基于多光譜和高光譜的干旱遙感監(jiān)測(cè)研究進(jìn)展*

馮 銳，張玉書(shū)，武晉雯，紀(jì)瑞鵬，于文穎，王培娟

(1.中國(guó)氣象局沈陽(yáng)大氣環(huán)境研究所，遼寧 沈陽(yáng) 110166；2.中國(guó)氣象科學(xué)研究院，北京 100081)

隨著氣候與環(huán)境的變化，未來(lái)中國(guó)的極端天氣氣候事件如極端高溫、熱浪、干旱等愈發(fā)頻繁[1-2]，中國(guó)華北和東北地區(qū)干旱趨勢(shì)嚴(yán)重，中國(guó)西北部、華北大部和東北南部干旱面積呈增加趨勢(shì)[3-4]。同時(shí)，隨著工業(yè)化提高、經(jīng)濟(jì)發(fā)展和人口增長(zhǎng)，水資源顯得日益短缺，干旱化程度越來(lái)越嚴(yán)重，干旱發(fā)生區(qū)域不斷擴(kuò)大。1970年代，我國(guó)每年有1 133萬(wàn)hm2農(nóng)田受旱，到1990年代，增加到2 667萬(wàn)hm2，近年來(lái)，每年干旱災(zāi)害的發(fā)生頻率在49%左右[5]，已成為我國(guó)面臨的最為嚴(yán)峻的環(huán)境問(wèn)題之一。

遙感技術(shù)為作物長(zhǎng)勢(shì)、地物分類(lèi)等提供了有效、可靠手段，可快速實(shí)現(xiàn)大面積下墊面狀況動(dòng)態(tài)變化的定量化監(jiān)測(cè)，是進(jìn)行大面積干旱監(jiān)測(cè)的有利手段[6-9]。而地物光譜特征是遙感技術(shù)應(yīng)用的物理基礎(chǔ)，是利用遙感信號(hào)識(shí)別地物、提取地表信息的重要參考數(shù)據(jù)[10]，1980年代已有研究者指出作物的水分脅迫狀況能夠在光譜反射率數(shù)據(jù)中有所體現(xiàn)[11-12]。本文基于地表土壤水分和能量平衡理論、基于作物植被指數(shù)、基于特征空間、基于地面光譜數(shù)據(jù)等方面進(jìn)行了干旱遙感監(jiān)測(cè)梳理總結(jié)，對(duì)有效利用多光譜和高光譜衛(wèi)星數(shù)據(jù)進(jìn)行干旱監(jiān)測(cè)提供借鑒。

1 基于多光譜數(shù)據(jù)的干旱監(jiān)測(cè)

1.1 基于地表土壤水分和能量平衡理論研究

基于地表土壤水分平衡的方法應(yīng)用最為廣泛、理論比較成熟的是熱慣量方法，由于土壤熱慣量是引起土壤溫度變化的內(nèi)在因素，與土壤水分有著密切的關(guān)系[13]，早在1970年代初就開(kāi)始出現(xiàn)熱慣量方法研究，該方法是基于能量平衡方程，通過(guò)地表溫度的日變化計(jì)算熱慣量，從而獲得土壤表層水分定量反演[14-15]。由于熱慣量模型計(jì)算參數(shù)復(fù)雜，Price[16]提出了表觀(guān)熱慣量的概念，因其計(jì)算簡(jiǎn)單易行，很多學(xué)者利用表觀(guān)熱慣量替代熱慣量來(lái)進(jìn)行土壤含水量的計(jì)算。張仁華[17]利用地面觀(guān)測(cè)數(shù)據(jù)分別對(duì)模型中的顯熱通量和潛熱通量進(jìn)行計(jì)算訂正，優(yōu)化了熱慣量計(jì)算模型。楊樹(shù)聰?shù)萚18]利用地表凈輻射替代全波段反射率改進(jìn)了表觀(guān)熱慣量模型，并對(duì)其適用性進(jìn)行了分析，得到NDVI=0.35是模型適用的閾值，當(dāng)NDVI>0.35時(shí)，模型失效[19]。但表觀(guān)熱慣量受蒸發(fā)影響較大，當(dāng)下墊面植被覆蓋情況復(fù)雜、濕度變化較大時(shí)，表觀(guān)熱慣量的可用性大大降低[20]。近年來(lái)，利用日落和日出間的夜晚地表溫度差異[21]、模型反演法[22]、引入地球旋轉(zhuǎn)角速度的4次過(guò)境LST平均[23]等方法來(lái)改進(jìn)地表溫度計(jì)算，通過(guò)減少模型的輸入?yún)?shù)[24]，或者通過(guò)增強(qiáng)空間分辨率[25]和時(shí)間分辨率[26]來(lái)提高熱慣量反演精度，同時(shí)，將植被因子引入熱慣量模型中[27-28]，增加熱慣量模型在中高植被覆蓋區(qū)域的監(jiān)測(cè)精度。

基于蒸散的干旱監(jiān)測(cè)也是以地表能量平衡方程為基礎(chǔ)的監(jiān)測(cè)方法，包括單層模型和雙層模型[29]。單層模型常用的有BEBAL模型[30]、BEBS模型[31]、SSEBop模型[32]等，由于單層模型將下墊面看做均一過(guò)程來(lái)描述，因此在地表植被部分覆蓋時(shí)，模擬結(jié)果不理想[33-34]。為解決這一問(wèn)題，將冠層蒸騰與土壤蒸發(fā)分開(kāi)，Shuttleworth[35]提出了雙層模型，為蒸散量估算精度的提高奠定了理論基礎(chǔ)，隨后對(duì)該模型進(jìn)行了簡(jiǎn)化和改進(jìn)[36-38]?？紤]到雙層模型部分參數(shù)遙感獲取較難，將地面實(shí)測(cè)數(shù)據(jù)引入模型中[39-41]，從而提高模型監(jiān)測(cè)精度。

1.2 基于作物植被指數(shù)的土壤含水量監(jiān)測(cè)研究

植被指數(shù)是遙感數(shù)據(jù)對(duì)地表綠色植被生長(zhǎng)信息的有效表達(dá)[42]可以動(dòng)態(tài)監(jiān)測(cè)作物長(zhǎng)勢(shì)信息，與植被蒸散量、土壤水分是密切相關(guān)的[43]，當(dāng)作物缺水時(shí)，生長(zhǎng)受到影響，植被指數(shù)也會(huì)隨之變化，因此，可以用來(lái)間接反映旱情[44-45]。這種類(lèi)型方法一般適合植被覆蓋區(qū)或植被覆蓋度較好的地區(qū)。

利用作物植被指數(shù)來(lái)進(jìn)行干旱監(jiān)測(cè)主要包括距平方法和歸一化方法[13]，距平植被指數(shù)是用于干旱監(jiān)測(cè)比較早的一種方法[46-47]，通過(guò)對(duì)旬、月植被指數(shù)求取最大值，并將其與同時(shí)段的旬、月多年平均值進(jìn)行比較，判斷作物是否遭到干旱災(zāi)害，比只用NDVI的瞬時(shí)值優(yōu)越[48]。歸一化方法即植被狀態(tài)指數(shù)方法[49]，是利用同時(shí)段多年最大最小植被指數(shù)與當(dāng)前植被指數(shù)進(jìn)行歸一化計(jì)算得到的，可以進(jìn)行宏觀(guān)動(dòng)態(tài)干旱監(jiān)測(cè)[50-51]，與氣象干旱指數(shù)存在著較高的相關(guān)性[52]，同時(shí)，在進(jìn)行干旱監(jiān)測(cè)時(shí)，也存在著一定的滯后性[43,53]。

利用植被指數(shù)方法進(jìn)行干旱監(jiān)測(cè)時(shí)最初使用的是歸一化植被指數(shù)，后期發(fā)展了增強(qiáng)植被指數(shù)EVI、土壤調(diào)節(jié)植被指數(shù)SAVI、比值植被指數(shù)RVI等植被綠度指數(shù)，NDWI、NMDI、NDII6、NDII7等植被水分指數(shù)，以及EWT等植被水含量指數(shù)[54]，在干旱監(jiān)測(cè)敏感性方面，植被水分指數(shù)明顯要優(yōu)于植被綠度指數(shù)[55]，植被水含量指數(shù)與植被覆蓋、地表溫度和蒸發(fā)蒸騰有密切關(guān)系，在中度至重度干旱監(jiān)測(cè)中效果不佳[56]。

1.3 基于特征空間的土壤含水量監(jiān)測(cè)研究

近年來(lái)，綜合考慮陸地表面溫度、地表植被和光譜反射率等反映地表多種參數(shù)信息，通過(guò)構(gòu)建特征空間來(lái)監(jiān)測(cè)地表水分狀況的研究越來(lái)越多，主要包括LST-NDVI特征空間法、NIR-Red特征空間法和NIR-SWIR特征空間法等[57]。Moran[58]從理論角度分析，發(fā)現(xiàn)Price[59]提出以NDVI和LST為橫縱坐標(biāo)軸的LST-NDVI特征空間散點(diǎn)圖呈梯形，存在著干濕邊，能夠監(jiān)測(cè)地表植被和其水分變化狀態(tài)[60]。Sandholt[61]對(duì)LST-NDVI空間進(jìn)行簡(jiǎn)化,構(gòu)建溫度植被干旱指數(shù)(TVDI)，僅利用遙感數(shù)據(jù)即可實(shí)現(xiàn)大范圍農(nóng)田、湖區(qū)、流域等不同下墊面的土壤水分監(jiān)測(cè)[62-64]，也可以實(shí)現(xiàn)長(zhǎng)時(shí)間序列的干旱時(shí)空變化監(jiān)測(cè)[65]。在LST-NDVI空間基礎(chǔ)上，利用植被條件指數(shù)和溫度條件指數(shù)取二者最大值構(gòu)建MTVI指數(shù)[66]，將LST歸一化處理后與多年平均值進(jìn)行比較構(gòu)建SWDI指數(shù)[67]，結(jié)合降水等氣象數(shù)據(jù)構(gòu)建SVDI指數(shù)[68]或者經(jīng)驗(yàn)?zāi)Ｐ蚚69]，實(shí)現(xiàn)從空間和時(shí)間尺度上進(jìn)行干旱監(jiān)測(cè)，反映干旱分布范圍與受災(zāi)程度。利用NIR-Red特征空間中任意一點(diǎn)到土壤基線(xiàn)的垂直距離可以表征干旱狀況[70]，用EVI替代NDVI對(duì)NIR-Red空間進(jìn)行改進(jìn),精測(cè)精度提高30%左右[71]。NIR-SWIR特征空間模型適合用于植被冠層葉片含水量遙感監(jiān)測(cè)，對(duì)干旱災(zāi)害的反映存在滯后情況[72]。

2 基于高光譜數(shù)據(jù)的干旱監(jiān)測(cè)

地物波譜特征是遙感技術(shù)應(yīng)用的物理基礎(chǔ)，是利用遙感信號(hào)識(shí)別地物、提取地表信息的重要參考數(shù)據(jù)[10]，作物冠層光譜是農(nóng)業(yè)干旱遙感監(jiān)測(cè)的基礎(chǔ)，針對(duì)小麥、水稻、玉米等作物[73-76]研究表明，不同植被冠層光譜對(duì)于水分的存在著敏感性[77-78]，利用不同光譜反射率可以反映作物水分狀況[79-80]，不同地物在水分脅迫下，在可見(jiàn)光-近紅外均有光譜反射率變化，1 400 nm-2 500 nm波段的光譜特別是1 530 nm和1 720 nm的SWIR波段非常適于對(duì)作物水分的估測(cè)[81]。Filella等人[82]對(duì)400 nm波段處，紅邊位置700 nm處，以及NDVI等植被指數(shù)的研究也發(fā)現(xiàn)了水分含量對(duì)葉片反射率的間接影響。田慶久等[83]、王紀(jì)華等[84]、谷艷芳等[85]、叢建鷗等[86]對(duì)干旱脅迫下的冬小麥進(jìn)行了光譜分析，結(jié)果表明通過(guò)光譜反射率可以診斷小麥缺水狀況，此外，針對(duì)玉米生長(zhǎng)過(guò)程中的光譜變化及特征參數(shù)診斷開(kāi)展的研究[87-89]，或者針對(duì)玉米生長(zhǎng)中后期開(kāi)展遙感作物水分識(shí)別研究[90-91]也表明，不同作物發(fā)育期干旱脅迫的光譜敏感波段也存在著差異[92-95]。

3 結(jié)論

國(guó)內(nèi)外許多學(xué)者已經(jīng)利用可見(jiàn)光、近紅外、紅外等不同光譜波段，從土壤熱容量、能量平衡、水分平衡等角度建立了多種土壤水分遙感監(jiān)測(cè)模型，但是，由于作物生長(zhǎng)過(guò)程的干旱是個(gè)復(fù)雜過(guò)程，進(jìn)行農(nóng)田干旱監(jiān)測(cè)時(shí)，存在很多不確定性，每種干旱監(jiān)測(cè)方法都有其適用性，應(yīng)用各種成熟方法進(jìn)行土壤含水量反演的結(jié)果并不總是得到理想效果[13,96-97]，應(yīng)用某一干旱反演方法在作物不同發(fā)育期反演結(jié)果也不盡相同[98-99]。熱慣量方法對(duì)于裸土或低植被覆蓋區(qū)域有較好的反演結(jié)果[100-101]，對(duì)于植被覆蓋度較高區(qū)域，此方法計(jì)算的結(jié)果不理想，甚至不可用[98,102]。植被指數(shù)方法需要長(zhǎng)期的、能代表正常年份的歷史遙感數(shù)據(jù)，由于天氣狀況對(duì)遙感數(shù)據(jù)的影響以及不同衛(wèi)星間植被指數(shù)的差異致使其在實(shí)施上較為困難?；谔卣骺臻g的干旱監(jiān)測(cè)方法適用于低植被或裸土地區(qū)，當(dāng)?shù)乇砀采w類(lèi)型差異較大時(shí)，可比性差[103]。

因此，利用不同的監(jiān)測(cè)方法在作物發(fā)育的不同時(shí)期進(jìn)行干旱災(zāi)害監(jiān)測(cè)可以提高監(jiān)測(cè)效果，但是作物干旱是個(gè)復(fù)雜問(wèn)題，與下墊面地形地貌、土壤類(lèi)型、作物類(lèi)型及生長(zhǎng)狀態(tài)等因素均有關(guān)系，在未來(lái)的應(yīng)用中還需要通過(guò)使用更高分辨率衛(wèi)星數(shù)據(jù)、地面光譜與衛(wèi)星數(shù)據(jù)結(jié)合、加大微波和雷達(dá)數(shù)據(jù)的應(yīng)用等方面來(lái)提高干旱監(jiān)測(cè)的精度。