基于支持向量机回归算法的土壤水分光学与微波遥感协同反演

利用遥感技术反演土壤水分对于我国西北地区农业干旱问题研究具有重要意义。该文以新疆焉耆盆地为研究区域,分别利用微波遥感数据(Sentinel-1ASAR)和光学遥感数据(Landsat8)计算土壤后向散射系数(σ0soil)和改进型温度植被干旱指数(MTVDI),并将σ0soil和MTVDI参数作用于支持向量机(SVM)回归算法,探讨了不同参数条件下SVM模型在土壤水分反演中的适应性。实验结果表明,相比只用单因子(σ0soil或MTVDI)作为模型参数,以σ0soil和MTVDI两者共同作为SVM模型输入参数时,土壤水分监测精度显著提高,其建模集决定系数R2=0.81,均方根误差RMSE=3.16%;验证集R2=0.89,RMSE=3.15%。最后,利用最优模型对研究区土壤水分进行了反演,并对不同土地类型含水量进行了评价,可为光学遥感与微波遥感协同反演土壤水分提供参考。     

MODIS雪深反演数学模型验证及分析

在MODIS卫星遥感积雪监测的基础上,利用雪深反演数学模型、积雪指数NDSI和多光谱阈值等相结合的方法,对2004年以来新疆北疆地区的积雪分布状况进行了反演和计算,并利用2004年11月～2005年3月冬季北疆地区气象台站雪深数据和2004年12月～2006年1月加密野外实测雪深数据,对反演雪深数据进行了验证及分析,北疆各地除塔城地区反演精度为83.2%以外,其它地区反演精度达85.2%以上,平均反演精度达86.2%;野外实测数据验证反演精度达92%以上。     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.     

基于电磁感应数据的膜下滴灌土壤水分动态变化研究

快速、无损监测农田土壤水分含量,是智慧农业的重要研究内容。以新疆南疆阿拉尔国家农业科技园区膜下滴灌棉田为研究对象,运用EM38-MK2大地电导率仪快速、高效的获取了4组不同时期的棉田土壤表观电导率数据,并同步采集表层土壤(0~20 cm)样品,通过构建表观电导率数据与室内测定含水量数据间的反演模型获取了测点的含水量数据,并按照土壤水分干旱分级标准对研究区土壤水分进行划分,综合利用GIS软件和地统计方法对土壤水分的时空变异性进行研究。结果表明:4个时期的土壤水分反演模型决定系数均大于0.80且均方根误差(RMSE)和平均绝对百分误差(MAPE)均较小,表明反演模型精度较高,土壤表观电导率与表层土壤水分相关性较好;不同时期土壤含水量数据表明土壤水分具有很强的时间变异性,变异性由中等变异转变为弱变异再转变为中等变异;受人为灌溉等因素的影响,变异函数模型也存在差异;半方差分析中4个时期的土壤水分块金值与基台值之比均大于75%,表明土壤水分在空间上趋近于弱空间相关;高程反距离权重(IDW)插值图及水分克里格插值图表明微地形是影响土壤水分分布的重要因素。本研究可为干旱区膜下滴灌棉田土壤水分动态监测提供重要的方法支撑,从而更好地指导农业灌溉。     

新疆石河子农区土壤含盐量定量反演及其空间格局分析

盐渍化严重威胁着土地持续耕作和粮食生产安全,土壤含盐量的快速反演和及时监测,对新疆石河子农区农业可持续发展有着重大意义。以Landsat-8 OLI遥感影像与野外采样测定的72个样点土壤含盐量为数据基础,引入土壤亮度指数、土壤湿度指数、土壤盐盖度指数和土壤辐射水平指数等构建的特征遥感指数定量反演新疆石河子农垦区土壤含盐量,并对其空间布局进行了分析。研究表明：① 利用遥感影像像元特征遥感指数值反演地面对应土壤含盐量的精度较好,反演方法可行,反演精度为66%;② 反演得到土壤含盐量空间分布图在空间上等级明显,层次分明,呈现出“一带一区”的格局,“一带”是玛纳斯流域形成的盐渍化程度较高的条带,“一区”是内在土质形成的严重盐渍化区域;③ 在新疆石河子农区中,35.40%的棉田适合耕作,64.60%的棉田耕地需要进行改良,农区土壤盐渍化治理仍十分紧迫。     

基于土壤水分的农业干旱监测研究进展

土壤水分是评估农业干旱的关键变量。然而长期以来,由于缺乏大范围、高精度、长时间的土壤水分观测数据,基于土壤水分的农业干旱监测在实际应用中受到限制。近年来,随着遥感观测技术的发展,土壤水分数据的时空覆盖度和产品精度显著提升,基于土壤水分的农业干旱监测逐渐吸引更多的关注。论文系统归纳了站点观测与微波遥感观测的土壤水分数据特性,综述了目前基于土壤水分的3种农业干旱监测指标：基于长时间土壤水分序列的干旱指标、基于土壤水分与土壤水力学参数的干旱指标和基于土壤水分等多变量综合的干旱指标。最后,论文从提高土壤水分数据空间分辨率、加强农业干旱机制研究与完善农业干旱监测体系三方面提出基于土壤水分的农业干旱监测所面临的挑战与机遇,以期为未来的相关研究提供参考。     

地貌分带下基于ICESat-2与GF-1的珊瑚礁水深遥感优化反演方法

研究以中国南海西沙群岛华光礁西部剖面为试验区,采用高分一号（GF-1）遥感影像及“冰、云和陆地高程2号”（ICESat-2）星载激光测高数据,基于珊瑚礁地貌分带建模优选策略构建了试验区25 m以浅水深遥感反演模型,并将模型外推应用至西沙群岛有实地调查水深数据的珊瑚礁剖面研究区。建模结果显示,礁坡和深潟湖地貌采用波段比值二项式回归模型,礁坪、浅潟湖和点礁地貌均采用多波段比值回归模型,可以使得地貌单元内基于GF-1影像的水深遥感反演达到最优效果。模型反演水深数据与实地调查水深数据相关系数为0.95;实地调查水深数据与ICESat-2深水区数据综合验证结果显示,模型均方根误差为1.34 m,平均绝对误差为1.08 m,平均相对误差为17.10%。研究表明,本文提出的基于地貌的主被动遥感水深反演模型显著改进了珊瑚礁区中分辨率遥感水深反演模型的精度,可为大范围珊瑚礁区高精度的水深反演提供方法支持。     

基于Sentinel-1和Sentinel-2协同反演干旱区地表土壤水分--以格尔木河中下游为例

摘要：土壤水分是全球水循环的重要组成成分,对研究土壤水分的空间分布、农作物长势和产量 、气候变化、水资源时空分布等有着重要意义 。本文利用Sentinel（哨兵）系列主动微波雷达卫星SAR（Sentinel-1）结合光学卫星（Sentinel-2）对格尔木中下游低矮植被覆盖下的地表土壤水分进行反演研究, 探讨不同极化组合方式和水云模型前后的土壤水分含量反演方法的适用性。结果表明：其中VV (VV Polarization) 极化对比VH (VH Polarization) 极化更加适用该区域,VV极化结合归一化水指数 (NDWI）反演地表土壤水分精度达到42.6%,拟合精度最高,VH极化仅为22.6%;利用水云模型去除植被覆盖后对地表土壤水分的反演精度有所提升,其中,VV极化精度提高约3.5%,VH极化提高1.5%;Sentinel系列卫星影像对于干旱区的土壤水分的反演具有较好的适用性。本文旨在探索一种适用于该研究区乃至柴达木盆地土壤水分实现大面积实时监测的可靠依据和手段。     

植被覆盖地表主动微波遥感反演土壤水分算法研究

主动微波遥感监测土壤水分具有全天时、全天候并对地物有一定的穿透能力等特点,突破了传统测量方法和光学遥感获取土壤水分的局限。文中在分析植被对微波信号影响的基础上,总结了当前国内外基于主动微波遥感监测植被覆盖地表土壤水分的原理和方法,指出利用，宋朝景“水-云模型”从总的极化雷达后向散射中去除植被影响后,能够改进后向散射系数和土壤含水量之间的关系。最后利用ENVISAT ASAR数据,结合实地采样获得的土壤含水量数据拟合两者之间的关系,结果表明农作物覆盖地表土壤水分变化的估算算法还需要进一步发展和改进以提高反演精度。     

微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。     

基于MODIS数据新疆土壤干旱特征分析

干旱是一种常见的自然灾害,严重影响着新疆的农业生产。利用中分辨率成像光谱仪MODIS影像MOD11A2数据和MOD13A2数据,数字高程模型(DEM)对Ts进行了纠正,提取归一化植被指数(NDVI)和地表温度(Ts)构建NDVI-Ts特征空间,并依据特征空间计算的温度植被干旱指数(TVDI)作为监测土壤湿度指标,反演了新疆2013年5、6、7三个月每16 d的土壤湿度。较好地反映地表图层土壤湿度,分析了新疆土壤湿度的时空分布特征,新疆北部地区土壤湿度高于南部,西部的土壤湿度高于东部,且土壤湿度由西北向东南逐步减小,依次表现为湿润>正常>轻旱>中旱>重旱>极旱;由5月到7月土壤湿度不断增大,这与新疆降水量分布和实地土壤含水率十分吻合,监测结果可信,能够为决策部门防旱抗旱提供有力的信息支持。     

Monitoring soil moisture dynamics using satellite imaging radar in northeastern Jordan

This paper describes how synthetic aperture radar (SAR) data from the European Environmental Remote Sensing (ERS) satellite series were used to derive estimates of near-surface soil moisture for seasonally vegetated and bare soil surfaces in the area of the Jordan Badia Research and Development Programme (BRDP). Data were acquired between March 1995 and April 1998, covering both wet and dry seasons. A surface scattering model was calibrated using field data: first to understand how soil moisture affects the SAR signal and, secondly, to predict the response of the SAR signal to changes in volumetric soil moisture. Good agreement between predicted and observed estimates was obtained. Model inversion allowed soil moisture predictions to be made that were deemed realistic in terms of soil moisture values.     

基于改进型TVDI在干旱区旱情监测中的应用研究

干旱是全球范围内影响最为广泛的自然灾害之一，其所导致的土壤沙漠化、荒漠化和盐碱化给生态环境造成不可逆的危害。通过对MODIS数据进行投影转换、去云等预处理的基础上，利用地形校正对TVDI模型进行改进，构建了改进型的温度植被干旱指数（mTVDI）用于新疆干旱区旱情监测。利用土壤实测数据对mTVDI及传统的TVDI模型进行对比验证。研究结果表明：（1） 利用EVI与校正后的LST构建的mTVDI_E对干旱区旱情的敏感度最高，与实测土壤水分数据的相关性R²为0.74。（2） 从空间上看，新疆2015年旱情分布以塔里木盆地和准噶尔盆地为两个干旱中心，旱情状况由严重逐步向周围山区递减至湿润状态。从时间上看，新疆6月、7月和8月旱情最为严重。（3） 研究利用TRMM降水数据对基于mTVDI_E反演的新疆旱情时空分布特征进行对比分析，结果表明二者所表现出的旱情时空分布较为一致，不同时间段内的降水量与mTVDIE之间具有一定的相关性，且均通过了P<0.01显著性检验。综上，基于TVDI所提出的mTVDI_E 能够有效开展新疆干旱区旱情监测，且精度较高，从而为今后定量化开展大区域尺度旱情监测研究提供参考。     

北疆农区土壤盐渍化遥感监测及其时空特征分析

基于MODIS数据,利用归一化植被指数和盐分指数的二维特征空间关系建立土壤盐渍化遥感监测模型,对北疆农区2000年以来的土壤盐渍化状况及其空间动态变化进行了监测分析,并探讨了典型区土壤盐渍化的主要驱动因素。结果表明：① 土壤盐渍化遥感监测指数可以从宏观上定量刻画北疆农区的土壤含盐量;② 北疆农区土壤盐渍化空间特征呈现出总体上逆转、局部严重发展的态势;③ 土壤盐渍化等级在不同时间段的发展或逆转的方向主要由中度向重度及重度向盐土间的相互转化,其中重度盐渍化农用地的转化幅度最大;④ 不同土壤盐渍化等级中盐土的形成与农区降水量和干燥程度具有较好的相关性,未盐渍化（正常）和中度盐渍化与农区有效灌溉面积和农作物播种面积分别呈相关系数较高的正相关和负相关。     

古尔班通古特沙漠南缘风沙土土壤水分特征与毛管水最大上升高度

为确定古尔班通古特沙漠南缘地下水深埋区毛管上升水的最大上升高度,对划分固沙植物水分来源提供理论依据,于2016年3月~2018年11月,采用中子仪法对试验地0~10 m土层土壤含水量进行观测,分析沙丘不同坡位土壤含水量的季节变化情况,并利用最大分子持水量与土壤含水量曲线交会法确定试验地毛管水的最大上升高度。结果表明：沙丘不同坡位0~130 cm土层的土壤含水量受外界气象因素影响较大,随季节变化规律明显;130 cm土层以下至570~760 cm土层为土壤含水量较为稳定的干沙层;而570~760 cm以下土层的土壤含水量主要受地下水水位波动和毛管上升水的影响,其含水量变化上界可看作是毛管水的最大上升高度。试验地的最大分子持水量为0.026 1 cm³·cm^-3,且沙丘不同坡位毛管水的最大上升高度分布在250~290 cm之间。     

阿拉尔灌区棉田蒸散量计算模型

根据2000年阿克苏水平衡站有底测坑试验资料，分析了土壤水分有效性函数与土壤相对有效含水率，作物生物学特性函数，与群体叶面积指数的关系，结果表明：（1）土壤水分有效性函数与土壤相对有效含水率呈直线函数关系；（2）作物生物学特性函数与群体叶面积指数呈指数函数关系。选用20cm蒸发器水面蒸发量、作物生物学特性函数和土壤水分有效性函数，应用数理统计方法建立了阿拉尔灌区棉田蒸散量计算模型。该模式仅需常规气象与土壤湿度资料，计算简便，精度较高，便于在缺乏实测资料的地区使用。     

地表能量平衡方程在新疆地表温度模拟中的应用

地表温度是影响地表能量收支平衡和气候变化的重要因子,也是评价陆面模式性能的主要指标。新疆下垫面包括沙漠、绿洲、冰川、积雪等多种类型,其地表温度变化对生态环境和天气气候变化有重要影响。为了找到影响第三代陆面模式NCAR CLM4.5模拟新疆地表温度效果的主要因子,促进该模式发展,在对ERA-5再分析资料评估基础上,以其作为实况资料,首先对CLM4.5长时段模拟新疆地表温度的效果开展评估,然后利用地表能量平衡方程得到的地表温度变化影响因子分离方法,揭示出引起新疆地表温度模拟偏差的主要因子。结果表明：ERA-5地表温度的空间分布特征、量级和时间变化与观测结果一致,可用来研究该区域地表温度变化。CLM4.5对新疆地表温度模拟冷偏差值较大,但相关性显著,且误差与气候背景和下垫面条件有关。CLM4.5模拟的潜热值偏大是地表温度模拟值偏低的主要原因,CLM4.5模拟的潜热值在新疆大部分区域比ERA-5的多90%以上。CLM4.5对新疆0—10 cm土壤湿度模拟值偏大,蒸散过强,导致潜热通量偏大,因此改进土壤湿度计算方案是提高该陆面模式对新疆地表温度模拟水平的有效途径。     

基于机载极化雷达技术的农作物覆盖区土壤水分估算

从研究区辅助数据中获得植被覆盖区域农作物含水量，并对“水云模型”的参数进行了修改。从总的极化雷达后向散射中去除了植被影响；再应用简化的裸露地表模型和多极化数据特征消除了地表粗糙度的影响，从而能够通过多极化雷达数据得到地表土壤水分。经过文测数据验证表明农作物覆盖地表土壤水分变化的估算算法还需要更进一步发展和改进以提高反演精度，并探讨了应用极化雷达技术估算植被覆盖区土壤水分的方法。     

土壤水分监测与模拟研究进展

土壤水分是土地持续利用、水资源规划与管理、节水农业技术研究的基础,土壤水分的监测与模拟已经成为国际前沿研究领域的热点之一。本文总结了国内外在土壤水分监测、空间变异和预测模拟等方面的研究进展,分析了土壤水分研究的现状,并对发展趋势进行了展望。目前,“3S”技术在土壤水分监测中发挥着重要作用,世界上一些发达国家已实现土壤水分监测的实时化、网络化,以及数据处理的自动化和智能化,而国内同类工作相对滞后;地统计学理论已被广泛用于分析土壤水分空间变异性,但多局限于相对小的空间尺度,对大尺度土壤水分空间格局及其变异性研究还有待深入;已有模拟模型各有长处与不足,以“3S”技术和地统计学方法为手段,应用非参数化方法建立综合性的土壤水分预测模型将是土壤水分模拟发展的主要趋势。