1.2　国内外研究现状

1.2.1　基于红外温度的作物精量灌溉决策

在土壤-植物-大气连续体（SPAC）中，用于灌溉决策的定量指标有三种：一是根据农田土壤水分状况确定灌溉时间和水量，考虑的因素包括不同作物适宜水分上下限、不同土壤条件、土壤水量平衡方程及参数选择等；二是根据作物对水分亏缺的生理反应信息确定是否需要灌溉，指标包括作物冠层温度相对环境温度的变化、茎果缩胀微变化、茎/叶水势、茎流变化等；三是根据作物生长的小环境气象因素的变化确定灌溉的时间和作物的需水量，通过气象因素确定作物的蒸腾蒸发量来进行灌溉决策。

在农业灌溉管理中，旱情实时评估和预警与灌溉决策往往是相辅相成的，其核心是“水”→“水少”→“需要补充灌溉多少”的问题。从作物根区、植株冠层、田间小气候到边界层，不仅存在土水势、植株水势和空气饱和水汽压差驱动作物的蒸腾和土面蒸发，同时存在的温度梯度也促进了水分在系统内的流动。因此，可以依据冠层内动量和热量的交换以及辐射传输过程，同时求解地表、冠层能量平衡方程，进而模拟饱和-非饱和土壤的水热传输（莫兴国，1998）。0～60cm土层是确定土壤水分运动对界面水热传输影响的一个良好的指示层（刘苏峡等，1999）。常用的作物模型往往用气温来表达热胁迫对作物减产的影响，实际上田间监测结果显示，冠层温度比用空气温度能够更好地表征它们的相关关系（Webber等，2015；Webber等，2016）。

与常规的仅用土壤墒情来反映田间干旱情况相比，作物自身的生理生态指标可以更为直接的反映其水分胁迫状况。通过冠层温度来表征作物缺水指标的研究从20世纪70年代初期就已开始，前期的研究主要集中在作物冠层温度反映作物缺水状况（如作物水分胁迫指数CWSI、水分亏缺指数WDI、冠气温差Tc-Ta等），从而确定灌溉时间等的阈值。而从实用性上来讲，又以冠气温差最为简便，尤其对密植作物更为适宜。如华北地区冬小麦以12：00—14：00时段的冠气温差来反应作物的供水状况最具代表性，在拔节和灌浆期，适宜的冠气温差值在-1.6～2.5℃范围内；当冠气温差值在-1.6～0.4℃时，作物开始出现明显的水分胁迫；而当冠气温差高于0.4℃并达到3.3℃时，表明作物水分胁迫严重（张喜英等，2002；陈四龙等，2005）。对于玉米作物，中午12：00前后的冠层温度可很好地反映土壤相对含水量的差异状况，冠气温差小于-0.3℃时作物不受旱，当Tc-Ta大于1.6℃时作物受到严重干旱胁迫必须灌溉（刘海龙等，2002）。

作物表面温度或者冠气温差既可以用手持式测温仪人工观测，也可以使用定位连续红外观测系统（蔡甲冰等，2015）。Wanjura等（2004）对比了用点式红外枪和片式热成像扫描技术两种方式监测棉花和玉米的冠层温度的差异。当冠层叶片覆盖了土壤的时候，两者结果差别不大。利用低成本微处理器PIC16F88和传感器构建自动数据采集系统，可以实时记录田间作物冠层、土壤、空气温度和土壤水分，从而监测田间作物水分状况和胁迫情况（Fisher等，2010）。由于农田不均匀性和异质性以及作物生长差异，田间手持式热红外枪或在线红外探头的观测倾角和观测位置对结果有较大影响。在农田试验中，往往使观测仪与水平面成30°或者45°夹角，通过多方位、多次观测来获取作物冠层平均温度（Jackson等，1981；袁国富等，2002）。对于大田作物而言，冠层温度往往是存在垂直梯度的（Rattalino Edreira等，2012），此外随着监测的田块尺度增大，土壤和作物生长等因子的不确定性因素也加大，冠层温度在水平方向上也会存在较大的差异。

从20世纪六七十年代开始，利用非接触的手段或卫星遥感监测作物表面光谱，已经开展了农田生物量、水分利用、作物水分胁迫、病虫害及产量评估等大量相关研究工作（Calderón等，2013）。在用遥感估算地球表面能量和水汽通量时最为有用的波段是可见光（0.3～0.7μm）、近红外（0.8～1.1μm）、热红外（8.0～13.0μm）以及微波（1～50cm波段）。前两个波段可用于估算地表反照率和冠层结构等参数，热红外波段可用于表面温度的反演，而微波的某些波段与表面土壤湿度有很好的相关关系。地表温度是地球表面与大气相互作用过程中的一个动态的热平衡参量，它综合了地表与大气之间能量交换的全部结果，所得到的作物冠层温度是评估热胁迫对区域产量影响的一个非常重要的参量（Luig等，2015）。从1960年TIROS 2的发射升空开始，使用卫星数据反演地表温度的研究一直持续不断，热红外遥感传感器的发展十分迅速，至今使用和即将投入使用的热红外传感器达几十种之多（田国良等，2014）。2013年2月11日发射的Landsat系列最新卫星Landsat8，携带有OLI陆地成像仪和TIRS热红外传感器。由于不同传感器的时间/空间精度不一致，多源数据融合（data fusion）与同化（data assimilation）技术一直是卫星遥感反演应用中的研究热点（Danel等，1997；Roy等，2008；Kumar等，2012），尤其是将MODIS和Landsat7＆8相结合是进行农田蒸散计算和作物水分利用研究的一个较好的途径（Gao等，2006；Semmens等，2015）。

现有的地表温度反演算法大致有大气校正法、单通道算法、分裂窗算法、多时相法四种。大气校正法和单通道算法需要大气实时剖面数据，单通道算法适用于只有一个热红外波段的数据，如Landsat TM/ETM数据；分裂窗算法适合于两个热红外波段的数据，如MOAA-AVHRR和MODIS，是目前为止发展最为成熟的地表温度反演算法，在国际上已经公开发表了十几种劈窗算法；多时相法适合于多个热红外波段的数据，所需参数多，运算复杂且同时需要白天晚上两景数据，反演难度较大，就成熟程度而言，多波段算法还在发展之中。各种算法中最关键参数有大气剖面参数和地表比辐射率。只有一个热红外波段的数据，其大气剖面参数可在NASA提供的网站中输入成影时间以及中心经纬度获取；地表比辐射率的计算包括简化法和根据下垫面情况分类计算等方法（覃志豪等，2003；覃志豪等，2004；Sobrino等，2006；Jiménez-Muñoz等，2006）。地表真实温度由Planck函数来求得，李小文等（2000）指出，普朗克定律不能直接适用于非同温混合像元，而必须经过尺度校正。这说明尺度效应是热红外遥感建模所必须考虑的因素。

农田表面温度是由作物长势和外界的辐射、土壤水分状况等因素的共同作用确定的，土壤墒情和作物冠层温度是紧密结合在一起的，因此，利用遥感的冠层温度数据可进行区域上作物的水分胁迫和干旱监测（Kustas等，2009）。茂密植被和严重干旱的茂密植被，裸露湿润土壤和裸露干燥土壤，具有不同的植被-地表温度特征组合。利用这一特征来评价农田ET和土壤墒情的指标和模型有（刘良云等，2014）：①水分亏缺指数WDI（water deficit index）；②归一化温度指数NDTI（normalized difference temperature index）；③Ts/NDVI比率模型；④条件植被指数VCI（vegetation condition index）；⑤条件温度指数TCI（temperature condition index）。上述方法和模型依据一定的假设条件或者依赖于历史序列数据，各有优缺点和适用条件。

基于土壤-作物的双源能量平衡模型（two sources energy balance，TSEB），分开考虑了裸土和植被与大气间交互作用，能够较真实地刻画稀疏植被覆盖下的水热通量情况；模型中地表温度、气温、植被覆盖度等参数是影响精度的关键因素，适用于下垫面异质性强的区域（Kustas等，2000）。但是其复杂的参数（与表面温度相匹配的本地数据）很难获取，处理过程较繁琐，也影响了模型的易用性。Cammalleri等利用供水充分和植被全覆盖的像素单元来率定表面-空气温度梯度，根据大气-陆面交换的边界层模型提取空气温度，从而估算混合高度水热通量以区分双源中的作物冠层和土壤（Cammalleri等，2012）。从遥感图片得到的陆面温度是在固定角度测得，因此双源模型中需要土壤表面温度Ts和作物冠层面温度Tc，而且冠层稀疏时基于Ts和Tc的方法会低估ET值（Colaizzi等，2012）。Morillas等根据地面传感器观测的土壤温度Ts和冠层温度Tc以及植被覆盖系数fc来区分地面观测中温度分量，利用双源模型反演地中海气候下干旱地表ET（Morillas等，2013）。由于大部分ET估算模型需要一个极干和极湿的像元来对遥感数据进行率定，相应工作量较大，Zipper等构建了一个遥感反演ET的高精度表面能量平衡模型HRMET，只用田块气象数据、表面温度、冠层结构和一个参考ETR的概念变量等数据。这些方法为双源模型的应用提供了较好的思路（Zipper等，2014）。

研究发现，光化学反射比指数PRI（586nm）反映了光的利用效率，由光合有效辐射PAR进行标准化（Suárez等，2010），与作物冠气温差、气孔导度、茎秆水势关系密切，能够反映作物水分胁迫状况（Suárez等，2008）。机载高光谱扫描仪为区域数据调查和作物水分胁迫预警提供了比遥感卫星图片更为详细和直观的数据，尤其是无人机数据采集平台的应用，使实时监测数据更为灵活和方便（Zarco-Tejada，2012）。Panigada等对比分析了玉米和高粱农场PRI、冠层表面温度Tc（从植被和土壤混合耦合）和太阳消减叶绿素荧光F760这3个参数的水分胁迫敏感性，结果表明，在玉米地用3个参数指示水分胁迫效果良好，Tc和F760对高粱效果要好（Panigada等，2014）。在不缺水的情况下，作物冠气温差与空气饱和水汽压差VPD是呈线性相关的。VPD反映了大气的蒸发能力，因此掌握区域VPD的变化，可以为作物旱情监测提供基础数据。Castellvi等根据区域尺度范围内一个完备的气象站（各种气象要素）和数个简易气象站（仅气温和降雨）数据，利用非线性拟合公式估算区域VPD值变化，从而能够计算区域ET值（Castellvi等，1997）。而叶面积指数LAI在区域尺度农作物产量预估和病虫害评价、农田耗水计算等方面都是关键参数之一（Jackson等，1986）。LAI的地面人工观测主要是长宽法和比重法，大面积、大尺度LAI数据常用遥感数据反演，即根据归一化植被指数NDVI与LAI的关系进行地面反演，或者根据不同作物生长模型也可以获得LAI数值。

通过以上分析可见，遥感图片或机载高光谱红外图像对土壤墒情和作物ET的反演，所需要的关键参数往往包括土壤温度Ts、冠层温度Tc、陆面温度、叶面积指数LAI及各类太阳辐射值，与点尺度地面观测的土壤墒情和冠层红外温度能够在某种机制下链接起来。另外，农作物根系活动层更多的是集中于根区40～60cm，而遥感所反演的常是地表土壤墒情；遥感图片的准实时性也造成了灌溉决策和预报的延迟，需要田间实测数据及时进行补充和自适应校正。因此，通过同类和同步数据的同化和拟合，将遥感图片的大面积、区域性和实时监测点数据的实时性结合起来，完善和糅合数据同一性，形成点面结合的分布模型和实时监控与反馈机制，将是解决区域实时作物水分胁迫监测和干旱预警的途径。

1.2.2　地面温度遥感反演

目前，卫星搭载的热红外波段传感器主要有Landsat/TM（ETM+）、Landsat8/TIRS、NOAA/AVHRR、TERRA（AQUA）/MODIS、TERRA/ASTES、HJ-1B等（Meijerink，2002；Jiménez-Muñoz等，2010；Tomlinson等，2011；Weng等，2014；Mia等，2015），上面搭载的传感器可提供用于反演地表温度的热红外遥感影像数据。国内外的学者根据不同卫星遥感传感器的特点，相继提出了多种反演地表温度的算法，大致有以下四种：大气校正法（Sobrino等，2004；Li等，2004；贺金鑫等，2018）、单通道算法（Qin等，2001；Jiménez-Muñoz和Sobrino，2003；Qin等，2001）、分裂窗算法（Wan和Dozier，1996；Qin，2005；Gao等，2013）和多通道算法（Sobrino等，1996；毛克彪等，2006，Srivastava等，2014）。大气校正法是通过估算大气对地表热辐射的影响，从卫星传感器中所监测的热辐射总量中减去大气的影响来得到真实的地表热辐射强度，然后将其转化为真实的地表温度值。Jiménez-Muñoz和Sobrino（2003）针对Landsat TM第6波段提出通用单通道算法，通过假设大气剖面参数只受大气水汽含量的影响，对该参数进行建模，减小大气的影响。大气校正法和单通道法适用于单个热红外波段的遥感影像，但这两种算法在大气水汽含量较高时反演精度较差（Jiménez-Muñoz和Sobrino，2010）。分裂窗算法是根据一个大气窗口内两个相邻的热红外波段具有不同的大气透过特征，两者通过不同的线性组合能够消除大气对地表热辐射的影响，从而反演得到地表真实温度。该算法是目前反演地表温度发展较为成熟、精度较高的算法（张永红，2015；王猛猛，2017）。多通道法有针对于MODIS传感器的昼夜法（吕月琳等，2009）和针对于ASTER传感器的温度发射率分离法（Gillespie等，1998）等。多通道算法适合于多个热红外波段的数据，所需参数较多，地表温度反演难度很大。地表温度的反演算法多种多样，应根据不同的传感器类型和研究区具体情况选取对应的算法，从而准确的反演地表温度。

由于不同卫星传感器的时间、空间分辨率不一致，地表温度空间降尺度一直是研究的热点（Daniel和Willsky，1997；Roy等，2008；Kumar等，2012；Semmens等，2015）。在现有的热红外遥感技术和条件下，难以从单一遥感影像中获取同时具备高时间、高空间分辨率的地表温度信息。而通过地表温度空间降尺度方法可以构建具有高时空分辨率特征的遥感数据。

较为传统的地表温度空间降尺度的方法主要包括三类，即基于统计回归、基于调制分配和基于光谱混合模型的方法（Zhan等，2013；全金玲等，2013；张逸然，2017）。基于统计回归的方法是假设地表温度和一些遥感获取的地表参数统计关系的尺度不变性而提出的，将低分辨率下获得的两者统计关系应用到高分辨率上。Kustas等（2003a）基于不同空间尺度下地表温度和归一化植被指数之间具有相同的统计关系，提出了Dis Trad算法，生成了具有较高空间分辨的热红外影像数据。Agam等（2007）在Dis Trad的算法基础上，利用更高相关性的植被覆盖度代替归一化植被指数，提出了Ts HARP算法。基于调制分配的方法是将低分辨率的地表温度按照一定的比例分配给各子像元，不同的分配因子对应着不同的计算方法。Guo和Moore（1998）提出像元内部强度调整的方法（pixel block intensity modulation，PBIM），利用30m TM波段（TM1-5和7）的反射率数据，将热红外波段的灰度值调整到30m，调制前后像元的灰度值保持不变。Nichol（2009）基于斯蒂芬-玻尔兹曼定律中对于比辐射率的解释提出子像元分解法（emissivity modulation，EM）对像元进行分解，利用比辐射率将亮温转换为地表真实温度，从而达到降尺度的目的。基于光谱混合模型的方法是利用光谱混合模型，直接关联高分辨率和低分辨率地表温度，通过回归的方法求解高分辨率地表温度。Zhukov等（1999）基于线性光谱分解提出了多传感器多分辨率技术（multisensor multiresolution technique，MMT），成功应用于Landsat/TM影像，并获得高分辨率地表温度。Zhan等（2011）从数据同化的角度出发，建立了地表温度降尺度方法的统一理论框架。多光谱遥感数据不同光谱之间所包含的信息不同，不同分辨率的热红外遥感数据可以根据其他波段获取信息来实现降尺度，增强型广义理论框架已经总结出来（Zhan等，2012）。虽然上述方法在一些特定地区得到了很好的应用，但在实际应用中由于下垫面条件和气候的复杂性，需要综合考虑多方面的因素，才能提高地表温度空间降尺度的精度。

近年来，一些学者对时空融合方法进行了大量研究。时空融合方法在预测中心像元时，综合考虑临近像元与中心像元之间的地理距离差异、时间差异和光谱差异。Gao等（2006）提出一种时空自适应融合算法（spatialand temporal adaptive reflectance fusion model，STARFM），考虑了中心像元与邻近像元的距离权重、时间权重和光谱权重，通过将Landsat和MODIS数据融合，生成了高空间分辨数据。Hilker等（2009）提出一种时空自适应融合变化监测算法（spatial temporal adaptive algorithm for mapping reflectance change，STAARCH），该算法基于缨帽变换融合Landsat TM/ETM+和MODIS数据。但STARFM和STAARCH算法的融合精度与下垫面的复杂程度相关，在下垫面复杂的区域融合精度较差。因此，Zhu等（2010）在STARFM算法的基础上提出了增强型自适应时空融合算法（enhanced spatial and temporal adaptive reflectance fusion model，ESTARFM），该算法考虑了不同传感器系统之间因轨道参数、波段带宽、光谱响应曲线等因素差异造成的反射率不同，引入不同传感器反射率差值间的转移系数，可以有效捕捉地物剧烈变化特征，提高复杂下垫面区域的融合精度。杨贵军等（2015）通过ASTER和MODIS数据利用ESTARFM融合算法生成了高时空地表温度数据，并用地表红外辐射计观测的温度进行验证，结果吻合较好。

1.2.3　基于遥感信息的作物ET估算

在现有遥感技术和条件下，单一卫星数据难以同时具备高时间和高空间分辨率的性能，难以捕获详细的下垫面地表特征变化。一些较高空间分辨率卫星数据在6～30m尺度上可以有效获取田块尺度的地表参数信息，例如HJ-IRS（罗菊花等，2010），SPOT（Hou等，2014；郭剑等，2017），CBERS（崔瀚文等，2009）和Landsat（Hilker等，2009；Devendra等，2010）等。但由于再访周期长，加之云雨天气的影响，使得可用的晴空影像数量很少，限制了这些卫星数据在生长季节对植被参数和地表能量通量的连续监测，尤其是在地表特征参数发生剧烈变化时不能及时捕捉地表信息（Timmermans等，2007；Wulder等，2007；Choi等，2009）。而分辨率相对较低的一些卫星数据，如MODIS中等分辨率成像光谱仪和NOAA/AVHRR探测器，再访周期短，可以提供连续的地表观测（Yang等，2012；Pouliot等，2009；Kiptala等，2013；Mukherjee等，2014），但不能有效获取详细的空间信息，尤其在种植类型破碎、下垫面条件复杂的研究地区。在实际应用中，往往需要连续、详细的地表信息，如作物耗水、土壤墒情等，进而为合理、科学的灌溉提供依据。因此，如何整合不同源、不同时空尺度遥感数据来获取详细时空尺度数据集尤为重要。而数据融合方法提供了一种可行的和低成本的方法，通过降尺度方法重建同时具备高时间、高空间分辨率特征的遥感数据（Zhu等，2010；Bhandari等，2012）。

传统的融合算法包括亮度-色调-饱和度变换HIS方法（Carper等，1990；Chavez等，1991）、主成分分析（Shettigara等，1992；Yesou等，1993）以及小波变换（Yocky，1996）等，将全色波段与多光谱波段进行融合以获得高分辨率多光谱图像。HIS融合方法简单，主要应用于增强彩色、改善空间分辨率等影像处理中，该方法容易使光谱产生偏差，不能对原始影像进行有效理解和分析。主成分分析方法是将高分辨率影像替代包含多光谱信息的第一主分量，再通过逆变换实现空间降尺度的目的，该方法使降尺度后的影像空间信息丰富，但色彩信息丢失较多。小波变换的原理为对多光谱影像进行变换，将高分辨率影像高频信息替代多光谱影像高频信息，通过小波反变换来提升影像空间分辨率。传统的融合方法缺乏明确的物理意义，可应用于图像的简单分类，但不能有效获取由物候变化引起的地表反射率、NDVI以及LAI等植被参数的变化。

近年来，多源遥感数据融合方法得到了进一步发展，主要是将低空间分辨率像元值看作高空间分辨率像元值的线性组合，利用高空间分辨率影像的丰度矩阵，从低空间分辨率推算出高空间分辨率像元值（Maselli等，1998；Cherechali等，2000；Zhukov等，1999；Lorenzo等，2008）。但通过线性混合模型得到的高空间分辨率值是类别像元的平均值，不是真正的像元值。同时，由于残差项的存在，融合结果会出现异常值。为此，Gao等（2006）提出了时空自适应融合算法（STARFM），通过选取与中心像元相似的周边像元，综合考虑距离权重、光谱权重和时间权重来实现空间降尺度，有效地融合了Landsat和MODIS数据。HIKER等（2009）提出了一种时空自适应融合变化监测方法，该方法避免了短暂、剧烈的地物变化问题；ROY（2008）采用半物理的数据融合方法，使用MODIS二性反射等地表数据产品和Landsat ETM+进行融合并成功实现了对应日期或前后相邻日期影像的降尺度。以上融合结果的优劣在一定程度上依赖于下垫面的复杂程度，如在破碎下垫面条件下，融合结果往往不如均一地表覆盖类型准确。Zhu等（2010）提出了增强时空自适应融合算法（ESTARFM），在相似像元选取和时间权重计算上更加合理，并且可以有效捕捉地物剧烈变化特征，改善了复杂下垫面情况下地表特征参数融合精度。

数据融合方法通常应用于较低级别的地表参数，这些参数随时间的变化较缓慢，如NDVI。而参数地表温度LST随时间变化较为剧烈，同时依赖于不同传感器观测角，增加了融合的难度，一定程度上限制了温度数据的进一步应用，如在蒸散发和土壤墒情反演方面的应用。因此，Cammalleri等（Cammalleri等，2013；Cammalleri等，2014）采用时空自适应融合算法（STARFM）直接对较高级别的遥感数据进行融合，如对MODIS和Landsat蒸散发产品，实现了不同数据源蒸散发的空间降尺度，提高了数据应用的时效性。不同源、不同尺度及不同级别遥感数据之间的融合实现了数据间的互补，打破了数据应用的局限性。

1.2.4　灌区灌溉管理发展趋势

考虑国内当前新农村建设和土地流转新形势，依据水资源红线、劳动力短缺和生态环境的要求，需要开展现代灌区农情、水情的实时监测和精量灌溉决策技术与灌溉控制研究，实现信息采集实时化、灌溉管理智能化的节水型现代灌区，构建并发展智慧灌区的理念。智慧型节水灌区是以先进的科学发展理念为引领，在网络通信、自动控制、物联网及云计算等高技术的支撑下，融合农田多尺度信息智能采集、水肥精准配施及高效利用、智慧决策预报、水资源优化调配、虚拟仿真服务平台建设等多方面的灌区智慧化关键技术措施，以可持续的发展方式、人水和谐的生产方式为保障，实现信息采集实时化、灌溉水肥精准化、灌溉管理智能化、灌溉决策智慧化的节水型灌区。主要研究内容包括以下方面：

（1）以灌区农田作物农情信息和环境要素的数据采集、传输为基础，开展从田间到区域尺度作物及生长环境信息监控系统的研发，实现农田实时、可视化和全天候动态监测的功能；以作物生长模拟和SPAC系统水分运移规律理论为基础，结合专家决策、模糊决策等决策技术和作物缺水诊断指标及阈值的数据库，进行基于物联网和云计算的虚拟仿真。

（2）以多指标综合的精量灌溉决策技术为核心，确定农田不同作物达到节水、增产、高效的缺水诊断指标及阈值，研究不同尺度作物耗水转化关系和尺度上推的方法，实现灌区农田耗水、用水、配水、管理的动态平衡。

（3）结合遥感图像反演地面蒸散发和同化土壤含水量，利用多点分布的免维护传感器采集的土壤墒情信息，构建现代灌区实时、可靠的灌溉预报和信息发布系统。最终形成现代灌区精量灌溉决策与控制，实现智能化管理。以遥感ET的灌区用水管理关键技术为核心，将区域上的遥感数据与点上的田间实验数据相结合，并分析关键参数在田间和灌区两个尺度直接的转换关系，建立基于遥感ET的灌区用水管理技术体系和基于GIS的现代高效节水灌溉技术应用模式综合评价体系，并在此基础上，构建灌区用水管理信息与技术服务体系公共服务平台建设。