基于辐射传输过程的土壤湿度反演模型

Soil moisture affects not only the chemical and physical characteristics of soil and plant growth, but also the energy balance of land surface and atmosphere as well as water and biochemical cycles. An accurate and effective remote sensing approach to monitoring soil moisture has important implications for assessing the responses of agricultural ecosystems to global change. This study starts with the investigation of wet soil darkening using radiative transfer models which are parameterized by optical constants of soil constituents as well as their chemical and physical properties, and then analyzes the response and sensitivity of soil reflectance to different soil properties. The study focuses on the development of relationships between soil moisture and optical density using radiative transfer models for spectrally retrieving soil moisture. Furthermore, the effectiveness of the developed relationships between optical density and soil moisture will be assessed using field and lab measured datasets of hyperspectral data and soil moisture.

土壤含水量不但影响土壤的理化性质与植被长势，而且是监测全球变化背景下地表-大气间能量平衡、水循环、生化参量循环的重要因子。因此，发展精确、高效的土壤含水量遥感监测方法对研究全球变化背景下的农业生态响应具有重要的现实和科学意义。本项目从探讨土壤遇水反射率降低的内在物理机制入手, 利用辐射传输模型、室内土壤理化和光学参数，研究土壤含水状态下反射率对水分和其它不同理化参数变化的敏感性；并侧重研究基于辐射传输模型的光学密度与土壤湿度函数关系，实现土壤湿度反演。同时，本研究将采用野外多时相、室内多阶段土壤湿度实测样本和光谱数据，验证模型反演土壤湿度的有效性。

土壤含水量是评估农业旱情最直接的环境指标，它不但影响土壤的理化性质与植被的生长，而且是监测全球变化背景下地表-大气间能量平衡、水循环、生化参量循环的重要因子。因此，发展精确、高效的土壤含水量监测方法对农田管理和应对全球变化具有重要意义。相对于传统的单点土壤含水量监测方法，遥感技术以大面积、实时、多时相对地表成像的优势，为土壤含水量的大尺度、快速、经济、长期动态监测提供了一个捷径。土壤含水量遥感监测方法包括：陆面数据同化法、微波法和热红外遥感温度法、基于可见光和热红外的植被指数和冠层温度集成法、可见光-近红外-热红外遥感的植被指数法、可见光-近红外土壤含水量光谱法等。其中，可见光-近红外光谱预测法因具有高空间分辨率、高时效性和大面积覆盖等优势，是当前研究的热点，也是目前生态学、水资源学等学科的国际前沿领域。.本项目选择以松嫩平原为中心区域的东北地区农田土壤为研究对象，从探讨土壤遇水反射率降低的内在物理机制入手, 利用辐射传输模型描述土壤含水状态下反射率对不同理化参数变化的反映和敏感性；重点研究不同土壤表面结构，土壤质地、有机质含量条件下，应用辐射传输模型推导出的光学密度与土壤含水量的函数关系，实现土壤含水量光谱反演估算；并采用大量土壤实测样本和多时相遥感图像光谱数据，验证评估辐射传输模型用于土壤含水量估算的时空移植效果。为了使辐射传输模型适用于不同类型的土壤，结合实验室实测光谱，采用机器学习算法建立了干土反射率与土壤有机质、土壤有机碳、土壤质地间的关系，并结合遥感卫星影像数据，分别对区域尺度、松嫩平原和东北地区土壤理化参数进行了反演和精度验证，极大地提高了模型的移植性。.本项目的研究结果可以为土壤表面反射率模拟、土壤光谱分类、以及土壤参数遥感估算提供技术支持，并为农业资源管理提供科学依据。具体内容主要分为基于辐射传输模型的土壤理化参数研究和基于机器学习模型的土壤理化参数研究两部分。