齐述华[13]等人基于 NOAA-AVHRR 数据提取 NDVI 和 LST，采用 TVDI 法， 对中国 2000 年不同月份的旱情进行研究，并划分了全国干旱等级。取得了较好 的效果，TVDI 模型能很好地反映全国干旱的时空分布情况。EIchinger 和 Stisen 基于植被指数与蒸散发的关系[14]，提出干边修正的新方法[15] ，有效改善干边提 取效果。张喆[16]等人对新疆塔里木盆地三角洲绿洲，分别使用比值植被指数(RVI) 和归一化植被指数(NDVI)建立 LST/RVI、LST/NDVI 特征空间，结果表明 LST/RVI 模型适合对植被覆盖度高的区域进行土壤水分监测，LST/NDVI 模型适合对植被 覆盖度低的区域进行土壤水分监测。

TVDI 模型所需的数据获取方便，其优势在于不受气象数据的限制，仅利用 MODIS 等扫描宽度较大的传感器就可进行大范围干旱监测。然而，当研究区植 被覆盖度高于 80%时，NDVI 值增加缓慢而呈现饱和状态，其监测植被的灵敏度 下降[17]。针对 NDVI 饱和问题，杨曦[18]等选取增强植被指数（EVI）代替 NDVI，

改善干边和湿边提取效果，得到的 TVDI 与土壤湿度的相关性更高。

1。2。3 作物蒸散模型法

蒸散模型法，是基于能量平衡原理，通过计算植被区域蒸散量的变化来反映 土壤水分的状况。Jackson[19]和 Idso[20]等在能量平衡原理的基础上提出了作物水 分胁迫指数（Crop water stress index，CWSI），具体模型为：

式中， E 为实际蒸散量； EP

CWSI 1 E / EP

为潜在蒸散量。

该模型通过计算作物的水分胁迫指数来间接反映土壤水分信息。蒸散模型[21] 分 为 单 层 、 双 层 和 多 层 模 型 。 张 长 春 等 [22] 利 用 SEBS 单 层 模 型 ， 基 于 NOAA/AVHRR 数据对黄河三角洲区域的蒸散状况进行研究，并综合考虑了降水 量，最终确定了区域的旱情程度。单层模型计算简单，输入的参数和数据较少， 但精度相对较低，在大尺度区域应用广泛。文献综述

双层模型划分土壤与植被，分别建立土壤表面和植被冠层的能量平衡， shuttleworthl 等[23]基于植被覆盖较低的地表建立了双层蒸散模型。双层模型需获 取大量经验参数且只能适用于局地范围，因而限制了其实际应用推广。另外也有 将土壤一植被一大气体系(SPAC)分多层讨论计算蒸散模型等[24]。多层模型引入 更多的未知数和参数，适用于小尺度研究，目前尚未实用化。

作物蒸散模型法以能量平衡为基础，考虑因素全面，具有坚实的科学理论 基础，监测精度较高。但是模型需要输入大量的地表热力学参数，这些参数在 实际工作中大多只能依靠经验的方法来获取，且有些只能应用于地方尺度，因 此大大限制了蒸散模型法在旱情实际监测中的应用。

1。2。4 微波法

微波遥感监测土壤水分可分为主动微波和被动微波遥感两种。研究表明，土 壤表面后向散射系数与土壤水分含量密切相关。因此，可通过建立两者之间的经 验关系模型，来反演土壤水分含量。Tansey[25]等人的研究表明，在裸土和低植被 覆盖区域，土壤含水量与后向散射系数有较高的相关性。Weimann[26]等通过通过 SAR 图像与土壤水分实测值对比分析，发现土壤含水量与雷达后向散射系数呈 线性关系。

然而，研究表明，在入射角和频率一定的情况下，植被覆盖度的变化可以使 后向散射系数产生达 15dB 的变化[27]，土壤表面粗糙度的差异能够使雷达后向散 射系数产生达 22dB 的变化[28]，而采用较陡的入射角可以减少植被和粗糙表面的影响。

微波遥感具有全天时、全天候、穿云透雾的工作能力，且反演精度高。在裸 土和低植被覆盖区域具有较高的精度；然而，当研究区有植被覆盖，受植被冠层 结构和含水量的影响，后向散射系数会发生变化。地表粗糙度的影响也很大，无 论是主动遥感还是被动遥感，都需要建立复杂的模型以剔除或降低地表粗糙度和 植被的影响，理论模型相当复杂，计算参数众多。 MODIS与TM遥感数据在旱情动态监测中的应用研究(4):http://www.youerw.com/guanli/lunwen_82159.html