基于特征空間的遙感干旱監(jiān)測(cè)方法綜述

李 ?，譚德寶，秦其明，崔遠(yuǎn)來(lái)

基于特征空間的遙感干旱監(jiān)測(cè)方法綜述

李 ?1，2，譚德寶2，秦其明3，崔遠(yuǎn)來(lái)1

（1.武漢大學(xué)水利水電學(xué)院，武漢 430070；2.長(zhǎng)江科學(xué)院空間信息技術(shù)應(yīng)用研究所，武漢 430010；3.北京大學(xué)地球與空間科學(xué)學(xué)院，北京 100871）

遙感干旱監(jiān)測(cè)是干旱監(jiān)測(cè)中一個(gè)很有潛力的發(fā)展方向，其中研究比較多的是遙感特征空間法。為此介紹了幾種具有代表性的遙感特征空間方法，并將其分為3大類(lèi)，即LST-NDVI特征空間法、NIR-Red特征空間法和NIR-SWIR特征空間法。深入地分析它們的基本原理、方法和適用范圍，對(duì)各類(lèi)干旱監(jiān)測(cè)方法存在的問(wèn)題和發(fā)展趨勢(shì)進(jìn)行了探討，指出下一步的研究方向。

特征空間；干旱監(jiān)測(cè)；遙感

1 概 述

干旱主要分為氣象干旱、農(nóng)業(yè)干旱、水利干旱和社會(huì)經(jīng)濟(jì)干旱，其中最為基礎(chǔ)的是農(nóng)業(yè)干旱。決定農(nóng)業(yè)干旱的一個(gè)重要因素是土壤水分。土壤水分是描述地氣能量變換和水循環(huán)的重要參數(shù)，也是研究地表植被水分供應(yīng)正常與否的關(guān)鍵變量。土壤水分的時(shí)空分布及其變化對(duì)地表水熱平衡、蒸散發(fā)、土壤溫度、農(nóng)業(yè)墑情和區(qū)域干旱狀況等都會(huì)產(chǎn)生顯著的影響。

干旱監(jiān)測(cè)一直是科學(xué)界公認(rèn)的難題。常規(guī)觀測(cè)方法多采用基于測(cè)站的定點(diǎn)監(jiān)測(cè)，需要投入大量的人力、物力和財(cái)力，而且只能獲得少量的點(diǎn)上觀測(cè)信息，難以及時(shí)地獲得大面積土壤水分和作物長(zhǎng)勢(shì)信息，使得大范圍旱情監(jiān)測(cè)和評(píng)估缺乏時(shí)效性和代表性。遙感技術(shù)具有覆蓋范圍廣、空間分辨率高、重訪(fǎng)周期短、數(shù)據(jù)獲取快捷方便等優(yōu)點(diǎn)，已經(jīng)成為干旱監(jiān)測(cè)領(lǐng)域一個(gè)很有潛力的研究方向。根據(jù)土壤在不同光譜波段呈現(xiàn)不同的輻射特性，遙感干旱監(jiān)測(cè)主要分為可見(jiàn)光-近紅外、熱紅外和微波遙感3大類(lèi)型，出現(xiàn)了眾多的模型和方法?？梢?jiàn)光-近紅外方法借助于土壤反射率隨土壤水分增加而降低的特點(diǎn)，綜合考慮植被生長(zhǎng)狀況和水分脅迫狀況估算土壤含水量，得到了距平植被指數(shù)法［1］、土壤水分光譜法［2］等。由于土壤光譜特征容易受到表面粗糙度、土壤質(zhì)地結(jié)構(gòu)、有機(jī)質(zhì)含量等的影響，該類(lèi)方法監(jiān)測(cè)精度十分有限。熱紅外遙感依據(jù)水分平衡與能量平衡的_基本原理，通過(guò)土壤表面發(fā)射率（比輻射率）和地表溫度之間的關(guān)系估算土壤水分，得到了熱慣量法［3-5］、植被蒸散法［6］和作物缺水指數(shù)法［7］等。這類(lèi)方法需要較多的地面同步氣象觀測(cè)資料，而且容易受到地表植被狀況、地形地貌等因素的干擾，計(jì)算復(fù)雜。微波遙感基于土壤介電常數(shù)、后向散射系數(shù)和土壤水分含量之間的關(guān)系，數(shù)理模型嚴(yán)密，監(jiān)測(cè)精度較高，可以穿透云層遮擋進(jìn)行全天時(shí)、全天候觀測(cè)，但容易受到地形坡度坡向、地表粗糙度、植被生長(zhǎng)狀況等干擾，監(jiān)測(cè)成本非常高［8］。

陸地表面溫度（LST）、歸一化差值植被指數(shù)（NDVI）和反照率（albedo）等是反映地表生態(tài)物理狀況的重要參數(shù)，這些要素的綜合應(yīng)用能夠準(zhǔn)確地反映地表干旱和水分狀況。因此，可見(jiàn)光-近紅外、熱紅外和微波遙感相結(jié)合是目前農(nóng)業(yè)干旱遙感監(jiān)測(cè)的一個(gè)重要發(fā)展方向［9］。其中，研究較為深入的是遙感特征空間法。本文綜述了幾種具有代表性的遙感特征空間方法，將其分為3大類(lèi)：LST-NDVI特征空間法、NIR-Red特征空間法和NIR-SWIR特征空間法，深入分析它們的基本原理、方法和適用范圍，對(duì)各類(lèi)干旱監(jiān)測(cè)方法存在的問(wèn)題和發(fā)展趨勢(shì)進(jìn)行了探討，指出下一步的研究方向。

2 LST-NDVI特征空間法

2.1 溫度植被干旱指數(shù)

在LST-NDVI特征空間的基礎(chǔ)上，Price［10］提出溫度植被干旱指數(shù)（temperature vegetation dryness index，TVDI）為

其中，Ts，min＝a1＋b1NDVI，Ts，max＝a2＋b2NDVI。

式中：Ts為任意像元的地表溫度；Ts，min和Ts，max分別為地表最低和最高溫度，Ts，min和Ts，max可以通過(guò)線(xiàn)性回歸分析提取濕邊（wet edge）和干邊（dry edge）獲取，a1，a2，b1，b2分別為待定系數(shù)。

圖1所示的LST-NDVI三角形特征空間中，完全缺水的干邊之上的像元干旱指數(shù)為1；干邊和濕邊之間的像元干旱指數(shù)在0～1之間；任意數(shù)據(jù)點(diǎn)（NDVI，Ts）的像元干旱指數(shù)為T(mén)VDI＝A／B。

圖1 溫度植被干旱指數(shù)（TVDI）Fig.1 Temperature vegetation dryness index

Price［10］認(rèn)為L(zhǎng)ST-NDVI特征空間呈梯形分布，并采用數(shù)學(xué)方法建模，進(jìn)行地面蒸散量的分析。齊述華［11］構(gòu)建了全中國(guó)3個(gè)農(nóng)業(yè)氣候區(qū)的NDVI-LST，NDVI-T和NDVI-ATI空間，分別建立了溫度植被干旱指數(shù)（TVDI）、溫差植被干旱指數(shù)（DTVDI）和表觀熱慣量植被干旱指數(shù)（AVDI）3個(gè)干旱指標(biāo)評(píng)價(jià)全國(guó)干旱分布，并利用實(shí)測(cè)土壤濕度對(duì)于3個(gè)指標(biāo)進(jìn)行檢驗(yàn)評(píng)價(jià)。

2.2 條件植被干旱指數(shù)

王鵬新等［12］提出條件植被溫度指數(shù)（vegetation temperature condition index，VTCI）：

其中，LSTNDVIi，max＝a1＋b1NDVIi，

式中：LSTNDVIi，max，LSTNDVII，min分別為當(dāng)NDVIi值等于某一特定值時(shí)的土地表面溫度的最大值和最小值。a1，a2，b1，b2為待定系數(shù)，可通過(guò)NDVI-LST特征空間散點(diǎn)圖線(xiàn)性回歸而獲得（圖2）。

圖2 條件植被溫度指數(shù)（VTCI）Fig.2 Vegetation temperature condition index

王鵬新等綜述了土地表面溫度和歸一化植被指數(shù)在干旱監(jiān)測(cè)中的應(yīng)用前景和進(jìn)展，分析了距平植被指數(shù)、條件植被指數(shù)、條件溫度指數(shù)和歸一化溫度指數(shù)等干旱監(jiān)測(cè)方法的優(yōu)缺點(diǎn)，提出了條件植被溫度指數(shù)的干旱監(jiān)測(cè)模型，并探討了其應(yīng)用前景。王鵬新、孫威等［13］以陜西省關(guān)中平原和渭北旱塬為研究區(qū)域，應(yīng)用1999- 2005年每年5月上旬的AVHRR衛(wèi)星遙感數(shù)據(jù)，對(duì)比分析了條件植被指數(shù)（VCI）、條件溫度指數(shù)（TCI）、距平植被指數(shù)（AVI）和條件植被溫度指數(shù)（VTCI）等，結(jié)果認(rèn)為：VCI的干旱監(jiān)測(cè)結(jié)果不符合研究區(qū)域干旱的分布規(guī)律，VTCI更適合于研究區(qū)域的旱情監(jiān)測(cè)。

2.3 模型評(píng)述

溫度植被干旱指數(shù)（TVDI）和條件植被溫度指數(shù)（VTCI）都是斜率比值，其主要缺點(diǎn)是必須保證LST-NDVI特征空間具有區(qū)域代表性，即地表覆蓋從裸土變化到植被完全覆蓋，土壤表層含水量從凋萎系數(shù)到田間持水量的變化，因此需要研究區(qū)氣象條件、地表覆蓋類(lèi)型、土壤屬性、水系分布和灌溉狀況以及作物栽培等相關(guān)背景數(shù)據(jù)［12－14］。同時(shí)，構(gòu)建LST-NDVI特征空間時(shí)，需要通過(guò)重采樣處理統(tǒng)一NDVI和LST的空間分辨率，損失了可見(jiàn)光、近紅外波段的一些信息；而且，陸地表面溫度的反演方法比較復(fù)雜，包含了一定的誤差，加大了旱情估算的不確定性。［12］

3 NIR-Red特征空間法

3.1 垂直干旱指數(shù)

詹志明等［14］利用NIR-Red三角形特征空間中任意一點(diǎn)E（Rred，Rnir）到土壤基線(xiàn)L的垂直距離作為表征區(qū)域干旱狀況的指標(biāo)（圖3），提出了垂直干旱指數(shù)（perpendicular drought index，PDI），其表達(dá)式為

其中，Rnir＝MRred＋I(xiàn)。

式中：Rred，Rnir分別為經(jīng)過(guò)大氣校正的紅光和近紅外波段反射率；M，I分別為土壤基線(xiàn)的斜率和截距，可以通過(guò)NDVI-LST特征空間中土壤基線(xiàn)散點(diǎn)圖線(xiàn)性回歸而獲得。

圖3 垂直干旱指數(shù)（PDI）Fig.3 Perpendicular drought index

詹志明［14］基于ETM＋數(shù)據(jù)構(gòu)建NIR-Red特征空間計(jì)算PDI，并以北京順義為實(shí)驗(yàn)區(qū)，并使用0～20 cm平均土壤水分觀測(cè)數(shù)據(jù)進(jìn)行模型驗(yàn)證，取得較好的成果。吾拉木［15］利用寧夏固原地區(qū)為實(shí)驗(yàn)區(qū)，分別選擇0～10 cm和10～20 cm平均土壤水分觀測(cè)數(shù)據(jù)進(jìn)行模型對(duì)比，結(jié)果認(rèn)為：PDI與1～20 cm平均土壤水分觀測(cè)數(shù)據(jù)的相關(guān)度最高。同時(shí)，PDI模型本質(zhì)上是針對(duì)裸露土壤的遙感監(jiān)測(cè)。

3.2 改進(jìn)型垂直干旱指數(shù)

針對(duì)PDI模型的缺點(diǎn)，吾拉木［15］引入植被覆蓋度的概念，分解混合像元以獲取與旱情有關(guān)的純凈土壤信息，提出改進(jìn)的垂直干旱指數(shù)（modified per-pendicular drought index，MPDI），即

其中，Ri，s＝（Ri－fvRi，v）／（1－fv）。

式中：Rred，Rnir分別為經(jīng)過(guò)大氣校正的紅光和近紅外波段反射率；fv為植被覆蓋度；M為土壤基線(xiàn)的斜率，可以通過(guò)NDVI-LST特征空間中土壤基線(xiàn)散點(diǎn)圖線(xiàn)性回歸而獲得；Ri，v和Ri，s為i波段經(jīng)過(guò)大氣校正的混合像元中植被和土壤的反射率部分。

吾拉木［15］以北京順義地區(qū)為實(shí)驗(yàn)區(qū)，利用ETM＋數(shù)據(jù)分別計(jì)算PDI與MPDI，并與實(shí)測(cè)干旱指數(shù)進(jìn)行相關(guān)性比較，結(jié)果表明：MPDI與實(shí)測(cè)干旱指數(shù)的趨勢(shì)線(xiàn)擬合度較高，其相關(guān)性達(dá)到0.90。他認(rèn)為：MPDI在一定程度上分解植被和土壤信息，更加準(zhǔn)確地反映旱情信息，實(shí)驗(yàn)結(jié)果進(jìn)一步論證遙感數(shù)據(jù)和10～20 cm土壤水分的關(guān)系較為穩(wěn)定。金川［16］在MPDI的基礎(chǔ)上，進(jìn)一步提出了三角分布旱情指數(shù)（TDI），并以寧夏固原實(shí)測(cè)數(shù)據(jù)進(jìn)行模型驗(yàn)證，取得較好的結(jié)果。

3.3 模型評(píng)述

垂直干旱指數(shù)（PDI）和改進(jìn)的垂直干旱指數(shù)（MPDI）簡(jiǎn)單實(shí)用，其主要缺點(diǎn)是：假設(shè)土壤基線(xiàn)是一條固定直線(xiàn)，實(shí)際上土壤基線(xiàn)的形狀與土壤類(lèi)型和有機(jī)質(zhì)含量有關(guān)，甚至不一定是一條直線(xiàn)；對(duì)于地表覆蓋類(lèi)型差異較大的不同區(qū)域之間，不具有可比性，可能在同樣水分狀態(tài)下的不同區(qū)域呈現(xiàn)出不同的干旱監(jiān)測(cè)值。同時(shí)，PDI只在低植被覆蓋或裸露土壤的條件下對(duì)土壤水分有較好的監(jiān)測(cè)效果；而PDI適宜于對(duì)于植被覆蓋度較高條件下的土壤水分監(jiān)測(cè)，其主要誤差來(lái)源于植被覆蓋度的反演精度。

4 NIR-SWIR特征空間法

4.1 短波紅外垂直干旱指數(shù)

受到垂直干旱指數(shù)（PDI）啟發(fā)，吾拉木［17］利用NIR-SWIR梯形特征空間中任意點(diǎn)到垂線(xiàn)L的垂直距離來(lái)描述植被干旱狀況（圖4），提出短波紅外垂直干旱指數(shù)（shortwave infrared perpendicular drought index，SPDI）為

式中：Rnir和RSWIR分別為像元近紅和短波紅外的反射率；M為垂線(xiàn)CD的斜率，可以通過(guò)NIR-SWIR特征空間中基線(xiàn)散點(diǎn)圖線(xiàn)性回歸而獲得。

圖4 短波紅外垂直干旱指數(shù)（SPDI）Fig.4 Shortwave infrared penperdicular drought index

吾拉木等［17］分析地物在NIR-SWIR光譜特征空間的分異規(guī)律，建立短波紅外垂直失水指數(shù)（SP-SI），并以北京順義為實(shí)驗(yàn)區(qū)，通過(guò)實(shí)地觀測(cè)數(shù)據(jù)和葉片、冠層輻射傳輸模型進(jìn)行驗(yàn)證，結(jié)果表明：SPSI和實(shí)地觀測(cè)的植被冠層水分含量（FMC）具有較高的相關(guān)性，R2和RMSE分別為0.79和26.41%。

4.2 模型評(píng)述

NIR-SWIR特征空間法特別適宜于植被冠層葉片含水量遙感監(jiān)測(cè)。短波紅外垂直干旱指數(shù)（SP-DI）的主要缺點(diǎn)在于，模型反演的是植被冠層的葉片含水量。由于農(nóng)業(yè)干旱的滯后效應(yīng)，作物可以通過(guò)縮小氣孔等方式來(lái)減少水分損失，只能到作物葉片嚴(yán)重缺水、枯萎、甚至死亡之后，該類(lèi)模型才能反映出來(lái)。

5 結(jié) 論

大范圍干旱快速監(jiān)測(cè)評(píng)估及決策支持系統(tǒng)是干旱監(jiān)測(cè)領(lǐng)域的一個(gè)重要研究方向。遙感和地理信息系統(tǒng)作為空間信息快速獲取和高效管理的有效工具，已經(jīng)在干旱監(jiān)測(cè)研究中取得了廣泛的應(yīng)用?；谔卣骺臻g的干旱遙感監(jiān)測(cè)方法各有優(yōu)缺點(diǎn)，LST-NDVI特征空間法是對(duì)歸一化溫度指數(shù)的簡(jiǎn)化處理，相關(guān)理論與方法較為成熟，具有一定的推廣應(yīng)用價(jià)值；NIR-Red特征空間法適宜于對(duì)作物生長(zhǎng)全過(guò)程的實(shí)時(shí)旱情監(jiān)測(cè)；NIR-SWIR特征空間法對(duì)于高植被覆蓋度地區(qū)能夠取得較好的旱情監(jiān)測(cè)精度。

綜合應(yīng)用多角度、多波段、多時(shí)相、多分辨率遙感數(shù)據(jù)，并結(jié)合氣象模型、水文模型與作物生長(zhǎng)模型，開(kāi)發(fā)基于多源遙感數(shù)據(jù)的干旱決策支持系統(tǒng)，是農(nóng)業(yè)干旱遙感監(jiān)測(cè)從基礎(chǔ)理論走向業(yè)務(wù)化應(yīng)用的必由之路。高光譜遙感、微波遙感等進(jìn)一步深入發(fā)展，將在未來(lái)的農(nóng)業(yè)干旱遙感監(jiān)測(cè)中發(fā)揮愈來(lái)愈重要的作用。

［1］ 肖乾廣，陳維英，盛永偉.用氣象衛(wèi)星監(jiān)測(cè)土壤水分的試驗(yàn)研究［J］.應(yīng)用氣象學(xué)報(bào)，1994，5（2）：312－317.（XIAO Qian-guang，CHENGWei-ying，SHENG Yong-wei.Experimentof soilmoisturemonitoring usingmeteor-ological satellite［J］.Journal of Applied Meteorology，1994，5（2）：312－317.（in Chinese））

［2］ 劉培君，張 琳，艾里西爾庫(kù)爾班，等.衛(wèi)星遙感估測(cè)土壤水分的一種方法［J］.遙感學(xué)報(bào)，1997，1（2）：135－138.（LIU Pei-jun，ZHANG Lin，et al.A soil mois-ture estimate approach using satellite reomote sensing［J］.Chinese Journal of Remote Sensing，1997，1（2）：135－138.（in Chinese））

［3］ WASTON K，ROWEN LC，OFFIELD TW.Application of thermalmodeling in geologic interpretation of IR images［J］.Remote Sensing Environ，1971，（3）：2017－2041.

［4］ 張仁華.土壤含水量的熱慣量模型及其應(yīng)用［J］.科學(xué)通報(bào)，1991，（12）：924－927.（ZHANG Ren-hua.Thermal inertiamodel of soilmoisture and its application［J］.Chinese Science Bulletin，1991，（12）：924－927.（in Chinese））

［5］ 余 濤，田國(guó)良.熱慣量法在監(jiān)測(cè)土壤表層水分變化中的研究［J］.遙感學(xué)報(bào)，1997，1（1）：24－31.（YU Tao，TIAN Guo-liang.Thermal inertiamodel in soil sur-face water dynamics［J］.Chinese Journal of Remote Sensing，1997，1（1）：24－31.（in Chinese））

［6］ 田國(guó)良，楊希華，鄭 柯.冬小麥旱情遙感監(jiān)測(cè)模型研究［J］.環(huán)境遙感，1992，7（2）：83－89.（TIAN Guo-liang，YANG Xi-hua，ZHENG Ke.Winter wheat remote sensing droughtmonitoringmodel［J］.Remote Sensing of Environment，1992，7（2）：83－89.（in Chinese））

［7］ JACKSON R D，IDSO SB.Canopy temperature as a crop water stress indicator［J］.Water Resources Research，1981，（17）：133－138.

［8］ 金亞秋.星載微波遙感在中國(guó)東北華北農(nóng)田的輻射特征分析［J］.遙感學(xué)報(bào)，1998，2（1）：19－25.（JIN Ya-qiu.Radiation characteristics of farmland in north china using spacebornemicrowave remote sensing［J］.Chinese Journal of Remote Sensing，1998，2（1）：19－25.（in Chinese））

［9］ 王鵬新，龔健雅，李小文.條件植被溫度指數(shù)及其在干旱監(jiān)測(cè)中的應(yīng)用［J］.武漢大學(xué)學(xué)（信息科學(xué)版），2001.26（5）：412－418（WANG Peng-xin，GONG Jian-ya，LIXiao-wen.Conditonal vegetation temperature index and its application in droughtmonitoring［J］.Journal of Wuhan University（Information Science Edition）.2001，26（5）：412－418.（in Chinese））

［10］PRICE JC.Using spatial context in satellite data to infer regional scale evaportranspiration［J］.IEEE transactions on Geoscience and Remote Sensing，1990，（28）：940－948.

［11］齊述華.干旱遙感監(jiān)測(cè)模型和中國(guó)干旱時(shí)空分析［D］.北京：中國(guó)科學(xué)院，2004.（QI Shu-hua.Remote sensing droughtmonitoringmodel and drought spatio－temporal a-nalysis in China［D］.Beijing：Chinese Academy of Sci-ences，2004.（in Chinese））

［12］王鵬新，WAN Z，龔健雅，等.基于植被指數(shù)和土地表面溫度的干旱監(jiān)測(cè)模型［J］.地球科學(xué)進(jìn)展，2003，18（8）：527－533.（WANG Peng-xin，WAN Z，GONG Jian-ya，et al.Remote sensing drought monitoring model based on vegetation index and land surface temperature［J］.Advance of Earth Science，2003，18（8）：527－533.（in Chinese））

［13］王鵬新，孫 威.基于植被指數(shù)和地表溫度的干旱監(jiān)測(cè)方法的對(duì)比分析［J］.北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，43（3）：319－323.（WANG Peng-xin，SUN Wei.Comparative analysis of remote sensing droughtmo-nitoringmodel based on vegetation index and land surface temperature［J］.Journal of Beijing Normal University（Nature Science Edition），2007，43（3）：319－323.（in Chinese））

［14］詹志明，秦其明，阿布都瓦斯提·吾拉木，等.基于NIR-Red光譜特征空間的土壤水分監(jiān)測(cè)新方法［J］.中國(guó)科學(xué)D輯，2006，36（11）：1020－1026.（ZHAN Zhi-ming，QIN Qi-ming，Abuduwasit ULAM，et al.A new ap-proach for soilmoisture remote sensing monitoring based on NIR-Red spectral feature space［J］.Science in China（D Edition）.2006.36（11）：1020－1026.（in Chi-nese））

［15］阿布都瓦斯提·吾拉木.基于n維光譜特征空間的農(nóng)田干旱遙感監(jiān)測(cè)［D］.北京：北京大學(xué)，2006.（Abudu-wasit ULAM.Agricultural drought remote sensing monito-ringmodel based on N-dimensional spectral feature space［D］.Beijing：Peking University，2006.（in Chinese））

［16］金 川.基于三維特征空間的農(nóng)田干旱遙感監(jiān)測(cè)模型研究［D］.北京：北京大學(xué)，2008.（CHUAN JIN.Agri- cultural drought remote sensing monitoring model based on 3-dimensional spectrual feature space［D］.Beijing：Peking University，2008.（in Chinese））

［17］阿布都瓦斯提·吾拉木，李召良，秦其明，等.全覆蓋植被冠層水分遙感監(jiān)測(cè)的一種方法：短波紅外垂直失水指數(shù)［J］.中國(guó)科學(xué)（D輯），2007，37（7）：957－965.（Abuduwasit ULAM，LI Zhao-liang，QING Qi-ming，et al.A new remote sensing monitoring approach for ful cover canopy water：shortwave infrad perpendicular dehydration index［J］.Science in China（D Edition），2007，37（7）：957－965.（in Chinese））

（編輯：易興華）

Recent Advance of Remote Sensing Drought M onitoring Approaches Based on Spectral Feature Space

LIZhe1，2，TAN De-bao1，QIN Qi-ming3，CUIYuan-lai2
（1.State Key Laboratory ofWater Resources and Hydropower Engineering Science，Wuhan University，Wuhan 430070，China；2.Spatial Information Technology Application Institute，Yangtze River Scientific Research Institute，Wuhan 430010，China；3.School of Earth and Space Science，Peking University，Beijing 100871，China）

Spectral feature space has large potential tomonitor agricultural drought and it becomes a hotspot in the field of remote sensing droughtmonitoring approaches.This paper summarizes some spectrum feature space approa-ches，divides them into three categories：LST-NDVIapproach，NIR-Red approach and NIR-SWIR approach，ana-lyzes deeply their basic principles，mathematical equations and application scope，discusses thoroughly their inner problems and development trends，and also points out their prospect and future work.

spectrum feature space；droughtmonitoring； remote sensing

TP79

A

1001－5485（2010）01－0037－05

2009-07-02

農(nóng)業(yè)科技成果轉(zhuǎn)化資金項(xiàng)目（05EFN216800404）；長(zhǎng)江科學(xué)院博士啟動(dòng)課題（YJJ0910／KJ02）

李 ?（1980-），男，湖北監(jiān)利人，工程師，理學(xué)博士，博士后，主要從事水旱災(zāi)情監(jiān)測(cè)、生態(tài)環(huán)境監(jiān)測(cè)與評(píng)估、數(shù)字流域、“3S”技術(shù)在水利中的應(yīng)用研究工作，（電話(huà)）027-82926550（電子信箱）lizhe＠m(xù)ail.crsri.cn。