一种遥感和站点观测结合反演土壤水分的方法

获取日内准确的最大温差是利用表观热惯量反演土壤湿度成败的关键。本文根据表观热惯量的物理意义,利用MODIS数据获取地表反照率,利用站点观测数据获取最大温差,建立了一种遥感和站点观测结合反演土壤水分的方法。在"渤海粮仓"山东项目区雷集镇进行了实验验证,并与传统方法进行比较,结果表明,该方法优于传统的反演方法,能够有效提高土壤水分的反演精度。     

基于MODIS数据反演辽西地区土壤水分的研究

土壤水分的遥感监测是目前遥感技术应用研究的前沿领域。MODIS数据可快速、动态地获取大区域尺度的信息,从而为土壤水分的实时动态监测提供技术支持和精度保证。利用表观热惯量模型研究辽宁西部地区春季的土壤含水状况,通过处理2006—2009年4、5月的MODIS数据,采用经验线性模型,拟合表观热惯量与土壤含水量的关系模型,结合实测数据,得出辽西地区春季土壤含水状况分布图。由此,找到一种较适合辽西地区春季土壤水分实时监测的方法,为今后反演辽西地区春季土壤水分奠定了基础。     

黄三角经济区旱季土壤含水量时空特征研究

表观热惯量与土壤含水量存在明显的线性关系。利用MODIS数据反演得到土壤表观热惯量的值与黄三角经济区6个气象站的土壤水分实测资料建立线性模型,定量反演计算土壤含水量,研究了该地区土壤含水量2003~2012年春秋季空间分布特征及其年际变化特征,并分析影响土壤含水量变化的因素。结果表明:通过表观热惯量方法对黄三角经济区的土壤含水量反演计算,土壤水分含量从空间分布来看,北多南少,东多西少,沿海多于内陆;从时间变化来看,土壤水分含量相对稳定,维持在0.12,9~11月略高于3~5月。土壤含水量的变化受海陆距离、地形、气候和土地利用等因素影响较大。基于表观热惯量的土壤湿度的研究,可以反映该地区土壤水分含量的时空变化特征。     

基于MODIS的郑州市土壤水分反演

为了较好地研究郑州市土壤水分的空间分布及动态变化特征,分别在高植被覆盖度期采用温度植被干旱指数模型,在低植被覆盖度期采用表观热惯量模型反演郑州市土壤水分,结果表明,郑州市土壤水分的空间分布,北部区域高于南部,西部高于东部,海拔高的山地高于平地,山区的垂直变化明显;使用此种方法获取的地表土壤水分信息可以表征地表土壤水分的空间分布趋势。     

表层土壤水分反演深层土壤水分的研究进展

随着遥感技术的发展,由遥感资料得出大面积范围土壤水分已有了很大的发展,但目前由遥感数据反演土壤水分一般以2 0 cm左右深度土壤水分与遥感资料相关较好,故国内外学者进行了由表层土壤水分反演深层土壤水分的研究,主要有经验公式法、线性回归法等。但目前模型中部分未分类考虑降雨和灌溉的影响,在无降雨和灌溉条件下模型精度较好,但有降雨和灌溉时,模型精度将大大降低;部分对于降雨和灌溉以及不同地表状况有分类模拟,但每一土壤分层太大,不太实用。其中,文中的S=A(d-d0 ) S0 [1 B(d-d0 ) 2 ] Sc式,除了在降雨和灌溉时精度较低外,因其应用方便,精度较高而被采用较多。因而在其基础上,可以收集和处理降雨和灌溉时的数据,对这一时期的模型加以修改完善。     

基于FY-3A/VIRR数据的重庆市干旱监测研究

利用FY-3A/VIRR数据,基于植被供水指数法(VSWI),监测重庆市2011年盛夏干旱演变过程.利用全市 150个土壤水分观测站点的数据和同期遥感反演结果进行相关分析,均达到极显著性相关;监测显示8月中下旬重 庆市出现比较严重的干旱,特别是中部和西南部重旱一直持续.结果表明,FY-3A/VIRR 遥感反演数据能够客观 反映重庆地区的干旱演变过程,可应用于干旱监测业务.     

基于风云三星B的湖南省土壤湿度数据的精度评价

为湖南省相关部门制定政策措施提供精准数据参考,基于风云3B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明：湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066m3/m3,均方根误差（RMSE）、无偏均方根误差（ubRMSE）和平均相对误差（MRE）分别为0.164 m3/m3、0.099 m3/m3和0.509,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。     

基于风云三系列卫星B的湖南省土壤湿度数据的精度评价

为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明:湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066m3/m3,均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)分别为0.164m3/m3、0.099m3/m3和50.9%,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。     

利用MODIS数据监测大面积土壤水分与农作物旱情研究

[目的]更好地利用MODIS数据监测大面积土壤水分与农作物旱情。[方法]在叙述MODIS传感器优点的基础上,介绍了几种MODIS数据监测土壤水分与农作物旱情的方法,讨论了土壤水分遥感监测中存在的问题和发展趋势。[结果]热惯量法适用于裸露的土壤或作物前期生长的地区土壤水分监测,温度植被干旱指数法(TVDI)适用于植被覆盖度比较大地区的土壤水分监测,光谱法使用MODIS数据进行大面积、多时相土壤湿度监测是可行的,该方法从叶片光合作用和冠层温度两个方面研究了作物对水分胁迫的响应。[结论]必须加强土壤水文模型和遥感模型、遥感反演方法和数字土壤工程的研究。     

基于Sentinel-2A影像的OPTRAM模型及其改进模型的土壤水分估算研究

[目的]本文旨在探讨基于Sentinel-2A影像的OPTRAM模型反演土壤水分在江苏省南京市六合区的适用性,并改进OPTRAM模型提高反演精度。[方法]利用NDVI-DFI像元三分模型对Sentinel-2A影像混合像元进行分解,将得到的光合植被覆盖度代替OPTRAM模型中的归一化植被指数(NDVI)。[结果]OPTRAM土壤水分反演效果(R~2=0.38)与温度植被干旱指数(TVDI)方法的拟合结果(R~2=0.39)相近,特征空间分布均呈梯形;像元三分模型在南京地区具有可分性,在此基础上改进的OPTRAM模型的STR-Fpv空间分布符合该基础模型的分布特征,改进的模型与实测10 cm土壤水分的相关系数(R~2)提高到0.55。[结论]OPTRAM模型在南京市六合区反演土壤水分是可行的,用像元三分模型改进的OPTRAM模型能够提高反演精度,可进一步应用于其他相关模型。     

黄淮海地区旱情遥感监测实践

以我国黄淮海冬小麦主产区为研究地点,以EOS-MODIS数据为主要数据源,针对不同作物生长时期,采用植被供水指数与土壤热惯量两种方法,结合地面观测数据建立以土壤水分为基础的旱情遥感监测指标体系,并对2006-2007年度冬小麦生育期的旱情进行了监测,结果表明,遥感旱情变化趋势与地面监测结果较为一致,进一步说明了植被供水指数与热惯量方法在区域旱情遥感监测中的潜力.     

遥感方法进行土壤水分监测的现状与进展

总结了常用的遥感监测土壤水分的基本原理和方法,介绍了国内外在这一方面所取得的主要成果。以改进的热惯量法、作物缺水指数法和植被指数法等为主要代表的土壤水分遥感监测方法日臻成熟。G IS技术的广泛应用,土壤水分遥感监测模型的优化,以及微波遥感的应用将是该领域的重点研究方向,同时指出在土壤水分监测方面应走多学科综合的道路。     

遥感监测土壤湿度的方法综述

通过对生态环境水热因子的遥感监测回顾,总结出定量地遥感监测土壤水分的方法主要有:微波遥感监测法、热惯量法、作物植被、亮温综合指数法和热红外法等,并对各方法的原理和具体的适用领域做了介绍和比较。     

利用地基双频段微波辐射计测量土壤湿度

利用自行研制的双频段微波辐射计进行地基遥感土壤湿度试验,根据试验测得的数据进行回归分析,得到L、C波段反演土壤湿度经验回归模型。用这个回归模型对随后的降雨过程中土壤湿度进行反演,所得结果与实地采样值有较好的一致性。当土壤湿度小于75%时,亮度温度与土壤湿度呈线性关系。试验结果验证了微波遥感土壤湿度的有效性和可行性。这种根据辐射计实测数据进行线性回归的测定方法简单,适应性强,但一般仅具有局部地区应用价值,对于不同地区和不同条件缺乏普遍适用性。     

Imaging the electrical conductivity of the soil profile and its relationships to soil water patterns and drainage characteristics

Soil water content (θ) measurement is vital for accurate irrigation scheduling. Electromagnetic induction surveys can be used to map spatial variability of θ when other soil properties are uniform. However, depth-specific θ variations, essential for precision irrigation management, have been less investigated using this method. A quasi-2-dimensional inversion model, capable of inverting apparent soil electrical conductivity (EC_a) data to calculate estimates of true electrical conductivity (σ) down the entire soil profile, was developed using EC_a data collected by a multi-coil Dualem-421S sensor. The optimal relationships between σ and volumetric water content (θv) were established using all coil arrays of the Dualem-421S, a damping factor of 0.04, an initial model of 35 mSm^?1, and with ten iterations (R²?=?0.70, bias?=?0.00 cm³cm^?3, RMSE?=?0.04 cm³cm^?3). These relationships were then used to derive soil profile images of these properties, and as expected, θv and σ follow similar trends down the soil profile. The derived soil profile images for θv have potential use for irrigation scheduling to two EC_a-derived soil management zones under a variable rate irrigation system at this case study site. They reflect the intrinsic soil differences that occur between texture, texture transitions and drainage characteristics. The method can also be used to guide placement of soil moisture sensors for in-season monitoring of spatio-temporal variations of θv. This soil imaging method showed good potential for predicting 2D depth profiles of soil texture, moisture and drainage characteristics, and supporting soil, plant and irrigation management.

     

山东省春季土壤墒情遥感监测模型构建

以EOS-MODIS数据与土壤湿度地面观测数据为基础,采用植被供水指数法构建山东省春季土壤墒情监测模型,并以野外同步遥感监测场实测数据对模型精度进行验证,精度达84.54%。应用该模型对2008年4月上旬的地表土壤墒情进行了监测,结果与实际情况吻合。该模型的建立为山东省业务化土壤墒情遥感监测奠定了基础。     

沧州市土壤墒情预报方法研究

结合沧州市实际情况,以冬小麦和夏玉米为典型作物分析沧州市土壤墒情变化特点,揭示沧州区域土壤墒情变化规律和演变趋势;对捷地旱情试验站土壤墒情监测资料进行分析研究,利用P—ρ0—Δρ增墒相关法建立增墒预报方案,利用退墒系数法以及ρt—T—ρ0相关法建立退墒预报方案,探讨适合沧州区域的土壤墒情预报方法,对类似地区相关研究具有重要的推广价值。     

Integrating Remote Sensing and Proximal Sensors for the Detection of Soil Moisture and Salinity Variability in Coastal Areas

Soil moisture and salinity are two crucial coastal saline soil variables, which influence the soil quality and agricultural productivity in the reclaimed coastal region. Accurately characterizing the spatial variability of these soil parameters is critical for the rational development and utilization of tideland resources. In the present study, the spatial variability of soil moisture and salinity in the reclaimed area of Hangzhou gulf, Shangyu City, Zhejiang Province, China, was detected using the data acquired from radar image and the proximal sensor EM38. Soil moisture closely correlates radar scattering coefficient, and a simplified inversion model was built based on a backscattering coefficient extracted from multi-polarization data of ALOS/PALSAR and in situ soil moisture measured by a time domain reflectometer to detect soil moisture variations. The result indicated a higher accuracy of soil moisture inversion by the HH polarization mode than those by the HV mode. Soil salinity is reflected by soil apparent electrical conductivity (ECa). Further, ECa can be rapidly detected by EM38 equipment in situ linked with GPS for characterizing the spatial variability of soil salinity. Based on the strong spatial variability and interactions of soil moisture and salinity, a cokriging interpolation method with auxiliary variable of backscattering coefficient was adopted to map the spatial variability of ECa. When compared with a map of ECa interpolated by the ordinary kriging method, detail was revealed and the accuracy was increased by 15.3%. The results conclude that the integrating active remote sensing and proximal sensors EM38 are effective and acceptable approaches for rapidly and accurately detecting soil moisture and salinity variability in coastal areas, especially in the subtropical coastal zones of China with frequent heavy cloud cover.