遥感在森林水分胁迫检测与监测中的应用

Application of Remote Sensing in Detecting and Monitoring Water Stress in Forests

Abstract: In the context of climate change, the occurrence of water stress in forest ecosystems, which are solely dependent on precipitation, has exhibited a rising trend, even among species that are typically regarded as drought-tolerant. Remote sensing techniques offer an efficient, comprehensive, and timely approach for monitoring forests at local and regional scales. These techniques also enable the development of diverse indicators of plant water status, which can play a critical role in evaluating forest water stress. This review aims to provide an overview of remote sensing applications for monitoring water stress in forests and reveal the potential of remote sensing and geographic information system applications in monitoring water stress for effective forest resource management. It examines the principles and significance of utilizing remote sensing technologies to detect forest stress caused by water deficit. In addition, by a quantitative assessment of remote sensing applications of studies in refereed publications, the review highlights the overall trends and the value of the widely used approach of utilizing visible and near-infrared reflectance data from satellite imagery, in conjunction with classical vegetation indices. Promising areas for future research include the utilization of more adaptable platforms and higher-resolution spectral data, the development of novel remote sensing indices with enhanced sensitivity to forest water stress, and the implementation of modelling techniques for early detection and prediction of stress.

摘要:在气候变化的背景下，仅依赖于降水的森林生态系统的水分胁迫发生率呈上升趋势，即使在典型的耐旱物种中也是如此。遥感技术为在地方和区域尺度上监测森林提供了一种有效、全面和及时的方法。这些技术还有助于制定植物水分状况的各种指标，这些指标在评估森林水分胁迫方面可以发挥关键作用。本文综述了遥感在森林水分胁迫监测中的应用，揭示了遥感和地理信息系统在森林资源有效管理中的应用潜力。它审查了利用遥感技术探测缺水造成的森林压力的原则和意义。此外，通过对参考出版物中研究的遥感应用进行定量评价，本审查突出了综合利用卫星图像的可见光和近红外反射数据并结合经典植被指数这一广泛使用的方法的总体趋势和价值。未来有希望的研究领域包括利用适应性更强的平台和更高分辨率的光谱数据，开发对森林水分胁迫敏感性更高的新型遥感指数，以及实施早期检测和预测应力的建模技术。
干旱是一种与土壤降水少和水分有效度低相关的复杂情况，是改变自然植被覆盖和促进荒漠化的重要驱动因素，水资源胁迫导致森林生态系统生长减少和死亡率增加[6,8,9]。森林缺水的定义是森林经历长期或严重的缺水，超过树木应付缺水的能力，导致最终影响森林健康和生产力的生理和生态反应的状况。森林水分胁迫的症状大致可分为生理和生态两类[10,11]。

森林水分胁迫的生理症状包括植物水分状态和气体交换的变化，以及植物生长和代谢的改变。水分亏缺干扰植物的生理活动，直接限制它们对栖息地其他元素运动的反应。Lisar等人将水分胁迫对植物的影响概括为光合作用、呼吸作用、转运、离子吸收、碳水化合物、营养物质代谢和激素的改变。水分有效性不足最初会降低植物细胞内的水势，增加细胞质和细胞外基质中溶解物质的浓度[10-14]。暂时的后果包括生长抑制和生殖失败，以及脱落酸和相容渗透物(如脯氨酸)的积累，导致[12]萎蔫。水分胁迫通过降低叶片含水量和膨胀来影响植物水分关系，从而中断气孔的开启和关闭，限制气体交换，减少蒸腾作用，阻止光合作用[11,15]。这些变化会导致植物营养和激素平衡的改变。这些反应通常是适应性的，可以帮助树木在缺水条件下保持水分和维持基本的生理功能。然而，植物体内水分运动的中断会导致矿物质营养物质的吸收、运输和代谢停滞，由于低胀压导致细胞扩张和器官增大减少[16,17]。因此，水分亏缺显著降低了植物的生长增量和整体性能[14,18,19]。胁迫的持续时间和强度决定了缺水是否会导致脱水、萎蔫和死亡[20,21]。死亡是森林长期缺水的最严重后果，其影响可能从个别树木、分散的树木斑块(图1)到大型林分倒塌不等。
位置和功能[22-25]。这些变化可以影响各种生态系统过程，包括养分循环、碳固存和水利用效率[26,27]。例如，缺水的森林可能表现出生物量减少、死亡率增加和物种组成改变。此外，森林结构的变化会影响小气候条件、土壤性质和林下植被，进而影响生物多样性和生态系统服务。此外，森林缺水还会增加树木对生物和非生物压力的易感性，如昆虫袭击、疾病爆发、森林火灾和极端天气事件。这些次生效应可加剧水分胁迫对森林健康和生产力的影响[28 -]
为了了解并试图改善树木减少的程度，我们需要有效的工具来检测和监测森林中的水压力。近年来的遥感技术为地表监测提供了覆盖范围大、分辨率多样、数据采集及时、非侵入性和成本效益高等优势变形(31、32)。事实上，遥感图像可以在没有物理接触的情况下提供来自大面积植被、土壤和环境因素的宝贵数据[32-34]。该技术与地理信息系统(GIS)相结合，在植被和环境动态分析中具有广泛的实际应用[31,35,36]。
由于遥感技术的优势，特别是在空间尺度上与传统的地面方法相比，遥感技术正越来越多地用于测量森林水分胁迫[37-39]。包括卫星图像在内的这些技术可以提供关于大范围、甚至在偏远或难以到达地区的水资源压力的信息，这对于监测区域甚至全球尺度的森林特别有用。考虑到森林在全球水循环以及能源和碳平衡中发挥的重要作用，这一点尤其重要。遥感技术是非破坏性的，可以在不与森林进行任何物理接触的情况下提供有关水资源压力的信息[34,41]。遥感技术可以测量水分含量、叶片色素、冠层温度和叶绿素荧光等多个水分胁迫指标，可以更全面地了解森林健康状况和水分利用情况[33,39,42 - 44]。
本文综述了遥感在森林水分胁迫监测中的应用，揭示了遥感和地理信息系统在森林资源有效管理中的应用潜力。
它审查了利用遥感技术探测森林植物水分胁迫的原理和必要性。从定量文献综述中，我们评估了与林业植物水分胁迫检测相关的广泛遥感应用，以确定总体趋势。最后，我们评估了遥感和地理信息系统在森林资源管理用水压力监测中的应用潜力。

2. 植物水分胁迫的遥感检测

． 植被观测中的遥感原理是利用传感器测量植物及其周围环境发射或反射的不同波长的电磁辐射[31,32]。健康植被以其特有的方式反射和吸收不同的波长，这是遥感仪器可以探测到的[31,45]。例如，健康的植被吸收大部分可见光光谱，但反射高比例的近红外辐射。这意味着健康的植被在可见光合成图像中呈现绿色，但在近红外图像中呈现明亮。通过分析反射或发射电磁辐射的模式，遥感仪器可以提供植被的叶面积指数(LAI)、叶绿素含量、含水量和生物量等植被属性信息[46-49]。这些信息可用于监测植被健康，确定植被胁迫区域，并估计作物产量[31,32]。

本节介绍了用于检测植物水分胁迫的遥感原理，主要基于对适当波长的信号成像。

图2显示了可用于监测植物对水分胁迫反应的成像方法的光谱范围。

植被典型的光谱反射率表现为近红外(NIR)区域的高反射率(约700-1300 nm)，可见光区域的低反射率(约400-700 nm)[50-52]。这是由于叶绿素在可见光波段的高吸收以及植物细胞内部结构和水分含量在近红外波段的强反射[33,53]。此外，由于植物组织中水分和纤维素的吸收，植被在短波红外(SWIR)区域(约1300-2500 nm)具有较低的反射率[37,54,55]。叶片内部结构和生化成分，如绿度含量(叶绿素和类胡萝卜素)、水分、氮、纤维素和木质素，在植物响应不同波长辐射的光谱特性中起主要作用[48,55,56]。控制叶片可见光光谱响应的主要因素是色素，尤其是叶绿素[45]，

森林水分胁迫探测的主要遥感平台和成像方法(原作者:T.S. Le)。
植被典型的光谱反射率表现为近红外(NIR)区域的高反射率(约700-1300 nm)，可见光区域的低反射率(约400-700 nm)[50-52]。这是由于叶绿素在可见光波段的高吸收以及植物细胞内部结构和水分含量在近红外波段的强反射[33,53]。此外，由于植物组织中水分和纤维素的吸收，植被在短波红外(SWIR)区域(约1300-2500 nm)具有较低的反射率[37,54,55]。叶片内部结构和生化成分，如绿度含量(叶绿素和类胡萝卜素)、水分、氮、纤维素和木质素，在植物响应不同波长辐射的光谱特性中起主要作用[48,55,56]。控制叶片可见光光谱响应的主要因素是色素，尤其是叶绿素[45]，它与光合能力和整体初级生产力密切相关[45,57]。此外，叶片的细胞结构影响近红外波段的光谱反射特性，而叶片含水量决定了与SWIR波段波长的相互作用。

当植物缺水时，就会发生水分胁迫，导致植物生理生化过程的变化，从而降低植被的健康[10,16,58]。

这些变化可以通过遥感检测，以监测植物的健康状况并确定水分胁迫的区域[32,40,59,60]。检测植物水分胁迫的一种方法是测量可见光和近红外光反射率的变化[40,59,61]。一般情况下，胁迫植物在近红外区的反射率较低，而在可见光区的反射率较高[45]。另一种检测水分胁迫的方法是利用热红外传感器测量植物热特性的变化[39,44,62]。当植物受到水分胁迫时，由于冷却和热积累的蒸腾作用减少，叶片温度可能会升高[10,63]。

图2。森林水分胁迫探测的主要遥感平台和成像方法(原作者:T.S. Le)。

当植物缺水时，就会发生水分胁迫，导致植物生理生化过程的变化，从而降低植被的健康[10,16,58]。

这些变化可以通过遥感检测，以监测植物的健康状况并确定水分胁迫的区域[32,40,59,60]。检测植物水分胁迫的一种方法是测量可见光和近红外光反射率的变化[40,59,61]。
一般情况下，胁迫植物在近红外区的反射率较低，而在可见光区的反射率较高[45]。另一种检测水分胁迫的方法是利用热红外传感器测量植物热特性的变化[39,44,62]。当植物受到水分胁迫时，由于冷却和热积累的蒸腾作用减少，叶片温度可能会升高[10,63]。

大量研究证实叶片叶绿素与含水量、冠层温度和植物水分胁迫之间存在显著联系[63-66]。推断任何绿色和含水量的减少都是植物胁迫的标志，因此，这些指标以及冠层温度被用作植物水分胁迫的“替代品”。
有几个独特的光谱波段和植被光谱反射率指数可以用来评价植物的叶绿素和水分含量[46,48,67]。随着遥感技术在光谱分辨率、精度和准确度方面的快速发展，更窄反射波段的测量使研究人员能够开发出更多的创新方法来检测植物水分胁迫

2.2. Vegetation Indices

2.2. 植被指数
A variety of vegetation indices (VIs) have been developed to monitor changes in vegetation and related physiological processes by utilizing the spectral reflectance characteristics of plants captured through different imaging methods combining reflectance at particular spectral wavelengths. Many of these indices, summarised in Table 1, have been utilised to detect water stress in plants. These include Typical VIs, Water VIs, Pigment VIs, and Temperature VIs. More detailed information concerning these indices and the principles and methods used to calculate them are provided in the corresponding references

利用不同成像方法捕获的植物的光谱反射率特征，结合特定光谱波长的反射率，开发了多种植被指数(VIs)来监测植被的变化及其相关生理过程。表1总结了许多这些指数，它们已被用来检测植物的水分胁迫。这些指标包括典型VIs、水VIs、颜料VIs和温度VIs。有关这些指标及其计算原理和方法的更详细信息，请参见相应的参考文献。
Table 1. Remote sensing indices that have been used for detecting plant water stress.

表1。用于植物水分胁迫检测的遥感指标。

Typical VIs (Table 1) are calculated on the basis of the reflectance in the red (600–700 nm) and part of the NIR (700–900 nm) spectral regions, whereas Water VIs use reflectance in the SWIR bands. In addition, Pigment VIs reflect the concentrations of leaf pigments, mainly chlorophyll, by using green and red-edge reflectance. The red-edge narrow band around 700 nm is unique due to its correspondence to the threshold between the spectral regions with high light absorption (<700 nm) and high light reflectance (>700 nm) by chlorophyll pigments [95]. On the other hand, Temperature VIs have been developed with the participation of thermal infrared signals which provide information concerning land surface and canopy temperature. This information is usually combined with fractional vegetation coverage and Typical VIs to form a high-potential trapezoid theory to express the decline in plant physiological processes as a symptom of stress [91].

典型的VIs(表1)是根据红光(600-700 nm)和部分近红外(700-900 nm)光谱区域的反射率计算的，而水VIs使用SWIR波段的反射率。此外，色素VIs通过绿边和红边反射率反映叶片色素(主要是叶绿素)的浓度。700 nm左右的红边窄带是独特的，因为它对应于叶绿素色素高光吸收(<700 nm)和高光反射(>700 nm)光谱区域之间的阈值[95]。另一方面，在热红外信号的参与下，温度VIs的发展提供了有关地表和冠层温度的信息。这些信息通常与植被覆盖度分数和典型VIs相结合，形成一个高电位梯形理论来表达作为胁迫症状的植物生理过程的下降[91]。

2.3. Spectral Characteristics of Leaf Chlorophyll Content 2.3. 叶片叶绿素含量的光谱特征

叶绿素是一种色素，在植物将光能转化为化学能的光合作用中起着至关重要的作用。具体来说，植物细胞中叶绿体内的叶绿素分子吸收光能，并利用它来驱动有机化合物(如葡萄糖)的合成，植物将其用于生长和代谢。叶绿素还负责赋予植物绿色，因为它吸收可见光光谱中蓝色和红色波段的光最有效，并反射绿光。

胁迫植物叶片叶绿素浓度的降低改变了植物吸收太阳辐射的能力，改变了植物典型的光谱反射模式，绿色反射减少，红色和蓝色反射增加[83,96]。因此，植物水分胁迫的遥感检测需要确定健康植物的典型光谱反射模式，作为比较的基础
已经确定，在红光和近红外光谱中的某些反射波长对叶绿素色素的变化有响应。在波长550和700 nm处，对叶绿素含量的最大反射灵敏度已被报道(图2)[51,68,97]。因此，利用这些波长的光谱反射率组合，通过描述反射率值与叶片叶绿素含量之间的关系，开发了许多光谱指数，包括广泛使用的归一化植被指数(NDVI)[52]和各种叶绿素指数(CIs)[95,98,99]。然而，这些关系是不一致的，因为叶绿素浓度可以在植物物种之间，随着叶龄，甚至在不同的个体之间变化
同一种在不同生境条件下。Coops等人建议在使用这种类型的指数来估计不同植物物种、作物类型或生物群系的植物水分胁迫时要谨慎

2.4. 叶片含水量的光谱特征

水在中红外(MIR)区域(约1300-2500 nm)具有很强的吸收特性，并且随着水含量的增加，这种吸收变得更加明显[100,101]。因此，含水量越高的植物组织在MIR波段的反射率越低。此外，含水量也会影响可见光和近红外区的光谱反射率。随着含水量的降低，近红外区的反射率降低，可见光区的反射率增加。一些研究证实了近红外和MIR反射率与植被和土壤含水量之间的显著相关性[46,76,99-102]。
许多水植被指数已经从电磁波谱的近红外、MIR和SWIR区域的反射率中导出。为了利用遥感评估叶片含水量，Tucker[102]使用了550 ~ 1750 nm范围内的波段。

此外，Musick和Pelletier[100]建议使用550-1750 nm和2080-2350 nm之间的光谱波段比例。然而，在Hunt和Rock[101]的实验室研究中，观察到含水量、叶面积与820和1600 nm处反射率得出的光谱指数之间存在很强的相关性。特别是在1400 ~ 2500 nm的SWIR区域，已经确定了特定光谱波段与许多指示植物水分胁迫的田间测量之间的密切关系，如相对含水量、叶片水势、气孔导度和细胞壁弹性[46,54,103]。Faurtyot和Baret[54]还表明，1530和1720 nm的光谱波段是评估植物含水量的最佳波段。
Gao[76]提出的归一化差异水分指数(normalised difference water index, NDWI)是目前应用最广泛的水分含量评估指标之一，可作为植物水分胁迫的指示指标。它是使用近红外和SWIR波长计算的，它们对植物组织中水分的存在很敏感。NDWI的公式为(NIR−SWIR)/(NIR + SWIR)，其中NIR为近红外860nm处的反射率，SWIR为短波红外1240nm处的反射率。NDWI已被广泛用于估算各种树种的含水量[104]，特别是在水分供应有限或干旱胁迫普遍存在的地区[10]。

2.5. 冠层温度的光谱特征

2.5. 冠层温度的光谱特征
冠层温度的光谱特征是指植物在不同的电磁波谱部分发射热辐射的方式，这取决于它们的温度[60,62,105]。植物冠层的温度受到许多因素的影响，包括太阳辐射、空气温度、湿度和植物的水分利用。在光谱的热红外(TIR)区域，植物发射的辐射波长在800 ~ 1400 nm之间，可以用来估计它们的温度[38,94,106]。

当植物遭受水分胁迫时，它们会关闭气孔以减少水分流失，从而减少蒸发冷却。这使得植物冠层的温度与环境条件保持平衡。相反，水分充足的植物可以维持蒸腾和蒸发冷却，导致冠层温度较低[66]。因此，冠层温度可以作为植物水分胁迫的直接指标。利用热红外成像技术远程测量冠层温度，可以检测作物和自然植被的水分胁迫。冠层温度的光谱特征可用于评估植物胁迫和水分利用效率[107]，以及监测干旱、热胁迫和野火风险等环境条件[32,39,108]。利用TIR数据开发了各种光谱指数来估计冠层温度和检测植物胁迫，如作物水分胁迫指数(CWSI)[87]和温度植被干燥指数(TVDI)[91]。
作物水分胁迫指数(CWSI)是一种基于植被温度来评价植物水分胁迫的光谱指数。它的发展是为了量化作物的水分胁迫程度，它被计算为冠层温度和空气温度之间的差异，通过冠层温度和水分充足的参考表面的温度之间的差异进行归一化。

TVDI是一种基于冠层温度和植被覆盖度的植被水分胁迫评价光谱指数。TVDI的计算方法是将地表温度(由热传感器测量)与周围环境温度之差除以相同大气条件下地表温度与代表最大蒸腾作用的参考温度之差。TVDI值越高，说明缺水情况越严重，值越低，说明供水充足。

2.6. Spectral Characteristics of Plant Photosynthetic Efficiency

2.6. 植物光合效率的光谱特性

植物的光合效率可以利用各种光谱特性来评估。除了叶绿素含量的常用测量外，光化学反射指数(PRI)还反映了保护植物免受过量光能影响的叶黄素循环色素池的变化[80,85,99]。此外，在红光和远红光波段的光谱响应，包括叶绿素荧光的发射，也可以表明光合效率的变化，因为植物经常调整其光合机制以响应光照条件的变化[65,108,109]。
PRI是一种植被指数，它利用531和570 nm波长之间的反射率差异来估计黄叶素循环色素池的变化[80]。
PRI已被证明是植物胁迫的敏感指标，特别是在响应光和水可用性变化时。PRI可以使用高分辨率光谱仪或高光谱传感器来测量，这些传感器能够捕获可见光和近红外区域的窄光谱带。PRI信号可以用PRI比来量化，PRI比是531和570 nm处的反射率之差除以531和570 nm处的反射率之和。Zhang等[86]建议使用其他波长(即512、515、551、555、602、645、667、668 nm)的反射率代替570 nm。
Gamon等人[84]也利用531 nm的替代波长(515、525、535、545 nm)开发了PRI。
叶绿素荧光具有明显的光谱特征，可以通过遥感检测[65,68,110,111]。当植物在光合作用过程中吸收光能时，其中一些以热量的形式消散，而其余的则用来为二氧化碳和水转化为有机化合物提供动力。然而，如果吸收的光能超过光合作用所需的光能，多余的能量就会以荧光的形式消散。叶绿素荧光主要在650-750 nm光谱范围内发射红光和远红光区域[112]，峰值发生在685 nm左右[68]

3. Remote Sensing Application for Water Stress Management in Forestry

3.遥感在林业水分胁迫管理中的应用
自20世纪70年代以来，用于水分胁迫检测和监测的遥感应用迅速发展，涉及广泛的技术来检查植物的水分状况和水分亏缺造成的损害[33,114,115]。然而，尽管在开发传感器和平台以及数据处理方面投入了大量资金，但它们的应用主要用于支持农业用地的灌溉，玉米[47,105]和豆类[104]等作物易受干旱影响[33,116]。过去，利用遥感方法评估森林水分胁迫的研究相对较少[23,36,41]。
气候变化越来越多地造成森林水资源紧张，对森林生态系统产生重大不利影响，包括森林结构和组成的变化、对病虫害的易感性增加以及固碳能力降低[11,12,38,117]。因此，人们越来越认识到森林水的重要性压力是森林健康和恢复力以及提供碳固存、生物多样性保护和水调节等生态系统服务的关键问题[5,23,32,38,39]。
对遥感应用于森林缺水管理的兴趣越来越大，因为这可以提供一种更有效的森林管理手段。
森林管理措施，如间伐、修剪和选择性采伐，可以帮助保持土壤水分水平，减少树木之间对水分的竞争，促进有效的水资源利用[117-119]。
在接下来的章节中，我们利用Web of Science Core Collection (www.webofscience.com，于2023年3月31日访问)、CAB Abstracts (www.cabdirect.org，于2023年3月31日访问)和Scopus (www.scopus.com，于2023年3月31日访问)对遥感在森林水分胁迫管理中的应用进行了定量评估。
检索包括截至2023年3月31日检索日期的所有出版物。在标题、关键词和摘要中用于搜索的关键词是“遥感”或“遥感”，“水压力”或“干旱压力”，并与“森林”或“林业”组合。如果额外的搜索检测到“随机森林”一词，则会手动审查结果。
of access on 31 March 2023. The key words used for the search in the title, keywords,
and abstract were “remote sensing” or “remotely sensed”, “water stress” or
“drought-stress”, and in combination with “forest” or “forestry”. The results were manually reviewed if an ad

3.1. Overall Trend of Remote Sensing Applications for Forest Water Stress Assessment

森林水分胁迫评估遥感应用总体趋势

在所审查的所有出版物中，大多数作品集中在欧洲和北美，如图4所示。这是可以理解的，因为这些地区是遥感技术最初发展的地方，也是许多突破发生的地方。然而，从2010年到现在，亚洲，特别是中国的出版物数量有了显著的增长。同样值得注意的是，拥有世界上最大的热带雨林生态系统的南美洲最近也收到了由于气候变化的影响和不断升级的水资源压力风险，最近引起了人们的兴趣。总的来说，很明显，世界上热带和南半球的许多森林需要进一步投入到偏远地区

图5显示了按森林类型划分的研究对象数量。图4中按地理区域划分的研究分布在一定程度上决定了哪些森林类型是所审查研究的主题。很大一部分研究区域位于欧洲和北美，这些地区气候温和，是各种针叶树和落叶阔叶物种的家园，如栎(栎)、山毛榉(Fagus)和板栗(Castanea)。对常绿阔叶物种的研究相对有限，主要集中在西南热带林区和亚马逊雨林。此外，在澳大利亚研究桉树的趋势越来越多，因为其中一些物种尽管被认为是耐旱的，但在它们的自然栖息地面临着水的可用性限制。特别是，卫星遥感技术的进步使研究能够在跨越多个大陆和包括不同森林生态系统的广大领土上进行[120]
卫星图像一直是监测森林水分压力的首选方法(图6)。

这样做的主要原因是，这种图像提供了广泛的覆盖区域，可以监测大面积的森林地区。这对监测森林中的水资源压力特别有利，因为这种压力可能发生在不同的尺度上，从单个树木到整个流域。
卫星图像还提供及时和定期的多光谱数据，以便监测水资源压力随时间的变化。类似地，其他参数，如收获模式或干扰也可以确定。
所有的数字信息都可以存储在数据库中，使用户能够研究过去的现象，并在很长一段时间内持续监测它们的演变。这种卫星图像数据的长期储存可以进行历史分析，便于审查各种环境现象的过去趋势和变化，包括森林中的水资源压力。通过维护卫星图像的历史档案，研究人员和森林管理者可以深入了解森林中水分压力的长期动态，并跟踪随时间的变化。

对于所使用的光谱数据类型(图7)，最受青睐的是可见光和近红外波段的反射率。这些波段主要通过NDVI和EVI(增强型植被指数)等植被指数来获取植被的分布和状况。此外，SWIR数据至关重要，因为它可以提供有关森林冠层中液态水存在的宝贵信息，这与水分胁迫直接相关。此外，热红外数据越来越多.

3.2. Change in Applications over Time

3.2. 随时间变化的应用程序
遥感在森林缺水管理方面的最早应用出现在1980年代中期。其中包括Korner[126]的研究，他使用热扫描仪检测叶片中的水分胁迫症状，Spencer[127]使用大型70毫米彩色和黑白航空摄影检测干旱胁迫下辐射松的枯死。Spencer[127]强调了与黑白和实地调查数据相比，彩色照片的优越性能。Running和Nemani[128]的研究中提到了利用卫星遥感监测缺水地区森林与水的相互作用，其中研究了由先进甚高分辨率辐射计(AVHRR)传感器计算的NDVI与光合作用(PSN)和蒸腾作用(TRN)之间的相关性。结果表明，在季节性水分胁迫严重的样地，周NDVI与PSN的相关系数高达R2 = 0.64。
周NDVI与TRN的相关性与PSN相同，但略低。
Pierce等[129]证实了基于飞机的遥感在景观尺度上对德国针叶林清晨水分胁迫进行大范围波段探测的有效性。然而，本研究与Hunt and Rock[101]和Cohen[130]一致指出，尽管反射率与植物水分胁迫之间存在一定的相关性，但卫星图像的光谱反射率不足以准确探测森林中的水分胁迫[101,129]。Riggs和Running[131]还发现，由于飞机飞行时需要大量的地面数据，在操作景观尺度上，针叶树冠层的水分压力可能无法常规检测到。
然而，Kalluri和Doraiswamy[132]通过在美国爱荷华州的四个不同地区使用Landsat和地面数据组合计算CWSI，推进了研究领域。利用CWSI的时间模式可以确定水分胁迫的频率、严重程度和长度。这种技术的优点是可以大面积应用。Vidal和Devauxros[133]用landsat衍生的水分亏缺指数(WDI)支持了这种方法。
20世纪90年代，由于许多科学学科和技术的突出发展，特别是新的传感器和能够捕获更窄波段光谱反射率的光谱仪，引入了许多新的遥感技术方法和应用。在20世纪90年代中期，Gunther等[134]和Valentini等[135]引入了一种新技术。这涉及到通过空气激光诱导短毛栎的荧光来评估水分胁迫，区分F685/F730比值作为胁迫植物与非胁迫植物的信号。这项技术的有效性已被许多研究证实;然而，它在空间尺度上仍然局限于小的树木簇，可能只适用于地面真值控制测量[134-137]。

随着卫星影像技术的发展，20世纪90年代末出现了利用AVHRR数据计算植被指数(即NDVI、LAI、WDI和CWSI)作为水分胁迫指标的主要趋势[138-141]，其中NDVI是应用最广泛的指数，出现在75%的出版物中。在此期间，由于NOAA-AVHRR传感器具有高时间分辨率(两颗卫星每天捕获四幅图像)和多光谱波段(VIS、NIR、MIR和TIR)的优势，植被水分胁迫评估更倾向于使用VIS、NIR和TIR波长的同时反射率[142]。1997年，随着水分指数(WI)的引入，PRI首次用于地中海常绿乔木的胁迫检测，包括栓皮栎(Quercus ilex)和红叶栎(Phillyrea latifolia)[143]。这为一般植物的胁迫检测开辟了新的方向。
随着2000年地球观测1号(EO-1)卫星的发射，21世纪的第一个十年出现了星载高光谱成像技术的突破，该卫星携带了Hyperion传感器。来自该来源的光谱数据被用于检查热带雨林的动态，并成功地检测了热带森林的干旱胁迫，以及监测森林生理和碳固存[145]。

尽管航空可见光/红外成像光谱仪(AVIRIS)是地球表面高质量高光谱图像的另一个来源，于1993年首次亮相，但由于时间分辨率低且费用昂贵，该图像无法应用于水压力监测[146]。
2003年，欧洲经历了其最温暖和最干燥的夏季之一，这是未来气候变化影响森林健康事件的前兆[147]。这一事件为研究人员提供了一个很好的机会来研究干旱胁迫的条件和影响，并开发新的方法来评估、监测和预测类似的事件。Gobron等人[147]利用来自Seaviewing Wide -of-view Sensor (SeaWiFS)以及欧洲航天局ENVISAT平台上的中分辨率成像光谱仪(MERIS)传感器的数据，评估了东欧大片地区的水资源压力区域。2004年与健康植被的比较显示了极端干旱对各种森林覆盖的巨大影响。此后，在欧洲其他地方利用星载和空中来源的遥感数据进行了许多其他森林水资源压力研究[72,148-151]

除了NDVI等一般植被指数外，人们还开发并验证了NDWI[80]等一系列用于含水量评估的新植被指数，以便在林业方面进一步应用[152]。在2000年代后期，NDWI是林业和农业中最受青睐的水分胁迫监测光谱指标之一[153-155]。
Eitel等分析了杨树实际水分测量值与NDWI、最大差水指数(MDWI)、红边拐点(REIP)和水分指数(WI)之间的关系。这些指标与白杨林高度水分胁迫有显著关系。然而，这些指数在检测杨树中低水分胁迫水平时表现出缺乏敏感性，尽管利用swir结合指数可以成功地检测其他树种的水分胁迫。在另一项研究中，Jiang等[155]建议使用MODIS数据的短波红外水分胁迫指数(SIWSI)代替NDWI
Jang等[79]综合了NDVI和NDWI，建立了新的正态化水汽指数(NMI)。作为水分胁迫的指标，NMI与冠层表面温度呈负相关。基于卫星的PRI首次用于林业，当时，政府等人[156]利用MODIS数据追踪了地中海栓皮栎森林的季节性干旱影响。对于该森林类型，与传统的MODIS-GPP算法相比，PRI估算的干旱导致的总初级生产力下降具有更高的准确性[156]。这得到了另外两项研究的支持[157,158]。

在2010年代，监测森林水分胁迫的所有方法都取得了显著进展。这一进展的特点是扩大了对各种森林类型的适用性，并综合了现有的遥感指数，创造出对应力条件更敏感的新指数。例如，Ishimura等[159]利用改进的温度植被干燥指数(iTVDI)观测了日本山毛榉森林因空气污染和缺水导致的衰退，发现改进后的指数比传统的NDVI和以前的TVDI更准确地检测树木倒塌。最流行的应用包括通过计算基于卫星数据的基本植被指数，如NDVI和EVI来绘制水分胁迫图，特别是MODIS和Landsat[40,160-162]。

随着2009年温室气体观测卫星(GOSAT)的运行(该卫星提供太阳诱导的叶绿素荧光数据)，森林树木的生理生化过程可以从空间而不是使用手持荧光仪进行评估。Lee等[163]利用这些数据模拟了亚马逊地区常绿森林在水分胁迫影响下的森林生产力。他们发现GOSAT观察到的每月中午荧光的变化是水胁迫的结果。

无人机的快速发展和对其潜力的认识，源于电池续航时间的不断提升。因此，许多研究已经探索了将该平台与适当的传感器一起用于测量森林中的水分胁迫[164-167]。例如，Gomez-Candon等[168]使用无人机遥感热图像结合VIS和NIR数据在树尺度上评估水分胁迫。研究结果表明，校准后的热图像与地面真实数据之间存在很强的相关性。与健康树木相比，水分胁迫下的树木冠层温度明显更高。

Steele-Dunne等[169]开发了雷达遥感的新应用。

通过检查从一组树木上捕获的散射仪数据，作者指出，欧洲遥感(ERS)卫星在下降和上升通道之间的c波段风散射仪测量值的差异对应于植被水分胁迫的开始。采用同样的方法，Konings等[170]利用QuikSCAT(2001-2009)和RapidScat(2014-2016)在0.25◦栅格分辨率下的雷达后向散射，确定了中非湿润热带森林在流域尺度上的水分胁迫状况。结果表明，RapidScat背向散射的日变化有效地显示了所研究森林中广泛存在的正午气孔关闭现象。

结果清楚地表明，微波和雷达技术在监测森林水分胁迫方面具有重要的潜力。值得注意的是，主动遥感系统已经被证明在农业干旱监测中是有效的，Vreugdenhil等人[171]对其进行了广泛的综述。这些技术在农业部门的进步和挑战突出了它们在林业中类似应用的良好前景。然而，值得一提的是，已发表的探讨它们在森林生态系统中的利用的研究数量有限。尽管如此，在农业方面取得的成就加强了在不久的将来在森林中采用这些方法监测水资源压力的可行性。

模拟水分胁迫对森林生态系统的影响是这十年来重申的一个新的研究方向。Sun等人[172]测试了供水压力指数(water supply stress index, WaSSI)，这是一个月度水碳平衡模型，在解决美国水压力对自然生态系统服务的影响方面具有潜在的应用前景。作者认为，WaSSI模型成功地模拟了中国的长期水碳平衡
流域尺度的森林。同年，browwers等人[161]利用Landsat数据对地中海型气候下的常绿桉树森林进行了水分胁迫制图。本研究还根据一组地形和气候相关因素与森林内干旱/热胁迫的可能性相关联，建立了一个损害概率模型。该应用程序可以很容易地适用于其他地区，以支持森林管理，减轻水胁迫损害。

在2010年代末，通过航空图像测量冠层含水量(CWC)监测水分胁迫的应用数量有所增加[173-175]。这些研究在景观尺度上测量了针叶林的CWC，并结合了叶片水平的生理测量和冠层水平的叶片枯死调查。结果表明，CWC或CWC的变化可以通过揭示针叶树潜在的叶片损伤和冠层崩塌模式来检测水分胁迫。

然而，飞机需要配备高质量的高光谱传感器，这对该方法的广泛采用提出了重大挑战。

近年来，确定森林树木和生态系统对缺水、干旱和热浪的反应，以及水林相互作用的变化，已成为研究的重点，因为人们正在寻求管理日益温暖和干燥环境的解决方案。在这些研究中，遥感技术的有效性在于它们在景观尺度上的适用性[29,176,177]。此外，与2003年的干旱相比，2018年欧洲的干旱气候更为严重，对森林生态系统的影响也更为严重，这提高了森林管理者和研究人员对森林水分胁迫的认识，也促进了关于森林对干旱的响应和水分胁迫对大尺度森林健康影响的研究[178,179]。

此外，在以往应用于农作物的指数基础上，开发了新的森林水分胁迫评价光谱指数。Avetisyan[180]引入了Sentinel-2卫星上的植物衰老反射指数(PSRI2)，该指数由两个红边波段(705和783 nm)和绿色峰值波段(560 nm)组成。该指数在阔叶林、针叶林和混交林以及过渡林地/灌木中进行了测试，而最初的PSRI用于大田作物和果树[181]。Masiello等人[182]的另一项研究利用安装在欧洲航天局MetOp卫星上的红外大气探测干涉仪(IASI)的高光谱数据，开发了IASI水分亏缺指数(IASI- wdi)，以监测意大利地中海森林的水分压力。该研究还产生了一个指数的时间序列，该指数显示了与任何气象干旱引起的森林压力相关的大气背景条件。最近的指数是Joshi et al[[38]]开发的温度植被水分胁迫指数(TVWSI)，该指数包括与植物水分胁迫相关的三个指标:通过LST的冠层温度、通过地表水含量指数(SWCI)的冠层含水量和通过NDVI的冠层覆盖度分数。

Fuentes等人[183]提出了遥感在城市林业水分胁迫监测中的新应用。本研究利用可见光和红外热像仪采集图像，计算有效叶面积指数(laye)和新引入的树木水分胁迫指数(TWSI)，该指数由CWSI推导而来[87]。绘制了TWSI和lai之间的关系，以突出健康城市绿色基础设施中缺水的树木位置。此外，Ma等[110]利用卫星太阳诱导的叶绿素荧光(SIF)数据、冠层荧光产量(SIFyield)数据和多源遥感指数，包括植被指数(NDVI、EVI)、叶面积指数(LAI)和吸收光合有效辐射(fPAR)分数，监测森林水分胁迫。绩效分析结果表明，siff产量对水分胁迫的敏感性更高，对森林水分亏缺的响应比其他指标更早，异常变化幅度至少高出10%。最近的研究也证实了SIF与标准化降水蒸散指数(SPEI)在森林水分胁迫检测中的潜力[177,184,185]。

3.3. Overall Findings 3.3. 整体调查结果

在气候变化和全球干旱频率和严重程度增加的背景下，森林水资源压力管理越来越受到关注。随着出版物数量每年迅速增加，最受欢迎的应用涉及大规模卫星数据，特别是可见光和红外波长的反射数据，以观察水胁迫症状和对生态系统的损害，并监测胁迫后森林的恢复情况。随着全球科学技术的整体发展，利用基于无人机的图像和基于卫星的太阳诱导叶绿素荧光和高光谱图像等新型遥感数据是一种趋势。此外，为了有效地描述森林水分状况，还需要继续加强利用植被指数对冠层光谱反射率的分析。引入具有更高灵敏度的新指数，结合更高质量的数据，以及改进和整合现有适应症，是有希望的研究途径。

的确，如表1所示，在森林水资源压力监测方面已经尝试了各种VIs。但是，整个森林地区水资源压力分布广泛，因此必须使用覆盖范围广泛的遥感数据进行有效的分析和监测。因此，研究主要优先使用卫星遥感数据，因为它通过广泛的图像场景提供广泛的覆盖范围。由于这些数据的分辨率较低，因此无法计算窄波段的植被指数，如色素植被指数。同样，利用基本波形的水体植被指数，如NDWI或SIWSI，在应用于森林目标时，结果也不理想[154,186,187]。目前这些指标的发展主要围绕测试越来越窄的波长展开，不幸的是，这些波长目前与卫星遥感数据不兼容[80,85,86]。因此，广泛的使用仍然集中在几个简单的指数上，特别是NDVI和EVI[187-190]。虽然这些指数有效地评估了水分胁迫对森林资源造成的损害，但它们不能有效地促进早期发现和持续监测水分胁迫的进展。

近年来，温度植被指数的应用有越来越多的趋势[191-193]。这些指数的强度来自光谱反射率的综合分析，表明在可见损害发生之前就存在植被应力，以及冠层内温度条件的变化。温度波动是森林冷却系统效率的一个指标，在没有水的情况下冷却系统效率会降低。这些信息对监测很有价值。值得注意的是，温度植被指数的应用取得了显著而有意义的成果。展望未来，温度植被指数的潜力将进一步扩大，特别是随着热红外传感器集成到无人机中。这一进展有望提高监测森林水资源压力的有效性。

4. Integration of Remote Sensing of Water Stress with Other Spatial Datasets for Forest Management 4. 水资源胁迫遥感与其他森林管理空间数据集的集成

已发表的研究表明，各种环境因素影响森林的水分胁迫，包括气候条件、土壤和植被覆盖、水文和地形[194-196]。气候和天气特征在森林缺水的发展中起着至关重要的作用，森林本身的特征，如总叶面积和涉及的物种也起着至关重要的作用。

温度、降水、湿度和蒸散等因素可以影响森林的总体水平衡，从而影响森林中的水的可用性。随着气候变化，长时间的高温或干旱会减少森林的水供应，增加植被的需水量，从而增加森林的水压力。
土壤特征，特别是土壤质地、结构和深度，也会影响森林中的水分胁迫。持水能力低或排水能力差的土壤可能
限制植物吸收水分的有效性，导致水分胁迫。土壤性质也会影响水分的入渗速率，从而影响树根的水分有效性。
森林植被的类型、密度和健康状况也会影响水分胁迫。
茂密的植被可以竞争有限的水资源，可能导致单个树木或林分的水资源压力。此外，植被类型，如物种组成和生理性状，也会影响水分利用效率和耐旱性。
此外，地形变量，包括坡度、坡向和海拔，在许多方面对水分胁迫有影响。
坡度直接促进水文过程，如径流、地下水补给和排放以及河流流量，这些过程影响水在生态系统内的传播方式，从而决定哪些地区的可用水量比其他地区少。在北半球，由于太阳辐射和蒸散速率的增加，朝南或朝西的坡面可能遭受更大的水分胁迫，而朝北的坡面可能保留更多的水分。海拔也可以通过形成小气候条件来影响温度和降水模式。

地理信息系统和计算机科学的大力发展使得以空间数据集的形式表示这些环境因素比以往任何时候都容易。在地理信息系统中模拟构成森林水资源压力的环境因素是进行空间分析以考虑发生这种现象的风险的理想方法。显然，除了评估水资源压力模式和损害，预测这种现象的风险也非常重要。

精确的预测和早期发现是成功的干预措施的基础，以尽量减少对生态系统的损害，这是可持续森林管理的主要目标。到目前为止，开发这种预测模型的研究有限。常用的模型只是一般的干旱预测模型，依赖于气象模型和流域尺度上的水平衡计算，没有考虑植被的响应或生态系统中不同程度的应力分布[197-200]。

与农业作物不同，水资源紧张的森林不能依靠灌溉，它们完全依赖自然水源，如降水和土壤水分储备。由于气候变化倾向于减少自然生态系统的水输入量，干预措施应以减少生态系统的水消耗为目标。

生态间伐和规定焚烧被认为是最可行的解决方案，有助于减少树木之间的水资源竞争，缓解森林的水资源压力[117]。然而，实施这种造林干预措施需要大量的时间和人力资源，因此很难在整个森林范围内大规模开展。这强调了开发能够早期预测和发现水资源压力的模型的重要性，从而能够以有针对性和有效的方式采取主动的

5. Conclusions 5. 结论

随着全球气温上升和降水减少，森林生态系统出现水资源紧张的可能性正在增加。这一审查表明，确定水资源压力的传统方法不太适用于大片森林地区，这导致过去二十年来越来越多地使用遥感技术，特别是卫星图像来克服空间尺度的问题。尽管如此，传统的地面方法在验证遥感测量的准确性以及验证和校准来自遥感的模型方面仍然是非常宝贵的。最流行的遥感应用之一是利用卫星遥感图像中的可见光和近红外光谱带以及基本植被指标来监测植被变化和评估水分胁迫的影响。遥感方法的进步，利用更灵活的平台和更高分辨率的光谱数据，为出现对水分胁迫更敏感的新型遥感指数奠定了基础。无人机和太阳诱导的叶绿素荧光数据高光谱图像有望在未来的应用中得到更多的应用。然而，由于MODIS、Landsat和Sentinel-2等流行卫星图像的普及、可及性和历史记录，取代它们的广泛使用仍然具有挑战性。在不久的将来，重要的是将关于森林对水压力的反应的研究结果与环境因素数据集结合起来，以评估气候变化背景下森林生态系统发生水压力的可能性。这些应用对于提供以可持续方式管理森林资源的干预措施至关重要。

作者贡献:concepalization, B.D. and R.H.;方法论，T.S.L.和B.D.;软件,T.S.L.;写作-原稿准备，T.S.L.;写作-评论和编辑，文学博士和文学博士;可视化,T.S.L.;所有作者已阅读并同意稿件的出版版本。

经费:没有收到本研究的经费。

利益冲突:作者声明无利益冲突。