共查询到20条相似文献，搜索用时 31 毫秒
1.
土壤湿度的遥感监测在农牧业生产中发挥着重要作用。基于Landsat TM影像,利用研究区不同深度的土壤湿度实测数据,对两种可以反映地表湿度的指标归一化差异湿度指数(Normalized Difference Moisture Index,NDMI)和缨帽变换的湿度分量(Tasseled Cap Wetness,TCW)在西藏低植被覆盖区土壤湿度的监测结果进行精度验证与对比分析。结果表明:在0~5 cm、10 cm和20 cm深度处,NDMI与土壤湿度实测值回归方程的回归系数分别为0.6181、0.6853、0.5764,TCW与土壤湿度实测值回归方程的回归系数分别为0.4586、0.5101、0.5628。此外,NDMI、TCW与实测值的变化趋势一致,但NDMI对土壤湿度变化更加敏感。通过对比NDMI与TCW反演结果的空间分布情况也表明,NDMI对土壤湿度的变化具有更好的区分能力,尤其是在高海拔的低植被覆盖区。该研究可为高原低植被覆盖区土壤湿度监测方法的选择与误差分析提供参考依据。 相似文献
2.
分析森林土壤湿度时空变异规律,研究植被蒸腾、林地蒸散和气象因子对土壤湿度的影响,对干旱地区的植被恢复、林水协调管理和植被生态水文功能提升都有重要意义。在宁夏六盘山北侧半干旱的叠叠沟小流域,建立了华北落叶松人工林标准样地,利用气象站、热扩散探针、微型蒸渗仪、时域反射仪等设备,同步监测了2013年7—10月的气象条件、林木蒸腾、林地蒸散、土壤湿度的动态变化,并分层(0—20,20—40,40—60,60—80cm)探讨了土壤湿度的主要影响因子。结果表明:(1)受随机降雨事件影响,土壤湿度呈现相应的脉冲性变化;整体而言,表层(0—20cm)土壤湿度(32.69%)较低,以下各层较高(40.00%左右);土壤湿度的变异程度随土层加深和降雨增大而逐渐减弱。(2)影响土壤湿度的主要气象因子为温度、饱和水汽压差和气压;林木蒸腾和林地蒸散与整个研究期间主根系层(0—60cm)土壤湿度的相关性显著。(3)土壤湿度与各因子的相关系数随土层加深而变小,在主根系层明显,在以下土层(60—80cm)不明显。综上可知,森林土壤湿度同时受降水输入和蒸散输出影响,各土层湿度的时间变化规律相似;但表层土壤的湿度低、变幅大,土壤湿度对影响因子的响应敏感性和变幅随土层加深而逐步缩小。 相似文献
3.
阐述了用烘干称重法测量土壤湿度时，使用微波炉快速干燥土壤的适用容器材料和正确的操作方法。并比较了使用微波炉和电烘箱干燥几类土壤所测得的湿度和化学成份。 相似文献
4.
基于双传感器数据融合的土壤湿度测量与建模 总被引：4，自引：3，他引：1
为了克服TDR-3土壤湿度传感器所测量的土壤湿度数据受土壤硬度的影响,得到客观的水分/土壤的质量百分比,设计并制作基于TDR-3土壤湿度传感器和土壤硬度计的土壤湿度测量装置。装置标定时,通过逆向烘干法精确计算水分与土壤的质量百分比,进行土壤湿度(c)、土壤硬度(ψ)和TDR-3传感器输出电压(U)三因素正交试验,用Matlab软件进行二元曲线拟合,构建三者间的数学关系。试验表明,融合TDR-3传感器的输出电压和土壤硬度计的硬度数据后,装置可直接测量出土壤水分的质量百分比,与理论含水率的最大误差为4.75%。相对于单纯使用TDR-3土壤湿度传感器测量土壤湿度,装置的测量精度显著提高。对同一土样测量的最大重复性误差为0.83%,模型具有一定的可靠性与鲁棒性。该文可为开发更加精确的土壤湿度传感器提供参考。 相似文献
5.
同化遥感监测数据提高土壤剖面湿度模拟精度,对区域农业发展等实践与理论领域具有重要意义。该文结合了集合卡尔曼滤波(ensemble Kalman filter,EnKF)方法与HYDRUS-1D模型,同化降尺度后的AMSR2(advanced microwave scanningradiometer2)微波土壤湿度数据,开展榆社、荫城2个实验站点的土壤剖面湿度模拟。结果表明:在2个实验站点,与直接使用HYDRUS-1D模型相比,同化具有一定误差的AMSR2土壤湿度数据对不同深度土壤湿度的模拟精度提高都发挥了作用,尤其是对于同化前模拟方案S1(4月1日站点实测含水量)与S4(4月1日遥感含水量),由于HYDRUS-1D模拟时输入了较少数量的土壤湿度数据,数据同化效果与土壤湿度模拟精度提高更为显著;同化前后不同深度的土壤湿度精度对比结果表明,同化效果随深度增加而逐渐减弱。 相似文献
6.
7.
基于双时相ASAR影像的土壤湿度反演研究 总被引：2，自引：1，他引：1
地表粗糙度和湿度是影响裸地后向散射系数的重要因素,为了探求ENVISAT-ASAR 数据监测土壤湿度在国内的应用,该文以ASAR影像数据为基础,利用ZSribi-Dechambre(2002)经验模型研究了中国科学院南皮农业生态试验站附近一裸地的表面粗糙度和地表湿度.对雷达入射角进行归一化处理使之满足模型需求,反演结果表明该区地表粗糙度主要分布0.05～0.50 cm之间,土壤体积含水率大多分布存10%～34%之间,局部区域由于一些积水沟渠,使得土壤体积含水率较高,这与调查的实际情况相符合.反演的土壤湿度用地面实测值验证,结果发现模拟值和实测值具有较好的一致性,其RMSE误差为3.7%.该文介绍了在没有地表先验知识的情况下,利用扣除掉土壤粗糙度影响的后向散射反演模型获取土壤湿度的方法.该法仅需要两景相邻近时相并且不同入射角的HH同极化雷达影像,根据其后向散射系数的差值△"'即σ°可估算出粗糙度和土壤湿度参数,从而方便快捷地监测局部区域的土壤湿度状况. 相似文献
8.
陕北黄土丘陵沟壑区旱地土壤水分动态 总被引：11，自引：0，他引：11
陕北黄土丘陵沟壑区早地土壤水分动态具有如下特征:(1)土壤入渗快、蒸发快。雨季时土壤湿度迅速增高,雨季过后土壤湿度骤降;即使在丰水年,到11月底时,雨季降水已基本损失殆尽。土壤在经过四个阶段的循环后,开春时其湿度仍保持在田间稳定湿度左右。(2)降水和蒸发同步。降水量最大的时段,正是蒸发强度最大的时段。(3)土壤蒸发时,水分整体移动性较强,在旱季0～2m土层上下层之间土壤湿度无明显差异,土壤湿度剖面比较均一。(4)作物耗水绝大部分或全部来自生育期降水,土壤对生育期内降水起调节和再分配作用。 相似文献
9.
为了探讨现代土壤墒情监测手段在业务监测实践中的应用方法,利用中国气象科学研究院固城生态与农业气象试验基地的业务和试验资料,对灌溉农田土壤湿度的时间变化特征和空间关系进行了分析。结果表明,灌溉农田的土壤湿度呈一年的周期性变化;浅层(0-50cm)土壤湿度时空波动显著,且各层的变化存在不一致性,60cm以下土层湿度时空变化很小,0-50cm土层的平均土壤湿度能较好地反映0-200cm土层的土壤水分状况,对土壤湿度的监测应集中在浅层50cm内,并需要逐层测量;浅层土壤湿度变异明显,大田中两点各层土壤湿度的相关性一般随两点距离增加而减小,单个测点的土壤湿度测值的代表性差,因此在自动土壤水分仪器布点时,要获得地段的平均土壤湿度信息,必须设置多个观测重复;表层5cm的土壤湿度变化剧烈而迅速,不能正确反映作物根系主要分布层的土壤水分状况,而表层10cm的土壤湿度与作物根系主要分布层的土壤湿度具有很好的联动性,可以较好地反映作物生长的环境土壤水分状况,因此,在应用微波遥感监测土壤墒情时,其对地表的探测深度需要达到10cm以上才能获得关于作物根系主要分布层的土壤水分状况信息,相应地,在土壤墒情微波遥感监测中,需要采用5GHz以下的频率。 相似文献
10.
11.
原状水稻土土壤湿度高光谱特征及反演模型 总被引：1，自引：0，他引：1
《土壤通报》2017,(1):32-38
室内高光谱遥感定量反演土壤湿度的相关研究,可以为利用星载或机载遥感数据源进行大尺度土壤水分监测提供理论基础;原状土土样相较于当前广泛使用的研磨土土样,能更好地保持土壤的原始光谱特性和持水性能。为了得到更可靠的土壤湿度光谱特征与更具有适用性的反演模型,利用ASD Field Spec 3光谱仪采集了江苏省金坛市竹林镇的62个原状水稻土土样12套不同湿度梯度的可见光-近红外反射光谱,通过反射率、相对反射率以及水分吸收峰特征参数探究原状湿土光谱特征;在此基础上,选择对土壤湿度变化响应明显的变量,采用偏最小二乘回归反演土壤湿度,并对比选出最佳反演模型。结果表明:(1)随着风干过程中土壤湿度的降低:土壤反射率整体先下降后上升,可见光波段在土壤湿度较低时存在误差;1450 nm和1950 nm吸收峰的位置向短波方向偏移,吸收峰深度、宽度和面积不断减小,2 200 nm处吸收峰右肩高度不断降低。(2)土壤水分吸收峰特征参数对土壤湿度响应明显;反射率和相对反射率与土壤湿度相关性较高的波段均出现在>1300 nm以后。(3)反射率(R)反演原状土湿度精度较低,R2val=0.752,RPD=1.81,经过数学形式和相对反射率(Rr)变换后,[lg(1/Rr)]'建模中R2val=0.820,RPD=1.99;基于水分吸收峰特征参数建立的模型R2val=0.800,RMSEP=62.70 g kg-1,RPD=2.29,最佳主成分数为3,是反演原状土土壤湿度的最佳建模变量。 相似文献
12.
贵州喀斯特区域土壤湿度持续下降时期气象要素对土壤湿度影响研究 总被引：1，自引：0，他引：1
基于贵州喀斯特区域10个自动土壤湿度观测站2011~2015年逐日土壤湿度、降水量、气温、地表温度、相对湿度、风速和日照时数资料,应用统计方法,分析了不同农业气候区土壤湿度持续下降、气温持续上升或下降阶段,气象要素对土壤湿度的影响,结果表明:(1)气象要素对土壤湿度的影响具有一定的滞后性,其滞后时间为10~25日。(2)累计降水、气温、地表温度和相对湿度与土壤湿度相关性均较好,相关系数为0.61~0.96;风速与土壤湿度相关性较差,相关系数为0.38~0.57;辐射与土壤湿度的相关系数仅在气温上升时期0.64。(3)累计降水量越大、气温越低,累计降水滞后时间越长;气温和地表温度越高、累计降水量越少,气温和地表温度滞后时间越长。(4)滞后时间内累计降水小于11.5~70.9 mm(气温持续上升)或20.9~65.0 mm(气温持续下降),降水是影响土壤湿度的主要因子,其它气象要素的变化不能改变土壤湿度的降低趋势。(5)不同农业气候区气象要素与土壤湿度回归模型误差7.50%,相对较小,能反映出气象要素对土壤湿度的影响规律。 相似文献
13.
烘干称重法与TDR法观测土壤湿度的比较研究 总被引：1，自引：0，他引：1
采用烘干法、TDR法(路格L99-TWS-2型)测量法两种方法在凉山会东县姜州镇马许村的烟田,对覆膜和未覆膜两种不同地表模式下的土壤湿度进行测定,比较分析了两种测量方法的效果。研究表明:1)在同一地段、同一气候环境、同一地表覆盖情况下,烘干称重法和TDR法测量所测得土壤湿度变化趋势总体是一致的,其中覆膜状态下两种测量方法所测的土壤含水量之间相关系数为0.905 4,未覆膜状态下两种测量方法所测的土壤含水量之间的相关系数为0.880 3;2)在土壤含水量接近田间持水量时,两种测量方法所测得土壤含水量的相关性最大,其中,覆膜和未覆膜状态下两种方法所测的土壤含水量相关系数分别为0.974、0.927。 相似文献
14.
宇宙射线土壤水分观测系统(COSMOS)是一种测量直径达600 m以上表层土壤平均含水量的新型土壤水分测量仪器。在黄土高原一片草地植被上测试COSMOS仪器测量土壤水分的效果,并与烘干法及Hydra ProbeⅡ土壤湿度传感器测量结果进行比较。结果表明,COSMOS测量结果与烘干法结果一致性好;与Hydra ProbeⅡ点尺度测量结果存在不同时间段的差别,暗示了黄土高原土壤水分空间变异性及其时间变化。COSMOS仪器能够很好地测量黄土高原破碎表面观测范围内表层平均土壤含水量,并为研究土壤含水量的空间变异性提供了潜在工具。 相似文献
15.
使用MODIS数据监测土壤湿度 总被引：24，自引：2，他引：24
土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数,目前使用遥感来监测土壤湿度主要用NOAA/AVHRR数据和微波数据,使用MODIS数据的研究还不多见。本文采用MODIS数据,根据水的吸收率曲线提出使用中红外波段来监测土壤湿度。通过在内蒙古地区的实地调查,回归分析表明MODIS第7波段的反射率与地面湿度之间有较好的线性关系,因此认为使用MODIS数据进行大面积土壤湿度监测是可行的。 相似文献
16.
介绍土壤湿度测量中常用的两种方法，即土壤水吸力传感测量法和中子探测法的对比，以及中子探测过程的标定。 相似文献
17.
《水土保持通报》2020,(2)
[目的]分析黑河流域中游荒漠区沙尘暴、扬沙和浮尘频次和时长的月变化和年变化及其成因,并分析其与主要气候因子的关系,为区域沙尘天气的早期预警和荒漠区的经营和管理提供依据。[方法]利用黑河流域红沙窝荒漠化综合防治试验站的2010—2019年的沙尘天气监测数据和气象数据进行分析。[结果]沙尘频次和时长主要集中在春季,其次是冬季,春冬两季的频次和时长各占全年的82.3%和79.4%。10 a间沙尘暴和扬沙频次总体变化趋势逐渐减少,而浮尘频次总体变化趋势逐年增加;沙尘时长总体变化趋势逐年增加。沙尘频次月变化与土壤湿度(10 cm)和大气湿度之间呈极显著负相关(p0.01),与风速之间呈极显著正相关(p0.01)。春季期间,沙尘暴年际发生频次仅与土壤湿度(10 cm)之间呈极显著负相关(p0.01),扬沙年际发生频次仅与土壤湿度(10 cm)之间呈显著负相关(p0.05),浮尘年际发生频次与土壤温度(5 cm)之间呈显著正相关(p0.05);冬季期间,沙尘暴年际发生频次与土壤温度(5 cm)之间呈显著负相关(p0.05),与土壤湿度(10 cm)和降水量之间呈极显著负相关(p0.01);扬沙年际发生频次与土壤温度(5 cm)之间呈显著负相关(p0.05),与大气温度之间呈极显著负相关(p0.01)。[结论]近10 a来,黑河流域中游荒漠区的沙尘天气主要发生在春季和冬季,破坏性较大的沙尘暴和扬沙逐年减少,而浮尘逐年增加。沙尘频次的月变化主要影响因素是浅层土壤湿度、大气湿度和风速。春季的浅层土壤湿度影响了沙尘暴和扬沙年际频次变化,浅层土壤温度影响了浮尘年际频次变化;冬季的浅层土壤温湿度和降水量影响了沙尘暴的年际频次变化,浅层土壤温度和大气温度影响了扬沙的年际频次变化。 相似文献
18.
19.
新型传感器土壤湿度产品在水分循环、农业管理等领域应用之前,需要评价其在不同区域的反演精度与数据质量。该文针对目前全球空间分辨率最高的AMSR2(advanced microwave scanning radiometer 2)3级微波土壤湿度产品,实现了缺失数据重建及其反演精度评价目的。论文研究引入离散余弦函数表达的惩罚最小二乘回归(discrete cosine transformation-partial least square,DCT-PLS)方法,重建因卫星轨道等原因造成的缺失与异常值,以构建时空分布连续的土壤湿度数据;进而以山西省为例,采用1 km分辨率的MODIS光学波段数据对AMSR2微波产品进行降尺度处理,通过实测土壤湿度、温度植被干旱指数(temperature vegetation dryness index,TVDI)验证评价这2种不同尺度的微波土壤湿度数据质量。结果表明:DCT-PLS方法能够充分利用三维时空信息对缺失数据进行重建,重建后土壤湿度具有较高质量;10、1 km 2种尺度的土壤湿度与实测土壤湿度在空间分布上较为吻合,2个示例日期中降尺度土壤湿度与TVDI之间的相关性提高了0.352、0.4264,能够更为准确地反映土壤湿度空间分布细节;通过实测数据、TVDI指数的校验,降尺度前后的AMSR2土壤湿度数据表现出了较高的质量与可靠性。 相似文献