徐晓茜++杨森
摘 要：本文基于笔者多年从事遥感减灾应用的相关工作经验，以基于MODIS数据的遥感旱情监测为研究对象，以某地区生长季的4月和7月为研究背景，分析了，及NDWI三个指标的变化趋势，给出了该地区旱情的变化趋势，全文是笔者长期工作实践基础上的理论升华，相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
关键词：MODIS 遥感 旱情 NDVI ANDVI VCI NDWI
中图分类号：P23 文献标识码：A 文章编号：1672-3791（2014）07（b）-0036-02
旱情的监测是一个公认的难题。旱情的监测最初是利用气象数据，数据主要来源于稀疏的气象站点。这些基于气象站点数据不能完全的或不能及时获取，干旱监测的精确性和及时性就会降低。遥感技术宏观、客观、迅速和廉价的优势及其近年来的飞速发展，为旱情监测开辟了一条新途径。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的潜力大大增加。应用遥感技术监测干旱从70年代开始，到目前为止，存在着以下几方面的问题。
（1）目前开展的旱情监测主要还是停留在气象灾害层面上，还没有深入到农业层面，现有的监测仅是气象灾害或灾害性天气的监测，仅知道哪里有旱情发生，但这种旱情能否成为农业灾害，还不能确切地得知。（2）随着遥感传感器的发展，用不同的传感器获取数据成为可能，但是旱情监测对于遥感数据的选择有一定的限制。空间分辨率提高，则微观尺度监测的结果精度会提高；时间分辨率提高，对各种突发性、快速变化的自然灾害有更强的实时监测能力。一般空间分辨率越高，时间分辨率就会降低。因此，在遥感数据的选择上需要考虑空间和时间上的折衷，这取决于旱情监测范围、精度要求以及旱情自身的特点等等。例如，小范围的监测可以选择TM数据或雷达数据计算反映旱情的指标，全国范围内的监测可以选择NOAA/AVHRR数据或MODIS数据。由于干旱是一个累积的过程，如果有一个长时间序列的遥感数据进行干旱的监测，就可以很好的监测旱情的发展趋势，为决策提供更加可靠的信息。遥感数据多通道信息可以增强对地球复杂系统的观测能力和对地表类型的识别能力。在考虑遥感数据空间分辨率和时间分辨率的前提下，也要充分利用遥感数据提供的多光谱信息。因此，实现全国范围内的旱情监测，遥感数据是否容易获取也是旱情监测最后能否运行的一个决定因素。（3）目前利用遥感数据计算各种能直接或间接反映干旱情况的物理指标，己形成了很多种方法。但是干旱的发生由众多因素决定，而旱灾更为复杂，涉及农作物生长及其对水分的时空需要变化。因此，指标的选取也是旱情监测最后能否运行的一个决定因素。各种指标都有自身的优缺点，例如，有些对于作物的监测比较好，有些对于裸土监测效果比较理想；有些指标容易计算，但考虑的影响因子比较少，有些指标考虑的影响因子比较全面，但太过于复杂，使得全国范围内的计算难以实现。因此在指数的选取上不仅要体现对作物旱情监测的优势，而且要考虑指数在全国范围内的计算是否可以进行。
1 国内外遥感旱情监测指标反演进展
Kogan（1990）等第一次提出了植被状态指数（VCI）的概念，并给出了VCI的定义式，使用的是1984年至1987年NOAA全球植被指数（GVI）数据集。GVI数据的产生是通过将1 km的每日的LAC（地区覆盖）重采样为4 km每日的GAC数据，然后将4 km每日的GAC数据重采样为16 km的空间分辨率，因此得到GVI数据空间分辨率为16 km。为了最小化云的影响，时间上同样进行了重采样，采用平均法将每天的GVI数据以7天为一个时间间隔得到了周合成GVI数据。在前面处理的基础上，计算了1984年至1987年间每个像元每周的NDVI最大值和NDVI最小值。结果表明在Sudan南部VCI比NDVI能更好的解释一般的或月降雨百分比之间的关系。随后十几年里，很多研究中都将VCI作为植被监测、干旱监测、产量预测等的一个指标，得到了广泛的应用。LIU和Kogan（1996）等研究都是用的GVI数据，NDVI最大值和最小值的计算方法也一样。Gite1Sno等利用VCI进行了植被状态定量估计的研究，选取的是1985年至1994年的GVI数据。空间分辨率是16km，时间分辨率为7天。Kgona（1995）第一次提出了温度条件指数（TCI）的概念，并给出了TCI的定义式，使用的仍然是GVI数据集。处理方法与原因与上述一样，空间分辨率为16 km，时间分辨率为7天，只是提取最大值和最小值使用的通道不一样，是4通道的反演的亮温。4、5通道反演的亮温取决于地表温度、大气中水蒸汽和地表与大气的温度梯度。而只有4通道反演的温度不受大气中水汽的影响，因此使用的是4通道反演的亮温来提取的，得到基于像元的每周的地表温度最大值和最小值。Seiler等在阿根庭利用VCI和TCI进行了干早监测的研究，使用的是1985年至1994年的GVI数据，空间分辨率为16 km，时间分辨率为7天。Lenoard等在非洲南部利用VCI和TCI进行了干旱监测和谷物产量的预测，选取的是1985年至1994年的GVI数据。Kgoan等利用VCI和TCI在蒙古估算了牧草的生物量。结果表明，利用VCI和TCI得到的植被健康指数可以作为生物量估计的一个指标，选取的是1985-2000的GVI数据，空间分辨率为16 km，时间分辨率为7天。
我国对VCI和TCI两人指数的应用都相对晚一些，蔡斌等用VCI参照当时降水对全国1991年春季干早进行了监测和研究，使用的是1985年至1991年的NOAA全球标准化植被指数资料，时间分辨率为7天。选取出中国范围内的NDVI时间序列数据，并对NDVI时间序列资料采用中值滤波法来去除噪声，然后计算NDVI最大值和NDVI最小值。冯强等在基于植被状态指数的全国干早遥感监测试验研究中，使用的是1981年至1994年的NDVI时间序列数据，空间范围覆盖全国，空间分辨率为8km，时间分辨率为10天。但是在计算NDVI最大值和最小值时首先将NDVI历史数据从8km重采样为1.1km。冯强等在基于植被状态指数的土壤湿度遥感方法研究中使用的数据与上述一样。
2 某地区遥感旱情监测指标反演
遥感技术提供了丰富的信息，从可见光到短波，再到热红外，最后是微波。1990年以来，利用各波谱段数据计算各种反映干旱指标的方法己经有很多，例如NDVI、距平植被指数、植被状态指数（VCI）、温度条件指数（TCI）等等。最近十年里，遥感监测干旱的方法的研究有以下三个特点，一是使用己有的指数，如NDVI、VCI、TCI、CWSI和TS/NDVI等等。计算的原理相同，使用的数据空间时间分辨率不同，或是计算时参数的处理方法不同，或是模型的不同；二是根据已有的原理，提取新的指数，如VTCI、VTDI、DSI等等；三是遥感与气象或是水文数据结合建立的新的指数，如BMVCI等等。借用某种气象或水文指数，分析其原理并将其中一些参数用遥感数据代替得到新的指数。
现将最近几年中用于旱情监测的几种主要方法的原理分别介绍如下。
（1）距平植被指数法。
归一化植被NDVI是迄今为止应用最广的一个植被指数。很多卫星遥感数据都提供了计算这个指数所需的通道信息，以MODIS为例，计算式为：
（1）
其中为第一波段（红波段）的反射率，是第二波段（近红外波段）的反射率。它可以反映植被的长势，可以间接反映旱情。
距平植被指数，指某一年某一特定时期NDVI与多年该时期NDVI平均值的差值。计算式如下：
（2）
式中，为某年内j时的距平指数，为某年内j时的NDVI，为多年内j时的NDVI平均值。可以用这个差值来反映偏旱的程度。多年平均值可以近似反映土壤供水的平均状况。因此，NDVI资料的时间序列越长，计算得到的平均值代表性才会越好。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图1）。从图上可以看出，7月份相对于4月旱情有所缓解。
（2）植被状态指数法。
在不同地区，因为不同区域作物生长季处于不同阶段，需水情况不同，旱不旱不能通过NDVI值的大小来说明，而NDVI与历史平均值的偏差，又弱化了天气的影响。
NDVI的变化受天气的影响，尤其是类似严重干旱的极端天气现象时，会远远超过正常年际间的NDVI变化，有可能造成某一特定时期内不同像素间监测结果的可比性变差。为了反映天气极端变化情况，消除NDVI空间变化的部分，使不同地区之间有可比性，Kogan提出了植被状态指数VCI。定义如下：
（3）
其中，是j时的植被状态指数，是j时的NDv工值，是所有图像中最大的NDVI值，是所有图像中最小的NDVI值。是NDVI在j时的相对于最大NDVI的百分比。Kogan假设植被NDVI最大值在最佳的天气中得到（考虑到土壤营养的吸收，天气条件可以刺激生态系统资源的利用），最小值在非有利的情况下得到，如干旱和热，通过生态系统资源的减少（干旱年缺水减少了土壤营养的吸收），直接抑制了植被的生长。这样，如果有足够长时间的NDVI序列数据，就可以从中提取出和，反映出极端气候状况，计算的VCI结果在不同地区的比较更为合理。VCI是基于NDVI反演得到的，因此对植被的监测效果比较好，作物播种或收割后的时间，监测效果比较差。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图2）。从图上可以看出，7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
（3）叶面缺水指数法NDWI。
归一化缺水指数（NDWI），又为叶面缺水指数，用于植被液态水的探测。NDWI定义如下：
（4）
式中，是反射率，是波长。使用了两个通道，一个是在附近，另一个是在附近。这两个波段均位于植被冠层的高反射区。它们感知的植被冠层深度相似。在的植被液态水的吸收可以忽略不计，在有水的弱吸收。散布的冠层增强了水的吸收。从而NDWI可以很灵敏的反应植被冠层水的含量。大气气溶胶的散射作用在～区是很弱的。NDWI比NDVI对大气的敏感度低；与NDVI一样，NDWI并没有完全去除土壤背景的反射作用影响。
本文所用数据是2009年4月与7月的MODIS 月合成的NDWI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
3 结论
本文应用MODIS数据对南方某地区的旱情进行了监测，以作物生长季的4月和7月作为对比，分析了，及NDWI三个指标的变化趋势。相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
参考文献
[1] 杨玉永，郭洪海，隋学艳，等.山东省小麦主产区旱情遥感监测系统的构建[J]科技创新导报，2009（1）.
[2] 黄泽林，覃志豪.利用MODIS数据监测大面积土壤水分与农作物旱情研究[J]科技资讯，2008（11）.
[3] 郭倩，沈润平，荣裕良.基于EOS/MODIS数据的裸土多层土温遥感反演研究—— 以陕西省为例[J]遥感技术与应用， 2008（20）.
2 某地区遥感旱情监测指标反演
遥感技术提供了丰富的信息，从可见光到短波，再到热红外，最后是微波。1990年以来，利用各波谱段数据计算各种反映干旱指标的方法己经有很多，例如NDVI、距平植被指数、植被状态指数（VCI）、温度条件指数（TCI）等等。最近十年里，遥感监测干旱的方法的研究有以下三个特点，一是使用己有的指数，如NDVI、VCI、TCI、CWSI和TS/NDVI等等。计算的原理相同，使用的数据空间时间分辨率不同，或是计算时参数的处理方法不同，或是模型的不同；二是根据已有的原理，提取新的指数，如VTCI、VTDI、DSI等等；三是遥感与气象或是水文数据结合建立的新的指数，如BMVCI等等。借用某种气象或水文指数，分析其原理并将其中一些参数用遥感数据代替得到新的指数。
现将最近几年中用于旱情监测的几种主要方法的原理分别介绍如下。
（1）距平植被指数法。
归一化植被NDVI是迄今为止应用最广的一个植被指数。很多卫星遥感数据都提供了计算这个指数所需的通道信息，以MODIS为例，计算式为：
（1）
其中为第一波段（红波段）的反射率，是第二波段（近红外波段）的反射率。它可以反映植被的长势，可以间接反映旱情。
距平植被指数，指某一年某一特定时期NDVI与多年该时期NDVI平均值的差值。计算式如下：
（2）
式中，为某年内j时的距平指数，为某年内j时的NDVI，为多年内j时的NDVI平均值。可以用这个差值来反映偏旱的程度。多年平均值可以近似反映土壤供水的平均状况。因此，NDVI资料的时间序列越长，计算得到的平均值代表性才会越好。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图1）。从图上可以看出，7月份相对于4月旱情有所缓解。
（2）植被状态指数法。
在不同地区，因为不同区域作物生长季处于不同阶段，需水情况不同，旱不旱不能通过NDVI值的大小来说明，而NDVI与历史平均值的偏差，又弱化了天气的影响。
NDVI的变化受天气的影响，尤其是类似严重干旱的极端天气现象时，会远远超过正常年际间的NDVI变化，有可能造成某一特定时期内不同像素间监测结果的可比性变差。为了反映天气极端变化情况，消除NDVI空间变化的部分，使不同地区之间有可比性，Kogan提出了植被状态指数VCI。定义如下：
（3）
其中，是j时的植被状态指数，是j时的NDv工值，是所有图像中最大的NDVI值，是所有图像中最小的NDVI值。是NDVI在j时的相对于最大NDVI的百分比。Kogan假设植被NDVI最大值在最佳的天气中得到（考虑到土壤营养的吸收，天气条件可以刺激生态系统资源的利用），最小值在非有利的情况下得到，如干旱和热，通过生态系统资源的减少（干旱年缺水减少了土壤营养的吸收），直接抑制了植被的生长。这样，如果有足够长时间的NDVI序列数据，就可以从中提取出和，反映出极端气候状况，计算的VCI结果在不同地区的比较更为合理。VCI是基于NDVI反演得到的，因此对植被的监测效果比较好，作物播种或收割后的时间，监测效果比较差。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图2）。从图上可以看出，7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
（3）叶面缺水指数法NDWI。
归一化缺水指数（NDWI），又为叶面缺水指数，用于植被液态水的探测。NDWI定义如下：
（4）
式中，是反射率，是波长。使用了两个通道，一个是在附近，另一个是在附近。这两个波段均位于植被冠层的高反射区。它们感知的植被冠层深度相似。在的植被液态水的吸收可以忽略不计，在有水的弱吸收。散布的冠层增强了水的吸收。从而NDWI可以很灵敏的反应植被冠层水的含量。大气气溶胶的散射作用在～区是很弱的。NDWI比NDVI对大气的敏感度低；与NDVI一样，NDWI并没有完全去除土壤背景的反射作用影响。
本文所用数据是2009年4月与7月的MODIS 月合成的NDWI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
3 结论
本文应用MODIS数据对南方某地区的旱情进行了监测，以作物生长季的4月和7月作为对比，分析了，及NDWI三个指标的变化趋势。相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
参考文献
[1] 杨玉永，郭洪海，隋学艳，等.山东省小麦主产区旱情遥感监测系统的构建[J]科技创新导报，2009（1）.
[2] 黄泽林，覃志豪.利用MODIS数据监测大面积土壤水分与农作物旱情研究[J]科技资讯，2008（11）.
[3] 郭倩，沈润平，荣裕良.基于EOS/MODIS数据的裸土多层土温遥感反演研究—— 以陕西省为例[J]遥感技术与应用， 2008（20）.
2 某地区遥感旱情监测指标反演
遥感技术提供了丰富的信息，从可见光到短波，再到热红外，最后是微波。1990年以来，利用各波谱段数据计算各种反映干旱指标的方法己经有很多，例如NDVI、距平植被指数、植被状态指数（VCI）、温度条件指数（TCI）等等。最近十年里，遥感监测干旱的方法的研究有以下三个特点，一是使用己有的指数，如NDVI、VCI、TCI、CWSI和TS/NDVI等等。计算的原理相同，使用的数据空间时间分辨率不同，或是计算时参数的处理方法不同，或是模型的不同；二是根据已有的原理，提取新的指数，如VTCI、VTDI、DSI等等；三是遥感与气象或是水文数据结合建立的新的指数，如BMVCI等等。借用某种气象或水文指数，分析其原理并将其中一些参数用遥感数据代替得到新的指数。
现将最近几年中用于旱情监测的几种主要方法的原理分别介绍如下。
（1）距平植被指数法。
归一化植被NDVI是迄今为止应用最广的一个植被指数。很多卫星遥感数据都提供了计算这个指数所需的通道信息，以MODIS为例，计算式为：
（1）
其中为第一波段（红波段）的反射率，是第二波段（近红外波段）的反射率。它可以反映植被的长势，可以间接反映旱情。
距平植被指数，指某一年某一特定时期NDVI与多年该时期NDVI平均值的差值。计算式如下：
（2）
式中，为某年内j时的距平指数，为某年内j时的NDVI，为多年内j时的NDVI平均值。可以用这个差值来反映偏旱的程度。多年平均值可以近似反映土壤供水的平均状况。因此，NDVI资料的时间序列越长，计算得到的平均值代表性才会越好。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图1）。从图上可以看出，7月份相对于4月旱情有所缓解。
（2）植被状态指数法。
在不同地区，因为不同区域作物生长季处于不同阶段，需水情况不同，旱不旱不能通过NDVI值的大小来说明，而NDVI与历史平均值的偏差，又弱化了天气的影响。
NDVI的变化受天气的影响，尤其是类似严重干旱的极端天气现象时，会远远超过正常年际间的NDVI变化，有可能造成某一特定时期内不同像素间监测结果的可比性变差。为了反映天气极端变化情况，消除NDVI空间变化的部分，使不同地区之间有可比性，Kogan提出了植被状态指数VCI。定义如下：
（3）
其中，是j时的植被状态指数，是j时的NDv工值，是所有图像中最大的NDVI值，是所有图像中最小的NDVI值。是NDVI在j时的相对于最大NDVI的百分比。Kogan假设植被NDVI最大值在最佳的天气中得到（考虑到土壤营养的吸收，天气条件可以刺激生态系统资源的利用），最小值在非有利的情况下得到，如干旱和热，通过生态系统资源的减少（干旱年缺水减少了土壤营养的吸收），直接抑制了植被的生长。这样，如果有足够长时间的NDVI序列数据，就可以从中提取出和，反映出极端气候状况，计算的VCI结果在不同地区的比较更为合理。VCI是基于NDVI反演得到的，因此对植被的监测效果比较好，作物播种或收割后的时间，监测效果比较差。
本文所用数据是2009年4月与7月的MODIS 月合成的NDVI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。得到该地区的每月合成数据后，生成生长季4月与7月的数据（图2）。从图上可以看出，7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
（3）叶面缺水指数法NDWI。
归一化缺水指数（NDWI），又为叶面缺水指数，用于植被液态水的探测。NDWI定义如下：
（4）
式中，是反射率，是波长。使用了两个通道，一个是在附近，另一个是在附近。这两个波段均位于植被冠层的高反射区。它们感知的植被冠层深度相似。在的植被液态水的吸收可以忽略不计，在有水的弱吸收。散布的冠层增强了水的吸收。从而NDWI可以很灵敏的反应植被冠层水的含量。大气气溶胶的散射作用在～区是很弱的。NDWI比NDVI对大气的敏感度低；与NDVI一样，NDWI并没有完全去除土壤背景的反射作用影响。
本文所用数据是2009年4月与7月的MODIS 月合成的NDWI产品。MODIS数据的几何纠正和镶嵌是用USGS EROS数据中心开发的MRT几何纠正软件进行的。7月份相对于4月旱情有所缓解。与反映的趋势基本相同。
3 结论
本文应用MODIS数据对南方某地区的旱情进行了监测，以作物生长季的4月和7月作为对比，分析了，及NDWI三个指标的变化趋势。相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
参考文献
[1] 杨玉永，郭洪海，隋学艳，等.山东省小麦主产区旱情遥感监测系统的构建[J]科技创新导报，2009（1）.
[2] 黄泽林，覃志豪.利用MODIS数据监测大面积土壤水分与农作物旱情研究[J]科技资讯，2008（11）.
[3] 郭倩，沈润平，荣裕良.基于EOS/MODIS数据的裸土多层土温遥感反演研究—— 以陕西省为例[J]遥感技术与应用， 2008（20）.
