王利民，劉佳，楊玲波，鄧輝，楊福剛，季富華（中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所，北京100081）

滿足干旱監(jiān)測的迫切需求。

從20世紀60年代開始，在遙感技術不斷地發(fā)展之下，以極軌氣象衛(wèi)星、陸地資源衛(wèi)星數(shù)據(jù)廣泛應用為標志，利用衛(wèi)星遙感數(shù)據(jù)進行大尺度區(qū)域農業(yè)干旱監(jiān)測的研究不斷深化［3-7］。與傳統(tǒng)的農業(yè)災害監(jiān)測技術手段相比，遙感監(jiān)測技術具有宏觀性、經濟性、動態(tài)性、時效性等特征，成為傳統(tǒng)農業(yè)災害監(jiān)測方法的重要補充并得到了廣泛的應用。當前，伴隨著遙感技術高時間、高空間、高光譜、多平臺的發(fā)展趨勢［8］，針對全球、區(qū)域尺度農業(yè)干旱信息獲取的需求，以30 m到1 000 m空間分辨率Landsat-8、HJ-1A/B、EOS/MODIS、FY和NOAA系列衛(wèi)星數(shù)據(jù)及雷達衛(wèi)星數(shù)據(jù)為主，在農業(yè)干旱遙感監(jiān)測機理深刻認識基礎上，構建適用于區(qū)域業(yè)務運行的監(jiān)測系統(tǒng)已成為農業(yè)干旱遙感監(jiān)測應用的主要趨勢。

從農業(yè)干旱遙感監(jiān)測的數(shù)據(jù)源上，自20世紀80年代以來，隨著Landsat/TM、NOAA/AVHRR、EOS/MODIS等數(shù)據(jù)的不斷發(fā)射，基于光學遙感數(shù)據(jù)的農業(yè)干旱遙感監(jiān)測逐漸展開；而自20世紀90年代以來，Terra、Aqua、Radarsat等具有雷達傳感器的衛(wèi)星發(fā)射升空，使得基于雷達數(shù)據(jù)的土壤水分反演研究逐漸增多［9-12］。近年來，隨著最新的美國Landsat-8衛(wèi)星、歐洲Sentinel-2衛(wèi)星和Sentinel-1雷達衛(wèi)星的發(fā)射升空，基于這些最新衛(wèi)星資料的干旱研究迅速發(fā)展，極大地推動了農業(yè)干旱研究的應用［13-16］。

農業(yè)干旱遙感監(jiān)測方法可以分為以光譜反射率為基礎的狀態(tài)監(jiān)測方法［17］和以作物生長模型為核心的模擬方法兩大類［18］。前者是基于可見光、短波紅外、熱紅外、微波譜等譜段的特征光譜空間原理構建干旱指數(shù)［19-20］，結合農作物長勢描述指標，能夠較好地反映土壤水分的變化。該方法優(yōu)點是模型構建速度較快，原理清晰；不足是受地表狀況的復雜性限制，區(qū)域應用的普適性仍需要進一步深入研究。后者以農作物生長模型，基于LAI等農作物參數(shù)準確反演，通過作物模型同化的方法，可以間接獲取土壤水分含量［21-23］。其優(yōu)勢是農業(yè)干旱緊密結合了作物生長特征的耗水需求，原理性強；缺點是由于作物生長模型參數(shù)復雜，且不同的時間、區(qū)域參數(shù)差異較大，使其本地化、空間化存在困難，且模型運行速度較慢，限制了該方法的業(yè)務化深入應用。在這兩大類農業(yè)遙感干旱監(jiān)測方法基礎上，基于其干旱監(jiān)測指標差異，該文將農業(yè)遙感監(jiān)測的方法細分為基于熱慣量的土壤水分遙感監(jiān)測方法、基于冠層溫度的干旱遙感監(jiān)測方法、基于作物長勢狀況的干旱遙感監(jiān)測方法、綜合冠層溫度與作物長勢的干旱遙感監(jiān)測方法、基于蒸發(fā)（騰）的作物干旱遙感監(jiān)測方法、基于微波的作物干旱遙感監(jiān)測方法、基于作物生長模型的土壤水分監(jiān)測等7個子類別，并對方法的相關研究進行介紹。

針對農業(yè)干旱遙感監(jiān)測研究的業(yè)務化應用需求，當前干旱遙感監(jiān)測系統(tǒng)的研制工作取得了一定進展，其中中國國內以中國農業(yè)農村部（農業(yè)部）農業(yè)干旱遙感監(jiān)測業(yè)務系統(tǒng)為代表［24］，國際上以聯(lián)合國糧農組織（Food and Agriculture Organization of the United Nations，UNFAO）的“全球信息與預警系統(tǒng)（Global Information and Early Warning System，GIEWS）”為代表［25］。隨著農業(yè)干旱遙感監(jiān)測技術的發(fā)展，評價分析各類方法在業(yè)務化運行中的應用潛力，提高農業(yè)干旱遙感監(jiān)測系統(tǒng)的監(jiān)測和預警能力，成為農業(yè)干旱遙感監(jiān)測技術業(yè)務化應用的重要研究方向。

鑒于干旱遙感監(jiān)測技術業(yè)務化應用的廣泛應用前景，該文在遙感監(jiān)測基本原理簡要概述基礎上，對當前干旱遙感監(jiān)測方法和應用狀況進行了系統(tǒng)性的總結，并對干旱遙感監(jiān)測發(fā)展前景進行了分析，以期為加強農業(yè)干旱遙感監(jiān)測的業(yè)務化應用提供借鑒。

1 農業(yè)干旱遙感監(jiān)測的原理

農業(yè)干旱可以采用土壤水分表征。土壤水分是作物生長狀況和環(huán)境因子的函數(shù)，其相互影響，關系復雜。區(qū)域光溫條件、土壤質地、作物長勢、冠層溫度等，都可能是土壤水分的影響因子之一。當光照強烈、溫度較高、土壤持水能力較差，可能導致作物長勢較差，蒸騰作用減弱，作物冠層溫度升高，這些因素又反過來影響土壤水分條件。因此，土壤水分或作物干旱表征的函數(shù)形式可以描述如下。

其中，Sw是土壤水分，一般用重量含水率或者體積含水率表示，重量含水率是指土壤中水分的重量與相應固相物質重量的比值，體積含水率是指土壤中水分占有的體積和土壤總體積的比值。R是光照條件，包括了與太陽輻射相關的變量。S是與土壤質地相關的變量，如砂質土、黏質土、壤土等質地類型，能夠影響土壤的持水能力，包括熱傳導率、比熱容等參數(shù)。G是作物長勢，是指作物生長的茁壯程度，可以采用波段反射率或者植被指數(shù)的方式計算獲取。T是作物冠層溫度，是遙感監(jiān)測像元內作物表層的平均溫度，通常采用中、熱紅外波段數(shù)據(jù)計算獲取。

裸土可以看作作物覆蓋度為0情況下的特例，則公式（1）轉化為以下形式：

在農業(yè)干旱遙感監(jiān)測實際應用中，往往通過固定公式（1）或公式（2）中某幾個變量的方式，簡化農業(yè)干旱各影響因素之間的復雜關系，從而求解土壤水分狀況，以下在介紹具體方法時將予以說明。

2 農業(yè)干旱遙感監(jiān)測方法

作物干旱與否是由土壤的含水量和作物的需水能力決定的，將土壤水分與作物需水能力指標相結合就是農業(yè)干旱。當前的農業(yè)干旱監(jiān)測方法通常是指對土壤水分的獲取方法，基于遙感技術對作物需水能力及更進一步的干旱指標研究較少，該文不做深入說明?；谕寥罒釕T量、基于冠層溫度、基于作物長勢、基于綜合冠層溫度與作物長勢、基于蒸發(fā)（騰）、基于微波技術、基于作物生長模型等7種方法是土壤水分遙感監(jiān)測的主要方法，也是當前應用最多的方法。

2.1 基于熱慣量的土壤水分遙感監(jiān)測方法

熱慣量是物質熱特性的一種綜合量度，反映了物質與周圍環(huán)境能量交換的能力，在地物溫度的變化中熱慣量起著決定性的作用。通?？杀硎緸椋?/p>

其 中，P為 熱 慣 量（J · m-2·K-1· s-0.5），ρ為 密 度（kg · m-3），γ為 熱 導 率（J · m-1· K-1· s-1），c為比熱容（J· kg-1· K-1）。土壤熱慣量與土壤的熱傳導率、比熱容等有關，而這些特性與土壤含水量密切相連，通過計算不同土壤質地的熱慣量可以推算土壤水分含量。

由于遙感數(shù)據(jù)無法直接獲取原始熱慣量模型中參數(shù)ρ、γ、c的值，Price根據(jù)地表熱量平衡方程和熱傳導方程提出了表觀熱慣量［26］。在實際應用時，通常使用表觀熱慣量（ATI）來代替真實熱慣量（P），建立表觀熱慣量與土壤含水量之間的關系，表示為：

其中，A為全波段反照率，Tmax、Tmin為1 d中最高、最低溫度。只要用遙感方法獲得1 d內土壤的最高溫度和最低溫度，通過模型就可以計算出土壤含水量。Watson等于1971年最早將熱慣量應用于衛(wèi)星遙感中，根據(jù)地物熱慣量的不同來區(qū)分不同的地質單元，繪制了不同地區(qū)的熱慣量圖［3］。在具體應用時，一些學者利用熱慣量模型對干旱情況進行了監(jiān)測［27-30］，如劉振華等在熱慣量模型概念下引入了地表顯熱通量和地表潛熱通量反演表層土壤水［31］。熱慣量法及其改進方法模型都是從土壤本身的熱特性出發(fā)反演土壤水分，要求獲取純土壤單元的溫度信息，因此熱慣量法主要適用于裸土類型，在有植被覆蓋時需要考慮植被的影響。

與公式（3）所表達的理論概念相比，從表觀熱慣量的計算公式可以看出，表觀熱慣量模型是假定土壤性質一致的條件下，考慮了太陽輻射、地表溫度與土壤水分的關系。因此當將土壤熱慣量模型應用到不同的土壤類型時，還需要考慮土壤類型變化對土壤水分反演的影響。

2.2 基于冠層溫度的干旱遙感監(jiān)測方法

根據(jù)冠層溫度的高低對作物干旱情況進行判別是遙感干旱監(jiān)測常用方法，其中最為典型是1995年Kogan使用NOAA/AVHRR數(shù)據(jù)提出的溫度條件指數(shù)（Temperature Condition Index，TCI）［32-33］，該指數(shù)計算公式如下：

公式中，TCIj是第j日的溫度條件指數(shù)，Tsj是第j日的地表亮溫，Tmax和Tmin分別是圖像中最大、最小地表亮溫。

TCI實際上通過假設在干旱條件下，水分減少，影響了作物的生長，導致作物冠層溫度升高，或者土壤表面的溫度升高基礎上，且其假設植被生長主要與土壤水分相關較大，而其他因素變化較小的前提下。然而，在實際的監(jiān)測中，TCI的值往往受到傳感器、大氣狀況、植被因素等影響產生變化，造成監(jiān)測的準確性降低。

基于TCI的作物干旱遙感監(jiān)測研究已有較多，如閆娜娜等利用TCI對全國旱情進行了監(jiān)測［34］；計淇才則以MODIS影像為基礎，計算了河南省的TCI指數(shù)，對河南省TCI指數(shù)干旱監(jiān)測的效果進行了評價［35］，并對比了TCI、植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）、歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、距平植被指數(shù)（Anomaly Vegetation Index，AVI）等幾種不同干旱監(jiān)測指標的監(jiān)測精度和效果。

結合公式（1）分析TCI的計算條件，該算法實際上是通過假定光照強度、土壤質地、作物長勢等一致或對土壤水分影響較小的條件下，直接將冠層溫度的變化視為干旱情況的標志，本質上是從簡化干旱計算參數(shù)的基礎上獲取干旱的量度，在大尺度區(qū)域時，這一假定很可能存在很大的誤差，導致這一指數(shù)的計算精度降低。

2.3 基于作物長勢狀況的干旱遙感監(jiān)測方法

利用衛(wèi)星監(jiān)測資料反演的植被指數(shù)，可反映作物生長變化狀況，進而反映干旱狀況，也是干旱遙感監(jiān)測的常用方法。最為典型的是植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）［36］，計算公式如下：

式中，NDVIi是第i年某一日的NDVI值，NDVImax和NDVImin分別是多年中同一日NDVI值的最大值和最小值［37］。該指數(shù)實質上是通過對比植被長勢與歷年長勢最好和最差之間的差異，并認為若植被長勢良好，則干旱發(fā)生的可能性或程度較低。

相似的以植被長勢狀態(tài)進行干旱的監(jiān)測方式還有距平植被指數(shù)（Anomaly Vegetation Index，AVI）［38］、標準植被指數(shù)（Standard Vegetation Index，SVI）［39］、歸一化干旱指數(shù)（NDDI）等等［40］。這一類指數(shù)的特征是通過NDVI等代表植被長勢的指數(shù)，通過長勢的差異情況來代替干旱的程度。例如AVI指數(shù)，利用NDVI與距平值的差異來評價植被長勢與歷年平均值（代表生長正常狀態(tài)）的差異，進而評價干旱對于植被的影響。

另一類類似的指數(shù)，是以評價植被冠層水分的狀態(tài)，來評價干旱的程度，如歸一化差值水分指數(shù)（NDWI）［41］、短波紅外垂直失水指數(shù)（Shortwave Infrared Perpendicular Water Stress Index，SPSI）［42］、歸一化差異水分指數(shù)（Normalized Difference Water Index，NDWI）［43］、全球植被水分指數(shù)（Global Vegetation Moisture Index，GVMI）［44-45］、短波紅外水分脅迫指數(shù)（Shortwave Infrared Water Stress Index，SIWSI）［46］等。實際上，當干旱程度較高，植被長勢較差時，造成冠層水分含量降低，從而造成相應的指數(shù)變化，間接指示干旱程度。

對比公式（1）可以看出，以VCI指數(shù)等作物長勢監(jiān)測為基礎的干旱監(jiān)測算法，是假設光照、土壤、溫度等條件一致的情況下，植被的長勢變化僅與土壤水分的變化有關，該算法也是通過簡化計算參數(shù)實現(xiàn)干旱監(jiān)測的。有研究指出，該類指數(shù)可以減弱土壤背景因素、地區(qū)差異等影響，可指示大范圍干旱狀況，尤其適合于低緯度植被茂密地區(qū)的干旱監(jiān)測［47-49］。然而，由于以植被狀態(tài)表征干旱程度會有一定的滯后性，導致該方法可能存在干旱預警時效性降低等問題，同時，不同年份之間植被的地表覆蓋類型可能發(fā)生變化，導致該方法檢測的失效。

2.4 綜合冠層溫度與作物長勢的干旱遙感監(jiān)測方法

植被供水指數(shù)方法（Vegetation Supply Water Index，VSWI）［50］、溫度干旱植被指數(shù)（Temperature Vegetation Dryness Index，TVDI）［51］等方法是最為典型的綜合冠層溫度、作物長勢的干旱遙感監(jiān)測方法，類似的指數(shù)還有條件植被溫度指數(shù)（Vegetation Temperature Condition Index，VTCI）［52-53］等。

植被供水指數(shù)的計算公式如下：

式中，NDVI為某一點的歸一化植被指數(shù)值，Ts為植被冠層溫度。植物冠層的氣孔在植物缺水的壓迫下會關閉氣孔防止水分的蒸發(fā)。這也同時導致了植物冠層溫度的升高。當出現(xiàn)旱情時，植被長勢較差，NDVI較低，同時由于蒸騰作用等的減弱，導致冠層溫度增高，因此VSWI值較小，反之則說明較為濕潤。以此原理得出植被供水指數(shù)越小，指示旱情越嚴重。這一模型主要適用于植被覆蓋度高的地區(qū)，同時容易受到土壤的物力參數(shù)和不同植被類型差異的影響，波動性比較大；另一方面，不同的地區(qū)和時段的VSWI值的對比不具有實際意義，導致其應用受限。

Gurney、Moran、Price等研究發(fā)現(xiàn)，如果研究區(qū)植被覆蓋包含從裸土到全覆蓋，土壤濕度從極干旱到極濕潤的各種情況，以遙感數(shù)據(jù)獲得的NDVI和LST橫縱坐標的散點圖呈三角形或梯形，即所謂的NDVI-LST特征空間（圖1）。Sandholt等對簡化的NDVILST三角形特征空間進行研究，認為NDVI-LST特征空間中有一系列由LST和NDVI比值構成的土壤濕度等值線，據(jù)此提出了植被干旱指數(shù)TVDI的概念。溫度干旱植被指數(shù)的計算公式如下：

其中，（a1+b1*NDVI）為干邊，即某一NDVI對應的最高地表溫度，（a2+b2*NDVI）為濕邊，即某一NDVI對應的最低地表溫度。TVDI值越大，LST越接近濕邊，土壤濕度越大。

圖1 LST-NDVI特征空間示意圖Fig.1 Schematic diagram of LST-NDVI characteristic space

然而，在實際應用中，NDVI和LST并不總是呈線性關系，在植被生長初期NDVI值過高地估計了植被的覆蓋度，而植被生長后期卻容易存在飽和現(xiàn)象，過低地估計了植被覆蓋度，所以提取干邊、濕邊時一般限制NDVI在0.15～0.85之間。如果研究區(qū)域較大，遙感數(shù)據(jù)分辨率過高，形成的NDVI-LST空間中數(shù)據(jù)的點過多，造成干邊變小，濕邊增大。因此，TVDI指數(shù)適用于小區(qū)域的干旱監(jiān)測。此外，NDVI和LST之間的關系受地區(qū)、緯度、地形、季節(jié)、水分以及太陽輻射的影響，并不是規(guī)則的三角形或梯形分布，這也會在一定程度上限制其應用。

綜合冠層溫度和作物長勢的干旱遙感監(jiān)測，相比單純使用冠層溫度或作物長勢的干旱監(jiān)測，考慮到了不同密度植被對于溫度的影響情況，更加全面，原理性更強，在區(qū)域的應用中也更多［54］。

2.5 基于蒸發(fā)（騰）的作物干旱遙感監(jiān)測方法

植物健康時，蒸騰作用的發(fā)生使得葉片溫度相比裸土溫度降低；而當水分虧缺時，蒸騰量減小，則可能導致葉片溫度升高。通過測量葉片溫度，以能量平衡原理為核心計算地表覆蓋蒸發(fā)（騰）量，并通過地面觀測的土壤水分進行標定，進而獲取蒸發(fā)（騰）表達的土壤含水量，是有別于溫度、植被指數(shù)等方法獲取干旱信息的重要的干旱遙感監(jiān)測方法。作物缺水指數(shù)（Crop Water Stress Index，CWSI）［55-57］最為經典，其它類似原理的算法還有土壤干旱指數(shù)（Soil Water Stress Index，SWSI）［58］、水分虧缺指數(shù)（Water Deficit Index，WDI）［59］等。

作物缺水指數(shù)（CWSI）的計算公式如下：

式中，ET為實際蒸散，ETP為潛在蒸散，可以依據(jù)Penman-Monteith蒸散公式計算獲?。?7］。CWSI的值在0～1之間，值越大，表明干旱程度越高。CWSI實際上表示的是植被當前的蒸散與最大可能蒸散的關系，該值越高，表明與最大可能蒸散的差值越大，土壤的水分含量也越低。

由上可知，利用CWSI進行作物干旱反演，關鍵是獲取植被的實際蒸發(fā)量，而潛在蒸發(fā)可以通過地面氣象觀測資料由Penman-Monteith蒸散公式計算。實際蒸散發(fā)可利用雙層蒸散發(fā)模型計算，其將能量平衡原理方程簡化為：

式中，Rn代表地表凈輻射通量，代表的是地面所接受的總能量；G為下墊面土壤熱通量，表示土壤表層和深層的熱量傳遞狀態(tài)；H是地表與大氣的熱交換能量，即感熱通量或顯熱通量；LE為潛熱通量，指的是地表與大氣的水汽熱交換，L代表水分的汽化潛熱，E為瞬時蒸散量。公式中，Rn、G和H等參量可以在遙感計算與氣象觀測數(shù)據(jù)輔助條件下計算獲取，遙感技術獲取的參數(shù)包括輻射、與地表覆蓋有關的比輻射率、地表溫度等參數(shù)，氣象觀測獲取風速、空氣動力學阻抗、空氣密度、氣壓和空氣比熱容等參數(shù)。作物缺水指數(shù)（CWSI）是土壤水分的一個度量指標，它是由作物冠層溫度值轉換來的，是利用熱紅外遙感溫度和常規(guī)氣象資料間接地監(jiān)測植被條件下的土壤水分，對于植被覆蓋度較低的地區(qū)該模型具有一定的局限性。該模型物理意義明確，適應性較強，在大尺度區(qū)域的應用也較多，如汪左等利用CWSI指數(shù)對安徽省干旱的時空特征及影響因素進行了分析［60］，虞文丹等利用CWSI對江蘇省徐州市的土壤水分時空分布及動態(tài)變化進行了分析，并對蒸散發(fā)雙層模型進行改進，獲得了更好的土壤相對含水量估算效果［61］。

2.6 基于微波的干旱遙感監(jiān)測方法

土壤水分與其介電系數(shù)有高度相關性，干土（2～5）和水分（80）的介電系數(shù)差異顯著，隨著土壤水分的增加，土壤的介電系數(shù)迅速增大。微波遙感信號與地表介電常數(shù)密切相關，介電系數(shù)越大，則信號越強，基于這一原理，微波遙感可以進行土壤水分含量的反演［62］。微波土壤水分遙感監(jiān)測有主動微波、被動微波方式。被動微波遙感是利用土壤亮度溫度監(jiān)測土壤含水量，主動微波利用其后向散射系數(shù)監(jiān)測土壤水分含量，無論主動還是被動微波遙感，地表粗糙度、植被覆蓋都是2個主要影響因素［63-64］。當前，選擇植被不敏感微波譜段，構建地表覆蓋不敏感指數(shù)或方法，或者通過模型模擬準確刻畫影響過程等3種方式，是降低地表粗糙度、植被覆蓋影響提高監(jiān)測精度的主要技術途徑［65-67］，這些模型包括幾何光學模型（GOM）、物理光學模型（POM）、小擾動模型（SPM）、積分模型（IEM）、改進的積分模型（AIEM）、Q/H以及Q/P模型，以及MIMICS模型、水云模型、農作物模型和τ-ω模型等。

被動微波遙感重訪周期短，大面積覆蓋，計算簡單，受粗糙度和地形的影響較小，對土壤水分的變化更敏感，但空間分辨率低。主動微波遙感空間分辨率高，但數(shù)據(jù)量大，計算復雜，對粗糙度比較敏感。主被動聯(lián)合的方式更能發(fā)揮主動、被動微波遙感的優(yōu)勢。楊立娟等通過幾何光學模型（GO模型）和半經驗模型（QP模型）在粗糙度上的聯(lián)系進行主被動微波遙感模型結合，提高了土壤水分反演精度［68］。趙天杰等結合機載輻射計亮度溫度值和基于后向散射反演的地表粗糙度值，構建BP神經網絡來反演土壤水分，提高了土壤水含水量的反演精度［69］。

微波土壤水分遙感與可見光遙感的原理相似，只是由于被動微波、主動雷達的發(fā)射特性與可見光有較大的差異，致使其反演土壤水分的具體方法有所不同。從公式（1）的原理出發(fā)，微波或者雷達土壤水分監(jiān)測更多注重的是土壤水分部分的分析，將土壤參數(shù)分解的更為細致。另一方面，由于電磁波與土壤的關系實際上相比模型更為復雜，利用微波進行土壤水分反演具有很強的不確定性，為獲取高精度的土壤水分，降低不確定性是重要的前提之一。

2.7 基于作物生長模型的土壤水分監(jiān)測

作物生長模型模擬的基礎是物質平衡和能量守恒原理，以農田的光、溫、水、肥等條件因子為驅動，模擬作物光合、呼吸、蒸騰等生理過程，形成作物對生長環(huán)境響應的結果。目前應用較多的是荷蘭的SWAP、美國的CERES和DSSAT、加拿大的SIMCOY、澳大利亞的APSIM等，由于作物生長過程的復雜性，致使大部分作物模型參數(shù)較多，加上作物生長環(huán)境的多變性，導致區(qū)域應用時作物參數(shù)難以獲?。?0-73］。遙感技術在一定程度上解決了LAI、蒸發(fā)散等個別參數(shù)的區(qū)域獲取問題，但對于作物模型的區(qū)域應用，眾多參數(shù)仍然需要依靠地面觀測獲取，這也是作物模型區(qū)域化應用中的主要難點。采用同化技術是解決這一問題的有效途徑。所謂同化，是以遙感技術獲取的參數(shù)（如LAI）等作為“真值”，將模型數(shù)據(jù)的同種參數(shù)與之比較，對于比較合格的像元認為輸入的參數(shù)是準確的并予以采用，比較不合格的像元認為輸入的參數(shù)是不準確的并繼續(xù)進行調整直到符合要求。以SWAP模型為例，需要輸入的參數(shù)和信息包括氣象數(shù)據(jù)、作物數(shù)據(jù)等，包含土壤特性、邊界條件、熱量模擬選項、日輻射、氣溫、水氣壓、風速、降雨、作物的生長時期、作物高度、根深度、葉面積指數(shù)等等，各項參數(shù)可以根據(jù)文獻資料、地面實測等方式獲取。SWAP模型的輸入參數(shù)中，包括土壤水分參數(shù)，也就是說，在SWAP模型中，土壤水分含量是作為驅動因子輸入的。SWAP模型的輸出結果包括了水量的平衡關系、土壤剖面數(shù)據(jù)、灌溉制度、土壤水蓄變量等。通過各項因子的輸入，驅動SWAP模型運行可以獲取作物LAI、ET等參數(shù)，將這些參數(shù)與遙感LAI、ET比較并構建代價函數(shù)，通過調整模型輸入參數(shù)，使構建的代價函數(shù)達到可接受的精度就完成了模型同化過程，其中的土壤水分結果就是作物生長模型獲取的土壤水分監(jiān)測結果。當然，可調節(jié)的模型參數(shù)不宜過多，過多可能會導致運行結果的不確定性［74］。

基于作物模型進行土壤水分反演的優(yōu)點是具有明確的物理—生物過程原理，當輸入參數(shù)精度較高時，可以獲取較高的水分監(jiān)測精度，對于點狀或小塊區(qū)域，由于可以獲取較為明確的參數(shù)，可以獲取較高的精度；然而，對于大尺度區(qū)域，由于無法獲取精確的各項參數(shù)，使用遙感數(shù)據(jù)進行同化等方式獲取大尺度區(qū)域的土壤水分含量成為主要方式，然而其運行速度較慢，且一般同化參數(shù)較少，難以做到精確模擬，導致精度受限。

與公式（1）描述的作物土壤水分遙感監(jiān)測概念性模型相比，盡管該方法更為間接，也更為復雜，但將作物模型的參數(shù)對應為光照、土壤、作物、溫度等4個類別，其原理仍然是適用的。

3 農業(yè)干旱遙感監(jiān)測的業(yè)務應用

農業(yè)干旱遙感監(jiān)測業(yè)務應用是干旱遙感監(jiān)測技術的落腳點，也是檢驗干旱遙感監(jiān)測技術的業(yè)務運行能力的標準。美國于1974年啟動了“LACIE”計劃，是最早開展農情遙感監(jiān)測業(yè)務的國家，并隨后開展了包括面積、產量、災害等在內的多種農情遙感監(jiān)測業(yè)務［75］。當前，中國、聯(lián)合國糧農組織（FAO）、美國、歐盟和加拿大等都建立了各自的農情遙感監(jiān)測業(yè)務系統(tǒng)或體系，農業(yè)干旱遙感監(jiān)測業(yè)務在其中都有不同程度的涉及。下面對其進行具體的介紹。

3.1 中國農業(yè)干旱遙感監(jiān)測業(yè)務應用

中國農業(yè)農村部農業(yè)干旱遙感監(jiān)測業(yè)務建立于1997年，是屬于農業(yè)農村部農情遙感監(jiān)測系統(tǒng)的部分監(jiān)測內容［75］。該系統(tǒng)的技術方案是基于EOS/MODIS數(shù)據(jù)，計算表觀熱慣量（ATI）和植被供水指數(shù)（VSWI），以中國農業(yè)種植區(qū)劃作為分區(qū)依據(jù)，采用全國200個地面監(jiān)測縣土壤水分觀測數(shù)據(jù)分區(qū)標定，建立了以旬為周期的中國區(qū)域耕地土壤墑情遙感監(jiān)測業(yè)務，多年平均監(jiān)測精度在80%以上。該系統(tǒng)也開展了美國、南美等國家的耕地土壤墑情遙感監(jiān)測業(yè)務，與中國國內一樣，也實現(xiàn)了以旬為周期的耕地土壤水分遙感監(jiān)測。上述結果選擇關鍵監(jiān)測時段結果，發(fā)布在中國農業(yè)農村部網站上（http：//www.jhs.moa.gov.cn/kcxfz/）。圖2a、圖2b是該系統(tǒng)生產的中國、美國耕地土壤墑情遙感監(jiān)測結果，圖2a是2018年9月6—17日中國耕地土壤墑情空間分布結果，圖2b是2018年8月29日至9月13日的美國耕地土壤墑情空間分布結果。該系統(tǒng)自運行以來，長期連續(xù)地為國內外大尺度區(qū)域的農業(yè)干旱監(jiān)測提供了可靠的遙感監(jiān)測成果，并為發(fā)生嚴重災情的地區(qū)提供高精度的區(qū)域性旱情監(jiān)測成果，為中國農業(yè)災害的監(jiān)測、預警和防控提供了詳實的數(shù)據(jù)源，為農業(yè)管理部門災害管理提供了科學的依據(jù)。

圖2 中國農業(yè)農村部農業(yè)干旱遙感監(jiān)測業(yè)務監(jiān)測成果Fig.2 Monitoring results of remote sensing monitoring of agricultural drought in China’s Ministry of agriculture and rural areas

此外，中國科學院等部門也開發(fā)了全國干旱遙感監(jiān)測運行系統(tǒng)，以NOAA衛(wèi)星資料結合全國102個固定農業(yè)觀測站土壤20 cm深濕度資料［76］，建立VCI指數(shù)與土壤濕度的統(tǒng)計模型，實現(xiàn)全國的旬旱情監(jiān)測［77］。中國國家氣象局也構建了旱澇監(jiān)測系統(tǒng)，利用降水量、氣溫等常規(guī)觀測要素，基于氣候指標，實現(xiàn)全國干旱范圍和程度的實時監(jiān)測和影響評估［78］。水利部及部分省份如北京市、山東省、黑龍江省等，也開展了旱情遙感監(jiān)測業(yè)務系統(tǒng)的相關研制工作［79-82］。

3.2 世界其他國際組織或國家的農業(yè)干旱遙感監(jiān)測業(yè)務應用

聯(lián)合國糧農組織（UNFAO）于1975年開發(fā)了“全球信息與預警系統(tǒng)（Global Information and Early Warning System，GIEWS）”，該系統(tǒng)當前采用METOP-AVHRR數(shù)據(jù)計算全球VHI指數(shù)，并以旬為周期對外發(fā)布全球旱情監(jiān)測成果（http：//www.fao.org/giews/earthobservation/asis）。

美國農業(yè)部外國農業(yè)局（USDA Foreign Agricultural Service，F(xiàn)AS）和國家農業(yè)統(tǒng)計局（National Agricultural Statistics Service，NASS）分別負責全球及美國本土的農情遙感監(jiān)測業(yè)務，F(xiàn)AS基于Web的Crop Explore決策支持系統(tǒng)，該系統(tǒng)提供基于土壤水分主被動探測衛(wèi)星（Soil Moisture Active and Passive，SMAP）和土壤水分和海洋鹽度衛(wèi)星（Soil Moisture and Ocean Salinity，SMOS）數(shù)據(jù)的全球重點農區(qū)微波遙感干旱產品，以及基于氣象降水數(shù)據(jù)的干旱插值產品，提供的頻率能夠涵蓋月、季尺度（https：//ipad.fas.usda.gov/cropexplorer/）。此外，設在美國內布加斯加—林肯大學的北美干旱監(jiān)測中心（North American Drought Monitor，NADM），是美國、加拿大、墨西哥聯(lián)合建立的北美干旱監(jiān)測機構，該機構對外發(fā)布農業(yè)干旱和水文干旱方面的信息，范圍包括3個國家的國家、區(qū)域、地方等不同尺度，采用的干旱指標主要有標準降水指數(shù)和長期降水距平百分比，并可以對外提供不同時間的北美地區(qū)旱情監(jiān)測圖，包括SPI降水距平指數(shù)、Palmer干旱指數(shù)產品等（https：//www.ncdc.noaa.gov/temp-and-precip/drought/nadm/）。美國干旱監(jiān)測中心（US Drought Monitor）是NADM的重要基礎，成立于1999年，其提供了美國全境的干旱監(jiān)測成果并向外提供（https：//droughtmonitor.unl.edu/）。

圖3 2018年11月份美國干旱監(jiān)測結果及Palmer干旱指數(shù)（https：//droughtmonitor.unl.edu/）Fig.3 Drought monitoring and Palmer drought index in the United States in November 2018

由美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）建立的國家綜合干旱信息系統(tǒng)（National Integrated Drought Information System，NIDIS），提供了美國、北美以及全球的近實時干旱監(jiān)測指數(shù)和信息；美國的加利福尼亞大學則開發(fā)了全球綜合干旱監(jiān)測和預測系統(tǒng)（Global Integrated Drought Monitoring and Prediction System，GIDMaPS），提供全球的干旱監(jiān)測指數(shù)，包括標準降水量指數(shù)（Standardized Precipitation Index，SPI）、標準土壤濕度指數(shù)（Standardized Soil Moisture Index，SSI）、多源標準干旱指數(shù)（Multivariate Standardized Drought Index，MSDI）等（http：//drought.eng.uci.edu/）。

歐盟于1988年啟動了農業(yè)遙感監(jiān)測項目（Monitoring Agriculture with Remote Sensing，MARS），此后該項目名稱及組織形式雖然有較大變化，但一直由歐盟聯(lián)合研究中心（Joint Research Center，JRC）執(zhí)行，MARS-Food和MARS-State計劃分別針對全球及歐盟本土的遙感監(jiān)測，干旱作為農業(yè)、環(huán)境、森林、全球食物安全等監(jiān)測內容的重要組成部分，在其發(fā)布的公報及可獲取的數(shù)據(jù)中有所體現(xiàn)，主要是以溫度和植被指數(shù)的方式開展干旱評估，同時氣象干旱結果也是該系統(tǒng)的主要內容之一（https：//ec.europa.eu/jrc/en/mars）。

加拿大、俄羅斯和印度等國家在各自的農情業(yè)務中，干旱監(jiān)測都是其重要組成部分。在加拿大，實時的牧場條件、農場地表水供應和多個干旱指數(shù)由加拿大農業(yè)和農業(yè)食品干旱觀察網站（Agriculture and Agri-Food Canada’s Drought Watch）提供，其監(jiān)測加拿大的主要農業(yè)地區(qū)干旱風險和狀態(tài)，并致力于推廣降低干旱脆弱性的方法（http：//www.agr.gc.ca/eng/programs-and-services/drought-watch/）。 南 亞 干 旱 監(jiān) 測 系 統(tǒng)（South Asia Drought Monitoring System，SADMS）創(chuàng)立于2014年（http：//dms.iwmi.org/），由國際水管理研究所（International Water Management Institute ，IWMI）建設，按周發(fā)布南亞地區(qū)的旱情信息，包括一系列的干旱指數(shù)，如綜合干旱嚴重度指數(shù)（Integrated Drought Severity Index，IDSI）、標準化降水指數(shù)SPI和土壤濕度指數(shù)等（Soil Moisture Index，SMI）。

4 結論與討論

農業(yè)干旱遙感監(jiān)測的原理明確，研究方法多層次，系統(tǒng)應用普遍。干旱遙感監(jiān)測原理方面，光照、土壤、作物長勢、冠層溫度等4個物理量相互約束、影響的關系，形成了干旱遙感監(jiān)測的基本原理。在這一原理指導下，假定作物自然生長條件情況下特定物理量的穩(wěn)定性，就可以將復雜的變量聯(lián)系，簡化為相對簡單、直觀的，并且物理、生物意義明確的對應關系，從而實現(xiàn)干旱的監(jiān)測。在區(qū)域參數(shù)進一步假定或簡化的基礎上，在觀測頻次較高的中低衛(wèi)星數(shù)據(jù)支持下就可以實現(xiàn)大尺度區(qū)域業(yè)務監(jiān)測，通過構建業(yè)務系統(tǒng)實現(xiàn)干旱的遙感監(jiān)測。

就國家以及全球尺度遙感干旱監(jiān)測結果而言，當前干旱遙感監(jiān)測結果尚屬于定性或者半定量性質的監(jiān)測，提供較高精度的定量數(shù)據(jù)用于產量或者環(huán)境評估的目標還遠遠沒有實現(xiàn)。主要原因是方法適用范圍的限制，在監(jiān)測區(qū)域發(fā)生變化時，由于土壤、植被、環(huán)境等條件的變化，對監(jiān)測方法的適用性出現(xiàn)影響，由此也就影響了監(jiān)測的精度。盡管可以通過時間序列距平等方法抵消一部分誤差，但由于作物空間分布變化，以及時間序列數(shù)據(jù)獲取的困難，該方案仍需做較多的工作。另外，由于作物空間分布圖動態(tài)獲取的困難，現(xiàn)有的干旱監(jiān)測方法一般都不區(qū)分作物類型，也就是默認所有作物需要的干旱參數(shù)都是一致，這顯然不合理，這也是影響農業(yè)干旱監(jiān)測精度的另一個原因，也是算法改進的主要方向。增強干旱監(jiān)測模型、指數(shù)的區(qū)域化適應能力，對于提升農業(yè)干旱監(jiān)測精度具有重要的意義。

在未來一個時期內，中高空間分辨率遙感數(shù)據(jù)源（分辨率30 m）的快速增長是遙感技術發(fā)展的主要趨勢，作物類型識別能力的提升以及土壤水分監(jiān)測精度的提升，對農業(yè)干旱遙感監(jiān)測定量化能力具有顯著地提升效果。當前10～30 m遙感數(shù)據(jù)源重訪周期已經達到5～10 d，攜帶短波、中長紅外譜段傳感器也陸續(xù)出現(xiàn)，類似的數(shù)據(jù)源在滿足高頻次干旱遙感監(jiān)測同時也會提升農作物類型識別精度，滿足干旱與類型識別空間分辨率一致的要求，既能夠簡化算法又能達到提升精度的要求。

由于干旱遙感監(jiān)測的不確定性較強，監(jiān)測指數(shù)較多，該文并未將所有的干旱監(jiān)測指數(shù)一并列出，僅選取具有代表性的干旱監(jiān)測方法。此外，加強農業(yè)干旱遙感監(jiān)測的不確定性研究，為干旱監(jiān)測的業(yè)務化系統(tǒng)提供可靠的監(jiān)測成果精度信息，將對干旱監(jiān)測業(yè)務的推廣應用產生重要的影響，也是當前干旱遙感監(jiān)測業(yè)務化應用的一個重要的研究方向。