基于不同下垫面的农业干旱遥感监测方法与发展前景

草业科学 第

PRATACULTURALSCIENCE

34卷第12期 Vol.34，No.12

DOI： 10.1 1829/j.issn. 1001-0629.2017-0080

张瑶瑶，崔霞，宋清洁，朱高峰.基于不同下垫面的农业干旱遥感监测方法与发展前景.草业科学，20 7，34 ( 12) =24 16-2427.Zhang Y Y »Cui X^Song Q J »Zhu G F.Thc agricultural drought remote sensing monitoring methods and underlying surface conditions.Pratacultural Science»201 7,34 ( 12) ：24 1 6-2427.

prospects bas

基于不同下垫面的农业干旱遥感

监测方法与发展前景

张瑶瑶，崔霞，宋清洁，朱高峰

(兰州大学资源环境学院西部环境教育部重点实验室，甘肃兰州730000)

摘要：干旱是我国农业面临的主要自然灾害之一。利用遥感手段监测农业干旱，针对作物生长发育过程中不同下垫面 状况选取适用的监测指标，可以及时、有效地评估干旱对作物生长的影响，从而为各级政府部门制定防灾减灾政策提供 重要的依据。本文总结了目前广泛应用的基于不同下垫面状况的农业干旱遥感监测方法，并将这些方法分为适用于裸 露地表与低植被覆盖条件的监测方法、适用于中高植被覆盖条件的监测方法及适用于各种下垫面状况的综合监测方 法。在此基础上，对未来农业干旱遥感监测发展方向进行了研究与探讨：1)监测数据源由单一数据源向多源数据转变；

2)监测指标由单一的气象监测指标向气象、卫星遥感与作物生理物理特征相结合的综合监测指标转变；3)逐步实现

“S”技术集成与数据共享。

关键词：农业干旱；下垫面；遥感监测；归一化植被指数中图分类号：S27

文献标志码：A

文章编号：1001-0629(201 7) 12-24 16-12 5

The agricultural drought remote sensing monitoring methods and

prospects based on different underlying surface conditions

Zhang Yao-yao? Cui Xia, Song Qing-jie, Zhu Gao-feng

(Key Laboratory of Western China7s Environmental SystemsCMinistry of Education.) , College of Earth and Environmental Sciences, Lanzhou University，Lanzhou 730000，Gansu，China.)

Abstract： Drought is one

of the major natural

timely and

disasters

for

China's agricultural

of

industry.

crop

monitoring index based on land surface conditionsduring different growth periods of crops, remote sensing mo­nitoring ofagricultural drought can

eefectively evaluate the eefect

drought on

vide animportant source for decisions to be made by thegovernment. The present study summarized the widely used agricultural remote sensing monitoring methods, which were based on different land surface conditions.These methods weredivided into three classes： monitoring methods based on bare surface or low vegetation cov­er ,monitoring methods based on high vegetation cover, and integrated monitoring methods based on all landcover conditions.

In addition,

the future development directions

of

agricultural

ring werestudied and discussed, and included： 1) monitoring data beingtransformedfromasingle data source to multi-source data; 2) monitoring indicatorschangingfrom single meteorological monitoring indicators to acom- prehensive monitoring index, which integratesmeteorological, satellite remote sensing with crop physiological and physical characteristics; 3) the 3S technology integration and data sharing.

5

收稿日期：017-02-23 接受日期：017-06-12

基金项目：国家自然科学基金项目（41401472、41571016);高分辨率对地观测系统重大专项（30-Y20A34-9010-15/丄7)第一作者：张瑶瑶（1994-)，女，河北邢台人，在读硕士生，研究方向为干旱遥感监测.E-mail: zhangyaoyaol6@lzu.edu.cn 通信作者：崔霞（1984-)，女，甘肃民勤人，讲师，博士，研究方向为环境遥感及应用.E-mail: xiacuifelzu.edu.cn

By

gr

remote sensing dr

http / / cykx. Izu.edu.cn

：

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

24 17

Key words： agricultural drought; land surface; remote sensing monitoring； monitoring methods; normalized difference vegetation index

Corresponding author： Cui Xia E-mail： xiacui@lzu.edu.cn

我国是一个农业大国，农业干旱是影响我国农业 生产最主要的自然灾害。农业干旱是在一定生产水平 下多层次（大气、作物、土壤、水文、人类活动层）致旱因 素相互作用于农业所造成的水分亏缺失调而导致作物 减产[1]。它涉及大气、土壤等多方面因素，不仅是一种 物理过程，而且与生物过程和社会经济有关[2]。农业 干旱是一种极复杂的干旱类型，不仅不同作物对遥感 监测指数的敏感性不同，即使同一种作物在不同的发 育阶段对遥感监测指数的敏感性也有差异。作物不同 生长发育阶段会表现出不同的形态特征，其地表覆盖 程度也有所差异，这些会影响到干旱监测指数的选择， 进一步导致监测结果的不一致[]。作物不同发育阶段 适用的遥感监测指标可以根据其生长特征和植被覆盖 度进行划分。1

干旱遥感监测研究背景

传统的农业干旱监测主要是利用地面观测站点的 降水量、气温等数据间接地判断干旱，常用的方法有帕 尔默干旱指数、标准降水指数、Z指数等。地面站点监 测在干旱监测中发挥了重要的作用，但也有局限性：1) 由于经济条件的限制，一些地区的地面观测设备不够 精良或出现不同程度的破损，会影响数据的精度和可 靠性；2)地表温度、风速、蒸散量、相对湿度等气象数据 需要长时间持续的观测；3)单点采样需要花费大量的 人力、物力和财力，速度慢，观测范围有限。

近年来，遥感以其客观、及时、经济、覆盖范围广、 数据连续等特点，弥补了地面站点的不足，已被证明是 农业干旱监测中最具前景的技术手段[4]。相比于传统 的地面观测，卫星遥感监测以较短时间获取尽可能丰 富的空间信息，具有宏观性、周期性的特征，能实现快 速的定量分析，提高了数据的空间分辨率，更适合全球 性、区域性的干旱监测。22.1

不同下垫面状况的农业干旱遥感监测方法综述基于裸露地表、低植被覆盖的遥感干旱监测方法作物生长前期，地表裸露或由稀疏植被覆盖，土壤 水分的监测基本不受植被冠层温度的影响，而与土壤 特性有关。这一时期农业干旱监测方法的构建主要基 于土壤水分状况（表1)。2.1.1

热惯量法热惯量是物质自身的一种热学特

性，可以用来表征土壤的热变化。土壤中的水分含量 会影响土壤的热传导率和比热容，而热传导率和比热 容又与土壤热惯量密切相关，根据这个关系可以利用 热惯量来反演土壤水分。热惯量法虽物理意义明确， 但所需参数不易获取且计算复杂。？1«^]在地表热 量平衡的基础上，对原始的热惯量进行改进，提出了表 观热通量（apparent thermal inertia, ATI)的概念，并 将ATI定义为：

ATI = a-A)/(Tmilx-Tmin)。 式中A

⑴

是全波段反照率，T„lilx为一天中最高温度，

Tmn为一天中最低温度。在实际研究中，通常用表观 热通量近似地代替真实热惯量。ATI可以有效地反 演土壤水分，从而用于农业干旱监测。其主要适用于 裸露土壤或作物生长前期的土壤水分监测[7]，这是因 为当植被覆盖度较高时，遥感得到的是土壤和植被的 混合信息，会掩盖土壤本身的热特性，降低反演精 度[]。当应用到裸地或低植被覆盖区时，热通量法监 测效果较好，得到的结果比较准确、直观[]，而在较高 植被覆盖区，热惯量法会失效[1()]。

2.1.2 垂直干旱指数詹志明等[11]利用LandsatETM遥感影像近红外、红光波段反射率，建立了 NIR-Red光谱特征空间，来分析植被覆盖状况、土壤 含水量与NIR-Red特征空间之间的关系。如图1所 示，A — E — D边描述了植被覆盖从全覆盖到裸地的变 化趋势，B — D—C边描述了 土壤水分变化，基于此规 律，通过计算NIR-Red特征空间任一点E到直线L的 距离，可以建立基于NIR-Red特征空间的水分监测模型----垂直干旱指数（perpendiculardrought index，PDI),表示为：

PDI=

1 =(RRfd+M • RNir)。

M2+1

(2)

式中RRed和RNir分别表示大气订正后的红光与近红 外波段反射率，M表示土壤线的斜率。PDI直接利用 光谱特征，避免了反照率和地表温度的反演，获取简 单，更适宜于植被生长初期或裸露地表条件[12]。PDI 与土壤水分呈负相关关系，其与各土层深度的土壤水 分无偏相关系数均大于0.7,拟合效果较好[13]。相较 于其他植被指数，P DI对干旱变化的敏感性较高，可以 实现对旱情变化的快速监测，在农业区尤其是雨养农 业区的适用性好[14]。

http ：//cykx.lzu.cdu.cn

24 18

草业科学第34卷

1基于裸露地表、低植被覆盖的农业干旱遥感监测方法及其适用性和局限性

Table 1 Adaptations and limitations of agricultural drought remote sensing monitoring based 〇

bare surface and low vegetation coverage

表

监测方法

指标适用性研究八daptations described

指标局限性研究

Monitoring methodLimitations described

植被信息掩盖了土壤背景信息；象元精度 难以保证

Thermal inertia

热惯量法 简单实用

Simple and useful

T'he soil background information has been covered by vegetation; difficult to ensure precision

受植被覆盖的影响，监测干旱时易将植被 区误判为干旱区

获取简单；适用于植被生长初期或裸露地

垂直干旱指数

表条件；对干旱变化的敏感性较高

Perpendicular drought index

Easy to acquire; suitable in early vegeta­

tion growth and bare surface; higher sen­sitivity to changes in drought

多波段组合可以更好地反映植被信息，有 效削弱大气干扰，从而更好地反映农田土

Vegetation areas always mistaken for arid

regions when monitoring drought， which affects vegetation coverage

Normalized multi-band drought index

归一化多波段干旱指数壤水分的变化

Multi- band com bination can reflect the vegetation information and weaken the at­mospheric interference»thus reflecting the soil moisture change more effectively

能较好地反映土壤水分信息

在高植被覆盖区域的应用效果有待验证

Application in high vegetation coverage ar­eas need to be verified

Surface water content index

表层水分含量指数

Good reflection of soil moisture informa­tion

在反演较深层的土壤水分时会出现误差

Errors occur when the deep) soil moistureis inversed

1 基于NIR-Red光谱特征的PDI指数原理

Fig. 1 The principle of the perpendicular drought index based on NIR-Red spectral features

图

2.1.3归一化多波段干旱指数植被冠层能强烈吸 收近红外（860 nm),而土壤和植被水分在吸收短波红 夕卜（1 640和2 130nm)时存在差异，利用这种关系可

以获取土壤水分信息。Wang和Qu[13]提出了基于3 个波段的归一化多波段干旱指数<^01'!11&1^6(1〇111- banddrought index，NMDI)，可以表示为：

http ：//cykx.lzu.cdu.c

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

24 19

NMDI:式中R

Ri

R 860 nin I CR 1640 nin I R 2130 nin )

(3)NDVI:式中：R

R N1R 一 R Red

R N1 R IR Red

(5)

为反射率R 86。™ R 146。™和R 21:W„m分别表示 是近红外波段反射率，R Red是红光波段反射

MODIS数据在860、640和2 130 nm这3个波段的 反射率。860 „m可以较好地反映植被，1 640 „m波段和2 130 nm波段的反射率可以有效削弱大气干扰 而获取土壤与植被水分含量，这3个波段的有效组合 可以更好地反映农田土壤水分的变化。NMDI对土壤 湿度的变化反应比较灵敏，对比分析不同时像的NM- DI遥感图像，发现其与。一 50 cm 土层深度的土壤墒 情相关性显著，且通过了 0.01水平的显著性检验。已 有研究发现，NMDI在植被覆盖度较低时（作物生长前 期)反演土壤水分效果要好于植被覆盖度高时[16]。 2.1.4表层水分含量指数为更好地反映表层水分 的含量，杜晓等[17]基于水的吸收曲线和土壤反射率曲 线特征，构建了一种新的干旱监测指数—以表示为：

SWCI：式中：i?6、R

R 一 RR6+R率。NDVI与年平均温度和年降水量之间呈显著相关 关系（P<0.05)[19]。气温和降水是作物生长过程中的 主要限制性因子，也是影响NDVI变化的主要因素， 有研究表明，干旱半干旱区NDVI的变化主要受降水 的影响[20]。作物生长初期，NDVI会过高估计植被覆 盖度，易使计算形成偏差[21]，作物生长后期因饱和会 导致NDVI值过低，因此，NDVI更适用于植被发育中 期或中等覆盖度的植被监测[22]。

NDVI受大气、土壤和冠层等背景影响，在高生物 量区易发生饱和[23]，而增强型植被指数（enhanced vegetation index,EVI)[24]能有效地削弱大气、植被等 背景所造成的影响，即使在植被覆盖率高的地区也不 会发生饱和。条件植被指数（vegetation condition in­dex, VCI) [切 可以反映 NDVI 波动的相对偏差[26] , 消除因地理位置、气候类型等不同而造成的NDVI地区 差异，可用来指示区域级的干旱情况。但是，VCI易受 物候变化的影响，因此只适用于物候稳定期（如植被生 长中后期）。

2.2.2改进型垂直干旱指数由于受植被覆盖的影 响，PDI在监测干旱时易将植被区误判为干旱区。为 解决这一问题，Ghulam等[27]在综合考虑土壤湿度和 植被生长特征因子的基础上，引人植被覆盖度因子 (fv)来改进垂直干旱指数，建立了新的干旱监测指数----改进型垂直干旱指数（modifiedperpendiculardrought index,MPDI)。

MPDI=

(PDI— /v • PDI)。

(6)

表层水分

含水量指数（surface water content index, SWCI),可

。(4)

分别表示MODIS数据第6、第7波段的

反射率。考虑到植被和土壤的混合差异，组合MODIS 第6波段和第7波段得到的干旱指数能够较好地反映 地表含水量。对比SWCI、NDVI与实测土壤墒情的 相关性，可以发现SWCI与。一50 cm 土层深度土壤墒 情的相关系数均大于NDVI与。一 50 cm 土层深度土 壤墒情的相关系数，由此可见，表层水分含量指数 SWCI与。一50 cm 土层深度土壤墒情的相关性较好， 在反演表层土壤水分方面具有较高准确度，但在反演 较深层的土壤水分时会出现误差。

22基于中、高植被覆盖的遥感干旱监测方法

作物生长中后期，植被覆盖度较高，此时遥感干旱 监测指标的选取除了要考虑土壤水分条件外，还要充 分考虑到植被因素。因此，中、高植被覆盖下的遥感干 旱监测指数多是基于土壤水分和植被因子构建的（表2)。2.2. 1

植被指数归一化植被指数（normalized

difference vegetation index，NDVI)是植被指数中运 用最广泛的，同时也是指示植被生长状态及覆盖度的 最佳因子[18]。据研究，NDVI与植被覆盖度、叶面积、 叶绿素等植被生理参数密切相关，因此，其能反映出植 被冠层的背景影响（如土壤、粗糙度等），也可以被用来 监测植被生长状态、植被覆盖度。通常将NDVI定义 为:

修正的垂直干旱指数MPDI可以较好地反映表 层土壤水分的变化，并适宜于时序变化监测[28]。PDI 与MPDI与。一20 cm深度土壤湿度皆呈负相关指数 关系，稀疏植被条件下，R2分别为0.319 7和0.329 1， MPDI改进效果不明显，但是在茂密植被覆盖下R2 分别为0.434 6和0.502 7,MPDI改进效果比较明显。 MPDI对干旱变化的响应比PDI敏感，在监测农业干 旱尤其是作物长势较好地区的农业干旱时效果更 好[29]。改进型垂直干旱指数可以对地表情况进行实 时监测，作物生长初期植被覆盖度较低时使用PDI,作 物生长中后期植被覆盖度较高时使用MPDI,综合使 用这两种模型对农田旱情进行监测可以提高监测精 度[30]。

2.2.3作物缺水指数Jackson和

于

能

量

http://cykx.lzu.cdu.

24 20

草业科学第34卷

平衡提出了水分胁迫指数（crop water stress index, CWSI)，用来评价植物受水分的胁迫指数。CWSI的 理论模型为[33]:

ET

CWSI = 1—et。

ET〇

（7)

其他指数（如植被供水指数）CWSI在植被覆盖地区 精度较高，监测效果好，有效地反映了作物的干旱程 度。作物缺水指数模型物理意义明确，但涉及许多参 数，计算复杂，对作物缺水指数模型进行简化是十分必 要且可行的。基于能量平衡简化的作物缺水指数模 型，涉及的因子减少，计算量明显降低，更方便应用到

式中：ET是实际蒸发量，ET〇是潜在蒸发量。相较于

表

2基于中高植被覆盖的农业干旱遥感监测方法及其适用性和局限性

Table 2 Adaptations and limitations of agricultural drought remote sensing monitoring based on high vegetation coverage

监测方法

指标适用性研究八daptations described

可以减少太阳高度角、大气状态和非星下

指标局限性研究

Monitoring method

归一化植被指数

Limitations described

在时间上有一定滞后性；高生物量地区易 饱和；受植被、土壤类型等因素影响。

Normalized multi-band drought

index

Can reduce the error caused by the angle ofthe sun，atmospheric conditions，and non- subsatcllite points.

能解决

点观测带来的误差，简单易用，比较直观。

There is a time-lag; high biomass area is

easily saturated; affected by factors suchas vegetation and soii type.

仅适用于有植被覆盖地区的干旱监测。

NDVI在高生物量覆盖区易饱和的

增强型植被指数

Enhanced vegetation index

Solves the problem related to NDVI being

easy to saturate in high biomass areas.

消除了

问题。

Applies only to areas that have vegetationcoverage.

NDVI的空间变异，可以进行年度

植被类型的年际变化、地温的季节变化都 会影响干旱监测的准确性；需长时间序列 的遥感数据。

间大尺度和区域级的相对干旱程度监测；

条件植被指数

适用于有植被覆盖的区域。

Vegetation condition index

Eliminating the NDVI space mutation， it can undertake drought monitoring between large scale and regional levels during annu­al relative degree.

Inter-annual variability of vegetationtypes; season of ground temperature chan­ges affects the accuracy of drought monito­ring ；needs along-term series of remote sensing data.

MPDI能很好地反应出高植被地区的干旱

情况，对于高植被地区干旱更敏感，适用的

其稳定性相对下降，没有

PDI指数稳定，

Modified perpendicular drought

index

改进型垂直干旱指数

Reflects the drought conditions in highervegetation areas; more sensitive to drought in high vegetation regions; wide application range.

在水分能量平衡的基础上，综合考虑土壤 水分与蒸散的关系，物理意义明确，适用于 中、高植被覆盖区的旱情监测。

范围更广。

Less stable than Perpendicular Drought In­

dex； calculation greatly affected by vegeta-tion coverage.

其中植被覆盖度对MPDI计算影响较大。

Crop water stress index

作物缺水指数

Based on water energy balance, CWSI con­

siders the relationship between soil mois­ture and evapotranspiration; physicaimeaning is clear and is suitable for drought monitoring in high vegetation coverageareas.

较好地反映了农田浅层的土壤水分变化。

计算复杂，无法准确估算空气动力学阻抗 对模型精度的影响。

Calculation is complex； unable to accurate­

ly estimate the influence of aerodynamic resistance on modii accuracy.

农田浅层土壤湿度指数

Cropland soil moisture index

Better reflects the soii moisture changes in the shallow of farmland.

http ：//cykx.lzu.cdu.cn

实时应用效果尚需验证和完善。

Real-time application effect still needs to

be verified and improved.

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

24 21

实际生活中[4」。另一方面，CWSI的要素很大程度上 依赖于地面观测站，如果研究区域范围大，所需参数的 获取就成为亟待解决的问题，而且易受地形、植被等要 素的影响，在植被覆盖度高的情况下易低估旱情，而在 城镇密集地区又会高估旱情[33」。

2.2.4农田浅层土壤湿度指数当前，许多监测指数 并不能很好地反映农田浅层的土壤水分变化，为此，张 红卫等[6」构建了农田浅层土壤湿度指数（cropland soil moisture index，CMSI)，将 MODIS 第 1、第 2、第 6 和第7通道加以融合来反映农田浅层的土壤水分变 化，该指数可以表示为：

CMSI =

R2 XR7 —R1XR6

育不同阶段的干旱监测，也可根据作物生长过程中的 不同时期进行改良调整。

2.3.1植被供水指数水分充足时，植被指数和冠层温度会保持在一定的范围内，一旦发生水分不足的情况，植被指数会降低，植被冠层因缺水导致温度升高。根据这一原理，综合地表温度监测指标和植被指数监测指标，建立了一种可用于农业干旱监测的综合指标----植被供水指数（vegetation supply water index，VSWI)并定义为：

NDVI

VSWI= D 。

,

（9)

式中：NDVI为归一化植被指数，Ts为植被冠层温

(8)

度。利用NDVI和Ts构建的植被供水指数与土壤 湿度（尤其是10 cm深度处）相关性较高，可以准确 反映干旱情况[7」。已有研究表明，VSWI在监测农 业干旱时具有更好的稳定性和优异性，在整个冬小 麦（Triticwwi aertiwMTM )生长序列上稳定性最好[8」。 植被稀疏的半干旱区，植被指数易受土壤背景的影 响，在NDVI的基础上增加土壤调节系数，对植被供 水指数加以改进，以调整植被指数（MASVI)代替 N DVI,可以消除土壤背景的影响，从而提高监测效 果

。

2.3.2温度植被干旱指数许多研究表明，当研究区 植被覆盖从裸地到全覆盖，土壤湿度由极干旱到极湿 润，由遥感数据所获取的植被指数（N D VI)与地表温 度（LST)的散点图往往呈三角形或梯形（图2)。

Sandholt等[4)」基于植被指数和地表温度的经验 关系，建立了温度植被干旱指数（temperature vegeta­tion dryness index，TVDI)。

XR7R2 XR 一R1式中：R1R2 J?6、R7分别表示MODIS第1、第2、第6 和第7通道的反射率。CSMI考虑了农田浅层和较深 层的土壤水分变化，可以有效解决因植被覆盖度变化 而引起的土壤水分监测不精的问题。分析SWCI与 0 — 50 cm深度土壤湿度的相关性，发现其相关性较 高，均在0.7以上，且通过0.01水平的显著性检验。波 段1和波段2可以反映深层土壤水分对植被指数的影 响，波段6和波段7可以反映较浅层农田的土壤水分， 这4个波段的有效结合较好地反映了农田浅层的土壤 水分变化，适合应用于植被生长中后期，植被覆盖度较 高的情况。

2.3综合遥感干旱指数

目前，大多数的干旱监测指数或适用于裸地、低植 被覆盖条件下（如热惯量法、微波遥感法），或适用于中 高植被覆盖条件下（如植被指数），很少能在不同覆盖 程度的地表均适用。综合遥感干旱指数可用于作物发

蒸发为〇_

Evaporation is zero

蒸腾为0

蒸发最大 <

........................................湿边TVDI=0 ...................................................蒸—最大

Maximum Evaporation__________Wet edge TVDI=0_____________________Maximum transpiration ^

2 简化的NDVI-Ts二维特征空间

Fig. 2 Simplified two-dimensional feature space of NDVI and LST

图

http ：//cykx.lzu.cdu.cn

24 22

草业科学第34卷

LSTi-(a2 + b, XNDVI)

—(ai + b XNDVI) - ( a2 + b2 XNDVI。

(10)

式中：ST为陆地表面温度，a^b和a2、b2分别为干 边和湿边的回归方程系数。T„lilx —U + b XNDVI) 为干边，即研究区内某一时期的同一 NDVI值对应的 最高地表温度，Tmn — ( a2 +b2 X NDVI)为湿边，即 NDVI值对应的最低地表温度。TVDI基本上能反映 表层土壤湿度状况，利用该指标进行农业干旱监测是 可行的[41].TVDI反演精度较高，所需数据获取方 便，利用MODIS、AVHRR等遥感数据便可进行大尺 度的干旱监测，在干旱监测中得到较好的应用[42]。

但是，TVDI在很大程度上受植被指数的影响，在 高、低植被覆盖条件下的敏感性不同，当研究区植被覆 盖度过高（>80% )时，NDVI会因为饱和不能很好反 映植被状况，导致基于TS-NDVI空间特征的作物干旱 监测精度大大降低[43]。因此，可基于土壤调整型植被 指数（soil-adjusted vegetation index,Ts-SAVI)和比值 植被指数（ratio vegetation index，Ts-RVI)特征空间构 建新的温度植被干旱指数[4 W5]，从而提高作物干旱监 测的精度。

表

2.3.3波文比指数地表水热状况的变化会影响到 植被指数和地表的温度，而通过植被指数和地表温度 可以间接地反映土壤水分状况，进而反映到干旱上。 因此，反映地表水热特性的因子（如波文比、反照率、地 表温度）可被用于干旱监测模型的建立，通过对模型相 关因子在不同时空的差异分析来达到监测干旱的目 的。郝小翠等[6]引人能综合反映地表水热特征的波 文比，基于能量平衡构建了波文比干旱监测模型，波文 比模型为：

P—H/IE。

（11)

式中：为波文比，H为感热通量，LE为潜热通量。在 对比分析波文比指数、温度植被指数与土壤水分相关 性后，发现波文比指数卩与0-20 cm 土层深度的土壤 相对湿度相关性更好，在裸土和植被的混合地表均有 较好的监测效果。但是，波文比涉及的参数较多，某些 参数（如温度）的变化具有季节性和波动性，使卩与土 壤相对湿度的关系不具有普遍意义。

2.3.4能量指数当土壤干燥时向外放出的长波辐 射会增强，地表温度和冠层温度会随之升高；当土壤湿 润时长波辐射会减弱，地表温度和冠层温度也会降低。 基于这个原理并根据土壤热力学理论，张文宗等[7]提

3 综合农业干旱遥感监测方法及其适用性和局限性

Table 3 Adaptations and limitations of agricultural drought remote sensing monitoring based on comprehensive method

监测方法

指标适用性研究

指标局限性研究

Monitoring method

只需

植被供水指数

Adaptations described4:0

左右的一次晴空卫星观测资

Limitations described

受土壤物理参数、植被生理特点的影响；受 时间、地域限制，监测结果不具时间可比 性。

料，适用于高植被覆盖区。

Vegetation supply water index

Requires a clear sky satellite observation data at 14 ：00 p.m.; suitablcfor high vege­tation coverage areas.

数据获取方便、简单实用。

Affected by soil physical parameters， and

vegetation physiological characteristics; re- strictcdby time and region， the monitoring results do not have time comparability.T'he determination of dry and wet side is difficult.

涉及参数较多，指数不具有普遍意义；监测 干、湿边的确定存在一定困难。

温度植被干旱指数。

Temperature vegetation dryness

indexData acquisition is convenient; simple and practical.

波文比指数

能综合反映地表水热特征。

Bowen ratio index

Reflects the characteristics of surface wa­ter and heat comprehensively.

结果不具时空可比性。

Involves many parameters and is not uni­versal ;monitoring results do not have the comparability of time and space.

适用于各种植被覆盖条件下以及各种土层

能量指数

深度的干旱监测。

Energy index

Suitable for drought monitoring in all kinds of vegetation conditions and different soil depths.

http ：//cykx.lzu.cdu.cn

在农作物干旱监测中的应用较少。

Applicationin crop drought monitoring is

limited.

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

24 23

出能量指数，用遥感来监测农业干旱，该方法弥补了热 惯量法难以同时获取昼夜无云资料的局限性，同时在 理论上更加符合植物冠层温度与土壤水分呈反比的规 律。实际监测应用结果表明，能量指数能较好地反映 旱情空间分布和发展过程，更适合农作物土壤水分的 监测，可应用于各种植被覆盖条件下以及各种土层深 度的干旱监测[8]，监测效果明显优于其他干旱指数， 精度可在87%以上。不同下垫面状况的农业干旱遥 感监测方法及其适用性和局限性如表3所列。3

农业干旱遥感技术的发展前景

由于自身的局限性，往往不能准确地描述旱情，因此， 农业干旱监测应该基于多个变量或指标，使干旱监测 更有力、更可信。Bown等[2]通过分类回归树的方式 提出了植被干旱响应指数（vegetation drought re­sponse index, VegDRI) ， 这 一模型整合了基于气候的 干旱指标、基于卫星的植被指数以及其他生物物理信 息，但它主要是基于NDVI建立的，而NDVI不能确 定植被受胁迫的根本原因。因此，可以将VegDRI和 帕默尔干旱强度指数（PDSI )结合，并与卫星获取的 NDVI信息共同分析，以获得干旱监测的预期结 果[53]。Zhou等[:4]利用量化的综合表面干旱指数（IS- DI)确定了 2001 — 2013年中国的干旱时空类型及变 化趋势，这一指数融合了 9个变量，包括2个气象干旱 指标、2个空间持续变量以及5个生物物理数据集，将 干旱强度分布与中国生态地理分区结合起来。杜灵通 等[55]使用MODIS和热带降水测量任务（tropical rainfall measuring mission, TRMM)卫星等多源遥感 数据，综合考虑土壤水分胁迫、植被生长状态和气象降 水盈亏等因素，利用空间数据挖掘技术，构建了综合干 旱监测模型—

综合干旱指数（synthesized drought

mdex，SDI)，为综合评估区域农业干旱提供了 一种新 方法。建立复合和多重指标的干旱模型，综合考虑影 响农业干旱发生与发展的多重因素（如气象因素、生物 物理因素等）能提高指数模型的准确性，从而使干旱监 测结果更精准，更有效地应用于防旱减灾工作中。农 业干旱遥感监测的一个极为重要的发展方向是：指标 由单一的气象监测指标转向气象、卫星遥感与作物生 理物理特征相结合的综合监测指标转变。但需注意的 是，使用多指标进行综合农业干旱评估有一个前提，即 所选指标提供的信息彼此独立、互不相关。3.3 “3S”技术集成与数据共享

目前，国际上“3S”的应用开始向集成化方向发 展。全球定位系统（global positioning system, GPS) 主要用于实时、快速地提供目标的空间位置，定位精度 高，地理信息系统（geographic information system, GIS)具有强大的数据储存、处理与分析的功能，RS可 客观、迅速地监测环境信息，“3S”技术集成[56]对实现 农业干旱的动态监测具有十分重要的意义。利用 “3S”技术监测农业干旱，不仅要建立农田受灾面积和 评估损失系统，更重要的是应向着农业灾害预报与监 测评估紧密结合、信息处理一体化方向发展[57]。农业 干旱遥感监测所形成的多个指数，既需要卫星遥感数 据，也需要其他数据（如气象数据）的支撑，为此，需建 立完善的气象数据共享服务体系和卫星遥感干旱数据

3.1多源遥感数据的融合

不同生长发育阶段，农业干旱具有不同的表现 和特征，因此在监测农业干旱时要有实时的、高精度 的数据。遥感技术应用于农业干旱监测研究以来， 形成了多数据源、多方法的干旱遥感监测体系[49]。 干旱监测的遥感数据源主要有3种：多光谱数据、高 光谱数据和微波数据。其中，多光谱数据源是当前 遥感农业干旱监测的主要数据源。高光谱数据分辨 率高、波段多、信息量丰富，但其数据量大且获取不 易，波段选择和信息提取复杂，这些特点制约其在大 面积干旱监测中的应用。微波数据不受云干扰，可 全天观测，但是在监测土壤湿度时容易受到地表参 数的影响。每一种数据源都有各自的优势和局限 性，为了保证数据的连续性、精确性，可以使用多种 方法综合利用多源遥感数据。

融合多源遥感数据的目的在于将单一传感器的多 波段信息或不同类别传感器所提供的信息加以综合， 提高遥感数据的可应用性和对地物的识别能力。多源 遥感数据融合从层次上可分为：基于像元的融合、基于 特征的融合以及基于决策的融合。多源遥感数据的融 合是干旱监测发展方向之一[5°]。

多源遥感数据的融合可以将不同遥感数据的优势 综合起来，弥补单一图像上信息的不足，从而扩大了各 自信息的应用范围，提高了遥感数据的可应用性，另一 方面也使得农业干旱监测的精度和准确性大大提升。 卫星观测数据产品的增加提高了多源数据监测干旱的 能力[1]。然而，大量的数据也带来一些科学挑战，如 不确定性的评估、数据量的管理、多元数据的融合与合 并以及不同观测、数据集一致性的保证。3.2建立复合和多重指标的综合干旱模型

多源数据融合的干旱综合监测模型是研究农业干 旱监测问题的新途径，在解决干旱监测复杂性问题中 有着较大的应用潜力。相关研究表明，单个监测指标

http://cykx.lzu.cdu.

24 24

草业科学第34卷

库，同时加大各部门之间的交流与协作，尽可能地实现数据共享。

4测的全面化业务，建议加强以下方面的工作研究：1) 促使监测数据源由单一数据源向多源数据融合转变；2)实现监测指标由单一的气象监测指标转向气象、卫 星遥感与作物生理物理特征相结合的综合监测指标转 变；3)逐步实现“3S”技术集成与数据共享。

农业干旱的发生会受到降水、温度等自然因素影 响，也会受到作物品种等人为因素影响。农业干旱指 标涉及到大气、作物、土壤环境等因子。在利用遥感手 段对农业干旱监测时，要考虑到多重因子对干旱形成 和发展的共同作用，并选择最适宜的监测方法。及时 有效的农业干旱监测预测信息可以为各级政府部门提 供重要的决策依据，使其有足够时间采取应对措施，尽 可能地减少损失。

结论

作物生长发育不同阶段具有不同的下垫面状况，

其对遥感指数的敏感性也有所差异。作物生长初期， 地表裸露或低植被覆盖，农业干旱监测方法的构建主 要基于土壤水分状况。作物生长中后期，植被覆盖度 有所增加，干旱监测除考虑土壤水分外也要考虑植被 因子。综合遥感干旱指数可用于作物生长发育不同阶 段的农业干旱监测。

遥感是农业干旱监测中最具前景的技术手段。为 提高我国遥感监测技术的研究水平，推动农业干旱监

参考文献References:

[1] 王春乙.中国重大农业气象灾害研究.北京：气象出版社，2010:3-5.

Wang C Y.Research on Major Agricultural Meteorological Disasters in China.Bcijing：China Meteorological Press»2010 ： 3-5.(in Chinese)[2] 霍治国，王石立.农业和生物气象灾害.北京：气象出版社，2009: 5-10.

Huo Z GGWang SL.Agricultural andBiornctcorological Disastcrs.BcjingtChina Meteorological Prcss，2009:5-10.(inChincsc) []宋扬，房世波，卫亚星.农业干旱遥感监测指数及其适用性研究进展.科技导报，201 6，34 (5):45-52.

Song Y, Fang S B，Wri Y X. Comparison of typical remote sensing drought indexes and their adaptability in agriculture.Science & Technology Review,201 6,34 (5)： 45-52.(in Chinese)[]黄友昕，刘修国，沈永林，刘诗诗，孙飞.农业干旱遥感监测指标及其适应性评价方法研究进展.农业工程学报，205，31( 16):

186-195.

Huang Y X»Liu X G»Shcn Y L»Liu S S»Sun F.Advances in remote sensing derived agricultural drought monitoring adaptability evaluation methods. ^Transactions of the Chinese Society of Agricultural Engineering ,2015^31(16 )： 186-195.(in Chinese)

[5] Price J C.On the analysis of thermal infrared imagery:The limited utility of apparent thermal incrtia.Rcmote Sensing of Envi-ronment，1985,18(1) :59-73.[]李星敏，刘安麟，张树誉，王钊.热惯量法在干旱遥感监测中的应用研究.干旱地区农业研究，2005,23(1 ):55-59.

Li X M，Liu A L，Zhang SY，Wang Z.Use of thermal inertia approach in themonitoring of drought by remote sensing. Agricul­ture Research in the Arid Areas,2005,3(1) ：55-59.(in Chinese)[]黄泽林，覃志豪.利用MODS数据监测大面积土壤水分与农作物旱情研究.安黴农业科学，2008,36(1 1 )4784-4787.

Huang Z L»Qin Z H.Study on monitoring soil moisture and crop drought in great area by using MODIS data.JAgricultural Sciences»2008,6(1 1) ：4 784-4 787. (in Chinese)[]吴黎，张有智，解文欢，李岩，杨树聪.改进的表观热惯量法反演土壤含水量.国土资源遥感，203，25( 1 ):44-49.

WuL，ZhangY Z，Xie W H，Li Y，Yang SC.The inversion of soil water content by the improved apparent thermamote Sensing for Land & Resources，2013，25(1) :44-49.(inChinesc)[]鹿国武，王逸鹏，王秀芹.利用遥感数据和气象观测数据结合监测德州旱情方法探讨.农业科技与信息，201 6(8): 52-53，55.

Lu G W/Wang Y P/Wang X Q.Monitoring the Dezhou drought using remote sensing data and meteorological data.AgricultureTechnology and Information，2016 (8) : 52-53，55. (inChinese)[10] 杨树聪，沈彦俊，郭英，近藤昭彦.基于表观热惯量的土壤水分监.中国生态农业学报，2011，19(5) = 1157-1161.

Yang S C»Shcn Y J,Guo Y,Kondoh Akihiko.Monitoring soil moisture by apparent thermal inertia method.ChinesEco-Agriculture,201 1 ,19(5.) ： 11 57-11 61.(in Chinese)[11] 詹志明，秦其明，阿布都瓦斯提•吾拉木，汪冬冬.基于NIR-Red光谱特征空间的土壤水监测新方法.中国科学D辑：地球科

http ：//cykx.lzu.cdu.cn

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

2425

学，2006,36(1 1 ):1020-1026.

ZhanZ M，Qin Q M，八buduwasit • Ghulam，Wang D D.New methods of soilmioisturc mionitoringbascd in NIR-Rcd spectra

characteristic space.Science in China (Series D： Earth Sciences.) »2006»36(1 1) ： 1020-1026.(in Chinese.)[12] 阿布都瓦斯提•吾拉木.基于N维光谱特征空间的农田干旱遥感监测.北京：北京大学博士学位论文，2006.

Abuduwasit • Ghulam.Agriculturai drought remote sensing monitoring modci based on N-dimensionai spectral feature space.PhD Thesis.Beijing:Peking University，2006. (inChincsc.)[13] 陈国茜，周秉荣，胡爱军.垂直干旱指数在高寒农区春旱监测中的应用研究.遥感技术与应用，2014，29(6): 949-953.

Chen G X，ZhouB R，Hu AJ.Applicationrcscarch of perpendicular drought index for spring droughtmionitoring onhigh and cold agricultural area.Remote Sensing Technology and Application»2014 »29(6) ： 94 9-953. (in Chinese)[14]韩 涛，蒋友严.基于FY-3/MERSI数据的干旱监测.草业科学，2014，3K9): 1 645-1 652.

Han T，iang Y Y.Drought monitoring analysis based on FY-3/MERS1 data.Pratacultural Scicnce»2014,31 (9) ： 1 645-1 652.(in Chinese)

[15] WangL，Qu J J.NMDI: A normalized mu】lti-band drought index for monitoring soil and vegetation mioisturewith satellite re­

mote sensing.Geophysical Research Letters»2007,34 (20) ： 11 7-131.[16]张 红卫，陈怀亮，周官辉，赵百胜，高正庆.归一化多波段干旱指数在农田干旱监测中的应用.科技导报，2009，27(1 1 ):23-26.

Zhang H W »Chcn H L»Zhou G H»Zhao B S»Gao Z Q. Application of normalized multi-band drought index method in cropland drought monitoring.Science & Technology Review»2009 »27( 1 1 )：23-26.(in Chinese)[17] 杜晓，王世新，周艺，魏华.一种新的基于EOS/MOIIS的地表含水量模型构造与验证.武汉大学学报（信息科学版），2007,

32(3)205-208.

Du X, Wang S X,Zhou Y, Wei H.Construction and validation of a new model for unified surface water capacity DIS data.Gcomatics and Information Science of Wuhan University,2007,32 (3) ：205-208.(in Chinese)[18] Bannari A，MorinD，BonnF，HucteR. A reviewof vegetation indices.Remote SensingReviews，1 995，13( 1): 95-120.[19] 王玮，冯琦胜，郭钥，沙莎，胡蝶，王丽娟，李耀辉.基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测.草业科

学，2015,32(12) = 1969-1979.

Wang W,Fcng Q S,Guo N,Sha S,Hu D,Wang L J , Li Y H.Dynamic monitoring of vegetation coverage based on long time- series NDVI data sets in northwest arid region of China.Pratacultural Science»201 5 »32( 12) ： 1 969-1 979.(in Chinese)[20] 赵新来，李文龙，Xin Guo,余翠，赵玉婷，许静.Pa、SPI和SPEI干旱指数对青藏高原东部高寒草地干旱的响应比较.草业科

学，2017,34(2) :273-282.

ZhaoX L，LiW L，GuoX L，YuC，Zhao Y T，Xu J.Thcrcsponscs of Pa，SPI，and SPEI to dry climate in alpine meadows ofeastern Qinghai-T'ibct Plateau.Pratacultural Science»201 7 »34 (2) ：273-282.(in Chinese)[1] 赵秀霞，楚新正，马晓飞，莫丰瑞.基于像元二分模型的艾比湖湿地NDVI指数对微气候的响应.草业科学，2017,34 (6):

1168-1177.

Zhao X X»Chu X Z»Ma X F»Mo F R.Ebinur Lake Wetland vegetation coverage in response to a ultural Science，201 7，34 (6) : 1 1 68-1 1 77. (inChinese)[2] 孙丽，王飞，吴全.干旱遥感监测模型在中国冬小麦区的应用.农业工程学报，2010，26( 1 )243-249 ,89.

Sun L»Wang F»Wu Q. Drought monitoring by remote sensing in wintcr-whcat-growing area of China. ^Transactions of the CSAE，2010,26( 1 ) :243-249,389.(inChincsc)[23] 李亚刚，李文龙，刘尚儒，秦兰兰.基于遥感技术的甘南牧区草地植被状况多年动态.草业科学，2015，32(5):675-685.

Li Y G»Li W L,Liu S R,Qin L L.Grassland vegetation dynamics over the years based on remote sensing technology in Gannanpastoral area.Pratacultural Science»201 5 »32(5) ： 675-685. (in Chinese)

[24] Liu H Q，Hucte A. A fccdbackbascd modification of the NDVI to rminirnize canopybackground and atrnosphcricnoisc.IEEE

Transactions on Geoscience and Remote Sensing, 1995 ,3(2) ：457-465.

[25] Kogan F S. Development of global drought-watchsystcm using NOAA/’AVHRR data. Advances in Space Research，1 993，

13(5)219-222.

[26] Kogan F N.Remote sensing of weather impacts on vegetation in non-homogcncous areas.International Journal of Remote Sens­

ing, 1990 , 11 (8) ：1405-1420.[27] Chulami A，Qin Q，TcyipT，Li ZL.Modified perpendicular drought indcx(MPDI) : A real-tirne droughtmonitoring method.Is-

prs Journal of Photogrammictry & Remote Sensing，2007，62(2): 150-1 64

http ：//cykx.lzu.cdu.cn

24 26

草业科学第34卷

[28] 孙灏，陈云浩，孙洪泉.典型农业干旱遥感监测指数的比较及分类体系.农业工程学报，2012，28( 14 ): 147-154.

Sun H,Chcn Y H,Sun H Q.Comparisons and classification system of typical remote sensing indexes for agriculturalTransactions of the Chinese Society of Agricultural Engineering,2012,28(14) ： 147-1 54.(in Chinese)[29] 冯海霞，秦其明，蒋洪波，董恒，张宁，王金梁，刘明超.基于J-1A/1B CCD数据的干旱监测.农业工程学报，2011，27(S1):

358-365.

Feng H X，Qin Q M，Jiang H B，Dong H，Zhang N，Wang JL，Iiu M C.Droughtmonitoringbascd on HJ-1A/1B CCD data. Transactions of the CSAE，01 1，7(S1) ：358-365.(in Chinese)[30] 晏明，丁春雨.基于遥感监测的农业旱灾监测研究.基层农技推广，2013,1 (10)22-26.

Yan M»Ding C Y/The research of agricultural drought monitoring based on remote sensing.Primary Agricultural T'cchnologyExtension ,2013^1(10) ：22-26. (in Chinese)

[31] Jackson R D，dso S B.Canopy temperature as a crop water stress indicator.Water Resource Research»1 981，7(4) ： 1133-1138.[32] Idso S B，cckson R D/Pintcr P J Jr^Reginato R J » Hatfield J L.Normalizing the stress degree day for environmental variabili­

ty. Agricultural Mctcorogy, 1981 (24) ： 4 5-55.[33] 申广荣，田国良.作物缺水指数监测旱情方法研究.干旱地区农业研究，1998,16(1 ): 126-131.

Shen G R/Tian G L.Drought monitoring with crop water stress index. Agricultural Research in the Arid Areas» 1998 » 1 6 ( 1)：126-13 1 .(in Chinese)[34] 刘安麟，李星敏，何延波，邓凤东.作物缺水指数法的简化及在干旱遥感监测中的应用.应用生态学报，2004,15(2)2 10-2 14.

Iiu A L，Li X M，HcY B，Dcng F D.Simplification of crop shortagcwatcr index and its application in drought remote sensing monitoring.Chinese Journal of Applied Ecology»2004,1 5(2) ： 210-2 14. (in Chinese)[35] 田国珍，武永利，梁亚春，杨超.基于蒸散发的干旱监测及时效性分析.干旱区地理，2016,39(4):721-729.

T'ian G Z/Wu Y L,Liang Y C»Yang C.Drought monitoring and timeliness based on cvapotranspiration model.Arid Land Ge­ography, 20 16»39(4) ：721-729.(in Chinese)[36] 张红卫，陈怀亮，申双和，孙睿.基于MODS数据的农田浅层土壤湿度指数的构造与应用.北京：中国气象学会农业气象与生

态学委员会，南京信息工程大学，中国农学会农业气象分会，中国农科院环境与可持续发展研究所，2009:6.Zhang H W,Chcn H L,Shcn S H,Sun R.Structure and application of soil moisture index in shallow soil basedta. Beijing ： Chinese Meteorological Society Agricultural Meteorology and Ecology Committee» Nanjing University of Informa­tion Science & Technology，Agricultural Meteorological Branch of China Agricultural Society^ Institute of Environment and Sustainable Development in Agriculture»CAAS.2009 ： 6.(in Chinese)[37] 王建博，王蕾彬.基于植被供水指数的山东省20 3年春季旱情监测.山东农业科学，2015,4 7(1 ): 1 1 1-1 16.

Wang J B/Wang L B. Drought monitoring in Shandong Province in spring of 2013 based on vegetation supply water index. Shandong Agriculture Sciences»201 5 »4 7( 1) ： 11 1-1 16. (in Chinese)[38] 张洁，武建军，周磊，雷添杰，刘明.基于MODS数据的农业干旱监测方法对比分析.遥感信息，2012，27 (5)48-54.

Zhang J，Wu J J，Zhou L，Lci TJ，Liu M.Comparative study on remotely sensed methods of monitoring agriculture droughtbased on MODIS data.Remote Sensing Information»2012 »27(5) ： 48-54.(in Chinese)[39] 李新辉，宋小宁，周霞.半干旱区土壤湿度遥感监测方法研究.地理与地理信息科学，2010,26( 1 )90-93,13.

Li X H»Song X N»Zhou X.Study on methods of monitoring soil moisture by remote sensing in semi-arid areasGeo-Information Science,2010,26(1.) ： 90-93 , 1 13.(in Chinese)[40] Sandholt L，RasmussenK，Andersen J. A simplcintcrprctation of the surface temperature/’vegetation indcxspacc for assessment

of surface moisture status.Remote Sensing of Environment,2002,79(2/3) ：2 13-224.[4 1]杨秀海，卓嘎，罗布.基于MODS数据的西北地区旱情监测.草业科学，2011，28(8) : 1420-1426.

Yang X H,Zhuoga» Luobu.On MODIS data based drought monitoring in northwest China.Pratacultural Scicncc»201 1 ,28(8)： 1420-1426.(in Chinese)[2]鲍艳松，严婧，闵锦忠，王冬梅，李紫甜，李鑫川.基于温度植被干旱指数的江苏淮北地区农业旱情监测.农业工程学报，2014,

30(7) 163-172.

BaoY S，Yan J，Min J Z，WangD M，Li Z T，Li X C. Agricultural drought monitoring in north Jiangsuby using temperature vegetation dryness indcx/Transactions of the Chinese Society of Agriculture Engineering»2014，0(7) ： 163-1 72.(in Chinese)[4 3]姚春生，张增祥，汪潇.使用温度植被干旱指数法（TVII)反演新疆土壤湿度.遥感技术与应用，2004,19(6)437-478.

YaoC S» Zhang Z X/Wang X.Evaluating soil moisture status in Xinjiang using the temperature vegetation

http ：//cykx. lzu.cdu.cn

第12期张瑶瑶等：基于不同下垫面的农业干旱遥感监测方法与发展前景

2427

mote Sensing Technology and Application,2004,19(6) ：-ISy-l78.(in Chinese)

[4]李春强，李红军.TVDI在冬小麦春季干旱监测中的应用.遥感技术与应用，2008,23(2):161-165.

Ll C Q»Ll H J/The application of TVDI in drought mionitoring for winter wheat in spring.RcmioteApplication,2008,3(2) ： 161-165.(in Chinese)[4 5]张喆，丁建丽，李鑫，鄢雪英.TVDI用于干旱区农业旱情监测的适宜性.中国沙漠，2015,35(1 ):220-227.

Zhang Z»Ding J L»Ll X»Yan X Y.Suitability of TVDI used to mionitor agricultural drought in arid area.Journal of Desert Re­search ,015 ,5(1) ：220-227.(in Chinese)[6] 郝小翠，张强，杨泽粟，王晓巍，岳平，韩涛，王胜.一种基于地表能量平衡的遥感干旱监测新方法及其在甘肃河东地区干旱监

测中的应用初探.地球物理学报，201 6,59(9) =3188-3201.HaoX C，Zhang Q，Yang ZS，WangX W，Yue P，HanT，Wang S. A new method formionitoring based on land surface energy balance and its prclimiinary application to the Hedong region of Gansu Province.Chinese Journal of Geophysics» 201 6 » 59 (9)：3 188-3201. (in Chinese)[7] 张文宗，姚树然，赵春雷，王云秀.利用MODS资料监测和预警干旱新方法.气象科技，2006，34(1) :501-504.

Zhang W Z»Yao S R»Zhao C L»Wang Y X.Ncw micthod for drought mionitoring and prewarning with EOS/MODIS.Meteoro­logical Science and Technology ,2006 »34 (4) ： 501-504. (in Chinese)[8] 郑有飞，刘茜，王云龙，吴荣军，陈鹏.能量指数法在黑龙江干旱监测中的适用性研究.土壤，2012，44 ( 1 ): 149-1 57.

Zheng Y F,Liu X/Wang Y L,Wu R J , Chen P. Application of energy index micthod on drought mioniSoils,2012,44(1 ) ：149-1 57.(in Chinese)

[9] 夏虹.农业干旱多尺度遥感监测方法研究.北京：北京师范大学博士学位论文，2008.

Xia H.Multi-scale rcmiote sensing mionitoring micthod for agricultural drought.PhD T'hcsis.Beijing：Beijing Normial University， 2008. (in Chinese)[50]蒋友严，韩涛，徐燕，王小巍，王大为.基于多源卫星数据的3种干旱遥感监测效果比较.干旱地理农业研究，2014,32 (2):

4 7-51.

Jiang Y Y,Han T,Xu Y,Wang X W,Wang D W.Comiparison of drought mionitoring effects based on miulti-source rcmiote sensing data of satellite.Agricultural Research in the Arid Areas»2014 »32(2) ：47-5 1.(in Chinese)[1] Sellars S，NguyenP，Chu W，Chu W，GaoX，Hsu K，SorooshianS.Computational earth science: Bigdata transformed into in-

sight.EOS，TransactionsAmcrican Geophysical Union，2013,9’l(32.):277-288.[52] Brown J F，WardlowBD，Tadcsse T，HayesMJ，Reed BC. The vegetation drought response index (VegDRI) : Anew integrat­

ed approach for mionitoring drought stress in vegetation.Giscicnce & Rcmiote Sensing»2008 »4 5( 1) ： 16-46.[53] Aghakouchak A，Farahmand A，MetonFS，Teixeira J，Anderson M C，Wardlow B D，HainC R.Remote sensing of drought:

Progress，challenges and opportunities.Reviews of Geophysics，201 5,53(2.) :452-480.

[54] ZhouL，Wu J J，Mo X Y，Zhou H K，DiaoC Y，Wang Q F，Chen Y H，ZhangF Y.Quantitative anddetailed spatiotemporal

patterns of drought in China during 2001 —2013.Scicnce of theTotal Environment，2017，589 : 136-145.[55]杜 灵通，田庆久，王磊，黄彦，南岭.基于多源遥感数据的综合干旱监测模型构建.农业工程学报，2014，30(9): 126-132.

DuL T，Tian QJ，WangL，H uangY，NanL. Asynthesized drought mionitoring model based on multi-source remote sensing data/Transactions of the Chinese Society of Agricultural Engineering»2014 ,0(9) ： 126-132.(in Chinese)[56] 李德仁.论RS，GPS与GS集成的定义、理论与关键技术.遥感学报，1 997，1 (1 ) :64-68.

Ll D R.Ondcfinition»theory and key technics of the integration of GPS»RS and GIS.Journal of Rc64-68.(in Chinese)[57]刘 凤仙.基于3S的农业干旱监测方法综述.中国西部科技，20 0，17(9): 12-13，3.

LiuF X. A review of agricultural drought mionitoring micthodsbascdon3S. Science and Tcchnologyof WestCh17(9) ： 12-13,43. (in Chinese)

(责任编辑王芳）

http ：//cykx. lzu.edu.