基于多光谱数据的植被水分反演及其在旱情评估中的应用分析
基于Hyperion高光谱数据的植被冠层含水量反演
范 围获取植被含水量信息提供有效方 法。
关键词 Ｈｙ ｐ ｅ ｒ ｉ ｏ ｎ ； Ｐ Ｒ ＯＳ ＡＩ Ｌ模型 ；一阶导数 ； 植被冠层含水量
文献标识码 ： Ａ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ４ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ０ ５ ９ ３ （ ２ ０ １ ３ ） １ ０ — ２ ８ ３ ３ — ０ ５
（ 图 １ ） 。
由于物理意义明确 ， 综 合考 虑 了叶片、冠层 、土壤和 观测 几
何 角度等因素 ， 相对 于单一 的光谱指数 ， 能 够获得更 高 的反 演 精度 ， 从 而被广 泛应 用于冠层生化 参数反 演 中Ｌ ４ Ｊ 。目前 广
１ ． ２ 卫星数据
泛应用于反演冠层含水量 的物理模 型是基 于辐射 传输 方程的 叶片与冠层耦合模型 Ｐ Ｒ ０ｓ Ａ Ｉ Ｉ ［ ５ ］ 。如 Ｃ ｌ ｅ ｖ ｅ ｒ ｓ 等基于地 面站 点 ＡＳ Ｄ地 物 光谱 仪 数据 ，研 究 了冠 层含 水 量 的 反演Ｌ ６ ’ ７ １ ；
黑 河流域是 我国西北 地区第 二大内陆流域 ，位于河西走
廊 中部 ， 为甘蒙西部最大 的内陆河流域 。 ２ ０ ０ ８ 年 夏季在黑河
流域中游开展了干旱区水文试验 ， 本文选择盈科 绿洲加密观
测 区 作 为 研 究 区 ，其 位 于 盈 科 灌 区 绿 洲 站 自动 气 象 站 （ １ ０ ０ ． ４ ２ Ｅ， ３ ８ ． ８ ５ Ｎ） 周 边 ，植 被类 型 主要 为 玉米 和小 麦 Ｌ ９ ］
基于无人机光谱遥感的棉花干旱胁迫状况监测
基于无人机光谱遥感的棉花干旱胁迫状况监测基于无人机光谱遥感的棉花干旱胁迫状况监测概述随着全球气候变暖和水资源短缺的影响日益显著，农作物干旱胁迫状况监测变得越来越重要。
在农业中，棉花作为重要的经济作物之一，对干旱胁迫的敏感性较高。
因此，本文旨在探讨如何利用无人机光谱遥感技术监测棉花干旱胁迫的状况。
一、棉花干旱胁迫的影响干旱胁迫对棉花生长和产量产生了严重的影响。
当植物受到干旱胁迫时，水分供应不足，导致植物体内水分亏缺，进而影响植物的生理代谢过程。
棉花的生长速度减缓，根系生长受限，从而限制了其吸收养分的能力。
此外，干旱胁迫还会引起植物的叶片水分蒸腾加剧，导致叶片的变形、黄化和干烧。
棉花干旱胁迫严重影响了农民的收入和粮食安全。
二、基于无人机的光谱遥感技术无人机光谱遥感技术是一种通过无人机飞行，并利用其载荷的多光谱传感器获取地面目标光谱信息的技术。
为了监测棉花干旱胁迫的状况，通过无人机搭载的多光谱相机可以获取棉花植株的反射光谱。
光谱信息可以反映植物的生理状况和含水量。
通过对不同波段光谱的分析和处理，可以获取与棉花干旱胁迫相关的指标。
三、棉花干旱胁迫的光谱响应指标研究表明，不同波段的光谱响应可以用于反映棉花的干旱胁迫状况。
其中，常用的光谱指标包括归一化植被指数（NDVI）、绿光指数（GI）和差异比较水指数（DVI）等。
这些指标可以通过无人机获取的多光谱图像进行计算和提取，进而反映棉花的生长状况和干旱胁迫水平。
四、无人机光谱遥感在棉花干旱胁迫监测中的应用利用无人机光谱遥感技术可以实现对大范围棉花田块的高效监测。
通过载荷的多光谱相机获取的数据，可以在极短的时间内覆盖广阔的地域范围，并且可以进行高空、低空和斜角多角度的观测。
这些优势使得无人机光谱遥感技术适用于棉花干旱胁迫的监测。
五、在无人机遥感监测中的挑战和解决方案尽管无人机光谱遥感技术在棉花干旱胁迫监测中具有巨大的潜力，但仍然面临一些挑战。
首先，如何处理大量的光谱数据并提取有效信息是一个挑战。
基于植被供水指数的旱区土壤湿度反演方法研究
基于植被供水指数的旱区土壤湿度反演方法研究作者：杨彦荣胡国强来源：《现代电子技术》2019年第02期关键词：土壤湿度; 地表温度; 植被供水指数; MODIS; 遥感反演; 植被指数中图分类号： TN911.23⁃34 ; ; ; ; ; ; ; ; ; ; ; ;文献标识码： A ; ; ; ; ; ; ; ; ; ;文章编号：1004⁃373X（2019）02⁃0138⁃05Research on soil moisture retrieval method based on VSWI for drought regionYANG Yanrong， HU Guoqiang（Network & Education Technology Center， Northwest A&F University， Yangling 712100， China）Abstract： The vegetation supply water index （VSWI） is an efficient index for drought research， and an important method for regional soil moisture retrieval. Parameters of normalized difference vegetation index （NDVI）， modified soil⁃adjusted vegetation index （MSAVI），enhanced vegetation index （EVI） and land surface temperature （Ts） are extracted by using the MODIS data， so as to build the VSWI， MSAVI⁃based VSWI （VSWI⁃M） and EVI⁃based VSWI （VSWI⁃E）. The soil moisture retrieval effects using the three indexes are compared. On this basis， the mixed VSWI （MVSWI） model based on sub?regions and NDVI threshold is built. The actual moisture measured data of 20 cm of soil is used to verify the model. The RE and RMSE results show that the MVSWI model has a good accuracy， which can be used for soil moisture estimation.Keywords： soil moisture; land surface temperature; VSWI; MODIS; remote sensing retrieval; vegetation index土壤湿度是进行农业旱涝监测的重要指标，并与气候、环境有十分紧密的联系，利用遥感技术进行大区域土壤湿度监测是目前研究的重点。
作者姓名：阿布都瓦斯提·吾拉木
作者姓名：阿布都瓦斯提·吾拉木论文题目：基于n维光谱特征空间的农田干旱遥感监测作者简介：阿布都瓦斯提·吾拉木，男，1975年2月出生，于2006年7月获北京大学理学博士学位。
2006年12月至今任美国圣路易斯大学环境科学中心Geospatial Analyst/Research Professor。
中文摘要农田生态系统是一个水分、土壤、植被、大气等诸多因素耦合的复杂系统（SPAC，Soil-Plant-Atmosphere Continuum）。
在农田生态系统水循环中，水分亏缺的积累使农田供水量在一定的时间段内不能满足作物需水量，导致农田干旱的发生。
农田干旱直接和间接地影响人类生存、社会稳定、农业生产、资源与环境可持续发展。
正确评价或预防农田干旱，对促进农业生产和区域可持续发展具有重要的现实意义。
遥感具有客观反映农田水分时空变化的监测能力。
国内外农田遥感干旱监测研究表明：在复杂地表环境下，单纯采用可见光、近红外、热红外或微波波段都无法全面、准确反映农田水分信息，其方法在农田水分监测中暴露出诸多问题，如水分监测的滞后效应、模型复杂、参数的不确定性和过度依赖于田间和气象观测资料等，不能适应全面、动态的农田干旱监测与农田水分信息提取的迫切需求。
利用定量遥感方法，实现准确的农田干旱信息提取一直是遥感应用领域亟待解决的重要科学问题之一。
基于多维光谱特征空间的农田干旱信息提取，可以综合多源遥感的优势，为干旱监测提供更丰富、更高分辨率的农田水分信息，有望去除以往的遥感干旱模型带来的监测效果滞后、模型复杂、参数的不确定性等问题，形成农田干旱遥感监测新方法。
本论文以可见光近红外2维光谱空间干旱建模为切入点，通过加入短波红外，进一步拓宽遥感干旱监测的波段和地表生态物理参数，构建了反演土壤水分、叶片/冠层含水量（EWT）和叶片/冠层相对含水量（FMC）等参数的遥感模型，针对农田干旱最关键的两个指标土壤水分和叶片/冠层含水量，建立了多个干旱监测模型，形成了以n维光谱特征空间为基础的农田遥感干旱监测的新方法。
基于无人机多光谱遥感的土壤含水率反演模型研究
基于无人机多光谱遥感的土壤含水率反演模型研究基于无人机多光谱遥感的土壤含水率反演模型研究摘要：土壤含水率是土壤中水分与干重的比值，是土壤水分状况的重要指标。
传统的土壤含水率测量方法常常受到时间、空间和经济成本的限制，限制了对土壤含水率的实时监测和准确反演。
随着遥感技术的发展，无人机多光谱遥感成为一种潜力巨大的手段，可以快速、高分辨率地获取大面积土壤含水率信息。
本文通过对无人机多光谱遥感的土壤含水率反演模型研究，探讨如何利用无人机多光谱遥感数据反演土壤含水率的方法和技术。
1. 引言土壤含水率是土壤水分状况的重要指标，对农业、水资源管理和环境保护等领域具有重要意义。
传统的土壤含水率测量方法包括野外土样挖取和实验室测量、土壤探针测量等，这些方法存在时间和经济成本高、测量精度低等问题。
随着遥感技术的进步和无人机应用的普及，无人机多光谱遥感技术成为一种有潜力的土壤含水率反演手段。
2. 无人机多光谱遥感无人机多光谱遥感指的是利用无人机搭载的遥感仪器，通过获取地表各个波段的光谱信息来推断地物参数。
无人机多光谱遥感具有高分辨率、全天候、大范围和高时效性等优点，可以提供较为精确和全面的土壤信息。
3. 土壤含水率反演模型研究针对无人机多光谱遥感数据反演土壤含水率，研究人员从不同的角度探索了多种反演模型。
首先，基于传统统计学方法，借助统计学的原理和方法来建立土壤含水率与无人机多光谱遥感数据之间的关系。
其次，基于机器学习方法，如支持向量机（SVM）、人工神经网络（ANN）等，通过对大量土壤含水率和无人机多光谱遥感数据进行训练和学习，建立模型进行预测和反演。
最后，基于物理模型，利用土壤水分的物理过程模拟和数学描述，构建土壤含水率反演模型。
4. 实验设计和结果分析本文通过采用无人机搭载的多光谱遥感仪器获取的数据，选取不同地物类型和覆盖度的农田进行实地探测，获得了土壤含水率和多光谱遥感数据。
基于研究中选取的样本数据，利用统计学方法和机器学习方法构建了相关的土壤含水率反演模型。
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。
基于多光谱图像的农作物水分遥感监测研究
基于多光谱图像的农作物水分遥感监测研究农作物的生长过程主要受到温度、降雨量和水分等环境因素的影响。
在干旱地区的农作物种植中，水分是影响农作物生长和产量的最重要因素之一。
因此，农作物水分监测对于农业生产的发展和粮食安全具有重要意义。
传统的地面监测方法不仅费时费力，而且遭遇天气不利时效果不佳。
然而，基于多光谱图像的农作物水分遥感监测研究作为一种新兴的监测方法正在变得越来越受欢迎。
一、多光谱图像在农作物水分监测中的重要性多光谱图像是由卫星、无人机等设备采集的反映不同波长的能量的图像。
多光谱图像的各个频带可以反映出植被的吸收和反射情况，因此可以通过这些频带来进行农作物生长的细致分析。
在农作物水分监测中，多光谱图像可以提供较为准确的水分的信息，因为植物在不同的水分状态下会对光线反射和吸收产生不同的效果。
因此，利用多光谱图像来监测农作物的水分状态已经成为了快速、准确的一种方法。
二、利用多光谱图像监测农作物的水分状态1. NDVI指数通过反射率来获取土地植被信息的常用方法是利用归一化植被指数（NDVI）。
NDVI可以帮助我们根据植被的反射率计算植被生长情况和水分状况。
NDVI的计算公式为：NDVI = (NIR – RED) / (NIR + RED)其中，NIR表示近红外，指的是较大的波长在700-1300nm之间；RED表示红光，指的是400-700nm之间的波长。
如果植被具有足够的水分，那么它的NDVI指数将会比较高。
当土壤中的水分减少时，植物的NDVI指数也随着下降。
因此，利用NDVI指数可以有效地监测农作物的水分状态。
2. LST与NDVI不同，农作物土地表面温度（LST）可以通过卫星的红外（IR）波段来反映。
通过这种方式，可以测量植被温度的变化情况，以便判断植被的水分状态。
当土壤水分充足时，植物就会通过自身的蒸腾来冷却表面温度。
但是，当水分减少时，植物因为无法蒸腾而导致表面温度升高。
因此，利用LST可以更加精确地判断农作物的水分状态。
《典型草原不同植被条件下土壤水分遥感反演研究》
《典型草原不同植被条件下土壤水分遥感反演研究》篇一一、引言在农业、生态学以及地理学等众多领域中，土壤水分的测量和评估扮演着重要的角色。
特别是对于草原地区，其生态环境的脆弱性及土地资源的有限性使得土壤水分的动态监测尤为关键。
传统方法通常需要地面实测或取样分析，这不仅效率低下，还可能无法实现大面积的连续监测。
而遥感技术的引入为解决这一问题提供了新的途径。
本文旨在探讨典型草原不同植被条件下，如何利用遥感技术进行土壤水分的反演研究。
二、研究区域与数据源本研究选取了具有代表性的草原地区作为研究对象，该地区植被类型多样，包括草地、灌木丛、稀树草原等。
数据源主要来自卫星遥感数据和地面实测数据。
卫星遥感数据包括多光谱、高分辨率以及热红外等不同类型的数据，用于获取地表信息及土壤水分的间接估计。
地面实测数据则用于验证遥感反演结果的准确性。
三、遥感反演方法本研究采用了多种遥感反演方法，包括植被指数法、归一化水体指数法、温度植被干旱指数法等。
这些方法根据不同的植被类型和土壤水分特性，通过分析地表光谱特征、植被覆盖度、地表温度等因素，间接估算土壤水分。
同时，还结合了地理信息系统（GIS）技术，对反演结果进行空间分析和可视化表达。
四、不同植被条件下的土壤水分反演1. 草地条件下的土壤水分反演在草地条件下，采用植被指数法进行土壤水分的反演。
首先，根据多光谱数据计算归一化植被指数（NDVI），然后结合地面实测数据建立NDVI与土壤水分之间的回归模型。
通过该模型，可以估算出草地条件下的土壤水分含量。
2. 灌木丛条件下的土壤水分反演在灌木丛条件下，采用归一化水体指数法进行土壤水分的反演。
由于灌木丛地区存在一定量的地表水体，通过分析水体的光谱特征和空间分布，可以估算出该地区的土壤水分含量。
同时，结合高分辨率遥感数据，可以更准确地识别地表水体的分布和变化。
3. 稀树草原条件下的土壤水分反演在稀树草原条件下，采用温度植被干旱指数法进行土壤水分的反演。
基于无人机多光谱和热红外遥感的玉米种植区土壤水分反演
基于无人机多光谱和热红外遥感的玉米种植区土壤水分反演基于无人机多光谱和热红外遥感的玉米种植区土壤水分反演随着传感技术的快速发展和无人机技术的成熟应用，无人机遥感成为农业领域土壤水分反演研究中的热点之一。
本文旨在研究利用无人机多光谱和热红外遥感技术，对玉米种植区的土壤水分进行反演。
一、引言玉米作为重要的粮食作物之一，在全球范围内得到了广泛种植。
土壤水分是玉米生长发育的重要环境因子之一，对玉米的生长产量和品质有着重要影响。
因此，准确反演土壤水分对于科学管理和优化玉米种植具有重要意义。
二、多光谱遥感技术在土壤水分反演中的应用多光谱遥感技术利用无人机搭载的多光谱传感器，可以获取不同波段的反射光谱信息。
土壤水分对不同波段的光谱反射有较强的敏感性，因此可以通过利用无人机多光谱遥感技术，获取不同波段的光谱数据，来反演土壤水分。
三、热红外遥感技术在土壤水分反演中的应用热红外遥感技术利用无人机搭载的热红外传感器，可以获取地表温度信息。
土壤水分对地表温度具有较大的影响，因此可以通过利用无人机热红外遥感技术，获取地表温度数据，来反演土壤水分。
四、无人机多光谱和热红外遥感结合的土壤水分反演方法在玉米种植区进行土壤水分反演时，可以将多光谱和热红外遥感数据进行融合。
首先，利用多光谱遥感数据反演土壤水分初步估计值。
然后，利用热红外遥感数据反演土壤水分修正值。
最后，将初步估计值与修正值相结合，得到更准确的土壤水分反演结果。
五、实验及结果本研究选取某玉米种植区作为研究对象，利用无人机搭载的多光谱和热红外传感器，获取了不同波段的光谱数据和地表温度数据。
利用所提出的无人机多光谱和热红外遥感结合的土壤水分反演方法，对研究区进行了土壤水分反演。
实验结果表明，该方法能够较准确地反演玉米种植区的土壤水分。
六、应用前景及问题探讨无人机多光谱和热红外遥感结合的土壤水分反演方法具有较高的应用前景。
与传统的土壤水分测试方式相比，该方法无需人工采样，可快速获取大面积的土壤水分数据，为科学决策和精细化管理提供技术支持。
基于Sentinel-2多光谱数据的枸杞叶面积指数反演
离垄 ３ / ４ 处ꎮ 实测 ＬＡＩ 统计如表 ２ 所示ꎮ
１ ４ Ｓｅｎｔｉｎｅｌ － ２ 遥感影像
遥感影像使用 Ｓｅｎｔｉｎｅｌ － ２ 多光谱卫星影像ꎬ 通过
欧洲航空局的数据共享网站 ( ｈｔｔｐｓ: / / ｓｃｉｈｕｂ ｃｏｐｅｒ￣
因此快速、 准确、 可靠地获取农作物 ＬＡＩ 具有重要意
义ꎮ
随着遥感技 术 的 飞 速 发 展ꎬ 过 去 的 几 十 年 时 间
里ꎬ 许多新发射的中分辨率对地观测卫星投入了研究
应用ꎬ 如 １９９９ 年 １２ 月 １８ 日、 ２００２ 年 ５ 月 ４ 日发射的
ＭＯＤＩＳ 卫星ꎬ ２０１３ 年 ２ 月 １１ 日发射的 Ｌａｎｄｓａｔ － ８ 卫
１１０
１３０
９０
１５０
１７０
１００
１２０
１５０
１００
１００
１７０
１２０
９０
１００
１００
１００
１６０
１００
１６０
１ ３ 枸杞 ＬＡＩ 测定
地面 数 据 采 集 于 ２０１９ 年 ８ 月 １５—１８ 日ꎬ 使 用
－
ＬＡＩ ２２００Ｃ 冠层分析仪测量样方内每行枸杞 ＬＡＩ 值ꎬ
取样方内所有行平均值为该样方 ＬＡＩ 测量结果ꎮ ＬＡＩ －
红边参数植被指数、 叶绿素含量植被指数以及传统的
表 ２ 样区实测 ＬＡＩ 统计
采样区
样方
数量
ＬＡＩ
最大值
ＬＡＩ
最小值
ＬＡＩ
平均值
近红外植被指数ꎬ 共计 ２１ 种植被指数 [１７－２１] ꎮ 各植被
指数基于 Ｓｅｎｔｉｎｅｌ － ２ 数据各波段计算公式如表 ４ 所示ꎮ
基于植被供水指数的旱区土壤湿度反演方法研究
基于植被供水指数的旱区土壤湿度反演方法研究杨彦荣;胡国强【摘要】植被供水指数(VSWI)是进行干旱研究的有效指标,是进行区域土壤湿度反演的重要方法.利用MODIS数据,提取归一化植被指数(NDVI)、修正的土壤调整植被指数(MSAVI)、增强型植被指数(EVI)和地表温度(Ts)等参数,建立植被供水指数、基于MSAVI的植被供水指数(VSWI-M)、基于EVI的植被供水指数(VSWI-E),并对比三种指数反演土壤湿度的效果;在此基础上,建立分区域、基于NDVI阈值的混合植被供水指数(MVSWI)模型,利用20 cm土壤墒情实测数据对模型进行检验,RE,RMSE误差结果显示,MVSWI模型具有较好的精度,可以用来估算土壤湿度.【期刊名称】《现代电子技术》【年(卷),期】2019(042)002【总页数】6页(P138-142,146)【关键词】土壤湿度;地表温度;植被供水指数;MODIS;遥感反演;植被指数【作者】杨彦荣;胡国强【作者单位】西北农林科技大学网络与教育技术中心,陕西杨凌 712100;西北农林科技大学网络与教育技术中心,陕西杨凌 712100【正文语种】中文【中图分类】TN911.23-340 引言土壤湿度是进行农业旱涝监测的重要指标，并与气候、环境有十分紧密的联系，利用遥感技术进行大区域土壤湿度监测是目前研究的重点。
植被供水指数法综合植被指数和地表温度信息，通过二者构成的特征空间来反映土壤湿度，是植被生长季节土壤湿度监测的常用方法之一。
该方法所需遥感参数少、时效性强且物理意义明确，在土壤湿度监测中获得广泛的应用[1⁃4]。
针对VSWI方法的研究，目前多采用单一的NDVI指数、增强型植被指数（EVI）或修正的土壤调整植被指数（MSAVI）建立植被指数与地表温度特征空间[5⁃6]，而针对三种植被指数分别与地表温度构成的特征空间的比较研究还不多见；针对基于VSWI的土壤湿度反演模型的研究，大多针对整个研究区建立统一的模型，事实上由于下垫面情况复杂，在较大区域范围内采用统一的模型在一定程度上影响了模型的精度。
《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、引言随着遥感技术的不断发展，其在生态学、环境科学和农业科学等领域的应用越来越广泛。
其中，土壤水分的遥感反演研究是近年来关注的热点之一。
典型草原作为我国重要的生态系统之一，其植被覆盖类型多样，土壤水分状况对草原生态系统的稳定性和可持续性具有重要影响。
因此，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，为草原生态保护和可持续发展提供科学依据。
二、研究区域与数据本研究选取了我国北方某典型草原为研究对象，该地区植被类型多样，包括草地、灌木、森林等。
研究所用的数据包括遥感数据、气象数据和实地采样数据。
遥感数据主要包括Landsat、Sentinel-2等多光谱卫星数据；气象数据来自当地气象局提供的气象观测数据；实地采样数据则用于验证遥感反演结果的准确性。
三、土壤水分遥感反演方法1. 植被指数法：通过计算多光谱卫星数据中的植被指数（如NDVI、EVI等），分析植被覆盖情况对土壤水分的影响。
在此基础上，建立植被指数与土壤水分之间的回归模型，实现土壤水分的遥感反演。
2. 物理模型法：基于土壤-植被-大气之间的能量平衡和水热传输过程，建立物理模型，通过模型参数的估计和优化，实现土壤水分的遥感反演。
3. 机器学习方法：利用机器学习算法（如随机森林、支持向量机等），对多光谱卫星数据、气象数据等进行分析和训练，建立土壤水分与遥感数据之间的非线性关系模型，实现土壤水分的遥感反演。
四、不同植被条件下土壤水分反演结果与分析1. 草地条件下的土壤水分反演结果：在草地条件下，采用植被指数法、物理模型法和机器学习等方法进行土壤水分反演。
通过对比分析，发现机器学习方法在草地条件下的反演效果较好，能够较好地反映土壤水分的空间分布和变化趋势。
2. 灌木条件下的土壤水分反演结果：在灌木条件下，由于植被覆盖度较高，采用植被指数法进行土壤水分反演的效果较好。
同时，物理模型法也能够较好地反映土壤水分的状况。
基于多光谱遥感的土壤含水量定量监测与分析
基于多光谱遥感的土壤含水量定量监测与分析
夏权;夏萍;陈黎卿;曹帅;冯东
【期刊名称】《安徽农业大学学报》
【年(卷),期】2015(42)3
【摘要】土壤含水量直接影响农作物的生长状况,是决定耕地质量的一个重要参数。
从土壤含水量对耕地质量的影响出发,利用资源三号卫星(ZY-3)多光谱数据和实地
测量数据进行对比,采用回归分析法,建立遥感光谱指数反演土壤水分含量数学模型,并以含山县铜闸土地整理项目区为例,分析整理区与未整理区土壤含水分变化及空
间分布。
结果表明,增强型植被指数(EVI)与不同耕层土壤水分线性拟合效果较好,相关系数达0.79以上,EVI值可有效反演土壤水分,多光谱遥感可以大面积定量监测土壤含水量。
整理区与未整理区相比,低含水量水平面积减少32.7%;中等含水量水平面积增加1.9%;高含水量水平面积增加30.8%,整理区的含水量及分布明显高于未
整治区,说明土地整理项目增强了土壤保水保墒能力。
【总页数】5页(P439-443)
【作者】夏权;夏萍;陈黎卿;曹帅;冯东
【作者单位】安徽农业大学工学院
【正文语种】中文
【中图分类】TP79;S127
【相关文献】
1.基于多光谱遥感的新疆皮山6.5级地震灾情监测与分析
2.基于多光谱遥感的水质监测处理方法与分析
3.基于NDVI的喀斯特水资源遥感定量监测及分析——以贵州省为例
4.基于光谱分析的重金属污染废水遥感监测方法
5.基于长时序多光谱遥感技术的白洋淀水质演变监测分析
因版权原因，仅展示原文概要，查看原文内容请购买。
基于干旱区地面实测热红外光谱的土壤含水量反演研究
基于干旱区地面实测热红外光谱的土壤含水量反演研究丁建丽;曾小箕;李争光【期刊名称】《水土保持通报》【年(卷),期】2014(34)1【摘要】土壤水分在干旱地区生态系统中起着重要的作用,同时土壤含水量是确定土壤干旱的重要参数。
通过分析野外和室内实测土壤发射率光谱特征参数与含水量之间的关系,采用光谱特征分析参数提取反演土壤含水量的最佳敏感波段,发现波长在9.480 2~9.790 1μm土壤含水量对其发射率最为敏感。
根据最佳敏感波段的范围,模拟MODIS,ASTER,HJ-1B卫星的热红外波段,对波段及波段比值与土壤含水量进行回归分析,得出波段比值的线性模型可有效地反演出土壤的含水量。
然后对该模型进行验证分析,确定模拟ASTER卫星传感器的12和14两个热红外波段的发射率比值与土壤含水量的线性关系,其反演精度更高。
建立了适合研究区的土壤热红外发射率与含水量之间的反演模型。
【总页数】6页(P321-326)【关键词】热红外光谱;土壤含水量;干旱区【作者】丁建丽;曾小箕;李争光【作者单位】新疆大学资源与环境科学学院,新疆乌鲁木齐830046;绿洲生态教育部重点实验室,新疆乌鲁木齐830046【正文语种】中文【中图分类】S152.7;X87【相关文献】1.基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究 [J], 宁娟;丁建丽;杨爱霞;苏雯;李焕;曹雷;缪琛;地力夏提·艾木热拉2.基于野外实测高光谱数据的干旱区耕作土壤含水量反演研究 [J], 彭杰;向红英;王家强;柳维扬;迟春明;牛建龙3.基于102F实测热红外光谱的富硅类岩石SiO2含量定量反演 [J], 杜锦锦;王俊虎;郎朋林4.基于地面实测光谱的多金属矿区土壤重金属含量反演研究 [J], 李鑫龙;陈圣波;陈磊5.热红外光谱的干旱区土壤含盐量遥感反演 [J], 夏军;张飞因版权原因，仅展示原文概要，查看原文内容请购买。
旱情监测——精选推荐
旱情监测报告干旱是一种水量相对亏缺的自然现象，普遍存在于世界各地，频发于各个历史时期。
干旱最直接危害是造成农作物减产，使农业歉收。
在严重干旱时，甚至造成居民饮水困难，危害居民生活，影响工业生产及其他社会经济活动。
中国地处东亚，受明显季风气候及降水时空分布不均等因素影响，导致干旱频繁发生，严重影响了中国农业生产和人民生活。
在中国北方林区，干旱可导致林火频发，火情难以控制。
干旱具有延续时间长、波及范围广等特点，因此在防旱、抗旱决策中需要实时、动态、宏观的旱情监测数据提供决策辅助。
干旱分成气象干旱、农业干旱、水文干旱和社会经济干旱。
气象干旱是指某时段内,由于蒸发量和降水量的收支不平衡,水分支出大于水分收入而造成的水分短缺现象;农业干旱指在作物生长关键期由于土壤水分持续不足而造成的作物体内水分亏缺,影响作物正常生长发育,进而导致减产或失收的现象;水文干旱指因降水长期短缺而造成某段时间内地表水或地下水收支不平衡,出现水分短缺,使河流径流量、地表水、水库蓄水和湖水减少的现象;社会经济干旱是指自然系统与人类社会经济系统中水资源供需不平衡造成的异常水分短缺现象。
气象干旱可以迅速开始和突然结束,农业干旱的爆发一般晚于气象干旱,这取决于上层土壤的前期含水量,水文干旱则在气象干旱结束后仍将持续较长时间。
干旱监测就是在确定了干旱监测指标的基础上,利用实时观测的干旱要素资料或数值模式资料,定量计算出当前干旱指标值,并以此来客观评价干旱强度和范围的过程在对干旱进行监测前，需要确定各个干旱指数。
干旱指标是表示干旱程度的特征量,它是旱情描述的数值表达,在干旱分析中起着度量、对比和综合等重要作用。
根据干旱的不同分类,将干旱指数分为气象干旱指数、农业干旱指数、水文干旱指数。
另外,目前利用遥感(ＲＳ)技术建立干旱指数,进行大范围的干旱监测已成趋势,这类指数无论数据源还是指数建立的过程都不同于传统意义上的干旱指数,统称基于遥感的干旱指数。
植被状况指数的改进及在西北干旱监测中的应用
地球科学进展
ADVANCES IN EARTH SCIENCE
Vol.22 No.11 Nov.，2007
文章编号：1001-8166（2007）11-1160-09
植被状况指数的改进及在西北干旱监测中的应用*
郭 铌1 ，管晓丹1，2
（1 .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 变化与减灾重点开放实验室，甘肃 兰州 730020；2.兰州大学大气科学学院，甘肃 兰州 730000）
NDVI 是对 地 表 植 被 覆 盖 以 及 生 长 状 况 的 度
量。通过一个地区 NDVI 与其它地区的差异可以从
空 间 上 反映 这 些 地 区 生 态 系 统 间 生 产 力 的 不 同；另
1 引 言
干旱是全球分布最广、发生频率最高、持续时间 最长、影响范围最大、造成的经济损失最严重的一种 自然灾害。据 Obasi 统计［1］，全球气象灾 害造成的 经济损失约占所有自然灾害损失的 85％，而干旱带
来的损失又占气象灾害的 50％。据世界气 象组织 估计，在 1967—1991 年的 25 年间，全球有一半人口 受 到 干旱 的 影 响 ，由 干 旱 的 直 接 或 间 接 作 用 导 致 了 350 万人口死亡［2］。1988 年美国大范围的严重干旱 给美国经济造成了 400 亿美元的损失，为 1989 年旧 金山 7.2 级大地震所造成的损失的 2 ～3 倍［2］。地
摘 要 ：干 旱 是 全球 分 布 最 广 、发 生频 率 最 高 、持 续 时 间 最 长 、影 响 范 围 最 大 、造 成 的 经 济 损 失 最 为 严 重的 一 种 自 然 灾 害 ，干 旱 也 是 所 有 自 然 灾 害中 影 响 因 子 最 为 复 杂 、人 类 了 解 最 少 、监 测 最 为 困 难 的 一种 自 然 灾 害 ，干 旱 监 测 是 世 界 性 的 难 题 。干 旱 可 以 发 生 在 任 何 气 候 带 上 ，但 干 旱 、半 干 旱 地 区 是 全球 干 旱 灾 害 发 生 最 频 繁 的 地 区。 干 旱 发 生 特 征 和 规 律 因 地 区 的 不 同 会 有 很 大 的 差 异 ，不 同 地 区 对干 旱 监 测 方 法 不 同 。 目 前 ，世 界 各 国 干 旱监 测 主 要 利 用 基 于 气 象 、水 文 、农 业 和 卫 星 遥 感 等 观 测资料建立的各种干旱指数开展，已经有 150 多种干旱指数。植被状况指数 VCI 是应用最为广泛 的一种卫星监测干旱的指数，研究和业务应用结果表明，VCI 对全球各地的干旱均有较好的反映， 已 经应 用 在 美 国 国 家 大 气 海 洋 局（NOAA）日 常 干 旱 监 测 业 务 中 ，中 国 国 家 卫 星 气 象 中 心 干 旱 卫 星 遥感监测服务产品也是以 VCI 为基础。
基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测
基于高光谱混合像元分解的干旱地区 稀疏植被覆盖度估测 !!
# 李增元 # 白黎娜 # 王琫瑜
!
!
!
（ ! 中国林业科学研究院资源信息研究所，北京 !$$$%! ；" 中国科学院遥感应用研究所，北京 !$$!$! ）
摘# 要# 以 &’()*+,- 高光谱影像为数据源， 选取流沙、 假戈壁 （ 影像端元） 及荒漠植被 （ 实测 光谱端元） . 种端元， 利用非受限及全受限的混合像元分解对甘肃省民勤绿洲/荒漠过渡带的 稀疏植被覆盖度进行了估测0 结果表明： 全受限混合像元分解得到的荒漠植被分量准确地代 表了地表真实稀疏植被覆盖情况， 两者之间的偏差不超过 12 、 均方根误差 !"#$ 为 .3 $45! ； 而非受限的混合像元分解结果则明显小于地面实测植被覆盖度， 两者之间虽具有一定相关 " 性， 但相关性不高 （ ! 6 $3 1511 ） ； 与 789:+*) 等的相关研究相比， 全受限混合像元分解对稀疏 植被覆盖度的估测具有更高的精度及可靠性， 具有广阔的应用前景0 关键词# 高光谱# 端元# 混合像元分解# 稀疏植被覆盖度 文章编号# !$$!;%.." （ "$!$ ） $!;$!1";$<# 中图分类号# =><%# 文献标识码# ? !"#$%&#$’( ’) "*&+", -,.,#&#$’( /’-,+&., $( &+$0 +,.$’( 1&",0 ’( 23*,+"*,/#+&4 %$5,0 *$5,4 " ，9?F GH+/HC+! ，@A G)-E/’IC-! ，J?A @+/-C! ，K?L9 J)-E/’I! 0,/’%*’"$#$’(6 @A B+C,/D,-E!， ! （ %&’()(*(+ ,- .,/+’( !+’,*/0+ %&-,/12(),& 3+04&)5*+’，64)&+’+ 7028+19 ,- .,/+’(/9 ，:+);)&< !$$$%! ， 64)&2；" %&’()(*(+ ,- !+1,(+ #+&’)&< 7==>)02(),&’，64)&+’+ 7028+19 ,- #0)+&0+’，:+);)&< !$$!$! ， 64)&2） ? @64)&? A? 7==>? $0,>0 ， "$!$ ， 78 （!） ： !1";!150 91"#+&/#：JCD)M ,- &’()*+,- H’()*D()8N*CO +PCE) MCNC ，NH) +PCE)/M)*+Q)M DH+RN+-E DC-M，RCOD)/ 9,S+ D()8N*C，C-M R+)OM/P)CDI*)M D(C*D) Q)E)NCN+,- D()8N*C :)*) NCT)- CD )-MP)PS)*D，C-M NH) D(C*D) Q)E)NCN+,- 8,Q)*CE)（ U V$2 ）+- 7+-W+- ,CD+D/M)D)*N N*C-D+N+,-CO X,-) ,R 9C-DI >*,Q+-8) :CD )DN+PCN)M S’ ID+-E RIOO’ 8,-DN*C+-)M O+-)C* D()8N*CO P+YNI*) P,M)O（ @Z77 ） C-M -,-/8,-DN*C+-)M @Z77，*)D()8N+Q)O’0 =H) *)DIOND DH,:)M NHCN NH) D(C*D) Q)E)NCN+,- R*C8N+,- SCD)M ,- RIOO’ 8,-DN*C+-/ )M @Z77 M)D8*+S)M NH) C8NICO D(C*D) Q)E)NCN+,- M+DN*+SIN+,-0 =H) M+RR)*)-8)D S)N:))- D(C*D) Q)E)/ NCN+,- R*C8N+,- C-M R+)OM/P)CDI*)M Q)E)NCN+,- 8,Q)*CE) :)*) O)DD NHC- 12 R,* COO DCP(O)D ，C-M NH) !"#$ :CD .0 $45!0 &,:)Q)*，NH) D(C*D) Q)E)NCN+,- R*C8N+,- SCD)M ,- -,-/8,-DN*C+-)M @Z77 :CD O,:)* NHC- NH) R+)OM/P)CDI*)M Q)E)NCN+,- 8,Q)*CE) ,SQ+,IDO’ ，C-M NH) 8,**)OCN+,- S)N:))- NH)P :CD D 8,**)D(,-M+-E *)D)C*8H ，NH) D(C*D) Q)E/ (,,* ，:+NH C O,: !" ,R $3 15110 [,P(C*)M :+NH 789:+*)’ )NCN+,- 8,Q)*CE) )DN+PCN+,- +- NH+D DNIM’ :CD P,*) C88I*CN) C-M *)O+CSO) ，HCQ+-E )Y(C-D+Q) (*,D()8N R,* C((O+8CN+,- +- NH) RINI*)0 :,3 ;’+0"：H’()*D()8N*CO；)-MP)PS)*；P+Y)M (+Y)O M)8,P(,D+N+,-；D(C*D) Q)E)NCN+,- 8,Q)*CE)0 # # 干旱地区约占全球陆地面积的三分之一， 该类 生态系统的极端脆弱性使其易于受到过度开发、 不 合理土地利用和气候变化的影响， 进而导致荒漠化 在干旱地区的表现尤为突出0 植被覆盖度被公认为 是评价土地荒漠化的最有效的指标
多光谱相机在农业灾害评估中的应用
表 2.1 FD-1665 多光谱相机参数
传感器类型 传感器尺寸
传感器技术
像素)
（微米）
（全分辨率）
Sony ICX285 1392x1040
Progressive Scan CCD 2/3"
6.45x6.45
30
Sony ICX274 1628x1236
Progressive Scan CCD 1/1.8"
备，相机总重量在 6kg 左右。以下为较具有代表性的多光谱相机： 1）FluxData 公司 FD-1665 3CCD 多光谱相机
FluxData 公司能提供一系列 3CCD 多光谱相机，分辨率从 VGA 尺寸到 200 万像素。能 提供安装好的 5 波段或者 7 波段 RGB/NIR 相机，或者安装用于需求加装滤波器。
水果检测等，在此类检测中希望能够通过一台相机同时给出利用可见光检测的结果（如物体
的尺寸）和通过近红外光检测的结果（如污点、温度、水果表面划伤等）。
表 2.2 AD-080 多光谱相机参数
相机类型
型号
规格
有效像素 芯片尺 行频 / 帧 接口
波长
寸
频
多光谱相机 (2-CCD)
AD-080CL XGA
1024 x 1/3'' 30
（微米）
（全分辨率）
Sony ICX285 1392x1040
2.8kg
2/3"
6.45x6.45
12
总重量： 2.8kg（相机） + 1.15kg（电池） +1.8kg（控制存储单元） = 5.75kg
（2）通过改造普通数码相机实现多光谱功能
目前，通过相机改装满足农业应用需求的厂家有美国 maxmax 公司。对于用于拍摄植 被的相机，通过对相机改造以使其能捕获蓝色、绿色和近红外波段的光线，而滤除红色波段。
- 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)。
个滞后的过程 ，因而降水 的变化对植被水 的影响也存在一定滞后效应 。 在上述分析基础之 ， 时间和空 从
问尺度对植被水分在旱情监测和评估中的应用进行了评价 。通过时 间合 成以及与 其他数据 （ 如历 史数据 ） 的 结合 ，呵克服多光谱 数据的 自身不足 ， 提高多光谱 遥感 数据在旱情 监测 和评估 的应用性 。 关键词 多光谱遥感 ； 植被水分 ；旱情监测
存在着时效性 差、代 表 范 围有 限 、需要 大 量 人力 物 力 的缺
点 ，难 以 实 现 实 时 、 范 的 动 态 监 测 。随 着 遥 感 技 术 的 不 大
断发展 ，利用遥感手段进 行植 被水分 监测 ， 弥补 了传 统方法 的不足 ，为实时 、 快速 、大范 围的动态监测 和 区域 评估 提供
源。
干旱是影 响我 闲工农业生产和社会经济发展的 主要 自然 灾 害之一 。遥感数据 困其 自身特点 ，在 旱灾监测 、旱情 评估 中发挥 ＿ 『重要作用 ， 为抗旱救灾提供 了实时 、动态 的旱情评
估 数 据 。目 前 ， 用 较 为 Ｊ 的 旱情 遥 感 监 测 评 估 方 法 ，主 应 泛
传感器之一 ， 拥有 ３ ６个波段的光谱观测数据 ， 这些数据有 助 于深入理解全球陆地 、海洋 和低层 大气 内的动 态变化 过程 。 ＭＯＤ Ｓ５０ｍ数据集 中有 ７个波 段 （ １ ，包括 ｒ植 被状 Ｉ ０ 图 ）
践 ，同时 在 灾 评 估 、火 险评 价 等 方 面 也 得 到 了 一 定 应
作为重要的植被状态指数 ， 早情监测 与评估 中得到 了一定 在 本文以 ２ １ ０ ０年初西 南地 发牛 的大旱 为案例 ， 用 多 利 光谱遥感数据进 行植 被含水量的提取 和时序分析 ， 结合 台 并 站的气象数据 ， 对植被含水量在旱情监测 中的应 用进行 分
析。
监测诸方面也都起着重要的作用 。 传统野外 采样实测 的方法
基 于 多光谱 数 据 的植 被水 分 反演 及 其在 旱情 评 估 中的应用 分 析
王 丽涛 ，王世新 ，周 艺 ，刘文亮 。 ，王福涛
１ ．中国科学 院遥感应用研究所遥感科 学国家重点实验室 ， 北京 ２ ．中国科学 院研究生 院， 北京 １０ ３ ００９ １０ ０ ０ １１
摘
要
植被作为干旱的承载体 ， 含水量 的变化反映 了旱情 的时空分布 以及受 旱程度 。文章从 监测 原理 、 其
植被水分表征 以及遥感数据反演模型等 三个方 面 ， 开展 了基 于多光谱 遥感 数据 的植 被水 分反演 方法研 究 。 以２１ ０ ０年春季两 南四省为应用 案例 ， 行 了植 被水分 的反演 和时空分 析 ， 与气象数据 进行 了相关性分 进 并 析 。结果 表明 ： ２ １ 旱情 中，降水对植被水分变化具 有一定 的影响 ；然而 由于植被 吸收降水 的过程是 在 ００年
收 稿 日期 ：２ １—２１ 。 订 日期 ： ０ ｌ０一７ ０ ０１ ４ 修 ２ １一３Ｏ
同时 ，为分 析 基 于遥 感 数 据 的植 被 水 分 含 量 在 情 评 估
基金项 目：ＨＪ１ 一 卫星数据应用研究 专题 （０ ９ ２ ８ 和中国科 学院知识创新重要方向项 目（ Ｃ 一 ２ ０ Ａ０ Ａ０ ） ＫＺ Ｘ２Ｙｗ ３０ ） Ｑ０ —７ 资助 作者简 介：王丽涛，１７ ９ ９年生 ，中国科学院遥感应用研究所 助理研究员 ｅｍａｌ ａ ｇｔ ｒａ ａ．ｎ － ｉ ：ｗ ｎ ｌ ｓ． ｃｃ ＠ｉ
文献标识码 ： Ａ 要 有 基 于 土 壤 热 惯 量 的 旱情 监 测 方 法 ｌ Ｊ 于 土 壤 波 谱特 ６ 、基 ’
中 图分 类 号 ：Ｔ ７ Ｐ５
引 言
水是万物之源 、生命 之本 ， 也是植 物生长 过程 中不 可或 缺 的重要物质之一 。 植被水 分是植被健康 ， 尤其 足农作 物生
用 ’ 。
态 、 分监测所 需的红 、近红 以及短波 红外波段 ；同时 ，其 水
全球 １ ～２ｄ的重复覆 盖周期 以及 ２３ ０ｋ 的｛ 描 幅宽 ， ３ ｍ － １ 使 得监测具有较高的时 间周期 和较大 的 间覆盖范 围。因此 ， 在本文 中选用 了 ＭＯＤ Ｓ数据作为植被水 分 监测 的遥感数 据 Ｉ
长状 况 的 重 要 评 价 指 标 ， 火 灾 监 测 、毕 灾 监 测 和 生 态 安 全 在
征 的 旱 情 监 测方 法 Ｉ 、 于 蒸 散 模 型 的 旱 情 监 测 方 法 ｜ “ ８ ］ 基 １
和基于植被指数的旱情监测方法ｌ １
应用 。
等 。 中，植被 含水 量 其
了重 要 的数 据 源 。利 川 遥 感 反 演 植 被 水 分 的 研 究 开 始 于 ２ ０
１ 数
据
世纪 ７ 年代后期 。 Ｏ 根据传感器数据源特征 ，町分为光学遥感 监测方法｜ 、 外遥感 临测方 法ｌ 和 微波遥 感监测 方 法＿ 。 】 红 ］ ２ ３ ］ 利用 多光谱光学遥感数据进行植被水分监测 叮根据可见光到 短波红外 与植被特征 的相关件 ，建立适 当的模 型 ， 而进行 从
第 ３ 卷 ， １ Ｒ ｌ 第 ０ ２０１１年 １ ０月
光
谱
学
与
光
谱
分
析
Ｖ ｌ １Ｎ ．０ｐ２０—８８ ｏ ３ ， ｏ１ ，ｐ８４ ０ 。 ２
Ｏｃ ｏ ｅ ，２ １ ｔｂｒ ０ １
Ｓ ｅ ｔｏ ｃ ｐ ｎ ｐ ｃ ｒ ｌＡｎ ｌ ｓｓ ｐ ｃ ｒ ｓ ｏ ｙ ａ ｄ Ｓ ｅ ｔａ ａｙ ｉ
植 被 水 含 昔 反 演 的方 法 。对此 研 究 人 员 进 行 了大 量 研 究 和 实
中分辨率成像光谱仪 （ ｄ ｒｔ－ｅｏｕｉｎｉ ｇ ｇｓｅ— ｍｏ ｅａｅｒｓｌｔ ｏ ｍａｉ ｐｃ ｎ
ｔ ｒｄｏ ｔｒ Ｍ（Ｄ Ｓ 是 Ｔｅｒ ｒ ａ ｉ ｅ ， ） Ｉ） ｏ ｍｅ ｒａ和 Ａｑ ａ卫 星 上搭 载 的 主 要 ｕ