TerraSAR-X土壤水分反演研究进展

合集下载

基于深度学习的土壤水分遥感反演技术研究

基于深度学习的土壤水分遥感反演技术研究土壤水分是影响植物生长及农业生产的关键因素之一，然而土壤水分空间和时间上的变化却相对较为复杂和难以获取。

近年来，随着遥感技术的发展和深度学习算法的广泛应用，基于深度学习的土壤水分遥感反演技术逐渐成为研究热点。

一、土壤水分遥感反演技术的现状传统的土壤水分遥感反演技术主要基于经验模型和物理模型。

经验模型主要基于统计学原理和实验数据建立的经验模型，如多元回归模型、神经网络模型等；物理模型则基于土壤水分的物理性质，如电磁学、微波散射等进行反演。

但是，这些方法在模型的构建和实施过程中存在一些局限性，如模型复杂、精度难以保证等问题。

基于深度学习的土壤水分遥感反演技术则针对传统方法的不足，通过神经网络的结构优化、特征提取及数据处理等方面的创新，提高了土壤水分的反演精度。

这种方法无需设置太多的先验知识和预定参数，而是通过大量高质量的数据学习土壤水分与遥感数据的关系，从而取得更高的准确率。

二、深度学习在土壤水分反演中的应用深度学习通常包括卷积神经网络(Convolutional Neural Network，CNN)、循环神经网络(Recurrent Neural Network，RNN)和变换器(Transformers)等。

它们可以从大量土壤水分遥感图像中学习出高性能的土壤水分反演模型，从而反演出更加精确的土壤水分信息。

其中，CNN常用于遥感图像的特征提取，它可以使用卷积层和池化层等操作，提取图像的空间特征。

此外，在反演精度上表现较好的RCNN模型则将CNN和RNN相结合，使得模型可以对时序数据进行处理，从而更准确地反演土壤水分含量。

三、深度学习的发展趋势虽然目前基于深度学习的土壤水分遥感反演技术已经取得了很大的进展，但同时也存在许多问题需要解决。

比如，如何处理遥感数据中的噪声、影像遥感分辨率等影响反演精度的问题。

未来基于深度学习的土壤水分遥感反演技术还需要继续进行算法创新和模型优化，以进一步提高模型的精度和泛化能力。

基于SAR遥感图像的土壤湿度反演算法研究

基于SAR遥感图像的土壤湿度反演算法研究随着科技的不断发展，SAR遥感技术越来越被广泛应用于土壤湿度反演。

SAR 遥感图像可以提供大范围的覆盖和高精度的数据，因此可以从遥感图像中获取土壤湿度信息，并为土壤湿度监测和预测提供便利。

一、SAR遥感图像的生成原理SAR遥感图像是通过计算机处理合成孔径雷达（SAR）接收到的回波数据生成的。

这些回波数据是由发射到地面的电磁波反射回接收器的信号。

SAR系统包含发射器、接收器、天线以及计算机等。

SAR通过收集反射信号然后通过复杂信号处理技术，可以生成高能量的图像。

其中，SAR接受到的信号是由地面反射回来的电磁波信号，它们通过计算机算法转换为灰度图像并呈现在屏幕上。

二、SAR遥感图像在土壤湿度反演中的作用SAR遥感图像可以提供大范围的土壤湿度数据。

它在土壤湿度反演中的作用主要是通过衡量回波信号的强度和相位变化，从而反演出土壤湿度的空间分布。

在SAR遥感图像中，产生电磁回波反射的地表和植被不同。

地表大多数情况下是散射体，而植被通常是单层回波体。

因此，可以对不同的 SAR图像检测出植被区域，然后通过分析地表反射信号的相位和能量将土壤湿度反演出来。

三、基于SAR遥感图像的土壤湿度反演算法基于SAR遥感图像的土壤湿度反演算法主要分为四个步骤：第一步是去除图片噪声。

由于SAR图像包含大量图像噪声，所以需要对图像进行去噪处理。

第二步是去除植被干扰。

在SAR遥感图像中，植被和土壤湿度成反比关系。

因此，需要从图像中去除植被的影响。

第三步是计算相位差。

通过计算前后两个SAR图像的相位差，可以得到土壤湿度的变化。

第四步是反演土壤湿度。

通过对相位差进行统计和分析，可以反演出具体的土壤湿度信息。

四、总结SAR遥感图像技术在土壤湿度反演中具有重要的应用价值。

SAR遥感图像的生成原理以及基于SAR遥感图像的土壤湿度反演算法，可以为土壤湿度监测和预测提供可靠的数据和方法。

此外，随着遥感技术和算法的不断发展，SAR遥感图像在土壤湿度反演中的应用将会越来越广泛。

植被覆盖地表土壤水分反演研究进展

植被覆盖地表土壤水分反演研究进展发布时间：2022-09-01T06:24:53.913Z 来源：《科学与技术》2022年8期（下）作者：冉艳艳[导读] 传统土壤水分测量手段在对大范围地表监测时会耗费较大成本，而遥感技术为大范围地冉艳艳陕西地建土地勘测规划设计院有限责任公司，陕西西安，710075；摘要：传统土壤水分测量手段在对大范围地表监测时会耗费较大成本，而遥感技术为大范围地、实时地进行土壤水分测量提供了新的解决方案。

其中，SAR技术因具有穿透性强、对土壤水分敏感等特性在土壤水分领域备受关注。

使用SAR反演土壤水分时，主要受到植被覆盖和地表粗糙度两个因素的影响，当前主要方法是选择适用的植被微波散射模型以去除植被的影响，再选择适用的裸土微波散射模型，通过模型中后向散射系数、地表粗糙度和土壤水分之间的数学关系来反演土壤水分，以消除地表粗糙度的影响。

关键词：植被含水量，植被覆盖度，水云模型0引言水是地球上最常见的物质，并且是生命存在的基本条件，被誉为“生命之源”，而土壤水作为一种水的重要载体对地表和大气有着至关重要的影响[1]。

土壤水分也被称为土壤湿度，土壤中的水分主要来自降水和人工灌溉，同时也有少部分来自地下水的上升[2]。

无论是在理论研究还是实际生产中，土壤水分都扮演了重要的角色。

在理论研究中，土壤水分对地球生态系统中的水、碳和能量的循环有重要的影响，同时土壤水分对地表的蒸腾、散发作用有很强的控制作用，在研究全球尺度的生态循环时，土壤水分也是至关重要的影响因子[3]；土壤中的水分是土壤中微生物生存所必需的物质来源，也是地表动植物重要的能量来源，直接地影响地表植被的生长情况；在建立生态环境评价系统时，土壤水分也可以作为重要指标参与评定生态的稳定性[3]。

另外，大范围的土壤水分产品在解决水循环、水文和植被生长等方面的问题时有重要作用。

1 国内外研究现状利用主动微波遥感技术估算地表的土壤水分已经有了几十年的研究历史，国内外学者经过了大量实验研究发现SAR反演土壤水分的精度主要受到植被覆盖和地表粗糙度的影响。

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６．９３８．９ＧＨｚ被动微波Ｌ波段（１．４ＧＨｚ）被动微波Ｌ波段（１．２１．４ＧＨｚ）主被动微波微波成像仪多源数据空间分辨率Ｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ１２．５ｋｍ，２５ｋｍＬｅｖｅｌ２：２５ｋｍＬｅｖｅｌ３：１２ｋｍ１５２１７０ｋｍ３５ｋｍ３４０ｋｍ５０ˑ８５／２５ｋｍ２５ｋｍ时间分辨率Ｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎ３ｄ２次／ｄ１３ｄＬｅｖｅｌ３：１ｄ／３ｄ／１０ｄ／月３ｄ２次／ｄ１０ｄ／月１ｄ时间序列Ｔｉｍｅｓｅｒｉｅｓ２００７至今２００２２０１０２０１３至今２０１０至今２０１５至今２０１１至今１９７９至今反演精度Ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ０．０３０．０７ｍ３／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２００２２０１１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。

C波段多极化SAR反演土壤水分研究

ａｄｓｌｏｔｒｃｎｅｔｅｅｅｔｌｈｄ【ｅｕ Байду номын сангаас ｉｉｏｏｔｅｄｔａｄｔｅｏｓｒａｏａｏａａｎｉｍｉｕｅｏｔｒｓｂｉｅ．ＲｓｌＦｔｇｓｌｉｕａｎｂｅｔｎｄｔｆｍｒｒｏｓｎｗａｓｔｔｎｉｍｓｒａｈｖｉａｒｄ
ｃｅｉｅｔｎＨｆｅｓｉｍｉｕｅｉｄｅｎｐｌｚｔｎｍｄ．ＭｅｈｄＢｓｄｏｉｅｎｓｒｃｉｏａｅｏｆｃｎａｄＳｒｃｏｏｔｉｒｔｏｒａｏｏｅ【ｔｏ】ａｅｎｄｒｔｕｆｅｍｃｗｖｆｉａｌｓｒｎｆｅａｉｉｆｅａｒ
ＬｂｒｏＯｓｃｏｙ，ｎｔＥｕａｉ－Ｕｕｑ８０４，Ｃｉ）ａｏａｒｏａｉＥｏｇＭｉｓｙｏｄｃｔｎｒｍｉ３０６ｈｎｔｙｆｓｌｉｒｆｏａ
Ａｓａｔ【ｂｅｔｅＴｅｐｅｅｔｔｄａｄｓｎｄｔｅａｃｅｔｅｒｌｉｓｉｂｔｅｎｒｄｒａｋｃｔｒｂｔｃ：Ｏｊｃｉ】ｈｒｎｓｙｗｓｅｉｅｘｍｎｅｔｎｈｐｅｅａａｂｃｓａｅｒｖｓｕｇｏｈａｏｗｔ
（．ｏｅｅｏｅｕｃａｄＥｖｏｍｎｌｃｎｅ，ＸｎａｇＵｉｒｔ，Ｕｕｑ８０４，Ｃｉ２Ｋｙ１ＣｌｇＲｓｒｎｎｉｎｅｔｉｃｌｆｏｅｒａＳｅｉｉｎｅｉｊｎｖｓｙｒｍｉ３０６ｈｎａ；．ｅ
摘
要：目的】究不同极化方式下雷达后向散射系数与地表土壤含水量之间的关系。【法】分析不同地【研方在

基于SAR遥感数据的农田土壤湿度遥感反演方法研究

基于SAR遥感数据的农田土壤湿度遥感反演方法研究第一章绪论近年来，随着遥感技术的发展，越来越多的农业领域开始使用遥感数据来监测农田土壤湿度。

土壤湿度是一个重要的指标，它对作物的生长和发展具有重要作用。

通过对农田土壤湿度的实时监测，可以为农民提供针对性的灌溉方案，提高农业生产效率，降低水资源的浪费。

而SAR遥感技术可以在晴雨无法测量的环境下获得土壤湿度信息，因此成为了农田土壤湿度遥感反演的重要手段。

本文将通过分析SAR遥感技术的原理和农田土壤湿度的特点，提出针对土壤湿度反演的方法。

第二章 SAR遥感技术原理SAR遥感技术是一种主要用于测量地球表面物体的微波辐射能的技术。

其工作原理是通过向目标物体发送微波脉冲信号并接收回波，来获取目标物体的空间信息。

由于微波辐射能可以穿透云层，雨雪以及植被等覆盖物，因此SAR遥感技术具有天气无关性和高分辨率的优点。

SAR遥感数据的图像主要由两个部分构成：一是强度图像，即以回波强度为灰度的图像；二是相位图像，即以回波相位为灰度的图像。

由于土壤湿度会影响微波辐射的传播，因此，SAR遥感数据中的强度图像和相位图像反映了土壤湿度的信息。

第三章农田土壤湿度特点分析农田土壤湿度是指土壤中含水量的大小。

它对植物的生长和发展有直接影响。

为了提高农业生产效率，土壤湿度的监测和控制非常重要。

农田土壤湿度的特点主要有以下几个方面：（1）时间和空间变化快，需要实时监测；（2）受气象条件和人为干扰等因素的影响较大，其空间分布不均匀；（3）与土壤微生物群落、孔隙度等因素密切相关，具有复杂性质。

第四章基于SAR遥感数据的农田土壤湿度反演方法基于SAR遥感数据的农田土壤湿度反演方法，可以分为基于回波强度的方法和基于回波相位的方法。

4.1 基于回波强度的方法回波强度和土壤湿度之间的关系通常使用散射系数来描述。

散射系数是SAR遥感数据中强度图像的物理量，可以反映出目标物体对微波辐射能的散射强度。

SAR遥感图像中的散射系数和土壤湿度之间存在一定的相关性，因此可以通过监测散射系数来估算农田土壤湿度。

多极化、多角度SAR土壤水分反演算法研究

多极化、多角度SAR土壤水分反演算法研究一、本文概述Overview of this article随着遥感技术的快速发展，合成孔径雷达（SAR）在土壤水分监测领域的应用日益广泛。

SAR以其全天时、全天候的观测能力，为土壤水分的反演提供了有效的数据源。

然而，由于SAR信号受到地表散射、雷达参数、入射角等多种因素的影响，使得SAR土壤水分反演成为一个复杂的问题。

因此，研究多极化、多角度SAR土壤水分反演算法，对于提高土壤水分反演的精度和稳定性具有重要意义。

With the rapid development of remote sensing technology, the application of Synthetic Aperture Radar (SAR) in soil moisture monitoring is becoming increasingly widespread. SAR provides an effective data source for soil moisture inversion with its all-weather and all-weather observation capabilities. However, due to the influence of various factors such as surface scattering, radar parameters, and incidence angle on SAR signals, SAR soil moisture inversion has become a complex problem. Therefore, studying the multi polarization and multiangle SAR soil moisture inversion algorithm is of great significance for improving the accuracy and stability of soil moisture inversion.本文旨在研究多极化、多角度SAR土壤水分反演算法。

土壤水分遥感反演研究进展

土壤水分遥感反演研究进展一、本文概述Overview of this article随着遥感技术的快速发展，其在土壤水分监测方面的应用日益广泛，成为研究土壤水分动态变化的重要手段。

土壤水分遥感反演，即通过遥感手段获取地表土壤水分信息的过程，已成为遥感科学与农业科学交叉领域的研究热点。

本文旨在综述土壤水分遥感反演的研究进展，探讨不同遥感数据源、反演算法及其在实际应用中的优缺点，为进一步提高土壤水分遥感反演的精度和效率提供参考。

With the rapid development of remote sensing technology, its application in soil moisture monitoring is becoming increasingly widespread, becoming an important means of studying the dynamic changes of soil moisture. Remote sensing inversion of soil moisture, which is the process of obtaining surface soil moisture information through remote sensing methods, has become a research hotspot in the intersection of remote sensing science and agricultural science. This article aims to review the research progress of soil moisture remotesensing inversion, explore different remote sensing data sources, inversion algorithms, and their advantages and disadvantages in practical applications, and provide reference for further improving the accuracy and efficiency of soil moisture remote sensing inversion.本文首先介绍了土壤水分遥感反演的基本原理和方法，包括遥感数据源的选择、预处理、反演算法的设计与实施等。

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。

土壤水分遥感反演研究现状

土壤水分遥感反演研究现状作者：刘贤来源：《大经贸》 2020年第3期刘贤成都理工大学地球科学学院四川成都 610059【摘要】土壤水分（Soil Moisture, SM）在气候系统中起着重要作用，影响大气条件、水文过程和植被状态。

为了改善天气和气候预报以及水文模拟，需要对土壤水分进行监测。

本文将从基于遥感数据的土壤水分的反演具有更大的实用性入手，简要回顾了经典的土壤水分反演的算法，重点介绍基于光学遥感和基于光学遥感与微波遥感的协同反演土壤水分的最新研究，以及利用神经网络等新的技术方法进行土壤水分反演进展，通过分析各种算法的研究进展，展望土壤水分反演研究的发展前景。

【关键词】土壤水分遥感反演研究现状1 引言土壤的水分状态和变异性控制着许多水文和生态过程以及土地表面与大气之间的能量和水交换[1]。

土壤水分在陆地表面发生的水和能量交换起着重要作用。

相较于传统的基于站点的土壤水分观测、基于气象数据和基础地理数据的土壤水分计算与模拟，基于遥感数据的土壤水分反演具有更大实用性。

20世纪60年代学者开始利用遥感方法监测土壤水分，微波遥感监测土壤水分也已有30多年的历史，已逐渐发展形成了一些比较成熟的评价指数和算法。

本文将简要介绍土壤水分反演算法的研究现状。

2 土壤水分反演方法2.1 基于光学遥感反演土壤水分的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。

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指数来反映土壤含水量。

地表温度（LST）和植被指数（NDVI）都是反映地表土壤水分的重要生态物理参数，因此，LST和NDVI组合方法成为土壤含水量的一种重要手段[2]。

Hope[3]利用LST与NDVI的比值定义温度植被指数来定量反演土壤含水量，该方法是目前应用广泛的土壤水分遥感监测方法。

温度植被干旱指数（Temperature Vegetation Dryness Index, TVDI）是一种通过反演土壤水分来反映土壤干旱状况的重要方法[4]。

从卫星TerraSAR-X图像反演海面风场和海表流场方法研究的开题报告

从卫星TerraSAR-X图像反演海面风场和海表流场方法研
究的开题报告
一、研究背景
海洋是地球上最广阔的生态系统之一，其中海面的风场和海表的流场是海洋环流和气候变化的重要因素。

在遥感技术的发展和卫星数据的广泛应用下，反演海面风场和海表流场的研究引起了广泛关注。

TerraSAR-X是一颗德国合成孔径雷达（SAR）卫星，具有极高的空间分辨率和覆盖范围，能够对海洋表面进行高精度遥感观测，成为反演海面风场和海表流场的重要数据来源。

二、研究目的
本研究旨在探究基于TerraSAR-X卫星数据反演海面风场和海表流场的方法，并深入探讨其应用于海洋环流和气候变化研究中的潜在价值。

三、研究内容
1.基于TerraSAR-X的海面风场反演方法研究
利用TerraSAR-X卫星数据，选取不同风速和风向条件下的图像，分析海面散波辐射特征，建立海面散波分析模型，并通过模型反演得到海面风场信息。

2.基于TerraSAR-X的海表流场反演方法研究
利用TerraSAR-X卫星数据，选取不同的潮汐、盐度和温度条件下的图像，分析海表散波辐射特征，建立海表散波分析模型，并通过模型反演得到海表流场信息。

3.反演数据的验证和应用研究
将反演得到的海面风场和海表流场数据与其他地面测量数据进行比对和验证，评估其精度和可靠性，并通过数据应用研究探究其在海洋环流和气候变化研究中的应用价值。

四、研究意义
本研究能够为海洋环流和气候变化研究提供新的数据来源和分析手段，提高反演海面风场和海表流场的精度和可靠性，丰富对海洋运动和气候变化的认识，为推动海洋科学的发展做出贡献。

光学与ＳＡＲ遥感协同反演植被覆盖区土壤含水量

光学与ＳＡＲ遥感协同反演植被覆盖区土壤含水量作者：杨晶晶邓清海李莎张丽萍陈桥孙桂宗孙振洲来源：《人民黄河》2023年第11期摘要：在进行土壤含水量反演时，单纯使用传统遥感反演模型很难有效消除干扰因素。

以山东省东营市为研究区，基于光学遥感与合成孔径雷达（ＳＡＲ）数据，采用植被光谱指数修正水云模型中的植被含水量，并将修正后的水云模型与高级积分方程模型（ＡＩＥＭ）耦合，以消除植被含水量和土壤粗糙度对土壤含水量反演结果的影响，从而达到提高遥感模型反演土壤含水量精度的目的。

结果表明：基于比值植被指数（ＳＲ）的二次函数修正水云模型后，与ＡＩＥＭ模型耦合反演土壤含水量的精度最高，决定系数大于０．５，均方根误差（ＲＭＳＥ）小于等于２．２９０；土壤含水量在空间上呈现西北部大，向南逐渐减小的连续空间分布特征，该耦合模型具有普适性。

关键词：植被光谱指数；植被含水量；ＡＩＥＭ模型；多源遥感协同反演中图分类号：Ｓ５１２．１１；Ｓ１５２．７；Ｓ１２７文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－１３７９．２０２３．１１．０２０引用格式：楊晶晶，邓清海，李莎，等．光学与ＳＡＲ遥感协同反演植被覆盖区土壤含水量［Ｊ］．人民黄河，２０２３，４５（１１）：１０６－１１０．旱情监测是农作物产品估值研究等的基础［１］。

近几十年来，多源遥感对地监测技术迅速发展，突破了传统土壤含水量监测的局限性，使得大面积连续土壤含水量监测成为可能［２］。

微波遥感技术可以穿透地表植被覆盖对地进行监测，并利用微波信号与土壤物理性质之间的高度相关性，灵敏地探测土壤含水量的动态变化［３］。

基于此，有学者利用可见光、短红外、近红外图像结合微波探测技术，研究得出了一系列反演土壤含水量模型，如常用的水云模型（ＷＣＭ）、Ｄｕｂｏｉｓ模型以及高级积分方程模型（ＡＩＥＭ）［４］等，其中ＷＣＭ模型被广泛应用于植被覆盖区土壤含水量反演、ＡＩＥＭ模型可以去除地表粗糙度对土壤含水量反演效果的影响。

基于探地雷达的矿区复垦土壤水分精准反演

基于探地雷达的矿区复垦土壤水分精准反演摘要土壤水分是影响矿区复垦植被恢复的重要因素之一。

为了准确反演土壤水分，并为矿区复垦提供科学依据，本文采用探地雷达技术进行复垦土壤水分精准反演。

首先，对矿区复垦植被恢复现状进行调查和分析，确定了研究区域和样点；其次，采集并处理了研究区域的探地雷达数据，提取了反射强度和时延信息；接着，采用遗传算法和人工神经网络方法结合，建立了复垦土壤水分反演模型；最后，采用实测数据验证了模型的准确性和稳定性。

研究结果表明，探地雷达技术可以较为准确地反演土壤水分，为矿区复垦提供了科学依据，具有广阔的应用前景。

关键词：探地雷达；矿区复垦；土壤水分；反演模型；遗传算法；人工神经网络1. 引言矿区复垦是中国面临的重要任务之一。

复垦土壤水分是恢复植被的关键，对于矿区生态环境的恢复和建设至关重要。

而传统的土壤水分采样和检测方法不仅耗时耗力，而且精度不高、空间覆盖面积小，无法满足大面积的复垦土壤水分监测需求。

探地雷达技术具有非接触、无损、快速、高精度等特点，是一种较为成熟的土壤水分反演方法。

然而，目前探地雷达反演土壤水分的应用仍然受到一定限制，因此开展此项研究有着非常重要的意义。

2. 研究方法2.1 研究区域和样点的选取本研究选择某矿区复垦区作为研究对象，该区域被分为5个小区域，每个小区域选取约20个样点，共计100个样点。

样点选取原则为：覆盖不同地形和植被类型，避免有碎石等物料的影响。

2.2 探地雷达数据的采集和处理选用SIR-20探地雷达进行数据采集，采集时使用矩形探头，采集频率为500MHz，采集时长为200ns。

采集结束后，对原始数据进行去噪、滤波、反演等处理，得到反射强度和时延信息，作为土壤水分反演的依据。

2.3 复垦土壤水分反演模型的建立本研究采用遗传算法和人工神经网络相结合的反演模型。

首先，采用遗传算法优化反演模型的初始参数，得到最优模型参数；接着，采用人工神经网络模型对土壤水分进行反演，得到基于探地雷达反演土壤水分的模型。

土壤水力学参数数值反演方法研究进展

土壤水力学参数数值反演方法研究进展周晓冰（青岛大学，山东青岛266071）摘要：数值反演方法是一种间接测定土壤水力学参数的方法。

本文介绍了数值反演方法发展的历程和该法使用中存在的问题以及解决方法。

关键词：土壤水力学参数；间接方法；数值反演中图分类号：P627文献标识码：A 文章编号：1671-1602（2018）09-0132-01土壤水力性质是水分运动方程的重要参数，主要包括水力传导率K (θ)、土壤水分特征曲线θ(h )等。

其中水力传导率K (θ)决定了水和溶质在土壤中的运移速率，土壤水分特征曲线表示土壤水分含量与压力水头的函数关系，是建立土壤水分运动数学模型的基础，这些参数的可靠性直接影响着水分运动模型预测的准确性[1]。

尽管有许多实验室和田间方法可以用来确定包气带中以土壤水分特征曲线和非饱和水力传导率为代表的土壤水力性质，但大多数方法需要静态或稳态流条件来满足相应分析方法的假设或需要较精密的仪器，这使得测量耗时耗力，可行性不高。

因此，人们开始发展间接的方法来估计及土壤水力性质。

间接方法有土壤转换函数法、物理-经验法、分形几何法、土壤形态学法和数值反演方法等[2]。

数值反演方法具有以下优点：（1）不需要精密的测量仪器；（2）在初始和边界条件上比直接方法方法更加灵活，不需要达到稳态；（3）可以从单个瞬态流实验同时估算土壤水分特征曲线和非饱和导水率函数；（4）为优化参数提供置信区间，因此受到研究者的关注。

反演方法估计土壤水力性质参数在国外已有较长时间的研究。

反演方法首先由Gardner [3]应用于压力板出流方法，将饱和的土样置于密闭压力室的多孔板上，并逐步对其进行加压，在每次压力增加后测量出流量直至平衡，以此计算水力传导率和扩散率。

Whisler 和Watson [4]（1968）首次提出应用计算机模型估算土壤水力参数，他们通过匹配土壤排水流量的模拟值和实测值估计了土壤的非饱和导水率。

Zachman [5]等人（1981）使用土壤排水数据进行模拟表示，如果累计排水量与预测量值相吻合，则可获得最佳优化参数结果。

卫星遥感反演土壤水分研究综述

卫星遥感反演土壤水分研究综述
x
《卫星遥感反演土壤水分研究综述》
卫星遥感反演土壤水分研究综述是一篇有关土壤水分遥感反演
的研究文章，主要探讨了土壤水分遥感反演的历史、技术及其技术要素，以及使用卫星遥感反演土壤水分的方法与挑战。

土壤水分的遥感反演始于20世纪60年代，随着卫星上的技术的发展，对土壤水分的遥感反演越来越成熟，并且非常普及。

土壤水分遥感反演的技术可分为定性技术、定量技术和模型技术，它们各自通过不同的方法来反映土壤水分的状态。

定性技术和定量技术均基于空间分辨率，通过捕捉土壤水分反射特征的影像特征，进行定性和定量分析，从而得出土壤水分的状况。

模型技术则通过建立模型，根据其他相关变量，如土壤物理性质、气候因子、植物参数和地形特征，来反映土壤水分的分布状况，可以更加准确地反映土壤水分的状况。

卫星遥感反演土壤水分可以帮助农业和水资源管理人员了解当
前的土壤水分状况，为有效地管理水资源提供参考。

使用卫星遥感反演土壤水分的方法有多种，但仍存在许多挑战，包括数据稀缺性、反演技术分辨率限制、反演技术复杂性以及反演模型不确定性等。

因此，要想更好地利用卫星遥感反演土壤水分，必须创新反演技术，建立更精确、更准确的模型，优化数据采集，以及研究不同地区不同时间的土壤水分状况，以实现对土壤水分的准确反演。

总之，卫星遥感反演土壤水分是一项关键的研究，对土壤水分的
遥感反演技术更新和完善是持续发展的关键，本文主要讨论了土壤水分遥感反演的历史、技术及其技术要素，以及使用卫星遥感反演土壤水分的方法与挑战，为今后研究和发展提供了一定的理论基础。

土壤水分遥感反演研究进展-国家林业局调查规划设计院

ＰｒｏｇｒｅｓｓｏｆＲｅｓｅａｒｃｈｏｎＲｅｔｒｉｅｖａｌｏｆＳｏｉｌＭｏｉｓｔｕｒＢａｓｅｄｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇ
ＸＵＰｅｉ，ＺＨＡＮＧＣｈａｏ
（ＳｏｕｔｈｗｅｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５０２２４，Ｃｈｉｎａ）
２０１５年８月第４期
林业资源管理ＦＯＲＥＳＴＲＥＳＯＵＲＣＥＳＭＡＮＡＧＥＭＥＮＴ
Ａｕｇｕｓｔ２０１５Ｎｏ４
土壤水分遥感反演研究进展
徐㊀沛，张㊀超
（西南林业大学，昆明６５０２２４）
摘要：近年来，随着人们对全球气候变化的逐渐重视，环境遥感领域中的土壤水分遥感反演技术已成为研究热点和前沿之一。通过对区域宏观土壤水分进行遥感反演，对于研究植被生长状况、农作物生长发育及产量预估、气候变化及环境响应机制等提供基础依据，具有重要的理论意义。在广泛了解和分析国内外土壤水分遥感反演研究进展的基础上，分别从可见光－近红外法、热红外法和微波遥感法３个方面总结和归纳了目前土壤水分遥感反演的主要方法，分析了各方法的原理与特点，讨论了国内外在该领域研究方面存在的主要技术问题，最后从４个方面对基于遥感技术的土壤水分反演研究进行了展望。关键词：土壤水分；反演模型；光学遥感；微波遥感中图分类号：Ｓ７７１８㊀文献标识码：Ａ㊀文章编号：１００２－６６２２（２０１５）０４－０１５１－０６ＤＯＩ：１０．１３４６６／ｊ．ｃｎｋｉ．ｌｙｚｙｇｌ．２０１５．０４．０２６

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分胡蝶;郭铌;沙莎;王丽娟;李巧珍;王静;刘伟刚【摘要】利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化（VV/VH）组合模型反演土壤水分并进行对比验证。

结果表明：水平、垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0．74；受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低。

交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0．75，而与0～10 cm和20～30 cm实测值的相关性较低（R值分别为0．47和0．52），但均通过α＝0．05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46（通过α＝0．01的显著性检验），校正后的结果有效提高了WET仪器测量精度。

交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20 cm土壤含水量信息。

%In this study,the relationships between the homology polarization backscattering coefficient and the soil moisture at different depths were analyzed based on the Radarsat-2 SAR data and the soil moisture observational data by using soil-drilling method and the WET sensor in Dingxi area,and the soil moisture from SAR was retrieved by using the cross polarization (VV/VH)combination model and validated with the measurement value.The results displayed that the horizontal and vertical polarization backscattering coef-ficients had the best correlation with soil water content at 10-20 cm depth,and their correlation coefficients R were all 0.74.Howev-er,they were not significantly correlated to soil watercontent at 0-10 cm depth due to the influence of surface roughness and soil tex-ture.The soil moisture from SAR simulated by the cross polarization combination model was significantly correlated to the measured value at 10-20 cm depth,and the correlation coefficient R was0.75,while it was lower correlated with the measured soil moisture at 0-10 cm and 20-30 cm depths,and the correlation coefficients were 0.47 and0.52,respectively,which only passed 0.05 signifi-cance test.In additional,the correlation coefficient between corrected soil moisture measured by WET sensor at 0-6 cm depth and the simulation value was 0.46 (passed 0.01 significance test),and the calibration result improved effectively the measuring accuracy by WET sensor.So the cross polarization combination model could be used to retrieve the bare soil moisture,especially for 10 -20 cm depth soil moisture.【期刊名称】《干旱气象》【年(卷),期】2014(000)004【总页数】8页(P553-559,581)【关键词】Radarsat-2 SAR;定西;裸露地表;土壤水分反演【作者】胡蝶;郭铌;沙莎;王丽娟;李巧珍;王静;刘伟刚【作者单位】中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州730020;甘肃省定西市气象局，甘肃定西 743000;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020【正文语种】中文【中图分类】S152.7引言土壤水分(即土壤湿度、土壤含水量)在陆地—大气之间水分和能量交换的过程中扮演着非常重要的角色。

TerraSAR-X土壤水分反演研究进展

基于深度学习的土壤水分遥感反演技术研究

基于SAR遥感图像的土壤湿度反演算法研究

植被覆盖地表土壤水分反演研究进展

土壤水分遥感反演研究进展

C波段多极化SAR反演土壤水分研究

基于SAR遥感数据的农田土壤湿度遥感反演方法研究

多极化、多角度SAR土壤水分反演算法研究

土壤水分遥感反演研究进展

农业旱灾监测中土壤水分遥感反演研究进展

土壤水分遥感反演研究现状

从卫星TerraSAR-X图像反演海面风场和海表流场方法研究的开题报告

光学与ＳＡＲ 遥感协同反演植被覆盖区土壤含水量

基于探地雷达的矿区复垦土壤水分精准反演

土壤水力学参数数值反演方法研究进展

卫星遥感反演土壤水分研究综述

土壤水分遥感反演研究进展-国家林业局调查规划设计院

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分

光学与ＳＡＲ遥感协同反演植被覆盖区土壤含水量