基于热红外辐射特征的土壤水分含量估算模型实验研究

摘要

土壤含水量是水文学、气象学以及农业科学研究领域的一个重要参数，而区域性土壤含水量监测是农田水资源管理以及农作物旱情监测的一项重要内容，也是陆面过程研究必不可少的一个参量。传统的方法难以大范围的揭示土壤含水量的空间分异特征。遥感技术的出现为实现大范围地区土壤水分含量的实时或准实时动态监测提供了可能性。目前，利用热红外遥感监测土壤水分的方法都是基于温度与土壤含水量之间关系建立统计模型，而对发射率与土壤含水量的关系的研究还非常少。 本论文通过仿自然态土样的制备，发射率光谱以及土壤水分含量的定期监测，对获得的不同水分含量的土壤热红外发射率光谱数据比较分析，阐述了不同土壤水分含量的热红外发射率光谱特征并通过水分诊断指数建立相应估算模型；模拟ASTER热红外通道数据，阐述其光谱特征并利用模拟的ASTER通道数据建立了土壤水分含量估算模型。研究结果表明： 1、室内实测土壤发射率光谱特征为：8～9.5μm随土壤含水量的增加，土壤热红外发射率也有不同程度的增加，光谱曲线之间相对平行；土壤水分含量的增加使得发射率光谱曲线在8～9.5μm变得平直，reststrahlen吸收特征相对减弱。在9.5～11μm土壤热红外发射率大致呈单调递增趋势，但与土壤含水量的变化无明显相对应的关系。在11～14μm随土壤含水量的增加，土壤热红外发射率有不同程度的减小，而且在12.7μm附近存在一个吸收谷，其吸收的深度大致随土壤水分的增加而增加。该吸收谷有可能是土壤水分的吸收而产生。 2、通过对发射率光谱数据的微分、差分以及标准化比值处理变换，运用统计单相关分析方法确定了诊断土壤水分含量的敏感波段为8.237μm，对敏感范围8.194～8.279μm输出均值进行标准化比值处理作为自变量，提出水分诊断指数的概念，建立了土壤水分含量和水分诊断指数的对数统计模型。 3、模拟ASTER热红外通道B10～B14的数据，模拟结果表明B10、B11和B12表现为谷-峰-谷的特征，B10和B12分别对应了reststrahlen不对称双吸收谷，其特征较明显。 4、通过各个波段数据与土壤水分含量的相关性分析，结果表明ASTER的B10～B12波段与土壤水分含量均存在正相关关系，就单个波段而言其中B10波段与土壤水分含量最为敏感；而ASTER的B14波段与土壤水分含量存在负相关关系。水分诊断指数B10/B14减弱了背景信息、土壤粗糙度、传感器与光源几何位置等乘性因子的影响，与土壤水分含量更为敏感。通过统计建模，建立了土壤水分含量和土壤水分诊断指数B10/B14的对数统计模型。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1研究目的与意义

1.2土壤水分含量遥感监测国内外研究进展

1.2.1可见光-近红外遥感方法监测土壤水分含量国外研究进展

1.2.2微波遥感方法监测土壤水分含量国内外研究进展

1.2.3热红外遥感方法监测土壤水分含量国内外研究进展

1.2.4存在的问题与不足

1.3研究内容与技术路线和实验方案

1.3.1研究目标

1.3.2研究内容

1.33研究的技术线路

1.4论文框架

第2章土壤热红外发射率光谱的测量

2.1热辐射定律

2.1.1基尔霍夫(Kirchhoff)定律

2.1.2普朗克公式

2.2热红外发射率光谱测量原理

2.2.1仪器函数

2.2.2辐射出射度测量校正

2.2.3沉降流辐射校正

2.2.4拟合样品温度

2.2.5发射率计算

2.3 小结

第3章研究区与数据源

3.1研究区概况

3.1.1自然与社会经济状况

3.1.2土壤分布状况

3.2数据源

3.2.1土样制备

3.2.2数据获取

3.2.3数据的预处理

第4章土壤热红外发射率光谱特征及其估算模型

4.1土壤热红外发射率光谱总体特征

4.2土壤水分含量对发射率光谱的影响

4.3土壤水分含量估算模型

4.3.1水分诊断指数的确定

4.3.2水分诊断模型的建立

4.3.3模型分析与精度验证

4.4模拟ASTER数据及其估算模型建立

4.4.1 ASTER数据简介

4.4.2 ASTER数据模拟及光谱特征

4.4.3模型分析与精度验证

第5章结论与展望

5.1主要成果与结论

5.2存在的问题与不足

5.3展望

参考考献

致谢