卫星遥感反演土壤水分研究综述_陈书林
基于卫星遥感技术的土壤水分监测研究
基于卫星遥感技术的土壤水分监测研究概述土壤水分是农业生产中至关重要的因素之一，它直接影响作物的生长发育和产量。
传统的土壤水分监测方法需要耗费大量时间和人力，且受到地点限制。
近年来，随着卫星遥感技术的快速发展，基于卫星遥感的土壤水分监测研究变得越来越受关注。
本文将详细介绍基于卫星遥感技术进行土壤水分监测的原理、方法与应用。
一、原理和方法1.1 卫星遥感原理卫星遥感技术利用卫星搭载的传感器对地球表面反射、发射和散射的电磁波进行观测。
不同频段的电磁波与地表特征之间存在一定的相互关系。
通过对这些关系的研究和数据处理，可以获取地表特征的丰富信息。
1.2 土壤水分监测方法基于卫星遥感技术的土壤水分监测方法主要包括以下几种：(1) 热红外遥感法：该方法利用地表热红外辐射与土壤水分含量之间的关系进行测量。
由于土壤水分会影响土壤的热导率和比热容，进而影响地表温度的空间和时间分布。
(2) 微波遥感法：微波在地表与大气之间有良好的穿透性，可以获取土壤深部的信息。
通过分析微波信号的散射和透射特性，可以反演土壤水分含量。
(3) 光学遥感法：该方法利用地表反射和散射的光谱特征与土壤水分含量和质地之间的关系进行测量。
不同波长的光对土壤的散射和吸收存在差异，可以用来获取土壤水分的信息。
二、应用案例2.1 农业水资源管理基于卫星遥感技术的土壤水分监测可以为农业水资源管理提供实时的监测数据和预测模型。
通过监测农田内的土壤水分状况，合理调配灌溉水资源，有助于提高水资源利用效率，降低灌溉水的浪费，从而实现农业生产的可持续发展。
2.2 干旱监测与预警干旱是全球范围内普遍存在的自然灾害，直接影响粮食生产和人类生活。
基于卫星遥感的土壤水分监测可以远程实时监测干旱程度和范围。
结合气象数据和土壤水分信息，可以建立干旱预警系统，为应对干旱提供科学决策支持。
2.3 气候变化研究土壤水分是地球水循环和能量平衡的重要组成部分，对气候变化具有关键作用。
利用卫星遥感技术对全球土壤水分进行监测和分析，可以深入了解水分分布和变化规律，为气候变化研究提供数据支持。
《2024年典型草原不同植被条件下土壤水分遥感反演研究》范文
《典型草原不同植被条件下土壤水分遥感反演研究》篇一一、引言随着遥感技术的不断发展，其在生态环境监测、土地资源管理等领域的应用越来越广泛。
其中，土壤水分作为草地生态系统的重要参数之一，其准确获取对于草原生态保护、草地资源管理和草地畜牧业发展具有重要意义。
然而，传统的土壤水分测量方法往往存在费时费力、空间分辨率低等问题。
因此，利用遥感技术进行土壤水分的反演研究成为了当前研究的热点。
本文旨在研究典型草原不同植被条件下土壤水分的遥感反演方法，以期为草原生态保护和土地资源管理提供科学依据。
二、研究区域与数据本研究选取了我国北方典型草原区作为研究区域，该区域植被类型丰富，包括草原、草甸、荒漠等多种类型。
研究数据主要包括遥感数据和地面实测数据。
遥感数据包括Landsat、MODIS 等卫星遥感数据，地面实测数据包括土壤水分、植被指数等。
三、研究方法本研究采用遥感反演的方法进行土壤水分的反演研究。
具体步骤如下：1. 遥感数据的预处理。
包括遥感数据的辐射定标、大气校正等处理，以提高数据的精度和可靠性。
2. 植被指数的提取。
通过遥感数据提取植被指数，包括归一化植被指数（NDVI）、土壤调整植被指数（SAVI）等，以反映植被的生长状况和覆盖度。
3. 土壤水分的反演模型构建。
根据遥感数据和地面实测数据，构建土壤水分的反演模型。
本研究采用支持向量机（SVM）等机器学习算法进行模型的构建和优化。
4. 不同植被条件下土壤水分的反演。
根据不同植被类型，分别进行土壤水分的反演，并分析不同植被条件下土壤水分的分布规律和变化趋势。
四、结果与分析1. 植被指数的提取结果通过遥感数据的处理，成功提取了NDVI和SAVI等植被指数。
结果表明，不同植被类型下的植被指数存在显著差异，反映了不同植被类型的生长状况和覆盖度。
2. 土壤水分的反演结果通过构建的反演模型，成功进行了典型草原不同植被条件下土壤水分的反演。
结果表明，不同植被条件下土壤水分的分布规律和变化趋势存在显著差异。
基于深度学习的土壤水分遥感反演技术研究
基于深度学习的土壤水分遥感反演技术研究土壤水分是影响植物生长及农业生产的关键因素之一，然而土壤水分空间和时间上的变化却相对较为复杂和难以获取。
近年来，随着遥感技术的发展和深度学习算法的广泛应用，基于深度学习的土壤水分遥感反演技术逐渐成为研究热点。
一、土壤水分遥感反演技术的现状传统的土壤水分遥感反演技术主要基于经验模型和物理模型。
经验模型主要基于统计学原理和实验数据建立的经验模型，如多元回归模型、神经网络模型等；物理模型则基于土壤水分的物理性质，如电磁学、微波散射等进行反演。
但是，这些方法在模型的构建和实施过程中存在一些局限性，如模型复杂、精度难以保证等问题。
基于深度学习的土壤水分遥感反演技术则针对传统方法的不足，通过神经网络的结构优化、特征提取及数据处理等方面的创新，提高了土壤水分的反演精度。
这种方法无需设置太多的先验知识和预定参数，而是通过大量高质量的数据学习土壤水分与遥感数据的关系，从而取得更高的准确率。
二、深度学习在土壤水分反演中的应用深度学习通常包括卷积神经网络(Convolutional Neural Network，CNN)、循环神经网络(Recurrent Neural Network，RNN)和变换器(Transformers)等。
它们可以从大量土壤水分遥感图像中学习出高性能的土壤水分反演模型，从而反演出更加精确的土壤水分信息。
其中，CNN常用于遥感图像的特征提取，它可以使用卷积层和池化层等操作，提取图像的空间特征。
此外，在反演精度上表现较好的RCNN模型则将CNN和RNN相结合，使得模型可以对时序数据进行处理，从而更准确地反演土壤水分含量。
三、深度学习的发展趋势虽然目前基于深度学习的土壤水分遥感反演技术已经取得了很大的进展，但同时也存在许多问题需要解决。
比如，如何处理遥感数据中的噪声、影像遥感分辨率等影响反演精度的问题。
未来基于深度学习的土壤水分遥感反演技术还需要继续进行算法创新和模型优化，以进一步提高模型的精度和泛化能力。
卫星遥感在土壤水分监测中的有效性评价
卫星遥感在土壤水分监测中的有效性评价概述卫星遥感技术在土壤水分监测中发挥着重要的作用。
它通过获取遥感图像并应用特定的算法，提供了大范围、高分辨率的土壤水分数据，为农业、水资源管理和环境保护等领域提供了有力支持。
本文将评价卫星遥感在土壤水分监测中的有效性，探讨其优势和局限，并展望未来的发展方向。
优势卫星遥感技术在土壤水分监测中具有以下优势：1. 视野广阔：卫星遥感可以覆盖大范围的区域，提供高空间分辨率的土壤水分数据，能够满足对大规模农田和水资源的监测需求，辅助决策制定。
2. 高时空分辨率：卫星遥感系统可以提供高分辨率的图像数据，并具备高频率的观测能力，能够实时监测不同地区的土壤水分动态变化，帮助准确评估水资源状况。
3. 非接触式测量：卫星遥感技术可以通过遥感图像获取土壤水分数据，无需实地测量，减少了人力物力的消耗，提高了监测效率。
4. 数据整合和综合分析：卫星遥感可以与其他观测数据结合，如降雨量、植被指数等，进行综合分析，提供更全面的土壤水分信息，为农业管理和水资源调配提供科学依据。
局限尽管卫星遥感技术在土壤水分监测中具有许多优势，但也存在一些局限性：1. 空间分辨率限制：卫星遥感图像的空间分辨率受限于卫星传感器的性能，可能无法提供足够的细节，对于小尺度区域或特定农田的监测有一定的局限性。
2. 云覆盖影响：卫星遥感在获取图像数据时，受到云覆盖的影响，可能导致部分时间段的数据缺失或质量不佳，影响土壤水分监测结果的准确性。
3. 土壤类型差异：土壤类型的多样性也会影响卫星遥感的有效性。
不同的土壤质地和含水量会对遥感数据的解译产生影响，需要进行针对性的校正和验证。
4. 算法模型的适应性：卫星遥感数据分析通常需要基于特定的算法模型，模型的准确性和适应性可能会受到多种因素的影响，例如地域差异、植被类型等，需要进行验证和优化。
未来发展方向为了进一步提高卫星遥感在土壤水分监测中的有效性，可以从以下几个方向进行探索和改进：1. 多源数据融合：结合多种遥感数据源，如微波遥感、红外遥感等，通过数据融合技术提供更全面、准确的土壤水分监测结果。
土壤水分遥感反演研究进展
土壤水分遥感反演研究进展一、本文概述Overview of this article随着遥感技术的快速发展，其在土壤水分监测方面的应用日益广泛，成为研究土壤水分动态变化的重要手段。
土壤水分遥感反演，即通过遥感手段获取地表土壤水分信息的过程，已成为遥感科学与农业科学交叉领域的研究热点。
本文旨在综述土壤水分遥感反演的研究进展，探讨不同遥感数据源、反演算法及其在实际应用中的优缺点，为进一步提高土壤水分遥感反演的精度和效率提供参考。
With the rapid development of remote sensing technology, its application in soil moisture monitoring is becoming increasingly widespread, becoming an important means of studying the dynamic changes of soil moisture. Remote sensing inversion of soil moisture, which is the process of obtaining surface soil moisture information through remote sensing methods, has become a research hotspot in the intersection of remote sensing science and agricultural science. This article aims to review the research progress of soil moisture remotesensing inversion, explore different remote sensing data sources, inversion algorithms, and their advantages and disadvantages in practical applications, and provide reference for further improving the accuracy and efficiency of soil moisture remote sensing inversion.本文首先介绍了土壤水分遥感反演的基本原理和方法，包括遥感数据源的选择、预处理、反演算法的设计与实施等。
植被覆盖地表土壤水分遥感反演
植被覆盖地表土壤水分遥感反演一、概述植被覆盖地表土壤水分遥感反演是当前遥感科学与农业科学交叉领域的重要研究方向。
随着遥感技术的不断进步，利用遥感手段对植被覆盖地表下的土壤水分进行反演，已经成为监测土壤水分动态变化的有效手段。
本文旨在深入探讨植被覆盖地表土壤水分遥感反演的基本原理、方法进展及实际应用，以期为相关领域的研究和实践提供有益的参考。
植被覆盖地表土壤水分遥感反演的基本原理在于，通过遥感传感器获取地表植被和土壤的综合信息，进而利用特定的反演算法提取出土壤水分含量。
这一过程中，植被覆盖对遥感信号的影响不可忽视，如何有效去除植被覆盖的影响，成为植被覆盖地表土壤水分遥感反演的关键问题。
在方法进展方面，近年来国内外学者提出了多种植被覆盖地表土壤水分遥感反演方法，包括基于植被指数的反演方法、基于热惯量的反演方法、基于微波遥感的反演方法等。
这些方法各有特点，适用于不同的研究区域和植被类型。
随着深度学习等人工智能技术的快速发展，其在植被覆盖地表土壤水分遥感反演中的应用也逐渐受到关注。
在实际应用方面，植被覆盖地表土壤水分遥感反演在农业、生态、环境等领域具有广泛的应用前景。
通过实时监测土壤水分状况，可以为农业生产提供科学的灌溉指导，提高水资源的利用效率也可以为生态环境监测和评估提供重要的数据支持，有助于维护生态平衡和可持续发展。
植被覆盖地表土壤水分遥感反演是一项具有重要意义的研究工作。
随着遥感技术的不断进步和反演算法的不断优化，相信这一领域的研究将会取得更加丰硕的成果。
1. 背景介绍：植被覆盖地表土壤水分的重要性及其在农业、生态和环境监测中的应用。
植被覆盖地表的土壤水分是地球水循环的重要组成部分，它直接影响着植被的生长和生态系统的平衡。
在农业领域，土壤水分是作物生长的关键因素之一，其含量和分布直接影响着作物的产量和品质。
准确获取植被覆盖地表的土壤水分信息，对于指导农业生产、优化水资源管理具有重要意义。
在生态方面，土壤水分与植被覆盖度之间存在着密切的相互作用关系。
《典型草原不同植被条件下土壤水分遥感反演研究》
《典型草原不同植被条件下土壤水分遥感反演研究》篇一一、引言在农业、生态学以及地理学等众多领域中，土壤水分的测量和评估扮演着重要的角色。
特别是对于草原地区，其生态环境的脆弱性及土地资源的有限性使得土壤水分的动态监测尤为关键。
传统方法通常需要地面实测或取样分析，这不仅效率低下，还可能无法实现大面积的连续监测。
而遥感技术的引入为解决这一问题提供了新的途径。
本文旨在探讨典型草原不同植被条件下，如何利用遥感技术进行土壤水分的反演研究。
二、研究区域与数据源本研究选取了具有代表性的草原地区作为研究对象，该地区植被类型多样，包括草地、灌木丛、稀树草原等。
数据源主要来自卫星遥感数据和地面实测数据。
卫星遥感数据包括多光谱、高分辨率以及热红外等不同类型的数据，用于获取地表信息及土壤水分的间接估计。
地面实测数据则用于验证遥感反演结果的准确性。
三、遥感反演方法本研究采用了多种遥感反演方法，包括植被指数法、归一化水体指数法、温度植被干旱指数法等。
这些方法根据不同的植被类型和土壤水分特性，通过分析地表光谱特征、植被覆盖度、地表温度等因素，间接估算土壤水分。
同时，还结合了地理信息系统（GIS）技术，对反演结果进行空间分析和可视化表达。
四、不同植被条件下的土壤水分反演1. 草地条件下的土壤水分反演在草地条件下，采用植被指数法进行土壤水分的反演。
首先，根据多光谱数据计算归一化植被指数（NDVI），然后结合地面实测数据建立NDVI与土壤水分之间的回归模型。
通过该模型，可以估算出草地条件下的土壤水分含量。
2. 灌木丛条件下的土壤水分反演在灌木丛条件下，采用归一化水体指数法进行土壤水分的反演。
由于灌木丛地区存在一定量的地表水体，通过分析水体的光谱特征和空间分布，可以估算出该地区的土壤水分含量。
同时，结合高分辨率遥感数据，可以更准确地识别地表水体的分布和变化。
3. 稀树草原条件下的土壤水分反演在稀树草原条件下，采用温度植被干旱指数法进行土壤水分的反演。
《2024年典型草原不同植被条件下土壤水分遥感反演研究》范文
《典型草原不同植被条件下土壤水分遥感反演研究》篇一一、引言在农业和生态学领域，土壤水分的研究对于理解生态系统功能、提高农业产量以及预测气候变化等具有重要意义。
随着遥感技术的快速发展，利用遥感数据进行土壤水分的反演已经成为一个重要的研究领域。
本文以典型草原为研究对象，探讨不同植被条件下土壤水分的遥感反演方法及其应用。
二、研究区域与数据本研究选择了不同气候、地理和植被条件下的典型草原区域进行调查研究。
选取的数据包括高分辨率的卫星图像、地面观测数据以及相关植被生长数据等。
这些数据用于支持遥感反演模型的研究。
三、植被条件对土壤水分反演的影响在草原环境中，不同植被条件下的土壤水分变化具有显著差异。
本文通过分析不同植被类型（如草地、灌木丛等）对土壤水分的影响，探讨了不同植被条件下的土壤水分遥感反演方法。
四、遥感反演方法本研究采用多种遥感反演方法，包括光谱分析、植被指数法、机器学习算法等。
通过对比分析，找出最适合典型草原土壤水分反演的方法。
其中，机器学习算法在处理复杂地形和不同植被条件下的土壤水分反演中表现出较好的效果。
五、实验结果与分析实验结果表明，在不同植被条件下，土壤水分的遥感反演结果具有显著的差异。
具体而言，不同植被类型、密度和高度对土壤水分的反演结果均有所影响。
在运用机器学习算法进行反演时，我们发现算法可以较好地适应复杂地形和不同植被条件下的土壤水分变化，具有较高的精度和可靠性。
此外，我们还发现不同波段的卫星图像在土壤水分反演中具有不同的敏感性，这为后续的遥感反演研究提供了重要的参考依据。
六、讨论与展望本研究为典型草原不同植被条件下土壤水分的遥感反演提供了新的思路和方法。
然而，仍存在一些问题和挑战需要进一步研究。
首先，不同植被类型对土壤水分的吸收和反射机制仍需深入研究，以提高遥感反演的精度。
其次，随着气候变化和人类活动的干扰，草原生态系统的变化对土壤水分的影响也需要关注。
此外，未来的研究还可以进一步探索多源遥感数据的融合方法，以提高土壤水分反演的准确性和可靠性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第27卷第11期2012年11月地球科学进展ADVANCES IN EARTH SCIENCEVol．27No．11Nov．，2012陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述［J］．地球科学进展，2012，27（11）：1192-1203．［Chen Shulin，Liu Yuanbo，Wen Zuomin．Satellite retrieval of soil moisture：An overview［J］．Advances in Earth Science，2012，27（11）：1192-1203．］卫星遥感反演土壤水分研究综述*陈书林1，2，刘元波2*，温作民1（1．南京林业大学经济管理学院，江苏南京210037；2．中国科学院南京地理与湖泊研究所，江苏南京210008）摘要：土壤水分是影响地表过程的核心变量之一。
精准地测量土壤水分及其时空分布，长期以来是定量遥感研究领域的难点问题。
简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题，介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集，包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集，并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。
关键词：土壤水分反演算法；光学遥感；微波遥感；多传感器联合反演；全球数据集中图分类号：TP751．1文献标志码：A文章编号：1001-8166（2012）11-1192-121引言土壤水分是指土壤非饱和层（也称其为渗流层）的水分含量。
在气候系统中，土壤水分是一个关键因子，它决定着植被的蒸散发及光合作用，它是水循环、能量循环和生物地球化学循环中的基本组成部分，在降水、径流、下渗、蒸散发水文过程中起着至关重要的作用［1］。
土壤水分能反映农业干旱程度，在农业灌溉管理中能起到指导作用。
土壤时域频域反射仪（TDR）作为一种运用时域反射原理测定土壤含水量的仪器，被广泛应用于土壤水分的区域性监测中。
但是由于TDR在陆地上分布不均，所以很难通过这种手段准确获得大区域和全球性的土壤水分。
卫星遥感技术的发展为区域尺度的土壤水分信息的获取提供了有效手段。
基于卫星遥感技术对土壤水分的时空分布进行精准测量，是近40年来定量遥感研究的难点问题之一。
按遥感测量手段的不同可分为光学遥感、主动微波、被动微波3类，3类各有所长（表1）。
光学遥感主要利用土壤表面光谱反射特性、土壤表面发射率及表面温度来估算土壤水分，其空间分辨率高，可供选择的卫星传感器多，并可提供高光谱数据。
被动微波利用土壤微波辐射与土壤水分强相关的特性，用微波辐射计对土壤本身的微波发射或亮度温度进行测量，进而反演出土壤水分，可以穿透植被，探测到地表5cm左右深度，且能全天候测量。
主动微波建立雷达后向散射系数与土壤介电常数的关系，进而反演出土壤水分，其空间分辨率高，能穿透植被，到达地表5cm左右深度，且能全天候测量。
近几十年来，人们针对各类传感器研发的土壤水分反演算法已达上百种，既有经验型算法［2 4］，半*收稿日期：2012-05-09；修回日期：2012-08-13．*基金项目：国家重点基础研究发展计划项目“长江中游通江湖泊江湖关系演变及环境生态效应与调控”（编号：2012CB417003）；国家引进国际先进农业科学技术计划项目“森林生态系统适应性管理模式与技术标准引进”（编号：2009-4-44）；南京林业大学科技创新基金项目“基于遥感的森林植被水文效应监测模型研究”（编号：163060077）资助．作者简介：陈书林（1981-），男，江苏泰兴人，讲师，主要从事土壤水分遥感反演研究．E-mail：chenshulin0923@163．com*通讯作者：刘元波（1969-），男，山东济宁人，研究员，主要从事水文遥感研究．E-mail：ybliu@niglas．ac．cn表1遥感反演土壤水分技术的优缺点Table1Advantages and limitations of soil moisture measurements遥感测量技术优点缺点光学遥感高空间分辨率；刈幅宽度大；卫星传感器多；高光谱传感器最小的地表穿透深度（1mm）；受云、大气、植被的影响明显；时间分辨率较低被动微波刈幅宽度大；土壤微波辐射与土壤水分强相关；探测到地表深度5cm土壤水分；对云和大气不敏感受到植被和地表粗糙度的影响；空间分辨率低（ 30km）主动微波高空间分辨率；多卫星传感器；雷达后向散射系数与土壤水分强相关；地表穿透深度5cm；对云和大气不敏感时间分辨率较低；受到植被和地表粗糙度的影响经验型算法［5 7］，也有基于物理原理的算法［8 10］，既有基于单一传感器的算法［11 13］，也有多传感器联合反演算法［14 16］。
本文将从光学遥感、被动微波、主动微波、多传感器联合反演4个角度简要回顾星载土壤水分反演算法的主要类别与研究进展，介绍应用土壤水分反演算法所形成的全球土壤水分数据集，展望卫星土壤水分反演研究的发展前景。
2星载传感器的土壤水分反演算法根据不同的传感器类型，目前已有的各类卫星遥感反演土壤水分算法分为光学遥感、被动微波、主动微波以及多传感器联合反演4种类型。
下面简要介绍各类型的主要土壤水分反演算法。
2．1光学遥感反演土壤水分算法光学方法主要利用土壤表面光谱反射特性、土壤表面发射率或表面温度来估算土壤水分。
光学方法主要有2类：基于指数的方法和基于土壤热惯量的方法。
2．1．1基于指数的方法利用干燥土壤的反射率较高，而同类的湿润土壤在各波段的反射率相应下降的原理。
晏明等［17］利用距平植被指数反演土壤干旱状况。
距平植被指数在一定程度上可以减少太阳高度角、大气状态和非星下点观测带来的误差，资料的时间系列越长，植被指数平均值的代表性就越好，距平植被指数监测旱情在时间上有一定滞后。
冯强等［18］利用植被状态指数（VCI）反演土壤水分状况。
VCI可以反映出归一化植被指数（NDVI）因气候变化的影响而产生的变化，可以消除或减弱地理位置或生态系统、土壤条件的不同而对NDVI的影响，可以反映作物缺水的情况，表达出大范围干旱状况，尤其适合制作中低纬（≤50ʎ）地区的干旱分布图。
Goward等［19］研究表明NDVI与地表温度和地表土壤水分含量有明显的相关关系，地表温度和NDVI在散点图上呈现三角［20］或梯形［21］形状，由此国内外学者利用温度植被干旱指数（TVDI）［12，13］，土壤湿度指数（SWI）［22］、地形校正的温度植被湿度指数（TVWI）［23］来反演土壤水分状况。
詹志明等［11］利用经过大气校正的Landsat ETM +遥感影像近红外（NIR）、红光（Red）波段反射率，建立NIR-Red光谱特征空间，发现地表土壤水分在NIR-Red特征空间的分布规律，并建立了一个基于NIR-Red光谱空间特征的土壤水分监测模型———垂直干旱指数（PDI）。
杜晓［24］通过分析水的吸收曲线及MODIS数据的第6，7波段的分布特点，考虑农作物和土壤的混合差异，提出了土壤水分含量指数（SWCI）。
SWCI从水的吸收对植被和土壤反射率波谱的综合影响入手，直接获取其地表水分含量指标，对提高浅层土壤墒情的精度效果较好。
张红卫［25］在SWCI指数的基础之上，结合NDVI指数构建农田浅层土壤湿度指数（CSMI），在一定程度减少了由于植被覆盖变化而引起的土壤水分监测精度的不稳定。
植物冠部温度与植物对水分的提取有关，作物缺水指数（CWSI）是由植物叶冠表面温度T c和周围空气温度T a的测量差值，以及太阳净辐射值计算出的，实质上反映出植物蒸腾与最大可能蒸发的比值。
因此，CWSI可以一定程度上反映植物根系范围内土壤水分的信息，作为作物对水分提取的一个指标，隋洪智等［26］将CWSI与实测的土壤水分之间建立经验关系，并用此法计算河南72个县的土壤水分，平均估算精度80%左右。
2．1．2基于土壤热惯量的方法土壤热惯量与土壤水分间存在着密切的关系，土壤含水量的细微变化，热惯量均有响应。
余涛等［27］研究表明土壤含水量与其热惯量之间存在着良好的线性关系。
热惯量法在范围较小、类型较单一的土壤旱情监测中具有较高的精度［28］，该方法一3911第11期陈书林等：卫星遥感反演土壤水分研究综述般用于裸土或者植被覆盖较低的区域。
为提高热惯量法的应用范围，研究人员通过建立多层热惯量模型，考虑地物光照面和阴影的表面温度差信息，建立了土壤水分含量的遥感反演模型，利用多角度遥感信息提取土壤水分，进行旱情监测研究，取得了一定的应用效果［29］。
光学方法多建立各种指数与土壤水分之间的经验关系，基于蒸散模型的方法比较复杂，需要输入的参数较多，获取困难。
这些方法属于间接反演土壤水分的方法，其应用有一定的局限性。
此外，光学遥感只能测量地表1mm的反射和发射，它不能穿透云层以及植被冠层，受天气条件和植被的影响大，同时发射反射能量在大气中有衰减效应。
2．2被动微波反演土壤水分算法国内外很多学者致力于被动微波反演土壤水分的研究。
在微波波段，土壤的比辐射率从湿土的0．6（30%体积土壤湿度）到干土的0．95（8%体积土壤湿度）之间变化［30］，利于土壤湿度的反演。
被动微波监测土壤水分，主要依赖于用微波辐射计对土壤本身的微波发射或亮度温度进行测量。
土壤的亮度温度除了受地表土壤水分的影响之外还受到植被、雪覆盖、地形以及地表粗糙度［31］等的影响。
被动微波反演土壤水分方法根据反演参数的个数可分为2类：单值反演和多值反演。
2．2．1单值反演算法单值反演算法反演值为土壤水分。
Wang等［2］通过对裸露地表微波发射率的研究发现，裸露地表土壤水分与微波发射率存在简单的线性相关关系，即e p=a0－a1w s（a0，a1为经验参数）。
在线性方程中微波发射率常用T BN（T BN=T B/T s，T s为地表温度，TB为亮度温度）代替。
因此，土壤水分可通过该线性方程反演得到。
对于植被覆盖区，Jackson等［32］提出用植被指数定量化植被的影响，植被指数可以是微波遥感植被指数（如PD，MPDI等），也可以是光学遥感植被指数（如NDVI，PVI等）。
在大多数研究中引入前期降水指数（API）和微波极化差指数（MPDI）等土壤湿度和植被生物量的指示因子，建立观测亮温和这些指数之间的线性关系［31］。
Jackson 等［34］利用τ-ω模型描述植被的影响，利用Choudhu-ry等提出的H参数描述土壤粗糙度，利用Wang等提出的经验模型描述土壤纹理信息，从而反演出土壤水分。