使用MODIS数据监测土壤湿度解析
土壤 (Soils, 2004, 36 (2: 219~221使用ＭＯＤＩＳ数据监测土壤湿度郭广猛赵冰茹( 中国科学院地理科学与资源研究所北京 100101MONITORING SOIL MOISTURE CONTENT WITH MODIS DATAGUO Guang-meng ZHAO Bing-ru(Institute of Geography Science and Natural Resource Research, Chinese Academy of Science, Beijing 100101摘要土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数，目前使用遥感来监测土壤湿度主要用NOAA/AVHRR数据和微波数据，使用MODIS 数据的研究还不多见。
本文采用MODIS 数据，根据水的吸收率曲线提出使用中红外波段来监测土壤湿度。
通过在内蒙古地区的实地调查，回归分析表明MODIS 第7波段的反射率与地面湿度之间有较好的线性关系，因此认为使用MODIS 数据进行大面积土壤湿度监测是可行的。
关键词 MODIS；土壤湿度；中图分类号TP75土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数。
大面积土壤湿度的监测是农业水管理以及农作物旱情预报的一个重要内容，同时区域尺度乃至全球尺度的土壤信息是陆面过程模式研究必不可少的一个参量，对改善区域及全球气候模式预报结果起着重要的作用[1]。
传统的土壤湿度测量方法，主要是从有限的地面观测点来测定土壤含水量，例如烘干法、中子法、TDR 法等[2]，因其采样速度较慢且花费的人力、物力较大，难以大范围推广应用。
气象卫星可以迅速、大面积、多时相地获取地面信息，为土壤湿度监测提供了一种新的手段，其中以NOAA/AVHRR数据应用最为广泛[3~5]。
目前比较成熟的方法有植被供水指数法、距平植被指数法、热惯量法等。
但这些方法在实际使用中，或需要有较长年代的资料积累，如植被供水指数法和距平植被指数法；或对监测时的天气条件有较高的要求，如热惯量法需要卫星两次过境的数据以计算地面最高和最低温度[4]。
也有学者采用微波进行了研究，用散射系数法估算水分，但是该方法受地表粗糙度、植被覆盖度以及数据成本高的限制，应用于大范围监测不大现实[6]。
１ＭＯＤＩＳ数据介绍Terra 和Aqua 是两颗比较新的卫星，是由美国分别在1999年12月和2002年5月发射成功。
两颗卫星上都搭载中分辨率成像光谱仪MODIS (MODerate- resolution Imaging Spectroradiometer，并且MODIS 数据对全球免费播放。
MODIS 具有36个波段（0.405 ~ 14.385 m 波长），拥有250 m、500 m、1000 m 的3个不同的空间分辨率，扫描宽度2330 km，只需2 ~ 3轨即可覆盖全国[7]。
两颗卫星配合可以获得每天4次的高时间分辨率。
目前国内监测土壤含水量的研究几乎全部集中在NOAA/AVHRR数据和微波遥感上，使用MODIS 数据的报道还不多见。
MODIS 不仅覆盖了NOAA/AVHRR数据的全部波段，同时还拥有一些AVHRR 所不具备的波段，如1~2 m 通道。
本文就是利用MODIS 新的数据波段，结合地面实测数据来计算土壤湿度。
从水的吸收率曲线(图1 可以看到，水在1.4 m ，2.0 m 附近存在有很高的吸收峰，如果土壤中水的含量很多，则在这些波长上土壤反射率应该是低值，反之为高值[8]。
TM 数据虽然具有1.55 ~ 1.75 um，2.08 ~ 2.35 um通道，但是其扫描范围窄，时间分辨率低，不适合用作大面积的土壤含水量监测。
2002年5 ~ 9月，内蒙古草原勘察设计院对土壤湿度进行了地面准同步测量。
MODIS 数据由中科院地理所MODIS 地220 土壤第36卷面站提供。
本文选取MODIS 第7波段来计算含水率，其波长为2.105 ~ 2.135 m ，分辨率为500 m。
度信息进行几何校正，校正后的位置精度大约为0.5个像素，具体的校正方法参见文献[9]。
最后采用暗物体消减方法进行粗略的大气校正[10]。
３结果与讨论地面调查主要在内蒙古地区进行，调查区范围东经112o ~ 118o ，北纬42 o ~ 45 o ，时间为2002年5 ~ 9月。
采用便携式中子探测仪测量土壤5 cm深度内的湿度。
从校正后的MODIS 数据中大致可以看出，内蒙古沙地部分反射率大约为0.35，华北农田大约为0.08，海面约为0.008，反射率随表面湿度增加有明显下降趋势。
最后得到的有效数据53个，结果如图2所示。
采用最小二乘法拟合的公式为y = -0.7097x + 0.3524，R 2 = 0.72, F = 108.2。
其中误差在10 % 以内的占29.6 %，20 %以内的占64.8 %，30 %以内的占79.6 %,50 %以内的占88.9 %。
在5月13日的图像中，在浑善达克沙地中任意选取243个像素，其第7波段反射率和归一化植被指数NDVI 的关系如图3所示。
用直线拟合得到的公式为y = -0.4861 + 0.5775,R 2 = 0.41, F = 167.8。
从图中可见，随着反射率增加，土壤含水量逐渐减少，NDVI 值逐渐变小，反映出干旱地区植被受土壤含水量的控制较为明显。
此次调查中，有64.8 %的数据误差< 20 %，也有几个异常数据误差达到100 %，分析其原因如下:(1 遥感数据反映的是500 m × 500 m范围内平均的土壤含水量，地面调查得到的是几个孤立的点，用几个点的湿度数据代替一个面上的湿度会产生很大误差。
(2 地面调查测得的数据是地面5 cm以内的湿度，而遥感反映的是地面表层的含水量，二者之间的关系还不明确。
(3 在地表有植被时遥感反映的是植被冠层的含水量，由于“退耕还草”措施的实施，调查区的植被恢复较好，造成一定误差。
(4 由于卫星过境时间只有几分钟，而地面测量时间一般是在10:00 ~ 15:00时之间，时间不同步造成误差。
(5 使用粗略的大气校正方法，不能精确地去除大气影响。
综上所述，MODIS 第7波段可以反映出土壤含水量的变化，用于大面积、多时相的干旱监测是可第2期郭广猛等：使用MODIS 数据监测土壤湿度 221行的。
MODIS 第6波段（1.628 ~ 1.652 m ）也位于水的吸收峰上，对于二者之间的关系还需做进一步研究参考文献1 高峰, 王介民, 孙成权, 文军, 微波遥感土壤湿度研究进展. 遥感技术与应用, 2001, 16(2: 97 ~ 1022 周凌云, 陈志雄, 李卫民. TDR法测定土壤含水量的标 34 定研究. 土壤学报, 2003, 40 (1: 59 ~ 645张树誉, 赵杰明, 袁亚社, 李星敏. NOAA/AVHRR资料在陕西省干旱动态监测中的应用. 中国农业气象, 1998, 19 (5: 26 ~ 32 6 陈添宇, 姚志华, 用NOAA 卫星资料监测土壤湿度方法的探讨. 甘肃气象, 1997, 15 (3: 28 ~ 297 郭铌, 陈添宇, 雷建勤, 杨兰芳. 用NOAA 卫星可见光和红外资料估算甘肃省东部农田区土壤湿度. 应用气象学报, 1997, 8 (2: 212 ~ 2188 李建龙, 黄敬峰, 王秀珍. 草地遥感. 北京: 气象出版社, 19979葛成辉, 刘闯, 美国对地观测系统（EOS ）中分辨率成像光谱仪（MODIS ）遥感数据的特点与应用. 遥感信息, 2000, (3: 45 ~ 4810 [日]遥感研究会编 (刘勇卫, 贺雪鸿译. 遥感精解. 北京: 测绘出版社, 199311 郭广猛. 关于MODIS 卫星数据的几何校正方法. 遥感信息, 2002, (3: 26 ~ 2812 田庆久, 郑兰芬, 童庆禧. 基于遥感影像的大气辐射校正和反射率反演方法, 应用气象学报. 1998, 9(4: 456 ~ 461******************************************************************** *************************************** (上接第218页COLLECTION AND SORTING OF SOIL SAMPLESCITED IN SOIL RESEARCH FINDINGSCAI Feng-qi CHEN Dong-feng(Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008Abstract This is the first time for the idea of “soil samples sited in soil research findings” to appear in papers. So the paper introduces in detail its term and co nnotation, and elaborates, significance, principle and procedure of collecting and sorting of the samples. The practice will then alter the situation that a written paper is the only fruit that is displayable in the study of soil science by enriching the paper with an object evidence, which will then make contents of the research of soi science richer.Key word Collection and sorting , Soil sample, Written paper, Exhibition。
MODIS植被指数数据产品
第三节 MODIS植被指数数据产品参考规范（草）（讨论和试用稿第一稿2004年9月15日）（中国科学院地理科学与资源研究所全球变化信息研究中心）1主题内容与适用范围1.1主题内容本标准规定了国家对地观测系统MODIS共享平台植被指数数据产品术语、类型、制作、和验证过程，用以规范我国MODIS植被指数数据产品在产生、保藏、交换和应用中的一致性。
1.2适用范围本规范适用于国家科技基础条件平台对地观测系统MODIS共享平台植被指数数据产品及与之相关的数据产品在数据源、数据合成、数据质量检验和数据交换过程中的活动规范。
2植被指数类型MODIS植被指数分为归一化植被指数(NDVI)和增强型植被指数(Enhanced Vegetation Index, EVI)二种类型。
3术语3.1植被指数：通过地表覆盖物在可见光波谱段的吸收和在近红外波谱段的反射特性，建立的用于描述植被数量和质量的参数。
植被指数没有量纲。
3.2地表反射数据：指经过大气校正的MODIS 1-7 波段数据，即MOD09 产品。
3.3植被指数合成：在多日植被指数中，按照一定标准和规则，选择其中一个植被指数的过程。
3.4植被指数合成期：用于实施合成的时间段。
以天、旬、月度计算。
3.5BRDF合成：双向反射分布函数。
指把传感器视角的观测值，统一为星下点观测值；同时把不同太阳高度角统一为有代表性的一个角度。
4植被指数数据产品的生产标准4.1单日植被指数计算：4.1.1输入数据：输入去云并且经过大气校正的地面反射数据。
MODIS1-7 波段。
其中：1－2波段空间分辨率250m，3－7波段空间分辨率500m。
4.1.2植被指数定义及计算公式：NDVI ＝（B2-B1）/(B2+B1)EVI ＝2.5*（B2-B1）/（B2+6*B1–7.5*B3 + 1）其中：NDVI：归一化植被指数EVI：增强型植被指数B1：MODIS第1波段B2：MODIS第2波段B3：MODIS第3波段4.1.3输出数据：NDVI和EVI，日数据，空间分辨率250米。
基于MODIS短波红外光谱特征的土壤含水量反演
基于MODIS短波红外光谱特征的土壤含水量反演姚云军;秦其明;赵少华;袁蔚林【期刊名称】《红外与毫米波学报》【年(卷),期】2011(030)001【摘要】土壤含水量是地表干旱信息最重要的表征参量,也是定量遥感反演面临的一个挑战性课题.作者在分析MODIS短波红外第6波段和第7波段对水分变化敏感的基础上,构建了MODIS短波红外光谱特征空间,根据土壤水分在光谱特征空间中的变化规律,提出了简单实用的MODIS短波红外土壤湿度指数(Shortwave Infrared SoilMoisture Index,SIMI).并利用宁夏平原实测0～10cm平均土壤含水量数据验证了该指数.结果表明:它们之间的相关性较好,R2变化范围为0.39～0.58.此外,与TVX相比,该指数具有更高的土壤水分监测精度,证明了该方法反演区域土壤含水量的可靠性.然而,该指数没有消除混合像元的影响,仍需进一步改进与完善.%Soil moisture was one of the most important parameters characterizing surface dryness conditions. Its retrieval by quantitative remote sensing methods had been a challenging problem. By analyzing the sensitivity of shortwave infrared MODIS band 6 and band 7 to the changes of water, the MODIS shortwave infrared spectral feature space was constructed.According to the soil moisture variation in spectral feature space, a simple and practical MODIS shortwave infrared soil moisture index (SIMI) was put forward and validated using ground-measured 0 ～10em averaged soil moisture of Ningxia plain. The results show that the coefficient of determination ( R2 ) of both them varies from 0. 39 to 0.58,and SIMI has higher accuracy than temperature-vegetation index (TVX) for soil moisture retrieval. These results support the reliability of this index for regional soil moisture retrieval. However, SIMI does not eliminate the impact of mixed-pixels and still needs further improvement and perfection.【总页数】7页(P9-14,79)【作者】姚云军;秦其明;赵少华;袁蔚林【作者单位】北京大学遥感与GIS研究所,北京,100871;北京师范大学全球变化与地球系统科学研究院,北京,100875;北京大学遥感与GIS研究所,北京,100871;北京大学遥感与GIS研究所,北京,100871;北京大学遥感与GIS研究所,北京,100871【正文语种】中文【中图分类】TP722.5;S152.7【相关文献】1.干旱区土壤含水量光谱特征分析与反演 [J], 娄径;徐建辉;周燕林;王俊2.基于可见光-短波红外波谱反射率的裸土土壤含水量反演建模 [J], 郑小坡;孙越君;秦其明;任华忠;高中灵;吴伶;孟庆野;王金梁;王建华3.基于MODIS的ATI和TVI组合法反演石羊河流域土壤含水量 [J], 魏伟;任皓晨;赵军;王旭峰4.基于MODIS的河南省冬小麦灌浆期土壤含水量反演研究 [J], 蒲欢欢;韦原原;赵永强;方鹏5.综合近红外-红波段-短波红外三波段光谱特征空间的小麦冠层含水量反演 [J], 侯学会;王猛;高帅;隋学艳;梁守真因版权原因，仅展示原文概要，查看原文内容请购买。
第11章 土壤湿度测量解析
第 11章土壤湿度测量11.1概述土壤含水量是影响农作物收成与水保的重要因素之一。
土壤湿度对于制定灌溉进程表、水与溶质流的评价、净太阳辐射潜热与显热的划分等方面都是很重要的。
作为预测水源耗竭模式中的重要参量,土壤湿度在水文学中是很重要的。
在大气数值模式中陆气相互作用的模拟及水气循环的其它参量要求测量土壤湿度,卫星遥感评价的验证也需要直接测量地表土壤水分。
土壤湿度的测量可用土壤含水量与土壤湿度位势的测定来表示。
土壤含水量反映了土壤中水的质量与体积,而土壤湿度位势则反映土壤水分能量状态。
农业学科非常关注土壤水分的测定。
为满足土壤水分状态测量的广泛需求,许多仪器已发展到商业化的程度,使用最普遍的将在下面予以讨论,包括其优点与缺点。
此外,对在将来不久可能被广泛使用的新式仪器也予以简要讨论。
11.1.1定义土壤含水量称重技术是测量土壤含水量最为简单且被广泛运用的方法。
因为此方法简单易行而且是直接测量,所以被用作其它方法参照的标准。
定义在干质基础上的称重土壤湿度g θ可表达为:100⋅=soilwater g M M θ (11.1 此处 water M 为土样中水质量, soil M 为土样中烤干(100-110℃后的土质量。
对于风干(25℃的矿物土壤,称重土壤湿度通常少于 2%,但随着土壤水分达到饱和,其水含量会增到 25%至 60%。
但是称重取样法具有破坏性,使得土壤接近饱和时,取得准确的土壤含水量测量结果变得极为困难。
通常,土壤湿度用体积表达。
由于降水、蒸散量和溶质变化参量通常用容量表示,用体积表示的水含量更为有用。
体积水含量v θ可表达为:100⋅soilwater v V V θ (11.2 此处, water V 为水体积, soil V 为土壤(土 +气 +水总体积。
土壤体积含水量的变化可从风干土壤的少于 10%到临近饱和的矿物土壤的 40-50%间变化。
由于水与土壤体积的准确测定存在困难,体积水含量通常间接测定。
全国土壤湿度及其变化的遥感反演与分析解析
弋Ｒ４０２１０分类号ＵＤＣ密级编号中国科学院研究生院硕士学位论文全国±攮量廑区基銮丝笪遥蹙厦渲量佥堑蛊瘟申请学位级别理堂亟±学科专业名称丝圈堂皇地堡篮星丕筮论文答辩日期２ＱＱ５生鱼目论文提交日期２Ｑ逝生主旦答辩委员会主席摘要土壤湿度是进行农业、水文、气象、生态等方面研究的主要基础信息，也是进行土地退化评价及环境监测的重要指标，土壤湿度的遥感监测方法研究对于资源环境遥感有重要的意义。
本文结合“生态安全相关要素的定量遥感关键技术研究”项目中“土地退化的遥感监测指标定量提取与评价技术”子课题的工作，试图在全国范围进行土壤表层湿度的时空序列反演，并探讨全国土壤湿度分布的时空特性。
论文在对土壤湿度反演方法进行总结及评价的基础上，选择温度植被干旱指数（ＴＶＤＩ）法对全国土壤湿度进行反演。
用地表能量平衡方程对ＴＶＤＩ法的原理及影响因子进行了分析，发现对ＴＶＤＩ产生影响的因子包括太阳总辐射、气温、地表反照率、空气密度、地表发射率、风速等，在文中着重探讨了气温随高程的变化对ＴＶＤＩ反演土壤湿度的影响。
由于气温随高程变化的影响与高程有关，提出用数字高程模型（ＤＥＭ）对ＴＶＤＩ反演过程进行订正的方法。
参考气温的垂直递减率，用实测值相关分析的方法确定订正系数并得到订正后的ＴＶＤＩ结果。
订正前后土壤湿度结果的对比分析表明，进行订正后的ＴＶＤＩ能更好地反演土壤湿度。
与ＮＳＩＤＣ网站提供的ＡＭＳＲ土壤湿度数据的比较发现，ＴＶＤＩ对土壤水分含量位于Ｏ．０５－０，１５ｇ．ｃｍ。
之间的情况有最好的反映，由于这个区间包括了图像中９０％以上的像元，认为ＴＶＤＩ可以反映土壤湿度的状况。
用上述方法对２００３年３６旬的土壤湿度情况进行了反演。
对旬Ｔｓ—ＮＤＶＩ（地表温度．植被指数）空间散点图的情况进行了分析，对各旬分别确定Ｔｓ—ＮＤＶＩ特征空间干湿边边界及方程。
一般用ＴＳ的最大最小值作为干湿边边界。
由于在研究没有去除图像中的条带噪声，当噪声点较多时，用Ｔｓ的最大最小值不能得到很好的干湿边边界，对这种情况，用频率法确定干湿边的边界。
基于MODIS数据的济南市农田区土壤含水量模型
基于MODIS数据的济南市农田区土壤含水量模型
刘虹利;王红瑞;吴泉源;王会肖
【期刊名称】《中国农村水利水电》
【年(卷),期】2012()8
【摘要】土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。
以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。
结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。
【总页数】4页(P12-15)
【关键词】MODIS数据;遥感反演;植被供水指数;土壤含水量;预测模型
【作者】刘虹利;王红瑞;吴泉源;王会肖
【作者单位】北京师范大学水科学研究院水沙科学教育部重点实验室;山东师范大学
【正文语种】中文
【中图分类】S27
【相关文献】
1.基于MODIS数据的土壤含水量监测方法研究综述 [J], 李佩晓;曹震
2.基于改进水云模型和Radarsat-2数据的农田土壤含水量估算 [J], 杨贵军;岳继博;李长春;冯海宽;杨浩;兰玉彬
3.基于MODIS数据的济南市城市热岛效应时空特征 [J], 孙振东;廉丽姝;张凯秀;何璇;周甜甜
4.基于MODIS数据的土壤含水量监测方法研究综述 [J], 李佩晓;曹震
5.基于多波段MODIS遥感数据的乌审旗土壤含水量监测研究 [J], 岳胜如;李瑞平;邹春霞;徐冰
因版权原因，仅展示原文概要，查看原文内容请购买。
MODIS数据说明
MODIS数据说明分类：Modis 2014-11-25 02:05 2273人阅读评论(1) 收藏举报MODIS目前主要存在于两颗卫星上：TERRA和AQUA。
TERRA卫星每日地方时上午10:30时过境，因此也把它称作地球观测第一颗上午星(EOS-AM1)。
AQUA每日地方时下午过境，因此称作地球观测第一颗下午星(EOS-PM1)。
两颗星相互配合，每1-2天可重复观测整个地球表面，得到36个波段(表1)的观测得到，这些数据广泛用于全球陆地、海洋和低层大气内的动态变化过程研究。
MODIS获取数据的原始分辨率包括三类：波段1–2 – 250m、波段3–7 – 500m、波段8–36 –1000m。
其产品的分辨率包括四类: 250m, 500m, 1000m, 以及5600m (0.05度)。
大多数标准MODIS 产品使用的时正弦投影，在赤道处是10° 10°的格网，行代号由左上角(0, 0)起始，到右下角(35, 17) (图一).MODIS标准数据产品根据内容的不同分为0级、1级数据产品，在1B级数据产品之后，划分2－4级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数据产品类型，总计分解为44种标准数据产品类型。
它们分别是：图一MODIS产品分幅1) MODIS L0数据是对卫星下传的数据报解除CADU外壳后，所生成的CCSDS格式的未经任何处理的原始数据集合，其中包含按照顺序存放的扫描数据帧、时间码、方位信息和遥测数据等。
2) L1 A数据是对L0数据中的CCSDS包进行解包所还原出来的扫描数据及其他相关数据的集合。
3) L1 B数据是对L1 A数据进行定位和定标处理之后所生成，其中包含以SI (Scaled Integer)形式存放的反射率和辐射率的数据集。
L1 B代码读取L1 A代码解包产生的DN数据集(EV SD SRCA BB SV)以及定标查找表LUT(Look Up Table)作为输入，分别对太阳反射波段RSB 和热辐射波段TEB进行定标处理。
基于MODIS数据的农业干旱监测方法对比分析
基于MODIS数据的农业干旱监测方法对比分析张洁;武建军;周磊;雷添杰;刘明【期刊名称】《遥感信息》【年(卷),期】2012(027)005【摘要】Currently ,drought has become a worldwide problem, which is affecting China more and more seriously. The North China Plain is the main production area of grains and the yield is greatly limited due to drought. Therefore, the drought monitoring for agricultural areas is of great significance. In this paper, we firstly compared the estimation precision of soil moisture at different depths and with different fitting methods. Then, we did regression analysis between soil moisture and traditional VSWI & VSWI based on EVI & NMDI using MODIS data from April to early June in 2004 every 10 days,and the optimal drought index was chosen for soil moisture inversion and drought monitoring in the study area. The results of this study demonstrated that for the middle part of North China Plain during the winter wheat growing season,remotely sensed methods provide the best prediction accuracy for soil moisture at 10cm,and the best fitting method is linear method. Besides, VSWI shows the best stability during the studying period, which can serve as basis for large-scale drought monitoring during crop growing season in the future.%利用2004年4月～6月上旬的MODIS影像数据,结合实测的土壤墒情数据,对比不同深度及不同拟合方式下土壤湿度的估算精度.另外,分别选用植被供水指数(VSWI)、基于EVI的植被供水指数(E-VSWI)、归一化多波段干旱指数(NMDI)与对应的土壤湿度数据进行回归分析,并在此基础上利用最优指数实现研究区土壤湿度的估算及旱情监测.结果表明:在华北平原中部地区冬小麦生长季节,利用MODIS数据进行土壤湿度估算的最佳深度是10cm；最佳拟合方式是线性拟合方式；植被供水指数(VSWI)在研究区整个时间序列具有最好的稳定性,可为今后大区域作物生长期的干旱监测提供一个简单方法.【总页数】7页(P48-54)【作者】张洁;武建军;周磊;雷添杰;刘明【作者单位】北京师范大学减灾与应急管理研究院,北京100875;北京师范大学环境演变与自然灾害教育部重点实验室,北京100875;北京师范大学减灾与应急管理研究院,北京100875;北京师范大学环境演变与自然灾害教育部重点实验室,北京100875;北京师范大学减灾与应急管理研究院,北京100875;北京师范大学环境演变与自然灾害教育部重点实验室,北京100875;北京师范大学减灾与应急管理研究院,北京100875;北京师范大学环境演变与自然灾害教育部重点实验室,北京100875;北京师范大学减灾与应急管理研究院,北京100875;北京师范大学环境演变与自然灾害教育部重点实验室,北京100875【正文语种】中文【中图分类】TP79【相关文献】1.基于MODIS数据的江西省农业旱情遥感监测方法研究 [J], 许小华;张秀平;雷声2.基于MODIS数据的土壤含水量监测方法研究综述 [J], 李佩晓;曹震3.基于MODIS数据的农业干旱遥感指数对比和应用 [J], 宋扬;房世波;梁瀚月;柯丽娜4.基于MODIS数据的土壤含水量监测方法研究综述 [J], 李佩晓;曹震5.基于MODIS和TRMM数据的黄土高原农业干旱监测 [J], 胡鹏飞;李净;王丹;黄康刚因版权原因，仅展示原文概要，查看原文内容请购买。
第11章 土壤湿度测量解析
第 11章土壤湿度测量11.1概述土壤含水量是影响农作物收成与水保的重要因素之一。
土壤湿度对于制定灌溉进程表、水与溶质流的评价、净太阳辐射潜热与显热的划分等方面都是很重要的。
作为预测水源耗竭模式中的重要参量,土壤湿度在水文学中是很重要的。
在大气数值模式中陆气相互作用的模拟及水气循环的其它参量要求测量土壤湿度,卫星遥感评价的验证也需要直接测量地表土壤水分。
土壤湿度的测量可用土壤含水量与土壤湿度位势的测定来表示。
土壤含水量反映了土壤中水的质量与体积,而土壤湿度位势则反映土壤水分能量状态。
农业学科非常关注土壤水分的测定。
为满足土壤水分状态测量的广泛需求,许多仪器已发展到商业化的程度,使用最普遍的将在下面予以讨论,包括其优点与缺点。
此外,对在将来不久可能被广泛使用的新式仪器也予以简要讨论。
11.1.1定义土壤含水量称重技术是测量土壤含水量最为简单且被广泛运用的方法。
因为此方法简单易行而且是直接测量,所以被用作其它方法参照的标准。
定义在干质基础上的称重土壤湿度g θ可表达为:100⋅=soilwater g M M θ (11.1 此处 water M 为土样中水质量, soil M 为土样中烤干(100-110℃后的土质量。
对于风干(25℃的矿物土壤,称重土壤湿度通常少于 2%,但随着土壤水分达到饱和,其水含量会增到 25%至 60%。
但是称重取样法具有破坏性,使得土壤接近饱和时,取得准确的土壤含水量测量结果变得极为困难。
通常,土壤湿度用体积表达。
由于降水、蒸散量和溶质变化参量通常用容量表示,用体积表示的水含量更为有用。
体积水含量v θ可表达为:100⋅soilwater v V V θ (11.2 此处, water V 为水体积, soil V 为土壤(土 +气 +水总体积。
土壤体积含水量的变化可从风干土壤的少于 10%到临近饱和的矿物土壤的 40-50%间变化。
由于水与土壤体积的准确测定存在困难,体积水含量通常间接测定。
土壤湿度产品
土壤水产品数据信息整理1.1土壤水产品数据基本信息1.1.1主被动遥感数据特点光学遥感数据：MODIS主动微波遥感数据：ENVISAT-ASAR,ERS/MetOp被动微波数据：AMSR-E,SMOS主动微波结合数据：ESA-SM被动微波时间分辨率较高，像AQUA/AMSR-E和SMOS/MIRAS能提供每天的土壤水分数据，且对地表粗糙度和植被的敏感度没有主动微波算法高，但空间分辨率低(一40 km。
主动微波空间分辨率较高，但时间分辨率较低，且对地表粗糙度和植被敏感。
1.1.2土壤湿度产品数据资料整理土壤湿度产品精度评估所用数据资料土壤湿度数据集波段数据类型深度空间分辨率时段时间分辨率ERS/MetOp C 主动微波2cm 25km 1991.07-至今SMOS L 被动微波5cm 40km 2009.11-至今三天FY3 L 被动微博10cm 25KM 2011-7-至今ESA-SM 多主、被动微波融合2cm 25km 1979.1-2010.12 每天GLDAS-SM —数据同化产品多层25km 1948-2010每天（1）AMSR-E土壤湿度数据：AMSR-E由日本宇航探索局（JAXA）研制和开发的，它搭载在AQUA卫星平台上，发射于2002年，提供观测角为55°的全球被动微波观测数据，具有6个波段频率，包括6.9GHz（C-波段）、10.7Ghz（X-波段）、8.7、23.8、36.5、89GHz，卫星过境时间为升轨时间（13:30）和降轨时间（01:30）。
陈洁在我国西北地区的AMSR-E土壤湿度产品进行精度验证时表明，AMSR-E反演的土壤湿度信息与实测的降水、地面观测的土壤湿度和NCEP/NCAR再分析资料，都有很高的一致性。
（2）ERS / MetOp土壤湿度数据： C 波段，提供从1991年至今空间分辨率为25～50 km 的土壤湿度数据。
在西班牙杜罗河流域的23个土壤水分测量站(2~ 8cm)数据验证了该数据集，数据集的均方根误差为0. 09 m3/m3。
全国土壤湿度及其变化的遥感反演与分析解析
弋Ｒ４０２１０分类号ＵＤＣ密级编号中国科学院研究生院硕士学位论文全国±攮量廑区基銮丝笪遥蹙厦渲量佥堑蛊瘟申请学位级别理堂亟±学科专业名称丝圈堂皇地堡篮星丕筮论文答辩日期２ＱＱ５生鱼目论文提交日期２Ｑ逝生主旦答辩委员会主席摘要土壤湿度是进行农业、水文、气象、生态等方面研究的主要基础信息，也是进行土地退化评价及环境监测的重要指标，土壤湿度的遥感监测方法研究对于资源环境遥感有重要的意义。
本文结合“生态安全相关要素的定量遥感关键技术研究”项目中“土地退化的遥感监测指标定量提取与评价技术”子课题的工作，试图在全国范围进行土壤表层湿度的时空序列反演，并探讨全国土壤湿度分布的时空特性。
论文在对土壤湿度反演方法进行总结及评价的基础上，选择温度植被干旱指数（ＴＶＤＩ）法对全国土壤湿度进行反演。
用地表能量平衡方程对ＴＶＤＩ法的原理及影响因子进行了分析，发现对ＴＶＤＩ产生影响的因子包括太阳总辐射、气温、地表反照率、空气密度、地表发射率、风速等，在文中着重探讨了气温随高程的变化对ＴＶＤＩ反演土壤湿度的影响。
由于气温随高程变化的影响与高程有关，提出用数字高程模型（ＤＥＭ）对ＴＶＤＩ反演过程进行订正的方法。
参考气温的垂直递减率，用实测值相关分析的方法确定订正系数并得到订正后的ＴＶＤＩ结果。
订正前后土壤湿度结果的对比分析表明，进行订正后的ＴＶＤＩ能更好地反演土壤湿度。
与ＮＳＩＤＣ网站提供的ＡＭＳＲ土壤湿度数据的比较发现，ＴＶＤＩ对土壤水分含量位于Ｏ．０５－０，１５ｇ．ｃｍ。
之间的情况有最好的反映，由于这个区间包括了图像中９０％以上的像元，认为ＴＶＤＩ可以反映土壤湿度的状况。
用上述方法对２００３年３６旬的土壤湿度情况进行了反演。
对旬Ｔｓ—ＮＤＶＩ（地表温度．植被指数）空间散点图的情况进行了分析，对各旬分别确定Ｔｓ—ＮＤＶＩ特征空间干湿边边界及方程。
一般用ＴＳ的最大最小值作为干湿边边界。
由于在研究没有去除图像中的条带噪声，当噪声点较多时，用Ｔｓ的最大最小值不能得到很好的干湿边边界，对这种情况，用频率法确定干湿边的边界。