基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究

论文利用2005年、2006年怀来实验场附近玉米生长期中的多次野外试验数据，以热惯量模型为基础，探讨MODIS数据监测土壤水分的可行性。论文对该模型与算法进行了分析，并探讨了不同植被覆盖度下，热惯量方法监测土壤水分的可行性。论文引入归一化植被指数对热惯量法进行修正，得到一个新的回归参数，通过实验分析验证，在不同植被覆盖下，该参数与土壤含水量具有较好的相关关系，具有一定的实际可行性。     

土壤水分的遥感监测方法概述

回顾了目前国内外土壤水分的遥感监测方法,介绍了反射率法、植被指数法、地表温度法、温度-植被指数法、作物水分胁迫指数法、热惯量法和微波法,并对各方法的优缺点进行了详细比对;在总结国内外土壤水分遥感监测研究方法的基础上,对目前该研究领域的重点、难点和未来的发展方向进行了评价。认为:热惯量法和植被温度指数法是较为成熟的方法;微波遥感因其独特的优越性,将是该领域的重点研究方向。     

土壤水分的遥感监测方法

本文讨论了用雷达图像散射系数法、NOAA-AVHRR数字图像热惯量法和作物缺水指数法监测土壤水分的结果,并将这些方法与常规气象方法、绿度指数法和温差法监测土壤水分的效果进行了比较和评价。结果表明,微波遥感监测土壤水分有广阔的应用前景,但必须深入开展基础研究。在我国目前情况下,采用NOAA-AVHRR数字图像及有关气象数据计算热惯量、作物蒸散和缺水指数,从而估算土壤水分的方法是一种比较切实可行的方法。     

冬小麦旱情遥感监测模型研究

本研究依据土壤水量平衡及能量平衡的原理,提出了一套利用遥感方法监测冬小麦干旱及建模的方法。首先,用热惯性方法建立试区土壤表观热惯量与土壤水分的关系,用其估算初始土壤含水量(W_0);再用NOAA-AVHRR数字图像和气象数据相结合的方法估算冬小麦地的蒸散(E_t);从而根据水量平衡方程获得某一时段(旬)的土壤含水量(W_t);最后,根据冬小麦的需水规律和土壤有效水含量构造干旱指数模型。试验表明,此模型反映了作物干旱的本质,能大范围有效地监测作物旱情。     

基于MODIS数据的干旱区土壤水分反演

为了更好地研究内蒙古额济纳盆地的土壤水分时空分布及动态变化,基于MODIS数据,利用热惯量模型,计算了表观热惯量,并与实测数据进行回归分析建模,反演了内蒙古额济纳盆地的土壤水分。结果表明,利用MODIS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;砂土对应的表观热惯量均值较大,粘土次之,壤土最小;相比粘土,壤土和砂土的表观热惯量值比较大且分散;绿洲区表观热惯量值比戈壁和沙漠区大;热惯量模型在20 cm左右深度土壤水分反演效果最好,可有效反演干旱区土壤水分。     

2002年秋季山东省干旱遥感监测分析

利用极轨气象卫星遥感资料对2002年山东省秋季干旱进行监测和服务,其监测方法主要采用热惯量法。为了提高土壤水分模式的计算精度,将全省分为4个区域,对利用卫星资料反演的地表温度日较差进行植被指数等环境因素订正。在地理信息系统支持下,比较准确地计算出农田受旱面积,效果良好。     

利用TM6进行土壤水分的监测研究

在无植被或植被覆盖度很小的情况下，利用TM卫星的热红外波段，进行土壤水分的定量反演，监测出土壤水分的含量，从而形成一种简捷有效的土壤旱情监测的新方法，完善遥感动态监测的理论及方法体系。     

改进的表观热惯量法反演土壤含水量

提出一种改进的表观热惯量计算模型,以中科院栾城农业生态系统试验站为基地,通过实测的模型参数,利用提出的表观热惯量模型计算不同植被覆盖下、不同实验区土壤含水量的热惯量值,并与土壤含水量进行相关性分析,以找到热惯量方法可以用来反演土壤含水量的适用条件(归一化植被指数NDVI的阈值).实验结果表明,该模型监测土壤含水量是可行的,在植被覆盖度较低的情况下(NDVI≤O.35)具有较高的精度,在植被覆盖度较高(NDVI＞0.35)时,热惯量模型失效,因此用热惯量方法反演土壤含水量植被覆盖时将NDVI阈值的最大值设为0.35.将该方法应用到MODIS数据中,以河北省栾城县、赵县、藁城市3市县为研究区,分别反演该区土壤含水量,反演结果与实际情况相符合.实地取点人工监测土壤含水量为25.1％,栾城站模型计算结果为22.4％,匹配性较好,该方法在遥感数据中得到了很好的应用.     

岩石的热惯量研究

本文阐述了热惯量的物理意义及其在地质遥感中的作用。在测得２３种岩石热物理性质的有关参数──热传导率、热容量和密度的基础上，计算并列表给出了岩石的热惯量值和热扩散系数等基础数据。文中分析讨论了沉积岩、变质岩和岩浆岩岩石的热惯量变化由高到低的初步规律。取得了碳酸盐岩和砂岩类等沉积岩和沉积浅变质岩的热惯量差异的结果，指出了它们的易区分性；也指出了中－酸性、碱性岩浆岩之间的热惯量值差异较小，不易区分。     

基于表观热惯量与温度植被指数的FY-3B土壤水分降尺度研究

为进一步研究风云三号(FY-3B)土壤水分降尺度获取高分辨率土壤水分的方法,使其更适用于农业、水文、生态等区域尺度的应用要求,以MODIS为数据源,青藏高原那曲地区为研究区,利用表观热惯量模型(apparent thermal inertia,ATI)与温度植被指数(temperature vegetation index,TVI)模型在不同植被覆盖度下适用的特点,构建综合ATI与TVI的土壤水分反演模型;结合低分辨率FY-3B土壤水分产品,利用土壤水分降尺度方法,获取高分辨率下土壤水分反演模型系数,并得到高分辨率土壤水分。通过与地面观测数据对比,降尺度后土壤水分与实测数据的R~2在0.4以上,RMSE在0.055～0.103 cm~3/cm~3之间,表明降尺度后的土壤水分能够较好地反映区域土壤水分的空间分布与变化。     

用被动微波AMSR数据反演地表温度及发射率的方法研究

 针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。     

阶段模型修正的星载GNSS-R土壤湿度反演方法EI北大核心CSCD

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。     

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。     

基于参数不确定性分析的SAR土壤水分反演精度控制方法

参数不确定性是SAR反演土壤水分的重要不确定性来源,为控制土壤水分反演精度,提出一种基于参数不确定性的有效控制土壤水分反演精度的方法,使用该方法可以控制参数的误差范围。首先使用全局敏感性分析方法,确定后向影响散射系数输出的主要参数;在不同量级高斯噪声随机扰动下,将大量各参数采值输入AIEM模型中,得到带噪声的后向散射系数集合;再使用LUT法反演土壤水分,计算反演结果满足误差量级控制范围。以此为基础,利用ENVISAT ASAR双极化数据(VV、VH)和实测土壤水分数据进行验证,利用LUT法反演得到带噪声的土壤水分,计算ASAR影像中采样点土壤水分反演值RMSE0.04cm3/cm3。结果表明各影响参数误差量级控制范围可有效控制土壤水分反演精度,在较大的入射角范围内都适用。     

HJ-1B卫星热红外遥感影像农田地表温度反演

本文以我国自主研发的HJ-1B卫星影像为数据源,利用其热红外影像、基于JM&S普适性单通道算法反演2009年5月20日河北省涿州市和高碑店市的农田地表温度。最后将HJ-1B IRS影像的地表温度反演结果与同时相Landsat TM5影像的反演结果进行比较分析,分析结果表明:本文所提出的基于HJ-1B卫星热红外影像反演农田地表温度精度可靠,该方法是可行性的。     

一种适用于ASTER数据同时反演大气水汽含量和地表温度的三通道算法

提出了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法,即利用ASTER数据的第12,13,14三个热红外波段建立三个热辐射传输方程。再利用MODTRAN软件分别模拟ASTER 12,13,14波段透过率与大气水汽含量的关系,通过分析可知ASTER三个热红外波段的透过率与大气水汽含量的关系可用近似线性方程表示,从而得到另外三个方程。这样就构成了一个包含六个未知数、六个方程的方程组,形成了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法。由于各参数都可以通过方程组计算出来,所以,这种算法仅需要ASTER数据就可反演出大气水汽含量与地面温度,且关键参数大气透过率的计算精度提升到了AS-TER数据一个像元（15×15）m2的程度。     

基于改进热惯量模型的表层土壤水反演研究

针对改进热惯量模型需要通过对地面实测的温度进行插值推算地表最高温度,而玛多县属高原地区,较难获取实测数据,利用MODIS地表温度产品的4个瞬时值计算日平均地表温度,结合修正普适性单通道算法反演HJ-1B地表温度,推算出地表最高温度,从而减少了改进热惯量模型对地面观测数据的依赖,进而利用HJ-1B数据反演了玛多县土壤水。结果表明:本文方法可行,能够获得较高分辨率的土壤水空间分布结果,拓宽了HJ-1B数据的应用范围。     

Improved Understanding of Soil Surface Roughness Parameterization for L-Band Passive Microwave Soil Moisture Retrieval

Surface roughness parameterization plays an important role in soil moisture retrieval from passive microwave observations. This letter investigates the parameterization of surface roughness in the retrieval algorithm adopted by the Soil Moisture and Ocean Salinity mission, making use of experimental airborne and ground data from the National Airborne Field Experiment held in Australia in 2005. The surface roughness parameter is retrieved from high-resolution (60 m) airborne data in different soil moisture conditions, using the ground soil moisture as input of the model. The effect of surface roughness on the emitted signal is found to change with the soil moisture conditions with a law different from that proposed in previous studies. The magnitude of this change is found to be related to soil textural properties: in clay soils, the effect of surface roughness is higher in intermediate wetness conditions (0.2–0.3 v/v) and decreases on both the dry and wet ends. Consequently, this letter calls for a rethink of surface roughness parameterization in microwave emission modeling.      

An Effective Model to Retrieve Soil Moisture from L- and C-Band SAR Data

This study investigated an appropriate method for soil moisture retrieval from radar images and coincident ground measurements acquired over bare soil and sparsely vegetated regions. The adopted approach based on a single scattering integral equation method (IEM) was developed to establish the relationship between backscatter coefficient and surface soil parameters including volumetric soil moisture content and surface roughness. The performance of IEM in 0–7.6 cm is better than that in 0–20 cm. Moreover, IEM can simulate correctly the backscatter coefficients only for the root mean square (RMS) height s < 1.5 cm at C-band and s < 2.5 cm at L-band by using an exponential correlation function and for s > 1.5 cm at C-band and s > 2.5 cm at L-band by using Gaussian function. However, due to the difficulties involved in the parameterization of soil surface roughness, the estimated accuracy is not satisfactory for the inversion of IEM. This paper used a combined roughness parameter and Fresnel reflection coefficient to develop an empirical model. Simulations were performed to support experimental results and to highlight soil moisture content and surface roughness effects in different polarizations. Results showed that a good agreement was found between the IEM simulations and the SAR measurements over a wide range of soil moisture and surface roughness characteristics. The model had a significant operational advantage in soil moisture retrieval. The correlation coefficients were 77.03 % at L-band and 81.45 % at C-band with the RMSEs of 0.515 and 0.4996 dB, respectively. Additionally, this work offered insight into the required application accuracy of soil moisture retrieval at a large area of arid regions.