CN108535338B - 粗空间分辨率卫星遥感土壤水分真实性检验方法 - Google Patents

粗空间分辨率卫星遥感土壤水分真实性检验方法 Download PDF

Info

Publication number
CN108535338B
CN108535338B CN201810070705.9A CN201810070705A CN108535338B CN 108535338 B CN108535338 B CN 108535338B CN 201810070705 A CN201810070705 A CN 201810070705A CN 108535338 B CN108535338 B CN 108535338B
Authority
CN
China
Prior art keywords
soil moisture
remote sensing
soil
satellite remote
verification field
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.)
Expired - Fee Related
Application number
CN201810070705.9A
Other languages
English (en)
Other versions
CN108535338A (zh
Inventor
郑兴明
徐红星
孙彦龙
白瑜
姜涛
赵凯
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.)
Northeast Institute of Geography and Agroecology of CAS
Shanghai Spaceflight Institute of TT&C and Telecommunication
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
Shanghai Spaceflight Institute of TT&C and Telecommunication
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 Northeast Institute of Geography and Agroecology of CAS, Shanghai Spaceflight Institute of TT&C and Telecommunication filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN201810070705.9A priority Critical patent/CN108535338B/zh
Publication of CN108535338A publication Critical patent/CN108535338A/zh
Application granted granted Critical
Publication of CN108535338B publication Critical patent/CN108535338B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/223—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance for determining moisture content, e.g. humidity

Landscapes

  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

粗空间分辨率卫星遥感土壤水分真实性检验方法，属于土壤水分监测技术领域。解决了如何提供一种粗空间分辨率卫星遥感土壤水分真实性检验方法的问题。本发明的检验方法，先选取感应深度与卫星遥感土壤水分产品的感应深度对应的多个土壤水分传感器，然后将土壤水分传感器定标，遴选卫星遥感土壤水分验证场并对卫星遥感土壤水分验证场进行样点布设，再将土壤水分传感器埋设到卫星遥感土壤水分验证场中，再将土壤水分传感器的点尺度观测数据通过尺度转化的方法上推到与卫星观测像元对应的面尺度上，最后根据公式获得均方根误差、无偏均方根误差、偏差和相关系数，完成真实性检验。该检验法有助于准确评估现有粗分辨率卫星遥感土壤水分产品的不确定性。

Description

粗空间分辨率卫星遥感土壤水分真实性检验方法
技术领域
本发明属于土壤水分观测技术领域，具体涉及一种粗空间分辨率卫星遥感土壤水分真实性检验方法。
背景技术
土壤水分是影响地-气能量和物质交换的主要因素，也是全球变化研究的重要指示因子，同时还影响着农作物生长以及地表的蒸散发能力。它对于全球物质、能量循环研究和环境变化研究具有十分重要的意义。目前为止，卫星遥感是提供全球尺度、时间连续的土壤水分产品最佳技术手段。但由于受到算法不确定性、无线电干扰(RFI)、植被和土壤表面粗糙度参数化方案的不确定性影响，卫星遥感土壤水分产品在不同地区不同时间的精度并不一致，因此，需要对卫星遥感土壤水分产品的真实性检验。
现有技术中，土壤水分的真实性检验方法，主要依据稀疏站点来进行，存在观测点与面的空间尺度不匹配问题，无法刻画像元内部土壤水分的空间异质性，故检验结果的可信度受到质疑。此外，气象站点的土壤水分观测深度多为10cm或者0-10cm，该深度不与卫星遥感土壤水分产品的感应深度(0-5cm)一致，这也会造成检验结果的不确定性。
因此，亟需一种准确性高、精度高的粗空间分辨率卫星遥感土壤水分真实性检验方法。
发明内容
本发明的目的是如何提供一种准确性高、精度高粗空间分辨率卫星遥感土壤水分真实性检验方法。
本发明提供的粗空间分辨率卫星遥感土壤水分真实性检验方法，包括以下步骤：
步骤一、选取感应深度与卫星遥感土壤水分产品的感应深度对应的多个土壤水分传感器；
步骤二、将步骤一的多个土壤水分传感器定标；
步骤三、遴选卫星遥感土壤水分验证场；
步骤四、基于MODIS热惯量法对卫星遥感土壤水分验证场进行样点布设；
步骤五、将土壤水分传感器埋设到卫星遥感土壤水分验证场中，确保土壤水分传感器与卫星遥感土壤水分验证场的土壤紧密结合；
步骤六、将土壤水分传感器的点尺度观测数据通过尺度转化的方法上推到与卫星观测像元对应的面尺度上；
步骤七、根据式(1)-(4)获得均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R，并根据均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R的数值对卫星遥感土壤水分产品进行真实性验证；
Figure BDA0001558064620000021
Figure BDA0001558064620000022
Bias＝E[θest]-E[θtrue] (3)
Figure BDA0001558064620000023
式中，E[.]表示为数学期望或者线性平均算子，θest表示土壤水分产品估计值，θtrue表示升尺度的土壤水分真值。
进一步的，步骤一中，所述土壤水分传感器的探头为HydraProbe土壤水分探头或DecagonEC-5土壤水分探头。
进一步的，步骤二中，所述多个土壤水分传感器定标的过程为：
2a)将多个土壤水分传感器的探头同时放入干沙中，分别记录土壤水分传感器的测量值；
2b)取出多个土壤水分传感器的探头，清洁后，同时放入水中，再分别记录土壤水分传感器的测量值；
2c)分别计算干沙中和水中的测量值的平均值，选择干沙中和水中的测量值均最接近平均值的土壤水分传感器作为标准土壤水分传感器；
2d)将其它土壤水分传感器与标准土壤水分传感器进行线性回归，按照回归关系将其它土壤水分传感器的测量值修正到与标准土壤水分传感器相一致或接近；
2e)取验证场一种类型的土壤进行处理，得到均匀土壤；
2f)将均匀土壤放在标准容器内，加水得到土壤水分；
2g)利用标准土壤水分传感器测量步骤2f)的土壤水分的电信号值，并在感应深度内采集土壤，烘干，以此计算土壤的体积含水量作为标准参考值；
2h)改变步骤2f)中加水的体积，重复步骤2f)～步骤2h)，得到不同土壤水分含量的电信号值与标准参考值；
2i)将电信号值与标准参考值进行回归分析，得到该类型土壤的土壤水分传感器的定标方程；
2j)如果验证场中有一种类型的土壤，结束标定，如果验证场中有多种类型的土壤，重复步骤2e)-2j)，直到获得验证场全部土壤类型的土壤水分传感器的定标方程。
进一步的，步骤三中，所述卫星遥感土壤水分验证场满足的遴选条件如下：
1)地形平坦：坡度小于3°；
2)水分所占比例小于5％，城镇面积比例小于10％；
3)主要作物类型所占比例大于75％；
4)没有电磁干扰的影响；
5)土壤水分具有明显的季节性差异；
6)交通便利，道路可达。
进一步的，步骤四中，所述基于MODIS热惯量法对卫星遥感土壤水分验证场进行样点布设的过程为：
4a)利用裸土时期1km空间分辨率MODIS的MOD09A1地表反射率数据集和MOD11A2地表温度数据集，计算出卫星遥感土壤水分验证场的表观热惯量ATI空间分布；
4b)根据ATI和土壤水分W之间的线性统计关系W＝-0.0643+0.0011*ATI，将ATI转换成土壤水分；
4c)利用ARCGIS软件将土壤水分划分等级，每个等级为一个分区，并分别统计每个分区各自像元所占的面积比例；
4d)按照各分区所占面积比例，结合土壤水分观测样点总数量来分配各分区应该安装的土壤水分观测样点数量；
4e)针对每一个分区，基于斑块面积从大到小排序来决定某一斑块是否需要安装观测样点，同时兼顾观测样点的空间分布均匀性，确定土壤水分观测样点的安装位置；
4f)对所选点进行实地考察，将不合适的点进行调整。
6、根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤五中，所述土壤水分传感器以平行土壤表面方式埋设到卫星遥感土壤水分验证场中，埋设深度为感应深度的一半。
进一步的，所述卫星遥感土壤水分验证场为无垄耕作土壤，步骤五中，卫星遥感土壤水分验证场的每个样点埋设两个土壤水分传感器，一个在作物根部附近，一个在两行作物的中间位置。
进一步的，所述卫星遥感土壤水分验证场为有垄耕作土壤，步骤五中，卫星遥感土壤水分验证场的每个样点埋设三个土壤水分传感器，分别埋设在作物根部附近、垄沟以及垄沟与作物根部的中间位置。
进一步的，步骤六中，所述尺度转换采用的方法为克里金法、泰森多边形法和简单空间平均法。
与现有技术相比，本发明的有益效果为：
本发明的粗空间分辨率卫星遥感土壤水分真实性检验方法，系统性好，将传感器类型选择、土壤水分传感器标定、样点布设、点尺度到面尺度的转换融合为一体，解决了卫星遥感土壤水分感应深度与实测土壤水分深度不匹配的问题，同时发展了异质性像元的土壤水分尺度转换方法，提高了卫星遥感土壤水分产品的检验准确性与检验精度；有助于准确评估现有粗分辨率卫星遥感土壤水分产品的不确定性，以便进一步改善土壤水分反演精度。
附图说明
图1为吉林省农安县36km×36km多尺度嵌套土壤水分真实性检验区样点分布情况；
图2为EC-5传感器在水和干沙测量中的一致性比较和修正结果，其中，(a)为一致性处理前的水体观测，(b)为一致性处理后的水体观测，(c)为一致性处理前的干沙观测，(d)为一致性处理后的干沙观测；
图3为不同类型土壤中，EC-5传感器土壤水分标定方程；
图4为时间系列SMAP L3级土壤水分产品与地面实测值的对比，其中，(a)为降轨数据，(b)为升轨数据。
具体实施方式
为了进一步了解本发明，下面结合具体实施方式对本发明的优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点而不是对本发明专利要求的限制。
本发明的粗空间分辨率卫星遥感土壤水分真实性检验方法，包括以下步骤：
步骤一、选取感应深度与卫星遥感土壤水分产品的感应深度对应的多个土壤水分传感器；
如卫星遥感土壤水分产品的感应深度为一般为土壤表层0～5cm，建议选择感应深度也为5cm左右的Hydra Probe土壤水分探头和Decagon EC-5土壤水分探头。
步骤二、将步骤一选择的多个土壤水分传感器定标，该步骤具体分为两个过程，即2A)土壤水分传感器一致性检验修正和2B)土壤水分传感器定标；
2A)同一类型土壤水分传感器自身也存在不一致性，为了统一传感测量误差及快速定标，需要对所有的土壤水分传感器进行一致性检验与修正，具体步骤为：
2a)将步骤一选取的多个土壤水分传感器的所有探头同时放入干沙中，分别记录土壤水分传感器的测量值；
2b)取出多个土壤水分传感器的探头，清洁后，同时放入水中，分别记录土壤水分传感器的测量值；
2c)分别计算干沙中的测量值和水中的测量值的平均值，选择干沙中的测量值和水中的测量值均最接近平均值的土壤水分传感器作为标准土壤水分传感器；
2d)将其它土壤水分传感器与标准土壤水分传感器进行线性回归，按照回归关系将其它土壤水分传感器的测量值修正到与标准土壤水分传感器相一致或接近；
通过步骤2A)之后，所有土壤水分传感器均具有一致的测量结果，接下来只需要对选定的标准土壤水分传感器进行标定，就能保证其它土壤水分传感器也能和标定土壤水分传感器具有一致的土壤水分测量精度；
2B)为了减小土壤质地对土壤水分传感器精度的影响，因此需要针对特定土壤类型进行土壤水分传感器定标，具体标定步骤为：
2e)取足够的验证场中的一种类型的土壤进行烘干、碾碎、过筛处理，得到均匀土壤；验证场比较大，大概有20-40Km尺度，因此可能包含有多种土壤类型；
2f)将均匀土壤放在标准容器内，加水得到土壤水分；
2g)利用标准土壤水分传感器测量步骤2f)的土壤水分的电信号值，并在感应深度内采集土壤，烘干，以此计算土壤的体积含水量作为标准参考值，即真值；
其中，采用专用环刀采集土壤，若卫星遥感土壤水分产品的感应深度为一般为土壤表层0～5cm，采集的土壤即为0～5cm厚度的土壤，烘干条件没有限制，可以采用105℃下烘干48h；
2h)改变步骤2f)中加水的体积，重复步骤2f)～步骤2h)，得到不同土壤水分含量的电信号值与标准参考值，一般至少需要七组数据，具体根据土壤类型确定；
2i)将电信号值与标准参考值进行回归分析，得到该类型土壤的土壤水分传感器的定标方程；
2j)如果验证场中有一种类型的土壤，结束标定，如果验证场中有多种类型的土壤，重复步骤2e)-2j)，直到获得验证场全部土壤类型的土壤水分传感器的定标方程。
步骤三、遴选卫星遥感土壤水分验证场；
均值像元将降低尺度转换引起的土壤水分像元真值的不确定性，为此设定卫星遥感土壤水分验证场满足的遴选条件如下：
1)地形平坦：坡度小于3°；
2)水分所占比例小于5％，城镇面积比例小于10％；
3)主要作物类型所占比例大于75％；
4)没有电磁干扰的影响，主要是选址需要远离产生电磁干扰的城镇、飞机场等；
5)土壤水分具有明显的季节性差异；
6)交通便利，道路可达。
步骤四、基于MODIS热惯量法对卫星遥感土壤水分验证场进行样点布设；
在自然条件下土壤水分受地形、植被、土壤质地等多种因素影响，因此合理布设土壤水分观测样点，将有助于准确获取像元尺度土壤水分真值，土壤表观热惯量(ATI)由Price J C.在1985年提出，适用于裸土表面的土壤水分估算。据此，提出了以下的土壤水分分区与样点布设方案：
4a)利用裸土时期1km空间分辨率MODIS的MOD09A1地表反射率数据集和MOD11A2地表温度数据集，计算出卫星遥感土壤水分验证场的表观热惯量ATI空间分布；
4b)根据ATI和土壤水分W之间的线性统计关系W＝-0.0643+0.0011*ATI，将ATI转换成土壤水分；
4c)利用ARCGIS软件将土壤水分划分等级，每个等级为一个分区，并分别统计每个分区各自像元所占的面积比例；一般为四个等级0-0.1,0.1-0.2,0.2-0.3和0.3以上，对应干旱、半干旱、半湿润和湿润四个级别；
4d)按照各分区所占面积比例，结合土壤水分观测样点总数量来分配各分区应该安装的土壤水分观测样点数量；
4e)针对每一个分区，土壤水分观测样点的安装位置由斑块面积、斑块数量和斑块的空间分布来决定；基于斑块面积从大到小排序来决定某一斑块是否需要安装观测样点，同时兼顾观测样点的空间分布均匀性，确定土壤水分观测样点的安装位置；
4f)对所选点进行实地考察，判别所选点是否可达、是否在质地均一(或作物均一)的区域，将不合适的点进行调整。
步骤五、将土壤水分传感器埋设到卫星遥感土壤水分验证场中，确保土壤水分传感器与卫星遥感土壤水分验证场的土壤紧密结合；
其中，土壤水分传感器以平行土壤表面方式埋设到卫星遥感土壤水分验证场中，埋设深度为感应深度的一半，如卫星遥感土壤水分产品的感应深度为一般为土壤表层0～5cm，为准确获取点尺度0～5cm的土壤水分值，土壤水分传感器埋设深度为2.5cm；且当卫星遥感土壤水分验证场为无垄耕作土壤，步骤五中，卫星遥感土壤水分验证场的每个样点优选埋设两个土壤水分传感器，一个在作物根部附近，一个在两行作物的中间位置；当卫星遥感土壤水分验证场为有垄耕作土壤，卫星遥感土壤水分验证场的每个样点优选埋设三个土壤水分传感器，分别埋设在作物根部附近、垄沟以及垄沟与作物根部的中间位置。
步骤六、将土壤水分传感器的点尺度观测数据通过尺度转化的方法上推到与卫星观测像元对应的面尺度上；
土壤水分观测网络各个样点观测的是点尺度土壤水分，与卫星观测的面尺度土壤水分存在尺度不匹配问题，因此为了验证被动微波土壤产品需要将点尺度观测数据通过尺度转化的方法上推到与卫星观测像元对应的面尺度上，可用的升尺度方法有克里金法、泰森多边形法和简单空间平均法等。
其中，泰森多边形法为：获取卫星遥感土壤水分验证场的边界范围与选取的观测样点位置；计算每个观测样点覆盖的的泰森多边形(选取的观测样点的位置将验证场分割成若干个由泰森多边形表示的子区域，而每个泰森多边形的构成则是由相应的观测样点与周围的所有邻域观察样点间作垂直平分线，并将各垂直平分线依次连接组合而成)及其所占面积比例；验证场内土壤水分的真值就等于各个观测样点的测量值乘以其泰森多边形面积比例的代数和。(可用ARCGIS实现某一时间点的验证场土壤水分的真值，时间序列的验证场土壤水分的真值的获取需要编程批处理)
克里金法为：克里金法是一种线性无偏估计方法，未知位置的估计值是根据已有观测样点数据的加权线性结合而获得。首先根据卫星遥感土壤水分验证场内选取的观测样点位置来计算半变异函数值，获取验证场的边界范围与选取的观测样点位置；然后根据分布的离散的半变异函数值拟合半变异函数，获取变程和基台值；验证场内任意点处的估计值,可以通过该点影响范围(变程)内的N个有效观测值的线性组合得到；验证场内土壤水分的真值就等于验证场内所有已知点处与估计值点处的土壤水分的平均值。(可用ARCGIS实现某一时间点的验证场土壤水分的真值，时间序列的验证场土壤水分的真值的获取需要编程批处理)
简单空间平均法为：直接将卫星遥感土壤水分验证场内的所有观测样点的土壤水分的空间平均值作为微波像元尺度的土壤水分真值。
步骤七、根据式(1)-(4)获得均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R，并根据均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R的数值对卫星遥感土壤水分产品进行真实性验证，通常判断标准是：RMSE，ubRMSE和Bias越小说明卫星遥感土壤水分产品的精度越高，R值越大卫星遥感土壤水分产品的精度越高，RMSE低于0.04cm3/cm3即可认为满足精度需求；
Figure BDA0001558064620000091
Figure BDA0001558064620000092
Bias＝E[θest]-E[θtrue](3)
Figure BDA0001558064620000093
式中，E[.]表示为数学期望或者线性平均算子，θest表示土壤水分产品估计值，θtrue表示升尺度的土壤水分真值。
为检验本发明的粗空间分辨率卫星遥感土壤水分真实性检验方法的准确性，对土壤水分主被动计划(SMAP)土壤水分遥感产品进行验证。采用的验证场为农安县36km×36km多尺度嵌套土壤，其样点分布情况如图1所示。其采用EC-5传感器，传感器在水和干沙测量中的一致性比较和修正结果如图2所示，其中，(a)为一致性处理前的水体观测，(b)为一致性处理后的水体观测，(c)为一致性处理前的干沙观测，(d)为一致性处理后的干沙观测。图3为不同类型土壤中，EC-5传感器的土壤水分标定方程。时间系列SMAP L3级土壤水分产品与地面实测值的对比如图4所示，其中，(a)为降轨数据，(b)为升轨数据；检验结果如表1所示。
表1SMAP L3升轨(SMAP_L3_P_PM)和降轨(SMAP_L3_P_AM)土壤水分产品验证结果
Figure BDA0001558064620000101
表1中，Kriging表示克里金法，Thiessen表示泰森多边形，Average表示简单空间平均法。从表1可以看出，不同升尺度方法的验证结果表明降轨SMAP土壤水分产品(SMAP_L3_P_PM)的RMSE和ubRMSE约为0.06cm3/cm3,Bias约为0.005cm3/cm3,相关系数(R)约在0.5附近；升轨SMAP土壤水分产品(SMAP_L3_P_PM)的RMSE和ubRMSE分别约为0.07cm3/cm3和0.06cm3/cm3,Bias约为0.05cm3/cm3,相关系数(R)约在0.7附近。以上结果说明SMAP土壤水分产品的精度已经接近预期的0.04cm3/cm3精度。

Claims (8)

1.粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，包括以下步骤：
步骤一、选取感应深度与卫星遥感土壤水分产品的感应深度对应的多个土壤水分传感器；
步骤二、将步骤一的多个土壤水分传感器定标；
步骤三、遴选卫星遥感土壤水分验证场；
步骤四、基于MODIS热惯量法对卫星遥感土壤水分验证场进行样点布设；
所述基于MODIS热惯量法对卫星遥感土壤水分验证场进行样点布设的过程为：
4a)利用裸土时期1km空间分辨率MODIS的MOD09A1地表反射率数据集和MOD11A2地表温度数据集，计算出卫星遥感土壤水分验证场的表观热惯量ATI空间分布；
4b)根据ATI和土壤水分W之间的线性统计关系W＝-0.0643+0.0011*ATI，将ATI转换成土壤水分；
4c)利用ARCGIS软件将土壤水分划分等级，每个等级为一个分区，并分别统计每个分区各自像元所占的面积比例；
4d)按照各分区所占面积比例，结合土壤水分观测样点总数量来分配各分区应该安装的土壤水分观测样点数量；
4e)针对每一个分区，基于斑块面积从大到小排序来决定某一斑块是否需要安装观测样点，同时兼顾观测样点的空间分布均匀性，确定土壤水分观测样点的安装位置；
4f)对所选点进行实地考察，将不合适的点进行调整；
步骤五、将土壤水分传感器埋设到卫星遥感土壤水分验证场中，确保土壤水分传感器与卫星遥感土壤水分验证场的土壤紧密结合；
步骤六、将土壤水分传感器的点尺度观测数据通过尺度转化的方法上推到与卫星观测像元对应的面尺度上；
步骤七、根据式(1)-(4)获得均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R，并根据均方根误差RMSE、无偏均方根误差ubRMSE、偏差Bias和相关系数R的数值对卫星遥感土壤水分产品进行真实性验证；
Figure FDA0002600540450000021
Figure FDA0002600540450000022
Bias＝E[θest]-E[θtrue] (3)
Figure FDA0002600540450000023
式中，E[.]表示为数学期望或者线性平均算子，θest表示土壤水分产品估计值，θtrue表示升尺度的土壤水分真值。
2.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤一中，所述土壤水分传感器的探头为Hydra Probe土壤水分探头或Decagon EC-5土壤水分探头。
3.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤二中，所述多个土壤水分传感器定标的过程为：
2a)将多个土壤水分传感器的探头同时放入干沙中，分别记录土壤水分传感器的测量值；
2b)取出多个土壤水分传感器的探头，清洁后，同时放入水中，再分别记录土壤水分传感器的测量值；
2c)分别计算干沙中和水中的测量值的平均值，选择干沙中和水中的测量值均最接近平均值的土壤水分传感器作为标准土壤水分传感器；
2d)将其它土壤水分传感器与标准土壤水分传感器进行线性回归，按照回归关系将其它土壤水分传感器的测量值修正到与标准土壤水分传感器相一致或接近；
2e)取验证场一种类型的土壤进行处理，得到均匀土壤；
2f)将均匀土壤放在标准容器内，加水得到土壤水分；
2g)利用标准土壤水分传感器测量步骤2f)的土壤水分的电信号值，并在感应深度内采集土壤，烘干，以此计算土壤的体积含水量作为标准参考值；
2h)改变步骤2f)中加水的体积，重复步骤2f)～步骤2h)，得到不同土壤水分含量的电信号值与标准参考值；
2i)将电信号值与标准参考值进行回归分析，得到该类型土壤的土壤水分传感器的定标方程；
2j)如果验证场中有一种类型的土壤，结束标定，如果验证场中有多种类型的土壤，重复步骤2e)-2j)，直到获得验证场全部土壤类型的土壤水分传感器的定标方程。
4.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤三中，所述卫星遥感土壤水分验证场满足的遴选条件如下：
1)地形平坦：坡度小于3°；
2)水分所占比例小于5％，城镇面积比例小于10％；
3)主要作物类型所占比例大于75％；
4)没有电磁干扰的影响；
5)土壤水分具有明显的季节性差异；
6)交通便利，道路可达。
5.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤五中，所述土壤水分传感器以平行土壤表面方式埋设到卫星遥感土壤水分验证场中，埋设深度为感应深度的一半。
6.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，所述卫星遥感土壤水分验证场为无垄耕作土壤，步骤五中，卫星遥感土壤水分验证场的每个样点埋设两个土壤水分传感器，一个在作物根部附近，一个在两行作物的中间位置。
7.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，所述卫星遥感土壤水分验证场为有垄耕作土壤，步骤五中，卫星遥感土壤水分验证场的每个样点埋设三个土壤水分传感器，分别埋设在作物根部附近、垄沟以及垄沟与作物根部的中间位置。
8.根据权利要求1所述的粗空间分辨率卫星遥感土壤水分真实性检验方法，其特征在于，步骤六中，所述尺度转换采用的方法为克里金法、泰森多边形法和简单空间平均法。
CN201810070705.9A 2018-01-25 2018-01-25 粗空间分辨率卫星遥感土壤水分真实性检验方法 Expired - Fee Related CN108535338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810070705.9A CN108535338B (zh) 2018-01-25 2018-01-25 粗空间分辨率卫星遥感土壤水分真实性检验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810070705.9A CN108535338B (zh) 2018-01-25 2018-01-25 粗空间分辨率卫星遥感土壤水分真实性检验方法

Publications (2)

Publication Number Publication Date
CN108535338A CN108535338A (zh) 2018-09-14
CN108535338B true CN108535338B (zh) 2020-12-22

Family

ID=63486034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810070705.9A Expired - Fee Related CN108535338B (zh) 2018-01-25 2018-01-25 粗空间分辨率卫星遥感土壤水分真实性检验方法

Country Status (1)

Country Link
CN (1) CN108535338B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109753916B (zh) * 2018-12-28 2021-05-04 厦门理工学院 一种归一化差分植被指数尺度转换模型构建方法及装置
US10996179B2 (en) 2019-03-11 2021-05-04 Skaha Remote Sensing Ltd. System and method to detect ground moisture
CN114252404B (zh) * 2021-12-27 2022-12-20 中科星通(廊坊)信息技术有限公司 一种高光谱卫星下的产品真实性检验系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2047431A (en) * 1979-03-29 1980-11-26 Vaisala Oy Temperature control means in a humidity pick-up
CN101865909A (zh) * 2010-06-07 2010-10-20 大连海事大学 一种微波遥感土壤水分监测系统及其方法
CN105893736A (zh) * 2016-03-23 2016-08-24 中国科学院遥感与数字地球研究所 基于多源数据类型的被动微波土壤水分真实性检验方法
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN106525753A (zh) * 2016-10-12 2017-03-22 天津大学 一种简便的遥感土壤水分监测方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2047431A (en) * 1979-03-29 1980-11-26 Vaisala Oy Temperature control means in a humidity pick-up
CN101865909A (zh) * 2010-06-07 2010-10-20 大连海事大学 一种微波遥感土壤水分监测系统及其方法
CN105893736A (zh) * 2016-03-23 2016-08-24 中国科学院遥感与数字地球研究所 基于多源数据类型的被动微波土壤水分真实性检验方法
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN106525753A (zh) * 2016-10-12 2017-03-22 天津大学 一种简便的遥感土壤水分监测方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
利用微波遥感土壤水分产品监测东北地区春涝范围和程度;郑兴明;《地理科学》;20150331;全文 *
陆地定量遥感产品的真实性检验关键技术与试验验证;晋锐;《地球科学进展》;20170630;全文 *

Also Published As

Publication number Publication date
CN108535338A (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
Beff et al. Three-dimensional monitoring of soil water content in a maize field using Electrical Resistivity Tomography
Bittelli Measuring soil water content: A review
WO2009117784A1 (en) System, apparatus and method for measuring soil moisture content
CN100394212C (zh) 一种大面积作物种植面积及其产量的遥感检测估算方法
CN106767687A (zh) 一种利用遥感含水量测量滩涂高程的方法
Myeni et al. Present status of soil moisture estimation over the African continent
CN108535338B (zh) 粗空间分辨率卫星遥感土壤水分真实性检验方法
Ma et al. Soil moisture variability in a temperate deciduous forest: insights from electrical resistivity and throughfall data
Bocchiola et al. Spatial estimation of Snow Water Equivalent at different dates within the Adamello Park of Italy
James et al. Determination of soil type boundaries using electromagnetic induction scanning techniques
US11635420B2 (en) Signal-based medium analysis
CN109325433A (zh) 引入地形因子的黑土区大豆生物量多时相遥感反演方法
CN113011372A (zh) 一种盐碱化土地自动监测和识别方法
CN105528523A (zh) 一种基于遥感数据的土壤厚度反演方法
Sharma et al. Evaluation of soil moisture sensing technologies in silt loam and loamy sand soils: Assessment of performance, temperature sensitivity, and site-and sensor-specific calibration functions
Yao et al. Geostatistical monitoring of soil salinity for precision management using proximally sensed electromagnetic induction (EMI) method
Sun et al. Investigating soil physical properties and yield response in a grassland field using a dual‐sensor penetrometer and EM38
CN113076645B (zh) 一种结合遥感数据的宇宙射线中子仪空间特征模拟方法
Wang et al. Application and accuracy of cosmic-ray neutron probes in three soil textures on the Loess Plateau, China
Balenzano et al. A ground network for SAR-derived soil moisture product calibration, validation and exploitation in Southern Italy
CN106770505B (zh) 一种基于介电谱的土壤原位养分速测方法
Li et al. Field scale soil water prediction based on areal soil moisture measurements using cosmic-ray neutron sensing in a karst landscape
Pang et al. The review of soil moisture multi-scale verification methods
Liu et al. Evaluation of the soil water content of two managed ecosystems using cosmic‐ray neutron sensing on China's Loess Plateau
Fontaine et al. Application of electromagnetic induction to develop a precision irrigation framework to facilitate smallholder dry season farming in the Nasia-Kparigu area of northern Ghana

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201222

Termination date: 20220125