基于AMSR-E与MODIS数据的新疆土壤水分协同反演与验证

针对当前遥感在大范围土壤水分估算中面临的问题,提出将被动微波遥感数据与光学/热红外遥感数据在模型中协同反演陆表土壤水分的新方法:利用MODIS的光学与热红外波段反演土壤水分的基准值;利用AMSR-E传感器的X波段反演土壤水分的日变化量,然后集成二者建立土壤水分协同反演模型。以新疆为实验区,采用在典型地区获取的365个土壤水分实测值,对该模型进行了验证与精度分析。结果表明,协同反演模型的估算结果与地面实测值之间有着更好的相关性和较小的均方根误差,明显优于单一数据源或单一模型的反演结果。     

藏北地区土壤水分遥感反演模型的研究

土壤水分是反映地表土壤特性的重要表征参量,也是遥感反演领域的一个热点问题。利用MODIS卫星数据第7波段对水分变化较敏感的特点,构建了一种简单实用的土壤水分反演回归模型。结果表明,利用该模型计算的预测值与实地观测值间的相关性比较好,达到了显著水平(P0.001),可以作为研究区土壤含水量遥感反演回归模型。由于该方法具有简单实用的特点,为高原土壤水分遥感监测提供了可行的方法。     

基于L波段的裸土区土壤水分微波遥感反演研究

以北京市大兴区为研究区,探讨利用ALOS/PALSAR数据反演裸土土壤水分的方法。由于PALSAR的后向散射系数主要与土壤水分及地表粗糙度有关,本研究使用AIEM理论模型计算地表的同极化后向散射系数,Oh半经验模型计算交叉极化的后向散射系数;由分析可知,同极化与交叉极化的差异不随土壤水分的变化而变化,仅随地表粗糙度的增加而减少,为此可建立后向散射系数与粗糙度之间的函数关系。本文利用BP神经网络算法反演研究区的裸土土壤水分含量,并利用实测数据对反演结果进行验证,结果表明估测裸土土壤水分含量误差为0.035 m3/m3,相对误差为13.9%。因此,可以利用L波段主动微波遥感反演裸土土壤水分含量,且具有较高的精度。本研究成果可为农业灌溉、灾害监测、环境评估等提供信息支持,具有重要的现实意义与应用价值。     

那曲东部土壤水分MODIS遥感反演研究

利用那曲东部2014年8月至2015年7月土壤水分观测资料与同期MODIS数据建立了研究区土壤水分遥感监测模型。表观热惯量法(ATI)反演土壤水分结果不理想,基于MODIS 8天合成数据以及晴空数据拟合结果的决定系数分别为0.4503和0.3753,晴空条件下ATI方法监测效果较差。基于单窗方法建立的四种模型中,三次多项式模型拟合效果较好,决定系数为0.5475,分析认为排除冬季数据后建模效果更好。结论:基于单窗方法的三次多项式模型能较好的反演研究区土壤水分,不足之处为对天气要求较高,若无晴空遥感数据,将影响土壤水分监测工作的开展。     

土壤水分反演的特征变量选择研究综述

土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。     

改进的热惯通量模型土壤水分反演精度分析

对比分析了改进前后的热惯通量模型在朝阳地区土壤水分时空遥感的反演精度.结果表明:改进后的热惯通量模型由于可考虑低温期土壤水分反演,相比于改进前,不同类型土壤水分反演误差可平均降低9.3％,反演精度改善效果明显.研究成果对于北方干旱半干旱地区土壤水分反演精度的提升具有重要的参考价值.     

基于EM38-MK2的南疆干旱区表观电导率反演土壤水分研究

土壤水分含量是农田进行定额灌溉的基本参数,南疆地处干旱区,土壤水资源稀缺,实现田间定额灌溉更利于充分利用土壤水分。EM38-MK2快速和高效获取土壤水分含量数据,适时监测土壤水分含量,可成为农田精准灌溉的重要途径。用EM38-MK2测定轻度、中度和重度3个不同程度盐渍化区域土壤0～0.75 m和0～1.5 m的表观电导率,结合同步采集的0～20 cm、20～40 cm、40～60 cm、60～80 cm和80～100 cm土壤剖面剖面及室内测定含水量数据,对比三个不同盐渍化程度表观电导率反演土壤含水率模型精度,比较分区模型和全区模型的反演精度,分析土壤盐分含量对反演土壤含水率精度的影响。结果表明,用EM38-MK2对土壤含水率反演效果在轻度盐渍化表现最好,中度盐渍化次之,重度盐渍化较差。不同深度土层的分区模型精度均高于全区模型精度,分区模型R²为0.73～0.88,RMSE低于全区模型,全区模型各层的RPD均低于1.5,不具备预测能力。土壤盐分含量对土壤水分的反演有影响,并且随土壤盐分含量的增加,反演精度下降。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

风三微波亮温数据在北疆地区的雪深反演研究

根据地理环境和气候差异将新疆北疆地区分为天山北坡、阿勒泰地区、塔额盆地、伊犁地区和古尔班通古特沙漠5个典型区域,计算了2010-2011年冬春两季FY-3B微波成像仪(MWRI)L1 18.7 GHz和36.5 GHz垂直/水平极化4通道降轨亮温数据,采用Neale干湿雪判别标准去除湿雪像元,同时结合MOD10A1日雪盖产品剔除无雪区,得到各个分区积雪区域内的干雪像元亮温数据,将其与对应气象站同期实测雪深进行回归拟合,其中,实测雪深满足日最高温＜6℃和雪深≥5 cm两个条件,最终建立了北疆地区5个典型分区的干雪雪深反演模型.结果显示,①天山北坡、阿勒泰地区气象站分布均匀且数量较多,反演误差较小,实测雪深≥15 cm时,误差百分比仅为8％和11％;古尔班通古特沙漠测站虽少,但其模型反演误差最小,由于该区域站点较少,模型代表性不够;②北疆冬季气温较低,易形成深霜层和冻土层,这会对微波辐射形成较大的影响,在冬季温度较低、积雪深度较大的阿勒泰地区和塔额盆地表现得尤为明显.     

FY-3A/MERSI与MODIS的温度植被干旱指数反演及对比分析

为了探讨近年来被广泛使用的MODIS数据以及我国的FY-3A/MERSI数据对同一地区同一时刻的旱情所得的温度植被指数的差异以及可比性,选择我国四川省旱灾频发的攀西地区为研究区,分别反演MODIS-TVDI和MERSI-TVDI,并探讨两者监测结果的特点以及可比性。结果发现:（1）MERSI数据的干湿边线性拟合系数要高于MODIS数据。（2）MODIS-TVDI与MERSI-TVDI的差值变化范围在-0.12到0.23,差值均值为0.11,MODIS数据的监测结果比MERSI数据的监测结果略大。（3）MODIS-TVDI与MERSI-TVDI在各类地物的反演结果上都具有较高的一致性,其中林地R²最高为0.944。（4）MODIS-TVDI、MERSI-TVDI与当前月份降雨量存在显著负相关,其线性相关系数分别为-0.83,-0.91,两者干旱监测结果是可信的。     

藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

基于MODIS资料的新疆土壤水分遥感应用研究

以新疆2005年4-8月土壤墒情数据和MODIS卫星遥感数据为基础,通过对主要农作物生长季内NDVI变化、不同层次土壤相对湿度与地表亮温日较差的相关分析,构建了土壤相对湿度回归模型。所有模型均通过0.01水平的F检验。分析得出:新疆5月下旬以前利用热惯量法监测土壤墒情精度在81%以上,6月上旬-8月下旬单纯使用热惯量法监测土壤墒情精度不够理想。     

基于多波段MODIS遥感数据的乌审旗土壤含水量监测研究

[目的]探究内蒙古自治区乌审旗地区土壤含水量与表观热惯量的响应关系,提高土壤含水量遥感监测精度,使观测分析结果更具说服力和可靠性。[方法]选取多波段MODIS遥感数据和表观热惯量法,采用重复的地面采样方案设计,减弱单点采样代表性差的影响。[结果]该方案设计较单点采样方法相关系数有明显提高,对0—10cm,0—20cm,0—30cm土壤含水量相关系数分别为0.587,0.658和0.650。对回归模型进行精度验证,得其含水量平均相对误差为21.53%,26.67%,22.83%。[结论]重复的地面采样方案下,基于表观热惯量的乌审旗土壤含水率监测结果更加科学、可靠。     

河北省土壤干湿状况遥感监测指数比较

选用河北省2010年5月Terra/MODIS地表反射率产品MOD09A1计算得到了增强植被指数（EVI）,结合同期MOD11 A2地表温度LST数据,计算得到河北省TVDI（温度植被干旱指数）和VSWI（植被供水指数）,比较分析TVDI和VSWI监测河北省土壤干湿状况的适宜性.两种指数与同期8d平均降水量数据的定性分析表明TVDI与降水量数据间具有明显的相反趋势,VSWI与降水量数据间趋势关系不明显;定量的相关分析表明,TVDI与降水量数据间表现出较显著的负相关性（P＜0.05）,而VSWI与降水量数据间的相关不显著.可见,在所选取研究时段内,TVDI指数较VSWI指数监测河北省土壤湿度更为适宜.     

基于Landsat 8数据的荒漠土壤水分遥感反演

[目的]分析荒漠土壤水分变化特征,为南疆干旱区荒漠土壤水分遥感监测提供理论依据和方法支持.[方法]以Landsat 8数据构建干旱地区荒漠土壤水分建模指示因子,通过优选的26个光谱指数、地表温度(Ts)和地形数据(DEM)为建模因子,分别以偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)3种方法构建土壤水...     

基于NDVI-LST模型对辽宁月尺度土壤水分的反演

利用MODIS卫星数据集中的归一化植被指数NDVI(Normalized Difference Vegetation Index,NDVI)与地表温度LST(Land Surface Temperature,LST)数据建立NDVI-LST模型,对辽宁省2015年5-8月的土壤水分进行反演,建立土壤水分与干边斜率的相关关系,得到该模型反演下的土壤水分。结果表明:(1)该时间段的NDVI-LST实际模型能够形成类似"三角"的特征空间,与理论模型吻合,利用该模型反演的5-8月土壤水分含量与地面实际监测结果相关性较高,除8月外,相关系数均在0.8以上,反演结果空间布局与地面实际土壤水分基本一致;(2)8月土壤水分反演结果不理想,相关系数为0.48,反演和地面实际空间特征差异也较大,其原因是8月NDVI对7月降水极少的响应时间的延后。整体而言,NDVI-LST模型反演土壤水分的试验结果较理想,可为利用卫星遥感手段快速反演辽宁月尺度的土壤水分、干旱灾害防御评估等决策工作提供一种新思路。     

基于实时含水率数据的土壤墒情动态建模及预测

实时准确地预测墒情是进行灌溉预报,实现农田水分精准化管理,提高水分利用效率的重要措施。基于根区（0−60cm土层）水量平衡原理,利用泰勒级数对根区下界面水分通量和作物蒸腾量进行了线性化处理,并以实时根区平均土壤含水率为自变量构建了动态的土壤墒情预测模型。采用天津市武清区西吕村无线土壤墒情监测系统（包含3个监测点）实时监测数据（地表下30cm和60cm处的土壤含水率）,分别选取5d、10d、15d和20d作为建模系列长度进行回归分析,确定模型参数,对10d和15d两种预见期进行了土壤墒情预测精度分析。结果表明：（1）实时预测模型拟合程度较好,三种建模系列长度条件下的确定性系数均达到0.80以上（样本数均大于550）;（2）15d建模系列长度下相对误差最小;（3）15d建模系列长度、15d预见期、10%相对误差界限值条件下,3个监测点的墒情预测合格率分别达到98%、100%和89%。由此可见,研究提出的实时墒情预测模型预测精度较高,便于建模分析,为土壤墒情的预测提供了新方法。