基于地表温度-植被指数特征空间进行土壤水分监测研究

Land surface temperature - vegetation index space is an effective method for monitoring soil moisture. However, there are some uncertainties in dry edge locating and environment factors. In this study, on the one hand, we intend to validate the theoretical dry edge which is determined based on the energy balance equation. A more stable parameter extraction method will be developed based on the analysis of time series variation of observed dry point parameters, in order to reduce the uncertainty in estimating the theory dry edge and to improve the stability of the calculation. On the other hand, we use the soil vegetation atmosphere transfer model (SVAT) to get sensitive parameters of soil moisture line from soil surface properties (soil texture, surface roughness, soil density, etc) and vegetation parameters (leaf area index, leaf angle, the average height of the canopy, clustered index, physiological parameters etc). The simulation database was established based on the sensitive parameters, the difference between the real and simulated surface temperature and soil moisture. Mathematical algorithm is developed to correct the surface temperature on the soil moisture lines. The results of this study can not only rebuild the surface temperature - vegetation index space and improve the accuracy of soil moisture monitoring, but also further explore the inherent link among the land surface information and provide new ideas for the quantitative retrieval of surface parameters.

地表温度-植被指数特征空间是进行土壤湿度监测的有效方法。但特征空间在干边定位以及非土壤水分要素方面存在一定不确定因素，本研究一方面拟继续完善和发展理论干边算法及验证工作，分析干点参数的时间序列变化规律，得到较为稳定的干点参数提取方法，减少理论干边参数化过程中的不确定性，提高其计算的稳定性。另一方面结合土壤植被大气传输模型（SVAT），综合地表属性要素（土壤质地，地表粗糙度，土壤密度等）、植被参数（叶面积指数、叶倾角、冠层平均高度、聚集指数、生理参数等）确定土壤等湿度线的敏感参数，建立以敏感参数、地表温度差值和土壤湿度为基础的模拟数据库。采用数学算法建立地表温度在敏感参数变化区间的转换关系式，针对土壤等湿度线上地表温度值进行校正。本研究成果不仅可实现地表温度-植被指数特征空间的重新构建，提高土壤水分监测精度，还可以进一步挖掘地表信息之间的内在联系，为地表参数的定量反演提供新思路。

地表温度-植被指数特征空间被广泛应用于监测土壤湿度。但目前的热红外遥感图像由于受到云层的干扰，无法获得连续的对地观测数据，尤其在作物生长季关键时期，连续的数据缺测会严重影响作物监测效果。同时数据的不完整也会影响特征空间干边的计算稳定性。本项目旨在进一步提高地表温度-植被指数特征空间方法监测土壤湿度的有效性和精度。主要通过两方面内容实现，其一为改进理论干边参数化方案， 用以获取区域上的干点气温，反照率等参数， 提高干边获取的稳定性和可操作性， 使其更适应区域上的程序化操作；其二为利用前后时相的有效像元， 结合权重计算模式以及云修正系数来插补重建有云地区地表温度图像。经验证，重建的地表温度数据不仅极大的提高了数据的可利用率，而且能够很好的捕捉土壤湿度的变化情况。重建的时空连续的地表温度与植被指数图像能够形成更完整的散点图特征空间，并在中国陕甘宁地区取得了显著的应用效果，能够较好模拟土壤湿度以及旱情等级。该项目研究成果解决了地表温度有云地区数据缺失问题，为提高遥感数据使用率提供了新思路， 在提高农业监测能力，节水灌溉，完善农业生产管理方面具有更重要应用价值。