[01719715]基于遥感技术的白沙灌区土壤墒情监测研究

该项目来源于河南省水利厅科研计划“基于遥感技术的白沙灌区土壤墒情监测研究（项目编号：GG200912）”。成果主要用于灌区土壤墒情的监测、水文预报等领域。土壤墒情是水文学、气象学以及农业科学研究领域中的一个重要指标参数，对气候、农业、旱情监测具有非常重要意义。传统的土壤墒情测量是通过设立测站点进行人工监测，消耗大量的人力、物力、财力，而且获得的测点墒情代表性差，无法反映区域土壤墒情在空间上的变化情况。遥感技术以覆盖范围广、更新时间快、包含信息多等优点成为监测土壤墒情的主要技术之一。项目应用光学遥感数据和微波遥感数据作为遥感数据源，研究不同遥感影像、不同土壤墒情监测方法在不同区域和不同地表覆盖状态的适用性，提高应用遥感技术监测土壤墒情的精度。项目分别利用MODIS和Landsat TM遥感影像及Radarsat-2主动微波雷达遥感影像，对河南省白沙水库灌区土壤墒情监测方法进行研究。项目基于Radarsat-2雷达影像，利用改进积分方程模型（AIEM），分析研究裸露地表L、S和C波段SAR信号在不同雷达系统参数以及不同地表参数情况下的后向散射特征，研究了裸露地表的后向散射变化规律。利用AIEM模型分析设定参数范围内的雷达后向散射特征，研究后向散射系数与土壤湿度和组合粗糙度参数之间的关系，建立四种极化方式（HH、HV、VH、VV）下裸露地表的后向散射模型。利用同极化（HH、VV）和交叉极化（HV、VH）方式的组合，消除地表粗糙度的影响，构建两种双极化雷达数据土壤墒情反演算法。利用Radarsat-2遥感影像数据，使用改进积分方程模型（AIEM）建立四种极化方式（HH、HV、VH、VV）的后向散射系数和土壤介电常数的非线性模型，结合土壤介电常数和土壤墒情之间的关系，提出了用BP人工神经网络计算后向散射系数和土壤墒情的方法，进而实现利用Radarsat2遥感影像四种极化方式数据反演土壤墒情的方法。研究利用MODIS数据，分别采用表观热惯量法和植被供水指数法以及应用Landsat TM数据采用植被供水指数法，对河南省白沙水库灌区土壤墒情进行监测研究，发现表观热惯量法和植被供水指数法单独使用时都不能很好获得灌区混合地表覆盖状态下的土壤墒情；高空间分辨率的TM影像数据相比中等空间分辨率的MODIS影像数据，应用植被供水指数法计算的土壤墒情精度高。研究把MODIS高时间分辨率、多波段与Landsat TM影像高空间分辨率的优点结合，用归一化植被指数（NDVI）划分地表覆盖类型，融合表观热惯量和植被供水指数法，实现了同一区域不同地表覆盖状态的土壤墒情监测,取得满意效果。该项目成果的应用可以快速、准确、大面积获得灌区的土壤墒情状况，实现适时、适量、节水灌溉，节约了水资源，提高了农作物产量，具有显著的经济效益和社会效益。