文秀

摘 要：本文對(duì)土壤含水量的遙感反演的方法進(jìn)行了綜述，包括歸一化植被指數(shù)法、植被供水指數(shù)法、作物缺水指數(shù)法、溫度植被干旱指數(shù)法、表觀熱慣量法、地表含水量指數(shù)法，提出了在土壤含水量的遙感反演方法中存在的一些問(wèn)題，展望了該領(lǐng)域的發(fā)展前景。

關(guān)鍵詞：遙感；土壤含水量；監(jiān)測(cè)

土壤含水量的測(cè)定方法包括烘干稱(chēng)重法、土壤水分傳感器法、射線(xiàn)測(cè)定法、介電特性法、核磁共振法、分離示蹤劑法、遙感法測(cè)定土壤含水量，遙感法為目前較為常用的土壤含水量監(jiān)測(cè)方法。

自然界中的物體自身輻射電磁波的同時(shí)，能夠?qū)ν饨绲碾姶挪óa(chǎn)生吸收、反射和透射作用，絕大數(shù)物體具有這種性質(zhì)。正常狀況下，每種物體對(duì)電磁波的作用有一定的差別，因此可以根據(jù)某種物體對(duì)電磁波作用的特定屬性來(lái)識(shí)別該種物體，并可進(jìn)一步判定物體的狀態(tài)和特性等等。

利用電磁波的這一屬性可以進(jìn)行土壤含水量的遙感監(jiān)測(cè)。常用土壤含水量遙感反演包括以下幾類(lèi)。

在上述多種遙感反演數(shù)據(jù)監(jiān)測(cè)土壤含水量變化的方式中，歸一化植被指數(shù)（NDVI）法在土壤含水量的反演中，優(yōu)勢(shì)是NDVI計(jì)算簡(jiǎn)單且表達(dá)較為直觀，但是由于植被無(wú)法第一時(shí)間反應(yīng)自身水分變化，造成反應(yīng)土壤含水量的變化時(shí)有延遲，因此會(huì)增加誤差[6-8]。同時(shí)也由于此原因，NDVI在植被覆蓋度搞得地區(qū)會(huì)呈現(xiàn)趨于穩(wěn)定的數(shù)值（NDVI恒定的飽和值）[9-10]，因此造成歸一化植被指數(shù)法和植被供水指數(shù)法監(jiān)測(cè)土壤含水量的誤差。作物缺水指數(shù)法，需要加入當(dāng)?shù)氐母黝?lèi)氣象數(shù)據(jù)計(jì)算參數(shù)后換算潛在蒸散量，復(fù)雜的計(jì)算過(guò)程造成無(wú)法實(shí)時(shí)監(jiān)測(cè)土壤含水量。溫度植被干旱指數(shù)法受限于植被覆蓋度高的地區(qū)，裸地過(guò)多的地區(qū)不適用。熱慣量法適用于植被覆蓋度低的地區(qū)，不適用于植被覆蓋度較高的地區(qū)，因此這兩種方法不適用于植被覆蓋度變化幅度較大的研究區(qū)。

土壤含水量遙感反演法可進(jìn)行大范圍實(shí)時(shí)和長(zhǎng)期變化監(jiān)測(cè)，在空間與時(shí)間方面具有得天獨(dú)厚的優(yōu)勢(shì)，克服了實(shí)地測(cè)量方法的不足，但是遙感反演結(jié)果由于各方面的條件限制不可避免存在一定的偏差，未來(lái)需要進(jìn)一步改進(jìn)方法來(lái)實(shí)現(xiàn)更加精準(zhǔn)的監(jiān)測(cè)。

參考文獻(xiàn)

[1]鄧輝，周清波.土壤水分遙感監(jiān)測(cè)方法進(jìn)展[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2004（03）：46-49.

[2]申廣榮，田國(guó)良.基于GIS的黃淮海平原旱災(zāi)遙感監(jiān)測(cè)研究——作物缺水指數(shù)模型的實(shí)現(xiàn)[J].生態(tài)學(xué)報(bào)，2000（02）：224-228.

[3]Inge Sandholt，Kjeld Rasmussen，Jens Andersen.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2）：213-224.

[4]胡猛，馮起，席海洋.遙感技術(shù)監(jiān)測(cè)干旱區(qū)土壤水分研究進(jìn)展[J].土壤通報(bào)，2013，44（05）：1270-1275.

[5]杜曉，王世新，周藝，等.一種新的基于MODIS的地表含水量模型構(gòu)造與驗(yàn)證[J].武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2007，32（3）：205-206

[6]張巧鳳，劉桂香，于紅博等.錫林郭勒草原土壤含水量遙感反演模型及干旱監(jiān)測(cè)[J].草業(yè)學(xué)報(bào)，2017，26（11）：1-11.

[7]Di L，Rundquist DC，Han L.Modeling relationship between NDBI precipitation during growth cycle[J].Iternational Journal of Remote sensing，1994，15（10），2121-2136.

[8]Kogan F N.Remote sensing of weather inpacts on vegetation in non-homogeneous areas [J].Iternational Journal of Remote Sensing，1990，11（8）：1405-1419.

[9]Liu W，F(xiàn)erreira A.Monitoring crop production regions in the Sao Paula State of Brazil using normalized difference vegetation index[C]//Pro.24h.International Symposium on Remote Sensing of Environment，Rio de Janeiro，Brazil，1991，447-455.

[10]Peters A J，Walter-Shea E E，Lei J，etal.Drought monitor-ring.with NDVI-based standardized vegetation index[J].Photogrammetric Engineering and Remote Sensing，2002，65（1）：71-75.