土壤含水量的时空分布与变化情况对土壤温度变化、陆地—大气间热量平衡以及陆面大气环流产生显著的影响,因此,对大范围内土壤含水量进行实时动态监测,获得某段时间内土壤含水量的连续变化情况具有重要的意义。研究目的是借助高光谱遥感手段,通过构建不同质量含水量的土壤反射率光谱模拟模型,深入了解土壤质量含水量与土壤反射率光谱之间的关系,为监测土壤含水量提供有效手段。利用ASD Field Spectral FR野外光谱仪和加水称重法获得北京市8个采样点的土壤样品不同质量含水量下的土壤反射率光谱实测数据,利用其中2个土壤样品不同质量含水量下的光谱数据构建含水土壤反射率光谱模拟模型,并利用未参与建模的另外6个土壤样品数据对该模型的模拟效果进行了检验。通过数据验证发现,当土壤质量含水量小于田间持水量时,该模型的模拟精度较高;而且对于不同的土壤样品,模型的模拟效果都比较好。最后又利用北京大学校园内三个采样点的实地测量光谱数据对模型进行了验证,光谱的模拟值与实测值之间的均方根误差最小可达0.005 8。因此该模型可实现对质量含水量小于田间持水量的不同类型土壤的反射率光谱进行较高精度的模拟。
地表温度(Ts)是土壤湿度和植被生长状态等因素的综合反映,利用植被指数和Ts能够监测土壤湿度的时空分布特征。利用农田气候模型CUPID的Ts模拟结果,发展了利用温度与叶面积指数(LAI)的新型土壤水分反演方法(advanced temperature vegetation dryness index,ATVDI)。前人研究表明归一化植被指数(NDVI)容易达到饱和状态,因此利用LAI代替NDVI开展土壤水分反演。利用CUPID模型模拟结果构建LAI-Ts散点图,分析Ts随LAI与土壤湿度的变化特征,利用对数关系式改进了温度植被干旱指数(TVDI)中相同土壤湿度时Ts与植被指数之间的线性关系,建立了ATVDI方法。在实际应用中,首先利用LAI与Ts的散点图确定对数曲线的上边界与下边界,然后采用查找表的方法将每个像元对应的Ts变换为研究区最小叶面积指数对应的Ts。以陕西省关中作为研究区,利用MODIS的LAI和Ts产品(MOD11A2和MOD15A2)以及野外观测土壤湿度数据对ATVDI模型进行验证,结果表明该方法具有较高的监测精度,R2达到0.62。此外,ATVDI的计算结果具有一定的物理意义,使得不同时期的监测结果具有一致性,因而可更好地满足不同空间尺度土壤湿度的动态监测。
