12、基于多源遥感数据的灌区土壤含水量监测关键技术研究--郑州大学张成才
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。
一种基于水利遥感技术的灌溉面积监测系统
一种基于水利遥感技术的灌溉面积监测系统在农业生产中，水资源的合理利用至关重要。
准确监测灌溉面积对于优化水资源分配、提高灌溉效率以及保障农作物的生长具有重要意义。
随着科技的不断发展，水利遥感技术为灌溉面积的监测提供了一种高效、精确且全面的手段。
水利遥感技术，简单来说，就是利用卫星、飞机等遥感平台获取地表信息的技术。
它通过传感器接收来自地面的电磁波辐射，并对这些数据进行处理和分析，从而获取有关地表特征的信息。
在灌溉面积监测方面，水利遥感技术具有独特的优势。
首先，它能够实现大面积的同步观测。
相比传统的地面调查方法，遥感技术可以在短时间内获取大范围的土地信息，大大提高了监测的效率。
其次，遥感技术不受地理条件和人为因素的限制。
无论是山区、平原还是偏远地区，都能够进行有效的监测。
再者，它能够提供多时相的数据。
这意味着我们可以对同一地区进行不同时间的监测，从而更好地了解灌溉面积的变化情况。
那么，一种基于水利遥感技术的灌溉面积监测系统是如何工作的呢？这个系统通常由数据采集、数据传输、数据处理和分析以及结果展示等几个部分组成。
在数据采集环节，遥感平台上的传感器发挥着关键作用。
常见的传感器包括光学传感器、微波传感器等。
光学传感器可以获取土地的光谱信息，通过不同波段的反射率差异来区分土地的类型和作物的生长状况。
微波传感器则能够穿透云层和植被，在恶劣天气条件下也能正常工作。
这些传感器会按照一定的时间间隔和空间分辨率采集数据。
采集到的数据通过数据传输系统传输到地面接收站。
数据传输可以采用卫星通信、无线网络等方式，确保数据的及时、准确送达。
接下来是数据处理和分析环节。
这是整个系统的核心部分，需要运用一系列的图像处理和数据分析技术。
首先，对原始数据进行预处理，包括辐射校正、几何校正等，以消除数据中的误差和变形。
然后，运用图像分类、特征提取等方法，将土地分为灌溉区域和非灌溉区域。
同时，结合地理信息系统（GIS）技术，对监测区域进行空间分析，计算出灌溉面积的大小和分布。
融合多源遥感数据的夏玉米土壤水分反演方法对比研究
融合多源遥感数据的夏玉米土壤水分反演方法对比研究阙艳红;吴苏;姜明梁;张成才;李风波;李炎朋【期刊名称】《节水灌溉》【年(卷),期】2024()3【摘要】为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。
通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。
其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。
采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。
因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。
【总页数】8页(P91-98)【作者】阙艳红;吴苏;姜明梁;张成才;李风波;李炎朋【作者单位】河南中原光电测控技术有限公司;中国电子科技集团公司第二十七研究所;郑州大学水利与交通学院;中国农业科学院农田灌溉研究所【正文语种】中文【中图分类】S252;S29【相关文献】1.基于Sentinel多源遥感数据的河北省景县农田土壤水分协同反演2.基于多源遥感数据的土壤水分反演不确定性分析——以美国大陆为例3.多源遥感数据反演土壤水分方法4.基于多源遥感数据融合的土壤水分反演研究5.基于多源遥感数据源融合的土地利用分类方法对比研究因版权原因，仅展示原文概要，查看原文内容请购买。
灌溉水资源的遥感监测与应用考核试卷
C.模型模拟技术
D.遥感与人工智能相结合技术
二、多选题（本题共20小题，每小题1.5分，共30分，在每小题给出的四个选项中，至少有一项是符合题目要求的）
1.遥感技术在灌溉水资源监测中可以用于以下哪些方面？（）
A.水体面积估算
B.水质评价
C.水流速度测量
D.水体污染监测
2.下列哪些因素会影响灌溉水体的遥感反射率？（）
A.气候变化
B.作物生长周期
C.灌溉制度
D.地下水运动
20.以下哪些技术在未来的灌溉水资源遥感监测中有较大的发展潜力？（）
A.遥感卫星技术的提升
B.无人机遥感技术
C.遥感与人工智能的结合
D.多源数据融合技术
三、填空题（本题共10小题，每小题2分，共20分，请将正确答案填到题目空白处）
1.遥感技术是通过______（传感器/平台）获取地球表面信息的技术。
四、判断题（本题共10小题，每题1分，共10分，正确的请在答题括号中画√，错误的画×）
1.遥感技术只能用于监测地表水资源。（）
2.灌溉水体的遥感监测中，可见光波段对水体的穿透性较好。（）
3.在遥感图像处理中，监督分类方法的准确性通常高于非监督分类方法。（）
4.灌溉水资源的遥感监测中，气象条件不会影响监测结果。（）
10.多源数据融合
四、判断题
1. ×
2. ×
3. √
4. ×
5. √
6. ×
7. ×
8. √
9. ×
10. √
五、主观题（参考）
1.遥感技术在灌溉水资源监测中的应用包括：水体面积估算、水质评价、灌溉需求预测等。具体方法有：阈值分割提取水体、植被指数监测植被状况、水文模型预测水资源变化。
基于特征变量筛选的无人机多光谱遥感土壤含水量反演
基于特征变量筛选的无人机多光谱遥感土壤含水量反演张成才;王蕊;侯佳彤;姜明梁;祝星星【期刊名称】《中国农村水利水电》【年(卷),期】2024()5【摘要】土壤含水量是影响农作物生长的重要因素之一,对作物估产和旱情监测具有重要作用。
在土壤含水量反演时,一般是提取多个光谱变量进行反演,但变量之间包含的光谱信息可能存在冗余重叠,为提取有效特征变量,使其相互独立,论文选取特征变量筛选方法,并验证其在土壤含水量反演中的适用性。
研究基于无人机多光谱影像计算归一化植被指数(Normalized Difference Vegetation Index,NDVI)等12种植被指数,结合无人机热红外数据计算地表温度(Land Surface Temperature,LST)和对应温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),以及miniSAR数据处理得到的4种后向散射系数,采用XGBoost特征变量和最优子集选择算法(Best Subset Selection,BSS)筛选最优变量组合,然后利用偏最小二乘回归(Partial Least Squares Regression,PLSR)和随机森林回归(Random Forest Regression,RFR)算法反演实验区冬小麦抽穗期的土壤含水量。
研究结果表明:①0~20 cm深度的反演结果均优于0~10 cm深度;②对比XGBoost-PLSR、XGBoost-RFR、BSS-PLSR以及BSS-RFR四种土壤含水量反演模型,BSS-RFR模型不同深度下的反演精度最高;③0~10 cm土壤深度下XGBoost-PLSR模型的反演精度优于XGBoost-RFR,0~20 cm深度下则两者相反,0~20 cm深度下,BSS-RFR模型的反演精度均高于BSS-PLSR。
研究成果可为无人机多光谱遥感反演土壤含水量提供理论和技术支撑,为卫星遥感大范围土壤水分监测提供检验依据。
基于高精度DEM的城市道路积水淹没计算方法研究
基于高精度DEM的城市道路积水淹没计算方法研究张成才;黄河;朱祖乐;王金鑫【期刊名称】《水利水电技术》【年(卷),期】2017(048)012【摘要】针对河南省郑州市城区道路微尺度场景的暴雨内涝积水计算问题,以车载LiDAR技术建立的积水路段高精度格网DEM为基础,按照有源淹没方式,采用种子蔓延法计算积水淹没范围;通过构建郑州市暴雨洪水模型获取暴雨时积水点溢流水量,运用二分法实现淹没水位与溢流水量间的快速逼近求解.以郑州市某积水路段进行实例应用,对比分析计算结果与电子水尺实测水深数据可知,Nash-Sutcliff确定性系数为0.94,RMSE为0.05,相对误差为10.3％,表明淹没计算结果具有较高精度,模拟淹没过程符合该积水区实际淹没过程,研究方法适用于城市街道区域的暴雨积水淹没范围和水深计算.【总页数】6页(P1-6)【作者】张成才;黄河;朱祖乐;王金鑫【作者单位】郑州大学水利与环境学院,河南郑州 450002;郑州大学水利与环境学院,河南郑州 450002;郑州大学水利与环境学院,河南郑州 450002;郑州大学水利与环境学院,河南郑州 450002【正文语种】中文【中图分类】TV877;TU998.4【相关文献】1.基于GPS-RTK测量技术制作微地形高精度DEM的方法研究——以沙丘DEM 生成为例 [J], 刘小超;陈蜀江;李志忠2.基于DEM的洪水淹没计算机算法优化研究 [J], 周品;李勇;谭建军;孙芹芹3.基于图遍历的计算DEM数据洪水淹没范围的算法 [J], 王思雪; 李英成; 刘沛; 耿中元; 孙新博4.城市道路十字路口高精度DEM建模方法研究 [J], 宋素素;王春;李敏;陶宇5.基于机载LiDAR点云数据构建复杂山区高精度DEM方法研究 [J], 龚明杰因版权原因，仅展示原文概要，查看原文内容请购买。
基于多源DEM数据的都江堰灌区地形因子提取及对比分析
基于多源DEM数据的都江堰灌区地形因子提取及对比分析肖文全;曹依帆;秦涛;罗尚;翟星;冯丹禹;赵辉
【期刊名称】《四川水利》
【年(卷),期】2024(45)1
【摘要】地形因子是数字地形分析的基础与核心,不同分辨率DEM数据所表达的地形信息的容量和精度存在差异。
以都江堰灌区为例,首先,从三种DEM数据中提取高程、坡度、坡向、地形起伏度、地表粗糙度及地表切割深度等地形因子;然后,对各因子进行分级处理,并对各分类级别的栅格数量及占比进行统计;最后,对所有地形因子进行皮尔逊相关性分析,以筛选研究区最佳地形因子。
结果表明:(1)由不同分辨率DEM提取的地形因子结果存在明显差异;(2)研究区最佳地形因子为地形起伏度、高程、坡度和地表粗糙度。
研究结果可为都江堰灌区自然灾害风险评估、土地资源开发利用及环境保护等提供依据。
【总页数】7页(P44-50)
【作者】肖文全;曹依帆;秦涛;罗尚;翟星;冯丹禹;赵辉
【作者单位】四川水发勘测设计研究有限公司
【正文语种】中文
【中图分类】S127
【相关文献】
1.不同分辨率DEM数据源派生地形因子对比研究
2.基于不同DEM数据源的胶东半岛流域特征提取对比与分析
3.多源DEM数据地形因子表达准确性分析
4.基于不
同DEM数据源提取库容曲线对比分析5.基于不同DEM数据源的数字河网提取对比分析——以韩江流域为例
因版权原因，仅展示原文概要，查看原文内容请购买。
确定土壤最佳含水量和最大干密度的试验方法.
重庆科技学院学生毕业设计（论文）外文译文学院建筑工程学院专业班级土木工程2012-03学生姓名潘星俊学号2012444094译文要求1.外文翻译必须使用签字笔，手工工整书写，或用A4纸打印。
2.所选的原文不少于10000印刷字符，其内容必须与课题或专业方向紧密相关，由指导教师提供，并注明详细出处。
3.外文翻译书文本后附原文（或复印件）。
出处:土木工程学报（2015）19（7）：2061-2066版权ⓒ2015韩国土木工程师协会DOI 10.1007/s12205-015-0163-0确定土壤最佳含水量和最大干密度的试验方法X iao-Chuan Ren*, Yuan-Ming Lai**, Fan-Yu Zhang***, and Kai Hu****2014年4月2日收到/2014年6月18日修订/2014年11月11日接受/2015年1月12日在线出版··········································································································································································摘要基于物理参数对土的压缩模量进行研究，得出一种能准确确定少量土样土壤最佳含水量的及相应的最大干密度的方法。
遥感应用模型土壤含水量.pptx
第28页/共53页
• 地表的净辐射通量Rn由以下方程式计算：
式中，Q为太阳总辐射，a为地表反照率
大气长波辐射
地表长波辐射
a为空气比辐射率， g为为地表发射率
第29页/共53页
• 土壤热通量G在裸地条件下可达净辐射的20％-50％，而在植被覆盖下大大小于净 辐射，仅占5%-20％，对蒸散量计算的影响很小。 式中，Gv和Gg分别为植被和裸地下土壤热通量，h为作物冠层高度。
第33页/共53页
• 潜在蒸散是在理想供水条件下，不存在水分亏缺的植物群体在单位时问内蒸 腾和土壤蒸发量之和。
• 对于充分湿润的下垫面，具有较低的反照率和较低的温度，热量交换主要通 过蒸发即潜热交换进行，此时的感热通量非常小，可近似认为潜在蒸散值是 地表净辐射和土壤热通量的差值
第34页/共53页
• 将缺水指数按照干旱等级进行分级 第35页/共53页
第19页/共53页
• 土壤含水量是一个无量纲的百分含量（%），遥感数据也是无量纲的灰度，因此 容易误认为两者既然都是无量纲的，可以直接进行统计分析。
• 其实不然，土壤含水量是真实的物理量数据，而从遥感影像上求出的表观土壤含水 量是虚拟的相对数据。
既然不同，为什么可以用遥感计算出 来的表观土壤含水量来替代实测的土壤 含水量呢?
• 传统的旱情监测方法，主要是根据有限的旱情测量站点测定土壤水分含量来监测土壤水分。 • 经典的土壤水分测量方法主要有称重法、中子水分探测法、快速烘干法、电阻法等。 • 因采样速度慢而且花费大量人力物力，范围有限，难以满足实时、大范监测的需要。随着遥感技术的迅
速发展，多时相、多光谱、高光谱遥感数据反映了大面积的地表信息，这些信息从定位、定量方面反映了 土壤水分状况。
植被覆盖地表土壤水分遥感反演
植被覆盖地表土壤水分遥感反演一、概述植被覆盖地表土壤水分遥感反演是当前遥感科学与农业科学交叉领域的重要研究方向。
随着遥感技术的不断进步，利用遥感手段对植被覆盖地表下的土壤水分进行反演，已经成为监测土壤水分动态变化的有效手段。
本文旨在深入探讨植被覆盖地表土壤水分遥感反演的基本原理、方法进展及实际应用，以期为相关领域的研究和实践提供有益的参考。
植被覆盖地表土壤水分遥感反演的基本原理在于，通过遥感传感器获取地表植被和土壤的综合信息，进而利用特定的反演算法提取出土壤水分含量。
这一过程中，植被覆盖对遥感信号的影响不可忽视，如何有效去除植被覆盖的影响，成为植被覆盖地表土壤水分遥感反演的关键问题。
在方法进展方面，近年来国内外学者提出了多种植被覆盖地表土壤水分遥感反演方法，包括基于植被指数的反演方法、基于热惯量的反演方法、基于微波遥感的反演方法等。
这些方法各有特点，适用于不同的研究区域和植被类型。
随着深度学习等人工智能技术的快速发展，其在植被覆盖地表土壤水分遥感反演中的应用也逐渐受到关注。
在实际应用方面，植被覆盖地表土壤水分遥感反演在农业、生态、环境等领域具有广泛的应用前景。
通过实时监测土壤水分状况，可以为农业生产提供科学的灌溉指导，提高水资源的利用效率也可以为生态环境监测和评估提供重要的数据支持，有助于维护生态平衡和可持续发展。
植被覆盖地表土壤水分遥感反演是一项具有重要意义的研究工作。
随着遥感技术的不断进步和反演算法的不断优化，相信这一领域的研究将会取得更加丰硕的成果。
1. 背景介绍：植被覆盖地表土壤水分的重要性及其在农业、生态和环境监测中的应用。
植被覆盖地表的土壤水分是地球水循环的重要组成部分，它直接影响着植被的生长和生态系统的平衡。
在农业领域，土壤水分是作物生长的关键因素之一，其含量和分布直接影响着作物的产量和品质。
准确获取植被覆盖地表的土壤水分信息，对于指导农业生产、优化水资源管理具有重要意义。
在生态方面，土壤水分与植被覆盖度之间存在着密切的相互作用关系。
如何利用遥感测绘技术进行土壤质量评价与农田肥力管理
如何利用遥感测绘技术进行土壤质量评价与农田肥力管理土壤质量评价是农田肥力管理的重要环节，而遥感测绘技术作为一种快速、准确、非破坏性的方法，近年来在土壤质量评价中发挥着越来越重要的作用。
本文将介绍如何利用遥感测绘技术进行土壤质量评价与农田肥力管理。
一、遥感测绘技术简介遥感测绘技术是利用航天器、飞机、无人机等载具携带的各种传感器，对地球表面目标进行远距离、长时间、空间连续观测和测量的技术，遥感图像是通过遥感测量得到的，可以提供大面积、中高空间分辨率的数据。
二、土壤质量评价土壤质量评价是对土壤功能和质地的综合评估，能够为农田肥力管理提供科学依据。
传统的土壤质量评价方法需要采样、实验室分析等步骤，耗时耗力，且仅仅是点样核查。
而遥感测绘技术可以快速获取大范围的土壤信息，提供更全面、系统的土壤质量评价。
三、利用遥感测绘技术进行土壤质量评价1. 遥感图像获取通过遥感图像获取土地覆盖信息、植被状况、土地利用类型等数据，进而提取土壤质量评价的相关参数。
通过遥感数据的分析，可以识别出农田中各种不同质量的土壤区域。
2. 土壤质量指标提取遥感图像中的亮度值、颜色等可以反映土壤质量的指标，如土壤含水量、有机质含量等。
通过对这些指标的计算和分析，可以绘制土壤质量图，定量评估土壤质量。
同时，利用遥感图像可以辅助进行土壤水分、土壤养分等的监测，提供农田肥力管理的数据支持。
3. 数据融合与模型建立通过将遥感图像数据与地面观测数据进行融合，建立土壤质量评价的模型，提高评价的准确性。
融合相同地点的实测数据与遥感数据，可以校正遥感数据的偏差，使得评价结果更加可靠。
四、农田肥力管理1. 针对不同土壤质量区域制定施肥方案通过遥感测绘技术获取的土壤质量图，可以精确划分出不同质量的土壤区域。
针对不同质量的土壤，根据土壤质量评价结果制定相应的施肥方案，合理调整施肥量和类型，提高农田肥力。
2. 轮作与休耕根据土壤质量评价结果，合理安排种植轮换与休耕，可以有效地减少土壤养分流失和土壤质量退化，改善农田肥力。
灌区实际灌溉面积遥感监测方法研究进展
我国是一个水资源严重短缺的国家，根据水利部发布的水资源公报，2021年农业用水量为3644.3亿m 3，占全国用水总量的61.56%。
近年来，随着我国城镇化与工业化的快速发展，水资源供需矛盾日益突出，农业可用水量被不断压缩，给粮食安全带来了严峻考验。
灌区是全国粮食稳产、高产的重要基石，面对当前的用水矛盾，灌溉精细化管理是保障区域粮食安全的重要手段。
而灌溉面积监测是农业灌溉管理中非常重要的一环，可为水土资源平衡分析提供最重要的参数，为灌区用水管理、预估灌溉产量、评估灌溉效益、开展最严格的水资源考核等灌区管理工作提供核心参数。
传统基于站点及人工调查统计的方法已不能满足当前应用与研究的需求，急需新的方法和手段为快速、准确获取灌溉面积和灌溉进度等信息提供支撑，其中遥感技术提供了一种相对经济、准确、快速、大范围、可重复调查灌溉面积及其分布的有效途径。
2006年，世界水资源管理研究所（International Water Management Institute ，IWMI ）开发完成世界第一个10km 分辨率的全球灌溉面积分布图（Global Irrigated AreaMap ，GIAM ），为应用卫星遥感技术研究开发不同尺度、不同精度的灌溉面积分布图提供了科学方法和宝贵经验[1-2]。
随着遥感技术的不断发展，可获取的遥感数据源越来越多，时间、空间和光谱的分辨率均有大幅提高，为实际灌溉面积的高效精准获取奠定了数据基础，同时国内外学者在监测方法上也进行了更加科学深入的研究。
基于遥感数据的实际灌溉面积信息监测方法主要可分为基于土壤含水量变化的实际灌溉面积监测、基于种植结构与时序遥感植被指数的实际灌溉监测和基于冠层温度的实际灌溉面积监测。
本文综合国内外相关研究文献，对基于遥感技术的灌区实际灌溉面积的三类监测方法进行了总结，为后续高效、精准的灌溉面积监测研究提供参考。
1基于土壤含水量变化的实际灌溉面积监测土壤含水量可直接反映出地面的干湿状态，而时收稿日期：2023-02-03基金项目：安徽省自然科学基金项目“基于星机地协同的灌区灌溉识别与评估技术研究”（2208085US15）；安徽省水利科学研究院青年科技创新基金项目“基于多源遥感的灌区灌溉识别与评估技术”（KY202104）；安徽省自然科学基金项目“河流形态演变对水体自净能力的影响机理及治理模式研究”（2208085US09）；国家自然科学基金项目“巢湖流域河流形态对水质净化能力的影响机理研究”（52209002）。
一种基于超宽带雷达的土壤含水量测量方法[发明专利]
![一种基于超宽带雷达的土壤含水量测量方法[发明专利]](https://img.taocdn.com/s3/m/c4b7bad9e109581b6bd97f19227916888586b975.png)
(10)申请公布号 (43)申请公布日 2014.09.24C N 104062654A (21)申请号 201410340724.0(22)申请日 2014.07.17G01S 13/88(2006.01)G01N 22/04(2006.01)(71)申请人电子科技大学地址611731 四川省成都市高新区（西区）西源大道2006号(72)发明人梁菁 刘淼 胡耀月 朱方启霍扬扬 毛诚晨 刘怀远(74)专利代理机构成都华典专利事务所(普通合伙) 51223代理人徐丰(54)发明名称一种基于超宽带雷达的土壤含水量测量方法(57)摘要本发明提供一种基于超宽带雷达的测量土壤含水量的方法，属于土壤含水量测量领域。
为了解决传统土壤含水量的测量方法，实时性不好，一次性测量的土壤面积较小等问题，本发明提供的基于超宽带雷达的测量土壤含水量的方法，主要采用的步骤有：采用一种超宽带雷达采集雷达数据，以估计土壤的超宽带多径信道；分析多径信道的参数（幅度、时延扩展），分析他们的统计特性；建立含水量与多径信道的统计特性之间的关系；根据对应关系，测量目标土壤的含水量。
本发明提供的方法，可以准确、无破坏地对土壤的含水量进行实时监控。
此方法适用于农田，特别是实现组网之后，可以大范围地进行实时性土壤监测。
(51)Int.Cl.权利要求书1页 说明书4页 附图3页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书1页 说明书4页 附图3页(10)申请公布号CN 104062654 A1/1页1. 一种基于超宽带雷达的土壤含水量测量方法，其特征在于，包括以下步骤：a ．在土壤测量区设立采样点，分别采集每个采样点的湿度参数值；b ．利用超宽带雷达传感器采集每个采样点的土壤回波的时域数据,每个采样点重复采集300次；c ．对采集的土壤回波的时域数据采用无线多径信道冲击估计的时域方法提取土壤信道冲击响应；采用最大似然法，对多径信道的参数进行估计计算，确定最佳的分布模型，并记录最佳分布模型参数值；d ．根据步骤a 得到的湿度参数值与步骤c 得到的最佳分布模型参数值，建立土壤湿度和最佳分布模型参数的映射关系；e ．对土壤测量区用超宽带雷达传感器采集土壤回波的时域数据，根据步骤c 得到的最佳的分布模型，得到分布参数，根据步骤d 得到的映射关系，即可反演出土壤的含水量。
基于MODIS的郑州市土壤水分反演
基于MODIS的郑州市土壤水分反演高攀; 王纪军; 宋轩【期刊名称】《《安徽农业科学》》【年(卷),期】2019(047)005【总页数】4页(P6-9)【关键词】遥感; MODIS数据; 温度植被干旱指数; 热惯量; 土壤水分反演【作者】高攀; 王纪军; 宋轩【作者单位】中国气象局/河南省农业气象保障与应用技术重点开放实验室河南郑州450003; 郑州大学水利与环境学院河南郑州450000【正文语种】中文【中图分类】S152.7土壤水分是气候、植被、地形及土壤因素等自然条件的综合反映，直接影响地表的热量和水量平衡，受到水文、气象和生态环境等多个学科的关注[1]。
土壤水分的遥感监测在20世纪60年代末主要利用其与光谱反射率的关系以及微波土壤水分反演土壤水分。
70年代以后，开始利用地面、航空等平台以及可见光等多波段相结合进行土壤水分的遥感反演。
80 年代以后，土壤水分的遥感监测产生了热惯量模式、土壤水分光谱法、基于温度和植被指数等的干旱指数模型法等方法。
吴盼等[2]基于MODIS数据，计算出青藏高原全年温度植被干旱指数TVDI，并分析了TVDI与土壤含水量的相关性。
陈涛等[3]基于MODIS数据与同时相的土壤水分观测资料，创建了那曲东部土壤水分遥感监测模型。
袁志杰[4]以山西省晋中市为例，基于MODIS等多源数据，运用温度植被指数模型(TVDI)和表观热惯量模型(ATI)2种方法互补反演出晋中每月土壤水分。
郑州市作为河南省省会，面积广阔，而土壤水分观测站点稀少，全区目前有观测数据的土壤水分站点16个，因此常规观测手段很难全面了解土壤水分以及旱情分布情况，通过遥感手段开展相关观测是目前较为有效的解决方法。
开展遥感土壤水分监测，关键是要选择合适的反演模型，提高反演精度。
因此，笔者基于MODIS数据，在植被覆盖度较高的时期，采用植被干旱指数法来反演土壤水分，在植被覆盖度较低的时期，采用表观热惯量法进行郑州市土壤水分反演，保证土壤水分遥感监测的连续性，旨在为研究郑州市土壤水分的空间分布提供理论依据和数据支持。
基于智能控制的农业精准灌溉系统设计研究
传感器的精度ꎬ 在选型的时候需考虑传感器本身的精
度以及与传感器适配的接口精度ꎮ 作为整个系统的重
要部位ꎬ 采集点的设计需格外重视ꎮ 为保证传感器与
微处理器之间不会互相影响ꎬ ＬｏＲａ 模块与微处理器
之间使用隔离型的自动触发电路ꎮ 为缩短设备采集数
维方式分析问题ꎮ 专家系统成为系统的核心ꎬ 在计算
据的时间ꎬ 可以设计成基于单总线的数字总线数据处
溉ꎬ 实现节约用水ꎬ 降低农业生产成本ꎮ 本研究在分
理部署能够确保整个智能灌溉系统的有效设计ꎬ 满足
析智能灌溉系统结构的基础上ꎬ 提出了智能灌溉系统
盖每一个区域ꎬ 在设计上主要思考通信距离与部署距
低耗要求ꎮ 在设计上适合 ＬｏＲａ 的终端节点一般部署
为正方形或者是正六边形ꎮ
在整个系统的传输中ꎬ 电量损耗主要是单片机以
ｙ” 指令ꎬ 打开窗口ꎬ 输入 Ｍａｍｄａｎｉ 型的模糊控制器ꎬ
整体响应速度快ꎬ 系统稳定性强ꎬ 设计灵活ꎬ 可尝试
推广ꎮ
４ 结语
综上所述ꎬ 在灌溉系统中引进互联网技术ꎬ 借助
田温湿度、 环境参数能够被采集ꎮ ＬｏＲａ 网络需要覆
“ 互联网 ＋ 农业” 打造高效农业灌溉ꎬ 开发出根据农
离ꎮ 理论上部署的间距越小ꎬ 越可以满足覆盖率ꎮ 合
此需根据农田地貌铺设管道ꎮ 通常滴灌管道由干管、
支管、 毛管组成ꎮ 假设农田为 “ 田” 字形状ꎬ 划分成
３ １ 测控子系统
子系统由 执 行 设 备、 电 源、 接 口、 温 湿 度 传 感
４ 个区域ꎬ 分 别 铺 设 １００ｍ 的 支 管ꎬ ４０ｍ 的 毛 管ꎬ 让
器、 气象 站、 开 关 连 接 在 微 处 理 器 上ꎬ 电 源 负 责 供
基于GIS的白沙灌区管理信息系统开发
基于GIS的白沙灌区管理信息系统开发
张成才;叶伟;常静
【期刊名称】《电脑知识与技术》
【年(卷),期】2009(005)021
【摘要】白沙灌区管理信息系统搭建了灌区信息化建设的框架,利用GIS技术将灌区属性数据和空间数据动态关联.建立了灌区管理信息系统特定的符号库,研制点符号旋转算法;开发SampleLegend.ocx控件,解决图层标注的问题.采用COMGIS组件,ADO以及ACCESS数据库,实现对灌区情况、统计资料、渠系分布等信息的查询和分析以及相关报表生成,为灌区管理人员提供科学决策的依据.
【总页数】3页(P6054-6055,6059)
【作者】张成才;叶伟;常静
【作者单位】郑州大学,水利与环境学院,河南,郑州,450002;郑州大学,水利与环境学院,河南,郑州,450002;郑州大学,水利与环境学院,河南,郑州,450002
【正文语种】中文
【中图分类】TP315
【相关文献】
1.基于GIS的灌区管理信息系统的构建与开发 [J], 周鹏;古钟壁;周新志
2.基于 GIS 的宝鸡峡灌区管理信息系统设计 [J], 刘劼
3.基于二三维GIS联动平台的灌区管理决策系统 [J], 马涛;王英;党如童
4.基于MAPGIS的成都公路WEBGIS综合信息系统开发与应用 [J], 田皓;司杰
5.基于ArcGIS Engine的灌区管理信息系统设计与实现 [J], 孟爽;黄牧涛
因版权原因，仅展示原文概要，查看原文内容请购买。
基于微波和可见光遥感的冬小麦土壤墒情反演
1 研究区域概况及数据处理
Copyright©博看网 . All Rights Reserved.
第5期
罗蔚然等：基于微波和可见光遥感的冬小麦土壤墒情反演
ቤተ መጻሕፍቲ ባይዱ
47
112°37′～113°13′之间，属温带大陆性季风气候，多 年平均降水量为 593.5 mm，多年平均气温 14.5℃， 多年平均蒸发量为 1 668 mm ，无霜期为 219 d。灌 区渠首位于济源市五龙口沁河出山口，范围涉及济 源、沁阳、温县、武涉 4 个县（市），灌区设计灌溉 面积为 34 000 hm2，灌区气候温和，土地肥沃，盛产 小麦、玉米，灌区内主要种植作物为冬小麦、夏玉米 和棉花等，其中冬小麦的播种时间为当年 10 月 10 日 左右，10 月 17 日出苗，10 月 28 日进入三叶期，次年 1 月 1 日越冬期开始，2 月 19 日返青期开始， 3 月 20 日拔节期开始，4 月 8 日孕穗期开始，4 月 18 日 开始抽穗，5 月 15 日开始乳熟，5 月 31 日成熟。 1.2 研究区数据处理
0 引言
土壤墒情是研究水文学、气象学和农业科学 等领域中的重要因素之一 [1]，是陆地和大气进行能 量循环的重要因子 [2]，对于农业旱情监测、作物的 科学灌溉等具有重要的意义 [3]。由于土壤水分在时 间、空间范围上变化较大，传统的土壤墒情监测方 法通过设立监测站点进行监测，难以满足实时、大 范围监测的需要 [4]。因此，在要求精度范围内如何 获取大范围地表土壤水分时空分布信息是一个迫切 需要解决的问题。近年来，随着遥感技术的不断发 展，微波遥感凭借全天时、全天候的观测能力已被 广泛应用 [5]。由于土壤含水量的不同导致土壤介电 常数存在较大差异，所以微波遥感对土壤水分具有 高度的敏感性，同时因其具有一定的穿透能力，并 且不受天气条件的限制，能大大提高土壤墒情反演 的准确性和可靠性。在植被覆盖区，植被介电常数 和形态对微波信号影响很大，使得土壤水分反演更 加困难，目前主要采用的方法有水云 [6-7]，MD [8]， MIMICS [9] 等模型。Attema [6] 在 1978 年，建立了适 用于低矮农作物覆盖区域的水云模型，将雷达信号 在地面和植被之间的复杂散射过程进行了简化。Roo 等 [10] 针对大豆覆盖区域，基于 MIMICS 模型模拟了
基于智能控制的农业精准灌溉系统设计研究
基于智能控制的农业精准灌溉系统设计研究
张诚诚
【期刊名称】《农业与技术》
【年(卷),期】2024(44)5
【摘要】为了解决现阶段农作物种植中用水量大和灌溉智能化水平低的问题。
在分析农业灌溉系统技术研究现状的基础上,利用传感器技术与先进的无线传输等现代理论进行智能农业灌溉系统设计。
土壤的温湿度采集方面引进智能电路进行设计(部分地区也可以使用太阳能),数据处理方面通过星型网络结构与正六边形部署的方式实现,在设计上调整数据传输效率,满足农作物生长环境内多路数据上传的方式,农作物的智能灌溉设计远程控制系统实现。
借助计算机进行仿真模拟验证设计的可行性,结果表明,该灌溉系统能够在短时间内快速响应,具有稳定性强等优势。
本研究利用无线技术、智能传感设备、物联网技术等技术可以实现智能灌溉系统的设计,通过模拟验证该系统具备良好性能,可尝试在农作物种植方面推广应用。
【总页数】3页(P46-48)
【作者】张诚诚
【作者单位】甘肃省景泰川电力提灌水资源利用中心
【正文语种】中文
【中图分类】S24
【相关文献】
1.基于模糊PID控制的节水灌溉智能控制系统设计研究
2.基于智能控制的农业精准灌溉系统设计研究
3.基于无线通信精准灌溉智能控制系统设计
因版权原因，仅展示原文概要，查看原文内容请购买。
基于ArcGIS的东平湖洪水淹没场景三维可视化_张成才
[ 1] 袁艳 斌 , 王 乘 , 杜 迎泽 , 等 .洪水 演进模 拟仿 真系 统研 制 的 技 术 和 目 标 分 析 [ J] .水 电 能 源 科 学 ,
2001, 19 (3):30 -33. [ 2] 刘 敏莺 , 黄 文蓦 .基 于 OpenGL的 地形 三 维可 视化
3DMAX等主要侧重于三维地物实体造型及 三维动画的显示及 浏览 .OpenGL等适合于 空间 信息的 三维 构建 、操作 、分 析和 模拟 [ 2 -3] .ARC/ INFO等主要 GIS软件中的三维功能主要是针对 地形的三维可视化及其三维分析[ 4] .
笔者是运用 ArcGIS9.0中的 3D扩展模块 , 在 东平湖数字高程模型 (DEM)的基础上 , 在 ArcScene中实现了东平湖各个 时刻洪水淹没 演进过 程和周边场景的动态模拟 .
图 4 东平湖洪水淹没模拟效果图 Fig.4 ThefloodedsimulationresultsmapofDongpinglake
3 结论
笔者对实现洪水淹没场景模拟的三维可视化 方法进行研究 , 以东平湖为例 , 介绍了利用 ArcScene的 3DAnalyst构 建东平湖的 TIN和 Grid数 字高程模型 , 在 ArcScene中生成三维可视化东平 湖 , 以及利用 ArcScene中 的 Animation功 能实现 东平湖各个时刻的洪水淹没演进过程和东平湖周 边场景模拟的方法 , 利用该方法实现洪水淹没模 拟自动化程度高 , 简便 、快捷 , 在研究洪水淹没分 析方面 , 具有一定的借鉴意义 .
(3)点击 OK即生成 TIN. 1.1.2 TIN转化为 Grid
(1)点 击 3DAnalyst※Convቤተ መጻሕፍቲ ባይዱrt※TINtoRaster;
- 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)。
2015（第三届）中国水利信息化与数字水利技术论坛—基于多源遥感数据的灌区土壤墒情监测的关键技术报告人：张成才郑州大学水利与环境学院2015.4.3中国（国际）水务高峰论坛组委会电话：010-6320 3049/3233/3104/3734/3745邮箱：wbs@传真：010-5269 5071官网：地址：北京市西城区白广路北口水利部综合楼733目录遥感反演土壤墒情技术的研究现状土壤墒情遥感监测的关键技术总结12345研究背景及意义土壤墒情遥感监测的主要发展方向土壤墒情是水文学、气象学以及农业科学领域中的一个重要指标, 是土壤-植物-大气连续体的一个重要因子，对水文、农业、旱情监测等具有非常重要的意义。
传统的土壤墒情监测是测点的人工监测，费时费力，且测点稀疏，代表性差。
遥感具有监测范围广、速度快、成本低等优点，应用遥感技术对土壤墒情进行监测，能实现土壤墒情大范围、快速监测，优势明显。
研究不同地表覆盖情况下监测土壤墒情的方法，构建土壤墒情遥感反演模型，分析土壤墒情变化规律，为水文分析计算、农作物科学灌溉等提供基础信息。
近几年遥感卫星数据国外高分遥感数据QuickBird，GeoEye-1，WorldView-2、3，SPOT6，Pleiades-1 国内高分遥感数据高分一号、高分二号、资源三号、天绘一号主动微波遥感数据ALOS-2、Radarsat-2、TerraSAR-2遥感卫星WorldView-3美国WorldView-2美国发射日期2014年2009年10月轨道高度617km770km重访周期小于1 天 1.1 天幅宽单景16.4km×16.4km单景16.4km×16.4km 影像成图比例尺约1 : 2000 1 :2000分辨率全色0.31m多光谱1.24m全色0.5m多光谱1.8m波谱范围8个多光谱8个波段（红、绿、蓝、红色边缘、黄、海岸、2个近红）8个短红外全色0.45 -0.80μm全色0.45 -0.80μm国外高分遥感数据遥感卫星法国Pleiades-1法国SPOT6发射日期2010年2012年轨道高度694Km695 Km重访周期1天26天幅宽单景20km×20km单景60km×60km 影像成图比例尺1:20001:10 000分辨率全色0.5m多光谱2m全色1.5m多光谱6m波谱范围蓝色0.43 -0.55μm蓝色0.45 -0.52μm 绿色0.49 -0.61μm绿色0.53 -0.59μm 红色0.60-0.72μm红色0.62-0.69μm 近红外0.75 -0.95μm近红外0.76 -0.89μm 全色0.48 -0.83μm全色0.45 -0.75μm国外高分遥感数据遥感卫星高分一号高分二号资源三号天绘一号发射日期2013年2014年2012年2010年轨道高度645Km630Km505Km500 Km重访周期4天5天5天5天幅宽800km×800km45 m×45m51km-52km60km×60km 影像成图比例尺1:100001：20001:10 0001:10 000分辨率全色2m多光谱8m全色0.8m 多光谱3.2m前视、后视相机3.5m；正视相机2.1m；多光谱相机6m 三线阵相机5m；高分辨率2m；多光谱相机10m波谱范围蓝色0.45 -0.52μm蓝色0.45 -0.52μm蓝色0.42 -0.52μm蓝色0.43 -0.52μm 绿色0.52 -0.59μm绿色0.52 -0.59μm绿色0.52 -0.59μm绿色0.52 -0.61μm 红色0.63-0.69μm红色0.63-0.69μm红色0.63-0.69μm红色0.61-0.69μm 近红外0.77 -0.89μm近红外0.77 -0.89μm近红外0.77 -0.89μm近红外0.76 -0.90μm 全色0.45 -0.90μm全色0.45 -0.90μm全色0.50 -0.80μm全色0.51 -0.69μm国产遥感数据ALOS-2数据参数观测模式分辨率观测范围聚束模式1m-3m25km条带模式3m50km 6m50km 10m70km扫描模式100m350km 60m490km第一部分遥感数据简介Radarsat-2遥感卫星RadarSat-2卫星类型C波段SAR商用卫星发射日期2007年轨道类型太阳同步轨道轨道高度798Km重访周期24天特征·11种波束模式·左右侧视缩短了重访时间·丰富的极化信息第二部分遥感反演土壤墒情技术的研究现状（1）数据源方面：20世纪70年代早期试验建立了土壤含水量和地表辐射温度的相关关系，后续气象卫星和资源卫星的投入使用，合成孔径雷达数据的获取等推动土壤墒情监测进一步发展。
（2）反演模型方面：从可见光-红外遥感，到微波遥感，反演模型也在演进发展，对可见光-红外遥感数据，不同的地表覆盖类型选择特定的模型，如在裸土和低植被覆盖区，主要采用热惯量和相关方法，在高植被覆盖区，主要采用植被缺水指数法，以及将植被指数和地表温度组合的温度植被指数法。
第二部分对于微波数据，裸土和低植被覆盖区域，从经验、半经验模型（主要有Oh 模型、Dubois 模型和Shi 模型）到理论模型（如：IEM、AIEM）逐步完善。
对植被较好的地表覆盖，主要有的Water-Cloud模型（水云模型）和MIMICS模型（微波植被散射模型）。
第三部分土壤墒情遥感监测的主要发展方向•（1）不同遥感数据，在不同地表覆盖状况下的适用性研究。
特别是主动微波遥感数据的应用，对土壤墒情遥感监测起到突破性的作用。
第三部分多源数据的应用，解决不同地表覆盖状况下的单一数据源反演土壤墒情的问题，提高土壤墒情反演精度，遥感数据和地面实测数据同化技术的应用，是以后的一个主要发展方向。
(2)随着遥感数据的快速增加和精度的提高，研究构建新的基于光谱信息特征的土壤含水量计算模型。
克服过去应用间接要素估算土壤含水量的不足，是土壤墒情遥感监测的又一个发展方向。
第三部分应用可见光-热红外遥感数据反演土壤墒情试验裸土/低植被覆盖区域选择表观热惯量模型，高植被覆盖区域选择植被供水指数模型。
数据选取：MODIS和Landsat TM遥感影像。
研究技术路线河南省白沙灌区为例墒情（%）所占面积(km2)所占百分比(%)0-593155-7281457-9230379-11182>1110.16 MODIS表观热惯量法的墒情分布图墒情统计结果墒情（%）所占面积(km2)所占百分比(%)<1724417-17.546717.5-18781318-18.526142>18.521434 MODIS植被供水指数法的墒情分布图墒情统计结果墒情（%）所占面积(km2)所占百分比(%)<1041.33710-1531.44515-2083.101420-25438.4172>259.792TM植被供水指数法墒情分布图墒情统计结果墒情等级所占面积(km2)所占百分比(%)累积面积(km2)<1058.009.5758.0010-15158.8226.20216.8215-20253.7041.85470.5220-25132.1021.79602.62>25 3.570.59606.19 MODIS结合TM影像计算土壤墒情分布MODIS结合TM 计算的墒情统计结果样点土壤墒情实测值（%）土壤墒情反演值相对误差（%）MODIS表观热惯量法MODIS植被供水指数法TM植被供水指数法MODIS结合TMMODIS表观热惯量法MODIS植被供水指数法TM植被供水指数法MODIS结合TM112.014.459.438.6614.3920.4121.4127.8319.91 212.314.389.767.6114.3516.9120.6538.1316.67 3 6.8 6.1418.25 5.2 5.49.70168.3823.5320.59 418.3 2.2217.9419.1518.7287.87 1.97 4.64 2.30 519.4 5.6616.8117.5517.9370.8213.359.537.58反演精度分析表MODIS遥感数据运用表观热惯量法和植被供水指数法单独进行土壤墒情的反演，都有各自的局限性，对不同地表覆盖状况的土壤墒情的反演精度差别较大。
TM影像采用植被供水指数法，对高植被覆盖区域土壤墒情进行监测，得到的墒情结果较详细。
通过以上试验，无论是MODIS数据表观热惯量法、植被供水指数法还是TM数据植被供水指数法反演土壤墒情，每一种影像数据和方法单独应用都无法很好地反映灌区混合地表的土壤墒情。
因此，多种遥感数据与方法结合，是提高反演土壤墒情精度的技术手段。
主动微波遥感全天时工作不受云、雾、雨的影响穿透能力强对于某些地物有特殊的波谱特性基于主动微波数据的土壤墒情反演试验对裸土和低植被区域用改进积分方程模型（AIEM）计算地表参数（介电常数、粗糙度），雷达后向散射系数以及土壤墒情之间的非线性关系。
研究技术路线采用Radarsat-2数据进行土壤墒情的反演研究，Radarsat-2数据特点如下：特点优势较高的分辨率（3m—8m）改进了目标检测、识别的能力多极化模式可以提高地物的识别的能力重访次数增加对于要较高重访频率的访问，效率提高快速数据处理处理速度快，运行性得到了进一步的增强几何准确度提高对于要快速得到准确定位的产品适用性强研究使用的SAR影像数据为2010年6月20日10：41：37获取的SLC级数据，要对影像数据进行裁剪、滤波、辐射定标等处理。
裁剪后的HH、HV、VH、VV图像滤波后的HH、HV、VH、VV图像定标后的HH 、HV 、VH 、VV图像把Radarsat-2遥感影像数据通过辐射定标转换为后向散射系数，公式如下：通过上述公式计算后，每一个像元点的值都转化成了雷达后向散射系数的值。
构建后向散射模型根据AIEM模型，通过模拟与分析后向散射系数与土壤墒情和地表粗糙度之间的关系，得到如下的后向散射模型：由以上式子可知，在已知雷达影像的后向散射系数情况下，需要得到地表粗糙度的值才能求得土壤墒情的值，但是一般情况下地表粗糙度很难大面积的精确测量。
同极化HH和VV与交叉极化HV和VH两种方式下的组合粗糙度对后向散射系数的响应基本一致。
研究利用同极化HH、VV和交叉极化HV、VH的后向散射模型进行组合，消除地表粗糙度的影响，得到HH/VV同极化和HV/VH交叉极化两种模式的土壤墒情反演算法。
HH/VV双极化土壤墒情反演算法同极化HH和VV组合的后向散射模型方程如下：方程组联立得：HV/VH交叉极化土壤墒情反演算法交叉极化HV和VH组合的后向散射模型方程如下：方程组联立得：利用研究区域实测的土壤墒情数据和模型反演的数据对比，可以看出实测的土壤墒情同模型的反演的土壤墒情之间存在较好的相关性.主要研究成果基于Radarsat-2雷达影像，利用改进积分方程模型模拟裸露地表不同雷达系统参数以及不同地表参数情况下的后向散射特征，分析裸露地表的后向散射变化规律，找出后向散射系数与土壤湿度和组合粗糙度参数之间的关系，得到四种极化方式下裸露地表的后向散射模型，消除地表粗糙度的影响，建立两种双极化雷达数据土壤水分反演算法。