利用连续统去除方法遥感反演冠层水分含量的比较研究
光学和微波遥感数据联合反演植被覆盖表层土壤含水率
2024年1月灌溉排水学报第43卷第1期Jan.2024Journal of Irrigation and Drainage No.1Vol.4345文章编号：1672-3317（2024）01-0045-07光学和微波遥感数据联合反演植被覆盖表层土壤含水率周美玲1，张德宁2，王浩3，魏征4*，林人财4（1.江西省水投江河信息技术有限公司，南昌330029；2.德州市潘庄灌区运行维护中心，山东德州253000；3.中国电建集团昆明勘测设计研究院有限公司，昆明650051；4.中国水利水电科学研究院，北京100038）摘要：【目的】探究Vertical-Vertical （VV ）、Vertical-Horizontal （VH ）极化及双极化方式对微波遥感反演表层0~10cm 土壤含水率影响，分析不同数据源（Landsat-8,L8;Sentinel-2,S2）得到的归一化植被指数（NDVI ）、归一化水体指数（NDWI ）对表层土壤含水率遥感反演精度的影响。
【方法】基于VV 、VH 单一极化和双极化模式，结合S2和L8计算的NDVI 与NDWI 估算植被含水率（VWC ），消除植被对土壤的后向散射影响，得到土壤后向散射系数，基于水云模型反演北京市大兴区表层土壤含水率。
【结果】对于VV 极化，VV+S2NDWI 反演0~10cm 土层的土壤含水率精度最高（R 2=0.763，RMSE =1.55%）；对于VH 极化，VH+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.622，RMSE =1.66%）；对于双极化，Dual-Polarized （DP ）+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.895，RMSE =0.89%）。
【结论】NDVI 更适用于去除水云模型中的植被影响，且双极化方式反演0~10cm 土层的土壤含水率精度较高。
关键词：含水率；Sentinel-1；双极化；多源遥感；NDVI ；NDWI 中图分类号：S161文献标志码：Adoi ：10.13522/ki.ggps.2023312OSID ：周美玲,张德宁,王浩,等.光学和微波遥感数据联合反演植被覆盖表层土壤含水率[J].灌溉排水学报,2024,43(1):45-51.ZHOU Meiling,ZHANG Dening,WANG Hao,et al.Inversion of surface soil moisture under vegetated areas based on optical and microwave remote sensing data[J].Journal of Irrigation and Drainage,2024,43(1):45-51.0引言【研究意义】表层土壤含水率在能量平衡、气候变化和陆地水循环中扮演着重要角色，是作物生长发育、产量估算、水资源管理、气候变化等研究领域的关键指标[1]。
（毕业论文）利用TVDI反演地表含水量方法研究.doc
利用TVDI反演地表含水量方法研究利用MODIS资料构建了地表温度(Ts)-增强植被指数(EVI)的特征空间，拟合了特征空间中的干、湿边方程，计算了温度植被干旱指数(TVDI),并推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程。
在计算TVDI的过程中，为了减少高程的影响，利用数字高程模型(DEM)对Ts进行了订正；利用同期野外实测土壤湿度数据计算了干边上的土壤水分值，从而反演出帄均土壤含水量。
结果表明：①TVDI方法能反演土壤表层水分，实测值与预测值之间帄均绝对误差在15个百分点左右。
②高程校正后的TVDI能更好的反映土壤水分，与校正前相比，帄均绝对误差减少5个百分点，基本满足业务需要。
③使用野外与卫星同步采样的土壤湿度数据进行验证，发现TVDI指标与实测土壤湿度数据显著相关，能够较好地反映表层土壤湿度。
关键词:TVDI；土壤水分；MODIS；地表温度;DEM土壤水分是监测土地退化的一个重要指标，是气候、水文、生态、农业等领域的主要参数，在地表与大气界面的水分和能量交换中起重要作用。
遥感能够快速方便地获取大区域的地表信息，因此使用遥感监测土壤水分意义秉大。
20世纪80年代以来，以遥感监测地表辐射温度信息反演土壤水分的方法如应用于稀疏植被的热惯量法得到了广泛应用。
在多数情况下，地面一般为植被不完全覆盖，因此遥感探测到的地表温度必然受到植被覆盖度影响,较高的土壤背景温度会严重干扰旱情信息。
为了消除土壤背景的影响，将地表温度和反映植被覆盖度的植被指数联合考虑将会是提萬反演精度的右效途径。
Price、Carlson等人发现植被指数(NDVI)与地表温度(Ts)之间存在负相关关系，而且如果研宄区植被覆盖包含从裸土到全覆盖、土壤湿度从极干旱到极湿润的各种情况，以遥感资料获得NDVI和Ts为横、纵坐标的散点图呈三角形。
在这个三角形特征空间中，Goetz研究发现Ts与NDVI的斜率与土壤湿度之间为一元线性关系［1］，Sandholt等进一步结合对该特征空间生态特征的解释，提出用温度植被早情指数(TVDI, Temperature-Vegetation Dryness Index) 估算土壤表层水分状况，取得了良好的效果:1°］。
玉米冠层最佳水分指数优选
玉米冠层最佳水分指数优选马建新;孟庆岩;李响;孔祥浩;王春梅【摘要】针对基于植被指数反演不同生长期、不同冠层结构特征下玉米冠层含水量的序列性研究较少,冠层含水量反演较低等问题,优选不同生长期玉米冠层含水量反演最佳植被指数,完成玉米冠层含水量高精度提取.初步选择4种可靠性强的水分指数:归一化植被指数、归一化水体指数1、归一化水体指数2、水协迫指数,分别基于PROSAIL辐射传输模型、三期实测冠层含水量及同步Landsat-8OLI数据,模拟分析4种植被指数与冠层含水量的关系,优选不同生长期玉米最佳水分指数,实现玉米冠层含水量快速精确反演.实例验证结果表明,水分指数归一化水体指数1可作为植被冠层含水量反演的最佳指数且反演精度随着植被含水量的增加而降低,在玉米生长初期,中误差为0.13 kg/m,在生长中后期,中误差达到0.582 kg/m2,满足生长初期玉米冠层含水量快速反演需求.研究结果可为植被冠层含水量反演中水分指数选择提供参考,也可为稀疏植被覆盖区土壤水分反演研究提供借鉴.【期刊名称】《遥感信息》【年(卷),期】2016(031)005【总页数】7页(P96-102)【关键词】玉米作物;冠层含水量;水分指数;Landsat-8影像;PROSAIL辐射传输模型【作者】马建新;孟庆岩;李响;孔祥浩;王春梅【作者单位】河南理工大学矿山空间信息技术国家地理信息局重点实验室,河南焦作454003;中国科学院遥感与数字地球研究所,北京100101;农业部农业信息技术重点实验室,北京100081;中国科学院遥感与数字地球研究所,北京100101;农业部农业信息技术重点实验室,北京100081;北京空间飞行器总体设计部,北京100086;北京空间飞行器总体设计部,北京100086;中国科学院遥感与数字地球研究所,北京100101;农业部农业信息技术重点实验室,北京100081【正文语种】中文【中图分类】TP79植被冠层含水量(Vegetation Canopy Water Content，VCWC)是指等效水厚度(Equivalent Water Thickness，EWT)与叶面积指数(Leaf Area Index，LAI)的乘积，即单位地表面积内植被水分含量(单位：kg/m2)[1-4]。
农业旱灾监测中土壤水分遥感反演研究进展
15卷6期2006年12月自 然 灾 害 学 报JOURNAL OF NAT URAL D I S ASTERS Vol .15,No .6Dec .2006收稿日期:2006-03-07; 修订日期:2006-07-10 基金项目:国家自然科学基金资助项目(30571078);国家社会公益研究项目(2004D I B 4J154,2005D I A 3J032);国家科技支撑计划课题(2006BAD04B07) 作者简介:闫峰(1973-),男,江苏连云港人,博士研究生,主要从事环境遥感、地理信息系统和灾害学研究.文章编号:100424574(2006)0620114208农业旱灾监测中土壤水分遥感反演研究进展闫 峰1,2,覃志豪1,3,李茂松2,王艳姣4,5(1.南京大学国际地球系统科学研究所,江苏南京210093; 2.中国农业科学院农业环境与可持续发展研究所,北京100081;3.中国农业科学院农业资源与农业区划研究所,北京100081;4.中国科学院大气物理研究所,北京100029; 5.中国气象局国家气候中心,北京100081)摘要:土壤水分是农业干旱监测最重要的指标之一。
文章全面回顾了光学遥感和微波遥感土壤水分遥感反演进展,重点讨论了各种反演方法的优点和不足。
光学遥感中,热惯量法和作物缺水指数法可分别较好地应用于裸露地和作物覆盖地的土壤水分监测;距平植被指数、植被条件指数采用了植被指数因子实现农业旱情监测,温度植被指数、植被供水指数和条件植被温度指数同时考虑了作物植被指数和地表温度。
微波遥感被认为是当前土壤水分监测中最有效的方法。
主动微波遥感空间分辨率较高,但对土壤粗糙度和植被敏感;被动微波遥感空间分辨率低,重访周期短,对大尺度农业旱灾监测具有较大潜力。
为提高农业旱灾监测中土壤水分遥感反演的精度和效率,采用光学遥感和微波遥感的结合可能是较为实际的方法。
关键词:农业旱灾;土壤水分;遥感;光学;微波中图分类号:TP79;S152.7;S423 文献标识码:AProgress i n so il m o isture esti m a ti on from rem ote sen si n gda t a for agr i cultura l drought m on itor i n gY AN Feng 1,2,Q I N Zhi 2hao 1,3,L IMao 2s ong 2,WANG Yan 2jiao 4,5(1.I nternati onal I nstitute for Earth Syste m Science,Nanjing University,Nanjing 210093,China; 2.I nstitute of Envir onment and SustainableDevel opment in Agriculture,Chinese Acade my of Agricultural Sciences,Beijing 100081,China; 3.I nstitute of Agr o 2Res ourcesand Regi onal Planning,Chinese Acade my of Agricultural Sciences,Beijing 100081,China; 4.The I nstitute of A t m os phericPhysics,Chinese Acade my of Sciences,Beijing 100029,China; 5.Nati onal Cli m ate Center,China Meteor ol ogical Adm inistrati on,Beijing 100081,China )Abstract:Soil moisture is one of the most i m portant indices for agricultural dr ought monit oring .I n this paper we p resent a comp rehensive revie w f or the p r ogress in re mote sensing of s oil moisture,with f ocus on discussi on of the method details and p r oble m s existing in s oil moisture esti m ati on fr o m re mote sensing data .Ther mal inertia and cr op water stress index (C W SI )can be used t o s oil moisture esti m ati on of bare s oil and vegetati on envir on ments res pec 2tively .Anomaly vegetati on index (AV I )and vegetati on conditi on index (VC I )are another alternative methods for s oil moisture esti m ati on with nor malized difference vegetati on index (NDV I ).Both NDV I and land surface te mpera 2ture (LST )are considered in te mperature vegetati on index (T V I ),vegetati on supp ly water index (VS W I )and vegetati on te mperature conditi on index (VTC I ).M icr owave re mote sensing is the most effective technique f or s oil moisture esti m ati on .Active m icr owave can p r ovide high s patial res oluti on but is sensitive t o s oil r ough and vegeta 2ti on .Passive m icr owave has a l ow res oluti on and revisit peri od but it has more potential for large scale agriculturaldr ought monit oring .I ntegrati on of op tical and m icr owave re mote sensings may be the p ractical method of dr ought monit oring in both accuracy and efficiency .Key words:agricultural dr ought;s oil moisture;re mote sensing;op tics;m icr owave农业旱灾是世界上最常见、影响最大的气候灾害,不但直接造成了粮食减产和经济损失,而且严重影响了农业的可持续发展和社会的稳定。
植被含水量的遥感反演方式
总结
统计模型相对比较简单,适用性强,在地面实况不清或遥感信号产生机理过于复 杂的情况下,是一种很好的工具来暂时回避困难,留待以后继续研究。 但是随着地面知识的积累和遥感观测波段的增加,统计模型的这一优势逐渐减弱。 并且当这些方法从实验室状态推广到室外冠层遥感数据的时候,就出现了大量的干扰 因素,包括不同的照明强度和角度、观测状态、冠层结构、下覆地表和大气状态等。 到目前为止,发展新的光谱指数仍然是一个活跃的研究领域,但是不论是经验或 半经验统计方法都缺乏鲁棒性和可移植性。可能在某些地点和时间,某种方法或指数 能够取得很好的效果,但事异时移,它们很可能就不适用了,因此人们逐渐考虑利用物 理模型反演得到植物的组分含量。
在使用PROSPECT 模型时考虑了三种生化组分:叶绿素,水分,干物质。其中干物 质代表纤维素、半纤维素、木质素、蛋白质、淀粉等,这些物质或者因其在叶片 内的含量极其微量,或者由于它们的吸收作用非常微弱,很难将他们的作用单独表 示出来,因此采用了总的干物质来表达这些物质的综合作用。PROSPECT 模型 是目前公认的叶片尺度最好的辐射传输模型之一,其输入参数只有4 个,为反演带 来了很大的方便。在这4个输入参数中,只有叶肉结构参数n 的确定无法通过测量
• 例如Penuelas等发现用水分指数WI(WI=R970/R900)能清楚地指示水分状况的变化.
• Penuelas和Inoue在随后的研究中还表明WI(WI=R900/R970)与NDVI(NDVI=(R900R680)/(R900+R680))的比值WI/NDVI不仅可以用来预测叶片的水分含量,还可以用来预 测植株或冠层的含水量,且显著提高了预测的精度.
物理模型方法：
叶片光学模型基于生物物理机制,通过描述光子在叶片内的散 射和吸收,模拟叶片的光谱特性,其前向过程通常都包含生化组分含 量,这些参数通常无法获得解析表达式,但是可以通过反向反演得到 。进一步可以将叶片模型耦合到冠层模型中,就可以利用冠层光谱 数据反演得到组分含量。由于物理模型解释了光与叶片物质的作 用机制,原理清楚,加之在模型的初始假设范围内,不受限于时间地点 等因素,因此成为植被生化组分参数提取研究的又一个方向。 目前应用于反演植被含水量的物理模型主要考虑基于辐射传 输方程的叶片光学模型PROSPECT 和冠层模型SAIL 及其耦合模 型。
植被覆盖地表土壤水分遥感反演
植被覆盖地表土壤水分遥感反演一、概述植被覆盖地表土壤水分遥感反演是当前遥感科学与农业科学交叉领域的重要研究方向。
随着遥感技术的不断进步，利用遥感手段对植被覆盖地表下的土壤水分进行反演，已经成为监测土壤水分动态变化的有效手段。
本文旨在深入探讨植被覆盖地表土壤水分遥感反演的基本原理、方法进展及实际应用，以期为相关领域的研究和实践提供有益的参考。
植被覆盖地表土壤水分遥感反演的基本原理在于，通过遥感传感器获取地表植被和土壤的综合信息，进而利用特定的反演算法提取出土壤水分含量。
这一过程中，植被覆盖对遥感信号的影响不可忽视，如何有效去除植被覆盖的影响，成为植被覆盖地表土壤水分遥感反演的关键问题。
在方法进展方面，近年来国内外学者提出了多种植被覆盖地表土壤水分遥感反演方法，包括基于植被指数的反演方法、基于热惯量的反演方法、基于微波遥感的反演方法等。
这些方法各有特点，适用于不同的研究区域和植被类型。
随着深度学习等人工智能技术的快速发展，其在植被覆盖地表土壤水分遥感反演中的应用也逐渐受到关注。
在实际应用方面，植被覆盖地表土壤水分遥感反演在农业、生态、环境等领域具有广泛的应用前景。
通过实时监测土壤水分状况，可以为农业生产提供科学的灌溉指导，提高水资源的利用效率也可以为生态环境监测和评估提供重要的数据支持，有助于维护生态平衡和可持续发展。
植被覆盖地表土壤水分遥感反演是一项具有重要意义的研究工作。
随着遥感技术的不断进步和反演算法的不断优化，相信这一领域的研究将会取得更加丰硕的成果。
1. 背景介绍：植被覆盖地表土壤水分的重要性及其在农业、生态和环境监测中的应用。
植被覆盖地表的土壤水分是地球水循环的重要组成部分，它直接影响着植被的生长和生态系统的平衡。
在农业领域，土壤水分是作物生长的关键因素之一，其含量和分布直接影响着作物的产量和品质。
准确获取植被覆盖地表的土壤水分信息，对于指导农业生产、优化水资源管理具有重要意义。
在生态方面，土壤水分与植被覆盖度之间存在着密切的相互作用关系。
基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演
基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演本文旨在研究近地高光谱（HHS）和TM遥感影像在反演冬小麦冠层含水量（PWMC）方面的潜力。
为了搞清楚HHS和TM数据的性能差异，我们通过直接从数据中提取的反射系数和Tasseled Cap变量之间的相关性进行端到端的对比。
此外，两者的PWMC反演效果也进行了对比，以了解如何将两者结合起来取得最佳的反演效果。
通过使用普通最小二乘算法（OLS）和支持向量机（SVM），我们从两种数据集中提取出来的变量建立了PWMC反演模型。
结果表明，两种数据集提供的PWMC反演模型都具有较好的精度，其中SVM模型的精度要优于OLS模型。
另外，结合两者结果，得出的反演模型具有更高的精度，表明HHS和TM遥感影像可以有效地反演冬小麦冠层含水量。
为了提高数据的使用率，我们将HHS和TM的性能进一步改进，并将它们有效地结合起来，形成一个实用的反演模型。
引入一种新的联合方法将OLS与SVM结合起来，以对HHS和TM各自提供的PWMC反演数据进行加权组合，从而提高模型精度。
结果显示，联合模型的精度比单独使用OLS和SVM模型更高，证明HHS和TM遥感影像可以有效地反演冬小麦冠层含水量。
此外，我们还探讨了HHS和TM遥感影像在颗粒物质含量反演方面的潜力。
使用重力冲击数据对模型的准确性进行校验，以检验其可靠性。
实验数据显示，联合模型的性能要优于单一模型。
因此，HHS和TM遥感影像可以有效地反演冬小麦冠层含水量和颗粒物质含量。
通过本研究，我们证实了HHS和TM遥感影像结合可以有效地反演冬小麦冠层含水量和颗粒物质含量，可以为冬小麦生长发育提供量化参考。
本研究结果表明，近地高光谱和TM遥感影像可以有效地反演冬小麦冠层含水量和颗粒物质含量。
这是一个重要的结论，因为这些数据可以用于监测冬小麦的生长发育。
此外，本研究还建立了一种新的联合OLS-SVM模型，它可以直接从HHS和TM数据中提取信息，从而提高PWMC反演的准确性。
植被含水量的遥感反演方法及研究进展
光谱 反 演原 理 及 水 分 的敏 感 光 谱 波 段 ， 后 对 国 内外 植 物水 分 光 谱 诊 断 的研 究 方 法 及 进 展 以及 存 在 的 困难 进 行 然
了评 述 ， 并提 出 了今 后 的研 究方 向和 发 展 前 景 。 关 键 词 ： 水 量 ； 感 ； 谱 反 演 含 遥 光 中 图分 类号 ：ＴＰ ９ ７ 文 献 标 识 码 ：Ａ 文章 编 号 ：１ ０ —３ ７ （ ０ ８ ９ —０ ０ —０ ０ ０ １ ７ ２０ ） ５ １ ０ ６
维普资讯
遥枣信 息
综
述
植被含水量的遥感反演方法及研究进展
王 洁① ， 瑞松 ①，马 跃 良①， 睿 ① ， ～ 徐 蔡 ～ 苗莉 ① ，陈 或① ② ～ ・
（ 中 国科 学 院广 州地 球 化 学研 究所 ， 州 ５ ０ ４ ； 中 国科 学 院研 究 生 院 ， ① 广 １６ ０ ② 北京 １ ０ ３ ） ０ ０ ９
基 金 项 目 ： 国 科 学 院 院 创 新 项 目“ 海 北 部 陆 缘 多 旋 回 红 土 系 列 年 代 与 环 境 变 化 记 录 ” ＫＺ 中 南 （ ＣＸ３ Ｓ 一 １ ２ 及 广 东 省 自 然 科 学 基 － 谱 遥感探 测 机理研究 ” ０ ０ ５ ６ ） 助 。 （６ ２４４资
Ｔ 一 —Ｗ Ｆ －Ｄ Ｗ
单 位 ： ／ ｍ （ ） ｇｃ ３
化对 该化 学组 分 的含量 多 少 非 常 敏感 （ 称 敏感 光 故 谱） 。植 物含水 量 光谱 诊 断 的 实 现便 是 以植 物水 分
收 稿 日期 ：０ ７ ０ — １ ２０ － ５ １
修 订 日期 ： ０ ７ ０ — １ ２ ０— ６ ０
摘 要 ： 分 是 影 响 植 物 生 长 的 最 主 要 限 制 因子之 一 。及 时准 确 监 测 或 诊 断 出植 物 含 水 状 况 ， 提 高 农 业 的 灌 水 对 溉 效 率指 导 农 业 生 产 、 测 自然 群 落 的 干 旱 状 况 、 报森 林 火 灾具 有 重 要 意 义 。 本 文 首 先 简 单 介 绍 了植 物含 水 量 监 预
植被含水量的遥感反演方式
统计分析方法
• 确定了植被水分的敏感光谱后,在统计分析的基础上,前人提出了很多不 同的指数和方法来诊断植物的含水量。这些统计模型可以大致分为以下 三类:
• 1:建立光谱指数 • 2:基于光谱导数变量建立模型 • 3包络线消除法
植被含水量光谱反演原理及 水分的敏感光谱波段
• 1 植被含水量光谱反演原理
• 2 水分的敏感光谱波段
1:植被含水量光谱反演原理
• 每一种物质对不同波长的电磁波的吸收和反射都不同,物质的这 种对不同波段光谱的响应特性叫光谱特性。植被光谱诊断便是基 于植被的光谱特性来进行的。
• 植被反射波谱中某些波长的光谱反射和吸收差异是由植被中化学 组分分子结构的化学键在一定辐射水平的照射下发生振动引起的, 从而产生了不同的光谱反射率,且该波长处光谱反射率的变化对 该化学组分的含量多少非常敏感(故称敏感光谱) 。植被含水量 光谱诊断的实现便是以植被水分敏感光谱的反射率与水含量的相 关关系为基础的。
• 研究表明,FMC、RWC和EWT是表征含水量的三个不相关量,是定量提取含水量 的不同方法。
• 研究发现在用遥感数据反演含水量时,短波红外波段与EWT相关性较好,而与 FMC相关性较差,并且表明用EWT来表征含水量要优于用FMC表示,因为FMC要受 叶子中的干物质影响。
• 在研究EWT和FMC的关系时发现,对于桉树叶,其近红外波段反射光谱与FMC有 很好的相关性,而短波红外波段的反射光谱与EWT高度相关。
建立光谱指数
• 建立的光谱指数一般是两个波段或多个波段的组合,如简单的加减组合、比值或者 是归一化比值,这是根据植被波谱的物理特性和半经验方法提出的。
卫星遥感反演土壤水分研究综述_陈书林
第27卷第11期2012年11月地球科学进展ADVANCES IN EARTH SCIENCEVol．27No．11Nov．，2012陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述［J］．地球科学进展，2012，27（11）：1192-1203．［Chen Shulin，Liu Yuanbo，Wen Zuomin．Satellite retrieval of soil moisture：An overview［J］．Advances in Earth Science，2012，27（11）：1192-1203．］卫星遥感反演土壤水分研究综述*陈书林1，2，刘元波2*，温作民1（1．南京林业大学经济管理学院，江苏南京210037；2．中国科学院南京地理与湖泊研究所，江苏南京210008）摘要：土壤水分是影响地表过程的核心变量之一。
精准地测量土壤水分及其时空分布，长期以来是定量遥感研究领域的难点问题。
简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题，介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集，包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集，并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。
关键词：土壤水分反演算法；光学遥感；微波遥感；多传感器联合反演；全球数据集中图分类号：TP751．1文献标志码：A文章编号：1001-8166（2012）11-1192-121引言土壤水分是指土壤非饱和层（也称其为渗流层）的水分含量。
在气候系统中，土壤水分是一个关键因子，它决定着植被的蒸散发及光合作用，它是水循环、能量循环和生物地球化学循环中的基本组成部分，在降水、径流、下渗、蒸散发水文过程中起着至关重要的作用［1］。
土壤水分能反映农业干旱程度，在农业灌溉管理中能起到指导作用。
土壤水分遥感监测数据处理方法研究
土壤水分遥感监测数据处理方法研究近年来，随着遥感技术的飞速发展，越来越多的遥感应用于农业领域，其中土壤水分遥感监测也成为了其中的一大热门研究方向。
在农业生产过程中，土壤水分是农作物生长和产量形成的关键因素。
因此，精确准确地获取土壤水分信息对于农业生产和粮食安全具有重要意义。
本文将就土壤水分遥感监测数据处理方法进行研究和探讨。
一、土壤水分遥感监测数据处理方法概述土壤水分遥感监测通过对感知地物反射或辐射的电磁波进行测量，获取土壤水分信息。
其主要包括主动和被动两种探测方式，其中主动探测是指通过雷达、微波辐射等主动方式对土壤水分进行探测，而被动探测则是通过获取感知地物的辐射信息以反推土壤水分。
在土壤水分遥感监测数据处理中，常用的方法包括统计法、遥感反演法和模型法，这些方法在获取土壤水分信息时各具特点和适用范围。
二、统计法统计法是一种简单而又有效的土壤水分遥感监测数据处理方法。
其原理是通过对大量采集的土壤水分数据进行统计分析，计算出水分与遥感影像之间的关系，然后将该关系用于计算遥感影像各像元处土壤水分含量。
在使用该方法时，需要选择可靠的土壤水分测量数据，同时考虑到地表覆盖物种类和光学特性等因素的影响。
三、遥感反演法遥感反演法也是一种常用的土壤水分遥感监测数据处理方法，该方法主要通过利用已知土壤水分下的遥感数据，反演获得感知地物的实际土壤水分信息。
该方法的优势是可以分析土壤水分的时空分布信息，并对散乱光作用、植被遮蔽等影响因素进行修正，从而精确计算遥感影像各像元处的土壤水分。
四、模型法模型法是一种基于理论的土壤水分遥感监测数据处理方法。
通过建立数学模型来模拟不同土壤水分下遥感影像的反射或辐射特性，进而推算出遥感影像各像元处的土壤水分值。
该方法的关键在于建立准确的模型，因此需要考虑因素的综合影响，并根据实际情况选择合适的模型进行匹配。
五、总结土壤水分遥感监测数据处理方法是农业生产过程中重要的技术手段，通过对遥感影像的处理和分析，可以提取出精确的土壤水分信息。
夏玉米不同生育期叶片和冠层含水量的遥感反演
夏玉米不同生育期叶片和冠层含水量的遥感反演
刘二华1 周广胜12!"周莉1 张峰3
u（中国气象科学研究院,北京100081）
2）（南京信息工程大学气象灾害预报预警与评估协同创新中心，南京210044） 3）（中国科学院植物研究所植被与环境变化国家重点试验室,北京100093）
摘要
高光谱遥感技术监测作物含水量是了解作物生长状况的重要技术&为实现夏玉米不同生育期叶片和冠层含 水量的快速、精细化、无损监测，本文基于2014年和2015年的6—10月华北夏玉米不同生育期不同灌水量干旱模 拟试验数据构建了植被水分指数（Wi,Msi,Gvmi）、复比指数（Wnv和!CG ）和红边反射率曲线面积（D”"）的夏玉米 冠层等效水厚度（Ewtc）和叶片可燃物含水量（Fmc）的反演模型&结果表明$个指标反演夏玉米三叶期的Ewtc模 型均未达到0.05显著性水平，三叶期后各指标反演Ewtc模型均达到0.01的显著性水平，且总体而言模型精度从 高到低为抽雄期、拔节期、灌浆期、成熟期和七叶期& 6个指标反演七叶期和拔节期的Fmc均达到0. 01显著性水 平&因此，同一光谱指标反演夏玉米不同生育期叶片和冠层含水量的精度差异较大&光谱指标反演夏玉米叶片和 冠层含水量指标的精度与夏玉米生育期有很大关系，进而提出了夏玉米不同生育期含水量反演模型&研究结果可 为准确模拟夏玉米不同生育期含水量提供技术支撑& 关键词：高光谱；夏玉米；植被水分指数；复比指数；不同生育期
准确反演作物含水量需要寻找对水分敏感的光 谱波段并构建光谱指数&综合以往相关研究，作物 水分敏感的光谱波段主要集中在900〜1300 nm和 1500〜2500 nm的短波红外波段*1617+ &以上反射率 波段建立的植被水分指标主要有水分指数（！i）、归
《2024年典型草原不同植被条件下土壤水分遥感反演研究》范文
《典型草原不同植被条件下土壤水分遥感反演研究》篇一一、引言草原生态系统对环境变化非常敏感，其健康状态对气候变化和生态安全具有重要意义。
而土壤水分作为草地生态系统的重要参数，对植被生长、生态平衡和气候变化具有重要影响。
因此，准确、快速地获取土壤水分信息对于草原生态系统的监测和管理至关重要。
遥感技术以其覆盖范围广、信息获取速度快等优势，在土壤水分监测中发挥着重要作用。
本文旨在研究典型草原不同植被条件下土壤水分的遥感反演方法，为草原生态系统的监测和管理提供科学依据。
二、研究区域与方法1. 研究区域本研究选取了我国典型草原区作为研究区域，该区域具有丰富的植被类型和气候条件，有利于研究不同植被条件下土壤水分的遥感反演。
2. 研究方法（1）数据收集：收集研究区域的遥感数据、气象数据和土壤数据等。
（2）遥感数据处理：对遥感数据进行预处理，包括辐射定标、大气校正、图像增强等，以提高数据的精度和信噪比。
（3）植被指数计算：计算研究区域的植被指数，如归一化植被指数（NDVI）等，以反映植被的生长状况和覆盖度。
（4）土壤水分反演：利用遥感数据和植被指数，结合土壤水分反演模型，对研究区域的土壤水分进行反演。
（5）数据分析与处理：对反演得到的土壤水分数据进行统计分析、空间分析和时间序列分析等，以揭示不同植被条件下土壤水分的分布特征和变化规律。
三、不同植被条件下土壤水分的遥感反演1. 植被类型对土壤水分的影响不同植被类型对土壤水分的保持和利用能力不同，因此，在遥感反演中需要考虑植被类型的影响。
本研究选取了典型草原区的草地、灌木、森林等不同植被类型，分别进行土壤水分的遥感反演。
2. 遥感数据的选择与处理在遥感数据的选取上，本研究选择了不同时相、不同分辨率的卫星遥感数据，以充分反映草原生态系统的动态变化。
在数据处理上，采用了辐射定标、大气校正、图像增强等预处理方法，以提高数据的精度和信噪比。
3. 土壤水分反演模型的建立与应用本研究结合研究区域的实际情况，建立了基于遥感数据的土壤水分反演模型。
遥感反演蒸散发在灌溉用水管理中的应用综述
２０２３年９月水 利 学 报ＳＨＵＩＬＩ ＸＵＥＢＡＯ第５４卷 第９期文章编号：０５５９－９３５０（２０２３）０９－１０８７－１２收稿日期：２０２３－０４－１０；网络首发日期：２０２３－０８－１７网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３０８１６．１５０８．００２．ｈｔｍｌ基金项目：国家重点研发计划项目（２０２１ＹＦＢ３９００６０４）；国家自然科学基金项目（５２０７９０６５）作者简介：张才金（１９９５－），博士生，主要从事遥感水文水资源研究。
Ｅ－ｍａｉｌ：ｚｃｊ１９＠ｍａｉｌｓ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ通信作者：龙笛（１９８２－），博士，教授，主要从事遥感水文水资源研究。
Ｅ－ｍａｉｌ：ｄｌｏｎｇ＠ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ遥感反演蒸散发在灌溉用水管理中的应用综述张才金１，２，３，龙 笛１，２，３，崔英杰１，２，３，崔艳红１，２，３，白亮亮４，董 靓１，２，３（１．清华大学水圈科学与水利工程全国重点实验室，北京 １０００８４；２．清华大学水利部水圈科学重点实验室，北京 １０００８４；３．清华大学水利水电工程系，北京 １０００８４；４．水利部海河水利委员会科技咨询中心，天津 ３００１７０）摘要：农田灌溉高效用水管理对农业生产及水资源可持续利用至关重要。
气候变暖和社会经济发展对农业水资源的可持续利用带来重大挑战，农业生产集约化、标准化和信息化对发展高效节水灌溉、实现灌溉用水精细化管理提出了更高的要求。
蒸散发可反映地表与大气的水分和能量交换以及作物耗水，在灌溉用水管理中发挥着关键作用。
过去２０年来随着遥感对地观测技术不断发展，蒸散发遥感反演和数据融合理论方法不断成熟，数据的时空分辨率和精度不断提升，显著扩展了遥感蒸散发在灌溉用水管理中的应用范围，在灌溉用水量估算等领域得到深度应用。
本文在概述国内外蒸散发遥感反演和数据融合研究前沿及相关数据集的基础上，重点对遥感蒸散发在灌溉用水量估算、灌溉制度优化和灌溉效益评价等三个方面的应用场景，进行了系统梳理和总结，以期为农业水资源高效利用和精细化管理提供参考。
土壤含水量高光谱遥感定量反演研究进展
摘 要：高光谱遥感因其光谱信息丰富，在土壤含水量的反演中得到了广泛的应用。通过对土壤含水量
遥感监测方法进行了归纳总结，对比分析了微波法、热红外法、光学法和高光谱法监测土壤含水量的优
缺点以及适用范围；重点分析总结了土壤含水量高光谱遥感定量方法，简要阐述了统计模型和机理模型
反演土壤含水量的研究进展，特别对辐射传输模型和几何光学模型 2 个机理模型进行了说明，将近年来
传统土壤含水量的测定方法主要有烘干称重法、 张力计法、中子仪法、伽马射线衰法、电阻法，并需要大 量的人力物力，不仅费时，而且成本高、速度慢、代表性 差 ，难以实现大面积实时动态土壤含水量的监测。相
基金项目：高分辨率对地观测系统国家科技重大专项(09-Y30B03-9001-13/15)；全球变化研究国家重大科学研究计划（973 计划）(2010CB951501-2)。 第一作者简介：刘影，女，1992 年出生，黑龙江鹤岗人，研究方向：农业资源遥感。通信地址：100081 北京市海淀区中关村南大街 12 号 中国农业科学 院农业资源与农业区划所，E-mail：18618205585@。 通讯作者：姚艳敏，女，1964 年出生，河北石家庄人，研究员，博士，研究方向：农业定量遥感。通信地址：100081 北京市海淀区中关村南大街 12 号 中 国农业科学院农业资源与农业区划研究所，Tel：010-82105072，E-mail：yaoyanmin@。 收稿日期：2015-09-28，修回日期：2015-12-03。
植被含水量的遥感反演方式
近年来随着成像光谱技术的兴起,如何利用遥感数据监测植被化 学特性,已成为全球变化研究中重要的议题。 水分是控制植物光合作用、呼吸作用和生物量的主要因素之一, 水分亏缺会直接影响植物的生理生化过程和形态结构,从而影响植物 生长和产量与品质,因此植物的水分在农林业的应用中是一个重要的 参数,研究植物水分状况具有重要的意义。利用成像光谱遥感估测植 物水含量有很大的潜力,它可以实时快速准确地监测或诊断出植物水 分状况,从而可有效及时指导精确植物灌溉,有效评价自然干旱情况, 及时预测森林火灾。
• Ceccato等研究提出参数 GVMI,GVMI=((NIR+0.1)(SWIR+0.02))/((NIR+0.1)+(SWIR+0.02))使得水含量的反演由 局部开始 发展到整体. • Davidson等在研究灌丛植物的含水量时表明波段组合,尤其是NIR和SWIR波段的组 合,能很好的反演植物的绝对含水量和相对含水量,并且在0.5m与30m两种采样间 隔情况之下,那些光谱指数与含水量的相关性都较高,差别很小,所以Landsat数据 可以用波段组合的方式来监测植物含水量。
统计分析方法ቤተ መጻሕፍቲ ባይዱ
• 叶片生化组分对应特定光谱的吸收特征,利用多元回归可以确定化学组分 和光谱数据相关程度高的波段和波段组合,从而反演出化学组分含量。在 进行回归分析的过程中,采用逐步回归的方法,通过F检验,使对因变量贡献 大的因子随时可以进入方程,贡献小的因子又可以随时剔除,从而建立最优 回归方程。
其中C为生化组分含量,N为入选的波段数,α0、αi分别为回 归常数和第i个回归系数,D(λi)为入选的波段光谱值。
统计分析方法
• 确定了植被水分的敏感光谱后,在统计分析的基础上,前人提出了很多不同 的指数和方法来诊断植物的含水量。这些统计模型可以大致分为以下三 类: • 1:建立光谱指数 • 2:基于光谱导数变量建立模型 • 3包络线消除法
基于Landsat 8遥感图像的土壤含水量提取研究
基于Landsat 8遥感图像的土壤含水量提取研究崔丽霞;王蕾【摘要】Soil moisture is not only a major factor in the growth of vegetation,but also an impor-tant parameter in the study of climate,water temperature,ecology,agriculture and many other fields.Remote sensing can quickly and easily get the surface information of a large area,so it is very important to use remote sensing technology to extract soil moisture content.In this essay, with Landsat 8 images of August 15,2015 in north central of Tangshan as the research object,the soil moisture distribution of the region is obtained by calculating the normalized vegetation index and inverting the land surface temperature.The research results show that the vegetation water supply index method can be used to extract the information of the soil moisture content of Land-sat 8 remote sensing images,which extends the application range of Landsat 8 images.%土壤含水量是影响植被生长的一个主要因素，也是研究气候、水温、生态、农业等领域的重要参数。
高光谱遥感监测土壤含水量研究进展
高光谱遥感监测土壤含水量研究进展吴代晖;范闻捷;崔要奎;闫彬彦;徐希孺【摘要】土壤含水量是监测旱情墒情的关键参量,近年来在利用高光谱遥感数据监测土壤含水最方面,国内外进行了大量的研究.文章首先在分析利用不同波段监测土壤含水量的原理及优缺点基础上,指出高光谱遥感监测的独特优势和问题.并以此为出发点,从机理上归纳了土壤含水量对土壤反射率的整体影响,以及对不问波段响应的差异.在此基础上,从物理机理和统计方法两个方面,总结了土壤含水量与土壤反射率的关系.并分析和评价了各模型及统计方法中的关键问题和优缺点.以往研究土壤含水量与土壤反射率关系的实验方法中往往存在一些问题,文章也一一指出并提出了解决方案.同时,探讨了高光谱在消除植被影响,更好地反演土壤含水量方面的可行性.最后对未来的研究方向进行了展望.【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)011【总页数】5页(P3067-3071)【关键词】高光谱遥感;土壤含水量;反射率【作者】吴代晖;范闻捷;崔要奎;闫彬彦;徐希孺【作者单位】北京大学遥感与地理信息系统研究所,北京100871;北京大学遥感与地理信息系统研究所,北京100871;北京大学遥感与地理信息系统研究所,北京100871;北京大学遥感与地理信息系统研究所,北京100871;北京大学遥感与地理信息系统研究所,北京100871【正文语种】中文【中图分类】TP79土壤水分在地表与大气间的物质和能量交换中，起着极为重要的作用，是陆地地表参数化的一个关键变量［1］，同时也是农作物生长发育的基本条件和产量预报模型中的重要参量。
土壤含水量是表征土壤水分的关键参数，是表征一定深度土层干湿程度的物理量。
特别是表层土壤含水量是微观气象学和水文学中一个重要的能量平衡参数［2］，也是旱情监测的重要指标。
如何更好的表征遥感反演土壤含水量很值得进一步研究。
所以准确地获取土壤含水量信息极为重要。
土壤含水量可以用重量含水量，体积含水量等方式表示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词： 遥感； 冠层水分含量 ； 连续统去除 ； ห้องสมุดไป่ตู้光谱
１ 遥 感 反 演 冠层 水 分含 量 的原 理
为 了量 化水 分含 量 ， 叶 水平 ， 在 叶水 分 含量 叫等 效 水 厚 度 （ＷＴ ， 具 体 定 义 为 植 物 叶含 水 量 （ Ｅ ）其 鲜 重 与干重 之差 ） 与叶 的表 面积 之 比值 ， 单位 为克 每平 方厘 米 （－ｃ － ， 数 学表 达式 为 ：ＷＴ Ｆ ＤＷ ｇ ￣其 ｋｍ ） Ｅ ＝ Ｗ－
利用连续统去 除方 法遥感反演冠层水分含量 的 比较研 究
林
摘
波 ，杨 玉静
（ 平 市 气 象局 ， 西 桂 平 ５７ ０ ） 桂 广 ３ ２ ０
要： 用连续统去除的技术方法来处理冬小麦的高光谱数 据 。 用其参量来与冠层水分含量进行相 关性分析并建立 回
归反演模型 ， 最后对模型进行检验 。比较不 同吸收峰的不同参量与冠层水分含量 的相关性 ； 比不同的反演模型 ， 出 对 得
感 。定 量化 观测 和提取 冠层 水 分含 量 的精度 不仅 仅
是成为可能 ， 精度也越来越高。当进行遥感观测时， 应当要考虑到大气 中存在水汽在红外波段也会有很
（ ＷＴ 之间 的单 位转 换 ： ＷＣ Ｌ ＩＥ （） Ｅ ） Ｃ ＝ Ａ ｘ ＷＴ ２ 另外 一 种计算 冠层 水分含 量 是取 鲜重 （ｗ ） ｔ 和干 重 （ Ｗ ） － Ｄ 之
差 ： ＷＣ Ｆ ＤＷ（ ） Ｃ ＝ Ｗ－ ３
每一种 物质对 不 同波 长 的 电磁 波 的吸 收和反 射
分 的强 吸 收波段 ， 以用来 诊 断植 物 的含水量 。 来 可 后 的研 究 也表 明 由于冠 层 液 态水 的 Ｏ Ｈ化 学 键 光 谱 — 特 性 ，引起 的水 分 吸 收 特 征 ：在 ９ ０ ｍ、 ２ ０ ｌ、 ７ ｎ １ ０ ｎｎ
缀统和反射光谱进行 比值计算或差值计算 ，得到连 。
２１ ０ ２年 ６月
Ｊ Ｕ Ｎ ＬＯ Ｔ Ｏ Ｏ Ｏ Ｉ Ａ Ｅ Ｅ Ｒ Ｈ Ａ Ｄ Ａ ＰＪ ＡＩ Ｎ Ｏ Ｒ Ａ ＦＭＥ Ｅ Ｒ Ｌ Ｇ Ｃ Ｒ Ｓ Ａ Ｃ Ｎ Ｐ ＩＣ － Ｏ Ｌ １
Ｊ ｎ２ １ ａ ．Ｏ ２
文 章 编 号 ：６ ３ ８ １ （ｏ ２ Ｓ － １ １ｏ １７ — ４ １２ １ ） ｌＯ ８ ． ４ －
１５ｎ 和 １５ｎ ４ ０ｍ ９０ ｍ不 同 的 光 谱 位 置 形 成 大 小 不 一 的吸 收峰 。所 以植 被冠 层水 的敏感 光谱 就是 在这几 个 位置 。冠层 水分 含量 提取 的实现便 是 以植 物冠层
水分敏感光谱的反射率与冠层水分含量的相关关系
为基础 的 。随着遥 感技 术 的发 展 ，特别 是高 光谱 遥
y1362x601730345mb叭uc3e一18x舳039742验证针对不同连续统去除参量提出的不同的冠层水分含量反演模型需对各个模型的反演精度进行检随机选取26组不同生长时期8个起身期10个拔节期和8个灌浆期的不同冠层水分含量的冬小麦高光谱数据
第 ３ ３卷
增刊 １
气
象
研
究
与
应
用
Ｖｏ ＿３ Ｓ１ Ｉ ３
同物质 的平均 光学 路径 长度 或 不 同吸收过 程 ［］连 ４。
都不同。物质的这种对不同波段光谱的响应特性叫
光 谱特 性 。 据光 谱特 性原 理 ， 依 用遥 感 手段监 测植 冠 层 水 分状况 成为可 能 。为 了 明确水 分 的敏感 光谱 波 段 ，早 在 １５ ９ １年 Ｃ ｒｉ 研 究 就 指 出 ８０ｍ、 ｕｃｏ做 ２ｎ ９ ０ｍ、２０ ｍ、４ ０ｍ、９０ ｍ 的 光 谱 位 置 是 水 ７ ｎ １０ ｎ １５ｎ １４ ｎ
ｉ ）或 千 克 每 平 方 米 （ｇ ｎ ｋ ★ｍ ，与 等 效 水 厚 度 ）
分 析矿 物质 高光谱 数 据 的。所 谓 的连续 统是一种 用 于 分离某 一种 吸 收特 征 的数 学 函数 。广泛 用于在 矿 质 和岩石 光谱 分析 在 去除背 景 吸收 的影 响并 且分 离
特征 物质 吸 收特征 。连 续统 被 定义 为光谱 反射率 曲 线 中反射 峰 之间线 性 连接 部分 。可 以描述 为通过 不
续统 去除反 射 率 ．既保 持 了原有 和光谱 吸 收特征 又 达 到了去 除连 续统 的 目的。连 续统去 除之后 。那 些
峰值点上 的相对值均为 １ ，相反的那些非峰值均小
于 １ 。
Ｋ ｋ ｌ Ｃ ａｋ在 １ ９ ｏ ａｙ和 ｌ ｒ ９ ９年 将 这 种 光 谱 处 理 技 术应 用到植 被 的高 光谱 数据 中来 诊 断植 被 冠层水 分
一 Ａ
．
一
１０ ｎ 附近 ， ９０ ｍ 因此这 些 波段会 有 噪声 干扰 而不应 当 在遥 感 中使用 。所 以国 内外 的研究报 告 提 出的关 于
反 演 植 被 水 的 技 术 方 法 主 要 是 集 中 在 ９ ０和 ７
１０ ｎ 及 其 附 近 的 波 长 位 置 ．如 水 分 指 数 ＷＩ ２０ ｍ
含量 。他们 将 连续 统去 除应 用 在水分 强 吸收特征谷 处， 然后 提 出 一些 参 量 （ 吸 收最 大 深 度等 ） 反 演 如 来 冠层 含水 量 状况 。Ｓｉｓｎ等在 ２ ０ 也用连 续 统 ｔ ｏ ｍ ０５年 去除方 法处 理 数据后 用 一些参 量 来指示 植被 叶片含 水 量 信 息 。 而 连 续 统 去 除 后 的 最 大 波 段 深 度 （ Ｄ）连 续 统 下 曲 线 吸 收 峰 面 积 （ Ｕ 和 Ｍ Ｄ ＭＢ 、 Ａ Ｃ） Ｂ 与 Ａ Ｃ的归 一 化 比值 （ Ｄ Ａ Ｃ ， 些 之 前 用 于 Ｕ ＭＢ ／ Ｕ ）这 估 算 叶片 叶绿 素 的参 量 也 可 以用 于在 ９０ １０ ｈ ７ 、２Ｏｍ
（ ９ ０ Ｒ ７ ） Ｒ ０／ ９０ 。
２ 连 续 统 去 除 原 理 方 法 与 研 究进 展
连续 统去 除技 术 在遥感 的应用 。原 主要是用 于
×ｏ ％（ ） 冠层 水平 ， 层水分 含 量 （ ｗｃ 定 义为 １０ １在 冠 ｃ ） 单 位地 表 面积 的水 质 量 ， 其单 位 为 克 每平 方 米 （ ★ ｇ