基于地表溫度和植被指數(shù)特征空間的農(nóng)業(yè)干旱遙感監(jiān)測方法研究綜述

趙廣敏,李曉燕,李寶毅

（吉林大學(xué)地球科學(xué)學(xué)院,長春 130010）

農(nóng)業(yè)干旱一般指由于作物體外環(huán)境因素(主要指土壤、大氣等)改變引起的作物周圍土壤供水不足,引起作物生長非正常的現(xiàn)象,且伴隨著會造成減產(chǎn)或絕收等經(jīng)濟(jì)損失。由于它是給人類帶來巨大破壞的自然災(zāi)害之一,所以對農(nóng)業(yè)干旱監(jiān)測的研究一直都是人類廣泛關(guān)注的領(lǐng)域。傳統(tǒng)的農(nóng)業(yè)干旱監(jiān)測方法是以土壤含水量與作物適宜含水量比較得到的土壤墑情特征作為農(nóng)業(yè)干旱指標(biāo),由于土壤墑情信息受到站點(diǎn)分布的影響,存在數(shù)據(jù)精準(zhǔn)性低、隨機(jī)性大和即時(shí)性差等弊端。單個(gè)土壤墑情站點(diǎn)資料雖可重復(fù)監(jiān)測,但也只能代表本區(qū)域的研究成果,不便于更大范圍的干旱研究工作。長期運(yùn)行該監(jiān)測模式不僅耗費(fèi)大量的人力財(cái)力和物力,更無法滿足干旱動(dòng)態(tài)監(jiān)測的要求,表現(xiàn)為監(jiān)測數(shù)據(jù)帶有明顯的滯后性,不利于對農(nóng)業(yè)干旱的預(yù)防和監(jiān)測。相對于傳統(tǒng)的農(nóng)業(yè)干旱監(jiān)測方法,遙感技術(shù)具有空間宏觀性、多分辨率(光譜和空間)、周期性和信息豐富等特點(diǎn),能實(shí)現(xiàn)信息的快速收集和定量分析,大幅度減少野外工作量,提高工作效率,對于以點(diǎn)監(jiān)測為基礎(chǔ)的對地觀測手段是非常大的提高[1]。遙感的多光譜信息更為陸表過程的研究提供了各種空間尺度和時(shí)間尺度的植被指數(shù)(可見光、近紅外)和地表溫度(熱紅外)[2]?，F(xiàn)有研究表明,地表溫度和植被指數(shù)在區(qū)域干旱遙感監(jiān)測中與植被生理、生長聯(lián)系密切,地表溫度綜合反映表層土壤含水量的變化,進(jìn)而揭示植物覆蓋量的潛力,其敏感的熱反應(yīng)能力更有助于及時(shí)發(fā)現(xiàn)干旱發(fā)生時(shí)地表溫度的異常升高[3-4]。植被指數(shù)與綠色植物的密度和活力關(guān)系密切,有利于植物數(shù)量和覆蓋度的反映[5-8]。但單獨(dú)依據(jù)植被指數(shù)或地表溫度監(jiān)測干旱時(shí)存在缺陷,有必要將二者結(jié)合起來使用,所以基于地表溫度和植被指數(shù)兩項(xiàng)基本監(jiān)測參數(shù)特征空間的監(jiān)測方法成為目前研究的重點(diǎn)。

本文以地表溫度和植被指數(shù)特征空間為基礎(chǔ),較詳細(xì)的闡述了相關(guān)的4種干旱監(jiān)測方法、基本原理以及適用范圍,并總結(jié)各種方法的優(yōu)缺點(diǎn),進(jìn)一步探討今后研究的重點(diǎn)。

1 地表溫度和植被指數(shù)的特征空間特性

根據(jù)遙感數(shù)據(jù)成功反演出的地表溫度和植被指數(shù)已被證實(shí)是農(nóng)業(yè)干旱監(jiān)測中非常重要的兩項(xiàng)基本參數(shù)[9-10]。地表溫度是地球表面能量平衡和溫室效應(yīng)的一個(gè)很好的指標(biāo),它反映了土壤濕度狀況,是區(qū)域和全球尺度地表物理過程中的一個(gè)關(guān)鍵因子[11]。植被指數(shù)是由衛(wèi)星傳感器可見光和近紅外通道探測數(shù)據(jù)的線性或非線性組合形成的,能夠提供綠色植被的生長狀況和覆蓋度信息的一個(gè)指標(biāo)[11]。一般來講,當(dāng)作物缺水時(shí),作物的生長將受到影響,植被指數(shù)將會降低。但由于兩者單獨(dú)使用存在缺陷,使得監(jiān)測的動(dòng)態(tài)變化不能全面、及時(shí)地顯現(xiàn)出來,且兩者又表現(xiàn)為顯著的負(fù)相關(guān)性,故國內(nèi)外許多研究人員都對基于地表溫度和植被指數(shù)特征空間相結(jié)合的干旱監(jiān)測方法做了大量的研究。研究發(fā)現(xiàn)將兩者結(jié)合的干旱監(jiān)測方法較好地改變了單純基于植被指數(shù)或單純基于陸面溫度進(jìn)行土壤水分狀態(tài)監(jiān)測的不足,有效地減小了植被覆蓋度對干旱監(jiān)測的影響,提高了旱情遙感監(jiān)測的準(zhǔn)確度和實(shí)用性,不僅有利于統(tǒng)一定量標(biāo)準(zhǔn)來判斷作物長勢和干旱情況,還可以起到解決植物在受水分脅迫時(shí)短期內(nèi)仍能保持原有綠色的時(shí)間滯后的問題[12]。該方法有助于建立土壤-植被-大氣間能量相互作用和交換的研究系統(tǒng),還對認(rèn)知旱情時(shí)空動(dòng)態(tài)演變規(guī)律起到很大的幫助作用。現(xiàn)有研究表明,基于地表溫度和植被指數(shù)的特征空間存在兩種表現(xiàn)形式:一種是Price[13]、Carlson等[14]研究發(fā)現(xiàn)利用遙感資料獲得的地表溫度與植被指數(shù)所構(gòu)成的散點(diǎn)分布圖呈三角形;另一種是Nemani等[15]、Moran等[16]通過理論分析認(rèn)為LST-NDVI特征空間呈梯形分布,實(shí)際應(yīng)用中究竟采用三角形特征空間還是梯形特征空間,需要根據(jù)研究對象的植被覆蓋狀況和遙感數(shù)據(jù)的獲取方式來確定。在早期植被覆蓋度比較低的情況下,特別是航空遙感數(shù)據(jù),應(yīng)該采用三角形特征空間,隨著植被覆蓋度的增加,特別是衛(wèi)星遙感來講,采用梯形特征空間較好[17]。

2 相關(guān)干旱監(jiān)測方法

2.1 植被供水指數(shù)法

植被供水指數(shù)是以植被指數(shù)和地表溫度為監(jiān)測指標(biāo)的一種監(jiān)測干旱的方法。其原理是當(dāng)沒有干旱發(fā)生時(shí),作物生長良好;當(dāng)發(fā)生干旱時(shí),由于供水不足,會同時(shí)出現(xiàn)兩種情況,一種情況是部分作物由于缺水死亡導(dǎo)致歸一化植被指數(shù)下降(NDVI減小);另一種情況是作物為避免過多失水死亡而部分關(guān)閉葉片的氣孔以減少蒸騰量,從而導(dǎo)致葉表面溫度升高(Ts升高)。基于此,植被供水指數(shù)綜合考慮了NDVI和植被冠層溫度,定義為植被指數(shù)與植被冠層溫度的比值。其表達(dá)式為

式中:VSWI——植被供水指數(shù);NDVI——植被指數(shù);Ts——植被冠層溫度(由于遙感反演冠層溫度的困難性,暫時(shí)以反演的地表溫度近似為植被的冠層溫度)。該方法適用于有植被覆蓋的下墊面類型,主要應(yīng)用于作物生長的旺盛期,表現(xiàn)為VSWI越小,旱情越嚴(yán)重[18]。這種方法綜合考慮了作物受到干旱影響時(shí)在不同反射波段上的反應(yīng)且物理意義明確,參數(shù)取得易于實(shí)現(xiàn)等特點(diǎn),在我國應(yīng)用較多。楊麗萍等[19]應(yīng)用植被供水指數(shù)法對內(nèi)蒙古地區(qū)進(jìn)行了干旱監(jiān)測研究,研究表明植被供水指數(shù)法適用于內(nèi)蒙古地區(qū)高植被覆蓋的生長季大范圍的干旱監(jiān)測。劉麗等[20]利用植被供水指數(shù)監(jiān)測模型確定了貴州省的干旱面積和干旱指標(biāo),并建立了植被供水指數(shù)估計(jì)地面干旱指數(shù)的回歸方程。鄧玉嬌等[21]在2004年廣東省干旱監(jiān)測中運(yùn)用植被供水指數(shù)法對干旱災(zāi)害進(jìn)行了監(jiān)測,并結(jié)合土地利用類型實(shí)現(xiàn)了干旱分類信息的提取。趙偉等[22]不僅利用VSWI指數(shù)計(jì)算的2006年重慶市特大干旱時(shí)期的土壤相對含水量時(shí)空分布圖,還對研究區(qū)干旱發(fā)生的時(shí)空變化特征進(jìn)行了有效的分析。隨著遙感技術(shù)應(yīng)用的進(jìn)一步發(fā)展,馮銳等[23]綜合考慮NDVI和冠層溫度兩種干旱監(jiān)測指標(biāo),將植被供水指數(shù)定義為

式中:NDVI——?dú)w一化植被指數(shù);T——作物冠層溫度;B——圖像增強(qiáng)系數(shù)。肖國杰等[24]在遼西干旱監(jiān)測中的應(yīng)用表明,研究結(jié)果與實(shí)地的旱情分布基本一致。使得衛(wèi)星遙感在干旱監(jiān)測中的發(fā)揮更明顯,能較好地監(jiān)測生長季干旱動(dòng)態(tài)。此外,李新輝等[25]考慮到半干旱地區(qū)植被覆蓋度較低時(shí)土壤背景對植被指數(shù)的影響,采用改進(jìn)型土壤調(diào)整植被指數(shù)(MSAVI)代替歸一化植被指數(shù)(NDVI),修正后的植被供水指數(shù)不僅能更詳細(xì)地反映旱情分布情況,而且對于一些植被覆蓋稀少的荒漠區(qū)也有一定程度的反映。該方法在體現(xiàn)所需資料少,物理意義明確,可操作性強(qiáng)等優(yōu)點(diǎn)的同時(shí)也出現(xiàn)一些問題,如研究區(qū)域只適合植被覆蓋度較好或很好的地區(qū)(NDVI≥0.3),否則會夸大植被的作用;其次,監(jiān)測結(jié)果在受研究區(qū)內(nèi)云干擾、下墊面差異或垂直地帶性等因素影響時(shí)會增大誤差,同時(shí)監(jiān)測結(jié)果給出的干旱指數(shù)只是人為劃分的相對干旱等級;第三,植被供水指數(shù)法反演土壤含水量受土壤物理特性、植被生理特性(如土壤含水量的滯后效應(yīng)、植被氣孔的閉合、植被種類等),以及光照強(qiáng)度和生產(chǎn)措施等因素影響[26-27]。這些因素都不利于該方法大范圍的客觀評價(jià),需進(jìn)一步研究各種條件下的穩(wěn)定模型。

2.2 水分虧缺指數(shù)法

水分虧缺指數(shù)是由作物缺水指數(shù)發(fā)展而來的,Moran等[16]在綜合考慮了作物缺水指數(shù)(CWSI)中多數(shù)理論參數(shù)與植被覆蓋度有近線性關(guān)系,以及完全植被覆蓋和裸土條件下的很多參數(shù)相對容易獲取兩方面內(nèi)容的基礎(chǔ)上,對其應(yīng)用范圍進(jìn)行擴(kuò)展,建立了水分虧缺指數(shù)(WDI),在一定植被覆蓋度下定義為:

式中:ΔT——某一植被覆蓋度下地表與空氣的溫差;ΔTBD——濕邊上的地表與空氣的溫差;ΔTAC——干邊上的地表與空氣的溫差。如圖1所示,從圖中可以看出WDI實(shí)際上就是線段EF與EG長度的比值。

齊述華[28]通過 MODIS數(shù)據(jù)以水分虧缺指數(shù)(WDI)作為干旱指標(biāo)對我國2000年4-5月干旱發(fā)生情況進(jìn)行研究,發(fā)現(xiàn)WDI作為干旱指標(biāo)的可行性,其使用范圍可由作物缺水指數(shù)法(CWSI)只適合的植被覆蓋度較高的區(qū)域擴(kuò)大到裸地地區(qū)、高植被覆蓋或部分植被覆蓋條件的區(qū)域,并且它還能克服作物缺水指數(shù)法(CWSI)只能用于郁閉植被冠層的限制[29]。另外,齊述華等[30]還根據(jù)此方法原理利用1982-2001年NOAA-AVHRR遙感數(shù)據(jù),提取我國1982-2001年間各年份農(nóng)田受旱面積和受旱成災(zāi)面積,其結(jié)果與統(tǒng)計(jì)結(jié)果基本一致。黃晚華等[31]考慮盈余降水對水分虧缺指數(shù)的影響,修正了水分虧缺指數(shù)計(jì)算方法,并依據(jù)玉米的水分虧缺指數(shù),分析了季節(jié)性干旱發(fā)生頻率的時(shí)空特征。但當(dāng)炎熱干旱季節(jié),在稀疏植被覆蓋條件下的土壤背景溫度與冠層溫度相差較大時(shí),忽略土壤與冠層之間的感熱通量會導(dǎo)致水分虧缺指數(shù)(WDI)的適用性會降低。

圖 1 WDI梯形特征空間

2.3 條件植被溫度干旱指數(shù)法

條件植被溫度指數(shù)的定義為:

式中:LSTmax(NDVI),LSTmin(NDVI)——表示當(dāng)NDVI等于某一確定值時(shí)研究區(qū)域內(nèi)土地表面溫度的最大值和最小值;LST(NDVI)——NDVI等于這一確定值時(shí)的當(dāng)前土地表面溫度;a1,b1,a2,b2——待定系數(shù),可以通過繪制研究區(qū)域的NDVI和LST的散點(diǎn)圖近似獲得,如圖2所示,是在假設(shè)研究區(qū)域內(nèi)土壤表層含水量從萎蔫含水量到田間持水量的基礎(chǔ)上進(jìn)行干旱監(jiān)測的,適用于區(qū)域尺度的干旱監(jiān)測[32-33]。

圖2 條件溫度植被指數(shù)模型

該模型在理論上綜合應(yīng)用NDVI和LST特征空間的特性,且VTCI既考慮了區(qū)域內(nèi)NDVI的變化,又強(qiáng)調(diào)了NDVI值相同時(shí)LST的變化。VTCI的取值范圍為[0,1],VTCI值越小,干旱程度越嚴(yán)重;反之,干旱程度越輕或沒有旱情發(fā)生。實(shí)踐中,該模型則解決了因各地干旱發(fā)生時(shí)空變異以及其他方法(如條件植被指數(shù)、條件溫度指數(shù)、距平植教指數(shù)等方法)由于對同一地物上求取參數(shù)不同而造成的在不同像素間可比性差的問題。適用于監(jiān)測某一特定年內(nèi)某一時(shí)期區(qū)域級的相對干旱程度。王鵬新等[34]利用NOAA-AVH RR數(shù)據(jù)對陜西省關(guān)中平原地區(qū)2000年3月下旬干旱的監(jiān)測結(jié)果表明,條件植被溫度指數(shù)能較好地監(jiān)測該區(qū)域的相對干旱程度,并可用于研究干旱程度的空間變化特征。此外,王鵬新等[35]還運(yùn)用MODIS數(shù)據(jù)對美國大平原南部地區(qū)進(jìn)行了監(jiān)測,同樣取得較理想的效果。但以往工作中對VTCI方法中冷、熱邊界的確定方法研究不深,且應(yīng)用的是單時(shí)段衛(wèi)星遙感數(shù)據(jù)。孫威等[36]針對此問題應(yīng)用多時(shí)段衛(wèi)星遙感數(shù)據(jù),重點(diǎn)研究了歸一化植被指數(shù)和地表溫度特征空間中冷、熱邊界的確定方法,并驗(yàn)證了該方法進(jìn)行干旱監(jiān)測的可行性。

與此同時(shí)VTCI方法使用時(shí)還存在受時(shí)空分布影響較大的局限性,模型中NDVI值和土壤表層含水量均需要處于大范圍的動(dòng)態(tài)變化,且現(xiàn)實(shí)中仍需進(jìn)一步完善對土壤表層含水量有效的判別以及對LST/NDVI特征空間的冷、熱邊界科學(xué)合理的判定方式。

2.4 溫度植被指數(shù)法

Goetz[37]、Carlson等[14]研究發(fā)現(xiàn)單獨(dú)運(yùn)用地表溫度或植被指數(shù)做參數(shù)進(jìn)行監(jiān)測,會受到不完全植被覆蓋條件下土壤背景或植被對于暫時(shí)的水分脅迫不能敏感反映的影響而不能有效監(jiān)測土壤濕度。Lambin等[38]系統(tǒng)地分析了兩者間的關(guān)系,發(fā)現(xiàn)陸地地表溫度與植被指數(shù)呈顯著的負(fù)相關(guān)性,所以兩者可以結(jié)合使用,建立LST-VI的特征空間,既可消除土壤背景的影響,又可使兩者信息互補(bǔ),消除植被指數(shù)只有在水分脅迫嚴(yán)重受阻不利于作物生長時(shí)才會變化的滯后性缺點(diǎn)?；贚ST-NDVI特征空間的基礎(chǔ)上,Sandholt等[39]提出的溫度植被干旱指數(shù)為

式中:TVDI——溫度植被指數(shù);Ts——任意像元的地表溫度;Ts(min)和Ts(max)——地表最低和最高溫度,Ts(min)和Ts(max)可以通過線性回歸分析提取濕邊和干邊獲取;a1,a2,b1,b2——待定系數(shù)。

Price[13]、Carlson等[14]研究發(fā)現(xiàn)利用遙感資料獲得的植被指數(shù)與地表溫度所構(gòu)成的散點(diǎn)分布圖呈三角形。如圖3所示,圖中的A、B、C三個(gè)點(diǎn)代表了NDVI-Ts特征空間中的三種極端情況。在植被生長的某一特定時(shí)期,各種地表類型對應(yīng)NDVI-Ts關(guān)系都分布在ABC這個(gè)多邊形的區(qū)域內(nèi)。當(dāng)植被狀況與土壤墑情存在較大幅度變化時(shí),即植被覆蓋狀況從裸地A和B,到完全植被覆蓋區(qū)C,其中A點(diǎn)為干燥裸地(NDVI小,Ts高),B點(diǎn)為濕潤裸地(NDVI和Ts都最小),C點(diǎn)為植被完全覆蓋區(qū)域(NDVI大,Ts低),所以A→C表示土壤水分的有效性很低,地表蒸散小,被認(rèn)為是“干邊”;B→C表示土壤水分充足,不是植物生長的限制因素,地表蒸散等于潛在蒸散,被認(rèn)為是“濕邊”。完全缺水的干邊之上的像元干旱指數(shù)為1;干邊和濕邊之間的像元干旱指數(shù)為0～1。所以溫度-植被指數(shù)法可以有效克服土壤背景的影響,在不完全覆蓋地區(qū)可以取得較佳效果[40]。

圖3 溫度植被指數(shù)模型

姚春生等[41]利用TVDI方法反演了2003年8-9月兩個(gè)月的新疆地表土壤濕度,通過定量分析驗(yàn)證了TVDI與土壤濕度呈顯著相關(guān),可以用來反演地表的土壤濕度。吳孟泉等[11]對云南省紅河地區(qū)的地表干旱監(jiān)測結(jié)果表明該方法不僅可以用來對大區(qū)域干旱進(jìn)行檢測,而且對山區(qū)的干旱預(yù)警監(jiān)測也能起到很好的效果。此外,楊曦等[42]針對NDVI易達(dá)到飽和的問題,運(yùn)用增強(qiáng)型植被指數(shù)(EVI)代替歸一化植被指數(shù)(NDVI)與地表溫度構(gòu)建Ts/EVI特征空間來提高TVDI與土壤濕度的相關(guān)性,還改進(jìn)了計(jì)算特征空間的干濕邊的方法,對于反映土壤濕度的時(shí)空差異起到很好的效果。閆峰等[43]同樣采用Ts/EVI特征空間較好的估算土壤表層水分狀況,以及TVDI與不同土壤深度的相關(guān)性在不同時(shí)期的差異狀況。陳艷華等[44]則考慮到植被類型對土壤濕度反演精度的影響,利用修正的土壤調(diào)整植被指數(shù)MSAVI替換NDVI,比較研究了植被類型對TVDI提取結(jié)果的影響。張學(xué)藝等[45]同時(shí)改進(jìn)地面溫度和植被指數(shù),獲得改進(jìn)型溫植被旱情指數(shù)(MTVDI),對寧夏作物生長季的干旱進(jìn)行了遙感監(jiān)測,其監(jiān)測精度可控制在90%左右。李紅軍等[46]對影響TVDI旱情指數(shù)的地表能量平衡因素(如忽略地表反射率、緯度等)進(jìn)行研究,通過進(jìn)一步對植被指數(shù)—地表溫度特征空間的生態(tài)學(xué)內(nèi)涵分析,將地表溫度作為下墊面蒸散的函數(shù),提出了溫度蒸散旱情指數(shù)法(TEDI),推導(dǎo)出了T EDI旱情指數(shù),通過實(shí)際研究表明TEDI旱情指數(shù)能夠更準(zhǔn)確地反映下墊面土壤墑情狀況。目前通過對TVDI的研究已經(jīng)取得了較好的效果,但是在特征空間干濕邊的確定方面還沒有嚴(yán)格的定義式的判別標(biāo)準(zhǔn),尤其是在未考慮降水量、蒸散作用等方面對監(jiān)測結(jié)果的影響,盡管可以進(jìn)行質(zhì)量控制(如云檢測等),但現(xiàn)有水平下還會出現(xiàn)質(zhì)量較差的像元,仍會影響到線性擬合干濕邊的精度。

3 結(jié)論

隨著遙感技術(shù)的不斷發(fā)展,基于NDVI-Ts特征空間的干旱監(jiān)測模型在干旱監(jiān)測工作中已取得了良好的效果,不僅改變了單純基于植被指數(shù)或單純基于陸面溫度進(jìn)行土壤水分狀態(tài)監(jiān)測的不足,有效地減小了植被覆蓋度對干旱監(jiān)測的影響,提高了旱情遙感監(jiān)測的準(zhǔn)確度和實(shí)用性,且對干旱情況的監(jiān)測效果顯著,能較好地反映區(qū)域旱情空間分布和旱情動(dòng)態(tài)發(fā)展過程,監(jiān)測結(jié)果具有一定的實(shí)用價(jià)值,有助于遙感監(jiān)測業(yè)務(wù)工作的進(jìn)行。但同時(shí)此類模型還存在不足之處,主要表現(xiàn)為:在研究對象上,大多要求研究區(qū)域具有較高的植被覆蓋度和較大表層含水量范圍,且歸一化植被指數(shù)存在飽和問題,對大氣影響的糾正不徹底和時(shí)間上的滯后性,在干旱初期,很難通過植被指數(shù)監(jiān)測出來,而地表溫度作為與之互補(bǔ)的水分脅迫指標(biāo)的確具有良好的時(shí)效性,但在相關(guān)模型所要求獲取的最高和最低溫度上存在困難,且獲取的溫度或晝夜溫差信息受植被覆蓋的影響,與實(shí)際值相比存在偏差;在技術(shù)水平上,因簡化反演參數(shù)(如植被指數(shù),冠層溫度等)的取得過程和干濕邊的判別工作等造成監(jiān)測結(jié)果的精準(zhǔn)性和客觀性不足。由于農(nóng)業(yè)干旱是一個(gè)受降水、土壤屬性、地形等多因素影響的自然現(xiàn)象,因此此類監(jiān)測方法應(yīng)加強(qiáng)綜合大氣、作物和土壤環(huán)境等各個(gè)方面因素的業(yè)務(wù)能力,增強(qiáng)或改進(jìn)相關(guān)研究參數(shù)的同時(shí),加強(qiáng)不同方法的交叉融合使用,使得干旱監(jiān)測方法從監(jiān)測角度和內(nèi)容上加以豐富。隨著衛(wèi)星遙感的發(fā)展,今后可采用更高分辨率的影像進(jìn)行分析,這樣有助于不同空間尺度研究參數(shù)的統(tǒng)一和比較,且減小參數(shù)因空間變異而導(dǎo)致的精度下降。

綜上所述,基于地表溫度和植被指數(shù)特征空間的干旱監(jiān)測方法在實(shí)際監(jiān)測工作中已得到廣泛認(rèn)可,且在實(shí)際工作中也取得了非常好的效果,隨著監(jiān)測方法的不斷成熟以及遙感技術(shù)的不斷發(fā)展,此類模型在對農(nóng)業(yè)干旱動(dòng)態(tài)監(jiān)測的應(yīng)用中將會起到更好的效果。

[1]胡紅武,胡梅,龍玲,等.區(qū)域干旱遙感監(jiān)測研究綜述[J].安徽農(nóng)業(yè)科學(xué),2008,36(33):14817-14819.

[2]張紅衛(wèi),陳懷亮,申雙和,等.NDVI-ST特征空間及干濕邊變化特征[J].氣象科技,2010,38(1):86-95.

[3]Christelle V,Pietro C,Tufa D,et al.Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa[J].Remote Sensing of Environment,2010,114:449-465.

[4]Tang Ronglin,Li Zhaoliang,Tang Bohui.An application of the Ts-VI triangle method with enhanced edges determination forevapotranspiration estimation from MODIS data in arid and semi-arid regions:Implementation and validation[J].Remote Sensing of Environment,2010,114:540-551.

[5]Sandholt I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2002,79:213-224.

[6]Wang Xianwei,Xie Hongjie,Guan Huade,et al.Different responses of MODIS-derived NDVI to root-zone soil moisture in semi-arid and humid regions[J].Journal of Hydrology,2007,340:12-24.

[7]Kalma J D,McVicar T R,McCabe M F.Estimating Land Surface Evaporation:A Review of Methods Using Remotely Sensed Surface Temperature Data[J].Surv.Geophys.,2008,29:421-469.

[8]Kimura R.Estimation of moisture availability over the Liudaogou river basin of the Loess Plateau using new indices with surface temperature[J].Journal of Arid Environments,2007,70:237-252.

[9]Kaniska M,Bhattacharya B K,Patel N K.Estimating volumetric surface moisture content for cropped soils using a soil wetness index based on surface temperature and NDVI[J].Agricultural and Forest Meteorology,2009,149:1327-1342.

[10]Krishna T M,Ravikumar G,Krishnaveni M.Remote Sensing Based Agricultural DroughtAssessment in Palar Basin of Tamil Nadu State,India[J].J.Indian Soc.Remote Sens.,2009,37:9-20.

[11]吳孟泉,崔偉宏,李景剛.溫度植被干旱指數(shù)(TVDI)在復(fù)雜山區(qū)干旱監(jiān)測的應(yīng)用研究[J].干旱區(qū)地理,2007,30(1):30-35.

[12]韓麗娟,王鵬新,王錦,等.地植被指數(shù)-地表溫度構(gòu)成的特征空間研究[J].中國科學(xué)D輯:地球科學(xué),2005,35(4):371-377.

[13]Price J C.Using spatial context in satellite data to infer regional scale evapotransportation[J].IEEE Transactions on Geoscience and Remote Sensing,1990,28:940-948.

[14]Carlson T N,Gillies R R,Perry E M.A method to make use of thermal infrared temperature and NDVI measurements to infersurface soil water content and fractional vegetation cover[J].Remote Sensing Reviews,1994,9:161-173.

[15]Nemain R R,Running S W.Estimation of regional surface resistance to evapotranspiration from NDVI and thermal-IRAVHRR data[J].Journal of Applied Meteorology,1989,28:276-284.

[16]Moron M S,Clarke T R,Inoue Y,et al.Estimating crop water deficit using the relation between surface air temperature and spectral vegetation index[J].Remote Sensing of Environment,1994,49:246-263.

[17]高磊,覃志豪,盧麗萍.基于植被指數(shù)和地表溫度特征空間的農(nóng)業(yè)干旱監(jiān)測模型研究綜述[J].國土資源遙感,2007,73(3):1-7.

[18]郭虎,王瑛,王芳.旱災(zāi)災(zāi)情監(jiān)測中的遙感應(yīng)用綜述[J].遙感技術(shù)與應(yīng)用,2008,23(1):111-116.

[19]楊麗萍,楊曉華,張存厚.植被供水指數(shù)法在內(nèi)蒙古干旱監(jiān)測中的應(yīng)用[J].內(nèi)蒙古農(nóng)業(yè)科技,2008(1):58-59.

[20]劉麗,劉清,周穎.衛(wèi)星遙感信息在貴州干旱監(jiān)測中的應(yīng)用[J].中國農(nóng)業(yè)氣象,1999,20(3):43-47.

[21]鄧玉嬌,肖乾廣,黃江.2004年廣東省干旱災(zāi)害遙感監(jiān)測應(yīng)用研究[J].熱帶氣象學(xué)報(bào),2006,22(3):237-240.

[22]趙偉.基于VSWI的重慶市農(nóng)業(yè)干旱評價(jià)研究[J].安徽農(nóng)業(yè)科技,2009,37(23):11070-11072.

[23]張友水,謝元禮.MODIS影像的NDVI和LSWI植被水分含量估算[J].地理科學(xué),2008,28(1):72-76.

[24]肖國杰,李國春,趙麗華,等.植被供水指數(shù)法在遼西干旱監(jiān)測中的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2006(4):106.

[25]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[J].地理與地理信息科學(xué),2010,26(1):90-93.

[26]肖斌,沙晉明.基于MODIS數(shù)據(jù)的水熱指數(shù)及其DEM訂正[J].遙感信息,2007(5):35-38.

[27]楊麗萍,隋學(xué)艷,楊潔.山東省春季土壤墑情遙感監(jiān)測模型構(gòu)建[J].山東農(nóng)業(yè)科學(xué),2009(5):17-20.

[28]齊述華.干旱監(jiān)測遙感模型和中國干旱時(shí)空分析[D].北京:中國科學(xué)院遙感應(yīng)用研究所,2004.

[29]余萬明,葉彩華.MODIS資料遙感監(jiān)測土壤水分與干旱研究進(jìn)展[J].河南氣象,2006(l):44-46.

[30]齊述華,李召良,王長耀.1982-2001年間我國受旱和受旱成災(zāi)耕地的遙感提取研究[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào),2008,13(6):43-48.

[31]黃晚華,楊曉光,曲輝輝,等.基于作物水分虧缺指數(shù)的春玉米季節(jié)性干旱時(shí)空特征分析[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(8):28-34.

[32]胡榮辰,朱寶,孫佳麗.干旱遙感監(jiān)測較研究[J].安徽農(nóng)業(yè)科學(xué),2009,37(17):8289-8291.

[33]Han Ping,Wang Pengxin,Zhang Shuyu,et al.Drought forecasting based on the remote sensing data using ARIMA models[J].Mathematical and Computer Modelling,2010,51:1398-1403.

[34]王鵬新,龔健雅,李小文.條件植被溫度指數(shù)及其在干旱監(jiān)測中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào),2001,26(5):412-418.

[35]王鵬新,孫威.條件植被溫度指數(shù)干旱監(jiān)測方法的研究與應(yīng)用[J].科技導(dǎo)報(bào),2006,24(4):56-58.

[36]孫威,王鵬新,韓麗娟,等.條件植被溫度指數(shù)干旱監(jiān)測方法的完善[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(2):22-26.

[37]Goetz S J.Muti-sensor analysis of NDVI,surface temperature and biophysical variables at a mixed grassland site[J].International Journal ofRemote Sensing,1997,18(1):71-94.

[38]Lambin E F,Ehrlich D.The surface temperature-vegetation index for land cover and land cover change analysis[J].International Journal of Remote Sensing,1996,17:463-487.

[39]Sandhol T I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2002,79:213-224.

[40]李喆,譚德寶,秦其明.基于特征空間的遙感干旱監(jiān)測方法綜述[J].長江科學(xué)院院報(bào),2010,27(1):37-40.

[41]姚春生,張?jiān)鱿?汪瀟.使用溫度植被干旱指數(shù)法(TVDI)反演新疆土壤濕度[J].遙感技術(shù)與應(yīng)用,2004,l9(6):473-478.

[42]楊曦,武建軍,閆峰,等.基于地表溫度-植被指數(shù)特征空間的區(qū)域土壤干濕狀況[J].生態(tài)學(xué)報(bào),2009,29(3):1205-1216.

[43]閆峰,王艷姣,武建軍.基于TS-EVI特征空間的春旱遙感監(jiān)測:以河北省為例[J].干旱區(qū)地理,2009,32(5):769-775.

[44]陳艷華,張萬昌.植被類型對溫度植被干旱指數(shù)(TVDI)的影響研究:以黑河綠洲區(qū)為例[J].遙感技術(shù)與應(yīng)用,2007,22(6):700-706.

[45]張學(xué)藝,李劍萍,秦其明,等.幾種干旱監(jiān)測模型在寧夏的對比應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(8):18-23.

[46]李紅軍,鄭力,雷玉平,等.植被指數(shù)-地表溫度特征空間研究及其在旱情監(jiān)測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(11):170-174.