農(nóng)業(yè)干旱遙感監(jiān)測研究綜述

摘 要：干旱是影響農(nóng)業(yè)生產(chǎn)的主要災(zāi)害類型。傳統(tǒng)的農(nóng)業(yè)干旱監(jiān)測主要是基于地面氣象和水文數(shù)據(jù)，雖然能在單點監(jiān)測上提供較為精確的干旱監(jiān)測結(jié)果，但很難反映大面積的干旱狀況，難以滿足大范圍監(jiān)測農(nóng)業(yè)干旱的需求。隨著遙感技術(shù)的發(fā)展，基于衛(wèi)星遙感信息的干旱監(jiān)測指數(shù)的出現(xiàn)，從不同側(cè)面定性或半定量地評價土壤水分分布狀況，為大面積的農(nóng)業(yè)干旱監(jiān)測提供了新手段。對此，闡明了遙感農(nóng)業(yè)干旱監(jiān)測原理和方法，分析了農(nóng)業(yè)干旱遙感監(jiān)測面臨的挑戰(zhàn)，并探究了發(fā)展方向。

關(guān)鍵詞：農(nóng)業(yè)；干旱；遙感；監(jiān)測工作

中圖分類號：S127 文獻標志碼：B 文章編號：2095–3305（2024）12–0-03

干旱是指水分收支或供求不平衡導(dǎo)致水分短缺的現(xiàn)象，對國民經(jīng)濟尤其是農(nóng)業(yè)產(chǎn)生嚴重影響。干旱的特點是出現(xiàn)頻率高、持續(xù)時間長、波及范圍大，因此歷來被人們所關(guān)注，現(xiàn)在已經(jīng)成為世界范圍的重大環(huán)境問題之一[1]。農(nóng)業(yè)干旱的嚴重程度和持續(xù)時間會對農(nóng)作物的產(chǎn)量和品質(zhì)產(chǎn)生嚴重影響，進而導(dǎo)致糧食安全和農(nóng)村經(jīng)濟穩(wěn)定性的下降。因此，及時準確地監(jiān)測農(nóng)業(yè)干旱的發(fā)生發(fā)展，對減少農(nóng)業(yè)損失、災(zāi)害預(yù)警和決策制定具有重要意義。而開展農(nóng)業(yè)旱災(zāi)研究的基礎(chǔ)是確立農(nóng)業(yè)干旱指標。

干旱監(jiān)測指標主要分為兩大類：一是傳統(tǒng)干旱監(jiān)測指數(shù)，這類指數(shù)是基于地面氣象和水文數(shù)據(jù)建立的；二是遙感干旱監(jiān)測指數(shù)，這類指數(shù)是基于衛(wèi)星遙感信息建立的。傳統(tǒng)的干旱監(jiān)測指標主要有帕默爾干旱指數(shù)（Palmer Drought Severity Index，PDSI）、地表水分供應(yīng)指數(shù)（Surface Water Supply Index，SWSI）、作物濕度指數(shù)（Crop Moisture Index，CMI）和標準化降水指數(shù)（Standardized Percipitation Index，SPI）等，這些指數(shù)都是基于單點觀測，優(yōu)勢是數(shù)據(jù)容易獲得、數(shù)據(jù)處理方法簡單、所需要的計算量小，劣勢是會受觀測站點的數(shù)量限制，難以反映大面積的干旱狀況，無法滿足農(nóng)業(yè)干旱監(jiān)測的需求。隨著遙感技術(shù)的發(fā)展，出現(xiàn)了基于衛(wèi)星遙感信息的干旱監(jiān)測指數(shù)，與基于氣象和水文數(shù)據(jù)的傳統(tǒng)農(nóng)業(yè)災(zāi)害監(jiān)測技術(shù)手段相比，基于衛(wèi)星遙感信息的干旱監(jiān)測具有宏觀性、經(jīng)濟性、動態(tài)性、時效性等特征，在一定程度上彌補了傳統(tǒng)農(nóng)業(yè)災(zāi)害監(jiān)測方法的不足。

1 遙感農(nóng)業(yè)干旱監(jiān)測原理

農(nóng)業(yè)干旱是對農(nóng)業(yè)生產(chǎn)影響最為嚴重的氣象災(zāi)害，是指在作物生育期內(nèi)，由于土壤水分持續(xù)不足而造成的作物體內(nèi)水分虧缺，影響作物正常生長發(fā)育的現(xiàn)象。土壤含水量是判斷干旱的重要指標之一，一般用重量含水率或體積含水率表示，影響土壤含水量的因素主要有區(qū)域光溫條件、土壤質(zhì)地、作物長勢、冠層溫度，因此土壤含水量的函數(shù)表征為：

Sw=F（R，S，G，T）（1）

式（1）中，Sw表示土壤含水量，R表示光照條件，S表示土壤質(zhì)地（如砂質(zhì)土、黏質(zhì)土、壤土等），G表示作物長勢（無植被覆蓋條件下，G取0），T表示作物冠層溫度（遙感監(jiān)測像元內(nèi)作物表層的平均溫度）。

2 農(nóng)業(yè)干旱遙感監(jiān)測方法

根據(jù)土壤在不同光譜波段呈現(xiàn)不同的輻射特性，遙感干旱監(jiān)測分為四大類型：可見光—近紅外法、熱紅外法、特征空間法和微波遙感法。這4種監(jiān)測方法都是基于土壤水分的遙感干旱監(jiān)測。

2.1 近紅外光譜法

近紅外光譜法是利用可見光和近紅外遙感資料對土壤水分進行反演?；谶@種監(jiān)測方法構(gòu)建的模型主要因子是地面反射率（可見光和近紅外波段反演得到）和地表溫度（熱紅外波段反演得到）。利用可見光和近紅外遙感資料進行監(jiān)測，監(jiān)測指標主要有植被指數(shù)和植被狀態(tài)指數(shù)兩類。

2.1.1 植被指數(shù)

當前，應(yīng)用最廣泛的是歸一化植被指數(shù)（Normalize

Difference Vegetation Index），歸一化植被指數(shù)（NDVI）

的原理是利用植被葉綠素在紅光波段的強吸收，植物葉片內(nèi)部結(jié)構(gòu)在近紅外波段的強烈反射形成，實現(xiàn)對植被信息的表達。NDVI的定義如下：

歸一化植被指數(shù)（NDVI）的原理是利用植被葉綠素在紅光波段的強吸收，植物葉片內(nèi)部結(jié)構(gòu)在近紅外波段的強烈反射形成，實現(xiàn)對植被信息的表達。NDVI的計算公式為：

（2）

式（2）中，ρnir表示為近紅外波段的地表反射率，ρr表示為可見光紅光波段的地表反射率。

歸一化植被指數(shù)的優(yōu)勢是可見光紅光波段（波長為0.58～0.68 μm）對葉綠素具有吸收帶，近紅外波段（波長為0.75～1.10 μm）對綠色植物有一個光譜反射區(qū)。劣勢是對土壤背景的變化敏感。大量試驗表明，植被覆蓋度為25%～80%是適合反演區(qū)，植被的NDVI值要高于裸土的NDVI值，這種情況下植被可以輕松被檢測出來，在此區(qū)間內(nèi)，NDVI值將隨植物量的增加呈線性迅速增加；若植被覆蓋度＜15%，干旱、半干旱地區(qū)的NDVI值很難指示區(qū)域的植物生物量；若植被覆蓋度＞80%，NDVI檢測靈敏度下降，NDVI值會呈現(xiàn)飽和的狀態(tài)。

全球環(huán)境監(jiān)測指數(shù)（GEMI）是通過衛(wèi)星影像進行全球環(huán)境監(jiān)測的非線性植被指數(shù)。GEMI的計算公式為：

GEMI=eta×（1-0.25×eta）-（[Red-0.125）/（1-Red ]）

（3）

eta=（2×（NIR2-Red2）+1.5×NIR+0.5×Red）/（NIR +Red+0.5）（4）

式（3）～（4）中，NIR表示為近紅外波段的地面反射率；Red表示為可見光紅光波段的地表反射率。

全球環(huán)境監(jiān)測指數(shù)與歸一化植被指數(shù)類似，但對大氣影響的敏感度較低。優(yōu)勢是可以使大氣效應(yīng)降到最小，且不改變植被信息；動態(tài)范圍較大，監(jiān)測范圍從稀疏植被到茂密森林都適合。劣勢是容易受到土壤顏色和土壤亮度的影響，不建議用于植被稀疏或中度茂密的區(qū)域。

2.1.2 植被狀態(tài)指數(shù)

植被狀態(tài)指數(shù)由（Vegetation Condition Index，VCI）是在距平植被指數(shù)、標準植被指數(shù)的基礎(chǔ)上改進而來[2]。

此指數(shù)多用以反映植被健康程度，以及在相同生理期內(nèi)植被的生長狀況。VCI的計算公式為：

（5）

式（5）中，NDVImin為某像元NDVI多年的最小值，NDVImax為某像元NDVI多年的最大值，NDVI為某年具體像元的NDVI值。

植被狀態(tài)指數(shù)的優(yōu)勢是可以有效監(jiān)測干旱及降水的時空分布動態(tài)，在我國基于遙感技術(shù)監(jiān)測農(nóng)業(yè)干旱中得到了廣泛的試驗性研究[3]。植被狀態(tài)指數(shù)突破了只適用于大尺度大范圍的干旱定性監(jiān)測這一限制。李新堯等[4]通過建立植被狀態(tài)指數(shù)實現(xiàn)了對陜西省連續(xù)14年農(nóng)業(yè)干旱情況的識別與時空分布特征的研究，這表明植被狀態(tài)指數(shù)在監(jiān)測陜西省農(nóng)業(yè)干旱方面具有一定的優(yōu)勢，以月為尺度的植被狀態(tài)指數(shù)與降水量并未表現(xiàn)出很好的相關(guān)性，這說明影響植被覆蓋度和長勢的因素不只是降水，植被狀態(tài)指數(shù)相對于降水變化存在一定的滯后性。

2.2 熱慣量法

熱慣量法（ATI）是利用熱紅外遙感反演土壤含水量的重要方法[5]。熱慣量是物質(zhì)對熱的惰性，是衡量每個物質(zhì)熱特性的指標之一。熱慣量大的物質(zhì)，受周圍熱的擾動影響較少；熱慣量小的物質(zhì)，易受周圍熱擾動的影響，其溫度變化較大。該模式的計算公式為：

（6）

式（6）中，ATI表示土壤熱慣量，T日表示白天的最高溫度，T夜表示夜晚的最低溫度，A表示全波段反照率，Q（1-A）表示被地面吸收的太陽凈輻射能．

大量學(xué)者的實驗表明，土壤熱慣量與土壤水分的變化有密切的關(guān)系。土壤熱慣量越大，土壤溫度的變化幅度越小。

2.3 特征空間法

特征空間法是基于植被指數(shù)和地表溫度的散點圖呈現(xiàn)出來的梯形分布特征，利用簡化的NDVI-Ts特征空間，構(gòu)造了溫度植被干旱指數(shù)（Temperature Vegetation

Dryness Index，TVDI）。該模式的計算公式為：

TVDI=（LST-LSTmin）/（LSTmax-LSTmin）（7）

式（7）中，LSTmax（干邊）表示當NDVI等于某一特定值時，地表溫度的最大值；LSTmin（濕邊）表示當NDVI

等于某一特定值時，地表溫度的最小值；LST表示任一像元地表溫度。

Tsmin和Tsmax同時進行線性回歸，得到干、濕邊的方程式為：

濕邊方程：Tsmin=a×NDVI+b（8）

干邊方程：Tsmax=c×NDVI+d（9）

式（8）和（9）中，a、b、c、d為干濕邊的擬合系數(shù)。a、b表示濕邊方程的截距和斜率；c、d表示干邊方程的截距和斜率。

TVDI的值域為[0，1]。TVDI的值越大，表示土壤濕度越低；TVDI越小，表示土壤濕度越高。

2.4 微波遙感法

微波遙感具有全天時、全天候的優(yōu)勢。合成孔徑雷達衛(wèi)星發(fā)射的電磁波與可見光和熱紅外相比，對土壤水分的變化更為敏感。土壤介電常數(shù)和土壤水分的變化會引起土壤介電常數(shù)的變化，土壤介電常數(shù)變化引起微波比輻射率發(fā)生變化，微波遙感監(jiān)測是通過這種微波輻射亮度、地表后向散射系數(shù)，或者主被動聯(lián)合進行土壤含水量的反演實現(xiàn)的[6-8]。因此，土壤的熱輻射可以通過被動微波遙感記錄地表亮溫度，從而達到監(jiān)測土壤含水量的目的。有關(guān)學(xué)者針對土壤含水量的監(jiān)測和在裸土或植被覆蓋率較低地區(qū)的后向散射系數(shù)與土壤含水量的相關(guān)性，利用衛(wèi)星雷達在兩個不同空間尺度的區(qū)域做了分析；根據(jù)積分模型，在原有的基礎(chǔ)上提高了實測土壤水分與遙感獲取到的反演數(shù)據(jù)的相關(guān)系數(shù)。

3 農(nóng)業(yè)干旱遙感監(jiān)測面臨的挑戰(zhàn)與發(fā)展方向

在航空遙感技術(shù)的基礎(chǔ)上，農(nóng)業(yè)遙感干旱監(jiān)測研究萌芽于20世紀60年代。近年來，農(nóng)業(yè)干旱遙感監(jiān)測在方法、模型、算法及數(shù)據(jù)處理和分析技術(shù)等方面取得了一系列的研究進展。遙感監(jiān)測方法的改進和創(chuàng)新使得干旱監(jiān)測更加準確和實用。模型和算法的發(fā)展提高了干旱監(jiān)測的精度和效率。數(shù)據(jù)處理和分析技術(shù)的進展使得大規(guī)模數(shù)據(jù)處理和空間分析變得更加可

行[9-10]。同時，多源數(shù)據(jù)的融合與綜合分析也為干旱監(jiān)測提供了更全面的信息和洞察。雖然農(nóng)業(yè)干旱遙感監(jiān)測取得了一定的研究進展，但仍存在一些局限性和挑戰(zhàn)。

3.1 面臨的挑戰(zhàn)

3.1.1 遙感數(shù)據(jù)精度和分辨率的限制

連續(xù)的無云影像獲取較為困難。其中，光學(xué)遙感數(shù)據(jù)需要在無云的晴朗天氣下獲取，微波波段不受云雨、光照條件限制，可以全天候觀測，但微波在土壤水分監(jiān)測上更敏感，反演地表土壤濕度受地表粗糙度、植被影響較大，遙感數(shù)據(jù)精度和分辨率有待提升。

3.1.2 單項干旱指數(shù)反演能力有限

作物的品質(zhì)會影響產(chǎn)量下降，土壤水分不足會導(dǎo)致作物生長受阻。但作物的生長生理過程十分復(fù)雜，在不同的生長階段，不同的作物對水分需求狀況也不同，但土壤水分不足并非影響作物產(chǎn)量的唯一因素，單純的干旱指數(shù)難以實現(xiàn)對作物生長過程的攻臺模

擬[11-12]。因此，單項干旱指數(shù)反演能力有待提高。

3.1.3 地表表征和土壤參數(shù)獲取的困難

農(nóng)業(yè)干旱遙感監(jiān)測的可靠性和適應(yīng)性不足，地表表征和土壤參數(shù)獲取困難，模型驗證和結(jié)果解譯仍存在不足。同時，農(nóng)業(yè)干旱監(jiān)測在技術(shù)和應(yīng)用方面仍存在許多發(fā)展空間，包括基于機器學(xué)習(xí)和人工智能的智能監(jiān)測方法的發(fā)展、高分辨率和大數(shù)據(jù)處理技術(shù)的應(yīng)用、融合多源數(shù)據(jù)和多尺度監(jiān)測方法的研究，以及農(nóng)業(yè)干旱監(jiān)測與決策支持系統(tǒng)的結(jié)合。

3.2 發(fā)展方向

首先，技術(shù)精度應(yīng)進一步提高。隨著衛(wèi)星傳感器技術(shù)的不斷進步，空間分辨率、光譜分辨率和時間分辨率都將優(yōu)化?？臻g分辨率更高，能精準定位干旱發(fā)生的具體農(nóng)田位置；光譜分辨率更高，可以獲取更多波段信息，從而更準確地反映植被和土壤的水分狀況；重訪周期縮短，能夠?qū)崿F(xiàn)對干旱動態(tài)的近實時監(jiān)測，及時捕捉干旱的發(fā)生、發(fā)展和緩解過程。

其次，數(shù)據(jù)融合應(yīng)更加成熟。將光學(xué)遙感與微波遙感數(shù)據(jù)相融合，可以優(yōu)勢互補。光學(xué)遙感能提供豐富的地表信息，但易受天氣影響；微波遙感不受云層干擾，能在惡劣天氣條件下工作。兩者結(jié)合可以更穩(wěn)定、全面地監(jiān)測干旱。同時，融合多源遙感數(shù)據(jù)以及地面觀測數(shù)據(jù)，可以構(gòu)建更可靠的干旱監(jiān)測模型。

最后，智能化監(jiān)測是未來趨勢。利用人工智能和機器學(xué)習(xí)算法，能夠自動分析海量遙感數(shù)據(jù)，挖掘數(shù)據(jù)中與干旱有關(guān)的復(fù)雜特征和規(guī)律。通過深度學(xué)習(xí)模型，對干旱程度進行分級評估，預(yù)測干旱的發(fā)展趨勢，為農(nóng)業(yè)生產(chǎn)提前做好應(yīng)對措施提供有力支持。

4 結(jié)束語

干旱是當前我國農(nóng)業(yè)生產(chǎn)中的主要制約因素之一。遙感技術(shù)在農(nóng)業(yè)干旱監(jiān)測領(lǐng)域具有獨特的優(yōu)勢，但仍存在一些技術(shù)難題和數(shù)據(jù)處理問題亟須解決。相關(guān)研究者和決策者需要深入剖析農(nóng)業(yè)干旱現(xiàn)象的監(jiān)測原理和方法，分析現(xiàn)有研究中存在的問題和挑戰(zhàn)，推動農(nóng)業(yè)干旱遙感監(jiān)測領(lǐng)域進一步發(fā)展。

參考文獻

[1] 楊世琦，高陽華，易佳.干旱遙感監(jiān)測方法研究進展[J].高原山地氣象研究，2010，30（2）：75-78.

[2] 張學(xué)藝，張曉煜，李劍萍，等.我國干旱遙感監(jiān)測技術(shù)方法研究進展[J].氣象科技，2007（4）：574-578.

[3] 韓宇平，張功瑾，王富強.農(nóng)業(yè)干旱監(jiān)測指標研究進展[J].華北水利水電學(xué)院學(xué)報，2013，34（1）：74-78.

[4] 李新堯，楊聯(lián)安，聶紅梅，等.基于植被狀態(tài)指數(shù)的陜西省農(nóng)業(yè)干旱時空動態(tài)[J].生態(tài)學(xué)雜志，2018，37（4）：1172-1180.

[5] 韓東，王鵬新，張悅，等.農(nóng)業(yè)干旱衛(wèi)星遙感監(jiān)測與預(yù)測研究進展[J].智慧農(nóng)業(yè)（中英文），2021，3（2）：1-14.

[6] 陳媛媛，孫麗，杜英坤，等.農(nóng)業(yè)干旱遙感監(jiān)測研究進展與展望[J].遙感信息，2022，37（6）：1-7.

[7] 王蔚丹，孫麗，裴志遠，等.典型旱年農(nóng)業(yè)干旱遙感監(jiān)測指標在東北地區(qū)生長季的表現(xiàn)[J].中國農(nóng)業(yè)氣象，2021，42（4）： 307-317.

[8] 王一昊，武永峰，張立亭，等.基于TVDI的東北地區(qū)春玉米干旱監(jiān)測：以2018年為例[J].河南農(nóng)業(yè)科學(xué)，2020，49（3）： 167-180.

[9] 賈德偉，周磊，黃燦輝，等.農(nóng)業(yè)干旱遙感監(jiān)測方法及其應(yīng)用的研究進展[J].安徽農(nóng)業(yè)科學(xué)，2016，44（36）：233-235.

[10] 沙莎，王麗娟，王小平，等.基于溫度植被干旱指數(shù)（TVDI）的甘肅省農(nóng)業(yè)干旱監(jiān)測方法研究[J].干旱氣象，2024，42

（1）：27-38.

[11] 黃睿茜，趙俊芳，霍治國，等.深度學(xué)習(xí)技術(shù)在農(nóng)業(yè)干旱監(jiān)測預(yù)測及風(fēng)險評估中的應(yīng)用[J].中國農(nóng)業(yè)氣象，2023，44

（10）：943-952.

[12] 趙鴻，蔡迪花，王鶴齡，等.干旱災(zāi)害對糧食安全的影響及其應(yīng)對技術(shù)研究進展與展望[J].干旱氣象，2023，41（2）： 187-206.

收稿日期：2024-09-14

作者簡介：張俊麗（1988—），女，山東棗莊人，農(nóng)藝師，研究方向為農(nóng)業(yè)信息。