農業干旱遙感監測研究進展與展望

陳媛媛，孫麗，杜英坤，韓巍，胡華浪

(農業農村部大數據發展中心，北京 100125)

0 引言

近些年，隨著氣候狀態不穩定，極端氣候事件頻發，干旱已成為世界范圍內影響最為廣泛的自然災害[1]，是全球氣候變化領域學者們的關注點。持續干旱導致的負面影響隨著時間的累積而越發嚴重，地表、地下水資源短缺，土地資源退化，生態環境遭到破壞，影響社會的可持續發展。干旱發生頻次高，地域范圍影響大，對農業的損害無疑是最直接最嚴重的[2-3]。我國是世界第一人口和農業大國，受大陸性季風氣候和復雜地貌影響，降水具有較大的區域差異性，自古以來農業旱災頻發。干旱對我國農業造成的損失在各類農業氣象災害中占據首位，比重達60%左右，且近年來有逐步加劇的趨勢[4-5]，是牽制我國農業高質量發展的重要脅迫因子。因此，開展農業干旱監測研究對于保障我國糧食安全和農業生產具有重要現實意義，為抗旱減災政策的制定提供科學依據。

農業干旱的本質是土壤含水量在一段時間內低于作物對水分的需求量，從而影響植被的正常生長。傳統的以點或隨機樣方的調查方式不便于在大范圍上開展。隨著空間信息技術的發展，衛星遙感以其時效性高、監測范圍廣以及客觀準確等優勢在農業干旱監測工作中發揮了無可替代的作用。目前農業干旱遙感監測主要圍繞兩方面開展：一是作物生長初期，地表裸露或低植被覆蓋，主要是通過監測土壤含水量或構建反映土壤濕度的指標來反映旱情[6]；二是作物生長中后期，地表部分或全部被植被覆蓋，要綜合考慮土壤水分和植被因子來監測旱情[7-8]。

近幾十年來，國內外學者做了大量研究，提出了多種不同類型、不同特點的農業干旱遙感監測方法或模型。然而，不同方法的適用性受特定環境條件的影響，不同模型的建立機理也不同。立足對農業干旱遙感監測方法有全面深入的認識及探究新的發展方向，本文重點對各種農業干旱遙感監測方法進行梳理和對比分析，指出每種方法的優缺點，為旱情監測工作中方法的選擇提供依據，也為農業干旱遙感監測未來的發展方向奠定基礎。

1 農業干旱遙感監測方法

根據各監測模型所利用的遙感波段范圍，可以將典型的農業干旱遙感監測方法分為光學方法、熱紅外方法、光學-熱紅外耦合方法、微波方法和多源數據融合方法等幾類。

1.1 光學方法

正常條件下，在一定的生長期內，植被供水充足，作物長勢良好，葉綠素會吸收藍、紅光，植被在藍、紅波段的反射率很低；受葉片內部細胞結構控制，植被在近紅外(near-infrared，NIR)波段反射率呈現高峰；由紅至近紅外波段反射率大幅升高的區間為紅邊[9]，這是植物光譜曲線獨有的特征。當植被受到干旱脅迫時，葉綠素含量、葉面積指數及覆蓋度等指標下降，可見光和NIR波段的光譜特征會發生顯著變化。土壤反射率曲線相對平滑，當受到水分脅迫時，土壤反射率升高。根據植被和土壤干旱脅迫情況下的反射率變化，近幾十年國內外學者構建了多種旱情監測指數。距平植被指數(anomaly vegetation index，AVI)通過計算某一時期的歸一化植被指數(normalized difference vegetation index，NDVI)值和多年同期NDVI值的偏離程度來間接反映旱情[10]。植被狀態指數(vegetation condition index，VCI)以一段時間內NDVI的最大、最小值之差為參考量，計算當前NDVI、最小NDVI之差與該參考量的比值[11]。AVI和VCI方法的實質是對比當前植被長勢和歷年(業務監測應用中可選用5年)平均長勢狀況，并認為若長勢良好，則發生干旱的幾率或干旱程度較低。

基于植被在紅波段的反射低谷和近紅外波段反射高峰，而裸土反射率從紅到近紅外變化很小這一原理，學者們在紅-近紅外波段的光譜特征空間基礎上，基于空間中任一點到過坐標原點且垂直于土壤線的直線的距離，發展了垂直干旱指數(perpendicular drought index，PDI)和修正垂直干旱指數(modified perpendicular drought index，MPDI)[12-13]。相比PDI，MPDI考慮了植被覆蓋度的影響，更適于有植被覆蓋的地表，同時也因為受植被覆蓋度因子的影響，穩定性比PDI要低，當植被覆蓋度較高，尤其是接近于1時，計算結果容易出現極端負值。為消除PDI和MPDI計算過程中土壤線這一關鍵因素的影響，劉英等[14]利用特征空間中任一點到坐標原點的距離，提出了土壤濕度監測指數(soil moisture monitoring index，SMMI)及加入植被覆蓋度因子的改進型土壤濕度監測指數(modified soil moisture monitoring index，MSMMI)。研究表明，SMMI與5 cm、10 cm深土壤濕度的負相關性優于PDI；在植被覆蓋區域，MSMMI較MPDI表現更佳[15]。

由于短波紅外(shortwave infrared，SWIR)波段的反射率主要由葉細胞內水分含量控制，而植被液態水對NIR波段的反射率影響很小，因此NIR和SWIR波段的反射率組合可以反映植被冠層含水量的多少。據此，研究者設計了多種用于間接表征植被含水量多少的遙感指數，包括歸一化差異水分指數(normalized difference water index，NDWI)[16]、短波紅外垂直失水指數(shortwave infrared perpendicular water stress index，SPSI)、短波紅外水分脅迫指數(shortwave infrared water stress index，SIWSI)[17]等。其中，SPSI的構建思想類似于PDI，是利用NIR-SWIR的光譜特征空間發展而來，Yue等[18]的研究表明，在光譜特征空間中用SWIR替換PDI中的紅波段，能有效提高旱情監測精度。而NDWI和SIWSI是利用NIR和SWIR波段，基于NDVI的構建原理發展而來。

1.2 熱紅外方法

植物受到水分脅迫時，葉片氣孔關閉以減少蒸騰作用導致水分流失，地表潛熱通量隨之降低，根據能量平衡原理，地表感熱通量增加，地表溫度進而升高。因此地表溫度升高可作為捕捉干旱發生的信息，這一變化甚至在植物未發生萎蔫時就可能出現[19]。基于冠層溫度的旱情監測方法最為典型的是Kogan在1995年提出的溫度條件指數(temperature condition index，TCI)[20]。TCI方法假設光照強度、土壤質地、作物類型等因素對土壤水分的影響較小，通過冠層溫度的變化間接指示旱情。實際監測中，TCI的值易受到傳感器、大氣狀況、植被類型等因素影響，監測準確性有時會降低。

1.3 光學-熱紅外耦合方法

耦合光學與熱紅外遙感信息可以同時獲取地表參數的反射和熱輻射特性，更有利于反映旱情狀況。

1)熱慣量法。土壤熱慣量表征了土壤與周圍環境能量交換的結果，是土壤水分狀況的指示因子，可以通過建立土壤熱慣量和含水量間的轉換模型來獲取農業旱情信息[21]。由于真實土壤熱慣量的計算需要豐富的地面數據支持，Price[22]提出用表觀熱慣量來代替真實熱慣量。表觀熱慣量模型計算相對簡單，需要地表反照率和地表溫度日較差參數，這些參數可以從遙感數據獲取。

熱慣量旱情監測方法的研究點主要體現在以下兩個方面，即土壤表觀熱慣量的計算和熱慣量、含水量轉換模型的建立[23-24]。當前表觀熱慣量與土壤含水量的轉換模型仍然是基于傳統的統計學方法和經驗關系建立[25]，而這些經驗模型并不是唯一的，模型中的系數通常會隨著土壤質地以及研究區的變化而變化，這一狀況會影響熱慣量法在區域土壤旱情監測中的應用。另外，由于表觀熱慣量受到蒸發影響較大，當蒸發明顯時，表觀熱慣量通常會失效。故表觀熱慣量法不適用于植被覆蓋度較大或土壤濕度變化較大的地區[26-27]。針對這一問題，宋承運等[28]采用植被覆蓋度作為權重因子，將表觀熱慣量模型和適合于中高等植被覆蓋狀況的植被供水指數進行線性組合，建立了土壤水分估算模型。但是該模型也僅是基于9個地面站點值進行了評估分析，模型的時空尺度擴展性還需進一步驗證。

2)蒸散法。依據土壤蒸發和植物蒸騰與土壤水分有很大關系這一原理，利用能量守恒，研究者提出了蒸散法來進行農業干旱監測。Jackson等[29]在1981年提出了作物缺水指數(corp water stress index，CWSI)，該指數通過計算植物實際蒸騰與最大潛在蒸騰量的差距表征旱情。CWSI值越大，表明作物實際蒸騰越小，水分供應越發不足，干旱越嚴重。CWSI結合作物冠層溫度和周圍小區域的氣象條件研究土壤水分狀況，較適于中等及高度植被覆蓋度的區域[30]。Moran等[31]考慮陸表溫度與氣溫之差，對CWSI指數進一步改進和發展，于1994年提出了水分虧缺指數(water deficit index，WDI)。CWSI、WDI方法的使用除了需要遙感數據外，還需要氣象、農學參數等輔助數據。

3)溫度-植被指數組合法。溫度和植被指數組合進行農業旱情監測的方法之一是特征空間法，即從遙感資料獲得的溫度(Ts)和植被指數(NDVI應用最多)等數據所構成的散點呈三角形或梯形分布[32]。Carlson和Buffum指出土壤濕度的變化可以用特征空間中的一系列等值線來描述，這些等值線是不同土壤濕度條件下Ts與NDVI散點擬合線的斜率，而土壤濕度則可以被表達成Ts和NDVI的函數[33]。在此基礎上，Sandholt等[34]構建了溫度植被干旱指數(temperature vegetation dryness index，TVDI)，王鵬新[35]構建了條件植被溫度指數(vegetation temperature condition index，VTCI)，TVDI和VTCI的原理相似，TVDI值表示到濕邊的距離，越大表明越干旱，VTCI值表示到干邊的距離，越小表明越干旱[36]。梁韶卿[37]對特征空間中的Ts進行了改進，表明基于高程和緯度校正的Ts能有效提高TVDI的監測精度；但基于晝夜溫差和晝夜均溫的特征空間并不能有效表征旱情信息。

方法之二是通過數學運算將Ts與NDVI進行組合。Carlson等[38]提出了植被供水指數(vegetation supply water index，VSWI)，使用Ts和NDVI的比值作為旱情監測的簡便有效方法。文獻[11]利用線性關系模型組合VCI和TCI，提出了植被健康指數(vegetation health index，VHI)，而VCI、TCI分別是NDVI和Ts的數學函數。實際應用中，VHI方法中VCI和TCI的權重具有不確定性，一般可以使用0.5。

不少學者比較評價了以特征空間為代表的TVDI和以數學運算為代表的VSWI在干旱監測和灌溉指導方面的應用[39-40]，結果表明兩種指數均可反映旱情狀況，但精度因不同時空尺度和不同研究區域而不同。

1.4 微波方法

基于光學、熱紅外波段建立的旱情監測模型只在晴天或微云天氣狀況下適用，微波遙感憑借穿云透霧的特性在多云雨情況下備受歡迎。微波遙感的C波段(4～8 GHz)、X波段(8～12 GHz)，以及近年來被使用的L 波段(1～2 GHz)，可以穿透稀疏和中等濃度植被，并能穿透表層土壤，被認為是獲取表層土壤水分的最佳波段[41-42]。主動微波遙感旱情監測的原理主要在于土壤和水的介電特性差異較大，水的介電常數大約為80，而干土僅為3，因此，土壤的介電常數與土壤含水量的多少明顯相關，而介電常數與微波獲取的后向散射系數直接相關，據此來實現農業旱情微波遙感監測[43-44]。植被是影響主動微波反演土壤水分精度的最主要因素，如何有效消除植被對后向散射的影響是主動微波干旱監測方法的熱點[45]。水云模型假定植被層是均勻介質，通過一個參數來簡化植被層與土壤層復雜的雷達散射效應，常用來估算農作物覆蓋情況下的土壤含水量。李新堯[46]研究表明，基于Sentinel-1數據，用水云模型和徑向基神經網絡算法進行農田土壤水分監測是可行的。

被動微波旱情監測方法主要是建立亮溫數據和土壤含水量之間的關系。目前存在3類主要的土壤水分被動微波反演算法，分別是基于數理統計的經驗算法、基于輻射傳輸模型的算法和神經網絡算法[47]。經驗算法是在統計描述和相關分析的基礎上直接建立土壤水分和星上亮溫間的關系，應用簡單，對特定地區適用性較好，但由于缺乏物理基礎，普適性較差。基于輻射傳輸模型的算法充分考慮微波由地表到達傳感器的物理過程，構造觀測亮溫與土壤含水量的非線性方程，通過迭代或最小二乘法等算法求解非線性方程中的目標參數，反演精度較高，但需要的模型參數較多[48-50]。神經網絡算法主要是基于神經網絡非常強大的模擬任意復雜非線性關系的特點，不需要復雜的物理模型，但受算法輸入端特定參數的限制[51]。

1.5 多源數據融合方法

由于農業干旱是一種受氣象、地形、土壤、作物等多因素耦合作用的復雜現象，單一利用光學、熱紅外或微波構建的旱情監測指數不能全面反映作物形態、生理、土壤水分等的綜合響應特征，具有一定局限性。因此，構建多源數據融合的干旱監測方法已經成為當前研究趨勢。溫度-植被-降水指數(temperature vegetation precipitation drought index，TVPDI)[52]、優化植被干旱指數(optimized vegetation drought index，OVDI)[53]、合成干旱指數(synthesized drought index，SDI)[54]、綜合干旱監測指數(integrated drought monitoring index，IDMI)[55]等模型綜合利用光學、熱紅外、微波以及氣象等多源數據，對降水條件指數、土壤水分條件指數、TCI、VCI等指數采用線性加權、聯合分布函數等方式進行組合，一般適用于特定地理氣候區域。如何科學地確定各分量指數的權重系數成為該類方法的關鍵。黃友昕[56]基于深度學習方法優選不同干濕氣候區域的適宜監測指數，并自動獲取優選指數的權重系數，以此建立復合農業干旱遙感監測指數。不同于其他文獻中一個研究區域用統一的權重系數，Jiao等[57]利用局部有序加權平均算法獲取分量指數在每個像元的權重系數，并構建了地理獨立綜合干旱指數。

這類方法要求多種具有長時間歷史積累的數據源，深度學習算法可以有效挖掘多年及多源信息中隱含的內在規律，成為這類旱情監測方法中新的研究熱點。張東映[58]對15年的植被覆蓋度、歸一化地表溫度以及地表反照率等參量構建深度神經網絡模型，用于估算國家尺度上的土壤含水量。李增[59]將40年的10個氣象參數用作輸入變量，建立了基于深度學習的長短期記憶網絡干旱預測模型，整體預測性能好于傳統的神經網絡模型。胡小楓等[60]利用Tensorflow深度學習框架構建了京津冀地區的綜合干旱評估模型。

以上對代表性的農業干旱遙感監測模型進行了系統梳理與總結。總地來看，農業干旱遙感監測研究與應用在過去40年里取得了較好發展。需要注意的是，上述各類方法并不是土壤水分或干旱程度的量化指標，而是通過表征土壤的相對干濕狀況來間接指示旱情。

2 方法適用性分析

農業干旱遙感監測方法一般具有地域性和時域性特征，到目前為止還沒有哪一種方法是完美的和具有普適性的[61]。本節對不同方法的適用性和局限性進行分析。

2.1 單獨應用NDVI或Ts的方法

假定NDVI或Ts數據的變化主要由干旱引起，計算相對簡單，僅需要多年的NDVI或Ts數據積累，多用于研究年際間的相對干旱程度。實際上，影響NDVI或Ts數據變化的因素很多，除干旱外，作物病蟲害、風災引起的倒伏、植被生理生長周期等都會對NDVI或Ts數據產生影響，因此，這類方法應用需避免有其他因素干擾的時段或區域。另一點需要注意的是，單獨利用NDVI或Ts監測干旱時，會出現植被對于暫時的水分脅迫不能敏感反映的時間滯后或不完全植被覆蓋條件下土壤背景影響的問題。

2.2 基于Ts-NDVI特征空間的方法

一般適用于研究區域的土壤表層滿足從比較干旱到比較濕潤、植被覆蓋度滿足從低到高的條件。且在確定Ts-NDVI特征空間的干濕邊時，只是通過像元值對應的Ts、NDVI散點分布擬合得到，有一定的不確定性，缺乏嚴格的物理意義[62]。關于此類方法的應用主要集中于Ts和NDVI的結合，雖有學者也探討了Ts與植被覆蓋度、歸一化水汽指數、葉面積指數等其他反映作物生長狀態參量的關系，但所得結論也只是適用于特定研究區域[63-64]，該領域并未有哪一指數是替代NDVI的最好選擇。

2.3 基于地表能量平衡的蒸散模型

該模型具有物理機理明確、監測精度較高等優點，但其需要輸入較多的地面同步觀測和氣象等輔助數據，在應用上受到參數獲取困難和尺度轉換問題的制約。且模型模擬出的蒸散是衛星過境時的瞬時情況，如果一天內溫度較高或風速較大時，蒸散信息會變化較快，模型精度會受到影響。

2.4 微波遙感監測方法

在云層覆蓋時，該方法有其獨特的優越性。但微波遙感數據對地表粗糙度、植被覆蓋、地形等參數的敏感性會影響對土壤水分的監測。另外，微波方法獲取的土壤濕度信息通常為幾公里至幾十公里級別，很難在較小區域尺度上發揮良好作用，更適合于全球尺度旱情的研究。

2.5 多源數據融合方法

該方法計算過程復雜，監測精度較高。但需注意，干旱發生時，往往不能夠及時獲取高質量長時間序列的多源遙感與非遙感數據，且大量數據的標準化等處理也需要一定時間，影響了方法的監測時效性和業務應用性。

總體來看，與土壤水分密切相關的方法，如PDI指數、表觀熱慣量法較適于作物生長前期未封壟時，植被覆蓋度較低情況下的農業旱情監測。表征作物生長形態及內部生理變化的幾種方法，如AVI、VCI、MPDI、TCI、VSWI、CWSI等指數較適于作物生長中后期的旱情監測。

3 問題與展望

農業干旱遙感監測在過去幾十年的發展中取得了巨大進步，遙感技術越來越顯示出獨特的優越性。然而，當前的遙感干旱監測研究中還存在一些未解的科學問題。立足我國農業干旱監測應用需求，該領域今后的發展需重點考慮以下3個方面。

3.1 理論方法研究與模型應用間的差距

一些學者對監測模型機理研究較為深入，而機理模型需要的氣象或地面等多個參數一般難以精確獲取，各參數的不確定性會影響模型的監測精度，一定程度上阻礙機理模型在實用化與業務化監測工作中的應用。如張小雨等[65]、崔靜[66]的研究都表明基于理論模式計算的CWSI較經驗模式在指示作物缺水狀況時表現欠佳。在中國農業干旱遙感監測實際工作中，當前應用廣泛的VHI、VSWI方法多是定性描述干旱狀況，而非干旱機理的定量表征。同時，當前中國農業生產面臨兩方面的實際情況，一是農業干旱的發生具有復雜性、頻發性與大尺度性，二是國際糧食供需趨緊，中國保障糧食安全的需求日益迫切，因此努力縮小理論方法研究與模型應用間的差距，以滿足全國農業旱情監測需要成為該領域的必然驅動方向。

3.2 非均一地表農業干旱監測

不同種類的作物對遙感監測方法有不同的響應程度，同種作物的不同生育期對水分脅迫的響應也不同，從而導致對遙感監測方法的敏感性不同。因此，前述幾類方法的實際應用需考慮地表覆蓋程度，如表觀熱慣量等方法適于裸露和低植被覆蓋的地表，CSWI、TCI等方法適于較高植被覆蓋的地表。如果監測范圍較大、地表覆蓋不均一，如何從遙感信息直接獲取反映非均一地表的旱情信息，快速、準確掌握農業旱情狀況，是未來農業干旱遙感監測領域的熱點和難點。

3.3 國產衛星體系建設

衛星遙感是農業遙感監測的主要信息源。目前，旱情監測領域對中國自主運行的衛星數據可應用率較低，對國外的MODIS、Sentinel、Landsat等系列衛星數據依賴性較高，且國產高分系列衛星數據普遍存在幾何位置偏差現象，難以與其他地理數據疊加分析。另外，旱災一般大范圍成片發生，往往是省級尺度，目前普遍使用的中等分辨率數據難以滿足大范圍監測時空連續性要求。因此，在國際糧食供需趨緊背景下，發展國產衛星體系對保障中國糧食安全意義重大。

4 結束語

衛星遙感技術的進步使得利用遙感數據進行大范圍農業干旱監測與評估研究不斷深入。及時梳理農業干旱遙感監測當前的研究進展，有助于厘清并推動未來的發展方向。本文立足表征農業干旱的遙感指數，以遙感數據源為主線，從光學、熱紅外、光學-熱紅外耦合、微波及融合多源數據的角度，系統總結了國內外農業干旱遙感監測的各類方法，介紹了方法的原理和發展過程；之后，從模型歸納的角度，重點分析單獨應用NDVI或Ts、基于Ts-NDVI特征空間、基于地表能量平衡的蒸散模型、微波以及融合多源數據等幾類方法的適用性；最后，思考農業干旱遙感監測領域的未來發展方向，認為在理論方法研究與模型應用間的差距、非均一地表農業干旱監測、國產衛星體系建設等方面尚存在不足，并進行了展望。