植被含水量是植被生长状态的重要指示因子, 是农业、 生态和水文等研究中的重要参数, 其诊断对于监测自然植被群落的干旱状况、 预报森林火灾等都具有重要意义。 通过对植被光谱反射率与植被含水量的相关性分析, 发现植被波谱不同波段的光谱反射率与植被含水量的相关性差异很大, 其中可见光红光波段（620～700 nm）、 近红外波段（800～1 350, 1 600～1 950, 2 200～2 400 nm）的光谱反射率与植被含水量具有较好的相关性, 选取了660, 850, 1 630和2 200 nm的光谱反射率作为RED, NIR, SWIR1和SWIR2的波段值来建立角度斜率指数; 分析了植被含水量与角度斜率指数的关系, 将角度斜率指数（SANI, SASI, ANIR）作为反演植被含水量的参量, 建立植被含水量与角度斜率指数之间线性回归模型。 通过对近红外角度指数ANIR改进, 提出了近红外角度归一化指数NANI（near infrared angle normalized index）与近红外角度斜率指数NASI（near infrared angle slope index）, 建立植被含水量与NANI和NASI之间线性回归模型, 结果显示: NANI与Palacios-Orueta等提出的角度斜率指数（SANI, SASI, ANIR）相比有一定的优势, 模型可决系数R2从原最高0.791提高到0.853, RMSE也从原最小0.047降低到0.039。 确定了NANI为反演植被含水量的最佳角度斜率指数, 并建立了植被含水量反演模型。 该研究主要创新点: 在前人研究成果基础上, 通过对原角度斜率指数的改进, 提出了NANI和NASI角度斜率指数, 使其在植被含水量反演上具有更高的精度。

水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分盈亏平衡, 指导农业生产灌溉具有重要意义。 针对不同形式的归一化差值水分指数(NDWI)存在的饱和性问题, 拟引入增强型植被指数EVI对其加以适当改进, 通过构建新的植被水分指数NDWI#(即NDWI*EVI)来估算作物水分含量。 首先, 利用PROSAIL辐射传输模型分析了由不同水分敏感波段(1 240, 1 450, 1 950和2 500 nm)构建的各种典型NDWIs与相应新植被水分指数NDWI#对植被冠层水分及LAI的饱和响应特征;然后, 利用田间实验光谱和水分数据, 开展作物水分含量的建模和验证分析。 结果表明: 将EVI引入后, 形成的新水分指数NDWI#能够有效提高冬小麦水分含量估算精度, 特别是针对NDWI1450, NDWI1940, NDWI2500这三个指数, 改进后的新指数显著提高了对LAI响应的饱和点, 冬小麦作物水分估算精度也得到较为的明显改善。 研究表明, 将含有可见光波段信息的EVI引入到NDWI中, 构建的新指数NDWI#因融合可见光、 近红外和短波红外更多波段的光谱信息, 对估算冬小麦冠层含水量可能具有更好的优势。

植被含水量是作物长势好坏的指示因子, 利用遥感技术及时准确监测植被含水量对农业生产、 作物估产和干旱状况评价具有重要意义。 基于新一代对地观测计划Landsat 8 OLI传感器(Operational Land Imager, 陆地成像仪), 评价其植被含水量反演的能力与局限性。 首先, 利用ProSail冠层模型模拟冠层光谱反射率数据集, 分析OLI传感器的植被含水量敏感波段以及土壤背景对各波段反射率的影响, 然后利用基于Landsat OLI影像计算的植被水分指数和2013年6月1日—8月14日期间采样的植被含水量数据, 比较12种植被水分指数与地面实际采样的植被含水量的相关性, 评价估算植被含水量的最佳植被水分指数。 结果表明: OLI传感器的红、 近红外和两个短波红外对植被含水量敏感, 其中近红外波段最为敏感;在低植被覆盖度时, 土壤背景反射率的太阳辐射将达到光谱传感器影响植被水分指数与植被含水量之间的关系, 利用ProSail模拟干湿土壤背景反射率结果也表明土壤背景对植被冠层反射率的影响很大;引入优化土壤调整植被指数(OSAVI)去除土壤背景对植被水分指数的影响;在12种植被水分指数中, MSI2与植被含水量的拟合关系最好(R2=0.948), 植被含水量的平均拟合误差为0.52 kg·m-2;在植被生长晚期即植被含水量大于2 kg·m-2时, 各植被水分指数出现饱和情况, 植被含水量的估算结果不佳。

水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分亏缺平衡, 指导农业生产灌溉具有重要意义。 基于NIR-Red二维光谱特征空间, 尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。 以冬小麦作物植被水分含量估算为尝试对象。 首先, 利用地面实测小麦冠层高光谱数据, 结合对应卫星光谱响应函数, 模拟当前常用卫星HJ-CCD和ZY-3多光谱数据; 然后, 对基于NIR-Red二维光谱特征空间的现有植被指数PDI（垂直干旱指数）和PVI（垂直植被指数）进行改进, 通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC）。 结果显示: 基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果, R2分别达到0.684和0.683, 均达到了极显著水平。 利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764, 3.837%和3.840%, 这表明应用提出的新指数PWI估测作物含水量具有一定可行性。 同时, 也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。

植被作为干旱的承载体, 其含水量的变化反映了旱情的时空分布以及受旱程度。 文章从监测原理、 植被水分表征以及遥感数据反演模型等三个方面, 开展了基于多光谱遥感数据的植被水分反演方法研究。 以2010年春季西南四省为应用案例, 进行了植被水分的反演和时空分析, 并与气象数据进行了相关性分析。 结果表明: 在2010年旱情中, 降水对植被水分变化具有一定的影响; 然而由于植被吸收降水的过程是一个滞后的过程, 因而降水的变化对植被水的影响也存在一定滞后效应。 在上述分析基础之上, 从时间和空间尺度对植被水分在旱情监测和评估中的应用进行了评价。 通过时间合成以及与其他数据(如历史数据)的结合, 可克服多光谱数据的自身不足, 提高多光谱遥感数据在旱情监测和评估的应用性。

综述了基于遥感光谱信息的植被水分信号提取的研究进展， 包括直接利用光谱反射率反演植被水分信息到建立植被水分指数(WI)， 再发展至利用辐射传输模型来获取植被冠层水分信息。 着重评述了针对低植被覆盖条件下的提取其冠层水分信息的方法， 包括利用冠层生理参数估算植被水分信号； 基于去除土壤背景影响的光谱植被水分指数或辐射传输模型估算植被水分信息， 以及基于多角度的星-地观测提取稀疏条件下的植被水分信息。 最后讨论了针对提取低覆盖植被冠层水分信息方法的可能发展趋势。

在分析植被光谱特征与光谱和植被水分相关性的基础上, 初步确定几个波段或波段组合为植被含水量的光谱指数。利用数据对植被含水量FMC(Fuel Moisture Content)与上述水份光谱指数分别建立最优函数关系。通过分析不同光谱指数的关系及其相对误差, 确定以1600 nm和820 nm处反射率的比值SR作为建立本研究区植被含水量模型的特征参数; 并利用实测光谱反射率与植被含水量建立SR与FMC之间的模型关系。根据植被含水量模型、 ETM和ASTER遥感数据, 在IDL7.0开发平台下实现研究区植被含水量的定量反演, 并利用区内实测数据和本底调查数据对反演结果进行了综合评价与分析。结果表明, 光谱指数SR可以较好地剔除环境背景以及冠层结构等外界因素的影响, 植被含水量遥感反演精度较高, 能真实反映研究区植被含水量的时空变化规律与特征。