土壤遥感

ASW

a
0
(
ATI
)

(
D 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
旱情遥感监测评估
距平植被指数 ：
求旬、月植被指数，每旬需30多条轨道卫 星资料，每月需90多条轨道卫星资料，才能消 去云的影响，监测全国范围的干旱。经过进一 步的工作，可以做出每旬的全国范围具有国界 省界标志的植被态势图像或数字打印图，以供 植被长势—干旱状况分析判断。对于中国，该 图范围可为东经74º～135º，北纬12º～57º，图 像空间分辨率约为6km。
Sw a b P
式中，为土壤水分，是拟合系数（最小二 乘法拟合），P是热惯量。
2，பைடு நூலகம்被指数法
植被长势受到许多因素的影响。在干旱年 份，水对植被长势起关键作用。水分亏缺，植 被长势不好，叶面积指数下降，叶子内的叶绿 素减少，它对太阳的近红外光的反射能力降低， 卫星遥感得到的植被指数会明显降低。以此来 表明干旱程度，就是监测干旱的植被指数法。
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。
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。
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。
首先是气象因素，除了降水量以外，降水的强 度、气温、光照、风速也在一定程度上影响干 旱的强度。
其次是农业生产本身的特点，这里有农林牧结 构、耕作制度、农作物种类、生育时期以及耕 作措施等等。
此外还有某些自然地理条件，如土壤、水文、 地形地貌等等；
最后是社会经济条件，如灌溉条件、保持土壤 水分所需要的物质条件等等。
植被供水指数的定义式为：
VSWI＝NDVI／T5 这里T5是美国NOAA卫星或我国FY—
l卫星遥感到的作物冠层温度。
4, 距平植被指数法
为了监测大范围作物干旱，中国气象局国 家卫星气象中心还发展了距平植被指数法。它 是用植被指数（NDVI）多年的旬（月）平均 值作为背景值，然后用作物受灾旬或月的植被 指数（NDVI）减去背景值。
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

k 1
A
n
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
第十章土壤水分与干旱遥感监测
第一节 土壤类型遥感分析 第二节 土壤水分遥感 第二节 干旱遥感监测
第一节 土壤类型遥感分析
土壤类型的空间分布规律
– 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
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，
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。

降水；

降水与平均温度比；

土壤水分和作物参数；

气候指标和蒸散量估算；

综合指标。
同一个国家，不同的气候区域也会有不同的标准。
二、干旱遥感监测方法
干旱没有唯一的标准，可以从各个方面去 定义，但都离不开水和植被。遥感监测干旱也 基于土壤水分和植被状况。
对于裸地，卫星遥感的重点是土壤含水量 对于有植被覆盖的区域，卫星遥感的重点
2, 干旱指标
干旱指标是确定干旱是否发生以及发生干 旱严重程度的一种量度。
干旱的原因比较复杂，除了降水量持续偏 少外，还与作物对水分的要求，人类补充水分 亏缺的能力以及土壤持水、保水等因素有关。 因此，人们从各个方面来定义干旱，确定干旱 的指标。
世界气象组织根据各国对干旱指标的研究，一共列 出55个指标，这些指标可以概括为以下几个类型：
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：
是植被指数的变化及植被冠层蒸腾状况的变化。
1, 热惯量法
热惯量法主要用于裸露土壤。它是用热红 外方法遥感湿度，基于热传导方程：
T k 2T t Z 2

k
Ca
其中：λ为热传导度，Ca为热容量，ρ为土 壤密度，Z为 土壤深度，t 为时间，T为土壤温 度
此热传导方程的边界条件为：
T0 T T0 sint
其中，T 为日平均温度，ΔT0为Ocm的
地表温度日较差，ω为角频率

解方程后，得到热惯量表达式：
P B(1 A)

T0
其中P为热惯量，即卫星间接遥感量， ΔT0为每日最高温度和最低温度之差，人 为全波段反照率，B为常数。
通常用统计方法建立土壤水分遥感模型， 但目前国内建立的多是线性模型，而幂函数模 型比线性模型好，因此它的物理意义与上述公 式的数字表达式相一致，试验结果表明拟合精 度也比其它函数形式的拟合精度高，幂函数形 式为：
如果把地形因素与植被因素也考虑进去， 那么表观土壤含水量的方程要复杂得多，即：
ASW

a
0
(
ATI
)

(
D d
)
a1
(
s
)a2 ( h )a3 (sin )a4 (NDVI )a5
H
式中h为相对高程，H为绝对高程，sinα为坡 度，NDVI植被指数。
第三节 干旱遥感监测
我国每年都有干旱发生。据不完全统计， 我国各种受灾面积中，旱灾占61%，水灾占 24%，冰雹灾占9%，霜冻灾占6%。
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。
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。
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。
既然不同，为什么可以用遥感计算 出来的表观土壤含水量来替代实测的土 壤含水量呢?
根据在极少数有可能对比的点上取到的实
测土壤含水量资料的研究表明，遥感所计算的 表观土壤含水量与实测的土壤含水量成正变关 系，即表观土壤含水量大，实测的土壤含水量 也大；表观土壤含水量小，实测的土壤含水量 也小。正因为如此，所以上式是一个通用的表 观土壤含水量公式。其中没有地形与植被的影 响这， 样可 便以 于产认业为部该门两应项用因。素已经包括在a0里面了，