环境减灾-1B卫星遥感数据在干旱监测中的应用

黄河 王明志 杨思全 和海霞 刘哲

（1 民政部国家减灾中心，北京 100124）（2 北京大学地球与空间科学学院，北京 100871）

1 引言

我国是一个自然灾害频发的国家，对自然灾害的监测和评估是减灾和救灾的核心工作。传统基于人工实地测算的灾害评估方法存在执行成本高、数据的代表性和可靠性差等问题，无法为救灾工作提供准确的数据。随着航天技术的发展，航天遥感以其大范围、短周期的对地观测优势，为灾害救援提供了及时、准确的数据。为了形成自主的遥感灾害卫星监测体系，我国自行研发了“环境减灾监测星座”——环境减灾-1A、1B、1C（HJ-1A、1B、1C）卫星。2008年9月6日发射的HJ-1B 卫星上搭载的多光谱和热红外CCD 相机，4 天覆盖全球一次，星下点地面分辨率为30m，其高效运行为全面准确地评估灾情提供了可靠的遥感数据来源［1］。

2010年9月23日-2011年1月28日，山东大部分地区基本无有效降水，全省平均降水量仅12mm，比常年的平均降水量减少了85%，出现了严重的秋、冬、春三季连旱。此时正是冬小麦的生长季节，干旱势必会对山东省的冬小麦等农作物产量产生严重影响。因此，对2010年底山东省干旱情况进行监测与分析，具有重要的社会意义和经济价值。传统的干旱监测方法主要是基于单点的测量数据，很难全面地反映大尺度地域内的整体状况，给旱灾的评估和救援带来了困难。遥感卫星可以对受灾区域进行及时和大范围的观测，其上搭载的遥感器能够获取受灾地区的高分辨率的多波段和高光谱影像，这些影像数据包含了受旱地区的全面数据资料。通过对不同波段遥感影像的分析处理，可以直接反演出该地区的受旱状况，既能够为救灾提供全面、可靠的灾情数据，又节约了监测成本，从而大大提高救灾减灾的效率，减少国家的经济损失。因此，利用遥感数据反演地表植被的水分盈亏，已经成为干旱监测的重要技术方法。

2 HJ-1B卫星遥感数据干旱反演方法

1971年，Waston等人首次提出了用地表温度日夜差推算热惯量进而监测地表湿度的简单模式［2］，从此开启了使用遥感卫星对地表干旱研究应用的新领域。目前，用于干旱遥感监测的方法有热惯量方法［3］、微波遥感介电常数反演算法［4］和基于植被覆盖的反演方法［5］等。微波遥感介电常数反演方法在数据处理中遇到了很大的困难，而且其数学模型缺乏物理解释［6］，而热惯量方法要求同时获得某一地区的昼夜数据，且只适用于植被覆盖的区域，给干旱监测应用带来了不便［7］，因此本文采用基于植被覆盖的反演方法，即利用植被供水指数来监测山东省的干旱状况。

在作物受旱时，作物冠层通过关闭部分气孔来减少蒸腾量，避免因失水过多而枯死。植被的蒸腾作用减小后，航天遥感获取的数据显示：植被的冠层温度升高，归一化植被指数ⅠNDVI减小，即植被指数与地表温度具有很强的负相关性，这种关系在很多遥感器上得到了验证。植被供水指数法正是利用地表温度和归一化植被指数之间的这种负相关性，综合评价地表植被受旱程度的一种方法［8］。植被供水指数ⅠVSWI的定义为地表温度Ts与ⅠNDVI的比值，如式（1）所示。

利用HJ-1B 卫星上搭载的红外相机的热红外通道数据反演出地表的温度，利用其上搭载的多光谱相机获取的多光谱影像，方便地反演地表的归一化植被指数，从而计算出山东全省的植被供水指数，实现对山东省干旱状况的监测。

2．1 基于HJ-1B卫星遥感数据的地表温度反演方法

HJ-1B卫星上搭载了红外相机，其第4光谱通道覆盖10．50～12．50μm 的热发射波段，红外相机在此波段接收到的能量主要是地表的热辐射；因此，利用该波段的遥感数据，可以获取地表温度的定量信息。HJ-1B卫星只有一个热红外通道，因而只能采用单通道算法获取地表的温度信息。目前，常用的单通道温度反演算法有3 种：Jimenez-Munoz等提出的普适性单通道算法［9］、覃志豪等人针对“陆地卫星”（Landsat）的TM6热红外通道提出的地表温度单窗口反演算法［10］和Artis等人提出的修正算法［11］。这3种算法的基础都是辐射传输模型和黑体辐射定律，只是在处理过程中采用的近似方法不同。孙俊等人［12］利用环境减灾-1卫星热红外通道的遥感数据，使用这3种算法对太湖流域的地表温度进行了反演，并对它们的精度进行了比较和评价：普适性单通道算法反演的地表温度误差最小，地表温度单窗口反演算法反演的结果误差最大，但这3种算法的误差均保持在1～3K 范围内。普适性单通道算法需要获取遥感器的有效波长、大气水汽含量和地表的比辐射率等参数，而这些物理参数的获得只能依靠其他的测量手段，因此算法复杂，不易实现。除了上述参数，地表温度单窗口反演算法还需要大气平均作用温度和大气总透过率参数，算法比较复杂，而且误差较大。辐射亮温修正算法仅利用地表比辐射率对辐射亮温进行校正，就能得到较为精确的地表温度，因此，本文采用该算法对山东全省的地表温度进行反演。

Artis等人认为，辐射亮温仅仅代表黑体的温度，自然界不存在绝对黑体，为了获取地物的温度就要使用比辐射率对反演的辐射亮温进行校正，见式（2）。

式中：T为通过遥感器获取的辐射亮温；λ为遥感器在热红外通道的有效波长；ρ＝hc／k，其中h为普朗克常数，c为光速，k为波尔兹曼常数；ε为地表的比辐射率。

从式（2）可以看出，要反演地表温度，关键是获取每个像元的比辐射率。Griend等人［13］通过实际测量一系列自然地表在热红外波段的比辐射率发现，它们与归一化植被指数之间存在很好的线性关系，如式（3）所示。通常为了简化运算，根据地表的植被覆盖情况来确定地表的比辐射率：当ⅠNDVI＞0．2时，认为地表为植被覆盖，比辐射率取0．98；当0≤ⅠNDVI≤0．2时，认为地表非植被覆盖，比辐射率取0．96；当ⅠNDVI＜0时，认为地表为水体，比辐射率取0．99。

HJ-1B卫星上红外相机获取的热红外影像的像元亮度值ⅠDN与辐亮度L的关系，见式（4）。

式中：偏移量b取为-25．441；遥感器的增益g取为60．713（W·m-2·sr-1·μm-1）-1。

在得到每个像元的辐亮度之后，可以根据普朗克（Planck）黑体辐射定律近似求得每个像元对应的辐射亮温，具体见式（5）。按照段四波等人［14］对HJ-1B卫星搭载的红外相机波段响应函数的研究，遥感器的有效波长λ取为11．511μm。

2．2 HJ-1B卫星遥感影像归一化植被指数的反演方法

绿色植被在近红外波段（0．7～1．1μm）存在高反射，而在红光波段（0．6～0．7μm）存在高吸收，利用绿色植被在这2个波段的反射特性的差异进行植被覆盖度和长势监测，是常用的植被遥感监测方法。其中，最常用的植被监测因子为ⅠNDVI，其定义见式（6）。要获取该参数，关键是获取每个地表像元在近红外和红光通道上的地表反射率ρIFR和ρRED。

太阳辐射的能量在达到遥感器之前经过了复杂的大气和地表作用，要从遥感器获取的辐亮度反演地表反射率，必须经过大气校正环节。目前，大气校正主 要 包 括6S（Second Simulation of a Satellite Signal in the Solar Spectrum）和MODTRAN（Moderate Spectral Resolution Atmospheric Transmittance Algorithm and Computer Model），2 种 模型［15］，它们都是对辐射传输方程进行了不同程度的近似处理。本文采用ENVI 4．7 平台上自带的FLAASH 模块，对HJ-1B 卫星的红光波段和近红外波段进行大气纠正，相关的参数可以从遥感影像的头文件中获取，其中输入的辐亮度值通过对影像辐射定标系数反演获得。

3 遥感数据处理结果分析

本文获取了HJ-1B 卫星的红光波段和近红外波段的光学遥感影像，以及热红外波段的热红外遥感影像，时间跨度为2010年12月1日-2011年1月31日。经过初步的图像拼接和筛选，只有2010年12月9日获取的影像能够完全覆盖山东全境，而且受云层影响较小。该时段正处于山东全省干旱发展的顶峰阶段，选取此时段的卫星遥感数据反演全省的干旱情况具有较强的代表性。本文对这一天的影像进行了归一化植被指数、地表温度及植被供水指数的反演，得到山东全省的归一化植被指数分布如图1所示，地表温度分布如图2所示，植被供水指数分布如图3所示。为了对干旱分布有一个定性的了解，依据植被供水指数与干旱的经验关系，并结合山东省部分干旱监测资料，按植被供水指数的大小划分为5级：植被供水指数在0～300 的为湿润地表，在300～500的为正常地表，在500～800的为轻度干旱地表，在800～1 000的为中度干旱地表，在1 000～3 000的为极度干旱地表。植被供水指数在3 000以上时，像元所对应的地表多为水体的边缘或被云层覆盖，这些区域的植被指数接近于0，在计算植被供水指数的过程中出现了奇异值，因而需要在反演后的结果中剔除，在图3中用白色表示。

从图3可以看出，除了西南地区有地表水存在的地方和东部沿海地区外，山东省的绝大部分地区均处于干旱状态。中等干旱地区主要集中在西南部的菏泽、济宁等地区，该地区地处华北平原，为主要的粮食作物产区，干旱将对其粮食生产产生不利的影响。广大的中南部地区则处于极度干旱状态，这些地区为丘陵和山区地貌，干旱对农业生产的影响不大。而北部德州、滨州等地区也处于极度干旱状态，这些地区也是主要的粮食产区，极度干旱将对农业生产产生极其不利的影响。

图1 2010年12月9日山东全省归一化植被指数分布Fig．1 NDVI index in Shandong province（2010-12-09）

图2 2010年12月9日山东全省地表温度分布Fig．2 Ground surface temperature in Shandong province（2010-12-09）

图3 2010年12月9日山东全省植被供水指数分布Fig．3 VSWI index in Shandong province（2010-12-09）

为了验证植被供水指数对山东省干旱监测的准确性，将本文的反演结果与国家气候中心提供的2010年11月13日-2011年1月1日全国降水距平百分率图（见图4）进行了对比。从图3、4中可以看出，经由植被供水指数划分的山东省干旱情况与山东省的气候干旱情况基本吻合，从而验证了本文方法的正确性与可行性。

图4 2010年11月13日-2011年1月1日全国降水距平百分率图Fig．4 Precipitation anomaly percentage diagram in China from 2010-11-13to 2011-01-01

4 应用效果评价

山东省是我国夏粮的主产区，其夏粮生产对我国的粮食安全具有重要意义。因此，在山东省发生大规模旱灾时，需要及时调动各种资源缓解灾情，减少旱灾带来的损失，而进行灾害救援的前提是对灾情的准确了解。基于HJ-1B 卫星的多光谱和热红外数据的干旱反演方法，能够在很短的时间内获取受旱地区的受旱面积和受旱等级，为合理制定旱灾救援方案、合理调配救灾资源提供了重要的数据参考和支持。根据前文的干旱监测结果，可以确定山东的菏泽和济宁等地区是粮食生产的重灾区，加大对这些地区的抗旱投入，有利于降低本次旱灾对夏粮生产的不利影响，这一点也在救灾实践中得到了印证。

本文提供了HJ-1B 卫星遥感数据在干旱监测上的一个应用实例，监测结果验证了HJ-1B卫星在旱灾监测方面的能力。该干旱反演方法具有通用性，其数据处理方法可为HJ-1B卫星在旱灾监测方面的业务化运营提供技术支持。

5 结论

本文利用HJ-1B 卫星获取的可见光及热红外波段的数据，对2010年底山东省的干旱情况进行了监测。具体结论如下：①利用HJ-1B 卫星获取的多光谱数据，反演得到了山东全省的归一化植被指数；利用HJ-1B卫星获取的热红外数据结合比辐射率，反演得到了山东全省地表温度数据。②根据植被指数的定义，计算了山东全省的植被供水指数，并据此对山东全省的干旱情况进行了分级和分析。③将获得的结果与中国气象局国家气候中心发布的气象监测结果进行了对比分析，验证了结论的正确性。

需要指出的是，本文并未采用山东省某一地区的地表土壤水分实测数据与植被供水指数进行线性回归来获取山东全省的干旱情况。这是因为：土壤湿度在空间分布上的关联性并不强，使用某一地域的土壤湿度数据来代表大区域范围内的土壤湿度数据的方法可靠性不强；而采用大范围采样的方法，会退回到原始的干旱监测模式中，其时间和经济成本又成为主要的制约因素。也有学者试图采用经验线性回归的方法，将反演得到的一些干旱监测指数与作物的产量联系起来进行定量研究［16］，但这种数据处理方法的精度和可靠性受到很多因素的影响，其中一个关键因素就是采样点的代表性，因此该数据处理方法的普遍性仍有待验证。

HJ-1B卫星上同时搭载了可见光和热红外波段的遥感器，因此使用其获得的遥感数据可以方便地反演出同一时刻的地面植被覆盖信息和地表温度信息，进而方便地反演出地表干旱信息。而国际上很多遥感卫星上都未搭载热红外波段的遥感器，使用它们获取的遥感数据进行干旱监测，就需要利用其他手段获取地表温度信息，这两方面的数据在时间同步性上又很难保证，因此，HJ-1B卫星在干旱监测方面具有独特的优势。然而，由于自然界中存在着大量的同物异谱和异物同谱的现象，仅仅使用遥感数据反演地表参数都会存在错误的风险，这种风险并不能通过提高遥感器的种类和指标来消除，而通过适当地采用地面数据辅助的方法能很好地降低。因此，在设计遥感器时要特别注意，应将遥感器的设计与具体应用和数据处理方法结合起来，这样不但能够提高遥感器的利用价值，也能达到效益与投入的平衡。

致谢

本文干旱监测结果的比对部分，参照了国家气候中心发布的2010年11月13日-2011年1月1日全国降水距平百分率图，在此表示感谢。

（References）

［1］李传荣，贾媛媛，胡坚，等．HJ-1B光学卫星遥感应用前景分析［J］．国土资源遥感，2008（3）：1-4

Li Chuanrong，Jia Yuanyuan，Hu Jian，et al．An analysis of the prospects of HJ-1optical satellites in remote sensing application［J］．Remote Sensing for Land ＆Resources，2008（3）：1-4（in Chinese）

［2］Waston K，Rowen L C，Offield T W．Application of thermal modeling in the geologic interpretations of IR image［J］．Remote Sensing Environ，1971（3）：2017-2041

［3］余涛，田国良．热惯量法在监测土壤表层水分变化中的研究［J］．遥感学报，1997，1（1）：24-32

Yu Tao，Tian Guoliang．The application of thermal inertia method the monitoring of soil moisture of north china plain based on NOAA-AVHRR data［J］．Journal of Remote Sensing，1997，1（1）：24-32（in Chinese）

［4］高峰，王介民，孙成权，等．微波遥感土壤湿度研究进展［J］．遥感技术与应用，2001，16（2）：97-102

Gao Feng，Wang Jiemin，Sun Chengquan，et al．Advances in study on microwave remote sensing of soil moisture［J］．Remote Sensing Technology and Application，2007，16（2）：97-102（in Chinese）

［5］柳钦火，辛景峰，辛晓洲，等．基于地表温度和植被指数的农业干旱遥感监测方法［J］．科技导报，2007，25（6）：12-18

Liu Qinhuo，Xin Jingfeng，Xin Xiaozhou，et al．Monitoring agricultural drought by vegetation index and remotely sensed temperature［J］．Science＆Technology Review，2007，25（6）：12-18（in Chinese）

［6］张学艺，张晓煜，李剑萍，等．我国干旱遥感监测技术方法研究进展［J］．气象科技，2007，35（4）：574-578

Zhang Xueyi，Zhang Xiaoyu，Li Jianping，et al．Progress in drought monitoring by remote sensing in China［J］．Meteorological Science and Technology，2007，35（4）：574-578（in Chinese）

［7］刘兴文，冯勇进．应用热惯量编制土壤水分图及土壤水分探测效果［J］．土壤学报，1987，24（3）：272-280

Liu Xingwen，Feng Yongjin．Compilation of soil moisture map by means of soil thermal inertia image［J］．Acta Pedologica Sinica，1987，24（3）：272-280（in Chinese）

［8］王鹏新，Wan Zhengming，龚健雅，等．基于植被指数和土地表面温度的干旱监测模型［J］．地球科学进展，2003，18（18）：527-532

Wang Pengxin，Wan Zhengming，Gong Jianya，et al．Advances in drought monitoring by using remotely sensed normalized difference vegetation index and land surface temperature products［J］．Advance in Earth Sciences，2003，18（18）：527-532（in Chinese）

［9］Jimenez-Munoz J C，Sobrino J A．A generalized singlechannel method for retrieving land surface temperature from remote sensing data［J］．Journal of Geophysical Research，2003，108（22）

［10］覃志豪，Zhang Minghua，Karnieli A，et al．用陆地卫星TM6数据演算地表温度的单窗算法［J］．地理学报，2001，56（4）：456-465

Qin Zhihao，Zhang Minghua，Karnieli A，et al．Monowindow algorithm for retrieving land surface temperature from Landsat TM6data［J］．Acta Geographica Sinica，2001，56（4）：456-465（in Chinese）

［11］Artis D A，Carnahan W H．Survey of emissivity variability in thermography of urban areas［J］．Remote Sensing of Environment，1982，12（4）：313-329

［12］孙俊，张慧，王桥，等．利用环境一号卫星热红外通道反演太湖流域地表温度的3种方法比较［J］．生态与农村环境学报，2011，27（2）：100-104

Sun Jun，Zhang Hui，Wang Qiao，et al．Three methods for inverting land surface temperature of the Taihu Lake basin using HJ-1 satellite thermal infrared channel［J］．Journal of Ecology and Rural Environment，2011，27（2）：100-104（in Chinese）

［13］Griend A，Owe M．On the relationship between thermal emissivity and the normalized difference vegetation index for natural surface［J］．International Journal of Remote Sensing，1993，14（6）：1119-1131

［14］段四波，阎广建，钱永刚，等．利用HJ-1B 模拟数据反演地表温度的两种单通道算法［J］．自然科学进展，2008，19（9）：1001-1008

Duan Sibo，Yan Guangjian，Qian Yonggang，et al．Two single channel algorithms for retrieving land surface temperature using HJ-1Bremote sensing data［J］．Progress in Natural Science，2008，19（9）：1001-1008（in Chinese）

［15］李莘莘，陈良富，陶金花，等．基于HJ-1-CCD 数据的地表反射率反演与验证［J］．光谱学与光谱分析，2011，31（2）：516-520

Li Shenshen，Chen Liangfu，Tao Jinhua，et al．Retrieval and validation of the surface reflectance using HJ-1-CCD data［J］．Spectroscopy and Spectral Analysis，2011，31（2）：516-520（in Chinese）

［16］李强子，闫娜娜，张飞飞，等．2010 年春季西南地区干旱遥感监测及其影响评估［J］．地理学报，2010，65（7）：771-780

Li Qiangzi，Yan Nana，Zhang Feifei，et al．Drought monitoring and its impacts assessment in southwest China using remote sensing in the spring of 2010［J］．Acta Geographica Sinica，2010，65（7）：771-780（in Chinese）