遥感地学分析第4章土壤遥感

遥感地学分析第四章土壤遥感第四章土壤遥感第一节土壤波谱特征及其变化规律1.1土壤辐射传输1.2土壤反射光谱特征1.3土壤反射光谱特征影响因素1.4我国土壤反射光谱曲线的基本类型第二节土壤光谱遥感最佳波段第三节土壤干旱遥感监测第四节土壤侵蚀遥感调查

第四章土壤遥感土壤是覆盖地球表面的具有农业生产力的资源，能够为植物生长提供营养成分、水和自然支撑，是岩石圈、水圈、大气圈和生物圈相互作用的产物。土壤遥感是应用遥感手段研究土壤科学的技术。根据电磁波辐射原理，通过各种传感器远距离接收土壤反射或发射的电磁波谱信号，经加工处理后，得到能直接识别的图像或供电子计算机处理的电子数据，通过分析这些图像和数据可以掌握土壤特性、土壤类型、分布规律和利用现状，从而绘制土壤图，计算土壤类型分布面积。第四章土壤遥感土壤遥感能对某些土壤性状、水分含量、养分供应状况，以及对土壤盐渍化、沼泽化、风沙化、水土流失、土壤污染等变化进行动态监测，为合理开发、利用与管理土壤资源及时提供科学数据。第一节土壤波谱特征及其变化规律

1、土壤反射光谱特征1.1土壤的辐射传输土壤是由固体、液体、和气体组成的三相系统，其中固相颗粒是组成土壤的物质基础。固相颗粒的排列方式、孔隙数量和大小以及团聚体的数量和大小等决定了土壤结构。电磁辐射在土壤中与土壤颗粒、水分等发生碰撞，并在土壤孔隙中传输，被吸收或散射，最后从土壤表层反射并被传感器接收。这一过程与土壤结构密切相关，土壤结构的不同将导致土壤中多次散射次数、散射方向性、后向散射能量大小的差异。第一节土壤波谱特征及其变化规律1.2土壤反射光谱特征土壤是岩矿的风化产物，其主要物质组成与岩矿一脉相承，因而土壤和岩矿的光谱反射特性在整体上基本一致：即反射率从可见光的短波段起随波长的增加而逐渐抬升。但土壤是岩矿经历不同的风化过程，又是在不同的生物气候因子和人类长期耕作活动的共同作用下形成的，因此，土壤类别是多种多样的，其光谱反射特性也必然相应地发生许多变化。第一节土壤波谱特征及其变化规律1.3土壤反射光谱特征的影响因素土壤是一种极其复杂的多孔体系，由不同含量的矿物质、水分、气体和土壤有机质组成。土壤反射率由土壤的组成成分及其结构的内在的散射和吸收性质决定。土壤反射光谱受土壤地球化学（矿物成分、湿度、有机质、氧化铁含量、土壤结壳等），几何光学散射（几何、照明、微粒形状、大小、方位、粗糙度）以及外部环境（气候、风化程度、植被覆盖度、落叶）等因素的影响。第一节土壤波谱特征及其变化规律1.3土壤反射光谱特征的影响因素其中土壤有机质、氧化铁和水分含量、土壤质地、土壤母质等性状均明显地随地理分布的差异而不同。因此，土壤光谱的反射特性也必然会随土壤地理的分布规律和土壤剖面而发生变异。1.3.1土壤组分的影响土壤由固相（矿物质：原生矿物和次生矿物；有机质：有机氮、脂肪、碳水化合物、糖类等），液相（土壤水分或溶液）和气相（土壤空气）三相物质有机组成。按容积计，矿物质占38-45%，有机质占5-12%，孔隙约占50%；按重量计，矿物质的固相占90%以上，有机质占1-10%对土壤光谱影响较大的组分包括土壤水分、有机质、氧化铁。1.3.1土壤组分的影响1）土壤水分含量对土壤光谱的影响土壤水分是土壤的重要组分，不仅是植物生活必需物质，且是土壤系统中物质与能量的流动介质。土壤水分来源于大气降水、地下水、灌溉水和大气凝结水；损耗于土壤蒸发、植物吸收、植物蒸腾和水的渗漏与径流。通常给定地区，土壤特性中的土壤水分随时间和空间的变化最大。因此，一定时间内，土壤的反射率主要随土壤粗糙度和土壤水分含量的变化而变化。1.3.1土壤组分的影响1）土壤水分含量对土壤光谱的影响土壤水分即土壤湿度。一般情况下，土壤水分含量与反射率呈反比，甚至可以认为土壤水分含量与反射率之间在一定范围内呈线性关系。由于各种土壤的持水能力有差异，导致反射率变化对应于湿度变化的灵敏度范围也不同。一般含水量在10%～25%,反射率变化显著。而持水性差的土壤,其灵敏度范围可能小于10%。当超过田间持水量时,由于土壤表面膜水层形成镜面反射,反而会提高反射率。1.3.1土壤组分的影响1）土壤水分含量对土壤光谱的影响在土壤光谱曲线中，1.45um和1.95um两个波段处有两个强吸收谷；在0.97um、1.2um与1.77um处有三个弱吸收谷都是土壤水分子振动的倍频或合频引起的。1.3.1土壤组分的影响1）土壤水分含量对土壤光谱的影响总体讲：随着土壤含水量的提高，任意波长的反射率均会降低，而且其差异随波长的增加而加大；但当土壤含水量超过田间持水量时，由于土壤表面膜水层形成镜面反射，反而会提高反射率。因此,尽可能应用近红外波段来估计土壤水分含量。2）土壤矿物成分对土壤光谱的影响土壤矿物成分是土壤固相物质之一，是土壤的主要组成物质，构成了土壤的“骨骼”。土壤矿物质基本来自岩石风化形成的成土母质，对土壤的形成与土壤肥力的发展有重要影响。主体元素：O，Si，Al，Fe，Ca，Na，K，Mg，Ti主要矿物（地质作用所形成的天然单质或化合物

）：石英、长石、云母、角闪石、辉石、方解石、赤铁矿、磷灰石、以及蒙脱石、高岭石和伊利石矿物的化学组成、物理特性、风化难易程度和风化产物的差异，都深刻影响土壤性质。1.3.1土壤组分的影响2）土壤矿物成分对土壤光谱的影响岩石、矿物在350-2500nm光谱范围内的吸收和反射机理吸收：原子内部呈离散能量状态，导致电子存在于各自轨道上。当电磁波照射到处于低能级状态的原子上时，其能量的一部分会被吸收，造成能级提高，使电子向上一级轨道移动反射：当电子从高能级向低能级跃迁时，就会辐射出一定波长的电磁波1.3.1土壤组分的影响2）土壤矿物成分对土壤光谱的影响岩石、矿物在350-2500nm光谱范围内的吸收和反射机理可见光区的光谱主要由土壤成分中的Fe3+和Fe2+引起。Fe2+吸收波长位于0.43、0.45、0.51、0.55和1.0——1.1umFe3+吸收波长位于0.40、0.45、0.49、0.70、0.87um1.3.1土壤组分的影响2）土壤矿物成分对土壤光谱的影响岩石、矿物在350-2500nm光谱范围内的吸收和反射机理近红外的反射和吸收是油分子与晶格的振动引起，是由土壤成分中的H2O、OH-和和CO32+等离子基团的倍频或合频引起。水的倍频和合频两个特征谱带是：1.4和1.9um土壤中次生黏土矿物层间的结合水（OH-）在2.2um（高岭石）和2.3um（蒙脱石）出现吸收峰CO32+的倍频或合频出现在2.35和2.55um1.3.1土壤组分的影响2）土壤矿物成分对土壤光谱影响典型成土矿物的（0.4-2.5um）光谱特性高岭类矿物：2.2um处有极强的铝配位的羟基谱带，1.4um极强的OH-吸收带，1.9um较弱的H2O吸收带，因其无层间水和膨胀性差的特征。2）土壤矿物成分对土壤光谱影响典型成土矿物的（0.4-2.5um）光谱特性蒙脱石类矿物：最强的1.9um水吸收带，相对较弱的1.4um和2.2um的吸收，因富含层间水最多，膨胀性和吸湿性强的特征。2）土壤矿物成分对土壤光谱影响典型成土矿物的（0.4-2.5um）光谱特性蛭石：1.4和1.9um处具有宽口“V”形强吸收带，易于蒙脱石混淆，需辅以其他光谱特征识别，如2.2um和2.3um较弱吸收等2）土壤矿物成分对土壤光谱影响典型成土矿物的（0.4-2.5um）光谱特性伊利石：反射光谱特殊，羟基等水谱带特征几乎看不出，与云母的定向排列和测量光束的取向作用有关，是云母类矿物光谱的主要特征。在2.2um有较强吸收，在1.4和1.9um仅有浅窄的凹形吸收口。低反射，谱线斜率基本一致而区别于其他矿物。2）土壤矿物成分对土壤光谱影响典型成土矿物的（0.4-2.5um）光谱特性区别矿物的二八或三八面体：二八面体在2.2um呈由三价铝离子配位的OH-吸收谱带；三八面体在2.3um呈由二价镁离子配位的OH-吸收谱带3）氧化铁含量对土壤光谱影响土壤中的部分含铁矿物被风化为铁的氧化物，如针铁矿、赤铁矿、褐铁矿，它们均以胶体状态覆于土壤颗粒表面。土壤在可见光波段的许多吸收特征都是铁氧化物引起，铁氧化物的存在导致土壤在整个波段范围的反射率下降。由于土壤中铁大量存在，几乎所有土壤的光谱反射率都朝着蓝波段方向下降，这种下降甚至可扩展至紫外。1.3.1土壤组分的影响3）氧化铁含量对土壤光谱的影响一般而言，0.62-0.72um和0.82-0.92um，土壤反射率与氧化铁含量多少呈正相关；在1.55—1.75um，2.08-2.32um波段呈负相关。。1.3.1土壤组分的影响3）氧化铁含量对土壤光谱影响土壤氧化铁含量增加时，可见光与近红外部分吸收增强，由于在0.5-0.72um波段的吸收增强幅度不大，因此土壤出现黄红色。旱作土壤中，氧化铁随结晶体水的多少不同而表现出不同颜色：当土壤处于还原状态时，土壤呈现出蓝绿、灰蓝色；当土壤处于氧化状态时，土壤呈红、黄色。氧化铁与有机质对土壤的光谱特性的影响都发生在可见光和近红外波段，因此，定量区分有机质和氧化铁对光谱反射率的贡献难度较大。1.3.1土壤组分的影响1.3.1土壤组分的影响4）有机质含量对土壤光谱的影响土壤中有机质指土壤中动植物残体和微生物体及其分解和合成的物质。动植物残体及其分解产物占有机质总量的10%-50%；土壤腐殖质占土壤有机质的85%-90%。4）有机质含量对土壤光谱的影响就同一类型的土壤而言,有机质含量的高低与土壤颜色的深浅有直接关系。有机质含量高时,土壤呈深褐色至黑色;有机质含量低时土壤呈浅褐色至灰色。通常颜色愈深的土壤,其光谱反射率愈低,而其相对肥力则愈高。1.3.1土壤组分的影响1.3.1土壤组分的影响4）有机质含量对土壤光谱的影响有机质对土壤光谱的影响主要在可见光波段，在近红外波段的影响显著减小。对有机质比较敏感的波段为0.5-1.2um；一般在0.4-2.5um波长范围内，土壤有机质含量与其反射率成反比，有机质导致整个波段土壤反射率下降；有机质含量超过2%时，其引起的土壤反射率下降可能掩盖其他成分的光谱特性；有机质超过90%后，影响范围不再增长。1.3.1土壤组分的影响4）有机质含量对土壤光谱的影响有两个光谱特征指标比较有机质含量的高低:

其一是0.4～1.1um(特别是620～660nm)平均反射率的高低。有机质含量越高,反射率越低;其二是光谱曲线在0.6um

处的形态,即0.6um处光谱曲线的“弓曲差”的大小。有机质含量越高,“弓曲差”越小,曲线越平直。反之亦然。在含量0.5%～5%

时,估测精度较高。可见光和近红外是土壤有机质分类的最重要波段。1.3.2土壤物理属性的影响土壤的物理性质包括：颜色、质地、结构、松紧度、干湿度、孔隙度等1.3.2土壤物理属性的影响1）土壤质地和黏粒含量对对土壤光谱的影响土壤质地指土壤颗粒的大小、粗细及其匹配状况。土壤质地一般分为沙土、壤土和黏土。土壤质地影响反射率的原因：影响土壤蓄水能力，较大颗粒之间能容纳更多的空气和水；土壤颗粒大小对土壤反射率有显著影响，颗粒越小，彼此的结合越紧密，土壤表面越光滑，反射率越大1）土壤质地和黏粒含量对对土壤光谱的影响但是，土壤质地对反射光谱的影响不仅与不同粒径组合及表面状况(糙度和阴影)有关,而且与不同粒径的化学组成也密切相关。因此,不能笼统地说,土壤颗粒越细,反射率越高。因为当颗粒细至黏粒时,土壤持水能力增加,反而会降低反射率。1.3.2土壤物理属性的影响1）土壤质地和黏粒含量对对土壤光谱的影响但是,有一点可肯定,即不同粒径土壤的光谱差异随波长的增加而变大,波长由2.2um增大到2.65um时，土壤对太阳辐射的吸收至少增加14.6%。可用2.2～2.65um

光谱段来区别土壤质地差异。利用土壤黏粒在常温下风干后依然能吸附水分的持水特性,可以应用反射光谱1.9um

处水分吸收峰的强弱来估计土壤中黏粒含量的多少。黏粒含量越高,该波长上的吸收峰越强,反射率越低。1.3.2土壤物理属性的影响2）土壤结构对土壤光谱的影响土壤在自然界不是以单个颗粒的形式存在，而是以颗粒黏结成一定的结构，如田间普遍存在的团聚体形式。土壤结构指土壤颗粒之间的胶结、接触关系。土壤结构有团粒状、块状、核状、柱状、棱状、片状结构等。粒径为0.45-2.5um的结构体由于孔隙而产生光的“险井”，也被称为“微阴影”，阴影存在导致其反射率降低。1.3.2土壤物理属性的影响3）土壤松紧度、孔隙度和土壤干湿度对土壤光谱的影响土壤松紧度指土壤松疏和紧实的程度，分为很松、疏松、稍紧实、紧实、坚实。土壤孔隙度指土壤孔隙的多少，决定着土壤的通气透水特性，影响着土壤养分转化和温度状况。土壤孔隙度大小决定土壤中空气含量的变化。土壤的松紧度越松、土壤孔隙度越大，土壤的光谱反射率越低。1.3.2土壤物理属性的影响我国土壤反射光谱曲线的基本类型戴昌达等

(1981)测定了我国23类主要土壤类型(包括100个样品)的反射光谱曲线,所用仪器为DMR-22型分光光度计,其波长范围在0.36～2.5um之间。根据测得的100条土壤反射光谱曲线的形状特征和斜率变化情况,将它们归纳为以下四种:平直型、缓斜型、陡坎型和波浪型四大类（图1)。图1四大类土壤的反射光谱反射曲线我国土壤反射光谱曲线的基本类型凡有机质含量高、颜色深暗的土壤多形成平直形曲线，尤其在可见光波段，斜率小而稳定，基本上呈一条与X轴有一个夹角不大的近似直线。在进入红外波段后，曲线稍有抬升和下降，但变幅一般也不大。云南腾冲的泥炭土是就属于这一类型。这种泥炭土有机质含量高达70％，其光谱反射率很低，在0.36μm处为4.9％，在0.62μm处也仅有7.3％，这段的斜率仅为0.009；在0.6μm~0.80μm处斜率增至0.015。我国土壤反射光谱曲线的基本类型火山灰土也具有平直形曲线。整条曲线的位置及在可见光波段的斜率都与有机质含量密切相关。采自腾冲火山地区的4个样品，其有机质含量分别为37.5%，21.8％，19.2％和11.3％。其曲线位置一条高于一条（上图）。在0.8μm以前的斜率也随之稍有增加，分别为0.013~0.028，0.032~0.037，0.038~0.046，0.042~0.059。我国土壤反射光谱曲线的基本类型火山灰土耕垦后自然植被消失，原来土壤中的生物积累过程中断，在当地水热条件作用下，有机物质迅速分解消耗，土壤剖面形态结构与土色渐趋于红壤类型。这种发展变化趋势在光谱曲线的形状特征上也反映出来。在0.45μm处出现较明显的小凸面，斜率显著增高，达0.137，超出一般火山灰土一倍以上，这些都意味着其已具有向红壤类陡坎型曲线过渡的性质。我国土壤反射光谱曲线的基本类型水耕熟化形成的水稻土是我国分布范围辽阔、具有独特发生属性与形态结构的耕作土壤，光谱曲线属缓斜型（见图1曲线2）。其主要特征是：自光谱的紫光端向红光端缓缓抬升，形成一条斜线；在0.45μm或0.62μm附近可能出现程度不等的小波折，这段的斜率一般在0.10上下，明显高出上述平直型；在0.62μm和0.9μm之后反射率上升趋缓形成两个拐点，这是士壤中含有一定量铁离子的反映。

值得指出的是，采自不同地区相隔千里的水稻土只要水分条件、发育程度相似，测得的曲线就十分相近。

例如分别采自湖北云梦与云南腾冲地区的水稻土，都属冲积淤积母质发育的潴育性〔草甸土起源）水稻土，两条曲线的形状和斜率变化相当一致。采自腾冲地区的分属三个不同亚类的水稻土，由于水分条件与发育阶段的差异，曲线形状就出现较大差别。

我国土壤反射光谱曲线的基本类型我国土壤反射光谱曲线的基本类型南方湿热条件下发育的红壤形成陡坎型曲线（见图1曲线3)。主要特征是在可见光区曲线陡峻，斜率剧增。但斜率增高程度不等，形成几个波折。一般在0.45μm附近出现小凸面；至0.48μm处转为小凹弧；0.48μm以后曲线急剧上升，斜率显著增高，几乎成为垂直于x轴的直线，形似陡坎；至0.62μm，曲线稍趋缓和；0.74μm以后，斜率进一步下降；进入红外波段后，一般在0.9μm，1.1μm，1.4μm，1.9μm和2.2μm附近有程度不等的吸收谷，最后曲线缓缓降至2.5μm测定终端。根据某些典型矿物光谱反射特性测定资料推断：0.45μm~0.48μm的吸收带、0.52μm~0.58μm的反射峰，都系土壤中含相当数量的赤铁矿、褐铁矿与游离高价铁等所致；红外波段的几个吸收谷则主要与高岭类粘土矿物中所含OH-有关。我国土壤反射光谱曲线的基本类型我国土壤反射光谱曲线的基本类型南方湿热地区另两类重要土壤一一黄壤和砖红壤，其光谱曲线虽与红壤类同属陡坎型，但彼此又有些明显差异。砖红壤曲线位置（上图曲线227）整体偏低，特别是在0.52μm之前，曲线低而平缓，斜率不超过0.04，比黄壤、红壤都低。0.52μm以后迅速升高，0.54μm~0.58μm段斜率猛增到0.205，比0.52μm~0.54μm的0.11增高近一倍，比0.48μm~0.52μm的0.033增高近6倍。

我国土壤反射光谱曲线的基本类型黄壤类的（曲线245）特征与砖红壤相反，在0.45μm之前比红壤还陡，斜率达0.112表明黄壤中铁的含量比红壤和砖红壤低；0.48μm以后，斜率进一步提高。0.48μm~0.52μm达0.17。0.52μm~0.54μm更增至0.205，超过红壤和砖红壤；自0.541μm，以后，曲线开始趋缓，0.54μm~0.58μm斜率降为0.143，比红壤、砖红壤都低这表明黄壤中所含的特征矿物以含结晶水的针铁矿和褐铁矿占优势，而红壤、砖红壤则以赤铁矿为主要成分。因为针铁矿和褐铁矿的光谱反射比最大变幅出现在0.5μm~0.54μm波段，赤铁矿则在0.554μm~0.596μm波段。我国土壤反射光谱曲线的基本类型干早荒漠地区土壤（如棕漠土、灰钙土等）的光谱反射曲线别具一格，一般约在0.6μm之前普遍高于其他各类土壤，也较陡峻（见图1曲线4)，斜率达0.1左右，以后斜率就急剧下降，有时出现负值，形成一条近似与X轴平行的似波浪起伏的曲线，故称之为波浪型。其波谷一般较宽，且较浅平。2.0μm之后反射率常降低不多，甚至略有增高，呈翘尾巴态，使这类曲线的特征更趋鲜明。形成这种曲线的机理，可能是土壤中含有高量硫酸盐和碳酸盐以及含K，Na，Ca和Mg等碱基元素的濛脱类粘土矿物所致

。总的来说:土壤光谱反射特性的差异与变化都取决于土壤的组成与表面状态，其中最为重要的是腐殖质含量。含量愈高，反射率愈低，光谱的曲线愈趋低平，这是总的规律。但应注意腐殖质的组分如胡敏酸、富里酸等之间的光谱特性差异颇大，对土壤光谱特性的影响也就有所不同。第一节土壤波谱特征及其变化规律例如：某些森林土壤形成的腐殖质常以浅色的富里酸为主要组分，其光谱反射率就比以暗黑色胡敏酸占优势的草原植被下发育的土壤光谱反射率高。当土壤中含高量的碳酸盐、可溶盐和硅等浅色矿物质时，必会大大提高其反射率，并出现明显的CO32-、SO42-等特征谱带的影响；铝铁与硅之比很高的红壤类土壤则将明显降低蓝紫光区的反射率而大大提高橙红光区的反射率，井出现Fe3-特征谱带的影响。第一节土壤波谱特征及其变化规律此外，土壤湿度对反射特性的巨大影响绝对不能忽视：今尚未获得土壤含水量与土壤光谱反射率之间确定的函数关系，实验结果常因所取土壤类别不同、样品制备与测试方法的差异等而不完全一致。当土壤含水量超过凋萎系数而未达到最大田间持水量时，土壤光谱反射率随含水量增高而下降，两者呈负相关。特别是在近红外波段，更是如此。但是当含水量进一步增加，超过最大田间持水量或降低到小于凋萎系数时，则反射率趋于稳定，变化幅度明显减小，甚至在可见光区还可能出现倒置现象。第一节土壤波谱特征及其变化规律土壤的机械组成即质地与表面状况对光谱反射率也有明显影响。从近年成为遥感基础研究热点问题之一的不连续不均匀的表面反射理论考虑。两者之间的定量关系相当复杂，尚待深入研究。第一节土壤波谱特征及其变化规律最后还需指出：土壤光谱反射特性与岩矿一样受环境因素影响很大，室内外测试结果往往有很大差异；而且在自然界，土壤常为自然植被或栽种植物所覆盖，欲从空中获得主要反映土壤光谱特性的数据，必须选择合适的无植被或少植被覆盖的季节进行遥感成像。第一节土壤波谱特征及其变化规律第一节土壤波谱特征及其变化规律1.2土壤热红外特性土壤的热红外和微波辐射、散射特性与岩矿有许多类似之处，但由于土壤是疏松的有机和无机复合体，固、液、气三相共存，成分多样，且处于相互消长、快速多变之中，故更为复杂。

第一节土壤波谱特征及其变化规律1.2土壤热红外特性从使用FTIR(傅立叶红外光谱仪)测定的大量土壤样品在2.5μm~14μm的反射光谱曲线经过换算得出热红外区的比辐射率可以看出，不同土壤类型有一些差异，但不大；另一方面，不同土壤类型，特别是不同质地及不同有机质含量，因而具有不同水分物理特性的土壤，其吸热增温、放热降温和热储存、热传导过程都会有所不同，使得土壤的热特性复杂多变。

第一节土壤波谱特征及其变化规律1.2土壤热红外特性张仁华在禹城遥感实验场的长期试验中，深入分析土壤红外发射率与土表温度和含水量等多要素之间的复杂关系，取得可喜进展。推导出了土壤水分的红外遥感模型，首先验证了土壤含水量高低是引起两块土地表面温度在凌晨和午后不一致的主要因子；论证了仅利用土地表面日温差(Tmax-Tmix)这个简单的温差模型来衡量土壤含水量存在不确切和不完善之处，并提出了改进的相对温差模型

。

K是系数，与天气状况、风速、太阳辐射、空气温度、湿度、季节和土壤类型等有关。既考虑到土壤热通量所造成的温度日振幅，又反映了每日地表热量收入。根据实验场实测资料算出适合当地情况的K值。这使温差与含水量的相关系数从简单温差模型的0.6提高到了0.9。第一节土壤波谱特征及其变化规律4.2土壤热红外特性张仁华还进一步分析了国际上比较流行的Price表观热惯量模型未能考虑潜热通量和显热通量对热惯量数据的干扰，从而影响土壤水分定量测算精度的缺陷，提出了充分利用热红外辐射的二维分布信息和干湿两点的地面定标方法，来改进热惯量模型。其表达式为：式中：下标j为一幅热惯量图中的像元编号；下标i为从t1时刻到t2时刻中的地表热量各分量的变化阶段编号；Pj为第j像元的热惯量；Rωj和εij分别为j像元在i时刻的净辐射通量和在一幅热图像中的最热像元和j像元的显热值比；Wθ和Wj为这幅热图像中最干和最湿定标像元的土壤含水量：Wj为j像元的土壤含水量；LEω为i时刻最湿定标像元的潜热通量；Δτ为时间步长；T1和T2分别为起始时刻t1和终了时刻t2的地表温度。感热通量,即感热通量，物体在加热或冷却过程中，温度升高或降低而不改变其原有相态所需吸收或放出的热量通量，是由于湍流运动从地面向大气传输的热量通量。

潜热通量，由于水汽相变向大气传输的热量通量。第一节土壤波谱特征及其变化规律1.2土壤热红外特性这样就有可能结合两个定标像元的实测值，应用热红外遥感数据，把土壤热惯量较确切地推算出来。

再根据土壤含水量W与土壤热惯量关系(接近直线方程)，即：就可得出有一定可信度的土壤含水量。

这将是热红外遥感的重要应用领域之一。

第一节土壤波谱特征及其变化规律1.2土壤热红外特性运用热惯量推算土壤水分含量的深度可达到土壤温度没有日变化的深度。但需指出，在自然界，特别是作为重要农区的冲积大平原，影响土壤水分运动传输的质地剖面构型复杂多变，同时土壤上常被不同植被类型或处于不同发育阶段的植被覆盖，这些变化多样的因素都会影响遥感土壤含水量的精度，均有待进一步深入研究，以便尽快实现大规模实用化。第一节土壤波谱特征及其变化规律1.3土壤微波辐射、散射特性土壤的微波辐射特性，与土壤含水量有很大关系。根据肖金凯的初步研究，不论何种土壤类型，在105℃烘干状态下，其介电常数均在5左右，加水之后，介电常数近线性上升，不同类型土壤，上升幅度稍有差异，表明土壤的介电常数主要由土壤含水量决定，与土壤成分和性质有一定关系但不是很大。第一节土壤波谱特征及其变化规律1.3土壤微波辐射、散射特性影响土壤微波后向散射系数的另两个重要因素是表层土粒粗细与土壤结构状况。土粒粗细以机械组成即质地表征，这个因素比较稳定。土壤结构状况在农区将随耕作管理等措施而变化，不过对于使用波长较长的雷达遥感而言，结构变化幅度一般不超过表面粗糙度判据范围，这时可忽略不计。第二节土壤光谱遥感最佳波段已有的研究表明：450nm

波段的光谱值与土壤水分含量有关;500～640nm

波段与土壤中的氧化铁有关;620～660nm

波段与土壤有机质含量呈负相关。Stoner等认为750～1300nm

波段的反射率低,是与土壤中含大量的铁和黏重的质地有关。第二节土壤光谱遥感最佳波段戴昌达认为600～680nm波段是土壤遥感的最佳波段。徐彬彬等在研究宁芜地区土壤遥感资料之后,初步确认宜于土壤遥感的最佳工作波段组合为400～500,580～690,730～800,820～920,1080～1200,1540～1700,2050～2300nm。王昌佐等对自然状况下裸土表层含水量的高光谱遥感研究,得出1950～2250nm波段的光谱反射率估测土壤含水量效果较好。EtienneMuller(2000)认为P波段(波长68cm)对土壤水分监测效果显著。第三节土壤干旱遥感监测

我国每年都有干旱发生。据不完全统计，我国各种受灾面积中，旱灾占61%，水灾占24%，冰雹灾占9%，霜冻灾占6%。为了合理使用水资源，有效地抗旱救灾，必须迅速知道那里受旱，程度如何，而卫星遥感监测是一种有效方法。一、干旱概念及干旱指标1干旱概念通常干旱是指某地团长期没有降水或降水显著偏少造成空气干燥、土壤缺水甚至干涸的现象。从农业生产的角度看，干旱的发生是一个很复杂的过程，它受到多种因素的制约。首先是气象因素，除了降水量以外，降水的强度、气温、光照、风速也在一定程度上影响干旱的强度。其次是农业生产本身的特点，这里有农林牧结构、耕作制度、农作物种类、生育时期以及耕作措施等等。此外还有某些自然地理条件，如土壤、水文、地形地貌等等；最后是社会经济条件，如灌溉条件、保持土壤水分所需要的物质条件等等。

2,干旱指标

干旱指标是确定干旱是否发生以及发生干旱严重程度的一种量度。

干旱的原因比较复杂，除了降水量持续偏少外，还与作物对水分的要求，人类补充水分亏缺的能力以及土壤持水、保水等因素有关。因此，人们从各个方面来定义干旱，确定干旱的指标。干旱监测的评价指标：

1、反映农业水分供应状况的物理量，如降水量、水分供求差、帕默尔指数等来评估干旱程度；2、反映作物生长与水分利用关系的物理量，如相对蒸散、水分亏缺量、作物水分应力指数等来判断水分亏缺的程度；3、土壤水分二、干旱遥感监测方法干旱没有唯一的标准，可以从各个方面去定义，但都离不开水和植被。遥感监测干旱也基于土壤水分和植被状况。

对于裸地，卫星遥感的重点是土壤含水量对于有植被覆盖的区域，卫星遥感的重点是植被指数的变化及植被冠层蒸腾状况的变化。干旱遥感监测研究始于20世纪60年代,随着地面遥感、雷达遥感和卫星遥感、微波遥感等多种遥感手段的增加,基于NOAA/AVHRR、LandsatTM、MODIS等遥感资料的遥感热惯量方法、作物缺水指数法、植被指数法等监测方法日益完善。同时随着GIS、GPS集成与应用技术的日益成熟,大面积旱情遥感监测的可行性和使用精度也大大提高。二、干旱遥感监测方法1）热惯量法由于系统本身有一定的热容量，系统传热介质具有一定的导热能力，所以当系统被加热或冷却时，系统温度上升或下降往往需要经过一定的时间，这种性质成为系统的热惯量(Thermalinertia)。系统的热容量与材料的比热容和体积有关，传热介质的传热能力用热阻表示。系统的热容量越大，它的热惯量越大；介质的热阻越大，系统的热惯量也越大。1）热惯量法式中k为热传导系数，ρ为密度，γ为比热容。因为热传导系数、密度、比热容对一种物体来说是固定不变的，所以热惯量也是地物的固有属性。热惯量的表达式为：土壤因为含水量的变化，使得热传导系数、密度、比热容都发生变化，从而使得热惯量变化，这是确定无疑的。但从遥感数据不可能直接提取出热惯量，也不可能直接提取热传导系数、密度、比热容。

因此，必须建立热惯量P的遥感信息模型。地物在吸收短波太阳辐射后以长波的方式发射，地温增高。白昼地物吸收太阳能量而增温；夜间地物发射能量而减温。地物昼夜的温差就是地物热惯量的表象。例如水体，由于热惯量大，昼夜温差小；岩石热惯量小，昼夜温差大；各种含水量不同的土壤热惯量介于水体与岩石的热惯量之间，热惯量的大小也介于水体与岩石的热惯量之间。

1,热惯量法

热惯量法是在裸土或低植被覆盖土地的能量平衡方程基础上,对土壤表层水分进行定量反演的一种方法。主要用于裸露土壤。同一类土壤,含水量越高,热惯量就越大,由此确定干旱灾情的程度。此热传导方程的边界条件为：

其中，为日平均温度，ΔT0为0cm的地表温度日较差，ω为角频率（地球自转角速度）其中：λ为热传导度，Ca为热容量，ρ为土壤密度，Z为土壤深度，t为时间，T为土壤温度它是用热红外方法遥感湿度，基于热传导方程：

解方程后，得到热惯量表达式：

其中P为热惯量，即卫星间接遥感量，ΔT0为每日最高温度和最低温度之差，A为全波段反照率，B为常数。热惯量P与土壤水分含量Sw关系:目前建立的热惯量与土壤水分含量之间的函数关系都是基于统计方法，且国内目前建立的多是线性模型，而幂函数模型比线性模型好，试验结果表明拟合精度也比其它函数形式的拟合精度高，幂函数形式为：式中，为土壤水分，是拟合系数（最小二乘法拟合），P是热惯量。在实际应用时,通常使用表观热惯量(ATI)

来代替真实热惯量(P),这是因为随P的增大表观热惯量是单调上升，其计算公式如下：ATI=(1-ABE)/ΔT

式中，ATI为表观热惯量，ABE为反照度，是地物全波段的反射比，为地物波长从0到∞的反射比。ΔT

为地物昼夜温差。

1,热惯量法–ATI表观热惯量

(1）ATI值的大小反映地物热惯量P的相对大小。ATI值大，P也大；ATI值小，P也小。

(2)在日周期内，如果不同地物所吸收的太阳能量相同，即(1-A)相同，那么热惯量大的地物昼夜温差ΔT小，热惯量小的地物昼夜温差ΔT大。如果不要求测量热惯量的绝对值，只要相对大小，则只需要测出各种地物的A和ΔT，计算(1-A)/ΔT值，并编码显示，就可以得到一张表观热惯量图。

1,热惯量法

–ATI表观热惯量ATI=(1-ABE)/ΔT因此，要计算表观热惯量ATI，即为如何求ABE和ΔT。

1,热惯量法–ATI表观热惯量1）反照度ABE的计算反照度，即地表光谱反照率ABE，与地表方向反射率ρ不同，是地物波长从0到∞的反射比，地表光谱反照率具有全波段、半球视场及各向异性的特点；地表方向反射率ρ具有非连续、窄波段、窄视场。两者间的差异是造成遥感反演精度不够的重要原因。

1）反照度ABE的计算地表光谱反照率式中ρ(λ)是地物分光反射比，是太阳分光辐照度。

由窄波段遥感数据全波段、半球视场的反射或发射辐射分量，目前主要从以下3方面入手：①通过大气校正模型，把大气顶层（TOA）的辐射值直接转换为地表光谱反射率ρ或地表辐射温度Ts。

②通过BRDF角度模型，建立两者间的数学关系，把地表方向反射率ρ转换为地表光谱反照率α，如半经验模型---核驱动模型，物理模型---几何光学模型（GO）、辐射传输模型（RT）、RT—GO混合模型、计算机模拟等。③通过大量野外（同步）试验，建立多种宽波段反射或发射辐射值，与窄波段遥感数据间的统计模型，即经验关系式。此法简单易行且可信。但这种经验关系是随着表面特征的变化而变化的。1）反照度ABE的计算假定地物具有朗伯体特性，反照度可以表示为：由于太阳能量主要集中在0.2一1.5μm内很窄的波段，因此。可以用可见光和近红外波段的反照度近似代替波长从0~∞的反照度；对于分波段情况，则有式中n为波段序号，为各个波段上地表的太阳分光辐照度，ρ(λ)为地物各个波段的分光反射比。1）反照度ABE的计算若令加权系数，于是此式表明反照度ABE是地物各个波段的分光反射比的加权平均，权重Wn代表了入射到地表的第n波段的太阳能量与所有波段的太阳总能量之比。1）反照度ABE的计算对于NOAA卫星AVHRR传感器，可见光和近红外波段为ch.1(0.58~0.68μm)和ch.2(0.725~1.0μm)。热红外波段内太阳能量很弱，地物反射的能量非常弱，可以略而不计，因此，只能用ch.1和ch.2两个波段推求反照度，即n=2。由Wn的定义，Qse,n是地表各个波段内太阳的分光辐射能。对于大气外，Qse,n可以从大气外太阳分光辐照表按波段累加得到。如果考虑了大气对辐射能量的衰减作用，把大气外太阳分光辐照度乘以相应波长的晴空大气分光透过率，然后按波段累加，得到Qse,n和Wn的值，见下表。1）反照度ABE的计算

表Qse,n和Wn的值分段地表大气外Qse,n/(W/cm2)WnQse,n/(W/cm2)WnCh.11.59700.42142.15040.4230Ch.22.19300.57862.93320.5770由上表知，太阳在各个波段上的辐射能，大气外和地球表面差别很大，而Wn的值变化不大(<0.00016)。这就是说，在计算Wn时是否考虑大气的衰减问题，对反照度计算的影响不是很显著。我们使用的一组Wn是地球表面的值。这样，用NOAA气象卫星的AVHRRch.1和ch.2求反照度ABE，可以采用下述公式

ABE=0.423Gch.1+0.577Gch.2,式中Gch.1和Gch.2分别是经过大气校正后的Ch1和Ch2反射率。1）反照度ABE的计算地表光谱反照率与地表方向反射率的经验关系模型随着表面特征的变化而变化。

中国地表反照率的反演

Albedo

(FirstQuarter)

Albedo

(SecondQuarter)

中科院遥感所中国地表反照率的反演

Albedo

(ThirdQuarter)

Albedo

(FourthQuarter)

中科院遥感所右图：雪被的反射辐射几乎都集中在短波光谱区；在0.3～0.7μm反射率为80%～90%；在0.8～1.5μm反射率则随波长的增大而迅速减小；在SWIR反射很弱。这就是说对于雪被表面反照率（0.30～4.0μm），各谱段所作的贡献是不同的，可划分为4个部分：雪被区表面反照率反演[3]式中，A为0～4.0μm谱段的反照率；、分别为经过大气校正后CH1、CH2的反射率。

其中，反演中所选用的NOAA/AVHRR的CH1、CH2只代表前两个部分的反射率，而据Brest的研究，后两部分的反射率分别为第2通道反射率的63.0%和6.5%。因此，可将雪被表面反照率的反演模型表示为：0.30～0.725μm谱段，占总入射能的52.6%；0.725～1.0μm谱段，占总入射能的23.2%；1.0～1.4μm谱段，占总入射能的13.0%；1.4～4.0μm谱段，占总入射能的11.2%。2）昼夜温差ΔT的计算昼夜温差是在白天与黑夜的实际温度图配准的基础上，相减而得。由卫星影像直接得到的是辐射亮度温度，需要将亮度温度转换为地表实际温度才能得到真正的昼夜温差。记Tb为地物的辐射温度，T为地表实际温度。根据实测结果，一般情况下ΔTb=27K，而实际ΔT=27.71K，显然ΔT≈ΔTb。昼夜温差与辐射温度的昼夜温差，最大绝对误差小于1K。2）昼夜温差ΔT的计算用地物的辐射温度昼夜温差来近似代替实际温度，引起的绝对误差很小，并且可以把大气衰减和忽略地物发射比(ε=1)造成的误差降到最小。这样，白天温度最大时刻的ch.4图像(记为Tch.4,da)和夜间温度最小时刻的ch.4图像(记为Tch.4,ni)，就可以求出昼夜温差:ΔT=Tch.4,da-Tch.4,ni其中Tch.4,da是白天的辐射温度，Tch.4,ni是夜间的辐射温度。辐射温度也可以叫做表观温度。表观温度与实际温度并不相同，但是，我们在上面已经指出，表观温度的温差与实际温度的温差是十分接近的。因此，昼夜温差ΔT可以用上述公式计算。因此,基于NOAA/AVHRR传感器的表观热惯量ATI计算公式如下：

1,热惯量法–ATI表观热惯量除了线性经验公式模型外,还可以采用幂函数、指数函数等非线性经验公式。热惯量法较为简单实用，应用热惯量法在每年的11月到次年的3月间是最佳观测时间。

1,热惯量法-ATI表观热惯量表观热惯量计算土壤含水量W通常用线性模型，如下：表观热惯量法在监测土壤表层水分变化中得到了较多应用。张树誉[10]等采用MODIS数据,通过建立表观热惯量与土壤湿度间的线性经验模型,对陕西2005年2月上旬至3月下旬发生的春旱过程进行了监测试验。纪瑞鹏[11]等利用订正后的地表温度日较差计算热惯量反演得到土壤湿度,对辽宁省多年的旱情进行了监测。

1,热惯量法

随着土层深度的增加,表观热惯量与土壤含水量之间的相关性逐渐降低.郭茜等利用NOAA/AVHRR卫星资料,用表观热惯量法反演0～10cm、10～20cm浅层土壤水分,结果表明,在土壤深度为0～10cm时反演值与实测值的相对误差均值为11%;在10～20cm时其反演值和实测值的相对误差均值升高为12.8%。

1,热惯量法-限制1

热惯量法反演土壤含水量需要对研究区昼夜两幅遥感图像进行严格配准,通过亮温得到昼夜温差。由于遥感图像受到云的影响,很难得到同一研究区昼夜无云的图像,因而计算昼夜温差的精度很难保证。

1,热惯量法-限制2

当土壤植被覆盖度高时,由于受到植被蒸腾及土壤水分交换的影响,反演土壤含水量时的精度会大大降低。因此,表观热惯量仅适用于裸土或低植被覆盖的土壤,有植被覆盖的干旱遥感监测,主要使用基于蒸散量的遥感监测方法。

1,热惯量法-限制3

土壤、植被、大气之间能量的相互交换,表现为地表的蒸散,其中包括土壤蒸发和植物蒸腾。这两部分与土壤的水分含量有着明显的关系。因此可以通过计算农作物的区域蒸散量来建立干旱监测模型。

2,蒸散法

蒸散法针对不同的下垫面发展了单层、双层和多层模型；单层模型是将土壤和植被作为一个整体的边界层建立与大气间热交换模型；应用单层模型发展了估算植被缺水状态的作物缺水指数法。

2,蒸散法

作物缺水指数(CropWaterStressIndex,CWSI)由Jackson等研究叶片温度、土壤水分和植被指数之间的关系,根据热量平衡原理提出的。其公式如下：

2,蒸散法

–作物缺水指数法CWSI

2,蒸散法

–作物缺水指数法CWSI作物缺水指数根据水分平衡原理,以考虑土壤水分和农田蒸散作为出发点进行干旱监测。LE越小,CWSI就会越大,反映出供水能力越差,即土壤越干旱。限制：在有植被覆盖的条件下，作物缺水指数法监测土壤水分的精度高于热惯量法，但是其计算复杂，需要较多的常规气象和地面观测资料的配合，实时性不能够完全保证，对投入业务应用有一定影响。

2,蒸散法

–作物缺水指数法CWSI3.植被指数法

作物的长势可以直接反映出干旱的情况,当作物受旱缺水时,作物的生长将受到限制和影响,反映绿色植物生长和分布的特征函数———植被指数将会降低,所以监测各种植被指数的变化,也是干旱遥感监测的基本方法之一。3.植被指数法

主要有:距平植被指数、条件植被指数、植被指数差异等方法。这些植被指数可以由卫星遥感资料的可见光和近红外通道数据进行线性或非线性组合得到。考虑到不同下垫面对温度的影响,还发展了温度与植被指数相结合的干旱监测方法,主要有植被供水指数法、温度植被干旱指数法等。1)距平植被指数法

为了监测大范围作物干旱，中国气象局国家卫星气象中心发展了距平植被指数法。它是用植被指数（NDVI）多年的旬（月）平均值作为背景值，然后用作物受灾旬或月的植被指数（NDVI）减去背景值。

求旬、月植被指数，每旬需30多条轨道卫星资料，每月需90多条轨道卫星资料，才能消去云的影响，监测全国范围的干旱。经过进一步的工作，可以做出每旬的全国范围具有国界省界标志的植被态势图像或数字打印图，以供植被长势—干旱状况分析判断。对于中国，该图范围可为东经74º～135º，北纬12º～57º，图像空间分辨率约为6km。旱情遥感监测评估

距平植被指数：

AVI=NDVIi-NDVI

式中，NDVIi为某一特定年某一时期（如旬、月等）NDVI

的值，NDVI为多年该时期NDVI的平均值。

AVI作为监测干旱的一种方法，它以某一地点某一时期多年的NDVI平均值为背景值，用当年该时期的NDVI减去背景值，即可计算出AVI的变化范围，即NDVI的正、负距平值。正距平反映植被生长较一般年份好，负距平表示植被生长较一般年份差。一般而言，距平植被指数为－0.1～－0.2表示旱情出现，－0.3~－0.6表示旱情严重。对1992年河南省的旱情（大旱）研究后认为，在山区应用距平植被指数的效果比降水距平好，并认为是由于山区降水容易流失所致。

2)条件植被指数

条件植被指数（VegetationConditionIndex，VCI）：

式中，NDVIi为某一特定年第i个时期的NDVI值，NDVImax和NDVImin分别代表所研究年限内第i个时期NDVI

的最大值和最小值。

VCI=（NDVIi－NDVImin）/(NDVImax-NDVImin)*100

分母部分是在整个研究年限内（几年）所有第i个时期的植被指数中的最大值和最小值之差，它在一定意义上代表了NDVI的最大变化范围，反映了当地植被的生境；分子部分在一定意义上表示了某一特定年（一年）第i个时期的当地气象信息，若NDVIi和NDVImin之间差值小，表示该时段作物长势很差。有学者发现应用VCI动态地监测干旱的范围及其边界比应用其它方法如NDVI和降水量的监测更有效、更实用。同时认为NDVI适用于研究大尺度范围的气候变异，而VCI适用于估算区域级的干旱程度。对VCI和AVI来说，地表覆盖类型的年际间变化可能影响到干旱监测的准确性，因而在解释监测结果时应该有可靠的最新的土地覆盖类型图。另外，它们仅仅考虑由于水分胁迫导致NDVI降低的状况，未考虑到其它因素如气温导致NDVI降低的现实。如在澳大利亚新南威尔士州的南部高地，5月份通常发生水文干旱，经过秋季降水，土壤水分得到了恢复，但草地干旱可能持续到8月份，而8月份的干旱通常是由气温造成的.在VCI和AVI的定义中也未考虑NDVI与降水间的时间间隔。Liu等认为月累积降水量与月累积NDVI的时间间隔约为1月，Di等通过模拟认为日降水量与日NDVI的时间间隔为15－23天。

3)植被供水指数法

热惯量方法只对裸露土壤适用，因为在有植被覆盖情况下，特别是在植被覆盖度很高时，植被改变了土壤的热传导性质，而旱灾发生的季节，植被覆盖率年往往很高。为了对高植被覆盖区农作物的旱灾进行遥感监测，中国气象局国家卫星气象中心发展了“植被供水指数法”。其物理意义是：

当作物供水正常时，卫星遥感的植被指数在一定的生长期内保持在一定的范围，而卫星遥感的作物冠层温度也保持在一定的范围内；如果遇到干旱，作物供水不足，一方面作物的生长受到影响，卫星遥感的植被指数将降低，另一方面作物的冠层温度将会升高，这是由于干旱造成的作物供水不足，作物没有足够的水供给叶子表面的蒸发（蒸发带走热量），被迫关闭一部分气孔，致使植被冠层温度升高。

3)植被供水指数法植被供水指数的定义式为：

VSWI＝NDVI／Ts

这里Ts是植被叶表温度，可由美国NOAA卫星或我国FY—l卫星遥感得到的作物冠层温度。VSWI代表植被受旱程度的相对大,VSWI值越小表明作物冠层温度较高,植被指数较低,作物受旱程度越重。

3)植被供水指数法该方法综合考虑了作物受到干旱影响时在红光、近红外、热红外波段上的反应，具有较好的应用效果。此方法适用于植物蒸腾较强的季节。植被供水指数被广泛地应用到干旱的遥感监测中,最常用到的是NOAA/AVHRR的数据资料,其中VSWI式中的Ts为第4通道的温度。

3)植被供水指数法张春桂

等利用NOAA/AVHRR资料采用植被供水指数法对2001～2002年福建省发生的冬春连续干旱灾害进行了动态监测。邓玉娇等采用植被供水指数对广东省2004年10月发生的干旱情况进行了监测。

3)植被供水指数法

植被供水指数在应用于MODIS数据时,由于MODIS数据得到的NDVI比NOAA/AVHRR数据得到的NDVI更容易饱和,所以在将VSWI应用到高密度高生物量植被时,其监测精度就会下降。张树誉等对VSWI进行了改进,将模型中的NDVI改用增强型植被指数(EVI),以提高对生物量区的敏感性,并对陕西省2005年4月上旬至5月下旬的春旱进行了监测。

3)植被供水指数法

Sandholt等J首先提出了温度植被干旱指数(TemperatureVegetationDrynessIndex，TVDI)的概念。公式如下：

4)温度植被干旱指数法

齐述华等对我国200O年3月和5月各旬的旱情进行了研究，结果表明，利用TVD1旱情指标能够较好地反映表层土壤水分变化趋势，将其作为旱情评价指标是合理的；对TVDI随NDVI和变化的敏感性评价结果表明，以陆地表面温度为基础的旱情指标相对比以植被指数为基础的旱情指标更合理。

4)温度植被干旱指数法

干旱监测指数讨论遥感干旱监测方法经过近20年的发展，取得了非常重要的研究成果，有些研究成果已经进入推广应用，获得了巨大的社会效益和经济效益。但由于干旱是一种非常复杂的自然现象，它的发生具有随机性、地域性、隐蔽性和不易觉察等特点，给遥感干旱监测带来许多不确定性的问题。这些问题涉及到遥感参数反演的精确性、监测模型的可操作性、干旱指数的可评价性等方面。干旱监测指数讨论(1)归一化植被指数可以间接地反映旱情，但在时间上有一定的滞后性，在干旱初期，很难通过植被指数监测出来。大多数基于植被指数的模型一般情况下只适合植被覆盖度比较高的地区；对于稀疏植被或裸地，监测结果存在较大的偏差。得到的NDVI时间序列越长，就越能更好地反映土壤供水状况及干旱程度。干旱监测指数讨论(2)地表植被较多时，采用距平植被指数法监测干旱效果较好，该方法简单易用，也比较直观，操作性强，但需要一定的资料积累，而且无法和干旱之间建立定量的关系，只适用于大尺度或全球范围的干旱和气候变化的监测，而不太适用于小尺度或区域级干旱监测。干旱监测指数讨论(3)条件植被指数不仅能定量地描述植被干旱的空间变化，还能反映长期气候对其起到的正反作用，但是地表覆盖类型的年际变化会影响干旱监测的准确性，因而在解释监测结果时最好使用最新土地覆盖类型图；计算过程中最大和最小NDVI值确定比较困难，需要长时间的连续数据，工作量大；只能用于植被生长的中后期，播种期和成熟期无法用该方法确定地表旱情。干旱监测指数讨论(4)植被供水指数法计算简单，受限制少，只需要14：00左右的一次晴空卫星观测资料，即可进行旱情监测，物理意义明确。但在定量监测中效果不佳，当下垫面差异较大时，监测结果的误差较大，给出的只是相对的干旱等级，无法针对不同的地物类型确定不同的干旱指标。该方法适用于植被蒸腾较强的季节。干旱监测指数讨论(5)作物缺水指数法物理意义明确，精度高、可靠性强，但因涉及到农学和气象参数较多，计算量大，实现起来比较困难，有些参数只能取参考值。遥感反演地表参数的精度目前还很难达到模型定量化计算的要求，在一定程度上阻碍了该模型的推广应用。干旱监测指数讨论(6)温度植被干旱指数较好地改变了单纯基于植被指数或单纯基于陆面温度进行土壤水分状态监测的不足，有效地减小了植被覆盖度对干旱监测的影响，提高了旱情遥感监测的准确度和实用性。干旱监测指数讨论(7)VCI监测干旱、降水动态变化的效果比AVI更有效、更实用，尤其在地形起伏大的区域，VCI的估算精度远比NDVI好；NDVI或从NDVI得到干旱指数适用于研究大尺度范围的气候变异，而VCI适用于估算区域级的干旱程度；植被生长茂盛的阶段，利用AVI和VCI来监测作物的缺水状况，效果较好，但需要有较长年代的资料积累。干旱监测指数讨论近年来，人们更加清晰地认识到没有一种单独的干旱指数完全适合于区域尺度干旱监测。因此，随着遥感和地理信息系统技术的不断发展，综合不同干旱监测指数并结合水文模型、作物模型，建立适合于多种不同地表类型的干旱监测指数也许是可行的。随着干旱遥感监测研究的深入,MODIS卫星遥感数据的应用日益成为干旱遥感监测的重要手段。MODIS数据在干旱旱情监测中的应用需要进一步的深入,随着获得的MODIS数据时间序列的增加,MODIS数据的干旱旱情监测模型可以进行更多的完善。三、干旱遥感监测实例-以陕西省为例1、数据源2、监测方法3、实现流程1、数据源遥感数据预处理：陕西省气象局2004年建立EOS-MDOIS卫星资料地面接收系统，在陕西省境内地方时12:00左右，夜间22:00左右热惯量模型选用2005-2006年2-3月MODIS白天和夜晚晴空资料；植被供水指数法选用2004-2006年4-6月MODIS白天晴空资料1、数据源遥感数据-BOW-TIE处理MODIS数据经过辐射校正之后生成的LIB产品存在着独特的“双眼皮”现象，使得MODIS的边缘数据无法使用，影响了数据的实际应用，几何校正也无法去除“双眼皮”现象，因此必须在几何校正之前就加以去除。“双眼皮”现象表现为相邻两个扫描行之间有部分的数据相同，越向边缘重复数据越多，在线状地物附近表现尤为明显，河流不仅左右错开，而且上下有部分重叠(见图3一l)。MODIS250m数据的BOW-tieEffect1、数据源遥感数据-BOW-TIE处理原因MODIS横向扫描带宽为1354km，同时沿航向对应10km，这10km就对应着1km分辨率的10各像素，500m分辨率的20个像素，250m分辨率的40个像素。由于MODIS探测器对地球观测的视野几何特性、地球表面的曲率、地形起伏和MODIS探测器运动中的抖动等因素的共同影响，MODIS一IB数据存在几何畸变，特别是MODIS一lB数据的扫描带之间的错位现象十分严重。1、数据源遥感数据-BOW-TIE处理原因双眼皮”现象随着观测角度的增大而趋严重，计算表明，在视角为24度时，条带的重叠度为10%，而在条带的两端重叠度达50%。1、数据源遥感数据-BOW-TIE处理以250m的MODIS数据为例说明数据处理思路。250m的数据每条扫描带包含5416列40行数据，每相邻的两条扫描带之间存在着“双眼皮”现象。首先计算相邻的两个扫描带之间存在着多少行重复数据。以第1列为例:①第1列到第3列、第38行到第40行数据产生一个3x3矩阵A，以第1列到第3列、第41行到第43行数据产生矩阵B，计算A和B的相关系数。②将矩阵B下移1行，重新计算相关系数。③重复步骤②，直到第80行，这样就得到40个相关系数。1、数据源遥感数据-BOW-TIE处理④取40个相关系数最大的一个，他所对应的行数减去40，再加上3，即复行数。最后算出对于第1一3列数据每扫描行有20行是重复的。⑤两条扫描带有20行重叠，即第21一40行和第41一60行数据是相同的，去除21一40行，数据变为1一20，41一60，61一80，这样地物是连贯的，即去除了“双眼皮”现象。将矩阵A向图像中心移动，计算每列上的重复，结果应该是逐渐减小，利用这一规律可以对某些异常值进行取舍。1、数据源遥感数据条纹去除辐射定标对于反射通道，定标结果为象素点的反射率值；太阳天顶角订正，即把不同太阳天顶角下的探测数据换算成相当于太阳处于天顶时的探测值。1、数据源遥感数据条纹去除辐射定标对于热红外通道，定标结果为象素点的亮温值。定标后需将辐射率转换为亮温，由普朗克公式计算，计算出的亮温值需经过订正:1、数据源遥感数据大气校正大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地表的真实物理模型参数。用于大气校正的辐射传输模型包括6S、LOWTRAN、MORTRAN等，这些模型虽然精度高，但要求的参数很多，难以满足业务应用的需要。采用ENVI软件的内部平均相对反射率法(IARR)对MODIS数据进行大气校正。1、数据源遥感数据大气校正IARR校正处理将计算整个影像场景的平均波谱曲线，并将其作为参考波谱曲线，然后用影像中每一个像素的波谱曲线值除以该参考波谱曲线值，计算得到表观反射率。方法适用于没有地面测量值，对整个场景不太了解时，能有效地将成像光谱仪数据转换为相对反射率。1、数据源遥感数据几何校正投影变换不同分辨率图像融合MODIS数据，有36个波段，空间辨率有250m、500m和1000m，涉及到不同分辨率数据之间的融合问题。采用双线性内插法将500m和1000m分辨率的数据插值到250m分辨率的数据格点上，实现数据分辨率的融合。选择双线性内插法的原因是该方法得到的像素值只与该点周围4个邻近点的像素值有关，所以其光谱特征改变小，插值后的图像更平滑，避免了最邻近法等出现的“台阶”现象。融合得到的MODIS数据每个像元都有36个通道的信息。1、数据源非遥感数据源-地面实测数据土壤相对湿度值数据为2004一2007年陕西省33个自动观测站所获得的数据，包括每旬逢8日的10cm、20cm、50cm土壤相对湿度值。这些站点的测量值是土壤湿度占田间持水量的百分率，即土壤的相对含水量。2、监测方法热惯量法热惯量法是裸地或低植被覆盖区干旱遥感监测的主要定量表达方法，通常用表观热惯量替代真实热惯量。表观热惯量ATI表达式为:MODIS求全波段反射率ABE的公式为：2、监测方法热惯量法热惯量法监测土壤含水量涉及到两个时次的卫星资料，并且要求:第一，白天和夜间卫星过境时，用光学遥感仪器监测，必须是晴空无云，以获得土壤的最高温度和最低温度。第二，白天和夜间卫星经过时，被监测地区都要处于两条轨道基本重合的范围。第三，被测土壤基本是裸露的或植被覆盖度很低。2、监测方法及处理流程热惯量法热惯量与土壤相对湿度间通常建立有线性模型、对数模型、指数模型。用实际的地面实测相对湿度数据与建立与表观热惯量法的模型，发现三种模型中指数模型的相关性最好，线性模型次之，对数模型的相关性略差，但三种模型均达到了显著相关水平。线性模型的相关虽然不是最好但计算方便，因此在实际监测中通常使用线性模型：2、监测方法热惯量法得到用热惯量模型反演的土壤表层湿度后，根据中国气象局提供的旱情分级标准，可给出土壤干旱的绝对等级。2、监测方法及处理流程热惯量法-处理流程基于MODIS资料的热惯量干旱监测数据处理方法如下:以卫星遥感数据和地面采样数据为基础，首先得到监测区各像元的亮度温度，然后通过白天和夜间两次资料的亮温差值计算获得地表温度日较差(通过地表温度求取昼夜温差的方式比较复杂，因此常采用昼夜辐射温度差代替地表温差，研究表明，亮温差与实际温度差不超过1K）。2、监测方法及处理流程热惯量法-处理流程基于MODIS资料的热惯量干旱监测数据处理方法如下:在MODIS可用于大气订正和探测表面发射率和温度的多个热红外通道中，通过对各通道辐射温度直方图的数据分布特征和图象质量的比较，最后选用白天和夜间的CH31通道辐射温度差作为地物昼夜温差求出△T。2、监测方法及处理流程热惯量法-处理流程基于MODIS资料的热惯量干旱监测数据处理方法如下:因为热惯量方法监测干早涉及到昼夜两个时次的卫星资料，但实际应用中通过计算一天的昼夜资料就能较好地反映全省整体情况的机率较小，所以我们需要对一旬内的晴空资料都计算各像元的昼夜温差，从而弥补云造成的影响。进而可以获得一旬各点的最大昼夜温差进一步应用表观热惯量模型获得旬内最大热惯量。2、监测方法及处理流程热惯量法-处理流程基于MODIS资料的热惯量干旱监测数据