遥感数据在农业旱情监测中的应用研究进展

分类：论文范文 发表时间：2019-10-12 10:40

　　摘 要 在全球变暖的背景下，农业干旱频发不仅严重影响区域粮食安全和生态安全，同时还威胁社会经济稳定和可持续发展。农业旱情遥感监测是预防农业旱灾发生发展的重要途径，可以为科学制定旱灾风险管理措施提供有力支撑。因此，厘清农业旱情遥感监测研究进展对于今后更好地开展农业旱情监测及预警研究以及进一步促进社会经济的可持续发展具有重要的现实意义。基于此，系统梳理了当前遥感数据在农业旱情监测中的应用研究进展。针对不同的农业旱情评价对象，将旱情监测指标分为降水监测指标、土壤含水量监测指标和作物需水监测指标，并对不同指标涉及的遥感数据源和评价方法进行了归纳和总结。重点针对农业旱情监测涉及的最主要的两种典型地物(土壤和植被)的光谱特性差异和对水分变化的敏感波段不同，系统总结了微波遥感监测法，可见光、近红外与热红外遥感监测法和高光谱遥感监测法用于农业典型地物旱情监测的近今进展，并探讨了未来农业旱情遥感监测研究的主要发展方向，以期为今后更好地开展农业旱情预警和调控管理工作提供参考。

　　关键词 农业旱情;旱情监测;遥感数据;研究进展

　　引 言

　　旱情是指在一定时期内因水量相对亏缺造成某地理区域范围内的干旱情况，通常划分为农业干旱、水文干旱、气象干旱和社会经济干旱等四种类型[1] 。在全球变暖的背景下，特大干旱、极端高温天气事件发生的强度和频率日趋增加，干旱所造成的灾害(简称旱灾)已成为当前世界上最为严重的自然灾害类型，严重威胁国家粮食安全、供水安全和生态安全[2] 。近年来，全球及区域旱灾频发，特别是在中亚、俄罗斯、澳大利亚和我国发生的严重旱灾事件，不仅造成大面积粮食减产绝收危及粮食安全，还严重影响社会稳定和经济可持续发展[3] 。传统的农业干旱监测方法主要基于以台站气象观测数据传统的农业干旱监测方法主要基于以台站气象观测数据和墒情站土壤观测数据为代表的站点数据，通过能够表达干旱强度和持续时间的传统干旱监测指数，如作物湿度指数　(crop moisture index ， CMI)[4] 、帕尔默干旱指数(Palmerdrought severity index ，PDSI)[5] 、标准降水指数(standardizedprecipitation index ，SPI)[6] 、地表水分供应指数(surfacewater supply index ，SWSI)[7] 等来划分旱情等级，开展干旱预警工作。上述指数的优点在于能够同化大气降水、土壤水分和湿度供给等信息，真实性较高，缺点在于监测精度易受站点分布密度的影响，在区域尺度范围内很难反映农业干旱的细节状况，并且在空间代表性上有一定的局限[8] 。遥感技术的发展有效弥补了传统监测手段的不足，遥感数据因其具有获取成本低、监测范围广、数据连续性强等优点，已成为当前开展农业旱情监测研究的主要数据源[9] 。近年来，国内外专家学者基于遥感数据发展了大量用于农业旱情监测的方法，但不同遥感监测方法在不同区域尺度上的应用均存在较大的适应性问题，如何针对某个特定的区域，选取最佳遥感监测数据源和监测方法已成为当前农业旱情研究的热点问题之一[10 ] 。基于此，本研究重点从评价农业旱情最为主要的大气降水量、土壤含水量和农作物需水量等3 个方面，系统梳理和归纳了当前国内外农业旱情遥感监测研究的近今进展，重点比对分析了不同数据源及其监测方法的优势和不足，并从传统地面数据和遥感数据相结合的角度出发，探讨了未来研究的发展方向，以期为今后更好的开展农业旱情监测和预警研究提供参考。

　　1 旱情遥感监测方法

　　农业旱情评价对象主要涉及大气降水和两种典型地物

　　(土壤和农作物植被) ，评价指标按照评价对象的不同具体分

　　为：(1)降水监测指标— 用于评价由于大气蒸发强烈导致降

　　水和蒸发不平衡，从而造成的水分补充不足;(2)土壤含水

　　量指监测标— 用于评价由于降水不足而导致的土壤缺墒;

　　(3)作物需水监测指标— 用于评价由于降水减少和土壤缺墒导致的农作物水分亏缺及其对作物正常生理生长的抑制。本研究从遥感监测的角度出发，对上述3 种农业旱情评价指标及其评价方法进行归纳总结。

　　1.1 降水监测指标

　　降水是最重要也是最难于观测的农业旱情变量因素之一。准确获取农业区降水量的时空分布特征对于农业旱情监测具有重要的现实意义。传统的由气象站点观测获得的降水数据，易受到站点分布不均匀、站点数量稀少等客观因素影响，无法对大面积农作物种植区进行有效的高精度观测。随着遥感卫星降水反演技术的发展和卫星降水产品(satelliterainfall estimation ，SRE)的不断丰富，越来越多的国内外学者利用SRE 在气象站点稀疏、地形复杂的农区开展旱情监测研究[11-12]在众多卫星降水产品中，TRMM 数据因其精度最为接近气象站点观测的降雨量数据，因而被广泛用于农业旱情监测研究。Rhee 和Carbone[13] 基于TRMM 数据，在美国西部地区开展了干旱监测，结果表明TRMM 数据的应用可以有效解决无站点或站点稀缺地区干旱监测的精度问题。王兆礼等[14]通过开展基于TRMM 的高时空分辨率降水数据产品在中国大陆1998 年— 2015 年间的干旱监测效用评估研究，证明了该产品适用于大尺度气象干旱的监测，能够有效揭示中国大陆干旱的演变规律。此外，水汽含量(又称大气可降水量)作为可以有效预测降雨的物理量，其时空变化信息也是农区旱情监测的一个有效因子[15] 。王永前等[16] 系统总结了目前热红外、微波和可见光-近红外遥感在水汽反演方面的优势和不足，并提出当前应进一步将多源遥感数据相结合，通过改进反演算法以解决时下缺乏高精度高时空分辨率水汽产品的问题。

　　1.2 土壤含水量监测指标

　　土壤含水量是指土壤非饱和层的水分含量。土壤水分含量不仅是大气和陆地能量交换过程的关键因子，同时也是农业领域评价农作物生长和农业旱情程度的重要指标。主要包括3 种监测方法：微波遥感监测法，可见光、近红外与热红外遥感监测法和高光谱遥感监测法。

　　1.2.1 基于微波遥感的土壤含水量监测

　　红外和可见光遥感监测土壤水分易受到云层和光照条件的限制，而微波遥感具有全天候、全天时的特点，对云层和地表植被有较强的穿透力，可以不受天气条件的限制，目前已成为长时间序列大区域尺度上土壤水分监测的有效手段。由于土壤含水量和土壤介电常数具有较强的相关性，而微波后向散射系数与土壤介电常数密切相关，因而微波遥感应用于土壤水分监测具有良好的物理基础支撑。根据方式的不同，主要分为以下三种方法：主动微波遥感监测、被动微波遥感监测和主被动微波联合监测。中，主动微波可以通过观测土壤表面的后向散射系数变化反演区域土壤水分。优点在于空间分辨率相对较高，可以探测地表下5 cm 深度的土壤水分信息，具有全天候、全天时以及测量范围广的特点[17] 。缺点在于时间分辨率低，以及因数据量大带来的处理难。表2 按照卫星发射时间由近及远的顺序列举了当前常用的星载合成孔径雷达(synthetic aperture radar ，SAR)数据源。被动微波遥感主要通过星载微波辐射计，包括AMSRR，SSMR ，FY-3 ，SSM /I ，Windsat 等，从远距离探测下垫面的亮度温度用于反演土壤含水量。与主动微波传感器相比，被动微波遥感传感器对地表土壤含水量变化更加敏感，具有较高的时间分辨率，数据量小且容易处理，适用于大区域尺度的土壤水分反演。但由于空间分辨率较低，因而制约了其在小区域尺度土壤水分监测上的应用[18] 。针对主动和被动微波遥感各自存在的优缺点，国内外专家学者尝试将主被动微波遥感联合应用于土壤水分监测研究。研究表明，主被动微波联合的方法通过优势互补，不仅可以简化土壤水分估算的过程，还有利于提高土壤水分反演的精度[19] 。表3 列举了目前国内外专家学者基于主动微波、被动微波和主被动微波联合开展土壤水分监测所应用的模型、方法以及各自的适用对象。

　　1.2.2 基于可见光、近红外与热红外遥感的土壤含水量监测

　　由于不同湿度的土壤在可见光、近红外波段表现出不同的波谱特性，土壤水分含量越高，红光波段和近红外波段的吸收越强，反射率越低，特别是土壤光谱变化99% 以上的信息可以通过红光波段、近红外和短波红外波段进行描述，这为利用光学遥感数据开展旱情评估提供了重要的理论支撑。主要方法包括：基于特征空间的指数监测法和热惯量法。一方面，基于土壤发射率变化，由Abduwasit 等[58]提出的基于近红外波段和红光波段的光谱特征空间建立的垂直旱情指数(perpendicular drought index ，PDI) ，以及在此基础上构建的改进垂直干旱指数(modified Perpendicular drought index ，MPDI)[59]被广泛用于土壤水分时空变化监测。其中，PDI 更适用于裸土监测，而不适用于植被覆盖度较高的区域。MPDI则充分考虑了植被覆盖的影响，在不同植被覆盖条件下的监测精度更高。但与微波监测方法相比，PDI 和MPDI 只能反映表层土壤的水分信息，不能反映更深层次的区域土壤水分变化情况。

　　另一方面，随着卫星遥感技术的发展，应用于土壤水分监测研究的热红外遥感数据源在时空分辨率的选择方面均得到了极大丰富(表4) ，因而成为国内外专家学者开展土壤干旱监测研究的主要手段之一。土壤热惯量是土壤的一个热特性参数，可通过热红外遥感监测地表温度的方法获取。常见的地表温度反演算法主要包括[60] ：基于1 个热红外波段而开发的单通道算法(如大气校正法、覃志豪单窗算法、Jiménez-Muñoz J C 单通道算法) ，基于2 个邻近红外通道开发的的劈窗算法(基于Landsat 8-TIRS 的劈窗算法，基于TERRAMODIS的劈窗算法等)和基于多个热红外波段开发的多通道算法(昼夜法、温度发射率分离法、灰体发射率法) 。土壤热惯量不仅可以有效反映土壤阻止温度变化的能力，还与土壤盖条件下具有较高精度，且方法简单实用。缺点在于该方法不适用于植被覆盖度较高的区域，特别是由于作物稠密而掩盖了土壤信息的农田区域。此外，ATI 需要计算昼夜温度差，而卫星在昼夜过境时易受到云层覆盖的影响，从而导致实际监测效果不佳。

　　2 结论与展望

　　通过总结当前遥感数据在农业旱情监测研究中的实际应用情况可以发现，降水监测指标、土壤含水量指监测标和作物需水监测指标在监测的实时性、准确性和应用区域的普适性等方面均存在一定的优势和不足。近年来随着研究的深入，越来越多的学者发现单纯应用遥感数据无法准确反映农业干旱特征。气候学研究领域常用的再分析数据受空间分辨率的限制，在不同区域尺度上的土壤湿度数据有着一定的偏差。当前，综合遥感数据、气象数据以及地面土壤、水文、植被等多源数据的陆面模式已成为解决农业旱情监测研究问题的新方法和新途径。目前常用的陆面模式如CLM (communityland model) ，SiB (simple biosphere model) ， Noah ，Noah-MP ，CABLE (community atmosphere biosphere landexchange model)等，在CLDAS ，NLDAS GLDAS 等陆面数据同化系统的整合下，开展农业旱情监测研究已成为目前研究的主要方向之一。此外，以WOFOST 模型为代表的作物模型，通过对农作物生长发育过程与土壤、气象等环境因子进行数值模拟，可以有效反映作物在不同生育期的水分亏缺状况，因而近年来亦成为农作物旱情监测与评估的另一热点方向。因此，如何建立普适性更好的作物生长模型，并利用数据同化技术，结合陆面模式不断降低遥感数据的不确定性，提高遥感数据的利用水平，是未来开展农业旱情定量化监测研究的关键。

上一篇：考虑渠道竞争和医保政策的医药供应链双渠道定 下一篇：采煤塌陷区搬迁村庄耕作半径变化特征及其影响