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。

MODIS传感器提供的短波红外光谱波段为农业干旱遥感监测带来了新的机遇, 因为它对植被水分十分敏感。 本文选择中国东北松嫩平原为研究区, 旱田为农业干旱的监测目标。 基于2001—2010年的8天合成MODIS产品（MOD09A1）, 分别计算了四种基于可见光和近红外光谱的植被绿度指数和四种基于近红外和短波红外光谱的植被水分指数, 并以多尺度标准化降水指标(SPI)为判别植被指数农业干旱敏感性的标准, 利用一种气象站点与象元配对关联的方法计算了不同植被指数与多尺度SPI的皮尔逊相关系数。 研究表明, 在农业干旱监测敏感性方面, MODIS植被水分指数（NDII6和NDII7）明显好于植被绿度指数。 其中NDII7的表现最为出色, 研究证实了MODIS短波红外光谱在监测农业干旱方面的潜力, 为今后相关研究提供了新的见解。