基于表观热惯量的土壤水分监测

土壤水分含量是监测农业干旱的重要指标,遥感法是大面积监测土壤水分时空特征的主要方法,热惯量法是遥感方法监测土壤水分的主要研究手段之一。本文提出了一个改进的表观热惯量模型计算表观热惯量,并通过地面验证试验对该模型的适用性进行了分析。在中国科学院栾城农业生态系统试验站,通过严格的控制试验,设计了10个不同植被覆盖、不同土壤水分含量的试验小区,针对表观热惯量的适用条件,利用实测的地表温度、植被指数、反照率、太阳辐射等参数计算了不同植被覆盖不同土壤水分含量下的表观热惯量,并与土壤体积含水量进行了相关和回归分析。结果表明:在植被覆盖度较低情况下[归一化植被指数(normalized difference vegetation index,NDVI)<0.35],表观热惯量法具有较好的效果,表观热惯量与土壤体积含水量之间的相关系数大于0.7,通过了95%的显著性检验,两者具有很高的相关性,可以用热惯量法监测土壤水分状况;在较高植被覆盖情况下(NDVI>0.35),表观热惯量与土壤体积含水量之间没有相关性,热惯量法监测土壤水分失效;NDVI为0.35可以作为热惯量法监测土壤水分状况是否可行的判断条件。

用表观热惯量法计算土壤含水量探讨

在分析应用遥感资料监测土壤水分的方法及其可行性的基础上,介绍了表观热惯量法监测土壤水分的基本原理和具体实施步骤.通过实测资料的验证表明,此种方法在0～20cm的土层内具有较高的精度,而在30cm以下的深度应用此法其精度有所降低.同传统的水分监测方法相比,表观热惯量法监测土壤水分具有方便、快捷、多时相等特点;同其他遥感方法相比,该方法应用简单,成本低,无需过多的气象数据支持即可完成对大面积土壤水分变化的监测,但仅适用于裸土或低植被覆盖的条件.

基于表观热惯量与温度植被指数的FY-3B土壤水分降尺度研究

为进一步研究风云三号(FY-3B)土壤水分降尺度获取高分辨率土壤水分的方法,使其更适用于农业、水文、生态等区域尺度的应用要求,以MODIS为数据源,青藏高原那曲地区为研究区,利用表观热惯量模型(apparent thermal inertia,ATI)与温度植被指数(temperature vegetation index,TVI)模型在不同植被覆盖度下适用的特点,构建综合ATI与TVI的土壤水分反演模型;结合低分辨率FY-3B土壤水分产品,利用土壤水分降尺度方法,获取高分辨率下土壤水分反演模型系数,并得到高分辨率土壤水分。通过与地面观测数据对比,降尺度后土壤水分与实测数据的R2在0.4以上,RMSE在0.055~0.103 cm^(3)/cm^(3)之间,表明降尺度后的土壤水分能够较好地反映区域土壤水分的空间分布与变化。

同化MODIS表观热惯量数据对地表水热通量的估算

为弥补缺失农田灌溉资料对模型结果的影响,提高CoLM模型地表水热通量的估算精度,基于集合卡尔曼滤波算法,将表观热惯量(ATI)作为土壤水分的代表值,同化到CoLM(Common Land Model)模型中。选取黑河流域玉米下垫面的大满站,同化MODIS表观热惯量到模型中,将同化结果与模型估算结果、观测值相对比。结果显示:同化后得到的地表水热通量明显比模拟结果更加接近观测值,而MODIS表观热惯量数据的质量和数量也是影响同化结果精度的重要因素,表明表观热惯量的同化能够填补农田灌溉资料的缺失,改进模型地表水热通量的估算结果。

地形对表观热惯量反演土壤水分的影响

利用MODIS数据计算表观热惯量，并研究了吉林省地形对表现热惯量与土壤水分之间关系的影响。结果表明，可通过建立表现热惯量与土壤相对湿度关系模型来计算土壤水分，考虑地形影响时，越均一，表现热惯量与土壤相对湿度的相关性越好。

热惯量法在干旱遥感监测中的应用研究

利用NOAA/AVHRR资料计算了真实热惯量、表观热惯量、NOAA/AVHRR通道4亮温差与土壤水分之间的关系模型,并讨论了陕西特殊地形、地面植被覆盖对表观热惯量与土壤水分之间关系的影响。结果表明:在实际的干旱遥感监测服务中,可以使用表观热惯量与土壤相对湿度建立的模型来监测地面旱情。考虑地形、植被和土壤类型因素时,下垫面越均一,表观热惯量与土壤相对湿度的相关性越好,但植被覆盖对地表温度差的影响需要进一步的研究。

考虑植被的热惯量法反演土壤湿度的一次试验

应用NOAA/AVHRR通道1、通道2和通道4资料计算表观热惯量和植被指数,并结合农业气象试验站观测的土壤湿度,分别建立了传统的和考虑植被指数的表观热惯量估算实验区域土壤湿度的方程。

利用MODIS数据产品进行全国干旱监测的研究

利用MODIS植被指数和陆地表面温度产品建立全国3个农业气候区NDVI Ts、NDVI ΔT和NDVI ATI空间,并由NDVI Ts、NDVI ΔT和NDVI ATI空间分别建立温度植被干旱指数(TVDI)、温差植被干旱指数(DTVDI)和表观热惯量植被干旱指数(AVDI)3个干旱评价指标研究全国干旱分布,利用实测土壤含水量对3个干旱指标进行检验评价。NDVI ΔT空间中的湿边基本与横坐标平行,表明当土壤水分处于饱和状态或植被完全无水分胁迫条件下,植被和土壤对缓冲环境温度变化的能力大体相当;由NDVI ATI空间看出,随着植被覆盖增加,表观热惯量有增加的趋势。对比3个干旱评价指标表明:当监测范围较大,区域内地形复杂时,由NDVI Ts空间计算的TVDI评价干旱最合理,由NDVI ΔT空间计算的DTVDI在干旱监测中也具有一定的价值,而由NDVI ATI空间计算的AVDI已经不能合理评价干旱。

基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究

论文利用2005年、2006年怀来实验场附近玉米生长期中的多次野外试验数据,以热惯量模型为基础,探讨MOD IS数据监测土壤水分的可行性。论文对该模型与算法进行了分析,并探讨了不同植被覆盖度下,热惯量方法监测土壤水分的可行性。论文引入归一化植被指数对热惯量法进行修正,得到一个新的回归参数,通过实验分析验证,在不同植被覆盖下,该参数与土壤含水量具有较好的相关关系,具有一定的实际可行性。

基于MODIS数据的农业干旱遥感指数对比和应用

以辽西北为研究区域,选取典型干旱年2009年作物(春玉米)主要生长季,采用表观热惯量(apparent thermal inertia,ATI)、距平植被指数(anomalies of vegetation index,AVI)和植被供水指数(vegetation supply water index,VSWI)3种基于不同理论的遥感干旱指数方法对土壤水分进行反演,分析其监测效果。结果表明,3种指数分别在一定程度上反映出了辽西北地区2009年的旱情趋势,但得到的反演结果并不一致;ATI在中高植被覆盖率下的监测效果高于预期结果,比较符合历史气象资料;AVI可以有效反映当年作物主要生长季各时期相对的受旱状况;VSWI夸大了植被的影响作用,存在严重的滞后性。

基于MODIS数据的干旱区土壤水分反演

为了更好地研究内蒙古额济纳盆地的土壤水分时空分布及动态变化,基于MODIS数据,利用热惯量模型,计算了表观热惯量,并与实测数据进行回归分析建模,反演了内蒙古额济纳盆地的土壤水分。结果表明,利用MODIS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;砂土对应的表观热惯量均值较大,粘土次之,壤土最小;相比粘土,壤土和砂土的表观热惯量值比较大且分散;绿洲区表观热惯量值比戈壁和沙漠区大;热惯量模型在20 cm左右深度土壤水分反演效果最好,可有效反演干旱区土壤水分。

一种空气饱和差区域分布的推算方法

以遥感图像反演的地表温度、表观热惯量为自变量,通过遗传规划方法,找到了区域空气饱和差这一非遥感参数的求算方法。

基于重建MODIS无云数据反演京津冀地区土壤湿度

目前得到广泛应用的MODIS数据集产品虽然部分去除了水、云、气溶胶和云阴影的影响,但卫星传感器自身性能衰退变化、云层干扰、大气气溶胶厚度等会带来一定的噪声。以京津冀为研究区,利用Savitzky-Golay滤波方法对2011年3—8月MODIS数据进行重建,去除噪声等对影像造成的影响,综合运用表观热惯量模型和温度植被干旱指数模型对土壤相对湿度进行反演。结果表明:重建方法能够对影像中云覆盖区域的缺失数据进行有效填补;春季、夏季分别基于NDVI=0.21和NDVI=0.20阈值分区方案反演土壤湿度,反演结果的平均相对误差为17%;研究区夏季土壤湿度较高,沿海地区、冀北山地、太行山周围地区土壤湿度较其他地方高。

基于MODIS数据反演辽西地区土壤水分的研究

土壤水分的遥感监测是目前遥感技术应用研究的前沿领域。MODIS数据可快速、动态地获取大区域尺度的信息,从而为土壤水分的实时动态监测提供技术支持和精度保证。利用表观热惯量模型研究辽宁西部地区春季的土壤含水状况,通过处理2006—2009年4、5月的MODIS数据,采用经验线性模型,拟合表观热惯量与土壤含水量的关系模型,结合实测数据,得出辽西地区春季土壤含水状况分布图。由此,找到一种较适合辽西地区春季土壤水分实时监测的方法,为今后反演辽西地区春季土壤水分奠定了基础。

应用FY-3A/MERSI数据反演土壤水分的研究

在分析应用遥感资料测量土壤水分方法的基础上，运用反演土壤水分的表观热惯量模型，研究了一种可以应用FY-3A数据反演土壤水分的方法。根据一实例，结合实测数据，拟合出表观热惯量与土壤含水量的关系模型，并验证该方法的可行性。结果表明：应用此种方法反演辽西地区春季的土壤水分状况，在0~20 cm土层内具有较高的精度，而在30 cm以下土层的精度较低。据此找到一种适用于FY-3A数据的土壤水分实时监测方法，可为今后运用FY-3A数据反演土壤水分提供一套可用方法。

基于MODIS数据的土壤湿度反演——以东营市为例

土壤湿度是气象、水文和农业研究中的重要参数,决定农作物的水分供应状况,及时掌握土壤水含量情况,对农业生产有重要意义。本研究以东营市土壤为研究对象,利用MODIS数据、气象监测站点的土壤湿度数据,基于统计分析方法,构建了表观热惯量（ATI）模型和条件温度植被指数（VTCI）模型,并绘制了东营市2012年4月25日和6月17日土壤含水量空间分布图。结果表明,东营市大部分土壤相对湿度4月份在60%-70%之间,6月份在75%-85%之间,土壤含水量普遍较高。利用当年月份的降雨量以及农业生产活动信息验证模型的可行性,结果显示,反演结果基本符合实际情况。本研究可为东营市农业生产指导、水资源合理利用提供科学可靠的参考依据,同时对旱情监测有重要作用。

利用气象卫星监测土壤墒情方法的改进

在利用气象卫星监测土壤墒情已有研究成果的基础上，进一步分析和探讨原有墒情监测指数存在的问题和主要干扰因子，并找到了各主要干扰因子的量化表达式（或代表量）。然后分别用太阳辐射总量，地面吸热能力和大气状况因子的表达式，对干旱指数及表观热惯量进行了订正处理，形成了考虑多因子的土壤墒情监测指数，增加了遥感监测结果的时空可比性，改进了土壤墒情的监测效果。

格尔木河流域土壤湿度时空变化及其影响因素研究

土壤湿度是表征土壤含水量的一种相对变量,是地下水-地表水-大气水循环系统的核心和纽带。研究土壤湿度的分布特征及其影响因素对干旱地区的生态环境保护具有重要意义。文章基于MODIS数据,应用表观热惯量(ATI)法反演了格尔木河流域土壤湿度时空变化规律并分析其影响因素。为了研究结果的可靠性,利用Mann-Kendall方法进行了趋势检验分析,利用CLDAS数据和野外实测土壤含水量数据对遥感反演结果进行了检验验证,结果表明:2002—2016年格尔木河流域土壤湿度总体呈现上升趋势,并且通过Mann-Kendall检验分析,结果显示2008年发生突变,上升趋势明显。通过对流域不同用地类型的解译,北部盐池平均ATI值最高为0.088;中部及南部大面积裸土平均ATI值最低为0.028;自然植被与耕、林地平均ATI值分别为0.034和0.033。遥感反演土壤湿度结果与CLDAS数据和野外实测土壤含水量数据的相关性分别为0.85和0.59,相关性较高,说明遥感反演结果具有一定的可靠性。与蒸发、植被有良好的响应关系,相关系数分别为0.92和0.79。

柴达木盆地土壤湿度的遥感反演及对蒸散发的影响

土壤水分是地下水-土壤水-大气水循环系统的核心与纽带,蒸散是该系统的重要驱动力。从区域尺度上研究土壤含水量的分布特征及土壤含水量对蒸散的影响对干旱区的生态环境保护具有重要意义。基于MODIS数据和GLDAS数据,应用表观热惯量法对GLDAS地表0-10 cm土壤湿度数据降尺度处理,估算柴达木盆地平原区2014年间6—9月的月均土壤湿度,并结合归一化植被指数（NDVI）和实测土壤湿度数据对反演结果进行验证;利用地表能量平衡系统（SEBS）模型对平原区9个子流域的日均蒸散量进行计算,分析了土壤湿度与日均蒸散量之间的关系。结果表明：反演得到的表观热惯量（ATI）与GLDAS地表0-10 cm土壤含水量数据相关性较好,决定系数R2整体在0.7以上;利用ATI对GLDAS数据降尺度处理,得到的土壤含水量与NDVI和实测土壤湿度的决定系数R2分别为0.954和0.791,因此使用ATI法对GLDAS土壤含水量数据降尺度反演柴达木盆地平原区土壤湿度是可靠的。平原区日蒸散量与土壤湿度呈明显的正相关关系,决定系数R^2整体在0.96以上,在影响蒸散的各考虑因素中,土壤湿度对蒸散的影响远大于其他因素。

基于ATI和TVDI模型的河北平原土壤湿度遥感反演

为了进一步提高河北平原土壤湿度时空变化的监测精度,本文以MODIS数据和实测土壤相对湿度数据为数据源,按照优势互补的设计思想,联合应用表观热惯量模型(ATI)和温度植被干旱指数模型(TVDI)反演河北平原地区的土壤相对湿度。在3—5月、10—11月采用基于NDVI=0.2阈值分区分方案的反演方法反演河北平原地区的土壤相对湿度,其中在每旬NDVI>0.2的区域采用TVDI模型,NDVI≤0.2的区域采用ATI模型,而6—9月单独使用TVDI模型来反演土壤相对湿度值。在1—2月和12月,由于植被覆盖度较低和实测土壤相对湿度数据缺测,采用ATI模型。模拟模型全部通过0.01的显著性检验。研究结果表明,河北平原地区的土壤相对湿度在年内时间变化上呈现两个由升到降的变化周期,第1个周期为12月—翌年6月,其中,12月—翌年3月为上升,3—6月为下降,3月为峰值;第2个周期为6—12月,其中,6—8月上升,8—12月下降,8月为峰值;全年土壤相对湿度的平均最大值出现在8月,最小值出现在6月。土壤相对湿度的空间分布主要受降水、人工灌溉和土地利用方式的影响,冀东和沧州滨海平原同期的土壤相对湿度值高于平原其他部分,春季太行山山前平原和燕山山前平原的土壤相对湿度值相对较高。对3个代表性月份(5月、7月和10月)进行的点对点验证表明,各月遥感反演结果的平均相对误差分别为21.4%、19.25%和22.22%。可见,遥感反演的土壤相对湿度和实测土壤相对湿度具有良好的相关性。将本文研究结果和全部用ATI模型和全部用TVDI模型反演的结果进行对比发现,联合应用ATI和TVDI模型分区反演模型反演的土壤相对湿度的平均相对误差均小于其他两种单一反演模型。