论文部分内容阅读
摘 要：为有效监测长江流域的干旱灾害， 基于Modis传感器、环境卫星、高分卫星获取的多源卫星遥感数据， 结合了多种遥感旱情监测模型，搭建了能实现卫星遥感数据接收、卫星遥感数据预处理、水体监测产品自动化生产、旱情监测产品自动化生产、遥感监测产品库五大功能的长江流域旱情监测系统，并得到了具有良好应用评价的监测结果。
关键词：干旱；遥感；监测；多源
干旱是全球影响范围最广和造成经济社会损失最为严重的一种自然灾害，其波及范围广， 持续时间长， 是农业生产和人类生活中最严重的自然灾害之一。长江流域面积辽阔，人类活动频繁，是中国最重要的流域之一，自然条件差异很大，产流、汇流条件极其复杂，水资源量时空动态变化十分显著。因此，对长江流域的进行准确、实时的旱情监测对我国社会经济发展有着重大意义。
遥感技术的的实时性和完整性很快弥补了传统的气象数据监测干旱状况的局限性，成为了监测干旱灾害的一种重要手段。国外学者[1]很早就开始利用遥感技术研究干旱灾害的监测及预防。20 世纪80 年代末美国[2]利用NOAA 极轨气象卫星进行遥感监测，开始了基于遥感手段的旱情监测研究，并逐渐发展并投入应用，现已将降水、蒸发、气象、墒情与地下水资料进行一体化模拟计算， 采用VCI 和TCI 方法进行全球性的干旱和预报， 并进行作物的估产， 为美国农业部和商务部提供信息。成功实现了全国旱情监测网络系统。
国内对遥感数据的旱情监测研究虽然起步较晚，但也有不少学者提出了监测农业干旱、研究地表含水量的新方法[3， 4]，但面向抗旱减灾业务的遥感干旱监测业务化系统在水利行业尚未真正建立起来[5]。为了长江流域的抗旱、水资源调配等问题提供科学依据和决策支持，迫切需要一套集数据下载、数据处理、结果分析、产品展示、数据传输及GIS 浏览功能于一体的实用系统， 充实和丰富长江抗旱应用手段。
一、长江流域的特点及可用的光学遥感卫星数据源
（一）长江流域特点
长江发源于青藏高原，经由四川盆地和长江中下游平原注入东海，全长6397km，流域面积1.8×106 km2是中国第一大河，长江流域水资源丰富，年降水量在400-1500mm之间，年径流量居世界各大河第3位，具有多方面的综合经济优势。在长江流域各个世纪发生干旱的频率是不均匀的，至20世纪，长江流域旱情发生频率呈逐渐增大趋势，以各年5～9月降水量距平作为判断标准，长江上游干旱发生频率达56%，中下游干旱发生频率已经增至50%左右。尤其近几年长江流域部分地区屡屡面临严重旱情，如2010年初长江上游云南、贵州、广西、四川和重庆5省（区、市）因09年秋季以来降水严重偏少，土壤含水量普遍仅20%左右，导致发生了近百年一遇的严重旱情。
（二）主要光学卫星遥感数据源分析
光学卫星遥感数据是通过各类光学传感器对地球表面进行扫描，以数字方式记录的结果。遥感卫星系统以相当少的设备提供全球尺度上时间和空间连续的数据，基于卫星数据进行干旱监测，可以极大的减少人力物力的消耗，并且可以极大地提高所获取信息的准确性。基于以上几点，采用Modis、HJ-1A/B、GF-1号多种不同时空分辨率的卫星影像进行旱情信息的提取，充分结合了不同卫星影像的优势，以提供比单一种类影像更加详实的数据。
1. MODIS卫星
MODIS（中分辨率成像光谱仪）是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，可以免费接收数据并无偿使用的星载仪器。
MODIS数据涉及波段范围广（共有36个波段，光谱范围从0.4um-14.4um），数据分辨率比NOAA-AVHRR有较大的进展（辐射分辨率达12bits，空间分辨率最高可达250m）。这些多波段数据可以同时提供反映陆地、云边界、云特性、海洋水色、浮游植物、大气中水汽、地表温度、云顶温度、大气温度、等多种信息，对于陆地表面和生物圈的大范围长期监测具有很大的优势。并且TERRA和AQUA卫星都是太阳同步极轨卫星， 对于接收MODIS数据来说可以得到每天最少2次白天和2次黑夜更新数据。这样的数据更新频率，对实时地球观测和应急处理有较大的实用价值。
2. HJ-1A/1B卫星
HJ-1A/1B是中国首个以防灾减灾和环境监测为直接应用目标的小卫星星座，主要针对灾害、生态破坏、环境污染等进行大范围全天候、全天时动态监测。
环境与灾害监测预报小卫星星座A、B星（HJ-1A /1B星）于2008年9月6日上午11点25分成功发射，HJ-1-A星搭载了CCD相机和超光谱成像仪（HSI），HJ-1-B星搭载了CCD相机和红外相机（IRS）。在HJ-1-A卫星和HJ-1-B卫星上均装载的两台CCD相机设计原理完全相同，以星下点对称放置，平分视场、并行观测，联合完成对地刈幅宽度为700公里、地面像元分辨率为30米、4个谱段的推扫成像。此外，在HJ-1-A卫星装载有一台超光谱成像仪，完成对地刈宽为50公里、地面像元分辨率为100米、110～128个光谱谱段的推扫成像，具有±30°侧视能力和星上定标功能。在HJ-1-B卫星上还装载有一台红外相机，完成对地幅宽为720公里、地面像元分辨率为150米/300米、近短中长4个光谱谱段的成像。HJ-1-A卫星和HJ-1-B卫星的轨道完全相同，相位相差180°。两台CCD相机组网后重访周期仅为2天。
3.高分一號卫星
高分一号卫星是国家高分辨率对地观测系统重大专项天基系统中的首发星，其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，多载荷图像拼接融合技术，高精度高稳定度姿态控制技术，5～8年寿命高可靠低轨卫星技术，高分辨率数据处理与应用等关键技术，推动我国卫星工程水平的提升，提高我国高分辨率数据自给率。高分一号卫星主要为国土资源、农业、环境保护等部门提供高精度、宽范围的空间观测服务，同时也会在气象、海洋、地理信息测绘、水利和林业资源监测、城市规划和交通管理、灾害评估与地球系统科学研究等领域发挥重要作用。 本文涉及到的相关数据包括长江流域内的Modis（中分辨率成像光谱仪）影像数据、HJ-1A/B卫星影像数据、GF-1号卫星数据等遥感影像数据以及全国行政区划矢量、重点湖库河流矢量、长江流域重点城市矢量等矢量数据，数据来自NASA网站和长江水利委员会水文局。
二、遥感旱情监测模型
传统的旱情监测主要依赖气象站点获取降水量、土壤湿度等要素。但是这些要素监测点较少，无法实现大范围、实时、动态的旱情监测，而这些正是遥感数据的优势所在。目前使用较多的遥感旱情监测模型主要有：热惯量法、蒸散发计算法、基于植被指数和温度的方法以及土壤含水量反演法。
本文主要采用了土壤含水量的遥感反演方法、植被指数法以及[3]多星源地表水源地遥感监测技术方法。
（一）土壤含水量的遥感反演方法
土壤含水量是用来监测土地退化与干旱的重要指标，它关系到粮食的生产、植被的长势与作物的生长状况等，同时也是水文、气候、农业与生态等领域的重要参数。遥感技术的快速高效发展，使得实时、动态监测和评估大面积的土壤水分状况成为可能，克服了传统土壤含水量监测方法的不足[6]。
垂直干旱指数[7]（PDI，perpendicular drought index）可以从可见光和热红外的光谱信息中反演得到，适用于反映中低植被覆盖和裸土区域的干旱情况反演。
垂直干旱指数PDI利用Nir-Red特征空间中任何一個点到土壤线垂线L的距离来描述区域土壤含水量的分布状况，点的位置到L线的垂线长度越长，代表该地区的干旱程度越严重，土壤含水量越低，点的位置到L线的垂线长度越短，则代表该地区干旱程度越低。一般来说，距离L线较近的空间区域都是干旱程度较低，土壤水分较为充足的区域；距离L线较远的空间区域都是旱情较为严重、土壤水分较少的区域。通过计算Nir-Red特征空间上任意一点到直线L的距离，可以构造一个基于Nir-Red光谱特征空间的土壤水分监测模型，即垂直干旱指数PDI，其表达式如下：
（1）
式中，Rred为经过大气校正的红光波段反射率；Rnir为经过大气校正的近红外波段反射率；M为土壤线的斜率。垂直干旱指数描述了Nir-Red光谱特征空间中土壤水分的分布规律：垂直干旱指数值越高的点对应着土壤含水量低的区域；反之，垂直干旱指数值越低的点对应着土壤含水量越高的区域。
（二）植被指数法
植被供水指数[8]（VSWI，Vegetations Supply Water Index）是通过计算归一化植被指数NDVI和植物冠层温度的比值得到的，其公式如下：
VSWI = NDVI / Ts（2）
式中，Ts为植被的冠层温度，NDVI是归一化植被指数。VSWI的值越高，表明植被的水源供给越充足，干旱程度越低；相反，VSWI的值越小，表名植被的水源供给较为缺乏，干旱程度越高。植被供水指数的物理意义为：当植被有充足的水源时，在卫星影像上表现出的植被指数在特定生长期间会保持在两个相对固定的值之间，同时，卫星影像上表现出的植被冠层温度也会保持在较为固定的范围中；若旱灾发生，植被得不到充分的灌溉，植被长势受到影响，在卫星影像会表现出植被指数下降，另一方面，在旱情发生时，为了减少水分损失，叶片表面的部分气孔会收缩甚至关闭，叶片得不到充分的散热，其表面温度会随之增高，这也将导致植被冠层温度的提升[9]。
由于使用遥感手段对植被的冠层温度进行精确反演存在一定困难，目前大多数研究以反演的地表温度代替植被的冠层温度来计算植被供水指数。植被供水指数对干旱时植被在红光波段、近红外波段、热红外波段上的所表现出的不同特征进行了综合，适用于植被覆盖度高的地区。经大量实验研究表明，在NDVI的值大于0.35的情况下非常有效[10]。
（三）多星源地表水源地遥感监测技术方法
地表水体蓄水量监测是干旱监测中的一个重要环节，蓄水量变化也是水资源管理的重要参考指标。经过对旱情严重的地区，河流、湖泊等代表性水体区域面积的变化研究，发现其水面缩减率很高，表明旱情已使这些水域面积缩减严重，地下水水位相应地也会出现下降，居民饮用水源日趋紧张。因此，通过水体指数提取水体，判断河流、湖泊等水体区域面积变化，可以为旱情监测提供参考数据。依据水体的光谱特征，一般采用水体指数法来提取水体，归一化差分植被指数（NDVI）和归一化差分水指数（NDWI）适用于所有具有近红，红波段和绿光波段的光学卫星影像，如MODIS， HJ和GF数据，也是最为常见也是最有效的两种水体指数。
归一化差分植被指数NDVI（Normalized Difference Vegetation Index）计算公式为：
水体的红光区反射率高于植被，而在近红外区， 植被的反射率明显高于水体。因此， 采用NDVI来处理可增强水陆反差。NDVI是目前应用最广的植被指数， 常用于指示植被的数量特征以及用于监测植被的季节变化和用于土地覆盖研究， 也可用于植被区域和非植被区域的识别。在植被覆盖稠密的地区， NDVI较高， 而在植被覆盖稀疏的地区，NDVI受土壤背景影响较大， 如沙漠、水体的NDVI很低或为负值。利用此特点， 可通过选用阈值建立识别水体和植被、土壤的模型。
归一化差分水指数 NDWI （Normalized Difference Water Index）计算公式为：
水体附近湿地在此两波段光谱特征有明显差异， 且由于水体反射从可见光到红外波段逐渐减弱， 在近红外和中红外波长范围内吸收性最强，而植被在近红外波段反射率最强， 因此， 用绿光波段和近红外波段的反差构成NDWI， 可以最大程度地抑制植被信息， 而突出水体特征， 从而提取水体。
三、长江流域旱情分析应用实例 （一）长江流域旱情监测系统
本文以MODIS、HJ、GF光学遥感数据为主要数据源，使用功能强大的IDL 语言， 实现了针对长江流域地区功能相对完整的长江流域旱情监测系统， 并在长江水利委员会水文局得到了成功应用。该系统可综合利用气候资料、实时气象资料、实时遥感卫星资料、实时水文资料等信息，估算各类干旱指数及其综合指数，并结合水利遥感业务处理与分析技术，可监视长江流域以及防汛抗旱重点区域的旱情业务，实现系统常年连续运转，并以图表和统计数据的形式输出长江流域旱情监测和分析产品，反映长江流域重点区域旱情实况和未来短期旱情发展变化的信息，进行旱情监测预测，为指导抗旱、水资源调配等提供科学依据和决策支持。搭建长江流域旱情监测系统的技术流程如图1：
（二）旱情监测数据成果
为验证基于光学遥感数据的长江流域旱情监测成果的准确性，分别对Modis数据产品2015 年 6 月上旬的长江流域垂直干旱指数（PDI）专题图及植被供水指数（VSWI）专题图以及2014年10月的HJ星数据产品长江流域归一化水体指数（NDWI）专题图进行分析。利用长江流域旱情监测系统，可对MODIS影像、环境星影像及高分卫星影像进行几何校正、辐射校正及去云处理，并进行计算和分析，得到相应的旱情监测数据成果如图2。
图2所示为2015年6月上旬长江流域垂直干旱指数PDI分布图，图像显示，6月2日至6月4日间，由于大量降雨，江南地区及长江中下游地区，特别是湖南及江西南部地区，气象干旱情况明显减缓至无旱，青海地区则持续存在着一定程度的气象干旱。
图3所示为2015年6月上旬长江流域植被供水指数VSWI分布图，图像显示，云南西部、四川西南部植被干旱情况十分严重，一直处于重度干旱至中度干旱之间，河南南阳地区附近也出现了中度植被干旱。图3与图4虽然是同时期的数据，但结果却略有不同，主要是PDI指数与VSWI指数的敏感度不同， PDI主要监测地物的土壤水分含量，这种方法由于受不同地区的气候条件、土壤类型、种植结构等因素的影响较大，在进行大面积区域的旱情监测时需要历史同期数据比对才能得到更精准的结果。而VSWI主要监测区域内植被受胁程度，能够减弱或消除地域因素、生态因素和土壤背景等对干旱监测的影响，更适合运用于大范围区域的干旱监测。
根据气象局数据显示，2015年6月，云南西部、四川西南部由于降水持续偏少，气温偏高，干旱发展迅速，存在中度到重度气象干旱，西北部达到特旱，对农业生产造成一定影响。此外，青海东北部、雷州半岛局部地区也存在中等程度气象干旱。而6月又是江南地区的梅雨季节，长江中下游地区暴雨频繁，多地洪涝频发且受灾的区域出现重叠，农业生产损失较重。另外，江南南部、华南大部、西南地区南部等地气温偏高1-2℃，云南中北部部分地区偏高2-4℃；西南地区、江汉、江淮、西北地区东部夏播区墒情较好；华北、黄淮大部6月上中旬温高少雨墒情持续下降，夏播期部分地区墒情偏差，但大部地区灌溉条件较好，仅部分无灌溉条件地区的作物播种受到影响。由此可以发现，基于光学遥感数据的长江流域旱情监測成果在整体上与气象局新闻报道的事实基本吻合。
图4所示为2014年10月长江流域归一化水体指数（NDWI）分布图，图像显示，四川北部存在一定的干旱情况，陕西中部有非常明显的干旱现象。相较于Modis数据的结果，HJ星的分布图存在这明显的拼接线，有大量空白区域，因为HJ星的轨迹范围不能覆盖全流域。因此，Modis数据更适合宏观的流域监测，HJ星更适合用于重点区域监测。
四、结语
基于光学遥感数据的长江流域旱情监测研究能够帮助政府决策部门掌握旱情的最新动态，预测旱情的发展趋势，提高旱情监测反演的准确性，能将这些研究成功应用于水文部门，将推动干旱遥感监测的全面业务化，同时对我国的国民生产，尤其是农业生产和水利规划，具有非常重要的意义。
在后续的基于光学遥感数据的旱情监测工作中，可在此基础上结合业务实际需求，拓展更多结合DEM、地表覆盖类型及各测站观测的实时水情，构建研究区域的水体、旱情等遥感监测模型，从而减小地域气候、地形、植被覆盖度的差异对预警结果的影响，提高监测精度和预警准确度。
参考文献：
[1] Kogan F N. Application of vegetation index and brightness temperature for drought detection[J]. Advances in Space Research. 1995， 15（11）： 91-100.
[2] Kogan F N. Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data[J]. Bulletin of the American Meteorological Society. 1995， 76（5）： 655-668.
[3] 杨绍锷，闫娜娜，吴炳方. 农业干旱遥感监测研究进展[J]. 遥感信息， 2010（1）： 103-109.
[4] 董婷，孟令奎，张文. MODIS短波红外水分胁迫指数及其在农业干旱监测中的适用性分析[J]. 遥感学报， 2015（02）： 319-327.
[5] 李永亮，林辉，马延辉. 基于MODIS数据的湖南省旱情监测研究[J]. 水土保持研究，2010（02）： 111-114.
[6] 刘英. 神东矿区地表植被与土壤湿度遥感监测研究[D]. 中国矿业大学（北京）， 2013.
[7] Ghulam A， Qin Q， Zhan Z. Designing of the perpendicular drought index[J]. Environmental Geology. 2007， 52（6）： 1045-1052.
[8] Stephenson N L. Climatic control of vegetation distribution： the role of the water balance[J]. American Naturalist. 1990： 649-670.
[9] 张佳华，许云，姚凤梅，等. 植被含水量光学遥感估算方法研究进展[J]. 中国科学： 技术科学， 2010， 40（10）： 1121-1129.
[10] 莫伟华，王振会，孙涵，等. 基于植被供水指数的农田干旱遥感监测研究[J]. 南京气象学院学报，2006（03）： 396-401.
作者简介：高珺（1982–），女，工程师，主要从事长江流域干旱监视软件及洪水预报调度系统开发工作。
关键词：干旱；遥感；监测；多源
干旱是全球影响范围最广和造成经济社会损失最为严重的一种自然灾害，其波及范围广， 持续时间长， 是农业生产和人类生活中最严重的自然灾害之一。长江流域面积辽阔，人类活动频繁，是中国最重要的流域之一，自然条件差异很大，产流、汇流条件极其复杂，水资源量时空动态变化十分显著。因此，对长江流域的进行准确、实时的旱情监测对我国社会经济发展有着重大意义。
遥感技术的的实时性和完整性很快弥补了传统的气象数据监测干旱状况的局限性，成为了监测干旱灾害的一种重要手段。国外学者[1]很早就开始利用遥感技术研究干旱灾害的监测及预防。20 世纪80 年代末美国[2]利用NOAA 极轨气象卫星进行遥感监测，开始了基于遥感手段的旱情监测研究，并逐渐发展并投入应用，现已将降水、蒸发、气象、墒情与地下水资料进行一体化模拟计算， 采用VCI 和TCI 方法进行全球性的干旱和预报， 并进行作物的估产， 为美国农业部和商务部提供信息。成功实现了全国旱情监测网络系统。
国内对遥感数据的旱情监测研究虽然起步较晚，但也有不少学者提出了监测农业干旱、研究地表含水量的新方法[3， 4]，但面向抗旱减灾业务的遥感干旱监测业务化系统在水利行业尚未真正建立起来[5]。为了长江流域的抗旱、水资源调配等问题提供科学依据和决策支持，迫切需要一套集数据下载、数据处理、结果分析、产品展示、数据传输及GIS 浏览功能于一体的实用系统， 充实和丰富长江抗旱应用手段。
一、长江流域的特点及可用的光学遥感卫星数据源
（一）长江流域特点
长江发源于青藏高原，经由四川盆地和长江中下游平原注入东海，全长6397km，流域面积1.8×106 km2是中国第一大河，长江流域水资源丰富，年降水量在400-1500mm之间，年径流量居世界各大河第3位，具有多方面的综合经济优势。在长江流域各个世纪发生干旱的频率是不均匀的，至20世纪，长江流域旱情发生频率呈逐渐增大趋势，以各年5～9月降水量距平作为判断标准，长江上游干旱发生频率达56%，中下游干旱发生频率已经增至50%左右。尤其近几年长江流域部分地区屡屡面临严重旱情，如2010年初长江上游云南、贵州、广西、四川和重庆5省（区、市）因09年秋季以来降水严重偏少，土壤含水量普遍仅20%左右，导致发生了近百年一遇的严重旱情。
（二）主要光学卫星遥感数据源分析
光学卫星遥感数据是通过各类光学传感器对地球表面进行扫描，以数字方式记录的结果。遥感卫星系统以相当少的设备提供全球尺度上时间和空间连续的数据，基于卫星数据进行干旱监测，可以极大的减少人力物力的消耗，并且可以极大地提高所获取信息的准确性。基于以上几点，采用Modis、HJ-1A/B、GF-1号多种不同时空分辨率的卫星影像进行旱情信息的提取，充分结合了不同卫星影像的优势，以提供比单一种类影像更加详实的数据。
1. MODIS卫星
MODIS（中分辨率成像光谱仪）是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，可以免费接收数据并无偿使用的星载仪器。
MODIS数据涉及波段范围广（共有36个波段，光谱范围从0.4um-14.4um），数据分辨率比NOAA-AVHRR有较大的进展（辐射分辨率达12bits，空间分辨率最高可达250m）。这些多波段数据可以同时提供反映陆地、云边界、云特性、海洋水色、浮游植物、大气中水汽、地表温度、云顶温度、大气温度、等多种信息，对于陆地表面和生物圈的大范围长期监测具有很大的优势。并且TERRA和AQUA卫星都是太阳同步极轨卫星， 对于接收MODIS数据来说可以得到每天最少2次白天和2次黑夜更新数据。这样的数据更新频率，对实时地球观测和应急处理有较大的实用价值。
2. HJ-1A/1B卫星
HJ-1A/1B是中国首个以防灾减灾和环境监测为直接应用目标的小卫星星座，主要针对灾害、生态破坏、环境污染等进行大范围全天候、全天时动态监测。
环境与灾害监测预报小卫星星座A、B星（HJ-1A /1B星）于2008年9月6日上午11点25分成功发射，HJ-1-A星搭载了CCD相机和超光谱成像仪（HSI），HJ-1-B星搭载了CCD相机和红外相机（IRS）。在HJ-1-A卫星和HJ-1-B卫星上均装载的两台CCD相机设计原理完全相同，以星下点对称放置，平分视场、并行观测，联合完成对地刈幅宽度为700公里、地面像元分辨率为30米、4个谱段的推扫成像。此外，在HJ-1-A卫星装载有一台超光谱成像仪，完成对地刈宽为50公里、地面像元分辨率为100米、110～128个光谱谱段的推扫成像，具有±30°侧视能力和星上定标功能。在HJ-1-B卫星上还装载有一台红外相机，完成对地幅宽为720公里、地面像元分辨率为150米/300米、近短中长4个光谱谱段的成像。HJ-1-A卫星和HJ-1-B卫星的轨道完全相同，相位相差180°。两台CCD相机组网后重访周期仅为2天。
3.高分一號卫星
高分一号卫星是国家高分辨率对地观测系统重大专项天基系统中的首发星，其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，多载荷图像拼接融合技术，高精度高稳定度姿态控制技术，5～8年寿命高可靠低轨卫星技术，高分辨率数据处理与应用等关键技术，推动我国卫星工程水平的提升，提高我国高分辨率数据自给率。高分一号卫星主要为国土资源、农业、环境保护等部门提供高精度、宽范围的空间观测服务，同时也会在气象、海洋、地理信息测绘、水利和林业资源监测、城市规划和交通管理、灾害评估与地球系统科学研究等领域发挥重要作用。 本文涉及到的相关数据包括长江流域内的Modis（中分辨率成像光谱仪）影像数据、HJ-1A/B卫星影像数据、GF-1号卫星数据等遥感影像数据以及全国行政区划矢量、重点湖库河流矢量、长江流域重点城市矢量等矢量数据，数据来自NASA网站和长江水利委员会水文局。
二、遥感旱情监测模型
传统的旱情监测主要依赖气象站点获取降水量、土壤湿度等要素。但是这些要素监测点较少，无法实现大范围、实时、动态的旱情监测，而这些正是遥感数据的优势所在。目前使用较多的遥感旱情监测模型主要有：热惯量法、蒸散发计算法、基于植被指数和温度的方法以及土壤含水量反演法。
本文主要采用了土壤含水量的遥感反演方法、植被指数法以及[3]多星源地表水源地遥感监测技术方法。
（一）土壤含水量的遥感反演方法
土壤含水量是用来监测土地退化与干旱的重要指标，它关系到粮食的生产、植被的长势与作物的生长状况等，同时也是水文、气候、农业与生态等领域的重要参数。遥感技术的快速高效发展，使得实时、动态监测和评估大面积的土壤水分状况成为可能，克服了传统土壤含水量监测方法的不足[6]。
垂直干旱指数[7]（PDI，perpendicular drought index）可以从可见光和热红外的光谱信息中反演得到，适用于反映中低植被覆盖和裸土区域的干旱情况反演。
垂直干旱指数PDI利用Nir-Red特征空间中任何一個点到土壤线垂线L的距离来描述区域土壤含水量的分布状况，点的位置到L线的垂线长度越长，代表该地区的干旱程度越严重，土壤含水量越低，点的位置到L线的垂线长度越短，则代表该地区干旱程度越低。一般来说，距离L线较近的空间区域都是干旱程度较低，土壤水分较为充足的区域；距离L线较远的空间区域都是旱情较为严重、土壤水分较少的区域。通过计算Nir-Red特征空间上任意一点到直线L的距离，可以构造一个基于Nir-Red光谱特征空间的土壤水分监测模型，即垂直干旱指数PDI，其表达式如下：
（1）
式中，Rred为经过大气校正的红光波段反射率；Rnir为经过大气校正的近红外波段反射率；M为土壤线的斜率。垂直干旱指数描述了Nir-Red光谱特征空间中土壤水分的分布规律：垂直干旱指数值越高的点对应着土壤含水量低的区域；反之，垂直干旱指数值越低的点对应着土壤含水量越高的区域。
（二）植被指数法
植被供水指数[8]（VSWI，Vegetations Supply Water Index）是通过计算归一化植被指数NDVI和植物冠层温度的比值得到的，其公式如下：
VSWI = NDVI / Ts（2）
式中，Ts为植被的冠层温度，NDVI是归一化植被指数。VSWI的值越高，表明植被的水源供给越充足，干旱程度越低；相反，VSWI的值越小，表名植被的水源供给较为缺乏，干旱程度越高。植被供水指数的物理意义为：当植被有充足的水源时，在卫星影像上表现出的植被指数在特定生长期间会保持在两个相对固定的值之间，同时，卫星影像上表现出的植被冠层温度也会保持在较为固定的范围中；若旱灾发生，植被得不到充分的灌溉，植被长势受到影响，在卫星影像会表现出植被指数下降，另一方面，在旱情发生时，为了减少水分损失，叶片表面的部分气孔会收缩甚至关闭，叶片得不到充分的散热，其表面温度会随之增高，这也将导致植被冠层温度的提升[9]。
由于使用遥感手段对植被的冠层温度进行精确反演存在一定困难，目前大多数研究以反演的地表温度代替植被的冠层温度来计算植被供水指数。植被供水指数对干旱时植被在红光波段、近红外波段、热红外波段上的所表现出的不同特征进行了综合，适用于植被覆盖度高的地区。经大量实验研究表明，在NDVI的值大于0.35的情况下非常有效[10]。
（三）多星源地表水源地遥感监测技术方法
地表水体蓄水量监测是干旱监测中的一个重要环节，蓄水量变化也是水资源管理的重要参考指标。经过对旱情严重的地区，河流、湖泊等代表性水体区域面积的变化研究，发现其水面缩减率很高，表明旱情已使这些水域面积缩减严重，地下水水位相应地也会出现下降，居民饮用水源日趋紧张。因此，通过水体指数提取水体，判断河流、湖泊等水体区域面积变化，可以为旱情监测提供参考数据。依据水体的光谱特征，一般采用水体指数法来提取水体，归一化差分植被指数（NDVI）和归一化差分水指数（NDWI）适用于所有具有近红，红波段和绿光波段的光学卫星影像，如MODIS， HJ和GF数据，也是最为常见也是最有效的两种水体指数。
归一化差分植被指数NDVI（Normalized Difference Vegetation Index）计算公式为：
水体的红光区反射率高于植被，而在近红外区， 植被的反射率明显高于水体。因此， 采用NDVI来处理可增强水陆反差。NDVI是目前应用最广的植被指数， 常用于指示植被的数量特征以及用于监测植被的季节变化和用于土地覆盖研究， 也可用于植被区域和非植被区域的识别。在植被覆盖稠密的地区， NDVI较高， 而在植被覆盖稀疏的地区，NDVI受土壤背景影响较大， 如沙漠、水体的NDVI很低或为负值。利用此特点， 可通过选用阈值建立识别水体和植被、土壤的模型。
归一化差分水指数 NDWI （Normalized Difference Water Index）计算公式为：
水体附近湿地在此两波段光谱特征有明显差异， 且由于水体反射从可见光到红外波段逐渐减弱， 在近红外和中红外波长范围内吸收性最强，而植被在近红外波段反射率最强， 因此， 用绿光波段和近红外波段的反差构成NDWI， 可以最大程度地抑制植被信息， 而突出水体特征， 从而提取水体。
三、长江流域旱情分析应用实例 （一）长江流域旱情监测系统
本文以MODIS、HJ、GF光学遥感数据为主要数据源，使用功能强大的IDL 语言， 实现了针对长江流域地区功能相对完整的长江流域旱情监测系统， 并在长江水利委员会水文局得到了成功应用。该系统可综合利用气候资料、实时气象资料、实时遥感卫星资料、实时水文资料等信息，估算各类干旱指数及其综合指数，并结合水利遥感业务处理与分析技术，可监视长江流域以及防汛抗旱重点区域的旱情业务，实现系统常年连续运转，并以图表和统计数据的形式输出长江流域旱情监测和分析产品，反映长江流域重点区域旱情实况和未来短期旱情发展变化的信息，进行旱情监测预测，为指导抗旱、水资源调配等提供科学依据和决策支持。搭建长江流域旱情监测系统的技术流程如图1：
（二）旱情监测数据成果
为验证基于光学遥感数据的长江流域旱情监测成果的准确性，分别对Modis数据产品2015 年 6 月上旬的长江流域垂直干旱指数（PDI）专题图及植被供水指数（VSWI）专题图以及2014年10月的HJ星数据产品长江流域归一化水体指数（NDWI）专题图进行分析。利用长江流域旱情监测系统，可对MODIS影像、环境星影像及高分卫星影像进行几何校正、辐射校正及去云处理，并进行计算和分析，得到相应的旱情监测数据成果如图2。
图2所示为2015年6月上旬长江流域垂直干旱指数PDI分布图，图像显示，6月2日至6月4日间，由于大量降雨，江南地区及长江中下游地区，特别是湖南及江西南部地区，气象干旱情况明显减缓至无旱，青海地区则持续存在着一定程度的气象干旱。
图3所示为2015年6月上旬长江流域植被供水指数VSWI分布图，图像显示，云南西部、四川西南部植被干旱情况十分严重，一直处于重度干旱至中度干旱之间，河南南阳地区附近也出现了中度植被干旱。图3与图4虽然是同时期的数据，但结果却略有不同，主要是PDI指数与VSWI指数的敏感度不同， PDI主要监测地物的土壤水分含量，这种方法由于受不同地区的气候条件、土壤类型、种植结构等因素的影响较大，在进行大面积区域的旱情监测时需要历史同期数据比对才能得到更精准的结果。而VSWI主要监测区域内植被受胁程度，能够减弱或消除地域因素、生态因素和土壤背景等对干旱监测的影响，更适合运用于大范围区域的干旱监测。
根据气象局数据显示，2015年6月，云南西部、四川西南部由于降水持续偏少，气温偏高，干旱发展迅速，存在中度到重度气象干旱，西北部达到特旱，对农业生产造成一定影响。此外，青海东北部、雷州半岛局部地区也存在中等程度气象干旱。而6月又是江南地区的梅雨季节，长江中下游地区暴雨频繁，多地洪涝频发且受灾的区域出现重叠，农业生产损失较重。另外，江南南部、华南大部、西南地区南部等地气温偏高1-2℃，云南中北部部分地区偏高2-4℃；西南地区、江汉、江淮、西北地区东部夏播区墒情较好；华北、黄淮大部6月上中旬温高少雨墒情持续下降，夏播期部分地区墒情偏差，但大部地区灌溉条件较好，仅部分无灌溉条件地区的作物播种受到影响。由此可以发现，基于光学遥感数据的长江流域旱情监測成果在整体上与气象局新闻报道的事实基本吻合。
图4所示为2014年10月长江流域归一化水体指数（NDWI）分布图，图像显示，四川北部存在一定的干旱情况，陕西中部有非常明显的干旱现象。相较于Modis数据的结果，HJ星的分布图存在这明显的拼接线，有大量空白区域，因为HJ星的轨迹范围不能覆盖全流域。因此，Modis数据更适合宏观的流域监测，HJ星更适合用于重点区域监测。
四、结语
基于光学遥感数据的长江流域旱情监测研究能够帮助政府决策部门掌握旱情的最新动态，预测旱情的发展趋势，提高旱情监测反演的准确性，能将这些研究成功应用于水文部门，将推动干旱遥感监测的全面业务化，同时对我国的国民生产，尤其是农业生产和水利规划，具有非常重要的意义。
在后续的基于光学遥感数据的旱情监测工作中，可在此基础上结合业务实际需求，拓展更多结合DEM、地表覆盖类型及各测站观测的实时水情，构建研究区域的水体、旱情等遥感监测模型，从而减小地域气候、地形、植被覆盖度的差异对预警结果的影响，提高监测精度和预警准确度。
参考文献：
[1] Kogan F N. Application of vegetation index and brightness temperature for drought detection[J]. Advances in Space Research. 1995， 15（11）： 91-100.
[2] Kogan F N. Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data[J]. Bulletin of the American Meteorological Society. 1995， 76（5）： 655-668.
[3] 杨绍锷，闫娜娜，吴炳方. 农业干旱遥感监测研究进展[J]. 遥感信息， 2010（1）： 103-109.
[4] 董婷，孟令奎，张文. MODIS短波红外水分胁迫指数及其在农业干旱监测中的适用性分析[J]. 遥感学报， 2015（02）： 319-327.
[5] 李永亮，林辉，马延辉. 基于MODIS数据的湖南省旱情监测研究[J]. 水土保持研究，2010（02）： 111-114.
[6] 刘英. 神东矿区地表植被与土壤湿度遥感监测研究[D]. 中国矿业大学（北京）， 2013.
[7] Ghulam A， Qin Q， Zhan Z. Designing of the perpendicular drought index[J]. Environmental Geology. 2007， 52（6）： 1045-1052.
[8] Stephenson N L. Climatic control of vegetation distribution： the role of the water balance[J]. American Naturalist. 1990： 649-670.
[9] 张佳华，许云，姚凤梅，等. 植被含水量光学遥感估算方法研究进展[J]. 中国科学： 技术科学， 2010， 40（10）： 1121-1129.
[10] 莫伟华，王振会，孙涵，等. 基于植被供水指数的农田干旱遥感监测研究[J]. 南京气象学院学报，2006（03）： 396-401.
作者简介：高珺（1982–），女，工程师，主要从事长江流域干旱监视软件及洪水预报调度系统开发工作。