论文部分内容阅读
摘 要：本文对土壤含水量的遥感反演的方法进行了综述，包括归一化植被指数法、植被供水指数法、作物缺水指数法、温度植被干旱指数法、表观热惯量法、地表含水量指数法，提出了在土壤含水量的遥感反演方法中存在的一些问题，展望了该领域的发展前景。
关键词：遥感；土壤含水量；监测
土壤含水量的测定方法包括烘干称重法、土壤水分传感器法、射线测定法、介电特性法、核磁共振法、分离示踪剂法、遥感法测定土壤含水量，遥感法为目前较为常用的土壤含水量监测方法。
自然界中的物体自身辐射电磁波的同时，能够对外界的电磁波产生吸收、反射和透射作用，绝大数物体具有这种性质。正常状况下，每种物体对电磁波的作用有一定的差别，因此可以根据某种物体对电磁波作用的特定属性来识别该种物体，并可进一步判定物体的状态和特性等等。
利用电磁波的这一属性可以进行土壤含水量的遥感监测。常用土壤含水量遥感反演包括以下几类。
在上述多种遥感反演数据监测土壤含水量变化的方式中，归一化植被指数（NDVI）法在土壤含水量的反演中，优势是NDVI计算简单且表达较为直观，但是由于植被无法第一时间反应自身水分变化，造成反应土壤含水量的变化时有延迟，因此会增加误差[6-8]。同时也由于此原因，NDVI在植被覆盖度搞得地区会呈现趋于稳定的数值（NDVI恒定的饱和值）[9-10]，因此造成归一化植被指数法和植被供水指数法监测土壤含水量的误差。作物缺水指数法，需要加入当地的各类气象数据计算参数后换算潜在蒸散量，复杂的计算过程造成无法实时监测土壤含水量。温度植被干旱指数法受限于植被覆盖度高的地区，裸地过多的地区不适用。热惯量法适用于植被覆盖度低的地区，不适用于植被覆盖度较高的地区，因此这两种方法不适用于植被覆盖度变化幅度较大的研究区。
土壤含水量遥感反演法可进行大范围实时和长期变化监测，在空间与时间方面具有得天独厚的优势，克服了实地测量方法的不足，但是遥感反演结果由于各方面的条件限制不可避免存在一定的偏差，未来需要进一步改进方法来实现更加精准的监测。
参考文献
[1]邓辉，周清波.土壤水分遥感监测方法进展[J].中国农业资源与区划，2004（03）：46-49.
[2]申广荣，田国良.基于GIS的黄淮海平原旱灾遥感监测研究——作物缺水指数模型的实现[J].生态学报，2000（02）：224-228.
[3]Inge Sandholt，Kjeld Rasmussen，Jens Andersen.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2）：213-224.
[4]胡猛，冯起，席海洋.遥感技术监测干旱区土壤水分研究进展[J].土壤通报，2013，44（05）：1270-1275.
[5]杜晓，王世新，周艺，等.一种新的基于MODIS的地表含水量模型构造与验证[J].武汉大学学报信息科学版，2007，32（3）：205-206
[6]张巧凤，刘桂香，于红博等.锡林郭勒草原土壤含水量遙感反演模型及干旱监测[J].草业学报，2017，26（11）：1-11.
[7]Di L，Rundquist DC，Han L.Modeling relationship between NDBI precipitation during growth cycle[J].Iternational Journal of Remote sensing，1994，15（10），2121-2136.
[8]Kogan F N.Remote sensing of weather inpacts on vegetation in non-homogeneous areas [J].Iternational Journal of Remote Sensing，1990，11（8）：1405-1419.
[9]Liu W，Ferreira A.Monitoring crop production regions in the Sao Paula State of Brazil using normalized difference vegetation index[C]//Pro.24h.International Symposium on Remote Sensing of Environment，Rio de Janeiro，Brazil，1991，447-455.
[10]Peters A J，Walter-Shea E E，Lei J，etal.Drought monitor-ring.with NDVI-based standardized vegetation index[J].Photogrammetric Engineering and Remote Sensing，2002，65（1）：71-75.
关键词：遥感；土壤含水量；监测
土壤含水量的测定方法包括烘干称重法、土壤水分传感器法、射线测定法、介电特性法、核磁共振法、分离示踪剂法、遥感法测定土壤含水量，遥感法为目前较为常用的土壤含水量监测方法。
自然界中的物体自身辐射电磁波的同时，能够对外界的电磁波产生吸收、反射和透射作用，绝大数物体具有这种性质。正常状况下，每种物体对电磁波的作用有一定的差别，因此可以根据某种物体对电磁波作用的特定属性来识别该种物体，并可进一步判定物体的状态和特性等等。
利用电磁波的这一属性可以进行土壤含水量的遥感监测。常用土壤含水量遥感反演包括以下几类。
在上述多种遥感反演数据监测土壤含水量变化的方式中，归一化植被指数（NDVI）法在土壤含水量的反演中，优势是NDVI计算简单且表达较为直观，但是由于植被无法第一时间反应自身水分变化，造成反应土壤含水量的变化时有延迟，因此会增加误差[6-8]。同时也由于此原因，NDVI在植被覆盖度搞得地区会呈现趋于稳定的数值（NDVI恒定的饱和值）[9-10]，因此造成归一化植被指数法和植被供水指数法监测土壤含水量的误差。作物缺水指数法，需要加入当地的各类气象数据计算参数后换算潜在蒸散量，复杂的计算过程造成无法实时监测土壤含水量。温度植被干旱指数法受限于植被覆盖度高的地区，裸地过多的地区不适用。热惯量法适用于植被覆盖度低的地区，不适用于植被覆盖度较高的地区，因此这两种方法不适用于植被覆盖度变化幅度较大的研究区。
土壤含水量遥感反演法可进行大范围实时和长期变化监测，在空间与时间方面具有得天独厚的优势，克服了实地测量方法的不足，但是遥感反演结果由于各方面的条件限制不可避免存在一定的偏差，未来需要进一步改进方法来实现更加精准的监测。
参考文献
[1]邓辉，周清波.土壤水分遥感监测方法进展[J].中国农业资源与区划，2004（03）：46-49.
[2]申广荣，田国良.基于GIS的黄淮海平原旱灾遥感监测研究——作物缺水指数模型的实现[J].生态学报，2000（02）：224-228.
[3]Inge Sandholt，Kjeld Rasmussen，Jens Andersen.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2）：213-224.
[4]胡猛，冯起，席海洋.遥感技术监测干旱区土壤水分研究进展[J].土壤通报，2013，44（05）：1270-1275.
[5]杜晓，王世新，周艺，等.一种新的基于MODIS的地表含水量模型构造与验证[J].武汉大学学报信息科学版，2007，32（3）：205-206
[6]张巧凤，刘桂香，于红博等.锡林郭勒草原土壤含水量遙感反演模型及干旱监测[J].草业学报，2017，26（11）：1-11.
[7]Di L，Rundquist DC，Han L.Modeling relationship between NDBI precipitation during growth cycle[J].Iternational Journal of Remote sensing，1994，15（10），2121-2136.
[8]Kogan F N.Remote sensing of weather inpacts on vegetation in non-homogeneous areas [J].Iternational Journal of Remote Sensing，1990，11（8）：1405-1419.
[9]Liu W，Ferreira A.Monitoring crop production regions in the Sao Paula State of Brazil using normalized difference vegetation index[C]//Pro.24h.International Symposium on Remote Sensing of Environment，Rio de Janeiro，Brazil，1991，447-455.
[10]Peters A J，Walter-Shea E E，Lei J，etal.Drought monitor-ring.with NDVI-based standardized vegetation index[J].Photogrammetric Engineering and Remote Sensing，2002，65（1）：71-75.