土壤墑情監測方法綜述

吳金亮　單麗佳

摘要：干旱監測的主要方法包括土壤含水量的中子儀測量法、TDR測量法、濕度計法、稱重烘干發法以及幾種衛星遙感監測方法等。對各類干旱監測方法存在的問題和發展趨勢進行探討，并提出加強我國干旱遙感監測技術研究的建議，為我國農業旱情監測提供一定的幫助。

關鍵詞：土壤墑情；干旱監測；遙感

中圖分類號：X171 文獻標識碼：A 文章編號：1674-1161（2014）06-0065-04

干旱是指因天氣久晴無雨或少量降雨、土壤中水分缺失、空氣干燥等而引發的農作物枯死、人畜飲水不足等現象。從天氣影響角度考慮，干旱還應包括高溫、熱浪天氣和干熱風等。干旱是全世界面臨的重大自然災害之一，而中國也是受旱情災害影響較大的國家，主要體現在危害中國農業上。我國每年農作物平均受旱耕地面積達0.20億hm2，成災耕地面積達0.08億hm2，作物減產達100～150億kg，經濟損失達2 000多億元。農業干旱災害面積受年際及季節變化影響較大。通常情況下，將年總降水量小于200 mm的地區定義為干旱區域，年總降水量在200～500 mm之間的地區定義為半干旱區域。

目前用于土壤干旱和水分監測的方法主要有常規地面監測和衛星遙感監測兩種。常規地面監測是利用地面監測站將各監測點形成網絡，實時對地面土壤濕度等情況進行監測記錄，常見測量方法包括中子儀測量法、TDR測量法、濕度計法、稱重烘干發法等。衛星遙感監測則借助于衛星傳感器與遙感信息相結合，從而達到大面積監測。常用測量方法有作物缺水指數和主動、被動微波法，特征波段空間法，基于多光譜數據信息的熱慣量方法，以及垂直干旱指數法等。

2 干旱監測方法

2.1 傳統的土壤含水量測量方法

傳統土壤含水量測量方法主要包括野外烘干稱重法、光學測量法、張力計土壤法、駐波比法、中子法、電阻法、γ-射線法、時域反射法、TDR法等。我國大部分氣象站測定土壤水分采用的是烘干法，少部分地區采用中子法、TDR法等自動測站。

野外烘干稱重法是直接測量土壤水分含量的有效方法，在數據精度上優于其他方法，但費時費力，時效性較差，且連續取樣會損壞當地土壤結構。基于輻射原理的中子法和γ-射線法因其危害人體健康而被國外棄用，在我國也很少使用。張力計土壤法的取樣對象為基質勢，與其他測定土壤含水量的方法相結合，可測定土壤水分特征曲線。電阻法的標定過程較為繁瑣，且隨著時間的推移其結果很快失效，加上測定精度較低，測量范圍也存在一定的限制，因此基本上已被淘汰。光學測量法具有非接觸的優勢，但適應性低，易受土壤變異性影響，應用前景并不樂觀。TDR的優點是測量速度快、操作簡便、精確度高（能達到0.5%）、可連續測量，既可測量土壤表層水分、也可用于測量剖面水分，既可用于手持式的實時測量、也可用于遠距離多點自動監測，測量數據易處理。近20 a來，基于測量土壤介電常數的方法與其他方法相比，在測量精度和實時性上更具優勢，在操作上更加方便靈活，已成為國內外廣泛使用的一種土壤水分測量方法。

2.2 遙感干旱監測原理及方法

遙感影像的植被相關信息主要通過植被冠層與葉片光譜特性及差異變化來獲得，不同光譜特性波段所讀取的植被信息與植被不同波段信息或某些特征狀態存在不同的相關性。研究表明，在可見光波段與近紅外波段，土壤含水量與其反照率密切關聯，兩者協同變化，水量較高的濕土比干土的反照率高。為此，可通過遙感影像在可見光和近紅外波段的反照率差異來計算土壤水分。此外，地表反照率還與土質種類、地表紋理、地表起伏、遙感影像太陽入射角以及植被、作物覆蓋程度等因素相關。通常采用幾個波段值組合的形式來反演土壤水分，這樣可以去除土質類型不同等因素的干擾。

微波遙感是指借助傳感器來接收微波信號，這些微波信號主要來自地面上各類物體的發射或反射作用，并從信號中研究出有價值的內容。利用遙感進行土壤水分監測時，微波對水成分存在明顯的感應能力，這就使遙感監測成為測定土壤含水量的較為合理的方式（包含主動方式和被動方式）。主動微波遙感主要測量土壤的后散射參量，而土壤粗糙度和介電常數可以決定土壤后散射參量，土壤濕度決定介電常數，因此土壤墑情可以較好地反演出來。被動式微波遙感的傳感器接收來自地面物體自身輻射的微波，而這些微波土壤濕度由計算出的土壤亮溫來反演得到，介電常量和熱量共同評測出土壤亮溫，介電常量與溫度和土壤含水量關聯，因此含水量可借助于土壤亮溫計算得出[1-3]。

2.2.1 物缺水指數法 1981年Jackson提出了作物缺水指數（CWSI），其基本原理是通過計算出來的臨近空氣溫度與植物冠層溫度間的差值來估算監測土壤含水量。作物缺水指數介于0～1之間，指數的增加可以反映出水分的脅迫程度逐漸增加，指數等于1時為最大。

作物缺水指數法的最初假設是冠層溫度值可以測量得到，地表作物完全覆蓋。但這種假設被現實否定了，原因在于地表裸露會導致虛擬干旱。Moran又提出植被指數溫度梯形模型理論，即在二維特征空間中，冠氣溫差與植被覆蓋是以一種梯形分布而存在的，4種極端干旱情況可用梯形的4個頂點來表示：裸土在干旱狀態下、裸土在飽和水分狀態下、遭水分脅迫時植被完全覆蓋、水分供給充足時的植被完全覆蓋。在這個定理基礎上有人又提出水分虧缺指數（WDI），其定義公式為：

WDI=1-Ed/Ep

式中：Ed為白天實際蒸散發量；Ep為潛在蒸散發量。為了得到WDI值，首先要通過遙感熱紅外數據來反演地表作物的植被輻射率、冠層溫度、臨近冠層的氣溫等因子，其次再推算實際的蒸騰蒸發量，利用彭曼公式計算出潛在蒸散發能力的強弱，這樣，作物缺水指數就可以計算得出。但在實際應用中，需要較多的氣象實測數據才能計算得到潛在蒸騰蒸發量，因此，水分虧缺指數的計算存在較大難度。

2.2.2 微波遙感法 微波遙感監測水分的理論基礎是干燥土壤與水的介電常數具有強烈反差。土壤含水量直接影響土壤的介電特性，使雷達回波對土壤濕度極為敏感。微波遙感監測土壤水分精度較高，且具備全天候和全天時觀測的特點，不受光照條件限制，可穿透云層，長波段微波還能夠穿透植被并對土壤具有一定的穿透能力。微波遙感監測干旱主要有被動微波法和主動微波法兩種。對于被動微波法，在植被覆蓋區，微波輻射測量土壤濕度的有效采樣深度約為5～10 cm，且選擇較長的波躍更具優越性；主動微波法以應用x波段側視雷達為主，方法主要是后向散射系數法（Back Scattering Coefficient）。用微波遙感研究土壤水分始于20世紀70年代，現雷達遙感技術在土壤水分方面的研究已較為成熟。李杏朝根據微波后向散射系數法，用微波遙感監測土壤水分的相對誤差率僅12%。Rajat Bindlish等（2001）在積分模型基礎上通過改進，將實際測得的土壤水分與雷達獲取的數據相關系數由0.84提高到0.95。Moeremans等（2000）利用衛星和雷達遙感監測田間和區域兩個不同尺度的土壤含水量，認為在裸地或植被稀疏的地區近地表土壤含水量與后向散射系數有很高的相關性。Tansey等（2001）也得到了相同的結論，同時認為地表的粗糙度對土壤水分的監測有很大影響。施建成等（2002）利用目標分解技術方法分離出植被散射部分，在一定程度上克服了植被層和表面粗糙度的變化對雷達后向散射對土壤水分的影響[4]。微波遙感監測土壤水分盡管受地表參數影響較大，但估算土壤水分精度較高，可全天候使用，不受云的干擾，若綜合其他可見光與近紅外圖像，將是監測土壤水分最有希望的方法。但要進入實用階段還有許多問題需要解決，如怎樣選擇有關參數，如何更好地消除植被、壟向、地表粗糙度、土壤質地等因素的影響。現有大多數模型都是經驗的線性統計模型，不具有普遍適應性。另外，雷達遙感數據的獲取途徑較少，價格相對較高，這在一定程度上限制了其在監測土壤水分上的應用。

2.2.3 Ts-NDVI特征空間法 Carlson，Price和Moran等得出在二維特征空間中Ts-NDVI分布是三角形或梯形，不同學者據此提出了很多監測指數。Inge Sanholt等提出了條件溫度植被指數（TVDI），計算公式如下：

濕邊方程是指歸一化植被指數等于某一特定值時的最小值溫度，干邊方程是指當歸一化植被指數值等于某一特定值時地表的最大溫度。a，b，a'，b'是4個待定系數。通常根據研究區域的地表溫度和歸一化植被指數二維散點圖來近似提取干、濕邊方程。

該指數對研究區域有如下要求：區域內有植被處于凋萎狀態時的象元，此時土壤水分含量是比較低的，同時也存在促使植被良好生長發育的象元，此時土壤水量較大，通常用于表示年內某地區的干旱等級[5-6]。

2.2.4 土壤熱慣量法 當土壤含水量較多時，會產生更大的熱慣量，兩者具有一定的關聯性。熱慣量值的計算式如下：

通常計算時無法直接利用遙感數據計算以上參數。為此，Price等提出了表觀熱慣量（ATI）定義，可以利用遙感影像數據的熱紅外輻射溫度差、近紅外反射率和可見光數據，計算熱慣量值。計算公式如下：

通過遙感可獲取地表的有關信息，例如MODIS遙感影像采用的是近紅外波段（第1通道、第2通道、第3通道、第4通道）和第31熱紅外通道值，來反演推算大氣透過率、地表溫度、反射率等參數，進而計算土壤表觀熱慣量（ATI），再通過表觀熱慣量與土壤水分量之間的擬合關系，建立干旱模型，反演土壤墑情變化程度和干旱程度。該原理僅適用于植被覆蓋度不是很高的情況，對于植被覆蓋度較高的區域，其監測結果會明顯降低[7-8]。

2.2.5 垂直干旱指數法 植物葉表面對紅光和藍紫光的吸收能力強，對近紅外波段具有較高的反射表現，因此，從紅波段（Red）到近紅外波段（Nir），裸地反射率值較高但其增幅卻不明顯。植被對紅光波段的吸收很快就能達到飽和狀態，所以植被的增加可通過近紅外反射的增加而得到反映。秦明和詹志明等在分析前人研究以及紅光和近紅外特征空間后，提出了基于土壤線斜率的垂直干旱指數，計算公式如下：

該指數假想了一條通過原點的直線L與土壤線垂直，其二維特征空間中任意一個點到直線L的距離都可表示為水分的分布狀況。水分含量越高代表距離越近，水分含量越少則代表越遠。該方法的優點是用光譜曲線特征直接代替了地表溫度和反射率的反演，簡便實效。

秦明等研究指出，用垂直干旱指數監測裸地地表水分效果良好，但遇到植被覆蓋度較高的田間，垂直干旱指數監測會受到很大影響。不同土壤類型下地形特征會分布成非平面，為了改進模型，阿布都瓦斯提等提出了修正的垂直千旱指數法 （MPDI），定義為：

植被地面和部分植被覆蓋程度是植被冠層的兩個重要參量因子，前兩者與葉片面積指數相關性很大。植被光譜指數可以計算出地表的植被覆蓋度。例如，歸一化植被指數（NDVI）和植被覆蓋度關聯性非常高，國內部分學者提出對植被覆蓋度與歸一化植被指數進行冪次方變換和均方根可提升植被覆蓋度的精度，還有研究指出使用歸一化植被指數（NDVI）計算出的地表覆蓋度要低于土壤調節的植被指數（SAVI）。Jiang等在研究歸一化植被指數的空間屬性后，在多數情況下發現歸一化植被指數尺度方法會使植被覆蓋度升高。因此，不提倡用歸一化植被指數尺度模型來推算，而應采用植被指數尺度差分方法（DVI）。Ghulam等采用Baret提出NDVI的x次冪來推算植被覆蓋度，公式如下：

減小大氣擾動可以采用歸一化植被指數冪函數法，要最大限度降低大氣的影響，基于比值指數就可以實現。

假想一個圖像象元是混合的，即由完全植被覆蓋和裸露土地兩個部分組成，則該混合象元波段的反射率可通過植被與土壤線性函數推算，即R=fvRv，i+（1-fv）RS，i，則MPDI可以表示為：

假設在同種土壤類型下保持含水量的相對穩定，干旱指數的影響主要發生在植被的fvPDIv和（1-fv）-1。相關研究指出， 隨著植被覆蓋度線性增加，在植被覆蓋度達到0.7之前， （1-fv）-1不會顯著變化，直到fv>0.7之后才會曲線增加。

3 結語

目前，利用遙感技術進行干旱監測逐步趨于成熟。為了提高國內借助遙感技術進行干旱實時監測的研究水平，降低干旱對我國農業發展的危害程度，提出如下建議： 一是由于下載的衛星遙感數據往往是二級數據（系統幾何校正產品），因此需要進行輻射定標、幾何精校正、大氣校正、裁剪、云掩膜等多個前期處理工作[9]。二是由于不同研究區域的土壤下墊面土質種類不同，因此選取的模型方法會嚴重影響最后反演旱情的精度和可信度。三是每個植被指數均涉及農作物生長狀況，對其進行旱情監測，可拓寬遙感數據源在干旱監測中的研究。四是微波遙感方法對反演土壤水量的精度較好，可連續使用且不受云層干擾，但相關系數較難獲取，應與其他遙感數據結合使用。五是在特征空間法的應用過程中，要針對不同時相、不同分辨率的遙感數據，分析不同植被覆蓋類型和水分盈虧狀況下干、濕邊的變化規律及其在干旱監測中的應用，以提高模型精度。

參考文獻

[1] 李付琴，隋洪智.農作物遙感估產研究進展[J].地球科學進展，1992，7（3）：30-36.

[2] 陳述彭，童慶禧，郭華東.遙感信息機理研究[M].科學出版社，1998.

[3] 郭廣猛，趙冰茹.使用MODIS數據監測土壤濕度[J].土壤，2004，36（2）：219-221.

[4] 黃楊，耿淮濱，王松，等.潮濕裸露土壤的微波散射特性[J].遙感信息，1986（1）：24-27.

[5] 劉良云，張兵，鄭蘭芬.利用溫度和植被指數進行地物分類和土壤水分反演[J].紅外與毫米波學報，2002，21（4）：269-273.

[6] 張紅衛，陳懷亮，申雙和，等. NDVI-ST特征空間及干濕邊變化特征[J].氣象科技，2010，38（1）：45-52

[7] 李星敏，劉安麟，張樹譽，等.熱慣量法在干旱遙感監測中的應用研究[J].干旱地區農業研究，2005，23（1）：54-59.

[8] 張仁華.改進的熱慣量模式及遙感土壤水分[J].地理研究，1990，9（2）：101-112.

[9] 蔣耿明.MODIS數據基礎處理方法研究和軟件實現[D].北京：中國科學院遙感應用研究所，2003.

2.2.3 Ts-NDVI特征空間法 Carlson，Price和Moran等得出在二維特征空間中Ts-NDVI分布是三角形或梯形，不同學者據此提出了很多監測指數。Inge Sanholt等提出了條件溫度植被指數（TVDI），計算公式如下：

濕邊方程是指歸一化植被指數等于某一特定值時的最小值溫度，干邊方程是指當歸一化植被指數值等于某一特定值時地表的最大溫度。a，b，a'，b'是4個待定系數。通常根據研究區域的地表溫度和歸一化植被指數二維散點圖來近似提取干、濕邊方程。

該指數對研究區域有如下要求：區域內有植被處于凋萎狀態時的象元，此時土壤水分含量是比較低的，同時也存在促使植被良好生長發育的象元，此時土壤水量較大，通常用于表示年內某地區的干旱等級[5-6]。

2.2.4 土壤熱慣量法 當土壤含水量較多時，會產生更大的熱慣量，兩者具有一定的關聯性。熱慣量值的計算式如下：

通常計算時無法直接利用遙感數據計算以上參數。為此，Price等提出了表觀熱慣量（ATI）定義，可以利用遙感影像數據的熱紅外輻射溫度差、近紅外反射率和可見光數據，計算熱慣量值。計算公式如下：

通過遙感可獲取地表的有關信息，例如MODIS遙感影像采用的是近紅外波段（第1通道、第2通道、第3通道、第4通道）和第31熱紅外通道值，來反演推算大氣透過率、地表溫度、反射率等參數，進而計算土壤表觀熱慣量（ATI），再通過表觀熱慣量與土壤水分量之間的擬合關系，建立干旱模型，反演土壤墑情變化程度和干旱程度。該原理僅適用于植被覆蓋度不是很高的情況，對于植被覆蓋度較高的區域，其監測結果會明顯降低[7-8]。

2.2.5 垂直干旱指數法 植物葉表面對紅光和藍紫光的吸收能力強，對近紅外波段具有較高的反射表現，因此，從紅波段（Red）到近紅外波段（Nir），裸地反射率值較高但其增幅卻不明顯。植被對紅光波段的吸收很快就能達到飽和狀態，所以植被的增加可通過近紅外反射的增加而得到反映。秦明和詹志明等在分析前人研究以及紅光和近紅外特征空間后，提出了基于土壤線斜率的垂直干旱指數，計算公式如下：

該指數假想了一條通過原點的直線L與土壤線垂直，其二維特征空間中任意一個點到直線L的距離都可表示為水分的分布狀況。水分含量越高代表距離越近，水分含量越少則代表越遠。該方法的優點是用光譜曲線特征直接代替了地表溫度和反射率的反演，簡便實效。

秦明等研究指出，用垂直干旱指數監測裸地地表水分效果良好，但遇到植被覆蓋度較高的田間，垂直干旱指數監測會受到很大影響。不同土壤類型下地形特征會分布成非平面，為了改進模型，阿布都瓦斯提等提出了修正的垂直千旱指數法 （MPDI），定義為：

植被地面和部分植被覆蓋程度是植被冠層的兩個重要參量因子，前兩者與葉片面積指數相關性很大。植被光譜指數可以計算出地表的植被覆蓋度。例如，歸一化植被指數（NDVI）和植被覆蓋度關聯性非常高，國內部分學者提出對植被覆蓋度與歸一化植被指數進行冪次方變換和均方根可提升植被覆蓋度的精度，還有研究指出使用歸一化植被指數（NDVI）計算出的地表覆蓋度要低于土壤調節的植被指數（SAVI）。Jiang等在研究歸一化植被指數的空間屬性后，在多數情況下發現歸一化植被指數尺度方法會使植被覆蓋度升高。因此，不提倡用歸一化植被指數尺度模型來推算，而應采用植被指數尺度差分方法（DVI）。Ghulam等采用Baret提出NDVI的x次冪來推算植被覆蓋度，公式如下：

減小大氣擾動可以采用歸一化植被指數冪函數法，要最大限度降低大氣的影響，基于比值指數就可以實現。

假想一個圖像象元是混合的，即由完全植被覆蓋和裸露土地兩個部分組成，則該混合象元波段的反射率可通過植被與土壤線性函數推算，即R=fvRv，i+（1-fv）RS，i，則MPDI可以表示為：

假設在同種土壤類型下保持含水量的相對穩定，干旱指數的影響主要發生在植被的fvPDIv和（1-fv）-1。相關研究指出， 隨著植被覆蓋度線性增加，在植被覆蓋度達到0.7之前， （1-fv）-1不會顯著變化，直到fv>0.7之后才會曲線增加。

3 結語

目前，利用遙感技術進行干旱監測逐步趨于成熟。為了提高國內借助遙感技術進行干旱實時監測的研究水平，降低干旱對我國農業發展的危害程度，提出如下建議： 一是由于下載的衛星遙感數據往往是二級數據（系統幾何校正產品），因此需要進行輻射定標、幾何精校正、大氣校正、裁剪、云掩膜等多個前期處理工作[9]。二是由于不同研究區域的土壤下墊面土質種類不同，因此選取的模型方法會嚴重影響最后反演旱情的精度和可信度。三是每個植被指數均涉及農作物生長狀況，對其進行旱情監測，可拓寬遙感數據源在干旱監測中的研究。四是微波遙感方法對反演土壤水量的精度較好，可連續使用且不受云層干擾，但相關系數較難獲取，應與其他遙感數據結合使用。五是在特征空間法的應用過程中，要針對不同時相、不同分辨率的遙感數據，分析不同植被覆蓋類型和水分盈虧狀況下干、濕邊的變化規律及其在干旱監測中的應用，以提高模型精度。

參考文獻

[1] 李付琴，隋洪智.農作物遙感估產研究進展[J].地球科學進展，1992，7（3）：30-36.

[2] 陳述彭，童慶禧，郭華東.遙感信息機理研究[M].科學出版社，1998.

[3] 郭廣猛，趙冰茹.使用MODIS數據監測土壤濕度[J].土壤，2004，36（2）：219-221.

[4] 黃楊，耿淮濱，王松，等.潮濕裸露土壤的微波散射特性[J].遙感信息，1986（1）：24-27.

[5] 劉良云，張兵，鄭蘭芬.利用溫度和植被指數進行地物分類和土壤水分反演[J].紅外與毫米波學報，2002，21（4）：269-273.

[6] 張紅衛，陳懷亮，申雙和，等. NDVI-ST特征空間及干濕邊變化特征[J].氣象科技，2010，38（1）：45-52

[7] 李星敏，劉安麟，張樹譽，等.熱慣量法在干旱遙感監測中的應用研究[J].干旱地區農業研究，2005，23（1）：54-59.

[8] 張仁華.改進的熱慣量模式及遙感土壤水分[J].地理研究，1990，9（2）：101-112.

[9] 蔣耿明.MODIS數據基礎處理方法研究和軟件實現[D].北京：中國科學院遙感應用研究所，2003.

2.2.3 Ts-NDVI特征空間法 Carlson，Price和Moran等得出在二維特征空間中Ts-NDVI分布是三角形或梯形，不同學者據此提出了很多監測指數。Inge Sanholt等提出了條件溫度植被指數（TVDI），計算公式如下：

濕邊方程是指歸一化植被指數等于某一特定值時的最小值溫度，干邊方程是指當歸一化植被指數值等于某一特定值時地表的最大溫度。a，b，a'，b'是4個待定系數。通常根據研究區域的地表溫度和歸一化植被指數二維散點圖來近似提取干、濕邊方程。

該指數對研究區域有如下要求：區域內有植被處于凋萎狀態時的象元，此時土壤水分含量是比較低的，同時也存在促使植被良好生長發育的象元，此時土壤水量較大，通常用于表示年內某地區的干旱等級[5-6]。

2.2.4 土壤熱慣量法 當土壤含水量較多時，會產生更大的熱慣量，兩者具有一定的關聯性。熱慣量值的計算式如下：

通常計算時無法直接利用遙感數據計算以上參數。為此，Price等提出了表觀熱慣量（ATI）定義，可以利用遙感影像數據的熱紅外輻射溫度差、近紅外反射率和可見光數據，計算熱慣量值。計算公式如下：

通過遙感可獲取地表的有關信息，例如MODIS遙感影像采用的是近紅外波段（第1通道、第2通道、第3通道、第4通道）和第31熱紅外通道值，來反演推算大氣透過率、地表溫度、反射率等參數，進而計算土壤表觀熱慣量（ATI），再通過表觀熱慣量與土壤水分量之間的擬合關系，建立干旱模型，反演土壤墑情變化程度和干旱程度。該原理僅適用于植被覆蓋度不是很高的情況，對于植被覆蓋度較高的區域，其監測結果會明顯降低[7-8]。

2.2.5 垂直干旱指數法 植物葉表面對紅光和藍紫光的吸收能力強，對近紅外波段具有較高的反射表現，因此，從紅波段（Red）到近紅外波段（Nir），裸地反射率值較高但其增幅卻不明顯。植被對紅光波段的吸收很快就能達到飽和狀態，所以植被的增加可通過近紅外反射的增加而得到反映。秦明和詹志明等在分析前人研究以及紅光和近紅外特征空間后，提出了基于土壤線斜率的垂直干旱指數，計算公式如下：

該指數假想了一條通過原點的直線L與土壤線垂直，其二維特征空間中任意一個點到直線L的距離都可表示為水分的分布狀況。水分含量越高代表距離越近，水分含量越少則代表越遠。該方法的優點是用光譜曲線特征直接代替了地表溫度和反射率的反演，簡便實效。

秦明等研究指出，用垂直干旱指數監測裸地地表水分效果良好，但遇到植被覆蓋度較高的田間，垂直干旱指數監測會受到很大影響。不同土壤類型下地形特征會分布成非平面，為了改進模型，阿布都瓦斯提等提出了修正的垂直千旱指數法 （MPDI），定義為：

植被地面和部分植被覆蓋程度是植被冠層的兩個重要參量因子，前兩者與葉片面積指數相關性很大。植被光譜指數可以計算出地表的植被覆蓋度。例如，歸一化植被指數（NDVI）和植被覆蓋度關聯性非常高，國內部分學者提出對植被覆蓋度與歸一化植被指數進行冪次方變換和均方根可提升植被覆蓋度的精度，還有研究指出使用歸一化植被指數（NDVI）計算出的地表覆蓋度要低于土壤調節的植被指數（SAVI）。Jiang等在研究歸一化植被指數的空間屬性后，在多數情況下發現歸一化植被指數尺度方法會使植被覆蓋度升高。因此，不提倡用歸一化植被指數尺度模型來推算，而應采用植被指數尺度差分方法（DVI）。Ghulam等采用Baret提出NDVI的x次冪來推算植被覆蓋度，公式如下：

減小大氣擾動可以采用歸一化植被指數冪函數法，要最大限度降低大氣的影響，基于比值指數就可以實現。

假想一個圖像象元是混合的，即由完全植被覆蓋和裸露土地兩個部分組成，則該混合象元波段的反射率可通過植被與土壤線性函數推算，即R=fvRv，i+（1-fv）RS，i，則MPDI可以表示為：

假設在同種土壤類型下保持含水量的相對穩定，干旱指數的影響主要發生在植被的fvPDIv和（1-fv）-1。相關研究指出， 隨著植被覆蓋度線性增加，在植被覆蓋度達到0.7之前， （1-fv）-1不會顯著變化，直到fv>0.7之后才會曲線增加。

3 結語

目前，利用遙感技術進行干旱監測逐步趨于成熟。為了提高國內借助遙感技術進行干旱實時監測的研究水平，降低干旱對我國農業發展的危害程度，提出如下建議： 一是由于下載的衛星遙感數據往往是二級數據（系統幾何校正產品），因此需要進行輻射定標、幾何精校正、大氣校正、裁剪、云掩膜等多個前期處理工作[9]。二是由于不同研究區域的土壤下墊面土質種類不同，因此選取的模型方法會嚴重影響最后反演旱情的精度和可信度。三是每個植被指數均涉及農作物生長狀況，對其進行旱情監測，可拓寬遙感數據源在干旱監測中的研究。四是微波遙感方法對反演土壤水量的精度較好，可連續使用且不受云層干擾，但相關系數較難獲取，應與其他遙感數據結合使用。五是在特征空間法的應用過程中，要針對不同時相、不同分辨率的遙感數據，分析不同植被覆蓋類型和水分盈虧狀況下干、濕邊的變化規律及其在干旱監測中的應用，以提高模型精度。

參考文獻

[1] 李付琴，隋洪智.農作物遙感估產研究進展[J].地球科學進展，1992，7（3）：30-36.

[2] 陳述彭，童慶禧，郭華東.遙感信息機理研究[M].科學出版社，1998.

[3] 郭廣猛，趙冰茹.使用MODIS數據監測土壤濕度[J].土壤，2004，36（2）：219-221.

[4] 黃楊，耿淮濱，王松，等.潮濕裸露土壤的微波散射特性[J].遙感信息，1986（1）：24-27.

[5] 劉良云，張兵，鄭蘭芬.利用溫度和植被指數進行地物分類和土壤水分反演[J].紅外與毫米波學報，2002，21（4）：269-273.

[6] 張紅衛，陳懷亮，申雙和，等. NDVI-ST特征空間及干濕邊變化特征[J].氣象科技，2010，38（1）：45-52

[7] 李星敏，劉安麟，張樹譽，等.熱慣量法在干旱遙感監測中的應用研究[J].干旱地區農業研究，2005，23（1）：54-59.

[8] 張仁華.改進的熱慣量模式及遙感土壤水分[J].地理研究，1990，9（2）：101-112.

[9] 蔣耿明.MODIS數據基礎處理方法研究和軟件實現[D].北京：中國科學院遙感應用研究所，2003.