融合宇宙射线中子法和无人机遥感的中尺度土壤水分反演方法研究

Soil water monitoring is the prerequisite of precise agriculture management. However, at the intermediate scale which spans tens to thousands of meters, due to the high spatial variation of soil water, point measurement and high-altitude remote sensing methods are difficult to accurately catch both the water amount and its spatial distribution information. It results in the uncertainty in soil water prediction and the arbitrariness in management. Taking a typical farmland ecosystem in Huanghuaihai plain as study area, two complementary intermediate scale soil moisture monitoring technologies, i.e., COSMOS and UAV-based remote sensing, will be combinedly used in the study. Using the advantage of high spatial resolution of the UAV-based remote sensing, the influence of surface hydrogen pools (plants, soil mineral and organic matter) on COSMOS measurement will be precisely rectified; and using accurately estimatied soil water amount by the COSMOS, the high spatial resolution soil water distribution model established by vegetation index-thermal inertia method using UAV-based remote sensing data will also be calibrated and validated. Through technology integration, a new high precision, high spatial resolution intermediate scale soil water inversion method will be established. The study will help improve water monitoring and management in farmlands, and also have important values in understanding soil water cycling process and its mechanism at intermediate scale.

土壤水监测是农田水肥精准管理的前提和基础。然而，在该研究关注的几十米至几千米的中尺度上，由于土壤水强烈的空间变异性，常用的点测量和高空遥感方法难以同时准确捕捉土壤的宏观水量和空间分布信息，进而造成了土壤水预测中的不确定性和管理上的盲目性。针对该问题，本研究将以黄淮海平原典型农田为研究对象，联合应用宇宙射线中子监测（COSMOS）与无人机遥感两项特点互补的中尺度土壤水监测技术，利用无人机遥感的高空间分辨率优势，通过地表覆盖调查精确校正COSMOS法中植被和土壤等近地氢源干扰因素；利用COSMOS宏观水量估算准确的优势，校准无人机遥感基于植被指数-热惯量法所得土壤水空间分布模型。通过技术融合，建立一种高精度、高空间分辨率的中尺度土壤水反演新方法。本研究的实施将有助于提高农田水分监测和管理水平，同时对于深入认识中尺度土壤水分循环过程及机理也具有重要的价值。

土壤水监测是农田水肥精准管理的前提和基础。然而，在该研究关注的几十米至几千米的中尺度上，由于土壤水强烈的空间变异性，常用的点测量和高空遥感方法难以同时准确捕捉土壤的宏观水量和空间分布信息，进而造成了土壤水预测中的不确定性和管理上的盲目性。. 针对该问题，本研究在项目执行期间（2019-2022年），以黄淮海平原典型农田（中科院封丘站）的田间试验为基础，从改进无人机遥感对植被等近地氢源估算方法以提高COSMOS精度，COSMOS测量足迹和空间分布权重确定方法改进，建立融合表观热惯量ATI和温度干旱植被指数TVDI结合的热红外遥感土壤水监测方法，以及COSMOS和无人机遥感方法融合等方面展开工作，发明了一种整合COSMOS法宏观土体水量监测准确，无人机遥感空间分辨率高的优点的百米尺度土壤水监测新方法，一定程度上填补了点尺度和遥感大尺度土壤水监测之间的技术空缺。研究结果表明，基于无人机遥感的夏玉米拔节期-乳熟期的植被水当量BWE约为0.02 cm3·cm-3，进行BWE校正后，COSMOS测量的RMSE由0.033~0.056 cm3·cm-3降至0.024~0.043 cm3·cm-3。无人机遥感对冬小麦叶面积指数和地上部生物量的反演模型，在加入形态特征参数后的精度均有不同程度的提高。研究采用了中子运动机理模型URANOS来直接积分计算COSMOS的空间权重因子，简化了计算步骤且避免了计算时的过拟合问题。明确了小麦农田系统中ATI和TVDI两种方法适用的植被覆盖条件：ATI方法适合NDVI< 0.35的裸土和低植被覆盖地区，TVDI法在NDVI> 0.35的中高植被覆盖地区能够比较好的反演土壤含水量。. 项目执行期间，研究成员共完成项目成果共13项。发表标注本项目的相关研究论文7篇，其中第一标注的SCI收录论文2篇；获授权专利3项，软件著作权3项。培养硕士研究生3人，博士研究生1人。1种土壤水监测设备入围《中国科学院自主研制科学仪器产品名录》。