基于遥感的土壤含水量与陆面蒸散发耦合优化模拟研究
基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用
基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用引言：灌溉面积是农业生产中的关键指标之一，准确识别灌溉面积对于合理配置农业资源、提高农业水利效益具有重要意义。
随着遥感技术的快速发展，进一步利用遥感影像来识别和监测灌溉面积已经成为热门研究领域。
本文基于遥感土壤含水量和蒸散发信息，探索了一种新的灌溉面积识别技术的研究与应用。
一、遥感数据的获取和处理1.1 遥感影像的获取本研究使用高分辨率多光谱遥感影像来获取农田的土壤信息和植被信息。
遥感影像可以通过卫星、航空器或无人机等载体获取，具有获取范围广、周期短、空间分辨率高等优势。
1.2 遥感数据的处理将获取到的遥感影像进行预处理，包括大气校正、几何校正等，以去除影响识别结果的干扰因素。
二、基于遥感土壤含水量信息的灌溉面积识别方法2.1 土壤含水量的遥感反演方法通过建立土壤含水量与遥感影像反射率的关系模型，实现非接触式获取土壤含水量信息。
常用的反演方法有基于传统统计方法的多光谱反演法、基于数据驱动的机器学习方法等。
2.2 灌溉面积的识别方法在获取到土壤含水量信息后，结合土壤湿度的空间分布特点，运用图像分割、像元分类等方法，识别出农田中的灌溉面积。
三、基于蒸散发信息的灌溉面积识别方法3.1 蒸散发的遥感估算方法蒸散发是指自然界中水分从植被与土壤表面蒸发和通过植物蒸腾进入大气的过程。
通过建立植被指数与蒸散发的关系模型，可间接估算蒸散发的强度。
3.2 灌溉面积的识别方法结合蒸散发信息和土壤类型等因素，采用阈值或多尺度分析等方法，识别出受灌溉影响的农田面积。
四、基于遥感土壤含水量和蒸散发信息的灌溉面积识别4.1 融合土壤含水量和蒸散发信息的方法将土壤含水量和蒸散发信息进行融合，建立灌溉面积与土壤含水量、蒸散发强度之间的关系模型。
通过遥感影像分析，将这些模型应用于农田遥感图像中，实现灌溉面积的识别。
4.2 实验与结果分析通过对不同地区农田遥感影像的分析，验证了本方法的可行性和精度。
综合各类遥感影像数据的地表蒸散发监测与估算方法
综合各类遥感影像数据的地表蒸散发监测与估算方法遥感技术的发展为地表蒸散发监测与估算提供了更为便捷和准确的手段。
通过综合利用各类遥感影像数据，不仅可以监测蒸散发的时空分布，还可以进行蒸散发的估算和模拟。
本文将探讨综合各类遥感影像数据用于地表蒸散发监测与估算的方法。
一、遥感影像数据的分类及特点遥感影像数据常根据不同传感器的工作原理与波段范围进行分类。
光学遥感影像数据主要通过可见光、红外和短波红外波段捕捉地表信息，可以获取地表植被覆盖、土壤湿度等参数。
另外，热红外影像数据可以反映地表温度分布，而合成孔径雷达数据则可探测土壤含水量、地表粗糙度等。
各类遥感影像数据具有分辨率高、覆盖范围广、周期性强等特点，这使得其在地表蒸散发监测与估算中具有很大的应用潜力。
二、综合遥感影像数据的地表蒸散发监测方法1. 遥感监测植被蒸散发植被蒸散发是地表蒸散发的主要组成部分，并且与气候变化、水资源管理等密切相关。
通过多光谱遥感影像数据，可以获取植被的光谱响应，进而估算植被叶面积指数、叶面积等参数，从而实现植被蒸散发的监测。
2. 遥感监测土壤蒸发土壤蒸发是地表蒸散发的重要组成部分，尤其是在干旱地区。
利用遥感热红外影像数据可以反演地表温度，进而计算土壤蒸发通量。
此外，结合遥感合成孔径雷达数据，可以获取土壤含水量信息，进一步提高土壤蒸发的监测精度。
3. 综合监测蒸散发时空动态地表蒸散发具有显著的时空变化规律。
通过多时相遥感影像数据的监测，可以实现地表蒸散发时空变化的动态监测。
例如，利用陆地观测卫星上的微波辐射计可以获取地表蒸散发的时序变化，结合其它遥感数据，可以分析不同地区的蒸散发差异。
三、遥感影像数据的地表蒸散发估算方法1. 蒸散发模型利用遥感影像数据进行地表蒸散发估算的方法常基于物理模型。
常用的物理模型包括能量平衡模型和质量平衡模型。
能量平衡模型以表面能量平衡为基础，通过计算辐射能量、热通量、水分通量等参数来估算地表蒸散发。
质量平衡模型则以土壤水分为基础，结合土壤蒸发的动态变化规律，进行地表蒸散发的估算。
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]。
基于主动微波遥感的土壤含水量估测方法研究
农作物生长离不开土壤水分，它是作物生存的重要物质基础之一。
土壤水分在地球上水循环运动中充当着十分重要的角色，也是水文、气象和农业相关研究中重要数据之一[1]。
当面对大面积区域的土壤水分测量时，传统测量方法会耗费大量人力、物力及时间。
因此，对土壤水分含量准确和高效的监测是农业水管理及农作物旱情预测的一个重要内容。
同时，在针对干旱区流域水文模型、农作物生长监测等方面问题也能起到一定作用。
利用微波遥感影像中提取数据监测土壤水分的技术到今天已经发展了40余年[2]，由于微波估测土壤水分涉及地表粗糙度、植被覆盖度和土壤质地等多个方面的参数[3]，而获取这些参数往往会受到一定的限制，如何充分利用微波数据源的各种辅助信息（如频率、极化方式等），降低对实地测量数据的依赖性，快速、便捷地获取大范围区域土壤水分分布情况是一直以来的研究热点。
搭载合成孔径雷达的主动微波遥感具有全天不间断工作、覆盖率高和信号穿透能力强的重要优势，使其成为土壤水分含量监测的有效手段之一，并且在各种土壤水分监测研究中应用十分广泛。
目前国外和国内已有许多学者对其进行研究并且建立了相应的经验模型和半经验模型[4-5]。
由于微波遥感的不同极化方式，在植被覆盖程度较高的区域会使得信号在穿透植被层的过程中衰减，导致土壤水分含量估测精度下降[6]。
地表植被层的覆盖程度差异及植被种类不同使得这些估测模型的精度不一，导致土壤水分信息的获取也变得复杂。
因此，选择一个穿透性强的极化方式，对消除植被覆盖对土壤水分监测的影响十分重要。
本文研究如何从地表雷达总的后向散射中分离出植被散射和吸收的贡献，对不同极化方式下植被微波散射机制进行分析，从雷达总的后向散射中分离植被层的贡献，进而去除植被影响，估测具有植被覆盖地收稿日期：2021-08-27作者简介：刘钇廷(1996—)，男，北京昌平人，塔里木大学信息工程学院农业工程与信息技术专业2020级在读硕士研究生，主要从事农业遥感监测研究。
土壤水分遥感反演研究进展
第３９卷第１３期２０１９年７月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３９，Ｎｏ．１３Ｊｕｌ．，２０１９基金项目：国家重点研发计划项目（２０１７ＹＦＡ０６０４７０１）；中国博士后科学基金项目（２０１８Ｔ１１００６６，２０１７Ｍ６２００２９）；中央高校基本科研业务费专项收稿日期：２０１８⁃０４⁃２６；㊀㊀网络出版日期：２０１９⁃０４⁃１７∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｓｈｕａｉｗａｎｇ＠ｂｎｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０１８０４２６０９４９潘宁，王帅，刘焱序，赵文武，傅伯杰．土壤水分遥感反演研究进展．生态学报，２０１９，３９（１３）：４６１５⁃４６２６．ＰａｎＮ，ＷａｎｇＳ，ＬｉｕＹＸ，ＺｈａｏＷＷ，ＦｕＢＪ．Ａｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１９，３９（１３）：４６１５⁃４６２６．土壤水分遥感反演研究进展潘㊀宁１，王㊀帅１，∗，刘焱序１，赵文武１，傅伯杰１，２１北京师范大学地理科学学部，地表过程与资源生态国家重点实验室，北京㊀１００８７５２中国科学院生态环境研究中心，城市与区域生态国家重点实验室，北京㊀１０００８５摘要：土壤水分精确反演对于理解和解决农业生产㊁生态规划以及水资源管理中的科学与实际问题至关重要㊂目前，大量的反演算法被广泛用于土壤水分估算，全球土壤水分遥感反演产品不断发布，反演算法与产品数据集的应用前景亟待系统梳理㊂基于不同谱段遥感探测技术中的土壤水分反演方法存在各自的特点㊁优势和局限性㊂除反演方法研究外，土壤水分遥感反演研究热点可被归纳为遥感土壤水分产品评估㊁在相关领域的应用㊁数据同化３个方面㊂大量研究表明土壤水分遥感反演产品在生态㊁水文㊁干旱等研究中表现出巨大的潜力，且在部分研究中已经得到应用㊂但目前土壤水分的遥感观测与应用需求仍存在一定的差距，因此最后对土壤水分遥感反演在探测的精度和准确度两个方面及其解决方案进行了总结与展望㊂关键词：土壤水分；反演方法；遥感产品；数据应用；数据同化ＡｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇＰＡＮＮｉｎｇ１，ＷＡＮＧＳｈｕａｉ１，∗，ＬＩＵＹａｎｘｕ１，ＺＨＡＯＷｅｎｗｕ１，ＦＵＢｏｊｉｅ１，２１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥａｒｔｈＳｕｒｆａｃｅＰｒｏｃｅｓｓｅｓａｎｄＲｅｓｏｕｒｃｅＥｃｏｌｏｇｙ，ＦａｃｕｌｔｙｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７５，Ｃｈｉｎａ２ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｒｂａｎａｎｄＲｅｇｉｏｎａｌＥｃｏｌｏｇｙ，ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＥｃｏ⁃ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８５，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｆｏｒｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄｓｏｌｖｉｎｇｓｃｉｅｎｔｉｆｉｃａｎｄｐｒａｃｔｉｃａｌｐｒｏｂｌｅｍｓｉｎａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎ，ｅｃｏｌｏｇｉｃａｌｐｌａｎｎｉｎｇ，ａｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ．Ａｔｐｒｅｓｅｎｔ，ａｌａｒｇｅｎｕｍｂｅｒｏｆｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｗｉｄｅｌｙｕｓｅｄｉｎｓｏｉｌｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎ，ａｎｄｇｌｏｂａｌｓｏｉｌｍｏｉｓｔｕｒｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓａｒｅｃｏｎｓｔａｎｔｌｙｐｕｂｌｉｓｈｅｄ，ｂｕｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｓｏｆｐｒｏｄｕｃｔｄａｔａｓｅｔｓｎｅｅｄｔｏｂｅｓｙｓｔｅｍａｔｉｃａｌｌｙｃｏｍｂｅｄ．Ｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｓｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｄｉｆｆｅｒｅｎｔｓｐｅｃｔｒａｌｒａｎｇｅｓｈａｖｅｔｈｅｉｒｏｗｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ａｄｖａｎｔａｇｅｓ，ａｎｄｌｉｍｉｔａｔｉｏｎｓ．Ｉｎａｄｄｉｔｉｏｎｔｏｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄｓ，ｔｈｅｒｅｓｅａｒｃｈｈｏｔｓｐｏｔｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃａｎｂｅｓｕｍｍａｒｉｚｅｄｉｎｔｏｔｈｒｅｅａｓｐｅｃｔｓ：ｅｖａｌｕａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓ，ａｐｐｌｉｃａｔｉｏｎｉｎｒｅｌａｔｅｄｆｉｅｌｄｓ，ａｎｄｄａｔａａｓｓｉｍｉｌａｔｉｏｎ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｓｔｕｄｉｅｓｓｈｏｗｔｈａｔｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓｆｏｒｓｏｉｌｍｏｉｓｔｕｒｅｈａｖｅｓｈｏｗｎｇｒｅａｔｐｏｔｅｎｔｉａｌｉｎｅｃｏｌｏｇｉｃａｌ，ｈｙｄｒｏｌｏｇｉｃａｌ，ｄｒｏｕｇｈｔ，ａｎｄｏｔｈｅｒｒｅｓｅａｒｃｈ，ａｎｄｈａｖｅｂｅｅｎａｐｐｌｉｅｄｉｎｓｏｍｅｒｅｓｅａｒｃｈ．Ｈｏｗｅｖｅｒ，ｔｈｅｒｅｉｓｓｔｉｌｌａｇａｐｂｅｔｗｅｅｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｏｂｓｅｒｖａｔｉｏｎｓａｎｄａｐｐｌｉｃａｔｉｏｎｉｎｓｏｉｌｍｏｉｓｔｕｒｅ．Ｔｈｕｓ，ｔｈｉｓｐａｐｅｒｆｉｎａｌｌｙｓｕｍｍａｒｉｚｅｓａｎｄｆｏｒｅｃａｓｔｓｔｈｅｐｒｅｃｉｓｉｏｎａｎｄａｃｃｕｒａｃｙｏｆＳｏｉｌＭｏｉｓｔｕｒｅＲｅｍｏｔｅＳｅｎｓｉｎｇＩｎｖｅｒｓｉｏｎａｎｄｉｔｓｓｏｌｕｔｉｏｎｓ．ＫｅｙＷｏｒｄｓ：ｓｏｉｌｍｏｉｓｔｕｒｅ；ｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄ；ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｅｄｐｒｏｄｕｃｔｓ；ｄａｔａａｐｐｌｉｃａｔｉｏｎ；ｄａｔａａｓｓｉｍｉｌａｔｉｏｎ土壤水分作为重要的陆地表层系统要素，是生态㊁环境㊁农业等领域研究中不可忽视的指标㊂对比传统的６１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀土壤水分测量方法如烘干法㊁时域反射法等局地土壤水分测量途径［１］，遥感技术提供了一种周期性㊁可全球覆盖的㊁多时相的对地观测手段［２⁃５］，为土壤水分研究带来了新的技术支撑㊂在目前遥感技术和土壤水分研究的衔接中，数据㊁方法与应用三者之间的级联特征尚缺乏梳理，容易致使数据误用，从而增加了遥感土壤水分产品在使用中的不确定性㊂基于此，本文拟依托数据㊁方法与应用的逻辑主线（图１），首先对土壤水分研究中所涉及到的遥感数据及对应方法的特点与不足进行梳理，为遥感技术在土壤水分研究中的应用提供更清晰的技术背景；随后对土壤水分数据产品的近今研究应用进行归纳总结，提出目前的研究热点及方向；最终就遥㊂感土壤水分的研究前景做出三点展望图１㊀遥感技术在土壤水分中的研究框架Ｆｉｇ．１㊀Ｒｅｓｅａｒｃｈｆｒａｍｅｗｏｒｋｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｓｏｉｌｍｏｉｓｔｕｒｅ１㊀土壤水分遥感定量反演基础１．１㊀光学遥感反演方法广义的光学遥感包括可见光⁃近红外⁃热红外三部分的波段范围㊂目前在可见光⁃近红外波段，常用的方法是利用Ｌａｎｄｓａｔ或ＭＯＤＩＳ等多光谱数据构建相应的干旱指数或植被指数来反映土壤含水量［６⁃８］㊂在热红外波段，通过地表温度［９］或热惯量［１０］实现土壤水分的反演㊂其中地表温度常常与植被指数相结合，通过不同土壤水分条件下所观测到的卫星影像像元值在温度⁃植被指数特征空间的分布规律来估算土壤水分［１１⁃１４］㊂热惯量与土壤水分之间存在一定的理论基础，可以根据能量平衡方程来估算土壤水分，但由于物理模型较复杂，常常利用回归函数模型进行反演㊂在经验方程基础上，相关研究还在模型中对地形㊁土壤质地㊁风速等影响热惯量的因素进行了修正㊂例Ｄｏｎｇ等［１５］通过表层土壤温度估算了土壤热和水力参数，并用来促进土壤水分估算的精度和鲁棒性㊂对比之下，可见光⁃近红外波段可以反映地表植被生长状况，热红外波段的光谱特性可以通过能量平衡与土壤水分建立理论模型㊂因此在近几年光学遥感反演土壤水分的研究中，可见光⁃近红外波段数据常常与热红外波段数据进行融合分析㊂除上述温度⁃植被指数空间外，另一种常用的融合方法是蒸散与作物缺水指数法㊂例如虞文丹等［１６］在作物缺水指数构建模型中引入双层蒸散发模型，估算了表层２０ｃｍ土壤的相对含水量㊂此外还有多种融合方式，如除多等［１７］将生长季植被供水指数与热红外波段相结合实现西藏高原地区的土壤水分遥感监测；于君明等［１８］通过角度指数来修正ＭＯＤＩＳ数据近红外与两个热红外光谱之间的关系，提高了土壤水分监测的精度㊂此外，高光谱遥感技术也以其丰富的光谱信息广泛应用于土壤水分的反演中［１９］，例如Ｓａｄｅｇｈｉ等［２０］在波段选择的基础上提出了一种基于可见光⁃近红外波段估算土壤水分的线性物理模型㊂土壤反射光谱曲线中的水分吸收带主要体现在近红外的１４００ｎｍ㊁１９００ｎｍ和２２００ｎｍ左右，最佳波段选择㊁光谱特征增强（如微分光谱㊁差分等）是剔除数据冗余㊁提高反演精度的常用方法㊂利用高光谱技术反演土壤水分可以分为两种类型，一种是采用土壤采样的方法，分别获取土壤含水量和土壤反射光谱，通过经验模型建立土壤水分与光谱反射之间的关系，同时还可以用来分析土壤含水量与有机质㊁氮磷元素等含量的影响，此类实验研究较多［２１⁃２２］；另一种是利用高光谱影像实现土壤水分的分布制图㊂由于高光谱数据含有丰富的光谱信息，混合光谱分解是目前高光谱研究中的热点和难点，也引入到了土壤水分反演的研究中，例如蔡亮红和丁建丽［２３］利用小波变换对土壤光谱进行８层分解，分别对分解后特征光谱进行９种数学运算建立与土壤水分的回归模型，为反射率法反演土壤水分提供了新思路㊂１．２㊀微波遥感反演方法对比光学遥感，微波遥感波长较长，具有一定的穿透能力，不受云层㊁大气的影响，在对地观测研究中发挥着巨大的作用，近年来发射的对地观测卫星也均以微波传感器为主，如ＳＭＯＳ㊁ＳＭＡＰ等㊂微波遥感反演土壤水分受植被和粗糙度［２４⁃２５］影响较大，在光滑的裸土区域精度最佳，并随着土壤粗糙度和植被生物量的增加而降低，因此通常分裸露地表［２６］和植被覆盖地表进行反演分析㊂微波遥感反演地表土壤水分具有一定的理论基础［２７⁃２８］㊂理论模型不依赖于站点条件和传感器特性［２９］，在裸露地表或稀疏植被区建立的主动微波物理模型有几何光学模型㊁物理光学模型㊁小扰动模型以及积分方程模型ＡＩＥＭ等㊂前３个模型均有一定的粗糙度适用范围，而ＡＩＥＭ模型的粗糙度适用范围相对较宽㊂然而由于对表面粗糙度的敏感性及其参数测量困难，ＡＩＥＭ模型在实际应用中结果并不理想，过去的几年中出现了ＩＥＭ改进模型和许多解算方案，如神经网络㊁遗传算法等㊂主动微波经验模型假设粗糙度不变的情况下，后向散射系数和土壤水分之间有一个近似的线性关系［３０］㊂然而经验模型的参数设置一般只对特定的数据集和实验条件（如观测频率㊁入射角和表面粗糙度等）有效，该模型的建立需要大量实验基础，实现成本较高且鲁棒性较差㊂半经验模型是经验模型和理论模型的一个折中［３１⁃３２］，利用模拟或实测数据集来简化后向散射的理论模型，建立在一定的统计规律上，又在一定程度上反映了散射机制，能够获得较好的精度，如常用的Ｏｈ模型［３３］和Ｄｕｂｏｉｓ模型［３４］㊂随后，一些研究将两种常用模型耦合，提出了一种融合模型，即半经验耦合（ＳＥＣ）模型㊂ＳＥＣ模型在同向极化和交叉极化中均耦合了两种模型的最佳性能，并且不需要使用实测的粗糙度数据㊂与主动微波类似，被动微波反演土壤水分的方法也分为理论模型和经验模型，但相对而言受干扰因素更多㊂因此土壤粗糙度㊁土壤纹理信息等相关参数被引入土壤水分反演模型中，如Ｈｏｎｇ和Ｓｈｉｎ［２８］针对被动微波遥感提出了一种基于粗糙表面极化率特性反演土壤水分的算法㊂而在植被覆盖区，则需要引入植被指数或水云模型等来消除植被的影响㊂１．３㊀反演方法研究现状针对不同遥感数据类型的土壤水分反演方法各具特点和优势（表１）㊂其中光学遥感具有较高的空间分辨率，可以准确反映植被信息，技术相对成熟㊁可用卫星数据源多且可以获取高光谱分辨率数据；然而其时间分辨率差，受大气影响严重，多局限于区域研究，且大部分反演方法仅能反映土壤的相对湿度㊂微波遥感具有一定的穿透能力，不受云雾干扰，可以全天候观测，有相对完善的理论基础，更适合土壤水分的估算，但空间分辨率低，且受植被和地表粗糙度的影响㊂目前公开发表的一系列全球尺度的遥感土壤水分产品均建立在微波探测数据基础上㊂目前，土壤水分的遥感反演方法的研究方向可以分为４种主要类型㊂第一种是多源数据协同反演㊂除了上述光学遥感内部融合方法以外，主被动微波遥感数据相结合也是一种常用的数据融合方式［３５⁃３６］㊂如Ｋｏｌａｓｓａ等［３７］的研究表明ＡＭＳＲ⁃Ｅ的亮度温度数据和ＡＳＣＡＴ后向散射数据间的协同作用能够有效的提高土壤水分估算数据质量㊂Ｌｉｅｖｅｎｓ等［３８］将雷达的后向散射系数（ＡＳＣＡＴ数据）与辐射计的亮度温度（ＳＭＯＳ数据）相结合，从而促进土壤水分和陆地蒸发等水文要素的估算㊂而在植被覆盖区，采用微波与光学遥感相结７１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀合的方式来消除植被对土壤水分反演的影响［３９⁃４０］㊂第二种是引入新的计算方法，如神经网络㊁遗传算法等，Ｓａｎｔｉ等［４１］和余凡等［４２］分别用人工神经网络和遗传ＢＰ神经网络实现了土壤水分的主被动遥感协同反演；随后，支持向量机等机器学习方法［４３⁃４４］在遥感中的应用成了新的热点；此外，更多的统计方法被引入到土壤水分反演的经验模型中，如贾继堂等［２２］基于多元统计分析建立了高光谱数据的土壤含水量反演模型㊂第三种是改进现有模型㊂由于土壤水分的遥感反演受多种因素的影响，如植被覆盖㊁地表粗糙度㊁土壤类型㊁地形等，理论模型过于复杂，从而在解算简化模型时会根据具体研究区域进行相应改进，从而提高反土壤水分反演的精度［４５⁃４８］㊂第四种是针对新对地观测传感器所获取数据的反演算法［４９⁃５２］㊂随着对地观测技术的发展，传感器的波段以及相应的数据获取方式也逐渐进步㊂因此利用此类数据反演土壤水分时，需要根据新的数据特征提出新的反演方法，如针对近两年发射的ＳＭＯＳ和ＳＭＡＰ卫星数据提出的一系列反演方法㊂表１㊀不同遥感探测类型对比表Ｔａｂｌｅ１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｄｉｆｆｅｒｅｎｔｒｅｍｏｔｅｓｅｎｓｉｎｇｔｙｐｅｓ光谱范围Ｓｐｅｃｔｒａｌｒａｎｇｅ观测属性Ｏｂｓｅｒｖａｔｉｏｎａｌａｔｔｒｉｂｕｔｅｓ优势Ａｄｖａｎｔａｇｅｓ局限性Ｌｉｍｉｔａｔｉｏｎｓ可见光⁃近红外Ｖｉｓｉｂｌｅｌｉｇｈｔ⁃ｎｅａｒｉｎｆｒａｒｅｄ土壤反射率空间分辨率高幅宽大表层穿透力差噪声源多限日间工作热红外Ｔｈｅｒｍａｌｉｎｆｒａｒｅｄ地表温度空间分辨率高幅宽大物理意义明确表层穿透力差噪声源多受大气状况㊁植被干扰强被动微波Ｐａｓｓｉｖｅｍｉｃｒｏｗａｖｅ亮温介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大主动微波Ａｃｔｉｖｅｍｉｃｒｏｗａｖｅ后向散射系数介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大土壤水分存在一定的区域性，大部分学者会针对特定的地表类型或区域特征进行土壤水分的反演研究［５３⁃６１］㊂例如武晋雯等［６２］针对不同植被条件下的土壤水分监测方法进行了比较；刘焕军等［６３］则针对性研究了黑土的土壤水分的高光谱模型㊂此外还有针对干旱区㊁矿区㊁湿地等地表类型的土壤水分反演研究㊂这些土壤水分的反演方法在区域研究中表现良好并不意味着具有普适性，虽然理论基础相同，但在实际应用中表现各异，因此土壤水分的遥感反演方法始终是研究热点㊂２㊀主要研究热点２．１㊀遥感土壤水分产品评估对地观测卫星数量增加，微波探测器从Ｃ波段以发展到了Ｌ波段，为土壤水分观测增加了新的数据产品㊂如表２所示，目前发布全球遥感土壤水分数据的对地观测计划有ＡＳＣＡＴ［６４］㊁ＡＭＳＲ⁃Ｅ／２［６５］㊁ＳＭＯＳ［６６］㊁ＳＭＡＰ［６７］和我国的ＦＹ⁃３共５个，其中ＳＭＯＳ和ＳＭＡＰ是利用Ｌ波段进行地表探测的卫星计划㊂除此之外，２０１２年，作为气候变化公约（ＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ，ＣＣＩ）项目的一部分，欧洲航空局（ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙ，ＥＳＡ）发布了首套数十年全球卫星观测土壤水分数据集，并已在气候变化㊁水文㊁生态等研究中得以应用［６８］㊂一系列全球尺度土壤水分数据集的发布，数据集在全球各地以及不同尺度的验证和对比分析成为了近几年的研究热点［６９⁃８５］㊂首先就时间尺度而言，由于卫星发射时间的不同，各数据集的时间序列参差不齐，其中ＥＳＡＣＣＩ数据集将相关微波数据进行融合获得了最长时间系列的土壤水分数据；其次由于传感器的探测波段不同，数据反演方法均有很强的针对性，空间分辨率也存在很大差异，具体见表２㊂验证数据包括实测数据和模型模拟数据两种检验类型，整体而言，各数据集均能满足应用需求，但普遍在地势平坦㊁地表裸露或草原区域数据精度较８１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀高，且不同数据集的表现在不同区域存在很大的差异性㊂例如庄媛等［８６］的研究表明２０１２年的ＡＳＣＡＴ㊁ＷＩＮＤＳＡＴ㊁ＦＹ３Ｂ㊁ＳＭＯＳ共４种微波遥感土壤湿度产品在我国西北地区相对较好；而沈润平等［８７］的研究表明ＥＳＡＣＣＩ土壤湿度产品在我国东北地区精度最佳㊂此外，各数据集的空间相关性和时间敏感度也存在差异，如Ｐｏｌｃｈｅｒ等［８８］的研究表明，在伊比利亚半岛地区，ＳＭＯＳ数据空间相关性较差；Ｙｅｅ等［８９］在澳大利亚的马兰比季河流域比较了ＳＭＯＳ和ＡＭＳＲ⁃２数据的精度，指出若综合考虑绝对精度和时间精度，推荐最新版本的ＪＡＸＡ数据产品（ＪＸ２）；若只考虑时间精度，夜间观测获得的ＬＰ３Ｘ产品和早晨观测获得的ＳＭＯＳ２产品更佳㊂正是数据集之间存在很大的差异且区域表现的不确定性使得大量的研究聚集在数据的检验和对比㊂表２㊀全球遥感土壤水分产品对比Ｔａｂｌｅ２㊀ＣｏｍｐａｒｉｓｏｎｏｆｇｌｏｂａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓＡＳＣＡＴＡＭＳＲ⁃Ｅ／２ＳＭＯＳＳＭＡＰＦＹ⁃３ＥＳＡＣＣＩ设备类型ＥｑｕｉｐｍｅｎｔｔｙｐｅＣ波段（５．２５５ＧＨｚ）主动微波６．９３ ８．９ＧＨｚ被动微波Ｌ波段（１．４ＧＨｚ）被动微波Ｌ波段（１．２ １．４ＧＨｚ）主被动微波微波成像仪多源数据空间分辨率Ｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ１２．５ｋｍ，２５ｋｍＬｅｖｅｌ２：２５ｋｍＬｅｖｅｌ３：１２ｋｍ１５ ２１７０ｋｍ３５ｋｍ３ ４０ｋｍ５０ˑ８５／２５ｋｍ ２５ｋｍ时间分辨率Ｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎ３ｄ２次／ｄ１ ３ｄＬｅｖｅｌ３：１ｄ／３ｄ／１０ｄ／月３ｄ２次／ｄ１０ｄ／月１ｄ时间序列Ｔｉｍｅｓｅｒｉｅｓ２００７至今２００２ ２０１０２０１３至今２０１０至今２０１５至今２０１１至今１９７９至今反演精度Ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ０．０３ ０．０７ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３０．０５ｍ３／ｍ３０．０４ｍ３／ｍ３㊀㊀ＡＳＣＡＴ，高级散射计，ｔｈｅＡｄｖａｎｃｅｄＳｃａｔｔｅｒｏｍｅｔｅｒ；ＡＭＳＲ⁃Ｅ／２，高级微波扫描辐射计，ｔｈｅＡｄｖａｎｃｅｄＭｉｃｒｏｗａｖｅＳｃａｎｎｉｎｇＲａｄｉｏｍｅｔｅｒ⁃Ｅ／２；ＳＭＯＳ，土壤水分和海洋盐度卫星，ｔｈｅＳｏｉｌＭｏｉｓｔｕｒｅａｎｄＯｃｅａｎＳａｌｉｎｉｔｙ；ＳＭＡＰ，土壤湿度主动／被动探测，ＳｏｉｌＭｏｉｓｔｕｒｅＡｃｔｉｖｅ／Ｐａｓｓｉｖｅ；ＦＹ⁃３，风云３号，Ｆｅｎｇｙｕｎ⁃３；ＥＳＡＣＣＩ，欧洲航空局气候变化公约，ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ２．２㊀在相关领域的应用土壤水分作为地表要素之一，在气候变化㊁陆气交互㊁全球生态㊁水文和地表模型以及干旱等研究中均起着不可或缺的作用㊂首先，在气候变化研究中，遥感土壤水分数周期性㊁时间序列长㊁空间范围广的优势有利于分析变化的空间分布和时间动态趋势［９０⁃９１］㊂Ｆｅｎｇ［９２］的研究表明，在全球尺度上，气候变化是土壤水分长时间变化的最主要驱动因素㊂因此土壤水分的变化在某种程度上反应了气候变化㊂Ｓｅｎｅｖｉｒａｔｎｅ等［９３］综合阐述了土壤水分在土地能源和水平衡中的作用，并详细分析了土壤水分与气候间的交互作用对温度和降水的影响以及在气候变化背景下的含义㊂在陆气交互研究中，土壤水分可以影响边界层的温湿变化㊂由于目前大部分关于土壤水分⁃蒸散发或土壤水分⁃温度耦合的研究都基于模型模拟结果或基于降水的干旱指数，而遥感可以提供长期的土壤水分观测估算数据，在研究蒸散发动态和大气反馈的同时还可以进行模型诊断［９４⁃９６］㊂Ｋｌｉｎｇｍｕｌｌｅｒ等［９７］将气溶胶光学厚度的正向趋势与ＥＳＡＣＣＩ土壤水分数据的反向趋势相连接，建立了更直接的土壤水分⁃大气反馈模型㊂他们的结果表明，在过去的１０年中，温度的升高和相对湿度的下降促进了土壤的干燥，导致了更多的粉尘排放和ＡＯＤ㊂在全球生物化学循环和生态系统中，土壤水分是植物物候学㊁光合作用㊁生物量分配以及土壤中碳的积累和分解等陆地生态系统过程的调节剂［９８⁃９９］㊂许多研究利用遥感土壤水分数据评估水分可用性和干旱对植物物候和生产力的影响［１００⁃１０３］㊂除此以外，也有部分学者关注于植被生长对土壤水分的影响㊂例如Ｆｅｎｇ等［１０４］分析了２００２ ２０１１年间的ＡＭＳＲ⁃Ｅ土壤水分数据，表明黄土高原退耕还林还草使土壤水分含量有所下降㊂此外，Ｐｅｒｉａｓａｍｙ等［１０５］还对土壤水分压力和盐分进行估算用于土地退化评价㊂在水文和陆表模型中，土壤水分联结了径流㊁洪水㊁蒸发㊁渗透和地下水补给等过程㊂遥感反演土壤水分９１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀０２６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀数据在陆表模型和大尺度水文模型中的潜力已广泛得到认可［１０６］㊂Ｚｈｕｏ等［７２］以美国的某一流域为研究区，评估了ＳＭＯＳ升降两种观测所得土壤水分数据及其在水文气象模型中应用的可行性㊂首先遥感土壤水分数据可以用来洪水和径流预测，例Ｗａｎｄｅｒｓ等［１０７］的研究表明了多源遥感土壤水分数据在径流预测中的促进作用㊂其次，遥感土壤水分数据还可以用来促进水文循环中不同要素的定量化，如蒸散发［１０８⁃１０９］㊁地下水含量［１１０］以及降雨等㊂在干旱研究中，土壤水分的遥感数据可以直接用来监测农业干旱或者用来建立干旱指标［１１１⁃１１４］㊂例如Ｒａｈｍａｎｉ等［９１］利用ＳＭＯＳＬ３㊁ＥＳＡＣＣＩ和两种再分析土壤水分数据分析了伊朗６个子区域的土壤水分变化趋势，并通过计算标准土壤水分指数（ＳｔａｎｄａｒｄｉｚｅｄＳｏｉｌＭｏｉｓｔｕｒｅＩｎｄｅｘ，ＳＳＩ）来检测农业干旱事件的时间和规模㊂Ｍｉｓｈｒａ等［１１５］利用ＳＭＡＰ土壤水分数据构建了一个土壤水赤字指数作为农业干旱指标㊂２．３㊀数据同化在上述遥感土壤水分的应用研究中需要与降水㊁植被㊁蒸散发等数据共同计算，并涉及到许多的陆表过程㊁水文以及陆气交互模型㊂根据需求则需要将不同的数据类型或将遥感土壤水分数据引入到相应模型中，即同化㊂一方面，现有的遥感土壤水分数据产品存在精度不稳定㊁时间序列不连续㊁空间分辨率不匹配等缺陷，部分学者将不同的数据源进行同化，以满足研究需求㊂Ｌｉｕ等［３６］针对各数据集间数据质量不同等问题，提出了一种数据融合方法，将若干被动和主动微波获取的数据集融合为一个具有长时间序列的数据集㊂Ｋｏｌａｓｓａ等［３７］提出了一种利用回归方程生成长时间序列数据集的方法，将ＳＭＯＳ表层土壤水分作为回归方程的参考值，应用到ＡＭＳＲ⁃Ｅ的亮度温度数据，从而使得ＡＭＳＲ⁃Ｅ反演得出的表层土壤水分产品与ＳＭＯＳ产品达成一致㊂Ｃｒｏｗ等［５０］在美国的１６个流域对多个Ｌ波段微波遥感所得土壤水分数据与地表数据进行同化分析，提高了土壤水分信息的质量，并将土壤水分结果成功应用于水文预测㊂另一方面，遥感数据反演所得均为表层土壤水分数据，有学者利用数据同化获得根区土壤水分㊂如Ｄａｓ等［１１６］将机载遥感反演的表层土壤水分同化进入土壤⁃水⁃大气⁃植物（ＳＷＡＰ）模型中，估算了核桃谷流域根区土壤水分㊂Ｂａｌｄｗｉｎ等［１１７］提出了一种集合卡尔曼滤波（ｅｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒ，ＥｎＫＦ）水文数据同化系统来预测卫星土壤水分数据中的偏差，并结合土壤水分解析关系（ＳｏｉｌＭｏｉｓｔｕｒｅＡｎａｌｙｔｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐ，ＳＭＡＲ）渗透模型，利用卫星观测的表层土壤水分实现根区土壤水分的预测㊂也有部分学者反其道而行之，如Ｃｏｏｐｅｒｓｍｉｔｈ等［４４］由于实测传感技术和现有土壤水分观测网站无法提供实测表层土壤水分数据，从而通过机器学习方法，利用１０ｃｍ探测数据以及当前降水数据估算表层５ｃｍ的土壤水分，可以用来验证和分析遥感土壤水分估算结果㊂此外，由于数据或数据集之间的空间分辨率存在差异，在数据融合和同化的过程中涉及到一些数据降尺度或升尺度算法㊂降尺度算法可以数据的空间分辨率提高；而升尺度算法将数据的空间分辨率降低㊂如王璐等［１１８］基于克里格法实现了土壤水分遥感数据的空间尺度转换㊂Ｆａｎｇ和Ｌａｋｓｈｍｉ［１１９］在流域尺度，提出了一种利用高空间分辨率的地表温度和植被指数对被动微波反演所得土壤水分降尺度的算法，以提高土壤水分数据的空间分辨率㊂对于该部分研究内容，周壮等［１１９］和Ｑｉｎ等［１２０］已分别对降尺度和升尺度算法进行了详细综述分析㊂３㊀研究展望土壤水分作为四大圈层水分大循环中的重要组成部分，是对地观测中不可忽视的要素㊂遥感反演土壤水分的研究减少了野外采样获取土壤水分的人力劳动，且有着观测范围广㊁周期性㊁长时间序列的优势㊂随着遥感技术的发展，对地观测所用的波段范围越来越广泛；土壤水分遥感反演方法愈加的多元化且更为成熟和完善；同时越来越多的对地观测计划提供了全球土壤水分数据集，并在气候㊁生态干旱等研究中得以应用㊂然而遥感土壤水分观测与地球系统的研究需求之间仍然存在一些差距㊂首先，受遥感探测数据源的限制，获取的均为土壤表层数据㊂其次，土壤水分的反演方法表现出局限性，使得反演结果的精度有待提高㊂同时，由于遥感反演结果的不确定性，遥感土壤水分产品在生态㊁水文等领域的应用受到很大限制㊂因此，为满足科研需求，遥感土壤水分观测需要从精度和准确度两个方面进行提高㊂３．１㊀增加探测深度就深度而言，由于遥感探测器接收的地表辐射穿透能力有限，仅与表层土壤水分的相关性较强，最深仅可估算３０ｃｍ厚度的土壤水分㊂而在生态㊁水文等研究中，土壤水分的入渗以及部分植物的根系生长深度远超３０ｃｍ，使得遥感土壤水分反演数据与径流㊁植物生长等要素的联系并不紧密，因此在相关应用中表现出局限性㊂为了解决这一问题，需要建立遥感数据或反演所得表层土壤水分与深层土壤水分的关系㊂在这一过程中，可以引入土壤热学和水力学性质，分析土壤水分在土壤剖面的分配规律，从而实现深层土壤水分的遥感估算，例如Ｄａｓ等［１１６］和Ｂａｌｄｗｉｎ等［１１７］根区土壤水分的遥感预测的研究㊂如果将深层土壤水分的遥感估算进行全球推广，将对全球生态和水文研究具有重大意义㊂３．２㊀提高探测准确度准确度包含两个方面的含义，一是探测的精度，尽可能的减小估值和真值之间的误差；二是在空间和时间上的准确性㊂就精度而言，虽然在区域尺度上，一些反演结果的精度可以满足研究的需求，但全球尺度上的空间异质性使得遥感反演土壤水分产品在不同区域的精度参差不齐㊂例如，Ｗｕ等［７１］指出ＡＭＳＲ２土壤水分数据普遍比实际土壤水分数据低，在大平原与实测数据的匹配度高，而在森林区匹配度差㊂因此，提高土壤水分的遥感反演精度以及空间一致性将增加反演结果的实用性㊂就空间尺度而言，增加空间分辨率将能够为更多的区域性应用研究提供服务㊂目前公布的土壤水分产品均建立微波遥感数据基础上，空间分辨率相对较为粗糙，无法进行区域的精细研究，且与实测数据或模型模拟数据结合时存在尺度不一致的问题㊂在时间维度上，全球遥感土壤水分产品受不同对地观测计划的时间限制，时间序列不连续㊂解决这一系列问题的最有效方法就是数据融合，集合多源数据的优势，且目前有些学者已经涉及到相关的解决方案㊂虽然遥感反演土壤水分的研究中仍面临一些问题，短时间内上述提到的遥感土壤水分产品的不确定性难以从根本上得到解决，然而数据融合和协同方法可以对这一现状进行改善，为遥感土壤水分数据的应用提供了更多可能㊂但与其他土壤水分监测方法相比，遥感反演方法除了可以减少人力投入以外，所获土壤水分数据也有着不可比拟的优势㊂遥感反演土壤水分数据是大范围㊁面状㊁周期性的电子数据，可操作性强，更有利于分析土壤水分的异质性以及与其他生态㊁水文㊁气象等因子的相互关系㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀Ｌｅｋｓｈｍｉ，ＳＵＳ，ＳｉｎｇｈＤＮ，ＢａｇｈｉｎｉＭＳ．Ａｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｆｓｏｉｌｍｏｉｓｔｕｒｅｍｅａｓｕｒｅｍｅｎｔ．Ｍｅａｓｕｒｅｍｅｎｔ，２０１４，５４：９２⁃１０５．［２］㊀杨涛，宫辉力，李小娟，赵文吉，孟丹．土壤水分遥感监测研究进展．生态学报，２０１０，３０（２２）：６２６４⁃６２７７．［３］㊀陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述．地球科学进展，２０１２，２７（１１）：１１９２⁃１２０３．［４］㊀ＰｅｔｒｏｐｏｕｌｏｓＧＰ，ＩｒｅｌａｎｄＧ，ＢａｒｒｅｔｔＢ．Ｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｓｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ：ｃｕｒｒｅｎｔｓｔａｔｕｓ，ｐｒｏｄｕｃｔｓ＆ｆｕｔｕｒｅｔｒｅｎｄｓ．ＰｈｙｓｉｃｓａｎｄＣｈｅｍｉｓｔｒｙｏｆｔｈｅＥａｒｔｈ，ＰａｒｔｓＡ／Ｂ／Ｃ，２０１５，８３⁃８４：３６⁃５６．［５］㊀徐沛，张超．土壤水分遥感反演研究进展．林业资源管理，２０１５，（４）：１５１⁃１５６，１６０．［６］㊀ＷａｎｇＬＬ，ＱｕＪＪ．ＮＭＤＩ：ａｎｏｒｍａｌｉｚｅｄｍｕｌｔｉ－ｂａｎｄｄｒｏｕｇｈｔｉｎｄｅｘｆｏｒｍｏｎｉｔｏｒｉｎｇｓｏｉｌａｎｄｖｅｇｅｔａｔｉｏｎｍｏｉｓｔｕｒｅｗｉｔｈｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００７，３４（２０）：１１７⁃１３１．［７］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＺｈａｎＺＭ．Ｄｅｓｉｇｎｉｎｇｏｆｔｈｅｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ．ＥｎｖｉｒｏｎｍｅｎｔａｌＧｅｏｌｏｇｙ，２００７，５２（６）：１０４５⁃１０５２．［８］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＴｅｙｉｐＴ，ＬｉＺＬ．Ｍｏｄｉｆｉｅｄｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ（ＭＰＤＩ）：ａｒｅａｌ－ｔｉｍｅｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｍｅｔｈｏｄ．ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００７，６２（２）：１５０⁃１６４．［９］㊀喻素芳，范文义，秦武明，吴英，陆道调．地表温度估测土壤含水量．广西大学学报：自然科学版，２００７，３２（Ｓ１）：１１０⁃１１２．［１０］㊀张霄羽，毕于运，李召良．遥感估算热惯量研究的回顾与展望．地理科学进展，２００８，２７（３）：１６６⁃１７２．［１１］㊀柳钦火，辛景峰，辛晓洲，田国良，杨贵军．基于地表温度和植被指数的农业干旱遥感监测方法．科技导报，２００７，２５（６）：１２⁃１８．［１２］㊀田苗，王鹏新，孙威．基于地表温度与植被指数特征空间反演地表参数的研究进展．地球科学进展，２０１０，２５（７）：６９８⁃７０５．［１３］㊀林巧，王鹏新，张树誉，李俐，景毅刚，刘峻明．不同时间尺度条件植被温度指数干旱监测方法的适用性分析．干旱区研究，２０１６，３３（１）：１８６⁃１９２．［１４］㊀沙莎，郭铌，李耀辉，胡蝶，王丽娟．温度植被干旱指数（ＴＶＤＩ）在陇东土壤水分监测中的适用性．中国沙漠，２０１７，３７（１）：１３２⁃１３９．１２６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀。
遥感技术在土壤湿度与蒸发量监测中的应用考核试卷
B.可见光反射率
C.微波辐射
D.紫外线辐射
5.下列哪种遥感数据不适合用于土壤湿度监测？（）
A.光学遥感数据
B.热红外遥感数据
C.微波遥感数据
D.紫外遥感数据
6.在遥感图像处理中，哪个步骤主要用于提取土壤湿度信息？（）
A.图像增强
B.图像分类
C.辐射定标
D.精度评估
7.下列哪个因素对土壤蒸发量影响较小？（）
A.气溶胶
B.云层
C.土壤湿度
D.土壤颜色
16.下列哪个遥感平台提供的微波遥感数据可以用于土壤湿度监测？（）
A. LANDSAT
B. Sentinel-1
C. ASTER
D. MODIS
17.土壤蒸发量与哪个遥感参数密切相关？（）
A.土壤湿度
B.土壤温度
C.空气湿度
D.降水
18.在遥感数据处理中，哪个步骤是土壤湿度反演的关键？（）
10. ×
五、主观题（参考）
1.遥感技术通过不同波段的传感器探测土壤反射或发射的电磁波，从而获取土壤湿度信息。常用传感器：MODIS（多波段、高时间分辨率）、AMSR-E（微波、全天候）、LANDSAT（多光谱、高空间分辨率）。
2.利用遥感数据计算地表能量平衡或蒸散发模型（如Penman-Monteith方程）估算。方法：热惯量法（基于土壤热容量和温度）、地表能量平衡法（考虑能量输入输出）。
A.土壤湿度
B.气温
C.风速
D.土壤颜色
8.在土壤湿度遥感监测中，哪个波段的遥感数据对水分最为敏感？（）
A.红光波段
B.近红外波段
C.短波红外波段
D.微波波段
9.下列哪种算法常用于从遥感数据中估算土壤蒸发量？（）
土壤水分运移模拟研究进展
土壤水分运移模拟研究进展【摘要】本文主要探讨了土壤水分运移模拟研究的重要性、背景和研究意义。
首先介绍了土壤水分运移模拟模型的发展历程，从而揭示了数值模拟方法在土壤水分运移研究中的重要应用。
然后重点分析了不同地区土壤水分运移差异的模拟研究以及气候变化对土壤水分运移的影响。
最后探讨了土壤水分运移模拟研究在农业生产中的应用，指出了未来发展方向和与实地观测结合的研究方法。
结论部分强调了土壤水分运移模拟研究对可持续发展的重要性，为推动农业生产效率和生态环境的保护提供了科学支持。
通过本文的研究，将有助于深入了解土壤水分运移机理，并为未来的研究和实践提供有益启示。
【关键词】土壤水分运移模拟研究, 土壤水分, 模型, 数值模拟, 地区差异, 气候变化, 农业生产, 可持续发展, 发展方向, 实地观测, 研究方法, 研究意义1. 引言1.1 土壤水分运移模拟研究进展的重要性土壤水分运移模拟研究是农田水管理和土壤保护的重要领域，在农业生产和生态环境保护中具有重要意义。
随着气候变化和人类活动的影响，土壤水分运移状况对农作物生长和土壤水分利用效率产生直接影响。
通过模拟研究土壤水分运移过程，可以更准确地了解土壤水分变化规律，为合理施肥、灌溉和田间水分管理提供科学依据。
土壤水分运移模拟研究还可以帮助预测土壤水分时空分布情况，为制定有效的土壤保护政策和水资源管理措施提供支持。
通过模拟分析不同气象条件下土壤水分运移的变化规律，可以更好地应对极端气候事件的发生，保障农作物生长和生态系统健康。
土壤水分运移模拟研究是建立可持续农业生产和生态环境保护的基础，具有重要的现实意义和应用价值。
通过深入研究土壤水分运移过程，可以为提高农业生产效率、降低灌溉水耗、改善土壤质量和推动农业可持续发展提供重要科学依据。
1.2 土壤水分运移模拟研究的背景土壤水分运移模拟研究的背景可以追溯到20世纪初，随着计算机技术和数值模拟方法的不断发展，人们开始尝试使用数学模型来描述和预测土壤中水分的运移过程。
SWAT模型研究进展
SWAT模型研究进展SWAT模型（Soil and Water Assessment Tool）是一种用于流域水文模拟和水资源管理的集成模型。
它综合考虑了土壤水分平衡、表面径流、地下径流、蒸散发等关键过程，可用于分析流域内的水文过程、土壤侵蚀、水质等问题。
近年来，SWAT模型在流域尺度水文模拟和水资源管理方面取得了很大的研究进展。
本文将对SWAT模型的研究进展进行综述。
关于SWAT模型的改进和优化方面，研究人员进行了大量的努力。
针对模型在土壤侵蚀方面的不足，研究者提出了改进模型中土壤侵蚀算法的方法，同时改进了对坡面过程的描述，提高了模型对土壤侵蚀的模拟能力。
模型在蒸散发过程的模拟方面也进行了不少研究。
研究者通过改进模型中蒸散发算法，提高了模型对蒸散发过程的模拟精度。
针对模型在水质模拟方面的不足，研究者还改进了对水质污染的描述，提高了对水质过程的模拟能力。
SWAT模型在应用方面得到了广泛的应用。
研究者将SWAT模型应用于不同流域的水文模拟、水资源管理等研究中。
通过模拟分析和实验验证，SWAT模型被证明在流域水文过程、土壤侵蚀、水质模拟等方面具有较高的模拟精度。
研究者还将SWAT模型与其他模型进行比较和集成，以提高模型的模拟能力。
SWAT模型在不同研究领域的应用也得到了关注。
在气候变化研究领域，研究者将SWAT 模型与气候模型相结合，用于模拟未来流域水文过程的变化。
在水资源管理领域，研究者利用SWAT模型评估流域的水资源利用状况，制定合理的水资源管理策略。
在生态系统保护和恢复领域，研究者利用SWAT模型模拟分析生态系统的水文过程和水质变化，为生态系统的管理和保护提供科学依据。
SWAT模型在可持续发展研究方面的应用也备受关注。
研究者利用SWAT模型评估流域的水资源可持续利用能力，制定合理的水资源规划和管理策略。
SWAT模型也可用于评估不同的土地利用和管理措施对流域水资源的影响，为土地利用规划和管理提供科学依据。
基于改进水云模型的土壤水分反演研究
基于改进水云模型的土壤水分反演研究1. 引言1.1 研究背景土壤水分是土壤中水分含量的重要指标，对于农业生产、生态环境和水资源管理具有重要意义。
当前遥感技术在土壤水分监测中起着越来越重要的作用，其中水云模型是一种常用的反演方法。
水云模型是通过遥感数据和地面观测数据建立起土壤水分与微波遥感信号之间的关系模型，从而实现土壤水分监测。
传统的水云模型在土壤水分反演中存在一些不足，如在复杂地形和植被覆盖下的反演精度较低。
基于改进水云模型的土壤水分反演研究具有重要意义。
通过引入新的参数和方法，可以提高水云模型在不同条件下的反演精度，拓展其应用范围，为土壤水分监测提供更可靠的数据支持。
本研究旨在探究改进水云模型在土壤水分反演中的应用效果，为遥感监测技术在土壤水分领域的发展提供新的思路和方法。
1.2 研究目的土壤水分是农业生产中一个至关重要的因素，对作物生长和产量影响巨大。
而遥感技术能够提供大范围、高时空分辨率的土壤水分监测数据，对于农业生产管理具有重要价值。
本研究旨在基于改进水云模型，通过遥感技术对土壤水分进行反演研究，进一步提高土壤水分监测的准确性和精度。
具体目的包括：一是探究改进水云模型在土壤水分反演中的有效性和可行性，为提高土壤水分监测的精度奠定基础；二是分析改进水云模型的方法对土壤水分反演结果的影响，为进一步优化模型提供参考；三是通过实验设计和结果分析，验证改进水云模型在土壤水分反演中的优势和局限性，为模型在实际农业生产中的应用提供依据。
通过对土壤水分反演研究的目的的探讨和分析，本研究旨在为改进水云模型在土壤水分监测领域的应用提供理论和实践支持。
1.3 研究意义土壤水分是农业生产中至关重要的因素之一，对植物生长和产量具有重要影响。
传统的土壤水分监测方法往往受到时间、空间和成本等限制，限制了其在大范围和实时监测中的应用。
开发高效准确的土壤水分反演方法成为当前研究的热点之一。
本研究旨在基于改进水云模型进行土壤水分反演，通过引入更多的环境因素和提高模型精度，实现对土壤水分的准确估计。
基于遥感-过程耦合模型的地表蒸散量应用研究
引用格式 ： 吴荣军 ， 葛琴 ， 詹 习武 ， 关福来 ， 姚树然 ． 基 于遥感． 过程耦合模型 的地表蒸散量应用研究 ［ Ｊ ］ ． 生态环境学报， ２ ０ １ ３ ，
Ｅ － ｍａ ｉ ｌ ： ｅ ｄ ｉ ｔ ｏ ｒ ＠ｊ ｅ ｅ ｓ ｃ ｉ ． ｃ ｏ ｍ
基于遥感一 过程耦合模 型的地 表蒸 散量应 用研 究
吴荣军 Ｌ ，葛琴 ，詹 习武 。 ，关福来 ，姚树 然
１ ． 江 苏省 大气 环境 监测 与 污染控 制 高技术 研 究重 点实 验室 ，南 京 ２ １ ０ ０ ４ ４ ；２ ． 南 京信 息工 程 大学环 境科 学与 工程 学 院 ，南 京 ２ １ ０ ０ ４ ４ ；
４ ． 河 北 省气 象科 学研 究所 ，石 家庄 ０ ５ ０ ０ ２ １
摘 要 ：作 为陆面过程 中地气相互作 用的重要过程之一 ，蒸散发（ Ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ，Ｅ Ｔ ） 在地球 的大气 圈． 水圈． 生物圈 中发挥 着重要作用 。利用遥感． 过程耦合模 型 ＢＥ Ｐ Ｓ ，以中分辨率成像光谱仪（ ＭＯＤ Ｉ Ｓ ） 数据和 ＮＣ Ｅ Ｐ ／ ＮＣ ＡＲ再分析资料为主要输入 ， 模拟分析 了 ２ ０ ０ ７ －２ ０ ０ ９年美国区域的地表 Ｅ Ｔ ，同时利用通量观测 网 Ａｍｅ ｒ ｉ Ｆ ｌ ｕ ｘ的站点观测数据验证该模型在 Ｅ Ｔ模拟研究 中的可靠性 与适应 。结果表 明 ：１ ２个站点通量实测值 与 Ｂ Ｅ Ｐ Ｓ模 型模 拟的 Ｅ Ｔ值 的相关 系数为 ０ ． ７ ２ ９ ７ （ Ｐ ＜ ０ ． ｏ ５ ） ，表明 Ｂ Ｅ Ｐ Ｓ 模型能够较好 的模拟研究 区的地表 Ｅ Ｔ 。Ｅ Ｔ在 １ 年 内呈现 明显 的单 峰趋 势 ，５ —９ 月Ｅ Ｔ值较高 ，可达 ６ ０ ｍｌ ＇ ｎ ・ ｍｏ ｎ 以上 ，最 小值在 １ 月份 ，值为 ８ ． ３ ９ １ Ｔ Ｉ Ｉ Ｔ Ｉ ・ ｍ ｏ ｎ ～ ，最大值在 ７月份 ，值为 １ １ ８ ． ０ ４ ｍｍ・ ｍｏ ｎ ～ 。该区域 Ｅ Ｔ的平均年 总量为 ５ ０ ５ ｒ ｌ ｌ ｎ ｌ ・ ａ ～ 。受 地形 、气候 的影响 ，Ｅ Ｔ最 高值对应 于南部 区域 ，这些地 区 Ｅ Ｔ的年总量普遍 在 ６ ０ ０ ｍｍ・ ａ ０以上 ，最 高值 为 １ ６ ６ ７ Ｉ Ｙ Ｉ ／ Ｙ Ｉ ． ａ ～ ，对 应 的主要覆被类 型为草地 和农 田 ；中北部 和东部 的大部分 区域 Ｅ Ｔ年总量为 ４ ０ ０ ～ ６ ０ ０ ｍ ｍ・ ａ ～ ；Ｅ Ｔ最小值在西部 区域 ，年总 量小于 ４ ０ ０ ｍｍ・ ａ ～ ，对应覆被类型为疏林地和混交林 。降水量与 Ｅ Ｔ差值 呈现从 东向西逐渐递减 的趋 势 ，最小值主要分布在 西部沙漠 。整个研究 区域 Ｅ Ｔ与 降水量之 比的平均值为 ０ ． ７ ２ ，由东 向西基本呈现增加趋势 ，在西部 以及 中北部 的部分地 区比 值达到最大 。
农田实际蒸散量的研究方法
农田实际蒸散量的研究方法
农田实际蒸散量的研究方法主要包括以下几种：
1. 直接测定法：通过安装蒸发器等设备，直接观测农田的蒸散量。
这种方法虽然直观，但受限于设备和环境因素，难以广泛应用。
2. 遥感监测法：利用卫星遥感技术，通过对地表温度、植被指数等参数的监测，反演农田蒸散量。
这种方法具有大面积、快速获取数据的能力，但精度有待提高。
3. 水量平衡法：通过测量农田的水分输入和输出，计算得出蒸散量。
具体包括作物需水量、土壤含水量、地下水位等参数的测量和计算。
这种方法需要较为复杂的试验设计和数据处理，但结果较为准确。
4. 模型模拟法：利用气象、土壤、作物生长等参数，建立数学模型，模拟农田蒸散过程。
这种方法可以对蒸散量进行预测和评估，但需要大量基础数据支持模型建立。
综上所述，农田实际蒸散量的研究方法有多种，各有优缺点。
在实际应用中，需要根据研究目的和场景选择合适的方法。
同时，由于农田蒸散过程的复杂性，需要综合考虑多种因素和方法进行深入研究。
区域土壤水分遥感反演方法研究
衡、土壤温度及农 田墒情等都会产生 明显 的影 响． 传统的土壤水分测量方法采样速度慢 、费用 高、代 表性 差， 无法满
足实时、大范围监测的需要． 遥感监测土壤水 分克服 了以上的缺点， 利用遥感技术监测土壤 水分是 目前定量遥感 研究 的前沿和难题之 一． 结了 目前 国内外遥 感计算土壤 含水量 的主要 方法和研究进 展， 总 同时 进行 了对 比研 究， 对不 同方
法 的 原 理 及应 用情 况 进 行 分 析 ， 出这 些 方 法 的适 用 条 件 、存 在 问题 及 改进 措 施 ． 指
关键词 ： 土壤水分： 监测 ： 遥感 模型
土 壤 水 分 与 干 旱 的遥 感 监 测 是 目前 遥 感 技 术 应 法 是通 过测 量 土 壤 表 面 发射 或 反 射 的 电磁 能 量， 究 研 用研 究 的前 沿 领域 ， 公认 的世 界性 研 究难 题 之一 ． 遥 感信 息与 土 壤湿 度 间 的关 系 ， 土 壤 湿度 与遥 感 是 在 建立 地 球 系统 中， 地表 土 壤 水 分 是 陆地 和 大气 能量 交 换 过 数据 间 的信 息模 型， 而 反演 出土 壤水 分 ． 时效快 、 从 其
维普资讯
第２卷 ６
第１ 期 新疆 地 Nhomakorabea质
中 图 分 类 号 ：６ ７ Ｐ ２
２０ ０ ８年 ３月
Ｍ ａ ．０ ８ ｔ２ ０
Ｖｂ ．６ Ｎ Ｏ １ １ ２ ．
ＯＬ ＯＧＹ Ｘ Ｉ Ｊ ＡＮ Ｇ ＧＥ Ｎ Ｉ
文 童 编 号 ：１０ ．８ ５２ ０ ｌ １１７ １ ０Ｏ ８４ ｆ０ ８０ —０ －０ ｌ
基于多源遥感数据的灌区农田蒸散发和土壤墒情反演及应用
多年来,农田相对蒸发比值Kc,a表现出下降的趋势,平均每年下 降幅度为0.3%。(5)Landsat和MODIS尺度遥感反演表层土壤水分 与观测值相关性较好,决定系数分别为0.743和0.569;Landsat和 MODIS尺度根层土壤水分与观测值之间的决定系数分别为0.772 和0.585。
在土壤水分空间降尺度中,非灌溉时段内融合结果与观测值较接 近,春小麦相对误差低于20%,春玉米和向日葵相对误差低于10%; 在灌溉时段内,由于遥感影像没有捕捉到因灌溉而发生的土壤水 分剧烈变化,融合结果与观测值误差较大,春小麦最大相对误差 出现在5月15日,为58.48%,春玉米和向日葵最大误差出现在7月 10日和7月13日,分别为12.91%和33.56%。(6)在春玉米地、向日 葵地和春小麦地灌溉前代表日中,大部分面积的土壤相对湿度在 60%以上,出现轻旱面积较小。
在田块尺度中,融合蒸散发与水量平衡蒸散发变化过程吻合,春 玉米、春小麦和向日葵决定系数R2分别达到了 0.85、0.79和 0.82,均方根误差均低于0.7mm/d,相对误差均低于16%。在总量 验证中,融合蒸散发与水量平衡蒸散发相一致,两者决定系数达 到了 0.64。
融合蒸散发与Landsat蒸散发在空间纹理信息和差异性上一 致,07月23日、08月24日和09月01日相关系数分别达到0.85、 0.81和0.77,差值均值分别为0.24mm、0.19mm和 0.22mm,标准偏 差分为 0.81mm、0.72mm 和 0.61mm。(3)不同作物生育期和非 生育期蒸散发差别较大,但4-10月份不同作物平均蒸散发差异较 小。
研究得到的结论如下:(1)构建了不同作物生育期内高时空NDVI 数据集,结合实体作物NDVI变化特征、迭代自组织数据分析技术 (ISODATA)和光谱耦合技术(SMT),反演了解放闸灌域2000-2015 年间7年的作物分布信息。粮食作物春玉米和春小麦种植面积逐 年增加,尤以春玉米变化幅度最大,由2000的0.83万hm2增加到 2015年的4.02万hm2。
基于微波探测技术的土体含水率研究
基于微波探测技术的土体含水率研究水是地球上最为重要的自然资源之一，对于人类和自然环境都有着至关重要的影响。
而土壤是自然界中最为常见的水分储存和输送介质之一。
因此，对土体含水率的研究具有重要的理论和应用价值。
传统的土体含水率检测方法主要是基于重量差计算法和干燥法。
这些方法需要对取样进行物理或化学处理，需要较长的实验时间，且容易受到外界因素的影响，存在一定的误差。
而近年来，基于微波探测技术的土体含水率检测方法越来越受到研究者的关注，在线、无损、高效、精确等优点使得其在土力学、水文地质、环境科学等领域应用广泛。
微波探测技术是一种非接触式检测手段，可以快速、准确地测量土体含水率。
其原理是利用微波在物体中传播时，与物体中的水分子发生共振，从而获得反射微波的幅度和相位信息，最终推导出土体含水率。
与其他检测方法相比，无损、高效、精确等优势让微波探测技术成为土体含水率检测的首选手段之一。
微波探测技术的应用领域十分广泛。
例如，在水文地质研究领域，微波探测技术可以通过对土体含水率的非接触式检测，实现地下水位、渗透系数等水文地质参数的定位和研究。
在工程应用方面，微波探测技术可以用于耐久性检测、水泥深度测量和结构缺陷检测等。
除了应用领域广泛之外，微波探测技术在土体含水率研究方面也取得了丰硕的成果。
研究人员通过微波探测技术，对土体含水率的变化规律和影响因素进行了深入研究，例如土壤类型、质量和结构的变化等。
研究人员发现，微波探测技术可以有效解决传统的土体含水率检测方法所面临的一些问题，比如需要对取样进行物理或化学处理、需要较长的实验时间、易受外界因素干扰等。
微波探测技术作为一种“无损检测”的技术手段，具有众多优点，可以为土壤水分研究提供全新的视角和研究思路。
当然，微波探测技术在土体含水率研究方面也存在一定的技术难题。
比如，不同地区、不同土壤条件下，微波探测技术的检测精度和反演算法都需要不同的优化和改进。
此外，在实际应用中，微波传感器需要经过严格的标定才能够保证检测结果的精度和可靠性。
微波遥感技术监测土壤湿度的研究
微波遥感技术监测土壤湿度的研究土壤湿度是描述土壤水分状况的重要参数，对于农业生产、水资源管理和地球系统科学等领域具有重要意义。
传统的土壤湿度监测方法通常依赖于现场采样和实验室分析，这些方法不仅费时费力，而且难以实现大范围、实时性的监测。
近年来，微波遥感技术的发展为土壤湿度的监测提供了一种新的解决方案。
本文将介绍微波遥感技术监测土壤湿度研究的现状、技术原理、实验方法、实验结果和实验讨论，以期为未来相关研究提供参考。
微波遥感技术监测土壤湿度具有许多优点。
微波信号对水分子具有独特的敏感性，可以准确反映土壤水分状况。
微波遥感技术具有穿透性强、不受云层和恶劣天气条件影响的特点，可以实现全天候、大范围的监测。
然而，目前微波遥感技术监测土壤湿度仍存在一些不足之处，如受土壤类型、地表覆盖物和气候条件等因素影响，以及缺乏统一的定标方法和数据产品标准。
微波遥感技术监测土壤湿度的原理主要基于微波的传播、反射和吸收特性。
当微波信号遇到湿润的土壤表面时，部分信号会被反射回来，而另一部分信号会穿透土壤并被土壤中的水分子吸收。
通过对反射和吸收的微波信号进行测量和处理，可以反演得到土壤湿度信息。
土壤中的有机质、含盐量和质地等成分也会对微波信号的传播和反射产生影响，因此在实际应用中需要考虑这些因素对土壤湿度监测结果的影响。
实验设计：本文选取了农田、森林和草原三种不同类型的土壤进行实验，以研究不同土壤类型对微波遥感技术监测土壤湿度的影响。
实验中使用了X波段和Ku波段的微波辐射计对土壤表面进行测量，并收集了同步的气象数据和土壤样本。
数据采集：在每个土壤类型中选取5个典型点进行测量，每个点连续测量5次，以取平均值减小测量误差。
在每个测量点收集同时段的气象数据，包括气温、相对湿度、风速等。
还采集了每个点的土壤样本，用于实验室分析。
数据处理：对采集的微波辐射计数据进行预处理，包括去除噪声、滤波等，以提高数据质量。
利用反演算法对滤波后的数据进行处理，得到每个测量点的土壤湿度值。
水文模型与陆面模式耦合研究进展
水文模型与陆面模式耦合研究进展1. 本文概述随着全球气候变化和人类活动对水循环过程的影响日益显著，水文模型与陆面模式的耦合研究成为了当前地球系统科学领域内的热点问题。
水文模型和陆面模式作为模拟和理解地球表层水循环、能量交换以及生物地球化学循环的重要工具，其耦合研究对于提高气候系统模拟的准确性和预测能力具有重要意义。
本文旨在综述近年来水文模型与陆面模式耦合研究的进展，分析现有耦合方法的优势与局限，探讨未来研究的发展方向和挑战。
通过综合评述国内外相关研究成果，本文将为相关领域的研究者提供有益的参考，并为水资源管理、生态保护和气候变化适应策略的制定提供科学依据。
2. 水文模型概述水文模型是模拟和预测水文循环过程的数学或计算模型，它们在水文学和水资源管理中起着至关重要的作用。
这些模型通常用于预测河流流量、洪水事件、地下水位变化以及地表水与地下水的相互作用等。
水文模型的主要目标是理解和预测水文系统在不同自然和人为因素影响下的行为。
水文模型可以根据其结构、复杂性和应用范围分为几种类型。
主要类型包括：概念性模型：这些模型基于对水文过程的基本理解，通常包括简化的方程来描述降雨径流过程。
它们易于构建和维护，适用于数据稀缺的地区。
物理模型：这些模型尝试尽可能真实地模拟水文过程，通常包括详细的物理方程来描述水、能量和物质的传输。
它们适用于复杂的水文系统研究，但需要大量的输入数据和计算资源。
分布式模型：与传统的集总式模型不同，分布式模型在空间上离散化水文过程，以考虑地形、土壤类型和土地利用等空间变化对水文循环的影响。
数据驱动模型：这些模型依赖于统计分析或机器学习方法，从历史数据中学习水文系统的行为，不需要明确的物理过程描述。
洪水预测与管理：通过模拟降雨事件和流域响应，预测潜在的洪水事件，为防洪措施提供科学依据。
水资源规划与管理：评估水资源的供需状况，优化水库运行和水分配策略。
生态系统保护：模拟水文过程对河流生态系统的影响，为生态保护和恢复提供指导。
区域蒸散发遥感估算方法及验证综述
区域蒸散发遥感估算方法及验证综述一、本文概述Overview of this article随着全球气候变化和水资源短缺问题的日益严重，区域蒸散发（Evapotranspiration, ET）的准确估算变得至关重要。
蒸散发是地表水分从土壤、植被和大气界面进入大气的过程，是水文循环和能量平衡的重要组成部分。
因此，对区域蒸散发的遥感估算方法及验证进行综述，对于理解区域水循环机制、评估水资源利用效率、预测气候变化影响等具有重要意义。
With the increasing severity of global climate change and water scarcity, accurate estimation of regional evapotranspiration (ET) has become crucial. Evapotranspiration is the process by which surface water enters the atmosphere from the interface of soil, vegetation, and atmosphere, and is an important component of hydrological cycle and energy balance. Therefore, a review of remote sensing estimation methods and validation of regional evapotranspiration is of great significance for understandingregional water cycle mechanisms, evaluating water resource utilization efficiency, and predicting the impact of climate change.本文旨在系统梳理和评述近年来区域蒸散发的遥感估算方法及其验证研究。
定量遥感蒸散研究进展及关键问题
定量遥感蒸散研究进展及关键问题薛明娇;王会肖;占车生;李玲【摘要】Remote sensing provides a valuable method for quantitative estimation of the regional evapotranspiration. After reviewing the progress of the RS methods for estimating ET, several frequently used models were compared and analyzed. Moreover, this study indicated some problems existing in many aspects, such as the difference between land surface temperature (LST) and aerodynamic temperature, the resistance, the current, the scale effect and the validation of the results. In order to solve these problems, several measures were suggested, including improving the precision of the calculated LST by applying the hyperspectrum, deepening the study of transforming the instantaneous surface evapotranspiration into daily evapotranspiration, using the microwave remote sensing to estimate the evapotranspiration in the rainy days, improving the precision of the net radiation flux calculation,enhancing studies in ground calibration and test remote sensing and so on.%遥感技术为区域蒸散的定量提供了有效手段,在综述了国内外定量遥感蒸散研究概况的基础上,比较分析了目前较常用的几种遥感蒸散模型,并指出同类研究在地表温度与空气动力学温度差异、阻抗、平流、尺度效应及结果验证等方面存在一些问题,提出了提高定量遥感蒸散计算精度的具体措施,包括:运用高光谱提高地表温度反演精度;加强对瞬时地表蒸散转换为日总蒸散的研究;运用微波遥感解决阴雨天的地表蒸散;提高净辐射通量反演精度;借助动力学过程模型进行地表蒸散反演的研究;加强地面定标和试验遥感的研究等.【期刊名称】《南水北调与水利科技》【年(卷),期】2011(009)002【总页数】5页(P52-55,76)【关键词】区域蒸散;定量遥感;遥感模型【作者】薛明娇;王会肖;占车生;李玲【作者单位】北京师范大学,水科学研究院,北京,100875;北京师范大学,水科学研究院,北京,100875;中国科学院地理科学与资源研究所,北京,100101;北京师范大学,水科学研究院,北京,100875【正文语种】中文【中图分类】TP79作为陆地水循环的关键环节,区域蒸散的研究多年来一直备受国内外地理、气象、生物等科学界的关注。
大气模型中陆面过程参数化方案的改进与评估研究
大气模型中陆面过程参数化方案的改进与评估研究大气模型是表征地球大气环流和气候变化的重要工具，它通过数值方法对大气中的物理和化学过程进行模拟和预测。
陆面过程是大气模型中的一个重要组成部分，它包括土壤水分、植被生长、蒸发散和地表反射等一系列陆地上发生的物理和生态过程。
这些过程对于模拟大气环流和气候变化具有重要影响。
然而，过去的研究发现，大气模型中对陆面过程的参数化方案存在着一定的不足之处，这些不足导致模型的模拟结果与实际观测存在一定的偏差。
因此，改进和评估大气模型中的陆面过程参数化方案是一个具有重要意义的研究课题。
改进大气模型中的陆面过程参数化方案的方法有很多，其中一种方法是基于观测数据对参数进行校正。
研究人员通过对陆地上的土壤水分、植被生长和蒸发散等进行实地观测，获取到了大量的陆面过程观测数据。
这些观测数据可以用来校正大气模型中的陆面过程参数，从而改进模型的模拟结果。
除了校正参数外，改进大气模型中的陆面过程参数化方案还可以采用新的物理机制和数值方法。
例如，传统的参数化方案忽略了土壤中潜热通量的储存效应，导致模型对陆地上的蒸发散过程模拟不准确。
为了改进这一问题，研究人员提出了一种新的参数化方案，考虑了土壤中潜热的储存效应。
通过对比新旧参数化方案的模拟结果，可以评估新方案的改进效果。
评估大气模型中的陆面过程参数化方案同样是至关重要的。
评估可以基于大量的观测数据，比如土壤水分观测数据、植被指数观测数据和地表辐射观测数据等。
研究人员可以将模型模拟结果与观测数据进行对比，通过一系列的统计方法来评估参数化方案的准确性和可靠性。
此外，还可以采用模拟实验的方式来评估大气模型中的陆面过程参数化方案。
研究人员可以设计不同的实验方案，对比不同参数化方案对模拟结果的影响。
通过对比不同实验结果，可以评估参数化方案的改进效果以及不确定性。
在改进和评估大气模型中的陆面过程参数化方案的研究中，也面临着一系列的挑战。
首先，陆地上的物理和生态过程是非常复杂的，参数化方案存在一定的简化和理想化。
- 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)。
基于遥感的土壤含水量与陆面蒸散发 耦合优化模拟研究
报告提纲
1
研究背景
2
研究目标与科学问题
一、立项依据
3
数据与方法
4
结果与讨论
5
总结
（一）研究背景
土壤含水量与陆面蒸散发是地表水热平衡的基本变量 准确获取两者的时空分布数据是陆面水热过程机理研究的重要基础
（一）研究背景
土壤含水量与陆面蒸散发的传统观测方法
涡度相关设备
蒸渗仪
大孔径闪烁仪
土壤温湿度仪
优点：可以实现对两者的准确观测 缺点：无法有效反映两者的空间分布趋势
站点数据本身的空间代表性有限 站点密度过于稀疏
（一）研究背景
遥感技术的快速发展为陆面水热过程的监测分析提供了丰富的数据源，极 大地拓宽了陆面水热过程研究的领域和范围
创新点：降低了特征空间法对干边(Tsmax和Tcmax)的依赖性，只需要Tsmax的求解即可实现对土 壤湿度指数和蒸发比的遥感估算。
Zhu et al., Remote Sens. Environ., 2017b ; Zhu et al., J. Geophys. Res., 2017
（三）数据与方法
土壤湿度指数(SMI)的遥感提取
������ , ������ , 1 ������ , ������ , ∗ ������ ,
������
������ , ������ , ∗ ������ , ������ , ������ , ∗ ������ ,
,
1 ������ ,
1 ������ ,
（三）数据与方法
研究区域的选择与数据的处理
蒸发比(EF)实测数据 表层土壤含水量(SM)实测数据
MOD11A1：地表温度（Ts） MOD13A2：植被覆盖度（fc） MOD03：太阳天顶角（θ） MOD07_L2和MOD06_L2：
（Ta）
（三）数据与方法
空气温度的遥感估算：MOD07_L2提取的表层空气温度与MOD06提取的 地表温度在近地表空气温度估算方面的误差具有很好的互补性
������ ������������������
, ������
������
������
（三）数据与方法
蒸发比(EF)的遥感估算
Δ ������������ ������
ΔΥ ������ , 1.26 1 ������������������ ������������������ 1
������ ������ , 1 ������ , ������ , ������ ,
问题2：陆面蒸散发的准确反演往往需要空气动力学/热力学阻抗作输入，涉及到复 杂的参数化过程
（一）研究背景
地表温度-植被指数特征空间法
时空分辨率高 简单易行 可同时进行土壤湿度与蒸散发的遥感估算
基本假设1：若研究区内存在着足够多的像元，则由地表温度（Ts）和植被指数
(VI)构成的二特维征空空间间将法形成成功具有应物用理的意关义键的在三于角干形湿或边梯形界边的界正；确选择
基本假设2：干湿边界代表土关壤键水参分数和蒸Ts散ma发x和的极Tc端ma情x况，每个像元的土壤湿度和
蒸散发速率可以根据其在干湿边界中的相对位置，通过线性插值的方法求得。
（一）研究背景
理论干边的提取方法：地表能量平衡方程
缺点：(1)过程复杂，参数较多 (2)逐日计算，工作冗余 (2)只能应用于大面积晴天条件下，时间连续较差
������������
������������������ ������������ ������
创新点：完全基于MODIS遥感产品实现了全天气条件下空气温度的遥感估算，为土壤湿度和蒸
散发的遥感估算提供了数据基础。
Zhu et al., Remote Sens. Environ., 2017a
（三）数据与方法
微波遥感使得土壤含水量的大范围直接观测成为了可能，一系列全球尺度的土 壤湿度产品应运而生（SMOS、SMAP）
遥感技术目前尚无法实现对陆面蒸散发的直接观测，但催生了一系列遥感蒸散 发模型（SEBS、SEBAL、METRIC、TVX）
问题1：微波遥感的空间分辨率太低（20~40km），土壤含水量微波反演的精度仍 有待提高
研究目标
在特征空间法的理论框架下，基于数据驱动和参数优化的方法，实现土壤含 水量与陆面蒸散发的耦合模拟与连续估算，克服传统特征空间法的三大缺 陷。
拟解决的关键科学问题
土壤含水量与陆面蒸散发实测数据能否用于特征空间法的校准； 如何在特征空间法的框架下实现土壤含水量与陆面蒸散发的相互转化； 如何基于特征空间法实现土壤含水量与陆面蒸散发的连续监测。
������������������
������������������������
������������������������ ������������������
������������������������ ������������������
∗
������������
������������������
方法：最近研究表明，通过构建有效的目标函数和约束条件，利用数据驱动的 方式，可以更加有效地进行陆面水热过程的连续遥感监测
可行性：在特征空间方法中，特定空间范围内的所有像元共享一组干湿边界， 并且该干湿边界同时适用于土壤含水量与陆面蒸散发两个目标变量，这为两者 的耦合优化模拟提供了充分的可行性。
（二）研究目标与科学问题
������
������������������������ ������������ ������
������ min ������ , ������
������
������������������������ ������������ ������
（三）数据与方法
土壤含水量与陆面蒸散发的耦合优化模拟 以土壤含水量为目标变量的优化算法 目标函数：Co������������������ ������ ������������������������, ������������������ ⟶ ������������������ 以蒸发比为目标变量的优化算法 目标函数：∑������������ ������ ������������������ ������������������ ⟶ ������������������ 约束条件1：������ ������������������ ������ 约束条件2：������������������������,������ A������������������ ������. ������������������������ ������. ������������ ������
土壤含水量与陆面蒸散发的耦合优化模拟
������������������ ������ ������ , ������ , ������ , ������ , ������
������������ ������ ������ , ������ , ������ , ������ , ������