第 36 卷 第 5 期
2021 年 10 月
遥 感 技 术 与 应 用
REMOTE SENSING TECHNOLOGY AND APPLICATION
Vol.36 No.5
Oct.2021
引 用 格 式 ：Wang Siyuan，Li Qiangzi，Wang Hongyan，et al.A Winter Wheat Drought Index based on TROPOMI
Solar-Induced Chlorophyll Fluorescence［J］.Remote Sensing Technology and Application，2021，36（5）：1057-1071.
［王思远，李强 子 ，王 红 岩 ，等 . 基于 TROPOMI 叶绿 素 荧 光 遥 感 的 冬 小 麦 旱情 监 测［J］. 遥 感 技 术 与 应 用 ，2021，36
（5）：1057-1071.］
DOI：10.11873/j.issn.1004⁃0323.2021.5.1057
基于 TROPOMI 叶绿素荧光遥感的冬小麦旱情监测
王思远
1，2
，李强子
1
，王红岩
1
，张 源
1
，杜 鑫
1
，高 亮
1，2
（1. 中国科学院空天信息创新研究院，北京 100101；
2. 中国科学院大学 资源与环境学院，北京 100049）
摘要 ：针对 太阳 诱导叶 绿素 荧光（Solar-Induced chlorophyll Fluorescence，SIF）可以有 效指示 陆表
植被水分胁迫的特点，提出了归一化叶绿素荧光干旱指数（Normalized SIF Drought Index，NSDI）
用 于 黄 淮 海 地 区 冬 小 麦 旱 情 监 测 。 该 方 法 首 先 基 于 哨 兵 -5p 卫 星（Sentinel-5p）对 流 层 观 测 仪
（Tropospheric Monitoring Instrument，TROPOMI）传感器反演得到的 SIF 原始产品集，通过 0.1°等
经纬步长栅格化处理为空间连续数据，然后基于时间序列分析进行了缺失值线性插补，再经过 S-
G 滤波重建获得了高时空分辨率荧光数据集。以此数据集为基础，结合研究区冬小麦分布数据构
建 NSDI 指数 。通过 选取典 型旱 情 事件 对比分 析，NSDI 指数 与同期 归一化 植被 指 数（Normalized
Difference Vegetation Index，NDVI）以 及 温 度 植 被 干 旱 指 数（Temperature Vegetation Drought
Index，TVDI）都 有 良好 的相关 性，其 中与 NDVI 的 R
2
为 0.60，与 TVDI 的 R
2
为 0.41；NSDI 指 数与
野外土壤水分调查结果 也 高度 相 关，其中河北样区 R
2
为 0.53，山东样 区 R
2
为 0.54，整体 R
2
为 0.51；
通过物联网监 测数 据分析显示，NSDI 指数可以在 优 于 2 d 的滞后期 内 响应旱情的变化 ，其变化趋
势与田间土壤 水分保持高度相 关。实验结 果 表明：NSDI 指数可以在 时 空尺度上有效 指 示黄淮海
地区冬小麦旱情。
关 键 词：太阳诱导叶绿素荧光（SIF）；旱情监测；NSDI 指数；Sentinel⁃5p；TROPOMI
中图分类号：S423;TP79 文献标志码：A 文章编号：1004⁃0323（2021）05-1057-15
1 引 言
自 然 灾 害 的 频 繁 发 生 和 大 规 模 的 气 候 异 常 一
直以来都是 人类发展的巨 大挑战，其中 旱灾波及范
围广，持续时 间长 ，是全球自然影 响范围最大、影 响
人 类 活 动 和 损 失 最 为 严 重 的 灾 害 。 随 着 气 候 变 化
形 势 越 发 严 峻 ，旱 情 的 频 率 程 度 、持 续 时 间 也 有 着
增加 的 趋势
［1］
，其 造 成的 农作 物 减产 也 威胁 着国 家
或地 区 的粮 食 安 全
［2］
，因 此 对粮 食主 产 区的 进 行旱
情 监 测 尤 为 重 要 。 传 统 的 干 旱 监 测 方 法 多 采 用 固
定地面监测 和随机调查的 方法，在实施 过程中表现
为 费 事、费 力、效 率低 、精 度 差 等 特 点 ，而 遥 感 技 术
具 有 高时 间 、高 空 间 、高 光 谱 、多 平 台 的 发展 优 势 ，
利 用 卫 星 遥 感 数 据 进 行 大 尺 度 区 域 农 业 干 旱 监 测
研究的不断 深化，能够补 充传统监测方 法所不具有
的宏观性、经济性、动态性和实效性
［3］
。
基 于 作 物 长 势 的 旱 情 监 测 可 利 用 卫 星 数 据 反
演 计 算 得 到 各 种 植 被 指 数 ，反 映 作 物 生 长 变 化 状
态，进而反 映干旱状况。 其中主要有归 一化植被指
数 NDVI、植 被 状 态 指 数 VCI
［4］
、距 平 植 被 指 数
收稿日期：2019⁃12⁃27；修订日期：2021⁃06⁃18
基金项目：国家重点研发计划项目“主要粮食作物气 象灾害监测技术体系研发”(2017YFD0300402),国家重点研发计划项 目“三大粮食作
物气象灾害预警模型研制”(2017YFD0300404⁃1)。
作者简介：王思远(1995-)，男，山东烟台人，硕士研究生，主要从事农业生态遥感、植被遥感、灾害监测研究。E⁃mail:wangsy@aircas.ac.cn
通讯作者：李强子(1970-)，男，河南洛阳人，研究员，主要从事农业遥感、生态遥感、公共安全遥感研究。E⁃mail: liqz@aircas.ac.cn
