利用被动微波遥感提高土壤湿度分辨率0001
利用被动微波遥感提高土壤湿度分辨率
摘要】土壤湿度对于河水监测预报、水文模型的
建立、气象模型等至关重要，被动微波遥感凭借范围广、对土壤湿度敏感、周期快等优点，在反演土壤湿度方面越来越普遍。
但其分辨率较低，提高其分辨率成为广大学者研究的重点。
本文对国内外提高其分辨率的方法进行总结研究并提出建议。
关键词】被动微波遥感；土壤湿度；分辨率
0 背景在进行河水监测预报、水文模型的建立、气象模型等都
需要大尺度的土壤湿度数据；为了应用于不同尺度的模型，不同分辨率的土壤湿度数据的需求越来越大。
但如此重要的物理量在目前的方法中却没有得到广泛的应用，其主要原因是土壤湿度时间和空间的变化率非常大，使得大范围的观测极其困难。
微波遥感凭借其范围广、周期短等优势，同时对目标具
有一定的穿透能力，不受云、雨、雾的限制，所监测到的数据很少受到土壤表面低矮植被覆盖的影响，在空间、时间大尺度上反演的土壤湿度就更具连续性和准确性。
在过去的几十年中，已经发展了很多从雷达后向散射、
微波遥感亮度温度等数据中获得近地表土壤水分的方法。
这些方法的主要依赖于以下两点：（1）微波遥感数据和土壤水
分含量的物理联系较强（特别是低频波段，如L 波段）；（2）
不同传感器获得的观测值的空间/时间分辨率不同。
微波数据
比热红外数据与土壤湿度的关系更直接[1]。
虽然微波数据对土壤湿度的敏感性很高，但受成像原理、
被动微波遥感器件的限制，其空间分辨率较低，约为几十公里（SMOS MIRAS数据为40km , AMSR-E数据为25km , FY数
据为25km）,为了使被动微波土壤湿度数据能更广泛的应用于各种需要高空间分辨率土壤湿度的学科，提高空间分辨率就成为急迫解决的问题之一。
国内外已经发展了很多提高被动遥感分辨率的方法。
这
里主要介绍仪器改进方法和数据结合改进方法。
1仪器法尺寸天线是监测表面土壤湿度辐射计在空间展开的重
要因素，针对真实孔径辐射计，主要通过加大天线的尺度得到较高的空间分辨率。
即使在低地球轨道上，21cm 长波条件下，到达10km空间分辨率也需要20m x 20m数量级的天
线，这样的天线在实际情况下是不可能实现的。
在高分辨率对地微波遥感中，综合孔径辐射计作为一新
型微波遥感仪器，避免了传统全功率辐射计大口径天线设计及机械扫描带来的困难，成为国际上的研究热点。
2数据结合法
2.1 主被动微波数据相结合
Chauhan[2]在1997就提出了用主被动数据相结合的方
法计算有植被覆盖的土壤湿度。
Narayan 等[3]的被动反演使
用了迭代算法，不能很好地反映物理量之间的相互影响关系，并且需要输入大量的辅助数据。
黄兴忠等提出利用基尔霍夫标量近似下的双尺度模型，利用互易性原理得到热发射率，从而将主被动遥感数据结合起来估算土壤湿度，真实值和估算值之差0.04vol/vol[4] 。
赵天杰等[5]通过建立相关模型，反
演土壤水分，地面同步测量数据的验证结果表明，该方法充分发挥了主被动微波数据各自的优势，同时避免了主被动协同过程中的尺度问题，为流域尺度的土壤水分监测提供了种新的有效途径。
虽然主被动结合计算得到得效果较好，但是主动微波数
据一般都比较昂贵，在大面积和大的时间尺度上应用仍然有
定的困难。
2.2 光学数据与被动微波数据相结合
Chauhan[6]在2003年提出利用近红外数据、可见光将被
动微波数据的分辨率提高；这种方法使用的参数较多，且只适用于特定的区域。
Merlin[7] 中利用植被覆盖度、土壤蒸散率和泰勒展开式的线性成分将SMOS 土壤湿度数据（40km）和MODIS数据（1km）结合，得到了10km 分辨率的土壤湿
度（反演得到的土壤湿度与真实值的均方根误差为
1.7vol/vol%，相关系数为0.84）。
Merlin［8］在此基础上，使用三种
植被覆盖度、三种土壤蒸散率和四种降尺度关系共种组合算法，得到
36 了4km 分辨率的土壤湿度，结果发现：混合二维导数的降尺度方法
和指数模型的土壤蒸散量相结合的方法反演得到的土壤湿度与真实值的均方根误差为
0.012VOI/VOI%，相关系数为0.90。
王安琪等［9］在北京市延庆
县使用相同的降尺度方法将被动微波土壤湿度25km 的分辨
率提高为1km，结果表明反演得到的土壤水分含量与TVDI 的趋势一致。
3总结与建议
1）目前，虽然综合孔径辐射计是提高被动微波遥感
土壤湿度的主要方法，但此技术在短期内仍不能解决；
2）光学数据和微波数据相结合得到的土壤湿度数据
虽然没有主被动结合数据得到的精确度高，但是光学数据和微波数据都是可以免费获取的，这使得这种方法在大面积大时间尺度上应用更为便利；
3）学者们已经将被动微波遥感的分辨率从25km 提高
到10km、4km、1km，其分辨率是否能无限提高，这是一个值得继续研究的问题。
参考文献】
[1 ]Kerr ，Y. H.，Waldteufel ，P.，Wigeneron ，J.p.
et al. Soil
Journal，2007，15：117-120.
moisture from space ：where are we ？[J]. Hydrogeology
[2]Chauhan N S. Soil moisture estimation under a
vegetation cover ：Combined active passive microwave remote sensing approach[J]. International Journal of Remote
Sensing ，
1997，18（5）：1079-1097.
[3]Narayan U ，Lakshmi V，Jackson T J. High-resolution
change estimation of soil moisture using L-band radiometer and rada observations made during the SMEX02 experiments[J].
IEEETransactions on Geoscience and Remote Sensin，g 2006，44（6）：1545-155.
[4]黄兴忠，金亚秋.利用主被动遥感数据估算土壤湿度和
粗糙度的新方法[J].电波科学学报，1996, 11 (1): 27-32.
[5]赵天杰，张立新，蒋玲梅.利用主被动微波数据联合反
演土壤水分[J].地球科学进展，2009 , 24 ( 7): 769-775.
[6]Chauhan ，N. S.，Miller ，S.，& Ardanuy ，P. .
Spaceborne soil moisture estimation at high resolution ：A microwave?Coptical/IR synergistic approach[J]. International
Journal of Remote Sensing，2003，24（22）：4599-4622.
[7]Merlin O ，Walker J P，Chehbouni A et al. Towards
deterministic downscaling of SMOS soil moisture using MODIS derived soil evaporative efficiency[J]. Remote Sensing of
Environment ，2008 ，112：3935-3946.
[8]Merlin O ，Bitar A，Walker J，et al. An improved
algorithm for disaggregating microwave-derived soil moisture based on red ，near-infrared and thermal-in-frared data[J].
Remote Sensing of Enviroment ，2010，114：2305-2316.
[9]王安琪，施建成，阿多等.光学信息分解被动微波土壤
湿度方法[J].地球信息科学学报，2012 , 5 (14): 652-657.。
使用遥感技术进行农田土壤湿度监测的方法
使用遥感技术进行农田土壤湿度监测的方法在农业领域，精确的土壤湿度监测对于农作物的生长和管理至关重要。
传统的土壤湿度监测方法费时费力且往往不够准确。
然而，随着遥感技术的不断发展和应用，它已经成为一种高效、准确的方法来监测农田土壤湿度。
本文将就使用遥感技术进行农田土壤湿度监测的方法进行阐述。
一、遥感技术的基本原理和应用遥感技术利用卫星、飞机等传感器捕捉地球表面的电磁辐射，并将其转化为可用的信息。
这些信息可以通过图像或数据形式传达给专业人员进行分析和解读。
在农田土壤湿度监测中，遥感技术主要基于微波辐射的原理。
由于土壤湿度对微波辐射的反射和吸收具有独特的特征，通过分析这些微波辐射的特征，可以推断土壤湿度的变化情况。
遥感技术在农田土壤湿度监测中具有显著的应用优势。
首先，它可以覆盖大范围的土地，迅速获取大量的数据，从而提供全面、细致的土壤湿度信息。
其次，遥感技术可以避免人为的 interferenc，提供客观、准确的结果。
而且它还可以与地理信息系统（GIS）等技术相结合，进行地区和时间上的比较分析，从而更好地支持农田管理决策。
二、遥感数据获取和处理方法遥感数据的获取是进行土壤湿度监测的关键步骤。
目前，主要有两类遥感数据广泛应用于农田土壤湿度监测：主动遥感数据和被动遥感数据。
主动遥感数据是通过发射和接收微波信号的方式获取的。
这种方法可以直接测量土壤湿度，具有较高的精度和灵敏度。
常用的主动遥感数据获取方式包括微波雷达和微波干涉。
被动遥感数据则是通过接收地球表面的自然辐射来获取的。
这些数据来源于可见光、红外线和热辐射等不同波段的辐射。
针对土壤湿度监测，红外辐射和热辐射的监测方法应用较为广泛。
红外辐射可以通过测量地表温度来间接推测土壤湿度，而热辐射则是通过测量地表和土壤的热辐射量来获取土壤湿度信息。
在获取遥感数据之后，需要进行一系列的处理和分析。
这些处理方法包括辐射校正、影像融合、特征提取等。
通过这些处理方法，可以进一步提高遥感数据的质量和可用性，使其更好地用于土壤湿度监测。
遥感反演土壤湿度的主要方法
遥感反演土壤湿度的主要方法遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。
1.1 微波遥感土壤湿度法分主动微波遥感监测法和被动微波遥感监测法两种。
此方法物理基础坚实，即土壤的介电特性和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。
土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。
因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。
1.1.1 主动微波遥感监测法以应用x波段侧视雷达为主，主要是后向反射系数法。
因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。
国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。
主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践1.1.2 被动微波遥感监测法原理同主动微波遥感法。
值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。
Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。
说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量选择波段较长的微波辐射计。
1.2 作物植被指数法采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由于叶肉组织的作用，后行叶片在近红外波段的反射较强。
光学和微波遥感数据联合反演植被覆盖表层土壤含水率
2024年1月灌溉排水学报第43卷第1期Jan.2024Journal of Irrigation and Drainage No.1Vol.4345文章编号：1672-3317（2024）01-0045-07光学和微波遥感数据联合反演植被覆盖表层土壤含水率周美玲1，张德宁2，王浩3，魏征4*，林人财4（1.江西省水投江河信息技术有限公司，南昌330029；2.德州市潘庄灌区运行维护中心，山东德州253000；3.中国电建集团昆明勘测设计研究院有限公司，昆明650051；4.中国水利水电科学研究院，北京100038）摘要：【目的】探究Vertical-Vertical （VV ）、Vertical-Horizontal （VH ）极化及双极化方式对微波遥感反演表层0~10cm 土壤含水率影响，分析不同数据源（Landsat-8,L8;Sentinel-2,S2）得到的归一化植被指数（NDVI ）、归一化水体指数（NDWI ）对表层土壤含水率遥感反演精度的影响。
【方法】基于VV 、VH 单一极化和双极化模式，结合S2和L8计算的NDVI 与NDWI 估算植被含水率（VWC ），消除植被对土壤的后向散射影响，得到土壤后向散射系数，基于水云模型反演北京市大兴区表层土壤含水率。
【结果】对于VV 极化，VV+S2NDWI 反演0~10cm 土层的土壤含水率精度最高（R 2=0.763，RMSE =1.55%）；对于VH 极化，VH+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.622，RMSE =1.66%）；对于双极化，Dual-Polarized （DP ）+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.895，RMSE =0.89%）。
【结论】NDVI 更适用于去除水云模型中的植被影响，且双极化方式反演0~10cm 土层的土壤含水率精度较高。
关键词：含水率；Sentinel-1；双极化；多源遥感；NDVI ；NDWI 中图分类号：S161文献标志码：Adoi ：10.13522/ki.ggps.2023312OSID ：周美玲,张德宁,王浩,等.光学和微波遥感数据联合反演植被覆盖表层土壤含水率[J].灌溉排水学报,2024,43(1):45-51.ZHOU Meiling,ZHANG Dening,WANG Hao,et al.Inversion of surface soil moisture under vegetated areas based on optical and microwave remote sensing data[J].Journal of Irrigation and Drainage,2024,43(1):45-51.0引言【研究意义】表层土壤含水率在能量平衡、气候变化和陆地水循环中扮演着重要角色，是作物生长发育、产量估算、水资源管理、气候变化等研究领域的关键指标[1]。
微波遥感技术在农业中的应用
微波遥感技术在农业中的应用微波遥感技术是研究空间目标的微波辐射、散射、反射、透射等特性，来获取目标相关信息的一种技术手段。
在农业领域，这种技术的应用也越来越广泛，能够有效地提高农业的生产效率，智能化农业管理、生产监控及精准农业发展也离不开微波遥感技术的应用。
本文就微波遥感技术在农业中的应用进行探讨。
农业气象监测微波遥感技术能够在气象监测方面得到广泛应用。
在农业方面，可以通过微波遥感技术获取大气中的水分和土壤中的水分信息，利用微波辐射的穿透性可以对土壤水分和农作物生长信息进行监测，这对于农业生产有着重要的意义。
当农作物遭遇气候灾害如干旱等情况时，微波遥感技术可以及时发现并进行监控，进而提供有针对性的应对方案。
精准农业微波遥感技术在农业领域中的应用还可以实现精准农业发展。
在农业生产中，如何提高农业生产效率，缩短生产周期，是农业领域共同关注的问题。
利用微波遥感技术可以对土地质量、植被覆盖等精准进行测量，提高土地利用率，进而提高农作物的生产效率，减少投入成本，实现精准化、高效化农业生产。
农业灾害监测农业受灾是影响农业生产的重要因素之一。
利用微波遥感技术，可以实时监控农业灾难的发生情况，如洪涝、旱灾、酸雨、沙尘等情况，准确及时地预测气象变化，进行精细化的农业灾害监测。
这样，农业生产者就可以及时采取相应的措施，对农业生产进行合理管理，进而减少农业发生灾害的风险。
农业盐碱地分布测绘通过微波遥感技术，可以有效地分析农业土地的盐碱化情况，利用微波遥感数据技术辅助进行盐碱地固定与治理、选址与设计方案制定等。
这样，可以准确测绘盐碱地的分布情况，帮助农业生产者科学合理地利用土地资源，进而实现农业盐碱化控制，提高农作物生产的效益。
结语通过以上分析，可以看出微波遥感技术在农业领域中的应用非常广泛，可以有效地提高农业生产效率和质量。
随着技术的不断提高，将有更多的应用需要我们进行深入研究，期待农业在微波遥感技术的引领下，得到更加快速、可见的发展。
高分辨率卫星影像在土壤湿度反演方面的应用探索
高分辨率卫星影像在土壤湿度反演方面的应用探索概述土壤湿度是影响农业生产、水资源管理和环境保护的重要因素之一。
传统的土壤湿度监测方法存在着时空分辨率低、实时性差等问题。
随着遥感技术的发展，高分辨率卫星影像成为了一种广泛应用于土壤湿度反演的有效工具。
本文将探索高分辨率卫星影像在土壤湿度反演方面的应用，并介绍其原理、方法和挑战。
1. 高分辨率卫星影像原理高分辨率卫星影像是指具有较高空间分辨率的卫星遥感影像。
通过高分辨率卫星传感器获取的影像可以提供丰富的地物信息，包括土地利用类型、植被覆盖、地表温度等。
这些地物信息与土壤湿度之间存在一定的关系，通过分析这些信息可以反演土壤湿度。
2. 高分辨率卫星影像土壤湿度反演方法2.1 多光谱遥感方法多光谱遥感方法利用高分辨率卫星影像的多个光谱波段来反演土壤湿度。
不同的光谱波段对不同的地物信息敏感，通过对这些光谱波段的分析可以获取土壤湿度相关的信息。
例如，植被覆盖对土壤湿度具有一定的反应，利用植被指数可以间接推测土壤湿度。
此外，土壤反射率和土壤吸收率与土壤湿度也存在一定的关联。
因此，多光谱遥感方法可以通过对这些指标的分析来反演土壤湿度。
2.2 热红外遥感方法热红外遥感方法利用高分辨率卫星影像的热红外波段来反演土壤湿度。
土壤湿度会改变土壤的热性质，进而影响土壤表面的辐射亮温。
热红外遥感方法通过测量土壤表面的辐射亮温，推算土壤湿度。
这种方法相比于多光谱遥感方法更直接，但也存在一定的限制，如受到云层遮挡和地表温度差异等因素的影响。
3. 高分辨率卫星影像在土壤湿度反演中的应用案例3.1 农作物监测高分辨率卫星影像可以用于监测农作物的生长状况和土壤湿度变化。
通过反演土壤湿度，农民可以及时了解农田的水分状况，并做出相应的灌溉调整，从而提高农作物的产量和品质。
此外，结合气象资料和土地利用数据，还可以进行农田水资源管理和调配。
3.2 土地可持续利用土壤湿度是土地可持续利用的重要指标之一。
遥感土壤水分反演原理
遥感土壤水分反演原理遥感土壤水分反演是指通过遥感技术获取土壤水分信息的过程。
传统的土壤水分监测方法如土壤取样和化验等，在时间和空间分辨率上受到限制，难以满足大范围和高时空分辨率的要求。
遥感技术具有高时空分辨率、全天候覆盖和定量化等优势，成为研究土壤水分的重要工具之一遥感土壤水分反演主要基于微波辐射原理，利用地球表面发射和散射的微波辐射特性与土壤水分含量之间的关系来计算土壤水分。
常用的遥感土壤水分反演方法有基于微波亮温的统计关系、基于微波散射的统计关系和基于机器学习的方法。
基于微波亮温的统计关系方法是通过统计分析亮温与土壤水分的关系建立反演模型。
该方法通常使用单通道或多通道的微波亮温数据，结合地表温度和植被指数等辅助信息，例如威斯特指数(VI)。
通过对不同土壤类型和植被覆盖条件下的地表亮温数据进行统计和回归分析，建立土壤水分与亮温之间的经验关系。
然后，根据遥感获取的亮温数据，利用建立的统计模型计算土壤水分。
基于微波散射的统计关系方法是通过微波辐射在土壤水分变化时的散射特性来进行反演。
散射特性与土壤的复介电常数有关，而复介电常数与土壤含水量之间存在一定的关系。
该方法通常使用合成孔径雷达(SAR)数据，根据雷达回波的散射特征来计算土壤含水量。
根据不同土壤类型和植被覆盖条件下的SAR数据，通过统计和回归分析建立土壤水分与散射特性之间的关系模型。
然后，根据遥感获取的SAR数据，利用建立的统计模型计算土壤水分。
基于机器学习的方法是利用机器学习算法来建立土壤水分与遥感数据之间的映射关系。
机器学习算法主要包括支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)等。
该方法通常使用多源、多时相的遥感数据，结合地表观测和土壤采样数据，通过机器学习算法训练模型，建立土壤水分与遥感数据之间的非线性关系。
然后，根据遥感获取的数据，利用已训练好的模型进行土壤水分反演。
总结起来，遥感土壤水分反演原理主要基于微波辐射特性与土壤水分含量之间的关系，通过统计和回归分析建立土壤水分与遥感数据之间的模型，或者利用机器学习算法进行非线性映射，从而实现对土壤水分的反演。
遥感技术手段在土壤水分遥感监测的应用现状和发展趋势
遥感技术手段在土壤水分遥感监测的应用现状和发展趋势一、引言土壤水分是农业生产中的关键因素之一，对作物的生长发育和产量具有重要影响。
传统的土壤水分监测方法需要大量人力物力，并且时间成本高，难以满足大范围、高精度、快速获取土壤水分信息的需求。
遥感技术手段在土壤水分监测中具有很大的应用潜力，近年来得到了广泛关注和研究。
二、遥感技术手段在土壤水分监测中的应用现状1. 遥感技术手段介绍遥感技术是指利用卫星、飞机等遥感平台获取地球表面信息并进行处理与应用的技术手段。
它具有覆盖面广、周期短、数据获取快捷等优点，可以实现对大范围地区进行全天候连续观测和监测。
2. 遥感技术在土壤水分监测中的应用（1）微波辐射计法微波辐射计法是通过卫星或飞机上安装的微波辐射计对地球表面进行微波辐射探测，并根据反射率与土壤水分含量之间的关系进行土壤水分监测。
该方法具有快速、高效、准确的优点，但对观测条件较为苛刻，需要较高的技术门槛和设备投入。
（2）热红外遥感法热红外遥感法是通过卫星或飞机上安装的热红外传感器对地球表面进行热辐射探测，并根据土壤温度与水分含量之间的关系进行土壤水分监测。
该方法具有操作简单、成本低廉等优点，但受气象条件影响较大。
（3）多光谱遥感法多光谱遥感法是通过卫星或飞机上安装的多光谱传感器对地球表面进行多波段光谱探测，并根据不同波段反射率与土壤水分含量之间的关系进行土壤水分监测。
该方法可以获取更为详细的土地信息，但需要较高的技术门槛和数据处理能力。
三、遥感技术手段在土壤水分监测中的发展趋势1. 多源数据融合随着卫星数量增多和遥感技术不断进步，多种遥感数据可以被获取。
将多种遥感数据进行融合，可以提高监测精度和准确性。
2. 机器学习算法机器学习算法可以通过训练数据自主学习土壤水分与遥感特征之间的关系，并快速准确地进行土壤水分监测。
3. 智能化应用智能化应用可以实现对土壤水分信息的实时监测和预警，为农业生产提供更加精细化、个性化的服务。
5用地基双频段微波辐射计测量土壤湿度
， 苍金项目： 科学院知识创新项目（ＺＸ－ ９ 中国 ＫＣ２ ０） ３ 作者简介： 宋冬生（ ７－， 在读博士， １ ８ 男， ９ ） 从事遥感信息定量化研究。 收稿日 ２ － － 期二０６ ５ ５ 修回日 ２０ ０－ ００ １ 期二０６ ｓ ６ －２
宋冬生等： 利用地基双频段微波辐射计测量土壤湿度 ７ １ 验仪器采用我们 自行设计的双频微波辐射计， ２ 个频段分别是 Ｌ１ Ｇ ｚ波段和 Ｃ５ Ｇ ｚ波 （． Ｈ） ４ （． Ｈ） ４ 段。本试验的土壤湿度反演采用经验算法， 对所 观测的数据作经验性的统计描述和相关分析， 建 立Ｌ 波段和 Ｃ 波段亮度温度和土壤湿度（ 重量百 分比） 之间的线性关系， 并把该模型应用到降雨过 程中， 得到的结果与实际值有较好的一致性。该 方法对于解决区域性土壤湿度反演有着重要意
间呈线性关系：
Ｖ） Ａ Ｔ（ Ｂ Ｂ） （＝ ＋ ｅ ａ （） １ 分别代人 Ｂ，ｏ Ｔ 饰 求得ＡＢ ＴＡ Ｖ ，ｍ， ， Ｉ ｌ ， 的值，
微波被动遥感数据在地质灾害监测中的应用研究
微波被动遥感数据在地质灾害监测中的应用研究地质灾害是指由于地质因素引发的各种灾害性事件，如地震、泥石流、滑坡等。
这些地质灾害对人们的生命财产安全造成了严重威胁，因此，及时准确地监测和预测地质灾害成为了一项重要任务。
近年来，微波被动遥感数据已被广泛应用于地质灾害监测中，在提高监测效果和预警能力方面发挥了重要作用。
一、微波被动遥感技术概述微波被动遥感是指利用微波辐射的自然辐射或人工发射进行地物观测的遥感技术。
相对于可见光和红外遥感，微波遥感具有穿透云雾、适应多种气候条件以及对地物信号具有较好的穿透和反射能力的特点。
微波被动遥感技术利用地表与微波辐射相互作用所产生的信号获取地物信息，包括遥感图像中的亮度温度、极化特性等。
二、微波被动遥感数据在地质灾害监测中的应用1. 地表形变监测地震、滑坡、地面沉降等地质灾害会导致地表形变，而微波被动遥感技术可以通过监测地表形变来提前预警和评估潜在风险。
通过分析微波遥感图像的时序变化，可以获取地表形变的信息，如岩体位移、地面沉降、裂缝扩展等。
2. 土壤湿度监测土壤湿度是地质灾害发生的一个重要因素，尤其是在滑坡和泥石流等灾害中。
微波被动遥感技术可以利用微波辐射与土壤湿度之间的关系，通过测量微波辐射的反射率或极化特性，来获取土壤湿度的信息。
这对于地质灾害的监测和预警具有重要意义。
3. 地下水监测地下水位的变化可以直接影响到地面的稳定性和地质灾害的发生。
微波被动遥感技术可以通过监测地下水位变化、沉降和水文循环等信息，提供地下水资源的監測與評估，对地质灾害监测和评估具有重要意义。
4. 地表特征提取微波遥感图像中的地表特征可以用于地质灾害的自动识别和提取。
例如，在滑坡监测中，通过分析微波遥感图像的反射率和极化特性，可以提取出土地裸露度、坡度、植被覆盖度等地表特征，从而对滑坡进行自动识别和评估。
三、微波被动遥感数据在地质灾害监测中的优势和挑战1. 优势微波遥感具有穿透云雾、适应多种气候条件以及对地物信号具有较好的穿透和反射能力的特点，这使得微波被动遥感数据在地质灾害监测中有着独特的优势。
基于微波遥感和陆面模型的流域土壤水分研究
被动微 波遥感 方 法 的理 论基 础主 要是基 于传 感
器 获取 的亮 度温度 与土 壤水 分之 间 的密切关 系 。此
外 ， 响亮温 的主 要 因素还 有 地 面 温 度 、 影 植被 情 况 、
地 表粗糙 度等 。应 用 于 流 域研 究 时 ， 常 是 基 于植 经 被覆 盖地 表 。此 时 的微波 辐射 测量土 壤湿 度 的有效
收稿 日期 ： ０ ７ １ ２ ２ ０ 一Ｏ － ６ 修订 日期 ： ０ ７ ３ ６ ２ ０ 一Ｏ —１
张钟 军［ 提 出 了一种基 于 光线跟 踪原 理 的双矩 阵算 ３
法 的微 波辐 射模 型 ， 更 准 确 地 描述 植 被对 下 垫 面 能
摘 要 ： 壤 水 分 是 陆地 水 文 的重 要 因子 。微 波 遥 感 是 测 量 土 壤 水 分 的 一 种 重 要 方 法 。本 文 总结 了基 于 微 波 土 遥 感 和 陆 面模 型 的土 壤 水 分 监 测 方 法 ， 括 被 动 微 波 法 、 动 微 波 法 、 包 主 主被 动微 波 结 合 法 、 面模 型模 拟 法 和 数 据 陆 同化 法 五种 。被 动 微 波 对 表 面 土 壤 水 分 敏 感 ， 其 空 间分 辨 率 低 ； 动微 波 具 有 较 好 的分 辨 率 但 运 作 费 用 也 较 但 主 高； 主被 动微 波 结 合 则 能 够 充 分 利 用 各 自的优 势 。 陆 面模 型在 研 究 中也 有 重要 作 用 ， 过 模 型 模 拟 能 够 得 到 根 区 通 土壤 水 分 。而 将 观 测 值 同化 到模 型 的 数 据 同化 法 ， 能极 大 的提 高 土 壤 水 分 估 计 的 能 力 。 通 过 比 较 ， 出数 据 同 则 指 化是 最 有 前 景 的研 究 领 域 。