土壤水分监测与干旱灾害预测.doc

2.1 植物遥感原理植物遥感原理土壤水分(即土壤湿度、土壤含水量)，作为陆面水资源形成、转化、消耗过程研究中的基本多数，是联系地表水与地下水的纽带，也是研究地表能量交换的基本要素，并对气候变化起着非常重要的作用土壤水分的变化能影响其本身的水热过程，使地表参数发生变化，如地表反照率、土埂热容量、地表蒸发和植被生长状况等这就导致地表能量、水分的再分配．并通过改变地表向大气输送的显热、潜热和长波辐射通量，影响到气候变化；气候变化又能引起土壤含水量的变化两者相互作用．其中包涵复杂的反馈过程此外，土壤水分作为陆面生态系统水循环的重要组成，是植物生长发育的基本条件，也是研究植物水分胁迫、进行作物旱情监测的最基本因子土壤水分遥感取决于土壤表面发射或反射的电磁辐射能的测量而土壤水分的电磁辐射强度的变化取决于其反射率、发射率、电介特性、温度等土壤水分特性在不同波段有不同的反应，人们可以依据土壤的物理特性和辐射理论，利用可见光—近红外(VIs—NIR)一热红外(TIR)一微波(Nw)不同波段遥感资料、研究方法以及与环境因素(地貌、植被等)的相关分析，来监测土壤水分其中，可见光—近红外方法主要依赖于地物的反射光谱特性。

由于影响地物光增的因素很多，如表面粗糙度、土壤结构、有机质含量等，因此借助于地物反射光谱差异来估算土埂水分．在精度上受到限制当然、随着高光谱遥感数据的应用，可见光—近红外法估算土壤水分的精度会有所提高1））遥感数据中的土壤含水量信息遥感数据中的土壤含水量信息1, 可见光波段的土壤含水量信息根据地物波谱的测定，在可见光部分干燥土壤的反射光谱比潮温土壤的反射光谱平行抬高一段反射率随着含水量的多寡，抬高的距离大小不同因此，早期遥感研究中有用可见光波段测定土壤含水量的尝试2, 近红外波段的土壤含水量信息近红外波段对水的反映灵敏，水对近红外光完全吸收因此含水量高的土壤在近红外波段上呈暗色调，地物波谱曲线不是平行降低，而是陡坡降低因此早期与可见光波段同时使用推测土壤含水量3, 中红外波段的土壤含水量信息中红外波段对高温反应灵敏，是林火的探测波段反之，土壤十分干燥时温度较高，在中红外遥感影像上有反映也就是说，如果求土壤的干燥度时，用中红外波段效果较好4, 热红外波段的土壤含水量信息热红外波段对常温反映灵敏，土壤温度与湿度关系密切，因此热红外遥感数据中也包含了土壤含水量的信息5, 微波波段上的土壤含水量信息微波波段对水的反映极其灵敏，很薄的水层就可以屏蔽微波辐射。

因此许多国内外的学者都认为微波是探测土壤含水量最佳的波段 （（2）表观热惯量的遥感信息模型）表观热惯量的遥感信息模型物体的热惯量 P 是物体固有的属性，它的表达式为：（4-1）式中 k 为热传导系数，ρ 为密度，γ 为比热容因为热传导系数、密度、比热容对一种物体来说是固定不变的，所以热惯量也是地物的固有属性土壤因为含水量的变化，使得热传导系数、密度、比热容都发生变化，从而使得热惯量变化，这是确定无疑的但从遥感数据不可能直接提取出热惯量，也不可能直接提取热传导系数、密度、比热容可以证明地物在吸收短波太阳辐射后以长波的方式发射，可以形成地温的增高太阳辐射能量减去地物反射的能量后，余下的能量就是使地温增高的能量白昼地物吸收太阳能量而增温；夜间地物发射能量而减温地物昼夜的温差就是地物热惯量的表象例如水体，由于热惯量大，昼夜温差小；岩石热惯量小，昼夜温差大；各种含水量不同的土壤热惯量介于水体与岩石的热惯量之间，热惯量的大小也介于水体与岩石的热惯量之间由此可以证明，遥感波段中可见光与近红外中的全部太阳波谱的能量，减去地物在所有谱段内的反照率能量，就产生昼夜温差的能量我们称其为表观热惯量遥感信息模型 ATI：（4-2）式中 A 为反照率，ΔT 为昼夜温差，k，n 为地理参数。

A可由可见光与近红外所有波段遥感数据之和求出，ΔT 为白昼热红外遥感数据减去夜间热红外遥感数据求出ATI 可以用水体在遥感影像上的数据为最大值，干沙沙漠的数据为最小值，从而求解 k，n撒哈拉沙漠、塔克拉玛干沙漠、澳大利亚沙漠、北美沙漠与它们附近的水体所求解出来的 k，n 是不相同的，因为在上述公式中还有一些地理环境因素没有考虑到，而被包括在其中了由此根据上式可以计算出表观热惯量的影像图（ATI 图）表观热惯量与真实热惯量之间是正变的关系，前者是无量纲的相对值，后者是有量纲、有单位的物理量真实热惯量的单位是J/（m2s1/2K）两者在数值上虽然不相等，但是表达的都是热惯量在遥感技术中，通常采用相对值来表示物理量 （（3）表观土壤含水量遥感信息模型）表观土壤含水量遥感信息模型既然我们用表观热惯量替代了真实热惯量，因此对于土壤含水量，也应该可以用表观土壤含水量来替代真实土壤含水量现在给出表观土壤含水量 ASW 的表达式：（4-3）式中 d 为土壤颗粒粒径，D 为土壤土层厚度，ρs 为土壤的密度，ρ 为水的密度a0，a1，a2，的为地理参数将土壤颗粒粒径、土壤土层厚度、土壤密度内插成影像化的图像，与遥感图像配准。

在影像上或地面上（配准），确定最干燥的土壤、最湿润的土壤以及中等含水量的土壤，作为标准，求出地理参数 a0，a1，a2 由此求出的表观土壤含水量 ASW 也是无量纲的相对值上式的含义是表观土壤含水量是表观热惯量的函数，是相对土壤密度的函数，也是相对土层厚度的函数由于水的密度是 1，所以土壤密度除以水的密度，该因子团成为无量纲相似准则颗粒粒径表示土壤的空隙度，土层厚度表示所测土壤含水量的深度范围，颗粒粒径除以土层厚度表示相对土层厚度，即土层有几倍的粒径厚度，也是无量纲因子团由于世界各地的土壤种类不同，所处地理环境不同，所以 a0，a1，a2 各处是不同的，也是以图像表示的同样地，表观土壤含水量也是虚拟的4）真实土壤含水量与表观土壤含水量）真实土壤含水量与表观土壤含水量真实土壤含水量是在地面上实测的土壤含水量实测土壤含水量在地面上的取样面积只有几平方厘米，遥感是监测不到的即使遥感的地面空间分辨率达到了 1m，那么也需要在地面上 1m2 的范围内实测 6~9 个点的土壤含水量，求其均值，才能与遥感影像数据比较何况遥感监测土壤含水量是大面积范围上的工作，往往用气象卫星的数据，每 1 个像元是 1km2 的面积，地面上实测的土壤含水量根本无法与之比较。

1km2 上需要实测几百个点的土壤含水量，取其均值，还要随机统计方法正确，才能两相比较况且地面上实测的土壤含水量很难做到同步实测某个点的含水量与相邻点的含水量观测时间往往相差几个小时，甚至相差几天，而遥感所计算出来的表观土壤含水量是同一瞬间的，完全同步的土壤含水量本身就是一个无量纲的百分含量（%），遥感数据也是无量纲的灰度，因此容易误认为两者既然都是无量纲的，可以直接进行统计分析其实不然，土壤含水量是真实的物理量数据，而从遥感影像上求出的表观土壤含水量是虚拟的相对数据既然不同，为什么可以用遥感计算出来的表观土壤含水量来替代实测的土壤含水量呢?根据在极少数有可能对比的点上取到的实测土壤含水量资料的研究表明，遥感所计算的表观土壤含水量与实测的土壤含水量成正变关系，即表观土壤含水量大，实测的土壤含水量也大；表观土壤含水量小，实测的土壤含水量也小正因为如此，所以上式是一个通用的表观土壤含水量公式其中没有地形与植被的影响，可以认为该两项因素已经包括在 a0 里面了，这样便于产业部门应用如果把地形因素与植被因素也考虑进去，那么表观土壤含水量的方程要复杂得多，即：（4-4）式中 h 为相对高程，H 为绝对高程，sinα 为坡度，NDVI 植被指数。

干旱是目前世界普遍关心的重大问题，第三世界大多数国家都受到干旱的严重威胁由于环境进一步恶化，科学家们预测近 50 年世界某些地方将进一步干旱我国每年都有干旱发生据不完全统计，我国各种受灾面积中，旱灾占 61%，水灾占 24%，冰雹灾占 9%，霜冻灾占 6%国家每年用于救济干旱灾害的费用达 6.7 亿元人民币为了合理使用水资源，有效地抗旱救灾，必须迅速知道那里受旱，程度如何，而卫星遥感监测是一种有效方法（（1））干旱概念及干旱指标干旱概念及干旱指标①干旱概念通常干旱是指某地团长期没有降水或降水显著偏少造成空气干燥、土壤缺水甚至干涸的现象农作物是否遭到干旱的危害，要看农作物吸收和蒸发水分的平衡是否遭到破坏，它的正常生理活动是否遭到损害因此，从农业生产的角度看，干旱的发生是一个很复杂的过程，它受到多种因素的制约首先是气象因素，除了降水量以外，降水的强度、气温、光照、风速也在一定程度上影响干旱的强度，其次是农业生产本身的特点，这里有农林牧结构、耕作制度、农作物种类、生育时期以及耕作措施等等；除此以外还有某些自然地理条件，如土壤、水文、地形地貌等等；最后是社会经济条件，如灌溉条件、保持土壤水分所需要的物质条件等等。

②干旱指标干旱指标是确定干旱是否发生以及发生干旱严重程度的一种量度由于干旱的原因比较复杂，除了降水量持续偏少外，还与作物对水分的要求，人类补充水分亏缺的能力以及土壤持水、保水等因素有关因此，人们从各个方面来定义干旱，确定干旱的指标世界气象组织根据各国对干旱指标的研究，一共列出 55个指标，这些指标可以概括为以下几个类型：降水；降水与平均温度比；土壤水分和作物参数；气候指标和蒸散量估算；综合指标同时，干旱既然是一种“气候异常”现象，因此即便是同一个国家，不同的气候区域也会有不同的标准中国农业气象学家，在进行干旱分析和预报时，往往使用下述干旱指标：降水量、降水相对变率、土壤水分、降水蒸发比、土壤水分收支差额2）干旱遥感监测原理）干旱遥感监测原理 从“干旱”的定义及其指标的分类中可以看出，干旱没有唯一的标准，可以从各个方面去定义，但都离不开水和植被遥感监测干旱也基于土壤水分和植被状况对于裸地，卫星遥感的重点是土壤含水量，对于有植被覆盖的区域，卫星遥感的重点是植被指数的变化及植被冠层蒸腾状况的变化下面分别简述 ①热惯量法 热惯量法主要用于裸露土壤它是用热红外方法遥感湿度，基于热传导方程：（4-5）其中： ，λ 为热传导度，Ca为和容量，ρ 为土壤密度，Z 为 土壤深度，t 为时间，T 为土壤温度，此热传导方程的边界条件为：（4-6）其中， 为日平均温度，ΔT0为 Ocm 的地表温度日较差，ω 为角频率，解方程后，得到热惯量表达式：（4-7）其中 P 为热惯量，即卫星间接遥感量，ΔT0为每日最高温度和最低温度之差，人为全波段反照率，B 为常数。

通常用统计方法建立土壤水分遥感模型，但目前国内建立的多是线性模型，而幂函数模型比线性模型好，因此它的物理意义与上述公式的数字表达式相一致，试验结果表明拟合精度也比其它函数形式的拟合精度高，幂函数形式为：（4-8）Sw 为土壤水分，a.b 是拟合系数（最小二乘法拟合），P是热惯量②植被指数法植被长势受到许多因素的影响在干旱年份，水对植被长势起关键作用水分亏缺，植被长势不好，叶面积指数下降，叶子内的叶绿素减少，它对太阳的近红外光的反射能力降低，卫星遥感得到的植被指数会明显降低以此来表明干旱程度，就是监测干旱的植被指数法植被在近红外波段有较高的反射率，美国极轨气象卫星NOAA 改进的甚高分辨率辐射仪（AVHRR）第二通道 0.7—1.1μm 正是在近红外波段，它是植被遥感最理想的通道但由于太阳高度、卫星扫描角及大气削弱等诸方面影响，只用第二通道的反照率遥感植被状况误差很大，即使植被生长没有什么变化，两天所得的数值也会相差较大理论和实践证明，用N0AA／AVHRR 第（1）第二通道数据的各种组合得到的植被指数即归一化植被指数（NDVI）比单通道好得多目前世界各国研究全球变化、监测灾害均采用归一化植被指数。

③植被供水指数法热惯量方法只对裸露土壤适用，因为在有植被覆盖情况下，特别是在植被覆盖度很高时，植被改变了土壤的热传导性质，而旱灾。