農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法及其應(yīng)用的研究進(jìn)展

賈德偉， 周 磊， 黃燦輝， 劉 佳

(河南省農(nóng)業(yè)遙感監(jiān)測(cè)中心，河南鄭州 450002)

?

農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法及其應(yīng)用的研究進(jìn)展

賈德偉， 周 磊， 黃燦輝， 劉 佳

(河南省農(nóng)業(yè)遙感監(jiān)測(cè)中心，河南鄭州 450002)

從可見光-近紅外遙感監(jiān)測(cè)法、熱紅外監(jiān)測(cè)法、可見光-近紅外-熱紅外遙感監(jiān)測(cè)法、高光譜遙感監(jiān)測(cè)法、微波遙感監(jiān)測(cè)法等方面對(duì)國(guó)內(nèi)外農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法及其應(yīng)用的研究進(jìn)展進(jìn)行了綜述，以期促進(jìn)今后農(nóng)業(yè)遙感干旱監(jiān)測(cè)的深入研究。

農(nóng)業(yè)干旱；遙感；監(jiān)測(cè)；應(yīng)用

農(nóng)業(yè)干旱可造成農(nóng)作物分布、生長(zhǎng)發(fā)育、產(chǎn)量及品質(zhì)等變化。傳統(tǒng)干旱監(jiān)測(cè)具有速度慢、信息滯后和不能反映旱情空間分布特征等缺點(diǎn)[1]。遙感具有宏觀性、經(jīng)濟(jì)性、動(dòng)態(tài)性和時(shí)效性等特征，而微波遙感具有全天時(shí)、全天候的優(yōu)點(diǎn)。利用遙感能準(zhǔn)確提取地表特征參數(shù)和熱量信息，可為農(nóng)業(yè)旱情監(jiān)測(cè)評(píng)估提供理論依據(jù)。衛(wèi)星遙感數(shù)據(jù)類型的增加，為大范圍農(nóng)業(yè)干旱動(dòng)態(tài)監(jiān)測(cè)及評(píng)估提供了強(qiáng)有力的數(shù)據(jù)支持。筆者對(duì)國(guó)內(nèi)外農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法及其應(yīng)用的研究進(jìn)展進(jìn)行了綜述，以期促進(jìn)今后農(nóng)業(yè)遙感干旱監(jiān)測(cè)的深入研究。

1 農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法

農(nóng)業(yè)干旱受到降水、土壤含水量、作物需水等因素的影響，土壤含水量的變化是影響農(nóng)作物生長(zhǎng)發(fā)育的主要因子[2]。干旱發(fā)生前后，作物體內(nèi)生化成分含量及冠層結(jié)構(gòu)會(huì)發(fā)生變化，遙感圖像表現(xiàn)為不同的光譜特征，以此來監(jiān)測(cè)農(nóng)業(yè)干旱。從遙感數(shù)據(jù)源來分類，農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法可分為可見光-近紅外遙感監(jiān)測(cè)法、熱紅外遙感監(jiān)測(cè)法、可見光-近紅外-熱紅外遙感監(jiān)測(cè)法、高光譜遙感監(jiān)測(cè)法、微波遙感監(jiān)測(cè)法。

1.1 可見光-近紅外遙感監(jiān)測(cè)法 土壤含水量是影響植被覆蓋度的重要因子，可見光-近紅外遙感主要利用植被指數(shù)來表述植被覆蓋。當(dāng)水分充盈及正常時(shí)，農(nóng)作物生長(zhǎng)良好，紅波段出現(xiàn)反射率低谷，近紅外波段出現(xiàn)反射率高峰；當(dāng)水分缺失時(shí)，農(nóng)作物生長(zhǎng)出現(xiàn)異常，紅波段反射低谷和近紅外波段反射高峰現(xiàn)象則不明顯。

Tucker 等[3]研究表明NDVI與土壤濕度有良好的相關(guān)性，與綠色植物的密度和活力關(guān)系密切。但是，NDVI受土壤、天氣，地形、植被和季節(jié)等因素的影響，采用單一時(shí)相植被指數(shù)很難精確反映旱情。為消除季節(jié)變化的影響，可利用距平植被指數(shù)(Anomaly vegetation index，AVI)監(jiān)測(cè)農(nóng)作物旱情，AVI適用于長(zhǎng)期監(jiān)測(cè)具有均一下墊面、植被覆蓋高的區(qū)域，該方法受衛(wèi)星資料存檔時(shí)間、數(shù)據(jù)定標(biāo)等因素的影響。一般認(rèn)為，AVI為-0.2～-0.1，為輕旱；AVI為-0.3～-0.2，為中旱；AVI為-0.6～-0.3，為重旱[4]。

為消除空間變化對(duì)植被指數(shù)的影響，同時(shí)反映天氣極端情況，Kogan[5]提出植被條件指數(shù)(又稱植被狀態(tài)指數(shù)，Vegetation condition index，VCI)，該方法適用于長(zhǎng)勢(shì)平穩(wěn)且處于中后期生長(zhǎng)的區(qū)域級(jí)植被區(qū)進(jìn)行干旱監(jiān)測(cè)，但在植被覆蓋較低區(qū)域的使用效果欠佳。

為增加不同時(shí)空和不同植被種類的可比性，齊述華等[6]建立了標(biāo)準(zhǔn)植被指數(shù)(Standard vegetation index，SVI)。該方法操作簡(jiǎn)單，操作性強(qiáng)，適宜于大區(qū)域或全球植被生長(zhǎng)區(qū)域旱情監(jiān)測(cè)，中小尺度或區(qū)域級(jí)旱情監(jiān)測(cè)效果不是很好。

1.2 熱紅外遙感監(jiān)測(cè)法 土壤水分變化時(shí)，農(nóng)作物會(huì)通過蒸騰作用調(diào)節(jié)植被冠層溫度，熱紅外遙感可利用地表農(nóng)作物亮溫變化間接得到其根系的土壤水分變化，從而實(shí)現(xiàn)旱情監(jiān)測(cè)。

土壤熱慣量是土壤阻止其溫度變化的一種熱特性，與土壤含水量高度相關(guān)[7]。土壤熱慣量受土壤熱導(dǎo)率、土壤密度和土壤比熱容的影響，遙感影像無法直接獲取這3個(gè)因子。Price[8]在不考慮太陽高度角和緯度等因素的情況下，提出了表觀熱慣量(Apparent thermal inertia，ATI)的概念，實(shí)際應(yīng)用中常用表觀熱慣量(ATI)代替真實(shí)熱慣量。ATI及其改進(jìn)方法僅適用于裸土及低植被覆蓋區(qū)干旱監(jiān)測(cè)。吳黎等[9]研究發(fā)現(xiàn)當(dāng)NDVI≤ 0.35時(shí)，ATI與土壤含水量間的相關(guān)性較強(qiáng)。

為提高植被覆蓋區(qū)的旱情監(jiān)測(cè)精度，Idso等[10]提出作物缺水指數(shù)(又稱作物水分脅迫指數(shù)，Crop water stress index，CWSI);Jackson等[11]用能量平衡的單層模型對(duì)CWSI進(jìn)行了理論模式定義；劉安麟等[12]對(duì)供水充足條件下的CWSI公式進(jìn)行了簡(jiǎn)化，簡(jiǎn)化后CWSI參數(shù)因子減少，計(jì)算復(fù)雜度降低。CWSI物理意義明確，精度高，對(duì)于植被覆蓋區(qū)的旱情監(jiān)測(cè)效果優(yōu)于熱慣量法。為消除地表溫度受季節(jié)變化的影響，Mcvicar[13]提出歸一化差分溫度指數(shù)(Normalized difference temperature index，NDTI)法，該方法利用地表溫度變化與特定氣象和地表阻抗條件下的地表溫度的上限(干條件)和下限(濕條件)的變化監(jiān)測(cè)旱情。CWSI和NDTI指數(shù)均需要考慮遙感數(shù)據(jù)同步的氣象數(shù)據(jù)，數(shù)據(jù)難獲取，計(jì)算復(fù)雜，還存在氣象站點(diǎn)數(shù)據(jù)向遙感數(shù)據(jù)轉(zhuǎn)化的尺度誤差問題。

此外，可通過與極端天氣條件下的溫度變化差異來描述旱情。有學(xué)者提出了溫度條件指數(shù)(Temperature condition index，TCI)，該方法計(jì)算簡(jiǎn)單，操作性強(qiáng)，但未考慮凈輻射和濕度等氣象條件及季節(jié)變化的影響。

1.3 可見光-近紅外-熱紅外遙感監(jiān)測(cè)法 可見光-近紅外-熱紅外法是綜合利用熱紅外遙感探測(cè)的植被冠層溫度和可見光與近紅外遙感探測(cè)的植被指數(shù)2個(gè)指標(biāo)對(duì)地表植被和水分條件進(jìn)行旱情監(jiān)測(cè)。

(1)Ts-NDVI比率法。利用植被冠層溫度(Ts)和植被指數(shù)(NDVI)的比值進(jìn)行旱情監(jiān)測(cè)，可分為溫度植被指數(shù)法(Temperature vegetation index，TVI)和植被供水指數(shù)(Vegetation supply water index，VSWI)2種。該方法適用于植被蓋較高的研究區(qū)，農(nóng)作物生長(zhǎng)前期或植被覆蓋低地區(qū)，該方法會(huì)放大植被的影響。

(2)Ts-NDVI特征空間法。不同水分條件下，地表植被覆蓋度和土壤水分含量特征空間有梯形和三角形2種，且二者在一定程度上可轉(zhuǎn)化[14]?；谔卣骺臻g發(fā)展的監(jiān)測(cè)方法有Moran等[15]提出的水分虧缺指數(shù)(Water deficit index，WDI)法、王鵬新等[16]提出的條件植被溫度指數(shù)(Vegetation temperature condition index，VTCI)法和Sandholt等[17]提出的溫度植被干旱指數(shù)(Temperature vegetation drought index，TVDI)法。特征空間法適用于監(jiān)測(cè)區(qū)域級(jí)裸地、完全植被或部分植被覆蓋的干旱，監(jiān)測(cè)精度受到特征空間回歸參數(shù)的限制。范遼生等[18]針對(duì)高程對(duì)地表溫度的影響，提出DEM校正TVDI，進(jìn)一步提高了土壤水分反演精度。

1.4 高光譜遙感監(jiān)測(cè)法 農(nóng)業(yè)干旱高光譜遙感監(jiān)測(cè)，主要探索不同波長(zhǎng)波段的光譜值與干旱監(jiān)測(cè)因子(如土壤含水量)的規(guī)律變化，并在眾多光譜波段中尋找干旱監(jiān)測(cè)的敏感波段。Bowers等[19]研究發(fā)現(xiàn)隨土壤水分的增加，土壤光譜反射率降低，二者關(guān)系高度相關(guān)。Lobell等[20]研究發(fā)現(xiàn)土壤光譜值與土壤的體積含水量和相對(duì)含水量的相關(guān)性更高。Liu等[21]研究發(fā)現(xiàn)土壤光譜反射率與土壤水分含量的關(guān)系為非線性，當(dāng)土壤含水量高于某一臨界值時(shí)，土壤光譜值不降反升。彭杰等[22]研究發(fā)現(xiàn)土壤含水量在380～1 080 nm波段與反射率呈負(fù)相關(guān)，以698、702、703、746、747 nm波段反射率倒數(shù)(1/R)建立的多元逐步回歸模型為最優(yōu)模型。

農(nóng)田土壤含水量受作物植被冠層的影響。吳代暉等[23]研究發(fā)現(xiàn)植被含水量引起的光譜變化不同于土壤含水量引起的光譜變化。劉培君等[24]引入了“光學(xué)植被覆蓋度”概念，從光譜混合象元亮度轉(zhuǎn)變成裸土光譜亮度，排除植被對(duì)土壤含水量的影響。吳見等[25]利用混合象元分解及端元光譜提取技術(shù)，將植被和土壤端元光譜分離開，剔除了植被的影響。

1.5 微波遙感監(jiān)測(cè)法 土壤水分與其介電系數(shù)有高度相關(guān)性，干土(2～5)和水分(80)的介電系數(shù)差異顯著，隨著土壤水分的增加，土壤的介電系數(shù)迅速增大。微波遙感信號(hào)與地表介電常數(shù)密切相關(guān)，介電系數(shù)越大，則信號(hào)越強(qiáng)，微波遙感利用其原理進(jìn)行干旱監(jiān)測(cè)。

被動(dòng)微波遙感利用其亮溫監(jiān)測(cè)土壤含水量，植被和地表粗糙度影響該方法對(duì)土壤含水量反演的精度。美國(guó)通過航空微波輻射計(jì)研究發(fā)現(xiàn)被動(dòng)微波的亮度溫度與土壤濕度有較好的線性關(guān)系[26]。Njoku等[27]基于輻射傳輸方程，建立了亮度溫度與土壤濕度等參數(shù)非線性關(guān)系。為消除植被對(duì)土壤水分的影響，Teng等[28]研究發(fā)現(xiàn)濃密植被應(yīng)盡量使用較長(zhǎng)波段微波輻射，避免使用19 GHz波段。王永前等[29]參照TVDI方法，以微波植被指數(shù)MVI代替NDVI表示植被生長(zhǎng)情況，構(gòu)建了溫度微波植被干旱指數(shù)(TMVDI)，對(duì)植被覆蓋區(qū)域的干旱監(jiān)測(cè)效果良好。陳修治等[30]通過歸一化植被指數(shù)(NDVI)與微波極化差異指數(shù)(MPDI)的關(guān)系，參照植被供水指數(shù)(VSWI)方法，構(gòu)建了基于AMSR-E數(shù)據(jù)的被動(dòng)微波遙感氣象干旱指數(shù)，發(fā)現(xiàn)該干旱指數(shù)與土壤濕度數(shù)據(jù)有顯著的負(fù)相關(guān)關(guān)系。

主動(dòng)微波利用其后向散射系數(shù)監(jiān)測(cè)土壤水分含量，其監(jiān)測(cè)精度受到土壤表面粗糙度、土壤紋理、土壤物理性質(zhì)和植被覆蓋的影響。李震等[31]研究發(fā)現(xiàn)后向反射系數(shù)和土壤水分具有線性關(guān)系。賈德偉等[32]研究發(fā)現(xiàn)土壤水分的田間持有量為50%～60%時(shí)，植被影響較大，需要排除植被干擾。劉萬俠等[33]利用“水-云”模型去除植被覆蓋的影響，發(fā)現(xiàn)VV極化與土壤含水量的相關(guān)性更高。鮑艷松等[34]研究發(fā)現(xiàn)小麥麥地垂直同極化后向散射與土壤含水量的相關(guān)性達(dá)到顯著水平，與小麥覆蓋度的相關(guān)性低。

被動(dòng)微波遙感重訪周期短，大面積覆蓋，計(jì)算簡(jiǎn)單，受粗糙度和地形的影響較小，對(duì)土壤水分的變化更敏感，但空間分辨率低。主動(dòng)微波遙感空間分辨率高，但數(shù)據(jù)量大，計(jì)算復(fù)雜，對(duì)粗糙度比較敏感。綜合二者優(yōu)點(diǎn)是微波遙感監(jiān)測(cè)干旱的重要方向之一。楊立娟等[35]通過幾何光學(xué)模型(GO模型)和半經(jīng)驗(yàn)?zāi)Ｐ?QP模型)在粗糙度上的聯(lián)系進(jìn)行主被動(dòng)微波遙感模型結(jié)合，提高了土壤水分反演精度。植被覆蓋土壤表面的后向散射包括來自植被的體散射、來自地表的面散射和植被與地表間的交互作用散射項(xiàng)。李震等[31]結(jié)合主動(dòng)和被動(dòng)微波數(shù)據(jù)，通過計(jì)算體散射項(xiàng)的半經(jīng)驗(yàn)公式模型來消除植被覆蓋影響，提高土壤水分反演精度。趙天杰等[36]結(jié)合機(jī)載輻射計(jì)亮度溫度值和基于后向散射反演的地表粗糙度值，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)來反演土壤水分，提高了土壤水含水量的反演精度。

2 農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法的應(yīng)用

為減少數(shù)據(jù)處理時(shí)間，提高工作效率，建立高效、快捷農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)應(yīng)用平臺(tái)系統(tǒng)也是農(nóng)業(yè)干旱遙感監(jiān)測(cè)發(fā)展的一個(gè)方向。

20世紀(jì)末，美國(guó)建立了新的基于VCI和TCI等模型的全球性干旱監(jiān)測(cè)業(yè)務(wù)產(chǎn)品系統(tǒng)；國(guó)際水管理研究所(IWMI)建立了基于AVHRR和MODIS數(shù)據(jù)的南亞干旱遙感監(jiān)測(cè)系統(tǒng)；加拿大利用NOAA/AVHRR資料進(jìn)行了正常和干旱條件下農(nóng)作物估產(chǎn)比較評(píng)估。

國(guó)內(nèi)有學(xué)者對(duì)業(yè)務(wù)平臺(tái)關(guān)鍵技術(shù)問題進(jìn)行了研究。唐巍等[37]提出建立集成數(shù)據(jù)庫思想；孟令奎等[38]在B/S結(jié)構(gòu)的MODIS數(shù)據(jù)干旱監(jiān)測(cè)處理與發(fā)布系統(tǒng)中提出應(yīng)用網(wǎng)格技術(shù)，大大提高了后臺(tái)遙感數(shù)據(jù)處理效率。

隨著計(jì)算機(jī)和“3S”技術(shù)的發(fā)展，各種開發(fā)語言及二次開發(fā)技術(shù)不斷被應(yīng)用于遙感業(yè)務(wù)系統(tǒng)平臺(tái)中，如中國(guó)科學(xué)院遙感與數(shù)字地球研究所基于ENVI二次開發(fā)包及IDL技術(shù)，建立了全國(guó)遙感旱情監(jiān)測(cè)系統(tǒng)。王玲玲等[39]采用.NET和IDL開發(fā)技術(shù)，構(gòu)建了農(nóng)業(yè)旱情監(jiān)測(cè)與分析系統(tǒng)。高陽華等[40]基于ArcEngine插件式框架技術(shù)，利用GP工具構(gòu)建干旱監(jiān)測(cè)模型系統(tǒng)。吳冬平[41]以3S技術(shù)為支撐，建立了旱情遙感監(jiān)測(cè)與信息管理系統(tǒng)，實(shí)現(xiàn)了旱情監(jiān)測(cè)與預(yù)報(bào)、評(píng)估與分析等功能。由此可見，農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)平臺(tái)都逐步采用新的計(jì)算機(jī)及“3S”技術(shù)，處理速度逐步提升，平臺(tái)擴(kuò)展性不斷增強(qiáng)。

3 小結(jié)

隨著農(nóng)業(yè)干旱遙感監(jiān)測(cè)理論的不斷豐富、技術(shù)和方法的不斷創(chuàng)新，農(nóng)業(yè)干旱遙感監(jiān)測(cè)模型已經(jīng)被廣泛應(yīng)用，業(yè)務(wù)應(yīng)用平臺(tái)也逐步采用新的計(jì)算機(jī)技術(shù)來提高效率。農(nóng)業(yè)干旱受降水、太陽輻射、氣溫、植被覆蓋、土壤質(zhì)地、地形以及人為灌溉等條件的綜合影響，目前農(nóng)業(yè)遙感干旱監(jiān)測(cè)模型都有其時(shí)空使用局限性。為提高農(nóng)業(yè)干旱精度，可綜合利用不同監(jiān)測(cè)模型、不同時(shí)相數(shù)據(jù)、不同遙感數(shù)據(jù)源等方法進(jìn)行旱情監(jiān)測(cè)?；跀?shù)據(jù)挖掘和大數(shù)據(jù)等計(jì)算機(jī)相關(guān)前沿技術(shù)，業(yè)務(wù)平臺(tái)可引入上述相關(guān)技術(shù)來提高干旱監(jiān)測(cè)模型的準(zhǔn)確度和精確度。

[1] 王麗濤,王世新,周藝,等.旱情遙感監(jiān)測(cè)研究進(jìn)展與應(yīng)用案例分析[J].遙感學(xué)報(bào),2011，15(6):1315-1330.

[2] 隋學(xué)艷,王汝娟,姚慧敏,等.農(nóng)業(yè)氣象災(zāi)害遙感監(jiān)測(cè)研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào),2014,30(17):284-288.

[3] TUCKER C J.Comparing SMMR and AVHRR data for drought monitoring[J].International journal of remote sensing,1989,10(10):1663-1672.

[4] 楊濤,宮輝力,李小娟,等.土壤水分遙感監(jiān)測(cè)研究進(jìn)展[J].生態(tài)學(xué)報(bào),2012,30(22):6264-6277.

[5] KOGAN F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].International journal of remote sensing,1990,11(8):1405-1419.

[6] 齊述華,王長(zhǎng)耀,牛錚，等.利用NDVI時(shí)間序列數(shù)據(jù)分析植被長(zhǎng)勢(shì)對(duì)氣候因子的響應(yīng)[J].地理科學(xué)進(jìn)展,2004,23(3):91-99.

[7] 白淑英,徐永明.農(nóng)業(yè)遙感[M].北京：科學(xué)出版社,2013:175-182.

[8] PRICE J C.Thermal inertia mapping:A new view of the earth[J].Journal of geophysical research atmospheres,1977,82(18):2582-2590.

[9] 吳黎,張有智,解文歡,等.改進(jìn)的表觀熱慣量法反演土壤含水量[J].國(guó)土資源遙感,2013,25(1):44-49.

[10] IDSO S B,JACKSON R D,PINTER P J,et al.Normalizing the stress-degree-day parameter for environmental variability[J].Agricultural meteorology,1981,24(1):45-55.

[11] JACKSON R D,KUSTAS W P,CHOUDHURY B J.A reexamination of the crop water stress index[J].Irrigation science,1988,9(4):309-317.

[12] 劉安麟,李星敏,何延波,等.作物缺水指數(shù)法的簡(jiǎn)化及在干旱遙感監(jiān)測(cè)中的應(yīng)用[J].應(yīng)用生態(tài)學(xué)報(bào),2004,15(2):210-214.

[13] MCVICAR T R,JUPP D L B.The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia:A review[J].Agricultural systems,1998,57(3):399-468.

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

[15] MORAN 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 enviroment,1994,49(3):246-263.

[16] 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(cè)中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2001,26(5):412-418.

[17] 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 enviroment,2002,79(2/3):213-224.

[18] 范遼生,姜紀(jì)紅,盛暉,等.利用溫度植被干旱指數(shù)(TVDI)方法反演杭州伏旱期土壤水分[J].中國(guó)農(nóng)業(yè)氣象,2009，30(2)：230-234.

[19] BOWERS S A,SMITH S J.Spectrophotometric determination of soil water content[J].Soil science of America proceedings,1972,36(6):978-980.

[20] LOBELL D B,ASNER G P.Moisture effects on soil reflectance[J].Soil science society of America journal,2002,66(3):722-727.

[21] LIU W D,BARET F,GU X F,et al.Relating soil surface moisture to reflectance[J].Remote sensing of environment,2002,81(2/3):238-246.

[22] 彭杰,向紅英,王家強(qiáng),等.基于野外實(shí)測(cè)高光譜數(shù)據(jù)的干旱區(qū)耕作土壤含水量反演研究[J].干旱地區(qū)農(nóng)業(yè)研究,2015，31(2):241-246.

[23] 吳代暉,范聞捷,崔要奎,等.高光譜遙感監(jiān)測(cè)土壤含水量研究進(jìn)展[J].光譜學(xué)與光譜分析，2010，30(11):3067-3071.

[24] 劉培君,張琳,艾里西爾·庫爾班,等.衛(wèi)星遙感估測(cè)土壤水分的一種方法[J].遙感學(xué)報(bào),1997，1(2):135-138.

[25] 吳見,劉民士,李偉濤.基于高光譜影像分解的土壤含水量反演技術(shù)[J].水土保持通報(bào),2013，33(5):156-160.

[26] SCHMUGGE T,GLOERSEN P,WILHEIT T T,et al.Remote sensing of soil moisture with microwave radiometers[J].Journal of geophysical research atmospheres,1974,79(2):317-323.

[27] NJOKU E G,LI L.Retrieval of land surfance parameters using passive microwave measurements at 6-18 GHz[J].IEEE Transactions on Geoscience & Remote Sensing,1999,37(1):79-93.

[28] TENG W L,WANG J R,DORAISWAMY P C.Relationship between satellite microwave radiometric data,antecedent precipitation index,and regional soil moisture[J].International journal of remote sensing,1993,14(13):2483-2500.

[29] 王永前，施建成，劉志紅,等.微波植被指數(shù)在干旱監(jiān)測(cè)中的應(yīng)用[J].遙感學(xué)報(bào)，2014,18(4):855-867.

[30] 陳修治,蘇泳嫻,李勇,等.基于被動(dòng)微波遙感的中國(guó)干旱動(dòng)態(tài)監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(16):151-158.

[31] 李震,郭東華,施建成.綜合主動(dòng)和被動(dòng)微波數(shù)據(jù)監(jiān)測(cè)土壤水分變化[J].遙感學(xué)報(bào),2002,6(6):481-484.

[32] 賈德偉,周磊，黃燦輝，等.基于可見光和紅外遙感的農(nóng)業(yè)干旱監(jiān)測(cè)方法研究進(jìn)展[J].科技創(chuàng)新與應(yīng)用,2016(32):13-15.

[33] 劉萬俠,王娟,劉凱，等.植被覆蓋地表主動(dòng)微波遙感反演土壤水分算法研究[J].熱帶地理,2007，27(5):411-415.

[34] 鮑艷松,劉良云,王紀(jì)華,等.利用ASAR圖像監(jiān)測(cè)土壤含水量和小麥覆蓋度[J].遙感學(xué)報(bào),2006，10(2):263-271.

[35] 楊立娟,武勝利,張鐘軍.利用主被動(dòng)微波遙感結(jié)合反演土壤水分的理論模型分析[J].國(guó)土資源遙感,2011，23(2):53-58.

[36] 趙天杰,張立新,蔣玲梅,等.利用主被動(dòng)微波數(shù)據(jù)聯(lián)合反演土壤水分[J].地球科學(xué)進(jìn)展,2009，24(7):769-775.

[37] 唐巍,覃志豪,秦曉敏.農(nóng)業(yè)干旱遙感監(jiān)測(cè)業(yè)務(wù)化運(yùn)行方法研究[J].遙感信息,2007，22(2)：37-41.

[38] 孟令奎,李繼園,陳子丹,等.MODIS數(shù)據(jù)處理平臺(tái)在旱情監(jiān)測(cè)中的應(yīng)用研究[J].水利信息化,2010(2):46-51.

[39] 王玲玲,張友靜,佘遠(yuǎn)見,等.遙感旱情監(jiān)測(cè)方法的比較與分析[J].遙感信息,2010，25(5):49-53.

[40] 高陽華,徐永進(jìn),楊世琦,等.基于ArcGIS Geoprocessing干旱遙感監(jiān)測(cè)系統(tǒng)研究與設(shè)計(jì)[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版),2013，35(4):1-7.

[41] 吳冬平.我國(guó)農(nóng)業(yè)旱情監(jiān)測(cè)技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)分析[J].自然災(zāi)害學(xué)報(bào),2015，24(4):24-35.

Research Progress on the Monitoring Methods of Agricultural Drought by Remote Sensing and Their Application

JIA De-wei,ZHOU Lei,HUANG Can-hui et al

(Henan Monitoring Center for Remote Sensing in Agriculture,Zhengzhou,Henan 450002)

The research progress on monitoring methods of agricultural drought by remote sensing and their application at home and abroad were reviewed,so as to promote the further study on monitoring of agricultural drought by remote sensing in future.

Agricultural drought; Remote sensing; Monitoring; Application

河南省科技計(jì)劃項(xiàng)目(162102110121)。

賈德偉(1984- )，男，河南周口人，助理農(nóng)藝師，碩士，從事農(nóng)業(yè)遙感和地理信息系統(tǒng)的開發(fā)與應(yīng)用研究。

2016-11-15

S 127

A

0517-6611(2016)36-0233-03