旱情监测

旱情监测报告

干旱是一种水量相对亏缺的自然现象，普遍存在于世界各地，频发于各个历史时期。干旱最直接危害是造成农作物减产，使农业歉收。在严重干旱时，甚至造成居民饮水困难，危害居民生活，影响工业生产及其他社会经济活动。中国地处东亚，受明显季风气候及降水时空分布不均等因素影响，导致干旱频繁发生，严重影响了中国农业生产和人民生活。在中国北方林区，干旱可导致林火频发，火情难以控制。

干旱具有延续时间长、波及范围广等特点，因此在防旱、抗旱决策中需要实时、动态、宏观的旱情监测数据提供决策辅助。

干旱分成气象干旱、农业干旱、水文干旱和社会经济干旱。气象干旱是指某时段内,由于蒸发量和降水量的收支不平衡,水分支出大于水分收入而造成的水分短缺现象;农业干旱指在作物生长关键期由于土壤水分持续不足而造成的作物体内水分亏缺,影响作物正常生长发育,进而导致减产或失收的现象;水文干旱指因降水长期短缺而造成某段时间内地表水或地下水收支不平衡,出现水分短缺,使河流径流量、地表水、水库蓄水和湖水减少的现象;社会经济干旱是指自然系统与人类社会经济系统中水资源供需不平衡造成的异常水分短缺现象。气象干旱可以迅速开始和突然结束,农业干旱的爆发一般晚于气象干旱,这取决于上层土壤的前期含水量,水文干旱则在气象干旱结束后仍将持续较长时间。

干旱监测就是在确定了干旱监测指标的基础上,利用实时观测的干旱要素资料或数值模式资料,定量计算出当前干旱指标值,并以此来

客观评价干旱强度和范围的过程在对干旱进行监测前，需要确定各个干旱指数。干旱指标是表示干旱程度的特征量,它是旱情描述的数值表达,在干旱分析中起着度量、对比和综合等重要作用。根据干旱的不同分类,将干旱指数分为气象干旱指数、农业干旱指数、水文干旱指数。另外,目前利用遥感(ＲＳ)技术建立干旱指数,进行大范围的干旱监测已成趋势,这类指数无论数据源还是指数建立的过程都不同于传统意义上的干旱指数,统称基于遥感的干旱指数。所谓传统意义上的干旱指数是指基于测站的定点监测。目前已提出了不下100种干旱监测指数来表征干旱。国际上的一些主要的干旱指数见下表1：

下面着重介绍几种利用遥感进行旱情监测的方法；

1、基于土壤热惯量的旱情监测方法

土壤热惯量是土壤阻止温度变化能力的一个热特性参数，它与土壤水分含量之间有着很好的相关关系。热惯量可以由下式表示：

式中，P为热惯量，λ为热传导率，ρ为土壤密度，c为比热。由于水和土壤在热容量和热传导率之间存在较大差别，因此土壤含水量的不同，会较大影响土壤的热惯量。研究人员在利用热惯量特性进行旱情监测时，通常包括以下两步：首先将地面模型和遥感热红外数据结合建立土壤热惯量模型，计算土壤热惯量。在目前的研究中NOAA气象卫星是遥感监测干旱中最常用的数据源；之后，建立土壤热惯量与水分之间的相关关系，这一般是一个有2个参数的一维线性方程，进行土壤旱情状况监测。

土壤热惯量法是应用较早、研究较广的旱情监测方法之一。在实际应用中，通过发展不同热惯量模型,利用大量实测数据建立热惯量和水分之间稳定相关关系等方法，使得该方法在范围较小、类型较单一的土壤旱情监测中具有较高的精度，在中国旱情遥感监测的研究和应用中也有较广泛的应用。

但是，由于热惯量模型和遥感数据特征，热惯量法在应用中也具有一定的局限性。如，热惯量计算通常需要温度日较差，而卫星在日夜过境时同时无云影响的可能性较低；由于植被的影响，使得遥感数据很难获得土壤表面温度，因此该方法一般用于裸土或者植被覆盖较

低的区域。并且热惯量法适用于冬季和早春，即裸土情况。在有植被时则由于植被会改变土壤的热传导，因而不太适用，必须另作处理。为提高热惯量法的应用范围，研究人员通过建立多层热惯量模型，考虑地物光照面和阴影的表面温度差信息，建立了土壤水分含量的遥感反演模型，利用多角度遥感信息提取土壤水分，进行旱情监测研究，取得了一定的应用效果。

2、基于土壤波谱特征的旱情监测方法

不同湿度的土壤在可见光、近红外及其介电特性方面，表现出不同的波谱特性，成为利用光学和微波遥感数据进行土壤水分监测和旱情评估的重要理论基础。

在微波遥感中，由于土壤含水量直接影响土壤的介电特性，使微波回波对土壤湿度极为敏感。由此建立土壤含水量和微波后向散射系数二者之间的关系，即可达到监测旱情的目的。微波遥感以其全天时、全天候的工作特征以及对于植被、土壤具有一定的穿透能力而被广泛应用于土壤水分反演，被认为是当前土壤水分反演中最有效的方法之一。

由于受微波成像机理等因素所限，目前微波遥感数据难以在空间分辨率和时间分辨率上与光学、红外遥感数据相媲美。此外，微波的后向散射系数同时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，是土壤含水量反演和旱情监测中的重要研究方向。李震等人综合主动和被动微波数据，建立了一个计算体散射项的半经验公式模型，减少了植被的影响，提高了土壤湿度变化监测的

精度。周鹏等人则利用同期光学遥感影像数据建立“水–云模型”从雷达数据总的后向散射中去除植被影响，建立土壤后向散射系数与土壤含水量的关系。实验证明，该方法在中等覆盖条件下去除植被影响有较好的效果。

在时间分辨率和空间分辨率方面，光学、红外遥感相对微波遥感具有较大优势，因此一些研究人员也利用不同湿度的土壤表现出的光谱特征进行旱情监测研究。杜晓通过分析水的吸收曲线及MODIS数据的第6、7波段的分布特点，考虑农作物和土壤的混合差异，提出了一种反演土壤水分含量的指数(SWCI)。SWCI从水的吸收对植被和土壤反射率波谱的综合影响入手，直接获取其地表水分含量指标，对提高浅层土壤墒情的精度效果较好。张红卫在SWCI指数的基础之上，结合NDVI指数构建农田浅层土壤湿度指数(CSMI)，在一定程度减少了由于植被覆盖变化而引起的土壤水分监测精度的不稳定性。但是，由于光学、红外遥感数据的穿透能力较差，因此在应用中存在受云、大气和植被影响较大的缺点。即使在裸土土壤含水量反演，该方法也只能较好地反映浅层土壤墒情。

3、基于蒸散模型的旱情监测方法

蒸散模型方法是建立在能量平衡基础之上的，利用蒸散能量的变化来反映地表湿度情况，从而进行旱情评估。该方法的应用开始于20世纪70年代。最初的研究根据冠层温度与空气温度差(简称冠气温差)与空气水汽压的经验关系，提出了作物水分胁迫指数(Crop Water Stress Index，CWSI)，用于旱情评估。Jackson等人(1981)根据太阳净