土壤水分监测与干旱灾害预测

2.1植物遥感原理

土壤水分(即土壤湿度、土壤含水量)，作为陆面水资源形成、转化、消耗过程研究中的基本多数，是联系地表水与地下水的纽带，也是研究地表能量交换的基本要素，并对气候变化起着非常重要的作用。土壤水分的变化能影响其本身的水热过程，使地表参数发生变化，如地表反照率、土埂热容量、地表蒸发和植被生长状况等。这就导致地表能量、水分的再分配．并通过改变地表向大气输送的显热、潜热和长波辐射通量，影响到气候变化；气候变化又能引起土壤含水量的变化。两者相互作用．其中包涵复杂的反馈过程。此外，土壤水分作为陆面生态系统水循环的重要组成，是植物生长发育的基本条件，也是研究植物水分胁迫、进行作物旱情监测的最基本因子。

土壤水分遥感取决于土壤表面发射或反射的电磁辐射能的

测量。而土壤水分的电磁辐射强度的变化取决于其反射率、发射率、电介特性、温度等。土壤水分特性在不同波段有不同的反应，人们可以依据土壤的物理特性和辐射理论，利用可见光—近红外(VIs—NIR)一热红外(TIR)一微波(Nw)不同波段遥感资料、研究方法以及与环境因素(地貌、植被等)的相关分析，来监测土壤水分。其中，可见光—近红外方法主要依赖于地物的反射光谱特性。由于影响地物光增的因素很多，如表面粗糙度、土壤结构、有机质含量等，因此借助于地物反射光谱差异来估算土埂水分．在精

度上受到限制。当然、随着高光谱遥感数据的应用，可见光—近红外法估算土壤水分的精度会有所提高。

（1）遥感数据中的土壤含水量信息

1, 可见光波段的土壤含水量信息

根据地物波谱的测定，在可见光部分干燥土壤的反射光谱比潮温土壤的反射光谱平行抬高一段反射率。随着含水量的多寡，抬高的距离大小不同。因此，早期遥感研究中有用可见光波段测定土壤含水量的尝试。

2, 近红外波段的土壤含水量信息

近红外波段对水的反映灵敏，水对近红外光完全吸收。因此含水量高的土壤在近红外波段上呈暗色调，地物波谱曲线不是平行降低，而是陡坡降低。因此早期与可见光波段同时使用推测土壤含水量。

3, 中红外波段的土壤含水量信息

中红外波段对高温反应灵敏，是林火的探测波段。反之，土壤十分干燥时温度较高，在中红外遥感影像上有反映。也就是说，如果求土壤的干燥度时，用中红外波段效果较好。

4, 热红外波段的土壤含水量信息

热红外波段对常温反映灵敏，土壤温度与湿度关系密切，因此热红外遥感数据中也包含了土壤含水量的信息。

5, 微波波段上的土壤含水量信息

微波波段对水的反映极其灵敏，很薄的水层就可以屏蔽微波辐射。因此许多国内外的学者都认为微波是探测土壤含水量最佳的波段。

（2）表观热惯量的遥感信息模型

物体的热惯量P是物体固有的属性，它的表达式为：

（4-1）

式中k为热传导系数，ρ为密度，γ为比热容。因为热传导系数、密度、比热容对一种物体来说是固定不变的，所以热惯量也是地物的固有属性。

土壤因为含水量的变化，使得热传导系数、密度、比热容都发生变化，从而使得热惯量变化，这是确定无疑的。但从遥感数据不可能直接提取出热惯量，也不可能直接提取热传导系数、密度、比热容。

可以证明地物在吸收短波太阳辐射后以长波的方式发射，可以形成地温的增高。太阳辐射能量减去地物反射的能量后，余下的能量就是使地温增高的能量。白昼地物吸收太阳能量而增温；夜间地物发射能量而减温。地物昼夜的温差就是地物热惯量的表象。例如水体，由于热惯量大，昼夜温差小；岩石热惯量小，昼夜温差大；各种含水量不同的土壤热惯量介于水体与岩石的热惯量之间，热惯量的大小也介于水体与岩石的热惯量之间。

由此可以证明，遥感波段中可见光与近红外中的全部太阳波谱的能量，减去地物在所有谱段内的反照率能量，就产生昼夜温差的能量。我们称其为表观热惯量遥感信息模型ATI：

（4-2）

式中A为反照率，ΔT为昼夜温差，k，n为地理参数。A可由可见光与近红外所有波段遥感数据之和求出，ΔT为白昼热红外遥感数据减去夜间热红外遥感数据求出。ATI可以用水体在遥感影像上的数据为最大值，干沙沙漠的数据为最小值，从而求解k，n。

撒哈拉沙漠、塔克拉玛干沙漠、澳大利亚沙漠、北美沙漠与它们附近的水体所求解出来的k，n是不相同的，因为在上述公式中还有一些地理环境因素没有考虑到，而被包括在其中了。由此根据上式可以计算出表观热惯量的影像图（ATI图）。表观热

惯量与真实热惯量之间是正变的关系，前者是无量纲的相对值，后者是有量纲、有单位的物理量。真实热惯量的单位是J/

（m2s1/2K）。两者在数值上虽然不相等，但是表达的都是热惯量。在遥感技术中，通常采用相对值来表示物理量。

（3）表观土壤含水量遥感信息模型

既然我们用表观热惯量替代了真实热惯量，因此对于土壤含水量，也应该可以用表观土壤含水量来替代真实土壤含水量。现在给出表观土壤含水量ASW的表达式：

（4-3）

式中d为土壤颗粒粒径，D为土壤土层厚度，ρs为土壤的密度，ρ为水的密度。a0，a1，a2，的为地理参数。将土壤颗粒粒径、土壤土层厚度、土壤密度内插成影像化的图像，与遥感图像配准。在影像上或地面上（配准），确定最干燥的土壤、最湿润的土壤以及中等含水量的土壤，作为标准，求出地理参数

a0，a1，a2 。由此求出的表观土壤含水量ASW也是无量纲的相对值。

上式的含义是表观土壤含水量是表观热惯量的函数，是相对土壤密度的函数，也是相对土层厚度的函数。由于水的密度是1，所以土壤密度除以水的密度，该因子团成为无量纲相似准则。颗粒粒径表示土壤的空隙度，土层厚度表示所测土壤含水量的深度范围，颗粒粒径除以土层厚度表示相对土层厚度，即土层有几倍的粒径厚度，也是无量纲因子团。由于世界各地的土壤种类不同，所处地理环境不同，所以a0，a1，a2各处是不同的，也是以图像表示的。同样地，表观土壤含水量也是虚拟的。

（4）真实土壤含水量与表观土壤含水量

真实土壤含水量是在地面上实测的土壤含水量。实测土壤含水量在地面上的取样面积只有几平方厘米，遥感是监测不到的。即使遥感的地面空间分辨率达到了1m，那么也需要在地面上1m2的范围内实测6~9个点的土壤含水量，求其均值，才能与遥感影像数据比较。

何况遥感监测土壤含水量是大面积范围上的工作，往往用气象卫星的数据，每1个像元是1km2的面积，地面上实测的土壤含水量根本无法与之比较。1km2上需要实测几百个点的土壤含水量，取其均值，还要随机统计方法正确，才能两相比较。

况且地面上实测的土壤含水量很难做到同步实测。某个点的含水量与相邻点的含水量观测时间往往相差几个小时，甚至相差几天，而遥感所计算出来的表观土壤含水量是同一瞬间的，完全同步的。