遥感与GIS旱情监测综述.doc

遥感与GIS旱情监测综述许斌（内江师范学院地理与资源科学学院，四川内江641112）摘要：旱灾一直以来是我国影响范围最广的农业自然灾害，利用遥感与GIS技术能够有效、大面积、实时动态地监测旱情。本文对目前遥感与GIS技术在旱情监测和预警中的应用进行了总结，并探讨了遥感及GIS技术在旱情监测中的应用前景。关键词：遥感旱灾监测GIS中图分类号：P407.8文献标志码：A文章编号：1671-1785(2011)10旱灾一直以来是我国影响范围最广的农业自然灾害，2011年更是受到旱灾影响，贵州、广西、湖南、云南、重庆等地区受灾严重，受旱地区降水普遍不到200毫米。由降水持续偏少导致江河、湖泊水位异常偏低，水体面积减少明显，农作物绝收，森林火险频繁。气象卫星遥感监测显示，长江干流各控制流量比常年同期偏少25％至70％。利用遥感与GIS技术，能够有效、大面积、实时动态监测干旱地区旱情。本文通过分析已有的文献资料，总结遥感和GIS技术在旱情监测中的常用方法，展望遥感与GIS在旱情监测中的应用前景。1基于遥感技术旱情监测与信息提取遥感技术能够有效、大面积、实时动态地获取干旱地区旱情资料，随着遥感传感器的发展，利用不同传感器获取的数据，计算各种能直接或间接反映干旱情况的参数或指标，已形成了很多种方法，归纳如下：1.1利用可见光和近红外遥感数据提取地面覆盖物植被指数进行旱情监测归一化植被指数（NDVI）是应用较广的典型植被指数之一，能反映出植物冠层的背景影响，如土壤、潮湿地面、枯叶等，且与植被覆盖有关，因此，NDVI广泛应用在检测植被生长状态、植被覆盖度等方面。基于NDVI衍生了很多植被指数用于旱情监测。FelixN.Kogan[1-2]通过研究，讨论并认为一个地区NDVI受该地区气候状况、土壤类型、植被类型分布以及地形条件等因素影响，基于改进算法首次提出了修正的归一化植被指数——植被状态指数（VCI），认为VCI可以反映出NDVI因天气气候变化的影响而产生的变化，也可以消除或减弱地理位置或生态系统、土壤条件的不同而对NDVI的影响，表达出大范围干旱状况。TagelGebrehiwot等[3]人以埃塞俄比亚北部Tigray地区为例，利用降水数据和遥感影像，综合分析标准化降水指数（SPI）和植被状态指数（VCI），获取多时态的干旱植被状态指数分布，结果表明，植被状态指数在干旱半干旱地区干旱监测中具有实际效用。距平植被指数（AVI）作为监测农业干旱的一种量度，以研究区多年的每旬、每月NDVI的平均值为背景值，利用当年的每旬、每月的NDVI值减去背景值得到植被指数的距平，能够较客观地反映当年作物长势与一般年份的差别。陈维英等[4]利用距平植被指数监测了我国1992年特大干旱情，认为采用距平植被指数监测农作物干旱比只用NDVI的瞬时值优越。魏瑞江等[5]利用AVHRR资料，应用距平植被指数（AVI），结合实地资料，探讨了河北省作物受旱的实际状况。王荣芳等[6]利用多年NOAA卫星影像，通过计算日较差温度和植被指数，结合垂直向土层水分变化的连续性和相关性等，计算得到各个地方各个时间段NDVI的平均值。当时值与该平均值的离差或相对离差反映了偏旱或偏湿的程度，由此确定各地的旱情等级。1.2利用热红外波段建立地表温度模型估测土壤湿度土壤中水分含量直接影响到植被生长发育，同时也是土壤干旱情况的重要表征指标，利用热红外遥感温度和气象资料来间接地监测植被条件下的土壤水分是遥感监测土壤水分的一个重要方法。Carlson[7]利用AVHRR资料计算土壤有效水分和热惯量，认为土壤水分受到干旱区情况以及干旱区地形等的影响。申广荣等[8]根据土壤水分含量与作物缺水指数的关系，由热量平衡原理推出作物缺水指数(CWSI)模型，该模型的计算公式为[9]：CWSI=1-Ed/Ep式中：Ed——蒸散发量；Ep——蒸散发能力。由此可知，Ed越小，CWSI越大，反映了供水能力差，CWSI与土壤含水量有密切关系，且共同反映了土壤的干旱程度。从NOAA气象卫星获取的热红外数据就可以计算出作物缺水指数CWSI，并进而作旱情分级。O．Rojas等[10]人通过遥感影像研究植被健康状况，提出了一个基于经验概率计算大比例尺农业区域干旱面积的新方法。并利用非洲大陆1981-2009年的NOAA影像获取植被健康指数（VHI）作为干旱指标，结合作物从生长到灌浆结束的NDVI，建立作物的物候模型并逐像元计算VHI，结果显示，干旱与植被健康指数有高度相关。MODIS数据具有高光谱分辨率和短的重访周期，因此在农业旱灾监测中应用较广泛，覃志豪等[11]应用MODIS卫星遥感数据，探讨了反演农业旱灾中地表温度等参数、算法及工作流程，并详细讨论了如何快速地估计分裂窗算法中大气透过率和地表比辐射率这两个基本参数。何泽能等[