农业干旱遥感监测研究进展
基于遥感技术旱涝灾害监测新方法
基于遥感技术旱涝灾害监测新方法一、遥感技术概述遥感技术是一种通过非接触的方式获取地球表面信息的技术手段。
随着科学技术的不断进步，遥感技术已广泛应用于农业、林业、城市规划、环境监测等多个领域。
特别是在自然灾害监测领域，遥感技术以其快速、准确、实时的特点，成为监测旱涝灾害的重要工具。
1.1 遥感技术的核心特性遥感技术的核心特性主要体现在以下几个方面：- 空间覆盖范围广：遥感技术可以覆盖大范围的地表区域，不受地形和气候条件的限制。
- 信息获取速度快：遥感技术能够在短时间内获取大量地表信息，为灾害监测提供及时的数据支持。
- 多时相观测：遥感技术可以进行连续的时相观测，有助于分析灾害的发展趋势。
- 多光谱分析：遥感技术通过不同波段的光谱分析，可以获取地表的多种物理和生物特性。
1.2 遥感技术的应用场景遥感技术在旱涝灾害监测中的应用场景主要包括：- 旱情监测：通过分析地表植被指数、土壤湿度等指标，评估旱情的严重程度。
- 洪水监测：利用遥感技术监测水体面积的变化，判断洪水的发生和扩散情况。
- 灾害预警：结合气象数据和地表信息，预测旱涝灾害的发生，为防灾减灾提供决策支持。
二、基于遥感技术的旱涝灾害监测方法基于遥感技术的旱涝灾害监测方法，是利用遥感数据进行灾害特征提取、分析和预警的过程。
这些方法包括但不限于以下几种：2.1 地表温度反演地表温度是旱涝灾害监测的重要指标之一。
通过遥感数据反演地表温度，可以评估地表的热状况，进而判断旱涝灾害的发生。
2.2 植被指数分析植被指数（如归一化植被指数NDVI）可以反映植被的生长状况和健康状况。
在旱涝灾害监测中，植被指数的变化可以作为旱情和涝情的指示。
2.3 土壤湿度监测土壤湿度是旱涝灾害监测的另一个关键指标。
利用遥感技术监测土壤湿度，可以评估旱情和涝情对土壤的影响。
2.4 水体面积变化监测水体面积的变化是洪水发生和扩散的直接表现。
通过遥感技术监测水体面积的变化，可以及时了解洪水的动态。
中国农业遥感技术应用现状及发展趋势
中国农业遥感技术应用现状及发展趋势一、本文概述随着科技的飞速发展，遥感技术以其高效、精准的特性，逐渐在农业领域展现出巨大的应用潜力。
本文旨在全面分析中国农业遥感技术应用的当前状况，并探讨其未来发展趋势。
我们将回顾遥感技术在农业领域的应用历程，明确其在农业监测、资源管理、灾害预警等方面的重要作用。
我们将深入探讨当前中国农业遥感技术的主要应用领域和取得的成效，包括作物生长监测、土地利用/覆盖变化、农业气象服务等。
我们将结合国内外遥感技术的发展动态，展望中国农业遥感技术的未来发展趋势，以期为我国农业遥感技术的持续发展和创新提供有益参考。
二、中国农业遥感技术应用现状近年来，随着遥感技术的快速发展，中国农业遥感技术应用取得了显著进展。
目前，遥感技术已广泛应用于农作物监测、农业资源调查、农业灾害评估等多个领域，为农业生产和管理提供了有力支持。
在农作物监测方面，遥感技术通过获取高时空分辨率的遥感影像，实现对作物生长状况的实时监测。
利用遥感数据，可以准确提取作物生长信息，如植被指数、叶面积指数等，为农业生产决策提供科学依据。
同时，遥感技术还可以监测作物病虫害的发生和发展，为病虫害防治提供及时有效的信息支持。
在农业资源调查方面，遥感技术通过对土地利用/覆盖、土壤质量、水资源等方面的监测和评估，为农业资源管理和规划提供重要依据。
通过遥感技术，可以快速获取大范围的土地资源信息，实现土地资源的高效利用。
遥感技术还可以评估土壤质量和水资源状况，为农业可持续发展提供有力支撑。
在农业灾害评估方面，遥感技术通过获取灾害发生前后的遥感影像，可以实现对农业灾害的快速评估和预测。
利用遥感数据，可以准确监测灾害发生的范围、程度和影响，为灾害预警和应急响应提供重要参考。
遥感技术还可以评估灾害对农业生产的影响，为灾后恢复和重建提供科学依据。
总体来看，中国农业遥感技术应用已经取得了显著成效，为农业生产和管理提供了有力支持。
然而，仍存在一些问题和挑战，如遥感数据的获取和处理技术尚需进一步完善、遥感技术在农业生产中的普及程度有待提高等。
国内外农作物遥感估产的研究进展
引言
引言
遥感光谱技术是一种利用遥感器获取农作物光谱信息，并据此进行农作物估 产的方法。它具有快速、无损、大面积等优点，为精准农业的发展提供了重要支 持。本次演示将介绍遥感光谱技术在农作物估产中的应用研究进展，以期为相关 领域的进一步研究提供参考。
研究现状
研究现状
近年来，遥感光谱技术在农作物估产中得到了广泛应用，主要包括激光诱导 击穿光谱技术、成像光谱技术、无线传感器技术等。其中，激光诱导击穿光谱技 术通过分析农作物的光谱反射和吸收特征，能够准确测定农作物的化学成分，进 而估算其产量。
1.国内外研究成果对比
在国内，中国农业科学院、中国科学院等机构也在遥感估产方面进行了大量 研究，提出了多种基于遥感的农作物估产方法。例如，利用多光谱遥感影像和作 物生长模型，对北方冬小麦产量进行估算，为区域农业管理和粮食预购提供了有 效手段。
2.影响因素分析
2.影响因素分析
农作物遥感估产的影响因素主要包括气候、土壤、品种、种植制度等。这些 因素在不同地区和不同作物之间存在差异，会对遥感估产的准确性产生影响。例 如，在水稻生长季，苗期渍水、生育期高温等气候因素会对水稻的生长和产量产 生影响。另外，不同品种和种植制度的水稻对遥感信息的响应也会有所不同，从 而影响估产的准确性。因此，在农作物遥感估产研究中，需要综合考虑各种因素 的影响，提高模型的适用性和准确性。
文献综述
统计模型法是另一种常用的农作物遥感估产方法，其基本原理是将遥感影像 作为自变量，将农作物产量作为因变量，建立回归模型，然后利用模型对农作物 产量进行预测。统计模型法的优点是能够反映农作物的空间异质性和时间变化， 但需要大量的实地调查和数据处理。
文献综述
光谱指数法是基于农作物光谱特性的遥感估产方法，其基本原理是利用遥感 影像的光谱信息建立农作物估产模型。光谱指数法的优点是能够反映农作物的生 理和生化变化，但需要选择合适的光谱指数和建立准确的估产模型。
基于遥感技术的干旱监测方法研究
基于遥感技术的干旱监测方法研究一、遥感技术概述遥感技术是一种通过飞机、卫星或其他载体，利用传感器远距离感知地表特征的技术。
它在环境监测、资源管理、灾害评估等领域发挥着重要作用。
干旱作为一种严重的自然灾害，对农业生产、水资源管理和生态环境保护等方面产生深远影响。
因此，基于遥感技术的干旱监测方法研究具有重要的实际意义。
1.1 遥感技术的核心原理遥感技术的核心原理是通过传感器接收地表反射或辐射的电磁波，将这些电磁波信号转换为数字图像或数据，进而分析地表的物理、化学和生物特性。
遥感技术具有覆盖范围广、时效性强、成本相对较低等优点。
1.2 遥感技术的应用领域遥感技术的应用领域非常广泛，包括但不限于以下几个方面：- 土地利用和土地覆盖变化监测：通过遥感技术可以监测土地利用类型的变化，评估土地资源的利用效率。
- 植被状况监测：利用遥感技术可以评估植被覆盖度、生物量和生长状况，为生态保护和林业管理提供数据支持。
- 水资源监测：遥感技术可以监测地表水体的分布和变化，评估水资源状况和水文循环过程。
- 灾害监测与评估：遥感技术可以快速获取灾害发生区域的信息，评估灾害影响范围和程度。
二、干旱监测方法研究干旱监测是遥感技术应用的一个重要方向。
干旱监测方法的研究旨在提高干旱识别的准确性和时效性，为干旱预防、缓解和应对提供科学依据。
2.1 干旱监测的遥感指标干旱监测的遥感指标主要包括以下几个方面：- 植被指数：如归一化植被指数(NDVI)、增强型植被指数(EVI)等，可以反映植被的生长状况和健康状况。
- 土壤湿度：通过分析土壤的微波辐射特性，可以估算土壤水分含量，作为干旱监测的重要指标。
- 地表温度：地表温度的异常升高可能指示地表水分的减少，是干旱发生的一个信号。
- 植被覆盖度：植被覆盖度的减少可能是干旱影响的结果，可以用来评估干旱的严重程度。
2.2 干旱监测的遥感技术方法干旱监测的遥感技术方法主要包括以下几个方面：- 多时相遥感数据对比：通过对比不同时间的遥感数据，可以发现干旱发生和发展的过程。
农业干旱遥感监测研究进展_杨绍锷
农业干旱遥感监测研究进展杨绍锷,闫娜娜,吴炳方(中国科学院遥感应用研究所,北京100101)收稿日期:2009-02-19 修订日期:2009-03-25基金项目:中国科学院知识创新工程重大项目(KSCX -YW -09-01)。
国家科技支撑计划项目(2008BADA8B02-1)。
作者简介:杨绍锷(1980～),男,汉族,广西浦北人,中国科学院遥感应用研究所博士生,研究方向为农业旱情监测及农业估产。
E -m ail :yangshe88@ 通讯作者:吴炳方,w ubf @irsa .ac .cn摘要:农业干旱给社会经济及人民生活造成严重影响,关于农业旱情监测的研究受到了学者们的广泛关注。
遥感技术的发展为准确、及时进行旱情监测提供了新的机遇。
本文综述了近年来国内外采用遥感方法监测农业旱情的研究进展,包括土壤湿度、作物形态、作物生理等农业旱情指标的遥感反演,指出了在实际应用中存在的一些问题,并提出了进一步改进的思路。
关键词:农业干旱;遥感;监测doi :10.3969/j .issn .1000-3177.2010.01.021中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2010)107-0103-071 引 言干旱是世界范围内普遍发生的一种复杂的自然现象,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。
由于所关注的领域不同,干旱通常被分为4类:农业干旱,外界环境因素造成作物体内水分亏缺影响作物正常生长发育;气象干旱,由于降水和蒸发的收支不平衡所造成的异常水分短缺;水文干旱,降水与地表水或地下水收支不平衡造成的水分短缺;社会经济干旱,自然系统与人类社会经济系统的水资源供需不平衡造成的水分短缺。
应当注意农业干旱与气象干旱的联系和区别,当发生气象干旱时,不一定发生农业干旱;而当发生农业干旱时,也不一定发生气象干旱。
农业干旱的发生与气象、地形、土壤、底墒、灌溉措施、种植结构、品种抗旱能力等众多因素相关,被认为是这4类干旱现象中最复杂的一种。
基于MODIS数据的江西省农业旱情遥感监测方法研究
基于MODIS 数据的江西省农业旱情遥感监测方法研究许小华，张秀平，雷声（江西省水利科学研究院，江西南昌330029）收稿日期：2010-01-06作者简介：许小华（1978-），男，硕士，助理工程师.摘要：MODIS 传感器具有较高的时间分辨率、光谱分辨率以及适中的空间分辨率，其数据产品被广泛应用于大范围、长时期、动态的干旱监测.针对江西省农业种植以水稻为主的特点，借鉴已有遥感监测模型，选用2000~2008年MODIS 数据产品及相关旱情资料进行分析，建立了适合江西省的遥感旱情监测模型，并用2003年江西干旱的实例验证此模型.结果显示，该模型能较好地用于大范围的旱情定性监测．关键词：遥感；农业旱情；MODIS ；监测中图分类号：P407文献标识码：A 文章编号：1004-4701（2010）03-0176-050引言江西省是农业大省，粮食播种面积占农作物播种面积的50％以上。
全省水稻生产面积、水稻产量分别居全国第二、第三位，是全国仅有的两个不间断向国家提供商品粮的省份之一，在保障国家粮食生产安全方面占有重要的战略地位。
但是，江西省是一个干旱频发省份。
建国后1949～2005年的57年间，江西省共发生大小干旱42次。
其中特大旱灾4次，严重干旱8次，中度干旱16次，轻度干旱14次。
据全省历年干旱发生情况统计，旱灾主要是农业干旱，局部区域的农业干旱几乎每年都有发生，严重的全省范围内旱情也时有发生。
动态地监测旱情的发展可为抗旱部门提供更详细的数据，以保障农业生产。
利用遥感技术监测干旱，能充分利用地物表面光谱的时间、空间和方向信息，频繁持久地获取地表特征的面状信息，为实时动态地监测干旱遥感提供有效的数据来源，具有宏观、动态、实时监测的优势。
我国学者对进行旱情的遥感监测方面已开展了许多研究，提出了许多研究方法[1]。
对于裸露和稀疏植被覆盖区，常用热惯量方法、能量温度比法；而对于植被覆盖区，常用距平植被指数差值法、植被供水指数法、作物缺水指数法[2]、条件植被指数法、条件植被温度指数法、部分植被覆盖条件下的双层模型、按照地域建立的统计模型、温度植被旱情指数法等。
中国农作物长势遥感监测研究综述
基本内容
中国农作物长势遥感监测技术主要基于卫星遥感数据，结合地物光谱特征、 农学知识和计算机技术等多学科知识进行综合分析。其中，常用的技术方法包括 遥感图像处理、模式识别、地物光谱分析、机器学习等。遥感图像处理主要包括 图像预处理、图像增强和图像分类等步骤，目的是提取出与农作物长势相关的信 息。模式识别和地物光谱分析等技术则主要用于识别和区分不同农作物类型，以 及分析农作物的生长状况和产量预测等。
未来展望
未来展望
随着科技的不断进步和发展，农作物长势综合遥感监测方法将进一步完善和 提高。未来，可以加强以下方面的研究和发展：
未来展望
1、提高遥感数据的分辨率和覆盖范围，以满足更加精细的农业管理和决策需 求。
2、加强遥感技术的智能化和自动化水平，减少对人工的依赖，提高监测效率 和精度。
未来展望
基本内容
2、技术手段日益丰富：农作物长势遥感监测技术不断推陈出新，包括高光谱 遥感、多角度遥感、时间序列遥感等多种技术手段的应用，使得监测结果更加准 确和精细。
基本内容
3、智能化和自动化水平提高：随着人工智能和机器学习等技术的不断发展， 农作物长势遥感监测的智能化和自动化水平也在不断提高。通过数据挖掘和模式 识别等技术手段，能够实现农作物的自动分类和长势预测等功能。
基本内容
3、作物生长周期监测：利用遥感监测技术，可以监测作物的生长周期，从而 掌握作物的生长动态，为农业生产提供指导。
基本内容
总之，遥感监测在农作物长势评价中具有重要的作用。它不仅可以实现大范 围、高效的监测，而且可以提高监测的准确性和精度。通过遥感监测技术，我们 可以更好地了解作物的生长状况，为农业生产提供更为精确的指导，有助于提高 农作物的产量和品质，为保障粮食安全和农业可持续发展做出贡献。
农业灌溉旱灾监测与预警技术研究
农业灌溉旱灾监测与预警技术研究
1. 农业灌溉在农业生产中扮演着至关重要的角色，有效的灌溉技
术是保障农业生产的关键之一。
2. 由于气候变化和不可预测的气象条件，农业灌溉面临着诸多
挑战，其中最为关键的是旱灾对农业生产的影响。
3. 对于农业灌溉旱灾监测与预警技术的研究，旨在通过科学的
手段，及时准确地监测和预警农田旱情，帮助农民抗击灾害，保障农
业生产。
4. 针对农业灌溉旱灾监测与预警技术的研究，目前主要集中在
利用遥感技术、地理信息系统和气象预报等手段进行监测和预警。
5. 遥感技术在农业灌溉旱灾监测中发挥着重要作用，通过卫星
遥感数据可以实时获取农田的水分状况，帮助农民及时调整灌溉策略。
6. 地理信息系统（GIS）是一种集成多种数据的技术平台，在农
业灌溉旱灾监测中可以将灌溉信息、土壤水分信息等数据进行整合分析，为预警提供有力支持。
7. 气象预报技术的提升也对农业灌溉旱灾监测与预警起到了关
键作用，准确的气象预报可以帮助农民提前做好防范工作，减少旱灾
对农田的损害。
8. 在农业灌溉旱灾监测与预警技术研究中，不仅要关注技术的
先进性，还需要考虑技术的实用性和适用性，确保其能够真正服务于
广大农民。
9. 随着信息技术的不断发展，农业灌溉旱灾监测与预警技术也
在不断创新和完善，为农业生产提供更好的支持。
10. 未来，我们需要进一步加强农业灌溉旱灾监测与预警技术的
研究，不断提升其准确性和及时性，为农业生产保驾护航。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
农业干旱遥感监测研究进展杨绍锷,闫娜娜,吴炳方(中国科学院遥感应用研究所,北京100101)收稿日期:2009-02-19修订日期:2009-03-25基金项目:中国科学院知识创新工程重大项目(KSCX -Y W-09-01)。
国家科技支撑计划项目(2008BADA8B02-1)。
作者简介:杨绍锷(1980~),男,汉族,广西浦北人,中国科学院遥感应用研究所博士生,研究方向为农业旱情监测及农业估产。
E -m ail:yangshe88@ 通讯作者:吴炳方,w ubf@摘要:农业干旱给社会经济及人民生活造成严重影响,关于农业旱情监测的研究受到了学者们的广泛关注。
遥感技术的发展为准确、及时进行旱情监测提供了新的机遇。
本文综述了近年来国内外采用遥感方法监测农业旱情的研究进展,包括土壤湿度、作物形态、作物生理等农业旱情指标的遥感反演,指出了在实际应用中存在的一些问题,并提出了进一步改进的思路。
关键词:农业干旱;遥感;监测doi:10.3969/j.issn.1000-3177.2010.01.021中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2010)107-0103-071 引 言干旱是世界范围内普遍发生的一种复杂的自然现象,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。
由于所关注的领域不同,干旱通常被分为4类:农业干旱,外界环境因素造成作物体内水分亏缺影响作物正常生长发育;气象干旱,由于降水和蒸发的收支不平衡所造成的异常水分短缺;水文干旱,降水与地表水或地下水收支不平衡造成的水分短缺;社会经济干旱,自然系统与人类社会经济系统的水资源供需不平衡造成的水分短缺。
应当注意农业干旱与气象干旱的联系和区别,当发生气象干旱时,不一定发生农业干旱;而当发生农业干旱时,也不一定发生气象干旱。
农业干旱的发生与气象、地形、土壤、底墒、灌溉措施、种植结构、品种抗旱能力等众多因素相关,被认为是这4类干旱现象中最复杂的一种。
农业干旱,即作物体内水分亏缺,主要是由于土壤供水与作物需水不平衡造成,这取决于土壤的供水能力和作物的生理需求。
判断是否发生农业干旱必须从供需两方面考虑,传统的农业旱情监测主要基于地面站点的土壤墒情数据,其准确性、代表性、完整性有限。
遥感技术的发展为农业旱情监测提供了新的途径,其优势在于能够及时、客观地获取大范围的地表综合信息,同时监测土壤供水和作物需水状况,使其已成为区域旱情监测的重要手段。
2 土壤湿度的遥感监测土壤湿度在农业、生态、水文、气象等众多研究领域中都是一个重要参数,土壤湿度的遥感反演受到各领域的关注,已对多种方法进行了研究探讨,其中微波遥感法和热惯量法被认为是较具潜力的土壤湿度遥感反演方法。
2.1 微波遥感法物体的微波发射率主要取决于其介电特性。
水的介电常数约为80,而干土的介电常数仅为3~5,土壤的湿度大小直接影响着土壤的介电常数,这使得微波回波对土壤湿度非常敏感。
由此可建立土壤湿度与后向反射系数的统计经验函数,通过遥感数据获取的后向反射系数反演土壤湿度。
由于微波遥感法具有全天时、全天候、穿透能力强等优点,已成为当前遥感研究的一个热门课题。
微波遥感可分为被动微波遥感和主动微波遥感两种。
通常被动微波遥感成本低,时间分辨率高,但空间分辨率低;而主动微波遥感成本高,空间分辨率高,但时间分辨率低。
无论被动微波遥感或主动微波遥感,其反演结果都受到地表粗糙度和植被的影响。
如何降低或消除地表粗糙度和植被的影响,是103当前微波遥感的一个重要研究方向。
T ansey[1]和Mo eremans[2]的研究表明,在裸地和稀疏植被地区,近地表土壤湿度与后向散射系数之间有很高的相关性,并且认为地表粗糙度对于土壤水分的监测有很大影响;李震等[3]综合主动和被动微波数据以及光学数据监测土壤湿度变化,减少了植被的影响,提高了土壤湿度变化监测的精度;刘伟等[4]尝试极化分解技术克服地表粗糙度和植被的影响,较好的估算了植被覆盖地表的土壤湿度变化,但该方法要求时间分辨率较高,同时必须是全极化数据,当前的星载微波传感器难以达到这种要求;Rajat Bindlish[5]利用改进的IEM模型,得到了与实际土壤湿度相关性高达0.95的反演结果。
微波遥感不受云的干扰,可以全天时使用,尽管受地表参数影响较大,但其对土壤水分的估算精度仍较高,是土壤水分监测极具潜力的方法。
但当前微波遥感通常只能反演土壤表层的湿度,而作物根系通常都在10cm~20cm以下,因此应用于农业旱情监测有一定的局限性。
2.2热惯量法由于水具有较大的热容量和热传导率,使得土壤湿度的大小决定着土壤的热惯量大小,当土壤湿度增加,土壤热惯量增大,地表温度昼夜变化小。
通过遥感数据分析地表温度的变化反演土壤的热惯量,从而达到监测土壤湿度的目的。
通常的作法是:先利用遥感获取的地表温度数据反演土壤表层的热惯量,然后结合地面实测的土壤湿度资料,建立土壤湿度与热惯量之间的统计模型。
线性模型是较为常用的模型,也有幂函数、指数函数、对数函数等其他形式的非线性模型[6],但线性模型与其他模型的差异不明显,而且线性模型计算方便,简单实用[7],因此应用过程中通常使用线性模型。
由于NOAA/ AVH RR数据成本较低,时间和空间分辨率都能满足大范围土壤湿度监测的要求,是该方法最常用的数据源。
热惯量法的缺陷在于土壤热惯量受土壤质地、土壤类型影响,而且不适用于植被覆盖度较高的地区。
在实际的应用中,由于受云和大气的影响,难以获取一对日夜都无云的影像。
陈怀亮[7]建立了不同土壤质地的热惯量模型,同时引入地形和风场参数,提高了水分反演的精度,此类方法在实际应用中的难度在于地形和风场参数的确定。
张仁华[8]利用土壤受光面和阴影面、叶子受光面和阴影面的温差信息,将热惯量模型、热量平衡模型和温差模型结合起来,开辟了利用多角度遥感数据反演土壤湿度的新途径。
土壤湿度能在一定程度上反映农业干旱,但土壤湿度不是造成农业干旱的唯一原因,不同的作物处在不同的生育期、不同的天气条件下对土壤水分的要求不同;太阳辐射强,气温高,风力大等环境因素导致作物蒸腾消耗较大,即便土壤含水量较高,但作物根系吸收的水分仍不足以补偿作物蒸腾,致使作物受旱。
若仅用土壤湿度指示农业旱情,难免有失公正、客观。
为了更准确地反映旱情,土壤湿度需要与作物信息相结合。
3作物需水状况的遥感监测作物需水状况通常通过作物的形态指标和生理指标来反映。
利用遥感方法的优势,结合作物的形态特点和生理特点,国内外许多学者已提出了基于遥感参数的作物形态指标和生理指标衍生出了作物遥感综合指标。
3.1作物形态指标作物形态指标是指作物的长势或长相。
当植被受水分胁迫时,植被生长状况会发生相应的变化,农学上通常采用直观地观测作物长势、长相的方法,进行定性地描述小范围内的作物旱情。
遥感技术通过监测植被指数的方法来描述植被的长势。
其根据是植被活性叶片在红波段有强吸收,在近红外波段有高反射,建立这两个波段的线性或非线性关系,可定量描述绿色植被的丰度、覆盖度,反映植被的生长状况。
常见的有归一化植被指数、比值植被指数、距平植被指数、相对距平植被指数、条件植被指数等。
其中归一化植被指数(Nor malized Different Vegeta-tion Index,NDVI)是较为常用的植被指数。
3.1.1归一化植被指数归一化植被指数(NDVI)的计算方法为:N D VI=(Q N I R-Q RED)/(Q NI R+Q RED)(1)其中Q RED为红波段的反射率,Q N IR是近红外波段的反射率。
由于植被活性叶片中的叶肉组织在近红外波段有较高的反射率,而叶绿素在红光波段有较强的吸收,使得植被在近红外波段的反射率较高,而在红光波段的反射率较低,因此植被的NDVI值较大;而岩石、裸地在这两个波段的反射率相近, NDV I值趋于0;云、水体和积雪的近红外波段反射率小于红光波段反射率,NDVI小于0。
由此可用NDV I反映植被覆盖度和作物长势,NDV I值越高,表明植被覆盖程度越高,作物长势越好。
Lozana-Garcia等[9]利用NDVI对美国印第安那州1988年的重旱进行分析,结果表明NDVI对重104旱有较好的反映。
Gutm an等[10]利用全球1988年到1991年NOAA/AVH RR月NDVI时间序列数据对全球进行监测,发现NDVI的月变化可以对极端的天气如旱灾与洪涝进行监测。
Gonzalez-alonse 等[11]对西班牙1987年~2001年每旬NDVI值的分析表明,利用NDVI最大值的方差能更好地对旱情范围、强度和动态进行监测,并成功地分析出1988年~1992年西班牙大面积的旱灾。
但由于NDVI 值受植被、土壤、地形、天气等因素影响,在不同的地区、不同的植被覆盖情况下,发生旱情时的NDVI 值有所不同,如果仅把NDVI作为旱情指标,可能会造成某一特定时间内大范围旱情监测结果的可比性较差。
3.1.2条件植被指数为消除NDVI的空间变异,减少地理和生态系统变量的影响(主要是天气、土壤、植被和地形等影响),使不同地区、不同时间之间具有可比性, Kogan[12]提出条件植被指数(Vegetation Conditio n Index,VCI)。
假设NDVI最大值出现在最佳天气,而最小值出现在不利天气条件下(如干旱)[13]。
利用足够长时间的NDVI序列数据,提取NDVI的最大值NDVI max和NDVI的最小值NDVI min,采用下列公式计算VCI:VCI=N D VI-N D Vl minN D Vl ma x-N D Vl min(2)使用VCI作为旱情评价的标准使得对不同地区的旱情比较更为合理。
蔡斌等[14]用VCI参照降水对全国1991年春季干旱进行了监测和研究,认为VCI可用来进行旱、涝监测,并给出旱、涝的地区、范围和旱、涝程度。
Liu[13]经过研究全球植被指数认为,VCI可反映低纬度地区(<50b)的大范围干旱状况。
冯强等[15~18]对NDVI、V CI在中国区的时空变化进行研究,结果表明VCI的变化季节性明显,在对VCI与土壤湿度作相关性分析的基础上,提出了VCI反演土壤湿度的近似线性模型作为全国的旱情监测标准。
干旱的形成通常是一个渐进和累积的过程,发生缓慢而不易察觉,作物受旱情胁迫时,作物的长势不会迅速的发生变化,作物当前的长势是前期的生长条件综合影响的结果。
例如,作物植株枯黄、矮小可能是由于前期的干旱造成,不能说明当前是否受旱;连续干旱后,即便有充足的降水或灌水,作物也不会迅速地恢复到常年的水平,而且由于作物前期生长受影响,往后的作物长势有可能都不如常年的水平。