长江流域资源与环境 >> 2014, Vol. 23 >> Issue (05): 632-.doi: 10.11870/cjlyzyyhj201405006

• 自然资源 • 上一篇    下一篇

基于ASAR GM数据时序特征的农田表层土壤水分的反演

胡佩敏, 熊勤学   

  1. (1.湖北省荆州市气象局,湖北 荆州 434020; 2.长江大学长江中游湿地农业教育部工程研究中心,湖北 荆州 434025)
  • 出版日期:2014-05-20

RETRIEVING SURFACE SOIL MOISTURE OVER CROP FIELDS BASED ON TIMESERIES CHARACTERISTICS OF ASAR DATA

HU Peiming1, XIONG Qinxue2   

  1. (1.Jingzhou Meterology Agency, Jingzhou 434020, China; 2.Yangtze University Engineering Research Center of Wetland Agriculture in the Middle Reaches of the Yangtze Rive, Jingzhou 434025, China
  • Online:2014-05-20

摘要:

了解农田表层土壤水分的时空变化对反演涝渍害有着十分重要的意义, 针对ASAR GM数据特点提出了在没有地面观测数据地区农田大尺度土壤水分的反演方法,即运用MODIS NDVI数据(空间分辨率为250 m)的农田作物时序特征提取土地利用现状,并以此来校正ASAR GM数据(空间分辨率为1 km)中的混合像素;利用大面积降水后土壤表层湿度水平差异不大的特点,运用非线性回归模型,获取水云模型中的经验系数,运用水云模型将植被和土壤对后向散射的贡献区分开;在获得一个地方长时间土壤后向散射系数空间分布集后,假设其土壤粗糙度不变的情况下,其后向散射系数与土壤表层湿度成正比,运用其时序特征计算出其土壤表层相对体积含水量。运用上述方法,利用79景ASAR GM数据和同时期的MODIS数据,反演了湖北省四湖地区棉田的土壤表层相对体积含水量的时空分布,将其计算值与观测值比较分析后发现,其变化趋势相同、相关系数(R2=0779,n=25)也很高,圴方根误差为963%,表明上述反演方法还是可行了,适用于大尺度农田土壤墒情的反演

Abstract:

The knowledge of the surface soil moisture content can be very helpful for retrieving the spatialtemporal distribution of waterlogging in agriculture fields. According to the characteristics of ASAR GM data, this paper retrieved surface soil moisture over the cotton fields using 79 ASAR GM images data from 2007-2011 during cotton growing seasons, the auxiliary parameters were calculated using MODIS data, the main methods include the follows: we obtained spatial distribution of landuse classification using crop time series characteristics and MODIS data, corrected the matrix pixels data of  backscattering coefficient  using the landuse classification data, and separated backscattering coefficient influenced by soil and vegetation using the semiempirical watercloud model, the parameters of which were calculated by ASAR GM data under water saturation state using nonlinear statistic mode and the vegetation water content in these methods came from NDVI data calculated from MODIS data, the finally corrected soil  backscattering coefficient was used to calculated soil surface moisture by ASAR GM timeseries data. The advantage of our approach is that no auxiliary data is needed.By comparing the method value and measured data in the cotton field in Sihu area, the results indicated that this method is correct (R2=0779 n=25), the estimation precision reaches 963% in root mean square error

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 聂钠, 于坤香. 我国世界自然遗产地旅游业环境经济核算思路[J]. 长江流域资源与环境, 2009, 18(2): 121 .
[2] 曹银贵,王 静,程 烨,刘爱霞,许 宁,郝 银,饶彩霞. 三峡库区土地利用变化与影响因子分析[J]. 长江流域资源与环境, 2007, 16(6): 748 .
[3] 徐俊杰, 何 青, 刘 红, 陈吉余. 2006年长江特枯径流特征及其原因初探[J]. 长江流域资源与环境, 2008, 17(5): 716 .
[4] 游庆龙. 三江源地区1961~2005年气温极端事件变化[J]. 长江流域资源与环境, 2008, 17(2): 232 .
[5] 吴炳方,罗治敏. 基于遥感信息的流域生态系统健康评价——以大宁河流域为例[J]. 长江流域资源与环境, 2007, 16(1): 102 -106 .
[6] 郝红升,李克锋,李然,赵再兴. 取水口高程对过渡型水库水温分布结构的影响[J]. 长江流域资源与环境, 2007, 16(1): 21 -25 .
[7] 刘承良, 田 颖, 梁 滨,5. 武汉城市圈产业经济的系统性分析[J]. 长江流域资源与环境, 2009, 18(1): 1 .
[8] 伍新木,廖 丹,严 瑾. 制度创新:依托武汉建设长江中游城市群[J]. 长江流域资源与环境, 2004, 13(1): 1 -6 .
[9] 李翀,廖文根,彭静,叶柏生. 宜昌站1900~2004年生态水文特征变化[J]. 长江流域资源与环境, 2007, 16(1): 76 -80 .
[10] 张心怡,刘 敏,孟 飞. 基于RS和GIS的上海城建用地扩展研究[J]. 长江流域资源与环境, 2006, 15(1): 29 -33 .