土壤水分反演与干旱监测
科技成果——基于微波的高分辨率土壤水分反演及干旱监测应用
科技成果——基于微波的高分辨率土壤水分反
演及干旱监测应用
对应需求旱情遥感监测系统
成果简介
该成果利用高质量Sentinel-1SAR数据及可见光遥感数据，基于具有物理机制的变化检测方法，反演得到高分辨率的土壤水分信息；确定了构建后向散射系数-植被指数空间所需的最佳采样点数目；明确了模拟精度对土壤水分初始值和缩放因子两个关键参数的敏感性。
可解决当前遥感土壤水分数据的空间分辨率过低的问题，AUC值较传统预测模型提升了约20%，具有较强干旱监测能力。
适用于区域范围内高分辨率干旱监测。
技术特点
该成果进行干旱监测及森林火灾预报，AUC值较传统预测模型提升了约20%，提升预测精度。
精度达到0.053立方米/立方米，且其反演精度并不随递推次数增加而累积，具有较高的空间分辨率。
技术水平实用新型专利1项，软件著作权1项。
应用情况
该成果在黑河流域应用，此流域内绿洲属于干旱-半干旱区，生态环境脆弱，通过运用该成果开展土壤水分的反演，可监测绿洲干旱情况，展现出较好的干旱预警能力；在广东省应用，近年来该省内降雨年度分配不均情况逐渐加剧，骤旱频发，通过运用该成果，可准确监测预报省内林区干旱及森林火灾等灾害发生情况。
基于HJ卫星数据的土壤含水量反演及其旱情预测
基于HJ卫星数据的土壤含水量反演及其旱情预测熊世为;李卫国;贾天山;胡姗姗;景元书【摘要】干旱是影响中国农业生产的重要自然灾害之一。
为确定温度植被干旱指数( TVDI)法在苏北地区干旱监测中的适用性，本试验构建基于HJ卫星数据的NDVI-Ts 特征空间，提取TVDI并结合实测数据将遥感指数转化为土壤相对湿度。
结果显示：特征空间构建时，考虑NDVI>0.2区间可提高干、湿边的拟合精度；TVDI与各层土壤含水量均有一定的相关性，其中与10~20 cm土层土壤含水量的相关系数达-0.649~-0.854(P<0.01)。
结合同期降水数据，可认为基于HJ卫星数据的TVDI法对苏北地区旱情具有较好的监测效果。
%Drought is one kind of natural disasters that seriously affect agricultural production in China. In order to determine the feasibility of temperature vegetation dryness index ( TVDI ) used in drought monitoring in north of Jiangsu province, NDVI-Ts feature space was constructed by using HJ satellite data, temperature vegetation dryness index was ex-tracted and the remote sensing index combining the measured data was turned into relative soil moisture. The results showed that improving NDVI to be more than 0. 2 could improve the dry and wet edge fitting accuracy when constructing the feature space. TVDI index was correlated with soil moisture in different depths, and the coefficients between TVDI and soil mois-ture in the depth of 10-20 cm was from-0. 649 to-0. 854. Combined with contempory rainfall data, TVDI was applicable in drought prediction.【期刊名称】《江苏农业学报》【年(卷),期】2014(000)005【总页数】7页(P1044-1050)【关键词】HJ卫星数据;NDVI-Ts 特征空间;温度植被干旱指数;干旱【作者】熊世为;李卫国;贾天山;胡姗姗;景元书【作者单位】滁州市气象局，安徽滁州 239000;江苏省农业科学院农业经济与信息研究所，江苏南京 210014;滁州市气象局，安徽滁州 239000;滁州市气象局，安徽滁州 239000;南京信息工程大学应用气象学院，江苏南京 210044【正文语种】中文【中图分类】S165+.2农业上将长期无雨或少雨，使土壤水分不足、作物水分平衡遭到破坏而减产的灾害定义为干旱。
干旱反演
具有较高空间分辨率，但受地表粗糙度，植被影响大。被动微波遥感监测面积大，周期短，
受粗糙度影响小，并且对土壤水分更为敏感，算法更为成熟，可以应用于大面积地区干旱 监测。
干旱反演方法
植被指数法
温度指数法 综合法
温度植被干旱指数法
基于植被指数的干旱监测模型
植物的活性叶片在可见光波段吸收了 70%--90%的红光,反射
基于地表温度LST的干旱指数监测模型常见的有以下几种
温度状态指数(TCI)
TCI(Temperature Condition Index)的定义为：
式中，BTi为影像中某一像素在特定年第i个时段的亮温值， BTmin和BTmax分别表示在研究年限内,该区域第i个时段内像素
亮温值的最小值和最大值。TCI越小,表示该地区作物长势越
了绝大部分绿光。由于叶肉组织的影响,活性叶片在近红外波 段具有较强的反射性。植被指数(Vegetation Index,VI)是通过 遥感技术监测地面植被生长状况的一个重要指数,它是由卫星 传感器的可见光通道和近红外通道所探测数据的线性组合或
非线性组合反演得到的,可以很好地反映出地表绿色植被的分
布和生长状况,从而对作物生长不利的环境条件进行监测,尤
在遥感观测数据中，植被指数与表面温度具有很强的负相关性，对植被 指数与表面温度组成的散点图进行拟和得到一条直线，该线的斜率与土 壤湿度密切相关，这一现象在多种植被类型和传感器上得到验证。在同 一生长季内，根据不同日期图像的LST/NDVI斜率，可以反映该区土壤湿 度的时间变化。LST/NDVI斜率还可以反映年际土壤湿度变化。 在实际应用中，LST/NDVI斜率的确定有一定难度，它受地表覆盖类型、
反映的干旱环境背景与农业干旱的界线模糊
基于定量遥感反演的旱情监测研究
基于定量遥感反演的旱情监测研究引言：旱情是指地表或地下水水文过程中，由于降水不足，造成土壤、植被和水资源等方面出现持续性或严重性不足的情况。
旱情的监测对农业生产、水资源管理和应对气候变化等具有重要的意义。
传统的旱情监测方法通常依赖于人工采样和测量，往往耗时耗力并且受制于人力和地理条件等因素。
定量遥感反演技术的发展为旱情监测提供了新的解决途径，其能够通过遥感影像数据来获取丰富的信息，例如降水量、土壤湿度、植被生长状况等。
本文将重点介绍基于定量遥感反演的旱情监测研究。
定量遥感反演方法：定量遥感反演方法是通过遥感影像数据和地面观测数据建立数学模型，从而推断出感兴趣地区各个要素的定量化信息。
在旱情监测中，常用的定量遥感反演方法包括土壤湿度反演、植被指数反演和降水量反演等。
土壤湿度反演是指通过遥感影像数据估计土壤湿度的方法。
常用的土壤湿度反演方法包括微波遥感反演和热红外遥感反演。
微波遥感反演方法利用微波信号的穿透性，通过测量微波信号在土壤中的衰减情况来估算土壤湿度。
热红外遥感反演方法则是通过测量地表温度和植被指数等参数，根据土壤热传导方程来推算土壤湿度。
这些方法能够准确地反演土壤湿度分布，从而为旱情监测提供了科学依据。
植被指数反演是指通过遥感影像数据估算植被生长状况的方法。
植被指数是反映植被光合活性和生长状态的指标，常用的植被指数包括归一化植被指数（NDVI）和差值植被指数（DVI）等。
通过计算遥感影像中的植被指数，可以得到感兴趣地区的植被覆盖度和生长状态等信息。
这些信息可以反映出旱情的严重程度和影响范围，对于旱情的监测和评估具有重要的意义。
降水量反演是指通过遥感影像数据估算降水量的方法。
降水量是影响旱情的主要因素之一，准确地反演降水量对于旱情监测具有重要的意义。
常用的降水量反演方法包括基于雷达的降水反演和基于卫星遥感的降水反演。
雷达降水反演方法通过测量雷达信号与降水的反射和散射情况，来估算降水量。
卫星遥感反演方法则是根据遥感影像中的云簇和降水微物理特征等信息，结合数学模型来推测降水量。
植被温度干旱指数法
植被温度干旱指数法，也被称为温度植被干旱指数（Temperature Vegetation Dryness Index，简称TVDI），是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。
这种方法同时考虑了归一化植被指数（NDVI）和地表温度（LST）的影响，使其可以用于干旱监测，特别是监测特定年内某一时期整个区域的相对干旱程度，以及研究干旱程度的空间变化特征。
温度植被干旱指数的计算方法主要基于NDVI-LST特征空间，找出每个NDVI值对应的地面温度的最大值和最小值，即干边和湿边。
然后根据干边和湿边的拟合方程，可以计算出每个像元的TVDI值。
在干边上，TVDI的值为1，表示最干旱；在湿边上，TVDI的值为0，表示最湿润。
此外，还有温度植被角度指数（TVA），它是通过对LST/NDVI取arctangent函数来计算的，这种方法补充了LST/NDVI的缺陷。
总的来说，植被温度干旱指数法是一种有效的干旱监测方法，它可以利用遥感数据反演出植被覆盖区域的表层土壤水分情况，从而帮助我们更好地理解和应对干旱问题。
(整理)土壤水分监测与干旱灾害预测
2.1植物遥感原理土壤水分(即土壤湿度、土壤含水量)，作为陆面水资源形成、转化、消耗过程研究中的基本多数，是联系地表水与地下水的纽带，也是研究地表能量交换的基本要素，并对气候变化起着非常重要的作用。
土壤水分的变化能影响其本身的水热过程，使地表参数发生变化，如地表反照率、土埂热容量、地表蒸发和植被生长状况等。
这就导致地表能量、水分的再分配．并通过改变地表向大气输送的显热、潜热和长波辐射通量，影响到气候变化；气候变化又能引起土壤含水量的变化。
两者相互作用．其中包涵复杂的反馈过程。
此外，土壤水分作为陆面生态系统水循环的重要组成，是植物生长发育的基本条件，也是研究植物水分胁迫、进行作物旱情监测的最基本因子。
土壤水分遥感取决于土壤表面发射或反射的电磁辐射能的测量。
而土壤水分的电磁辐射强度的变化取决于其反射率、发射率、电介特性、温度等。
土壤水分特性在不同波段有不同的反应，人们可以依据土壤的物理特性和辐射理论，利用可见光—近红外(VIs—NIR)一热红外(TIR)一微波(Nw)不同波段遥感资料、研究方法以及与环境因素(地貌、植被等)的相关分析，来监测土壤水分。
其中，可见光—近红外方法主要依赖于地物的反射光谱特性。
由于影响地物光增的因素很多，如表面粗糙度、土壤结构、有机质含量等，因此借助于地物反射光谱差异来估算土埂水分．在精度上受到限制。
当然、随着高光谱遥感数据的应用，可见光—近红外法估算土壤水分的精度会有所提高。
（1）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。
基于多光谱数据的植被水分反演及其在旱情评估中的应用分析
个滞后的过程 ，因而降水 的变化对植被水 的影响也存在一定滞后效应 。 在上述分析基础之 ， 时间和空 从
问尺度对植被水分在旱情监测和评估中的应用进行了评价 。通过时 间合 成以及与 其他数据 （ 如历 史数据 ） 的 结合 ，呵克服多光谱 数据的 自身不足 ， 提高多光谱 遥感 数据在旱情 监测 和评估 的应用性 。 关键词 多光谱遥感 ； 植被水分 ；旱情监测
存在着时效性 差、代 表 范 围有 限 、需要 大 量 人力 物 力 的缺
点 ，难 以 实 现 实 时 、 范 的 动 态 监 测 。随 着 遥 感 技 术 的 不 大
断发展 ，利用遥感手段进 行植 被水分 监测 ， 弥补 了传 统方法 的不足 ，为实时 、 快速 、大范 围的动态监测 和 区域 评估 提供
源。
干旱是影 响我 闲工农业生产和社会经济发展的 主要 自然 灾 害之一 。遥感数据 困其 自身特点 ，在 旱灾监测 、旱情 评估 中发挥 ＿ 『重要作用 ， 为抗旱救灾提供 了实时 、动态 的旱情评
估 数 据 。目 前 ， 用 较 为 Ｊ 的 旱情 遥 感 监 测 评 估 方 法 ，主 应 泛
传感器之一 ， 拥有 ３ ６个波段的光谱观测数据 ， 这些数据有 助 于深入理解全球陆地 、海洋 和低层 大气 内的动 态变化 过程 。 ＭＯＤ Ｓ５０ｍ数据集 中有 ７个波 段 （ １ ，包括 ｒ植 被状 Ｉ ０ 图 ）
践 ，同时 在 灾 评 估 、火 险评 价 等 方 面 也 得 到 了 一 定 应
作为重要的植被状态指数 ， 早情监测 与评估 中得到 了一定 在 本文以 ２ １ ０ ０年初西 南地 发牛 的大旱 为案例 ， 用 多 利 光谱遥感数据进 行植 被含水量的提取 和时序分析 ， 结合 台 并 站的气象数据 ， 对植被含水量在旱情监测 中的应 用进行 分
热惯量法反演土壤水分
热惯量法反演土壤水分
热惯量法是一种非侵入式测量土壤水分的方法，其原理是在一定
时间内，利用一个预先加热好的探头加热土壤，观察土壤温度的变化，进而计算出土壤的热惯量，再根据热传导方程反演出土壤的含水量。
该方法的优点是不需要直接接触土壤，且可实现实时测量，以及
对土壤深度、结构等特性不敏感。
因此，该方法被广泛应用于农业生产、水资源管理、生态环境监测等领域。
具体来说，热惯量法反演土壤水分的步骤如下：
1.测量土壤热惯量：在待测土壤中钻上一个深度为6-8 cm，直径
为2-2.5cm的小孔，然后将一个预先加热好的热电偶放入孔中，并记
录下加热孔口前后的温度变化曲线。
利用热传导方程，根据土壤热惯
量的式子计算出土壤热惯量。
2.根据土壤热传导特性计算含水率：由于土壤水分的热传导系数
不同于无水土壤，因此可以根据已知含水率的标准土壤进行标定，并
按照该土壤热传导特性计算出待测土壤的含水率。
3.校正误差：由于实际测量中存在着一定的误差，因此需要进行
一定的校正。
例如，由于热惯量法对土壤温度变化的测量可能受到环
境温度、湿度等因素的干扰，因此需要加以校正。
总之，热惯量法反演土壤水分是一种简单、实用的方法，但其也存在一些限制，如需要对土壤的热传导特性有一定的认识，并且不适用于测量土壤水分较深的地下层。
- 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)。
DT时代
从无序的、庞杂的海量数 据中挖掘有价值的信息甚 至知识
社会管理 智能电网 公共交通 智慧农业 医疗诊断 应
用
金融
电子商务 精准气象 新闻传媒
教育
基于气象数据的监测指数
优点： 方法成熟 数据精度高，时间序列长
缺点： 站点分布不均，不利于大 尺度的干旱监测
指数名称 帕尔默指数 作物水分指数 标准降雨指数 综合气象干旱指数
土壤水分和干旱监测的必要性
干旱是全球发生频率最高、持续时间最长、影响面积最广的自然灾害 造成重大经济损失，每年造成我国农业生产的直接经济损失多达4-7亿元 引起土地的荒漠化，沙漠化 影响人民生命安全和国家和谐稳定
全球气候变暖等因素导致我国干旱发生频 率显著增加、强度显著增强。(Dai A,2011) 深入研究干旱监测的技术方法，对提高干旱监测水平、提升政府防灾减 灾能力具有重要的意义！
j
Ts
Ts
Ti
i
Ts
TT
T
j
Ts
i
j
Ti Tj
极化指数
反演方程
SM 0.33 10.99947 * NDE18.7GHz 10.7GHz
563.80628NDE
2 18.7GHz
10.7GHz
微波指数与植被关系
NDVI与MPI关系 当NDVI≤0.1时,MPI≥0.04，在被动微波尺度下，可以认为像 元为裸地或者植被非常少，因此在土壤水分反演中可以不考 虑植被的影响；
不同地物的波谱曲线是不一样的，在近红外区域的水吸峰是 变化的；
同一种作物在不同的生长期波谱曲线也是变化的
大气水汽含量变化也是影响监测的主要原因，当大气水分含 量变化时，
因此利用可见光和近红外波段构成的各种干旱指数的阈值在不 同的地方是变化的，同一地方不同时间也是变化的。
热红外是利用土壤和植被水的热容量来监测水分含量，但温度 变化的快慢对不同的物质是不一样的，也就是阻抗不一样。 而且天气条件对温度变化快慢（比如云）影响也是非常大的， 因此各种指数的阈值也是变化的。
作物水分胁迫指标CWSI(Crop Water Stress Index) 和对应的土壤含水量相关分 析二者呈一定相关性,但相关关系不密切,相关系数为0.54,作物水分胁迫指数随土 壤含水量的降低呈明显的增大趋势;作物水分胁迫指数随气象因子的波动表现出 明显的波动性,且在作物遭受较严重水分胁迫下波动性更强,表明水分胁迫指数直 接定量标识作物土壤水分状况的可靠性不强.
雷达信号的散射受介电常 数的变化，而水是影响土 壤介电常数变化的最主要 因子。因此，雷达信号的 变化在一定程度上是土壤 水分参数的变化。
理论模型
• 几何光学模型 • 物理光学模型 • 小扰动模型 • 积分方程模型
经验-半经验模型
• Oh 模型 （1992；2002） • Dubois 模型 （1995） • Shi 模型 （1997）
土壤水分与干旱
气
象
植物蒸腾
农 业
干
社
旱
会
地表蒸散 经
植 物
干
旱 地表水分平衡
济
土
干
壤
水文干旱
旱
水分下渗
干旱实际上是一种地表水分失衡的综合现象，不同干旱类型之间相互联系又 相互区别。干旱监测必须综合考虑气候、植被和土壤等因素，只有这样才能 准确描述干旱的发展过程和发展程度！
近来，随着传感器技术的进步，为更高精度的监测土壤水分提供了物理平台。
反演全国陆地土壤水分产品
微波指数算法
0.02
0.55
被动微波数据：AMSR-E
25公里
大数据
“3V”定义：
规模性（Volume） 多样性（Variety） 高速性（Velocity）
“4V”定义： “3V” + 价值性（Value）或者 真实性（Veracity）
GB
TB PB EB
ZB
IT时代
优点： 有利于大尺度的干旱监测 考虑植被对干旱的响应问题
指数名称 植被状态指数
当0.1<NDVI<0.6时，0.02<MPI<0.04。在这种条件下，应该 考虑为植被和其它地物的混合像元。在土壤水分反演的过程 中，应该考虑混合像元和植被的影响。
当0.6≤NDVI时，MPI<0.02。像元被植被完全覆盖，在土壤水 分反演过程中，需要考虑消除植被的影响。为了提高这些像 元的反演精度，需要利用其它辅助手段（比如地面测量）对 反演结果进行校正。
可见光 中红外 热红外 波长越长，对土壤水分越敏感
微波
受云和降雨影响大 对土壤水分不是非常敏感 对土壤水分的监测主要是间接利用水分对可见光近红外的吸收 热红外主要是利用依赖水分的热容量变化大小
）
）
植被光谱曲线
赵晨等在２００１年在中国 农业生态学报上写了一篇关 于《作物水分胁迫指数与土 壤含水量关系探讨》
标准降雨蒸散指数
英文 缩写 PDSI CMI
SPI
CI
时间
1965 1968 1993 2006
SPEI 2010
基于遥感数据的监测指数 多变量标准干旱指数 MSDI 2013
发表者
Palmer Palmer Mckee
张强 VicenteSerrano
Hao
分析的变量
降水 降水和蒸散发 降水和蒸散发 降雨和土壤水分
微波遥感特点：
1、对农业遥感和水文学家所关心的积雪参数及土壤水分十分敏感 2、对地物具有一定的穿透能力 3、全天时、全天候的成像能力
研究意义
相对可见光，近红外和热红外，微波优势：
1、对地物具有一定的穿透能力; 2、全天时、全天候的成像能力； 3、利用的微波对土壤水分变化引起导电能力变化的敏感性 缺点：微波（雷达）对粗糙度比较敏感。
遥感土壤水分反演与 基于大数据的干旱监测思考
2019-6
汇报提纲
1 背景 2 遥感土壤水分反演 3 基于大数据思维的干旱监测 4 总结
1, The estimation of grain yield 2, Evapotranspiration and meteorological model 3, Drought monitoring, Hydrological model
适用地表粗糙度范围窄 较宽的粗糙度范围
裸土： 1.Q/H模型 与Q/P模型
植被： 2. - 模型 3. MIMICS模型和水云模型等
土壤水分反演算法
1．统计方法 2．基于正向模型的反演算法 （迭代和ＮＮ）
土壤水分与不同频率发射率的关系
土壤水分与不同频率发射率的关系
极化指数
NDE
ij
i
Ti
Tj