基于多光譜和高光譜的干旱遙感監(jiān)測研究進(jìn)展

發(fā)布時間：2020-02-03所屬分類：科技論文瀏覽：1246次

摘 要： 摘要:對近年來國內(nèi)外利用多光譜衛(wèi)星數(shù)據(jù)和近地面高光譜數(shù)據(jù)進(jìn)行干旱監(jiān)測研究進(jìn)展及其適用性進(jìn)行了歸納總結(jié)，得出以下結(jié)論:基于地表土壤水分和能量平衡理論、基于特征空間的干旱監(jiān)測模型更適用于低植被或裸土地區(qū);基于作物植被指數(shù)的干旱監(jiān)測模型更適用于高植

　　摘要:對近年來國內(nèi)外利用多光譜衛(wèi)星數(shù)據(jù)和近地面高光譜數(shù)據(jù)進(jìn)行干旱監(jiān)測研究進(jìn)展及其適用性進(jìn)行了歸納總結(jié)，得出以下結(jié)論:基于地表土壤水分和能量平衡理論、基于特征空間的干旱監(jiān)測模型更適用于低植被或裸土地區(qū);基于作物植被指數(shù)的干旱監(jiān)測模型更適用于高植被覆蓋區(qū)，并且需要長時間的序列數(shù)據(jù);基于近地面高光譜數(shù)據(jù)的干旱監(jiān)測光譜敏感波段在不同作物不同發(fā)育期存在著差異，為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)測提供借鑒。

　　關(guān)鍵詞:干旱;多光譜;高光譜;遙感監(jiān)測;研究進(jìn)展

　　隨著氣候與環(huán)境的變化，未來中國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]，中國華北和東北地區(qū)干旱趨勢嚴(yán)重，中國西北部、華北大部和東北南部干旱面積呈增加趨勢[3-4]。同時，隨著工業(yè)化提高、經(jīng)濟(jì)發(fā)展和人口增長，水資源顯得日益短缺，干旱化程度越來越嚴(yán)重，干旱發(fā)生區(qū)域不斷擴(kuò)大。1970年代，我國每年有1133萬hm2農(nóng)田受旱，到1990年代，增加到2667萬hm2，近年來，每年干旱災(zāi)害的發(fā)生頻率在49%左右[5]，已成為我國面臨的最為嚴(yán)峻的環(huán)境問題之一。

　　相關(guān)期刊推薦：《自然災(zāi)害學(xué)報》Journal of Natural Disasters(雙月刊)1992年創(chuàng)刊，為災(zāi)害學(xué)學(xué)術(shù)性刊物。旨在展示我國災(zāi)害科學(xué)的研究成果，促進(jìn)自然科學(xué)與社會科學(xué)在災(zāi)害科學(xué)方面的結(jié)合。刊登各種自然災(zāi)害和社會科學(xué)在災(zāi)害科學(xué)方面的結(jié)合。刊登各種自然災(zāi)害和發(fā)生機(jī)理、災(zāi)害與人類社會的關(guān)系及其影響、防災(zāi)減災(zāi)系統(tǒng)工程等方面的研究論文。讀者對象為災(zāi)害學(xué)研究工作者、防災(zāi)減災(zāi)專業(yè)技術(shù)人員及相關(guān)專業(yè)大專院校師生。

　　遙感技術(shù)為作物長勢、地物分類等提供了有效、可靠手段，可快速實現(xiàn)大面積下墊面狀況動態(tài)變化的定量化監(jiān)測，是進(jìn)行大面積干旱監(jiān)測的有利手段[6-9]。而地物光譜特征是遙感技術(shù)應(yīng)用的物理基礎(chǔ)，是利用遙感信號識別地物、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)測梳理總結(jié)，對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)測提供借鑒。

　　1基于多光譜數(shù)據(jù)的干旱監(jiān)測

　　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，通過地表溫度的日變化計算熱慣量，從而獲得土壤表層水分定量反演[14-15]。由于熱慣量模型計算參數(shù)復(fù)雜，Price[16]提出了表觀熱慣量的概念，因其計算簡單易行，很多學(xué)者利用表觀熱慣量替代熱慣量來進(jìn)行土壤含水量的計算。張仁華[17]利用地面觀測數(shù)據(jù)分別對模型中的顯熱通量和潛熱通量進(jìn)行計算訂正，優(yōu)化了熱慣量計算模型。楊樹聰?shù)萚18]利用地表凈輻射替代全波段反射率改進(jìn)了表觀熱慣量模型，并對其適用性進(jìn)行了分析，得到NDVI=0.35是模型適用的閾值，當(dāng)NDVI>0.35時，模型失效[19]。但表觀熱慣量受蒸發(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，表觀熱慣量的可用性大大降低[20]。近年來，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次過境LST平均[23]等方法來改進(jìn)地表溫度計算，通過減少模型的輸入?yún)?shù)[24]，或者通過增強(qiáng)空間分辨率[25]和時間分辨率[26]來提高熱慣量反演精度，同時，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)測精度。

　　基于蒸散的干旱監(jiān)測也是以地表能量平衡方程為基礎(chǔ)的監(jiān)測方法，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程來描述，因此在地表植被部分覆蓋時，模擬結(jié)果不理想[33-34]。為解決這一問題，將冠層蒸騰與土壤蒸發(fā)分開，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)，隨后對該模型進(jìn)行了簡化和改進(jìn)[36-38]。考慮到雙層模型部分參數(shù)遙感獲取較難，將地面實測數(shù)據(jù)引入模型中[39-41]，從而提高模型監(jiān)測精度。

　　1.2基于作物植被指數(shù)的土壤含水量監(jiān)測研究

　　植被指數(shù)是遙感數(shù)據(jù)對地表綠色植被生長信息的有效表達(dá)[42]可以動態(tài)監(jiān)測作物長勢信息，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，生長受到影響，植被指數(shù)也會隨之變化，因此，可以用來間接反映旱情[44-45]。這種類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)來進(jìn)行干旱監(jiān)測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)測比較早的一種方法[46-47]，通過對旬、月植被指數(shù)求取最大值，并將其與同時段的旬、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)行歸一化計算得到的，可以進(jìn)行宏觀動態(tài)干旱監(jiān)測[50-51]，與氣象干旱指數(shù)存在著較高的相關(guān)性[52]，同時，在進(jìn)行干旱監(jiān)測時，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)測時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)測中效果不佳[56]。

　　1.3基于特征空間的土壤含水量監(jiān)測研究

　　近年來，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，通過構(gòu)建特征空間來監(jiān)測地表水分狀況的研究越來越多，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特征空間散點圖呈梯形，存在著干濕邊，能夠監(jiān)測地表植被和其水分變化狀態(tài)[60]。Sandholt[61]對LST-NDVI空間進(jìn)行簡化，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[62-64]，也可以實現(xiàn)長時間序列的干旱時空變化監(jiān)測[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?zāi)Ｐ蚚69]，實現(xiàn)從空間和時間尺度上進(jìn)行干旱監(jiān)測，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到土壤基線的垂直距離可以表征干旱狀況[70]，用EVI替代NDVI對NIR-Red空間進(jìn)行改進(jìn)，精測精度提高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，對干旱災(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

　　地物波譜特征是遙感技術(shù)應(yīng)用的物理基礎(chǔ)，是利用遙感信號識別地物、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)測的基礎(chǔ)，針對小麥、水稻、玉米等作物[73-76]研究表明，不同植被冠層光譜對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，在可見光-近紅外均有光譜反射率變化，1400nm-2500nm波段的光譜特別是1530nm和1720nm的SWIR波段非常適于對作物水分的估測[81]。Filella等人[82]對400nm波段處，紅邊位置700nm處，以及NDVI等植被指數(shù)的研究也發(fā)現(xiàn)了水分含量對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]對干旱脅迫下的冬小麥進(jìn)行了光譜分析，結(jié)果表明通過光譜反射率可以診斷小麥缺水狀況，此外，針對玉米生長過程中的光譜變化及特征參數(shù)診斷開展的研究[87-89]，或者針對玉米生長中后期開展遙感作物水分識別研究[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

　　國內(nèi)外許多學(xué)者已經(jīng)利用可見光、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)測模型，但是，由于作物生長過程的干旱是個復(fù)雜過程，進(jìn)行農(nóng)田干旱監(jiān)測時，存在很多不確定性，每種干旱監(jiān)測方法都有其適用性，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]。熱慣量方法對于裸土或低植被覆蓋區(qū)域有較好的反演結(jié)果[100-101]，對于植被覆蓋度較高區(qū)域，此方法計算的結(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)的差異致使其在實施上較為困難。基于特征空間的干旱監(jiān)測方法適用于低植被或裸土地區(qū)，當(dāng)?shù)乇砀采w類型差異較大時，可比性差[103]。

　　因此，利用不同的監(jiān)測方法在作物發(fā)育的不同時期進(jìn)行干旱災(zāi)害監(jiān)測可以提高監(jiān)測效果，但是作物干旱是個復(fù)雜問題，與下墊面地形地貌、土壤類型、作物類型及生長狀態(tài)等因素均有關(guān)系，在未來的應(yīng)用中還需要通過使用更高分辨率衛(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)用等方面來提高干旱監(jiān)測的精度。

声明:①文献来自知网、维普、万方等检索数据库，说明本文献已经发表见刊，恭喜作者.②如果您是作者且不想本平台展示文献信息,可联系学术顾问予以删除.