定速度快，無損監測的特點，得到了廣泛應用。但是其缺點也很明顯，比如在測量過程中需要經過暗適應，不易在冠層水平實施，在室外觀測中受外界環境的影響很大，目前主要在室內開展研究。激光誘導熒光適合進行宏觀測量，但要考慮激發能量和植被的接受程度，還不適合空間應用[142]。此外，日光誘導熒光技術雖然能夠揭示植被光合作用與環境的關系，且FLD法有可能實現空間遙感應用，但還處在探索階段，很多問題如大氣校正、環境條件與熒光的定量關系等，仍依賴于將來定量遙感技術與理論的發展與大量地面試驗數據驗證。相信隨著高光譜遙感技術和定量遙感模型的發展會進一步促進熒光遙感技術在植被干旱監測中發揮更多作用。

1.10 基于大數據和多源遙感技術的綜合干旱監測

由于農業干旱監測涉及到大氣-土壤-植被等多種過程，同時涉及的作物類型多樣，干旱致災的機理不同，作物的干旱敏感期差異較大，農業干旱監測不再是一個單一指標能完成的，而在大數據發展到一定程度的今天，干旱監測問題也成為一個大數據問題[143]，同時干旱監測也需要多源遙感數據共同完成[144-145]，才有可能完成精準和精細化的監測預警服務，基于大數據的綜合干旱監測方法與模型將成為未來農業干旱監測的主要發展趨勢。

2 中國遙感干旱監測的需求分析和存在的問題

2.1 國家需求

干旱是對全球經濟和社會影響最嚴重的一種氣象災害。我國每年因旱災造成的損失占各種自然災害總和的15%以上。在全球氣候變化和人類活動增加的背景下，干旱的發生頻率、強度和持續時間均有可能增加。由于引發干旱的大氣環流異常的原因十分復雜，在未來相當長時間內，人類還很難對干旱的發生進行準確預測。因此，加強干旱監測技術的研究，提高干旱監測和早期預警的水平，不僅是國際干旱科學領域的一項重要內容，也是我國政府抗旱防災中致力解決的首要問題。

國家迫切需要對不同區域和不同類型干旱出現時間、范圍、強度以及發生、發展和消退干旱過程進行準確監測和早期預警，提升我國干旱防災減災能力，減少干旱造成的經濟損失，為我國干旱防災減災、保障糧食安全以及生態安全、水安全乃至國家安全提供科技支撐。

2.2 行業需求

綜合運用氣象觀測信息和現代預測、預報、預警技術，實時、準確地發布監測干旱信息是氣象部門主要業務。目前各級氣象部門分別通過氣象干旱指數（CI）、降水距平百分率（Pa）、標準化降水指數（SPI）等指數進行氣象干旱監測，應用降水距平百分率、不同深度的土壤相對濕度開展農業氣象干旱監測，應用衛星遙感數據開展遙感干旱監測。這些指標分別從不同角度來描述干旱過程，相互之間既有聯系又存在差異，單一指數僅反映干旱過程某一狀況。如何從時間和空間上建立這些指數間的聯系，客觀定量地融合這些信息，建立綜合監測模型，對全面了解干旱過程是非常必要和迫切需求的。

因此，研究由氣象干旱-農業干旱-水文干旱間的干旱傳遞過程和相互間的聯系，綜合應用氣象、農業氣象、衛星遙感觀測信息以及大數據技術，改進和發展干旱監測模型，研發多源信息綜合監測技術，并能針對不同目標提供更客觀、定量和精細的干旱信息，提高干旱監測和早期預警水平，為國家抗旱決策提供有力的科技支撐，是氣象部門迫切需要解決的科學和技術問題。

2.3 科研中存在的問題

1）對氣象干旱-土壤干旱-農業干旱發展過程中，不同遙感參數（包括大氣降水、云、大氣溫濕度等大氣參數），植被參數（植被指數、蓋度、葉面積、fPAR），地表參數（地表反射率、地表溫度、蒸散發、土壤水分、土壤熱通量）的特征、作用及相互聯系認識不夠，沒有掌握干旱發生、發展和傳播的過程中各參數變化規律和對干旱作用的實質。

2）由于干旱時空特征差異很大，現有的遙感監測指標遠不能滿足我國不同區域和不同時段的干旱監測的需求，亟待建立不同時空尺度遙感監測指標體系。

3）如何建立從紫外-微波的多源遙感數據綜合監測干旱技術？如何解決時空尺度轉化問題？如何進行多源數據融合？這些問題還需要深入探討和研究。

3 對策建議和研究計劃

3.1 對策建議

雖然干旱是全球普遍發生的自然災害，但因其影響因子復雜，其發生發展規律和造成的危害具有鮮明的地域和時間特征，人類對干旱的認識尚在探索中。盡管科學界已經提出了100多個基于地面站點觀測的干旱指數和數十個基于衛星遙感的干旱指數，但仍然沒有哪個指數可以對全球不同地區的干旱發生時間、范圍和強度進行有效的監測。

干旱與當地氣候、農業、水文、土壤、人口和社會抗旱能力密切相關，因此，針對各地氣候特征，結合農業和植被特點、土地類型等特點，提出適合不同地區、不同時段的干旱監測標準和指標體系很有必要。

3.2 研究計劃

1）建立以FY系列衛星估算地表蒸散為基礎的干旱監測技術

以FY-3和FY-4產品為基礎，利用雙層模型分離土壤蒸發和植被蒸騰，分別計算地表脅迫指數和冠層脅迫指數，分別給出地表和冠層的水分監測結果，進而針對不同地域和目標開展監測。

2）綜合微波遙感干旱指數構建、應用與評估

以西北為研究區，在檢驗微波遙感產品適用性的基礎上，利用微波遙感降水、土壤水分和地表溫度等數據分別建立單一指標的微波干旱指數；分析這些指數在不同氣候區、不同地表類型和不同時段監測干旱能力的差異；基于不同單一指標干旱指數在監測干旱時貢獻率不同的分析，綜合考慮大氣-土壤-地表溫度的影響因素，采用專家咨詢權數法和因子分析權數法，將單一指標干旱指數按不同權重系數合理組合，進一步構建多種微波集成干旱指數。

將多種微波集成干旱指數應用于西北區域干旱時空變化特征的監測中，應用歷史干旱過程檢驗微波集成干旱指數在西北地區干旱監測中的適用性；同時結合氣象站點資料計算的干旱指數（如SPI、K和PDSI等）以及光學遙感數據計算的指數（如NDVI、VCI和TCI等）評估微波集成干旱指數監測干旱的特點和應用能力；根據不同氣候區和不同地表類型選擇最佳微波集成干旱指數，并分析西北地區近20年的干旱演變特征。

3）無人機航空-地面結合的高光譜遙感干旱致災過程機理觀測試驗研究

根據旱區作物生長發育規律，開展水分脅迫條件下的地面-航空高光譜同步觀測試驗，研究作物生理生態特征與高光譜遙感特征。

研究作物在水分脅迫條件下的航空高光譜遙感監測特征指標和參數，提出旱區作物水分脅迫的光譜診斷指標體系，建立適用于不同生育期的作物水分脅迫高光譜遙感監測模型。

以地面-航空同步觀測資料為基礎，逐步升尺度，在較大時空范圍驗證和改進星載高光譜遙感監測模型的精度；結合HJ-1A和TG-1等高光譜衛星遙感影像，對作物水分脅迫狀況進行空間制圖與動態監測（圖1）。

圖1 基于UAV技術的作物水分脅迫高光譜遙感監測技術路線圖Fig. 1 Flow chart of crop water stress hyperspectral remote sensing monitoring based on UAV technology

4）研制綜合干旱監測指數

在上述工作的基礎上，利用不同的干旱監測指數對歷史干旱過程進行監測，對比分析各指數的適用下墊面及監測特征，并基于不同植被覆蓋度，通過按不同權重進行指數組合構建出新的綜合遙感干旱監測指數，使其適用于非均勻的下墊面。