遥感技术在农业干旱监测中的应用研究

邵秋芳　敬琴

摘 要：干旱是一种发生在世界范围内的复杂的自然现象。遥感技术（RS）的迅速发展为人类有效地监测干旱灾害提供了一种全新的技术途径。该文概述了利用遥感监测干旱的研究背景，探讨了干旱的遥感监测方法及今后的发展方向。

关键词：遥感；农业干旱；监测；应用

中图分类号 S423 文献标识码 A 文章编号 1007-7731（2017）14-0152-03

1 引言

干旱是全球各地区普遍存在的一种气候现象，具有形成缓慢、持续时间长的特点，是发生频率最高、危害程度比较严重的自然灾害之一。尤其是近几年来，全球气候变暖的趋势愈加明显，干旱发生的次数不断增加，波及的范围也在不断扩大。联合国政府气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）在其系列评估报告中指出，在未来，干旱风险有增加的趋势[1-2]。在所有旱灾中，农业受其影响最直接、最严重[3]。干旱灾害的发生危害严重，主要包括：农业减产、粮食短缺，嚴重时有可能导致饥荒；易发生火灾；加剧了土地荒漠化的进程，生态环境破坏等等，从而制约了农业和社会经济的可持续发展。因此，对干旱进行动态监测，减轻干旱灾害带来的影响，已成为各国政府和专家学者大力关注的问题之一。

干旱灾害的发生受到多种因素的影响，由于其复杂性、动态性、髙危害性及开放性的特点，人类无法防止其发生[4]。因此，有效地对农业干旱进行动态监测，及时准确地获取旱情的第一手资料，为各级政府部门制定抗旱、减灾措施提供依据，从而更加科学地指导农业生产，努力将旱灾损失降低到最小。3S（GIS、RS、GPS）技术的发展也可为干旱监测提供全新的方式和技术支撑，尤其是遥感技术时效性很强，可以在大面积的范围内实现同步观测。因此，可以利用遥感技术进行大范围、动态、实时的干旱监测，快速、准确、有效地提取关于干旱灾害的信息，降低干旱影响，减少农业损失，实现经济社会的可持续发展。

2 利用遥感监测干旱的研究背景

利用遥感技术监测干旱实际上就是监测土壤中含水量的多少和分布情况，从而有效地反映受旱的程度以及干旱分布范围[5]。传统的干旱监测方法具有费时费力、获取数据速度慢、信息滞后、对旱情空间分布特征和变化规律不能及时做出反应的缺陷[6]。而利用遥感技术获取的空间信息周期短、范围广，可以实现快速定量分析，弥补了传统监测的费事、费力的缺点，提高了工作效率，从而成为了干旱监测中具有广阔前景的技术手段。国内外学者利用遥感技术从不同的角度对干旱进行监测。20世纪60年代末，国外学者就开始利用遥感技术监测土壤水分；Waston[7]等于1971年第一次提出计算热惯量的方法，即用地表温度日较差进行推算得出；20世纪80年代，地面、航空和卫星遥感数据的集成，使得对土壤水分和干旱的遥感监测研究取得了全面迅速的发展；20世纪90年代，气象卫星受到专家学者的关注，热惯量、作物缺水指数、地表温度与植被指数相结合，使得土壤水分的监测日益完善[8-9]。1999年以来，美国对地观测卫星Terra和 Aqua相继发射成功，搭载的Modis传感器空间分辨率、光谱分辨率及时间分辨率大幅提高，在旱灾的监测中更有优势。我国利用遥感技术对干旱进行监测，比国外晚了10多年，采用的方法主要为：微波遥感、近、远红外遥感及热惯量法等。进入20世纪90年代后，我国的专家学者对干旱遥感监测的理论进行了深入的研究，取得了一定的进展，与国外同类研究的差距逐渐缩小。如隋洪智[10]等提出表观热惯量（ATI），主要方法是利用卫星资料，通过简化能量平衡方程得出，然后将此量和土壤水分结合起来建立关系表达式来监测旱灾；张仁华[11]提出了一个热惯量模式，即考虑地表显热通量及潜热通量；郭铌等[12]运用植被指数和冠层温度建立了植被供水指数模型。这些研究可能会存在不足，但是在干旱监测方面发挥了重要的作用。

3 干旱遥感监测方法

干旱的发生受到各种因素的影响，主要包括自然因素（降水、温度、地形等）和人为因素（作物布局和品种及作物的生长状况等）。因此，对干旱进行监测时应考虑多种因素的影响，建立综合监测方案。农业干旱发生的原因主要是土壤中水分的缺少，当干旱发生并且发展到一定的程度时，植被会表现出一系列的特点，如植被冠层温度升高、植被指数下降等。许多专家学者以土壤水分、植被指数、温度、地物的光谱反射率为出发点，提取植被的干旱情况。

3.1 基于土壤水分的热红外监测方法 土壤水分是全球能量循环的重要组成部分，它连接着陆地表面和大气，是描述地表和大气之间能量和水分交换的关键参数[13]。由于土壤水分对全球水循环、能量平衡及气候变化有着重大影响，所以对土壤水分含量的测量具有重要研究意义。当土壤水分发生变化时，蒸腾作用也会发生相应的改变，使得作物冠层温度发生改变，农作物根部的土壤水分变化情况就可以通过热红外遥感获取农作物亮温变化间接得到。因此，土壤水分是研究植物干旱胁迫、进行作物旱情监测的重要因素。土壤热惯量是土壤的一种热特性，是引起土壤表层温度变化的内在因素，它与土壤含水量有密切的关系，同时又控制着土壤温度日较差的大小[14]。利用遥感监测土壤含水量的原理是：土壤含水量低时，昼夜温差大；土壤含水量高时，昼夜温差小。因此，利用遥感技术获取地表温度并对其进行分析，对土壤的热惯量进行反演，监测土壤中水分的变化，建立两者之间的统计模型。在模型当中，由于线性模型操作简单，被广泛应用[14]。主要选择的数据源是NOAA/AVHRR数据，获取数据成本较低，时间分辨率和空间分辨率较高，可以实现在较大范围内监测土壤水分。土壤热惯量方法以其较高的监测精度成为常用的土壤水分监测方法之一，但是在实际运用的过程中仍然会存在着一定的缺点，在无植被覆盖的地区或者是植被生长状况较差及作物生长前期比较适用，在植被覆盖率较高的地区并不适用。在影像的获取方面，难以获得日夜都无云的影像。吴黎[15]等利用改进了的表观热惯量计算模型，通过实测的模型参数，计算出在不同植被覆盖区、不同实验区中土壤含水量的热惯量，进一步验证了在植被覆盖较低（NDVI≤0.35）的情况下，利用表观热惯量法对土壤含水量进行反演具有较高的精度。

3.2 基于植被指数的可见光和近红外监测方法 当植被受到水分胁迫时，生长状况就会发生相应的变化，可能会出现枯萎或者死亡，植被指数会发生显著的变化。因此，可以利用遥感技术获取植被指数表示植被遭受干旱的情况。归一化植被指数（NDVI）在干旱监测中应用广泛。它主要的优势主要有：能够灵敏的检测植被；能更大范围的检测植被覆盖度；抗干扰（主要是地形和生物群落的阴影和辐射）；对太阳高度角和大气产生的噪音可以有效的削弱。但是在生态系统和气候变化的影响下，NDVI的值在不同年份就会表现出一定的波动性，同时受土壤、天气、植被和季节等因素的影响。因此，根据NDVI进一步提出了距平值被指数（AVI）、植被状态指数（VCI）、标准植被指数（SVI）。距平值被指数（AVI）适用于长期监测具有均一的下垫面、植被覆盖度高的区域，一般情况下，AVI的值在-0.2～-0.1范围内，表示为轻旱；AVI的值在-0.3～-0.2范围内，表示为中旱；AVI在-0.6～-0.3范围内，代表重旱[16]。植被状态指数（VCI）由Kogan[17]提出，VCI可以消除空间变化对植被指数的影响，同时能够反映天气极端情况，在植被长势平稳且处于中后期生长的阶段比较适合干旱监测，但是在低植被覆盖区域不适用。齐述华等[18]建立了标准植被指数（SVI），由于其简单操作的特点，在大区域旱情监测中适用，小规模、中等规模或者区域性的干旱监测效果不是很理想。

3.3 基于微波遥感的干旱监测方法 微波遥感用微波设备来探测、接收被测物体在微波波段（波长为1～1000mm）的电磁辐射和散射特性，以识别远距离物体的技术。微波波长较长，有很好的穿透力，能够全天时、全天候工作，而且对植被和土壤有一定的穿透能力。微波遥感的这些优点使其在土壤含水量遥感干旱监测领域具有明显的优越性。微波遥感分为主动微波遥感和被动微波遥感，两者都可以用于干旱监测[19]。主动微波利用其后向散射系数监测土壤水分含量，主动微波遥感的监测精度受到许多因素的影响，主要包括：土壤表面的粗糙程度、土壤纹理和物理性质以及植被覆盖情况等等，成本高，空间分辨率高，时间分辨率低。被动微波遥感的特点主要有重访周期短、覆盖面广、计算简单，对土壤表面粗糙程度和研究区地形的影响比较小，对土壤水分的变化情况的敏感性较高，但与主动微波遥感比，空间分辨率低[19]。

4 结语

遥感技术的快速发展为农业干旱提供了新的机遇，但是由于干旱发生的复杂性及各种方法的局限性，在进行干旱监测时，尽量避免采用单一的方法进行监测，将多种方法综合运用，使误差降低到最低限度。为了更加准确的提高农业干旱监测的准确性，将不同种类的监测模型相结合，避免使用单一的数据源，利用多波段、多影像数据融合对干旱灾害进行监测。随着3S技术快速发展，可以将其与各种数学模型相结合对干旱灾害进行动态监测和评估，降低干旱对经济社会影响，实现农业的可持续发展。

参考文献

[1]IPCC.Climate Change 2001：Impacts，Adaptation and Vulnerability of Climate Change，working group II report[M].London：Cambridge University Press，2001.

[2]IPCC.Climate Change 2007：Impacts，Adaptation and Vulnerability[R].Contribution working group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，UK：Cambridge University Press，2007.

[3]邱海军，曹明明，郝俊卿，等.1950—2010年中国干旱灾情频率-规模关系分析[J].地理科学，2013（05）：576-580.

[4]马苏.洞庭湖流域农业干旱遥感监测研究[D].长沙：湖南师范大学，2012.

[5]李星敏，郑有飞，刘安麟，等.陕西渭北东部干旱遥感监测模型研究[J].南京气象学院学报，2004（01）：73-78.

[6]王丽涛，王世新，周艺，等.旱情遥感监测研究进展与应用案例分析[J].遥感学报，2011（06）：1315-1330.

[7]WASTON K，ROWEN L C，OFFIELD T W.Application of Thermal Modeling Geologic Interpretation of LR Images[J].Remote Sensing of Environment，1971（3）：2017-2041.

[8]Hall F G.Satellite Remote Sensing of Surface Energy Balance ：Success，Failure and Unsolved Issue in FIFE[J].Geophy Res，1992，97：19061-19089.

[9]Inge Sandholt，Kjeld Rasmussen，Jens Andersen.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing Environment，2002（79）：213-224.

[10]隋洪智，田国良，李付琴.农田蒸散双层模型及其在干旱遥感监测中的应用[J].遥感学报，1997（03）：220-224.

[11]张仁华.改进的热惯量模式及遥感土壤水分[J].地理研究，1990（02）：101-112.

[12]郭铌，陈添宇，雷建勤，等.用NOAA卫星可见光和红外资料估算甘肃省东部农田区土壤湿度[J].应用气象学报，1997（02）：85-91.

[13]張顺谦，卿清涛，侯美亭.基于温度植被干旱指数的四川伏旱遥感监测与影响评估[J].农业工程学报，2007，23（9）：141-146

[14]张灿龙，倪绍祥，刘振波.遥感监测土壤含水量方法综述[J].农机化研究，2006（06）：58-61.

[15]吴黎，张有智，解文欢.改进的表观热惯量法反演土壤含水量[J].国土资源遥感，2013（01）：44-49.

[16]杨涛，宫辉力，李小娟.土壤水分遥感监测研究进展[J].生态学报，2010（22）：6264-6277

[1736]KOGAN F N.Remote sensing of weather impacts on vegetation in nonhomogene-Ous areas[J].International journal of remote sensing，1990，11（08）：1405-1419.

[18]齐述华，王长耀，牛铮.利用NDVI时间序列数据分析植被长势对气候因子的响应[J].地理科学进展，2004（03）：91-99.

[19]李星敏，郑有飞，刘安麟，等.陕西渭北东部干旱遥感监测模型研究[J].南京气象学院学报，2004（01）：73-78. （责编：张宏民）