農(nóng)業(yè)遙感干旱監(jiān)測(cè)研究進(jìn)展

郭茜月 劉國金 李悅萱

[摘 要] 農(nóng)業(yè)干旱常以大面積同時(shí)發(fā)生為特點(diǎn)，受傳統(tǒng)的干旱氣象監(jiān)測(cè)方法局限性限制無法獲得廣域干旱特征信息。遙感作為能同時(shí)大范圍觀測(cè)的手段在各行各業(yè)得到了廣泛應(yīng)用，在農(nóng)業(yè)干旱監(jiān)測(cè)方面也起到了不可替代的作用。本文簡要總結(jié)農(nóng)業(yè)遙感干旱監(jiān)測(cè)研究進(jìn)展。

[關(guān)鍵詞] 遙感;農(nóng)業(yè);干旱;監(jiān)測(cè)

[中圖分類號(hào)] TP79 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1674-7909（2020）21-117-2

隨著1972年美國的陸地資源衛(wèi)星的發(fā)射與對(duì)地信息的獲取，遙感技術(shù)開始被廣泛應(yīng)用于各行業(yè)。其工作特點(diǎn)可概括為觀測(cè)范圍廣、獲取信息效率高、經(jīng)濟(jì)成本低和地物分辨能力強(qiáng)等。遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用同樣較為廣泛，其大大彌補(bǔ)了傳統(tǒng)旱災(zāi)監(jiān)測(cè)的觀測(cè)范圍小的限制。近40年來，遙感技術(shù)在農(nóng)業(yè)旱災(zāi)監(jiān)測(cè)方面積累了大量的研究成果。

1 基于裸露地表的農(nóng)業(yè)干旱監(jiān)測(cè)模型

基于裸露地表的農(nóng)業(yè)干旱監(jiān)測(cè)方法是建立在Waston等[1]提出的熱慣量方程基礎(chǔ)上，利用衛(wèi)星影像估算土壤水分。20世紀(jì)80年代，我國開始利用土壤熱慣量展開檢測(cè)[2]。余濤等利用地表溫差、地表綜合參量和熱慣量之間的關(guān)系，優(yōu)化了土壤熱慣量的計(jì)算方法[3]。陳懷亮等考慮了地表風(fēng)速與地形因素，計(jì)算了土壤水分含量[4]。

經(jīng)觀測(cè)數(shù)據(jù)的驗(yàn)證，熱慣量監(jiān)測(cè)模型在植被覆蓋度較低的區(qū)域及裸土情況下評(píng)價(jià)精度較高，而對(duì)于高植被覆蓋率區(qū)域的響應(yīng)效果并不理想[5]。

2 基于植被覆蓋的農(nóng)業(yè)干旱監(jiān)測(cè)模型

2.1 作物形態(tài)指標(biāo)

該方法主要基于作物對(duì)于氣候因素的自身響應(yīng)，因此常利用能代表作物長勢(shì)的指數(shù)（歸一化植被指數(shù)，NDVI）來進(jìn)行指標(biāo)模型的搭建[6]。我國利用植被在特殊環(huán)境下的NDVI變化在時(shí)間序列上的表現(xiàn)評(píng)價(jià)了許多地區(qū)的農(nóng)業(yè)干旱事件[7]。但由于NDVI對(duì)植被反應(yīng)敏感，在高植被覆蓋區(qū)域?qū)Ω珊档姆从承Ч^差，在中低覆蓋度下干旱監(jiān)測(cè)效果明顯。也有研究者利用其特點(diǎn)創(chuàng)建了條件植被指數(shù)（VCI）對(duì)農(nóng)業(yè)干旱展開檢測(cè)，也獲得了較好的效果[8]。

2.2 作物生理指標(biāo)

作物生理指標(biāo)模型是基于作物生長過程中的健康評(píng)價(jià)因素進(jìn)行遙感反演，常用的評(píng)價(jià)因素為植被含水量。Gao利用植被含水量表現(xiàn)在近紅外（NIR）和短波紅外（SWIR）上的特點(diǎn)模仿NDVI建立了歸一化水體指數(shù)（NDWI）反演植被冠層水分狀況[9]。經(jīng)過大量的研究證明，該指數(shù)模型較NDVI相比對(duì)農(nóng)業(yè)干旱的監(jiān)測(cè)效果更具指示性，且較接近實(shí)測(cè)情況。也有研究者將NDVI與NDWI結(jié)合起來利用兩種指標(biāo)的優(yōu)勢(shì)綜合評(píng)價(jià)作物的干旱情況。

2.3 作物綜合指標(biāo)

植被供水指數(shù)（VSWI）和溫度植被干旱指數(shù)（TVDI）是目前應(yīng)用較為廣泛的2種農(nóng)業(yè)干旱監(jiān)測(cè)指數(shù)模型。

VSWI是Haboudane等于2004年提出的基于植被指數(shù)和溫度的干旱監(jiān)測(cè)指數(shù)模型[10]。莫偉華等利用該指數(shù)評(píng)價(jià)了濕潤半濕潤地區(qū)的農(nóng)田干旱情況，結(jié)果表明具有較好的評(píng)價(jià)效果[11]。楊麗萍等也利用該模型對(duì)干旱半干旱地區(qū)展開了調(diào)查，同樣獲得了良好的評(píng)價(jià)效果[12]。

利用NDVI與溫度建立的TVDI指數(shù)模型也在農(nóng)業(yè)干旱監(jiān)測(cè)方面取得了良好的效果。TVDI對(duì)于大區(qū)域的干旱情況具有很好的反演能力，王海等分析了云南省2009/2010年農(nóng)業(yè)干旱的時(shí)空變化情況[13]。

3 遙感監(jiān)測(cè)的不足之處

利用遙感模型進(jìn)行農(nóng)業(yè)干旱監(jiān)測(cè)，雖然能較好地識(shí)別與反演已發(fā)生干旱的區(qū)域，但是需通過模型的改進(jìn)來進(jìn)一步提高對(duì)于旱災(zāi)的預(yù)測(cè)精度[14]。

4 結(jié)語

遙感作為能大范圍同步獲取地表信息的手段，在各行各業(yè)得到了廣泛應(yīng)用，而且效果明顯，如在農(nóng)業(yè)旱災(zāi)的識(shí)別方面具有較好的評(píng)價(jià)效果。就遙感農(nóng)業(yè)干旱監(jiān)測(cè)而言，單一的指數(shù)模型雖然能較好地反演地表的干旱信息，但是NDVI對(duì)于植被的敏感度導(dǎo)致在高植被覆蓋區(qū)域?qū)τ谵r(nóng)業(yè)干旱信息的識(shí)別能力下降，一些基于NDVI的模型能適當(dāng)?shù)馗纳圃诟咧脖桓采w度地區(qū)評(píng)價(jià)效果;基于作物生理指標(biāo)的指數(shù)對(duì)于農(nóng)業(yè)干旱的反演效果較好，但結(jié)合NDVI共同建立反演模型能更好地利用不同指數(shù)反映干旱特征，獲得更完美的評(píng)價(jià)效果;基于溫度與植被指數(shù)關(guān)系搭建的模型能較為客觀準(zhǔn)確地表現(xiàn)地表干旱情況，在大范圍的農(nóng)業(yè)干旱監(jiān)測(cè)方面取得了良好的應(yīng)用效果。但遙感自身的特點(diǎn)是對(duì)于歷史數(shù)據(jù)的研究，對(duì)于農(nóng)業(yè)干旱風(fēng)險(xiǎn)的評(píng)估仍需通過模型的改進(jìn)來進(jìn)一步實(shí)現(xiàn)。

參考文獻(xiàn)

[1]Watson K，Hummer-Miller S. A simple algorithm to estimate the effective regional atmospheric parameters for thermal-inertia mapping[J].Remote Sensing of Environment， 1981（11）：455-462.

[2]劉興文，馮勇進(jìn).應(yīng)用熱慣量編制土壤水分圖及土壤水分探測(cè)效果[J].土壤學(xué)報(bào)，1987（3）：272-280，299.

[3]余濤，田國良.熱慣量法在監(jiān)測(cè)土壤表層水分變化中的研究[J].遙感學(xué)報(bào)，1997（1）：24-31，80.

[4]陳懷亮，馮定原，鄒春輝，等.用NOAA/AVHRR資料遙感土壤水分時(shí)風(fēng)速的影響[J].南京氣象學(xué)院學(xué)報(bào)，1999（2）：219-224.

[5]郭茜，李國春.用表觀熱慣量法計(jì)算土壤含水量探討[J].中國農(nóng)業(yè)氣象，2005（4）：13-17.

[6]王正興，劉闖，HUETE Alfredo.植被指數(shù)研究進(jìn)展：從AVHRR-NDVI到MODIS-EVI[J].生態(tài)學(xué)報(bào)，2003（5）：979-987.

[7]蔡博峰，于嶸.基于遙感的植被長時(shí)序趨勢(shì)特征研究進(jìn)展及評(píng)價(jià)[J].遙感學(xué)報(bào)，2009（6）：1170-1186.

[8]馮強(qiáng)，田國良，柳欽火.全國干旱遙感監(jiān)測(cè)運(yùn)行系統(tǒng)的研制[J].遙感學(xué)報(bào)，2003（1）：14-18，81.

[9]Gao B. NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space[J].Remote Sensing of Environment，1996（58）：257-266.

[10]Haboudane D，Miller J R，Pattey E，et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies： Modeling and validation in the context of precision agriculture[J].Remote Sensing of Environment，2004（3）：337-352.

[11]莫偉華，王振會(huì)，孫涵，等.基于植被供水指數(shù)的農(nóng)田干旱遙感監(jiān)測(cè)研究[J].南京氣象學(xué)院學(xué)報(bào)，2006（3）：396-401.

[12]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(cè)中的應(yīng)用[J].內(nèi)蒙古農(nóng)業(yè)科技，2008（1）：58-59，62.

[13]王海，楊祖祥，王麟，等.TVDI在云南2009/2010年干旱監(jiān)測(cè)中的應(yīng)用[J].云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（1）：59-65.

[14]劉憲鋒，朱秀芳，潘耀忠，等.農(nóng)業(yè)干旱監(jiān)測(cè)研究進(jìn)展與展望[J].地理學(xué)報(bào)，2015（11）：1835-1848.

基金項(xiàng)目：吉林建筑大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（8570091104）。

作者簡介：郭茜月（1999—），女，本科在讀，研究方向：測(cè)繪工程專業(yè)遙感;劉國金（1999—），男，本科在讀，研究方向：測(cè)繪工程專業(yè)遙感;李悅萱（1999—），女，本科在讀，研究方向：測(cè)繪工程專業(yè)遙感。