CN102252973A - 土壤含水量遥感监测方法 - Google Patents

Abstract

本发明公开了一种土壤含水量遥感监测方法，该方法包括步骤：S1.分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；S2.根据所选择的短波红外波段，构建基于遥感数据的短波红外干旱指数；S3.采集待监测区域的土壤水分观测数据；S4.根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。本发明的方法可以快速有效地估算区域土壤水分/干旱状况，以指导农业生产、水资源规划等，且精度较高。

Description

土壤含水量遥感监测方法

技术领域

本发明涉及环境遥感技术领域，尤其涉及一种土壤含水量遥感监测方法。

背景技术

空间尺度的土壤水分是农业生产发展、区域资源与环境定量监测的关键变量，在农业、水文、气象等生态环境中具有重要的应用价值。传统的经典土壤水分测定方法如取土烘干法、中子水分仪法及张力计方法等精确度较高，但采样速度慢、需要大量的人力物力并且多局限在点测量的范围上，难以满足实际生产中大面积监测土壤水分的应用需求，具有大范围和快速观测特点的遥感技术特别是多源遥感手段的发展，给土壤湿度的空间分布监测带来极大便利。

土壤水分遥感监测的原理是对土壤表面发射或反射的电磁波的辐射能进行测量。土壤水分的电磁辐射强度的变化主要取决于其反射率、发射率、介电特性和温度等，目前国内外土壤水分遥感监测的方法，从遥感的波段及其组合的角度出发，主要包括光学遥感(可见光-近红外、热红外)和微波遥感等。可见光-近红外波段根据土壤和植被水分变化可引起光谱反射率变化的规律，综合考虑植被生长(植被指数)和水分胁迫状况间接估算土壤水分。这类方法主要是基于地表反射率的各种植被指数(Kogan，1990，1995；陈维英等，1994；刘培君等，1997)。然而，受土壤表面粗糙度、质地等影响，该法监测土壤水分在提高精度方面受到较大限制。但近年来提出的基于可见光-近红外/短波红外的光谱特征空间法，如垂直干旱指数(PDI)、改进的垂直干旱指数(MPDI)等(Ghulam等，2006；Ghulam等，2007)，在土壤水分和干旱的遥感监测上则取得了不错效果(Qin等，2008)。这类方法与热红外遥感和微波遥感相比简单有效，所需的遥感数据容易获取，时间分辨率高。研究表明，在短波红外波段存在很高的水的吸收峰，因此该波段反射率和实测土壤水分有很好的相关性(郭广猛，赵冰茹，2004)。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种简单、快捷且精度较高的土壤含水量遥感监测方法。

(二)技术方案

为解决上述问题，本发明提供了一种土壤含水量遥感监测方法，该方法包括步骤：

S1.分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；

S2.根据所选择用于监测土壤含水量的短波红外波段，构建基于遥感数据的短波红外干旱指数；

S3.采集待监测区域的土壤水分观测数据；

S4.根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。

其中，在步骤S1中，根据所述光谱特性，选择的用于监测土壤含水量的短波红外波段分别为1230-1250nm、1628-1652nm和2150-2155nm波段，其中心波长分别为1240nm、1640nm以及2130nm。

其中，在步骤S2中，所述遥感数据为中分辨率成像光谱仪MODIS数据，所选择的用于监测土壤含水量的短波红外波段分别对应所述中分辨率成像光谱仪MODIS的第5、6及7波段。

其中，所述干旱指数为：

${\mathrm{SIDI}}_{\mathrm{5,6}}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_6}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_6}$

${\mathrm{SIDI}}_{5,7}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_7}$

${\mathrm{SIDI}}_{6,7}=1-\frac{{\mathrm{\ρ}}_6-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_6+{\mathrm{\ρ}}_7}$

其中，SIDI_5，6为所述中分辨率成像光谱仪MODIS第5波段与第6波段组合的干旱指数；SIDI_5，7为所述中分辨率成像光谱仪MODIS第5波段与第7波段组合的干旱指数；SIDI_6，7为所述中分辨率成像光谱仪MODIS第6波段与第7波段组合的干旱指数；ρ₅为所述中分辨率成像光谱仪MODIS第5波段的地表反射率；ρ₆为所述中分辨率成像光谱仪MODIS第6波段的地表反射率；ρ₇为所述中分辨率成像光谱仪MODIS第7波段的地表反射率。

其中，步骤S4进一步包括：

S4.1利用所述干旱指数以及所述土壤水分数据进行回归，建立干旱指数与土壤水分的区域关系模型；

S4.2根据所述区域关系模型估算所述待监测区域土壤含水量，进行干旱等级划分，确定所述待监测区域土壤水分及干旱状况。

(三)有益效果

本发明的方法可以快速有效地估算区域土壤水分/干旱状况，以指导农业生产、水资源规划等，且精度较高。

附图说明

图1为依照本发明一种实施方式的土壤含水量遥感监测方法流程图；

图2为几种土壤的光谱反射曲线；

图3为水的吸收率曲线；

图4(a)-4(f)为SIDI_5，6、SIDI_5，7和SIDI_6，7与土壤体积含水量的关系。

具体实施方式

本发明提出的土壤含水量遥感监测方法，结合附图及实施例详细说明如下。

地球观测系统(EOS)系列卫星用于利用卫星遥感技术进行大气物理化学观测和陆地、水文、气候、环境调查，更准确地获取自然环境资源的各种综合信息，掌握地球环境资源的总体状况及其变化趋势，其上的最主要的仪器是中分辨率成像光谱仪(MODIS，Moderate-resolution Imaging Spectroradiometer)，其最大空间分辨率可达250米，扫描宽度2330公里。MODIS是当前世界上新一代“图谱合一”的光学遥感仪器，有36个离散光谱波段，含有对土壤水分敏感的近红外、短波红外和热红外波段等，同时具有高时间分辨率和光谱分辨率，具有“图谱合一”的特性，因此可大大增强了对地球复杂系统的观测能力和对地表类型的识别能力。

本实施方式中的方法为了快速有效地监测土壤水分/干旱状况的变化，以MODIS数据为例，利用对土壤水分更敏感的短波红外波段，在充分分析土壤水分短波红外波段的光谱特性基础上，构建一组可反映土壤水分/干旱的遥感指数，利用获取的待监测区域土壤水分数据，建立上述遥感指数和土壤水分的区域关系模型，进而可以确定该区域面上的土壤水分或干旱状况。短波红外波段比近红外波段对土壤水分更敏感，并且其空间分辨率一般高于热红外波段，更适合土壤水分的遥感监测。

如图1所示，依照本发明一种实施方式的土壤含水量遥感监测方法包括以下步骤：

S1.分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段，即对土壤含水量敏感的短波红外波段。

自然状态下土壤表面的反射曲线比较平滑，没有明显的反射峰和吸收谷。土壤光谱受多种复杂因素的影响，在土壤母质等其它因素较稳定的情况下，土壤光谱受土壤水分的作用比较明显，土壤的含水量增加时，土壤的反射率就会下降。

如图2所示是几种土壤的反射光谱，图3为水的吸收率曲线。通过土壤反射率和水的吸收率等光谱特性分析，找出对土壤水分敏感的波段，经分析发现中心波长为1240nm、1640nm和2130nm处的短波红外波段对土壤水分较为敏感，基本存在水分的吸收峰和吸收谷。

S2.构建基于MODIS数据的短波红外干旱指数。

由于MODIS第5(1230-1250nm)，6(1628-1652nm)，7(2105-2155nm)波段均为对地物水分敏感的短波红外波段，这三个波段都位于水汽吸收区，对水汽反射率的变化比较敏感，因此，其任意两个波段的组合得到的指数可以在一定程度上反映土壤含水量的多少。并且这几个波段中短波的反射率一般高于长波的反射率，其归一化比值在0到1范围内变化，因此可利用波段间的差异反映土壤水分状况，1和该比值的差值即可反映地表干旱状况，该值越大，表明地表越干旱。构建的短波红外干旱指数(Shortwave Infrared DroughtIndex，SIDI)如下：

${\mathrm{SIDI}}_{\mathrm{5,6}}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_6}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_6}$

${\mathrm{SIDI}}_{5,7}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_7}$

${\mathrm{SIDI}}_{6,7}=1-\frac{{\mathrm{\ρ}}_6-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_6+{\mathrm{\ρ}}_7}$

其中，SIDI_5，6为MODIS第5波段与第6波段组合的干旱指数；SIDI_5，7为MODIS第5波段与第7波段的干旱指数；SIDI_6，7为MODIS第6波段与第7波段组合的干旱指数；ρ₅为MODIS第5波段的地表反射率；ρ₆为MODIS第6波段的地表反射率；ρ₇为MODIS第7波段的地表反射率。

S3.通过试验或从农业、气象观测站采集待监测区域土壤水分观测数据，该数据为特定采集点的离散数据，需要与遥感得到的干旱指数建立定量关系，以估算整个区域的土壤水分，即包括采集点之外的各地区的土壤水分。

例如收集在宁夏永宁、固原的时间序列土壤水分定位观测数据。

S4.建立上述干旱指数和土壤水分的区域关系模型，估算区域土壤含水量。

具体的，步骤S4进一步包括：

S4.1利用获取的土壤水分观测数据，和对应MODIS遥感影像提取的SIDI指数进行回归，建立干旱指数与土壤水分的区域关系模型；

S4.2根据所述区域关系模型估算所述待监测区域土壤含水量，进行干旱等级划分，确定所述待监测区域土壤水分及干旱状况。

建立这些指数和土壤体积含水量(cm³/cm³)的区域关系模型，估算区域土壤含水量，进行干旱等级的划分，确定该地区的干旱状况。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (5)

1.一种土壤含水量遥感监测方法，其特征在于，该方法包括步骤：

S1.分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；

S2.根据所选择用于监测土壤含水量的短波红外波段，构建基于遥感数据的短波红外干旱指数；

S3.采集待监测区域的土壤水分观测数据；

S4.根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。

2.如权利要求1所述的土壤含水量遥感监测方法，其特征在于，在步骤S1中，根据所述光谱特性，选择的用于监测土壤含水量的短波红外波段分别为1230-1250nm、1628-1652nm和2150-2155nm波段，其中心波长分别为1240nm、1640nm以及2130nm。

3.如权利要求2所述的土壤含水量遥感监测方法，其特征在于，在步骤S2中，所述遥感数据为中分辨率成像光谱仪MODIS数据，所选择的用于监测土壤含水量的短波红外波段分别对应所述中分辨率成像光谱仪MODIS的第5、6及7波段。

4.如权利要求3所述的土壤含水量遥感监测方法，其特征在于，所述干旱指数为：

${\mathrm{SIDI}}_{\mathrm{5,6}}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_6}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_6}$

${\mathrm{SIDI}}_{5,7}=1-\frac{{\mathrm{\ρ}}_5-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_5+{\mathrm{\ρ}}_7}$

${\mathrm{SIDI}}_{6,7}=1-\frac{{\mathrm{\ρ}}_6-{\mathrm{\ρ}}_7}{{\mathrm{\ρ}}_6+{\mathrm{\ρ}}_7}$

其中，SIDI_5，6为所述中分辨率成像光谱仪MODIS第5波段与第6波段组合的干旱指数；SIDI_5，7为所述中分辨率成像光谱仪MODIS第5波段与第7波段组合的干旱指数；SIDI_6，7为所述中分辨率成像光谱仪MODIS第6波段与第7波段组合的干旱指数；ρ₅为所述中分辨率成像光谱仪MODIS第5波段的地表反射率；ρ₆为所述中分辨率成像光谱仪MODIS第6波段的地表反射率；ρ₇为所述中分辨率成像光谱仪MODIS第7波段的地表反射率。

5.如权利要求4所述的土壤含水量遥感监测方法，其特征在于，步骤S4进一步包括：

S4.1利用所述干旱指数以及所述土壤水分数据进行回归，建立干旱指数与土壤水分的区域关系模型；

S4.2根据所述区域关系模型估算所述待监测区域土壤含水量，进行干旱等级划分，确定所述待监测区域土壤水分及干旱状况。

Images