遥感分为可见光、红外波段和微波波段,不同波段的遥感对干旱监测的原理不同。在可见光与近红外波段,不同湿度的土壤具有不同的地表反照率,通常湿土的地表反照率比干土低。可见光和红外波段遥感正是利用地表温度获得土壤热惯量,从而进行估测土壤湿度。此方法虽然比较成熟,但是可见光与近红外遥感容易受云,气溶胶等天气状况的影响,此局限性严重影响了其监测精度。
微波遥感是近代兴起来一项新技术,相对于可见光和红外波段的遥感,微波波段遥感对土壤水分更加敏感。不受光照条件限制,具有全天候观测的能力,其分辨精度最高可达到几十厘米,而且微波的低频波段对冰,雪,森林,土壤具有一定穿透的能力。在一定程度上缓解了天气状况的干扰。由于土壤介电特性与土壤含水量密切相关,微波遥感通常采用土壤介电特性进行表征。土壤的介电常数随土壤变化而变化,表现于卫星遥感图像上将是灰度值和亮度温度的变化。微波遥感监测干旱又分为主动法和被动法两种。主动微波遥感主要根据地表的回波信号进行土壤湿度预测。具有较高空间分辨率,但受地表粗糙度,植被影响大。被动微波遥感监测面积大,周期短,受粗糙度影响小,并且对土壤水分更为敏感,算法更为成熟,可以应用于大面积地区干旱监测。
光学遥感中的干旱反演方法可分为:
-
植被指数法
-
温度法
-
综合方法
1植被指数法
(1)
肖乾广等,1994
式中:DVI为偏差植被指数(Difference Vegetation Index),AVI为距平植被指数(Anomaly Vegetation Index),NDVIavg为多年的归一化植被指数平均值;NDVIi为特定某月或者旬的归一化植被指数值。
„
„
一般-0.1<AVI<-0.2,表示干旱的出现,-0.3<AVI<-0.6表示重旱。
(2)
齐述华,2004
Z ̅,σ分别为均值和标准差。SVI取值在0~1之间,表示多年NDVI的标准差,其他同上。
(3)
Kogan,1990
NDVIi 、NDVImin、NDVImax分别是经平滑的某个时期(月或旬)、多年绝对最大、多年绝对最小的归一化植被指数。
VCI可以反映出NDVI随气候变化而产生的影响,每点的NVDImax和NDVImin本身就隐含了区域背景的影响,因此这样的描述方法在一定程度上消除或弱化了地理环境条件差异对NDVI的影响,用其表达出的大范围干旱状况尤其适合于制作低于50°纬度地区的干旱分布图。
(4)
WSVI=NDVI / LST
NDVI 为归一化植被指数,LST为地表温度。
当作物受旱时,为减少水分损失,叶面气孔会部分关闭,从而导致了叶面温度的增高。越干旱叶面温度越高。同时作物生长也受到干旱的影响,导致叶面积指数(LAI)减少,叶子在温度高时也会枯萎,这一切都会使归一化植被指数减小。供水植被指数越小,旱情越严重。
供水植被指数方法实用化的主要障碍是:从表达式中虽无气象参数的引入,但在实际运用中为了与地面实际干旱情况相吻合,仍然要引用地面气象参数作为区域订正之需,其规律性尚未得到普遍掌握;评估结果所反映的干旱环境背景与农业干旱的界线模糊。
(5)
式中,ρ(λ)是在波长为λ的反射率。
2 温度法
(1)
Kogan,1995
T是像元地表温度,Tmin、Tmax分别表示某个时期地表温度的最大和最小值。
(2)
Moran,1994
ET,PET分别代表实际蒸发量和潜在的蒸发量。
(3)
Idso等,1981
由冠层温度和水汽压差技术。dT为作物冠层温度与气温差,dTi表示作物冠层温度与气温差上限(作物完全停止蒸腾的状态),dTu表示作物冠层温度与气温差下限(作物水分充足,处在潜在蒸发量的状态)。
(4)
Mcvicar等,1992和Jupp,1998
LST∞和LST0分别表示地表阻抗无限大和为零时模拟的地表温度;LST∞是理论上当没有水分可利用时出现的地表温度-即阻抗为无穷大时出现的地表温度。LST0是土壤水分达到饱和时的地表温度-即阻抗为零时出现的地表温度,它是与潜在蒸散相对应的。两个值被认为地表阻抗下的土地表面温度的上限(干条件)和下限(湿条件)
(5)
Nishida等,2003
ET为蒸散发量;EFveg、EFsoil分别为植被蒸发比和土壤蒸发比;Q分别是潜热通量或显热通量的形式传输到大气的能量;Qveg、Qsoil分别为Q植被分量和土壤分量;H表示显热通量;G为土壤热通量;以上参数单位均为Wm-2;fveg为植被覆盖度。
3 综合方法
(1)
LST/NDVI
Lambin&Ehrhich,1996
在遥感观测数据中,植被指数与表面温度具有很强的负相关性,对植被指数与表面温度组成的散点图进行拟和得到一条直线,该线的斜率与土壤湿度密切相关,这一现象在多种植被类型和传感器上得到验证。在同一生长季内,根据不同日期图像的LST/NDVI斜率,可以反映该区土壤湿度的时间变化。LST/NDVI斜率还可以反映年际土壤湿度变化。
在实际应用中,LST/NDVI斜率的确定有一定难度,它受地表覆盖类型、提取窗口、图像分辨率、地形、云等噪声的影响。从土壤湿度估测的角度出发,理想状态是,土壤湿度是决定LST/NDVI斜率的唯一重要因素。
(2)
TVA=arctangent(LST/NDVI)
Lambin&Ehrhich,1997,对LST/NDVI取arctangent函数,补充了LST/NDVI的缺陷。
(3)
Sandholt,2002
TS表示地表温度,Tmin表示某一NDVI对应的最低温度,即湿边。Tmax是,即干边。a、b、c和b为地表温度和NDVI的拟合方程的系数。
在干边上TVDI=1,在湿边上TVDI=0。对于每个像元,利用NDVI确定TMIN和TMAX,根据T在NDVI/T梯形中的位置,计算TVDI。
(4)