土壤含水量遥感监测

譬767714 分类号： UDC 密级： 编号： 咿幽撼毋 硕士学位论文 土壤含水量遥感监测 学位申请人： 一 导师姓名及职称 专业名称 宋承运 邓孺孺副教授 地图学与地理信息系统 二oO五年六月 七日 ◇ 土壤含水量遥感监测 土壤含水量遥感监测 专业：地图学与地理信息系统 作者：宋承运 导师：邓孺孺副教授 ‘ 摘要 土壤含水量是影响农业生产的重要因素之一，也是气象学、土壤学、水文 学、生态学等领域所关注和研究的重要内容，利用遥感技术太面积监测土壤含 水量是一种快速、有效的方法，近年来已经形成了许多的遥感监测的理论和方 法。但是由于受到数据源及模型方法自身的限制，许多模型与方法还不具备在 大面积的范围内应用普遍适用性。随着遥感技术的发展，如何提高遥感监测土 壤水分的精度与适用性，克服以往遥感监测中存在的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，是遥感技术应用中 研究的一个方向。 本文以北京地区为例，根据不同地物具不同的波谱特征，研究土壤中水分 与粗糙度对土壤反射率的影响，在前人基础上建立起湿润土壤反射率与含水量、 粗糙度之间的关系。本文首先利用像元信息分解法，定量提取出区域的植被盖 度，通过对植被覆盖区域透过率的研究 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 ，由植被盖度得到区域叶面积指数， 根据植被覆盖区域入射光二向散射的特点，在只考虑一次散射的情况下，利用 植被一土壤二向反射模型，提取出下层湿润土壤反射率，在湿润土壤反射率与含 水量、粗糙度之间的关系的基础上得到土壤含水量。通过实验证明在植被盖度 不高的地区具有较好的效果。 关键字：遥感光谱法植被冠层模型像元信息分解叶面积指数土壤含水量 ◇ 土壤含水量遥感监测 RmoteSensingForSoilWaterContent Major： Author： Cartology＆GIS Supervisor：AdjunctProf．RumDeng Abstract Soilwatercontentisoneoftheimportantfacetoagriculture,isalsothe importantcontentofthefcsoal；chinthefieldofaerography,agrology,hydrologyand bionomy,Remotesensingisakindofmethod埘tllshortperiodtomonitorsoilwater contemtmae[oscopicallyandeffectively,andalotoftheoryandmethodhadbeen used．BecauscofthedataandthelimitofthemethoditseIf,manymethodcannotbe usedwidely．Withthedevelopmentofremotesensing,howtoimprovetheprecise andapplicationofthemonitorofremotesensing,andsolvetheproblemsbefore，is oneofthecontemoftheresearch． ThispaperchoseBeiJingasa representativeresearchzone，basedonthe differenceofthereflectancetodifferentobjcct．Theinfluenceofthesoilwaterand theroughheSStothereflectanceofsoilisresearched，thereladonbetweenthe reflectanceofsoil，soilwatercontentandtheroughnessisbeenfound，basedthe researchbefore．Inthefirststep，themethodofpixelinformationdecompositionwas takenonlandpart．ThelandCDverpercentWasextracted．LAlcouldbecalculated accordingtotheresearchonthecove[ofplant．Basedonthecharacterof multi·reflectinglight，thereflectanceofthesoilcouldbegotusingThe Bi-DirectionalReflectanceModelofCanopyandSoil，takingonlyonereflectance intoaccount．Intheend，thesoilwatercontentcouldbecalculated．Theresult provedtheaccuracywasbetterintheareawithlesscoverofplant． Keywords：Remotesensingopticalmethod；bi-directionalreflectancemodel； pixelinformationdecomposition；LAI；Soilwatercontent 土壤含水量遥感监测 刚 茸 土壤水分是影响农业生产的重要因素，是决定农作物产量的最重要的因素之 一．土壤含水量是土壤水分收支的表现，土壤收支不平衡就会引起干旱等自然灾 害．据统计【¨，我国农业自然灾害的近60％是干旱造成的，每年有近570万hm2 耕地受旱减产，占总播种面积的5．86％，按减产30％一50％的轻灾计算，每年 直接经济损失达4～7亿元。为了采取有效的抗旱、防旱的措施，需要对土壤水 分进行有效、准确的监测．另外，土壤水分的含量决定土壤表面植被的组成，进而 影响区域的生态组成，土壤水分对于水土保持，地下水的补及等都有很重要的意 义。土壤水分也是气象学、土壤学、水文学、生态学等领域所关注和研究的重要 内容。 土壤水分的监测由于受到面积大、监测环境条件等的限制使实地测量的方法 不能广泛应用，而且近年来由于土地利用的周期的加快，土地的过度利用等的 影响土壤含水量的变化也加快，土壤水分监测的周期也不断缩短，一些传统的 土壤水分监测的方法已经不能满足要求，需要新的、快速的方法来实现。遥感 技术具有快速、有效、宏观的等优点，在大面积土壤水分监测中具有明显的优势， 而且遥感获取数据周期短可以实现土壤含水量短周期内的动态监测。随着遥感 技术的发展，遥感监测已经是一种有表态到动态，逐步由定性到定量的发展过程． 目前土壤水分的遥感监测已经有许多的研究，并且形成了许多的理论和方法，各 种方法都有自己的优势和特点，主要从不同的监测指标来实现土壤水分的监测， 因此在监测精度与实用性上存在着很大的差别。随着遥感技术和理论研究的不 断发展，许多新的模型的理论被提出来并且应用于生产生活，使土壤水分监测的 精度不断提高。 本文以北京顺义地区为例，根据不同地物具不同的波谱特征，研究土壤中水 分与粗糙度对土壤反射率的影响，在前人基础上建立起湿润土壤反射率与含水 量、粗糙度之间的关系。本文首先利用像元信息分解模型，定量提取出区域的 植被盖度，通过对植被覆盖区域入射光散射的研究分析，由植被盖度得到区域 叶面积指数，根据植被覆盖区域入射光二向散射的特点，在只考虑一次散射的 土壤含水量遥感监测 情况下，利用植被一土壤二向反射模型，提取出下层湿润土壤反射率，在湿润土 壤反射率与含水量、粗糙度之间的关系的基础上得到土壤含水量。通过实验证 明在植被盖度不高的地区具有较好的效果。 2 十壤含水量遥感监测 第一章土壤含水量遥感监测的现状及存在的问题 对于土壤含水量的研究国内国外已有很长的时间．国内对土壤含水量的研 究开始于80年代中期，90年代后，我国在土壤水分遥感监测理论方面的研究得 到了深入发展，土壤含水量遥感模型及其应用研究也有了提高，利用NO从／AVHRR 资料 新概念英语资料下载李居明饿命改运学pdf成本会计期末资料社会工作导论资料工程结算所需资料清单 进行土壤水分或干旱的宏观监测研究工作也有了很大进展，与国外同类研 究相比，大大缩小了差距。 在实际的应用中取得了许多成就。圈国良等[21(1992)依据土壤水分平衡及能 量平衡的原理，结合冬小麦耗水规律，对冬小麦干旱遥感监测模型进行了研究， 提出了一套利用NOAA‘AVHRR遥感资料和实测土壤湿度资料监测冬小麦干旱的 方法：陈维英等【3】(1994)利用NOAA极轨气象卫星距平指数，对1992年特大干 旱进行了监测应用，江苏、河北、山东、河南、陕西、四川、辽宁等省气象部门 已将NOAA“AVHRR干旱遥感监测投入了业务试运行，并初步取得了良好的社会 和经济效益。 1．1目前遥感监测土壤水分的主要方法和模型 1．1．1表观热惯法 土壤热惯量是土壤的一种热特性，它是引起土壤表层温度变化的内在因素， 它与土壤含水量有密切的相关关系，同时又控制着土壤温度日较差的大小。通过 建立土壤热惯量与土壤含水量的关系模型，对土壤热惯量的计算来达到监测土壤 含水量的目的。 在实际应用时，隋洪智14l等人定义一个新的参量：表观热惯量一7’珠代替 热惯量只 _刀。熹二鲁 』d一』H 一 式中：A为全波段反照率，乃、五分别为昼夜温度，其值可由卫星资料求得． 目前，已经建立起许多土壤热惯量与含水量的关系模型，但至今尚无理论公 式．较为简单明了的且应用较为广泛的经验公式为线性模型： W=8xAjI+b 或指数模型：W=axPb 土壤含水量遥感监测 张可慧等(2002)[61构造不同深度和NOAA／AVHRR的不同模型，如回归和幂指数 模型，张仁华l_7】在热惯量法模式的改进方面提出了一个现实的、排除显热的、潜 热输送干扰的热惯量法。余涛、田国良【5】等利用热惯量法监测土壤表层水分变化 应用于整个华北农业地区土壤水分监测中。 热惯量法的不足与缺陷产要表现在：一是对于高植被覆盖地区或农作物田块 则效果较差，土壤表层温度的测定受上层植被层的影响，但在大部分土壤表面都 会有植被大面积的覆盖，如农田、森林等地区：二是热红外遥感易受云天状况的 干扰，土壤热惯的测量主要利用热红外波段，因此在测量时天气情况直接影响到 测量的结果。 1．1．2作物缺水指数法 作物缺水指数(CWSI1最初是由T．J．Jackson(1981)以能量平衡为基础提 出的，实质上反映出植物蒸腾与最大可能蒸发的比值。 引入作物缺水指数CWSI做为植被根层土壤水分状况的估算指标，CWSIl8l定义 为：c矸研；!【!±兰虹!堑址!垒±!f!±盟 名。+‰ 其中：r‘=r【1+k／也。+‰)】：y为干湿球常数(Pa·℃一1)，，a翻修正空气动 阻力(S·m一1)，，．M为剩余阻力(S·m一1)，^为作物冠层阻力(S·用一1)， △为饱和水汽压与温度关系的斜率，％为潜在蒸散时的冠层阻力(S·m一1)。 由植被缺水指数CWSI定义公式可知，其计算过程复杂，而且一些要素仍 依赖于地面气象台站，实时性不能保证。 对于完全及部分植被覆盖地的土壤水分遥感监测问题，应主要以作物缺水 指数法为主。一般对于完全植被覆盖，采用作物缺水指数法即能取得较好效果， 而对于部分植被覆盖条件，用热惯量法和作物缺水指数法计算均会造成较大误 差。 一 申广荣，田国良(i998)【91基于GIS技术，用集遥感图像、图形、数据为一体的 CWSI模型监测黄淮海平原旱灾。 1．13距平植被指数法 从植被角度监测土壤含水量的，由于植被生长的状况主要与水分有关(当光 4 土壤含水量遥感监测 照、温度条件变化不大时)，水分供应程度变成了作物生长的关键因素，水分供 应充足植被生长，反之生长变差，土壤水分含量的多少直接影响到植被的生长， 因此可以从植被来间接监测土壤水分。植被作物长势优劣可由当年旬植被指数与 常年值的差异程度来判断，进而可以判断出作物受早程度。 距平植被指数(ATNDVI)定义为： ATNDVI=(TNDVI一!△}望Y三) 其中：TNDVI为当年该旬的植被指数一Ⅸ业!为同旬各年的归一化植被指 数平均值。 范天剜1哪认为该方法需要建立比较好的能代表正常年景的植被指数集，但卫 星资料的存档不够长，还有资料定标问题，要取得正常年景数据集不易。 1．1．4微波遥感法 微波遥感测量土壤水分的方法主要分主动和被动两种，它们都是基于干燥土 壤和水体之问介电常数的巨大差异．。不同含水量的土壤表现出明显不同的介电 特性，土壤的散射和热辐射强烈地依赖于土壤的湿度。 采用成像雷达的主动微波遥感法，以应用x波段侧视雷达为主，方法主要 是后向散射系数法。基于微波辐射计的被动微波方法，相比红外与可见光，它具 有波长长，穿透能力强的优势，相比主动微波雷达，被动微波辐射计具有监测 面积大、周期短，受粗糙度影响小，对土壤水分更为敏感，算法更为成熟的优 势。然而微波辐射计观测到的亮温除了受土壤水分影响外，还要考虑如植被覆 盖、土壤温度、雪覆盖以及地形、地表粗糙度、土壤纹理和大气效应以及地表的 异质性等其它因子的影响，在植被覆盖区，微波辐射测量土壤湿度的有效采样深 度为2～5cm。目前，已研究出许多使用被动微波辐射计反演土壤水分的方法， 这些方法大部分是围绕着土壤湿度与亮温温度之间的关系进行，同时也考虑其 它各种不同因子对地表微波辐射的影响。 这两种方法具有互补性，被动微波系统重复观测频率高，数据量低，数据处理 简单，但分辨率低．主动微波系统数据分辨率高，但数据量大，处理数据复杂． 土壤水分反演方法，从反演中所用的数学方法来看，目前存在3种主要的土 壤水分反演方法，分别是：①数理统计算法(经验算法)：②正向模型反演算法 ③神经网络反演算法。112] 5 土壤含水量遥感监测 微波遥感土壤水分法精度较高，且可以全天候使用。微波遥感成本高，而且 一些影响计算精度的参数的获取受到许多限制，目前还不能进入实用阶段。 1．1．5遥感光谱法 刘培君、张琳等研制的遥感光谱法【1415、1叭，利用不同的地物光谱特征不同。 此方法根据土壤水分的含量影响土壤的反射率，通过建立湿润土壤与干燥 土壤之间的函数模型，间接提取出土壤含水量。而在实际中的图像中极少有只包 含有土壤信息的纯像元，即在像元中混有植被等其他的信息，植被的影响，则拟 采用遥感估算光学植被盖度，分解像元排除法，参照热惯量法和水分亏缺植物指 数法，来提取土壤水分光谱信息。 光学植被盖度【18】指在观测区内实际的光学植被信息跟该区内理想为全植被 覆盖时光学植被信息的比。如果用TM数据的光谱亮度表达，则 Cmffi怛·一B∞-ny但4·B2啦皿(1) 其中，∽4一口23)max为理想的全植被覆盖时(无裸土面)4波段和2、3波段(平 均)光谱亮度的差值(也是极大值)。按照这种定义方法，裸土的光学植被盖度应 为0，全植被覆盖时光学植被盖度为l。出现负值时，一般为水体，为此光学植被 盖度反映了植被盖度的高低。 、 此方法中植被盖度的计算是通过统计计算的方法，需要大量的实测值，适 用性不高，而且此方法中缺少对土壤粗糙度对反射率的影响。 此外，还有许多方法与模型在计算精度或实用性方面都有各自的特点【32l， 在土壤水分监测深度上也有许多的研究【孙351。 1．2研究中的问题 1．2．1植被覆盖区域． 一般具有一定含水量的土壤上层都有植被覆盖，因此在植被覆盖区域上层的 植被一方面由于植被生长与土壤水分有着密切的关系，给土壤水分的监测提供了 一种间接监测的方法，如作物缺水指数法，距平植被指数法等都是建立上层植被 与土壤含水量之间的关系来监测土壤水分．另一方面，上层的植被也影响了土壤 水分的监测，植被层削减了土壤的微波辐射并且在总的辐射能中增加了自己的辐 射。通过监测其他与土壤水分有关的信息来监测土壤水分，如热惯量法，光谱法 等都需要去除植被的信息，尤其在植被覆盖度大的地区，传感器所探测的信息中 6 土壤含水量遥感监测 植被的信息的比例很大，下层土壤所占的信息很少。 在微波遥感中，植被覆盖地区，植被层削减了土壤的微波辐射并且在总的辐 射能中增加了自己的辐射，可用f—m模型【12】表示，从3层介质(土壤、植被和大气) 中得到的全部辐射是以下五项的总和：①直接的植被辐射，②由土壤反射以及被 冠层削弱的植被辐射，③由冠层肖4弱的土壤辐射，④大气的向上辐射，⑤由土 壤反射以及冠层削弱的大气向下辐射。由辐射计观测到的亮度温度可以由辐射传 输方程给出如下： Ts，=T。+exp(-跚X【{TdrsPexp(-2勋}+{opTsexp(-鼢+丁c(1-x)【1-exp(一so)】Ii+rs弗xp(- 釉¨】[131 其中：，。为大气的上行辐射，，d为大气在冠层顶部的下行辐射，Sa为大气的 光学厚度，下标p表示的是极化方式，，。为植被的温度，s。为植被的光学厚度 因子，rS，=卜酊，为土壤表面的反射率：7．s是地表的有效物理温度，它是指 电磁波能够穿透的深度范围内的物理温度加权平均的结果：勋为植被的单次散 射反照率。 张钟军孙国清【13l等提出的基于辐射传输理论的植被层模型，使用了一种基 于辐射传输理论的非相干离散模型来研究植被的发射率、传输率．这种方法可以 更加真实地刻画组成植被的散射个体如叶、茎、枝、树干等对这2个参数的影响。 目前，对于完全及部分植被覆盖地的土壤水分遥感监测主要以作物缺水指数 法为主，也有进行植被影响订正的。一般对于完全植被覆盖，采用作物缺水指数 法即能取得较好效果，而对于部分植被覆盖条件，若用热惯量法和作物缺水指 数法计算均会造成较大误差，微波遥感法虽然在精度上有了提高，但其算法复杂， 适用性不高。 另外，还有其他的一些方法与模型在于旱与土壤水分的监测中有很好的效果． 如王新鹏，WANZHENG—ming【捌等在分析嘘产植被指数、条件植被指数、条件温度 指数和归一化温度指数等的优缺点的基础上提出了条件植被温度指数的干旱监 测模型。 1．2．2土壤粗糙度的影响。 国内外对土壤含水量遥感都进行过大量研究，E-tienneMuller[39】等进一步 提出了土壤湿度与土壤反射率关系的通用公式。但所有这些研究均未对频繁变化 土壤表面结构因素予以充分考虑，故所建立的土壤水分遥感模型在实际应用中通 7 土壤含水量遥感监测 常误差较大，而土壤粗糙度正是制约土壤水分遥感精度的重要因素。尤其在光潜 法中直接影响到计算的结果。 在微波遥感中，由于微波辐射能穿透地表层一定深度，这时要考虑由于垂直 方向上土壤物理特性不均一引起的体散射的影响。一般可以把求粗糙地表发射率 模型分为两大类：半经验模型和基于散射和辐射机理的的物理模型。 黄兴忠，金亚秋【16l等利用主被动遥感数据估算土壤湿度和粗糙度，根据基尔 霍夫近似条件下的随机粗糙面的散射理论和互易性原理，这种方法计算量较大， 所需的成本较大，还不得到广泛的实际应用。 1．2．3风速的影响 风对地表热通量和潜热通量的影响不亚于土壤水分的影响。风速对遥感土 壤水分的影响主要限于土壤浅层，到30cm深度以下时可以不考虑其影响；在研 究中采用一段时间内的平均风速或实时监测的风速代入模型，对实际的应用和 精度有影响，陈怀亮、冯定远【l，J等在用热惯法测土壤含水量时采用问接风速地 形参数法反映了地形对风的影响状况，在一定程度上提高了监测精度，但这种 考虑还只是一种统计意义上考虑，没有物理学意义。 1．2．4传感器性能的改进、具有较高的地面分辩率8州 用于监测土壤水分的传感器，必须要有较高的地面分辨率，同时要有对土 壤水分较为敏感的波段。目前，一些传感器分辨率达不到要求，波谱段较窄， 特别是近红外及热红外波段少，对提取土壤水分信息极为不利：另外，一些传 感器的性能不稳定，对土壤水分的监测也造成了很大的不便。 8 土壤含水量遥感监测 第二章研究区域土壤含水量遥感监测的方法 不同的地物具有不同的光谱特性。土壤的水分以及不同的物理形态都会影 响到土壤的反射光。在植被覆盖地区的地表，遥感传感器所探测得的反射光是 植被层反射光与下层土壤反射光的总合，而土壤水分、粗糙度等因素直接影响 到土壤的反射率。本文在研究粗糙地表下湿润土壤反射率变化的基础上，采用 植被一土壤二向反射模型从植被覆盖区域传感器所探测到的总的反射光中提取 出下层地表的反射光提，通过建立粗糙地表湿润土壤反射率与干燥土壤反射率 的关系，计算出土壤的含水量。 2．1植被覆盖层中入射光的散射 假设植被层中的植被叶在所有波段是期伯体，植被冠层由无数倾角、倾向均 随机分稚的叶子组成，植被层是水平均匀(但在垂直方向上可能是不均匀的)，且是 无限延伸的。 2．1．1植被层的散射 植被覆盖区，传感器所接收到的散射光主要是由植被多次散的散射光与下层 土壤的散射光组成，换算为反射率表示，即图像上每个像元的反射率刷包括植被的 反射率如和植被下的土壤反射率尼，用公式表示为： R=Rp+R (2一1) 只考虑一次散射时，假设植被层高为／7,项层高度为0，如入射光强为1。，那么 进入水平冠层的光强在冠层顶部为：，=，D掣。，进入厚度为z的冠层后，未被叶片 拦截的光强为L^(力，五(力为透过率，由比尔定律知： 小唧卜等】Iex-【￡半z】 Q吃’ 其中：r1(功是高度在Z以上部分冠层的光学厚度，七一为入射方向口s_E的消光 系数，Fl=COS口sA(功：dL／dh为叶面指数密度，即单位面积之上单位厚 度的叶面积． 植被冠层中设高度z到z+dz的水平薄层在口V方向反射并透出冠层的一 9 土壤含水量遥感监测 次散射光【2640i为： 拉=厶警驰耻刖z) 其中： 王、瓦分别为在入射方向与反射方向的透过率，且 T2；exp【一等】|cx，防警z】 n唧【_警1Iexrk警叫 lo--入射光强，∞一单张叶片的一次散射反照率，尸cg，为散射相函数，_j2COS 口，，Ⅳ2=COS口，，k1、觑是冠层在口。，目，方向上的消光系数． 图2一I水平植被冠层一次散射几何关系示意圈 对上式积分可得到植被整个冠层对入射光的一次散射光凰 E_，0鸶竽f驰)列州州z)(2-3) 则植被冠层一次散射率⋯1： 旭廊慵】一“gIp：一篆罴fz(z冯㈨∞ (2_4) 当叶倾角为随机口匀匀J分布时，消光系数有 毛：七：：三 J『 实验表明，当入射天顶角不是很大时，叶片的正面反射率、背面反射率和透射率 在可见光波段反射率均很低，而在红外波段很接近【41~42’26l并接近朗伯反射。假 设叶子表面为朗伯体，且其正、反面的反射率和透射率相等，叶子的方向为均匀 分布，则有： 詈一警一旦2 以f矽：L／h(2-5)4托4冗 。1、‘，一 10 土壤含水量遥感监铡 其中n为叶子上面的反射率，工为叶面积指数。令且2一蜀； 由式(2-2)知： 所以植被冠层一次散射率 能亦‰气刚El：。糍卜曙噎’】 ∽e， 2．1．2植被层的透射 到达地面的入射光是透过植被层或直接到达地面的透射光与在土壤与接近 地面的植被层之阃的多次反射的光之和，即： 在植被覆盖区域，植被层的透射率T，由式(2—4)(2—5)知： ～xp卜警】|cxpK】 ∽t， 其中：rO)一消光截面，Ⅳ=cos0，0一入射角，￡一叶面积指数，k～消 光系数． 在高度为H的植被层高度为z植被层的散射率： 互=“r(h一2妒(2)打(z)；RILe“ (2—8) 到达地面的入射光经土壤反射，遇到植被层的反射又回到土壤，此过程反复 进行，经积分换算得向上透射出冠层的土壤反射光为：，，．：：：：!：：!：：!：肇。，，。。。，，，。。。，【i靠】 ‘z一。) 由式(2—9)植被覆盖区反射率可表示㈨为： 一一ii黠【t—e一【}+昔】‘】+r，c—t，r，t一。，li：iij；；i而】‘2—1。’ 土壤含水量遥感监测 其中B为植被下层土壤的反射率，即干燥土壤受到土壤水分，粗糙度等影响． 2．2像元信息分解模型 在混合像元信息分解的基础上，邓孺孺和田国良提出了像元信息分解模型 【捌，像元信息分解模型认为这些基本组分在空间上是可以相互重叠的，如土壤 与水分，空间上是重合的。因而各个组分所占面积之和不一定等于像元面积。 像元信息分解模型可以反映各种纯像元(即端元组分的光谱变异)，因而比混合 像元信息分解法具有更高的精度。 卫星传感器接收并 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 的地面光谱能力的DN值是基本地物光谱的线性组 合。像元信息分解模型可以表示为像元反射率是其内部各组分反射率及其含量 的函数，即：足。一F(墨，a，，e,2，口：，．．⋯．，R，巴) 其中j=l，⋯⋯，n为端元序号，R。为遥感数据的反射率，R。为各组分端元的反 射率，a为面积比例。 将遥感数据代入可得到方程： fRs口r1=R11盘1+j之1口2⋯⋯+Rnlan+el j如f22墨2口l+恐2口2⋯⋯+R2％+e2(2一11) r— Ij乙f．，l=jk口l+R2na2⋯⋯+R。a。+en 对于模型的反演过程即是对以上方程求解的过程，对于考虑11种组分的模 型则需要有n个波段的遥感数据根据公式(2一11)建立起由相同数量方程组成 的方程组。 2．3叶面积指数 叶面积指数(LAI)是陆面过程中的一个十分重要的结构参数，是表征植被 冠层结构最基本的参量之一，它控制着植被的许多生物、物理过程，如光合、呼 吸、蒸腾、碳循环和降水截获等【27’331。 目前叶面积指数定量遥感研究叶面积指数的方法主要有两种D31： l、统计模型法。统计分析法是以LAI为因变量，以光谱数据或其变换形式(例 如植被指数)作为自变量建立的估算模型，即删，=，6一。其中，X为光 谱反射率或植被指数。形式简洁，对输入数据要求不高，而且计算也简单易行 12 土壤含水量遥感监测 因而在很长一段时间内都是LAI遥感定量估算的主要方法。但是对于不同 的区域其函数形式与函数系数都不确定，广泛适用性还不强。 2、光学模型反演法。光学模型就是基于植被的BRDF，它是建立在辐射传输模 型基础上的一种模型，具有相当强的物理基础，不依赖于植被的具体类型或 背景环境的变化，因而具有普适性。由于目前计算能力的局限和模型本身的 复杂性，模型反演非常耗时，对于大区域的遥感图像处理尤其不利。 上述两种方法各有其局限性，已有学者将两种方法结合起来提高研究效果。 如于Qi等嘲在Arizona东南半干旱区等地结合BRDF模型反演和植被指数统 计分析较好地估算了大尺度的LAt，据此，提出了一种简单的LAI估算方法，该 方法不要求对研究区域十分了解，而且地面观测数据也不要求很多。另外，还有 通过植被指数、垂直植被指数推算叶面积指数121、221等其他新的方法出现，张仁 华等【23】采用“底视法”测量升面积指数具有很好的效果。 在本次对植被层散射与植被层的透射的研究分析中可以看出，在土壤上面的 植被层中的植被叶在所有波段是朗伯体，植被冠层由无数倾角、倾向均随机分布 的叶子组成，植被层是水平均匀(但在垂直方向上可能是不均匀的)，且是无限延伸 的。在植被覆盖区域，由2—5式知，叶面积指数： L。一旦kr k 在植被覆盖地区入射光的透过率丁，可表示为：T=I一植被覆盖度．通过像元 信息分解模型可以求解出像元中植被所占的比例，由式(2—9)、(2—10)得： ￡。一旦lnr；一．丝lnfl-a) ’ vkk 由上式可以建立起植被叶面积指数与植被盖度的关系，而且此种方法具有 较强的物理基础和一定的适用性。 2．4粗糙地表下湿润土壤反射率 土壤在可见光—近红外波段，其光谱主要为反射光谱。水体对大部分波段的 透过率比较大，反射和吸收比较小。土壤中的水分在湿度小于土壤田问持水量的 情况下，是以附着水的方式分布于土壤颗粒间隙中。入射光在射入颗粒表面和从 颗粒表面反射出来时要受到水分层吸收和散射的衰减。由于含量有限，水分对入 射光的影响主要是吸收，散射和反射可以忽略。当含水量达到和超过土壤田问持 土壤含水量遥感监测 水量时，水分在颗粒表面形成薄膜，才需考虑水膜镜面反射的影响。 对于平整的地表，当其含水量小于田问饱和湿度时(如图2一la)，当光线入射 到土壤颗粒间时，与土壤中的水分颗粒发生多次的散射作用．经研究表明经研究 表明在平整土壤当湿度明显小于田间持水量时，湿润土壤反射率服从比尔(Beer) 定律。“，可表示为： R=&oe。”‰ (2—12) 其中冠一含水土壤反射率，凰一干土壤反射率，‰一土壤含水量，a。一 土壤水分吸收系数。 ∑幺 丛 图2-3土壤表面入射光散射几何示意图 而实际上土壤表面结构是不断变化的，如不同季节的农作，表层植被的生长 与枯萎等都造成了土壤表面的变化，这些都会在一定程度上引起土壤表面结构的 变化，造成土壤表面具有不可忽略的粗糙度。而粗糙表面(如图3-3b所示)入射角 小于坡倾角时，在坡的阴面就没有入射能量，但是在入射光的散射光在坡面发生 二向散射，因此在从土壤表面反射光也包括二向或多次的散射光，Cruse等【24、431 认为，入射光射到粗糙土壤表面后经历了散射过程，落入相邻土颗粒或土块顶点 之间的能量被二向反射，使总的反射能量降低，降低程度取决于土壤粗糙度。经研 究表明，土壤粗糙度影响反照率的根本原因是其粗糙表面的微小坡面的倾斜使 部分反射光发生多次散射，导致被吸收的入射光的比例增大，微小坡面的倾角越 大，发生多次散射的入射光比例越大，反射率越低。根据此情况建模可以有效消除 土壤表面粗糙度的影响。 对于土壤粗糙度的研究，已经提出了许多的模型，如Deer和Cierniewski[24’删 等提出各自的几何模型，用一定形状几何体的集合在坡面上的排列来表示地表面 并假设土壤反射率与土颗粒的阴影高度相关。这种假设是正确的，但是，正如 14 ：_{二壤含水量遥感监测 Escadafal{24t39】指出，反射率的减少并不像反射率取决于阴影总量的模型预测的 那样迅速。另一类模型从辐射传输理论来对多次散射进行定量描述124-4鄂，这类模 型较为复杂，且参数没有明确的物理意义。 粗糙度对反射光的定量影响的研究，已经建立起许多的模型与方法，如邓孺 孺、田国良等【24l依据地表反射的物理过程，得出了粗糙度因子的计算公式。黄兴 忠，金亚秋115】等利用主被动遥感数据估算土壤湿度和粗糙度，根据基尔霍夫近似 条件下韵随机粗糙面的散射理论和互易性原理，计算出土壤的温度与粗糙度，这 种方法计算量较大，所需的成本较大，还不得到广泛的实际应用． 在本次研究中，在计算土壤含水量与土壤反射率时，为了表示在土壤光谱中 程糙度的影响引入粗糙度因子s，故在考虑粗糙度的湿润土壤的反射率可表示 为： 毽拳驭沪”一” ’(2_13) 粗糙地表在微观上认为是一定形状几何体的集合，当入射光照射时产生阴 影的概率取决于几何体的坡向与坡度，由于在其坡向与坡度可认为是在均匀分 布豹，故和平整的地表相比，总会在微观上产生阴影，无论是阴影的本影与落影 的多少，总会使她表的反射率降低，故O 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的反射率。 21 土壤含水量遥感监测 3．2．4几何校正 遥感图像在获取的过程中由于传感器等其他原因引起各种几何位置畸变 (像元位移)，所以要对其进行几何校正。 几何校正包括几何精校正和几何粗校正，几何粗校正主要是校正系统误差 即校正对传感系统配制和地球自转等造成的失真的校正，其校正过程是将传感 器的校准数据、传感器位置和卫星姿态等测量值代入理论校正公式进行几何畸 变校正，已由卫星数据接收单位作好。数字图像的几何精校正实质上是把像元 的图像坐标按一定精度要求变换到地形图的地理坐标系中，然后再用恰当的抽 样方法对像元重新作亮度赋值重采样。 本次几何校正主要在赋予建理参照后，利用已知点作为控制点(GCP)，在 图像处理软件PCIGcomaticav8．2支持下，运用多项式纠正法，对图像进行几 何校正，其校正后可得到研究区域RGB假彩色合成图(附图一)。 3．3叶面积指数的计算： 为了求解出植被的叶面积指数，首先根据像元信息分解得出植被的盖度， 然后由植被盖度得出植被度透过率，进而求得植被叶面积指数。 、 3．3．1植被盖度 根据像元信息分解模型，在研究区域，地物的组成成分主要包括：水体。植被， 土壤和水泥地(建筑物)等四种基本地物，由像元信息分解模型，像元反射率可表 示为四种地物的函数： R-a，R。+口，足，+口。JR，+口。Jkf+e 将遥感不同波段数据代入可得到如下所示的方程组 fRmfl；Rllal+R21a2。·⋯。+R1an+eI j％矿912口1+R2za2⋯一+％2％+e2(3_12) r— lj乙f。=j乙a1+—R2。口2⋯⋯+心。口。+e。 根据方程求解中n个求知数需要13个方程的方程组求解，选取4个波段数 据代入解方程。喇卫星数据有7个波段，考虑到TM6波段的数据对城市地物类 型的研究贡献不大，所以，在处理时我们未加考虑。为了选择含所需信息最丰 土壤含水量遥感监测 富的波段组成最佳合成来进行各种处理和研究，我们对TM影像其他波段的进行 了如下分析： TMl：(O．45一O．52um)属蓝光波段。该波段由于受大气散射的影响，影像 上所表现出来的各种地物反射率的差异不显著，因此，影像的反差小，比较模 糊，且水陆界限不明显，而且城市内部结构也没有得到很好的反映。且湖水与 山体的颜色无法区分。但是该波段对水的穿透能力较强，对叶绿素反映敏感； 对区分干燥的土壤和茂密的植物也有较好的效果。 TM2：(O．52--0．60um)属绿光波段。由于该波段和TMl一样，大气散射的 影响也较大，反差仍然比较小，但已较TM!有所提高，山体内部的差异可分辩， 阴影的影响有所反映，但仍然不明显。山体与湖水的色调差异仍不明显。但是 对水的穿透能力较强，对植被的反射敏感，植被在该波段有-4,的反射峰，植 被信息较TMl丰富。 TM3：(O．63—0．69um)属红光波段。该波段受大气散射的影响较小，是综 合信息量最丰富的一个波段。TM3处于植被的强吸收带，反差比较显著，建成 区的密集程度及其内部结构有所反映，主要街道依稀可辨。山体阴影比较明显， 水体对其呈低反射。土壤则为强反射。 TM4：(O．76—0．90um)属短波近红外波段。由于波长的增加，大气散射影 响减小，因此该波段的影像与前三个波段大不相同。在该波段的影像上所表现 出的各类地物的光谱反射率差异显著。由于水体在该波段的反射几乎为零，呈 黑色，因此，水陆界限十分明显，因而有利于水陆分离。城市内部结构的反映 较为明显，主要街道清晰可辨，山体呈灰白色，内部差异不明显，阴影的影响 依然存在。植被由于叶肉细胞壁的双重反射作用，反射曲线为一极强的反射峰， 有异常强的反射率，茂密的植物在该波段呈浅色。 TM5：(1．55—1．75um)属近红外波段的长波部分。与TM4很相似，但反差 比TM4更为明显，城市内部结构的差异非常显著。对白云山山体的内部结构差 异反映很明显。但阴影的影响依然存在。土壤具有很强的反射率，水强吸收， 是反映裸土情况和土壤含水性、水陆边界的较佳波段。【明 土壤含水量遥感监测 图3-6地物反射光谱图 图3-6为植被、土壤、水体和水泥地四种地物在TM各波段的光谱图，由图 中可以看出水泥地的反射率明显大于其他三种地物，TM4、TM5位于植被的反射 蜂，水体的强吸收带，地物之间差异明显，TM2、TM3位于水体的反射带与植被的 吸收带附近，各种地物的反射率都较低，在TMl中各种地物的差异不明显，由于 此方程中需4个波段值，由以上分析选取TM2、TM3、TM4、TM5波段。 表3-6自然地物基本组分反射率(％) TM波段 植被 土壤 水泥地 水体 1 1．48 8．03 37．00 3．50 2 2．62 12．35 42．00 4．46 3 l'6l 16．19 45．OO 2．11 4 35．29 21．41 47．00 O．28 5 7．58 29．35 55．00 O．00 在实际运算中可将差值e忽略，由表3-3中各自然地物的基本组分反射率 代入式f3-11)nffJ组成如下方程组。 2．62av+12．35as+42ac十4．46aw 1．61av+16．19as+45ac+2·118”(3-12、 35．29av+21．41as+47ac+0．28aw 7．58av+29．53as+55ac 解方程组可得四种地物的基本组分比例式 十壤含水量遥感监测 8v3—0．0110R5+0·0312R4—0·0309R3+0．0127R2 as20．1602R5’0-0315R4一O·2952R3+0．1417R2(3—13) a。；一13．918185R5—0．093414R4+33．41655R3+0．539714R2 a。；0,0182R5+0．0125R4+O．1618+R3-0．0773R2 根据像元信息分解的原理，各个组分在空间上是可以相互重叠的，如土壤 与水分，空间上是重合的。因而各个组分所占面积之和不一定等于像元面积， 所以各组分的面积比例之和不一定等于l。因而，需要对这些面积比例进行归 一化处理，归一化处理公式是： 吼·。——j生一a-+aj+口Ⅳ+口c 其中：a，’一归一化处理前的地物盖度，口，、q、a，、a。为归一化处理后植被、 土壤、水分、水泥地的面积比。在部分水体裸土区域出现负值，一部分由于水 体或土壤中其他物质的存在，其值小于0但在此研究中，主要是得到植被的盖度 故其负值可忽略，但为了以后的计算方便，将其值做归0处理。 (a)植被 土壤含水量遥感监测 (b)水体 (c)水泥地 土壤含水量遥感监测 (d)土壤 图3-7地物覆盖图 3．3．2植被盖度转化为叶面积指数： 在土壤上层的植被在所有波段是朗伯体，植被冠层由无数倾角、倾向均随机 分布的叶子组成，植被层是水平均匀(但在垂直方向上可能是不均匀的)，且是无限 延伸的。在植被覆盖区域，由2-5式知，叶面积指数： L。．．／“lnT k 在植被覆盖地区入射光的透过率丁，可表示为：T=I-植被覆盖度．通过像元 信息分解模型可以求解出像元中植被所占的比例即植被盖度，由式(2-9)、 (2-1