第33卷第1期2015年2月
干旱气象
Journal of Arid Meteorology
Vol．33No．1
Feb ，
2015郭
铌，王小平．遥感干旱应用技术进展及面临的技术问题与发展机遇［J ］
．干旱气象，2015，33（1）：1－18，［GUO Ni ，WANG Xiaoping．Ad-vances and Developing Opportunities in Ｒemote Sensing of Drought ［J ］．Journal of Arid Meteorology ，2015，33（1）：1－18］，doi ：10．11755/j．issn．1006－7639（2015）－01－0001
遥感干旱应用技术进展及面临的
技术问题与发展机遇
郭
铌，王小平
（中国气象局兰州干旱气象研究所，甘肃省（中国气象局）干旱气候变化与减灾重点实验室，甘肃
兰州730020）
摘要：干旱是全球各地区普遍存在的一种气候现象，
也是对人类社会影响最为严重的一种自然灾害。全球气候变化和社会发展加剧了干旱的影响程度，增强了干旱灾害的风险，给全球农业、水资源、生态环境安全以及社会可持续发展造成巨大威胁，提高干旱监测和早期预警技术水平是应对、管理干旱和减轻干旱脆弱性的基础。近30a 来随着全球对地观测技术的迅速发展，卫星遥感监测干旱技术取得很大进步，在全球干旱监测和早期预警中发挥着不可替代的作用。但是，干旱是多学科交叉的复杂问题，其发展过程缓慢、时间和空间表现特征差异很大，遥感监测干旱技术在应用中还存在许多技术问题，对抗旱防灾提供支撑的力度仍不够。本文在简要总结卫星遥感监测干旱应用技术的基础上，对各种指数（模型）应用中存在的问题进行评述，指出卫星遥感干旱监测面临的主要技术问题和未来发展机遇；针对我国卫星遥感干旱应用现状，提出了亟待解决的主要问题和应该努力的方向。关键词：干旱；卫星；遥感；干旱指数；进展文章编号：1006－7639（2015）－01－0001－18doi ：10．11755/j．issn．1006－7639（2015）－01－0001
中图分类号：P407
文献标识码：A
收稿日期：2014－12－18；改回日期：2015－01－30
基金项目：公益性行业（气象）专项“多时间尺度干旱监测与预警、评估技术研究”
（GYHY201006023）及国家自然科学基金（41201370）共同资助
作者简介：郭铌（1963－），女，研究员，
主要从事遥感应用研究．E －mail ：guoni0531@126．com 引言
干旱是全球各地区普遍存在的一种气候现象，
也是对人类社会造成损失和影响最为严重的一种自然灾害
［1］
。干旱不仅能造成大范围粮食和水资源
短缺、生态环境恶化，而且会引发经济失调、饥荒、社会动荡、战争乃至政府的更迭
［2］
。干旱涉及的问题
不仅是科学技术问题，也是社会问题，因此一直受到各国政府和国际社会的高度关注。2013年联合国
召开的“国家干旱政策高级别会议”宣言指出［3］
：干
旱给世界各国，特别是发展中国家和最不发达国家造成粮食安全、贫困、资源匮乏、生态环境恶化、社会动荡等方面的严峻挑战。在全球气候变化和人类活动增加的背景下，干旱的发生频率、强度和持续时间有可能增加。提高干旱监测和早期预警技术水平，从而更好地应对、管理干旱和减轻干旱脆弱性，避免
干旱带来的一系列影响，是国际干旱领域的一项重
要内容。
大气环流异常是引发干旱的根本原因。由于大气环流的影响因子众多，过程异常复杂，人类对干旱发生机理还不十分清楚。因此，在目前干旱预测水平还不够理想的状况下，建立完善的干旱防御和风险管理体系便显得十分重要，其中干旱的监测和早期预警是干旱防御的重要环节。
传统的干旱监测是利用气象和水文观测站获得的降水、气温、蒸发、径流等气象和水文数据，以及农业气象观测的墒情，依据各种干旱指标进行监测
［4］
。由于观测站点空间密度有限，仅靠常规站点
的观测还不能了解干旱发生发展过程的全貌，特别是在站点稀疏的地区。卫星从太空遥感地球，大大扩展了人类认识地表的视角、空间尺度，将传统“点”的测量扩展为“面”的信息，提供了云、降水、土
壤水分、蒸散量、植被的生理生态状况、地表热状况等多个与干旱发展过程密切的参数，为大范围、快速、动态、精确了解旱情提供了丰富的信息，有效弥补了离散站点监测空间和时间不连续、以点带面之不足。近30多a来，随着全球对地观测技术的迅速发展，卫星遥感监测干旱技术取得了长足的进步，已经发展出多种遥感干旱（或土壤水分）监测模型，提出了数十个遥感干旱指数，并在各国干旱监测中得到有效应用［5］。卫星遥感干旱监测已经成为全球抗旱减灾中不可或缺的手段。
由于干旱是涉及气象、农业、水文、生态、社会经济等多学科和多部门的复杂问题，干旱过程关系到大气降水、土壤储水、植被耗水、江河湖泊蓄水等水循环的全过程，同时干旱又是一种发展缓慢，表现特征时空差异很大的过程［2，6］。目前，无论地面干旱监测技术还是卫星遥感干旱监测技术均未达到用统一指标对干旱的发生和结束、发生区域和强度进行客观定量监测的水平，干旱监测技术仍面临很大挑战。
卫星遥感监测干旱是通过建立遥感获得的植被状况、地表温度、热惯量等参数与地面干旱监测指标（如土壤湿度）的关系来间接监测干旱。然而，由于干旱问题的复杂性和卫星遥感技术的不确定性，遥感监测干旱在监测指标的普适性、可比性、实用性等方面还存在许多问题。就我国而言，虽然卫星遥感干旱研究和应用工作已经取得很大成就，发表了相当多数量论文，研发了多个遥感监测干旱系统，很多部门均在发布干旱遥感监测业务产品，但是这些监测结果普遍存在时空可比性、实用性等问题。在干旱来临时还不能像遥感台风、洪涝、森林草原火灾等自然灾害那样，及时拿出很有说服力且具有时空可比性的干旱遥感产品，准确描述干旱发生时间、范围和强度，为抗旱提供科学有力支撑。卫星遥感干旱技术的发展似乎遇到了瓶颈。
在简要评述近30a国际国内主要干旱遥感监测应用技术的基础上，指出了各种监测指标应用时存在的问题和注意事项，分析了遥感干旱监测技术面临的主要技术问题，并结合未来科学技术进步对干旱监测技术发展前景做了展望；针对我国卫星遥感干旱监测现状和需求，提出我国亟待解决的技术问题和建议，旨在为读者有效应用卫星遥感干旱监测技术、科学防御干旱灾害提供借鉴。
1卫星遥感干旱监测应用技术研究进展
20世纪70年代末，美国国家大气海洋局NOAA （National Oceanic and Atmospheric Administration）第三代极轨业务卫星开始运行。这代卫星搭载的AVHＲＲ探测器，为全球提供了覆盖范围广（覆盖全球）、周期短（每日昼夜2次观测同一地区）、空间分辨率适宜（星下点分辨率约为1．1km，适合干旱范围大的特点）、探测波段多（5个探测波段分别位于可见光、近红外、短波红外和热红外波段）的遥感监测。由于AVHＲＲ数据免费获取（只要建立接收站即可获取数据），该数据是1980年代以来各国进行卫星干旱监测的最主要的数据源，为全球卫星遥感干旱应用技术的发展和遥感干旱监测业务的建立立下了汗马功劳。与此同时，美国NASA陆地卫星计划（Landsat）第五颗卫星于1984年成功发射。Landsat－5搭载的TM 传感器波段多（7个波段分别位于蓝光、绿光、红光、近红外、短波红外和热红外）、分辨率高（除热红外波段为120m外，其它为30m）和超长的服役期（运行了近30a），虽然其回访周期长（16d）、数据收费，但TM数据30m的空间分辨率具有开展卫星—地面遥感同步观测试验的优势，在遥感干旱监测的基础研究和模型建立方面发挥了重要作用。
20世纪90年代以后，随着MODIS、AMSＲ－E、TＲMM、GＲACE等国际新一代传感器的升空以及我国风云、资源等卫星的业务运行，卫星对地观测能力大大提高。卫星传感器探测波段从可见光、近红外、短波红外、热红外扩展到微波以及地球重力场；微波探测方式则由被动扩展到主动；地面分辨率从250m 到百余公里等多种尺度。卫星遥感几乎可以获得地球水循环的各个分量以及地表植被生理生态、蒸散、热状况、土壤水分等多种与干旱密切联系的信息，并具有全天时、全天候的观测能力。近十几年来，NASA 通过互联网免费发布MODIS、AMSＲ－E、TＲMM等多种可用于干旱监测的遥感产品，进一步推动了全球遥感干旱应用研究的进步和技术的普及。
干旱过程是一个由大气降水减少导致进入土壤的水量降低，植被因供水不足造成生长受挫而减产、江河湖泊因蓄水不足而面积萎缩（或水位下降），进而对经济、社会产生影响的复杂过程，其涉及范围非常广，不能用单一或几个变量表征。遥感监测技术均是针对干旱过程中某一环节或要素应用干旱指数或模型进行监测。本文着重于根据卫星探测波长的不同对主要遥感干旱指标进行评述。
1．1基于地物反射光谱的干旱监测
1．1．1可见光—近红外波段
可见光—近红外遥感记录的是地球表面对太阳辐射能的反射辐射能，是利用地物对太阳短波辐射
2干旱气象33卷
的反射强度信息来判别地物的类型［7］
。由于绿色
植物在这段光谱区间具有独特的光谱反射特点，是
最易被识别的地类。人们根据植被的光谱特征，通过对可见光和近红外波段的组合，构建出了多种植被指数（Vegetation Index ，以下简称VI ）。当土壤供水不足导致植被发生水分胁迫时，植被在生理上会出现叶绿素含量下降、光合作用速率降低、植被叶面积和覆盖度减少的现象，这些变化均可导致卫星遥感植被指数下降。图1是春小麦在不同干旱状况下的光谱曲线，可以看到干旱明显导致春小麦可见光波段（红光波段最明显）反射率上升以及近红外波段反射率下降，干旱程度越重这种变化幅度越大。基于VI 的干旱指数主要有以下几种
。
图1不同干旱状况下春小麦光谱曲线
（光谱曲线由中国气象局定西野外试验基地实地观测获得。无旱、轻旱、中旱和重旱分别表示土壤相对湿度＞60%、50%＜土壤相对湿度＜60%、40%＜土壤相对湿度＜50%和土壤相对湿度＜40%）Fig．1
The spectral curve of spring wheat under different water stress levels
（1）归一化植被指数NDVI
归一化植被指数NDVI （Normalized Difference Vegetation Index ）是应用最广的一种植被指数，其定义见表1。研究表明NDVI 与植被覆盖度、叶面积、生物量、叶绿素等植被生理参数具有强烈的相关性，可作为定量度量植被状况的指标，是最早应用于干旱监测的指数，也是构建其它基于植被指数的干旱指数的基础。Tucker 等应用NDVI 监测非洲撒哈拉
的干旱过程［8－9］
，郭铌等发现1995年西北东部特大
干旱时期NDVI 的变化与干旱范围和强度有很好的
一致性
［10］
。许多研究发现，NDVI 的变化在半干旱
地区对干旱发生的指示性更好。
（2）距平植被指数AVI
由于NDVI 与当地地理气候和植被分布及生长
规律密切相关，单时次NDVI 仅能反映植被分布状
况并不能指示干旱状况。陈维英等［11］
参考气象学中的距平概念，提出了距平植被指数AVI （Anomaly Vegetation Index ）。该指数利用某年某时段NDVI 与历史平均状况的偏差来监测干旱（表1）。距平植被
指数应用较广，
Anyamba 等［12］发现1984年撒哈拉地区植被生长季NDVI 的异常减小可以指示大范围的干旱，利用NDVI 负距平可以确定干旱对植被影
响的空间范围［12］
；严建武、江东等分别应用距平指数监测云南和中国北方地区干旱
［13－14］
。
应用距平植被指数需要建立较长时间的NDVI
序列，对于NDVI 很低的地区（如荒漠），由于分母很小，会产生很大的距平值，在这些地方应用时需要注意。
（3）植被状况指数VCI
随着长时间序列NDVI 数据的积累，
Kogan 等［15］
于1993年提出植被状态指数VCI （Vegetation Condition Index ，VCI ），其定义见表1。VCI 确定了监测目标的NDVI 在历史序列中的地位，将有利和不利的气候状况隐含在其中，利用比值增强了NDVI 信号在时间上的相对变化，并消除了因地理位置、气候背景和生态类型不同而产生的NDVI 区域差异使VCI 具有时、空可比性。
VCI 在全球得到广泛应用。冯强等［16］建立了不同月份VCI 与全国农业气象站土壤湿度的统计模型，并用来监测土壤水分进而进行干旱监测。研究和应用表明，
VCI 在农作物生长旺盛期监测干旱较有效，在作物播种和收割时，监测效果较差［17］
。
在区域适应性上，管晓丹等［18］
发现，
VCI 在半干旱、半湿润地区应用较好，在灌溉区和高寒阴湿地区不
适用。同时发现在植被覆盖度很小的荒漠和沙漠地
区，VCI 有虚高现象，郭铌等［19］
针对这一现象对VCI 进行了修正。
（4）增强植被指数EVI
由于NDVI 会受到大气状况、双向反射辐射、土壤和叶冠背景的影响，且存在高生物量区发生饱和的问题，Liu 等［20］
引入一个反馈项来同时对二者进行订正，提出了增强的植被指数EVI （Enhanced Veg-etation Index ），它利用背景调节参数L 和大气修正
参数C1、
C2同时减少背景和大气的作用。EVI 具有在高植被盖度区不会发生饱和，并可以消除土壤
背景和大气影响的优势。NASA MODIS VI 产品同时提供了全球NDVI 和EVI 数据，随着MODIS 和其
它类似传感器资料的积累，EVI 在干旱监测中的优势将显现出来。
3
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
表1几种常用遥感干旱指数
Tab．1The common drought monitoring indexes of remote sensing
名称公式备注
1归一化植被指数NDVI NDVI=ρNIＲ－ρＲed ρNIＲρＲed
2距平植被指数AVI AVI=NDVI i－NDVI
3植被状况指数VCI VCI=100*
NDVI i－NDVI min NDVI max－NDVI min
4增强的植被指数EVI EVI=
ρNIＲ－ρＲed
ρNIＲ+C1ρＲed－C2ρBlue+L
（1+L）
5归一化水分指数NDWI NDWI=（ρ0．86－ρ1．24）/（ρ0．86+ρ1．24）
6垂直含水量指数PDI PDI=
1
M2+
槡1
（ρＲed+MρNIＲ）
7修正的垂直干旱指数MPDI=ρＲed+MρNIＲ－f v（ρv，Ｒed+Mρv，NIＲ）（1－f v）M2+
槡1
8半干旱区水分指数SAWI SAWI1=ρ780/ρ1750）
SAWI2=（ρ780－ρ1750）/（ρ780+ρ1750）
9表观热惯量P=（1－A）/△T 真实热惯量计算复杂，请查阅原文。
10温度状况指数TCI=100*
BT i－BT min BT max－BT min
11植被健康指数VHI=a*VCI+（1－a）*TCI 12植被供水指数VSWI=T s/NDVI
13温度植被干旱指数TVDI=100*
LST i－LST min LST max－LST min
14条件植被温度指数VTCI=100*
LST NDVI
i max
－LST NDVI
i LST NDVI
i max
－LST NDVI
i min
15作物缺水指数CWSI=1－E/E p
16植被干旱响应指数VegDＲI，一种融合传统气候干旱指标和其它生物物理信
息的干旱综合监测工具
详见文献［110］
17微波集成干旱指数（MIDI）MIDI=α*PCI+β*SMCI+（1－α－β）*TCI PCI=（TＲMM i－TＲMM min）/（TＲMM max－TＲMM min）SMCI=（SM i－SM min）/（SM max－SM min）
TCI=（LST i－LST min）/（LST max－LST min）
注：ρ指光谱波段所对应的反射率；ρＲed、ρNIＲ、ρBlue分别为红光波段、近红外波段、蓝光波段的反射率；NDVI为植被指数NDVI的平均值；NDVI max、NDVI min为NDVI同期多年的最大值、最小值；EVI中L为土壤背景调节参数，C1、C2分别
为大气修正参数；PDI、MPDI中的M为土壤线的斜率、f v为植被覆盖度、ρv，Ｒed、ρv，NIＲ分别为植被在红光、近红外波
段的反射率；A、ΔT分别为反照率和昼夜地表温差；BT max、BT min为亮温BT i同期多年的最大值、最小值；E、E p分别
为实际蒸散和潜在蒸散；LST是地表温度；MIDI中α、β是权重系数，PCI是TＲMM降水状态指数，SMCI是土壤水分
状态指数。
4干旱气象33卷
这类基于植被指数的干旱遥感指数在一定程度上指示了植被受旱后叶面积指数的减少和叶绿素的下降。从干旱发生过程来看，植被在干旱胁迫积累一定程度之后才会出现形态及绿度的变化，因此这类指数对水分胁迫的指示有一定的滞后性。应用这类指数时需要注意的是：（1）需要建立较长时间序列的连续、稳定、高质量的遥感数据集；（2）要排除洪涝、病虫害、土地利用和种植结构变化造成的植被指数的变化；（3）NDVI在浓密植被区出现饱和的问题，在热带森林、北半球阔叶林和青藏高原东北部表现十分突出［21－22］；（4）在潮湿的生态系统中水分不是植被生长的制约因素，利用NDVI进行干旱监测会受到限制［23］；（5）在半干旱地区，稀疏植被和土壤背景会对冠层光谱和植被指数的计算产生显著影响［24］，可能使监测结果产生误差。
（5）垂直干旱指数PDI
Ghulam等［25］在研究可见光和近红外特征空间的基础上，提出了PDI（Perpendicular Drought In-dex）。朱琳等［26］应用FY－3A/MEＲSI和PDI对2009年夏季内蒙古自治区中东部地区干旱进行了监测，表明PDI与土壤水分有较好的负相关。Ghu-lam等［27］利用植被覆盖度改进了PDI，构建了改进的垂直干旱指数MPDI，在宁夏干旱监测应用结果表明［28］，在裸地或稀疏植被地表PDI和MPDI的干旱监测精度相当，高植被覆盖时，MPDI的监测结果远好于PDI。
1．1．2近红外—短波红外
在近红外和短波红外有5个叶片水分吸收带，分别位于970、1200、1450和2500nm。利用这一特性，通过监测植被含水量来监测干旱。
（1）归一化水分指数NDWI
Gao［29］利用0．86m和1．24m植被液态水对光谱吸收的差异提出归一化植被水分指数NDWI （Normalized Difference Water Index），Gu等［30］利用5 a MODIS NDVI和NDWI评估了美国大平原草地干旱，表明NDWI较NDVI对干旱响应得更快。张文江等［31］发现NDWI对2006年四川东部特大干旱的时空指示非常明显，能准确反映旱情的发生发展和消退历程，并捕获了地面难以观测到的旱情详细空间分布。
（2）去除土壤背景影响的植被水分指数
张佳华等［32］针对土壤背景对植被指数的影响，利用对水分比较敏感的短波红外波段代替可见光波段，将近红外与短波红外波段组合，构建了一系列去除土壤背景影响的植被水分指数，结果表明这些指数与植被水分信息FMC（Fuel moisture content）之间的相关系数几乎都高于原植被指数与FMC之间的相关系数，可以在一定程度上改善提取植被水分的精度。
（3）半干旱区水分指数
王小平等［33］针对半干旱区作物特点，在多年地面光谱观测试验的基础上，利用近红外和短波红外波段的0．75m和1．75m构建了SAWI（semi－arid water index）指数，结果表明该指数与冠层含水量的相关性在春小麦不同生育期与不同年份均高于ND-VI、NDWI、PＲI等传统指数，能更好地监测该地区作物的水分胁迫状态，可改进传统植被指数在半干旱区作物水分的监测效果。
由于能够方便获取提供短波红外的传感器（如MODIS、MEＲSI等）的数据时间不够长，短波红外类的指数提出和应用时间均较短，需要在更长时间和更大范围上应用这类指数，检验其干旱监测能力。1．2fAPAＲ监测干旱
植物吸收性光合有效辐射分量fAPAＲ（Fraction of Absorbed Photosynthetically ActiveＲadiation）是植物主要的生理参数之一，也是作物生长模型、生态模型等多种模型中的重要参数，同时可以作为监测干旱的指标。NASA和欧洲航空局ESA（European Space Agency）分别通过互联网提供由MODIS和ENVISAT/MEＲIS数据反演的fAPAＲ产品。欧洲干旱观测台（European Drought Observatory，EDO）研发了干旱监测、预测和信息交换平台，不定期发布包括标准化降水指数SPI（Standardized Precipitation In-dex）、土壤湿度、fAPAＲ异常等信息的干旱监测公报（http：//edo．jrc．ec．europa．eu）。
Ｒossi等［34］研究了fAPAＲ与不同时间尺度（分别为1、3、6、12月）SPI的相关性，发现fAPAＲ与不同时间尺度的SPI均呈正相关，与3个月的SPI相关比短期（1个月）和长期（6个月以上）的SPI更好，说明fAPAＲ主要指示几周到数月的农业干旱；分析还发现fAPAＲ对降水具有滞后性。与基于波段线性组合的NDVI相比，fAPAＲ更具有生物物理意义，对降水的敏感性fAPAＲ较NDVI高；fAPAＲ异常在不同植被类型和地形特征下对干旱的敏感性均较NDVI高。应用fAPAＲ时还需要注意，fAPAＲ在高海拔地区监测干旱时会受到限制；不同传感器的fAPAＲ产品对干旱的监测结果也有差异［35］。
1．3热红外遥感干旱
波长在8 14μm区间的电磁波段为热红外波段，NOAA/AVHＲＲ、LANDSAT/TM/ETM+、TEＲＲA/
5
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
MODIS、AQUA/MODIS、FY－1/VIＲＲ、FY－3/VIＲＲ和FY－3/MEＲSI等传感器均具有热红外波段。应用热红外波段数据可以反演地表温度、热惯量等与土壤水分等相关联参数。
1．3．1热惯量遥感土壤水分
土壤热惯量是度量土壤热惰性大小的物理量，表征了土壤阻止其自身温度变化能力的大小，其定义为P=（kρc）12，其中P为热惯量，k为土壤热传导系数、ρ为土壤密度，c为土壤定压比热。热惯量与土壤水分有密切关系，对于同一类土壤而言，含水量越高其热惯量就越大。卫星遥感能够获取区域地表温度，进而能够通过热惯量来间接反演区域土壤水分。Watson等［36］首次提出利用地表温度日较差来推算热惯量的简单模式，随后，Price［37］提出表观热惯量ATI（Apparent Thermal Inertia）的概念，并简化了热惯量的计算方法（表1）。虽然表观热惯量计算简单，但与真实热惯量还有一定差距。真实热惯量模型是在土壤热传导方程基础上建立的，马蔼乃［38］对土壤热传导方程进行傅立叶变换，推导出真实热惯量；余涛等［39］发展了一种基于地表能量平衡方程的真实热惯量简化计算方法；张仁华［40］在表观热惯量模型基础上，提出了微分热惯量的概念，建立了既不需要土壤类型又不需要非遥感参数的地表热通量遥感模型；刘振华等［41］提出了一个只涉及到地表最高温度，不需求算地表昼夜温差，并考虑植被覆盖的新的遥感热惯量模型，使“遥感热惯量法反演的表层土壤水”的适用范围从裸地扩展到植被覆盖区。尽管已经有很多成果，但热惯量模型研究仍然是遥感领域中的难题，真实热惯量遥感反演模型通常用于科学研究，干旱监测业务中仍以计算简单的表观热惯量为主，但由于其仅考虑了地表温差和地表反射率，未考虑土壤质地及地表能量收支过程等复杂影响，反演的土壤水分精度不高［42］。
热惯量模型应用时存在的主要问题有：（1）适用于裸地和低植被覆盖的土壤，在植被覆盖条件下，利用土壤热惯量法进行土壤水分状况的评价存在很大的限制；（2）卫星过境时间与地表温度最高和最低值出现的时间不一致，导致由卫星获得的昼夜温差并不是真正的“昼夜温差”，进而影响监测精度；（3）利用相邻几天温度合成的方法获得的昼夜温差，由于卫星过境时间的差异，会将误差带入合成数据中，影响监测结果；（4）以统计学方法建立热惯量与土壤水分的模型，存在时间和空间的局限性，普适性差。虽然我国许多业务部门应用热惯量方法进行干旱监测，但是监测结果不稳定，应用效果并不理想。1．3．2温度状况指数
由热红外遥感反演的地表温度（T s）是大气—
土壤—植被系统能量和水分交换中的重要参数，可以部分表征地表蒸散和植被水分胁迫状况，进而用于干旱监测。当植被发生水分胁迫时，植被叶片气孔会关闭以减少蒸腾所造成的水分损失，进而使得植被冠层潜热通量下降而感热通量增加，导致植被观测温度上升。根据这一原理Kogan等［43］提出温度状态指数TCI（Temperture Condition Index，TCI）。
植被冠层温度升高是植被受到水分胁迫的最早表现，这一现象在干旱发生的初期植被形态尚未发生变化时就会出现，因此，应用冠层温度可以较植被指数更早监测到干旱的发生。应用表明，TCI不受植被生长季限制，在作物播种和收获时也可以应用，弥补了VCI的缺点。但是，由于影响地表温度的因素很多，如下垫面状况、卫星过境时间的差异、海拔高度以及地表热平流等，这些因素均会对TCI监测产生影响，增加TCI监测干旱的不确定性。
1．4植被指数（VI）与地表温度T
s
组合的指数如上所述，植被指数和地表温度不仅是描述地表特征的2个重要参数，也是监测干旱的指标。将2种数据组合可以获得更多土壤和植被水分信息，进而可以更有效地监测干旱。
1．4．1植被健康指数
Kogan［44－45］根据VCI和TCI监测干旱过程的时空上的差异和各自优缺点，将2个指数进行组合，提出植被健康指数VHI（Vegetation Health Index）（表1）。VHI兼容了VCI和TCI各自的优势，在北美和全球不同区域干旱监测中广泛应用［46］，是美国国家干旱减灾中心和NOAA STAＲ（NOAA Center for Sat-ellite Applications andＲesearch）干旱监测产品，目前美国NOAA仍然在发布全球VHI产品（http：// www．star．nesdis．noaa．gov/smcd/emb/vci/VH/）。VHI中α、β2个系数应该视地区和时间不同而变化，但实际应用中很难实现，均取0．5。
1．4．2植被供水指数
Carlson等［47］提出植被供水指数VSWI（Vege-
tation Supply Water Index），VSWI=T
s
/NDVI，式中，
T
s
是地表温度。该指数也是基于干旱发生时植被叶片气孔关闭致使冠层温度升高，同时NDVI随着光合作用降低而减少建立的。VSWI计算简单，一般通过建立VSWI与土壤湿度的统计模型来监测干旱，在我国应用比较广泛［48－51］。该指数适合地形平坦、植被覆盖度较高的地区和季节，统计模型受时
6干旱气象33卷
间、地域的限制，监测结果不具有时空可比性。1．4．3植被指数—地表温度特征空间
研究表明，以植被指数—地表温度构成的特征空间与地表植被覆盖、土壤水分状况和冠层温度状况关系密切，可用于估算地表蒸散量、反演地表热通量、估算表层水分状况等参量。由植被指数—地表温度特征空间衍生出多个遥感干旱指数，这些指数较单一植被指数或温度模型更好地反映干旱发生。应用较多的这类指数有如下2种。
（1）温度植被干旱指数（Temperature－Vegetation Dryness Index，TVDI）
Sandholt等［52］基于NDVI－T
s
三角形特征空间提出温度植被干旱指数，其定义见表1。实际应用时先由遥感数据获得TVDI指数之后，再通过对TVDI 指数的数值进行分级或与地面观测土壤湿度建立统计模型，进行干旱监测。TVDI分级标准人为性很大，从目前发表文献中可以看到不同研究中TVDI的分级标准不尽相同［53］，这会造成干旱监测结果的混乱。因此，综合考虑各地状况，建立适宜的TVDI干旱指数分级标准很有必要。齐述华等［54］利用由NOAA/
AVHＲＲ资料获得的NDVI和T
s
计算了TVDI，并进行全国旱情监测。由于海拔高度对地表温度有影响，冉琼等［55］利用DEM数据对温度植被干旱指数TVDI 进行订正，提高了土壤湿度的监测精度。
（2）条件植被温度指数VTCI（（Vegetation Tem-perature Condition Index）
王鹏新等［56］基于NDVI－T s特征空间，提出了条件植被温度指数VTCI（（Vegetation Temperature Condition Index）模型（表1）。如何确定冷边界和热边界是计算VTCI的关键，一般利用单时次或多时次合成最大NDVI和T s确定，具有人为性。孙威等［57］应用多年旬NDVI最大值合成产品和T s最大—最小值产品来确定多年共同冷边，对VTCI冷边界的确定方法进行了完善。于敏等［58］利用多年同期卫星观测数据合成某时段各年通用的T s－ND-VI特征空间来近似理想状态下的理论特征空间，增强了T s－NDVI特征空间的稳定性，比改进前特征空间能更准确地反映地表干湿状态。由于EVI能够克服NDVI饱和以及受土壤背景和大气影响的弱点，由T s－EVI特征空间获得的TVDI监测土壤水分的精度高于T s－NDVI［59］。与TVDI指数类似，VTCI指数同样存在指数分级人为性的问题。
VHI、VSWI、TVDI和VTCI综合了VI和T
s
监测干旱的优势，物理意义明确，得到了广泛的应用。但应用时需要注意：（1）这类指数主要依赖VI和T s两者之间的负相关，当VI和T s是正相关时，这类指数不适合干旱监测。研究发现［60］，当水分是植被生长的限定因子时，VI和T s是负相关。然而，当能量是植被生长的限定因子时，如在高纬度和高海拔地区，尤其在植被生长初期，二者呈现正相关，表明此时太阳辐射是驱动VI和T s相关的主要因素，其他生物物理变量起次要作用；（2）VI和T s间负相关不是固定不变的，而是随区域、季节和植被类型而变化的。理想状况T s－NDVI特征空间湿边应该近似水平，但实际应用模型中很多都是正相关，说明在这种状况下水分不是植被生长的限定因素，获得的指数不适宜监测干旱；（3）TVDI和VTCI是在理想VI－T s 特征空间状态下提出的，要求研究区的植被覆盖度和土壤水分变化范围较大，植被覆盖从裸地到全覆盖，土壤表层含水量从凋萎系数到田间持水量的变化，这种条件在实际应用中很难满足，进而影响干旱监测结果；（4）VSWI、TVDI、VTCI的应用区域和时段也有明显的限制，所选区域要适中，区域太大会造成太阳辐射差异，会对T s和NDVI有很大影响；区域太小，植被盖度和土壤水分变化不足以满足建模的要求。应用时段应避免选取植被生长初期和中后期；（5）海拔高度是影响T s的重要因素，从许多发表的论文监测结果中可以看到，常存在高海拔地区旱情偏低的假象；（6）干边、湿边提取和指数的分级标准均具有人为性。
目前，植被指数与地表温度组合类的干旱指数是我国各地干旱监测中主要应用的指数。在许多应用中，不对指数的适用性做任何分析便建立干旱监测模型，因此会产生监测结果与实际干旱状况不符的现象。我国地域辽阔、地形复杂，气候类型、土地类型和植被类型、农业种植多样，水利条件差别也很大。因此，针对不同的地区和季节，结合土地类型、植被类型和地形状况，细致研究不同气候背景和气候年景下特征空间的变化及其时空差异，认识其物理实质以及对干旱的指示意义，对合理应用这类指数有效监测干旱很有必要。
1．5基于蒸散的干旱监测
蒸散（包括土壤蒸发和植被蒸腾）是地表水分平衡和热量平衡的重要组成部分，也是与植被生理活动以及生物量形成密切相关的量。研究表明，区域实际蒸散量（E）和潜在蒸散量（E p）的比值（E/ E
p
）与土壤水分密切相关，当土壤水分小于理想供水状况下的土壤水分含量（即实际蒸散量小于潜在蒸散量）时，表征区域缺水；反之，表征区域不缺水。Jackson等［61］基于这种现象提出作物缺水指数CW-
7
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
SI=1－E/E
p
，用来监测作物水分胁迫。因此，利用蒸散监测干旱的关键问题是如何精确估算区域蒸散量［62－63］。
传统的地表蒸散是由观测或模式计算获得。蒸散的观测方法当前主要有涡动相关方法、空气动力学法及波恩比—能量平衡法等，也可利用蒸渗计直接测量［64］。模型计算是利用常规气象资料如太阳辐射、风、气温、水汽压等和蒸散模型如Penman、FAO－Penman、FAO－Penman－Monteith、Priestley－Taylor、FAO－Ｒadiation等进行。由于下垫面的非均一性，将上述由“点”观测或计算的蒸散值向“面”上推广时会产生很大的不确定性。卫星遥感能够获取面上的地表特征参数（如地表反射率、植被盖度、地表温度等），通过蒸散模型估算区域蒸散量，在一定程度上克服了微气象学法的上述局限性，近几十年来得到快速发展。
遥感蒸散多是以地表能量平衡方程为基础，利用遥感所得地表反照率、植被指数和地表温度，借助微气象学基本原理建立的单层模型、双层模型和多层模型来估算蒸散量。单层模型（也称“大叶”模型）是将植被覆盖的地表假设为一片均匀的大叶，所有地—气间能量、物质的交换都用发生在这样一个简单、均一的介质上的过程来描述。常用的有SEBAL（Surface Energy Balance Algorithm for Land）模型［65］和SEBS（Surface Energy Balance System）模型［66］等。单层模型是一种对陆面过程进行高度简化的模型，由于物理意义明确，需要的输入参数少、计算简捷，得到广泛的应用。
双层模型是将地表蒸散分离为土壤蒸发和冠层蒸散，并考虑了二者的耦合效应（也叫Se-ries Model），由Shuttleworth和Wallace在1985［67］年首先提出。Norman等［68］对该模型进行了简化，提出了“平行”模型（Parallel Model）。后者假设土壤与冠层之间的能量通量相互平行，二者各自独立地与上层空气进行湍流交换，不存在耦合效应。如应用较多的TSEB（Two Source Energy Balance）模型，将地气能量交换过程按土地利用比例区分为土壤和植被的各自贡献，进而利用定向辐射温度的分解，或通过Priestley－Taylor近似公式估算地表未受水分胁迫条件下的热通量初始值和组分温度，建立能量平衡方程，联立方程组求解各组的潜热通量。
基于“系列”阻抗理论和能量平衡原理的经典双层模型TSEB，Anderson改进和发展了ALEXI（At-mosphere Land－Exchange Inverse）模型［69－70］。ALEXI模型物理机制明确，数据处理较为简便，可快速模拟较大区域范围的地表能量收支状况。研究表明由该模型得到的地表实际蒸散（E）和潜在蒸散（E
p
）及蒸散胁迫指数（ESI，ESI=1－E/E
p
），与帕尔默干旱指数具有很好的时空一致性；应用该模型得到地表胁迫指数（ESIS，Evaporative Stress Index for Soil）和冠层胁迫指数（ESIC，Evaporative Stress Index for Canopy），可以很好地分别指示气象干旱和农业干旱。ALEXI模型在美国已经过大量外场试验检验，目前实现美国全境的日地表蒸散的实时反演，并基于该模型生产出美国干旱监测产品［71－72］。我国FY－2系列静止卫星已经稳定地业务运行多年，利用ALEXI模型和FY－2卫星数据开展我国地表日蒸散的实时反演，对我国干旱的实时、有效监测具有重要意义。
与单层模型相比，双层模型分解了作物蒸腾和土壤蒸发的作用，分别考虑冠层和土壤的水热吸收转化过程以及二者之间的相互作用，可以更好地描述土壤、植被与大气之间的能量交换机制，尤其在稀疏植被覆盖条件下，其优越性更为显著。但双层模型定义了较为复杂的阻抗系统，这些阻抗受植被结构、生理特征及土壤水分状况影响较大，难以直接利用遥感数据获取，成为双层模型精确反演区域蒸散的主要难点［73－74］。陈云浩等［75］应用NOAA/ AVHＲＲ资料，基于Shuttleworth等有关不同覆盖条件下空气动力学阻抗的方法，估算了非均匀下垫面地表蒸散的双层模型；宋小宁等［76］从地表能量平衡原理入手，同时考虑冠层的水平输送过程，结合地面同步实测数据和气象数据，建立了基于亚象元的区域双层模型；刘振华等［77］也在亚象元区域双层模型的基础上引入遗传算法对混合象元进行分解，获取地表温度的组分参量，从而提高了模型的估算精度。
遥感蒸散存在的主要问题是：（1）各种蒸散遥感模型的验证均存在以单点的观测值验证像元尺度反演值的问题。通过非均匀下垫面多尺度地表蒸散发观测遥感试验，可以揭示地表蒸散发的空间异质性，实现非均匀下垫面地表蒸散发的尺度扩展，为发展和验证蒸散发模型提供基础数据［78］。其中，大孔径闪烁仪（LAS）在地表通量验证中能发挥重要作用［79］；（2）地表通量遥感的核心是地表温度，正确测估地表比辐射率是更精确反演地表温度的关键；（3）空气动力学参数以及地表粗糙度等参数，空间异质性大，这些非遥感参数空间化问题也是影响蒸散反演精度的重要因素；（4）应用极轨卫星遥感获得的瞬时观测蒸散均是通过公式转换为日蒸散量，
8干旱气象33卷
静止卫星遥感数据可以在精确获得日蒸散量方面有很好的应用前景。
1．6微波监测干旱
光学遥感存在的最大问题是云的影响。国际通常采用一段时期合成的方法来生成遥感产品以消除云的影响。但是，由于每日卫星过境时间不一致以及大气状况的差异，会在对太阳辐射和大气状况敏感的物理参数，如反照率、地表温度等合成产品中产生误差。在多云的地区和时段也很难完全消除云的影响。
微波遥感具有全天时、全天候的监测能力，以及对云、雨、大气较强的穿透能力；并且微波传感器对于植被特性的变化、地表土壤水分等参数十分敏感，已被广泛应用于地表土壤水分等地表参数的反演之中。在过去10a，随着多种星载微波传感器的发射，微波遥感已经具有在全球尺度上精确监测整个地球系统中许多要素的能力［80］，其中微波反演降水和土壤湿度可以直接用来监测干旱。
下面从雷达卫星反演降水、主动和被动微波反演土壤湿度来介绍微波数据在干旱监测中的应用。1．6．1微波反演降水产品监测干旱
热带降水测量计划TＲMM（TropicalＲainfall Measturing Mission）是由美国国家航空航天局NASA 和日本国家空间发展局NASDA联合开展的一项用于测量热带和亚热带降水及能量交换的科学计划［81］。TＲMM卫星于1997年11月成功发射，搭载了世界上第一台星载降雨雷达（PrecipitationＲadar，PＲ）。NASA已经通过互联网［http：//trmm．gsfc．nasa．gov/］发布一系列高分辨率、准全球、近实时的TＲMM产品供全球各研究团体使用。由于TＲMM 数据的空间分布均匀，分辨率远高于站点数据，全球不同地区TＲMM降水产品与地面降水对比研究表明，其精度已基本接近气象站点观测的雨量数据，很好地弥补了站点降水数据空间分布密度低且不均匀之不足，在降水监测和预报、暴雨研究以及降水资料同化等多方面得到广泛应用［82－87］。在干旱监测方面，Naumann等［88］利用TＲMM数据监测非洲地区的干旱状况，并用SPI指数进行检验，表明TＲMM的干旱监测具有更高的空间精度。李景刚［89－90］将TＲMM降水数据用于区域气象干旱监测并进行流域旱涝特征的分析；杜灵通等［91］利用TＲMM卫星降水反演产品，参照气象Z干旱指数的构建方法，建立了TＲMM－Z干旱指数，并与同期标准化降水指数（SPI）比较，发现TＲMM降水数据可很好地监测出降水亏缺而引起的区域干旱过程。TＲMM数据从1998年1月起至今已积累了16a的降水产品资料，随着数据长度的积累，其在干旱等气候现象监测中的作用将更加突出。
全球降水计划GPM（Global Precipitation Mis-sion）是NASA继TＲMM计划之后的后续计划［ht-tp：//pmm．nasa．gov/］。GPM计划是在TＲMM计划的基础上，利用由一个核心卫星与多颗微波小卫星组成的国际的卫星观测网提供下一代覆盖全球的降水观测，增强人类对地球的水和能量循环的认识，提高导致多种自然灾害的极端天气气候事件预测的准确性，增强使用降水信息的实时性和准确性的能力。GPM卫星能穿透云层，提供更高精度的3D云微物理结构，不仅将有助于全球降水反演的重大突破，也对全球天气预报将有划时代的影响，同时将对水灾和泥石流预测预警、干旱预警等技术的提高有很大的帮助。GPM的主卫星已经于2014年2月发射成功。
1．6．2被动微波反演土壤水分
被动微波是通过亮度温度来估算土壤水分。亮度温度主要由发射率和地表有效辐射温度决定，而发射率与土壤复介电常数紧密相关，通过土壤复介电常数与土壤水分之间的物理关系即可根据亮度温度反演土壤水分。被动微波遥感土壤水分是最成熟的技术手段，因为土壤介电常数与土壤水分的关系更直接。与主动微波相比，被动微波遥感反演土壤水分的研究历史更长，算法更为成熟。
目前在轨运行的常用被动微波辐射计包括SSM/I（Special Sensor Microwave/Imager）、地球观测系统（EOS）的Aqua卫星所搭载的高级微波辐射计AMSＲ－E（Advanced Microwave ScanningＲadiometer －Earth Observing System Sensor）和我国2008年发射FY－3号卫星搭载的微波成像仪（MWＲI）以及2009年欧空局发射的L波段SMOS卫星。被动微波传感器每天过境2次，具有高时间分辨率，但是受限于微波天线尺寸和较弱的地表微波辐射能量，其空间分辨率较粗（约25km），获得的微波亮温数据可用来估算大范围土壤水分。
在干旱监测中应用最多的是AMSＲ－E数据。美国国家冰雪中心（NSIDC）网站［http：//nsidc．org/ data/］提供了2002年6月至2011年10月空间分辨率为25km的全球土壤水分反演数据。由于AMSＲ－E传感器天线旋转故障，从2011年10月以后无法得到AMSＲ－E土壤水分数据。国内外许多学者开展了AMSＲ－E土壤水分产品的应用研究，如陈洁等［92］通过对比我国西北AMSＲ－E土壤湿度产品
9
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
与降水、地面实测土壤湿度以及NCEP/NCAＲ再分析土壤湿度的关系来验证AMSＲ－E产品的精度，表明AMSＲ－E土壤湿度产品具有很高的可信度；史小康等［93］将AMSＲ－E亮度温度数据应用于高原东北部的土壤湿度模拟中，由垂直和水平极化2个辐射亮温的差异定义极化指数MPDI来估算土壤湿度，结果表明比实测值和NCEP土壤湿度数值小，但较NCEP资料更好地体现土壤湿度随降水事件的变化。
FY－3搭载的微波成像仪（MWＲI）是我国第一个星载微波遥感仪器，其中低频10．65GHz通道主要用来全天时全天候获取全球海面温度、风速、陆表温度和土壤水分含量等地球物理参数。国家卫星气象中心通过风云卫星遥感数据服务网［http：//satel-lite．cma．gov．cn/portalsite/default．aspx］免费提供MWＲI地表土壤水分日产品。彭丽春等［94］利用FY －3A/MWＲI的亮温资料，根据陆表和大气辐射传输模式模拟植被覆盖地表微波亮温和土壤湿度的关系，建立土壤湿度的对数三次多项式反演算法，反演了半干旱区农田和草地的土壤湿度。扈培信［95］采用星星对比方法以AMSＲ－E微波辐射计数据作为对比数据，开展了针对FY－3B数据处理和亮温质量评价的研究工作。武胜利等［96］在对FY－3A/ MWＲI应用状况分析中表明，FY－3A/MWＲI数据能够达到目前国际同类被动微波辐射计的数据水平，在雪灾、干旱和极区海冰监测等方面已经开始发挥重要作用。
AMSＲ－E和MWＲI采用的是C、X波段等微波波段，该波段传感器对植被的穿透深度有限，适用于裸土和低矮植被地区土壤湿度的反演。土壤湿度反演算法中地表粗糙度与实际有很大差距，对反演精度有较大影响。另外被动微波反演土壤湿度深度有限，仅穿透5cm左右的土壤。SMOS采用对植被具有更好穿透性和对土壤湿度更为敏感的L波段进行多角度测量，是比AMSＲ－E更可靠和精度更高的传感器。随着SMOS数据的积累，其在全球土壤水分和干旱监测研究和应用中的作用将显现出来。被动微波遥感分辨率较粗，利用单点观测土壤水分验证微波土壤湿度产品存在很大的误差，很大程度上影响到数据的验证和有效利用。
1．6．3主动微波反演土壤水分
主动微波通过地表后向散射系数来反演土壤水分。地表后向散射系数主要受地表复介电常数、地表粗糙度和植被性质的影响，而复介电常数主要由土壤水分决定，因此可以用于土壤水分的反演。主动微波传感器主要包含合成孔径雷达SAＲ（Synthet-ic ApertureＲadar）和散射计2种。SAＲ具有较高的空间分辨率（10 30m），重访周期达16 25d。应用于土壤水分反演研究的SAＲ主要包括EＲS－1（EuropeanＲemote Sensing Satellite）、EＲS－2、Ｒadar-sat、JEＲS－1和ENVISAT。Pathe等［97］利用ENVI-SAT ASAＲ全球模式数据对美国俄克拉荷马州地区的土壤水分进行反演，结果表明该数据反演的土壤水分具有捕获空间细节和大范围时间变化的能力；Holah［98］和Zribi［99］等利用ASAＲ数据分别对裸露农田土壤地表参数和非洲北部半干旱地区土壤水分进行反演并检验，均取得满意的结果；田辉等［100］利用ASAＲ的VV极化主动微波资料，估算了夏季黄河上游玛曲地区土壤水分空间分布；王树果等［101］使用AIEM正向模型，利用3景时序接近的ENVI-SAT－ASAＲ影像对黑河中游临泽草地试验区地表参数进行了多通道反演，获得了像元尺度上的粗糙度分布状况，土壤水分反演均方根误差小于6%；胡蝶等［102］利用Ｒadarsat－2SAＲ数据反演定西地区裸露地表土壤水分，结果表明水平和垂直同极化后向散射系数均与10 20cm实测土壤水分相关性较高，交叉极化组合模型反演的土壤水分较好反映了10 20cm土壤含水量信息。
由于主动微波数据重访周期长、费用高，目前主要用于科学研究，尚不能广泛地应用于全球地表土壤水分监测业务。同时由于SAＲ对地表粗糙度、地形和植被覆盖非常敏感，数据处理复杂，反演模型的适用性有限。
1．6．4光学—微波遥感联合反演土壤水分
不同传感器获取的不同特征的遥感信息存在一定互补性。在植被覆盖地区，光学遥感数据对植被覆盖信息敏感，但受天气影响较大。微波遥感对土壤水分变化非常敏感，具有一定表面穿透性和全天时、全天候的观测特点，因此，联合光学与微波遥感数据估算植被覆盖下地表土壤水分具有很好的研究和应用前景。考虑到主动微波和被动光学遥感数据反映地表土壤水分的各自优势，Hutchinson［103］和Mattar［104］等结合光学和微波遥感数据对植被覆盖地区土壤水分进行反演；余凡等［105］提出一种ASAＲ数据和TM数据协同反演植被覆盖下土壤水分的半经验耦合模型，将光学模型反演的植被参数作为微波模型的输入来协同反演土壤水分，以提高土壤水分的反演精度；鲍艳松等［106］利用冠层后向散射模型MIMICS（Michigan microwave canopy scattering）在分析冬小麦后向散射特征基础上，基于ASAＲ和TM
01干旱气象33卷
数据建立冬小麦覆盖下的土壤湿度反演模型，实现了冬小麦覆盖下土壤湿度的反演；张友静等［107］利用ASAＲ－APP影像数据和光学影像数据，结合水云模型并联立裸露地表土壤湿度反演模型，建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案，反演土壤含水量和准同步实测数据的相关系数为0．9，均方根误差为3．83%。
1．7干旱监测综合模型
由于干旱在时间和空间上表现出的多样性和复杂性，目前还没有一个单独的指标或指数可以完全扑捉到不同时空尺度和不同影响程度的干旱特征，多元干旱监测信息综合技术集成是目前最好的方法。美国国家干旱减灾中心在美国以及北美干旱综合监测的成功实例可供各国借鉴，该中心近年开发的植被干旱响应指数VegDＲI（Vegetation Drought Ｒesponse Index）是其亮点之一。
VegDＲI是美国地质勘探局和干旱减灾中心等单位近年来共同开发的干旱监测指数［108］，在北美干旱业务中得到很好地应用。VegDＲI是一种融合传统气候干旱指标和其它生物物理信息的干旱综合监测工具，它利用历史长时间序列的NDVI、帕尔默干旱强度指数（PDSI）和标准降水指数（SPI）的气候数据，结合土地覆盖/土地利用类型、土壤特性、生态环境卫星观测等其它生物物理信息，采用新的数据挖掘技术来识别历史上与干旱相关的气候—植被之间的关系，建立历史气候与植被的关系确定干旱状况；应用气候资料、土地利用等其他信息，剔除洪水、病虫害、火灾等其他环境因素对NDVI信息的影响，并与气候干旱监测建立定量关系模型，所生成的VegDＲI地图提供连续的、地理覆盖范围大、1km分辨率的干旱监测图，比其他常用的干旱指标具有更好的空间分辨率。该监测手段在美国得到了很好的应用，美国干旱减灾中心每2周发布一次VegDＲI 干旱监测图［http：//www．droughtmonitor．unl．edu/］。
Zhang等［109］利用微波遥感全天候工作的优势，集成应用降水TＲMM反演降水和AMSＲ－E反演的土壤湿度和地表温度数据，参考Kogan构建植被状况指数的方法，分别构建了微波降水状况指数、微波土壤湿度指数、微波温度状况指数，并参照植被健康指数方法，将上述3个指数以一定的权重进行组合，提出微波集成干旱指数及其指标体系（MIDI，Micro-wave Integrated Drought Index）。MIDI在我国内蒙草地和农田区域应用结果表明：MIDI较好地消除了单一干旱指数在不同区域、不同时段干旱监测中的差异，其获得的气象干旱时间变化、空间分布及演变特征，与SPI有很好的一致性，为区域干旱的遥感定量研究提供了基础［109］。杜灵通［110］利用TＲMM卫星降水产品构建了TＲMM－Z降水亏缺指数，应用MODIS植被指数产品和地表温度产品构建了植被异常和温度异常指数，在此基础上利用空间数据挖掘技术并结合土地利用、田间有效持水量等地理信息，构建了山东省综合干旱指数。周磊等［111］建立了考虑降水、植被状况、地表热状况，并结合地表覆盖、灌溉、海拔、土壤属性等方面信息，建立了我国黄淮海地区干旱集成的综合模型。这些成果为我国开展多源数据监测干旱工作奠定了基础。由于这些模型均是在局部区域和有限时段上建立起来的，需要经过较大范围和较长时间的应用检验才具有应用价值。
1．8重力卫星监测干旱
地球重力场是地球科学中的基本物理场，反映了地球表层及内部的物质分布变化及其运动状态。它不仅为人类提供了地球物理环境及其变化的重要信息，也为解决自然资源、环境及灾害等问题提供基础数据。近10a来，卫星重力测量技术具备了高精度全球重力场观测的能力。与传统重力观测技术不同，重力卫星具有全天候、高精度、大范围的优势，可获取全球覆盖均匀的地球重力场信号，尤其是卫星重力获得的全球性重力时间变化信息，能在大尺度上定量揭示全球环境变化（海平面与环流变化、冰川消融、陆地水量变化、强地震及极端气候等）导致的地表质量分布与迁移，为定量探测和研究地球物理环境及全球环境变化提供了独特的、不可替代的手段［112］。
2002年3月，由美国宇航局NASA和德国航天局DLＲ（the German Aerospace Center）合作研制的重力反演与气候实验卫星GＲACE（GravityＲecovery and Climate Experiment）发射。GＲACE卫星提供的时变重力场首次实现对陆地水储量变化的检测，其分辨率在月时间尺度上达到1cm等效水高，极大程度地弥补了遥感卫星只能反演地表几个厘米厚度的土壤湿度、地面陆地水观测台站只能观测个别地点水储量的变化、以及地表观测台站稀少等不足，为定量研究陆地水的储量变化提供了前所未有的机遇。利用GＲACE卫星数据监测地下水储量、蒸散和干旱等研究结果表明，由GＲACE获得的地下水储量、蒸散和土壤湿度等参量与实测数据有较好的一致性，很好地补充了地面观测之不足［113－117］。目前，美国NASA每周发布基于GＲACE的地下水和土壤
11
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
水分的干旱指数业务产品，该产品由GＲACE观测的陆地水储存量与其他观测数据集成，并使用一个复杂的陆面水和能量过程的数值模型获得（http：// drought．unl．edu/MonitoringTools/NASAGＲACEData-Assimilation．aspx）。
GＲACE卫星空间分辨率为166km，空间分辨率很粗，适用于大范围干旱的监测。2009年3月，欧空局发射欧洲首颗利用高精度和高空间分辨率技术提供全球重力场模型的卫星Goce，空间分辨率80 km，目前该卫星已经成功完成其探测使命。美国NASA计划2016年发射GＲACE－on，空间分辨率比GＲACE有很大提高，达66km，对干旱的监测能力将大大提高。
2存在的技术问题及面临的机遇
2．1存在的技术问题
虽然，近30a来卫星遥感干旱监测技术取得很大进步，但是，由于干旱问题的复杂性和遥感科学技术的现状，如何利用遥感技术及时、定量、有效地监测和预警干旱的发生发展，客观、准确地评估干旱影响程度，仍然是遥感基础研究和应用技术领域的前沿问题，遥感干旱监测技术还存在很多技术问题，面临很大挑战。
（1）卫星遥感干旱监测技术的困难首先来自干旱问题的复杂性
如前面所述，干旱过程涉及到地球水循环的全过程。干旱问题即是多学科和多部门的复杂问题，又是一个社会服务需求很强的领域［118］，目前国际上还没有任何方法能够对干旱过程实现及时和准确地监测，尚缺少一个统一、有效的标准来描述整个干旱过程。而且，在干旱监测中，由于不同学科和部门关注的重点不同，监测的目标不尽相同，监测结果也有一定差距。这些问题均给遥感干旱监测技术带来困难。
卫星遥感干旱监测技术大多是利用遥感获得的植被和地表温度状况、热惯量等信息与地面监测指标建立定量或半定量的模型来间接监测干旱。遥感干旱监测模型的监测精度在很大程度上依赖地面干旱监测技术的进步，而地面干旱监测技术仍面临很大的挑战［2］。
（2）遥感干旱监测定量化程度有待提高
目前遥感干旱监测技术是以半定量和经验方法为主，定量化程度不高。定量遥感是遥感研究与应用的前沿问题，是一门需要借助物理学的基础、数学的方法、计算机的手段以及地学、生物学的分析，去解决对地遥感的科学理论和实际问题的综合性科学［119］。我们迫切需要加强遥感基础理论研究，以发展出更高精度、更定量的遥感模型应用于干旱监测。
（3）卫星遥感数据问题
卫星遥感干旱应用技术离不开长期的、精确的、实时的遥感数据的支持，对数据质量和实时性要求很高。与地面站点数据管理和质量控制相比，卫星遥感数据管理不仅要对海量数据储存、查询、调用等进行基础管理，在卫星数据质量控制方面（如高精度的定标和定位，坏数据剔除和丢失数据的插补）面临的问题更为复杂、技术要求更高，生成遥感干旱所需中间产品（如植被指数、地表温度、地表发射率等）还需要考虑大气状况、双向反射和卫星过境时间等因素的影响。进行干旱监测需要长时间序列气候遥感数据，NOAA/AVHＲＲ数据已经积累了30多a的数据能够满足气候研究时间长度的需求。但是，由于AVHＲＲ传感器衰减、轨道漂移等问题严重，由AVHＲＲ原始数据处理成长时间序列气候数据的过程复杂，工作量非常大。美国已经建立起覆盖北美的长时间序列1km分辨率的NOAA/ AVHＲＲ气候遥感数据，在北美干旱监测研究和业务中发挥着重要作用。但是由于历史数据存储的问题，全球其他地区仅有8km分辨率的数据，且不能实时更新，仅能用于科学研究。我国1980年代中期至1990年代初期，全国多部门在各地陆续建立了数十个NOAA卫星接收站，存储了大量AVHＲＲ原始数据，需要对这些数据进行加工处理以生成覆盖中国的AVHＲＲ气候数据集。中国科学院建立了1991 2003年中国陆地1km AVHＲＲ数据集［120］，国家卫星气象中心建立了中国1km1989 2008年AVHＲＲ分辨率长时间序列数据，但在数据质量和业务应用方面还需开展大量的工作才满足气候研究和应用的需求［121］。
（4）尺度问题
多时空尺度对地观测技术在为人类提供海量的、不同时空尺度遥感观测数据的同时，尺度问题也愈发突出。尺度问题不仅是制约遥感科学技术发展的关键核心问题，也是地学界普遍存在的关键科学问题［122］。遥感干旱监测技术面临的尺度问题主要表现在：1）不同时间和空间分辨率卫星遥感数据间的尺度问题。不同卫星传感器提供不同时间、空间和光谱尺度的数据，综合应用这些数据进行干旱监测时均存在尺度问题；2）卫星遥感与地面观测数据间的尺度问题。主要包括应用遥感数据建模和遥感
21干旱气象33卷
模型真实性检验时均涉及到尺度问题；遥感监测干旱与传统气象、农业、水文等点监测间的尺度问题；3）地表的空间异质性增加了尺度问题的复杂性，如何解决复杂下垫面下卫星遥感的尺度问题。
（5）多源干旱监测数据融合问题
干旱过程既然是一个由大气—土壤—植被—水文—经济社会不断传递和发展的过程，就需要对整个干旱过程进行综合、动态地监测，这涉及到如何将气象、农业、水文、卫星遥感干旱监测这些不同时、空尺度信息进行客观、定量地融合的问题。多源干旱监测数据融合不仅需要数学理论、计算机技术的支持，还需加入对干旱过程有深刻理解、经验丰富的专家的智慧，才能发展出有应用价值的技术。
2．2面临的发展机遇
尽管卫星遥感干旱监测技术仍存在许多技术问题，但人类社会对干旱防灾减灾的需求和科学技术的进步也为遥感干旱监测技术的进步带来空前发展机遇。
（1）国际社会对干旱的关注程度日益提高
在气候变化和人类社会迅速发展的背景下，干旱对全球经济、社会和环境可持续发展造成的威胁日益增大，已经引起国际社会的高度关注。近年来国际社会召开一系列干旱会议、建立多个应对干旱的组织、制定了多个干旱监测计划，正在努力推动建立集成遥感监测的全球干旱监测预警信息系统，以便积极应对可能发生的干旱，减轻干旱对国家社会经济的影响。这些举措为全球遥感干旱技术的发展创造良机［3，123］。
（2）全球对地观测技术的发展
未来10a全球对地观测技术将以前所未有的速度发展［124］，计划至2030全球将有200余颗对地观测卫星发射。这些卫星中既有能获取全球环境变化关键参数，为解决全球环境变化重大科学问题提供空间数据支持的全球变化科学卫星，也有由气象、资源、海洋、环境卫星等组成，实现对地球系统全天候、立体、连续的观测业务卫星。这些卫星观测将为解决遥感干旱监测技术中的关键参数反演问题提供数据支持，同时也为干旱遥感监测业务提供稳定的、实时的数据源，为防御干旱提供有力的科技支撑。
如NASA启动了将主、被动传感器相结合的SMAP（Soil Moisture Active Passive，SMAP）计划。该项目拟利用L波段微波传感器对地表土壤水分和冻融状况进行有效监测，解决因土壤水分反演所需参数估算精度问题，在提高土壤水分反演精度的同时，提高土壤水分监测的空间分辨率。第一颗携带一台辐射计和一台L频段合成孔径雷达的SMAP土壤湿度主被动卫星已经于2015年1月31日成功发射。
针对现有卫星传感器分辨率低、缺乏地表遥感反演所需关键环境参数的协同探测能力等问题，中国科学院研发的我国全球水循环观测（Water Cycle Observation Mission，WCOM）卫星已进入样机试验阶段。WCOM计划通过对全球水循环系统开展多波段、多极化、主被动联合的高精度观测，实现对于水循环关键要素包括土壤水分、雪水当量、地表冻融、大气水汽和降雨等综合观测，在防洪抗旱、农业生产和水资源管理等领域提供重要科学依据，将解决我国遥感干旱技术中的许多关键技术问题。
我国新一代静止卫星FY－4号计划在2016年发射。FY－4传感器通道达到14个，覆盖了可见光、近红外、短波红外、中红外和热红外，空间分辨率为1km，时间分辨率为15min，将在干旱监测中发挥重要作用。
（3）计算机信息技术的进步
近30a对地观测技术的迅猛发展很大程度上得益于计算机信息技术的进步。随着数字地球、云存储和云计算等技术的快速发展，将有效推进多源、多变量和多尺度遥感干旱数据的汇聚、管理、运算和决策分析，并在面向干旱过程和对社会经济影响过程的模型构建与定量分析中发挥重要作用。
3我国卫星遥感干旱应用技术亟待加强的主要工作
我国开展卫星遥感干旱技术的研究和应用已经有近30a的历史，中国科学院、各高校、气象局、农业部、水利部以及国土资源等多部门均开展干旱或与干旱相关联的工作，拥有一支庞大的遥感研究和应用队伍。但是与美国等发达国家相比，我国在卫星遥感干旱技术的实用性、普适性、可比性等方面还存在许多问题，在干旱监测和早期预警中发挥的作用有限。亟待加强的主要工作有以下几点。
（1）建立干旱遥感长时间序列卫星遥感干旱气候数据库和干旱环境基础地理信息数据库
高质量的数据是开展干旱科学研究，进行干旱监测、预报预警和风险管理业务服务的前提条件。美国、欧洲等发达国家建立了完善的数据管理共享服务体系，极大地促进了干旱研究和应用服务的发展。美国干旱减灾的成就令世界瞩目，其中美国干旱减灾中心与美国农业部、美国商务部、美国大气和
31
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
海洋管理局（NOAA）、美国地质调查局共享的包括气象、水文、农业、卫星遥感、生态环境等多方面数据服务系统为干旱减灾工作提供了强有力的数据支撑。虽然中国科学院、中国气象局、农业部、水利部等多部门均开展卫星遥感干旱的研究和业务应用工作，各部门均根据各自的需求建立了卫星遥感干旱数据库，但在数据共享、数据质量和满足实时业务需求方面存在许多问题。我国亟待建立覆盖全国的、逐旬的多系列卫星长时间序列数据集，包括1km分辨率的AVHＲＲ、MODIS、FY VIＲＲ和FY MEＲSI地表反射率、地表温度、植被指数、积雪、云等干旱相关产品，以及25km分辨率的AMSＲ－E和MWＲI土壤湿度产品。产品经过各种校正和真实性验证，并能进行实时追加，以满足干旱研究和实时业务应用的需求。同时建立包括土地利用、植被类型、农作物类型、数字高程（DEM）、土壤类型、灌溉状况等空间地理信息数据以及人口分布、干旱灾情、社会经济状况等数据的干旱环境信息数据库，为精确监测干旱提供基础信息。
（2）制定卫星遥感干旱监测标准，规范干旱监测
我国各地遥感干旱监测研究和业务大都是通过建立卫星遥感干旱指数与地面观测数据（如土壤湿度）间统计模型进行，监测结果缺乏时空可比性，干旱等级的划分人为性也很大，缺少规范。这就会产生同一干旱过程不同单位监测结果不同；同一单位对不同的干旱过程监测因标准不同而无法进行比较等问题。因此，需要在对我国各地干旱特点进行深入研究的基础上，提出1 2个较适宜全国各地的遥感干旱指数，制定干旱监测标准。这不仅对规范干旱业务服务，而且对认识气候变化背景下我国干旱发生规律的科学研究均有重要意义。
同时，考虑到干旱发生的特征时空差异性，为满足区域干旱监测的需求，需要针对各地干旱特点，提出适合不同地区、不同时段的遥感干旱监测方案，制定标准，并解决局地监测与全国监测有效的统一问题。
4结语
干旱是地球上的一种自然现象，人类从诞生起就受到干旱的困扰，防御干旱灾害是人类社会永恒的主题。由于干旱灾害给人类社会造成巨大的损失和影响，近百年来国际社会和科学界均在不断寻求有效防御干旱的途径。由于干旱的成因异常复杂，人类已经认识到从根本上弄清干旱发生的物理机理，准确地预测干旱的发生在相当长的时间内是非常困难和不现实的，提高干旱监测和早期预警技术水平，进行科学有效的干旱风险管理才是有效地防御干旱的出路。
经过百余年的发展，以气象干旱监测为主的地面干旱监测技术相对比较成熟。卫星遥感为我们提供了时空间连续的对地观测数据，是对地面观测的有效补充。但卫星遥感干旱监测技术的发展仅有不到30a的历程，仍属于正在发展的新兴技术，尚未发展成熟。对于干旱这种气候现象，卫星遥感数据积累的年代偏短，还不能完全满足气候研究的需要。目前，我们一方面需要针对遥感干旱技术的关键科学技术问题开展基础性和应用基础性研究，发展具有理论性更高、定量化程度更好、普适性更好的监测模型；另一方面，应该针对国家、部门和社会防御干旱的需求，在现有基础上开发业务实用性好的干旱监测技术，为不同部门防御干旱提供有实用价值的监测产品。美国国家干旱减灾中心在干旱监测中的成功经验值得我们借鉴。
干旱的根源是降水减少，但仅用降水去评估干旱过程及其影响是远远不够的。干旱过程是一个由气象干旱向农业干旱等其他干旱不断传递和发展的过程，干旱是否能发展成干旱灾害不仅与气象状况有关，还与农作物生长阶段、灌溉状况等环境因素相关。因此，一个有效的干旱监测和早期预警技术必须考虑降水、土壤、植被、农业、水文、生态、经济和社会等多指标，并且这些指标要便于业务应用，其中卫星遥感和地理信息系统所起的作用非常重要。
致谢：感谢沙莎、胡蝶、王丽娟、王玮在文章成文过程中给予的帮助。
参考文献：
［1］WMO．Early Warning Systems for Drought Preparedness and Drought Management．Proceedings of an Expert Group Meeting．
Lisbon，Portugal．2000．1－8．
［2］张强，张良，崔显成，等．干旱监测与评价技术的发展及其科学挑战［J］．地球科学进展，2011，26（7）：763－778．
［3］Mannava V K Sivakumar，Ｒobert Stefanski，Mohamed Bazza．High Level Meeting on National Drought Policy：Summary and Major
Outcomes［J］．Weather and Climate Extremes，2014（3）：126－
132．
［4］王劲松，李耀辉，王润元，等．我国气象干旱研究进展评述［J］．干旱气象，2012，30（4）：497－508．
［5］Brian D Wardlow，Martha C Anderson，James P Verdin．Ｒemote Sensing of Drought：Innovative Monitoring Approaches［M］．CＲC
Press，Taylor＆Francis Group，2012．
［6］钱正安，吴统文，宋敏红．干旱灾害和我国西北干旱气候的研究
41干旱气象33卷
进展及问题［J］．地球科学进展，2001，16（1）：28－38．
［7］赵英时．遥感应用分析原理与方法［M］．北京：科学出版社，2003．
［8］Tucker C J，Justice C O，Prince S D．Monitoring the grasslands of the Sahel1984－1985［J］．International Journal ofＲemote Sens-
ing，1986，7：1571－1581．
［9］Tucker C J，Newcomb W W，Los S O，et al．Mean and inter－year variation of growing－season normalized difference vegetation index
for Sahel1981－1989［J］．International Journal ofＲemote Sens-
ing，1991，12：1133－1135．
［10］郭铌，李栋梁，蔡晓军，等．1995年中国西北东部特大干旱的气候诊断与卫星监测［J］．干旱区地理，1997，20（3）：69－74．［11］陈维英，肖乾广，盛永伟．距平指数在1992年特大干旱监测中的应用［J］．环境遥感，1994，9（2）：106－112．
［12］Anyamba A，Tucker C J．Analysis of Sahelian vegetation dynamics using NOAA－AVHＲＲNDVI data from1981－2003［J］．Journal
of Arid Environments，2005，63：596－614．
［13］严建武，陈报章，房世蜂，等．植被指数对旱灾的响应研究—以中国西南地区2009年一2010年特大干旱为例［J］．遥感学报，2012，16（4）：720－737．
［14］江东，付晶莹，庄大方．2008－2009年中国北方干旱遥感动态监测［J］．自然灾害学报，2012，21（3）：92－101．
［15］Kogan F，Sullivan．Development of global drought watch system u-sing NOAA/AVHＲＲdata［J］．Advances in spaceＲesearch，1993，13：219－222．
［16］冯强，田国良，王昂生，等．基于植被状态指数的土壤湿度遥感方法研究［J］．自然灾害学报，2004，13（3）：81－88．
［17］闫娜娜．基于多源数据的农田旱情遥感监测模型研究［D］．北京：中国科学院研究生院博士学位论文，2012．
［18］管晓丹，郭铌，黄建平．植被状态指数监测西北干旱的适用性分析［J］．高原气象，2008，27（5）：1046－1053．
［19］郭铌，管晓丹．植被状况指数的改进及其在西北干旱监测中应用［J］．地球科学进展，2007，22（11）：1160－1168．
［20］Liu H Q，Huete．A Feedback Based Modification of the NDVI to Minimize Canopy Background and Atmospheric Noise［J］．IEEE
Trans GeosciＲemote Sensing，1995，33：457－465．
［21］Wang Q，Adiku S，Tenhunen J，et al．On the relationship of NDVI with leaf area index in a deciduous forest site［J］．Ｒemote Sensing
of Environment，2005，94：244－255．
［22］Guo Ni，Wang Xiaoping．Comparison and Evaluation Between MO-DIS Vegetation Indices in Northwest China［A］．IGAＲSS’2007，IEEE，International Geoscience AndＲemote Sensing Symposium，2007．
［23］Baret F，Guyot G．Potentials and limits of vegetation indices for LAI and APAＲassessment［J］．Ｒemote Sensing of Environment，1991，35：161－173．
［24］Huete AＲ，Tucker C J．Investigation of soil influences in AHHＲＲred and near－infrared vegetation index imagery［J］．Interanational
Journal ofＲemote Sensing，1991，12：1223－1242．
［25］Abduwasit Ghulam，Qin Qiming，Zhan Zhiming．Designing of the perpendicular drought index［J］．Environmental Geology，2007，52
（6）：1045－1052．
［26］朱琳，刘健，张晔萍，等．FY－3A/MEＲSI数据在中国北方干旱
监测中的应用［J］．遥感学报，2010，14（5）：1004－1016．［27］Ghulam A，Qin Q，Teyip T，et al．Modified perpendicular drought index（MPDI）：a real－time drought monitoring method［J］．IS-
PＲS Journal of Photogrammetry andＲemote Sensing，2007，62
（2）：150－164．
［28］张学艺，李剑萍，秦其明，等．几种干旱监测模型在宁夏的对比应用［J］．农业工程学报，2009，25（8）：18－23．
［29］Gao B．NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space［J］．Ｒemote Sens En-
viron，1996，58：257－266．
［30］Gu Y，Brown J F，Verdin J P，et al．A five－year analysis of MO-DIS NDVI and NDWI forgrassland drought assessment over the cen-
tral Great Plains of theUnited States［J］．GeophysＲes Lett，2007，34：L06407，doi：10．1029/2006GL029127．
［31］张文江，陆其峰，高志强，等．基于水分距平指数的2006年四川盆地东部特大干旱遥感响应分析［J］．中国科学（D辑：地球科
学），2008，38（2）：251－260．
［32］Zhang Jinghua，Jiang Luguang，Feng Zhingming，et al．Detecting Effects of theＲecent Drought on Vegetation in Southwestern China
［J］．Journal ofＲesources and Ecology，2012，3（1）：43－49．［33］Wang Xiaoping，Zhao Chuanyan，Guo Ni，et al．Determining the Canopy Water Stress for Spring Wheat by Using Canopy Hyperspec-
tralＲeflectance Data in Loess Plateau Semi－AridＲegions［J］．
Spectroscopy Letters，2015，48（7）：492－498．
［34］Ｒossi S，Weissteiner C，Laguardia G，et．al．Potential of MEＲIS fAPAＲfor Drought Detection［A］．In Proceedings of the Second
MEＲIS/（A）ATSＲUser Workshop［C］．ESA SP－666，eds．H
Lacoste，Ouweh，Frascati．Italy：ESA Communication Production
Office，2008．
［35］Gobron N，Pinty B，Melin F，et al．The state of vegetation in Eu-rop following the2003drought［J］．International JournalＲemote
Sensing Letters，2005，26（9）：2013－2020．
［36］Watson K，Ｒowen L C，Offield T W．Application of thermal mod-eling in the geologic interpretation of IＲimages［J］．Ｒemote Sens
Environ，1971，3：2017－2041．
［37］John C Price．On the analysis of thermal infrared imagery：The lim-ited utility of apparent thermal inertia［J］．Ｒemote Sensing of En-
vironment，1985，18：59－73．
［38］马蔼乃．遥感信息模型［M］．北京：北京大学出版社，1997．［39］余涛，田国良．热惯量法在监测土壤表层水分变化中的研究［J］．遥感学报，1997，1（1）：24－31．
［40］张仁华，孙晓敏，朱治林，等．以微分热惯量为基础的地表蒸散发全遥感信息模型及其在甘肃沙坡头地区的验证［J］．中国科
学（D辑），2002，32（12）：1041－1050．
［41］刘振华，赵英时．遥感热惯量反演表层土壤水的方法研究［J］．中国科学（D辑：地球科学），2006，36（6）：552－558．
［42］张仁华．土壤含水量的热惯量模型及其应用［J］．科学通报，1991，36（12）：924－927．
［43］Kogan F N．Application of Vegetation Index and Brightness Tem-perature for Drought Detection［J］．Advances in SpaceＲesearch，1995，15：91－100．
［44］Kogan F．World Droughts in the New Millennium from AVHＲＲ－based Vegetation Health Indices［J］．Eos Trans of Amer Geophys
51
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
Union，2002，83（48）：557－564．
［45］Kogan F N．Global Drought Watch from Space［J］．Bull Amer Me-teor Soc，1997，78：621－636．
［46］KAＲNIE LI，BAYASGALAN M，BAYAＲJAＲGAL Y．Comments on the use of the Vegetation Health Index over Mongolia［J］．Interna-
tional Journal ofＲemote Sensing，2006，37：2017－2024．
［47］Carlson T N，GilliesＲＲ，Perry E M．A method to make use of thermal infrared temperature and NDVI measurements to infer soil
water content and fractional vegetation cover［J］．Ｒemote Sens
Ｒev，1994，52：45－59．
［48］梁芸，张峰，韩涛．利用EOS/MODIS植被供水指数监测庆阳地区的土壤湿度［J］．干旱气象，2007，25（1）；44－47．
［49］莫伟华，王振会，孙涵．基于植被供水指数的农田干旱遥感监测研究［J］．南京气象学院学报，2006，29（3）：396－401．
［50］杨秀海，卓嘎，罗布．基于MODIS数据的青藏高原旱情监测研究［J］．中国沙漠，2014，34（2）：527－534．
［51］孙丽，王飞，吴金．干旱遥感监测模型在中国冬小麦区的应用［J］．农业工程学报，2010（1）：243－249．
［52］Sandholt I，Ｒasmussen K，Andersen J．A simple interpretation of the surface temperature—vegetation index space for assessment of
surface moisture status［J］．Ｒemote Sensing of Environment，2002，79（2－3）：213－224．
［53］沙莎，郭铌，李耀辉，等．我国温度植被旱情指数TVDI的应用现状及问题简述［J］．干旱气象，2014，32（1）：128－134．［54］齐述华，王长耀，牛铮．利用温度植被旱情指数（TVDI）进行全国旱情监测研究［J］．遥感学报，2003，7：420－427．
［55］冉琼，张增祥，张国平，等．温度植被干旱指数反演全国土壤湿度的DEM订正［J］．中国水土保持科学，2005，32（2）：32－36．［56］王鹏新，WAN Zheng－ming，龚健雅．基于植被指数和土地表面温度的干旱监测模型［J］．地球科学进展，2003，18（4）：527－
533．
［57］孙威，王鹏新，韩丽娟．条件植被温度指数干旱监测方法的完善［J］．农业工程学报，2006，22（2）：22－26．
［58］于敏，高玉中，张洪玲．地表温度－植被指数特征空间干旱监测方法的改进［J］．农业工程学报，2010，26（9）：243－250．［59］杨曦，武建军，闫峰，等．基于地表温度－植被指数特征空间的区域土壤干湿状况［J］．生态学报，2009，29（3）：1205－1216．［60］Karnieli A，Agam N，PinkerＲT，et al．Use of NDVI and land surface temperature for drought assessment：Merits and limitations
［J］．Journal of climate，2010，23：618－633．
［61］JacksonＲD，IDSO S B，ＲeginatoＲJ．Canopy temperature as a crop water stress indicator［J］．WaterＲesourceＲesearch，1981，17：1133－1138．
［62］Anderson M，Kustas W．ThermalＲemote Sensing of Drought and Evapotranspiration［J］．Eos，2008，89（26）：233－240．
［63］王介民，刘绍民，孙敏章，等．ET的遥感监测与流域尺度水资源管理［J］．干旱气象，2005，23（2）：1－7．
［64］张书余．干旱气象学［M］．北京：气象出版社，2008．
［65］Bastiaanssen W G M，Menenti M，FeddesＲA，et al．A remote sensing surface energy balance algorithm for land（SEBAL）：1．
Formulation［J］．J of Hydrology，1998，212－213：198－212．［66］Su Z．The Surface energy balance system（SEBS）for estimation of turbulent fluxes［J］．Hydrology and Earth System Sciences，2002，
6（1）：85－99．
［67］Shuttleworth W J，Wallace J S．Evaporation from sparse crops－an energy combination theory［J］．Quart JＲoy Meteorol Soc，1985，111：839－855．
［68］Norman J M，Kustas W P，Humes K S．Source approach for esti-mating soil and vegetation energy fluxes in observations of direction-
al radiometric surface temperature［J］．Agric For Meteorol，1995，77：263－293．
［69］Anderson M C，Norman J M，Diak GＲ，et al．A two－source time－integrated model for estimating surface fluxes using thermal
infrared remote sensing［J］．Ｒemote Sens Environ，1997，60：195
－216．
［70］Anderson M C，Norman J M，Kustas W P，et al．Effects of vegeta-tion clumping on two－source model estimates of surface energy flu-
xes from an agricultural landscape during SMACEX［J］．J Hydor-
meteorol，2005，6：892－909．
［71］Anderson M C，Norman J M，Kustas W P，et al．Upscaling tower and aircraft fluxes from local to continental scales using thermal re-
mote sensing［J］．Agron J，2007，99：240－254．
［72］Anderson M C，Norman J M，Mecikalski JＲ，et al．A climatologi-cal study of evapotranspiration and moisture stress across the conti-
nental U．S．based in thermal remote sensing：ⅡSurface moisture
climatology［J］．J GeophysＲes，2007，doi：10．1029/
2006JD007507．
［73］李召良，Stoll M P，张仁华，等．利用ATSＲ数据分解土壤和植被温度的研究［J］．中国科学（E辑），2000，30（增刊）：27－38．［74］刘雅妮，武建军，夏虹，等．地表蒸散遥感反演双层模型的研究方法综述［J］．干旱区地理，2005，28（1）：65－71．
［75］陈云浩，李小兵，史培军．非均匀陆面条件下区域蒸散量计算的遥感模型［J］．气象学报，2002，60（4）：509－512．
［76］宋小宁，赵英时．改进的区域缺水遥感监测方法［J］．中国科学（D辑），2006，36（2）：188－194．
［77］刘振华，赵英时，李笑宇，等．基于蒸散发模型的定量遥感缺水指数［J］．农业工程学报，2012，28（2）：114－120．
［78］李新，刘绍民，马明国，等．黑河流域生态—水文过程综合遥感观测联合试验总体设计［J］．地球科学进展，2012，27（5）：481
－498．
［79］刘绍民，李小文，施生锦，等．大尺度地表水热通量的观测、分析与应用［J］．地球科学进展，2010，25（11）：1113－1127．
［80］施建成，杜阳，杜今阳，等，微波遥感地表参数反演进展［J］．中国科学（D辑：地球科学），2012，42（6）：814－842．
［81］Theon J S．The TropicalＲainfall Measuring Mission（TＲMM）［J］．Ｒemote Sensing of Earths Surface and Atmosphere，1993，14
（3）：159－165．
［82］Almazroui M．Calibration of TＲMM rainfall climatology over Saudi Arabia during1998－2009［J］．AtmosphericＲesearch，2011，99
（3－4）：400－414．
［83］Ｒhee J，Im J，Carbone G J．Monitoring agricultural drought for arid and humid regions using multi－sensor remote sensing data［J］．
Ｒemote Sensing of Environment，2010，114：2875－2887．
［84］Huffman G J，AdlerＲF，Bolvin D T，et al．The TＲMM Multi sat-ellite Precipitation Analysis（TMPA）：Quasi－global，multiyear，combined－sensor precipitation estimates at fine scales［J］．Jour-
61干旱气象33卷
nal of Hydrometeorology，2007，8（1）：38－55．
［85］Islam M N，Uyeda H．Use of TＲMM in determining the climatic characteristics of rainfall over Bangladesh［J］．Ｒemote Sensing of Environment，2007，108（3）：264－276．
［86］Koo M S，Hong S Y，Kim J．An evaluation of the tropical rainfall measuring mission（TＲMM）multi－satellite precipitation analysis （TMPA）data over South Korea Asia－Pacific［J］．Journal of At-mospheric Sciences，2009，45（3）：265－282．
［87］毛江玉，吴国雄．基于TＲMM卫星资料揭示的亚洲季风区夏季降水日变化［J］．中国科学（D辑：地球科学），2012，42（4）：564
－576．
［88］Naumann，Barbosa，Carrao，et al．Monitoring Drought Condi-tions and Their Uncertainties in Africa Using TＲMM Data［J］．
Journal of Applied Meteorology and Climatology，2012，51：1867－
1874．
［89］李景刚，阮宏勋，李纪人，等．TＲMM降水数据在气象干旱监测中的应用研究［J］．水文，2010，30（4）：43－46．
［90］李景刚，李纪人，黄诗峰，等．基于TＲMM数据和区域综合Z指数的洞庭湖流域近10年旱涝特征分析［J］．资源科学，2010，32（6）：1103－1110．
［91］杜灵通，田庆久，黄彦，等．基于TＲMM数据的山东省干旱监测及其可靠性检验［J］．农业工程学报，2012，28（2）：121－126．［92］陈洁．AMSＲ－E土壤湿度产品在我国西北地区的精度验证［D］．北京：中国气象科学研究院，2010．
［93］史小康，文军，王磊，等．AMSＲ－E卫星亮度温度数据在高原东北部土壤湿度观测和模拟中的应用［J］．高原气象，2010，29（3）：545－553．
［94］彭丽春，李万彪，刘辉志．FY－3A/MWＲI数据反演半干旱地区土壤湿度的研究［J］．北京大学学报（自然科学版），2011，47（5）：797－805．
［95］扈培信．FY－3B微波成像仪数据质量评价与参数反演［D］．青岛：中国海洋大学，2011．
［96］武胜利，杨虎，孙瑞静，等．风云三号卫星微波成像仪简介及应用状况分析［A］．第三届微波遥感技术研讨会论文集［C］．
2012．
［97］Pathe C，Wagner W，Sabel D，et al．Using ENVISAT ASAＲGlobal Mode Data for Surface Soil MoistureＲetrieval Over Oklaho-ma，USA［J］．Geoscience andＲemote Sensing，IEEE Transac-tions，2009，47（2）：468－480．
［98］Holah N，Baghdadi N，Zribi M，et al．Potential of ASAＲ/ENVI-SAT for the characterization of soil surface parameters over bare ag-ricultural fields［J］．Ｒemote Sensing of Environment，2005，96：78
－86．
［99］Zribi M，Chahbi A，Shabou M，et al．Soil surface moisture estima-tion over a semi－arid region using ENVISAT ASAＲradar data for soil evaporation evaluation［J］．Hydrology and Earth System Sci-ences，2011，15（1）：345－358．
［100］田辉，文军，史小康，等．主动微波遥感黄河上游玛曲地区夏季土壤水分［J］．水科学进展，2011，22（1）：59－67．
［101］王树果，李新，韩旭军，等．利用多时相ASAＲ数据反演黑河流域中游地表土壤水分［J］．遥感技术与应用，2009，24（5）：582
－590．
［102］胡蝶，郭铌，沙莎，等．基于Ｒadarsat－2SAＲ数据反演定西裸
露地表土壤水分［J］．干旱气象，2014，32（4）：553－561．［103］Hutchinson J M S．Estimating Near－Surface Soil Moisture Using Active Microwave Satellite Imagery and Optical Sensor Inputs［J］．
American Society of Agricultural Engineers，2003，46（2）：225－
236．
［104］Mattar C，Wigneron J P，Sobrino J A，et al．A combined Optical －Microwave method to retrieve soil moisture over vegetated areas
［J］．IEEE Transactions on Geoscience andＲemote Sensing，
2012，50（5）：1404－1413．
［105］余凡，赵英时．ASAＲ和TM数据协同反演植被覆盖地表土壤水分的新方法［J］．中国科学（D辑：地球科学），2011，41
（4）：532－540．
［106］鲍艳松，刘良云，王纪华．综合利用光学、微波遥感数据反演土壤湿度研究［J］．北京师范大学学报（自然科学版），2007，43
（3）：228－233．
［107］张友静，王军战，鲍艳松．多源遥感数据反演土壤水分方法［J］．水科学进展，2010，21（3）：222－228．
［108］Jesslyn F Brown，Brian D Wardlow，Tsegaye Tadesse．The Vegeta-tion DroughtＲesponse Index（VegDＲI）：A New Integrated Ap-
proach for Monitoring Drought Stress in Vegetation［J］．GIScience
andＲemote Sensing，2008，45：16－46．
［109］Zhang A，Jia G．Monitoring meteorological drought in semiarid re-gions using multi－sensor microwave remote sensing data［J］．
Ｒemote Sensing of Environment，2013，134：12－23．
［110］杜灵通．基于多源空间信息的干旱监测模型构建［D］．南京：南京大学博士论文，2013．
［111］周磊．集成多源数据的干旱综合监测模型研究［D］．北京：北京师范大学博士论文，2011．
［112］许厚泽，陆洋，钟敏，等．卫星重力测量及其在地球物理环境变化监测中的应用［J］．中国科学（D辑：地球科学），2012，42（6
）：843－853．
［113］Morrow E，Mitrovica J X，Fotopoulos G．Water storage，net pre-cipitation，and evapotranspiration in the MackenzieＲiver Basin
from October2002to September2009inferred from GＲACE satel-
lite gravity data［J］．J Hydrometeorol，2011，12：467－473．［114］Ｒieser D，Kuhn M，PailＲ，et al．Ｒelation between GＲACE－derived surface mass variations and precipitation over Australia
［J］．Aust J Earth Sci，2010，57：887－900．
［115］Chen J L，Wilson CＲ，Tapley B D，et al．2005Drought Event in the AmazonＲiver Basin as Measured by GＲACE and Estimated
by Climate Models［J］．Journal of GeophysicalＲesearch，2009，
114：B5404．DOI：10．1029/2008JB006056．
［116］曹艳萍，南卓铜，胡兴林．利用GＲACE重力卫星数据反演黑河流域地下水变化［J］．冰川冻土，2012，34（3）：680－689．［117］许民，叶柏生，赵求东．基于GＲACE重力卫星数据的黄河源区实际蒸发量估算［J］．冰川冻土，2013，35（1）：138－147．［118］张强，韩兰英，张立阳，等．论气候变暖背景下干旱和干旱灾害风险特征与管理策略［J］．地球科学进展，2014，29（1）：80－
91．
［119］李小文．定量遥感的发展与创新［J］．河南大学学报，2005，35（4）：49－56．
［120］吴炳方，刘成林，张磊，等，中国陆地1km AVHＲＲ数据集［J］．遥感学报，2004，8（6）：529－550．
71
第1期郭铌等：遥感干旱应用技术进展及面临的技术问题与发展机遇
［121］沙莎，郭铌，李耀辉，等．三套NDVI长时间序列植被指数的对比———以玛曲为例［J］．干旱气象，2013，31（4）：657－665．［122］李小文，王祎婷．定量遥感尺度效应刍议［J］．地理学报，2013，68（9）：1163－1169．［123］范锦龙，张明伟，曹广真，等．全球干旱卫星监测计划［J］．气象科技进展，2014，4（5）：54－57．
［124］郭华东，傅文学，李新武，等．全球变化科学卫星概念研究［J］．中国科学（地球科学），2014，44（1）：49－60．
Advances and Developing Opportunities inＲemote Sensing of Drought
GUO Ni，WANG Xiaoping
（Institute of Arid Meteorology，CMA；Key Laboratory of Arid Climatic Change
andＲeducing Disaster of Gansu Province；Key Open Laboratory of Arid
Climate Change and DisasterＲeduction of CMA，Lanzhou730020，China）
Abstract：Drought is a natural climate phenomenon occurring throughout the world，which is one of the most severe natural hazards that affects the society and brings the economic losses．In recent years，the global climate change and society development increased the de-gree of drought influence and risk，which brought a great threat to global agriculture，water resourse，ecological environment security and the sustainable development of the society．Thus，to improve the drought monitoring and early warning technology level is the foun-dation to deal with drought and alleviate the drought vulnerability．Satellite remote sensing technology has made great progress in drought monitoring and plays an irreplaceable role in global drought monitoring and early warning with the development of the earth ob-servation technology in recent thirty years．However，it is not enough to provide support for drought disaster prevention and mitigation，for the drought is a complex problem needed interdisciplinary study，and its spatial and temporal characteristics differences are greatly．In this paper，we reviewed and summarized the drought monitoring technology of satellite remote sensing，evaluated and discussed the various problems existing in remote sensing drought indices and models，indicated the main technical problems of satellite remote sens-ing drought monitoring and the future development opportunities，and put forward the main problems to be solved and the direction should effort in view of the current situation of China’s satellite remote sensing drought application．
Key words：drought；satellite，remote sensing；drought index；advances
81干旱气象33卷
浅谈遥感技术及其应用与发展 关键字：遥感技术 遥感，既遥远的感知，指的是通过传感装置，并不直接与被检测的对象进行直接的接触，而获得检测对象的相关信息（如电磁波，电场，磁场等），并分析这些信息，对此进行加工和表达，遥感技术是新型的尖端技术。广义的遥感是指用间接的手段来获取目标状态信息的方法。但一般多指从人造卫星或飞机对地面观测，通过电磁波的传播与接收，感知目标的某些特性并加以进行分析的技术。 遥感科学与技术是在测绘科学、空间科学、电子科学、地球科学、计算机科学以及其他学科交叉渗透、相互融合的基础上发展起来的一门新兴学科。 1. 5S技术的联合应用 遥感本身就是多学科的综合，多种技术的联合应用将大大拓宽遥感技术的应用范围，占领更广阔的市场。具有代表性的是智能引导系统。系统本身是在国际先进的超图数据结构 (HBDS)理论基础上，实现遥感(RS)、全球定位系统(GPS)、地理信息系统(GIS)、智能系 统(IS)和多媒体系统(MMS)即五“S”的联合。在电子地图的支持下可对光盘CD- ROM 进行检索，采用分层技术，为用户提供自定义、多层次目标库，用户可自己定义起点、终点、绕行点、必经点。智能模块为用户提供最佳路径及最短距离。 2.高光谱分辨率传感器是未来空间遥感发展的核心内容 高光谱分辨率传感器是指既能对目标成像又可以测量目标物波谱特性的光学传感器，其特点是光谱分辨率高、波段连续性强。其传感器在0.4μｍ-2.5μｍ范围内可细分成几十个，甚至几百个波段，光谱分辨率将达到5ｎｍ-10ｎｍ。但目前其发展仍停留在航空实验和应用阶段，预计下个世纪将会在轨道高度崭露头角，如澳大利亚的资源信息与环境卫星(ARIES-1)。美国一些公司或组织及空军、海军等部门也都在研制和发射自己的成像光谱卫星。美国Geosat Committee 目前正在对高光谱传感器Probe-1 进行矿产、油气、环境及农业等4 大领域的应用试验。人们希望通过高光谱遥感数据对矿物、岩石的类型，农作物、森林的种类，环境中各种污染物质的成份进行遥感定量分析。高光谱和超高光谱传感器的研制和应用将是未来遥感技术发展的重要方向。高空间分辨率已达米级，高光谱分辨率已达纳米级，波段数已达数十甚至数百个。 3.微波遥感技术 微波遥感技术(如合成孔径雷达等)是当前国际遥感技术发展重点之一，其全天候性、穿透性和纹理特性是其它遥感方法不具备的。利用这一特性对解决我国海况监测，恶劣气象条件下的灾害监测，冰雪覆盖区、云雾覆盖区、松散层掩盖区及国土资源勘查等将有重大作用。微波遥感的发展进一步体现为多极化技术、多波段技术和多工作模式。 4 小卫星群计划 为协调时间分辨率和空间分辨率这对矛盾，小卫星群计划将成为现代遥感的另一发展趋势。例如，可用6 颗小卫星在2～3 天内完成一次对地重复观测，可获得高于1 m 的高分辨率成像光谱仪数据。除此之外，机载和车载遥感平台，以及超低空无人机载平台等多平台的
遥感技术在农业中的应用 遥感技术在农业中的应用可归结为三个方面：作物监测、资源监测和灾害监测。 1、作物监测包括农作物面积、长势情况、产量估算、土壤墒情、病虫害等作物信息监测。 （1）作物种植面积监测：不同作物在遥感影像上呈现不同的颜色、纹理、形状等特征信息，利用信息提取的方法，可以将作物种植区域提取出来，从而得到作物种植面积和种植区域。 （2）作物长势监测：指对作物的苗情、生长状况及其变化趋势的监测。当遥感影像图片上呈鲜红色时说明麦苗浓绿、健壮、高，当图片上呈绿色发暗时说明麦苗发黄、较稀、矮。不同麦苗情况在遥感图像上能够表现出不同的特征。 （3）作物产量估算：遥感估产是基于作物特有的波谱反射特征，利用遥感手段对作物产量进行监测预报的一种技术。当然作物产量估算在我国也有其不尽人意的地方，由于我国幅员辽阔，地形复杂，耕作制度多样，作物混种严重，农作物种植不成规模，这对于遥感估产十分不利。“同谱异物”、“同物异谱”现象比较严重，而直接提取植被指数进行监测，监测精度并不高，结果也不令人满意。 （4）土壤墒情监测：土壤墒情也就是土壤含水量，土壤在不同含水量下的光谱特征不同。土壤水分的遥感监测主要从可见光-近红外、热红外及微波波段进行，也可以进行土壤肥力监测、土壤结构信息的提取等。 （5）作物病虫害监测与预报：植被对病虫害、肥料缺乏等的反应随类型和程度的不同而变化，植物特征吸收曲线特别是红色区和红外区的光谱特性就会发生相应变化，所以在病害早期就可通过遥感探测到。 2、资源监测：遥感技术可快速获取宏观信息，对耕地、草地、水等农业自然资源的数量、质量和空间分布进行监测与评价，从而为农业资源开发、利用与保护、农业规划、农业生态环境保护、农业可持续发展等提供科学依据。 3、灾害监测：遥感是灾害应急监测和评估工作一种重要的技术手段，可以对旱灾、洪涝等重大农业自然灾害进行动态监测和灾情评估，监测其发生情况、影响范围、受灾面积、受灾程度，进行灾害预警和灾后补救，减轻自然灾害给农业生产所造成的损失。 遥感技术在农业发展中的问题：首先．卫星遥感技术应用在农业上的应用存在信息源及其精度不能满足农业的要求。其次，遥感技术研究投资大、应用费用更大，农业部门和基层单位难以承受。再者，农业遥感技术的基础研究、
我国遥感发展概况 目前，大量的遥感应用需求，对遥感技术提出了很高的要求，一是对遥感信息的精度要求越来越高，二是对遥感获取的数据量处理越来越大——海量遥感数据。因此，遥感科学发展和应用需求都需要遥感从定性过渡到定量。在这个体系中，主要包括：初具规模的国家对地观测系统；具有较高运行水平的国家级资源环境遥感信息服务；具有一定服务能力的重大自然灾害遥感监测评估系统；具有良好实效的农作物遥感估产系统；已见效益的全国土地资源遥感监测业务运行系统；初步的国民经济辅助决策系统；稳定运行的卫星气象应用系统；比较完善的海洋遥感立体监测系统；以及其它应用系统等。虽然说我们已经是遥感应用的大国，但应用主要是范围外延，项目扩大，技术方法不成熟，精度不足，遥感技术突破不多。主要原因是基础研究薄弱，缺乏多学科人才的共同研究。从应用、技术研究两个层面和技术与应用之间的联结来分析，我们可以进一步研究当前存在的问题。 应用层面：（1）已建立不同规模的卫星数据接收和处理系统，业务运行系统基本上都是基于RS和GIS的集成应用系统，但应用模型开发还很不够。缺少面向评估和决策的专业应用模型。（2）缺乏强有力的基础理论和运行性工具的支撑，不能很好地满足应用需求。（3）在网络应用环境下各种软件、工具和数据库不能很好地集成。（4）自主的高精度数据资源缺乏，需要更高分辨率数据的应用技术，但必须考虑业务化运行系统的运行成本的可承受性。（5）遥感业务运行系统建设的规范化和标准化还不够。在不同部门和不同应用领域中数据缺少连续性和一致性。新的数据源和技术难以嵌入应用于原有应用系统。（6）数据资源是共同面临的大问题，包括遥感数据的稳定性和连续性问题及对基础地理、地质等数据存在公共需求问题。必须在管理层面上走数据邦联的道路，相互自愿，形成机制，共同受益。（7）针对不同的业务，应由权威部门牵头，多家参与。当前存在重复投入和重复建设问题，加重了投资的浪费，加剧了数据来源间的不一致性。 技术研究层面：（1）不同的遥感业务、不同的数据源都需采用不同的技术路线。（2）目视解译仍是遥感图像解译的主要手段，必须发展专家系统技术（3）基于多时相、多源遥感数据的变化检测、估计与分类是遥感应用处理中的共性关
遥感技术在城市规划中的应用 ——遥感读书报告 摘要：伴随着现代遥感技术的不断发展和完善,遥感数据具有的信息丰富、准确、现势性强等突出特点,使之成为城市规划中一种重要的潜在的数据源。本文总结了遥感在城市规划中的必要性和意义，介绍了遥感的特点和在分析城市规划布局信息中的应用，并总结了一些应用实例。 关键词：遥感；城市规划；空间布局； 0遥感在城市规划中的必要性和意义 城市是一个多维动态空间结构实体，面临着人口、资源、环境、发展的压力，城市可持续发展是国家、区域实现可持续发展的基础。现代化城市发展是以信息技术、智能技术、自动化技术等为基础的规划与管理，信息化是城市规划与管理发展的必然。遥感影像表达的信息内容十分丰富，包括了人们肉眼可分辨的显性信息和难以分辨的隐性信息以及线划图不能表达或被加工去掉的信息，它不但具有同线划图等量的数学精度，而且可用于专业判读、影像解译、资源调查等。这些综合信息经计算机图像增强处理，加上专业人员的释图，得到各种专题图件，如植被分布图、土地利用现状图等，为城市规划设计提供依据。 １遥感数据的特征 (1)空间准确性。遥感都是地面物体的真实反映，空间准确。 (2)时效性。对于采集到的海量的城市规划数据需要高效、迅速和准确的处理,以便尽快提供给规划师和决策者。 (3)多源性。应尽量拓展城市规划数据和信息来源。 (4)直观性。城市规划数据应具有较高的可视化程度,有利于规划管理。绘制及更新土地利用地图及专题地图。利用高分辨率的遥感数据可以对许多城市地物在水平方向上进行准确地判读和空间定位,通过影像处理技术提取丰富而准确的土地利用信息,并绘制土地利用图和各种专题地图。这些地图都是进行城市规划管理和研究的重要依据性资料或基础底图。 (5)视野广。一幅卫星影像涵盖了广阔的地表范围,如一幅SPOT卫星影像扫描地表的范围是3600km2(60*60km),这样对获取大范围的地表信息和数据极为有利。 (6)数字化。卫星遥感数据是数字化信息,可以直接供计算机进行数据的处理、分析和存储,如能够方便快捷地进行面积的量算和统计。 (7)多种比例。卫星影像可以制成不同比例(从1:1,000,000到1:50,000)的各种专题地图。 2遥感应用于城市空间布局信息分析 2.1城市建成区范围及城镇体系分析 由于城市建成区范围反映城市的宏观特性,因此,它的分析并不需要很高空间分辨率的遥感图像,相反,空间分辨率过高,在轮廓界线的提取时就需要 较多的制图综合。一般来说,TM或SPOT图像用来分析城市建成区范围比较合适,一方面,它能比较精确地反映建成区的范围,另一方面,由于成像过程中存在的制图综合,能较容易地提取出轮廓界线。如果要分析一个城市与周围城市或城镇的关系,同样,选择TM或SPOT图像比较合适,如在上海地区的TM图像上,所有乡(镇)政府所在地的城镇都能明显地反映出它们的大小和形状。 2.2城市内部用地结构分析
遥感技术的应用以及发展趋势
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分
布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的
遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文 一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广
泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染
遥感技术及其应用 第四从人地关系看资与环境 单元活动遥感技术及其应用 一、教材分析 《遥感技术及其应用》是鲁教版必修一第四单元单元活动的教学内容，主要教学内容包括：遥感的概念、遥感的基本原理、遥感影像的初步判读等内容。 二、教学目标 知识要求：了解遥感技术的特点，工作原理流程及其应用领域。 技能要求：能够运用遥感影像中的直接和间接解译标志对遥感影像进行简单的解译。 情感要求：关注现代化的科学技术在地理科学中的应用，思考和理解地理信息技术的应用对协调人地关系的重要影响，培养学生的热爱地理的兴趣。 三、教学重点难点 重点：遥感工作原理 难点：遥感影像的判读 四、学情分析 本节内容是高一学生所学内容，尚未分科的平行班内不少是学理的好手，所以并不担心学生物理知识的不足。对于
气氛不太活跃的班级一定要让学生活动起，投入到角色中去，才能很好的理解遥感的原理。 五、教学方法 1．问题探究教学法：设置若干问题让学生分组讨论，并合作得出答案。 2．学案导学：见后面的学案。 3．新授课教学基本环节：预习检查→情境导入→合作探究→总结检测→布置预习 六、课前准备 1．学生的学习准备：预习“遥感技术及其应用”，初步掌握遥感的基本概念、基本原理及其应用领域和应用前景。 2．教师的教学准备：多媒体课件制作，课前预习学案，课内探究学案，课后延伸拓展学案，并把学生科学分成若干小组。 七、课时安排：1课时 八、教学过程 （一）预习检查、总结疑惑 检查学生预习的落实情况，并了解和归纳学生的疑惑，使课堂教学更有效率和更具有针对性。 （二）情景导入、展示目标 前面几节课我们学习了人地关系的一些相关知识，知道了人类的生存与发展离不开资与环境。随着科技的发展和时
遥感技术与应用考试资料
第一、二章 1.遥感： 广义:遥远的感知。 狭义:不直接接触物体本身，从远处通过各种传感器探测和接收来自目标物体的信息，经过信息的传输及其处理分析，来识别物体的属性及其分布等特征的综合技术。 2.主动遥感：由探测器主动发射一定电磁波能量并接受目标的后向散射信号； 被动遥感：传感器步向目标发射电磁波，仅被动接受目标物的自身发射和对自然辐射源的反射能量。 3.电磁波：由振源发出的电磁振荡在空气中传播。 4.电磁波谱：将各种电磁波在真空中的波长按其长短，依次排列制成的图表。 5.辐射通量密度：单位时间内通过单位面积的辐射能量。 6.黑体：在任何温度下，对各种波长的电磁辐射
的吸收系数等于1（100%）的物体。 7.灰体：没有显著的选择吸收，吸收率虽然小于1，但基本不随波长变化的物体。 8.维恩位移定律：黑体辐射光谱中最强辐射的波长与黑体绝对温度成反比。 9.瑞利散射：当大气中粒子的直径比波长小得多时发生的散射。 10.米氏散射：当大气中粒子的直径与辐射的波长相当时发生的散射。 11.辐射度：被辐射的物体表面单位面积的辐射通量。 12.大气窗口：电磁通过大气层时较少被反射、吸收或散射的，透过率较高的波段。 13.发射率（比辐射率）：实际物体的辐射出射度Mi于同一温度、统一波长绝对黑体辐射出射度的关系（比例）M=εM0 14、光谱反射率：物体反射的辐射能量占总入射能量的百分比； 15、光谱反射波普曲线：在平面坐标上表示地物
反射率随波长变化规律的曲线。 遥感的特点 视域范围大，具有宏观特性。 光谱特性：探测的波段从可见光向两侧延伸,,扩大了地物特性的研究范围。 周期性：周期成像，有利于进行动态研究和环境监测。 多源性：多平台、多时相、多波段((多尺度))遥感的特性航空与航天飞行器运行快、周期短，可获得多时相数据。例如Landsat 遥感数据 太阳辐射经过大气层到达地面，一部分与地面发生作用后反射或地表辐射，再次经过大气层，到达传感器。传感器将这部分能量记录下来，传回地面，即为遥感数据。 遥感系统是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系， 眼睛的延伸：空间位置的延伸（距离的延伸），光谱的延伸 MSS：多光谱扫描仪 TM：专题制图仪 ETM+：再增强型专题制图仪 太阳同步轨道：卫星轨道平面绕地球运动的角速度与地球绕太阳运动的角速度一致。这一特征使卫星在地球的向光面，以基本相同的当地时间 （9:30a.m~10:00am)通过赤道上空。 全球参考系统（WRSWRS）:LandsatLandsat系统轨道运行的特性产生了一种基于轨道编号和行号的坐标系统。该参考系统可以用于定位获取地球上任一地点的
《遥感技术及应用》教学大纲 课程代号：0707222080 课程名称：遥感技术及应用 课程英文名称：Remote Sensing Technology and Application 课内学时：48学时 学分：2.5学分 编写人：杨德明 一、课程目的与要求： 遥感技术及应用是为资源环境与城乡规划管理专业设立的专业基础课。本课程教学目的是通过课程的讲授和实验，使学习者掌握遥感科学技术的基本理论；掌握遥感信息的来源和遥感图像的成像原理；掌握遥感技术及应用的基本知识内容；基本掌握遥感在资源与环境等方面应用的技术方法；了解遥感技术的发展与应用领域。 二、课程简介： 遥感技术及应用是一门具有广泛实用性的专业基础课。该课程在遥感技术理论阐述基础之上，讲述该技术在地质、土地、海洋、农林、城市等资源环境调查、监测等方面的应用。遥感技术是当前被全世界广受重视的高新技术，在地球表层系统研究中又具广阔的应用领域。该课程在我校是地质、资源环境、自然地理、土地资源管理、地理信息系统、环境工程的专业的必修课，受到学生的普遍欢迎，也有望成为全校一年级的公共选修课。 课程英文简介： Remote Sensing Technology and Application is a wide-ranging pragmatic specialized basic course. Based on expounding the theory of remote sensing technology, the course tells about it’s applications of resources investigation and monitor in geology, land, ocean, agriculture, urban and so on. Nowadays, as being an advanced high technology, remote sensing technology is paid great attention by all over the world. It has a broad application field in the research of the earth’s surface system. In our school, this course has being widely taught for the specialties such as geology, resources and environment, natural geology, land resource management, GIS and environment engineering. Since it is began lecturing, students extend warm welcome, what’s more, it may be taken as a public elective course for the freshmen. 三、课程内容与学时分配： （一）课程安排（40学时） 第一章绪论2学时 一、遥感与遥感技术 （一）遥感的基本概念 讲解有关遥感的基本概念：遥感的涵义、遥感的信息源、主动遥感、被动遥感、广义遥感、狭义遥感、成像方式遥感和非成像方式遥感。 （二）遥感技术系统和特点 1.遥感技术系统涵义 2.遥感技术系统组成 （1）遥感信息收集系统（遥感仪器和运载平台） （2）遥感信息传输和与处理系统（地面接受站的工作和设备） （3）遥感图像处理解译分析系统（处理设备和专业解译人员）
技术应用论文遥感 遥感技术是指从地面上空的飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远感知事物的意思。 很多人以为遥感离自己的生活很遥远，其实这些技术早就已经深入大家的生活。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星（LandSat）,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、
气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 遥感技术的应用 1、地质遥感遥感技术应用于大面积的地质灾难调查，可达到及时、具体、准确且经济的目的。在2008年“5.12”汶川大地震的后续救援工作中，遥感技术就发挥了突出作用，第一时间提供了地质地貌变化情况，
为政府作出正确决策提供了依据。在舟曲泥石流灾害中，中国科学院对地观测与数字地球科学中心科研人员就使用遥感技术，重点提取了6条沟谷与泥石流发生有关的信息，得到集水面积、流域平均坡度、流域落差和植被覆盖度等参数。经过分析，科研人员判断出，当地哪些地方仍存在泥石流隐患，哪些地段发生大型泥石流的可能性较小，让前方人员可以更有针对性地安排救灾工作。 2、林业遥感 在林业方面，利用遥感技术可以清查森林资源，监测森林火灾和病虫害。火灾是林业的大敌，利用航空红
外遥感技术，不仅能发现已燃烧起来的烈火，而且可以探测到面积小于0.1-0.3㎡小火情，还能及时预报由于自燃尚未起火的隐伏火情。利用卫星遥感，一次就可探测到上千平方千米范围内发生的林火现象。卫星遥感防火监测服务在吉林省森林和草原防火工作中发挥了重要作用，对于人烟稀少的原始林区，能及时监测到瞭望岗哨难以发现的火点，为林火的扑救赢得时间。 3、测绘遥感 人造卫星每隔18天就可送回一套全球的图像资料。利用遥感技术，可以高速度、高质量地测绘地图。
3.2遥感技术及其应用教学设计 一、课标要求：结合实例，了解遥感（RS）在资源普查、环境和灾害监测中的应用。 二、三维目标 （一）知识与技能 1、能够用自己的语言表述遥感的概念 2、能简要说明遥感技术的发展过程。 3、能说出遥感的几种常见分类。 4、能举例说明遥感在资源普查、环境灾害监测中的作用。 （二）方法与过程 1、通过阅读教材中提供的资料并上网搜索遥感信息，归纳遥感的几个发展阶段。 2、通过读图或上网搜索相关资料比较航天遥感、航空遥感、近地遥感使用飞运载工具、主要优缺点及适用范围等方面的差异。 3、通过上网搜索有关遥感技术应用的信息，归纳遥感技术的主要途径。 （三）情感态度与价值观 1、通过遥感技术的迅猛发展的介绍，使学生感悟新兴地理信息技术的生命力，从而初步养成热爱科学、努力学习新兴科学的好习惯。 2、通过迅速发展的中国遥感技术的学习，增强学生的民族自信心和爱国情感。 3、通过遥感技术在农业、军事、环境监测、资源调查等方面的重要作用的学习，产生对遥感技术的好奇感，从而激发学生的探究和创新动力。 三、重点：根据运载工具不同的遥感分类种类。 四、学习方法： 1、多媒体课件演示。 2、读图分析讨论。 3、教师点拨、启发、引导。 4、理论联系实际。 五、课时：1课时
导入：南极考查必须穿越西风带区，这是多年来南极考察的难题。在我国开展的第14次南极考察中，1997年12月10日“雪龙号”科学考察船进入强风带时，与外界中断了联系，“船载气象卫星接收系统”接收到了一张非常清晰的卫星云图，图像上清晰的显示了三个气旋的位置及运动方向。这就是本节我们学习的遥感技术及其应用。 基础层次问题 1、什么是遥感技术？ 2、遥感技术经历了怎样的发展过程？ 3、遥感技术有哪些特点？ 4、遥感技术系统由那些组成？ 5、遥感从不同的角度可以分为不同的类型，如何分？ 6、航天遥感、航空遥感、近地遥感对比优缺点。 7、遥感在资源普查中的应用有哪些？ 8、遥感在环境灾害监测中如何应用？ 9、遥感卫星的科学实验功能有哪些？ 知识反馈 1、下列遥感类型中，探测范围由大到小依次是 A．近地遥感、航空遥感、航天遥感 B．航天遥感、航空遥感、近地遥感 C．航空遥感、近地遥感、航天遥感 D．航空遥感、航天遥感、近地遥感 2、下列遥感类型中．按照应用领域或专题进行分类的是 A．航天遥感、航空遥感、近地遥感 B．主动式遥感、被动式遥感 C．紫外遥感、可见光遥感、红外遥感、微波遥感、多谱段遥感
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文
一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界围得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染 全球每年排入海洋的石油及其制品高达1000万吨，利用多光谱航片可对海面石油污染进行半定量分析，将彩色航片同步拍照与近红外片做的彩色密度分割图相比较，更精密地判断和解译信息，参照图片画出不同油膜厚度的大致分级图。通过彩色密度分割图像，特别是数字密度分割图，可以更准确地判断油量的分布情况。通过彩色密度分割可把相差零点零几厚度的海面油膜区分出层次来，这有利于用航空遥感对海面油的扩散分布和半定量研究。浓度大的地方是黄色，往外扩散的油膜变薄，呈黄紫混在一起的颜色，再往外扩散的油膜就更薄些呈紫色。通过对污染发生后各天的气象卫星图像的对比分析，确定油膜的漂移方向，计算出其扩散速度和扩散面积。 3.1.2利用遥感技术监测水体富营养化 浮游植物中的叶绿素对蓝紫光和红橙光有较强的吸收作用，当水体出现富营养化时，我们就可以利用遥感技术推算出水体中的叶绿素分布情况。赤潮区的海水光谱特征是藻类、泥沙和海水的复合光谱，另外有机或无机颗粒物也会吸收入射光，影响水体的透明度。 3.1.3通过遥感技术调查废水污染和泥沙污染 废水的颜色与悬浮物性状千差万别，特征曲线上的反射峰位置和强度也不大一样，可以用多光谱合成图像进行监测。水中悬浮泥沙的浓度和粒径增大，水体反射量也会相应增加，反射峰随之红移，定量判读悬浮泥沙浓度的最佳波段是0.65～0.85微米。 3.1.4应用红外扫描仪监测水体热污染 应用红外扫描仪记录水体的热辐射能量，真实反映其温度差异。在热红外图像上，热水温度高，辐射能量多，呈浅色调。冷水和冰辐射能量少，呈深色调。热排水口处通常呈白色羽流，利用光学技术和计算机对热图像作密度分割，根据少量的同步实测水温，画出水体等温线。
遥感在农作物遥感估产的应用 改革开放以来，国民经济快速发展，现在各行各业对高科技的需求和运用不断加深。其中计算机技术，遥感技术，全球定位系统技术等都已经在个个领域中都起着至关重要的作用。这其中遥感技术是一种并没有完全作用于物体但能对其进行研究分析的技术。是指在遥感平台上，一种运用各种传感器来获取作物及其环境背景的反射、辐射信息的瞬时记录，经计算机识、处理、分类、信息提取等方法，并结合地学分析和数理统计分析，最后估测出农作物的最终产量。采用遥感技术有相当多的优点，其主要优势在可以迅速获取资料，时效性强，周期短。遥感平台放置的高低直接决定了它视角的宽广，位置越高视角也就越宽广，观察的范围也就越大。相对于传统估产的方法，遥感估产更加具有经济效益和社会效益。遥感数据可以更加的反应出许多的人文与地理信息。且数据连贯性较强，具有高强度性和可比性。我国相对来说很早就在农业方面采用遥感技术。 20世纪70年代末以来，基于土壤普查和农业区划工作的需求，在国家计委、国家科委和农业部的支持下，联合国粮农组织(FAO)、计划开发署(UNDP)提供了资助，农业部门成立了专门的技术研究机构，开展了遥感应用的技术和设备引进以及人才培训工作。经过20多年的技术攻关、实验研究和生产服务，目前农业遥感技术应用已经形成了一支分属于13个工作单位、拥有技术人员200多名的专业队伍，能够承担和完成农业资源调查和监测、主要农作物估产、农业自然灾害监测和评估等任务。 经过这20多年的努力，农业部对遥感技术的运用，取得了重要成果。一是在农业资源调查和监测方面，开展了全国耕地变化监测。对我国北方4省区10年土地开发利用综合评价、全国土地利用现状概查、松嫩平原土地利用遥感调查、内蒙古草原资源调查和监测等;二是在作物估产方面进行了北方7省冬小麦遥感估产、黑龙江省大豆及春小麦估产、南方稻区水稻估产、棉花面积监测等项研究;三是在生态环境变迁方面，进行了全国水土流失调查制图、北方地区土地沙漠化监测等;四是在自然灾害监测方面，开展了北方草原火灾监测、北方冬小麦旱情监测等。 作物参量估算 遥感估产是建立作物光谱于产量之间联系的一种技术，通过光谱来获取作物的生长信息。在实际工作中，常常用绿度或植被指数作为评价生长状况的标准，植被指数中包括了作物长势和面积两方面的信息。光谱产量的模式的基本思想是将各种形式的植被指数与作物单产建立回归方程，筛选出方程拟合率高、相对剩余标准差小的估产模式。遥感估产的两个关键问题：一是作物识别和面积估算，二是作物长势分析，单产模型构建，这两个问题的解决都是通过遥感信息处理实现的。 1、农作物遥感估产原理 任何物体都具有吸收和反射不同波长电磁波的特性，这是物体的基本特性。人眼正是利用这一特性，在可见光范围内识别各种物体的，遥感技术也是基于同样的原理，利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波，根据地面上物体的波谱反射和辐射特性，识别地物的类型和状态。 农作物估产则是指根据生物学原理，在收集分析各种农作物不同生育期不同光谱特征的基础上，通过平台上的传感器记录的地表信息，辨别作物类型，监测作物长势，并在作物收获前，预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。
《精确农业》结课论文 遥感在农业中的应用 学生姓名：崔雪微 学号：20104075040 所在学院：信息技术学院 专业：电子信息工程 中国·大庆 2013年11月
遥感在农业中的应用 遥感技术在人们的生活中应用越来越多，发展迅猛，与许多学科有联系，在许多领域得到应用并且取得了非常好的效果，我将针对遥感在农业中的应用，特别是高光谱遥感对农业的发展起到的作用进行报告。农业是遥感应用中最 重要和最广泛的领域之一。20世纪20年代航空遥感刚一转入民用，便被用于农业土地调查。尤其是20世纪60年代将多光谱原理应用于遥感后，人们根据各种植物和土壤的光谱反射时特性，建立了丰富的地物波谱与遥感图像解译标志，在农业资源调查与动态监测、生物产量估计、农业灾害预报与灾后评估等方面，开展了大量的和成功的应用。 农作物长势是作物生育状况总体评价的综合参数。农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。我国早期的农业遥感的重点也是 在估产。从“六五”计划开始，开展了农作物遥感估产研究并在区域尺度上 开展估产试验。遥感技术具有客观、及时的特点，可以在短期内连续获取大范围的地面信息，用于农情监测具有得天独厚的优势。近20多年，农作物遥感监测一直是遥感应用的一个重要主题。从“七五”利用气象卫星数据进行北方十一省市小麦估产起步，经过“八五”重点产粮区主要农作物估产研究，到“九五”建立全国遥感估产系统，使我国的遥感技术在农业领域的应用不断向实用化迈进。 1 遥感估产的原理及农作物估产的方法 1.1 遥感估产的基本原理 任何物体都具有吸收和反射不同波长电磁波的特性，这是物体的基本特性。人眼正是利用这一特性，在可见光范围内识别各种物体的，遥感技术也是基于同样的原理，利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波，根据地面上物体的波谱反射和辐射特性，
《遥感技术与应用》教案 授课单位：莆田学院环境工程教研室授课时间：2007-2008学年第2学期授课对象层次：四年制本科 授课教师：傅文杰高级工程师 2008 年2 月25日
第一章绪论（2学时） 教学要点 一、教学内容 第一节： 1 ．主要内容：遥感的基本概念 2 ．基本概念和知识点：遥感的广泛、狭义定义 3 ．问题与应用（能力要求）：掌握遥感的广泛、狭义定义 第二节： 1 ．主要内容：遥感系统 2 ．基本概念和知识点：目标物的电磁波特征（目标物与电磁波的相互作用）、信息的获取（传感器、遥感平台）、信息的接收、信息的处理、信息的应用 3 ．问题与应用（能力要求）：了解目标物的电磁波特征、信息的获取、信息的接收、信息的处理、信息的应用 第三节： 1 ．主要内容：遥感的类型 2 ．基本概念和知识点：按遥感平台分（地面遥感、航空遥感、航天遥感、航宇遥感）、按传感器的探测波段分（紫外遥感、可见光遥感、红外遥感、微波遥感、多波段遥感）、按工作方式分（主动遥感、被动遥感、成像遥感、非成像遥感）、按遥感的应用领域分 3 ．问题与应用（能力要求）：了解遥感的基本类型（按遥感平台分、按传感器分） 第四节 1 ．主要内容：遥感的特点 2 ．基本概念和知识点：遥感的特点：大面积的同步观测、时效性、数据的综合性和可比性、经济性、局限性 3 ．问题与应用（能力要求）：理解并掌握遥感的上述特点 第五节 1 ．主要内容：遥感发展简史
2 ．基本概念和知识点：遥感的发展过程：无记录的地面遥感阶段、有记录的地面遥感阶段、空中摄影遥感阶段、航天遥感阶段 3 ．问题与应用（能力要求）：了解遥感的发展过程：无记录的地面遥感阶段、有记录的地面遥感阶段、空中摄影遥感阶段、航天遥感阶段第六节 1 ．主要内容：中国遥感事业的发展 2 ．基本概念和知识点：中国遥感事业的发展 3 ．问题与应用（能力要求）：了解中国遥感事业的发展过程 二、教学重点与难点 遥感的定义（广义与狭义）、遥感系统组成、遥感的类型与特点。 三、教学方法与手段 运用多媒体课件，以课堂讲授为主，结合课堂演示，加强理论与实践相结合 四、作业 P13 ： 1，3
遥感基础与应用 “遥感基础与应用”测试A 1，名词解释(3×8=24点) 1，遥感:遥感通常指空对地遥感，即不直接接触物体本身，通过仪器(传感器)从远处探测和接收目标物体的信息(如电场、磁场)；电磁波、地震波等信息)，通过信息传输和处理分析，识别物体的属性和分布等特征2.图像操作:在完成两个或多个单波段图像的空间配准后，可以通过一系列操作(加、减、乘、除)来提取一些信息或去除一些不必要的信息，从而实现图像增强。3.主动遥感:指当传感器具有能够发射信号(电磁波)的辐射源并在工作时将信号发射到目标时，从放牧目标反射或散射回来的电磁波。用这种方法制成的探针 4.辐射失真:实际测量地面物体的光谱反射率时，由于传感器本身、大气辐射和其他因素的影响，光谱反射率会发生变化。也就是说，由传感器获得的测量值与诸如目标的光谱反射率或光谱辐射率的物理量不一致。 5，大气窗:透过大气但较少被反射、吸收或散射的透射率较高的电磁辐射波段通常称为大气窗 6，辐射分辨率:指传感器接收光谱信号时可分辨的最小辐射差异。在遥感图像中，它被表示为每个像素的辐射量化水平。 7，遥感数字图像:可由计算机存储、处理和使用并以数字表示的遥感图像8.遥感图像判读专家系统:一种计算机技术系统，将遥感判读专家的知识和经验形式化，并输入计算机，计算机模仿遥感判读专家思考和解决问题10.空间分辨率:传感器上的扫描镜捕捉地面上的最小
点元素 11，多光谱摄影:使用不同滤光片和感光胶片的多光谱摄影仪，在不同波段同步拍摄同一场景的黑白照片，然后在特定波段进行色彩合成，得到不同类型的彩色照片，如自然色彩效果或假色彩效果。12，遥感过程:指遥感信息获取、传输、处理、分析、解释和应用的全过程13.空间遥感:又称卫星遥感，是指利用人造卫星、航天飞机和在空间运行的航空器作为 199遥感平台进行遥感，是在远离地球的空间观察地球及其表面的一种技术手段14.航拍照片的间接解释:指根据地物间的相互位置和相关规律，综合运用逻辑推理解释航拍照片的方法。 15，超光谱遥感:超光谱分辨率遥感的简称，指使用许多非常窄的电磁波波段从感兴趣的物体获得相关数据这是一种在电磁波谱的紫外、可见、近红外和中红外区域获得许多非常窄且光谱连续的图像数据的技术。 16，相对高度:指拍摄时拍摄物镜相对于拍摄区域地面的高度17.绝对高度:指摄影时摄影物镜相对大地水准面的高度，即高度18.摄影高度:指摄影时，摄影物镜相对于被摄区域地面平均高程基准面的高度2，判断对错，画“√”正确，画“x”不正确(2× 8 = 16点) 1，航空摄影是中心投影，由于存在投影误差和倾斜误差，实际上航空摄影上各点的比例是不同的。(√) 2，不同波段、不同周期或不同传感器卫星图像中相同位置的地物，像素亮度值相同(x)
遥感在农业中的作用与发展 1农作物估产 遥感(RemoteSensing)即遥远的感知,指在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合,在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。 2遥感估产的原理及农作物估产方法 2.1遥感估产的基本原理[2] 任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。人眼正是利用这一特性,在可见光范围内识别各种物体的。遥感技术也是基于同样的原理,利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态。农作物估产则是指根据生物学原理,在收集分析各种农作物不同生育期不同光谱特征的基础上,通过平台上的传感器记录的地
表信息,辨别作物类型,监测作物长势,并在作物收获前,预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。 2.2农作物估产的方法 农作物估产在方法上可分为传统的作物估产和遥感估产两类。传统的作物估产基本上是农学模式和气象模式,采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高,某些因子种类往往难以定量化,不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数(由多光谱数据,经线性或非线性组合构成的对植被有一定指示意义的各种数值)作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息,各种估产模式,尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3,4]。 农作物估产中所应用的遥感资料大致可分为3类:一是气象卫星资料,主要为美国第三代业务极轨气象卫星(NOAA系列)装载的甚高分辨率辐射仪(A VHRR)资料,其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉,空间分辨率低但时间分辨率较高;二是陆地卫星(Landsat)资料,应用较多功能是专题制图仪(TM)资料,它重复周期长、价格高,但其空间分辨率高[5];三是航空遥感和地面遥感资料,主要用于光谱特征及估产农学机理的研究中,其中高光谱数据可提供连续光谱,可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。在遥感估产中农作物面积提取是最重要的内容。
遥感学习书籍大全 《遥感》 作者:赵振远 《遥感遥感技术的发展及其应用研究》 作者:[日]卡农公司图象研究室 《遥感地质学》 作者:陈华慧 《遥感地质学》 作者:李永颐李斌山陆成 《遥感概论》 作者:马蔼乃 《遥感文选》 作者:国家遥感中心 《农业遥感》 作者:寇有观萧鉥 《遥感专辑（第三辑）矿产勘查中的遥感方法》 作者:地质矿产部情报研究所 《遥感与非遥感地质信息复合应用中的计算机处理》 作者:谭海樵余志伟 《微波遥感第二卷雷达遥感和面目标的散射、辐射、理论》作者:[美]F.T.乌拉比R.K.穆尔冯健超 《遥感研究文集》 作者:吉林省遥感学会论文选编 《大气微波遥感》 作者:张瑞生 《微波遥感理论》 作者:王宝发 《遥感精解》 作者:[日]遥感研究会 《宇航遥感物理基础》 作者:孙星和 《航天多光谱遥感》 作者:韩心志 《高等学校教材水文遥感》 作者:武汉水利电力大学魏文秋 《环境遥感技术简介》 作者:龚家龙阎守邕 《遥感手册第一分册》 作者:汤定元陈宁锵等 《资源遥感研究文集》 作者:中国地理学会环境遥感分会编辑 《国外遥感技术的发展》 作者:上海科学技术情报研究所
《国土资源遥感技术》 作者:马鸿良等 《遥感地震地质文集》 作者:国家地震局地质研究所编 《航空物探遥感论文集》 作者:熊盛青唐文周姚正煦 《巡天千里眼遥感入门》 作者:[加]D.D.哈珀 《英汉遥感地质学词汇》 作者:张世良张炯姚彦之 《环境遥感与地理制图》 作者:中国科学院成都地理研究所 《航空摄影测量及遥感》 作者:西南交通大学刘文熙许伦北方交通大学魏志芳吴景坤《遥感图像对地定位研究》 作者:李树楷 《地球物理勘探遥感原理》 作者:R.D.里根J.V.塔拉尼克S.I.古特曼 《遥感地质学实习指导书》 作者:刘允良邢立新杨德明 《遥感地学分析》 作者:陈述彭赵英时 《遥感图象的数字处理》 作者美)J.G.莫伊克 《遥感图像处理与应用》 作者:宁书年等 《遥感手册第八分册》 作者:[美]吉尼·索利查尼斯·波尔顿等 《遥感图象信息处理》 作者:许殿元丁树柏 《遥感手册第五分册》 作者:[美]迪特尔·斯坦纳等 《遥感手册第七分册》 作者:[美]罗伯特G.里维斯等 《遥感手册第三分册》 作者:[美]理查德K.穆尔等 《遥感手册第六分册》 作者:[美]约翰E.埃斯蒂斯弗雷德里克J.多伊尔 《遥感手册第四分册》 作者:奥尔登P.科尔沃科雷塞斯等 《遥感中的自适应雷达》 作者:[美]D.T.吉辛 《全球环境、资源遥感分析》 作者:李树楷