郭鈮 王小平 王瑋 王麗娟 胡蝶 沙莎

（中國(guó)氣象局蘭州干旱氣象研究所/中國(guó)氣象局干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室/甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室，蘭州 730020）

0 前言

干旱是全球各地普遍發(fā)生的、對(duì)人類社會(huì)影響最大、給社會(huì)造成的經(jīng)濟(jì)損失十分嚴(yán)重的一種自然災(zāi)害[1]。隨著全球氣候變化，干旱災(zāi)害也呈進(jìn)一步加強(qiáng)趨勢(shì)，發(fā)生頻率和范圍進(jìn)一步增大，嚴(yán)重威脅著全球的糧食安全和社會(huì)穩(wěn)定[2-3]。因此，科學(xué)有效的干旱監(jiān)測(cè)與預(yù)警不僅是科學(xué)界致力解決的重大科學(xué)問題[4-5]，也是人類社會(huì)應(yīng)對(duì)氣候變化亟待解決的技術(shù)難題。

國(guó)內(nèi)外根據(jù)干旱過程發(fā)生的順序和影響將干旱分為氣象干旱、水文干旱、農(nóng)業(yè)干旱和社會(huì)經(jīng)濟(jì)干旱。基于地面氣象和水文觀測(cè)數(shù)據(jù)以及農(nóng)業(yè)氣象墑情觀測(cè)建立的多種干旱指標(biāo)是干旱監(jiān)測(cè)的主要工具。近40年來迅速發(fā)展的全球?qū)Φ赜^測(cè)技術(shù)為從空中進(jìn)行大范圍、動(dòng)態(tài)、無縫隙監(jiān)測(cè)干旱提供了有效的數(shù)據(jù)源。利用地面觀測(cè)、衛(wèi)星遙感及數(shù)值模式同化技術(shù)，國(guó)內(nèi)外建立了多個(gè)干旱監(jiān)測(cè)與預(yù)警業(yè)務(wù)系統(tǒng)，基本實(shí)現(xiàn)了大范圍干旱的定量監(jiān)測(cè)[6-9]。

本文圍繞不同的遙感干旱監(jiān)測(cè)方法及多源遙感技術(shù)和大數(shù)據(jù)挖掘在干旱監(jiān)測(cè)方面的進(jìn)展進(jìn)行評(píng)價(jià)，在此基礎(chǔ)上結(jié)合國(guó)家和行業(yè)需求提出研究對(duì)策及學(xué)科發(fā)展展望。

1 遙感干旱監(jiān)測(cè)方法

遙感監(jiān)測(cè)干旱主要是側(cè)重于農(nóng)業(yè)干旱監(jiān)測(cè)。農(nóng)業(yè)干旱受到降水、土壤含水量、作物需水等因素的影響，土壤含水量變化是影響農(nóng)作物長(zhǎng)勢(shì)的主要因子[10]。遙感圖像表現(xiàn)為不同的光譜特征，干旱發(fā)生會(huì)引起作物體內(nèi)生理生化參數(shù)的變化，光譜會(huì)相應(yīng)變化，故以此來監(jiān)測(cè)農(nóng)業(yè)干旱。根據(jù)遙感數(shù)據(jù)源的差別可將遙感監(jiān)測(cè)方法分為光學(xué)遙感監(jiān)測(cè)法（包含了可見光-近紅外遙感監(jiān)測(cè)法、熱紅外監(jiān)測(cè)法、可見光近紅外-熱紅外遙感監(jiān)測(cè)法），高光譜遙感監(jiān)測(cè)法，微波遙感監(jiān)測(cè)法及多源數(shù)據(jù)綜合干旱監(jiān)測(cè)方法等。

1.1 可見光、近紅外及段波紅外監(jiān)測(cè)法

干旱會(huì)引起土壤含水量、作物生理的變化，可見光-近紅外遙感主要利用植被指數(shù)來監(jiān)測(cè)植被生長(zhǎng)狀態(tài)和土壤水分含量。從作物在不同干旱狀況下的光譜曲線中可以發(fā)現(xiàn)，干旱明顯導(dǎo)致作物在可見光波段（紅光波段最明顯）反射率上升以及近紅外波段反射率下降，干旱程度越重這種變化幅度越大[11]?；谥脖坏倪@種特性，構(gòu)建了歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），該指數(shù)能夠反映植被對(duì)水分條件的響應(yīng)，是最早應(yīng)用于干旱監(jiān)測(cè)的指數(shù)，也是構(gòu)建其他基于植被指數(shù)的干旱指數(shù)的基礎(chǔ)，應(yīng)用十分廣泛[9,12-13]。由于NDVI會(huì)受到大氣狀況、雙向反射輻射、土壤和葉冠背景的影響，且存在高生物量區(qū)發(fā)生飽和的問題，因此增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）[14]、土壤調(diào)節(jié)植被指數(shù)（Soil-Adjusted Vegetation Index，SAVI）[15]等指數(shù)被提出，后期大量研究將其用于干旱監(jiān)測(cè)[9]。

由于植被與當(dāng)?shù)氐乩須夂蚝椭脖环植技吧L(zhǎng)規(guī)律密切相關(guān)，在空間上不具備可比性。因此，基于長(zhǎng)時(shí)間序列植被指數(shù)，距平植被指數(shù)（Anomaly Vegetation Index，AVI）[16]、植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）[17]等被提出進(jìn)行干旱監(jiān)測(cè)研究，AVI和VCI較NDVI有更好的時(shí)空可比性，在大范圍的干旱監(jiān)測(cè)中得到廣泛的應(yīng)用[18-21]。這類指數(shù)的特點(diǎn)是計(jì)算簡(jiǎn)單，但由于植被指數(shù)對(duì)缺水響應(yīng)的滯后導(dǎo)致它們具有一定的時(shí)間滯后性。

1.2 熱紅外遙感監(jiān)測(cè)法

植被在缺水時(shí)，除了植被指數(shù)會(huì)發(fā)生變化之外，葉片溫度會(huì)因?yàn)槿彼杆偕?，這種變化要比植被指數(shù)變化出現(xiàn)的早且敏感?；谥脖坏倪@種生理特性，陸地表面溫度（Land Surface Temperature，LST）被用于干旱監(jiān)測(cè)中?；贚ST構(gòu)建的干旱指數(shù)主要包括熱慣量法、溫度狀態(tài)指數(shù)等。

土壤熱慣量是描述土壤熱惰性大小的物理量，是土壤阻止其自身溫度變化能力的大小表征，與土壤水分的關(guān)系密切。對(duì)于同一類土壤而言，含水量越高其熱慣量就越大?；谶@一物理過程，多種熱慣量模型[22-26]被建立起來，但在實(shí)際中，表觀熱慣量（Apparent Thermal Inertia，ATI）應(yīng)用的最為廣泛，但該指數(shù)僅適用于裸地和低植被覆蓋區(qū)的土壤，具有較大的局限性。

與VCI指數(shù)類似，通過引入LST的歷史信息，Kogan構(gòu)建了溫度狀態(tài)指數(shù)（Temperature Condition Index，TCI）[27]，彌補(bǔ)了VCI滯后性較強(qiáng)的缺點(diǎn)。但受到諸如下墊面狀況、海拔高度、衛(wèi)星過境時(shí)間差異以及地表熱平流等因素的影響，TCI監(jiān)測(cè)干旱存在不確定性。

1.3 可見光近紅外-熱紅外遙感監(jiān)測(cè)法

由于單獨(dú)使用植被指數(shù)或者地表溫度的諸多局限，研究者將植被指數(shù)和地表溫度結(jié)合起來應(yīng)用于干旱監(jiān)測(cè)研究。這類指數(shù)主要包括植被健康指數(shù)（Vegetation Health Index，VHI）、植被供水指數(shù)（Vegetation Supply Water Index，VSWI）、溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）等。

VHI[27]是最早被提出的，它由植被狀態(tài)指數(shù)和溫度狀態(tài)指數(shù)加權(quán)得到，計(jì)算簡(jiǎn)單，可用于大范圍區(qū)域干旱監(jiān)測(cè)[28-30]，目前VHI仍是美國(guó)NOAA STAR（NOAA Center for Satellite Applications and Research）與美國(guó)國(guó)家干旱減災(zāi)中心（National Drought Mitigation Center，NDMC）的重要干旱監(jiān)測(cè)產(chǎn)品。

VSWI[31-32]基于NDVI和LST的比值構(gòu)建而成，該指數(shù)在監(jiān)測(cè)應(yīng)用中更適合地形平坦、植被覆蓋度較高的地區(qū)與時(shí)段，且統(tǒng)計(jì)模型受時(shí)空尺度的限制，監(jiān)測(cè)結(jié)果不具有時(shí)空可比性。

研究表明，以植被指數(shù)—地表溫度構(gòu)成的特征空間與土壤水分狀況關(guān)系密切：LST與NDVI的斜率與作物水分指數(shù)、土壤水分呈負(fù)相關(guān)，且LST/NDVI隨干旱強(qiáng)度增強(qiáng)而增大[33-35]。LST與NDVI的斜率與土壤水分的負(fù)相關(guān)關(guān)系是特征空間中的重要統(tǒng)計(jì)特征，基于這種特征，Sandholt等[36]構(gòu)建了TVDI指數(shù)和VTCI指數(shù)[37]，二者的關(guān)系為TVDI = 1- VTCI。由于物理意義明確，這類指數(shù)在干旱監(jiān)測(cè)領(lǐng)域得到了廣泛的研究和應(yīng)用[38-40]。但這類指數(shù)是在一種理想的特征空間中且LST與NDVI的斜率與土壤水分的負(fù)相關(guān)關(guān)系下提出的，在實(shí)際中很難獲取適合大小的研究區(qū)域以滿足理想特征空間的要求，因此在實(shí)際應(yīng)用中這類方法也存在諸多不確定性。由于NDVI的局限性及海拔等因素等對(duì)LST的影響，對(duì)這類指數(shù)的改進(jìn)主要包括：利用EVI、比值植被指數(shù)（Radio Vegetation Index，RVI）等其他植被指數(shù)替換NDVI構(gòu)建特征空間以克服NDVI在高植被覆蓋區(qū)指示干旱較差的情況[41-42]；利用海拔高度對(duì)LST進(jìn)行訂正后構(gòu)建特征空間以消除對(duì)高海拔地區(qū)旱情估計(jì)偏低的假象[43]；利用多時(shí)次遙感數(shù)據(jù)構(gòu)建特征空間以提高TVDI指數(shù)的時(shí)間可比性[44]。

基于植被受到干旱脅迫時(shí)植被在可見光和近紅外特征空間中的特性，一些新的干旱指數(shù)，如垂直干旱指數(shù)（Perpendicular Drought Index，PDI），修正垂直干旱指數(shù)（Modified Perpendicular Drought Index，MPDI）[45]得到了較多應(yīng)用，PDI適于裸地或者低植被覆蓋區(qū)域的干旱監(jiān)測(cè)。為了提高PDI在高植被覆蓋區(qū)域的監(jiān)測(cè)精度，Ghulam等[46]引入植被覆蓋度，對(duì)PDI進(jìn)行了改進(jìn)，提出了MPDI。相關(guān)研究表明，在裸地或稀疏植被地表PDI和MPDI的干旱監(jiān)測(cè)精度相當(dāng)，而高植被覆蓋時(shí)，MPDI的監(jiān)測(cè)結(jié)果遠(yuǎn)好于PDI[47]。

1.4 綜合干旱指數(shù)

基于單一的遙感干旱指數(shù)往往難以達(dá)到干旱監(jiān)測(cè)的精度要求，因此許多學(xué)者將各種干旱指數(shù)進(jìn)行綜合，構(gòu)建了新的干旱指數(shù)。Zhang等[48]應(yīng)用PDI和VSWI構(gòu)建的基于MODIS數(shù)據(jù)修正干旱指數(shù)（Modified MODIS-based Index，MMI），根據(jù)作物生育期建立了MMI與站點(diǎn)土壤濕度的回歸模型，結(jié)果表明建立的MMI與土壤濕度觀測(cè)的相關(guān)關(guān)系非常好，是一種非常適合研究區(qū)精確反演土壤濕度信息的遙感方法。Amani等[49]基于由LST、垂直植被指數(shù)（Perpendicular Vegetation Index，PVI）、土壤濕度構(gòu)成的三維特征空間，構(gòu)建了溫度植被土壤干旱指數(shù)（Temperature-Vegetation-soil Moisture Dryness Index，

TVMDI），TVMDI與土壤溫度、NDVI、SM均顯著相關(guān)，其中與SM的相關(guān)性相對(duì)較差，相較PDI、MPDI、MPDI1、TVDI等指數(shù)，TVMDI指數(shù)的反演精度更高。

1.5 遙感蒸散干旱監(jiān)測(cè)

蒸散是蒸發(fā)和蒸騰的總和，作為水熱交換的重要參數(shù)，參與地表水分循環(huán)和能量平衡過程，是土壤-植被-大氣系統(tǒng)相互作用的關(guān)鍵因子。由于地表水分條件的限制，實(shí)際蒸散與蒸散潛力之間存在偏差，所以，往往可以利用這種偏差來表征區(qū)域的土壤水分狀況，遙感蒸散干旱監(jiān)測(cè)亦是基于這種思想進(jìn)行研究[50]。蒸散遙感反演的方法是以能量平衡和水平衡方程為出發(fā)點(diǎn)，主要有經(jīng)驗(yàn)?zāi)Ｐ汀螌幽Ｐ?、雙層模型和多層模型。

經(jīng)驗(yàn)?zāi)Ｐ秃?jiǎn)單、易實(shí)現(xiàn)，但具有一定的經(jīng)驗(yàn)性，在普適性方面受到限制。單層模型未區(qū)分植被和土壤，將地表假設(shè)為一片大葉，對(duì)土壤-植被間的相互作用進(jìn)行高度簡(jiǎn)化，致使模型輸入?yún)?shù)較少，計(jì)算簡(jiǎn)單、快捷，從而在蒸散遙感反演中應(yīng)用廣泛[51]。與經(jīng)驗(yàn)?zāi)Ｐ拖啾?，單層模型具有更加明確的物理意義。雙層模型考慮土壤-植被的相互作用，將蒸散區(qū)分為植被冠層蒸散、土壤蒸發(fā)[52]。與單層模型，雙層模型分離了土壤和植被，分別考慮土壤和植被冠層，以及兩者之間的水熱交換過程，將土壤-植被-大氣之間的水熱交換機(jī)制描述得更為詳盡?；陔p層模型得到的地表、冠層脅迫指數(shù)能夠分別反映氣象、農(nóng)業(yè)干旱狀況，是目前美國(guó)全境干旱監(jiān)測(cè)產(chǎn)品生產(chǎn)的基礎(chǔ)[53]。與雙層模型相比，多層模型將植被冠層描述得更為詳盡，但由于模型輸入?yún)?shù)較多和不易獲取性，導(dǎo)致多層模型應(yīng)用受到限制。

隨著我國(guó)第二代靜止軌道氣象衛(wèi)星——FY-4系列靜止衛(wèi)星的成功發(fā)射，雙層模型對(duì)衛(wèi)星資料高時(shí)間頻次的需求得到滿足。FY-3號(hào)03批業(yè)務(wù)星將形成由晨昏星、上下午星和降水星組成的星座體系，并首次搭載主動(dòng)微波傳感器（風(fēng)場(chǎng)測(cè)量雷達(dá)（Wind RAD）和降水雷達(dá)（PR）），可提供高精度的降水和土壤水分產(chǎn)品數(shù)據(jù)，為雙層模型中土壤水分平衡參數(shù)化方案的優(yōu)化提供依據(jù)。FY-3和FY-4的聯(lián)合觀測(cè)將為我國(guó)使用雙層模型生產(chǎn)高精度、實(shí)時(shí)蒸散干旱監(jiān)測(cè)產(chǎn)品奠定基礎(chǔ)。

1.6 微波遙感干旱監(jiān)測(cè)

相比光學(xué)遙感存在云的影響問題而言，微波遙感最大的優(yōu)勢(shì)就是對(duì)云、雨、大氣有較強(qiáng)的穿透能力，具有全天時(shí)、全天候的監(jiān)測(cè)特點(diǎn)。隨著越來越多星載微波傳感器的發(fā)射，微波遙感可在全球尺度上精確監(jiān)測(cè)地球系統(tǒng)中諸多要素，具備研究干旱等氣候?yàn)?zāi)害的能力。

1.6.1 微波遙感降水監(jiān)測(cè)方法

目前，衛(wèi)星遙感技術(shù)是測(cè)量全球尺度降水率分布的唯一可行方法[54-56]。熱帶降雨測(cè)量衛(wèi)星（Tropical Rainfall Measuring Mission，TRMM）提供的長(zhǎng)時(shí)間序列多衛(wèi)星降水分析產(chǎn)品（Multi-satellite Precipitation Analysis，TMPA）為開展區(qū)域尺度干旱監(jiān)測(cè)研究提供重要數(shù)據(jù)，其中，第7版本的TMPA產(chǎn)品精度在干旱區(qū)及高原地區(qū)有所提高[57]。非實(shí)時(shí)的3B42V7產(chǎn)品與地面站點(diǎn)觀測(cè)數(shù)據(jù)在月尺度上具有相當(dāng)精度[58-60]。因此，該產(chǎn)品在干旱監(jiān)測(cè)中應(yīng)用廣泛。Naumann等[61]和Sahoo等[62]利用TRMM數(shù)據(jù)監(jiān)測(cè)非洲、美國(guó)和歐洲等地區(qū)的干旱狀況，并用標(biāo)準(zhǔn)化降水指數(shù)（SPI）進(jìn)行驗(yàn)證，表明TRMM降水產(chǎn)品能夠在時(shí)間和空間上準(zhǔn)確識(shí)別干旱，其監(jiān)測(cè)具有更高的空間精度。馮海濤等[63]和陳誠(chéng)等[64]利用TRMM降水產(chǎn)品構(gòu)建Z指數(shù)分別對(duì)云南省和中國(guó)黃淮海地區(qū)的干旱時(shí)空演化特征進(jìn)行監(jiān)測(cè)，結(jié)果表明，Z指數(shù)在云南省監(jiān)測(cè)的15年旱情及旱災(zāi)實(shí)例時(shí)空特征與實(shí)情相符；利用Pa指數(shù)對(duì)Z指數(shù)干旱等級(jí)劃分進(jìn)行修正后，該指數(shù)在黃淮海地區(qū)的干旱監(jiān)測(cè)同SPI的相關(guān)系數(shù)達(dá)R2＞0.75，進(jìn)一步證明了TRMM數(shù)據(jù)對(duì)干旱監(jiān)測(cè)的有效性和可靠性。胡蝶等[65]基于TRMM月降水產(chǎn)品構(gòu)建了降水距平百分率（Pa_TRMM）和降水狀態(tài)指數(shù)（PCITRMM）對(duì)我國(guó)西北地區(qū)的甘肅省干旱情況進(jìn)行監(jiān)測(cè)，結(jié)果表明這兩個(gè)干旱指標(biāo)均能有效、直觀地反映干旱時(shí)空分布及變化特征。同時(shí)，TRMM遙感降水?dāng)?shù)據(jù)還可彌補(bǔ)我國(guó)西北地區(qū)實(shí)測(cè)站點(diǎn)空間分布不均及插值數(shù)據(jù)存在較大誤差的問題。

TRMM衛(wèi)星已于2015年4月停止業(yè)務(wù)運(yùn)行，全球降水觀測(cè)GPM（Global Precipitation Mission）是TRMM的后續(xù)衛(wèi)星。GPM是由一個(gè)核心衛(wèi)星和多顆微波小衛(wèi)星組成的國(guó)際衛(wèi)星觀測(cè)網(wǎng)提供覆蓋全球的降水觀測(cè)，能夠提供更高精度的3D云微物理結(jié)構(gòu)，提供全球范圍基于微波的3 h以內(nèi)和基于微波紅外的0.5 h的雨雪數(shù)據(jù)產(chǎn)品。具有更高精度、更大覆蓋范圍和更高時(shí)空分辨率的GPM降水產(chǎn)品對(duì)全球天氣預(yù)報(bào)將有劃時(shí)代的影響，可進(jìn)一步提高對(duì)洪水、泥石流和干旱等預(yù)報(bào)預(yù)警技術(shù)。

1.6.2 微波遙感土壤水分監(jiān)測(cè)方法

微波波段是電磁波譜中唯一能夠真實(shí)定量化估算地表土壤水分的電磁波譜頻段，微波遙感反演地表土壤水分的方法主要有兩種，一是基于微波輻射計(jì)的被動(dòng)反演法，二是基于雷達(dá)或散射計(jì)的主動(dòng)微波反演法。

被動(dòng)微波反演土壤水分：被動(dòng)微波是通過亮度溫度來估算土壤水分，亮度溫度主要由發(fā)射率和地表有效輻射溫度決定，而發(fā)射率與土壤復(fù)介電常數(shù)緊密相關(guān)，通過土壤復(fù)介電常數(shù)與土壤水分之間的物理關(guān)系即可根據(jù)亮度溫度反演土壤水分。

常用的被動(dòng)微波輻射計(jì)有SSM/I（Special Senser Microwave/Imager）、Aqua衛(wèi)星搭載的高級(jí)微波輻射計(jì)AMSR-E和FY-3衛(wèi)星搭載的微波成像儀MWRI。AMSR-E傳感器積累了2002年6月—2011年10月全球25 km空間分辨率的土壤水分?jǐn)?shù)據(jù)產(chǎn)品，由于天線旋轉(zhuǎn)故障，于2011年10月停止工作。GCOM-W1衛(wèi)星搭載的第二代先進(jìn)微波輻射成像儀AMSR2于2012年5月發(fā)射成功。AMSR2增設(shè)了頻率為7.3 GHz的兩個(gè)通道，降低了無線電射頻干擾的影響，可得到更精確的土壤濕度分布[66-67]。但低頻波段C，X和Ku波段對(duì)植被的穿透深度有限，僅適用于裸土和低矮植被地區(qū)。SMOS是首顆利用干涉測(cè)量方法測(cè)量地球表面發(fā)射L波段的被動(dòng)微波輻射計(jì)，由歐空局在2009年11月發(fā)射。由于L波段對(duì)植被具有更好的穿透性和對(duì)土壤水分更敏感，可進(jìn)行多角度觀測(cè)，是目前能夠提供可靠性和精度更高的傳感器[68-69]。

針對(duì)以上產(chǎn)品，不少學(xué)者在全球不同地區(qū)開展了精度檢驗(yàn)和反演算法改進(jìn)等研究[70-72]。李哲等[73]采用修正的單通道算法（SCA）模型，應(yīng)用AMSR-E土壤表層亮溫?cái)?shù)據(jù)，建立了高原地區(qū)土壤濕度反演模型反演青藏高原夏季土壤濕度，結(jié)果表明修正SCA模型反演的土壤濕度精度更高。陸崢等[74]利用實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)集，檢驗(yàn)了AMSR2兩個(gè)算法土壤水分產(chǎn)品在黑河流域的精度，結(jié)果表明JAXA和LPRM土壤水分產(chǎn)品的均方根誤差均超過0.1 m3/m3。莊媛等[75]以自動(dòng)土壤水分觀測(cè)站土壤濕度作為驗(yàn)證數(shù)據(jù)，對(duì)2012年中國(guó)區(qū)域ASCAT、WINDSAT、FY-3B、SMOS共4種微波遙感土壤濕度產(chǎn)品按省份進(jìn)行了評(píng)估研究。結(jié)果表明：ASCAT質(zhì)量最優(yōu)，在中國(guó)大部地區(qū)與觀測(cè)數(shù)據(jù)相關(guān)系數(shù)較高；WINDSAT其次，質(zhì)量?jī)?yōu)于FY-3B；而SMOS在中國(guó)大部分地區(qū)質(zhì)量差，受無線電頻率干擾嚴(yán)重。

被動(dòng)微波具有高時(shí)間分辨率，對(duì)土壤水分更為敏感性和數(shù)據(jù)處理簡(jiǎn)單等優(yōu)勢(shì)。但目前受限于空間分辨率和觀測(cè)波段，很大程度上影響到數(shù)據(jù)的驗(yàn)證和有效利用。

主動(dòng)微波反演土壤水分：主動(dòng)微波通過地表后向散射系數(shù)來反演土壤水分。地表后向散射系數(shù)主要受地表復(fù)介電常數(shù)、地表粗糙度和植被性質(zhì)的影響，而復(fù)介電常數(shù)主要由土壤水分決定，因此可以用于土壤水分的反演。

主動(dòng)微波傳感器主要包括合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）和散射計(jì)2種。應(yīng)用于土壤水分反演研究的SAR主要有ERS-1/2、Radarsat、JERS-1、ENVISAT和Sentinel-1A。Pathe等[76]應(yīng)用ENVISAT ASAR數(shù)據(jù)反演美國(guó)俄克拉何馬州地區(qū)的土壤水分發(fā)現(xiàn)該數(shù)據(jù)具有捕獲空間細(xì)節(jié)時(shí)間變化的能力。Holah等[77]和Zribi等[78]利用ASAR數(shù)據(jù)分別對(duì)裸露農(nóng)田土壤地表參數(shù)和非洲北部半干旱區(qū)土壤水分進(jìn)行反演并檢驗(yàn)，均取得較好結(jié)果。田輝等[79]利用ASAR影像估算了瑪曲地區(qū)夏季土壤水分空間分布。胡蝶等[80-81]利用Radarsat-2 SAR數(shù)據(jù)反演半干旱地區(qū)裸露地表土壤水分，應(yīng)用交叉極化組合模型較好反演了10～20 cm土壤含水量信息；進(jìn)一步結(jié)合MODIS數(shù)據(jù)應(yīng)用水云模型校正植被的影響反演黃土高原地區(qū)植被覆蓋下土壤水分，取得較好結(jié)果。何連等[82]結(jié)合基于變化檢測(cè)的Alpha近似模型，利用Sentinel-1衛(wèi)星獲取的多時(shí)相C波段SAR數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)田地表土壤水分的反演。

主動(dòng)微波數(shù)據(jù)具有米級(jí)高精度分辨率，在精細(xì)化土壤水分監(jiān)測(cè)中提供有效監(jiān)測(cè)手段。但存在重訪周期長(zhǎng)，費(fèi)用高、數(shù)據(jù)處理復(fù)雜，反演模型的適用性有限等不足。目前主要用于科學(xué)研究，還未能廣泛應(yīng)用于全球地表土壤水分監(jiān)測(cè)業(yè)務(wù)。

1.6.3 重力衛(wèi)星監(jiān)測(cè)干旱

地球重力場(chǎng)是一個(gè)反映地球表層和內(nèi)部物質(zhì)分布、變化及其運(yùn)動(dòng)狀態(tài)的基本物理場(chǎng)，地球重力場(chǎng)指示的地球物理環(huán)境及其變化信息，為人類認(rèn)識(shí)和解決自然資源、環(huán)境及災(zāi)害等問題提供基礎(chǔ)數(shù)據(jù)。

美國(guó)宇航局（NASA）和德國(guó)航天局（DLR）共同研制了重力反演與氣候?qū)嶒?yàn)衛(wèi)星GRACE（Gravity Recovery and Climate Experiment），并于2002年3月成功發(fā)射。 GRACE不僅為研究地球深層結(jié)構(gòu)和跟蹤地球表面質(zhì)量變化提供了新技術(shù)，而且為反演陸地水儲(chǔ)量及其變化提供了新手段。

多國(guó)學(xué)者應(yīng)用GRACE反演的水儲(chǔ)量信息進(jìn)行不同區(qū)域的干旱特征的監(jiān)測(cè)研究。Yirdaw等[83]利用GRACE反演的水儲(chǔ)量數(shù)據(jù)提出了總水儲(chǔ)量虧損系數(shù)（TSDI），用來監(jiān)測(cè)加拿大草原的干旱情況。Seoane等[84]應(yīng)用GRACE水儲(chǔ)量數(shù)據(jù)、結(jié)合地面站點(diǎn)和水文模擬數(shù)據(jù)，分析了21世紀(jì)初澳大利亞東南部的干旱狀況。Chen等[85]應(yīng)用GRACE反演的水儲(chǔ)量結(jié)合氣候模式，研究了2005年干旱期間亞馬孫流域水儲(chǔ)量的變化。李瓊等[86]研究表明2009年秋至2010年春中國(guó)西南云南、貴州、四川三省干旱事件發(fā)生期間的GRACE反演的西南地區(qū)水儲(chǔ)量明顯減少。曹艷萍等[87]利用GRACE水儲(chǔ)量變化數(shù)據(jù)確定了區(qū)域旱澇指標(biāo)-相對(duì)水儲(chǔ)量指數(shù)，應(yīng)用該指數(shù)對(duì)新疆2002—2013年的干旱情況進(jìn)行分析，結(jié)果與實(shí)際干旱災(zāi)害狀況一致。

需要注意的是GRACE衛(wèi)星空間分辨率為166 km，僅適用于大范圍干旱的監(jiān)測(cè)。GRACE繼任衛(wèi)星（GRACE Follow On）于2018年5月發(fā)射。GRACE Follow On重力衛(wèi)星除搭載微波測(cè)距系統(tǒng)外，還搭載了觀測(cè)精度達(dá)到納米量級(jí)的激光測(cè)距系統(tǒng)，比微波測(cè)距的精度提升三個(gè)數(shù)量級(jí)。這有望進(jìn)一步提高重力衛(wèi)星的觀測(cè)精度和空間分辨率，提升重力衛(wèi)星對(duì)干旱的監(jiān)測(cè)能力。

1.7 高光譜遙感農(nóng)業(yè)干旱監(jiān)測(cè)

1.7.1 高光譜遙感技術(shù)在農(nóng)業(yè)干旱監(jiān)測(cè)中的應(yīng)用

近幾十年來，高光譜遙感技術(shù)因其高光譜分辨率得到了快速發(fā)展，并成為一門新興遙感技術(shù)[88-89]。高光譜不僅融合了光譜與成像技術(shù)，而且能同時(shí)獲取地物的光譜和空間信息，近年來高光譜遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)中得到了廣泛的應(yīng)用。

高光譜的光譜分辨率可達(dá)到納米級(jí)，其獨(dú)到的優(yōu)勢(shì)已經(jīng)在定量遙感中發(fā)揮了重大作用，其應(yīng)用領(lǐng)域也達(dá)到了前所未有的廣度。在干旱脅迫的監(jiān)測(cè)應(yīng)用方面，也具備傳統(tǒng)多光譜遙感沒有的優(yōu)勢(shì)，能夠捕捉到細(xì)微的干旱響應(yīng)信號(hào)，在干旱監(jiān)測(cè)中能更早地監(jiān)測(cè)到植被的早期干旱[90-92]。

植被光譜對(duì)水分和干旱脅迫信號(hào)的響應(yīng)特征，是高光譜遙感進(jìn)行植被含水量和干旱反演的基礎(chǔ)[93]。前期研究利用光譜的水分吸收特征進(jìn)行植被含水量反演的結(jié)果證明，葉片含水量的光譜反演對(duì)干旱監(jiān)測(cè)具有重要指示意義[94]。

對(duì)水分敏感的波段，前期有很多研究，主要集中在近紅外和短波紅外波段，比如970、1200、1450和1950 nm附近[95-96]。利用這些特征，構(gòu)建的水分指數(shù)有WI[97]，SWIR[98]，NDWI[99]等。此外，因干旱脅迫導(dǎo)致植被生理生態(tài)改變，在光譜的響應(yīng)方面也有很多新的嘗試，如利用光能利用率PRI指數(shù)對(duì)水分脅迫的監(jiān)測(cè)[100-101]，利用水分吸收峰的深度和面積及光譜反射率差值或利用近紅外與短波紅外的組合進(jìn)行水分含量的反演[102-104]。

利用輻射傳輸模型分析光譜敏感性是非常重要的方法，應(yīng)用較廣的是PROSPECT和SAIL模型[105]，PROSAIL冠層葉片耦合模型可以實(shí)現(xiàn)冠層光譜的前向模擬和生理參數(shù)的后向反演。結(jié)合PROSAIL模型可以分析不同生理參數(shù)對(duì)光譜的敏感波段，有利于開展不同干旱脅迫條件下作物生理參數(shù)的響應(yīng)特征[106-109]及敏感光譜波段和監(jiān)測(cè)指數(shù)的機(jī)理性分析[110-111]。

高光譜遙感技術(shù)在農(nóng)業(yè)干旱監(jiān)測(cè)中的應(yīng)用，主要是通過直接或間接反演因干旱導(dǎo)致的生理生態(tài)參數(shù)進(jìn)行?；诠趯虞椛鋫鬏斈Ｐ突蚬庾V植被指數(shù)定期獲取并反演干旱發(fā)生過程中的作物生長(zhǎng)狀況，間接反演干旱是目前常用的方法[112]。

1.7.2 國(guó)內(nèi)高光譜干旱監(jiān)測(cè)存在的問題

高光譜遙感技術(shù)經(jīng)過近30年的發(fā)展，不論是高光譜成像系統(tǒng)，還是基于“星-空-地”的多源遙感都取得了顯著的進(jìn)展，但是從應(yīng)用角度看，我國(guó)在利用高光譜遙感監(jiān)測(cè)與診斷作物水分脅迫方面，尚存在如下問題。

1）常規(guī)的航空、航天高光譜遙感數(shù)據(jù)，由于受成本高、空間分辨率低、數(shù)據(jù)獲取權(quán)限、研究區(qū)天氣狀況等眾多因素的影響，在我國(guó)的應(yīng)用僅局限于部分研究機(jī)構(gòu)，在農(nóng)作物水分狀況監(jiān)測(cè)領(lǐng)域的相關(guān)研究還十分有限。

2）缺乏開展近地表、航空和航天高光譜遙感的綜合研究，難以進(jìn)行作物水分脅迫狀況的空間制圖與動(dòng)態(tài)監(jiān)測(cè)。利用多源高光譜遙感數(shù)據(jù)，構(gòu)建“星-空-地”一體化農(nóng)業(yè)遙感信息獲取技術(shù)體系，對(duì)準(zhǔn)確及時(shí)獲取農(nóng)作物水分脅迫信息，指導(dǎo)農(nóng)田節(jié)水灌溉和精準(zhǔn)農(nóng)業(yè)的發(fā)展具有實(shí)際應(yīng)用價(jià)值。

因此，在地面觀測(cè)研究中，應(yīng)充分考慮地面?zhèn)鹘y(tǒng)作物水分監(jiān)測(cè)方法與衛(wèi)星遙感反演中的空間尺度不匹配的問題，建立能夠貫穿作物生長(zhǎng)全程的水分信息獲取、校正、融合方法和決策模型，重點(diǎn)關(guān)注“星-空-地”多源高光譜數(shù)據(jù)間的尺度關(guān)聯(lián)性[113-115]，改進(jìn)衛(wèi)星遙感數(shù)據(jù)反演作物冠層水分脅迫模型的精度，實(shí)現(xiàn)較大面積農(nóng)田作物水分脅迫狀況的精準(zhǔn)制圖與動(dòng)態(tài)監(jiān)測(cè)，對(duì)充分發(fā)揮高光譜遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)研究中的作用具有實(shí)際應(yīng)用價(jià)值。

1.8 基于低空無人機(jī)遙感平臺(tái)干旱監(jiān)測(cè)

1.8.1 基于低空無人機(jī)遙感平臺(tái)的作物生長(zhǎng)及水分脅迫狀況精準(zhǔn)制圖

與普通的航空高光譜遙感探測(cè)平臺(tái)相比，基于輕小型無人機(jī)的高光譜成像系統(tǒng)對(duì)起飛環(huán)境要求簡(jiǎn)單，成本低，因此無人機(jī)載高光譜成像技術(shù)受到國(guó)內(nèi)外學(xué)者的極大關(guān)注，并在農(nóng)業(yè)遙感應(yīng)用方面有了快速發(fā)展。其中利用機(jī)載成像高光譜遙感監(jiān)測(cè)與診斷農(nóng)作物水分脅迫就是主要研究方向之一[116]。

國(guó)外在基于UAV技術(shù)的植被水分脅迫高光譜遙感研究方面，主要取得如下一些初步研究成果。

1）在植被葉片及冠層水平上，發(fā)現(xiàn)一些對(duì)植被水分含量高度敏感的基于光譜位置的特征參數(shù)、基于光譜面積的特征參數(shù)和基于波段組合的高光譜遙感監(jiān)測(cè)指標(biāo)。例如，提出對(duì)植被葉片水分含量、植被表面冠層結(jié)構(gòu)非常敏感的窄帶綠度指數(shù)（如改進(jìn)紅邊歸一化植被指數(shù)等），發(fā)現(xiàn)可度量植被在光合作用中對(duì)入射光利用效率的光利用率指數(shù)（如光化學(xué)植被指數(shù)、結(jié)構(gòu)不敏感色素指數(shù)、紅綠比值指數(shù)），構(gòu)建可估算植被水分虧缺的指數(shù)（如作物水分脅迫指數(shù)等指標(biāo)）。

2）基于多元統(tǒng)計(jì)分析方法和輻射傳輸理論，構(gòu)建部分作物水分含量的高光譜遙感反演模型，在部分地區(qū)開展作物水分脅迫程度的時(shí)空動(dòng)態(tài)模擬與制圖研究。通過模型耦合或模型與植被指數(shù)結(jié)合方法，建立的光譜模型（如Suits、SAIL和PROSPECT等），恰當(dāng)模擬葉片結(jié)構(gòu)、植被冠層和生化組分等[117]。由于水分含量在很大程度上決定著作物的產(chǎn)量和品質(zhì)，因此，在作物水分含量的高光譜研究方面，國(guó)外研究較為深入，相關(guān)研究報(bào)道較多[118-119]。

我國(guó)在基于植被冠層及葉片水分敏感光譜波段的提取和組合，對(duì)比光譜指數(shù)與植被水分含量之間的關(guān)系，修正現(xiàn)有水分估算模型的參數(shù)等方面也取得了一些初步的研究成果[120-124]。與國(guó)外相關(guān)研究比較，我國(guó)在該領(lǐng)域的研究水平整體處于跟跑或者并跑狀態(tài)，并未取得可用于指導(dǎo)生產(chǎn)實(shí)踐的成熟研究成果。

1.8.2 無人機(jī)技術(shù)與成像光譜的農(nóng)業(yè)干旱監(jiān)測(cè)發(fā)展趨勢(shì)

1）利用近年來廣泛應(yīng)用的無人機(jī)（UAV）技術(shù)和航空高光譜成像設(shè)備，充分發(fā)揮圖譜合一的優(yōu)勢(shì)，更加靈活機(jī)動(dòng)地獲取作物冠層的高光譜遙感數(shù)據(jù)，為探索多時(shí)空尺度作物水分含量的研究，以及為改進(jìn)衛(wèi)星遙感反演作物水分含量模型的精度提供了更加豐富的數(shù)據(jù)源與技術(shù)支撐，是航空高光譜遙感未來發(fā)展的趨勢(shì)之一。

2）采用星載、機(jī)載和近地面高光譜數(shù)據(jù)相結(jié)合的方式，綜合研究作物冠層水分含量的光譜特征，探索作物冠層水分虧缺的高光譜遙感敏感指數(shù)、診斷方法及其監(jiān)測(cè)模型，實(shí)現(xiàn)較大時(shí)空范圍作物水分脅迫狀況的精準(zhǔn)制圖與動(dòng)態(tài)監(jiān)測(cè)，對(duì)指導(dǎo)未來精準(zhǔn)農(nóng)業(yè)的發(fā)展具有實(shí)際應(yīng)用價(jià)值。

1.9 葉綠素?zé)晒膺b感干旱監(jiān)測(cè)

葉綠素?zé)晒馀c植被的光合作用密切相關(guān)，主要位于650～800 nm的紅光和遠(yuǎn)紅光區(qū)域[125-126]。大量研究已表明，植被光合作用過程中的熒光特性對(duì)植被的環(huán)境脅迫響應(yīng)非常敏感[127-128]。

受到干旱脅迫后，植被的葉綠素含量一般會(huì)降低[129-132]，反射光譜和熒光測(cè)量都可以捕捉到這些信號(hào)，特別是熒光信號(hào)一般比葉綠素的下降更早體現(xiàn)出來，因此更容易監(jiān)測(cè)早期干旱脅迫的發(fā)生[133]，這是葉綠素?zé)晒膺b感監(jiān)測(cè)干旱的基礎(chǔ)。

在水分脅迫監(jiān)測(cè)中，還經(jīng)常用到激光誘導(dǎo)熒光技術(shù)。利用激光熒光雷達(dá)和調(diào)制熒光探測(cè)不同作物如玉米、甘蔗、高粱的葉綠素?zé)晒猱a(chǎn)量結(jié)果表明，熒光探測(cè)水分脅迫與輻射強(qiáng)度和作物種類有關(guān)[134]。基于熒光成像技術(shù)探測(cè)葉片光合能力的結(jié)果表明，利用藍(lán)/紅光波段的峰值比可以反演植被的水分狀況，正常和受脅迫葉片的差異明顯[135]。利用激光激發(fā)誘導(dǎo)熒光光譜的結(jié)果表明，活力指數(shù)（Rfd）和脅迫適應(yīng)指數(shù)（Ap）可以較好地指示植物脅迫信號(hào)[136]。

以上不同熒光遙感技術(shù)的應(yīng)用，進(jìn)一步擴(kuò)大了遙感監(jiān)測(cè)的范圍，特別是熒光成像技術(shù)，能夠更準(zhǔn)確地指示植被的早期脅迫信息。隨著熒光探測(cè)器的出現(xiàn)，可以更好地和光譜、植被生理生化指標(biāo)結(jié)合，應(yīng)用于植被光合[137]、營(yíng)養(yǎng)診斷[138-139]、環(huán)境脅迫和干旱監(jiān)測(cè)[140-141]中。

存在問題：葉綠素?zé)晒庑盘?hào)解釋光合作用機(jī)理性強(qiáng)，在植被生理監(jiān)測(cè)中具有反應(yīng)靈敏，測(cè)定速度快，無損監(jiān)測(cè)的特點(diǎn)，得到了廣泛應(yīng)用。但是其缺點(diǎn)也很明顯，比如在測(cè)量過程中需要經(jīng)過暗適應(yīng)，不易在冠層水平實(shí)施，在室外觀測(cè)中受外界環(huán)境的影響很大，目前主要在室內(nèi)開展研究。激光誘導(dǎo)熒光適合進(jìn)行宏觀測(cè)量，但要考慮激發(fā)能量和植被的接受程度，還不適合空間應(yīng)用[142]。此外，日光誘導(dǎo)熒光技術(shù)雖然能夠揭示植被光合作用與環(huán)境的關(guān)系，且FLD法有可能實(shí)現(xiàn)空間遙感應(yīng)用，但還處在探索階段，很多問題如大氣校正、環(huán)境條件與熒光的定量關(guān)系等，仍依賴于將來定量遙感技術(shù)與理論的發(fā)展與大量地面試驗(yàn)數(shù)據(jù)驗(yàn)證。相信隨著高光譜遙感技術(shù)和定量遙感模型的發(fā)展會(huì)進(jìn)一步促進(jìn)熒光遙感技術(shù)在植被干旱監(jiān)測(cè)中發(fā)揮更多作用。

1.10 基于大數(shù)據(jù)和多源遙感技術(shù)的綜合干旱監(jiān)測(cè)

由于農(nóng)業(yè)干旱監(jiān)測(cè)涉及到大氣-土壤-植被等多種過程，同時(shí)涉及的作物類型多樣，干旱致災(zāi)的機(jī)理不同，作物的干旱敏感期差異較大，農(nóng)業(yè)干旱監(jiān)測(cè)不再是一個(gè)單一指標(biāo)能完成的，而在大數(shù)據(jù)發(fā)展到一定程度的今天，干旱監(jiān)測(cè)問題也成為一個(gè)大數(shù)據(jù)問題[143]，同時(shí)干旱監(jiān)測(cè)也需要多源遙感數(shù)據(jù)共同完成[144-145]，才有可能完成精準(zhǔn)和精細(xì)化的監(jiān)測(cè)預(yù)警服務(wù)，基于大數(shù)據(jù)的綜合干旱監(jiān)測(cè)方法與模型將成為未來農(nóng)業(yè)干旱監(jiān)測(cè)的主要發(fā)展趨勢(shì)。

2 中國(guó)遙感干旱監(jiān)測(cè)的需求分析和存在的問題

2.1 國(guó)家需求

干旱是對(duì)全球經(jīng)濟(jì)和社會(huì)影響最嚴(yán)重的一種氣象災(zāi)害。我國(guó)每年因旱災(zāi)造成的損失占各種自然災(zāi)害總和的15%以上。在全球氣候變化和人類活動(dòng)增加的背景下，干旱的發(fā)生頻率、強(qiáng)度和持續(xù)時(shí)間均有可能增加。由于引發(fā)干旱的大氣環(huán)流異常的原因十分復(fù)雜，在未來相當(dāng)長(zhǎng)時(shí)間內(nèi)，人類還很難對(duì)干旱的發(fā)生進(jìn)行準(zhǔn)確預(yù)測(cè)。因此，加強(qiáng)干旱監(jiān)測(cè)技術(shù)的研究，提高干旱監(jiān)測(cè)和早期預(yù)警的水平，不僅是國(guó)際干旱科學(xué)領(lǐng)域的一項(xiàng)重要內(nèi)容，也是我國(guó)政府抗旱防災(zāi)中致力解決的首要問題。

國(guó)家迫切需要對(duì)不同區(qū)域和不同類型干旱出現(xiàn)時(shí)間、范圍、強(qiáng)度以及發(fā)生、發(fā)展和消退干旱過程進(jìn)行準(zhǔn)確監(jiān)測(cè)和早期預(yù)警，提升我國(guó)干旱防災(zāi)減災(zāi)能力，減少干旱造成的經(jīng)濟(jì)損失，為我國(guó)干旱防災(zāi)減災(zāi)、保障糧食安全以及生態(tài)安全、水安全乃至國(guó)家安全提供科技支撐。

2.2 行業(yè)需求

綜合運(yùn)用氣象觀測(cè)信息和現(xiàn)代預(yù)測(cè)、預(yù)報(bào)、預(yù)警技術(shù)，實(shí)時(shí)、準(zhǔn)確地發(fā)布監(jiān)測(cè)干旱信息是氣象部門主要業(yè)務(wù)。目前各級(jí)氣象部門分別通過氣象干旱指數(shù)（CI）、降水距平百分率（Pa）、標(biāo)準(zhǔn)化降水指數(shù)（SPI）等指數(shù)進(jìn)行氣象干旱監(jiān)測(cè)，應(yīng)用降水距平百分率、不同深度的土壤相對(duì)濕度開展農(nóng)業(yè)氣象干旱監(jiān)測(cè)，應(yīng)用衛(wèi)星遙感數(shù)據(jù)開展遙感干旱監(jiān)測(cè)。這些指標(biāo)分別從不同角度來描述干旱過程，相互之間既有聯(lián)系又存在差異，單一指數(shù)僅反映干旱過程某一狀況。如何從時(shí)間和空間上建立這些指數(shù)間的聯(lián)系，客觀定量地融合這些信息，建立綜合監(jiān)測(cè)模型，對(duì)全面了解干旱過程是非常必要和迫切需求的。

因此，研究由氣象干旱-農(nóng)業(yè)干旱-水文干旱間的干旱傳遞過程和相互間的聯(lián)系，綜合應(yīng)用氣象、農(nóng)業(yè)氣象、衛(wèi)星遙感觀測(cè)信息以及大數(shù)據(jù)技術(shù)，改進(jìn)和發(fā)展干旱監(jiān)測(cè)模型，研發(fā)多源信息綜合監(jiān)測(cè)技術(shù)，并能針對(duì)不同目標(biāo)提供更客觀、定量和精細(xì)的干旱信息，提高干旱監(jiān)測(cè)和早期預(yù)警水平，為國(guó)家抗旱決策提供有力的科技支撐，是氣象部門迫切需要解決的科學(xué)和技術(shù)問題。

2.3 科研中存在的問題

1）對(duì)氣象干旱-土壤干旱-農(nóng)業(yè)干旱發(fā)展過程中，不同遙感參數(shù)（包括大氣降水、云、大氣溫濕度等大氣參數(shù)），植被參數(shù)（植被指數(shù)、蓋度、葉面積、fPAR），地表參數(shù)（地表反射率、地表溫度、蒸散發(fā)、土壤水分、土壤熱通量）的特征、作用及相互聯(lián)系認(rèn)識(shí)不夠，沒有掌握干旱發(fā)生、發(fā)展和傳播的過程中各參數(shù)變化規(guī)律和對(duì)干旱作用的實(shí)質(zhì)。

2）由于干旱時(shí)空特征差異很大，現(xiàn)有的遙感監(jiān)測(cè)指標(biāo)遠(yuǎn)不能滿足我國(guó)不同區(qū)域和不同時(shí)段的干旱監(jiān)測(cè)的需求，亟待建立不同時(shí)空尺度遙感監(jiān)測(cè)指標(biāo)體系。

3）如何建立從紫外-微波的多源遙感數(shù)據(jù)綜合監(jiān)測(cè)干旱技術(shù)？如何解決時(shí)空尺度轉(zhuǎn)化問題？如何進(jìn)行多源數(shù)據(jù)融合？這些問題還需要深入探討和研究。

3 對(duì)策建議和研究計(jì)劃

3.1 對(duì)策建議

雖然干旱是全球普遍發(fā)生的自然災(zāi)害，但因其影響因子復(fù)雜，其發(fā)生發(fā)展規(guī)律和造成的危害具有鮮明的地域和時(shí)間特征，人類對(duì)干旱的認(rèn)識(shí)尚在探索中。盡管科學(xué)界已經(jīng)提出了100多個(gè)基于地面站點(diǎn)觀測(cè)的干旱指數(shù)和數(shù)十個(gè)基于衛(wèi)星遙感的干旱指數(shù)，但仍然沒有哪個(gè)指數(shù)可以對(duì)全球不同地區(qū)的干旱發(fā)生時(shí)間、范圍和強(qiáng)度進(jìn)行有效的監(jiān)測(cè)。

干旱與當(dāng)?shù)貧夂?、農(nóng)業(yè)、水文、土壤、人口和社會(huì)抗旱能力密切相關(guān)，因此，針對(duì)各地氣候特征，結(jié)合農(nóng)業(yè)和植被特點(diǎn)、土地類型等特點(diǎn)，提出適合不同地區(qū)、不同時(shí)段的干旱監(jiān)測(cè)標(biāo)準(zhǔn)和指標(biāo)體系很有必要。

3.2 研究計(jì)劃

1）建立以FY系列衛(wèi)星估算地表蒸散為基礎(chǔ)的干旱監(jiān)測(cè)技術(shù)

以FY-3和FY-4產(chǎn)品為基礎(chǔ)，利用雙層模型分離土壤蒸發(fā)和植被蒸騰，分別計(jì)算地表脅迫指數(shù)和冠層脅迫指數(shù)，分別給出地表和冠層的水分監(jiān)測(cè)結(jié)果，進(jìn)而針對(duì)不同地域和目標(biāo)開展監(jiān)測(cè)。

2）綜合微波遙感干旱指數(shù)構(gòu)建、應(yīng)用與評(píng)估

以西北為研究區(qū)，在檢驗(yàn)微波遙感產(chǎn)品適用性的基礎(chǔ)上，利用微波遙感降水、土壤水分和地表溫度等數(shù)據(jù)分別建立單一指標(biāo)的微波干旱指數(shù)；分析這些指數(shù)在不同氣候區(qū)、不同地表類型和不同時(shí)段監(jiān)測(cè)干旱能力的差異；基于不同單一指標(biāo)干旱指數(shù)在監(jiān)測(cè)干旱時(shí)貢獻(xiàn)率不同的分析，綜合考慮大氣-土壤-地表溫度的影響因素，采用專家咨詢權(quán)數(shù)法和因子分析權(quán)數(shù)法，將單一指標(biāo)干旱指數(shù)按不同權(quán)重系數(shù)合理組合，進(jìn)一步構(gòu)建多種微波集成干旱指數(shù)。

將多種微波集成干旱指數(shù)應(yīng)用于西北區(qū)域干旱時(shí)空變化特征的監(jiān)測(cè)中，應(yīng)用歷史干旱過程檢驗(yàn)微波集成干旱指數(shù)在西北地區(qū)干旱監(jiān)測(cè)中的適用性；同時(shí)結(jié)合氣象站點(diǎn)資料計(jì)算的干旱指數(shù)（如SPI、K和PDSI等）以及光學(xué)遙感數(shù)據(jù)計(jì)算的指數(shù)（如NDVI、VCI和TCI等）評(píng)估微波集成干旱指數(shù)監(jiān)測(cè)干旱的特點(diǎn)和應(yīng)用能力；根據(jù)不同氣候區(qū)和不同地表類型選擇最佳微波集成干旱指數(shù)，并分析西北地區(qū)近20年的干旱演變特征。

3）無人機(jī)航空-地面結(jié)合的高光譜遙感干旱致災(zāi)過程機(jī)理觀測(cè)試驗(yàn)研究

根據(jù)旱區(qū)作物生長(zhǎng)發(fā)育規(guī)律，開展水分脅迫條件下的地面-航空高光譜同步觀測(cè)試驗(yàn)，研究作物生理生態(tài)特征與高光譜遙感特征。

研究作物在水分脅迫條件下的航空高光譜遙感監(jiān)測(cè)特征指標(biāo)和參數(shù)，提出旱區(qū)作物水分脅迫的光譜診斷指標(biāo)體系，建立適用于不同生育期的作物水分脅迫高光譜遙感監(jiān)測(cè)模型。

以地面-航空同步觀測(cè)資料為基礎(chǔ)，逐步升尺度，在較大時(shí)空范圍驗(yàn)證和改進(jìn)星載高光譜遙感監(jiān)測(cè)模型的精度；結(jié)合HJ-1A和TG-1等高光譜衛(wèi)星遙感影像，對(duì)作物水分脅迫狀況進(jìn)行空間制圖與動(dòng)態(tài)監(jiān)測(cè)（圖1）。

圖1 基于UAV技術(shù)的作物水分脅迫高光譜遙感監(jiān)測(cè)技術(shù)路線圖Fig. 1 Flow chart of crop water stress hyperspectral remote sensing monitoring based on UAV technology

4）研制綜合干旱監(jiān)測(cè)指數(shù)

在上述工作的基礎(chǔ)上，利用不同的干旱監(jiān)測(cè)指數(shù)對(duì)歷史干旱過程進(jìn)行監(jiān)測(cè)，對(duì)比分析各指數(shù)的適用下墊面及監(jiān)測(cè)特征，并基于不同植被覆蓋度，通過按不同權(quán)重進(jìn)行指數(shù)組合構(gòu)建出新的綜合遙感干旱監(jiān)測(cè)指數(shù)，使其適用于非均勻的下墊面。