1。2 旱情监测研究进展

目前国内外有众多的遥感旱情监测方法，旱情遥感监测按照原理可以划分为 两大类[3]：一类是根据土壤光谱特征曲线的变化来研究土壤水分，另一类则是根 据植物的光谱特征、含水量等指数来监测土壤水分。目前常用的遥感干旱监测方 法有土壤热惯量法、植被指数法、作物蒸散模型法和微波法。

1。2。1 土壤热惯量法

热惯量是物体阻碍其自身热量变化的物理量，与土壤水分有着密切的关系。 土壤热惯量法的原理是结合地面模型与遥感影像热惯量图，建立热惯量与土壤水 分含量之间的关系来计算土壤水分。1971 年，Waston[4]等人首次提出热惯量模式， 并用此模式计算土壤水分取得较好效果[5] 。Price[6]等人改进了 Waston 等人提出 的热惯量简单模型。Price[7][8]等人给出了热惯量的近似解：

P 2SVC1(1 A) 0。9B

（1-1）

式中， S 为太阳常数，V 为大气透明度，C1 为太阳赤纬和经纬度的函数， A 为地 表反照率， T 为昼夜最大温差，为地球自转频率， B 为地表综合参数。而对 于平坦的地表，可不考虑纬度、太阳高度角[8]等因素，可用简化的表观热惯量代 替真实热惯量，简化形式为：

式中， A 为地表反照率， T 为昼夜最大温差。可根据拟合情况、相关系数等选 择线性、指数或者幂函数等等来反演土壤水分。

土壤热惯量法虽然反演精度较高，但植被的存在会影响遥感数据获取土壤表 面温度的精度，在高植被覆盖区则几乎无法应用。因而，该方法只适用于裸土或 低植被覆盖度的地区。吴黎[9]等人提出一种改进的表观热惯量计算模型，通过实 测的模型参数，得到不同植被覆盖地区的土壤热惯量，吴黎[9]等人验证了在植被 覆盖较低的情况下（ NDVI 0。35 ），表观热惯量法反演土壤水分具有较高的精 度。

1。2。2 植被指数法

目前比较常用的是综合植被指数。其中，植被供水指数（VSWI)、温度植被 旱情指数（TVDI）等应用最为广泛。

（1）植被供水指数（VSWI)

植被供水指数（VSWI)定义为归一化植被指数 NDVI 与冠层温度 TS 的比值。 公式为：

VSWI NDVI / TS （1-3）

当出现干旱时，由于供水不足，部分植物会枯萎或死亡，叶绿素含量降低， NDVI 值下降。同时植被气孔关闭导致植被冠层温度升高。因此，VSWI 值越小， 旱情越严重。

易佳[10]对 2006 年重庆特大干旱进行研究，采用的就是植被供水指数模型 VSWI 和温度植被干旱指数模型 TVDI。研究结果表明:VSWI 是 06 年重庆伏旱最 适合的干旱监测模型。然而，植被供水指数（VSWI)法只适用于有植被覆盖的区 域，对于植被覆盖较低的地区，李新辉[11]等通过改进型土壤调整植被指数论文网

（MSAVI）来代替归一化植被指数（NDVI）,结果表明，MSAVI 能较好地消除 土壤背景对植被指数的影响，取得较好的结果。

（2）温度植被旱情指数（TVDI）

Sandholt[12]等利用简化的 Ts-NDVI 特征空间，提出了温度植被旱情指数

（TVDI），其计算表达式为：

TS maxTS min

TS max a b * NDVI TS min c d * NDVI

式中， TS 为像元的地表温度， NDVI 为归一化植被指数； TS max 和 TS min 为在给定 NDVI 值对应的最高和最低地表温度，TS max 为特征空间的干边，TS min 为特征空间 的湿边。a、b、c、d 为系数，可通过干边和湿边拟合得到。