论文部分内容阅读
摘要分布式水文模型的发展对水文信息的范围和精度提出了更高的要求，用遥感信息获取水文要素成为重要手段。探讨使用ENVI软件对MODIS数据处理和计算的方法，并分析和讨论了此方法的优缺点。以东苕溪流域为应用实例，提取了下垫面蒸发量信息和计算土壤含水量，并用4个水文站的实测数据对遥感数据进行了验证。最后，结合土地利用情况分析两者在时间和空间上的变化。结果表明，东苕溪流域蒸散发量与实测数据符合度比较好，可以用来估算流域蒸散发量。东苕溪流域平均月蒸发量和地域分布年内变化大，土壤含水量在地域上呈东西向阶梯分布，随时间变化不大。
关键词MODIS；蒸发量；土壤含水量；东苕溪流域
中图分类号S127文献标识码A文章编号0517-6611（2014）14-04483-03
The Hydrology Remote Sensing Information Extraction Based on MODIS—Take Dongtiaoxi Watershed as an Example
WANG Xuemei et al（China Institute of Water Resources and Hydropower Research， Beijing 100038）
AbstractThe development of distributed hydrological model put forward higher requirements of the range and accuracy of hydrological information. Using remote sensing information to acquire hydrology factors became an important means. The purpose of this paper is to explore the processing and calculation method based on MODIS data with ENVI and to analyze and discuss the advantages and disadvantages of this method. Taking Dongtiaoxi Watershed as an example， the evaporation and soil moisture content was calculated， then the RS data was contrasted with the measured data. At last， the change combining with land use were analyzed. The results showed that the Dongtiaoxi basin evaporation quantity fits better with the measured results， so it can be used to estimate river basin evaporation amount. The average monthly evaporation changed a lot in time and space. The distribution of soil water content showed ladderlike distribution in space but little changes over time.
Key wordsMODIS； Evaporation； Soil moisture content； Dongtiaoxi watershed
遙感在水文水资源研究中占有重要地位，被应用于水旱灾害监测评估、水资源评价与规划、节水型社会建设评价、灌区调查与用水管理、水土流失调查评价等几乎所有水资源相关领域[1]，尤其对分布式水文模型的发展有重要意义。观察水文模型的发展历史，不难发现水文模型多局限于数据。水文模拟的不确定性，多是由于信息不明确或缺乏数据，或受观测资料的限制造成的。分布式水文模型需要大量的基础数据，数据不足问题尤为突出。例如，水文模型的一个重要参数土壤含水量，几乎是不可能实地测量的，过去都是以余项的形式表达，而遥感使直接测量土壤含水量成为可能，且其时间和空间分辨率都能被接受。因此，除加强地面观测工作及数据共享外，今后将更多地依赖遥感与雷达等技术解决数据不足问题[2]。蒸发量和土壤含水量作为重要的水文信息，一直是遥感信息提取的重点研究对象。数十年来，遥感蒸散发模型和土壤含水量计算方法的发展从简单到复杂，从经验到机理，在理论、方法和应用等方面已取得不少成果[3-5]。
20世纪60年代以来，遥感技术的兴起给区域尺度的蒸散发量测定带来希望。人们尝试用遥感反演的方法，定量估算区域的陆面实际蒸散发量。赵军等运用基于SEBS模型进行计算[6]。根据能量平衡原理得到蒸散发面的能量平衡公式 Le=Ln-G-H，式中，Le为潜热通量；Ln为地表净辐射；H为显热通量；G为土壤热通量。与实测蒸散发量ET对比，验证结果较好（仅2009年），证明此方法在西北高寒草原地区具有一定适用性。邸苏闯等以北京城区5环范围为例，采用SEBAL模型和Landsat5 TM数据，对北京城区典型日ET进行反演，研究了绿地耗水空间变化规律。研究发现，有些像元存在不同土地覆被类型，对结果精度影响较大[7]。在应用中，模型计算过程往往比较复杂，所需要的基础数据也比较多，工作量大。
土壤含水量反演是遥感反演的难点，最常用的土壤含水量反演方法是建立基于可见光-近红外波段植被指数（如NDVI）与土壤水分的相关关系来进行。但这方法有明显的滞后性，监测时效性较差。1974年，Watson 等提出了用热惯量模型来监测土壤水分[8]。但热惯量模型只适用于裸土或者表层植被覆盖很低情况下的土壤含水量监测，对于高植被覆盖区域应用效果并不理想。姚云军等在分析MODIS短波红外第6、7波段对水分变化敏感的基础上，构建了MODIS短波红外光谱特征空间，根据土壤水分在光谱特征空间中的变化规律，提出MODIS短波红外土壤湿度指数SIMI，并利用宁夏平原实测0～10 cm平均突然含水量数据验证了该指数，但结果表明该指数没有消除混合像元的影响，当土壤含水量大于20%时，模拟值显著小于实测值，表明SIMI对高土壤含水量区域敏感性不够好[9]。魏伟等采用ATI和TVI结合的算法构建反演模型，研究表明，以植被指数为判别阈值，结合ATI和TVI两种方法构建反演模型可以弥补各自方法的不足，有效地实现优势互补，提高反演土壤含水量的精度，在区域土壤水分研究中是值得关注和应用的方法[10]。 为此，笔者以太湖东苕溪流域为例，在遥感技术支持下，对MODIS的蒸散发结果产品进行了精度分析，并采用ATI与TVI相结合的方法反演太湖东苕溪流域土壤含水量，研究两种水文信息在空间和时间上的变化规律，探索简单实用的获取流域大范围水文信息的方法。
1研究区概况
东苕溪流域位于太湖南部、杭嘉湖平原西部， 是太湖流域的一部分。东苕溪发源于临安市天目山南麓，由南苕溪、中苕溪、北苕溪汇合而成， 贯穿临安、余杭、德清县（市、区），经湖州市入太湖，全长165 km，流域面积2 267 km2。东苕溪流域内，有青山水库和对河口水库等大中型水库。流域西部地形多变，多为山区林地，东部地形相对平坦，为耕地和居民区，山区有多处村庄分布。流域土地利用图如图1所示。
图1东苕溪流域土地利用分类2数据准备
研究采用的数据来源于美国地质勘探局（United States Geological Survey，简称USGS）的全球数据网和美国航空航天局（NASA）的数据网站，这些网站提供MODIS数据及其各级产品以及部分提取模型。MODIS可提供0.4～14.5 μm的36个离散波段的图像，空间分辨率可为250、500、1 000 m，时间分辨率较高，可以每2 d连续提供地球上任何地方白天反射图像和昼夜发光光谱图像数据，为遥感研究提供了大量的数据。分别选取2012年1、4、7、10月4个典型月份（分别代表冬、春、夏、秋四季）来进行实例分析。
3MODIS蒸散发量估算
基于MODIS数据计算蒸散发的模型有很多，如Nishida模型、SEBS反演模型等，计算过程复杂，所需基础数据多。而MODIS16为直接的结果数据，该研究通过实例，研究其精确性和可用性。计算该数据的模型是SEBS模型，输入数据有太阳辐射（R）、日平均气温（Ta）、日最低气温（Tmin）、日气压（VP）等气象数据以及土地覆被类型数据（LC）、植被指数FPAR/LAI数据、地表反照率数据等遥感数据，具体计算方法参见文献[7]和文献[11]。
MOD16蒸散发量计算方法在计算全球ET数据产品时效果良好，其数据属性信息如表1所示。首先使用波段运算（band math）工具乘以比例系数，得到实际的蒸发数据，然后用掩膜（mask）去掉无效值（范围在32 000～33 000），最后用统计功能（statistics）计算流域蒸散发量的各统计值。用东苕溪几个水文站的蒸散发量实测数据（来自水文统计年鉴）验证MOD16产品数据的有效性，测站的信息如表2所示。如图2所示， MOD16蒸散发数据产品与实测数据非常接近，在区域蒸散发量估算中是值得应用的遥感数据。
通过ENVI计算和处理后得到各月份土壤含水量分布如图4所示。结合土地利用状况（图1）发现，在春耕季节，东部耕地土壤含水量最大，雨季过后，林地土壤含水量增加，这些特征与实际情况相符，可以认为计算所得土壤含水量是有效的。从图4还可以看出，东苕溪流域土壤含水量空间分布存在明显的阶梯状分布特点，总体来说，呈现出自西向东递减的趋势。西部山区的土壤含水量较大，东部为居民用地和耕地，土壤含水量较少，城镇用地土壤含水量几乎为0。土壤含水量在林地内较为稳定，东部人类作用比较强，变化剧烈。上半年由于稻田灌溉东北部耕地部分含水量较大，下半年较小。
东苕溪流域2012年土壤含水量统计结果如表4所示。表4表明，东苕溪流域平均土壤含水量随时间几乎不变，仅1月份冬季土壤含水量最大值较其他月份小约12%，平均值较其他月份低约1.4%，标准差约为其他月份的3倍。这主要是受冬季结冰情况的影响，但是因为东苕溪流域位于长江以南，冬季结冰范围小，所以影响不大。总体来说，由于东苕溪地处我国南部太湖流域，全年降水量充足，所以四季土壤含水量变化不大，整个流域土壤含水量平均值稳定在21%左右。
图4东苕溪流域土壤含水量分布5结论
（1）MODIS数据产品丰富多样，更新及时，数据共享，覆盖方位广阔，是很好的水文遥感信息来源。结合ENVI等遥感数据处理软件，对未来水文遥感发展尤其是分布式水文模型的发展具有重要意义。
（2）通过水文站实测数据的验证，证明MOD16数据产品的可靠度较高，计算效果良好，可以应用于分布式水文模型当中。土壤含水量的反演，由于大范围的实测数据难以获得，未进行精确的结果验证，但从实际情况分析，发现土壤含水量数据与实际情况较符合，具有可用性，为土壤含水量的估算提供了一種途径。
（3）东苕溪流域蒸发量四季变化较大，主要是受土地利用状况影响。西部为山区林地，蒸发量随季节变动剧烈。在冬季蒸发量较小，平均月蒸发量约为26 mm，春、秋平均月蒸发量为60 mm，而夏季平均月蒸发量最大，约为130 mm。东部多为居民用地和耕地，蒸发量年内变化不大。
（4）东苕溪流域土壤含水量年内变化不大，流域平均值约为21%，说明此地区土壤含水量受气象因素影响不大。但土壤含水量的地域分布四季有变化，春冬季节耕地含水量较大，而夏秋季节较大值多分布在林地。
（5）利用MODIS数据进行水文要素提取仍然存在一些缺点：①数据分辨率低，最大分辨率为250 m；②蒸发数据在水面和城市地区为无效值；③目前还没有通用高效的土壤含水量计算模型。这些缺点都影响所提取信息的精度和可靠度，所以在今后的研究中还要致力于对MODIS数据的完善和计算方法的改进。
参考文献
[1] 路京选， 水利遥感应用技术研究进展回顾与展望[J].中国水利水电科学研究院学报，2008（3）：224-230.
[2] GERT A S，EDWIN T E.水文与水管理中的遥感技术[M].韩敏，译.北京：中国水利水电出版社，2006：11-12.
[3] 张成才，吴泽宁，余弘婧.遥感计算土壤含水量方法的比较研究[J].灌溉排水学报，2004（2）：69-72.
[4] 冯景泽，王忠静.遥感蒸散发模型研究进展综述[J].水利学报，2012（8）：914-925.
[5] 吴代晖，范闻捷，崔要奎，等.高光谱遥感监测土壤含水量研究进展[J].光谱学与光谱分析，2010（11）：3067-3071.
[6] 赵军，刘春雨，潘竟虎，等.基于MODIS数据的甘南草原区域蒸散发量时空格局分析[J].资源科学，2011，33（2）：341-346.
[7] 邸苏闯，吴文勇，刘洪禄，等.基于遥感技术的绿地耗水估算与蒸散发反演[J].农业工程学报，2012，28（10）：98-104.
[8] WATSON K，POHN H A.Thermal inertia mapping from satellites discrimination of geologic units in oman[J].J Res Geol Surv，1974，2（2）：147-158.
[9] 姚云军，秦其明，赵少华，等.基于MODIS短波红外光谱特征的土壤含水量反演[J].红外与毫米波学报，2011，30（1）：9-14.
[10] 魏伟，任皓晨.基于MODIS的ATI 和TVI组合法反演石羊河流域土壤含水量[J].国土资源遥感，2011（2）：104-109.
[11] 孙亮，孙睿，杨世琦，等.利用MODIS数据计算地表蒸散[J].农业工程学报，2009，25（S2）：23-28.
[12] 李发鹏，徐宗学，李景玉，等.基于MODIS数据的黄河三角洲区域蒸散发量时空分布特征[J].农业工程学报，2009，25（2）： 113-120.
[13] 任皓晨.石羊河流域土壤含水量的遥感反演及在旱情监测中的应用[D].兰州：西北师范大学， 2009：5.
[14] 宋承运.土壤含水量遥感监测[D].广州：中山大学， 2005：6.
[15] 魏珍.基于Landsat ETM遥感数据的大柳塔煤炭开发区土壤水分信息提取[D].西安：长安大学， 2010：5.
关键词MODIS；蒸发量；土壤含水量；东苕溪流域
中图分类号S127文献标识码A文章编号0517-6611（2014）14-04483-03
The Hydrology Remote Sensing Information Extraction Based on MODIS—Take Dongtiaoxi Watershed as an Example
WANG Xuemei et al（China Institute of Water Resources and Hydropower Research， Beijing 100038）
AbstractThe development of distributed hydrological model put forward higher requirements of the range and accuracy of hydrological information. Using remote sensing information to acquire hydrology factors became an important means. The purpose of this paper is to explore the processing and calculation method based on MODIS data with ENVI and to analyze and discuss the advantages and disadvantages of this method. Taking Dongtiaoxi Watershed as an example， the evaporation and soil moisture content was calculated， then the RS data was contrasted with the measured data. At last， the change combining with land use were analyzed. The results showed that the Dongtiaoxi basin evaporation quantity fits better with the measured results， so it can be used to estimate river basin evaporation amount. The average monthly evaporation changed a lot in time and space. The distribution of soil water content showed ladderlike distribution in space but little changes over time.
Key wordsMODIS； Evaporation； Soil moisture content； Dongtiaoxi watershed
遙感在水文水资源研究中占有重要地位，被应用于水旱灾害监测评估、水资源评价与规划、节水型社会建设评价、灌区调查与用水管理、水土流失调查评价等几乎所有水资源相关领域[1]，尤其对分布式水文模型的发展有重要意义。观察水文模型的发展历史，不难发现水文模型多局限于数据。水文模拟的不确定性，多是由于信息不明确或缺乏数据，或受观测资料的限制造成的。分布式水文模型需要大量的基础数据，数据不足问题尤为突出。例如，水文模型的一个重要参数土壤含水量，几乎是不可能实地测量的，过去都是以余项的形式表达，而遥感使直接测量土壤含水量成为可能，且其时间和空间分辨率都能被接受。因此，除加强地面观测工作及数据共享外，今后将更多地依赖遥感与雷达等技术解决数据不足问题[2]。蒸发量和土壤含水量作为重要的水文信息，一直是遥感信息提取的重点研究对象。数十年来，遥感蒸散发模型和土壤含水量计算方法的发展从简单到复杂，从经验到机理，在理论、方法和应用等方面已取得不少成果[3-5]。
20世纪60年代以来，遥感技术的兴起给区域尺度的蒸散发量测定带来希望。人们尝试用遥感反演的方法，定量估算区域的陆面实际蒸散发量。赵军等运用基于SEBS模型进行计算[6]。根据能量平衡原理得到蒸散发面的能量平衡公式 Le=Ln-G-H，式中，Le为潜热通量；Ln为地表净辐射；H为显热通量；G为土壤热通量。与实测蒸散发量ET对比，验证结果较好（仅2009年），证明此方法在西北高寒草原地区具有一定适用性。邸苏闯等以北京城区5环范围为例，采用SEBAL模型和Landsat5 TM数据，对北京城区典型日ET进行反演，研究了绿地耗水空间变化规律。研究发现，有些像元存在不同土地覆被类型，对结果精度影响较大[7]。在应用中，模型计算过程往往比较复杂，所需要的基础数据也比较多，工作量大。
土壤含水量反演是遥感反演的难点，最常用的土壤含水量反演方法是建立基于可见光-近红外波段植被指数（如NDVI）与土壤水分的相关关系来进行。但这方法有明显的滞后性，监测时效性较差。1974年，Watson 等提出了用热惯量模型来监测土壤水分[8]。但热惯量模型只适用于裸土或者表层植被覆盖很低情况下的土壤含水量监测，对于高植被覆盖区域应用效果并不理想。姚云军等在分析MODIS短波红外第6、7波段对水分变化敏感的基础上，构建了MODIS短波红外光谱特征空间，根据土壤水分在光谱特征空间中的变化规律，提出MODIS短波红外土壤湿度指数SIMI，并利用宁夏平原实测0～10 cm平均突然含水量数据验证了该指数，但结果表明该指数没有消除混合像元的影响，当土壤含水量大于20%时，模拟值显著小于实测值，表明SIMI对高土壤含水量区域敏感性不够好[9]。魏伟等采用ATI和TVI结合的算法构建反演模型，研究表明，以植被指数为判别阈值，结合ATI和TVI两种方法构建反演模型可以弥补各自方法的不足，有效地实现优势互补，提高反演土壤含水量的精度，在区域土壤水分研究中是值得关注和应用的方法[10]。 为此，笔者以太湖东苕溪流域为例，在遥感技术支持下，对MODIS的蒸散发结果产品进行了精度分析，并采用ATI与TVI相结合的方法反演太湖东苕溪流域土壤含水量，研究两种水文信息在空间和时间上的变化规律，探索简单实用的获取流域大范围水文信息的方法。
1研究区概况
东苕溪流域位于太湖南部、杭嘉湖平原西部， 是太湖流域的一部分。东苕溪发源于临安市天目山南麓，由南苕溪、中苕溪、北苕溪汇合而成， 贯穿临安、余杭、德清县（市、区），经湖州市入太湖，全长165 km，流域面积2 267 km2。东苕溪流域内，有青山水库和对河口水库等大中型水库。流域西部地形多变，多为山区林地，东部地形相对平坦，为耕地和居民区，山区有多处村庄分布。流域土地利用图如图1所示。
图1东苕溪流域土地利用分类2数据准备
研究采用的数据来源于美国地质勘探局（United States Geological Survey，简称USGS）的全球数据网和美国航空航天局（NASA）的数据网站，这些网站提供MODIS数据及其各级产品以及部分提取模型。MODIS可提供0.4～14.5 μm的36个离散波段的图像，空间分辨率可为250、500、1 000 m，时间分辨率较高，可以每2 d连续提供地球上任何地方白天反射图像和昼夜发光光谱图像数据，为遥感研究提供了大量的数据。分别选取2012年1、4、7、10月4个典型月份（分别代表冬、春、夏、秋四季）来进行实例分析。
3MODIS蒸散发量估算
基于MODIS数据计算蒸散发的模型有很多，如Nishida模型、SEBS反演模型等，计算过程复杂，所需基础数据多。而MODIS16为直接的结果数据，该研究通过实例，研究其精确性和可用性。计算该数据的模型是SEBS模型，输入数据有太阳辐射（R）、日平均气温（Ta）、日最低气温（Tmin）、日气压（VP）等气象数据以及土地覆被类型数据（LC）、植被指数FPAR/LAI数据、地表反照率数据等遥感数据，具体计算方法参见文献[7]和文献[11]。
MOD16蒸散发量计算方法在计算全球ET数据产品时效果良好，其数据属性信息如表1所示。首先使用波段运算（band math）工具乘以比例系数，得到实际的蒸发数据，然后用掩膜（mask）去掉无效值（范围在32 000～33 000），最后用统计功能（statistics）计算流域蒸散发量的各统计值。用东苕溪几个水文站的蒸散发量实测数据（来自水文统计年鉴）验证MOD16产品数据的有效性，测站的信息如表2所示。如图2所示， MOD16蒸散发数据产品与实测数据非常接近，在区域蒸散发量估算中是值得应用的遥感数据。
通过ENVI计算和处理后得到各月份土壤含水量分布如图4所示。结合土地利用状况（图1）发现，在春耕季节，东部耕地土壤含水量最大，雨季过后，林地土壤含水量增加，这些特征与实际情况相符，可以认为计算所得土壤含水量是有效的。从图4还可以看出，东苕溪流域土壤含水量空间分布存在明显的阶梯状分布特点，总体来说，呈现出自西向东递减的趋势。西部山区的土壤含水量较大，东部为居民用地和耕地，土壤含水量较少，城镇用地土壤含水量几乎为0。土壤含水量在林地内较为稳定，东部人类作用比较强，变化剧烈。上半年由于稻田灌溉东北部耕地部分含水量较大，下半年较小。
东苕溪流域2012年土壤含水量统计结果如表4所示。表4表明，东苕溪流域平均土壤含水量随时间几乎不变，仅1月份冬季土壤含水量最大值较其他月份小约12%，平均值较其他月份低约1.4%，标准差约为其他月份的3倍。这主要是受冬季结冰情况的影响，但是因为东苕溪流域位于长江以南，冬季结冰范围小，所以影响不大。总体来说，由于东苕溪地处我国南部太湖流域，全年降水量充足，所以四季土壤含水量变化不大，整个流域土壤含水量平均值稳定在21%左右。
图4东苕溪流域土壤含水量分布5结论
（1）MODIS数据产品丰富多样，更新及时，数据共享，覆盖方位广阔，是很好的水文遥感信息来源。结合ENVI等遥感数据处理软件，对未来水文遥感发展尤其是分布式水文模型的发展具有重要意义。
（2）通过水文站实测数据的验证，证明MOD16数据产品的可靠度较高，计算效果良好，可以应用于分布式水文模型当中。土壤含水量的反演，由于大范围的实测数据难以获得，未进行精确的结果验证，但从实际情况分析，发现土壤含水量数据与实际情况较符合，具有可用性，为土壤含水量的估算提供了一種途径。
（3）东苕溪流域蒸发量四季变化较大，主要是受土地利用状况影响。西部为山区林地，蒸发量随季节变动剧烈。在冬季蒸发量较小，平均月蒸发量约为26 mm，春、秋平均月蒸发量为60 mm，而夏季平均月蒸发量最大，约为130 mm。东部多为居民用地和耕地，蒸发量年内变化不大。
（4）东苕溪流域土壤含水量年内变化不大，流域平均值约为21%，说明此地区土壤含水量受气象因素影响不大。但土壤含水量的地域分布四季有变化，春冬季节耕地含水量较大，而夏秋季节较大值多分布在林地。
（5）利用MODIS数据进行水文要素提取仍然存在一些缺点：①数据分辨率低，最大分辨率为250 m；②蒸发数据在水面和城市地区为无效值；③目前还没有通用高效的土壤含水量计算模型。这些缺点都影响所提取信息的精度和可靠度，所以在今后的研究中还要致力于对MODIS数据的完善和计算方法的改进。
参考文献
[1] 路京选， 水利遥感应用技术研究进展回顾与展望[J].中国水利水电科学研究院学报，2008（3）：224-230.
[2] GERT A S，EDWIN T E.水文与水管理中的遥感技术[M].韩敏，译.北京：中国水利水电出版社，2006：11-12.
[3] 张成才，吴泽宁，余弘婧.遥感计算土壤含水量方法的比较研究[J].灌溉排水学报，2004（2）：69-72.
[4] 冯景泽，王忠静.遥感蒸散发模型研究进展综述[J].水利学报，2012（8）：914-925.
[5] 吴代晖，范闻捷，崔要奎，等.高光谱遥感监测土壤含水量研究进展[J].光谱学与光谱分析，2010（11）：3067-3071.
[6] 赵军，刘春雨，潘竟虎，等.基于MODIS数据的甘南草原区域蒸散发量时空格局分析[J].资源科学，2011，33（2）：341-346.
[7] 邸苏闯，吴文勇，刘洪禄，等.基于遥感技术的绿地耗水估算与蒸散发反演[J].农业工程学报，2012，28（10）：98-104.
[8] WATSON K，POHN H A.Thermal inertia mapping from satellites discrimination of geologic units in oman[J].J Res Geol Surv，1974，2（2）：147-158.
[9] 姚云军，秦其明，赵少华，等.基于MODIS短波红外光谱特征的土壤含水量反演[J].红外与毫米波学报，2011，30（1）：9-14.
[10] 魏伟，任皓晨.基于MODIS的ATI 和TVI组合法反演石羊河流域土壤含水量[J].国土资源遥感，2011（2）：104-109.
[11] 孙亮，孙睿，杨世琦，等.利用MODIS数据计算地表蒸散[J].农业工程学报，2009，25（S2）：23-28.
[12] 李发鹏，徐宗学，李景玉，等.基于MODIS数据的黄河三角洲区域蒸散发量时空分布特征[J].农业工程学报，2009，25（2）： 113-120.
[13] 任皓晨.石羊河流域土壤含水量的遥感反演及在旱情监测中的应用[D].兰州：西北师范大学， 2009：5.
[14] 宋承运.土壤含水量遥感监测[D].广州：中山大学， 2005：6.
[15] 魏珍.基于Landsat ETM遥感数据的大柳塔煤炭开发区土壤水分信息提取[D].西安：长安大学， 2010：5.