陳媛媛，孫麗，杜英坤，韓巍，胡華浪

(農(nóng)業(yè)農(nóng)村部大數(shù)據(jù)發(fā)展中心，北京 100125)

0 引言

近些年，隨著氣候狀態(tài)不穩(wěn)定，極端氣候事件頻發(fā)，干旱已成為世界范圍內(nèi)影響最為廣泛的自然災(zāi)害[1]，是全球氣候變化領(lǐng)域?qū)W者們的關(guān)注點。持續(xù)干旱導(dǎo)致的負(fù)面影響隨著時間的累積而越發(fā)嚴(yán)重，地表、地下水資源短缺，土地資源退化，生態(tài)環(huán)境遭到破壞，影響社會的可持續(xù)發(fā)展。干旱發(fā)生頻次高，地域范圍影響大，對農(nóng)業(yè)的損害無疑是最直接最嚴(yán)重的[2-3]。我國是世界第一人口和農(nóng)業(yè)大國，受大陸性季風(fēng)氣候和復(fù)雜地貌影響，降水具有較大的區(qū)域差異性，自古以來農(nóng)業(yè)旱災(zāi)頻發(fā)。干旱對我國農(nóng)業(yè)造成的損失在各類農(nóng)業(yè)氣象災(zāi)害中占據(jù)首位，比重達(dá)60%左右，且近年來有逐步加劇的趨勢[4-5]，是牽制我國農(nóng)業(yè)高質(zhì)量發(fā)展的重要脅迫因子。因此，開展農(nóng)業(yè)干旱監(jiān)測研究對于保障我國糧食安全和農(nóng)業(yè)生產(chǎn)具有重要現(xiàn)實意義，為抗旱減災(zāi)政策的制定提供科學(xué)依據(jù)。

農(nóng)業(yè)干旱的本質(zhì)是土壤含水量在一段時間內(nèi)低于作物對水分的需求量，從而影響植被的正常生長。傳統(tǒng)的以點或隨機(jī)樣方的調(diào)查方式不便于在大范圍上開展。隨著空間信息技術(shù)的發(fā)展，衛(wèi)星遙感以其時效性高、監(jiān)測范圍廣以及客觀準(zhǔn)確等優(yōu)勢在農(nóng)業(yè)干旱監(jiān)測工作中發(fā)揮了無可替代的作用。目前農(nóng)業(yè)干旱遙感監(jiān)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(jiān)測土壤含水量或構(gòu)建反映土壤濕度的指標(biāo)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(jiān)測旱情[7-8]。

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

1 農(nóng)業(yè)干旱遙感監(jiān)測方法

根據(jù)各監(jiān)測模型所利用的遙感波段范圍，可以將典型的農(nóng)業(yè)干旱遙感監(jiān)測方法分為光學(xué)方法、熱紅外方法、光學(xué)-熱紅外耦合方法、微波方法和多源數(shù)據(jù)融合方法等幾類。

1.1 光學(xué)方法

正常條件下，在一定的生長期內(nèi)，植被供水充足，作物長勢良好，葉綠素會吸收藍(lán)、紅光，植被在藍(lán)、紅波段的反射率很低；受葉片內(nèi)部細(xì)胞結(jié)構(gòu)控制，植被在近紅外(near-infrared，NIR)波段反射率呈現(xiàn)高峰；由紅至近紅外波段反射率大幅升高的區(qū)間為紅邊[9]，這是植物光譜曲線獨有的特征。當(dāng)植被受到干旱脅迫時，葉綠素含量、葉面積指數(shù)及覆蓋度等指標(biāo)下降，可見光和NIR波段的光譜特征會發(fā)生顯著變化。土壤反射率曲線相對平滑，當(dāng)受到水分脅迫時，土壤反射率升高。根據(jù)植被和土壤干旱脅迫情況下的反射率變化，近幾十年國內(nèi)外學(xué)者構(gòu)建了多種旱情監(jiān)測指數(shù)。距平植被指數(shù)(anomaly vegetation index，AVI)通過計算某一時期的歸一化植被指數(shù)(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(tài)指數(shù)(vegetation condition index，VCI)以一段時間內(nèi)NDVI的最大、最小值之差為參考量，計算當(dāng)前NDVI、最小NDVI之差與該參考量的比值[11]。AVI和VCI方法的實質(zhì)是對比當(dāng)前植被長勢和歷年(業(yè)務(wù)監(jiān)測應(yīng)用中可選用5年)平均長勢狀況，并認(rèn)為若長勢良好，則發(fā)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(xué)者們在紅-近紅外波段的光譜特征空間基礎(chǔ)上，基于空間中任一點到過坐標(biāo)原點且垂直于土壤線的直線的距離，發(fā)展了垂直干旱指數(shù)(perpendicular drought index，PDI)和修正垂直干旱指數(shù)(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(wěn)定性比PDI要低，當(dāng)植被覆蓋度較高，尤其是接近于1時，計算結(jié)果容易出現(xiàn)極端負(fù)值。為消除PDI和MPDI計算過程中土壤線這一關(guān)鍵因素的影響，劉英等[14]利用特征空間中任一點到坐標(biāo)原點的距離，提出了土壤濕度監(jiān)測指數(shù)(soil moisture monitoring index，SMMI)及加入植被覆蓋度因子的改進(jìn)型土壤濕度監(jiān)測指數(shù)(modified soil moisture monitoring index，MSMMI)。研究表明，SMMI與5 cm、10 cm深土壤濕度的負(fù)相關(guān)性優(yōu)于PDI；在植被覆蓋區(qū)域，MSMMI較MPDI表現(xiàn)更佳[15]。

由于短波紅外(shortwave infrared，SWIR)波段的反射率主要由葉細(xì)胞內(nèi)水分含量控制，而植被液態(tài)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(jù)此，研究者設(shè)計了多種用于間接表征植被含水量多少的遙感指數(shù)，包括歸一化差異水分指數(shù)(normalized difference water index，NDWI)[16]、短波紅外垂直失水指數(shù)(shortwave infrared perpendicular water stress index，SPSI)、短波紅外水分脅迫指數(shù)(shortwave infrared water stress index，SIWSI)[17]等。其中，SPSI的構(gòu)建思想類似于PDI，是利用NIR-SWIR的光譜特征空間發(fā)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(jiān)測精度。而NDWI和SIWSI是利用NIR和SWIR波段，基于NDVI的構(gòu)建原理發(fā)展而來。

1.2 熱紅外方法

植物受到水分脅迫時，葉片氣孔關(guān)閉以減少蒸騰作用導(dǎo)致水分流失，地表潛熱通量隨之降低，根據(jù)能量平衡原理，地表感熱通量增加，地表溫度進(jìn)而升高。因此地表溫度升高可作為捕捉干旱發(fā)生的信息，這一變化甚至在植物未發(fā)生萎蔫時就可能出現(xiàn)[19]?；诠趯訙囟鹊暮登楸O(jiān)測方法最為典型的是Kogan在1995年提出的溫度條件指數(shù)(temperature condition index，TCI)[20]。TCI方法假設(shè)光照強(qiáng)度、土壤質(zhì)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(jiān)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(jiān)測準(zhǔn)確性有時會降低。

1.3 光學(xué)-熱紅外耦合方法

耦合光學(xué)與熱紅外遙感信息可以同時獲取地表參數(shù)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(huán)境能量交換的結(jié)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(zhuǎn)換模型來獲取農(nóng)業(yè)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(shù)據(jù)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(shù)，這些參數(shù)可以從遙感數(shù)據(jù)獲取。

熱慣量旱情監(jiān)測方法的研究點主要體現(xiàn)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(zhuǎn)換模型的建立[23-24]。當(dāng)前表觀熱慣量與土壤含水量的轉(zhuǎn)換模型仍然是基于傳統(tǒng)的統(tǒng)計學(xué)方法和經(jīng)驗關(guān)系建立[25]，而這些經(jīng)驗?zāi)Ｐ筒⒉皇俏ㄒ坏?，模型中的系?shù)通常會隨著土壤質(zhì)地以及研究區(qū)的變化而變化，這一狀況會影響熱慣量法在區(qū)域土壤旱情監(jiān)測中的應(yīng)用。另外，由于表觀熱慣量受到蒸發(fā)影響較大，當(dāng)蒸發(fā)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(qū)[26-27]。針對這一問題，宋承運等[28]采用植被覆蓋度作為權(quán)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(shù)進(jìn)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(jìn)行了評估分析，模型的時空尺度擴(kuò)展性還需進(jìn)一步驗證。

2)蒸散法。依據(jù)土壤蒸發(fā)和植物蒸騰與土壤水分有很大關(guān)系這一原理，利用能量守恒，研究者提出了蒸散法來進(jìn)行農(nóng)業(yè)干旱監(jiān)測。Jackson等[29]在1981年提出了作物缺水指數(shù)(corp water stress index，CWSI)，該指數(shù)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(yīng)越發(fā)不足，干旱越嚴(yán)重。CWSI結(jié)合作物冠層溫度和周圍小區(qū)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(qū)域[30]。Moran等[31]考慮陸表溫度與氣溫之差，對CWSI指數(shù)進(jìn)一步改進(jìn)和發(fā)展，于1994年提出了水分虧缺指數(shù)(water deficit index，WDI)。CWSI、WDI方法的使用除了需要遙感數(shù)據(jù)外，還需要氣象、農(nóng)學(xué)參數(shù)等輔助數(shù)據(jù)。

3)溫度-植被指數(shù)組合法。溫度和植被指數(shù)組合進(jìn)行農(nóng)業(yè)旱情監(jiān)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(shù)(NDVI應(yīng)用最多)等數(shù)據(jù)所構(gòu)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(dá)成Ts和NDVI的函數(shù)[33]。在此基礎(chǔ)上，Sandholt等[34]構(gòu)建了溫度植被干旱指數(shù)(temperature vegetation dryness index，TVDI)，王鵬新[35]構(gòu)建了條件植被溫度指數(shù)(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(jìn)行了改進(jìn)，表明基于高程和緯度校正的Ts能有效提高TVDI的監(jiān)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(shù)學(xué)運算將Ts與NDVI進(jìn)行組合。Carlson等[38]提出了植被供水指數(shù)(vegetation supply water index，VSWI)，使用Ts和NDVI的比值作為旱情監(jiān)測的簡便有效方法。文獻(xiàn)[11]利用線性關(guān)系模型組合VCI和TCI，提出了植被健康指數(shù)(vegetation health index，VHI)，而VCI、TCI分別是NDVI和Ts的數(shù)學(xué)函數(shù)。實際應(yīng)用中，VHI方法中VCI和TCI的權(quán)重具有不確定性，一般可以使用0.5。

不少學(xué)者比較評價了以特征空間為代表的TVDI和以數(shù)學(xué)運算為代表的VSWI在干旱監(jiān)測和灌溉指導(dǎo)方面的應(yīng)用[39-40]，結(jié)果表明兩種指數(shù)均可反映旱情狀況，但精度因不同時空尺度和不同研究區(qū)域而不同。

1.4 微波方法

基于光學(xué)、熱紅外波段建立的旱情監(jiān)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(rèn)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(jiān)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(shù)大約為80，而干土僅為3，因此，土壤的介電常數(shù)與土壤含水量的多少明顯相關(guān)，而介電常數(shù)與微波獲取的后向散射系數(shù)直接相關(guān)，據(jù)此來實現(xiàn)農(nóng)業(yè)旱情微波遙感監(jiān)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(jiān)測方法的熱點[45]。水云模型假定植被層是均勻介質(zhì)，通過一個參數(shù)來簡化植被層與土壤層復(fù)雜的雷達(dá)散射效應(yīng)，常用來估算農(nóng)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(shù)據(jù)，用水云模型和徑向基神經(jīng)網(wǎng)絡(luò)算法進(jìn)行農(nóng)田土壤水分監(jiān)測是可行的。

被動微波旱情監(jiān)測方法主要是建立亮溫數(shù)據(jù)和土壤含水量之間的關(guān)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(shù)理統(tǒng)計的經(jīng)驗算法、基于輻射傳輸模型的算法和神經(jīng)網(wǎng)絡(luò)算法[47]。經(jīng)驗算法是在統(tǒng)計描述和相關(guān)分析的基礎(chǔ)上直接建立土壤水分和星上亮溫間的關(guān)系，應(yīng)用簡單，對特定地區(qū)適用性較好，但由于缺乏物理基礎(chǔ)，普適性較差?；谳椛鋫鬏斈Ｐ偷乃惴ǔ浞挚紤]微波由地表到達(dá)傳感器的物理過程，構(gòu)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(biāo)參數(shù)，反演精度較高，但需要的模型參數(shù)較多[48-50]。神經(jīng)網(wǎng)絡(luò)算法主要是基于神經(jīng)網(wǎng)絡(luò)非常強(qiáng)大的模擬任意復(fù)雜非線性關(guān)系的特點，不需要復(fù)雜的物理模型，但受算法輸入端特定參數(shù)的限制[51]。

1.5 多源數(shù)據(jù)融合方法

由于農(nóng)業(yè)干旱是一種受氣象、地形、土壤、作物等多因素耦合作用的復(fù)雜現(xiàn)象，單一利用光學(xué)、熱紅外或微波構(gòu)建的旱情監(jiān)測指數(shù)不能全面反映作物形態(tài)、生理、土壤水分等的綜合響應(yīng)特征，具有一定局限性。因此，構(gòu)建多源數(shù)據(jù)融合的干旱監(jiān)測方法已經(jīng)成為當(dāng)前研究趨勢。溫度-植被-降水指數(shù)(temperature vegetation precipitation drought index，TVPDI)[52]、優(yōu)化植被干旱指數(shù)(optimized vegetation drought index，OVDI)[53]、合成干旱指數(shù)(synthesized drought index，SDI)[54]、綜合干旱監(jiān)測指數(shù)(integrated drought monitoring index，IDMI)[55]等模型綜合利用光學(xué)、熱紅外、微波以及氣象等多源數(shù)據(jù)，對降水條件指數(shù)、土壤水分條件指數(shù)、TCI、VCI等指數(shù)采用線性加權(quán)、聯(lián)合分布函數(shù)等方式進(jìn)行組合，一般適用于特定地理氣候區(qū)域。如何科學(xué)地確定各分量指數(shù)的權(quán)重系數(shù)成為該類方法的關(guān)鍵。黃友昕[56]基于深度學(xué)習(xí)方法優(yōu)選不同干濕氣候區(qū)域的適宜監(jiān)測指數(shù)，并自動獲取優(yōu)選指數(shù)的權(quán)重系數(shù)，以此建立復(fù)合農(nóng)業(yè)干旱遙感監(jiān)測指數(shù)。不同于其他文獻(xiàn)中一個研究區(qū)域用統(tǒng)一的權(quán)重系數(shù)，Jiao等[57]利用局部有序加權(quán)平均算法獲取分量指數(shù)在每個像元的權(quán)重系數(shù)，并構(gòu)建了地理獨立綜合干旱指數(shù)。

這類方法要求多種具有長時間歷史積累的數(shù)據(jù)源，深度學(xué)習(xí)算法可以有效挖掘多年及多源信息中隱含的內(nèi)在規(guī)律，成為這類旱情監(jiān)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(gòu)建深度神經(jīng)網(wǎng)絡(luò)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(shù)用作輸入變量，建立了基于深度學(xué)習(xí)的長短期記憶網(wǎng)絡(luò)干旱預(yù)測模型，整體預(yù)測性能好于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。胡小楓等[60]利用Tensorflow深度學(xué)習(xí)框架構(gòu)建了京津冀地區(qū)的綜合干旱評估模型。

以上對代表性的農(nóng)業(yè)干旱遙感監(jiān)測模型進(jìn)行了系統(tǒng)梳理與總結(jié)?？偟貋砜?，農(nóng)業(yè)干旱遙感監(jiān)測研究與應(yīng)用在過去40年里取得了較好發(fā)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(biāo)，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(nóng)業(yè)干旱遙感監(jiān)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(jié)對不同方法的適用性和局限性進(jìn)行分析。

2.1 單獨應(yīng)用NDVI或Ts的方法

假定NDVI或Ts數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)變化的因素很多，除干旱外，作物病蟲害、風(fēng)災(zāi)引起的倒伏、植被生理生長周期等都會對NDVI或Ts數(shù)據(jù)產(chǎn)生影響，因此，這類方法應(yīng)用需避免有其他因素干擾的時段或區(qū)域。另一點需要注意的是，單獨利用NDVI或Ts監(jiān)測干旱時，會出現(xiàn)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(qū)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(yīng)的Ts、NDVI散點分布擬合得到，有一定的不確定性，缺乏嚴(yán)格的物理意義[62]。關(guān)于此類方法的應(yīng)用主要集中于Ts和NDVI的結(jié)合，雖有學(xué)者也探討了Ts與植被覆蓋度、歸一化水汽指數(shù)、葉面積指數(shù)等其他反映作物生長狀態(tài)參量的關(guān)系，但所得結(jié)論也只是適用于特定研究區(qū)域[63-64]，該領(lǐng)域并未有哪一指數(shù)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(jī)理明確、監(jiān)測精度較高等優(yōu)點，但其需要輸入較多的地面同步觀測和氣象等輔助數(shù)據(jù)，在應(yīng)用上受到參數(shù)獲取困難和尺度轉(zhuǎn)換問題的制約。且模型模擬出的蒸散是衛(wèi)星過境時的瞬時情況，如果一天內(nèi)溫度較高或風(fēng)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(jiān)測方法

在云層覆蓋時，該方法有其獨特的優(yōu)越性。但微波遙感數(shù)據(jù)對地表粗糙度、植被覆蓋、地形等參數(shù)的敏感性會影響對土壤水分的監(jiān)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(qū)域尺度上發(fā)揮良好作用，更適合于全球尺度旱情的研究。

2.5 多源數(shù)據(jù)融合方法

該方法計算過程復(fù)雜，監(jiān)測精度較高。但需注意，干旱發(fā)生時，往往不能夠及時獲取高質(zhì)量長時間序列的多源遙感與非遙感數(shù)據(jù)，且大量數(shù)據(jù)的標(biāo)準(zhǔn)化等處理也需要一定時間，影響了方法的監(jiān)測時效性和業(yè)務(wù)應(yīng)用性。

總體來看，與土壤水分密切相關(guān)的方法，如PDI指數(shù)、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(nóng)業(yè)旱情監(jiān)測。表征作物生長形態(tài)及內(nèi)部生理變化的幾種方法，如AVI、VCI、MPDI、TCI、VSWI、CWSI等指數(shù)較適于作物生長中后期的旱情監(jiān)測。

3 問題與展望

農(nóng)業(yè)干旱遙感監(jiān)測在過去幾十年的發(fā)展中取得了巨大進(jìn)步，遙感技術(shù)越來越顯示出獨特的優(yōu)越性。然而，當(dāng)前的遙感干旱監(jiān)測研究中還存在一些未解的科學(xué)問題。立足我國農(nóng)業(yè)干旱監(jiān)測應(yīng)用需求，該領(lǐng)域今后的發(fā)展需重點考慮以下3個方面。

3.1 理論方法研究與模型應(yīng)用間的差距

一些學(xué)者對監(jiān)測模型機(jī)理研究較為深入，而機(jī)理模型需要的氣象或地面等多個參數(shù)一般難以精確獲取，各參數(shù)的不確定性會影響模型的監(jiān)測精度，一定程度上阻礙機(jī)理模型在實用化與業(yè)務(wù)化監(jiān)測工作中的應(yīng)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(jīng)驗?zāi)Ｊ皆谥甘咀魑锶彼疇顩r時表現(xiàn)欠佳。在中國農(nóng)業(yè)干旱遙感監(jiān)測實際工作中，當(dāng)前應(yīng)用廣泛的VHI、VSWI方法多是定性描述干旱狀況，而非干旱機(jī)理的定量表征。同時，當(dāng)前中國農(nóng)業(yè)生產(chǎn)面臨兩方面的實際情況，一是農(nóng)業(yè)干旱的發(fā)生具有復(fù)雜性、頻發(fā)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(yīng)用間的差距，以滿足全國農(nóng)業(yè)旱情監(jiān)測需要成為該領(lǐng)域的必然驅(qū)動方向。

3.2 非均一地表農(nóng)業(yè)干旱監(jiān)測

不同種類的作物對遙感監(jiān)測方法有不同的響應(yīng)程度，同種作物的不同生育期對水分脅迫的響應(yīng)也不同，從而導(dǎo)致對遙感監(jiān)測方法的敏感性不同。因此，前述幾類方法的實際應(yīng)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(jiān)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(zhǔn)確掌握農(nóng)業(yè)旱情狀況，是未來農(nóng)業(yè)干旱遙感監(jiān)測領(lǐng)域的熱點和難點。

3.3 國產(chǎn)衛(wèi)星體系建設(shè)

衛(wèi)星遙感是農(nóng)業(yè)遙感監(jiān)測的主要信息源。目前，旱情監(jiān)測領(lǐng)域?qū)χ袊灾鬟\行的衛(wèi)星數(shù)據(jù)可應(yīng)用率較低，對國外的MODIS、Sentinel、Landsat等系列衛(wèi)星數(shù)據(jù)依賴性較高，且國產(chǎn)高分系列衛(wèi)星數(shù)據(jù)普遍存在幾何位置偏差現(xiàn)象，難以與其他地理數(shù)據(jù)疊加分析。另外，旱災(zāi)一般大范圍成片發(fā)生，往往是省級尺度，目前普遍使用的中等分辨率數(shù)據(jù)難以滿足大范圍監(jiān)測時空連續(xù)性要求。因此，在國際糧食供需趨緊背景下，發(fā)展國產(chǎn)衛(wèi)星體系對保障中國糧食安全意義重大。

4 結(jié)束語

衛(wèi)星遙感技術(shù)的進(jìn)步使得利用遙感數(shù)據(jù)進(jìn)行大范圍農(nóng)業(yè)干旱監(jiān)測與評估研究不斷深入。及時梳理農(nóng)業(yè)干旱遙感監(jiān)測當(dāng)前的研究進(jìn)展，有助于厘清并推動未來的發(fā)展方向。本文立足表征農(nóng)業(yè)干旱的遙感指數(shù)，以遙感數(shù)據(jù)源為主線，從光學(xué)、熱紅外、光學(xué)-熱紅外耦合、微波及融合多源數(shù)據(jù)的角度，系統(tǒng)總結(jié)了國內(nèi)外農(nóng)業(yè)干旱遙感監(jiān)測的各類方法，介紹了方法的原理和發(fā)展過程；之后，從模型歸納的角度，重點分析單獨應(yīng)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(shù)據(jù)等幾類方法的適用性；最后，思考農(nóng)業(yè)干旱遙感監(jiān)測領(lǐng)域的未來發(fā)展方向，認(rèn)為在理論方法研究與模型應(yīng)用間的差距、非均一地表農(nóng)業(yè)干旱監(jiān)測、國產(chǎn)衛(wèi)星體系建設(shè)等方面尚存在不足，并進(jìn)行了展望。