1.2 国内外研究现状
1.2.1 蒸散发估算国内外研究现状
蒸散发（ET）是植被及地面向大气输送的水汽总通量，既包括地表和植物表面的水分蒸发，也包括植物表面和植物体内的水分蒸腾，它是陆面水文过程中极其重要的分量，决定了土壤-植被-大气系统中的水分和热量传输，是地表水量平衡支出项中的主要组成部分，同时也是陆地表层水循环最大、最难估算的部分，是水文水循环和水量平衡研究的核心。蒸散发在维持陆面水分平衡和地表能量平衡上发挥着重要作用，区域地表蒸散的变化特征反映了陆面过程中能量和水分收支状况的演变趋势，同时也进一步影响着区域气候和水资源的总量分布，进而对区域经济发展产生影响。
蒸散发作为水循环过程中最重要的分量之一，迄今已经有很长的研究历史，尤其是近半个世纪以来，学者们一直致力于蒸散发的理论模拟和估算。大量的理论和实践表明，蒸散发及其时空分布与气象状况、土壤水分、植被等因素息息相关，难以准确获取。传统的蒸散发估算方法局限于局部尺度，而较大空间尺度内陆面特征和水热传输的非均匀性导致传统的估算方法难以获取区域尺度的蒸散发。遥感技术的兴起和应用，使得估算大面积区域的蒸散发成为可能，尤其是20世纪70年代以后，涌现出了许多估算蒸散发的模型，使蒸散发的估算扩展到了空间尺度，并广泛应用于农业、水文等研究领域。遥感以少量的地面数据估算大范围区域蒸散的优势被认为是可以经济、有效地提供区域蒸散发消耗量的唯一方法。因此，开展基于遥感手段的区域地表能量与水分动态监测研究具有重要意义。
遥感估算区域蒸散发的方法主要分为经验统计模型、与传统方法相结合的遥感模型、地表能量平衡模型、温度-植被指数特征空间法、陆面过程与数据同化等。
经验统计模型机理简单，它是将站点通量观测数据与遥感数据相结合，直接拟合蒸散发与遥感参量（一般是地表温度和植被指数）的回归关系，然后估算区域尺度上的蒸散发。该方法的优点主要是简单易行，20世纪遥感反演蒸散发初期，在估算小区域的蒸散发方面发挥了重要的作用；但是由于经验统计模型在很大程度上依赖于地表观测数据，可移植性较差，很难应用于大面积的区域蒸散发的精确估算。
与传统方法相结合的遥感模型蒸散发估算方法大都具有较为坚实的理论基础，物理概念比较明确，能较好地反映蒸散发的物理机制。然而，传统方法主要基于单点或田间尺度进行计算，难以用于非均匀下垫面蒸散发的计算。为弥补传统方法在区域尺度上的不足，结合遥感技术计算模型中所需要的净辐射、土壤热通量、阻抗等参数，进而计算区域蒸散发，使其从单点尺度推广到区域尺度，成为近年来研究的重点。1948年，H.L.Penman提出了基于能量平衡原理估算可能蒸发的Penman公式。1965年，J.L.Monteith将冠层阻抗的概念引入Penman公式，表征植被生理作用和土壤供水状况对潜热通量的影响，以估算非饱和下垫面的实际蒸散发，由此得到了著名的Penman-Monteith公式。该公式被证明在致密冠层的蒸散发估算上有良好的效果。除Penman类模型外，R.J.Bouchet于1963年提出了陆面实际蒸散与可能蒸散之间的互补关系原理，为估算实际蒸散发开辟了新的途径。C.Priestley和R.J.Taylor在1972年以平衡蒸发为基础，在无平流假设的前提下，建立了饱和下垫面蒸散发的计算方法，提出了Priestley-Taylor模型。
温度-植被指数特征空间法主要是基于地表温度和植被指数之间的时空对应关系与地表植被覆盖和土壤水分状况等参数之间的密切关系。以此为基础的地表蒸散算法，一般是通过特征空间求解蒸发比、Priestley-Taylor系数、水分亏缺指数WDI等，进而计算地表蒸散发量。这种方法不过多依赖气象要素，但干湿边难以准确确定，大都适用于平坦下垫面，并且要求土壤表面水分状况、植被数或植被覆盖度具有较大的变化范围。
陆面过程模型是用来研究陆地-大气之间物质和能量交换过程的模型。陆面数据同化的核心思想是在陆面过程模型的动力学框架内，融合不同来源和不同分辨率的直接（地面）与间接（遥感）观测，集成陆面过程模型和各种观测算子（如辐射传输模型），根据观测自动调整模型的参数和状态变量，来获得更为可靠的地表水分和能量循环过程的信息。陆面过程与数据同化法虽然能模拟出水热通量过程的连续变化，但计算量很大，特别是较高分辨率遥感数据用于同化时，模型需要输入很多与土壤和植被属性有关的参数，而这些参数在区域尺度上很难获得，并且由于多数数值模拟需要连续的气象资料，在一定程度上限制了在区域尺度上的应用。
地表能量平衡模型法，又称为地表能量平衡余项法，是目前遥感估算不同时间和空间尺度上趋于蒸散发中应用最广泛的一种方法。不考虑由平流引起的水平能量传输，地表单位面积上垂直方向净收入能量分配形式主要包括：用于大气升温的感热通量，用于水在相态转换时（如蒸发、凝结、升华、融化等）所需的潜热通量以及用于地表加热的土壤热通量，还有一部分消耗于植被光合作用和新陈代谢活动引起的能量转换和植被组织内部及植被冠层空间的热量储存，这部分比测量主要成分的误差还小，因而常常忽略不计。地表能量平衡模型的基本思想是，在不考虑平流作用和生物体体内需水的情况下，将潜热通量作为能量平衡方程的余项进行估算，然后将潜热通量转换为瞬时蒸散量。荷兰学者Bastiaanssen等（1998）开发了遥感陆面能量平衡模型——SEBAL模型，通过反演遥感地表参数，获取气象数据和植被下垫面信息估算蒸散量。Su等（2002）提出了SEBS模型，其理论基础是用于计算热量粗糙度的动力学模型、大气总体相似性理论以及Monino-Obukhov相似性理论。M.D.Ahmad等（2006）采用SEBAL模型，结合Landsat-7影像对印度克里希纳盆地的蒸散量进行了估算；Anderson L.Ruhoff等（2012）基于SEBAL模型和MODIS数据估算了巴西热带稀树草原的蒸散量；Mohammad Taghi Dastorani等（2012）利用SEBAL模型和MODIS数据估算了伊朗亚兹德省干旱山区的蒸散量，以上研究结果均证明了SEBAL模型在区域蒸散量研究中的适用性。
国内在利用卫星遥感资料估算非均匀陆面区域蒸散量方面起步较晚。1991年，Chen等（1991）尝试利用NOAA/AVHRR、海拔高度和气象观测数据来对江河流域复杂地形上的蒸散量进行估算，用改进的Penman公式先计算出各类下垫面实际蒸散发量与蒸发潜力的比值，然后求出月平均蒸散量。马耀明等（1999）在利用卫星遥感技术结合地面资料估算区域尺度上的地表反射率、NDVI及地表温度的基础上，研究了非均匀地面地表特征参数及能量平衡各分量的区域分布及季节差异。陈云浩、李晓兵等（2002）在利用遥感资料求取地表特征参数的基础上，建立了裸露地表条件下的裸土蒸发和全植被覆盖条件下的植被蒸腾计算模型，然后结合植被覆盖度给出非均匀陆面条件下的区域蒸散计算方法；2005年，陈云浩、李晓兵等发展了一个两层的蒸散发计算模型，即从植被冠层和土壤表面出发，分别建立陆面日蒸散发量计算的阻抗模型，然后结合植被覆盖度给出非均匀陆面条件下的日蒸散发量计算方法。何玲和莫兴国（2007）应用遥感数据、农业气象站测量数据及Nishida模型等模拟了无定河流域日蒸散量，并对该流域日蒸散的空间分布规律进行了研究。李红军等（2005）采用Landsat-7 ETM+数据和SEBAL模型对河北省栾城县进行了遥感蒸散研究，估算了区域日蒸散量，模拟结果较为合理；刘朝顺等（2009）利用改进的SEBAL模型推估了区域地表蒸散，并验证了结果与实测值具有良好的一致性；杜嘉等（2010）利用SEBAL模型估算了三江平原的日蒸散量，蒸散量估算结果与实测数据误差较小，且进一步分析了不同土地利用类型蒸散量的差异。
1.2.2 遥感降水反演的研究现状
降水是指从云中降落至地球表面的所有固态和液态的水分，是陆地表面水文气象的重要因素，对区域水循环过程和水平衡都具有重要的意义。降水及其分布以自上而下的方式影响陆地水文生态等过程，例如，产生地表径流、导致土壤水分发生变化等。然而，降水过程作为一种复杂的自然现象，在时空分布上具有显著的变异性特征。因此，获取高时空分辨率的降水数据，对于认识与理解陆地表面过程至关重要。
传统的降水观测手段主要是地面气象站点采用雨量仪器设备（如雨量计、地基雷达）直接观测地面降水量，并通过插值方法获取区域数据。站点观测具有较高的精度，但由于雨量计或地基雷达在陆地上分布不均，在海洋上分布更加稀少，其获取的点状降水数据存在着点位密度与分布不均匀的问题，插值结果的精度难以得到保证，具有宏观性的卫星观测则可以弥补这些缺陷。
基于卫星遥感技术对降水的时空分布进行精准测量，成为近50年来最富有挑战性的科学研究目标之一。早期的遥感降水反演主要依赖于被动遥感，包括地球静止卫星和近地轨道卫星上搭载的可见光、红外和被动微波传感器。地球静止卫星上可见光和红外传感器通常每隔数十分钟对目标区域进行一次观测，时间分辨率高，能够提供卫星云图，抓住一些生命史较短的降水云系统。搭载在近地轨道卫星上的各类传感器在扫描时会出现盲区，但是微波通道提供的卫星云图，可以有效地减少卷云对降水反演精度的影响。1997年11月发射的热带降雨观测卫星（TRMM）搭载了世界上第一台星载降水雷达，开创了全球降水监测的新时代。
近几十年来，人们针对各类传感器研发的降水反演算法已达上百种，既有经验型算法，也包括基于物理原理的算法。根据不同的传感器类型，目前已有的各类卫星遥感降水反演算法分为可见光（VIS）/红外（IR）反演、被动微波（passive microwave，PMW）反演、主动微波（active microwave，AMW，雷达）反演以及多传感器联合（multi-sensor，MS）反演等4种类型。
可见光/红外降水反演算法是最早提出而且也是最为简单的一种方法，该算法利用了冷云和暖云的物理性质。冷云和暖云的存在与对流有关，对流云系会产生降水。可以说，降水是大气动力与热力作用的综合结果，这种作用不仅决定了云中的降水，而且决定了降水云的外在形态。可见光及红外降水估计方法正是借助于可见光和红外扫描辐射仪对降水云外在形态的探测去推断云中的降水信息。对大量降水过程的定量分析表明：一些云图特征量（如云顶温度、温度梯度、云团的膨胀、穿透性云顶的存在、云体相对于云团中心的偏离量）与云底降水有着一定的对应关系。
强对流云团云顶温度是与降水强度关系最为密切的云图特征量。一般而言，降雨强度越强，其垂直发展高度越高，云顶温度便越低。在可见光及红外光波段测得的云顶信息，可用来间接估算地表降水。具体而言，即建立云顶红外温度与降雨概率和强度之间的关系。其中，目前应用最广泛的是地球静止业务环境卫星（GOES）的降水指数GPI（Arkin等，1987），其表达式为
式中：GPI为降水指数，mm；t为持续时间，h；rc为转换常数，3mm/h；Fc为面积不小于50km×50km区域的冷云覆盖率，无量纲单位，变化区间是0～1。
云顶亮温低于235K的云体，定义为冷云。GPI指数浅显易懂，简单易用，在40°N～40°S区域对流系统是主要的降水系统，而在纬度高于40°的地域这一算法存在很大的局限性。
基于GPI算法原理，Ba等（2001）提出了GOES多光谱降水算法（GMSRA），它使用GOES的5个可见光/红外波段（VIS/IR）数据，采用指数函数和二次曲线估计降雨强度，并利用湿度校正因子和云增长速率校正因子对初始估计结果进行修正。
除了GMSRA算法之外，其他的VIS/IR算法有Griffith-Woodley算法（1978）和出射长波辐射降水指数法OPI（Xie等，1997）等。Ebert等（1998）使用对地静止气象卫星GMS和地基雷达数据，在西太平洋海域对16种VIS/IR降水反演算法进行了比较与分析，发现各种算法普遍高估降水。尽管各种算法在降水量估算值上存在不同程度的差异，但是它们所得出的降水空间分布则非常相似。
虽然VIS/IR反演算法在估算精度上相对有限，但由于GEO提供了长时间、相对连续的可见光/红外波段监测数据，可以提供非常精细的降水强度变化信息，所以VIS/IR算法已经广泛应用于包括气象业务在内的各个领域之中。我国学者利用GMS、风云气象卫星（FY-2）等地球静止卫星资料，直接使用或者改进了VIS/IR降水反演算法，探讨了数种VIS/IR算法在中国地区的适用性（杨义彬，2011；徐晶等，2005；陈利群等，2006）。其中，基于FY-2系列卫星的降水估算是国内最常用的降水反演方法。
与可见光和红外波段相比，被动微波（PMW）不仅具有穿透云雨大气的能力，到达星载微波辐射计的降水云体内部产生的辐射信息还直接包含了降水结构信息，所以利用微波资料反演降水更为直接，比VIS/IR算法有更坚实的物理基础（李小青，2004）。迄今为止，根据微波辐射传输原理和海/陆微波辐射特性，人们提出了许多PMW降水反演方法。其中，Wilheit等（1977）通过建立模拟或观测亮温与降雨率之间的简单回归关系，第一个提出了被动微波降水反演算法。目前在各类业务中得到广泛应用的统计-物理混合算法是Ferraro算法（Ferraro，1997），它在海洋上的反演误差为50%，陆地上为75%（热带和夏季中纬度地区）。而在物理原理上更为严谨的算法基本上都建立在概率论基础上，其中戈达廓线算法（GPROF）应用得最多（Kummerow等，2001）。由于微波传感器仅安置在近地轨道卫星上，所以PMW算法只适用于该类星载传感器。在海洋上传感器（低频段）的空间分辨率大约为50km×50km，在陆地上传感器（高频段）的空间分辨率大都低于10km×10km。
热带降雨测量卫星TRMM（tropical rainfall measuring mission satellite）上搭载了第一台专门用于监测降水的主动式微波传感器（precipitation radar，PR，降水雷达），这也是目前世界上唯一的星载降水雷达仪器。它是一台相控阵天气雷达，主要使用13.8GHz频段来观测降水粒子和地球表面的反射能量，并且能够获得海洋和陆地降水的三维空间结构信息（Iguchi等，2000）。TRMM-PR成功在轨运行极大地推动了基于星载雷达的降水反演算法研究（吴庆梅，2003）。星载雷达降水反演成为当前降水反演研究最重要的研究领域。
国外对TRMM降水数据的研究领域涉及的范围广，不仅包括降水的一些微物理结构和气候特征等，还包括降水的时空分布情况。Hong等（2005）通过TMI（TRMM microwave imager）瞬时降水数据对利用遥感信息估算降水的神经网络系统参数进行适当调整后，研究发现热带地区降水量在精度和稳定性方面，通过PERSIANN（precipitation estimation from remotely sensed information using artificial neural networks）估算均有所提高。Krishnamurti和Kishtawal（2000）把TRMM卫星和Meteosat-5降水资料相结合，估算出亚洲范围内夏季风影响下降水的日变化分布情况。Berg等（2002）利用TRMM卫星PR的降水资料对东、西太平洋赤道辐合带1999年12月至2000年2月的降水结构研究发现：两部分降水结构受地区差异的影响明显，在季节和年际变化上的差异也很显著。也有一些学者通过PR降水资料探讨了大城市对降水空间分布的影响（Smith等，2007）。佛罗里达州立大学的研究人员把TRMM卫星降水数据和SSMI（special sensor microwave imager）数据应用到天气预报的模式中，从而提高了局部地区乃至全球范围天气预报的准确性，进而也能够极大地提高对降水预报的精确度（Krishnamurti等，2001）。Lonfat等（2004）通过TRMM的TMI和PR资料详细地分析了台风的降水水平分布、降水粒子的垂直分布以及热带气旋加热等情况。Liu等（2000）把Quik SCAT的海表面风资料和TRMM降水资料相结合进行研究，结果表明飓风动力和水过程是相互作用、相互影响的。
国内学者利用TRMM卫星降水数据开展相关研究较晚（始于21世纪初），研究主要集中在以下几个方面：
（1）对台风降水结构的研究。在初期研究阶段，毛冬艳（2001）通过TRMM降水数据对Sam台风做了相关研究。丁伟钰等（2002）利用TRMM降水资料分析了在广州登陆的热带气旋降水的时空分布特征。牛晓蕾等（2004）以桑达热带风暴和1999年的9908号热带风暴为研究对象，利用TRMM卫星的TMI降水资料，定量分析西北太平洋上热带气旋降水与水汽、潜热的相关关系。傅云飞等（2008）利用TRMM卫星的PR、TMI和VIRS传感器，对2004年发生的“云娜”台风隔离分析降水云和非降水云的特征。钟敏（2005）利用TRMM测雨雷达的2A25数据，研究了1999年的9914号台风降水在3个不同时间点内降水的强度和垂直结构特征。
（2）对局地中尺度强对流天气系统降水结构研究。程明虎等（2001）采用TRMM降水数据对1998年长江流域的暴雨展开了相应的研究，并借此分析了暴雨的降水强度、空间分布、降水类型以及暴雨的降水水平和垂直分布等结构特征。傅云飞等（2007）结合TRMM卫星的测雨雷达PR和微波成像仪获得的降水数据，分析了1996年和1998年分别发生在皖南地区和武汉地区的两个中尺度下降水的强度和空间分布情况及其降水的水平结构和垂直结构特征，以及与TMI微波亮温的关系。郑媛媛等（2004）采用TRMM卫星上的测雨雷达、微波成像仪、可见光和红外扫描仪获取的降水资料，分析了1999年发生在黄淮地区的冰雹降水过程。
（3）对大尺度范围内发生降水的特征研究。陈举等（2005）利用获取的TRMM卫星雷达降水数据，研究了南海及其周边区域降水的空间分布和季节变化特征。李锐等（2005）利用TRMM卫星的测雨雷达的探测降水的结果，研究了1997和1998年厄尔尼诺后期热带太平洋的降水结构，并与1999年和2000年非厄尔尼诺同期的降水情况进行对比分析。傅云飞等（2007）结合TRMM卫星的PR、TMI、VIRS和LIS等传感器对降水云进行综合探测，利用全球降水气候计划降水资料（GPCP）和中国气象站点实测的降水资料，研究了东南亚降水时空分布特点，并与PR、GPCP以及地面实测降水进行对比分析。刘奇和傅云飞（2007）利用长时间序列的TRMM降水资料，统计分析了亚洲夏季降水的水平分布特征，研究结果表明在孟加拉湾北部沿岸、中国南海南部以及赤道西太平洋暖池形成了3个稳定的强降水中心，并利用GPCP的地表降水数据，评估分析了整个亚洲范围内洋面、陆面和6个典型区域的TMI降水精度。
（4）在中尺度数值模式中的应用研究。杨传国等利用TRMM卫星的测雨雷达获取的降水数据，并结合分布式陆面水文模型，模拟流域中尺度下陆面水文的过程，利用该遥感数据对水文预报等研究领域进行性能评估。徐枝芳通过MM5模式，并利用TRMM卫星的PR降水资料模拟了江淮流域两次暴雨发生的全过程；此外，徐枝芳还与葛文忠等改进了MM5中的积云参数化Grell方案，并用该方案也模拟了1998年发生在江淮流域的两次特大暴雨过程。丁伟钰在GRAPES三维变分通话系统的基础上，利用改进的郭晓岚对流参数化方案作为观测算子，对TRMM卫星降水率资料进行同化。马雷鸣等分析了TRMM卫星海表降水率数据的四维变分同化在热带气旋数值模拟中的重要性。
（5）对微波反演降水研究。毛冬艳（2001）采用TRMM卫星的TMI降水数据，并在考虑到海洋、陆地和海岸3种不同下垫面情况下，反演中国及邻近地区的瞬时降水。姚展予等（2002）基于4种基于TRMM卫星TMI亮温数据的方法，反演了1998年发生在中国江淮流域的夏季洪涝灾害情况，并对比分析了实测洪涝灾害，结果表明用TMI亮温数据反演地面洪涝灾害精度较高，能够满足应用的需求。此外，还利用TMI的探测结果分析了陆地上空非降水云中的液态水路径的微波反演方案，并检验了该反演方案（姚展予等，2003）。王雨等（2006）利用TRMM卫星TMI的探测资料，分析了副热带地区非降水云液态水路径TMI的反演方案，并对反演结果进行了间接检验。钟中和王晓丹（2007）分析了TRMM卫星TMI的微波亮温数据在反演陆地和海洋降水中存在的差异，且还把TRMM卫星的TMI和PR探测数据相结合，从台风Aere（2004年）接近台湾的观测资料中选取3个时间点的数据，采用4种不同的方法反演降水，并对比分析了这4种方法的反演结果。何文英等（2005）利用TRMM卫星的PR和TMI联合探测数据，以及河南省气象站点小时降水数据，比较验证了几种陆面降水的统计反演模型。王小兰（2009）利用物理方法把TRMM卫星的TMI亮温资料用来反演整个中国范围内的陆地降水分布。
然而，PR并非尽善尽美。它的扫描宽度为216km（轨道抬升后为247km），观测范围有限。同时，它具有地基雷达的弱点，雷达观测数据的衰减校正和降水估算方法也受到诸多参数不确定性的影响。
大量的对比研究发现，在反演瞬时降水方面PMW算法的精准度要高于VIS/IR算法。由于GEO卫星具有较高的时间采样频率，在反演连续降水方面VIS/IR算法则具有更大的优势。结合VIS/IR算法和被动微波算法等进行联合反演可以弥补单一传感器算法存在的不足，而发展主/被动传感器的联合反演方法具有更加广阔的发展前景，因此近20年来结合VIS/IR、PMW和PR数据的联合反演降水算法（multi-Sensor precipitation estimation，MPE）层出不穷（刘元波等，2011）。
郭瑞芳等（2015）将MPE方法定义为：以GEO-IR和/或LEO-PMW为主要数据源，并以星载降水雷达、地基雷达、其他卫星数据以及地面站点降水数据、雷电、风等数据中一种或者几种为辅助数据，利用数学和/或物理方法反演降水速率的过程。迄今为止，已经提出了很多种MPE方法。根据主要数据源的不同，可以分为PMW-IR、PR-PMW、PR-IR和PR-PMWIR，最常见的MPE方法是PMW-IR。根据MS联合方法的不同，主要可以分为两类：标定法和云迹法。标定法是建立GEO-IR和MW的经验关系，以此对IR做校正或者调整，利用校正后的IR估算降水速率。最常见的标定法是用PMW反演/估算的降水速率校正或者调整IR估算的降水速率，从而得到精度较高的降水速率数据。标定法可以细分为3类：①地球静止业务环境卫星（geostationary environmental satellites，GOES）降水指数（GEOS precipitation index）校正法，利用MW校正GEO-IR反演/估算的降水速率；②回归法，PMW反演/估算降水速率直接建立与IR亮温（temperature brightness，Tb）的回归关系，基于此回归方程校正降水速率；③直方图或者概率匹配法，PMW反演/估算的降水速率的累计分布函数和IR Tb进行匹配，从而获取IR Tb和降水速率的对应关系。云迹法是基于IR获取云迹对PMW反演/估算进行插值，从而得到大范围的降水速率数据。现有的MPE方法大多数属于标定法，而云迹法较少。目前，3种广泛使用的反演算法分别是由Joyce等（2004）提出的气候预测中心形变算法（CMORPH），由Huffman等（2007）提出的TRMM多卫星降水分析算法（TMPA），以及由Okamoto等（2005）发展的GSMaP降水反演算法。
MPE方法发展过程可以划分为两个阶段，以1979年为分界。第一阶段为初步发展阶段，主要是探讨MPE方法，研究区为局地，研究时间段较短，采用的数据源以地面测量数据、GEO和PMW数据（主要是SSM/I数据）为主，反演的降水数据分辨率较粗（2.5°×2.5°，月）。该阶段的主要标志是发展了调整GPI（AGPI）方法，并且发展了全球降水气候项目（GPCP）月降水数据集和气候预测中心降水合成（climate prediction center merged analysis of precipitation，CMAP）数据集。1979年后，MPE方法进入了蓬勃发展阶段，随着数据源的多元化，尤其是TRMM卫星的发射，MPE方法逐渐成熟，研究区从局地转为全球，分辨率越来越精细（0.25°×0.25°，3h）。该阶段的主要标志是发展了TRMM、GSMaP、CMORPH、NRLB和PERSIANN等高时空分辨率降水数据集。
1.2.3 遥感监测土壤水分的研究现状
土壤水分，一般是指保存在不饱和土壤层（或者渗流层）土壤孔隙中的水分。它是水资源中的重要组成部分，控制着地-气能量交换过程，对水文、气象、农业等行业领域都产生极大的影响。作为一个地表系统中的关键参数，土壤水分在水循环、农业生产、气候变化以及环境监测研究中是必不可少的参量。土壤水分不仅连接大气与地表的能量和水分转换，而且对地下水的状况也有很大的指示作用。另外，土壤水分还是植被生存环境干旱状况的指示因子，也是植被生长的必需因素。在陆地水循环中，土壤水分作为水循环的一个重要组成部分，起着不可忽视的作用。一方面，土壤水分通过接受太阳辐射，地表温度升高，水分蒸发进入大气中，形成地表与大气之间能量的交换；另一方面，土壤水分通过垂直运移，与地下水产生联系，从而供给地表植被的生存用水，将地表水与地下水联系在一起。
获取土壤水分的传统方法主要是田间实测法，包括重量法、中子仪法等。田间实测法可以准确估测土壤剖面的含水量，但仅限于单点，需要大量的人力、物力，不仅费时，而且成本高，很难大范围、高效率地获取土壤水分。不仅如此，由于土壤、地形、植被覆盖上的空间差异使单点的代表性差，也限制了它的应用范围。20世纪90年代之后，由于遥感技术的兴起，人们逐渐将视线转移到能大面积监测地表的遥感技术上来，通过建立反射率以及地表温度/植被覆盖度甚至热惯量与土壤水分的关系，得到区域尺度的土壤水分，开创了土壤水分遥感监测的新纪元。
土壤水分遥感反演已经开展多年，并取得了大量的研究成果。研究的手段有地面遥感、航空遥感和卫星遥感；遥感波段包括可见光、近红外、热红外和微波等多种遥感波段；遥感监测土壤水分的方法亦有表观热惯量法、蒸散与作物缺水指数法、绿度指数法、温差法、微波散射系数法等。
使用遥感监测土壤水分，不同波段反演土壤水分的原理不同。在可见光和近红外波段，研究发现不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低，并且从理论上可以测量这种差异。1973年，日本学者在札幌研究了5种土壤的反射率，建立了蓝波段和绿波段的胶片密度和土壤含水量的多元回归方程。Curran等用可见光全色片记录下一个广阔范围的土壤湿度的变化，并用假彩色红外片定性地提供了沙壤质泥炭地土壤湿度的空间分布。Robinove等（1981）用Landsat MSS的反照率对美国犹他州西南沙漠试验区进行连续4年的监测，结果发现反照率的增减与土壤水分的高低关系密切。Henrickson（1986）用多时相的NOAA/AVHRR的可见光/近红外影像对埃塞俄比亚1983—1984年的干旱进行监测，获得理想结果。Everitt等（1989）研究了多光谱数字化录像资料与土壤湿度的关系，所用光谱波段分别为可见光（0.4～0.7μm）、可见光/近红外（0.4～1.1μm）、可见光/中红外（0.4～2.4μm），试验按不同湿度处理的土盘和大田两组进行。结果表明3个波段的数字化录像资料都与土盘和大田的土壤湿度存在着显著的相关，且以中红外的录像资料与表层土壤湿度的相关性最为显著。刘培君等（1997）采用土壤水分光谱法，针对干扰土壤水分遥感的植被覆盖问题，利用遥感估算光学植被盖度，像元分解法提取土壤水分光谱信息，以TM数据为桥梁，建立了AVHRR可见光与近红外通道的土壤水分遥感估测模型。但是，虞献平等（1990）提出，利用土壤反射率的差异遥感监测土壤水分，会由于不同类型土壤间发射率的差别与土壤水分引起的差别相当或更大，加之太阳高度、大气条件和地表状况等引起的误差，使得用这种方法定量估算土壤水分变得更加困难。
尽管利用可见光-近红外波段进行土壤水分遥感监测得到了一些结果，但这方面的研究试验相对较少，从理论到实践上人们都更多地关注红外波段信息在土壤水分遥感监测中的应用研究。
在热红外波段遥感可以监测地表温度，而地表温度与土壤含水量有关。Myers等（1969）的研究表明，对于裸土的水分含量可由土表温度变化测定，并可检测到50cm的深度。Bartholic等（1972）发现，农田裸地表面日最高温度
随近地表水分含量的增加而减小。从实用的角度考虑，在一定的气象条件下（晴朗、无风），用白天下垫面温度的空间分布可以有效地反映土壤水分的空间分布，刘志明（1992）比较了利用NOAA/AVHRR热红外通道白天或夜间一次资料反演的地表亮度温度与土壤水分的相关关系，白天热红外资料生成的亮温-土壤水分图与热惯量土壤水分图的结果基本一致，但前者更容易获得资料。罗秀陵等（1996）应用NOAA/AVHRR热红外通道亮温资料，结合地面气象、农情等资料对四川省大面积夏旱进行动态监测。李杏朝（1996）利用NOAA/AVHRR第四通道资料，采用密度分割法、日夜温差法进行旱情监测。
另外，利用地表温度可以获得土壤热惯量，进而估测土壤水分。土壤热惯量与土壤水分关系密切，土壤含水量高，土壤热惯量高；反之，土壤热惯量低。Watson等（1971；1974）最早成功地应用了热惯量模型，Rosema等（1986）进一步发展了他们的工作，提出了计算热惯量、每日蒸发的模型。Price等（1985）在能量平衡方程的基础上，简化潜热蒸发（散）形式，引入地表综合参数概念，系统地阐述了热惯量方法及热惯量的成像机理，并提出了表观热惯量的概念，利用卫星热红外辐射温度差计算热惯量，然后估算土壤水分。这个方法已经得到普遍认可。近年来，又有许多研究对基于遥感数据求解土壤表层热惯量的方法做了改进与简化。隋洪智等在考虑了地面因子和大气因子的情况下，进一步简化能量平衡方程，使直接利用卫星资料推算得到地表热特性参量成为可能。余涛等（1997）提出了一种改进的求解土壤表层热惯量的方法，发展了地表能量平衡方程的一种新的化简方法。经过这样的处理，可从遥感图像数据直接得到热惯量值，进而得到土壤水分含量分布。马蔼乃等（1990）均从不同角度、在不同的区域利用NOAA/AVHRR资料进行热惯量法遥感土壤水分的监测试验。日本学者宇都宫阳二郎与中国科学院长春净月潭遥感实验站合作（1990）以中国东北吉林省为中心进行区域土壤水分调查，采用NOAA卫星资料，结合近地层小气候及地下热流量观测资料，进行热惯量计算，并与同步测定的0～15cm土壤水分资料建立统计模式，绘成土壤水分分布图。
随着热惯量法遥感土壤水分理论的日臻成熟，对于在裸露或植被覆盖度较低时土壤水分遥感采用热惯量法的效果已得到认可，但在实际应用中，仍需根据当地的状况对模型参数的求解和某些因子的省略做一些必要的调整。
微波分为被动微波和主动微波。被动微波通过测量土壤亮温来估测土壤水分，土壤亮温由土壤介电常数和土壤温度决定，而介电常数和温度与土壤含水量有关，可以通过微波辐射计获得的土壤亮度温度反演土壤含水量。许多观测和测量表明，来自土壤的微波发射与土壤湿度存在着很好的相关关系，这种较好的相关关系可以到达20cm的土壤层（Jackson等，1994；Pampaloni等，1990）。Shutko（1982）指出，对于裸露的各向同性的土壤，在波长为2.25cm和18cm时观测和试验得到的土壤水分含量与其发射率为线性关系。随着微波遥感的理论与实践的不断发展，基于辐射传输方程的微波遥感土壤湿度算法也得到了发展，并已展示出良好的发展前景。Njoku等（1999）从辐射传输方程出发，建立辐射亮温与土壤湿度等参数的物理模型，然后用迭代法和最小二乘法解方程，求出土壤湿度。
主动微波遥感器发射一束经调制的电磁波能量，并且接收后向散射回波，通过后向散射系数σ建立起目标物的形态和物理特征与后向散射回波的关系。土壤后向散射系数主要由介电常数和土壤粗糙度决定，而介电常数由土壤含水量决定，因此可以利用雷达反演土壤的含水量。许多模式建立起来用于独立地估算这些项，半经验的模式容易反演，但是不够可靠；而复杂的理论模式需要许多的输入数据，使得反演变得困难。如果土壤上有植被覆盖，问题就更复杂，模式也必须考虑植被和粗糙度的影响。目前有两种模式正在使用：连续的和离散的模式。在前者中，介质的介电常数被假定为随机过程，并且其平均值和相关函数已知。在后者中，介质被看做是代表树叶和树干等许多散射物体的集合体。Ulaby等（1982）的研究发现，对土壤表层5cm的土壤湿度最敏感的频率是4.5GHz（C波段），水平极化，入射角为10°。实验结果显示，土壤湿度对裸露土壤的敏感度是0.15dB；对有植被的土壤是0.13dB。田国良（1990）利用1987年11月在河南省封丘县取得的X波段机载合成孔径雷达水平极化（HH）图像进行麦田土壤含水量监测，将土壤水分分为8个等级。李杏朝（1995）于1994年10月22日根据微波后向散射系数法，用X波段散射计测量土壤后向散射系数，与同步获取的X波段、HH极化的机载SAR图像一起，进行了一次用微波遥感监测土壤水分的试验，监测相对误差率仅12%。
主动微波遥感的最大进步在于一系列带有微波传感器的卫星（如ERS系列、Radarsat、ADEOS、被动微波）的发射和即将发射升空，极大地推动了主动微波遥感土壤湿度的研究。Dobson等（1992）将ERS卫星资料用于土壤湿度的敏感性研究，取得一定的结果。Ulaby等（1990）的研究发现，对于土壤表面覆盖较少的生物量（＜1kg/m2），如短草等，用ERS-1资料反演土壤湿度是可行的。
值得注意的是，各种因子，如土壤粗糙度以及植被的覆盖都会影响微波反演土壤湿度的精度。土壤的粗糙度对于土壤的微波发射起着重要的作用，许多建立在各种近似基础上的理论模式用于预测在不同频段上粗糙表面的微波发射。由于土壤粗糙度的影响取决于观测的波长，因此可以用多频段的方法来估计土壤表面粗糙度。Pampaloni等（1990）的研究表明，在频率为1.5GHz的L波段（波长21cm）附近或更低的频率上，对平坦裸露5cm厚的土壤来说，微波亮温对土壤湿度的敏感度约为3.5K/（0.01g·cm-3），而由于土壤的粗糙度和植被的存在会导致敏感度下降，但仍可达到约1K/（0.01g·cm-3），这些研究指出，频段在10GHz的微波发射对土壤湿度相当敏感，而在36GHz的微波发射更多地受到土壤粗糙度的影响。Baronti等（1995）利用SAR对农田的观测试验表明，在裸露平坦的土壤上的信号对土壤湿度的敏感性远好于在粗糙或有植被的土壤上的，相关系数从前者的0.91降到后者的0.43。
在有植被覆盖土壤的情况下，遥感土壤湿度的敏感性会降低，这是因为植被吸收了土壤的发射，然后本身再发射辐射。有研究表明，对主动微波遥感的影响，主要是由于植被本身所含的水分吸收和散射到达冠层的微波信号所造成的（Bindish和Barros，2001）。Kirdiashev等（1978）研究发现，除了森林以外，阔叶植物的存在也会导致敏感性的降低，在频段1GHz处约为30%，在频段10GHz处约为90%。在后一种情况下，绝大多数的向上辐射都来自于植被本身的辐射发射。一般来说，遥感土壤湿度的敏感性降低因子取决于土壤上的生物量。目前，已有一些经验、半经验及理论的模式被建立并不断地改进，以分析植被对土壤湿度的影响，但都是针对某一地区的实际情况进行的，并不带有普遍性。
1.2.4 土地利用动态监测研究现状
土地利用是人类根据土地的自然和社会经济属性，根据一定的社会和经济目的，采取一系列的技术手段，对土地进行的经营活动，是人类利用土地的自然属性和社会经济属性不断满足自身需求的过程（黄秉维等，1999）。农业、林业及城镇的发展等人类对土地资源的利用活动都属于土地利用的范畴，不仅包括自然因素，也包括经济、技术和社会因素（吴传钧和郭焕成，1994）。与土地利用相对应的概念便是土地覆盖，这两者既有联系又有区别。土地覆盖更注重描述土地的自然属性或物理属性，IGBP和IHDP将土地覆盖定义为“地球陆地表层和近地表层的自然状态，是自然过程和人类活动的自然结果”（Turner等，1995）。可见，土地覆盖是指地表自然形成的或者人为引起的覆盖情况，如地表植被、冰川、土壤、建筑、道路等。在研究土地利用情况时，必须先查明土地覆盖类型，根据土地的覆盖状况来分析和判断土地利用情况。
土地利用与土地覆盖既有密切联系又有本质区别，土地利用变化是土地覆被变化的原因，也是土地覆被变化的响应。由于土地利用变化对环境的影响主要是通过改变土地覆被状况产生的，因此人们常把土地利用变化与土地覆被变化联系在一起，简称LUCC，所以认识土地利用变化是深入了解土地覆盖变化的重要基础。
土地利用动态监测是将不同时相的土地利用数据进行对比，从空间和数量上分析其动态变化特征和未来发展趋势，主要采用遥感技术获取动态土地利用数据及地理信息系统管理和更新土地利用现状数据库的方式进行土地利用的实时监测。不管是土地利用状况还是土地覆盖情况都是大面积的，随时间变化的，采用传统方法进行监测存在许多的困难，而遥感与地理信息系统技术的出现与发展很好地解决了这一问题。遥感作为一种新兴技术，是根据电磁波理论，利用传感器接受物体的电磁波而获取物体的光谱信息等，通过遥感手段就可以获得从同一地区的不同时相的数据图像。地理信息系统是以地理空间数据库为基础，在计算机软硬件的支持下，用于空间和地理有关数据的采集、存储、提取、检索、分析、显示、制图、实现综合管理和分析应用的技术系统。以遥感为获取数据的手段，以地理信息系统作为数据存储和分析的工具，两种技术的结合使得人们可以准确、及时地掌握土地利用变化情况。同时，全球定位系统（GPS）技术的出现和发展给测绘带来了一场全新的革命，它可以为土地利用遥感数据获取提供准确定位，从而为准确地界定区域界线提供了可能。遥感技术具有强大的数据获取能力而且时效性强，准确度高，监测范围大，包含多种定量、定性的信息，同时还可以方便地在计算机和地理信息系统软件中进行数据分析，所以遥感技术已成为土地利用/土地覆盖变化研究的主要方法。
20世纪30—70年代，土地利用的研究主要集中在土地利用类型分类描述、制图以及引起土地利用变化的机理等初步研究上，而且主要是从经济学角度出发进行研究的。在第二次世界大战后开始出现了利用航空照片进行区域范围内土地调查与制图的研究。从20世纪50年代开始起，人们开始探讨利用遥感资料进行大范围土地覆盖和土地利用制图的可行性，包括发展适用于遥感数据特点的土地分类系统及分类方法问题。70年代，卫星遥感技术应用于大范围土地资源的研究。80年代，开始在洲际范围内利用气象卫星数据进行土地覆盖的研究，并取得了有效的成果。80年代后期以来，随着遥感与GIS技术在土地研究中的广泛应用，典型地区的土地利用变化动态与检测蓬勃发展，并开始以此为基础的土地利用的优化决策的定量分析。
20世纪90年代以来，全球环境变化研究领域逐渐加强了对LUCC的研究工作，LUCC机制对解释土地覆盖的时空变化和建立LUCC的预测模型起到关键作用，是全球变化研究的焦点问题。
1.2.4.1 国外研究进展
国外LUCC研究主要包括北美流派、欧洲流派和日本流派，他们分别从宏观模型、福利分析和数量模拟入手对LUCC进行研究。总的来说，国外LUCC研究主要集中在几个关键性领域：土地利用的动力机制、土地覆盖变化、LUCC的区域与全球模型以及遥感技术在LUCC研究中的应用等。
国外早期的土地利用/土地覆盖变化的数据主要通过人工调查的方式来获取，以此为基础进行土地利用的分类与制图。1922年，索尔等就在美国的密歇根州开展了土地利用综合调查，开创了小区域土地利用综合考查的先例。1931年，Webb对美国大平原的土地利用类型及变化进行了研究。1946年，澳大利亚在全国领土的1/3以上地区完成了大、中比例尺的土地调查。随后，英国、加拿大和一些东欧国家以及亚洲的日本、印度和拉丁美洲的墨西哥、巴西等国先后开展了土地资源调查研究。到了20世纪70年代，随着世界范围内的土地利用调查广泛开展和计算机技术、遥感技术的发展，计算机技术和遥感技术被运用于解决土地利用的一些具体问题。目前，通过3S技术来进行土地利用变化的研究已经成为一种趋势，成为土地利用变化研究最重要的技术手段。例如，Skole等利用1978—1988年1∶50万比例尺的陆地卫星TM图像与GIS技术对巴西亚马逊盆地大面积的热带森林砍伐和居住区破碎化进行研究，取得了良好的效果。
1990年全球变化研究委员会最早提出了一个全球性LUCC研究框架。1992年联合国制定的《21世纪议程》标志着国际上关于土地利用变化研究的正式开始。1995年，由隶属于“国际科学联合会（ICSU）”的“国际地圈——生物圈计划（IGBP）”和隶属于“国际社会科学联合会（ISSC）”的IHDP共同拟定了为期10年的“LUCC科学研究计划”。作为国际全球变化研究的一项核心计划，这一计划重点研究土地利用变化的人地关系。随着计划的不断深入，其他一些组织和各个国家、地区也相继开展了一些相应的研究，如联合国环境规划署的土地覆被评价与模拟、联合国粮农组织（LAO）的土地利用分类、国际系统分析研究所（IIASA）的土地利用变化研究项目、国际地理联合会（IGU）的土地利用与土地覆被研究项目、联合国“千年生态系统评估（millennium ecosystem assessment，MA）、美国国家航空航天局（NASA）的“土地覆被与土地利用变化项目（land cover and land use change ，LCLUC）”等（史培军，1997）。
在LUCC研究计划执行的10年间，研究内容从全球气候变化效应扩展到不同空间尺度的LUCC过程、驱动机制，以及资源、生态和环境影响等诸多方面。除了在LUCC监测技术、驱动力、生态环境效应和建模研究等不同方面取得了丰硕的研究成果外，LUCC研究在理论上也实现了非常大的突破。2005年在IHDP第六届开放会议上，为期10年的“LUCC科学研究计划”宣告结束。与此同时，Aspinall和Ojima介绍了IHDP与IGBP新设立的“GLP计划（Global Land Project）”。GLP是在IGBP核心研究计划——“全球环境变化与陆地生态系统（GCTE）计划”和“LUCC科学研究计划”基础上的又一项国际性的土地利用/覆被变化研究项目。该计划主要研究陆地系统变化的原因和本质、陆地系统变化的后果以及陆地可持续性的综合分析和模拟（Ojima等，2005；史培军等，2006）。把人类与环境耦合的陆地系统（coupled human-environment terrestrial system）作为研究重点，对人类-环境耦合系统间的相互反馈开展综合研究。目标是量测、模拟和理解人类-环境耦合系统，为可持续发展和保护土地资源提供政策借鉴（李学梅，李忠峰，2008）。2007年12月《美国科学院院刊》上刊发了美国科学院院士、克拉克大学教授Turner和原LUCC研究计划主席、比利时鲁汶大学教授Lambin及现GLP研究计划主席、哥本哈根大学教授Reenberg 3人共同撰写的“全球环境变化和可持续性背景下的土地变化科学”一文，指出土地变化科学（LCS）重在加强以下4个方面的研究：①对全球的土地变化的观测和监测；②在人与环境耦合系统中去理解这些变化；③土地变化的空间解释模型；④对土地系统的脆弱性、弹性和可持续性进行评价。进一步强调了土地利用变化在全球环境变化和可持续性研究的重要作用（杜习乐等，2011）。
所以，目前国际上对土地利用与覆被信息的研究主要包括土地利用与覆被动态变化过程与驱动机制的关系、土地利用对区域环境的影响、土地利用预测模型的建立以及“3S”技术在土地利用与覆被变化动态监测中的应用等。总之，国外对土地利用/土地覆盖变化的研究由最初的经济学意义逐步提升到与社会、环境、人类等关系的层面，研究其变化的社会驱动力，产生的结果等，进而揭示其与环境变化的关系。在研究的过程中，更多地与自然科学和社会科学紧密相关，进一步探索如何更有利、更科学地进行土地利用和如何更有效的对有限的土地进行调控，从而为土地资源科学的可持续发展提供强大的依据。
1.2.4.2 国内研究进展
与国外的发展情况相比较，国内在土地利用和土地覆盖变化方面的研究由于某些技术上的落后而发展较缓，但是起步还是比较早的。在20世纪30年代初，金陵大学教授J.L.Buck对我国东部农业地区进行了广泛调查并出版了《中国土地利用》专著（唐华俊等，2004）。为了服务于国家经济建设，我国从20世纪50年代开始进行了大量的土地利用变化研究，如农业土地分等定级、重点区域的土地资源调查和简要规划以及土地资源适宜性评价等，在土地利用调查、基础图件编制和基础理论研究等方面做了大量的工作，积累了丰富的资料与研究成果。20世纪80年代至90年代初，国家土地管理局组织了全国土地概查工作，主要对中国土地利用的发展变化规律、特点及土地资源潜力进行了研究，并做出了全国土地利用的总体规划。在1980—1985年期间，我国曾用Landsat多光谱数据对全国的土地资源进行调查，宏观反映了我国土地资源的基本情况。20世纪80年代后期比较重大的遥感工程包括“黄土高原水土流失遥感调查”及“遥感技术在西藏自治区土地利用调查中的应用”等项目。这个时期研究主要集中在土地利用时空变化研究方面，例如史培军（1997）在《人地系统动力学研究现状与展望》中论述到，土地利用/土地覆盖变化的研究是地球表层系统的主要研究方向，而且还提出遥感及技术是土地利用和土地覆盖变化研究中的重要技术手段（史培军，宫鹏等，2000）；王秀兰、包玉海（1999）在“土地利用/土地覆盖变化”的含义和内容的基础上，对土地利用变化研究的方法和土地利用变化模型的建立进行了概括分析，同时也对各类模型的含义以及在土地利用变化研究中的意义进行了阐释，另外还重点介绍了几种定量研究土地利用动态变化的模型。
20世纪90年代以后，随着国际各国相应LUCC研究项目的相继开展，我国的土地利用研究方向也进行了相应的调整，同全球变化相联系起来，开展了一些与土地利用变化驱动力等方面有关的研究。研究领域主要包括利用遥感影像对土地利用进行动态监测分析、土地利用变化对农业生态系统以及全球环境变化的影响、土地利用变化驱动力和变化研究模型等。研究领域的不断扩大，体现了我国对土地利用和土地覆盖的认识逐步系统、全面、科学化（Browni，1995）。
北京大学蔡运龙教授首次研究了全球气候变化对农业生产的影响，然后对土地利用和土地覆盖变化所引起的社会经济领域问题以及怎样实现土地利用的可持续发展等问题进行了一系列探讨；刘纪远等（1997）通过遥感手段，并采用与地理信息系统相结合的方法，系统地研究了中国境内土地利用程度的区域分异情况。同时，还对遥感数据进行处理和优化，得到归一化植被指数（NDVI），在与地理数字影像相结合的基础上，针对植被的综合分类和土地资源面积以及生态环境质量开展了很多的研究。
近十几年，土地利用变化研究尤其侧重于通过结合遥感、野外观测与调查统计数据，探讨LUCC过程、驱动机制与环境效应。例如在研究LUCC的驱动力方面，李志等（2006）利用1986年、1994年和2004年的黄土沟壑区土地利用数据，得出了该研究区18年间的土地利用动态变化规律，并通过三个驱动力因素即政策向导、社会经济因素和人为积极治理进行了驱动力分析。宋开山（2008）等基于遥感技术提取了三江平原的1954—2005年期间的六期土地利用信息并利用地理信息技术对其进行了定量研究，同时就三江平原的土地利用和该地区的国有农场耕地与人口的关系进行了驱动力分析。由于该研究时间跨度大，因此基本了解了三江平原的51年的土地利用信息，为相关部门的决策提供了有效支持。摆万奇等（2005）应用Logistic逐步回归方法，通过空间分析，在大渡河上游地区15个生物、物理和社会因素中筛选出对不同地类具有重要影响的关键因素，并确定了它们之间的关系和影响大小。
自20世纪90年代以来，国内的土地利用和土地覆盖变化的研究在朝着多种技术、方法相结合，涉及研究领域更广阔的方向不断发展着。近十几年来，因为人地矛盾日趋尖锐，国内学者相继开展了一系列土地利用/土地覆盖变化的研究项目。例如，中国科学院和农业部组织实施的“八五”重大应用研究项目“国家资源环境遥感宏观调查和动态研究”、农业部计划司项目“我国农业土地利用/覆被变化与21世纪的粮食安全”、国家自然科学基金重大项目“我国主要陆地生态系统对全球变化的响应与适应性样带研究”、国土资源部组织实施的国家“十一五”科技支撑计划重点项目“区域土地资源安全保障与调控关键技术研究”、2010年启动的由中国科学院地理科学与资源研究所主持的“973”计划全球变化研究重大科学研究计划“大尺度土地利用变化对全球气候的影响”项目、《国家中长期科学和技术发展规划纲要（2006—2020年）》所确定的国家科技重大专项“高分辨率对地观测系统”等。
总之，随着国内外土地利用/土地覆盖变化研究项目的顺利开展与实施以及遥感、地理信息系统技术的诞生，研究方法在不断改进，取得了大量的研究成果，研究内容也从全球气候变化效应研究扩展到不同空间尺度的土地利用/土地覆盖变化过程、驱动机制以及资源生态和环境效应影响的研究等诸多方面。
1.2.5 河道变迁研究简介及其研究现状
河道变迁是指河流在自然条件下，受两岸的土质植被影响，或受人工建筑物的影响所发生的变化，是水流与河床相互作用的结果。在任何一个河段，或任何一个局部地区内，水流受坡降、河床宽窄、河岩地质条件、植被等因素影响都具有不同的流速，具有冲刷河床和挟沙能力，从而使河道发生变化。河道变迁就其形式而言可分为两类：一类是纵向变形，指河道沿流程纵深方向发生的变形，即河床纵剖面的冲淤变化，主要表现为河床下切；另一类是横向变形，也称平面变形，即河床沿着与水流垂直的水平方向发生变形，曲折系数变化从宏观上反映河道的总体横向变形，而洲滩演变则从细节上体现了河道的横向变形情况。这两种演变错综复杂地交织在一起，有时同时发生，有时单独发生，有时左岸冲刷、右岸淤积，还有时右岸冲刷，在左岸形成淤积。
研究河道变迁需要提取河道的特征信息，能否提取出能合理、有效地反映河道变化的特征因素对河道变迁的研究意义重大。部分研究基于实地野外资料来研究河道变化，例如樊自立等（2006）通过对新疆塔里木河的实地考察、历史资料、地形图等数据的分析研究，得到塔里木河自有史料记载以来的河道的主要变迁过程。赵伟敏、李健等（2013）主要从河流阶地方面研究黄河盐锅峡段的河道演化，依照阶地次序推断区域内河流演化的基本阶段和步骤，再辅以研究新生代以来的地层状况，进行了阶地卵石特征的分析来加以证实，论述了区域内黄河河道演化的条件，演化的方向及基本的演化过程。同期的更多类似研究采用了遥感及地理信息系统技术。应用遥感和地理信息系统技术提取河道的特征数据以开展河道及水系演变研究，在国内已经有了很多相关案例，这些案例包括：刘少华（2000）论述了利用3S技术对河道信息的提取方法；黄家柱（1999）应用遥感、地理信息系统和计算机制图技术，建立了近50年来长江河道演变图谱；齐跃明（2003）利用遥感技术对长江安徽段河道历史时期的演变及近50年来的演变进行了分析；钟凯文（2005）利用近30年来的遥感图像和相关地形图，结合GPS技术，对北江下游河岸变迁、洲滩和河道演变进行了研究，并探讨了河道变化和成因。钟凯文、刘万侠等（2006）利用多时相卫星遥感数据和1∶5万地形图分析研究北江下游的河道演变情况，提取的河道特征数据有平均水面宽、过水面积、滩洲面积、曲折系数等，从河道横向变化和纵向变化两个方面研究河道演变。郑明福、张力等（2007）利用多时相、多源遥感卫星影像和航空影像研究汉江中下游（潜江段）河道变迁情况，通过提取河道水体与滩地（边滩或心洲）的界线、河道主泓位置等河道因子来研究河道变迁情况。胡强（2008）利用卫星遥感影像及其他多源数据研究清口地区的河道演变情况，提取了各河段河道的长度、平均宽度、河道面积等因素来反映河道变迁情况。李长安、杨则东等（2008）利用1954—2001年的航卫片遥感信息，对长江皖江段的岸线特征及变化进行了调查和分析，提取分析了河道左、右岸线的长度、曲折度及位置的变化。崔卫国、穆桂金等（2008）利用航空和卫星遥感影像、地形图及相关历史文献资料分析研究了新疆玛纳斯河下游冲积平原河道的演变过程，主要从色调、图案、形状、位置、河道空间展布规律以及与其他地貌景观之间的关系出发，综合分析河道变迁的图形、图像特征和水系特征，得到河道演化的相关信息。边志华（2011）利用多时相和多源卫星遥感影像研究丹江口大坝下游河道变迁情况，提取了河床水面/滩洲面积之比（WS/TI）、主河槽弯度（RR）或主泓线长度、河道摆动幅度等指标，同时结合地面调查，来监测跟踪大坝加高工程前后下游的河道变迁情况。张岳（2013）利用GIS技术，对新安江电站下游河道高程数据进行分析，得到河道变化的趋势，以利于实时监测河道变化。
随着遥感技术的不断发展、卫星传感器覆盖率和精度的不断提高以及图像处理技术、地理信息系统技术的不断改进，探索河道及水系演变研究方法的改进成为热点。方法也向多种数据源、更高效的自动提取或自动提取与目视解译相结合发展。例如利用目视解译、多源数据融合来提取河道信息的案例包括：边志华（2011）利用SPOT影像和不同时相的TM影响融合，根据河道在遥感影像上的光谱响应特征，用目视解译的方法提取河道信息；钟凯文、刘万侠（2006）等利用北江下游河段的1975—2011年的TM和MSS影像数据，在ArcInfo软件中目视解译生成河道矢量文件，进一步提出河道特征因子；郑明福、张力等（2007）利用多时相、多源遥感卫星影像和航空影像研究汉江中下游（潜江段）河道变迁情况，根据遥感影像各波段对各种地物的光谱特性，根据河道的光谱特征、空间特征和时间特征建立河道的影像判读标志，进行河道特征提取。
基于多源遥感数据、尝试结合自动提取和人工解译相结合的案例包括：胡强（2008）基于TM、MSS、SPOT及航空卫星影像，利用谱间分析法、水体指数法和人机交互矢量化方法，根据河道在不同影像上的光谱响应特点提取河道信息。干嘉元、王荣华等（2007）利用航空遥感图像研究进行河道自动提取的方法，通过分析在遥感图像中河道的光谱特征和形态特征，提出从X和Y两个方向分别提取遥感图像中河道形态特征的方法，并证明该方法在周围线性地物较少的情况下效果良好。杨娟、王心源等（2011）利用不同时相的TM、MSS、SPOT-5及中巴资源卫星影像，用MNDWI指数法及谱间关系法提取了长江安徽段1978—2009年间河道特征信息，并分析研究其演变特点。林强、陈一梅等（2008）利用厦门湾地区陆地卫星Landsat-7 ETM+影像，通过阈值法、谱间关系法和MNDWI指数法提取水体信息，并提出从提取精度定量评价上看，MNDWI指数法最高，阈值法次之，谱间关系法最差。赵福强、杨国范等（2014）利用环境减灾小卫星30m的遥感影像，选取研究区内2012年3—10月间10个时相的遥感影像，利用二维经验模态分解（EMD）对研究区的NDVI时间序列进行分解与重组，通过分别使用极大似然法分类器、EMD-极大似然法分类器、神经网络分类器、EMD-神经网络分类器对研究区域分类提取浅水河道，表明经过二维EMD分解后的提取效果明显优于对应的传统分类器。
国外相关的研究较少，主要集中在人类建设对于河道的影响及河道提取的方法方面，例如Archana Sarkar等（2012）利用1990—2008年间不同时相的遥感数据，基于GIS提取分析了印度布拉马普特拉河的河道变迁情况。Amy E.Draut等（2011）利用多时相的航摄影像及相关数据，分析研究了修建大坝对华盛顿艾尔瓦河河道变迁的影响。近两年基于新型遥感数据源和遥感平台的新方法的案例包括：Claude Flener等（2013）提出利用移动Lidar和无人航空摄影测量方法获取DTM用于提取河道和河漫滩；
等（2014）提出基于被动遥感高空间分辨率数据利用面向对象的方法结合植被和水体指数提取河道、水体特征。