張 彥，劉 婷，郭 燕，賀 佳，王來剛，張紅利，楊秀忠

（1.河南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所，鄭州 450002；2.河南省農(nóng)作物種植監(jiān)測與預(yù)警工程研究中心，鄭州 450002）

0 引 言

干旱是對中國農(nóng)業(yè)影響最大的自然災(zāi)害之一，具有影響范圍廣、發(fā)生頻率高、持續(xù)時(shí)間長等特征[1]。中國每年旱災(zāi)損失占各種自然災(zāi)害的15%以上，每年因旱災(zāi)造成糧食減產(chǎn)約300 億kg[2]?；ㄉ鳛橹袊匾挠土献魑镏?，每年約有70%的花生受到不同程度的干旱脅迫，對花生的產(chǎn)量和品質(zhì)造成影響。在全球氣候變暖的大背景下，干旱發(fā)生的頻率和強(qiáng)度均在迅速增長，干旱對花生生產(chǎn)的沖擊和影響變大[3]。因此，開展花生干旱監(jiān)測研究，為花生干旱預(yù)警提供實(shí)時(shí)精確的信息，提高灌溉的精確性和及時(shí)性，對于保障花生豐產(chǎn)、穩(wěn)產(chǎn)具有重要意義。

利用遙感技術(shù)可以快速獲取大范圍土壤水分變化及作物生長狀態(tài)，準(zhǔn)確地反映不同干旱條件下作物受脅迫的程度，在農(nóng)業(yè)旱災(zāi)監(jiān)測預(yù)警中得到廣泛應(yīng)用[4-7]。大量研究表明，溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）能較好地反映大范圍作物干旱信息[8-10]。TVDI的構(gòu)建多是采用傳統(tǒng)的歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），但NDVI在植被覆蓋度較高時(shí)易飽和[11]，對干旱監(jiān)測的精度造成一定不利影響。近年來，不少學(xué)者利用增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）、修正土壤調(diào)整植被指數(shù)（Modified Soil-Adjusted Vegetation Index，MSAVI）、比值植被指數(shù)（Ratio Vegetation Index，RVI）等植被指數(shù)對TVDI進(jìn)行了改進(jìn)，均取得了較高的監(jiān)測精度。LI 等[12]利用EVI構(gòu)建TVDI估算不同土壤深度水分，發(fā)現(xiàn)利用EVI構(gòu)建的TVDI與降水距平的相關(guān)性更好；為減少土壤背景與植被覆蓋度對干旱監(jiān)測精度的影響，陳明星等[13]在不同植被覆蓋狀況下選取多種植被指數(shù)構(gòu)建TVDI，發(fā)現(xiàn)在高植被覆蓋區(qū)利用EVI和MSAVI計(jì)算的TVDI比其他植被指數(shù)更能反映土壤濕度狀況。改進(jìn)的TVDI對作物干旱監(jiān)測精度更高，但都是采用近紅外和紅光波段構(gòu)建植被指數(shù)進(jìn)行TVDI改進(jìn)，較少有利用紅邊波段的研究。此外，已有干旱遙感監(jiān)測研究普遍集中在整個(gè)研究區(qū)域，而不是作物種植區(qū)域，限制了結(jié)果的針對性和適用性。紅邊波段作為植被在0.68～0.76 μm 反射率增高最快的點(diǎn)，與植被的各種理化參數(shù)緊密相關(guān)[15]，是描述綠色植物生長和健康狀況的敏感波段，亦可作為指示作物受干旱脅迫狀態(tài)的理想工具[16]。國內(nèi)外眾多學(xué)者采用近地高光譜遙感數(shù)據(jù)中的紅邊波段開展農(nóng)業(yè)干旱監(jiān)測研究，發(fā)現(xiàn)紅邊波段對葉片含水量[17]、葉面積指數(shù)[18]、葉綠素含量[19]等農(nóng)田干旱程度評價(jià)指標(biāo)的變化反應(yīng)敏感。如蘇偉等[20]基于無人機(jī)影像構(gòu)建了多個(gè)植被指數(shù)與冠層葉綠素含量進(jìn)行回歸分析，發(fā)現(xiàn)紅邊波段的加入可有效提高葉綠素含量估算的精度。VAZ等[21]利用便攜式植物反射光譜測量儀測定葡萄葉片光譜反射率并計(jì)算了歸一化紅邊差值植被指數(shù)、紅邊位置等紅邊參數(shù)，發(fā)現(xiàn)歸一化紅邊植被指數(shù)與葡萄葉片相對含水量相關(guān)性較好，可以用于葡萄抗干旱品種篩選。林毅等[22]利用高光譜數(shù)據(jù)對不同干旱脅迫條件下玉米冠層光譜反射率的變化特征進(jìn)行了研究，發(fā)現(xiàn)紅邊參數(shù)對于干旱脅迫響應(yīng)快。這些研究為紅邊波段在干旱遙感監(jiān)測中的應(yīng)用奠定了良好的基礎(chǔ)。

隨著WorldView、SuperDove、Sentinel-2 等衛(wèi)星的成功發(fā)射，利用多光譜衛(wèi)星紅邊波段開展區(qū)域尺度的農(nóng)業(yè)干旱監(jiān)測成為可能。但受各國遙感數(shù)據(jù)分發(fā)服務(wù)政策影響，國外衛(wèi)星數(shù)據(jù)的獲取存在費(fèi)用高和不確定性問題[23]。國產(chǎn)高分六號(hào)衛(wèi)星于2018年6月2日成功發(fā)射，作為中國首顆具備紅邊波段傳感器的衛(wèi)星，實(shí)現(xiàn)了國產(chǎn)高分衛(wèi)星數(shù)據(jù)替代國外同類數(shù)據(jù)，打破了農(nóng)業(yè)遙感監(jiān)測研究需要用到的中高分辨率數(shù)據(jù)長期依賴國外衛(wèi)星的局面。高分六號(hào)具有寬覆蓋、高重訪、高分辨率、多譜段特征等特征[24]，對區(qū)域尺度農(nóng)業(yè)遙感監(jiān)測應(yīng)用需求的滿足程度更高，已在地物類型識(shí)別[25]、長勢診斷[26]等農(nóng)業(yè)監(jiān)測中得到較好應(yīng)用，但目前尚沒有關(guān)于GF-6 數(shù)據(jù)在農(nóng)業(yè)干旱中的應(yīng)用研究報(bào)道。因此，本研究基于高分六號(hào)寬幅數(shù)據(jù)（GF-6 WFV），運(yùn)用紅邊波段構(gòu)建溫度植被干旱指數(shù)（TVDI）對社旗縣花生旱情進(jìn)行監(jiān)測，探討紅邊波段在花生干旱監(jiān)測中的適用性，為高分六號(hào)衛(wèi)星數(shù)據(jù)在農(nóng)業(yè)干旱監(jiān)測方面的應(yīng)用提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

社旗縣位于河南省南陽市（32°47′～33°07′N，112°45′～113°11′E）（見圖1），處于北亞熱帶向暖濕帶過渡帶，具有明顯的大陸性季風(fēng)氣候特征，年均降水量為910.11 mm，年際間和不同季節(jié)間降水分布不均，導(dǎo)致旱災(zāi)頻發(fā)。該縣秋季作物有玉米、花生、大豆、紅薯等，其中花生播種面積占比最大，2019年播種面積達(dá)3 萬hm2，占全縣秋糧播種總面積的35%，是該縣主要的經(jīng)濟(jì)作物和油料作物。社旗縣花生播種方式以夏直播為主，播種期為每年6月初，收獲期為9月末，生育期為110 d。

圖1 研究區(qū)地理位置及干旱等級實(shí)測點(diǎn)Fig.1 Location of study area and drought grade measured points

1.2 數(shù)據(jù)來源與處理

1.2.1 遙感數(shù)據(jù)

研究使用的GF-6 衛(wèi)星數(shù)據(jù)是由中國資源衛(wèi)星應(yīng)用中心（http://www.cresda.com/CN/）提供，多光譜寬幅相機(jī)(WFV)數(shù)據(jù)空間分辨率為16 m，包含8 個(gè)波段，分別為：藍(lán)波段（波長0.45～0.52 μm）、綠波段（波長0.52～0.59 μm）、紅波段（波長0.63～0.69 μm）、近紅外波段（波長0.77～0.89 μm）、紅邊波段1（波長0.69～0.73 μm）、紅邊波段2（波長0.73～0.77 μm）、紫邊波段（波長0.40～0.45 μm）、黃邊波段（波長0.59～0.63 μm）。Landsat 8 TIRS 數(shù)據(jù)來源于美國地質(zhì)調(diào)查局（http:∥glovis.usgs.gov/），影像行列號(hào)為124/37，空間分辨率為100 m。利用ENVI5.3軟件對GF-6 WFV和Landsat8 TIRS數(shù)據(jù)進(jìn)行輻射校正、幾何校正、配準(zhǔn)、裁剪等處理得到研究區(qū)范圍的植被指數(shù)和地表溫度數(shù)據(jù)。

1.2.2 土壤相對濕度數(shù)據(jù)

土壤相對濕度數(shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享網(wǎng)（http:∥data.cma.cn）“中國氣象局陸面數(shù)據(jù)同化系統(tǒng)（CLDASV2.0）實(shí)時(shí)產(chǎn)品數(shù)據(jù)集”，空間分辨率為0.062 5°×0.062 5°，與地面實(shí)際觀測值吻合度較高，選取與遙感數(shù)據(jù)時(shí)間相同的0～20 cm土壤相對濕度數(shù)據(jù)對反演的TVDI進(jìn)行精度驗(yàn)證。

1.2.3 實(shí)地調(diào)查數(shù)據(jù)

為對TVDI干旱分級結(jié)果進(jìn)行準(zhǔn)確率驗(yàn)證，于2019年9月13日在社旗縣進(jìn)行實(shí)地調(diào)查，參照《農(nóng)業(yè)干旱等級》(GB/T32136-2015)，根據(jù)實(shí)地調(diào)查時(shí)花生植株形態(tài)（見圖2）和莢果數(shù)量，將花生干旱劃分為輕旱、中旱、重旱、特旱4 個(gè)等級。輕旱表現(xiàn)為花生葉片上部卷起，莢果數(shù)量較正常年份減少10%以內(nèi)；中旱表現(xiàn)為花生葉片凋萎，莢果數(shù)量較正常年份減少10%～40%；重旱表現(xiàn)為花生葉片枯萎，莢果數(shù)量較正常年份減少40%～80%；特旱表現(xiàn)為花生植株干枯死亡，莢果數(shù)量較正常年份減少80%以上，甚至絕收。通過全球定位系統(tǒng)（Global Positioning System，GPS）設(shè)備采集地面實(shí)測樣本點(diǎn)共計(jì)162 個(gè)，其中輕旱樣本點(diǎn)36個(gè)、中旱樣本點(diǎn)33 個(gè)、重旱樣本點(diǎn)54 個(gè)、特旱樣本點(diǎn)39 個(gè)。

圖2 不同干旱強(qiáng)度下花生植株形態(tài)Fig.2 The patterns of peanuts with different drought intensity

1.2.4 其他數(shù)據(jù)

除遙感數(shù)據(jù)、土壤相對濕度數(shù)據(jù)和實(shí)測數(shù)據(jù)外，本研究還收集了社旗縣地形圖、土地利用數(shù)據(jù)，用于輔助識(shí)別花生種植面積空間分布。

1.3 研究方法

采用高分六號(hào)衛(wèi)星數(shù)據(jù)的紅波段、紅邊波段和近紅外波段的反射率數(shù)據(jù)分別計(jì)算歸一化差值植被指數(shù)(NDVI)和歸一化紅邊差值植被指數(shù)(Red-edge Normalized Difference Vegetation Index，NDVI_RE)，與 地 表 溫 度（Land Surface Temperature，LST）擬合得到溫度植被干旱指數(shù)(TVDI)。

1.3.1 植被指數(shù)計(jì)算

為了充分利用高分六號(hào)衛(wèi)星紅邊波段信息，除了常用的歸一化差值植被指數(shù)外，還基于植被指數(shù)構(gòu)建方法，用紅邊波段分別替換紅光波段，構(gòu)建新的植被指數(shù)NDVI_RE[27]，對作物干旱監(jiān)測能力進(jìn)行對比分析。各植被指數(shù)計(jì)算公式如下：

式中：NIR、R、RE分別表示近紅光波段、紅光波段、紅邊波段的光譜反射率。

1.3.2 溫度植被干旱指數(shù)（TVDI）

地表溫度和植被指數(shù)結(jié)合能夠提供地表植被和水分條件信息，當(dāng)研究區(qū)的植被覆蓋從裸土到全覆蓋，土壤濕度從極干旱到極濕潤的情況下，由地表溫度（LST）為縱坐標(biāo)，植被指數(shù)（Vegetation Index，VI）為橫坐標(biāo)的散點(diǎn)圖呈三角形[28]。TVDI綜合利用地表溫度與植被指數(shù)信息，其計(jì)算公式如下：

式中：LST為任意像元的地表溫度；LSTmin為同一植被指數(shù)VI值對應(yīng)的最低地表溫度，LSTmin=a+b VI，稱為濕邊，其中a和b為濕邊方程的擬合系數(shù)；LSTmax為同一植被指數(shù)VI值對應(yīng)的最大地表溫度，LSTmax=c+d VI，稱為干邊，其中c和d為干邊方程的擬合系數(shù)。TVDI值域范圍為[0，1]，TVDI值越大，表示土壤濕度越小，干旱越嚴(yán)重；相反，TVDI值越小，表示土壤濕度越大，干旱越輕[29]。

1.3.3 分級準(zhǔn)確率評價(jià)

為分析TVDI對花生干旱程度的反映能力，參照劉丹等[30]提出的準(zhǔn)確率檢測方法，結(jié)合實(shí)測樣本點(diǎn)數(shù)據(jù)，對TVDI干旱等級監(jiān)測結(jié)果進(jìn)行準(zhǔn)確率評價(jià)，準(zhǔn)確率計(jì)算公式如下：

式中：ACC為準(zhǔn)確率；H為TVDI監(jiān)測結(jié)果與地面實(shí)測干旱等級一致的樣本點(diǎn)個(gè)數(shù)；M為TVDI監(jiān)測結(jié)果與地面實(shí)測干旱等級不一致的樣本點(diǎn)個(gè)數(shù)。

2 結(jié)果與分析

2.1 TVDI模型的建立與驗(yàn)證

2.1.1 地表溫度-植被指數(shù)（LST-VI）特征空間

利用2019年7月7日、2019年8月24日、2019年9月9日的NDVI、NDVI_RE分別與相應(yīng)日期的LST構(gòu)建地表溫度-植被指數(shù)（LST-VI）特征空間，結(jié)果見圖3。由圖3可以看出NDVI、NDVI_RE與LST的散點(diǎn)分布形狀均近似三角形，符合Sandholt 等人提出的特征空間分布，說明2 種植被指數(shù)與地表溫度構(gòu)造的特征空間均適用于研究區(qū)。

圖3 2019年6-9月地表溫度-植被指數(shù)（LST-VI）特征空間Fig.3 LST-VI space from June to September,2019

根據(jù)植被指數(shù)與地表溫度特征空間的結(jié)果，擬合對應(yīng)的干邊、濕邊方程，結(jié)果見表1。由表1可以看出，干邊方程斜率均小于0，濕邊方程斜率均大于0，表明最大地表溫度隨植被指數(shù)的增大呈減小趨勢，最小地表溫度隨植被指數(shù)的增大呈增加趨勢。同時(shí)期比較時(shí)，NDVI、NDVI_RE擬合干邊方程的決定系數(shù)均大于濕邊方程，干邊方程擬合效果優(yōu)于濕邊方程；由NDVI_RE參與擬合的干邊方程決定系數(shù)大于NDVI，說明紅邊波段的加入提高了干邊方程擬合度。不同時(shí)期比較時(shí)，基于NDVI_RE得出的干邊方程擬合系數(shù)高于同時(shí)期NDVI，決定系數(shù)最高達(dá)0.92。故選取NDVI_RE構(gòu)建的TVDI對研究區(qū)干旱進(jìn)行后續(xù)研究。

表1 不同植被指數(shù)的干邊、濕邊方程Tab.1 Equations of dry edge and wet edge of different vegetation index

2.1.2 TVDI模型驗(yàn)證

已有研究表明TVDI與0～20 cm 土壤水分的相關(guān)性最高[31]。據(jù)此，本研究利用2019年7月7日、2019年8月24日、2019年9月9日的0～20 cm 土壤相對濕度與同期反演得到的TVDI進(jìn)行相關(guān)性分析，驗(yàn)證TVDI對花生干旱監(jiān)測的有效性，結(jié)果見表2。由表2可知，2種指數(shù)與0～20 cm 土壤相對濕度均呈顯著負(fù)相關(guān)（P＜0.05），隨著TVDI的增大，土壤相對濕度呈下降趨勢，即TVDI越高，土壤相對濕度越低，旱情越嚴(yán)重。其中，相同時(shí)期的TVDINDVI_RE與0～20 cm 土壤相對濕度的相關(guān)系數(shù)高于TVDINDVI與0～20 cm 土壤相對濕度的相關(guān)系數(shù)。TVDI與土壤相對濕度的相關(guān)性在2019年8月24日高于2019年7月7日及2019年9月9日，這是由于2019年7月7日為花生幼苗期，地表覆蓋度較低，土壤信息影響植被指數(shù)表達(dá)；2019年9月9日為花生成熟期，花生植被指數(shù)存在飽和效應(yīng)；而2019年8月24日為花生結(jié)莢期，生長旺盛，植被覆蓋度高，植被信息中土壤背景噪聲影響小，TVDI與土壤相對濕度的相關(guān)性高。該結(jié)果進(jìn)一步反映出基于紅邊波段計(jì)算得到的TVDI更適用于研究區(qū)花生干旱監(jiān)測。

表2 溫度植被干旱指數(shù)（TVDI）與土壤相對濕度相關(guān)系數(shù)Tab.2 Correlation coefficient between soil relative humidity and temperature vegetation dryness index(TVDI)

2.2 干旱等級劃分標(biāo)準(zhǔn)的準(zhǔn)確率

為降低云及土壤背景的影響，對3 期TVDINDVI_RE進(jìn)行平均值合成后，采用自然間斷點(diǎn)分級法將TVDI劃分為4 個(gè)等級：0～0.6 為輕旱、0.6～0.7 為中旱、0.7～0.8 為重旱、0.8～1.0 為特旱。結(jié)合干旱等級實(shí)測數(shù)據(jù)對TVDI干旱分級結(jié)果進(jìn)行分級準(zhǔn)確率驗(yàn)證，結(jié)果見表3。由表3可以看出，本研究得到的干旱等級與實(shí)測干旱等級多數(shù)情況下是一致的，其中，36 個(gè)輕旱實(shí)測樣本點(diǎn)均落在TVDI輕旱內(nèi)；33個(gè)中旱實(shí)測樣本點(diǎn)有30個(gè)落在TVDI中旱內(nèi)，3 個(gè)落在TVDI重旱內(nèi)；54 個(gè)重旱實(shí)測樣本點(diǎn)有45 個(gè)落在TVDI重旱內(nèi)，6 個(gè)落在TVDI中旱內(nèi)，3 個(gè)在TVDI特旱內(nèi)；39個(gè)特旱實(shí)測樣本點(diǎn)有均落在TVDI特旱內(nèi)，各干旱等級監(jiān)測準(zhǔn)確率均超83.33%，總體準(zhǔn)確率為91.98%。以上結(jié)果表明，基于GF-6TVDINDVI_RE劃分的干旱等級標(biāo)準(zhǔn)適用于社旗縣花生干旱監(jiān)測，監(jiān)測結(jié)果與實(shí)測結(jié)果基本相符。

表3 基于TVDINDVI_RE的干旱分級準(zhǔn)確率驗(yàn)證 個(gè)Tab.3 Accuracy of drought grade based on TVDINDVI_RE

2.3 花生干旱遙感監(jiān)測結(jié)果

為探究TVDI對區(qū)域范圍內(nèi)作物干旱監(jiān)測效果，參照2.2節(jié)的分級標(biāo)準(zhǔn)對2019年7月7日、2019年8月24日、2019年9月9日的TVDINDVI_RE結(jié)果進(jìn)行干旱分級，由此得到2019年6-9月的社旗縣花生干旱等級分布圖（見圖4）。由圖4可以看出，2019年7月7日社旗縣花生干旱以輕旱為主，西北部地區(qū)有重旱和特旱；2019年8月24日社旗縣花生干旱在東部地區(qū)有重旱與特旱，中部地區(qū)和西部地區(qū)有中旱和輕旱；2019年9月9日社旗縣花生干旱在東部地區(qū)有重旱和特旱，中部地區(qū)和西部地區(qū)有中旱?？v觀社旗縣2019年6-9月干旱情況由西向東逐漸加重，東部地區(qū)干旱情況較為嚴(yán)重且持續(xù)時(shí)間長。這與社旗縣東部和東北部地區(qū)耕地多為沙崗地且灌溉條件不佳，西部及南部地區(qū)灌溉條件便利有關(guān)。

圖4 社旗縣花生干旱等級分布圖Fig.4 Spatial distribution of peanut drought grade in Sheqi County

3 結(jié) 論

2019年秋季作物生長期間，社旗縣持續(xù)高溫少雨，對花生產(chǎn)量和品質(zhì)造成不利影響。本研究基于GF-6 WFV數(shù)據(jù)計(jì)算紅邊歸一化植被指數(shù)（NDVI_RE）和歸一化植被指數(shù)（NDVI），與地表溫度（LST）構(gòu)建溫度植被干旱指數(shù)（TVDI），結(jié)合土壤相對濕度和干旱等級實(shí)測數(shù)據(jù)，動(dòng)態(tài)監(jiān)測研究區(qū)花生干旱情況，評估高分六號(hào)紅邊波段在花生干旱監(jiān)測中的適用性。研究結(jié)論如下。

GF-6 WFV 衛(wèi)星紅邊波段參與計(jì)算的TVDINDVI_RE與LST的散點(diǎn)分布形狀符合“三角形”特征空間分布，有紅邊波段參與的干邊方程擬合效果優(yōu)于無紅邊波段參與，基于NDVI_RE指數(shù)的干邊方程擬合度最大為0.92；2種植被指數(shù)構(gòu)建的TVDI與0～20 cm土壤相對濕度均呈顯著負(fù)相關(guān)關(guān)系，基于NDVI_RE指數(shù)構(gòu)建的TVDI與0～20 cm 土壤相對濕度的相關(guān)性更好，最大相關(guān)系數(shù)為0.85；研究利用TVDINDVI_RE實(shí)現(xiàn)了社旗縣花生干旱動(dòng)態(tài)監(jiān)測，TVDINDVI_RE干旱分級結(jié)果與干旱等級實(shí)測結(jié)果一致性較好，花生干旱等級監(jiān)測總體準(zhǔn)確率為91.98%。GF-6 衛(wèi)星紅邊波段可有效提高花生干旱監(jiān)測精度，更好地表征花生干旱信息。

農(nóng)業(yè)干旱是在農(nóng)業(yè)生產(chǎn)中由于氣溫過高、降水不足、土壤含水量過低等原因?qū)е鹿┧荒軡M足農(nóng)作物的正常需水，影響作物正常生長發(fā)育[32]。溫度植被干旱指數(shù)綜合利用植被指數(shù)和地表溫度信息反演土壤濕度，可較好地反映作物干旱情況。針對當(dāng)前大多數(shù)研究在構(gòu)建TVDI模型時(shí)采用歸一化植被指數(shù)，而歸一化植被指數(shù)對于不同時(shí)期植被覆蓋差異的敏感性不同，影響了TVDI監(jiān)測土壤濕度的準(zhǔn)確性這一問題[33]，本研究利用GF-6 WFV 衛(wèi)星紅邊波段對TVDI進(jìn)行改進(jìn)并應(yīng)用于花生干旱監(jiān)測，發(fā)現(xiàn)相比于傳統(tǒng)NDVI構(gòu)建的TVDI，由紅邊波段參與改進(jìn)后的TVDI與土壤相對濕度相關(guān)性更高。紅邊波段作為GF-6 衛(wèi)星的優(yōu)勢波段，為農(nóng)情監(jiān)測和改進(jìn)傳統(tǒng)遙感參數(shù)反演提供了新的契機(jī)，但由于搭載紅邊波段的傳感器相對較少，基于紅邊波段的農(nóng)情遙感監(jiān)測研究尚處于起步階段。在紅邊植被指數(shù)構(gòu)建時(shí)，參考了高光譜遙感植被指數(shù)的構(gòu)建方法，GF-6 WFV數(shù)據(jù)與高光譜數(shù)據(jù)的紅邊波段的中心波長無法完全一致，這可能會(huì)對判別精度造成一定的影響。后續(xù)還應(yīng)加強(qiáng)多個(gè)紅邊波段之間的光譜差異研究，在多個(gè)紅邊波段中合理選擇波段進(jìn)行指數(shù)構(gòu)建，提高干旱監(jiān)測模型的普適性。此外，本研究僅針對花生干旱開展了監(jiān)測研究，對其他作物的干旱監(jiān)測能力尚需進(jìn)一步研究。