張瑤瑤，崔 霞，宋清潔，朱高峰

(蘭州大學(xué)資源環(huán)境學(xué)院 西部環(huán)境教育部重點實驗室,甘肅 蘭州 730000)

基于不同下墊面的農(nóng)業(yè)干旱遙感監(jiān)測方法與發(fā)展前景

張瑤瑤，崔 霞，宋清潔，朱高峰

(蘭州大學(xué)資源環(huán)境學(xué)院 西部環(huán)境教育部重點實驗室,甘肅 蘭州 730000)

干旱是我國農(nóng)業(yè)面臨的主要自然災(zāi)害之一。利用遙感手段監(jiān)測農(nóng)業(yè)干旱，針對作物生長發(fā)育過程中不同下墊面狀況選取適用的監(jiān)測指標，可以及時、有效地評估干旱對作物生長的影響，從而為各級政府部門制定防災(zāi)減災(zāi)政策提供重要的依據(jù)。本文總結(jié)了目前廣泛應(yīng)用的基于不同下墊面狀況的農(nóng)業(yè)干旱遙感監(jiān)測方法，并將這些方法分為適用于裸露地表與低植被覆蓋條件的監(jiān)測方法、適用于中高植被覆蓋條件的監(jiān)測方法及適用于各種下墊面狀況的綜合監(jiān)測方法。在此基礎(chǔ)上，對未來農(nóng)業(yè)干旱遙感監(jiān)測發(fā)展方向進行了研究與探討:1)監(jiān)測數(shù)據(jù)源由單一數(shù)據(jù)源向多源數(shù)據(jù)轉(zhuǎn)變;2)監(jiān)測指標由單一的氣象監(jiān)測指標向氣象、衛(wèi)星遙感與作物生理物理特征相結(jié)合的綜合監(jiān)測指標轉(zhuǎn)變;3)逐步實現(xiàn)“3S”技術(shù)集成與數(shù)據(jù)共享。

農(nóng)業(yè)干旱；下墊面；遙感監(jiān)測；歸一化植被指數(shù)

我國是一個農(nóng)業(yè)大國，農(nóng)業(yè)干旱是影響我國農(nóng)業(yè)生產(chǎn)最主要的自然災(zāi)害。農(nóng)業(yè)干旱是在一定生產(chǎn)水平下多層次(大氣、作物、土壤、水文、人類活動層)致旱因素相互作用于農(nóng)業(yè)所造成的水分虧缺失調(diào)而導(dǎo)致作物減產(chǎn)[1]。它涉及大氣、土壤等多方面因素，不僅是一種物理過程，而且與生物過程和社會經(jīng)濟有關(guān)[2]。農(nóng)業(yè)干旱是一種極復(fù)雜的干旱類型，不僅不同作物對遙感監(jiān)測指數(shù)的敏感性不同，即使同一種作物在不同的發(fā)育階段對遙感監(jiān)測指數(shù)的敏感性也有差異。作物不同生長發(fā)育階段會表現(xiàn)出不同的形態(tài)特征，其地表覆蓋程度也有所差異，這些會影響到干旱監(jiān)測指數(shù)的選擇，進一步導(dǎo)致監(jiān)測結(jié)果的不一致[3]。作物不同發(fā)育階段適用的遙感監(jiān)測指標可以根據(jù)其生長特征和植被覆蓋度進行劃分。

1 干旱遙感監(jiān)測研究背景

傳統(tǒng)的農(nóng)業(yè)干旱監(jiān)測主要是利用地面觀測站點的降水量、氣溫等數(shù)據(jù)間接地判斷干旱，常用的方法有帕爾默干旱指數(shù)、標準降水指數(shù)、Z指數(shù)等。地面站點監(jiān)測在干旱監(jiān)測中發(fā)揮了重要的作用，但也有局限性：1)由于經(jīng)濟條件的限制，一些地區(qū)的地面觀測設(shè)備不夠精良或出現(xiàn)不同程度的破損，會影響數(shù)據(jù)的精度和可靠性；2)地表溫度、風(fēng)速、蒸散量、相對濕度等氣象數(shù)據(jù)需要長時間持續(xù)的觀測；3)單點采樣需要花費大量的人力、物力和財力，速度慢,觀測范圍有限。

近年來，遙感以其客觀、及時、經(jīng)濟、覆蓋范圍廣、數(shù)據(jù)連續(xù)等特點，彌補了地面站點的不足，已被證明是農(nóng)業(yè)干旱監(jiān)測中最具前景的技術(shù)手段[4]。相比于傳統(tǒng)的地面觀測，衛(wèi)星遙感監(jiān)測以較短時間獲取盡可能豐富的空間信息，具有宏觀性、周期性的特征，能實現(xiàn)快速的定量分析，提高了數(shù)據(jù)的空間分辨率，更適合全球性、區(qū)域性的干旱監(jiān)測。

2 不同下墊面狀況的農(nóng)業(yè)干旱遙感監(jiān)測方法綜述

2.1 基于裸露地表、低植被覆蓋的遙感干旱監(jiān)測方法

作物生長前期，地表裸露或由稀疏植被覆蓋，土壤水分的監(jiān)測基本不受植被冠層溫度的影響，而與土壤特性有關(guān)。這一時期農(nóng)業(yè)干旱監(jiān)測方法的構(gòu)建主要基于土壤水分狀況(表1)。

2.1.1熱慣量法 熱慣量是物質(zhì)自身的一種熱學(xué)特性，可以用來表征土壤的熱變化。土壤中的水分含量會影響土壤的熱傳導(dǎo)率和比熱容，而熱傳導(dǎo)率和比熱容又與土壤熱慣量密切相關(guān)，根據(jù)這個關(guān)系可以利用熱慣量來反演土壤水分。熱慣量法雖物理意義明確，但所需參數(shù)不易獲取且計算復(fù)雜。Price[5]在地表熱量平衡的基礎(chǔ)上，對原始的熱慣量進行改進，提出了表觀熱通量(apparent thermal inertia,ATI)的概念，并將ATI定義為：

ATI=(1-A)/(Tmax-Tmin)。

(1)

式中：A是全波段反照率，Tmax為一天中最高溫度，Tmin為一天中最低溫度。在實際研究中，通常用表觀熱通量近似地代替真實熱慣量。ATI可以有效地反演土壤水分，從而用于農(nóng)業(yè)干旱監(jiān)測。其主要適用于裸露土壤或作物生長前期的土壤水分監(jiān)測[6-7]，這是因為當(dāng)植被覆蓋度較高時，遙感得到的是土壤和植被的混合信息，會掩蓋土壤本身的熱特性，降低反演精度[8]。當(dāng)應(yīng)用到裸地或低植被覆蓋區(qū)時，熱通量法監(jiān)測效果較好，得到的結(jié)果比較準確、直觀[9]，而在較高植被覆蓋區(qū)，熱慣量法會失效[10]。

2.1.2垂直干旱指數(shù) 詹志明等[11]利用Landsat ETM+遙感影像近紅外、紅光波段反射率，建立了NIR-Red光譜特征空間，來分析植被覆蓋狀況、土壤含水量與NIR-Red特征空間之間的關(guān)系。如圖1所示，A-E-D邊描述了植被覆蓋從全覆蓋到裸地的變化趨勢，B-D-C邊描述了土壤水分變化，基于此規(guī)律，通過計算NIR-Red特征空間任一點E到直線L的距離，可以建立基于NIR-Red特征空間的水分監(jiān)測模型——垂直干旱指數(shù)(perpendicular drought index,PDI)，表示為：

(2)

式中：RRed和RNir分別表示大氣訂正后的紅光與近紅外波段反射率，M表示土壤線的斜率。PDI直接利用光譜特征，避免了反照率和地表溫度的反演，獲取簡單，更適宜于植被生長初期或裸露地表條件[12]。PDI與土壤水分呈負相關(guān)關(guān)系，其與各土層深度的土壤水分無偏相關(guān)系數(shù)均大于0.7，擬合效果較好[13]。相較于其他植被指數(shù)，PDI對干旱變化的敏感性較高，可以實現(xiàn)對旱情變化的快速監(jiān)測，在農(nóng)業(yè)區(qū)尤其是雨養(yǎng)農(nóng)業(yè)區(qū)的適用性好[14]。

表1 基于裸露地表、低植被覆蓋的農(nóng)業(yè)干旱遙感監(jiān)測方法及其適用性和局限性Table 1 Adaptations and limitations of agricultural drought remote sensing monitoring based on bare surface and low vegetation coverage

圖1 基于NIR-Red光譜特征的PDI指數(shù)原理Fig. 1 The principle of the perpendicular drought index based on NIR-Red spectral features

2.1.3歸一化多波段干旱指數(shù) 植被冠層能強烈吸收近紅外(860 nm)，而土壤和植被水分在吸收短波紅外(1 640和2 130 nm)時存在差異，利用這種關(guān)系可以獲取土壤水分信息。Wang和Qu[15]提出了基于3個波段的歸一化多波段干旱指數(shù)(normalized multi-band drought index,NMDI)，可以表示為：

(3)

式中：R為反射率，R860 nm、R1460 nm和R2130 nm分別表示MODIS數(shù)據(jù)在860、1 640和2 130 nm這3個波段的反射率。860 nm可以較好地反映植被，1 640 nm波段和2 130 nm波段的反射率可以有效削弱大氣干擾而獲取土壤與植被水分含量，這3個波段的有效組合可以更好地反映農(nóng)田土壤水分的變化。NMDI對土壤濕度的變化反應(yīng)比較靈敏，對比分析不同時像的NMDI遙感圖像，發(fā)現(xiàn)其與0-50 cm土層深度的土壤墑情相關(guān)性顯著，且通過了0.01水平的顯著性檢驗。已有研究發(fā)現(xiàn)，NMDI在植被覆蓋度較低時(作物生長前期)反演土壤水分效果要好于植被覆蓋度高時[16]。

2.1.4表層水分含量指數(shù) 為更好地反映表層水分的含量，杜曉等[17]基于水的吸收曲線和土壤反射率曲線特征，構(gòu)建了一種新的干旱監(jiān)測指數(shù)——表層水分含水量指數(shù)(surface water content index,SWCI)，可以表示為：

(4)

式中：R6、R7分別表示MODIS數(shù)據(jù)第6、第7波段的反射率?？紤]到植被和土壤的混合差異，組合MODIS第6波段和第7波段得到的干旱指數(shù)能夠較好地反映地表含水量。對比SWCI、NDVI與實測土壤墑情的相關(guān)性，可以發(fā)現(xiàn)SWCI與0-50 cm土層深度土壤墑情的相關(guān)系數(shù)均大于NDVI與0-50 cm土層深度土壤墑情的相關(guān)系數(shù)，由此可見，表層水分含量指數(shù)SWCI與0-50 cm土層深度土壤墑情的相關(guān)性較好，在反演表層土壤水分方面具有較高準確度，但在反演較深層的土壤水分時會出現(xiàn)誤差。

2.2 基于中、高植被覆蓋的遙感干旱監(jiān)測方法

作物生長中后期，植被覆蓋度較高，此時遙感干旱監(jiān)測指標的選取除了要考慮土壤水分條件外，還要充分考慮到植被因素。因此，中、高植被覆蓋下的遙感干旱監(jiān)測指數(shù)多是基于土壤水分和植被因子構(gòu)建的(表2)。

2.2.1植被指數(shù) 歸一化植被指數(shù)(normalized difference vegetation index,NDVI)是植被指數(shù)中運用最廣泛的，同時也是指示植被生長狀態(tài)及覆蓋度的最佳因子[18]。據(jù)研究，NDVI與植被覆蓋度、葉面積、葉綠素等植被生理參數(shù)密切相關(guān)，因此，其能反映出植被冠層的背景影響(如土壤、粗糙度等)，也可以被用來監(jiān)測植被生長狀態(tài)、植被覆蓋度。通常將NDVI定義為：

(5)

式中：RNIR是近紅外波段反射率，RRed是紅光波段反射率。NDVI與年平均溫度和年降水量之間呈顯著相關(guān)關(guān)系(P<0.05)[19]。氣溫和降水是作物生長過程中的主要限制性因子，也是影響NDVI變化的主要因素，有研究表明，干旱半干旱區(qū)NDVI的變化主要受降水的影響[20]。作物生長初期，NDVI會過高估計植被覆蓋度,易使計算形成偏差[21]，作物生長后期因飽和會導(dǎo)致NDVI值過低，因此，NDVI更適用于植被發(fā)育中期或中等覆蓋度的植被監(jiān)測[22]。

NDVI受大氣、土壤和冠層等背景影響，在高生物量區(qū)易發(fā)生飽和[23]，而增強型植被指數(shù)(enhanced vegetation index,EVI)[24]能有效地削弱大氣、植被等背景所造成的影響，即使在植被覆蓋率高的地區(qū)也不會發(fā)生飽和。條件植被指數(shù)(vegetation condition index,VCI)[25]可以反映NDVI波動的相對偏差[26]，消除因地理位置、氣候類型等不同而造成的NDVI地區(qū)差異，可用來指示區(qū)域級的干旱情況。但是，VCI易受物候變化的影響，因此只適用于物候穩(wěn)定期(如植被生長中后期)。

2.2.2改進型垂直干旱指數(shù) 由于受植被覆蓋的影響，PDI在監(jiān)測干旱時易將植被區(qū)誤判為干旱區(qū)。為解決這一問題，Ghulam等[27]在綜合考慮土壤濕度和植被生長特征因子的基礎(chǔ)上，引入植被覆蓋度因子(fv)來改進垂直干旱指數(shù)，建立了新的干旱監(jiān)測指數(shù)——改進型垂直干旱指數(shù)(modified perpendicular drought index,MPDI)。

(6)

修正的垂直干旱指數(shù)MPDI可以較好地反映表層土壤水分的變化，并適宜于時序變化監(jiān)測[28]。PDI與MPDI與0-20 cm深度土壤濕度皆呈負相關(guān)指數(shù)關(guān)系，稀疏植被條件下，R2分別為0.319 7和0.329 1，MPDI改進效果不明顯，但是在茂密植被覆蓋下，R2分別為0.434 6和0.502 7，MPDI改進效果比較明顯。MPDI對干旱變化的響應(yīng)比PDI敏感，在監(jiān)測農(nóng)業(yè)干旱尤其是作物長勢較好地區(qū)的農(nóng)業(yè)干旱時效果更好[29]。改進型垂直干旱指數(shù)可以對地表情況進行實時監(jiān)測，作物生長初期植被覆蓋度較低時使用PDI，作物生長中后期植被覆蓋度較高時使用MPDI，綜合使用這兩種模型對農(nóng)田旱情進行監(jiān)測可以提高監(jiān)測精度[30]。

2.2.3作物缺水指數(shù) Jackson和Idso[31-32]基于能量平衡提出了水分脅迫指數(shù)(crop water stress index, CWSI)，用來評價植物受水分的脅迫指數(shù)。CWSI的理論模型為[33]：

(7)

式中：ET是實際蒸發(fā)量，ET0是潛在蒸發(fā)量。相較于其他指數(shù)(如植被供水指數(shù))，CWSI在植被覆蓋地區(qū)精度較高，監(jiān)測效果好，有效地反映了作物的干旱程度。作物缺水指數(shù)模型物理意義明確，但涉及許多參數(shù)，計算復(fù)雜，對作物缺水指數(shù)模型進行簡化是十分必要且可行的?；谀芰科胶夂喕淖魑锶彼笖?shù)模型，涉及的因子減少，計算量明顯降低，更方便應(yīng)用到實際生活中[34]。另一方面，CWSI的要素很大程度上依賴于地面觀測站，如果研究區(qū)域范圍大，所需參數(shù)的獲取就成為亟待解決的問題，而且易受地形、植被等要素的影響，在植被覆蓋度高的情況下易低估旱情，而在城鎮(zhèn)密集地區(qū)又會高估旱情[35]。

表2 基于中高植被覆蓋的農(nóng)業(yè)干旱遙感監(jiān)測方法及其適用性和局限性Table 2 Adaptations and limitations of agricultural drought remote sensing monitoring based on high vegetation coverage

2.2.4農(nóng)田淺層土壤濕度指數(shù) 當(dāng)前，許多監(jiān)測指數(shù)并不能很好地反映農(nóng)田淺層的土壤水分變化，為此，張紅衛(wèi)等[36]構(gòu)建了農(nóng)田淺層土壤濕度指數(shù)(cropland soil moisture index,CMSI)，將MODIS第1、第2、第6和第7通道加以融合來反映農(nóng)田淺層的土壤水分變化，該指數(shù)可以表示為：

(8)

式中：R1、R2、R6、R7分別表示MODIS第1、第2、第6和第7通道的反射率。CSMI考慮了農(nóng)田淺層和較深層的土壤水分變化，可以有效解決因植被覆蓋度變化而引起的土壤水分監(jiān)測不精的問題。分析SWCI與0-50 cm深度土壤濕度的相關(guān)性，發(fā)現(xiàn)其相關(guān)性較高，均在0.7以上，且通過0.01水平的顯著性檢驗。波段1和波段2可以反映深層土壤水分對植被指數(shù)的影響，波段6和波段7可以反映較淺層農(nóng)田的土壤水分，這4個波段的有效結(jié)合較好地反映了農(nóng)田淺層的土壤水分變化，適合應(yīng)用于植被生長中后期，植被覆蓋度較高的情況。

2.3 綜合遙感干旱指數(shù)

目前，大多數(shù)的干旱監(jiān)測指數(shù)或適用于裸地、低植被覆蓋條件下(如熱慣量法、微波遙感法)，或適用于中高植被覆蓋條件下(如植被指數(shù))，很少能在不同覆蓋程度的地表均適用。綜合遙感干旱指數(shù)可用于作物發(fā)育不同階段的干旱監(jiān)測，也可根據(jù)作物生長過程中的不同時期進行改良調(diào)整。

2.3.1植被供水指數(shù) 水分充足時，植被指數(shù)和冠層溫度會保持在一定的范圍內(nèi)，一旦發(fā)生水分不足的情況，植被指數(shù)會降低，植被冠層因缺水導(dǎo)致溫度升高。根據(jù)這一原理，綜合地表溫度監(jiān)測指標和植被指數(shù)監(jiān)測指標，建立了一種可用于農(nóng)業(yè)干旱監(jiān)測的綜合指標——植被供水指數(shù)(vegetation supply water index,VSWI)，并定義為：

(9)

式中：NDVI為歸一化植被指數(shù)，Ts為植被冠層溫度。利用NDVI和Ts構(gòu)建的植被供水指數(shù)與土壤濕度(尤其是10 cm深度處)相關(guān)性較高，可以準確反映干旱情況[37]。已有研究表明，VSWI在監(jiān)測農(nóng)業(yè)干旱時具有更好的穩(wěn)定性和優(yōu)異性，在整個冬小麥(Triticumaestivum)生長序列上穩(wěn)定性最好[38]。植被稀疏的半干旱區(qū)，植被指數(shù)易受土壤背景的影響，在NDVI的基礎(chǔ)上增加土壤調(diào)節(jié)系數(shù)，對植被供水指數(shù)加以改進，以調(diào)整植被指數(shù)(MASVI)代替NDVI，可以消除土壤背景的影響，從而提高監(jiān)測效果[39]。

2.3.2溫度植被干旱指數(shù) 許多研究表明，當(dāng)研究區(qū)植被覆蓋從裸地到全覆蓋，土壤濕度由極干旱到極濕潤，由遙感數(shù)據(jù)所獲取的植被指數(shù)(NDVI)與地表溫度(LST)的散點圖往往呈三角形或梯形(圖2)。

Sandholt等[40]基于植被指數(shù)和地表溫度的經(jīng)驗關(guān)系，建立了溫度植被干旱指數(shù)(temperature vegetation dryness index,TVDI)。

圖2 簡化的NDVI-Ts二維特征空間Fig. 2 Simplified two-dimensional feature space of NDVI and LST

(10)

式中：LSTi為陸地表面溫度，a1、b1和a2、b2分別為干邊和濕邊的回歸方程系數(shù)。Tmax=(a1+b1×NDVI)為干邊，即研究區(qū)內(nèi)某一時期的同一NDVI值對應(yīng)的最高地表溫度，Tmin=(a2+b2×NDVI)為濕邊，即NDVI值對應(yīng)的最低地表溫度。TVDI基本上能反映表層土壤濕度狀況，利用該指標進行農(nóng)業(yè)干旱監(jiān)測是可行的[41]。TVDI反演精度較高，所需數(shù)據(jù)獲取方便，利用MODIS、AVHRR等遙感數(shù)據(jù)便可進行大尺度的干旱監(jiān)測，在干旱監(jiān)測中得到較好的應(yīng)用[42]。

但是，TVDI在很大程度上受植被指數(shù)的影響，在高、低植被覆蓋條件下的敏感性不同，當(dāng)研究區(qū)植被覆蓋度過高(>80%)時，NDVI會因為飽和不能很好反映植被狀況，導(dǎo)致基于Ts-NDVI空間特征的作物干旱監(jiān)測精度大大降低[43]。因此，可基于土壤調(diào)整型植被指數(shù)(soil-adjusted vegetation index,Ts-SAVI)和比值植被指數(shù)(ratio vegetation index,Ts-RVI)特征空間構(gòu)建新的溫度植被干旱指數(shù)[44-45]，從而提高作物干旱監(jiān)測的精度。

2.3.3波文比指數(shù) 地表水熱狀況的變化會影響到植被指數(shù)和地表的溫度，而通過植被指數(shù)和地表溫度可以間接地反映土壤水分狀況，進而反映到干旱上。因此，反映地表水熱特性的因子(如波文比、反照率、地表溫度)可被用于干旱監(jiān)測模型的建立，通過對模型相關(guān)因子在不同時空的差異分析來達到監(jiān)測干旱的目的。郝小翠等[46]引入能綜合反映地表水熱特征的波文比，基于能量平衡構(gòu)建了波文比干旱監(jiān)測模型，波文比模型為：

β=H/LE。

(11)

式中：β為波文比，H為感熱通量，LE為潛熱通量。在對比分析波文比指數(shù)、溫度植被指數(shù)與土壤水分相關(guān)性后，發(fā)現(xiàn)波文比指數(shù)β與0-20 cm土層深度的土壤相對濕度相關(guān)性更好，在裸土和植被的混合地表均有較好的監(jiān)測效果。但是，波文比涉及的參數(shù)較多，某些參數(shù)(如溫度)的變化具有季節(jié)性和波動性，使β與土壤相對濕度的關(guān)系不具有普遍意義。

2.3.4能量指數(shù) 當(dāng)土壤干燥時向外放出的長波輻射會增強，地表溫度和冠層溫度會隨之升高；當(dāng)土壤濕潤時長波輻射會減弱，地表溫度和冠層溫度也會降低?；谶@個原理并根據(jù)土壤熱力學(xué)理論，張文宗等[47]提出能量指數(shù)，用遙感來監(jiān)測農(nóng)業(yè)干旱，該方法彌補了熱慣量法難以同時獲取晝夜無云資料的局限性，同時在理論上更加符合植物冠層溫度與土壤水分呈反比的規(guī)律。實際監(jiān)測應(yīng)用結(jié)果表明，能量指數(shù)能較好地反映旱情空間分布和發(fā)展過程，更適合農(nóng)作物土壤水分的監(jiān)測，可應(yīng)用于各種植被覆蓋條件下以及各種土層深度的干旱監(jiān)測[48]，監(jiān)測效果明顯優(yōu)于其他干旱指數(shù)，精度可在87%以上。不同下墊面狀況的農(nóng)業(yè)干旱遙感監(jiān)測方法及其適用性和局限性如表3所列。

表3 綜合農(nóng)業(yè)干旱遙感監(jiān)測方法及其適用性和局限性Table 3 Adaptations and limitations of agricultural drought remote sensing monitoring based on comprehensive method

3 農(nóng)業(yè)干旱遙感技術(shù)的發(fā)展前景

3.1 多源遙感數(shù)據(jù)的融合

不同生長發(fā)育階段，農(nóng)業(yè)干旱具有不同的表現(xiàn)和特征，因此在監(jiān)測農(nóng)業(yè)干旱時要有實時的、高精度的數(shù)據(jù)。遙感技術(shù)應(yīng)用于農(nóng)業(yè)干旱監(jiān)測研究以來，形成了多數(shù)據(jù)源、多方法的干旱遙感監(jiān)測體系[49]。干旱監(jiān)測的遙感數(shù)據(jù)源主要有3種：多光譜數(shù)據(jù)、高光譜數(shù)據(jù)和微波數(shù)據(jù)。其中，多光譜數(shù)據(jù)源是當(dāng)前遙感農(nóng)業(yè)干旱監(jiān)測的主要數(shù)據(jù)源。高光譜數(shù)據(jù)分辨率高、波段多、信息量豐富，但其數(shù)據(jù)量大且獲取不易，波段選擇和信息提取復(fù)雜，這些特點制約其在大面積干旱監(jiān)測中的應(yīng)用。微波數(shù)據(jù)不受云干擾，可全天觀測，但是在監(jiān)測土壤濕度時容易受到地表參數(shù)的影響。每一種數(shù)據(jù)源都有各自的優(yōu)勢和局限性，為了保證數(shù)據(jù)的連續(xù)性、精確性，可以使用多種方法綜合利用多源遙感數(shù)據(jù)。

融合多源遙感數(shù)據(jù)的目的在于將單一傳感器的多波段信息或不同類別傳感器所提供的信息加以綜合，提高遙感數(shù)據(jù)的可應(yīng)用性和對地物的識別能力。多源遙感數(shù)據(jù)融合從層次上可分為：基于像元的融合、基于特征的融合以及基于決策的融合。多源遙感數(shù)據(jù)的融合是干旱監(jiān)測發(fā)展方向之一[50]。

多源遙感數(shù)據(jù)的融合可以將不同遙感數(shù)據(jù)的優(yōu)勢綜合起來，彌補單一圖像上信息的不足，從而擴大了各自信息的應(yīng)用范圍，提高了遙感數(shù)據(jù)的可應(yīng)用性，另一方面也使得農(nóng)業(yè)干旱監(jiān)測的精度和準確性大大提升。衛(wèi)星觀測數(shù)據(jù)產(chǎn)品的增加提高了多源數(shù)據(jù)監(jiān)測干旱的能力[51]。然而，大量的數(shù)據(jù)也帶來一些科學(xué)挑戰(zhàn)，如不確定性的評估、數(shù)據(jù)量的管理、多元數(shù)據(jù)的融合與合并以及不同觀測、數(shù)據(jù)集一致性的保證。

3.2 建立復(fù)合和多重指標的綜合干旱模型

多源數(shù)據(jù)融合的干旱綜合監(jiān)測模型是研究農(nóng)業(yè)干旱監(jiān)測問題的新途徑，在解決干旱監(jiān)測復(fù)雜性問題中有著較大的應(yīng)用潛力。相關(guān)研究表明，單個監(jiān)測指標由于自身的局限性，往往不能準確地描述旱情，因此，農(nóng)業(yè)干旱監(jiān)測應(yīng)該基于多個變量或指標，使干旱監(jiān)測更有力、更可信。Brown等[52]通過分類回歸樹的方式提出了植被干旱響應(yīng)指數(shù)(vegetation drought response index,VegDRI)，這一模型整合了基于氣候的干旱指標、基于衛(wèi)星的植被指數(shù)以及其他生物物理信息，但它主要是基于NDVI建立的，而NDVI不能確定植被受脅迫的根本原因。因此，可以將VegDRI和帕默爾干旱強度指數(shù)(PDSI)結(jié)合，并與衛(wèi)星獲取的NDVI信息共同分析，以獲得干旱監(jiān)測的預(yù)期結(jié)果[53]。Zhou等[54]利用量化的綜合表面干旱指數(shù)(ISDI)，確定了2001-2013年中國的干旱時空類型及變化趨勢，這一指數(shù)融合了9個變量，包括2個氣象干旱指標、2個空間持續(xù)變量以及5個生物物理數(shù)據(jù)集，將干旱強度分布與中國生態(tài)地理分區(qū)結(jié)合起來。杜靈通等[55]使用MODIS和熱帶降水測量任務(wù)(tropical rainfall measuring mission,TRMM)衛(wèi)星等多源遙感數(shù)據(jù)，綜合考慮土壤水分脅迫、植被生長狀態(tài)和氣象降水盈虧等因素，利用空間數(shù)據(jù)挖掘技術(shù)，構(gòu)建了綜合干旱監(jiān)測模型——綜合干旱指數(shù)(synthesized drought index,SDI)，為綜合評估區(qū)域農(nóng)業(yè)干旱提供了一種新方法。建立復(fù)合和多重指標的干旱模型，綜合考慮影響農(nóng)業(yè)干旱發(fā)生與發(fā)展的多重因素(如氣象因素、生物物理因素等)能提高指數(shù)模型的準確性，從而使干旱監(jiān)測結(jié)果更精準，更有效地應(yīng)用于防旱減災(zāi)工作中。農(nóng)業(yè)干旱遙感監(jiān)測的一個極為重要的發(fā)展方向是：指標由單一的氣象監(jiān)測指標轉(zhuǎn)向氣象、衛(wèi)星遙感與作物生理物理特征相結(jié)合的綜合監(jiān)測指標轉(zhuǎn)變。但需注意的是，使用多指標進行綜合農(nóng)業(yè)干旱評估有一個前提，即所選指標提供的信息彼此獨立、互不相關(guān)。

3.3 “3S”技術(shù)集成與數(shù)據(jù)共享

目前，國際上“3S”的應(yīng)用開始向集成化方向發(fā)展。全球定位系統(tǒng)(global positioning system,GPS)主要用于實時、快速地提供目標的空間位置，定位精度高，地理信息系統(tǒng)(geographic information system,GIS)具有強大的數(shù)據(jù)儲存、處理與分析的功能，RS可客觀、迅速地監(jiān)測環(huán)境信息，“3S”技術(shù)集成[56]對實現(xiàn)農(nóng)業(yè)干旱的動態(tài)監(jiān)測具有十分重要的意義。利用“3S”技術(shù)監(jiān)測農(nóng)業(yè)干旱，不僅要建立農(nóng)田受災(zāi)面積和評估損失系統(tǒng)，更重要的是應(yīng)向著農(nóng)業(yè)災(zāi)害預(yù)報與監(jiān)測評估緊密結(jié)合、信息處理一體化方向發(fā)展[57]。農(nóng)業(yè)干旱遙感監(jiān)測所形成的多個指數(shù)，既需要衛(wèi)星遙感數(shù)據(jù)，也需要其他數(shù)據(jù)(如氣象數(shù)據(jù))的支撐，為此，需建立完善的氣象數(shù)據(jù)共享服務(wù)體系和衛(wèi)星遙感干旱數(shù)據(jù)庫，同時加大各部門之間的交流與協(xié)作，盡可能地實現(xiàn)數(shù)據(jù)共享。

4 結(jié)論

作物生長發(fā)育不同階段具有不同的下墊面狀況，其對遙感指數(shù)的敏感性也有所差異。作物生長初期，地表裸露或低植被覆蓋，農(nóng)業(yè)干旱監(jiān)測方法的構(gòu)建主要基于土壤水分狀況。作物生長中后期，植被覆蓋度有所增加，干旱監(jiān)測除考慮土壤水分外也要考慮植被因子。綜合遙感干旱指數(shù)可用于作物生長發(fā)育不同階段的農(nóng)業(yè)干旱監(jiān)測。

遙感是農(nóng)業(yè)干旱監(jiān)測中最具前景的技術(shù)手段。為提高我國遙感監(jiān)測技術(shù)的研究水平，推動農(nóng)業(yè)干旱監(jiān)測的全面化業(yè)務(wù)，建議加強以下方面的工作研究： 1)促使監(jiān)測數(shù)據(jù)源由單一數(shù)據(jù)源向多源數(shù)據(jù)融合轉(zhuǎn)變；2)實現(xiàn)監(jiān)測指標由單一的氣象監(jiān)測指標轉(zhuǎn)向氣象、衛(wèi)星遙感與作物生理物理特征相結(jié)合的綜合監(jiān)測指標轉(zhuǎn)變；3)逐步實現(xiàn)“3S”技術(shù)集成與數(shù)據(jù)共享。

農(nóng)業(yè)干旱的發(fā)生會受到降水、溫度等自然因素影響，也會受到作物品種等人為因素影響。農(nóng)業(yè)干旱指標涉及到大氣、作物、土壤環(huán)境等因子。在利用遙感手段對農(nóng)業(yè)干旱監(jiān)測時，要考慮到多重因子對干旱形成和發(fā)展的共同作用，并選擇最適宜的監(jiān)測方法。及時有效的農(nóng)業(yè)干旱監(jiān)測預(yù)測信息可以為各級政府部門提供重要的決策依據(jù)，使其有足夠時間采取應(yīng)對措施，盡可能地減少損失。

References:

[1] 王春乙.中國重大農(nóng)業(yè)氣象災(zāi)害研究.北京:氣象出版社,2010:3-5.

Wang C Y.Research on Major Agricultural Meteorological Disasters in China.Beijing:China Meteorological Press,2010:3-5.(in Chinese)

[2] 霍治國,王石立.農(nóng)業(yè)和生物氣象災(zāi)害.北京:氣象出版社,2009:5-10.

Huo Z G,Wang S L.Agricultural and Biometeorological Disasters.Beijing:China Meteorological Press,2009:5-10.(in Chinese)

[3] 宋揚,房世波,衛(wèi)亞星.農(nóng)業(yè)干旱遙感監(jiān)測指數(shù)及其適用性研究進展.科技導(dǎo)報,2016,34(5):45-52.

Song Y,Fang S B,Wei Y X.Comparison of typical remote sensing drought indexes and their adaptability in agriculture.Science & Technology Review,2016,34(5):45-52.(in Chinese)

[4] 黃友昕,劉修國,沈永林,劉詩詩,孫飛.農(nóng)業(yè)干旱遙感監(jiān)測指標及其適應(yīng)性評價方法研究進展.農(nóng)業(yè)工程學(xué)報,2015,31(16):186-195.

Huang Y X,Liu X G,Shen Y L,Liu S S,Sun F.Advances in remote sensing derived agricultural drought monitoring indices and adaptability evaluation methods.Transactions of the Chinese Society of Agricultural Engineering,2015,31(16):186-195.(in Chinese)

[5] Price J C.On the analysis of thermal infrared imagery:The limited utility of apparent thermal inertia.Remote Sensing of Environment,1985,18(1):59-73.

[6] 李星敏,劉安麟,張樹譽,王釗.熱慣量法在干旱遙感監(jiān)測中的應(yīng)用研究.干旱地區(qū)農(nóng)業(yè)研究,2005,23(1):55-59.

Li X M,Liu A L,Zhang S Y,Wang Z.Use of thermal inertia approach in the monitoring of drought by remote sensing.Agriculture Research in the Arid Areas,2005,23(1):55-59.(in Chinese)

[7] 黃澤林,覃志豪.利用MODIS數(shù)據(jù)監(jiān)測大面積土壤水分與農(nóng)作物旱情研究.安徽農(nóng)業(yè)科學(xué),2008,36(11):4784-4787.

Huang Z L,Qin Z H.Study on monitoring soil moisture and crop drought in great area by using MODIS data.Journal of Anhui Agricultural Sciences,2008,36(11):4784-4787.(in Chinese)

[8] 吳黎,張有智,解文歡,李巖,楊樹聰.改進的表觀熱慣量法反演土壤含水量.國土資源遙感,2013,25(1):44-49.

Wu L,Zhang Y Z,Xie W H,Li Y,Yang S C.The inversion of soil water content by the improved apparent thermal inertia.Remote Sensing for Land & Resources,2013,25(1):44-49.(in Chinese)

[9] 鹿國武,王逸鵬,王秀芹.利用遙感數(shù)據(jù)和氣象觀測數(shù)據(jù)結(jié)合監(jiān)測德州旱情方法探討.農(nóng)業(yè)科技與信息,2016(8):52-53，55.

Lu G W,Wang Y P,Wang X Q.Monitoring the Dezhou drought using remote sensing data and meteorological data.Agriculture Technology and Information,2016(8):52-53，55.(in Chinese)

[10] 楊樹聰,沈彥俊,郭英,近藤昭彥.基于表觀熱慣量的土壤水分監(jiān).中國生態(tài)農(nóng)業(yè)學(xué)報,2011,19(5):1157-1161.

Yang S C,Shen Y J,Guo Y,Kondoh Akihiko.Monitoring soil moisture by apparent thermal inertia method.Chinese Journal of Eco-Agriculture,2011,19(5):1157-1161.(in Chinese)

[11] 詹志明,秦其明,阿布都瓦斯提·吾拉木,汪冬冬.基于NIR-Red光譜特征空間的土壤水監(jiān)測新方法.中國科學(xué)D輯:地球科學(xué),2006,36(11):1020-1026.

Zhan Z M,Qin Q M,Abuduwasit·Ghulam,Wang D D.New methods of soil moisture monitoring based in NIR-Red spectra characteristic space.Science in China (Series D:Earth Sciences),2006,36(11):1020-1026.(in Chinese)

[12] 阿布都瓦斯提·吾拉木.基于N維光譜特征空間的農(nóng)田干旱遙感監(jiān)測.北京:北京大學(xué)博士學(xué)位論文,2006.

Abuduwasit·Ghulam.Agricultural drought remote sensing monitoring model based on N-dimensional spectral feature space.PhD Thesis.Beijing:Peking University,2006.(in Chinese)

[13] 陳國茜,周秉榮,胡愛軍.垂直干旱指數(shù)在高寒農(nóng)區(qū)春旱監(jiān)測中的應(yīng)用研究.遙感技術(shù)與應(yīng)用,2014,29(6):949-953.

Chen G X,Zhou B R,Hu A J.Applicationresearch of perpendicular drought index for spring drought monitoring on high and cold agricultural area.Remote Sensing Technology and Application,2014,29(6):949-953.(in Chinese)

[14] 韓濤,蔣友嚴.基于FY-3/MERSI數(shù)據(jù)的干旱監(jiān)測.草業(yè)科學(xué),2014,31(9):1645-1652.

Han T,Jiang Y Y.Drought monitoring analysis based on FY-3/MERSI data.Pratacultural Science,2014,31(9):1645-1652.(in Chinese)

[15] Wang L,Qu J J.NMDI:A normalized multi-band drought index for monitoring soil and vegetation moisture with satellite remote sensing.Geophysical Research Letters,2007,34(20):117-131.

[16] 張紅衛(wèi),陳懷亮,周官輝,趙百勝,高正慶.歸一化多波段干旱指數(shù)在農(nóng)田干旱監(jiān)測中的應(yīng)用.科技導(dǎo)報,2009,27(11):23-26.

Zhang H W,Chen H L,Zhou G H,Zhao B S,Gao Z Q.Application of normalized multi-band drought index method in cropland drought monitoring.Science & Technology Review,2009,27(11):23-26.(in Chinese)

[17] 杜曉,王世新,周藝,魏華.一種新的基于EOS/MODIS的地表含水量模型構(gòu)造與驗證.武漢大學(xué)學(xué)報(信息科學(xué)版),2007,32(3):205-208.

Du X,Wang S X,Zhou Y,Wei H.Construction and validation of a new model for unified surface water capacity based on MODIS data.Geomatics and Information Science of Wuhan University,2007,32(3):205-208.(in Chinese)

[18] Bannari A,Morin D,Bonn F,Huete R.A review of vegetation indices.Remote Sensing Reviews,1995,13(1):95-120.

[19] 王瑋,馮琦勝,郭鈮,沙莎,胡蝶,王麗娟,李耀輝.基于長時間序列NDVI資料的我國西北干旱區(qū)植被覆蓋動態(tài)監(jiān)測.草業(yè)科學(xué),2015,32(12):1969-1979.

Wang W,Feng Q S,Guo N,Sha S,Hu D,Wang L J,Li Y H.Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China.Pratacultural Science,2015,32(12):1969-1979.(in Chinese)

[20] 趙新來,李文龍,Xulin Guo,余翠,趙玉婷,許靜.Pa、SPI和SPEI干旱指數(shù)對青藏高原東部高寒草地干旱的響應(yīng)比較.草業(yè)科學(xué),2017,34(2):273-282．

Zhao X L,Li W L,Guo X L,Yu C,Zhao Y T,Xu J.Theresponses of Pa,SPI, and SPEI to dry climate in alpine meadows of eastern Qinghai-Tibet Plateau.Pratacultural Science,2017,34(2):273-282.(in Chinese)

[21] 趙秀霞,楚新正,馬曉飛,莫豐瑞.基于像元二分模型的艾比湖濕地NDVI指數(shù)對微氣候的響應(yīng).草業(yè)科學(xué),2017,34(6):1168-1177.

Zhao X X,Chu X Z,Ma X F,Mo F R.Ebinur Lake Wetland vegetation coverage in response to a micro-climate change.Pratacultural Science,2017,34(6):1168-1177.(in Chinese)

[22] 孫麗,王飛,吳全.干旱遙感監(jiān)測模型在中國冬小麥區(qū)的應(yīng)用.農(nóng)業(yè)工程學(xué)報,2010,26(1):243-249，389.

Sun L,Wang F,Wu Q.Drought monitoring by remote sensing in winter-wheat-growing area of China.Transactions of the CSAE,2010,26(1):243-249，389.(in Chinese)

[23] 李亞剛,李文龍,劉尚儒,秦蘭蘭.基于遙感技術(shù)的甘南牧區(qū)草地植被狀況多年動態(tài).草業(yè)科學(xué),2015,32(5):675-685．

Li Y G,Li W L,Liu S R,Qin L L.Grassland vegetation dynamics over the years based on remote sensing technology in Gannan pastoral area.Pratacultural Science,2015,32(5):675-685.(in Chinese)

[24] Liu H Q,Huete A.A feedback based modification of the NDVI to minimize canopy background and atmosphericnoise.IEEE Transactions on Geoscience and Remote Sensing,1995,33(2):457-465.

[25] Kogan F S.Development of global drought-watch system using NOAA/AVHRR data.Advances in Space Research,1993,13(5):219-222.

[26] Kogan F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas.International Journal of Remote Sensing,1990,11(8):1405-1420.

[27] Ghulam A,Qin Q,Teyip T,Li Z L.Modified perpendicular drought index(MPDI):A real-time drought monitoring method.Isprs Journal of Photogrammetry & Remote Sensing,2007,62(2):150-164.

[28] 孫灝,陳云浩,孫洪泉.典型農(nóng)業(yè)干旱遙感監(jiān)測指數(shù)的比較及分類體系.農(nóng)業(yè)工程學(xué)報,2012,28(14):147-154.

Sun H,Chen Y H,Sun H Q.Comparisons and classification system of typical remote sensing indexes for agricultural drought.Transactions of the Chinese Society of Agricultural Engineering,2012,28(14):147-154.(in Chinese)

[29] 馮海霞,秦其明,蔣洪波,董恒,張寧,王金梁,劉明超.基于HJ-1A/1B CCD數(shù)據(jù)的干旱監(jiān)測.農(nóng)業(yè)工程學(xué)報,2011,27(S1):358-365.

Feng H X,Qin Q M,Jiang H B,Dong H,Zhang N,Wang J L,Liu M C.Drought monitoring based on HJ-1A/1B CCD data.Transactions of the CSAE,2011,27(S1):358-365.(in Chinese)

[30] 晏明,丁春雨.基于遙感監(jiān)測的農(nóng)業(yè)旱災(zāi)監(jiān)測研究.基層農(nóng)技推廣,2013,1(10):22-26.

Yan M,Ding C Y.The research of agricultural drought monitoring based on remote sensing.Primary Agricultural Technology Extension,2013,1(10):22-26.(in Chinese)

[31] Jackson R D,Idso S B.Canopy temperature as a crop water stress indicator.Water Resource Research,1981,17(4):1133-1138.

[32] Idso S B,Jcckson R D,Pinter P J Jr,Reginato R J,Hatfield J L.Normalizing the stress degree day for environmental variability.Agricultural Meteorogy,1981(24):45-55.

[33] 申廣榮,田國良.作物缺水指數(shù)監(jiān)測旱情方法研究.干旱地區(qū)農(nóng)業(yè)研究,1998,16(1):126-131.

Shen G R,Tian G L.Drought monitoring with crop water stress index.Agricultural Research in the Arid Areas,1998,16(1):126-131.(in Chinese)

[34] 劉安麟,李星敏,何延波,鄧鳳東.作物缺水指數(shù)法的簡化及在干旱遙感監(jiān)測中的應(yīng)用.應(yīng)用生態(tài)學(xué)報,2004,15(2):210-214.

Liu A L,Li X M,He Y B,Deng F D.Simplification of crop shortage water index and its application in drought remote sensing monitoring.Chinese Journal of Applied Ecology,2004,15(2):210-214.(in Chinese)

[35] 田國珍,武永利,梁亞春,楊超.基于蒸散發(fā)的干旱監(jiān)測及時效性分析.干旱區(qū)地理,2016,39(4):721-729.

Tian G Z,Wu Y L,Liang Y C,Yang C.Drought monitoring and timeliness based on evapotranspiration model.Arid Land Geography,2016,39(4):721-729.(in Chinese)

[36] 張紅衛(wèi),陳懷亮,申雙和,孫睿.基于MODIS數(shù)據(jù)的農(nóng)田淺層土壤濕度指數(shù)的構(gòu)造與應(yīng)用.北京：中國氣象學(xué)會農(nóng)業(yè)氣象與生態(tài)學(xué)委員會，南京信息工程大學(xué)，中國農(nóng)學(xué)會農(nóng)業(yè)氣象分會，中國農(nóng)科院環(huán)境與可持續(xù)發(fā)展研究所，2009:6.

Zhang H W,Chen H L,Shen S H,Sun R.Structure and application of soil moisture index in shallow soil based on MODIS data.Beijing:Chinese Meteorological Society Agricultural Meteorology and Ecology Committee，Nanjing University of Information Science & Technology，Agricultural Meteorological Branch of China Agricultural Society，Institute of Environment and Sustainable Development in Agriculture,CAAS.2009:6.(in Chinese)

[37] 王建博,王蕾彬.基于植被供水指數(shù)的山東省2013年春季旱情監(jiān)測.山東農(nóng)業(yè)科學(xué),2015,47(1):111-116.

Wang J B,Wang L B.Drought monitoring in Shandong Province in spring of 2013 based on vegetation supply water index.Shandong Agriculture Sciences,2015,47(1):111-116.(in Chinese)

[38] 張潔,武建軍,周磊,雷添杰,劉明.基于MODIS數(shù)據(jù)的農(nóng)業(yè)干旱監(jiān)測方法對比分析.遙感信息,2012,27(5):48-54.

Zhang J,Wu J J,Zhou L,Lei T J,Liu M.Comparative study on remotely sensed methods of monitoring agriculture drought based on MODIS data.Remote Sensing Information,2012,27(5):48-54.(in Chinese)

[39] 李新輝,宋小寧,周霞.半干旱區(qū)土壤濕度遙感監(jiān)測方法研究.地理與地理信息科學(xué),2010,26(1):90-93，113.

Li X H,Song X N,Zhou X.Study on methods of monitoring soil moisture by remote sensing in semi-arid areas.Geography and Geo-Information Science,2010,26(1):90-93，113.(in Chinese)

[40] Sandholt L,Rasmussen K,Andersen J.A simpleinterpretation of the surface temperature/vegetation indexspace for assessment of surface moisture status.Remote Sensing of Environment,2002,79(2/3):213-224.

[41] 楊秀海,卓嘎,羅布.基于MODIS數(shù)據(jù)的西北地區(qū)旱情監(jiān)測.草業(yè)科學(xué),2011,28(8):1420-1426.

Yang X H,Zhuoga,Luobu.On MODIS data based drought monitoring in northwest China.Pratacultural Science,2011,28(8):1420-1426.(in Chinese)

[42] 鮑艷松,嚴婧,閔錦忠,王冬梅,李紫甜,李鑫川.基于溫度植被干旱指數(shù)的江蘇淮北地區(qū)農(nóng)業(yè)旱情監(jiān)測.農(nóng)業(yè)工程學(xué)報,2014,30(7):163-172.

Bao Y S,Yan J,Min J Z,Wang D M,Li Z T,Li X C.Agricultural drought monitoring in north Jiangsu by using temperature vegetation dryness index.Transactions of the Chinese Society of Agriculture Engineering,2014,30(7):163-172.(in Chinese)

[43] 姚春生,張增祥,汪瀟.使用溫度植被干旱指數(shù)法(TVDI)反演新疆土壤濕度.遙感技術(shù)與應(yīng)用,2004,19(6):437-478.

Yao C S,Zhang Z X,Wang X.Evaluating soil moisture status in Xinjiang using the temperature vegetation dryness index.Remote Sensing Technology and Application,2004,19(6):437-478.(in Chinese)

[44] 李春強,李紅軍.TVDI在冬小麥春季干旱監(jiān)測中的應(yīng)用.遙感技術(shù)與應(yīng)用,2008,23(2):161-165.

Li C Q,Li H J.The application of TVDI in drought monitoring for winter wheat in spring.Remote Sensing Technology and Application,2008,23(2):161-165.(in Chinese)

[45] 張喆,丁建麗,李鑫,鄢雪英.TVDI用于干旱區(qū)農(nóng)業(yè)旱情監(jiān)測的適宜性.中國沙漠,2015,35(1):220-227.

Zhang Z,Ding J L,Li X,Yan X Y.Suitability of TVDI used to monitor agricultural drought in arid area.Journal of Desert Research,2015,35(1):220-227.(in Chinese)

[46] 郝小翠,張強,楊澤粟,王曉巍,岳平,韓濤,王勝.一種基于地表能量平衡的遙感干旱監(jiān)測新方法及其在甘肅河?xùn)|地區(qū)干旱監(jiān)測中的應(yīng)用初探.地球物理學(xué)報,2016,59(9):3188-3201.

Hao X C,Zhang Q,Yang Z S,Wang X W,Yue P,Han T,Wang S.A new method for monitoring based on land surface energy balance and its preliminary application to the Hedong region of Gansu Province.Chinese Journal of Geophysics,2016,59(9):3188-3201.(in Chinese)

[47] 張文宗,姚樹然,趙春雷,王云秀.利用MODIS資料監(jiān)測和預(yù)警干旱新方法.氣象科技,2006,34(4):501-504.

Zhang W Z,Yao S R,Zhao C L,Wang Y X.New method for drought monitoring and prewarning with EOS/MODIS.Meteorological Science and Technology,2006,34(4):501-504.(in Chinese)

[48] 鄭有飛,劉茜,王云龍,吳榮軍,陳鵬.能量指數(shù)法在黑龍江干旱監(jiān)測中的適用性研究.土壤,2012,44(1):149-157.

Zheng Y F,Liu X,Wang Y L,Wu R J,Chen P.Application of energy index method on drought monitoring in Heilongjiang.Soils,2012,44(1):149-157.(in Chinese)

[49] 夏虹.農(nóng)業(yè)干旱多尺度遙感監(jiān)測方法研究.北京:北京師范大學(xué)博士學(xué)位論文,2008.

Xia H.Multi-scale remote sensing monitoring method for agricultural drought.PhD Thesis.Beijing:Beijing Normal University,2008.(in Chinese)

[50] 蔣友嚴,韓濤,徐燕,王小巍,王大為.基于多源衛(wèi)星數(shù)據(jù)的3種干旱遙感監(jiān)測效果比較.干旱地理農(nóng)業(yè)研究,2014,32(2):47-51.

Jiang Y Y,Han T,Xu Y,Wang X W,Wang D W.Comparison of drought monitoring effects based on multi-source remote sensing data of satellite.Agricultural Research in the Arid Areas,2014,32(2):47-51.(in Chinese)

[51] Sellars S,Nguyen P,Chu W,Chu W,Gao X,Hsu K,Sorooshian S.Computational earth science:Big data transformed into insight.EOS,Transactions American Geophysical Union,2013,94(32):277-288.

[52] Brown J F,Wardlow B D,Tadesse T,Hayes M J,Reed B C.The vegetation drought response index (VegDRI):A new integrated approach for monitoring drought stress in vegetation.Giscience & Remote Sensing,2008,45(1):16-46.

[53] Aghakouchak A,Farahmand A,Melton F S,Teixeira J,Anderson M C,Wardlow B D,Hain C R.Remote sensing of drought:Progress,challenges and opportunities.Reviews of Geophysics,2015,53(2):452-480.

[54] Zhou L,Wu J J,Mo X Y,Zhou H K,Diao C Y,Wang Q F,Chen Y H,Zhang F Y.Quantitative and detailed spatiotemporal patterns of drought in China during 2001-2013.Science of the Total Environment,2017,589:136-145.

[55] 杜靈通,田慶久,王磊,黃彥,南嶺.基于多源遙感數(shù)據(jù)的綜合干旱監(jiān)測模型構(gòu)建.農(nóng)業(yè)工程學(xué)報,2014,30(9):126-132.

Du L T,Tian Q J,Wang L,Huang Y,Nan L.A synthesized drought monitoring model based on multi-source remote sensing data.Transactions of the Chinese Society of Agricultural Engineering,2014,30(9):126-132.(in Chinese)

[56] 李德仁.論RS,GPS與GIS集成的定義、理論與關(guān)鍵技術(shù).遙感學(xué)報,1997,1(1):64-68.

Li D R.Ondefinition,theory and key technics of the integration of GPS,RS and GIS.Journal of Remote Sensing,1997,1(1):64-68.(in Chinese)

[57] 劉鳳仙.基于3S的農(nóng)業(yè)干旱監(jiān)測方法綜述.中國西部科技,2010,17(9):12-13，43.

Liu F X.A review of agricultural drought monitoring methods based on 3S.Science and Technology of West China,2010,17(9):12-13，43.(in Chinese)

Theagriculturaldroughtremotesensingmonitoringmethodsandprospectsbasedondifferentunderlyingsurfaceconditions

Zhang Yao-yao, Cui Xia, Song Qing-jie, Zhu Gao-feng

(Key Laboratory of Western China’s Environmental Systems(Ministry of Education), College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, Gansu, China)

Drought is one of the major natural disasters for China’s agricultural industry. By selecting asuitable monitoring index based on land surface conditionsduring different growth periods of crops, remote sensing monitoring ofagricultural drought can timely and effectively evaluate the effect of drought on crop growth and provide animportant source for decisions to be made by thegovernment. The present study summarized the widely used agricultural remote sensing monitoring methods, which were based on different land surface conditions. These methods weredivided into three classes: monitoring methods based on bare surface or low vegetation cover, monitoring methods based on high vegetation cover, and integrated monitoring methods based on all land cover conditions. In addition, the future development directions of agricultural remote sensing drought monitoring werestudied and discussed, and included: 1) monitoring data beingtransformedfrom asingle data source to multi-source data; 2)monitoring indicatorschangingfrom single meteorological monitoring indicators to acomprehensive monitoring index, which integratesmeteorological, satellite remote sensing with crop physiological and physical characteristics; 3) the 3S technology integration and data sharing.

agricultural drought; land surface; remote sensing monitoring; monitoring methods; normalized difference vegetation index

Cui Xia E-mail:xiacui@lzu.edu.cn

10.11829/j.issn.1001-0629.2017-0080

張瑤瑤，崔霞，宋清潔，朱高峰.基于不同下墊面的農(nóng)業(yè)干旱遙感監(jiān)測方法與發(fā)展前景.草業(yè)科學(xué),2017,34(12)：2416-2427.

Zhang Y Y,Cui X,Song Q J,Zhu G F.The agricultural drought remote sensing monitoring methods and prospects based on different underlying surface conditions.Pratacultural Science，2017,34(12)：2416-2427.

S127

A

1001-0629(2017)12-2416-12

2017-02-23接受日期2017-06-12

國家自然科學(xué)基金項目(41401472、41571016);高分辨率對地觀測系統(tǒng)重大專項(30-Y20A34-9010-15/17)

張瑤瑤(1994-)，女，河北邢臺人，在讀碩士生，研究方向為干旱遙感監(jiān)測。E-mail:zhangyaoyao16@lzu.edu.cn

崔霞(1984-)，女，甘肅民勤人，講師，博士，研究方向為環(huán)境遙感及應(yīng)用。E-mail:xiacui@lzu.edu.cn

(責(zé)任編輯 王芳)