机载平台基于全球卫星定位系统的土壤湿度遥感

根据美国航天局2002年10月进行的基于地表面反射GPS信号的遥感土壤湿度试验数据进行了土壤湿度反演。结果证明,反射GPS信号对土壤湿度特性十分敏感,湿度较大的水体区和农田区反射率较大,干旱区最小,不同植被覆盖对于反射率的影响不同,并对其进行了修正。反演得到的该地区土壤湿度值的分布规律也于10月份相对干旱的实际天气条件相吻合。这一结果证明了利用该技术反演土壤湿度的可行性。     

利用微波辐射计对土壤湿度动态的反演研究

在实验室条件下,利用L频段微波辐射计测量了土壤湿度动态特性。结果表明:在注水1,2 h,土壤湿度随土壤深度呈3次多项式关系变化,可以根据浅层土壤信息反演深层土壤湿度。但随着注水时间的增加,土层深度与土壤湿度间的规律性不明显。因此,需要在更加精确设计室内试验的同时,进行大量的野外观测以完善这一理论。     

基于植被供水指数的藏北地区土壤湿度反演研究

【目的】利用光学遥感数据获取的植被供水指数来反演西藏那曲地区的土壤湿度,结合高分辨率的遥感数据(GF-1)和中低分辨率的遥感数据(Landsat、MODIS)分别建立土壤湿度反演模型,通过比较不同空间尺度反演模型的精度和适用性,拓宽国产高分遥感数据在农牧业信息定量获取等方面的应用范围,为"天地网一体化"的现代农业信息获取和农情信息遥感监测提供理论基础。【方法】以西藏那曲地区为研究区,以代表高、中、低分辨率卫星数据的高分一号(GF-1)、Landsat-8及MODIS影像数据和土壤湿度实测数据为数据源,利用植被供水指数(Vegetation Supply Water Index,VSWI)构建土壤湿度反演模型,比较3种遥感影像在反演土壤湿度方面的差异。【结果】(1)VSWI反演土壤湿度的最佳深度为10 cm左右;(2)基于GF-1、Landsat-8和MODIS构建的反演模型得到的土壤湿度预测值与实测值的均方根误差分别为5.145、5.227和6.298,可见GF-1和Landsat-8的反演效果相当,均优于MODIS的反演效果;GF-1土壤反演模型的拟合效果最佳;(3)研究区土壤湿度在空间上呈东南向西北递减的趋势,与实地采样点的土壤湿度分布趋势一致,说明利用高分辨率遥感数据监测土壤湿度是可行的。【结论】利用GF-1遥感数据和植被供水指数可以实现对藏北地区的土壤湿度反演,研究结果可以为干旱或者半干旱地区大范围的土壤墒情监测提供理论依据和实践参考。     

微波遥感土壤湿度反演算法及产品研究进展

在地球系统中,土壤湿度是控制陆气间水分、能量和碳交换过程中的一个重要变量,也是监控土地状况如土地退化、干旱的重要指标之一。土壤湿度数据的及时、准确获取对研究全球气候问题、构建流域水文模型、监测农作物生长等科学研究都具有极其重要的意义。微波遥感具有全天候全天时的物理机制,使得通过遥感手段观测土壤湿度较传统的地表站点观测在空间尺度上具有较大优势。简要介绍了微波遥感反演土壤湿度的主要原理,并回顾了被动微波、主动微波以及被动和主动微波联合反演土壤湿度典型反演算法,这些方法大部分是围绕土壤湿度与亮度温度之间的关系进行的,同时考虑其他各种不同因子对于地表微波辐射的影响。另外,对欧洲气象业务卫星(european remote sensing satellites/meteorological operational satellite program,ERS/Met Op)、高级微波扫描辐射计(advanced microwave scanning radiometer for EOS,AMSR-E)、土壤湿度与海洋盐分卫星(soil moisture and ocean salinity,SMOS)3种全球土壤湿度数据集的状况和应用情况进行介绍。通过对前人研究成果的总结,结合当前的问题展望未来卫星遥感反演土壤湿度的发展趋势。     

青藏高原区域多源土壤湿度数据的对比分析

土壤水分是陆地水循环的重要组成部分,在陆地-大气界面的水汽和能量交换中起着重要的作用,是联系陆地水循环和能量循环的重要纽带。基于中国气象局风云三号卫星微波亮温数据反演了2012年青藏高原的土壤湿度数据,并与再分析资料、水文模型模拟数据和那曲地区观测资料进行对比分析。结果表明,与观测资料相比,遥感反演的土壤湿度数据在那曲地区的绝对量偏差较大,但是在时间变化方面优于再分析资料和水文模拟资料。在空间分布方面将陆地参数反演模型(land parameter retrieval model,简称LPRM)反演的土壤湿度数据与可变渗透量水文模型(variable infiltration capacity,简称VIC)反演的土壤湿度数据、欧洲中期天气预报中心再分析资料(ECMWF re-analysis interim,简称ERA-Interim)进行了比较,并计算了不同季节LPRM土壤湿度数据与其他2套数据的相关分布,结果发现LPRM土壤湿度数据在夏季与其他2套数据在青藏高原呈现很好的正相关关系,而在春季和秋季因为土壤水分冻结或者冻结的土壤水分融化所以相关性不高。这些表明夏季LPRM土壤湿度数据在青藏高原南部和东部地区数据质量较为可信,而其他地区有待进一步研究。     

阿克苏流域表层土壤湿度指数反演研究

【目的】为研究国产高分一号(GF-1)遥感影像在绿洲地区农情基础数据有效采集的可行性,对土壤湿度实施大范围区域监测。【方法】以新疆阿克苏流域为研究区,基于GF-1 WFV影像以及研究区63个土壤表层湿度的实测样点数据,对垂直干旱指数(PDI)和植被调整垂直干旱指数(VAPDI)的土壤湿度监测效果进行比较和验证。【结果】(1)PDI和VAPDI与土壤湿度实测值的决定系数分别为0.589和0.735,各模型满足监测精度要求;(2)在植被覆盖较高的阿克苏绿洲,VAPDI指数模型监测精度高于PDI;(3)从反演的土壤湿度空间分布格局来看,VAPDI对土壤湿度变化更敏感,更能反映出不同植被覆盖程度下土壤湿度的实际水平。【结论】基于GF-1 WFV影像进行流域尺度的土壤湿度监测具有可行性。相比PDI指数模型,VAPDI通过对遥感影像中混合像元进行不同程度的分解,监测精度更高。研究结果能为阿克苏流域表层土壤湿度数据快速有效地采集和动态监测提供理论支持和验证。     

FY3-B土壤湿度监测产品在藏北草原的精度验证

为供藏北草原区土壤湿度的遥感监测参考,利用2014年7月至2015年8月的藏北草原野外试验数据,对国家卫星气象中心的FY3-B/MWRI日土壤湿度产品进行精度验证。结果表明:地面土壤湿度实测值和MWRI土壤湿度反演值两者的平均值相差0.03cm~3/cm~3,平均土壤湿度较接近,并且两者时间序列趋势变化相同,虽然均方根误差(RMSE)为0.14,但相关性R2达0.459 7。各测量点地面土壤湿度和MWRI土壤湿度反演值变化规律略有差别,但趋势相同,地面实测值与MWRI反演值的相关性在各测量点上较好,最差的R2也达0.48。     

基于伪逆学习算法的地基微波辐射计反演算法研究

利用兰州大学半干旱气候与环境观测站(SACOL站)2009-2010年的地基微波辐射计亮温资料和榆中站探空资料,基于伪逆学习算法建立了应用于地基微波辐射计温度、相对湿度和水汽密度反演的神经网络(PIFN),并将反演结果与地基微波辐射计自带反演产品进行了对比,研究了伪逆学习算法在地基微波辐射计气象要素反演算法本地化的应用效果.结果表明:PIFN反演的温度、相对湿度和水汽密度的均方根误差的最大值分别为6.41K,31.21%和1.5g/m3,地基微波辐射计温度、相对湿度和水汽密度产品的均方根误差最大值分别为11.93K,53.18%和3.06g/m3,与微波辐射计自带神经网络反演结果在不同高度层进行比较可以看出PIFN对2～10km、1～7km和0～3km的大气温度、相对湿度和水汽密度廓线的反演均有明显改善,伪逆学习算法能够应用于地基微波辐射计气象要素的反演算法的本地化.     

基于重建MODIS无云数据反演京津冀地区土壤湿度

目前得到广泛应用的MODIS数据集产品虽然部分去除了水、云、气溶胶和云阴影的影响,但卫星传感器自身性能衰退变化、云层干扰、大气气溶胶厚度等会带来一定的噪声。以京津冀为研究区,利用Savitzky-Golay滤波方法对2011年3—8月MODIS数据进行重建,去除噪声等对影像造成的影响,综合运用表观热惯量模型和温度植被干旱指数模型对土壤相对湿度进行反演。结果表明:重建方法能够对影像中云覆盖区域的缺失数据进行有效填补;春季、夏季分别基于NDVI=0.21和NDVI=0.20阈值分区方案反演土壤湿度,反演结果的平均相对误差为17%;研究区夏季土壤湿度较高,沿海地区、冀北山地、太行山周围地区土壤湿度较其他地方高。     

基于AMSR-E与MODIS数据海表面温度遥感反演研究

海洋表面温度是海洋环境的重要参数。遥感技术是进行海表面温度研究的有效手段之一。以印度洋北部海域为研究区域,利用Aqua卫星上的微波数据（AMSR-E）和光学数据（MODIS）,进行了海表温度反演研究。首先对AMSR-E L2A数据和MODIS-L1B数据进行预处理,然后将AMSR E的各极化通道亮温数据与实测海表温度进行相关性分析,通过多元线性回归建立AMSR-E海表温度的反演模型,而MODIS海表温度则通过采用线性多通道算法得到,最后以AMSR-E亮温数据为主,MODIS海表温度数据为辅,采用多元线性回归的方法建立了海表温度反演模型。利用该模型反演印度洋北部海域海表温度,反演结果与实测数据相比,其均方根误差为0.323 97 ℃。     

干旱区土壤含水量光谱特征分析与反演

[目的]建立土壤含水量遥感监测模型。[方法]选取陕西省横山县作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含水量为基础,进行高光谱数据处理,分析土壤含水量的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶导数微分等光谱变化换,计算高光谱指数,并与土壤样本含水量进行相关性分析,筛选对土壤含水量敏感的光谱特征波段,利用多元线性回归分析建立土壤含水量监测模型。[结果]随着土壤含水量的增加,土壤光谱反射率呈减小趋势。土壤含水量与光谱指数的特征波段呈良好的线性关系,所有模型均通过了0.01水平的显著性检验。模型精度验证表明,预测值与实测含水量相关系数较高,特别是反射率倒数一阶微分模型,在0.01显著性水平下,相关系数为0.886。[结论]该研究建立的土壤含水量遥感反演模型可行有效,通过了有效性检验,在一定程度上可以用来反演研究区土壤含水量。     

改造后的沙丘地春季表层土壤水分空间变异性研究

[目的]为奇台县的防风治沙工程和沙漠植被建设提供参考.[方法]利用改造后的沙丘地和6种土地类型的实地测量数据,通过变异函数、Moran's Ⅰ系数、土壤水分等值线图探讨了改造后的沙丘地春季表层土壤水分的水平空间变异性及其原因.[结果]经种植梭梭改造后的沙丘地的土壤含水量呈现出3个明显与沙丘土壤水分不同的特点.(1)均值大于沙丘,土壤含水量接近于草地;(2)土壤水分半方差函数模型已表现为与沙丘水分的球状模型完全不同的指数模型,且变程小于样点间距,相关性显著;(3)土壤含水量等值线图等值线密集,并呈与梭梭林带走向一致的条带状分布.[结论]奇台县自2000年以来实行的防沙治沙已取得较大的成效.     

Artificial neural network for the estimation of soil moisture and surface roughness

Estimation of the soil moisture and soil roughness by using microwave data with less complex and fast method is a significant area of research today. For this purpose an Artificial Neural Network (ANN) based algorithm is used and tested in present study. The ANN model is calibrated and tested with the experimentally obtained data by using X-band scatterometer for different field roughness 3.78, 1.83 and 1.63 cm and at fixed value of soil moisture 22.8%. The measurement of scattering coefficient was carried out over a range of incidence angle from 20° to 70° by 5° steps for both the HH (horizontal transmitter and horizontal receiver) and VV (vertical transmitter and vertical receiver) polarization. Two training algorithm of Feed Forward Backpropagation neural network namely Levenberg-Marquardt (TRAINLM) and Gradient-Descent (TRAINGD) were used for analysis. The performance of the ANN models with different algorithm is evaluated by comparing the direct measured value of soil roughness and soil moisture with the soil roughness and soil moisture estimated by the ANN. Our work suggests that ANN model with training algorithm (TRAINLM) is more suitable for the soil moisture and surface roughness prediction in comparison to (TRAINGD) and ANN modeling may be the promising alternative for the soil moisture and surface roughness estimation. The main advantage of the ANN approach for the surface roughness and soil moisture estimation is its potential for world wide reporting.     

土壤含水率对近红外传感器标定模型的响应研究

为提高近红外传感器测量的准确度,进一步理解不同标定模型对土壤含水率测量精度的影响。利用土壤表面的近红外反射光强来预测土壤含水率,通过归一化处理将反射光强转化为相对吸收深度和相对反射率,采用2种标定方法,分别建立土壤含水率与相对吸收深度之间及土壤含水率与相对反射率之间的线性模型与非线性模型。选取我国东北地区的黑土进行标定,并用独立的试验数据对模型进行检验。结果表明,吸收深度法的线性和非线性模型的预测值和实测值符合度较好。反射率法的线性模型和非线性模型对土壤的含水率预测均方根误差(RMSE)分别为2.89%和2.95%,相对吸收深度法非线性模型的RMSE值明显大于其他3种模型,预测准确度最低。说明不同标定方法会影响土壤含水率的预测结果。4种模型的预测精度能够满足测量要求。     

两种园林用FDR土壤水分传感器的精度校正

利用质地差异较大的园土及草炭∶陶粒∶园土=3∶1∶1（体积比）的混合基质对2种土壤水分频域反射仪（FDR）进行了室内标定.结果显示,在目前园林应用的测量精度内,土壤质地对两种FDR土壤水分传感器的测量影响不显著,但FDR测量值较烘干法明显偏高,校正斜率介于0.68～0.70之间.相关分析表明FDR测量值与真实值之间有极显著的相关性,相关系数大于0.97.利用获得的线性函数进行校正,校正后的土壤水分值与采用传统的烘干称重法测得的值相符.基于以上结果,FDR土壤水分传感器能准确、快速测定土壤含水量,在城市园林节水灌溉管理中发挥重要作用.     

TDR测定淡栗钙土水分的标定

本实验以荒漠草原2个不同种类的土壤为研究材料,使用TRIME - IPH型TDR测定不同放牧强下的土壤含水量,并以烘干法测定值为真实值对其进行了标定.结果表明:室内标标定中的TRIME - IPH测值与烘干法测值都具有良好的相关性,沙土中的相关系数(R2=0.983 9)略低于壤土(R2=0.986 0),而平均相对偏差(16.4％)大干壤土(12.3％).校正方程为TDR校正值=0.998 0烘干法测定值+2.3900.在野外标定中,不同放牧强度下TRIME - IPH测值与烘干法测值的相关性也很好,总体校正的相关系数为0.774 3.本研究结果证实,TRIME - IPH完全能够胜任该地区土壤水分动态特征及变化趋势的研究工作.     

基于高光谱的土壤含水率预测模型

为定量分析土壤含水率与反射光谱特征之间关系，以便为土壤含水率速测提供理论依据。以安徽省阜阳市临泉县为研究区，以区域典型土壤类型—砂姜黑土为研究对象，将土壤样本分别过10和20目的尼龙筛，并设置土壤含水率梯度实验。采用9点移动平滑法结合一阶微分、反射率对数及其一阶微分三种数学变换方法对光谱曲线进行预处理，分析不同目数、不同含水率下的光谱特性差异；拟合分析变换后的样本光谱数据与含水率相关性，提取特征波段，建立土壤含水率多元线性回归预测模型。结果表明：对4种不同土地利用类型的砂姜黑土样本的反射率数据进行对数一阶微分变换后，土壤含水率和光谱数据的相关性明显提升，根据数学变换后提取的特征波段建立的多元线性回归预测模型的预测精度最好；光谱反射率与水分含量呈负相关关系；土壤光谱法反演水分含量时，基于过10目筛的土壤样本建立的预测模型拟合精度要优于过20目筛的土壤样本，R²最高为0.928。研究结果可以为精准农业管理提供极为关键的参数支撑。     

内蒙古河套灌区土壤墒情信息的多极化雷达响应分析

以内蒙古河套灌区磴口县为研究区,结合Radarsat-2四极化雷达遥感数据对土壤墒情进行响应分析。研究结果表明,同极化后向散射系数同土壤墒情的响应性高于交叉极化,以同极化均值和交叉极化均值作为参量建立回归模型进而对研究区反演分析,经实测数据检验,该方法能够在一定程度上满足土壤水分监测的需要,优于传统土壤水分分类方法。     

基于改进K-medoids算法的土壤墒情传感器布局优化

针对茶园土壤墒情传感器布局中传感器数量过多、数据冗余度过大的问题，采用改进的K-medoids方法，优化茶园土壤墒情传感器使用数量及部署位置。在保证茶园传感网络全覆盖的基础上，实时采集各传感节点数据；构造各传感器在不同天气条件下的时间序列数据，并运用三次样条插值法拟合成连续函数；应用谱排直法定义新的时间序列数据的距离函数替换K-medoids中的欧氏距离，将聚类中心作为最终的传感器布点；随机选取位置并采集土壤相对含水率以验证聚类中心作为传感器布点的代表性。采用改进前和改进后的K-medoids方法对2018-07—2018-08(试验Ⅰ)和2020-12(试验Ⅱ)采集的土壤墒情数据进行聚类。结果表明:1)改进的K-medoids将32个传感器减少到4个，改进前后簇中心墒情值与簇均值的相对偏差，试验Ⅰ由2.85%降到1.91%，试验Ⅱ由2.01%降到1.43%；2)改进K-medoids所得聚类中心相对含水率与试验区域平均值相近，相对偏差小于2%；3)以改进的K-medoids算法所得聚类中心作为起点的布点路径长度为82.4 m，使用8个传感器，优于改进前的106.5 m和10个传感器。基于改进K-medoids的布局方法能够优化传感器的数量和位置并且在不同天气条件下均适用。     

Retrieval of soil moisture by artificial neural network using X-band ground based data

Monitoring of soil moisture is very important to environmental studies, including hydrology, meteorology and their interactive fields. Today back propagation artificial neural networking is a well known and widely applied mathematical model for the remote sensing applications. For the soil moisture estimation an artificial neutral network (ANN) based algorithm is implemented and tested. The ANN model is calibrated (trained) and tested with the experimentally obtained data. The experimentally data is obtained by using X-band (9.5 GHz) scatterometer for different soil moistures viz. 10, 12, 18 and 22%. The measurement of the scattering coefficient was carried out over a range of incidence angle from 20° to 70° at the step of 5° for both the HH and VV polarization. Surface roughness (i.e. root mean square height) is taken constant as 0.5 cm for the whole experimentation. The performance of the ANN model is evaluated by the direct measured soil moisture and by the soil moisture estimated by the ANN model. Our work suggests that ANN modeling for such experimentation is a promising alternative for soil moisture estimation. The advantage of the ANN approach for soil moisture estimation is that it has potential for worldwide coverage.