卜小東 郭輝 黃可京

摘要：農(nóng)田環(huán)境中的土壤水分監(jiān)測和植被水分監(jiān)測對作物生長具有重要的意義。熱紅外遙感能快速、有效地測量農(nóng)田地表溫度，因此成為農(nóng)田土壤水分監(jiān)測的有力工具。近年來，熱紅外遙感在農(nóng)田水分監(jiān)測方面的研究取得了較快的發(fā)展，為了解農(nóng)田土壤水分和作物冠層水分狀態(tài)提供了更便捷且有效的途徑，進而給田間管理提供決策支持。本文討論了熱紅外遙感在農(nóng)田環(huán)境水分監(jiān)測方面的最新技術(shù)和應(yīng)用進展，針對農(nóng)田環(huán)境和作物生長期的不同情況，主要采用裸土土壤水分熱紅外遙感反演與植被覆蓋下的農(nóng)田土壤水分熱紅外遙感反演兩大類方法進行土壤水分監(jiān)測。田間的土壤被植被覆蓋時難以直接監(jiān)測。在熱紅外遙感技術(shù)的基礎(chǔ)上，對于覆蓋作物的農(nóng)田環(huán)境水分，可通過測試作物自身的植被指數(shù)與水分脅迫指數(shù)來進行表征和反演。熱紅外遙感的優(yōu)勢：（1）基于熱紅外遙感技術(shù)能夠快速地監(jiān)測植被生長期冠層含水量;（2）基于熱紅外遙感技術(shù)能夠準確地在植被生長期反演農(nóng)田土壤水分的變化;（3）全面動態(tài)地掌握農(nóng)田生產(chǎn)區(qū)域植被的水分脅迫情況。實際的應(yīng)用中在數(shù)據(jù)獲取過程中依然存在著包括大氣衰減和吸收、校準、氣候條件、作物生長階段等因素的影響有待解決。

關(guān)鍵詞：農(nóng)田環(huán)境;土壤;水分監(jiān)測;熱紅外遙感;植被冠層;反演

中圖分類號： S127;TP79? 文獻標志碼： A? 文章編號：1002-1302（2020）20-0025-06

水是重要的自然資源。隨著全球人口的大量增長，水資源變得越來越寶貴。農(nóng)業(yè)用水是造成水資源短缺的主要因素之一，農(nóng)業(yè)灌溉用水量占世界總用水量的70%左右[1-2]。目前全球水資源短缺形勢的日益嚴峻，因此必須有效節(jié)約農(nóng)業(yè)生產(chǎn)環(huán)節(jié)中的水資源消耗。此外，日益頻發(fā)的農(nóng)業(yè)干旱風險加重了農(nóng)業(yè)用水的需求負擔[3]。干旱環(huán)境下，農(nóng)作物的水分蒸散量會增加，作物的灌溉用水需求會進一步升高。因此，及早地發(fā)現(xiàn)和監(jiān)測農(nóng)作物的水分脅迫情況是很重要的。利用遙感技術(shù)可以快速、有效地獲得農(nóng)作物種植區(qū)域的大面積影像數(shù)據(jù)，該技術(shù)具有重要的農(nóng)業(yè)監(jiān)測使用價值[4-6]。熱紅外遙感能探測遠距離外的植被等地物所反射或輻射的紅外信息，所拍攝的影像可以表征地面物體的性質(zhì)、狀態(tài)和變化規(guī)律[7]。熱紅外遙感在農(nóng)業(yè)上的應(yīng)用越來越廣泛，主要應(yīng)用在對土壤和植被水分的監(jiān)測方面。

熱紅外遙感可測量物體表面發(fā)出的輻射并將其轉(zhuǎn)換為溫度。地球上的地物在自然環(huán)境中都會發(fā)生輻射。輻射量則是表面溫度發(fā)射率的函數(shù)[8]。作物冠層溫度通常與作物的蒸騰速率有關(guān)。大多數(shù)情況下土壤表面溫度可用土壤水分含量和大氣蒸發(fā)力的相關(guān)函數(shù)式表示[9]。因此，基于熱紅外遙感確定作物冠層溫度，并將其作為量化作物水分脅迫的一種指標，在農(nóng)業(yè)生產(chǎn)中尤其在農(nóng)田灌溉管理決策中具有重要意義。此外，熱紅外遙感還可以量化土壤水分和土壤蒸散發(fā)狀態(tài)。許多研究已經(jīng)使用熱紅外遙感技術(shù)評估了多種農(nóng)作物的水分脅迫狀態(tài)[10-13]。另有一些研究指出，盡管熱紅外遙感能夠提取作物水分脅迫的時空信息，但是在使用熱紅外遙感圖像時必須考慮如下幾個問題：圖像的拍攝時間和空間分辨率、獲取圖像時的環(huán)境大氣條件、熱紅外傳感器的高度和視角、作物種類和作物生長期的變化[14-15]。

利用熱紅外遙感監(jiān)測地表土壤水分含量對干旱預(yù)警具有重要意義。近些年來星載熱紅外遙感技術(shù)快速發(fā)展，可以實現(xiàn)對沒有地面觀測站點的區(qū)域進行大范圍、快速的熱輻射遙感觀測。在此基礎(chǔ)上，全球的主要空間機構(gòu)提供了多種用于區(qū)域和全球尺度土壤水分觀測的產(chǎn)品[16-18]。無人機遙感的快速興起使得基于無人機平臺搭載熱紅外傳感器的土壤含水量監(jiān)測研究成為熱點。

1 熱紅外遙感監(jiān)測農(nóng)田土壤水分

土壤中水分的空間分布和時間動態(tài)性變化是影響生態(tài)圈生物多樣性的主要因素。植物可以吸收來自土壤中的水分（植物可用土壤水）進行生理代謝過程。因此了解土壤在局部區(qū)域的水分遷移和循環(huán)對明確大氣蒸發(fā)和植被蒸騰作用具有重要意義[19]。尤其是在農(nóng)業(yè)生產(chǎn)中，保證作物生長期內(nèi)水分的監(jiān)測，對旱情預(yù)警、灌溉管理以及其他精細化管理意義重大，而運用紅外線遙感技術(shù)能夠很好地監(jiān)測農(nóng)田環(huán)境中土壤水分的變化情況。針對農(nóng)田環(huán)境和作物生長期的不同情況，主要采用裸土土壤水分熱紅外遙感反演與植被覆蓋下的農(nóng)田土壤水分熱紅外遙感兩大類方法進行土壤水分監(jiān)測。

1.1 用于土壤水分遙感監(jiān)測的熱紅外技術(shù)特點

目前，大多數(shù)研究認為，在對土壤系統(tǒng)內(nèi)的水和能量通量進行監(jiān)測和建模時，如何有效且充分地描述土壤水分的時空異質(zhì)性是關(guān)鍵問題之一[20]。模型對土壤中水分和能量流通過程實現(xiàn)有效模擬的前提是獲得關(guān)于較大尺度的土壤異質(zhì)性和水分傳輸模式的先驗知識。此外，土壤水分是研究水文和生物過程的關(guān)鍵變量[21]。土壤水分是該過程最重要的驅(qū)動因素，其作用大約占到生態(tài)系統(tǒng)多功能性變化的65%[22]。趙利君等研究發(fā)現(xiàn)，土壤水分含量增加促使草原環(huán)境下植物多樣性的發(fā)展，另外計算了土壤水分的相對生態(tài)指標值，并發(fā)現(xiàn)不同類型的草地對放牧的反應(yīng)差異很大[23]。草地類型從干旱型到濕潤型不斷變化，其對應(yīng)的放牧效果也在呈不斷增加的趨勢。除此之外，自然環(huán)境中還存在著較為極端的環(huán)境條件，在該生態(tài)系統(tǒng)中，土壤水分和土壤碳物質(zhì)的空間分布支配著土壤生物群落的分布。

傳統(tǒng)的使用遙感技術(shù)監(jiān)測土壤特征、水文特征以及土壤水分時空動態(tài)變化的方法主要分為2種：一種是直接監(jiān)測土壤中沒有植被或植被覆蓋有限的區(qū)域，例如基于主動合成孔徑雷達遙感的水分變化監(jiān)測方法;另外一種是基于無源微波傳感器或光學(xué)遙感數(shù)據(jù)對植被覆蓋下的土壤水分進行間接觀測，該方法使用植被特征替代土壤和土壤水分特征。對于間接測量土壤水分的方法，研究表明，使用光學(xué)熱紅外遙感技術(shù)可獲得較好的觀測結(jié)果。總的來說，目前已經(jīng)出現(xiàn)的基于星載遙感數(shù)據(jù)的土壤水分監(jiān)測產(chǎn)品在全球尺度下具有較高的監(jiān)測精度，同時也得到了廣泛應(yīng)用。對于區(qū)域或田塊尺度而言，由于現(xiàn)有的星載遙感數(shù)據(jù)大多不具備足夠的時空分辨率，因此無法有效利用。然而，隨著機載傳感器和近地傳感器的發(fā)展（例如具備一定穿透能力的雷達傳感器的興起），田塊尺度下的土壤含水量監(jiān)測成為可能[24]。

熱紅外傳感器（Landsat系列，Sentinel-3和SEVIRI等）被廣泛應(yīng)用于地表土壤水分信息的獲取[25-27]。這些傳感器一般都能提供多時相的地表熱紅外圖像。然而，土壤水分的時空變異性非常高，這就使得光學(xué)和熱傳感器獲取的土壤水分相關(guān)信息的適用性在很大程度上取決于熱紅外傳感器的空間、光譜和時間分辨率。迄今為止，研究人員已開發(fā)出一系列機載和衛(wèi)星傳感器，用來獲取熱紅外圖像數(shù)據(jù)，如LandsatTM/ETM+、MODIS、ASTER，還有正在開發(fā)的新型衛(wèi)星，例如HyspIRI。基于無人機平臺搭載熱紅外傳感器的遙感數(shù)據(jù)獲取方式在地表溫度反演研究中的應(yīng)用占據(jù)較大比例。遙感平臺的熱紅外傳感器可以提供地表溫度在不同空間、頻譜和時間分辨率下的熱紅外數(shù)據(jù)。就目前的發(fā)展現(xiàn)狀來講，機載熱紅外平臺是在田塊到區(qū)域尺度下監(jiān)測土壤水分的具有高時空分辨率的重要方法。

1.2 裸土土壤水分熱紅外遙感反演方法與應(yīng)用

由于不必考慮植被層對土壤水分反演的干擾，裸土區(qū)域的土壤水分熱紅外遙感反演研究發(fā)展較早，主要的研究方法有2種：土壤熱慣量法和地表溫度法。土壤熱慣量法以土壤的熱慣量屬性作為土壤溫度變化的理論基礎(chǔ)，認為土壤熱慣量和土壤水分密切相關(guān)，對于土壤水分的微小變化土壤熱慣量均有響應(yīng)[28-29]?；跓釕T量法反演土壤水分的研究主要包含3個方面的內(nèi)容：（1）建立土壤水分含量與土壤熱慣量間的回歸模型;（2）建立熱紅外遙感數(shù)據(jù)與土壤熱慣量間的回歸模型;（3）建立土壤表層水分含量與土壤不同深度層水分含量間的數(shù)值模擬模型[30]。在上述過程中，土壤熱慣量回歸模型的建立是聯(lián)系熱紅外遙感信息與地表土壤參量的基礎(chǔ)。在實際應(yīng)用中，基于大量實測土壤表層含水量數(shù)據(jù)建立土壤熱慣量和土壤水分間的回歸模型則是應(yīng)用熱慣量法的前提。綜上所述，熱慣量法在研究區(qū)范圍較小、土壤類型較為單一的土壤水分監(jiān)測中具有較高的精度。

地表溫度作為重要的農(nóng)田狀態(tài)變量之一，是區(qū)域尺度下水文建模的重要信息源[31]。地表溫度與地表能量平衡有關(guān)，代表著地表能量與水平衡之間的相互作用。此外，熱和水文特性也會使得地表溫度發(fā)生變化。因此，地表溫度被認為是研究生態(tài)變化的重要變量之一[32-33]。地表溫度被用于各種環(huán)境研究中，例如描述水文循環(huán)活動、氣候現(xiàn)象或植被動態(tài)研究。此外，地表溫度通常被用于估算地表蒸散量，該變量受大氣條件、土壤濕度以及地表水與地下水相互作用的影響[34]。

地表能量平衡可以通過不同通量方式的野外實地測量來進行量化。這種實地測量的方式在分析地物表面溫度方面具有重要的應(yīng)用價值。然而，該方式只適用于小范圍區(qū)域。因此，要想利用該方式研究整個區(qū)域尺度下地表溫度的空間分布具有一定的難度。這就使得利用熱紅外數(shù)據(jù)反演不同表面的地表溫度更具研究價值。基于這些方面的考慮，以高時空分辨率熱紅外遙感監(jiān)測農(nóng)田地表溫度，可以提供有關(guān)土壤層和大氣之間的水和能量交換信息。

大量的研究表明，地表溫度的時空差異性與植物種類及分布、當?shù)氐拇髿饽芰?、水或土壤養(yǎng)分狀況等均有關(guān)聯(lián)。此外，地表溫度還受到土地表面特征（如土壤、地形）的強烈影響[35]。因此，使用遙感技術(shù)記錄地表表面特征及其異質(zhì)性對于充分描述、解釋和預(yù)測農(nóng)田地表溫度分布非常重要。雖然地表溫度可以通過溫度計在單點尺度上進行測量，但需要通過熱紅外遙感才能在較大的空間范圍內(nèi)以高時間和空間分辨率數(shù)據(jù)生產(chǎn)地表溫度產(chǎn)品。星載熱紅外傳感器上的輻射度測量數(shù)據(jù)不僅取決于地表溫度，還與表面發(fā)射率和大氣條件有關(guān)。因此，除了對原始熱紅外觀測影像進行輻射定標外，還必須對發(fā)射率和大氣效應(yīng)進行校正。

1.3 植被覆蓋下的農(nóng)田土壤水分熱紅外遙感方法與應(yīng)用

自然環(huán)境下，土壤水分是沿著土壤剖面動態(tài)變化的。熱紅外傳感器可以在不同深度采集土壤濕度信息。在反演土壤含水量時，除了要考慮傳感器的特性外，還要大量獲取土壤水分含量的原始數(shù)據(jù)。由于熱紅外遙感數(shù)據(jù)具有較大的時空變異性，原始土壤含水量的測量數(shù)據(jù)（基于手持近地熱紅外傳感器）通常不可靠。為了獲得具有高時空分辨率的原始測量數(shù)據(jù)以及具有不同土地利用、土地覆蓋和土壤特性的不同位置的土壤水分數(shù)據(jù)，近年來關(guān)于分布式土壤水分傳感器網(wǎng)絡(luò)的研究和應(yīng)用越來越被重視。另外，星載和機載熱紅外遙感數(shù)據(jù)的校準和驗證方法也需要不斷被改進。在植被覆蓋度較高的區(qū)域，基于光學(xué)傳感器直接觀測土壤濕度具有較大難度，這是因為這些區(qū)域的土壤大多常年被密度較高和物種種類較多的植被層覆蓋。在這些區(qū)域，植被的生理生態(tài)、功能特性和植物的光譜特性均可作為反演土壤水分分布和土壤水分時空特征的替代指標。

大量基于熱紅外與其他光學(xué)遙感的研究表明，在作物覆蓋的農(nóng)田區(qū)域，與土壤含水量相關(guān)的因素可以分為植被冠層溫度和植被長勢2類。在植被覆蓋的區(qū)域，土壤水分的盈虧直接影響植被蒸騰作用，進而導(dǎo)致植被冠層溫度發(fā)生變化。楊文攀等基于無人機多光譜和熱紅外影像提取玉米冠層溫度和溫度植被干旱指數(shù)（TVDI），結(jié)果表明，拔節(jié)期和灌漿期玉米冠層溫度的節(jié)律性與土壤干旱程度具有一定的相關(guān)性[36]。植被長勢與土壤水分密切相關(guān)，大量研究者基于遙感數(shù)據(jù)構(gòu)建植被指數(shù)用以監(jiān)測土壤水分含量。Kogan將極端氣候條件（干旱和非干旱）下計算的歸一化植被指數(shù)（NDVI）最大、最小值作為量化氣候指標，進而提出了植被條件指數(shù)（vegetation condition index，VCI）[37]，該指數(shù)監(jiān)測區(qū)域土壤水分比NDVI和降水量法更為有效。地表溫度反映了地表過程中能量的平衡。鮑艷松等基于Savitzky-Golay濾波重構(gòu)的中分辨率成像光譜儀（MODIS） NDVI和LST數(shù)據(jù)計算TVDI，構(gòu)建土壤濕度反演模型，結(jié)果表明，TVDI方法能夠?qū)崿F(xiàn)研究區(qū)域土壤濕度的有效反演，且反演精度較高[38]。王鵬新等基于NDVI和LST的分布基礎(chǔ)，提出了條件植被溫度指數(shù)（VTCI）干旱監(jiān)測方法，并用于陜西省關(guān)中平原春季（3月下旬）干旱情況的監(jiān)測，結(jié)果表明，利用VTCI干早監(jiān)測方法獲得的監(jiān)測結(jié)果和利用土壤熱慣量模型反演的土壤表層含水量結(jié)果基本吻合[39]。

2 熱紅外遙感監(jiān)測作物冠層含水量

田間的土壤水分監(jiān)測可為作物的精細化管理、災(zāi)害預(yù)警和灌溉指導(dǎo)提供重要依據(jù)，該過程主要發(fā)生在作物的生長期內(nèi)，土壤被植被覆蓋而難以直接監(jiān)測。研究表明，在熱紅外遙感技術(shù)的基礎(chǔ)上，對于覆蓋作物的農(nóng)田環(huán)境水分，可通過測試作物自身的植被指數(shù)與水分脅迫指數(shù)來進行表征和反演。

2.1 植被指數(shù)

Thomas等研究發(fā)現(xiàn)，植被葉片的相對含水量與光譜反射率在1 450～1 930 nm之間顯著相關(guān)[40]。Gao將2個近紅外波段（波段中心約為0.86、1.24 μm）作為水分敏感波段，構(gòu)建歸一化水體植被指數(shù)（NDWI）植被冠層水分遙感估測模型，并取得了較好的結(jié)果[41]。蔣金豹等研究發(fā)現(xiàn)，小麥冠層相對含水量的變化與近紅外區(qū)域（900～1 300 nm）和短波紅外區(qū)域（1 300～2 500 nm）的光照度密切相關(guān)[42]。通過對冠層光譜進行平滑處理，利用冠層光譜近紅外與短波紅外水分敏感波段構(gòu)建比值指數(shù)，然后建立以比值指數(shù)為變量的反演小麥相對含水量的線性模型。

2.2 作物水分脅迫指數(shù)

目前，被廣泛使用的基于作物冠層溫度的植被冠層水分脅迫指標有很多，包括傳統(tǒng)的作物水分脅迫指數(shù)（CWSI）[53]、高于冠層閾值的程度和高于非脅迫度的程度等。其中，植被冠層溫度為評估植被冠層含水量的主要參數(shù)。研究人員評估了幾個熱紅外遙感指數(shù)，發(fā)現(xiàn)基于作物冠層溫度的水分脅迫指數(shù)對遙感數(shù)據(jù)的需求較少，且對作物冠層水分脅迫較敏感?；诠趯訙囟仍u估水分脅迫指數(shù)的方法與CWSI等數(shù)據(jù)密集型方法相比具有相似的作物冠層水分反演精度。Han等開發(fā)了1種新的基于冠層溫度的作物冠層水分含量指標CTSD（冠層溫度的標準偏差）[54]。研究人員使用玉米作物測試了該指數(shù)的實用性，發(fā)現(xiàn)該指數(shù)對水分脅迫的微小變化并不敏感。在這些指標中，CWSI被用作量化植被冠層水分脅迫的標準指標，它需要其他數(shù)據(jù)，例如蒸汽壓差（VPD）、理想的天氣條件等。在估算CWSI時，須要使用熱成像相機獲取作物冠層的發(fā)射率，用來計算與冠層溫度有關(guān)的冠層水分脅迫。CWSI被定義為空氣溫度（Ta）與植被冠層溫度（Tc）之間的差值，表達形式如式（1）所示。

式中：UL和LL分別表示上限值和下限值，研究人員根據(jù)不同方法確定UL和LL的值，這些方法主要分為2類：分析法和經(jīng)驗法，它們各具優(yōu)勢和缺點，但均已被廣泛用于作物水分脅迫的監(jiān)測研究中。

熱紅外遙感數(shù)據(jù)反演的CWSI也已被廣泛應(yīng)用于溫室中玉米冠層水分脅迫的高時空監(jiān)測。研究結(jié)果表明，根據(jù)冠層溫度估算的CWSI可用于定量監(jiān)測農(nóng)田作物冠層含水量，并且表征作物冠層含水量的時空變異性[55]。除了使用作物冠層溫度進行作物冠層水分脅迫監(jiān)測之外，還可以基于熱紅外遙感數(shù)據(jù)獲取的農(nóng)田土壤水分指數(shù)和蒸散發(fā)模型來估測作物冠層水分脅迫情況。相關(guān)研究基于蒸散發(fā)模型估測大豆和玉米作物的日蒸散量，并取得了較好的結(jié)果[56]。

2.3 植被冠層溫度應(yīng)用討論

基于植被冠層溫度反演作物冠層含水量的方法雖然具有較好的精度和適用性，但該方法還有一定的缺陷，主要是單獨使用葉片冠層溫度不能直接反映作物的生理狀態(tài)。這是因為自然條件下測定葉片冠層的溫度是受多種環(huán)境因素影響的。這些因素主要包括空氣溫度、濕度、水汽壓差（VPD）、風速以及入射輻射等[57]。目前，在進行野外測量獲取原始冠層溫度數(shù)據(jù)時，受限于測量平臺和測量設(shè)備本身的精度誤差，植被冠層溫度的準確獲取較為困難。

雖然基于溫度指數(shù)監(jiān)測植被冠層溫度存在數(shù)據(jù)獲取方面的問題，但是鑒于溫度指數(shù)監(jiān)測作物水分脅迫的巨大潛力，基于熱紅外遙感數(shù)據(jù)監(jiān)測作物冠層含水量依然具有較好的應(yīng)用前景。近年來，許多機載和星載熱紅外傳感器已被開發(fā)并在農(nóng)業(yè)中獲得應(yīng)用。然而，衛(wèi)星傳感器由于低空間和時間分辨率的限制，并沒有在農(nóng)業(yè)中獲得廣泛應(yīng)用。隨著硬件技術(shù)的發(fā)展，最近熱紅外遙感技術(shù)的發(fā)展經(jīng)歷了從星載衛(wèi)星平臺到無人駕駛飛行器（UAV）平臺逐步過渡的過程，從而彌補了衛(wèi)星傳感器時空分辨率較低的缺點，為其在農(nóng)業(yè)中的應(yīng)用，尤其是田間管理方面提供了較高的應(yīng)用潛力。

3 結(jié)論

本文討論了熱紅外遙感在農(nóng)田環(huán)境水分監(jiān)測方面的最新技術(shù)和應(yīng)用進展。農(nóng)業(yè)中熱紅外圖像的應(yīng)用包括但不限于土壤水分監(jiān)測和作物水分脅迫監(jiān)測。盡管在土壤和作物冠層水分監(jiān)測中，熱紅外遙感相比光學(xué)遙感具有一些潛在的優(yōu)勢：（1）基于熱紅外遙感技術(shù)能夠快速地監(jiān)測植被生長期冠層含水量;（2）基于熱紅外遙感技術(shù)能夠準確地在植被生長期反演農(nóng)田土壤水分的變化;（3）全面動態(tài)地掌握農(nóng)田生產(chǎn)區(qū)域植被的水分脅迫情況。但是實際的應(yīng)用中在數(shù)據(jù)獲取過程中依然存在許多困難，包括大氣衰減和吸收、校準、氣候條件和作物生長階段等因素的影響等，具體反映在以下幾個方面：（1）由于采集設(shè)備的各種限制，如何最優(yōu)地確定圖像的拍攝時間和空間分辨率;（2）如何保證獲取圖像時的環(huán)境大氣條件尤其是惡劣天氣條件下對采集數(shù)據(jù)的影響最小;（3）根據(jù)不同的采集設(shè)備上搭載紅外線傳感器時，如何合理地設(shè)置熱紅外傳感器的高度和視角;（4）如何針對不同作物種類和作物生長期的變化特點來規(guī)劃數(shù)據(jù)采集方式。

未來，隨著無人機低空遙感技術(shù)的進步和智慧農(nóng)業(yè)的快速發(fā)展，上述問題有望獲得有效解決。

參考文獻：

[1]劉 文，彭小波. 我國的農(nóng)業(yè)水資源安全分析[J]. 農(nóng)業(yè)經(jīng)濟，2006（10）：56-58.

[2]趙培樂，譚海苗. 農(nóng)業(yè)水資源的高效利用與可持續(xù)發(fā)展探討[J]. 金田，2013（2）：304.

[3]馬忠明. 有限灌溉條件下作物-水分關(guān)系的研究[J]. 干旱地區(qū)農(nóng)業(yè)研究，1998，16（2）：75-79.

[4]童 輝. 衛(wèi)星遙感信息增量挖掘方法研究：農(nóng)業(yè)信息變化檢測應(yīng)用[D]. 北京：中國科學(xué)院對地觀測與數(shù)字地球科學(xué)中心，2006.

[5]孫 麗，吳 全，張松嶺，等. 小地物比例提取在河北耕地遙感調(diào)查中的應(yīng)用研究[J]. 農(nóng)業(yè)工程學(xué)報，2006，22（2）：79-82.

[6]劉晨晨，曹廣真，張明偉，等. 時空尺度對利用MODIS地表溫度估算空氣溫度的影響研究[J]. 遙感技術(shù)與應(yīng)用，2014，28（5）：459-466.

[7]實 旺. 熱紅外遙感應(yīng)用簡介[J]. 遙感技術(shù)與應(yīng)用，1992（4）：74.

[8]王春磊，晁 暉，孫 迪. 基于比輻射率先驗的熱紅外反演地表溫度算法[J]. 河北聯(lián)合大學(xué)學(xué)報（自然科學(xué)版），2014，36（3）：86-91.

[9]張 川，閆浩芳，大上博基，等. 表層有效土壤水分參數(shù)化及冠層下土面蒸發(fā)模擬[J]. 農(nóng)業(yè)工程學(xué)報，2015，31（2）：102-107.

[10]姚云軍，程 潔，趙少華，等. 基于熱紅外遙感的農(nóng)田蒸散估算方法研究綜述[J]. 地球科學(xué)進展，2012，27（12）：1308-1318.

[11]沈彥俊，夏 軍，張永強，等. 陸面蒸散的雙源遙感模型及其在華北平原的應(yīng)用[J]. 水科學(xué)進展，2006，17（3）：371-375.

[12]索爾 G J R. 利用遙感作物表面溫度估算區(qū)域蒸散量和土壤水分狀況[J]. 張 莉，譯. 地理譯報，1982，1（1）：2-10.

[13]熊 雋，吳炳方，柳樹福. 遙感蒸散模型的分層分析與標定方法[C]//北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院，遙感科學(xué)國家重點實驗室. 遙感定量反演算法研討會摘要集.2010.

[14]莊 媛，師春香，沈潤平，等. 中國區(qū)域多種微波遙感土壤濕度產(chǎn)品質(zhì)量評估[J]. 氣象科學(xué)，2015，35（3）：289-296.

[15]郭 謙. 土壤濕度遙感產(chǎn)品真實性檢驗及空間尺度轉(zhuǎn)換研究[D]. 成都：電子科技大學(xué)，2015.

[16]袁 雷. FY3-B土壤濕度監(jiān)測產(chǎn)品在藏北草原的精度驗證[J]. 貴州農(nóng)業(yè)科學(xué)，2017，45（10）：134-138.

[17]曹小杰，江 洪，張兆明，等. Landsat系列衛(wèi)星地表反射率產(chǎn)品研究進展[J]. 測繪與空間地理信息，2019，42（3）：103-106.

[18]李 星. 基于多源遙感數(shù)據(jù)的干旱監(jiān)測方法及生態(tài)系統(tǒng)響應(yīng)研究[D]. 成都：電子科技大學(xué)，2018.

[19]魏文秋，陳秀萬. 熱紅外遙感監(jiān)測土壤含水量模型及其應(yīng)用[J]. 遙感技術(shù)與應(yīng)用，1993，8（1）：17-25.

[20]胡 猛，馮 起，席海洋. 遙感技術(shù)監(jiān)測干旱區(qū)土壤水分研究進展[J]. 土壤通報，2013，44（5）：252-257.

[21]趙杰鵬，張顯峰，包慧漪，等. 基于可見光紅外與被動微波遙感的土壤水分協(xié)同反演[J]. 紅外與毫米波學(xué)報，2012，31（2）：137-142.

[22]程 宇. 考慮植被覆蓋和熱輻射方向性的熱慣量法土壤水分反演研究[D]. 北京：中國科學(xué)院遙感應(yīng)用研究所，2006.

[23]趙利君. 半干旱地區(qū)土壤水分對冷季型草坪植物（草地早熟禾）生理生態(tài)學(xué)特征的影響[D]. 呼和浩特：內(nèi)蒙古大學(xué)，2006.

[24]趙 原，李曉鵬，紀景純，等. 宇宙射線中子法在土壤水分監(jiān)測研究中的應(yīng)用進展[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，2019，35（5）：545-553.

[25]胡德勇，喬 琨，王興玲，等. 單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J]. 遙感學(xué)報，2015，19（6）：96-108.

[26]畢 順，李云梅，呂 恒，等. 基于OLCI數(shù)據(jù)的洱海葉綠素a濃度估算[J]. 湖泊科學(xué)，2018，30（3）：123-134.

[27]張霄羽，趙長森. 利用MSG數(shù)據(jù)估算裸土熱慣量及地表熱通量[J]. 自然資源學(xué)報，2008，23（6）：1078-1087.

[28]李亞春，徐 萌，唐 勇. 我國土壤水分遙感監(jiān)測中熱慣量模式的研究現(xiàn)狀與進展[J]. 中國農(nóng)業(yè)氣象，2000，21（2）：40-43.

[29]李星敏，劉安麟，張樹譽，等. 熱慣量法在干旱遙感監(jiān)測中的應(yīng)用研究[J]. 干旱地區(qū)農(nóng)業(yè)研究，2005，23（1）：54-59.

[30]余 濤，田國良. 熱慣量法在監(jiān)測土壤表層水分變化中的研究[J]. 遙感學(xué)報，1997，1（1）：24-31.

[31]姚 遠，陳 曦，錢 靜. 遙感數(shù)據(jù)在農(nóng)業(yè)旱情監(jiān)測中的應(yīng)用研究進展[J]. 光譜學(xué)與光譜分析，2019，39（4）：15-22.

[32]張殿君. 土壤水分熱紅外遙感反演方法研究[D]. 北京：中國科學(xué)院大學(xué)，2015.

[33]趙杰鵬，張顯峰，廖春華，等. 基于TVDI的大范圍干旱區(qū)土壤水分遙感反演模型研究[J]. 遙感技術(shù)與應(yīng)用，2011，26（6）：742-750.

[34]李亞春，徐 萌，唐 勇. 我國土壤水分遙感監(jiān)測中熱慣量模式的研究現(xiàn)狀與進展[J]. 中國農(nóng)業(yè)氣象，2000，21（2）：40-43.

[35]薛 輝. 基于實測熱紅外光譜反演黃驊地區(qū)表層土壤含水量研究[D]. 南京：南京師范大學(xué)，2006.

[36]楊文攀，李長春，楊 浩，等. 基于無人機熱紅外與數(shù)碼影像的玉米冠層溫度監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2018，34（17）：68-75，301.

[37]Kogan F N . Application of vegetation index and brightness temperature for drought detection[J]. Advances in Space Research，1995，15（11）：91-100.

[38]鮑艷松，嚴 婧，閔錦忠，等. 基于溫度植被干旱指數(shù)的江蘇淮北地區(qū)農(nóng)業(yè)旱情監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（7）：163-172.

[39]王鵬新，龔健雅，李小文. 條件植被溫度指數(shù)及其在干旱監(jiān)測中的應(yīng)用[J]. 武漢大學(xué)學(xué)報（信息科學(xué)版），2001，26（5）：412-418.

[40]Thomas J R，Namken L N，Oerther G F，et al. Estimating leaf water content by reflectance measurements[J]. Agronomy Journal，1971，63（6）：845-847.

[41]Gao B C. NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space[J]. Proceedings of SPIE - The International Society for Optical Engineering，1996，58（3）：257-266.

[42]蔣金豹，黃文江，陳云浩. 用冠層光譜比值指數(shù)反演條銹病脅迫下的小麥含水量[J]. 光譜學(xué)與光譜分析，2010，30（7）：1939-1943.

[43]Gao B C. NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment，1996，58（3）：257-266.

[44]Defries R S，Townshend J R G. NDVI-derived land cover classification at a global scale[J]. International Journal of Remote Sensing，1994，15（17）：3567-3586.

[45]Wang L，Qu J J，Hao X. Forest fire detection using the normalized multi-band drought index （NMDI） with satellite measurements[J]. Agricultural & Forest Meteorology，2008，148（11）：1767-1776.

[46]Wang Z X，Liu C，Huete A. From AVHRR-NDVI to MODIS-EVI：Advances in vegetation index research[J]. Acta Ecologica Sinica，2003，23（5）：979-987.

[47]王晴晴，余 明. 基于簡單比值型水體指數(shù)（SRWI）的水體信息提取研究[J]. 福建師范大學(xué)學(xué)報（自然科學(xué)版），2014，30（1）：39-44.

[48]Olsen J L，Stisen S，Proud S R，et al. Evaluating EO-based canopy water stress from seasonally detrended NDVI and SIWSI with modeled evapotranspiration in the Senegal River Basin[J]. Remote Sensing of Environment，2015，159：57-69.

[49]Wang Z，Gang C，Li X，et al. Application of a normalized difference impervious index （NDII） to extract urban impervious surface features based on Landsat TM images[J]. International Journal of Remote Sensing，2015，36（4）：1-15.

[50]鄭興明，丁艷玲，趙 凱，等. 基于Landsat 8 OLI數(shù)據(jù)的玉米冠層含水量反演研究[J]. 光譜學(xué)與光譜分析，2014，34（12）：3385-3390.

[51]Wang L，Qu J J，Hao X. Forest fire detection using the normalized multi-band drought index （NMDI） with satellite measurements[J]. Agricultural & Forest Meteorology，2008，148（11）：1767-1776.

[52]Vanhellemont Q，Ruddick K. Advantages of high quality SWIR bands for ocean colour processing：Examples from Landsat-8[J]. Remote Sensing of Environment，2015，161：89-106.

[53]趙 晨，羅 毅，袁國富，等. 作物水分脅迫指數(shù)與土壤含水量關(guān)系探討[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2001，9（1）：34-36.

[54]Han M，Zhang H，Dejonge K C，et al. Estimating maize water stress by standard deviation of canopy temperature in thermal imagery[J]. Agricultural Water Management，2016，177：400-409.

[55]劉學(xué)著，張連根，周守華. 基于冠層溫度的冬小麥水分脅迫指數(shù)的實驗研究[J]. 應(yīng)用氣象學(xué)報，1995，6（4）：449-453.

[56]櫻谷哲夫，王學(xué)文. 作物蒸散的研究：無水分虧缺條件下大豆田間蒸發(fā)與蒸騰的分別計算[J]. 氣象科技，1988（1）：76-82.

[57]唐錫華，李文安. 水稻光照發(fā)育階段的研究——Ⅱ. 幾種內(nèi)外條件對水稻光照階段發(fā)育的影響[J]. 作物學(xué)報，1964，3（3）：283-295. 孫繼超，陳 晨，張東輝，等. 氟苯尼考的研究進展[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（20）：31-36.