第六章土壤遥感
基于遥感的土壤质量评估研究
基于遥感的土壤质量评估研究一、引言土壤是农业生产的基础，也是生态系统的重要组成部分。
了解土壤质量对于合理利用土地资源、保障粮食安全和生态平衡具有至关重要的意义。
传统的土壤质量评估方法往往依赖于实地采样和实验室分析，不仅费时费力，而且难以获取大面积、连续的土壤信息。
随着遥感技术的迅速发展，为土壤质量评估提供了新的思路和方法。
二、遥感技术在土壤质量评估中的应用原理遥感技术通过传感器接收来自地表的电磁波辐射信息，这些信息包含了土壤的物理、化学和生物特性等相关特征。
不同类型的土壤在光谱特征上存在差异，例如土壤的颜色、质地、水分含量和有机质含量等都会影响其反射和吸收电磁波的能力。
通过对这些光谱特征的分析和处理，可以获取有关土壤质量的相关信息。
例如，近红外波段对于土壤中的有机质含量较为敏感，而可见光波段则可以反映土壤的颜色和质地等特征。
此外，多光谱、高光谱和微波遥感等技术的应用，进一步提高了对土壤特性的探测能力和精度。
三、基于遥感的土壤质量评估指标（一）土壤物理性质1、土壤质地通过遥感图像的纹理和粗糙度等特征，可以对土壤质地进行初步判断。
粗质地的土壤通常具有较为粗糙的纹理，而细质地的土壤则相对平滑。
2、土壤水分微波遥感可以穿透土壤一定深度，通过对微波信号的反射和散射分析，能够有效地监测土壤水分含量的变化。
（二）土壤化学性质1、有机质含量利用近红外光谱可以建立有机质含量与光谱反射率之间的关系模型，从而实现对大面积土壤有机质含量的估算。
2、土壤养分如氮、磷、钾等养分的含量也可以通过遥感技术结合相关的数学模型进行评估。
（三）土壤生物性质虽然直接通过遥感技术评估土壤生物性质具有一定的难度，但可以通过间接的方式，例如与植被生长状况的关联来反映土壤的生物活性。
四、数据获取与处理方法（一）遥感数据获取常用的遥感数据源包括卫星影像（如 Landsat、Sentinel 等）、航空遥感影像以及无人机遥感数据等。
不同的数据源具有不同的空间分辨率、光谱分辨率和时间分辨率，需要根据研究的目的和尺度进行选择。
论述遥感技术在土壤墒情监测中的应用
NOAA/AVHRR 遥感数据
NOAA气象卫星是近极地、与太阳 同步的卫星，高度为833km～ 870km，轨道倾角98.7°，成 像周期12小时。NOAA 系列极轨 气象卫星携带的改进甚高分辨率辐 射计（AVHRR）具有5 个通道， 其中可见光通道（0.58-0.68 μm）和近红外通道（0.7251.00 μm）处于能较好地反映植 被光谱特性的波段范围上（见右表
引言
遥感技术具有宏观、快速、动态、经济的特点。特别是可见光、近红 外和热红外波段能够较为精确地提取一些地表特征参数和热信息，解 决了常规方法存在的问题，打开了土壤墒情监测的全新图景。 随着遥感技术的发展，可以采用遥感信息源结合地面实测数据的方法 来解决上述问题。遥感图像是一幅反映地物目标电磁辐射特性的能量 分布图，它真实、客观、连续地记录了地表物体总体与个体的信息特 征。长久以来，国内外大都利用NOAA／AvHRR气象卫星从事土壤 墒情的信息提取，现在，随着更先进的新一代传感器EOS／MODIS 的升空，将MODIS数据用于土壤墒情信息提取已经成为当前研究的 热点。
土壤墒情监测
土壤墒情监测是水循环规律研究、农牧业灌溉、水资源合理利用、及 抗旱救灾基本信息收集的基础工作。 土壤墒情监测规范包括墒情和旱情检测要素、墒情检测站网及站网的 布设、墒情和旱情监测点和代表区域的查勘、土壤含水量的测定方法 、土壤测报制度与报送方法。 土壤墒情监测要素是同气象条件、土壤、土壤的水分状态，作物种类 及其生长发育状况密切相关的，因此可以认为气象条件、土壤的物理 特性、土壤的水分状态，作物种类及生长发育状况是土壤墒情监测的 四大要素。
引言
干旱是全球最为常见的自然灾害，据测算每年因干旱造成的全球经济 损失高达60—80亿美元，远远超过了其它气象灾害。我国自然灾害 中70％为气象灾害，而干旱灾害又占气象灾害的50％左右。日益严 重的全球化干旱问题已经成为各国科学家和政府部门共同关注的热点 。而用遥感监测干旱，一直是科学界公认的难题。常规的监测方法有 土钻取土称重和中子仪法，这些方法不仅测点少，代表性差，无法实 现大面积、动态监测，而且费时、费力。对其进行综述，寻找合适的 模型方法对于各级政府和领导及时了解旱情程度和分布，采取积极有 效的防、抗旱措施，科学指挥农业生产，具有积极意义。
土壤遥感
2、发生、发展和演化：
是在地形、母质、气候、时间、植被等自然因子及人 为因素综合影响下发生、发展和演化的。
二、土壤遥感
1、概念： 通过遥感影像的解译，识别和划分出土壤类型，制作图 壤土，分析土壤的分布规律。
GO GO 加油！！！
2、目的：
改良土壤，合理利用土壤。 3、由于土壤性状主要表现在剖面上，而不是表现在土壤表 面，因此仅靠土壤表面电磁波谱的辐射特性，不能直接来判 别土壤类型，所以要依靠间接地解译标志来对土壤进行综合 分析
4、间接地解译标志
间接地解译标志（P148）
目标地物与其相关指示特征； 地物及环境的关系； 目标地物与成像时间的关系
利用遥感技术进行农田土壤质量监测与评估
标题：利用遥感技术进行农田土壤质量监测与评估引言：农田土壤质量是农作物生长和农业生产的重要基础。
传统的土壤监测方法耗时耗力且成本较高，无法满足大面积土壤质量监测的需求。
而利用遥感技术可以通过获取遥感影像和地面观测数据，结合地理信息系统（GIS）和遥感图像处理技术，实现对农田土壤质量的监测和评估。
本文将深入探讨利用遥感技术进行农田土壤质量监测与评估的方法、优势、挑战以及未来发展前景。
一、利用遥感技术进行农田土壤质量监测与评估的方法1. 遥感影像获取：利用卫星、航空摄影等遥感平台获取高分辨率的遥感影像，覆盖目标农田区域。
遥感影像可以提供大范围、连续的土地表面信息，为土壤质量监测提供数据基础。
2. 地面观测数据采集：结合遥感影像，进行地面观测数据的采集。
例如，通过采样和实地测试获取土壤质地、质量指标（如有机质含量、氮磷钾含量等）以及水分状况等数据。
3. 土壤质量指标提取：利用遥感图像处理技术，结合地面观测数据，提取土壤质量指标。
常见的方法包括植被指数计算、光谱反演模型等。
通过这些指标，可以定量评估土壤质量的空间分布和变化趋势。
4. 土壤质量评估模型建立：基于土壤质量指标和地理信息系统（GIS）平台，建立土壤质量评估模型。
利用统计分析和机器学习方法，将土壤质量指标与其他环境因素进行关联，预测和评估农田土壤质量状况。
二、利用遥感技术进行农田土壤质量监测与评估的优势1. 非接触性和广覆盖：遥感技术可以远距离获取土地表面信息，无需直接接触土壤。
同时，遥感影像具有较大的覆盖范围，能够实现大面积土壤质量监测。
2. 高时空分辨率：遥感影像提供了高时空分辨率的数据，能够捕捉到土壤质量的空间和时间变化。
这有助于及时发现土壤质量问题，并采取相应的管理措施。
3. 综合评估：利用遥感技术结合地面观测数据，可以综合考虑多个土壤质量指标，建立综合评估模型，更全面地评估农田土壤质量。
4. 实时监测：遥感技术可以实时获取数据，实现对土壤质量的动态监测。
第六章 土壤——自然地理学课件PPT
第二节 土壤物质组成
土壤是个多相分散体系，由无机和有机的 固体、液体和气体物质组成 。
6
一、矿物质
土壤矿物的类型
▪ 原生矿物 ▪ 次生矿物
土壤矿物的分布规律
▪ 干冷气候条件下，土壤中含有较多的原生矿物； 湿热气候条件下，土壤中含较多的氧化铁、氧化 铝和氧化钛等较为稳定的矿物；
▪ 热带亚热带地区，次生粘土矿物以水铝石、高岭 石等为主；干旱寒冷地区，次生粘土矿物以伊利 石、蒙脱石、蛭石为主。
15
2. 土壤水分的有效性
土壤水分的有效性指土壤水分能够被植 物吸收利用的难易程度，不能被植物吸 收利用的称无效水，能被植物吸收利用 的称为有效水。
▪ 土壤有效水分的下限为萎蔫系数 ▪ 旱地土壤有效水分的上限为田间持水量 ▪ 旱地土壤最大有效水分量 = 田间持水量 -
萎蔫系数
16
土壤水吸 力
土 壤 颗 粒
12
膜状水
▪ 土粒吸足了吸湿水后，还有剩 余的吸引力，可吸引一部分液 态水成水膜状附着在土粒表面， 这种水分称为膜状水。
▪ 植物可以利用此水。但由于这种水的移动非常缓慢 （0.2—0.4mm/d），不能及时供给植物生长需要，植 物可利用的数量很少。
– 土壤膜状水达到最大值时的土壤含水量称为土壤最大 分子持水量
▪ 中子土壤水分仪
• 通过测定反映慢中子云的密度与水分子间的函数关系,可以确定土 壤含水量。
• 不破坏土壤，可测量土壤深达30米的剖面含水量，但是不能用于 表层土
• 缺点：垂直分辨率较差，表层测量困难，且辐射危害健康
▪ 张力计式土壤水分传感器
• 通过安装在土壤中的张力计，测量土壤水的吸力，然后依据土壤 水分特征曲线来换算成土壤含水量 20
土壤水分的遥感监测
土壤水分的遥感监测摘要：针对日益严重的全球干旱问题，本文从水分监测领域出发进行研究。
从国内外各种研究方法的比较及传统方法和遥感监测方法的比较中突出遥感监测的优越性。
从遥感监测的各种方法分述，对比出气各自适用的范围和优缺点。
联系实际和GIS技术的发展，提出该技术的进步空间。
一、研究土壤水分监测的意义近百年来全球变化最突出的特征就是气候的显著变暖，这种气候变化会使有些地区极端天气与气候事件如干旱、洪涝、沙尘暴等的频率与强度加强增加。
中国气候变暖最明显的地区在西北、华北和东北地区，特别是西北变暖的强度高于全国平均值，使得夏季干旱化和暖冬比较突出。
新世纪以来尤为明显：2000年多省干旱面积大，达4054万公顷，受灾面积6.09亿亩，成灾面积4.02亿亩。
建国以来可能是最为严重的干旱。
2003年江南和华南、西南部分地区江南和华南、西南部分地区发生严重伏秋连旱，其中湖南、江西、浙江、福建、广东等省部分地区发生了伏秋冬连旱，旱情严重。
2004年我国南方遭受53年来罕见干旱，造成经济损失40多亿元，720多万人出现了饮水困难。
2005年华南南部、云南严重秋冬春连旱，云南发生近50年来少见严重初春旱。
2006年重庆旱灾达百年一遇，全市伏旱日数普遍在53天以上，12区县超过58天。
直接经济损失71.55亿元，农作物受旱面积1979.34万亩，815万人饮水困难。
2007年全国22个省全国耕地受旱面积2.24亿亩，897万人、752万头牲畜发生临时性饮水困难。
中央财政先后下达特大抗旱补助费2.23亿元。
2008年云南连续近三个月干旱，云南省农作物受灾面积现达1500多万亩。
仅昆明山区就有近1.9万公顷农作物受旱，13多万人饮水困难。
2009年华北、黄淮等15个省市连续3个多月，华北、黄淮、西北、江淮等地15个省、市未见有效降水。
冬小麦告急，大小牲畜告急，农民生产生活告急。
不仅工业生产用水告急，城市用水告急，生态也在告急。
遥感 土壤调查
1 数据准备1.1 调查方法在全省范围内系统地开展土壤现状调查，范围覆盖省内全部陆地，针对不同土壤类型和土地利用类型进行全面、系统的土壤环境质量现状调查。
根据全省不同土地利用类型和土壤类型，在1∶50 000的数字地图上统一划分网格，网格中心点即为调查采样点位，其中耕地网格8km×8km，林、草地网格16km×16km，未利用土地网格40km×40km，再结合水系、高程等图层进行布点优化，全省共有1 525 个质量调查采样点。
根据“七五”土壤背景值调查资料，按国家的53 个典型剖面和14 个主剖面的点位坐标，在保证调查可比性的基础上分层采样，调查共设67 个采样点。
根据《全国土壤污染状况调查点位布设技术规定》有关要求，将有可能受到污染场地作为土壤污染调查的重点区域。
共设置的污染场地及自然保护区等11 种类型866 个土壤采样点，分土壤、地下水、地表水、植物样品采样。
此次调查包括重金属、农药残留、有机污染物等指标及土壤理化性质，同时，根据各地土地利用情况及可能产生的土壤污染类型，有针对性地增测特征污染指标。
共获取13万个监测数据，与采样记录等基本信息一起建立安徽省土壤污染状况调查数据库。
1.2 数据类型基础地理数据：1∶250 000 及1∶50 000 基础地理数据（包括行政区划、水系、高程、道路等图层）。
调查数据：包括全省土壤调查质量采样点、背景采样点和重点污染区域采样点3 部分的空间和属性数据。
其他数据：“七五”土壤环境背景值、重点区域范围等。
2 数据提取流程整个数据提取流程包括前期准备及数据录入、一次数据提取、二次数据提取和制图4 个部分（图1）。
一次提取和二次提取在实现方法上基本相同，但实现目的和提取程度不同，前者是在数据审核过程中通过对部分数据的提取来判断野外采集数据及录入数据的准确性，保证建立土壤污染状况调查数据库的准确可靠；后者是对建立好的数据库按属性值、空间范围及利用配准后的“七五”土壤环境背景图对数据进行全面提取。
六讲土地遥感
n
Rt
U bi U ai
i 1 n
2 U ai
1 100% T
U ini U outi 1 100%
n
2 U ai
T
i 1
i 1
（4）土地利用程度综合指数
土地利用程度主要反应了人类对土地利用旳广度和深度， 其基本思想是把研究区旳多种土地利用类型按照利用程度 分为不同等级，经过每级土地利用类型在研究区中所占旳 百分比乘以其分级指数进行加权求和，最终得到研究区旳 土地利用度。
(2)土地合理利用旳空间配置。划分出：利用合理、不需要进行调整旳土地(涉 及农、林、牧等)，和目前旳利用不合理需要作进一步调整旳土地(即土地利用现 状与土地质量特点不协调部分)。
评价指标拟定 专题特征信息提取 分析与评价
2024/10/1
2024/10/1
土地覆盖与土地利用遥感制图 土地覆盖/土地利用动态监测 土地资源评价（土地质量、适应性、生产潜力） 土地退化旳遥感动态监测
2024/10/1
土地覆盖是指被自然营造物和人工建造物所覆盖旳地表诸 要素旳综合体，其含义与“土地利用”相近，只是研究旳 角度有所不同，土地覆盖侧重于土地旳自然属性，土地利 用侧重于土地旳社会属性，对地表覆盖物（涉及已利用和 未利用）进行分类。如对林地旳划分，土地覆盖根据林地 生态环境旳不同，将林地所处旳生态环境旳不同，将林地 分为针叶林地、阔叶林地、针阔混交林地等，以反应林地 所处旳生态环境、分布特征及其地带性分布规律和垂直差 别。土地利用从林地旳利用目旳和林用方向出发，将林地 分为用材林地、经济林地、薪炭林地、防护林地等。但两 者在无多情况下有共同之处，故在开展土地覆盖和土地利 用旳调查研究工作中常将两者合并考虑，建立一种统一旳 分类系统，统称为土地利用/土地覆盖分类系统。
- 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)。
4, 热红外波段的土壤含水量信息
热红外波段对常温反映灵敏，土壤温度与 湿度关系密切，因此热红外遥感数据中也包含 了土壤含水量的信息。
5, 微波波段上的土壤含水量信息
微波波段对水的反映极其灵敏，很薄的水 层就可以屏蔽微波辐射。因此许多国内外的学 者都认为微波是探测土壤含水量最佳的波段。
马蔼乃等（2000）根据对各个波段的研究， 首先发现微波对水的反映极其灵敏，但是对土 壤含水量的反映却不十分灵敏。因为水面十分 光滑的，而土面的粗糙度与微波波长十分接近， 使得土壤含水量的信息强度被淹没在粗糙度的 信息强度之中。
二、表观热惯量的遥感信息模型
物体的热惯量P是物体固有的属性，它的表 达式为：
P k
式中k为热传导系数，ρ为密度，γ为比热容。 因为热传导系数、密度、比热容对一种物体来 说是固定不变的，所以热惯量也是地物的固有 属性。
土壤因为含水量的变化，使得热传 导系数、密度、比热容都发生变化，从 而使得热惯量变化，这是确定无疑的。 但从遥感数据不可能直接提取出热惯量， 也不可能直接提取热传导系数、密度、 比热容。
地物在吸收短波太阳辐射后以长波的方式 发射，地温增高。白昼地物吸收太阳能量而增 温；夜间地物发射能量而减温。地物昼夜的温 差就是地物热惯量的表象。
例如水体，由于热惯量大，昼夜温差小； 岩石热惯量小，昼夜温差大；各种含水量不同 的土壤热惯量介于水体与岩石的热惯量之间， 热惯量的大小也介于水体与岩石的热惯量之间。
含由水此量求的出土的壤表，观作土为壤标含准水，量求AS出W地也理是参无数量a纲0，的a相1，对a2值。。
1 A T
上式的含义是表观土壤含水量是表观热惯量的函数，
是相对土壤密度的函数，也是相对土层厚度的函数。 由于水的密度是1，所以土壤密度除以水的密度，该因 子团成为无量纲相似准则。颗粒粒径表示土壤的空隙 度，土层厚度表示所测土壤含水量的深度范围，颗粒 粒径除以土层厚度表示相对土层厚度，即土层有几倍 的粒径厚度，也是无量纲因子团。由于世界各地的土 壤种类不同，所处地理环境不同，所以a0，a1，a2各处 是不同的，也是以图像表示的。同样地，表观土壤含 水量也是虚拟的。
AS W a0(AT )(ID d)a1(s)a2
式中d为土壤颗粒粒径，D为土壤土层厚度，ρs为土
壤的密度，ρ为水的密度。a0，a1，a2，的为地理参数。 将土壤颗粒粒径、土壤土层厚度、土壤密度内插成影像
化的图像，与遥感图像配准。在影像（ ）上或地面上
（配准），确定最干燥的土壤、最湿润的土壤以及中等
第一节 土壤类型遥感分析
土壤类型的空间分规律
地带性土壤 隐域性土壤
土壤类型决定性因素
直接因素(土壤的光谱特征)
间接因素
地带性气候因素 地貌因素 地质条件 地形起状特征
案例分析
新疆南部的土壤遥感解译中，根据 影像划分出山地、山前洪积扇、冲积平 原、荒漠平原、片状绿洲，线状绿洲等 地理单元，并进一步划分了沿河、湖滨 等地区，在此基础上进行土壤解译、制 图。与常规方法制作的土壤图比较，内 容详细得多。
遥感波段中可见光与近红外中的全部太阳 波谱的能量，减去地物在所有谱段内的反照率
能量，就产生昼夜温差的能量。称为表观热惯 量遥感信息模型ATI：
ATI
k1
An
T
式中A为反照率，ΔT为昼夜温差，k，n为地 理参数。A可由可见光与近红外所有波段遥感数 据之和求出，ΔT为白昼热红外遥感数据减去夜 间热红外遥感数据求出。ATI可以用水体在遥感
影像上的数据为最大值，干沙沙漠的数据为最
小值，从而求解k，n。
撒哈拉沙漠、塔克拉玛干沙漠、澳大利亚沙漠、北 美沙漠与它们附近的水体所求解出来的k，n是不相同 的，因为在上述公式中还有一些地理环境因素没有考 虑到，而被包括在其中了。
根据上式可以计算出表观热惯量的影像图（ATI
图）。表观热惯量与真实热惯量之间是正变的关系，
四、真实土壤含水量与表观土壤含水量
真实土壤含水量是在地面上实测的土壤含 水量。实测土壤含水量在地面上的取样面积只 有几平方厘米，遥感是监测不到的。
遥感监测土壤含水量是大面积范围上的工 作，往往用气象卫星的数据，每1个像元是 1km2的面积，地面上实测的土壤含水量根本无 法与之比较。1km2上需要实测几百个点的土壤 含水量，取其均值，还要随机统计方法正确， 才能两相比较。
地面上实测的土壤含水量很难做到 同步实测。某个点的含水量与相邻点的 含水量观测时间往往相差几个小时，甚 至相差几天。
遥感计算出来的表观土壤含水量是 同一瞬间的，完全同步的。
土壤含水量是一个无量纲的百分含量（%），遥感 数据也是无量纲的灰度，因此容易误认为两者既然都 是无量纲的，可以直接进行统计分析。其实不然，土 壤含水量是真实的物理量数据，而从遥感影像上求出 的表观土壤含水量是虚拟的相对数据。
第二节 土壤水分遥感
一、遥感数据中的土壤含水量信息
1,可见光波段的土壤含水量信息 根据地物波谱的测定，在可见光部分干燥
土壤的反射光谱比潮温土壤的反射光谱平行抬 高一段反射率。随着含水量的多寡，抬高的距 离大小不同。因此，早期遥感研究中有用可见 光波段测定土壤含水量的尝试。
2, 近红外波段的土壤含水量信息
近红外波段对水的反映灵敏，水对近红外 光完全吸收。因此含水量高的土壤在近红外波 段上呈暗色调，地物波谱曲线不是平行降低， 而是陡坡降低。因此早期与可见光波段同时使 用推测土壤含水量。
3, 中红外波段的土壤含水量信息
中红外波段对高温反应灵敏，是林火的探 测波段。反之，土壤十分干燥时温度较高，在 中红外遥感影像上有反映。也就是说，如果求 土壤的干燥度时，用中红外波段效果较好。
前者是无量纲的相对值，后者是有量纲、有单位的物
理量。真实热惯量的单位是J/（m2s1/2K）。两者在数值
上虽然不相等，但是表达的都是热惯量。在遥感技术
中，通常采用相对值来表示物理量。
三、 表观土壤含水量遥感信息模型
既然我们用表观热惯量替代了真实热惯量， 因此对于土壤含水量，也应该可以用表观土壤 含水量来替代真实土壤含水量。现在给出表观 土壤含水量ASW的表达式：