基于遥感的农田土壤含水量面预报方法研究
基于遥感图像的土壤含水量信息提取研究
第3"卷第6期2017年11月唐山学院学报Journal of Tangshan UniversityVol.30 No. 6Nov.2017基于遥感图像的土壤含水量信息提取研究崔丽霞，王蕾(唐山学院智能与信息工程学院，河北唐山063000)摘要：土壤含水量是监测农作物生长状况的关键参数，近年来国内外学者在利用高光谱遥感数据监测土壤含水量技术方面进行了大量的研究。
文章在分析相关研究进展的基础上，以唐山地区为研究区域，重点选取乐亭县、涑南县为研究对象，将L a n d s a t8遥感数据所获取的植被指数和地表温度作为反演土壤含水量的两个基本参数，再结合实测的地表温度数据，利用B P神经网络建立模型，从而实现了对该研究区域内土壤含水量的提取。
通过研究发现，利用该方法能够提取土壤含水量，提取结果准确性较高。
关键词：唐山地区；土壤含水量；神经网络；遥感图像中图分类号：T P79:S152.7 文献标志码：A文章编号：1672 - 349X(2017)06 - 0021 -04DOI：10. 16160 [.c n k i.ts x y x b. 2017. 06. 005A Study on Determination of Soil MoistureContent Based on Remote Sensing ImagesC U ILi-x ia，WANGLei(C o lle g e o f In te llig e n c e and In fo rm a tio n E n g in e e rin g，T ang sh a n U n iv e r s ity，T angshan063000，C h in a)Abstract：S oil m o is tu re c o n te n t is a ke y param eter to m o n ito r crop g ro w th.In recent y e a rs，a g reat deal o f research has been done on th e m o n ito rin g o f soil w a te r c o n te n tb y up e rspectral rem ote sensing data b o th at hom e and abroad.Based on pre vio u s research on thes u b je c t，and w ith T ang sh a n as th e area to be s tu d ie d，L e tin g C o u n ty，L u a nnan C o u n ty asth e research s u b je c ts，and the ve g e ta tio n in d e x and surface te m p e ra tu re m easured b y L a n d-sat 8 as tw o basic param eters fo r th e d e te rm in a tio n o f so il m o is tu re c o n te n t，th e a u th o rs o fth is paper have d eveloped a m e th o d to dete rm in e th e so il m o is tu re c o n te n t o f th is area a fte re sta b lish in g a n eural n e tw o rk m odel w ith BP and ta k in g in to co n sid era tio n the real ste m p e ra tu re m easured.F u rth e r research show s th a t s〇i l m〇is tu re c o n te n t d e te rm in ed w ithth is m e th o d is accurate.Key Words：T a n g s h a n；soil m o is tu re c o n te n t；neu ra l n e tw o rk*rem ote sensing im age土壤水在全球水循环过程中起着十分重要 干旱的重要指标。
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。
基于卫星遥感技术的土壤水分监测研究
基于卫星遥感技术的土壤水分监测研究概述土壤水分是农业生产中至关重要的因素之一，它直接影响作物的生长发育和产量。
传统的土壤水分监测方法需要耗费大量时间和人力，且受到地点限制。
近年来，随着卫星遥感技术的快速发展，基于卫星遥感的土壤水分监测研究变得越来越受关注。
本文将详细介绍基于卫星遥感技术进行土壤水分监测的原理、方法与应用。
一、原理和方法1.1 卫星遥感原理卫星遥感技术利用卫星搭载的传感器对地球表面反射、发射和散射的电磁波进行观测。
不同频段的电磁波与地表特征之间存在一定的相互关系。
通过对这些关系的研究和数据处理，可以获取地表特征的丰富信息。
1.2 土壤水分监测方法基于卫星遥感技术的土壤水分监测方法主要包括以下几种：(1) 热红外遥感法：该方法利用地表热红外辐射与土壤水分含量之间的关系进行测量。
由于土壤水分会影响土壤的热导率和比热容，进而影响地表温度的空间和时间分布。
(2) 微波遥感法：微波在地表与大气之间有良好的穿透性，可以获取土壤深部的信息。
通过分析微波信号的散射和透射特性，可以反演土壤水分含量。
(3) 光学遥感法：该方法利用地表反射和散射的光谱特征与土壤水分含量和质地之间的关系进行测量。
不同波长的光对土壤的散射和吸收存在差异，可以用来获取土壤水分的信息。
二、应用案例2.1 农业水资源管理基于卫星遥感技术的土壤水分监测可以为农业水资源管理提供实时的监测数据和预测模型。
通过监测农田内的土壤水分状况，合理调配灌溉水资源，有助于提高水资源利用效率，降低灌溉水的浪费，从而实现农业生产的可持续发展。
2.2 干旱监测与预警干旱是全球范围内普遍存在的自然灾害，直接影响粮食生产和人类生活。
基于卫星遥感的土壤水分监测可以远程实时监测干旱程度和范围。
结合气象数据和土壤水分信息，可以建立干旱预警系统，为应对干旱提供科学决策支持。
2.3 气候变化研究土壤水分是地球水循环和能量平衡的重要组成部分，对气候变化具有关键作用。
利用卫星遥感技术对全球土壤水分进行监测和分析，可以深入了解水分分布和变化规律，为气候变化研究提供数据支持。
土壤水分遥感监测研究进展
土壤水分遥感监测研究进展土壤水分是植物生长和发育的基础，也是农业生产、水文监测和环境治理等领域的关键参数。
然而，传统的土壤水分监测方法往往需要耗费大量人力和物力，难以实现大范围、实时和准确的监测。
近年来，随着遥感技术的不断发展，土壤水分的遥感监测逐渐成为研究热点。
本文将综述土壤水分遥感监测的研究进展，技术及应用，并探讨未来研究方向和潜力。
自20世纪初以来，众多研究者致力于土壤水分的遥感监测研究。
根据研究方法，可分为基于地面遥感、航空遥感和卫星遥感的不同类型。
地面遥感具有较高的精度，但监测范围有限。
航空遥感能够实现大范围监测，但成本较高。
卫星遥感具有大范围和动态监测的优势，但精度略低于前两种方法。
不同波段的遥感卫星如Landsat、Sentinel等也在土壤水分监测中得到了应用。
遥感技术在土壤水分监测中的应用包括多种方法和技术流程。
其中，最常见的是利用植被指数（如NDVI）与土壤水分含量之间的相关性进行监测。
通过分析遥感图像的植被指数，可以推断出土壤水分的分布和含量。
另外，微波遥感、主动式红外遥感、雷达成像等技术也在不同程度上应用于土壤水分的监测。
这些技术结合了遥感、地理信息系统（GIS）和数值模型，实现了土壤水分的定量分析和动态监测。
土壤水分遥感监测在农业生产中具有重要应用价值。
通过遥感技术，可以实时获取农田土壤水分信息，为农业生产管理提供决策依据。
在洪水灾害后，航空遥感和卫星遥感技术可用于评估土壤含水量，预测洪水对农作物的影响。
在环境治理方面，土壤水分遥感监测有助于了解土壤水分分布和动态变化，为土地利用规划、水资源管理和生态保护提供了科学依据。
随着遥感技术的不断发展，土壤水分遥感监测将具有更大的应用潜力。
未来研究方向可以从以下几个方面展开：1）提高遥感监测的精度和分辨率；2）实现多源数据的融合与分析；3）结合人工智能和机器学习技术，提升土壤水分遥感监测的自动化和智能化水平；4）拓展土壤水分遥感监测在非农领域的应用，如地质勘查、矿产资源开发等。
如何利用遥感技术进行农田水分监测和灌溉管理
如何利用遥感技术进行农田水分监测和灌溉管理遥感技术在农田水分监测和灌溉管理方面发挥着重要作用。
随着全球气候变化和农业发展的需求，合理地利用遥感技术来监测农田水分和进行灌溉管理变得越来越重要。
本文将讨论如何利用遥感技术来监测农田水分和优化灌溉管理的方法和应用。
1. 引言农田水分监测和灌溉管理一直是农业领域的关注重点。
传统的水分监测方法通常基于经验和人工观测，但这种方法存在时效性低和空间不均匀的问题。
随着遥感技术的进步，可以通过利用航空或卫星遥感数据来实时监测农田水分状况，以及对灌溉进行精确的管理和决策。
2. 遥感技术在农田水分监测中的应用2.1 热惯量遥感热惯量遥感技术是一种基于土壤热量传导和能量平衡的方法，通过测量土壤和植被的热特性来估算土壤水分含量。
这种方法可以快速、非接触地获取大范围的农田水分信息。
2.2 微波遥感微波遥感技术利用了微波辐射在土壤中的传播和反射特性。
不同频率和极化的微波辐射在土壤和植被中的反射和散射特性受到土壤水分含量的影响。
通过分析微波辐射的特征参数，可以获取农田的水分状况。
2.3 光学遥感光学遥感技术是利用电磁波辐射（如可见光、红外线）与地表物体的相互作用来获取地表信息的方法。
植被叶片的光谱反射特性受土壤水分和植被状态的影响。
通过分析植被的光谱特征，可以间接估算农田的水分情况。
3. 遥感技术在灌溉管理中的应用3.1 精确遥感测量遥感技术可以提供大范围的土壤水分状况，帮助农民和农业管理者确定灌溉的需要和时机。
传统的人工观测方法通常只能得到局部的水分数据，而遥感技术可以实时获取农田的整体水分情况，提供更准确的灌溉决策。
3.2 水分监测网络利用遥感技术可以建立水分监测网络，通过遥感设备和传感器来实时监测农田的水分状况。
这些数据可以与气象数据和土壤传感器数据进行整合，为灌溉管理提供更全面和准确的信息。
3.3 精准灌溉遥感技术可以在不同农田区块之间进行差异化灌溉，根据不同区块的水分状况进行精确的灌溉管理。
遥感技术在土壤水分监测中的应用研究
遥感技术在土壤水分监测中的应用研究一、引言在农业生产中，土壤水分是农作物生长和产量形成的重要因素之一。
因此，准确监测土壤水分的变化对于精细化农业管理至关重要。
近年来，随着遥感技术的迅速发展和广泛应用，其在土壤水分监测中的应用也越来越受到研究者的关注。
本文将重点探讨遥感技术在土壤水分监测中的应用研究。
二、遥感技术概述遥感技术是通过感知和记录地面目标的电磁辐射，获取地表特征信息的一种技术手段。
它具有全球性、多时相性、实时性和自动化等优势，能够提供大范围、长时间序列的土壤水分监测数据。
常见的遥感数据包括航空遥感影像、卫星遥感影像等。
三、土壤水分监测的方法1. 传统监测方法：传统的土壤水分监测方法主要依靠人工采样和实地测量，包括土壤钻孔、电阻法、毛管压力法等。
这些方法虽然准确可靠，但局限于小样本量、时空分布不均匀等问题，难以全面监测土壤水分的变化。
2. 遥感监测方法：相对于传统方法，遥感技术具有全面性、高效性和快速性的优势，能够提供大范围、高分辨率的土壤水分监测数据。
常用的遥感监测指标包括地表温度、植被指数和微波遥感数据等。
这些指标与土壤水分之间存在一定的关联，可以作为土壤水分监测的重要参考。
四、遥感技术在土壤水分监测中的应用1. 土壤水分提取：遥感技术可以通过反射和辐射的物理特性来提取土壤水分信息。
通过对遥感影像进行预处理和特征提取，可以得到地表温度、植被指数等参数，从而间接反映土壤水分状况。
这种非接触式的监测方法不仅能够实现大范围土壤水分的监测，还能够实时跟踪土壤水分的变化。
2. 土壤水分定量化研究：通过建立土壤水分与遥感指标之间的关系模型，可以将遥感监测所得的指标转化为土壤水分数据。
这种定量化的研究方法不仅能够提高土壤水分监测的准确性，还能够实现大范围的土壤水分定量化分析。
3. 土壤水分空间分布预测：利用遥感技术获取的土壤水分监测数据，可以进行土壤水分空间分布的预测和分析。
通过建立空间插值模型或者机器学习算法，可以对土壤水分的空间分布进行高精度的预测，为农业生产提供科学依据。
基于遥感的土壤水分监测研究
基于遥感的土壤水分监测研究在农业生产、水资源管理以及生态环境保护等众多领域中，土壤水分都扮演着至关重要的角色。
准确、及时地监测土壤水分含量的变化，对于优化灌溉策略、提高农作物产量、预防干旱灾害以及维护生态平衡等方面都具有重要意义。
传统的土壤水分监测方法往往存在着诸多局限性，如费时费力、代表性不足以及难以实现大面积同步监测等。
随着遥感技术的不断发展，基于遥感的土壤水分监测逐渐成为了一种高效、便捷且具有广阔应用前景的手段。
遥感技术之所以能够用于土壤水分监测，主要是基于土壤对不同波长电磁波的反射、吸收和发射特性。
当电磁波照射到土壤表面时，其与土壤中的水分相互作用，导致电磁波的能量和特征发生改变。
通过分析这些变化，就能够反演出土壤水分的含量。
常见的用于土壤水分监测的遥感数据源包括可见光近红外遥感、热红外遥感以及微波遥感等。
可见光近红外遥感主要通过监测土壤的光谱反射特征来间接推算土壤水分。
然而，这种方法受到土壤质地、粗糙度以及植被覆盖等因素的较大影响，其监测精度相对较低。
热红外遥感则是基于土壤的热惯量与水分含量之间的关系来进行监测。
土壤水分含量越高，其热惯量越大，温度变化相对较小。
但热红外遥感容易受到大气条件和地表温度日变化的干扰，应用也存在一定的限制。
相比之下，微波遥感在土壤水分监测方面具有独特的优势。
微波能够穿透一定深度的土壤，并且对土壤水分含量的变化极为敏感。
其中，主动微波遥感（如合成孔径雷达 SAR）通过发射微波脉冲并接收后向散射信号来获取土壤水分信息。
被动微波遥感（如微波辐射计）则通过接收土壤自然发射的微波辐射来反演土壤水分。
微波遥感不受天气条件的影响，能够实现全天候的监测，但其空间分辨率相对较低。
在基于遥感的土壤水分监测中，数据处理和反演算法是关键环节。
常用的数据处理方法包括辐射定标、几何校正、大气校正等，以消除各种误差和干扰，提高数据质量。
反演算法则是将经过处理的数据转化为土壤水分含量的具体数值。
土壤水分和干旱的遥感监测方法与研究
目录摘要 (I)ABSTRACT (II)第一章前言 (1)1.1研究意义 (1)1.2旱情与干旱的概念、描述指标 (4)1.3干旱的危害 (5)1.4我国干旱的特点、分布状况 (7)1.5常用的干旱分等定级方法 (10)1.6目前针对干旱及土壤水分的监测方法 (11)第二章国内外土壤水分遥感监测研究进展情况 (12)2.1国外遥感监测土壤水分发展状况 (12)2.2国内遥感监测土壤水分发展状况 (13)第三章遥感监测土壤水分的理论基础 (15)第四章遥感干旱监测及土壤水分监测的方法介绍 (17)4.1 基于地表温度的遥感干旱监测方法 (17)4.1.1热惯量法 (17)4.1.2表观热惯量植被干旱指数 (19)4.1.3条件温度指数法 (20)4.1.4归一化差值温度指数 (20)4.2 基于植被指数的遥感干旱监测方法 (21)4.2.1简单植被指数 (22)4.2.2比值植被指数 (22)4.2.3归一化植被指数 (22)4.2.4增强植被指数 (23)4.2.5条件植被指数 (24)4.2.6距平植被指数 (24)4.3 基于植被指数和温度的遥感干旱监测方法 (26)4.3.1条件植被温度指数 (26)4.3.2 温度植被旱情指数 (27)4.3.3植被温度梯形指数 (29)4.3.4作物缺水指数法 (30)4.4基于红外的遥感干旱监测方法 (32)4.4.1垂直干旱指数法 (32)4.4.2修正的垂直干旱指数法 (33)4.5 微波遥感法 (35)4.5.1被动微波遥感监测土壤水分 (35)4.5.2 主动微波遥感监测土壤水分 (36)4.6 高光谱法 (38)第五章主要方法的分析与比较 (40)第六章结论与展望 (42)参考文献 (45)土壤水分和干旱的遥感监测方法与研究摘要干旱作为我国频发的气象灾害之一，其持续时间长，波及范围，涉及领域之广，对我国的国民经济造成严重影响，特别是农业生产损失惨重。
高光谱遥感数据处理与土壤含水量预测研究
高光谱遥感数据处理与土壤含水量预测研究近年来，随着高光谱遥感技术的快速发展，其在土壤含水量预测方面的应用也得到了广泛的关注。
高光谱遥感数据处理与土壤含水量预测研究成为了农业、环境和水资源管理等领域的热点问题。
本文将围绕这一任务名称，结合相关研究，探讨高光谱遥感数据处理方法与土壤含水量预测研究的关键问题和应用前景。
首先，高光谱遥感技术可以提供大量的光谱信息，涵盖了可见光、近红外和短波红外等多个波段。
这种多波段的高光谱数据可以反映出土壤的化学成分、水分含量和植被覆盖等信息，为土壤含水量预测提供了有力的支持。
然而，高光谱遥感数据处理中存在着诸多挑战，如数据维度高、光谱特征提取等。
在高光谱遥感数据处理方面，数据预处理是非常重要的一步。
由于高光谱遥感数据的波段较多，数据维度较高，而且存在着光谱数据的噪声和冗余等问题。
因此，需要进行波段选择、降维和去噪等处理，以简化数据结构和降低数据复杂度，提高后续分析的效率和准确性。
常用的数据处理方法包括主成分分析(PCA)和线性判别分析(LDA)等。
这些方法能够从原始高光谱数据中提取出最具代表性的特征，为土壤含水量预测提供更有意义的输入信息。
除了数据处理，高光谱遥感数据的光谱特征提取也是研究的关键问题。
不同波段的光谱特征对土壤含水量的变化具有不同的敏感性，因此需要通过光谱分析来选择最具代表性的波段变量。
这可以通过常见的方法，如峰值提取、变量重要性分析和光谱角度指数等来实现。
这些方法能够帮助我们了解哪些光谱波段与土壤含水量相关性较大，从而提高预测模型的准确性。
土壤含水量预测是高光谱遥感数据处理的一个重要应用领域。
通过建立高光谱遥感图像与土壤含水量之间的关系模型，可以实现对大范围土壤含水量的监测和预测。
常用的预测模型包括线性回归、支持向量机(SVM)和人工神经网络(ANN)等。
这些模型能够利用高光谱数据的特征与土壤含水量之间的非线性关系，从而提高土壤含水量的预测准确性。
此外，高光谱遥感数据处理与土壤含水量预测研究也具有广阔的应用前景。
微波遥感大面积土壤含水量估算研究-理论与方法
微波遥感大面积土壤含水量估算理论与方法土壤介电性与介电常数模型1.介电性描述：介质在外加电场时会产生感应电荷而削弱电场，介质中的电场减小与原外加电场（真空中）的比值即为相对介电常数(relative permittivity或dielectric constant)，又称诱电率，与频率相关。
介电常数是相对介电常数与真空中绝对介电常数乘积。
如果有高介电常数的材料放在电场中，电场的强度会在电介质内有可观的下降。
理想导体的相对介电常数为无穷大，因为导体中内部场强总为零，而且由于无穷大的电导率导致趋肤深度为零，导体内形成电磁屏蔽。
介电常数：电场中相对真空介电常数：电场中磁导率：磁场中相对真空磁导率：磁场中复电导率：ε=εr*ε0，ε0为真空绝对介电常数。
通常，相对介电常数大于3.6的物质为极性物质；相对介电常数在2.8~3.6范围内的物质为弱极性物质；相对介电常数小于2.8为非极性物质。
真空介电常数，又称为真空电容率，或称电常数，是一个常见的电磁学物理常数，符号为ε0。
在国际单位制里，真空介电常数的数值为：ε0 = 8. 854187817 × 10-12F/ m（近似值）；2.极化和磁化：在外部电场的影响下，一种介电物质会产生小的偶极子。
偶极子是一对相反的电荷，可以用两个电荷相隔一个很小的距离来近似。
许多物质可以用偶极子近似，因为相对于电荷之间的距离，电场对细微的细节不敏感。
例如原子的偶极子，电子或电子云围绕着一个正电荷。
由于电场的存在，这些电子受相反力量的牵制，结果是这些电子彼此相对移动。
这被称为电子极化。
分子通常包含不同种类的原子，每个原子有自己的电子云。
这些电子云不是对称共享的，但它们是分离偏心的面对较强的结合原子。
当分子具有对称排列的原子时，这种分子称为非极性分子，因此正和负电荷的重心相同。
由于核的吸引，电子云不能移动或变形很大，在作用场的影响下，电子云将会移动或变形以一种方式，这种方式就是电荷随着作用场将达到均衡状态。
土壤水分遥感监测方法研究
土壤水分遥感监测方法研究近年来，随着全球气候变化的影响越来越大，粮食生产受到了严重的挑战。
而土壤水分的监测对于农业生产至关重要。
传统的土壤水分监测方法需要耗费大量的人力物力，而且监测量有限，容易造成测量误差。
因此，土壤水分遥感监测方法逐渐得到了广泛的关注和应用。
土壤水分遥感监测是利用遥感技术获取土壤水分信息的一种方法。
遥感技术可以通过航空器、卫星等获取大范围地表信息，包括土壤水分等参数。
遥感技术的优势在于监测范围广、实时性高，且监测过程不会对被监测对象造成破坏。
当前，土壤水分遥感监测技术主要包括微波遥感、红外遥感和激光雷达遥感等。
其中，微波遥感技术是最为常用的一种。
微波遥感技术是利用微波辐射与土壤介电常数的变化关系来监测土壤水分的一种技术。
微波遥感技术可以获取土壤水分的垂直和水平分布，以及土壤水分的纵向或侧向运移等信息。
红外遥感技术是通过反射或辐射测量热辐射，从而推断土壤水分的一种方法。
这种方法可以在高分辨率图像中区分不同植被下的土壤水分含量，并且可以在不同时间点判断土壤水分的变化情况。
激光雷达遥感技术则是通过测量激光信号与地面反射的时间差来获取地表高程等信息。
根据地形图像与激光点云地形图像融合，可以获取覆盖区域的土壤水分含量等信息。
总的来说，土壤水分遥感监测技术具有非常广泛的应用前景。
它可以广泛地用于宏观的土壤水分监测、农业生产、森林资源管理等方面。
同时，随着遥感技术的不断发展，固定点遥感和移动式遥感等技术也跻身于当前遥感技术的前沿研究领域中。
但是，土壤水分遥感监测技术也存在着一些问题。
例如，难以准确测量精度，无法测量土壤剖面内部的水分含量，需要对土壤水分的介电常数变化进行校正等等。
面对这些问题，研究者应当积极开展相关研究，努力解决这些困难。
综上所述，土壤水分遥感监测技术具有广泛的应用前景，可以为农业生产和自然资源管理等方面提供可靠的数据支持。
随着科技的不断进步，这种技术还有着大量的研究和应用空间。
土壤水分遥感监测及其在农业中的应用研究
土壤水分遥感监测及其在农业中的应用研究一、引言土壤水分是农业生产中的重要变量之一，对作物的生长发育、产量和品质有着重要影响。
传统的土壤水分监测方法需要人工采集土壤样本，不仅费时费力，且监测结果具有局限性和不确定性。
遥感技术的出现为土壤水分监测提供了新的方法。
本文主要探讨土壤水分遥感监测及其在农业中的应用研究。
二、土壤水分遥感监测方法1. 微波遥感方法微波遥感方法是利用微波能量与土壤水分之间的相互作用关系确定土壤水分含量的方法。
根据微波能量在土壤中传播的不同特性，可分为主动微波遥感和被动微波遥感。
2. 热红外遥感方法热红外遥感方法是利用土壤表层温度的反演来获取土壤水分信息的方法。
这种方法基于土壤和水的热容、导热性、热传输等物理参数存在差异，通过在不同时间和空间尺度下对地表温度进行监测并进行多元回归计算，反演土壤水分含量。
三、土壤水分遥感应用研究1. 土壤水分监测利用遥感技术可以快速获取大范围的土壤水分信息，并能够及时反馈给农民和农业机构。
这为科学决策提供了重要的依据，促进了水资源的合理利用。
2. 水分定量评估定量评估作物生长的水分需求对于科学制定农业生产计划和决策有着重要的意义。
利用遥感技术和地理信息系统技术结合，可定量描绘土地利用和覆盖度、土地类型、土层类型、土地坡度、土地坡向等因素与土壤水分含量之间的关系。
3. 灾害监测和预警干旱是影响我国农业生产的主要天气灾害之一。
利用遥感技术可以对土壤水分、气象、土地利用等关键因素进行监测和预测，提供更加准确的干旱预警和救灾措施。
四、遥感技术在农业中的应用前景发展遥感技术在农业中的应用，将有望形成一种绿色、高效、节约的现代农业生产方式。
可以提高资料的获取效率，更加全面准确地掌握农业生产中关键参数的变化趋势，为农业生产可持续发展提供坚实基础。
五、结论土壤水分监测技术的发展，有助于了解水资源状况，为全球的涉水管理提供基础数据，更好地利用土地和水资源。
遥感技术的应用，将为农业生产提供更加全面、准确、高效的信息支持，为实现精准农业和智慧农业提供了强有力的技术支撑。
遥感反演土壤含水量在灌溉用水管理中的应用研究
遥感反演土壤含水量在灌溉用水管理中的应用研究遥感反演土壤含水量在灌溉用水管理中的应用研究引言近年来，由于全球气候变化和人类活动的影响，水资源的合理利用和管理变得愈发重要。
而灌溉用水作为农业的重要组成部分，对于粮食生产和农业发展至关重要。
传统的灌溉管理方式依赖于人工布置的感应器或土壤水分采样，但这种方式成本高昂且工作量大，无法快速获得全面的土壤含水量信息。
遥感技术因其快速、高效、非破坏性的特点，成为灌溉用水管理的有效工具。
本文将探讨遥感技术在灌溉用水管理中反演土壤含水量的应用研究。
一、遥感技术在土壤含水量反演中的原理土壤含水量反演是基于遥感图像水分指数（如NDVI和NDWI）与地面实测土壤含水量之间的关系来实现的。
在土壤含水量较高时，植被光谱反射率较低，因此水分指数会较高。
利用遥感图像的多光谱波段和多角度观测，可以获得更加准确的土壤含水量信息。
二、遥感反演土壤含水量的方法1. 基于遥感图像的统计方法统计方法通过多个时期的遥感图像获取土壤含水量与遥感指数之间的函数关系，并建立回归模型来反演土壤含水量。
这种方法需要大量的实地观测数据来训练模型，但由于土壤含水量在时间和空间上的变化，模型的精度有一定的局限性。
因此需要结合其他方法来提高反演精度。
2. 基于物理模型的方法物理模型通过土壤-植被-大气相互作用过程的描述，建立了土壤水分和遥感指数之间的关系模型。
这种方法综合考虑了土壤特性、植被类型和大气影响，通过物理过程的模拟来反演土壤含水量。
然而，由于模型参数的选择和精确性的要求，这种方法在实际应用中有一定的挑战。
三、遥感反演土壤含水量在灌溉用水管理中的应用1. 精细化水资源管理通过遥感技术反演土壤含水量，可以实时监测土壤水分变化，并准确预测灌溉需求。
这有助于农民合理安排灌溉计划，减少因灌溉不足或过量造成的水资源浪费。
同时，也可以为决策者提供科学依据，制定合理的水资源管理策略。
2. 智能灌溉技术的发展利用遥感技术反演土壤含水量，可以为智能灌溉系统提供实时的土壤水分信息。
基于遥感的土壤水分动态监测
影响监测精度的因素众多，包括遥感数据的质量、反演模型的适用性、地形地貌的复杂性以及土壤类型的多样性等。不断改进反演模型和优化数据处理方法，能够提高监测精度。
七、应用领域
基于遥感的土壤水分动态监测在农业领域有着广泛的应用。农民可以根据监测结果合理安排灌溉，提高水资源利用效率，减少水资源浪费，同时增加农作物产量和质量。
基于遥感的土壤水分动态监测
一、引言
土壤水分是农业生产、生态环境保护和水资源管理等领域中至关重要的参数。准确、及时地监测土壤水分的动态变化对于优化灌溉策略、评估干旱风险、预测农作物产量以及保护生态系统的健康都具有重要意义。传统的土壤水分监测方法往往依赖于有限的地面观测点，难以获取大面积、连续的土壤水分信息。而遥感技术的出现为土壤水分的动态监测提供了一种高效、宏观且无损的手段。
未来，随着遥感技术的不断发展，多源遥感数据的融合将成为趋势，能够综合利用不同传感器的优势，提高监测精度和时空分辨率。同时，与人工智能、大数据等技术的结合，有望实现更智能、高效的土壤水分监测和分析。
此外，新的传感器和卫星平台的不断发射，将为土壤水分监测提供更多的数据选择和更高的性能保障。
九、结论
基于遥感的土壤水分动态监测是一项具有重要意义和广阔应用前景的技术。它为我们了解土壤水分的时空变化提供了有力的手段，为农业生产、生态环境保护和水资源管理等领域的决策提供了科学依据。尽管目前还存在一些挑战，但随着技术的不断进步，相信遥感技术在土壤水分监测方面将发挥越来越重要的作用，为人类的可持续发展做出更大的贡献。
基于主动微波遥感的土壤含水量估测方法研究
基于主动微波遥感的土壤含水量估测方法研究作者：刘钇廷李旭吴保升涂巧针来源：《南方农业·上旬》2021年第12期摘要農作物长势与土壤含水量密切相关，因此在农作物生长过程中能够及时准确地估测土壤水分十分重要。
研究主动微波遥感不同极化方式提取后向散射系数与地表土壤含水量之间的关系，建立土壤水分估测模型;通过分析不同地微波遥感信号基础上，建立土壤后向散射系数与土壤含水量的半经验模型，拟合VV极化、VH极化数据与土壤含水量实测数据。
实验结果表明：VV极化的决定系数R2=0.74，VH极化的决定系数R2=0.19，相较于VH极化，VV 极化的穿透性强、土壤水分含量变化更加敏感，适合用于土壤旱情监测，有助于把握最佳灌溉时机。
关键词土壤水分;主动微波遥感;后向散射系数;半经验模型;旱情监测中图分类号：S-03 文献标志码：A DOI：10.19415/ki.1673-890x.2021.34.035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。
基于卫星遥感的土壤水分监测技术
基于卫星遥感的土壤水分监测技术【Introduction】基于卫星遥感的土壤水分监测技术在农业、环境保护等领域中具有重要的应用价值。
通过卫星遥感技术获取土壤水分信息可以帮助农业决策者进行精准的灌溉管理，减少水资源的浪费。
本文将从数据获取、处理与分析以及应用等方面，深入探讨基于卫星遥感的土壤水分监测技术。
【Data Acquisition】基于卫星遥感的土壤水分监测技术依赖于获取土壤水分信息的遥感数据。
主要可采用微波遥感和热红外遥感两种方式进行数据获取。
在微波遥感中，主要利用合成孔径雷达（SAR）获取土壤水分信息。
SAR通过发射微波信号并接收反射回来的信号，可以穿透遥感对象，获取地表信息。
根据信号的散射特征，可以推算出土壤含水量，从而实现土壤水分监测。
热红外遥感则利用遥感仪器感知地表温度，并结合热传导原理推算土壤水分。
由于土壤含水量与其热传导性质相关，通过监测地表温度差异可以间接反映土壤水分的分布情况。
【Data Processing and Analysis】卫星遥感数据获取之后，需要经过一系列的数据处理和分析，以得到准确的土壤水分信息。
对于微波遥感数据，常见的处理方法包括辐射校正、滤波处理、信号解调等。
辐射校正主要是消除影响土壤水分监测结果的大气干扰；滤波处理则可以去除噪声信号，提高数据质量；信号解调是为了获取散射信号的相位信息，以实现土壤水分的定量测量。
热红外遥感数据处理则主要包括辐射温度与地表温度的校正、大气校正、地表辐射通量反演等。
辐射温度校正是为了消除大气透过率的影响，得到可靠的地表温度数据；大气校正是为了消除大气散射和吸收带来的误差；地表辐射通量反演则是为了将地表温度转化为土壤水分信息。
【Application】基于卫星遥感的土壤水分监测技术在农业、环境保护等领域中有着广泛的应用。
首先，在农业领域中，土壤水分监测可以帮助农民和农业决策者合理安排灌溉计划。
通过遥感获取的土壤水分信息，可以实现精准的农田灌溉，减少过量灌溉造成的水资源浪费。
基于Landsat8遥感图像的土壤含水量提取研究
ｔ ａ ｎｔ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｉ ｎ ｔ ｈ ｅ ｓ ｔ ｕ ｄｙ ｏ ｆ ｃ ｌ ｉ ｍａ ｔ ｅ，ｗａ ｔ ｅ ｒ ｔ ｅ ｍｐｅ ｒ ａ ｔ ｕｒ ｅ，ｅ ｃ ｏｌ ｏ ｇｙ，ａ ｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ｅ ａ ｎ ｄ ｍａ ｎｙ ｏｔ ｈ ｅ ｒ
ｆ ｉ ｅ ｌ ｄｓ ． Ｒｅ ｍ ｏｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎｇ ｃ ａ ｎ ｑｕ ｉ ｃ ｋｌ ｙ ａ ｎ ｄ ｅ ａ ｓ ｉ ｌ ｙ ｇ ｅ ｔ ｔ ｈｅ ｓ ｕｒ ｆ ａ ｃ ｅ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ａ ｌ ａ ｒ ｇｅ ａ ｒ ｅ ａ，Ｓ Ｏ ｉ ｔ ｉ ｓ
ｏ ｎ Ｌａ ｎｄ ｓ ａ ｔ ８ Ｒｅ ｍｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｉ ｍａ ｇ ｅ ｓ
ＣＵＩ Ｌｉ ． ｘｉ ａ， Ｗ ＡＮＧ Ｌ ｅ
（ Ｃｏ ｌ ｌ ｅ ｇｅ ｏｆ Ｉ ｎｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎｃ ｅ ａｎ ｄ Ｉ ｎ ｆ ｏｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎｇｉ ｎｅ ｅ ｒ ｉ ｎｇ， Ｔａ ｎｇ ｓ ｈａ ｎ Ｕ ｎｉ ｖｅ ｒ ｓ ｉ ｔ ｙ，Ｔ ａ ｎ ｇｓ ｈ ａ ｎ ０ ６３ ０ ２０， Ｃｈｉ ｎａ）
崔丽霞 ， 王 蕾
（ 唐山学院 智能与信息工程学院 ， 河北 唐 山 ０ ６ ３ ０ ２ ０ ）
摘要： 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
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。
农田土壤含水率遥感监测方法的探索
农田土壤含水率遥感监测方法的探索
农田土壤含水率遥感监测方法的探索
以光学植被盖度为基本原理,依据像元点亮度值和反射率的关系推导基于ASTER数据1、2、3波段反射率的地表土壤水分模型,并将模型实际应用于研究区域,反演研究区土壤水分含量,将反演结果与从美国国家冰雪中心下载的AMSR-E地表土壤水产品进行对比分析,结果表明本次研究模型可以适用于大范围区域土壤水分遥感监测.
作者：李文莉杨长保张燕莉祝文华刘舫Li Wenli Yang Changbao Zhang Yanli Zhu Wenhua Liu Fang 作者单位：李文莉,杨长保,祝文华,刘舫,Li Wenli,Yang Changbao,Zhu Wenhua,Liu Fang(吉林大学,地球探测科学与技术学院,吉林,长春,130026) 张燕莉,Zhang Yanli(吉林省农村经济信息中心,吉林,长春,130051)
刊名：农业网络信息英文刊名：AGRICULTURE NETWORK INFORMATION 年，卷(期)：2009 ""(10) 分类号：S27 关键词：土壤含水量光学植被盖度 ASTER 反射率。
基于遥感的农田水分监测研究
基于遥感的农田水分监测研究农业作为国家的基础产业，对于保障粮食安全和社会稳定具有至关重要的意义。
而农田水分是影响农作物生长和产量的关键因素之一，及时、准确地监测农田水分状况对于农业生产的科学管理和决策制定具有重要意义。
传统的农田水分监测方法往往存在费时、费力、空间代表性不足等问题，而遥感技术的出现为农田水分监测提供了一种高效、大面积、实时的手段。
一、遥感技术在农田水分监测中的原理遥感技术是通过传感器接收来自地表物体反射或发射的电磁波信息，从而获取地表物体的特征和状态。
在农田水分监测中，常用的遥感数据源包括可见光近红外、热红外和微波等波段。
可见光近红外波段主要通过植被指数来间接反映农田水分状况。
植被在不同水分条件下，其叶片的生理结构和生化成分会发生变化，从而导致在可见光近红外波段的反射率不同。
例如，归一化植被指数（NDVI）与农田水分含量存在一定的相关性。
热红外波段则基于地表温度与水分含量的关系来监测农田水分。
水分含量较高的区域，其蒸发散热作用较强，地表温度相对较低；而水分含量较低的区域，地表温度则较高。
微波波段对水分具有较强的敏感性，能够穿透云层和植被，不受天气条件的限制，对于大面积农田水分监测具有独特优势。
二、遥感数据的获取与处理要实现农田水分的准确监测，首先需要获取高质量的遥感数据。
目前，常用的遥感卫星包括 Landsat、MODIS、Sentinel 等，这些卫星提供了不同空间分辨率、时间分辨率和光谱分辨率的数据。
在获取遥感数据后，需要进行一系列的数据预处理工作，包括辐射定标、几何校正、大气校正等，以消除数据中的误差和干扰，提高数据的质量和可用性。
对于多源遥感数据的融合，可以综合利用不同波段和传感器的优势，提高农田水分监测的精度和可靠性。
三、农田水分监测的模型与方法基于遥感数据的农田水分监测模型主要包括经验模型、物理模型和半经验半物理模型。
经验模型是通过建立遥感数据与地面实测水分数据之间的统计关系来估算农田水分含量。
- 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)。
基于遥感的农田土壤含水量面预报方法研究纪瑞鹏,班显秀,张淑杰,张玉书,冯锐,陈鹏狮（中国气象局沈阳大气环境研究所，沈阳，110016）摘要伴随着辽宁地区暖干化，农业用水紧张的矛盾日益突出，特别是旱作农业对水的依赖性越来越强。
利用22年的常规气象和农业气象观测资料，完成了辽宁5个农业气候相似区玉米作物系数(K c)和土壤供水系数(K w)的确定，并在土壤水分平衡方程和彭曼—蒙特斯公式基础上，建立了0～50厘米深耕层内土壤含水量旬预报模式。
利用NOAA气象卫星资料监测得到的农田含水量作为模式预报的初始值，在地理信息系统平台的支持下，将土壤含水量预报模式中所用参数的点状数据插值得到面状栅格数据，然后依据土壤含水量预报模式，利用地理信息系统的空间分析功能，实现了对每个像元未来旬农田土壤含水量进行的面预报。
该方法对辽宁乃至广大干旱地区的玉米农田干旱发生的预测、预警和提高农田水分利用率具有现实意义。
关键词：玉米农田，土壤水分平衡，面预报，遥感监测，地理信息系统1 引言农田土壤含水量是直接影响作物生长发育好坏及产量高低的重要因素之一。
为了有效利用土壤水资源，合理分配农业用水，发展综合节水和灌溉农业技术，做好抗旱工作，对农田土壤含水量未来变化趋势进行预报预测研究十分重要。
辽宁地处半干旱地区，玉米是全省最主要的粮食作物，播种面积约142.2万公顷，占农作物播种面积的39.2％，目前绝大部分地区玉米仍然是靠自然降水生产，产量起伏比较大。
特别是近年来，干旱灾害对辽宁玉米生产影响非常大，1998～2004年已连续发生干旱灾害，水分条件从根本上限制辽宁玉米生产，因此研究适用于本地区的农田土壤含水量预报模式和方法是当前农业气象服务迫切解决的问题。
近20年来对土壤含水量的预测研究已取得许多重要成果，国外有Thorthwaite提出的气候水分平衡的薄记法[1]，Baier等研制的通用水分平衡法[2]和Y.M安格斯坦法等[3];国内裴文祥、巫东堂、朱自玺、康绍忠[4～7]等的研究也取得许多重要结果。
目前,国内外土壤含水量预测主要分为经验公式法、水分平衡法、消退指数法、土壤水动力学法、时间序列模型法、BP神经网络法等，但有关农田土壤含水量空间无缝隙面预报方法的研究还未见报道。
本文针对辽宁地区玉米农田土壤水分运动特点，利用常规气象和农业气象观测资料，计算出辽宁5个农业气候相似区的玉米作物系数和土壤供水系数,并以水分平衡方程和彭曼—蒙特斯公式为基础，建立了辽宁地区玉米农田土壤水分旬预报模式。
利用遥感(RS)和地理基金项目：科技部农业科技成果转化项目(05EFN217400412)、辽宁省科技厅攻关项目(2001207003)和辽宁省气象局“辽宁省农业气候资源综合评价方法研究” 共同资助。
作者简介：纪瑞鹏(1972-),男,1972年出生,副研究员,在读硕士生,主要从事卫星遥感和生态环境气象研究。
信息系统(GIS)相结合的技术，通过对土壤含水量预报模式中所用参数进行克里金（Kriging）空间插值，依据农田土壤含水量旬预报模式，实现了对每个像元未来旬农田土壤含水量进行的面预报。
1 预报模式建立的依据1.1 土壤水分平衡方程玉米农田含水量的变化受诸多因素的影响，如气象要素、玉米发育期、玉米品种、土壤性质等等，其中实际降水和蒸散量是决定玉米农田土壤含水量变化的最主要因素。
在自然条件下，大气降水是辽宁玉米农田土壤水分的主要来源，而实际蒸散则是土壤水分的主要支出项。
如果忽略作物截留量和作物自身含水量等项，则土壤水分平衡方程可表示为： 0=∆−−−−+W ET D J I R （1）式中R 为降水量，I 为灌溉量，J 为地表径流量，D 为深层渗透量，ET 为农田实际蒸散量，W ∆为农田含水量变化量，以上各项单位为mm 。
若某一时段开始时(n )土壤含水量已知，则时段结束时(1+n )土壤含水量为：n n n n n n n ET D J I W R W −−−++=+1 （2）式（2）中项目较全面，若各分量均能得到精确测量或计算的话，其预测结果必然会很精确。
但在实际应用中，有些项目很难准确测定。
结合辽宁省玉米农田基本无灌溉条件的实际情况，认为深层渗漏和径流近似为零，于是玉米农田土壤含水量的变化可简化表示为： n n n n ET R W W W −=−=∆+1 （3）1.2 玉米农田土壤含水量预报时段的确定土壤中含水量在土面蒸发及棵间蒸腾双重作用下，会逐渐降低。
首先是土面变干，然后下层土壤中的水分因向上部传递输送也逐渐消耗。
通常土壤含水量估算主要是依据耕作层的水分情况，因为耕作层是玉米根系的主要活动层，只要耕作层的土壤含水量处于萎蔫系数以下，作物就进入灾危临界状态。
而生长季耕作层的含水量由适宜状态降至萎蔫系数以下，最短只需10d 左右的时间，结合农业气象墒情观测及发报实际情况，确定旬为时间单位进行农田土壤水分预报[8]。
1.3 玉米农田土壤含水量预报层次的确定农田土壤含水量是指某一时刻一定深度内土壤层实际涵有的水量，它是土壤湿度)(h θ的函数，由土壤湿度的实测值逐层计算累加而得：∑∆=h h W a )(θ。
土壤含水量随着地理位置及时间的变化而产生很明显地动态变化，需强调的是，土壤含水量与给定的计算深度有关，本文讨论土壤水的储量变化时,确定0～50厘米深度为玉米田土壤含水量预报层次[8]。
2 预报模式各分项的计算方法由式（3）分析，农田实际蒸散量（ET ）及其计算精度是计算土壤水分平衡的关键因素。
2.1玉米农田实际蒸散量的计算实际蒸散量是表征玉米在某时段内土壤水分的实际耗散量,它包括棵间蒸发和植株蒸腾两部分，一般由计算得出。
根据彭曼蒸散原理，对玉米农田实际蒸散量的估算可表征为：w c K K ET ET ⋅⋅=0 （4）式中：0ET 为可能蒸散量;c K 为玉米作物系数;w K 土壤水分供应系数。
2.1.1 可能蒸散量的计算本文采用联合国粮农组织(FAO)推荐的修正后的彭曼—蒙特斯(Penman—Monteith)公式(5)进行计算。
()()()22034.01273900408.0U e e U T G R ET d a n ++∆−++−∆=γγ （5） 式中 :0ET 为参考作物蒸散量(1−⋅dmm );Δ为平均气温时饱和水汽压随温度的变化率(⋅Kpa ℃-1);n R 为净辐射 (12−−⋅d m MJ );G 为土壤热通量(12−−⋅dm MJ );γ为湿度表常数 (⋅Kpa ℃-1);2U 为 2ｍ高处的平均风速 (1−⋅s m );a e 为达到平均气温时的饱和水汽压 (Kpa )，可查表获取;d e 为达到平均气温时的实际水汽压(Kpa )。
2.1.2 玉米作物系数的计算在利用式(4) 计算实际蒸散ET 时，首要需确定本地区的玉米作物系数。
玉米作物系数为玉米最大蒸散量与可能蒸散量的比值，即ET ET K m c = （6） 式（6）成立条件为农田水分充分供应玉米群体生长发育的需求，也就是没有水分胁迫（田间有效相对含水量≥75%）。
根据辽宁地区18个农试站1980～2002年常规气象和农业气象观测资料，利用农田水分平衡原理，确定了辽宁5个农业气候相似区的玉米作物系数旬值（表1），详细计算过程见文献[9]。
表1 辽宁各地区玉米作物系数旬值Table 1 The coefficients of corn in Lioaning时间(旬/月）上/4 中/4下/4 上/5 中/5 下/5上/6中/6下/6上/7中/7下/7上/8中/8 下/8 上/9 中/9 下/9辽宁东部 0.39 0.48 0.54 0.61 0.69 0.75 0.85 0.93 0.97 1.02 1.13 1.24 1.18 1.14 1.03 0.93 0.85 0.75 辽宁南部 0.35 0.48 0.55 0.60 0.70 0.79 0.85 0.93 0.99 1.15 1.21 1.26 1.18 1.12 1.03 0.93 0.85 0.72 辽宁西部 0.26 0.39 0.44 0.49 0.52 0.56 0.58 0.70 0.81 0.89 1.13 1.29 1.19 0.94 0.89 0.90 0.77 0.66辽宁北部 0.35 0.410.43 0.46 0.49 0.55 0.59 0.66 0.85 1.11 1.18 1.23 1.18 1.12 1.08 0.98 0.87 0.75 辽宁中部 0.37 0.39 0.44 0.48 0.52 0.57 0.63 0.75 0.91 1.14 1.21 1.29 1.20 1.12 1.07 0.99 0.87 0.802.1.3 土壤供水系数的计算实际蒸散量与土壤水分的关系比较复杂，利用申双和等研究模型)(max max c f k W W W aW W −==，a 为待定系数，通过迭代运算，从0.4～1.0之间进行循环迭代，步长为0.05;W f 为田间持水量，W c 为凋萎湿度。
求得辽宁5个农业气候相似区的临界含水量（表2）。
表2 辽宁省各地区a 值及临界有效含水量 Table 2 The cofficient a and soil critical available water content of 5 regions in Liaoning区 域 a临界有效相对含水量（%） 辽宁东部0.68 80 辽宁南部0.76 81 辽宁西部0.78 85 辽宁北部0.69 78 辽宁中部0.70 75 在计算的过程中，根据表2中的数据，把充分供水的样本点（即大于临界含水量的样本点）滤掉，建立土壤供水系数w K 的函数关系（表3），详细计算过程见文献[10]。
表3 辽宁省各地区w K 的模拟模型Table 3 The simulation models for w K in Liaoning province区 域w K 模型 2R 辽宁东部0047.04706.1+−−=c f c w w w w w K 0.8002 辽宁南部0265.03459.1−−−=c f c w w w w w K 0.9424 辽宁西部0391.03362.1−−−=c f c w w w w w K 0.6632 辽宁北部0095.04161.1+−−=c f c w w w w w K 0.8920 辽宁中部 0468.03776.1+−−=c f c w w w w w K 0.8651至此，土壤含水量预报模式中各未知项的计算方法均已确定。
3 基于RS 和GIS 土壤含水量面预报个例分析目前在实际服务与业务应用过程中，发现只对少数站点进行农田土壤含水量预报，已经不能满足农业生产现代化服务的需求。