【合肥纯水设备行业新闻】

干旱灾害是国主要的自然灾害之一。保守的旱情监测方法主要依靠地面土壤墒情站，这种方法利息高、时效差，难以获得大面积的旱情信息。卫星遥感作为一种对地观测手段，具有宏观、经济、快速等特点，旱情监测中具有明显优势。

习近平总书记指出，发展新质生产力是推动高质量发展的内在要求和重要着力点。水利高质量发展新阶段，迫切需要发展水利新质生产力。卫星遥感具有高科技、高效能、高质量的明显特征，发展水利新质生产力的重要引擎和有力抓手。水利部提出要建立“天空地”一体化水利感知网，其中“天”即卫星遥感。近年来，国卫星遥感快速发展，由陆地、气象、海洋卫星组成的对地观测体系全面形成，具备高空间分辨率、高时间分辨率、高光谱分辨率、全天候对地观测能力。随着卫星遥感技术发展，旱情遥感监测也日趋完善，但由于干旱成灾机理的复杂性以及卫星遥感自身的局限性，目前旱情遥感监测业务应用仍然面临一些挑战，多源遥感星地协同旱情监测、精细化旱情综合评估以及遥感、水文气象耦合旱情预警是未来发展趋势。

02新时期旱情监测需求

国地处东亚季风区，气候条件复杂，世界上遭受干旱灾害最严重国家之一。据统计，1950年至2022年，国年均受旱面积1950.66万hm2年均粮食损失1580.22万t近年来，受气候变暖影响，干旱灾害愈发严重。如2022年710月，长江流域遭遇严重干旱，流域累计降雨量相比终年同期偏低39%旱情高峰时，影响范围涉及十余个省份，作物受旱面积高达442.133万hm2严重干旱导致农作物减产、农村饮水困难、生态退化，严重威胁粮食平安、饮水平安和生态安全，已成为制约我国经济发展的重要因素。

作为抗旱减灾领域中的一项关键非工程性措施，旱情监测具有极其重要的现实意义。开展精准的旱情监测，不只可以提供实时、准确的旱情动态信息，而且有助于科学指导抗旱救灾工作，优化资源配置，提高抗旱管理的效率。多年来，水利和气象等部门已经建立起覆盖雨情、水情、土壤湿度以及地下水等多个维度的基础水文监测站网，抗旱减灾工作中发挥了举足轻重的作用。然而，当前直接服务于抗旱监测的旱情站点数量相对稀缺，并且布局不够合理，难以形成一个既与抗旱管理体制相匹配、又能全面覆盖全国的旱情信息采集网络，一定水平上影响了抗旱减灾工作的效率和准确性。以墒情站为例，据《2022年水利发展统计公报》全国墒情站有5102处，平均到每个县不到2处，远不能满足抗旱工作的实际需要。精准实施旱情监测，减轻旱灾对农业生产、工业发展以及民众生活的冲击，对保证经济社会的稳定与可继续发展具有不可忽视的重要作用。

新时期水利高质量发展对干旱灾害防御工作提出四个精准要求，即“精准范围、精准对象、精准时段、精准措施”具体到旱情监测需求就是大范围、高精度、高频次、近实时。大范围”指监测范围要达到一省乃至十余省，高精度”指监测的精度要高，高频次”指旱情发生时监测频次要达到一天一次，近实时”指旱情监测要快速无延迟。面向新时期干旱灾害精准防控要求，激进地面监测站网已难以满足需求，卫星遥感与地面水文站网相结合，构建“天空地”一体化干旱监测系统是发展趋势。

03卫星遥感及其特点

遥感即遥远的感知，通过从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术。其中，卫星遥感特指以人造地球卫星为遥感平台，对地球和低层大气进行观测的一门新型技术，具有观测范围广、获取信息量大、动态更新快等特点。

美国是目前世界上卫星遥感最为先进的国家。1961年美国发射了第一颗气象卫星，1972年和1978年又分别将首颗陆地卫星和海洋卫星送入太空。美国还拥有连续40多年对地观测历史的Landsat系列卫星，以及世界上首颗提供高分辨率影像的Ikono商业遥感卫星、率先实现亚米级分辨率的QuickBird商业卫星和目前商业遥感卫星技术最高水平的WorldView系列。其他国家的遥感卫星发展也十分迅速，例如法国的SPOT系列和Pleiad系列卫星、意大利的Cosmo-Skym星座、德国的TerraSA R卫星以及加拿大的Radarsat系列卫星、日本的ALOS系列卫星、俄罗斯的Resur卫星等。

国在卫星遥感领域的探索始于20世纪90年代。1988年，国成功发射了首颗气象卫星风云一号，这一里程碑式的事件标志着我国卫星遥感技术的起点。随后，1999年我国发射了第一颗数字传输型资源卫星中巴地球资源卫星01星。进入21世纪后，国卫星遥感发展进入快车道，气象、资源、海洋、环境减灾、测绘等多个系列遥感卫星星座逐渐形成。尤其是2010年后，国启动了高分辨率对地观测系统重大专项，经过多年的努力，已初步形成了高空间、高时间、高光谱分辨率的对地观测体系。这一体系能够在23天内实现对全国任意地区的有效覆盖，极大提升了国的对地观测能力。同时，国的商业遥感卫星也在蓬勃发展。长光卫星技术股份有限公司自主建设的吉林一号卫星星座是全球最大的亚米级商业遥感卫星星座，其一期工程由138颗光学卫星组网，目前已完成发射108颗；二十一世纪空间技术应用股份有限公司胜利发射了北京”系列卫星；中国四维测绘技术有限公司胜利发射了四维高景”系列卫星；长沙天仪空间科技研究院有限公司和航天宏图信息技术股份有限公司等制定了雷达遥感卫星星座研制计划。应该说，国的遥感卫星尽管起步晚，但迎头赶上，目前已处于世界先进水平。

作为一种新型对地观测技术，卫星遥感广泛应用于灾害监测、资源调查、环境评估、军事国防等领域。相对于激进地面站点观测，卫星遥感应用于旱情监测具有监测范围广、空间分辨率高、信息获取实时性强和利息低廉等优势，可为干旱灾害防御提供及时高效的信息服务。

04旱情遥感监测进展

卫星遥感技术既可以监测农作物分布及长势、江河湖库及其变化，又可以反演降水、土壤水、蒸散发等水循环要素，干旱监测中作用广泛。基于卫星的旱情遥感监测方法主要有遥感指数法、土壤含水量法、蒸散发法、水面面积距平法等。同时，面向旱情监测业务需要，相关单位也开展了旱情遥感监测系统的研发，并初步实现了业务化应用。

基于遥感指数的干旱监测

遥感数据可以记录不同波长下地物对电磁波的响应信息，因此常采用不同波段组合的方式构建差异化的遥感指数开展农业干旱监测。一般认为，干旱限制植物的光合作用，导致植被生长受限，植被指数下降；同时，植被会通过关闭气孔减少蒸腾作用来应对干旱胁迫，这一生理反应通常会导致冠层温度的升高。基于此，采用卫星遥感技术反演植被指数和冠层温度，并与多年历史同期数据进行对比分析，能够较为准确地评估干旱的严重水平和时空分布特征。旱情遥感监测领域，植被状态指数、距平植被指数、温度状态指数以及植被健康指数等一系列指标被广泛应用于干旱评估，这些指标提供了多样化的干旱信息，有助于全面理解和分析干旱对生态环境和农业生产的影响。此外，一些研究者基于归一化植被指数和地表温度散点图所呈现的特定区域分布特征，提出了结合植被和温度两个关键因素的综合植被-温度干旱指数，为区域性农业干旱监测提供了新途径。

基于土壤含水量反演的旱情遥感监测

土壤含水量是农业旱情监测关键指标，土壤水分的不同含量会导致土壤外表光谱特性的变化，该类变化信息可以被遥感传感器捕捉。通过分析土壤的光谱信息，可以建立土壤含水量与遥感参数之间的关系模型，进而实现对土壤含水量的监测。

罕见的土壤含水量遥感反演方法有热惯量法和植被指数-温度特征空间法，基于光学遥感数据计算表观热惯量（ATI植被温度特征指数（TVDI并基于地面实测墒情数据，构建ATITVDI与土壤含水量的关系，推算整个区域土壤含水量。近年来，随着雷达卫星遥感的发展，采用雷达遥感反演土壤含水量进而监测旱情，引起越来越多的关注。相对于光学遥感反演土壤含水量，雷达遥感不受光照条件、云雨的限制，能够全天时、全天候工作，且具有一定的穿透能力。雷达遥感反演土壤含水量原理是雷达后向散射系数受土壤的介电常数影响，而土壤的介电常数又与土壤含水量密切相关，罕见的雷达遥感反演土壤含水量模型包括经验模型、半经验模型和物理模型等。

总体上看，基于多源卫星遥感数据的土壤含水量反演仍面临几大挑战，例如从基于地表温度等数据的土壤含水量代理变量中解耦体积土壤水含量的需求、密集植被条件下反演精度的降低以及未定义的土壤深度代表性。

基于蒸散发反演的旱情遥感监测

蒸散发是指地表水分从液态转化为气态并逸入大气的过程，水循环的重要环节。蒸散发能够直接反映地表的干湿状况，通过监测蒸散发量，可以了解地表水分的蒸发和散失情况，进而判断地表是否处于干旱状态。遥感监测蒸散发主要基于地表温度、植被指数等参量与蒸散发量之间的定量关系，结合地面观测数据和气象数据，建立区域蒸散发估算模型，从而实现对蒸散发的监测和估算。地表温度可以提供地表水状态的基本信息，植被根区的水分缺乏会导致植被受到压力并增加冠层温度，而土壤表层的水分消耗则会导致土壤迅速升温，因此常被用于蒸散发反演。

过去40年里，地表温度已在多种方式中被用于估算不同时间尺度发生的局部、区域或全球蒸散发量，涉及的方法包括以下三种：一是使用地表温度绝对值替代空气动力学温度，通过能量平衡模型估算蒸散发；二是利用地表温度的空间信息来估算简化能量平衡模型中的土壤湿度或蒸发比，以减少温度估算的偏差；三是通过多角度丈量从混合像元的地表温度中分离出土壤和植被的温度，并在双源能量平衡模型下区分土壤蒸发和植被蒸腾。然而，遥感反演数据多为瞬时值，并且遥感影像会受到云量等气象条件的影响，导致数据缺失或质量下降，因此在开展地表蒸散发监测的过程中需考虑遥感数据自身质量等影响。

基于作物需水量的旱情监测

作物在面临水分胁迫时，其冠层温度会随之发生显著变化。因此，结合可见光与热红外数据实现作物冠层含水量动态监测，对评估农业干旱水平尤为重要。其中，一种简便而直接的方法是通过建立光谱指数与植被冠层含水量之间的回归模型，来反演植被的含水量。另外，随着机器学习算法在遥感领域的广泛应用，多种非线性模型已被用于深入挖掘遥感影像中的多维光谱特征，以准确揭示其与植被含水量之间的复杂关系，提高了植被含水量反演的准确性，也为农业干旱监测和评估提供了更为可靠的技术支持。

然而，作物在水分亏缺发生后较短时间内就会出现缺水生理反应，这些反应能够直接反映作物对干旱胁迫的敏感性和适应能力，因此需要开展精细时间尺度的作物生长监测模型研究。例如，基于作物需水量和土壤供水日步长的干旱指数，能够更为详细地描述干旱胁迫对作物生长的具体影响，为农业干旱监测提供更为精准的信息；为更全面地理解干旱胁迫对作物生长的影响，基于过程的作物生长模型被广泛应用。上述模型将作物特性、土壤特性和环境条件相结合，通过模拟作物生长和产量形成过程捕获作物生理学和水耗竭之间的响应。近年来，如AquaCrop模型和SA FY-WB模型等能够模拟作物干旱胁迫状态的作物生长模型受到广泛关注。

遥感数据提供了广泛的地面覆盖和快速的数据更新能力，而作物生长模型则能够深入解析作物对干旱胁迫的生理响应和产量影响。因此，相比单独使用遥感干旱指数，将作物生长模型与遥感数据相结合进行农业干旱胁迫监测，有助于提高农业干旱监测的准确性和实用性，为农业生产提供更为有效的决策支持。

基于水面面积变化的旱情遥感监测

干旱发生时，高温蒸发会导致坑塘湖库水面面积缩小，因此地表水体面积变化是旱情变化的重要指示因子。卫星遥感技术可以通过连续动态监测江河湖库等地表水体，获取地表水体变化情况，通过分析区域水体面积变化率/典型水体变化率与区域旱情等级的相关性，实现旱情的卫星遥感监测。

目前，基于水体面积变化的旱情监测研究难点在于如何建立水体面积与旱情等级之间的定量关系。根据研究对象的不同，可以将基于水体面积变化的旱情监测研究划分为两类：基于区域水面面积变化的旱情评价和基于典型水体水面面积变化的旱情评价。其中，基于区域水面面积变化的旱情评价难点在于对旱情等级的量化，因此需要依据不同干旱类型整合、提炼不同的干旱指标。基于典型水体水面面积变化的旱情评价难点在于需要选取代表区域旱情的典型水体并依据不同干旱类型提炼不同旱情指标。

旱情遥感监测系统研发

国内相关科研单位自20世纪末陆续开展了旱情遥感监测软件研发与旱情遥感监测产品业务化生产。例如，水利部遥感技术应用中心依托国家防汛指挥系统二期工程，研发了全国旱情遥感监测系统、区域旱情遥感监测系统、基于水体变化的旱情监测系统，实现了全国旱情监测产品逐周生产、区域旱情13天应急快速监测及逐月区域水体监测产品的生产；国家卫星气象中心建立了基于热惯量法和相对蒸散法的卫星监测分析与遥感应用系统，可以依据重大干旱事件模式根据旱情变化情况提供监测效果；农业农村部遥感中心研发了农业旱情遥感监测业务系统，可以基于不同地区的地域条件差别，采用热惯量法、植被供水指数法、作物缺水指数法等开展旱情监测。

05未来展望

经过多年的发展，国旱情遥感监测技术取得了显著进步，特别是面向实际业务需求的旱情遥感监测系统的研发上，已初步实现了业务化运作，并在抗旱减灾工作中展现出了不可或缺的重要性。然而，鉴于干旱灾害的形成机理错综复杂，当前的旱情遥感监测在模型精度、评估精细化水平以及产品稳定性等方面仍待进一步提升完善。未来旱情遥感监测技术发展趋势主要体现在以下几个方面：

天空地”一体化多源遥感协同旱情监测

进入21世纪以来，综合性高分辨率对地观测系统得到迅速发展，欧美等国家已构建了天空地”一体化的高分辨率对地观测体系，对地观测的限制条件越来越少，数据获取更加快捷方便，信息更新能力大大提升，应用深度和广度均得到极大拓展。以卫星遥感为全球影像基准的主要资源，综合小卫星星座、超高分无人机系统、各类地面传感网络等“天空地”一体化的全球观测运行平台已然构筑形成，立体观测、实时感知、时空协同的新型遥感正实现对地球表层的全方位、精细化、继续性观测，构建“天空地”一体化的综合立体监测网，将极大地增强旱情遥感监测的实时服务能力。

基于地块的旱情精细化评估

遥感大数据时代，为更好服务经济社会高质量发展和生态环境高水平保护，深度挖掘遥感数据价值是社会前进的迫切需求。目前开展的旱情监测往往采用公里级甚至更粗的空间单元，难以实现精细化旱情监测。因此，如何使用多分辨率、多类型遥感大数据提取精细化的土地覆盖信息，实现精细化旱情遥感监测及灾情评估等应用无法回避的难点。

耦合遥感、水文、气象的旱情预警

卫星遥感监测存在时空不连续问题，难以全面系统监测干旱的动态过程，并对未来旱情作出科学研判。因此，构建流域陆面水文模型，并利用气象预报信息作为驱动、卫星遥感监测结果作为模型验证，模拟干旱动态过程以及未来发展趋势，遥感、水文、气象的耦合，可以更好地支撑旱情精准监测与科学预警。

旱情监测综合模型及业务系统研发

基于卫星遥感反演的气象、水文、农业等相关指标，结合灌溉、作物种植结构等信息，分析不同地理条件、地表覆盖类型、植被生长季等因素对干旱的响应情况，建立一套差异化的旱情监测综合模型，并研发相应系统，实现旱情监测业务化和工程化。