使用遥感数据监测南亚旱情

P.S.森卡巴伊尔等

1 背景

使用1982～1999年的卫星数据，分析南亚的干旱历史模式和2000年以后的干旱模式，并通过历时8 d的MODIS卫星图像进行分析。对借助于卫星获得的高分辨率辐射(AVHRR)数据和中分辨率辐射(MODIS)数据，运用回归分析即可得到干旱的相关系数。这些是以逐年每月为单位进行回归分析，且在研究区域之外随机选点进行了验证。

在过去20 a，不断增加的人口导致南亚地区的水需求和其他自然资源的需求增加。最近的干旱发生于2000～2003年，受影响人口超过1亿，旱灾最严重的地区位于印度古吉拉特和拉贾斯坦邦、巴基斯坦的信德和俾路支省，以及伊朗和阿富汗的部分地区。

对于南亚国家来说，应适当量化干旱的影响，实行干旱监测和报告机制。当地政府和国际救济机构的抗旱能力受制于基础数据缺乏、信息网络薄弱，以及技术和体制等方面的因素。有些国家，例如阿富汗等，进行干旱监测和相关管理体制与机构建设的工作刚刚起步，致使旱情监测和报告程序落后于实际发展的旱情。

传统的干旱评估和监测方法依赖于降水数据，受具体地区的限制，经常不准确，而且，更重要的是难以获得实时数据。相比之下，卫星传感器传来的数据实时可用，且可以监测干旱的发生地点、持续时间以及旱情的严重程度，同时还可以使用遥感技术，在农作物收获前5 d至13周对产量进行预测。世界各地的植被情况，可以通过美国国家海洋和大气管理局(NOAA)的美国国家环境卫星数据和信息系统(NESDIS)免费获得，该系统使用的数据为AVHRR数据。

使用AVHRR数据得到的一些干旱参数，其分辨率在10 km以上，而对于较小地区，例如一个村庄来说，这个精度有点低。最近有研究者使用美国国家航空航天局(NASA)和美国地质调查局(USGS)MODIS数据进行干旱分析，可以得到空间范围更小、时间间隔更短的旱情监测结果。

目前，该地区没有有效的与旱情相关的信息分析和传递系统，自1986年以来，只有印度国家遥感机构(NRAI)在使用卫星传感器和AVHRR数据进行旱情的粗略分析和监测。印度卫星传感器分析的旱情空间精度能达到188 m，时间间隔达一周。然而，目前这些数据和结果只能在印度空间和遥感领域获得，其他国家可通过区域合作获得。可用于旱情监测的还有植被状况传感器以及MODIS数据传感器。

在南亚地区实施卫星遥感抗旱研究，旨在将AVHRR和MODIS相结合，用于对一个地区的旱情进行实时监测和评估。但面临的挑战是，应在这两种传感器之间建立一种关系，以便能连续监测，并方便与未来的旱情进行对比。另外，报告系统应能在研究区域的不同位置监测旱情的变化情况。

南亚旱情遥感研究范围覆盖阿富汗、巴基斯坦和印度西部地区，这些国家和地区很容易发生干旱。目前，不同的政府机构和非政府组织都在该区域进行干旱评估，分析应对策略。某些研究成果在将来可能会得到推广应用。未来应扩展南亚旱情遥感研究范围，甚至可以覆盖整个南亚，包括从伊朗到孟加拉，从尼泊尔到斯里兰卡。

2 数据和方法

MODIS及其前身AVHRR数据至少每天覆盖全球一次。AVHRR传感器收集的光谱数据包括5个波段，即红色可见光(0.58 ～0.60 μm)，近红外(0.725 ～1.100 μm)，中型红外(3.55 ～3.93 μm)和两个热红外波段(10.30～11.30 μm和11.5～12.5 μm)，以及正态植被指数(NDVI)，这些都是研究时所用到的数据。长时间系列的AVHRR数据空间分辨率约为10 km×10 km，这些可以从美国国家航空航天局网站上免费获得。

MODIS是AVHRR的更新和发展，是美国航空航天局观测地球生态系统的传感器传向地面的数据。与AVHRR相比，MODIS对植被的变化更敏感、更精确。其传感器可采集36个光谱波段，空间分辨率为250～1000 m，这36个波段融合了对大气、陆地和海洋方面的资讯。目前，MODIS数据的时间间隔为8 d，数据系列的开始时间为2000年。这些数据可以从美国地质勘探局网站上免费获得。

印度新型卫星传感器(WiFS)所获得的数据比MODIS数据更为精确，但周边其他国家却不容易得到，这使得周边国家只能依靠美国的MODIS数据进行旱情监测。使用MODIS数据还有其他一些优点:①WiFS数据是收费的，而MODIS数据是免费的。②与WiFS数据不同，近期(8 d内)的MODIS数据可以实时得到。③MODIS具有优良的互联网搜索和浏览功能，WiFS目前还不具备该功能。④MODIS数据产品经过多次校准、预处理和标准化，其可利用程度高。

3 旱情监测指标

旱情监测指标由AVHRR和MODIS数据产生，而对植被状况的测量，包括植物类型、生长阶段、覆盖情况和结构等要素，需利用到近红外部分的光波。研究人员利用两个及其以上的反射光谱数据，即可提取植被信号，消减地形、太阳角度和环境对信号的干扰;使用正态植被指数偏差(NDVI)和植被状况指数(VCI)来表征植物的旱情特征。植被状况指数以百分数表示，例如VCI等于50%，表示植被的旱情为中等;50% ～100%，表示旱情正常或者不太干旱;低于50%，则表示植被为比较干旱;低于35%，表示植被处于极端干旱的状态。

湿度参数为TCI，其定义与VCI类似，主要是考虑植被对湿度的反应情况。结合地面气象观测，在农作物遭受旱灾之前，通过地表温度与温度的关系，就可以预测其可能的影响区域，TCI可以在旱情监测中起到重要的作用。随着辐射强度和时间分辨率的提高，从MODIS获得的红外数据能够更准确地反映地表旱情。

4 未来旱情预测

作为未来旱情监测程序的一个重要部分，通过分析AVHRR和MODIS数据，可以得到NDVI的最大值、最小值和长期平均值，然后进行统计派生，以预测未来的旱情。由于MODIS数据从2000年才开始向地面传送，因此，其时间还比较“短暂”，但是结合使用AVHRR数据，同样可以得到空间精度为500 m的旱情预测。

5 结语

本文所介绍的南亚旱情监测方法，是利用卫星遥感技术传送的AVHRR和MODIS数据建立模型，对某个区域的旱情进行监测和预测。本研究成果在南亚地区，包括阿富汗、巴基斯坦和印度西部，得到了验证。

研究结果表明，所使用的遥测参数中，NDVI和VCI对于旱情评估比较敏感，但VCI并不稳定，其他参数则还有待研究。通过对两种传感器的数据建立关系，从而得到长历时的NDVI特征值，使空间的精度达到500 m。该结果对预测未来旱情非常重要，可将其用于制定某个区域的旱情监测体系。尤其是对于缺乏地面气象观测数据、旱情范围广，且监测技术落后的地区来说，特别适合采用该方法。