全国土壤湿度及其变化的遥感反演与分析解析.docx
《全国土壤湿度及其变化的遥感反演与分析解析.docx》由会员分享，可在线阅读，更多相关《全国土壤湿度及其变化的遥感反演与分析解析.docx（40页珍藏版）》请在冰豆网上搜索。
全国土壤湿度及其变化的遥感反演与分析解析
弋Ｒ４０２１０
分类号
ＵＤＣ密级编号
中国科学院研究生院
硕士学位论文
全国±攮量廑区基銮丝笪遥蹙厦渲量佥堑
蛊瘟
申请学位级别理堂亟±学科专业名称丝圈堂皇地堡篮星丕筮
论文答辩日期２ＱＱ５生鱼目论文提交日期２Ｑ逝生主旦
答辩委员会主席
摘要
土壤湿度是进行农业、水文、气象、生态等方面研究的主要基础信息，也是进行土地退化评价及环境监测的重要指标，土壤湿度的遥感监测方法研究对于资源环境遥感有重要的意义。
本文结合“生态安全相关要素的定量遥感关键技术研究”项目中“土地退化的遥感监测指标定量提取与评价技术”子课题的工作，试图在全国范围进行土壤表层湿度的时空序列反演，并探讨全国土壤湿度分布的时空特性。
论文在对土壤湿度反演方法进行总结及评价的基础上，选择温度植被干旱指数（ＴＶＤＩ）法对全国土壤湿度进行反演。
用地表能量平衡方程对ＴＶＤＩ法的原理及影响因子进行了分析，发现对ＴＶＤＩ产生影响的因子包括太阳总辐射、气温、地表反照率、空气密度、地表发射率、风速等，在文中着重探讨了气温随高程的变化对ＴＶＤＩ反演土壤湿度的影响。
由于气温随高程变化的影响与高程有关，提出用数字高程模型（ＤＥＭ）对ＴＶＤＩ反演过程进行订正的方法。
参考气温的垂直递减率，用实测值相关分析的方法确定订正系数并得到订正后的ＴＶＤＩ结果。
订正前后土壤湿度结果的对比分析表明，进行订正后的ＴＶＤＩ能更好地反演土壤湿度。
与ＮＳＩＤＣ网站提供的ＡＭＳＲ土壤湿度数据的比较发现，ＴＶＤＩ对土壤水分含量位于Ｏ．０５－０，１５ｇ．ｃｍ。
之间的情况有最好的反映，由于这个区间包括了图像中９０％以上的像元，认为ＴＶＤＩ可以反映土壤湿度的状况。
用上述方法对２００３年３６旬的土壤湿度情况进行了反演。
对旬Ｔｓ—ＮＤＶＩ（地表温度．植被指数）空间散点图的情况进行了分析，对各旬分别确定Ｔｓ—ＮＤＶＩ特征空间干湿边边界及方程。
一般用ＴＳ的最大最小值作为干湿边边界。
由于在研究没有去除图像中的条带噪声，当噪声点较多时，用Ｔｓ的最大最小值不能得到很好的干湿边边界，对这种情况，用频率法确定干湿边的边界。
确定边界后，对
边界的情况进行分析，参考ＮＤＶＩ直方图及散点图特征，选取ＮＤＶＩ集中分布的区间范围确定干湿边方程，并在用最ｄ、二乘法进行干湿边拟和时对参与拟和的点进行挑选，很好地去除了噪声点的影响。
ＴＶＤＩ结果与气候资源图集中全国相对湿度图的对比表明，用ＴＶＤＩ反演土壤湿度的方法仅适用于４．１０月份。
由于ｌ一３及１１一１２月为非作物生长季，植被较少，对这些月份选取１２月下旬的数据用表观热惯量（ＡＴＩ）的方法进行了土壤湿度反演，结果与１０月份全国相对湿度图及９月上旬作物生长季表观热惯量图进行对比发现，表观热惯量的方法对于１２月份的土壤湿度情况有更好的反演效果，表观热惯量的方法适用于对非作物生长季节的土壤湿度进行反演。
利用４—１０月份作物生长季节的ＴＶＤＩ数据对土壤湿度时空特征与土地利用的关系进行了分析。
对土壤湿度与土地利用的时空相关性分析发现：
不同土壤湿度与土地利用类型的对应关系有一定的规律，在耕地和草地利用类型区，土壤湿度的状况有明显的差异，耕地ＴＶＤＩ均值范围为Ｏ．５—０．６，草地ＴＶＤＩ均值范围为０．６—０．７。
土壤湿度的差异可以支持土地利用分类中耕地、草地分类的探讨。
关键词：
土壤湿度土地利用时空特征ＴＶＤＩＤＥＭ温度植被指数空问
ＲｅｔｒｉｅｖａｌｏｆＳｏｉｌＭｏｉｓｔｕｒｅＳｔａｔｕｓｉｎＣｈｉｎａａｎｄＡｎａｌｙｓｉｓｏｆｉｔｓＳｐａｔｉａｌ
ａｎｄＴｅｍｐｏｒａｌＤｉｓｔｒｉｂｕｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃｓ
Ａｂｓｔｒａｃｔ
Ｓｏｉｌｍｏｉｓｔｕｒｅｉｓｂａｓｉｃｉｎｆｏｒｍａｔｉｏｎｉｎｒｅｓｅａｒｃｈｅｓ
ｍｅｔｅｏｒｏｌｏｇｙａｎｄｅｃｏｌｏｇｙ．Ｉｔｉｓａｌｓｏａｌｌｏｎａｇｒｉｃｕｌｔｕｒｅ，ｗａｔｅｒｒｅｓｏｕｒｃｅｓ，ｉｍｐｏｒｔａｎｔｉｎｄｉｃａｔｏｒｉｎ
Ｄｅｒｉｖｉｎｇｓｏｉｌｄｅｇｒａｄａｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｎｄｅｎｖｉｒｏｎｍｅｎｔｓｕｐｅｒｖｉｓｉｏｎ
ｕｓｉｎｇＲＳｍｅｔｈｏｄｃａｌｌｌａｒｇｅ—ｓｃａｌｅｓｏｉｌｍｏｉｓｔｕｒｅｄａｔａｂｅｏｆｇｒｅａｔｓｕｐｐｏｒｔｆｏｒｅｘｐｌｏｒａｔｉｏｎｉｎｔｈｅｓｅｆｉｅｌｄｓ．
ａｒｅＴｈｅｒｅｓｅａｒｃｈｅｓｉｎｔｈｉｓｐａｐｅｒｐａｒｔｏｆｔｈｅｓｕｂｊｅｃｔ“Ｋｅｙｔｅｃｈｎｉｑｕｅｒｅｓｅａｒｃｈｅｓｏｎ
ｑｕａｎｔｉｔａｔｉｖｅｒｅｔｒｉｅｖａｌｏｆｅｃｏｌｏｇｙｓｅｃｕｒｉｔｙｒｅｌｅｖａｎｔｅｌｅｍｅｎｔｓ”．ＴｈｉｓｗｏｒｋａｉｍｓｔｏｃｏｎｄｕｃｔｔｅｍｐｏｒａｌｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｉｎＣｈｉｎａａｎｄｅｘｐｌｏｒｅｉｔｓｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．
Ｉｎｔｈｉｓｒｅｓｅａｒｃｈ，ａｆｔｅｒｅｖａｌｕａｔｉｏｎｏｆａｌｌｔｈｅｍｏｄｅｌｓ，ＴＶＤＩ（ＴｅｍｐｅｒａｔｕｒｅＶｅｇｅｔａｔｉｏｎＤｒｙｎｅｓｓ
ｏｎＩｎｄｅｘ）ｉｓｓｅｌｅｃｔｅｄｆｏｒｓｏｉｌｍｏｉｓｔｕｒｅｅｖａｌｕａｔｉｏｎｉｎＣｈｉｎａ．ＡｎａｌｙｓｅｓｔｈｅｔｈｅｏｒｉｅｓｏｆＴＶＤＩｒｅｖｅａｌｔｈｅａｆｆｅｃｔｉｎｇｆａｃｔｏｒｓｏｆＴＶＤＩｍｅｔｈｏｄ，ｔｈｅｓｅｆａｃｔｏｒｓｉｎｃｌｕｄｅｓｏｌａｒｒａｄｉａｔｉｏｎ，ａｉｒｔｅｍｐｅｒａｔｕｒｅ，ａｌｂｅｄｏ，ａｉｒｄｅｎｓｉｔｇｓｕｒｆａｃｅｅｍｉｓｓｉｏｎ，ｗｉｎｄｓｐｅｅｄ，ｅｔｃ．Ｔｈｅａｆｆｅｃｔｉｏｎｏｆａｉｒｔｅｍｐｅｒａｔｕｒｅｉｓｄｉｓｃｕｓｓｅｄｄｅｔａｉｌｅｄｌｙｉｎｔｈｉｓｐａｐｅｒ．
Ｉｎｔｈａｔｔｈｅａｆｆｅｃｔｉｏｎｏｆａｉｒｔｅｍｐｅｒａｔｕｒｅｉｓｒｅｌｅｖａｎｔｔｏｅｌｅｖａｔｉｏｎ，ＤＥＭｉｓｕｓｅｄｉｎｔｈｅｃｏｒｒｅｃｔｉｏｎｏｆｔｈｅｅｆｆｅｃｔｓｏｆａｉｒｔｅｍｐｅｒａｔｕｒｅｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌ．Ｌａｐｓｅｒａｔｅａｎｄａｎａｌｙｓｉｓｏｆｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｄｅｒｉｖｅｄｄａｔａａｎｄｆｉｅｌｄｄａｔａａｒｅｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｃｏｅｆｆｉｃｉｅｎｔｉｎｃｏｒｒｅｃｔｉｏｎ．ＣｏｍｐａｒｅｏｆｔｈｅＴＶＤＩｄｅｒｉｖｅｄｂｅｆｏｒｅａｎｄａｆｔｅｒｔｈｅｃｏｒｒｅｃｔｉｏｎｓｈｏｗｓｔｈａｔｔｈｅＴＶＤＩａｃｑｕｉｒｅｄａｆｔｅｒＤＥＭｃｏｒｒｅｃｔｉｏｎｃａｄｂｅｔｔｅｒｒｅｆｌｅｃｔｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｉｎＣｈｉｎａ．ＴｈｅｃｏｍｐａｒｅａｌｓｏｒｅｖｅａｌｓｔｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＴＶＤＩ．ａｎｄｓｏｉｌｍｏｉｓｔｕｒｅｉｓｂｅｓｔｗｈｅｎｔｈｅ
ａｒｅｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔｉｓｂｅｔｗｅｅｎ０．０５—０．１５９．ｃｍ一．Ａｓｍｏｒｅｔｈａｎ９０％ｐｉｘｅｌｓ
ＴＶＤＩａｌｏｃａｔｅｄｉｎｔｈｉｓｒｅｇｉｏｎ。
ｗｅｃｏｎｓｉｄｅｒｆｅａｓｉｂｌｅｍｅｔｈｏｄｉｎｓｏｉｌｍｏｉｓｔｕｒｅｄｅｒｉｖａｔｉｏｎ．
ＴｈｅｙｅａｒｒｏｕｎｄｓｏｉｌｍｏｉｓｔｕｒｅｓｔａｔｕｓｉｓｄｅｒｉｖｅｄｕｓｉｎｇｔｈｅＤＥＭｃｏｒｒｅｃｔｅｄＴＶＤＩ．Ｃｏｎｄｉｔｉｏｎｓｏｆｍｕｌｔｉ—，ｔｅｍｐｏｒａｌＴｓ—ＮＤＶｌｓｐａｃｅｓａｒｅａｎａｌｙｚｅｄａｎｄｗｅｔａｎｄｄｒｙｅｄｇｅｓｏｆＩＩ
ｅｖｅｒｙｔｅｎ。
ｄａｙ－ｃｏｍｐｏｓｉｔｅｉｍａｇｅａｒｅｄｅｔｅｒｍｉｎｅｄａｎｄｅｑｕａｔｉｏｎｓｏｆｔｈｅｅｄｇｅｓａｒｅｃａｌｃｕｌａｔｅｄ．Ｎｏｒｍａｌｌｙｗｅｔａｋｅｍａｘｉｍｕｍａｎｄｍｉｎｉｍｕｍｖａｌｕｅｓｏｆｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ（Ｔｓ）ａｓｔｈｅｅｄｇｅｓ．Ｄｕｅｔｏｅｘｉｓｔｅｎｃｅｏｆｔｈｅｓｔｒｉｐｉｎｇｎｏｉｓｅｓ，ｔｈｅｍａｘｉｍｕｍａｎｄｍｉｎｉｍｕｍｖａｌｕｅｓａｒｅｉｎｃａｐａｂｌｅｏｆｓｈｏｗｉｎｇｔｈｅｅｄｇｅｓ．Ｆｏｒｔｈｅｓｅｉｍａｇｅｓ，ｆｒｅｑｕｅｎｃｙｉｓｂｒｏｕｇｈｔｏｕｔｉｎｄｅｔｅｒｍｉｎｉｎｇｔｈｅｅｄｇｅｓ．Ａｆｔｅｒｄｅｔｅｒｍｉｎｉｎｇｔｈｅｅｄｇｅｓ，ｒｅｆｅｒｒｉｎｇｔｏＮＤＶＩｈｉｓｔｏｇｒａｍ，ｃｅｎｔｒａｌｉｚｅｄＮＤＶＩｄｉｓｔｒｉｂｕｔｉｎｇｒａｎｇｅａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇ（Ｔｓ，ＮＤＶＩ）ｄａｔａｉｓｓｅｌｅｃｔｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｅｑｕａｔｉｏｎｓ．Ｂｅｆｏｒｅｃｏｎｄｕｃｔｉｎｇｔｈｅｌｅａｓｔｓｑｕａｒｅｓｃｏｒｒｅｌａｔｉｏｎｔｏｅｓｔａｂｌｉｓｈｔｈｅｅｑｕａｔｉｏｎｓｏｆｔｈｅｗｅｔａｎｄｄｒｙｅｄｇｅｓ，ａｓｅｌｅｃｔｉｏｎｉｓｄｏｎｅｉｎｔｈｅ（Ｔｓ，ＮＤＶＩ）ｄａｔａ．Ｔｈｅｓｅｌｅｃｔｉｏｎｓｕｃｃｅｓｓｆｕｌｌｙｗｉｐｅｓｏｕｔｔｈｅａｂｎｏｒｍａｌｎｏｉｓｅｓ．
ＣｏｍｐａｒｅｂｅｔｗｅｅｎＴＶＤＩｒｅｓｕｌｔｓａｎｄｔｈｅｔｅｍｐｏｒａｌｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｍａｐｄｅｒｉｖｅｄｕｓｉｎｇｍｕｌｔｉ－ｔｅｍｐｏｒａｌｓｔａｔｉｏｎａｃｑｕｉｒｅｄｄａｔａｓｈｏｗｓｔｈａｔＴＶＤＩｍｅｔｈｏｄｉｓｏｎｌｙａｐｐｌｉｃａｂｌｅｄｕｒｉｎｇｇｒｏｗｉｎｇｓｅａｓｏｎｓｆｒｏｍＡｐｒｉｌｔｏＯｃｔｏｂｅｒ．Ａｓｆｏｒｔｈｅｎｏｎ—ｇｒｏｗｉｎｇｓｅａｓｏｎｓ，ｗｅｅｘｐｌｏｒｅｄｔｈｅｕｓｅｏｆＡＴＩ（ＡｐｐａｒｅｎｔＴｈｅｒｍａｌＩｎｅｒｔｉａ）ｉｎｅｖａｌｕａｔｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｓｔａｔｕｓｗｉｔｈｉｍａｇｅｓｄｅｒｉｖｅｄｉｎｔｈｅｌａｓｔｔｅｎｄａｙｓｏｆＤｅｃｅｍｂｅｒ．ＴｈｅＡＴＩｒｅｓｕｌｔｓｈｏｗｓａｆｉｎｅｃｏｒｒｅｓｐｏｎｄｅｎｃｅｗｉｔｈｔｈｅｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｍａｐｉｎＯｃｔｏｂｅｒ．ＣｏｍｐａｒｅｂｅｔｗｅｅｎｔｈｅＡＴＩｒｅｓｕｌｔｓｏｆｔｈｅｌａｓｔｔｅｎｄａｙｓｏｆＤｅｃｅｍｂｅｒａｎｄｔｈｅｆｉｒｓｔｔｅｎｄａｙｓｏｆＳｅｐｔｅｍｂｅｒｓｈｏｗｓｔｈａｔＡＴＩｉｓｍｏｒｅｓｕｉｔａｂｌｅｉｎｅｖａｌｕａｔｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｉｎｎｏｎ—ｇｒｏｗｉｎｇｓｅａｓｏｎｓ．
ＴｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｓｏｉｌｍｏｉｓｔｕｒｅｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｌａｎｄｕｓａｇｅｉｓａｎａｌｙｚｅｄｕｓｉｎｇＴＶＤＩｒｅｓｕｌｔｄｅｒｉｖｅｄｆｒｏｍＡｐｒｉｌｔｏＯｃｔｏｂｅｒ．Ｔｈｅａｎａｌｙｓｅｓｓｈｏｗｔｈａｔｔｈｅｒｅａｒｅｃｅｒｔａｉｎｒｕｌｅｓｉｎｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｏｆｓｏｉｌｍｏｉｓｔｕｒｅｓｔａｔｕｓａｎｄｌａｎｄｕｓａｇｅｔｙｐｅ，ａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｓｔａｔｕｓｏｆｐｌｏｗｌａｎｄａｎｄｇｒａｓｓｌａｎｄｉｓｏｂｖｉｏｕｓ．Ｓｏｉｌｍｏｉｓｔｕｒｅｃａｎｂｅｔａｋｅｎａｓａｎｉｎｄｉｃａｔｏｒｉｎ１ａｎｄｕｓｅｃｌａｓｓｉｆｉｃａｔｉｏｎ
Ｋｅｙｗｏｒｄｓ：
ＳｏｉｌＭｏｉｓｔｕｒｅ，ＬａｎｄＵｓｅ，ＴＶＤＩ，ＤＥＭ，Ｔｓ—ＮＤＶＩＳｐａｃｅ，Ｓｐａｔｉａｌａｎｄ
ＴｅｍｐｏｒａｌＤｉｓｔｒｉｂｕｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃｓ
图表索引及英文缩写
固索引：
幽２－１ＮＯＡＡ数据处理流程（闩天）
凹２－２各种角度示意图
图２．３去云域值选择
幽２－４
剀２．５
幽２．６
幽３．１
图３．２
图３—３
图３－４
图３．５
幽３－６
图３．７
图３—８
圈３－９
剀４．１
幽４．２
剀４—３
列４—４
图４．５
图４．６
图４—７
图４．８ＮＯＡＡ数据处理流程图像展示９月上旬ＡＶＨＲＲＴｓ直方图ＮＯＡＡ与ＭＯＤＩＳ的ＴＳ对比植被覆盖和冠温差构成的植被指数温度梯形图（据Ｍｏｒａｎ等，１９９４）样点不同生长期Ｔｓ与ＮＤＶＩ关系图ｆ据Ｇｏｅｔｚ，１９９７）Ｔｓ－ＮＤＶＩ特征空间中土壤湿度分布的等值线（据Ｇｉｌｌｉｅｓ等，１９９７）ＴＶＤＩ定义图未经ＤＥＭ订正的９月上旬全国ＴＶＤｌ分布图中国ＤＥＭ直方图地表温度与高程的关系高程对地表温度的影响程度高程和土壤湿度对Ｔｓ－ＮＤＶＩ空间分布的影响影响程度值ａ及相关系数ｒ的关系经过ＤＥＭ订正的９月上旬全国ＴＶＤｌ分布图２００３年９月上旬降雨分布幽降水与订正前后反演结果的相关关系订正前后土壤湿度实测值与ＴＶＤＩ关系全国水文分区（国家地图集编纂委员会，１９９９）及气象站点在全国的分布情况ＡＭＳＲ数据反演的土壤湿度图ＡＭＳＲ数据直方圆
圈４．９订正前后ＴＶＤｌ与ＡＭＳＲ土壤湿度结果散点图
幽４．１０订正前历ＴＶＤＩ与ＡＭＳＲ土壤湿度数据对比图
图４—１ｌ
图５－１ＴＶＤＩ与Ｔｓ、ＮＤＶ［敬点图Ｔｓ－ＮＤＶＩ散点图
酗５－２＂Ｉｓ分布频率图
图５．３频率法确定的边界与散点圈对比
幽５－４Ｔｓ－ＮＤＶＩ特征空间边界与ＮＤＶＩ直方幽对比
图５－５挑选前后的干湿边
图５－６参与拟羊“点挑选流聪圈
图５—７
图５－８
幽５－９
幽５—１０
幽６－１ＮＤＶＩ直方图２００３年３６旬全国土壤湿度分布图１２月份全国表观热惯量图９月份全国表观热惯量图２０００年全国士地利Ｈ｛图
幽６－２全年十壤湿度均值与士地利Ｈｊ关系图
幽６－３耕地、草地十壤湿度的Ｈ＿ｊ空变化情况Ｖ
幽６．４耕地、草地利用类型土壤湿度变化趋势
幽６－５耕地、草地二级类型土壤湿度变化趋势
幽６－６样区分布示意图
图６．７水田样区十壤湿度的时间变化
剀６－８水田各样区士壤湿度对比
图６－９旱地样区土壤湿度的时间变化
圈６．１０旱地各样区土壤湿度对比
图６－１１草地样区土壤湿度的时间变化
图６．１２草地各样区土壤湿度对比
图６一１３再土壤湿度分级对应的像元数
幽６—１４各十壤湿度分级对应的土地利用类型百分比
表索引：
表２一ｌＡＶＨＲＲ波段设置及应用
ＭＯＤＩＳ仪器波段设置表２－２投影参数表２－３
表４一ｌ订正前后ＴＶＤＩ值的对比
表４－２订正前后水文分区统计结果
表５—１各旬干湿边方程系数表
表６－１１ｊ壤湿度分级标准
表６—２土地利用类型及代码
英文缩写：
ＡＭＳＲ（ＡｄｖａｎｃｅｄＭｉｃｒｏｗａｖｅＳｃａｎｎｉｎｇＲａｄｉｏｍｅｔｅｒ）：
被动式微波扫描仪
ＡＴＩ（ＡｐｐａｒｅｎｔＴｈｅｎｎａｌＩｎｅｒｔｉａ）：
表观热惯量
Ｈｉ曲ＲｅｓｏｌｕｔｉｏｎＲａｄｉｏｍｅｔｅｒ）：
改进型甚高分辨率辐射仪ＡＶＨＲＲ（ＡｄｖａｎｃｅｄＶｅｒｙ
ＣＷＳＩ（ＣｒｏｐＷａｔｅｒＳｔｒｅｓｓＩｎｄｅｘ）：
植被缺水指数法
ＤＡＶＩ（ＤｉｆｆｅｒｅｎｃｅＡｎｏｍａｌｙＶｅｇｅｔａｔｉｏｎＩｎｄｅｘ）：
距平植被指数
ＤＥＭ（ＤｉｇｉｔａｌＥｌｅｖａｔｉｏｎＭｏｄｅｌ）：
数字高程模型
ＬＡＩ（ＬｅａｆＡｒｅａＩｎｄｅｘ）：
叶面积指数
ＭＯＤＩＳ（ＭｏｄｅｒａｔｅＲｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ）：
中分辨率成像光谱仪
Ｉｎｄｅｘ）：
归一化植被指数ＮＤＶｌ（Ｎ０１７ｎａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅＶｅｇｅｔａｔｉｏｎ
ＮＯＡＡ（ＮａｔｉｏｎａｌＯｃｅａｎｉｃａｎｄＡｔｏｍｏｓｐｈｅｒｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ）：
美国国家海洋大气局ＰＡＶＩ（ＰｅｒｃｅｎｔａｇｅＡｎｏｍａｌｙＶｅｇｅｔａｔｉｏｎ
ＲＴＩ（Ｒａｄｉｏ—ｂｒｉｇｈｔｎｅｓｓＴｈｅｎｎａｌ
Ｔｓ（ＬａｎｄＳｕｒｆａｃｅＩｎｄｅｘ）：
差异植被指数Ｉｎｅｒｔｉａ）：
辐亮度热惯量Ｔｅｍｐｅｒａｔｕｒｅ）：
地表温度
Ｉｎｄｅｘ）：
植被状态指数ＴＶＤＩ（ＴｅｍｐｅｒａｔｕｒｅＶｅｇｅｔａｔｉｏｎＤｒｙｎｅｓｓＩｎｄｅｘ）：
温度植被干旱指数ＶＣＩ（ＶｅｇｅｔａｔｉｏｎＣｏｎｄｉｔｉｏｎ
ＶＷＳＩ（ＶｅｇｅｔａｔｉｏｎＷａｔｅｒＳｕｐｐｌｙＩｎｄｅｘ）：
植被供水指数法
ＷＤＩ（ＷａｔｅｒＤｅｆｉｃｉｅｎｃｙＩｎｄｅｘ）：
水分亏缺指数法Ｖ
第一章引言
第一章引言
遥感技术是获耿陆地表面信息的必要手段。
用遥感的方法可以快速获取大区域的信息，并且可以对地表进行周期性的监测。
用遥感结合地面模型对地表土壤湿度的特征进行反演是遥感应用的主要内容之一。
国内外对土壤湿度的遥感获取研究始于６０年代末，已经取得了大量的研究成果。
１．１研究意义
土壤湿度状况是作物生长的决定性因素，是决定土地退化、植被覆盖及干旱的重要因素之一，在水文、气候、作物生长模拟中是一个重要的初始参数。
土壤湿度的遥感监测方法研究对于资源环境遥感应用有重要的意义。
用遥感的方法实现大区域土壤湿度的反演能对土地退化及生态环境进行定量的评价，更好地利用遥感获取的信息，促进遥感技术在这一领域的应用。
土壤湿度的获取方法可分为三类：
田间实测法、土壤水分模型法和遥感法。
土壤湿度的获取传统方法主要是田间实测法，包括重量法、中子仪法、张力计法、伽马射线衰减法、电磁技术、湿度计法等。
田间实测法可以准确估测土壤剖面的含水量，但只能得到单点的数据，这种方法需要大量的人力物力，不仅费时，而且成本高，很难高效率地获取大范围的土壤湿度。
不仅如此，由于土壤、地形、植被覆盖上的空间差异使单点的代表性差，也限制了它的应用范围。
土壤水分模型法根据能量平衡原理，寻找影响湿度情况的驱动因子。
建立水分平衡方程求解土壤湿度，如农田蒸散双层模型、植被缺水指数法（ＣｒｏｐＷａｔｅｒｓｔｒｅｓｓＩｎｄｅｘ．ＣＷＳＩ）等，这种方法需要大量气象数据的支持，且参数复杂、确定困难，估测误差较大。
遥感获取土壤湿度是通过测量土壤表面反射或发射的电磁能量，探讨遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。
用遥感的方法监测土壤湿度可以得到土壤湿度在空间上的分布状况和时间上的变化情况，监测范围广、速度快、成本低，可以进行长期动态监测的优势，是目前研究的重点。
由于
第一帝引言
遥感获取的参数与土壤湿度的关系复杂，用遥感方法获取土壤湿度信息也是目前研究的难点。
“土地退化的遥感监测指标定量提取与评价技术”是中国科学院知识创新工程重要方向项目（ＫＺＣＸ３一ＳＷ－３３４）“生态安全相关要索的定量遥感关键技术研究”的一个子课题。
它将通过研究土地退化定量遥感监测关键技术，定量获取土地退化的关键指标，以便准确监测、评价、预测我国的土地资源退化状况，形成相关技术，以便及时掌握国家生态安全的现状和变化趋势，为国家有关部门提供科学的决策依据。
本研究是“土地退化的遥感监测指标定量提取与评价技术”子课题的～部分。
１．２土壤湿度监测方法及国内外研究进展
国内外对用遥感方法反演土壤湿度的研究已经有３０多年的历史，从可见光、近红外、热红外、微波都开展了大量的研究，形成了很多监测方法。
主要方法有：
Ｉ．２．１可见光和近红外方法
利用可见光和近红外方法监测土壤湿度主要基于植被指数的情况。
植被指数能够从一定程度上反映植被下土壤湿度的情况。
绿色植被由于叶绿素的存在，可见光波段反射率低，叶片的细胞组织结构使近红外反射率高。
在水分胁迫条件下，植被生长受到限制，绿色植被反射率发生变化，可见光波段反射率增加，近红外波段反射率降低，使得归一化植被指数（Ｎｏｒｍａｌｉｚｅｄ
ＮＤＶＩ）发生变化。
基于ＮＤＶＩ提出了很多监测干旱的指数，如Ｋｏｇａｎ（１９９０）提出的植被状态指数（ＶｅｇｅｔａｔｉｏｎＣｏｎｄｉｔｉｏｎＩｎｄｅｘ，ＶＣＩ），Ｇｒｏｔｅｎ＆Ｉｌｂｏｕｄｏ（１９９８）提出的差异植被指数（ＰｅｒｃｅｎｔａｇｅＡｎｏｍａｌｙＶｅｇｅｔａｔｉｏｎＩｎｄｅｘ，ＰＡＶＩ）、距平植被指数（ＤｉｆｆｅｒｅｎｃｅＡｎｏｍａｌｙＶｅｇｅｔａｔｉｏｎＤｉｆｆｅｒｅｎｃｅＶｅｇｅｔａｔｉｏｎＩｎｄｅｘ，Ｉｎｄｅｘ．ＤＡＶＩ）等。
ＶＣＩ：
塑坚二竺型血。
１００
ＮＤＶＩ。
。
，一ＮＤＶＩ。
。
（１１１
式中ＮＤＶＩ为某年某时ＮＤＶＩ值，ＮＤＶＩ。
．。
为同期ＮＤＶＩ最小值，ＮＤＶＩｍ。
。
为同期ＮＤＶＩ最大值。
第一章引言
剐时：
丝坚×１００
ＮＤｙＩ。
ＤＡＶＩ＝１００＋ＮＤＶＩ。
一ＮＤＶＩ。
。
（１．２）（ｉ．３）
式中ＮＤＶＩｉ为当日、旬、月植被指数值，ＮＤＶＩ。
。
为参照植被指数值，～般为多年植被指数平均值
国内陈维英等（１９９４）用距平植被指数对１９９２年全国干旱情况进行了监测。
冯强（２００１）利用ＶＣＩ作为评价指标对全国耕地旱情进行评价。
这些方法是利用植被生长状况得到土壤湿度状况相对于多年平均值的变化情况，仅适用于有植被覆盖区域。
１．２．２热红外方法
用热红外方法监测土壤湿度主要是基于从遥感图像获取的地表温度（ＬａｎｄＳｕｒｆａｃｅＴｅｍｐｅｒａｔｕｒｅ，Ｔｓ），利用地表温度和土壤湿度的关系来监测土壤湿度。
１）亮温法
对于裸土或低覆盖率地区，地表温度与地表含水量密切相关（Ｓｃｈｍｕｇｇｅ１９７８）。
土壤湿度越高。
地面水分蒸腾增强，温度降低。
对于植被覆盖地区，叶片温度与土壤含水量有关（Ｊａｃｋｓｏｎ１９８２）。
当植被受到水分胁迫时，叶片气孔关闭引起蒸腾减少，叶片温度升高。
基于这一原理，罗秀陵等利用亮温结合地面气象、农气、灾情资料对四川干旱进行了监测，建立了干旱指数与亮温的回归方程。
齐述华（２００３）的研究表明，地表温度与土壤湿度的相关性远大于植被指数，地表温度能比植被指数更好地反演地表土壤湿度情况。
２）热惯量法：
热惯量首先出现在地质研究中（Ｗａｔｓｏｎｅｔａ１．１９７１，ｗａｔｓｏｎ，１９７５巾ｏｈｎｅｔａ１．１９７４）。
Ｋａｈｌｅ（１９７７１提出了热惯量的概念；Ｅｎｇｌａｎｄ（１９９２），Ｒｏｓｅｍａ和Ｂｉｊｌｅｖｅｌｄ（１９９７）发展了热惯量模型；Ｐｒｉｃｅ（１９７７，１９８２，１９８５）系统阐述了热惯量方法及遥感成像，并提出了表观热惯量（ＡｐｐａｒｅｎｔＴｈｅｒｍａｌＩｎｅｒｔｉａ，ＡＴＩ）的概念，从而可用遥感方法获得的反射率和热红外辐射温差计算热惯量，然后估算土壤湿度；Ｅｎｇｌａｎｄ（１９９２）提出了辐亮度热惯量（Ｒａｄｉｏ—ｂｒｉｇｈｔｎｅｓｓＴｈｅｒｍａｌＩｎｅｒｔｉａ，ＲＴＩ）概
第一章引青
念，并与ＡＴＩ进行了比较。
表观热惯量ＡＴＩ计算简便，数据容易获取，是较常用的监测土壤湿度的方法。
我国土壤热惯量模型在干旱监测中应用的研究起步于８０年代末期。
刘星文和冯勇进（１９８７）通过建立真实热惯量与反照率、昼夜温差等之间的统计模型研究土壤湿度空间分布。
张仁华（１９９０）提出了一个考虑地表显热通量及潜热通量的热惯量模式，用以反演土壤湿度。
肖乾广（１９９４）等用气象卫星资科研究用热惯量模式监测土壤湿度，引入了“遥感土壤水分最大信息层”的概念，建立了多时相的土壤湿度监测的幂函数模型，发现其精度要高于线性模型。
余涛、田国良等（１９９７）从Ｐｒｉｃｅ等人的研究出发，发展了地表能量平衡方程的一种新的化简方法，从而实现了利用ＡＶＨＲＲ图像定量计算热惯量值，并将这种方法应用于华北农业区土壤湿度监测中。
陈怀亮、李杏朝在利用表观热惯量模型时，在ＧＩＳ支持下，分土壤质地建模和选取不同类型的地理样本进行分析，消除了土壤质地的影响，提高了监测精度。
热惯量的方法简便易行，成本低，对于裸土及低植被覆盖区，能获得较好的反演效果。
但是在高植被覆盖区，由于植被的影响不能很好地获得土壤的热惯量，应用受到一定的限制，并且统计模型也受地区和季节的限制。
１．２．３可见光，近红外与热红外相结合的方法
土壤含水量受多种信息的影响，不同波段可以提供不同因素的信息。
将可见光、近红外和热红外的信息相结合可以提供地面辐射和反射信息，提高土壤湿度的监测精度。
可见光、近红外和热红外信息相结合的方法包括水分亏缺指数法（ＷａｔｅｒＤｅｆｉｃｉｅｎｃｙＩｎｄｅｘ
升级会员 