CN105510231B - 一种农田土壤水分遥感反演方法 - Google Patents

一种农田土壤水分遥感反演方法 Download PDF

Info

Publication number
CN105510231B
CN105510231B CN201510829829.7A CN201510829829A CN105510231B CN 105510231 B CN105510231 B CN 105510231B CN 201510829829 A CN201510829829 A CN 201510829829A CN 105510231 B CN105510231 B CN 105510231B
Authority
CN
China
Prior art keywords
ndvi
temperature
quantitative
representing
edge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510829829.7A
Other languages
English (en)
Other versions
CN105510231A (zh
Inventor
宫阿都
单越
苏永荣
尹晓天
吕潇然
李静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN201510829829.7A priority Critical patent/CN105510231B/zh
Publication of CN105510231A publication Critical patent/CN105510231A/zh
Application granted granted Critical
Publication of CN105510231B publication Critical patent/CN105510231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种农田土壤水分遥感反演方法，该方法基于能量平衡方程和TVDI，提出了定量干湿边确定方法和改进的TVQI模型—定量温度植被指数(Temperature Vegetation Quantitative Index，TVQI)。该方法包括(A)基于遥感影像观测值构成的植被指数‑地表温度特征空间，根据地表能量平衡方程，获取定量干边，所述定量干边由Tds、Tdv两点确定；(B)获取定量湿边，所述定量湿边由Tws、Twv两点确定；(C)根据本发明提出的TVQI模型，计算土壤水分估算值。该方法克服了VI‑Ts特征空间计算中对植被覆盖类型的限制，提高了土壤水分遥感反演的精度。

Description

一种农田土壤水分遥感反演方法
技术领域
本发明涉及一种农田土壤水分遥感反演方法，特别是涉及一种基于改进温度植被干旱指数的农田土壤水分遥感反演方法。
背景技术
水分是地球系统中的重要组成部分，在各种自然地理研究区域中扮演综合性的角色，农田土壤水分对农作物的生长和作物产量具有重要的意义。利用遥感手段监测地表土壤水分的方法具有范围广、效率高、时间连续等优势。目前基于可见光-近红外以及热红外波段的土壤水分遥感监测方法主要有植被指数法、地表温度法、特征空间法等。植被指数法，通过植被在敏感波段的反应而间接体现土壤的供水状况，对于短时间内的土壤水分变化不敏感，依赖历史数据。地表温度法分为热惯量法和作物缺水指数法。其理论基础是土壤水分与土壤温度变化的关系，受植被覆盖的限制，裸土与植被覆盖高的区域不能同时估算土壤水分。特征空间法，将植被指数和地表温度两种因子相结合，达到优势互补的效果。
当研究区植被覆盖度和土壤湿度变化均较大时，地表温度Ts和植被指数VI构成的二维散点图呈梯形，如图1所示：图中横坐标为植被指数NDVI，纵坐标为地表温度Ts；对于裸土，地表温度变化与表层土壤湿度变化密切相关，因此A代表干燥的裸土(低NDVI，高Ts)，B代表湿润的裸土(低NDVI，低Ts)；一般情况下，随着植被覆盖度的增加，地表温度降低，因此D代表干燥的密闭植被冠层(高NDVI，高Ts)，C代表湿润的密闭植被冠层(高NDVI，低Ts)；ABCD四个点构成VI-Ts理论特征空间，其中，AD表示干边(低蒸散、干旱状态)，BC表示湿边(潜在蒸散、湿润状态)，特征空间可以看做由一组土壤等值线组成(AD与 BC交于O点，OA与OB间的实线称为土壤湿度等值线)，每条等值线都可以表示为：
Ts＝a+b×NDVI (式1)
其中，a，b分别为土壤湿度等值线的截距和斜率。
基于遥感影像观测值构成的VI-Ts特征空间(图2)，Sandholt提出了TVDI模型(SANDHOLT I.,RASMUSSEN K.,ANDERSEN J.A simple interpretation of the surfacetemperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment.2002.79(2):213-224)，定义为：
其中，Ts为像元的地表温度估测值；Tsmax＝a1+b1×NDVI，为NDVI对应的观测干边温度(由最大值方法提取的NDVI对应的最高温度像元线性拟合得到)，a1、b1为观测干边拟合系数；Tsmin为像元NDVI对应的湿边温度。结合图1、图2和式2，可知在干边上TVDI＝1，在湿边上TVDI＝0，且Ts越接近干边，TVDI越接近1，土壤湿度越低，反之则土壤湿度越高。
如上所说，TVDI基于遥感影像数据构建的VI-Ts特征空间，此特征空间中的干边由观测散点拟合得到，但一般情况下，遥感影像中植被覆盖度和土壤湿度范围不能满足VI-Ts理论特征空间的要求，此干边为观测干边并非理论干边，TVDI仅表示相对干旱程度估算值，需要用土壤水分观测值校正为土壤水分值TVDII(Temperature Vegetation DrynessIndex Investigation)，计算公式如下：
TVDII＝(1-TVDI)(SMmax-SMmin)+SMmin (式3)
其中，SMmax和SMmin分别代表地面观测土壤水分数据的最大值和最小值。
基于植被指数-地表温度(VI-Ts)特征空间的温度植被干旱指数 (TemperatureVegetation Dryness Index，TVDI)被广泛应用于土壤水分监测，但存在两个不足：(1)对地表覆盖类型要求高。理论上TVDI特征空间内应包括裸土、部分植被覆盖和全植被覆盖三种植被覆盖条件，这使得覆盖类型简单的地区难以进行估算，由这些“不完全符合条件”的散点确定的干湿边本质上只是特征空间内部存在的边，而不是理论上的干湿边，因此造成很大的不确定性；(2)TVDI为土壤水分相对值，需经过观测值修正为土壤水分估计值。
发明内容
本发明提出了一种农田土壤水分遥感反演方法，该方法基于能量平衡方程和TVDI，提出了定量干湿边确定方法和改进的TVQI模型—定量温度植被指数(TemperatureVegetation Quantitative Index，TVQI)，该方法克服了VI-Ts特征空间计算中对植被覆盖类型的限制，提高了土壤水分遥感反演的精度。
本发明的一种农田土壤水分遥感反演方法，包括：
(A)基于遥感影像观测值构成的植被指数-地表温度特征空间，根据地表能量平衡方程，获取定量干边，所述定量干边由Tds、Tdv两点确定；Ts表示像元的地表温度估算值，Tds表示Ts随植被指数NDVI增大而升高至最高点的值，Tdv表示NDVI接近1时的Ts最大值，Tsmax_qua为Ts对应的定量干边温度，所述定量干边温度Tsmax_qua表示为：
Tsmax_qua＝a2+b2×NDVI
其中，为所述定量干边的斜率，a2＝Tds-b2×NDVIds为所述定量干边的截距，NDVIds、NDVIdv为Tds、Tdv对应的NDVI；
(B)基于遥感影像观测值构成的植被指数-地表温度特征空间，根据地表能量平衡方程，获取定量湿边，所述定量湿边由Tws、Twv两点确定；Tws表示NDVI接 近0时Ts最小值，即裸土最大蒸发点的温度，Twv表示NDVI接近1时Ts最小值，即植被覆盖下最大蒸腾点的温度，Tsmin_qua为Ts对应的定量湿边温度，所述定量湿边温度Tsmin_qua表示为：
Tsmin_qua＝a3+b3×NDVI
其中，为所述定量湿边的斜率，a3＝Tws-b3×NDVIws为所述定量湿边的截距，NDVIws、NDVIwv为Tws、Twv对应的NDVI；
(C)根据如下公式，计算土壤水分估算值TVQI:
根据本发明的一种农田土壤水分遥感反演方法，优选地，采用如下公式分别计算所述Tds、Tdv：
其中，S0表示太阳总辐射；αs表示地表反照率；εs表示地表发射率；εa表示无云时大气有效发射率；Tsky表示天空温度；Δ表示饱和水汽压曲线斜率；ra表示空气动力学阻抗；σ为斯-玻常数，ρ为空气密度；CP为空气定压比热；Ta为近地表空气温度。
根据本发明的一种农田土壤水分遥感反演方法，优选地，采用如下公式分别计算所述Tws、Twv：
其中，S0表示太阳总辐射；αs表示地表反照率；εs表示地表发射率；εa表示无云时大气有效发射率；Tsky表示天空温度；Δ表示饱和水汽压曲线斜率；ra表示空气动力学阻抗；σ为斯-玻常数，ρ为空气密度；CP为空气定压比热；Ta为近地表空气温度。
附图简要说明
下面接合附图对本发明的技术方案进行更详细地说明：
图1是VI-Ts特征空间示意图；
图2是定量干湿边与观测干湿边在梯形特征空间位置示意图；
图3是研究区及验证点位置；
图4是干湿边及其特征空间分布图(注：R2为判定系数)；
图5是研究区农田土壤水分分级图；
图6(a)-(c)为土壤水分TVQI、TVDII估计值与实测值验证结果(注：Bias和RMSE单位均为cm3/cm3；**.在0.01水平(双侧)上显著相关；*.在0.05水平(双侧)上显著相关；)
具体实施方式
TVQI计算方法
本发明基于地表能量平衡理论构建VI-Ts特征空间(图2其中ab为定量干边，cd为定量湿边)，并基于定量干湿边和改进TVDI的TVQI模型表示土壤水分估算值，计算公式如下:
其中，Ts表示像元的地表温度估算值，Tsmax_qua为Ts对应的定量干边温度，Tsmin_qua为Ts对应的定量湿边温度。可知Ts越接近干边，TVQI越接近0，土壤湿度越低，反之则土壤湿度越高，即TVQI能表示真实土壤水分值。
定量干湿边获取方法
地表能量平衡方程表示为(赵英时等.遥感应用分析原理与方法[M].北京:科学书版社.2003)：
Rn-G＝LE+H (式5)
其中：Rn为地表净辐射，G为地表土壤热通量，LE为地表潜热通量，H为地表显热通量，分别表示为：
其中：σ为斯-玻常数，取值5.67×10-8W·m-2·K-4，ρ为空气密度；CP为空气定压比热；Γs和Γv分别为裸土和植被覆盖下G与Rn的比率，Γs取值0.315，Γv取值0.05，Fv为植被覆盖度，其他参数见表1。
表1定量干湿边端点参数计算表
定量干边热交换只有显热通量，表示为：
Rn-G＝H (式7)
而传统干边由NDVI最小时Ts最大值和NDVI最大时Ts最大值确定，而大多情况下，干边最高温度往往随着NDVI的增大呈现先增大后减小的趋势(如图2)，因此仅从NDVI最小时选取Ts最大值可能会出现实际温度高于理论最高温度。Ts随NDVI增大而升高至最高点的值Tds和NDVI接近1时的Ts最大值Tdv更能够真实反映该特征空间内定量干边温度分布，同时避免了传统干边计算中对植被覆盖类型的限制。Tds和Tdv计算公式如下式9、式10。定量干边由Tds、Tdv两点确定，因此定量干边温度Tsmax_qua表示为：
Tsmax_qua＝a2+b2×NDVI (式8)
其中，为定量干边的斜率，a2＝Tds-b2×NDVIds为定量干边的截距，NDVIds、NDVIdv为Tds、Tdv对应的NDVI；
定量湿边热交换只有潜热通量，表示为：
Rn-G＝LE (式11)
裸土最大蒸发点的温度Tws为NDVI接近0时Ts最小值，计算方程如式12；植被覆盖下最大蒸腾点的温度Twv为NDVI接近1时Ts最小值，计算方程如式13。
定量湿边由Tws、Twv两点确定，定量湿边温度Tsmin_qua表示为：
Tsmin_qua＝a3+b3×NDVI (式14)
其中，为定量湿边的斜率，a3＝Tws-b3×NDVIws为定量干边的截距，NDVIws、NDVIwv为Tws、Twv对应的NDVI。
研究区及数据
研究区位于陕西省关中平原中部，以杨凌地区为中心共覆盖咸阳市市区及周边6个县，位于107°26′～108°13′E，34°6′～34°46′N之间，面积约1600km2，平均高程为560m，年平均降雨量400mm，主要粮食作物为小麦和玉米。图3为杨凌地区土地分类图，其中水浇地(即农田)占整个地区60％以上。
本发明使用MODIS数据和气象数据反演土壤水分，使用水分测量数据进行验证，时间均为2013年4月27日。MODIS数据包括每日地表反射率数据MOD09GA和地表温度数据MOD11A1，利用MRT软件转投影为UTM地理坐标，椭球体为WGS84，其中MOD11A1重采样到500m。气象数据包括气温、气压、水汽压、风速等，来源于中国气象科学数据共享网(http://cdc.cma.gov.cn/)的地面气候资料日值数据集，取研究区内站点数据的空间均值作为研究区的气象数据。土壤水分测量区覆盖农田16500亩(图3黑色圆点为部分地面观测点)，测量数据包括植株高度、土壤水分等地表参数，其中水分由TDR法测量0-10cm、10-20cm深度土壤体积含水率和土样烘干法测量10-20cm深度土壤质量含水量得到，将单位统一为体积含水率，测量点个数分别为56、9和18。
结果与验证
特征空间与特征参数
读取NDVI和Ts影像，以0.01为步长提取NDVI及其对应Ts的最大值和最小值，分别线性拟合得到观测干边和观测湿边。图4中黑点为观测干湿边散点，红色实线为拟合得到的观测干边，红色虚线为拟合得到的观测湿边，观测干湿边拟合判定系数R2都较高，分别为0.73和0.80；蓝点为定量干湿边顶点，绿色直线为定量干边，绿色虚线为定量湿边，定量干边截距与观测干边截距距离6.75K；定量湿边截距与观测湿边截距距离为15.57K。
土壤水分验证结果与分析
图6为土壤水分TVQI估计值(简称TVQI)和TVDII估计值(简称TVDII)与实测值的验证结果比较，可知相对TVDII，TVQI的散点分布集中且与实测值呈现良好的线性关系。
TVQI、TVDII与实测值的对比分析表明：
(1)Pearson相关系数r：TVQI、TVDII均与TDR10-20cm实测值相关性最大，r分别为0.980**和0.313；TVQI与TDR0-10cm实测值相关性最小(r＝0.670**)；TVDII与TDR10-20cm实测值中等相关，与烘干法实测值不相关(r＝0.0380)；
(2)均方根误差RMSE：TVQI与TDR10-20cm实测值的RMSE最小(0.014cm3/cm3)，与TDR0-10cm实测值的RMSE最大(0.032cm3/cm3)；TVDII与烘干法实测值的RMSE最小(0.064cm3/cm3)，与TDR0-10cm实测值的RMSE最大(0.090cm3/cm3)；
(3)平均绝对误差bias：TVQI与TDR0-10cm、烘干法实测值的最小(0.011cm3/cm3)，TVDII与TDR0-10cm实测值bias最小(0.083cm3/cm3)；TVQI和TVDII均与TDR10-20cm实测值的bias最大，但TVDII的bias为0.134cm3/cm3，而TVQI 仅为0.020cm3/cm3。
总之，(1)在Pearson相关系数、平均绝对误差bias以及均方根误差RMSE的比较中，TVQI的结果都优于TVDII，TVQI与所有观测土壤水分呈0.01水平显著相关，总体上的平均绝对误差小于0.02cm3/cm3，均方根误差RMSE小于0.035cm3/cm3，证明TVQI能够反映真实土壤水分值；(2)TVQI与不同深度土壤水分验证分析中得出，其估算值能够准确反应土壤深度在0-10cm、10-20cm的土壤水分值，尤其与10-20cm土壤水分值更为贴近；(3)TVQI与不同方法土壤水分验证分析中，TVQI的土壤水分估算与TDR和烘干法所测定的土壤水分都具有显著线性关系；绝对误差也在0.03cm3/cm3之内，所以TVQI所估算的土壤水分能够代表土壤水分的真实情况。
利用TVQI模型计算得到研究区农田的土壤水分分级图(图5，仅显示农田的土壤水分)，可知研究区内绝大多数土壤水分介于20％-30％cm3/cm3，由于作物处于抽穗期，需水量比较大，所以研究区农田整体处于比较干旱的状态。本发明提出的农田土壤水分遥感反演方法，提供了一种定量干湿边选取方法和改进的TVDI模型TVQI，克服了TVDI模型对植被覆盖类型的限制，实现了真实土壤水分的遥感反演。土壤水分TVQI和TVDII估测值与实测值的验证结果表明：TVQI与所有观测土壤水分呈0.01水平显著相关，总体上的平均绝对误差小于0.02cm3/cm3，均方根误差RMSE小于0.035cm3/cm3；TVQI估算值能够准确反应土壤深度在0-10cm、10-20cm的土壤水分值，尤其与10-20cm土壤水分值更为贴近。总体来说，相对TVDI，基于TVQI的土壤水分反演精度更高、适用范围更广。

Claims (1)

1.一种农田土壤水分遥感反演方法，所述方法包括：
(A)基于遥感影像观测值构成的植被指数-地表温度特征空间，根据地表能量平衡方程，获取定量干边，所述定量干边由Tds、Tdv两点确定；Ts表示像元的地表温度估算值，Tds表示Ts随植被指数NDVI增大而升高至最高点的值，Tdv表示NDVI接近1时的Ts最大值，Tsmax_qua为Ts对应的定量干边温度，所述定量干边温度Tsmax_qua表示为：
Tsmax_qua＝a2+b2×NDVI
其中，为所述定量干边的斜率，a2＝Tds-b2×NDVIds为所述定量干边的截距，NDVIds、NDVIdv为Tds、Tdv对应的植被指数NDVI；
采用如下公式分别计算所述Tds、Tdv：
其中，S0表示太阳总辐射；αs表示地表反照率；εs表示地表发射率；εa表示无云时大气有效发射率；Tsky表示天空温度；ra表示空气动力学阻抗；σ为斯-玻常数，ρ为空气密度；CP为空气定压比热；Ta为近地表空气温度；
(B)基于遥感影像观测值构成的植被指数-地表温度特征空间，根据地表能量平衡方程，获取定量湿边，所述定量湿边由Tws、Twv两点确定，Tws表示NDVI接近0时Ts最小值，即裸土最大蒸发点的温度，Twv表示NDVI接近1时Ts最小值，即植被覆盖下最大蒸腾点的温度，Tsmin_qua为Ts对应的定量湿边温度，所述定量湿边温度Tsmin_qua表示为：
Tsmin_qua＝a3+b3×NDVI
其中，为所述定量湿边的斜率，a3＝Tws-b3×NDVIws为所述定量湿边的截距，NDVIws、NDVIwv为Tws、Twv对应的植被指数NDVI；
采用如下公式分别计算所述Tws、Twv：
其中，S0表示太阳总辐射；αs表示地表反照率；εs表示地表发射率；εa表示无云时大气有效发射率；Tsky表示天空温度；Δ表示饱和水汽压曲线斜率；ra表示空气动力学阻抗；σ为斯-玻常数，ρ为空气密度；CP为空气定压比热；Ta为近地表空气温度；d为参考高度水汽饱和差；γ为干湿球常数；
(C)根据如下公式，计算土壤水分估算值TVQI:
CN201510829829.7A 2015-11-25 2015-11-25 一种农田土壤水分遥感反演方法 Active CN105510231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510829829.7A CN105510231B (zh) 2015-11-25 2015-11-25 一种农田土壤水分遥感反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510829829.7A CN105510231B (zh) 2015-11-25 2015-11-25 一种农田土壤水分遥感反演方法

Publications (2)

Publication Number Publication Date
CN105510231A CN105510231A (zh) 2016-04-20
CN105510231B true CN105510231B (zh) 2018-07-06

Family

ID=55718371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510829829.7A Active CN105510231B (zh) 2015-11-25 2015-11-25 一种农田土壤水分遥感反演方法

Country Status (1)

Country Link
CN (1) CN105510231B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106771089A (zh) * 2017-03-20 2017-05-31 北京师范大学 基于改进双通道算法的土壤水分遥感反演方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107389895B (zh) * 2017-06-08 2019-08-30 环境保护部卫星环境应用中心 土壤水分混合型遥感反演方法及系统
CN108446999B (zh) * 2018-04-17 2022-02-25 中国水利水电科学研究院 基于冠气温差和遥感信息进行灌区不同作物et估算方法
CN108629460A (zh) * 2018-05-11 2018-10-09 中南林业科技大学 基于时空数据的林地干旱模型构建方法
CN109187360B (zh) * 2018-09-17 2020-05-19 中国科学院地理科学与资源研究所 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用
CN110321784B (zh) * 2019-05-08 2021-05-11 中国科学院地理科学与资源研究所 土壤水分估算的方法、装置、电子设备和计算机介质
CN110658325B (zh) * 2019-09-29 2020-06-30 中国矿业大学(北京) 一种确定sm监测中lst/fvc空间的方法
CN110781602B (zh) * 2019-11-04 2021-06-15 中国科学院地理科学与资源研究所 基于特征空间法来获取时空连续的土壤水方法
CN111999251B (zh) * 2020-08-14 2021-03-23 中国水利水电科学研究院 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法
CN114880883B (zh) * 2022-07-07 2022-10-11 中国科学院、水利部成都山地灾害与环境研究所 山地地表土壤水分遥感估算方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102455282A (zh) * 2010-10-25 2012-05-16 北京农业信息技术研究中心 测量土壤含水量的方法
CN102628860A (zh) * 2012-04-16 2012-08-08 山东省农业可持续发展研究所 一种麦田土壤水分的遥感监测方法
CN103675234A (zh) * 2013-12-11 2014-03-26 中国科学院遥感与数字地球研究所 基于地表温度与植被指数特征空间的干旱指数快速监测方法
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102455282A (zh) * 2010-10-25 2012-05-16 北京农业信息技术研究中心 测量土壤含水量的方法
CN102628860A (zh) * 2012-04-16 2012-08-08 山东省农业可持续发展研究所 一种麦田土壤水分的遥感监测方法
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法
CN103675234A (zh) * 2013-12-11 2014-03-26 中国科学院遥感与数字地球研究所 基于地表温度与植被指数特征空间的干旱指数快速监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status;Inge Sandholt et al.;《Remote Sensing of Enviroment》;20021231;第79卷(第2期);第213-224页，图1-13 *
Surface soil water content estimation from thermal remote sensing based on the pemporal variation of land surface temperature;Dianjun Zhang et al.;《Remote Sens.》;20140409;第6卷;第3170-3178页，图1-5 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106771089A (zh) * 2017-03-20 2017-05-31 北京师范大学 基于改进双通道算法的土壤水分遥感反演方法

Also Published As

Publication number Publication date
CN105510231A (zh) 2016-04-20

Similar Documents

Publication Publication Date Title
CN105510231B (zh) 一种农田土壤水分遥感反演方法
Xu et al. Analysis of spatial distribution and temporal trend of reference evapotranspiration and pan evaporation in Changjiang (Yangtze River) catchment
Payero et al. Daily energy fluxes, evapotranspiration and crop coefficient of soybean
Hao et al. Seasonal and interannual variation in water vapor and energy exchange over a typical steppe in Inner Mongolia, China
Gao et al. Intercomparison of remote sensing‐based models for estimation of evapotranspiration and accuracy assessment based on SWAT
Castellvi et al. Estimating sensible and latent heat fluxes over rice using surface renewal
Xin et al. The Two-layer Surface Energy Balance Parameterization Scheme (TSEBPS) for estimation of land surface heat fluxes
Lagos et al. Surface energy balance model of transpiration from variable canopy cover and evaporation from residue-covered or bare soil systems: Model evaluation
Qi et al. Simulating maize production, water and surface energy balance, canopy temperature, and water stress under full and deficit irrigation
CN108399577A (zh) 一种基于蒸散发的林地植被生态需水的定量测算方法
Colaizzi et al. Two-source energy balance model: Refinements and lysimeter tests in the Southern High Plains
Zhang et al. Improvement in estimation of soil water deficit by integrating airborne imagery data into a soil water balance model
Ferrant et al. Agro-hydrology and multi-temporal high-resolution remote sensing: toward an explicit spatial processes calibration
Zheng et al. Comparison of sensible and latent heat fluxes from optical-microwave scintillometers and eddy covariance systems with respect to surface energy balance closure
Tunca Evaluating the performance of the TSEB model for sorghum evapotranspiration estimation using time series UAV imagery
Xu Dynamic of soil exposure intensity and its effect on thermal environment change.
Yan et al. Modelling canopy resistance for estimating latent heat flux at a tea field in South China
Song et al. Application of a two source energy balance model coupled with satellite based soil moisture and thermal infrared data
Guo et al. Estimation of daily evapotranspiration in gully area scrub ecosystems on Loess Plateau of China based on multisource observation data
Tofigh et al. A comparison of actual evapotranspiration estimates based on Remote Sensing approaches with a classical climate data driven method
Montenegro et al. Hydrological studies in experimental and representative basins in Pernambuco State, Brazil
Li et al. Estimation of growing season daily ET in the middle stream and downstream areas of the Heihe River Basin using HJ-1 data
Paul et al. Evaluating surface energy balance system (SEBS) using aircraft data collected during BEAREX07
Tesfuhuney et al. Comparison of energy available for evapotranspiration under in‐field rainwater harvesting with wide and narrow runoff strips
Ambast et al. Estimating regional evapotranspiration using remote sensing: Application to sone low level canal system, India

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant