植被水分遥感监测研究综述（通用2篇）
植被水分遥感监测研究综述 篇1
植被水分遥感监测研究综述
植被水的监测对于森林火险预警、农业旱情评估、农作物生长监测都有着重要作用.本文通过跟踪国内外在这一领域所取得的`主要成果,简要介绍基于叶绿素和植被状态的遥感监测模型、直接反演植被水法和微波遥感方法,并分析了这些方法的优缺点及适用情况.
作 者：于君明 王世新 周艺 王丽涛 YU Jun-ming WANG Shi-xin ZHOU Yi WANG Li-tao 作者单位：于君明,YU Jun-ming(中国科学院遥感应用研究所,北京100101;中国科学院研究生院,北京100039)
王世新,周艺,王丽涛,WANG Shi-xin,ZHOU Yi,WANG Li-tao(中国科学院遥感应用研究所,北京,100101)
刊 名：遥感信息 ISTIC英文刊名：REMOTE SENSING INFORMATION年，卷(期)：“”(2)分类号：P237.9关键词：遥感监测 植被水 植被指数 微波遥感
植被水分遥感监测研究综述 篇2
关键词水分亏缺指数WDI；遥感；干旱；江西
中图分类号TP文献标识码A文章编号1673-9671-(2011)042-0222-05
1引言
江西地处长江中下游南岸，属亚热带湿润季风气候。由于该地区降水分布受东亚季风控制，自然降水时空分布不匀。特别是在夏秋季节受副高影响，连续晴热高温天气致使江西伏秋干旱严重。江西几乎年年发生不同程度的干旱灾害。按照天气气候分析和历年旱情统计，江西省轻度以上旱情年年都有发生，中度以上旱情每2～3年有1次，特大干旱灾害每10年中有2～3年发生1次。
卫星遥感技术可以在较短时间内连续获取大范围的空间信息，具有空间宏观性，是目前最为有效的对地观测技术和信息获取手段。辛景峰认为植被指数与遥感地表温度的结合提供了土壤水分丰缺信息，可以用来评价水分状况，监测旱情发展。Carlson等指出，在大多数气候条件和地表覆盖条件下，植被指数和遥感地表温度的相对变化与土壤含水量的关系是相对稳定的，并用土壤——植被——大气能量传输理论模型进行了论证。
水分亏缺指数的陆气温差算法在一定程度上克服了由于太阳辐射的纬度地带性和垂直地带性所引起的陆地表面温度地带性影响。WDI不仅可以应用于完全植被覆盖条件，同时也适用裸地或不同植被覆盖条件下土壤水分状况评价。
由于遥感干旱模型具有地域性、时空性等特点，通过地面实测数据可以更好量化干旱指标，提高监测准确性。本文旨在探讨水分亏缺指数WDI（Water Deficit Index，WDI）干旱监测遥感信息模型应用与江西的可行性。
2原理
2.1模型背景
通过测量土壤表面反射或发射的电磁能量，可建立遥感参数与土壤水分的关系，从而提取干旱信息。Idso等认为作物在潜在蒸发条件下的冠层温度与空气温度的差与空气的饱和水汽压差具有线性关系，提出作物水分胁迫指数（Crop Water Stress Index，CWSI）：
式中，TC指作物冠层温度（℃）；Ta指空气温度（℃）；（Tc-Ta）Ⅱ
为作物在潜在蒸发状态下的冠层温度与空气温度的差，是温差的下限；（Tc-Ta）u1为作物无蒸腾条件下的冠层温度与空气温度的方差，是温差的上限。
2.2水分亏缺指数WDI模型
Moran等以区域能量平衡原理为基础，对作物水分胁迫系数CWSI理论进一步扩展，提出水分亏缺指数WDI。WDI在假设陆地表面温度是冠层温度与土壤表面温度线性加权及土壤与植被冠层之间不存在感热交换的条件下，利用可见光和近红外遥感获得的光谱植被指数和热红外遥感获取的陆地表面温度信息估算田间相对水分状况。WDI计算公式如下：
式中，（Ts-Ta）min表示陆气温差最小值；（Ts-Ta）r表示单个像素陆气温差值；（Ts-Ta）max表示陆气温差最大值。
图1WDI示意图解
3数据处理
本文选择2002～2004年MODIS 16天合成增强植被指数EVI（Enforced Vegetation Index， EVI）、8天合成陆地表面温度LST（Land Surface Temperature， LST）产品。空间范围覆盖全国，空间分辨率为1km.EVI、LST数据图像格式为HDF-EOS。以上资料来源于美国LP DAAC（Land Process Distributed Active Archive Center，U.S.A）数据中心。文中采集2002～2004年江西省8个地面气象观测站点（湖口、都昌、九江、永修、星子、波阳、余干、南昌）日降水量资料，按8天为周期，提取每8天总降水量用以匹配各站点WDI值。
3.1数据预处理
首先，利用遥感图像处理软件PCI对EVI、LST数据进行地理几何纠正和投影变换，投影系数采用Albers 等面积投影，双纬度为25度和47度，地球参数为WGS 84。
其次，图像拼接。空间范围：全国；图像大小为：5000 pixels * 4120 lines。
最后，将EVI、LST数据转换为pix格式。
图2技术流程图
3.2EVI-LST空间
根据不同地物覆盖类型的光谱响应（像素反射率或亮度值）不同，在散点图中可以表现在明显不同区域，反映出特征空间信息。
本文采用2003年第177天和第225天全国范围的EVI和LST数据，统一投影坐标，构建EVI-LST为主轴二维空间。该时期EVI范围为0～0.8以上，区间值[-0.2，0]表示水体。陆地表面温度LST在-30℃～60℃之间。
从图3可以看出，EVI-LST特征空间散点图呈梯形，具有明确的干边和湿边（湿边在下，干边在上）。干边的斜率小于0，说明随着增强植被指数EVI增加，陆地表面温度LST最大值越小；湿边的斜率基本上都大于0，表明在植被生长无水分胁迫状态下，随着EVI的增加，陆地表面温度呈增加趋势。由此可知，EVI-LST特征空间能反映作物水分的变
化。
4模型验证
4.1WDI与降水量相关性
从图4中可以看出，各站点的每8天总降水量和水分亏缺指数WDI具有负相关关系。当降水量减少时，WDI值变大，这表示地表发生缺水现象。当出现不同程度少量降雨时，WDI值变化区间为[0.1，0.4]。从时间上来看，4-9月份各站点降水普遍较多，WDI值相对较小，处在区间
[0，0.4]；其他各月份降水量相对偏少，WDI值在0.4以上；2003年WDI值较2002年和2004年偏高，大部分在0.6以上，该年降水量偏少。
从2002～2004年江西省8个站点WDI与降水量变化可知：WDI指标在春季、冬季与降水量的相关性比夏秋季更显著。这是由于WDI模型忽略了土壤和植被冠层与大气之间的能量交换，而夏秋季通常具有较高的土壤背景温度与冠层温度差，感热通量进入植被冠层，导致夏秋季WDI与实际差异较大。
4.2WDI与土壤表层含水量相关性
土壤水分信息对于干旱监测具有独特的优势。李炳辉[9]在旱情评价指标体系研究中指出，因干旱发生是一种渐进性、迁延性过程，土壤含水量指标最能反映除该种特性。辛景峰[2]认为土壤含水量是农业干旱监测的重要指标，是气候、水文、生态、农业等领域的主要参
数。
本文收集了2000年8～12月江西湖口和南康固定农业观测站土壤表层含水量（10cm）资料。从图5可以看出，在2000年8～12月图示时期内，湖口和南康站点土壤表层含水量均较低，湖口站点WDI值呈现波动上升趋势，南康站点WDI值上下起伏。根据江西气象局降水资料分析得到，在图示时期内湖口站点降水量较少，尤其是第273-305天期间持续无降水或少量降水，所以该站点土壤表层含水量在[0.1，0.3]区间，WDI值持续升高，均在0.5以上。
经统计检验，2000年8～12月湖口站点WDI与土壤表层含水量相关系数为-0.36，南康站点WDI与土壤表层含水量相关系数为-0.42。这表示WDI与湖口、南康站点土壤表层含水量之间相关性不大。
说明：土壤表层含水量资料来自江西气象局。部分WDI缺失，在图中以空距表示。
图52000年8月～12月湖口、南康站点WDI与土壤表层含水量变化
WDI与地面站点土壤表层含水量之间的误差有以下可能性：一方面， WDI是建立在CWSI假设条件基础上成立，这些假设条件与现实情况不相符合。另一方面，WDI监测干旱以植被状态和陆地表面来提取，而植被作物主要吸收土壤表层以下的水分。因此，利用土壤表层含水量验证WDI会产生一定差异。
5结果与讨论
1）降水量和水分亏缺指数WDI具有负相关关系。WDI干旱监测指标可以反映气象要素的变化特征，解释江西旱情的变化情况。由于夏秋季节具有较高的土壤背景温度与冠层温度差，而WDI模型忽略了土壤和植被冠层与大气之间的能量交换。因此，WDI对春冬季江西旱情反映更敏感，适合于全省的旱情监测与评价。
2）土壤表层含水量和水分亏缺指数WDI相关性不大。
参考文献
[1]李玉林,杨梅,黄少平,李玉芳.江西夏季干旱特征分析.应用气象学报,2003,14:162-169.
[2]辛景峰.区域旱情遥感监测研究D]:[博士学位论文].北京:中国科学院遥感应用研究所.
[3]Carlson T N,Gillies R R,Perry E M,A method to make use of thermal infrared temperature and NDVI management to infer surface soil water content and fractional vegetation cover.Remote Sensing Review,1994, 9:161-173
[4]齐述华,张源沛,牛铮,王长耀,郑林.水分亏缺指数在全国干旱遥感监测中的应用研究[J].土壤学报,2005, 42(3):367-372.
[5]李星敏,郑有飞,刘安麟.我国用NOAA/AVHRR资料进行干旱遥感监测的方法综述[J].中国农业气象,2003,24(3):38-41.
[6]王鹏新,Wan Zheng-ming,龚健雅,李小文,王锦地.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.
[7] Idso S B,Clawson K L,Anderson M G.Foliage temperature:effects of environmental factors with implication for plant water stress assessment and CO2 effects of climate.Water Resource Reserch,1986,22:1702-1716.
[8] Moran M S,Clarke T R,Inoue Y,et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index.Remote Sens.Environ.,1994,49:246-263.
[9]李炳辉,湖南省旱情评价指标体系研究.湖南水利水电,2006(6):86-88.
[10]1996～2003年中国农业统计年鉴[M].中华人民共和国农业部编.北京:中国农业出版社.2004.
作者简介