田國珍，武永利

（山西省氣候中心，山西太原030006）

土壤水分作為農(nóng)業(yè)干旱的重要指標(biāo)，對于農(nóng)業(yè)干旱監(jiān)測預(yù)警具有重要的指示作用。農(nóng)田土壤水分的傳統(tǒng)獲取方法存在費時、費力、效率低下、破壞地表、測點不具有代表性等缺點，無法實現(xiàn)土壤水分的宏觀動態(tài)監(jiān)測。而遙感技術(shù)的出現(xiàn)且技術(shù)不斷成熟，給土壤水分的宏觀、實時、動態(tài)監(jiān)測提供了新的思路，在一定程度上彌補了土壤水分傳統(tǒng)監(jiān)測方法的不足。土壤水分的遙感估測方法是通過測量地表發(fā)射或反射的電磁能量，研究地表遙感數(shù)據(jù)與土壤濕度間的關(guān)系，建立土壤濕度與遙感數(shù)據(jù)間的關(guān)系模型，從而反演出土壤水分。其時效性快、動態(tài)對比性強，為大面積地表水、熱的實時準(zhǔn)確監(jiān)測提供了新的手段。由于受到土壤類型、土壤水分含量、衛(wèi)星過境時條件等的影響，使土壤水分遙感反演異常困難，區(qū)域土壤水分遙感反演成為當(dāng)前國際上公認(rèn)的難題。

自20世紀(jì)70年代以來，國內(nèi)外對遙感監(jiān)測土壤水分的方法進行了大量的研究，取得了許多成果，相對成熟且應(yīng)用較廣的方法有：熱慣量法、熱紅外法、距平植被指數(shù)法、植被供水指數(shù)法、作物缺水指數(shù)法、綠度指數(shù)法等。

筆者回顧了基于遙感的土壤水分監(jiān)測方法的發(fā)展歷程，分析了各方法的適用范圍和優(yōu)缺點，并在此基礎(chǔ)之上，分析了當(dāng)前土壤水分遙感監(jiān)測的關(guān)鍵技術(shù)，主要包括數(shù)據(jù)源的選取、參數(shù)反演、模型選擇和精度驗證4個方面。根據(jù)國內(nèi)外的研究現(xiàn)狀，對制約遙感方法應(yīng)用于區(qū)域土壤水分監(jiān)測的這些關(guān)鍵技術(shù)進行了深入的分析，旨在提高遙感方法在區(qū)域土壤水分的估算精度，使定量遙感研究上一個新臺階。

1 土壤水分監(jiān)測方法

國內(nèi)外用遙感技術(shù)監(jiān)測土壤水分的方法很多，目前，該領(lǐng)域的研究主要分為光學(xué)遙感（即可見光-近紅外、熱紅外遙感）和微波遙感兩大類。光學(xué)遙感又可分為土壤熱慣量法、基于溫度和植被指數(shù)的方法以及基于蒸散的方法。微波遙感又分為主動微波遙感和被動微波遙感2種。

1.1 基于光學(xué)遙感的方法

1.1.1 土壤熱慣量法 熱慣量是表征土壤熱特性的物理量，與比熱容和體積等相關(guān)，由土壤的熱力學(xué)特性可知，土壤含水量越高，其熱容量也越大。對于單位體積土壤，濕度大的土壤晝夜溫差小，濕度小的土壤晝夜溫差大。因此，可以通過反演不同時間段的土壤熱慣量來推算土壤水分。Watson等[1]最先提出一個簡單的熱慣量模型；其后Price[2]引入綜合參數(shù)B，將地表熱通量簡化為土壤溫度的線性函數(shù)，但是這種方法仍涉及大量的非遙感參數(shù)，在實際應(yīng)用中存在計算復(fù)雜等困難；Price[3]提出表觀熱慣量（ATI），由于表觀熱慣量模型簡單易求，只涉及到晝夜地表溫差和地表反照率2個參量，因而得到廣泛應(yīng)用。國內(nèi)學(xué)者在土壤熱慣量模型反演土壤水分方面也進行了不少探討和研究，劉良明等[4]用熱慣量模型對湖北省進行干旱監(jiān)測，精度均達(dá)到80%以上；劉振華等[5]對熱慣量模型進行簡化，但因忽略了參數(shù)間的物理關(guān)系，從而影響了反演精度。大部分熱慣量模型只考慮土壤水分對熱慣量的影響，實際上地表溫度變化還受地形地貌、土壤類型、植被類型等因素的影響，相同的土壤濕度其地表溫度日較差也可能不同。因此，有學(xué)者從動力學(xué)機制出發(fā)，引入輔助因素推算土壤濕度。張仁華等[6]將熱慣量模型、熱量平衡模型和幾何光學(xué)模型結(jié)合起來反演土壤水分和作物缺水指數(shù)，提高了熱慣量法的精度。

熱慣量法從土壤的熱特性出發(fā)，將土壤和植被作為一個整體來考慮熱量平衡，因此，要求獲取純土壤的遙感信息，當(dāng)?shù)乇碛兄脖桓采w時精度將降低，熱慣量法主要適用于裸土條件下。

1.1.2 基于溫度和植被指數(shù)的方法 在過去30多年里，國內(nèi)外研究發(fā)展了多種植被指數(shù)用于監(jiān)測土壤水分，主要分為2類：一類是基于植被指數(shù)變化的方法，包括距平植被指數(shù)法、標(biāo)準(zhǔn)植被指數(shù)、植被狀態(tài)指數(shù)、植被供水指數(shù)；另一類是基于溫度變化的方法，典型代表有溫度植被指數(shù)法、條件溫度植被指數(shù)法。

1.1.2.1 基于植被指數(shù)變化的方法 當(dāng)?shù)孛姹恢脖桓采w時，無法直接監(jiān)測到土壤的水分，但可以通過植被生長狀況間接地反映出植被下面的土壤含水量，當(dāng)光照、溫度等氣象條件變化不大時，水分成為植被生長的主要限制因子[7]，因此，可以通過植被生長狀況來表征土壤含水量。

距平植被指數(shù)（AVI）通過某個時期植被指數(shù)（NDVI）與多年平均值的差值來判斷作物長勢，進而通過作物受旱程度判斷土壤含水量[8]。標(biāo)準(zhǔn)植被指數(shù)（SVI）是對距平植被指數(shù)的延伸，表示某個時期植被指數(shù)偏離多年平均值的程度。這2種算法簡單、操作性強，但是和土壤水分之間沒有建立穩(wěn)定的定量關(guān)系，只適用于大尺度的土壤水分監(jiān)測，對于中、小尺度土壤水分動態(tài)變化不能進行有效監(jiān)測。1990年Kogan[9]提出了植被狀態(tài)指數(shù)（VCI），定義為：VCI＝（INDVi-INDVmin）/（INDVmax-INDVmin），其中，INDVmin和INDVmax分別為最小、最大NDVI 值。VCI監(jiān)測土壤水分動態(tài)變化效果比AVI，SVI更有效、更實用，尤其在地形起伏大的區(qū)域[10]，同時VCI也能反映氣候?qū)χ脖坏拈L期作用，但是最大和最小NDVI值的確定比較困難，需要長時間序列的數(shù)據(jù)積累。而植被供水指數(shù)法（VSWI＝B×NDVI/Ts）雖然在植被指數(shù)的基礎(chǔ)上，還考慮了溫度的作用，但主要還是受植被指數(shù)的影響較大，無法反映植被稀疏或無植被區(qū)的土壤水分狀況。

植被指數(shù)法的優(yōu)點是簡單、易行，適用于大范圍土壤含水量監(jiān)測，缺點是植被指數(shù)反映的土壤水分狀況多是相對于多年NDVI的均值或極值，而多年NDVI的均值或極值本身是一個不確定的值；其次，植被指數(shù)法過分依賴于植被的長勢，當(dāng)?shù)乇頍o植被覆蓋時，就無法反映其土壤水分狀況。

1.1.2.2 基于溫度變化的方法 由于植被指數(shù)法對土壤水分的反映具有局限性，而由蒸發(fā)引起的土壤、植被冠層溫度的升高對水分脅迫的反映更具有時效性。所以，就有研究將植被指數(shù)和溫度綜合起來構(gòu)造土壤水分監(jiān)測指標(biāo)。Price[11]研究發(fā)現(xiàn)，當(dāng)研究區(qū)域的植被和土壤水分條件變化較大時，該區(qū)域每個像元的Ts和NDVI構(gòu)造的散點呈三角型；Moran等[12]發(fā)現(xiàn)，若一個區(qū)域地表覆蓋類型從裸土到高密度植被，土壤濕度由干旱到濕潤，則該區(qū)域每個像元的Ts和NDVI組成的散點圖呈梯形。2002年Sandholt等[13]利用簡化的NDVI-Ts特征空間提出溫度植被干旱指數(shù)（TVDI），在該簡化的特征空間，濕邊為與NDVI軸平行的直線，干邊與NDVI成線性關(guān)系。齊述華等[14]利用TVDI模型，計算了中國不同時間、不同氣候各像元的TVDI，反演了中國2000年3月和5月各旬土壤水分。楊鶴松等[15]構(gòu)造條件植被溫度指數(shù)，對華北平原進行土壤水分監(jiān)測研究。由于TVDI是一種較接近實時的干旱監(jiān)測模型，因而得到了廣泛的應(yīng)用，其缺點是對研究區(qū)域的要求較高，必須滿足土壤含水量從萎蔫含水量到田間持水量。

基于溫度和植被指數(shù)的方法優(yōu)點是兼顧了土壤和植被對土壤水分的反映，缺點是土壤和植被對土壤水分的反映不同步，所以有必要進一步研究土壤和植被對土壤水分反演的時效性。

1.1.3 基于蒸散模型的方法 蒸散模型是建立以能量平衡為基礎(chǔ)，從植被蒸騰角度去間接推算土壤含水量的方法。蒸散法的理論基礎(chǔ)來源于彭曼公式[16]，研究表明，當(dāng)土壤水分供給充足時，蒸散作用較強，冠層溫度較低；反之，蒸散作用較弱，冠層溫度較高。

作物缺水指數(shù)最初由Idso等[17]根據(jù)熱量平衡原理提出，Jackson等[18]對Idso的冠層空氣溫差上下限方程進行了理論解釋，在此基礎(chǔ)之上提出了作物水分脅迫指數(shù)（CWSI＝1－ET/ETp），其中：ET為實際蒸散，ETp為潛在蒸散。CWSI雖然不需要NDVI值，但前提是土壤完全被植被覆蓋，當(dāng)背景中有土壤的像元時，會導(dǎo)致干旱的假象。再者，CWSI的確定依賴于冠層溫度、氣溫和水汽壓差的測定，為了克服這種局限性，1994年Moran等[12]利用植被指數(shù)和溫度的梯形空間提出了水分虧缺指數(shù)（WDI），其4個頂點分別代表4種極端情況：水分充足條件下的植被完全覆蓋，水分脅迫下的植被完全覆蓋，飽和水分條件下的裸土和干旱條件下的裸土。但是梯形特征空間的4個頂點是從蒸散和能量平衡的角度推導(dǎo)出來的，屬于物理模型，需要結(jié)合氣象數(shù)據(jù)才能實現(xiàn)土壤水分監(jiān)測，計算過程較為復(fù)雜。為此，辛?xí)灾薜萚19]研究提出，將輻射表面溫度簡化為各組分溫度的線性組合，空氣動力學(xué)溫度簡化為冠層溫度，從而來簡化顯熱通量的計算；隋洪智等[20]利用植被覆蓋率對空氣動力學(xué)阻抗進行了修正和簡化。

基于蒸散模型的土壤水分監(jiān)測方法兼顧了能量平衡原理、氣象學(xué)原理和植物生理學(xué)原理[21]，科學(xué)性較強。但模型涉及大量非遙感參數(shù)，且各種阻抗有一定的地域性，經(jīng)驗參數(shù)較多，它們的確定往往依賴于經(jīng)驗，使其難以推廣應(yīng)用到業(yè)務(wù)工作中。

1.2 基于微波遙感的方法

利用微波遙感測定土壤水分的理論基礎(chǔ)是土壤介電常數(shù)對土壤含水量十分敏感，濕潤土壤的介電常數(shù)大約為80，而干土僅為3，它們之間存在巨大的差異，土壤的介電常數(shù)隨土壤濕度的變化而變化，表現(xiàn)在遙感圖像上則是亮溫的變化。利用微波遙感測定土壤水分包括主動式微波遙感和被動式微波遙感2種。

被動微波遙感研究歷史長，反演算法比較成熟，是今后區(qū)域乃至全球土壤水分監(jiān)測的重要手段。被動微波遙感主要采用統(tǒng)計分析方法分析土壤水分與地表亮溫的關(guān)系。20世紀(jì)70年代，美國的Schmugge等[22]根據(jù)NASA觀測數(shù)據(jù)首次建立了地表亮溫與土壤水分的線性關(guān)系模型。Schmugge等[23]后來引入田間持水量進一步完善了反演模型。有學(xué)者引入前期降雨量（API）和微波極化差值（MPDI）等土壤水分指示因子，建立地表亮溫與API，MPDI之間的線性關(guān)系，這些算法均為經(jīng)驗算法或統(tǒng)計算法[24-25]。Njoku等[26]基于輻射傳輸方程建立的地表亮溫與Mv等參數(shù)的非線性方程逐步成為微波遙感土壤水分算法的主流。張鐘軍[27]基于輻射傳輸方程的離散模型來研究植被的發(fā)射率、傳輸率，能更準(zhǔn)確地通過植被反映下墊面狀況。被動微波遙感具有空間分辨率低、影響因素多等缺點。

主動式微波遙感大多采用統(tǒng)計方法，通過相關(guān)分析，建立土壤水分和地表亮溫與后向散射系數(shù)之間的經(jīng)驗函數(shù)。Ulaby等[28]通過試驗研究得出，土壤濕度對裸土的敏感度是0.15 dB，對有植被的土壤的敏感度是0.13 dB。Sabburg[29]利用經(jīng)驗散射模型對澳大利亞的農(nóng)田進行了土壤水分反演，結(jié)果發(fā)現(xiàn)，表層土壤含水量誤差可控制在10%以內(nèi)。田國良等[30]利用機載合成孔徑雷達(dá)水平極化（HH）圖像進行農(nóng)田土壤水分監(jiān)測。李杏朝[31]用X波段散射計測量土壤后向散射系數(shù)，對比同步獲取的X波段HH極化的機載圖像，得出微波遙感監(jiān)測土壤水分的相對誤差為12%。李震等[32]綜合主動和被動微波遙感數(shù)據(jù)，建立了一個半經(jīng)驗公式模型，估算土壤水分的變化，消除了植被覆蓋的影響。周鵬等[33]聯(lián)合雷達(dá)數(shù)據(jù)和光學(xué)遙感影像建立“水-云模型”，去除植被影響，建立了土壤后向散射系數(shù)與土壤水分的關(guān)系。主動式微波遙感具有發(fā)射功率大、空間分辨率高的特點。

微波遙感具有全天時、全天候的優(yōu)點，并具有一定穿透能力，突破了傳統(tǒng)方法測點少、費時費力和光學(xué)遙感精度低、受天氣影響的缺點。

2 土壤水分遙感監(jiān)測的關(guān)鍵技術(shù)分析

土壤水分遙感監(jiān)測是在地表溫度、植被指數(shù)等地表參數(shù)遙感反演的基礎(chǔ)上，結(jié)合其他地表特征，根據(jù)土壤特性、能量平衡原理、作物生理特性等估算地表土壤水分。由于土壤水分是影響作物產(chǎn)量的重要因素之一，長期以來得到了廣泛研究，隨著土壤水分監(jiān)測的區(qū)域性、時效性的提出，使得農(nóng)田土壤水分及干旱監(jiān)測方法更加復(fù)雜，同時也使監(jiān)測研究更為迫切與重要。當(dāng)前土壤水分遙感監(jiān)測中還存在一些關(guān)鍵技術(shù)制約著區(qū)域土壤水分遙感監(jiān)測的精度，主要包括數(shù)據(jù)源、模型方法等方面的因素。

2.1 數(shù)據(jù)源的選取

干旱作為一種緩變的現(xiàn)象，其嚴(yán)重程度也是逐漸積累的結(jié)果，暫時的土壤水分虧缺不會造成作物旱情的發(fā)生，只有長時間的持續(xù)缺水才會造成作物干旱，因而，農(nóng)田旱情需要進行長時間序列的土壤水分監(jiān)測。當(dāng)前，用于區(qū)域土壤水分業(yè)務(wù)監(jiān)測的衛(wèi)星數(shù)據(jù)大多是NOAA/AVHRR，EOS/MODIS，F(xiàn)Y-3A/3B等中、低分辨率的數(shù)據(jù)，重訪周期在1/2 d左右，加上天氣條件、設(shè)備故障等因素造成的數(shù)據(jù)缺失、質(zhì)量低下等問題，衛(wèi)星遙感數(shù)據(jù)獲取周期平均為4 d左右，南方地區(qū)數(shù)據(jù)獲取周期還要更長些。單一的衛(wèi)星遙感數(shù)據(jù)無法滿足土壤水分遙感業(yè)務(wù)監(jiān)測的需求，綜合多源衛(wèi)星遙感數(shù)據(jù)的優(yōu)勢，發(fā)展多源衛(wèi)星數(shù)據(jù)尺度轉(zhuǎn)換、融合和標(biāo)準(zhǔn)化技術(shù)，在研究數(shù)據(jù)缺失的情況下，多源遙感信息相互替代是解決這類問題比較有效的手段之一。

另外，由于傳感器的空間分辨率限制以及地表覆蓋類型的復(fù)雜多樣性，圖像中每個像元往往包含不同的地物類型，混合像元普遍存在于遙感圖像中，致使傳統(tǒng)像元級精度難以達(dá)到業(yè)務(wù)需求。在保證必要的時間分辨率的同時，必然會犧牲空間分辨率的精度，而應(yīng)用低分辨率進行大區(qū)域監(jiān)測很難找到“純凈”像元。為了提高遙感應(yīng)用精度，必須進行混合像元分解，多年來國內(nèi)外學(xué)者提出了多種混合像元的分解模型（如線性、概率、幾何光學(xué)、隨機幾何、模糊模型等），每種模型都有其適用條件，其中，線性模型簡單且易于處理，被認(rèn)為是最簡單和應(yīng)用最廣泛的模型。

2.2 地表參數(shù)的反演

2.2.1 植被指數(shù)（NDVI）的反演 土壤水分遙感反演的過程中，NDVI是必不可少的因子之一，NDVI是單位像元內(nèi)的植被類型、覆蓋形態(tài)、生長狀況等的綜合反映，其大小取決于植被覆蓋度和葉面積指數(shù)等要素；NDVI對植被覆蓋度的檢測幅度較寬，有較好的時間和空間適應(yīng)性，但研究發(fā)現(xiàn)，在低植被覆蓋的區(qū)域，NDVI受土壤背景的影響較大，在高植被覆蓋的區(qū)域，NDVI值會出現(xiàn)飽和現(xiàn)象，NDVI飽和后，如果地表蒸散繼續(xù)增加，NDVI也無法反映地表干濕狀況，此時RVI值增加的速度高于NDVI增加速度，即RVI對高植被區(qū)具有較高的靈敏度，可以有效去除土壤背景的影響，同時也增強了在高植被覆蓋區(qū)域的敏感性，因此，可以考慮在適當(dāng)情況下用RVI代替NDVI。許國鵬[34]提出了改進的植被指數(shù)（MTVDI），MTVDI可以增加植被信息的動態(tài)范圍，較好地降低土壤背景對植被指數(shù)的影響，有利于更客觀地進行對土壤水分的監(jiān)測與評估。Jakson等[35]研究發(fā)現(xiàn)，只有水分脅迫嚴(yán)重阻礙作物生長時，才會引起植被指數(shù)的明顯變化；崔林麗等[36]研究發(fā)現(xiàn)，中國東部植被指數(shù)對土壤水分變化的響應(yīng)大約滯后3旬左右。由于不同的植被類型造成了植被指數(shù)的內(nèi)部差異，相同的NDVI還需要結(jié)合土壤類型以及不同作物、不同生育期進行區(qū)別對待。

2.2.2 地表溫度的反演 從遙感方法監(jiān)測區(qū)域土壤水分的方法中可以看到，地表溫度除了作為一個主要參數(shù)外，同時其他許多參數(shù)都可以轉(zhuǎn)化為地表溫度的函數(shù)，因此，遙感監(jiān)測土壤水分的精度很大程度上取決于地表溫度的反演精度。目前，遙感用于海洋表面溫度的反演已經(jīng)取得了成功，用于陸地表面溫度的反演研究也很多[37]。從20世紀(jì)60年代初期到現(xiàn)在，出現(xiàn)的表面溫度反演算法可以歸納為4種：單通道法、多通道法、單通道多角度法和多通道多角度算法。目前，基于劈窗技術(shù)的多通道算法應(yīng)用最廣[38]，其精度在1～2 K之間。另外，目前用于地表溫度反演的算法還是建立在同溫均勻像元的假設(shè)基礎(chǔ)之上，將混合像元作為整體來反演的地表溫度也只是缺少物理意義的平均溫度，而真正具有物理意義的混合像元組分溫度才是遙感所要反演的。隨著熱紅外遙感數(shù)據(jù)反演方法的進一步改進和完善，地表溫度的反演精度有望得到進一步提高。同時，以地表溫度為水分脅迫指標(biāo)的監(jiān)測方法雖然具有較高的時效性，但最高和最低溫度獲取有一定的困難，且獲取的溫度信息必然受植被覆蓋的影響，如何消除植被對溫度的影響仍需進一步深入研究。

2.3 監(jiān)測模型的選擇

對于不同的傳感器、不同的區(qū)域、不同作物物候期，其土壤水分反演的模型和參數(shù)是不同的。在現(xiàn)有監(jiān)測方法中，基于土壤熱慣量的土壤水分監(jiān)測方法，由于受到植被影響，通常在裸土或低植被覆蓋地區(qū)具有較好的應(yīng)用；基于植被指數(shù)的土壤水分監(jiān)測方法，在中、高植被覆蓋度區(qū)域具有相對較好的應(yīng)用效果，可從植被長勢和冠層含水量2個方面進行土壤水分監(jiān)測，同時還需綜合其他環(huán)境因素的影響；基于蒸散模型的土壤水分監(jiān)測方法具有較強的理論基礎(chǔ)，但是由于模型中的地表熱力學(xué)參數(shù)通常利用經(jīng)驗獲取，限制了其應(yīng)用。其中，前2類模型本質(zhì)上都是機理性的，由于需要建立土壤水分與模型結(jié)果的相關(guān)關(guān)系，而不是直接反映土壤水分，因此，與蒸散模型相比，機理性相對弱些，同時蒸散模型理論上適合于從作物發(fā)育早期到作物發(fā)育后期的不同作物生育期。微波遙感以其高精度被認(rèn)為是最終解決土壤水分監(jiān)測的方法，但由于其受微波成像機理等因素所限，目前微波遙感數(shù)據(jù)在時間分辨率上還達(dá)不到光學(xué)遙感數(shù)據(jù)的精度，且微波遙感成本高、業(yè)務(wù)推廣還存在一定困難。

不同地區(qū)的土壤熱慣量、溫度植被指數(shù)、蒸散強度差別很大，所代表的土壤濕度可比性較差，甚至沒有可比性。因而，不同氣候、不同土壤、不同作物情況下的土壤水分監(jiān)測模型及參數(shù)也不盡相同，為提高遙感土壤水分監(jiān)測的準(zhǔn)確性，一方面可以根據(jù)作物不同生育期、關(guān)鍵需水期進行植被分區(qū)，以作物類型、土層含水量、相對土壤濕度、降水蒸發(fā)量、土壤質(zhì)地和田間持水量等指標(biāo)建立分區(qū)指標(biāo)集，并在此基礎(chǔ)上，建立全國土壤水分遙感監(jiān)測分區(qū)；另一方面，針對不同的土壤水分遙感分區(qū)，篩選滿足不同作物發(fā)育期的監(jiān)測方案，建立土壤墑情分級標(biāo)準(zhǔn)，從而保證區(qū)域旱情監(jiān)測的精度。

2.4 精度驗證

目前，傳統(tǒng)的土壤水分遙感監(jiān)測方法很難在像元級進行有效的驗證，國內(nèi)外土壤水分反演精度評估主要是利用土壤墑情觀測站的單點實測數(shù)據(jù)與同期的遙感反演結(jié)果進行比較來驗證遙感監(jiān)測數(shù)據(jù)的準(zhǔn)確性，且遙感反演方法均是以假設(shè)下墊面均勻條件為前提，如果氣象因子和研究區(qū)下墊面非均一，點上的數(shù)據(jù)就不具備區(qū)域尺度的代表性。另外，多尺度、多時相、多源數(shù)據(jù)的不確定性研究和精度評價的研究比較少見，也較少涉及區(qū)域尺度的不同驗證體系方面的精度評價研究。顯然，一方面完善不同作物區(qū)域的地面土壤墑情觀測站點的設(shè)置，提高單點驗證方式的精度；另一方面，建立地面“點”數(shù)據(jù)與遙感“面”數(shù)據(jù)尺度轉(zhuǎn)換及精度驗證的技術(shù)方法體系，是目前提高土壤水分遙感監(jiān)測檢驗精度的主要發(fā)展方向。

3 研究展望

在過去的30多年間，土壤水分遙感監(jiān)測發(fā)展了許多理論和模型，但這些模型和方法要么太復(fù)雜，不適合業(yè)務(wù)化運行和推廣；要么與實測數(shù)據(jù)還有較大的差距，還不能完全滿足農(nóng)業(yè)生產(chǎn)的需求。長期以來制約遙感方法在區(qū)域土壤水分估算中深入廣泛應(yīng)用的關(guān)鍵技術(shù)主要有：（1）利用NDVI作為水分指示指標(biāo)一方面是容易飽和，另一方面是對環(huán)境變化的反映表現(xiàn)出一定的滯后性；不同的植被類型造成了植被指數(shù)的內(nèi)部差異，且完全植被覆蓋度的界定不清楚，不適合全生育期的監(jiān)測，有一定的局限性。（2）基于蒸散土壤水分監(jiān)測方法模型復(fù)雜、且大量參數(shù)的確定沒有確切的辦法，使其很難推廣到業(yè)務(wù)實踐中。另一方面，隨著非遙感參數(shù)的大量引入，應(yīng)加大部門間的數(shù)據(jù)共享力度。（3）對于微波遙感的土壤水分監(jiān)測，雖然在裸土條件下微波遙感測定土壤表層的土壤含水量已有較高精度，但其仍然存在如何消除植被影響以及如何估算土壤剖面含水量的問題。綜合利用主動和被動微波遙感，可以提高微波遙感監(jiān)測土壤水分的精度。

［1］Watson K，Pohn H A.Thermal inertia mapping from satellites discrimination of geologic unitsin oman[J].Journal of Research Geology Surving，1974，2（2）：147-158.

［2］Price JC.Thermal inertiamapping：anew view of the Earth[J].Journal of Geophysical Research，1982，87：2582-2590.

［3］Price JC.On the analysis of thermal infrared imagery：the Limited utility of apparent thermal inertia[J].Remote Sensing of Environment，1985，18（1）：59-73.

［4］劉良明，李德仁.基于輔助數(shù)據(jù)的遙感干旱分析[J].武漢測繪科技大學(xué)學(xué)報，1999，24（4）：300-305.

［5］劉振華，趙英時.一種改進的遙感熱慣量模型初探[J].中國科學(xué)院研究生院學(xué)報，2005，22（3）：380-385.

［6］張仁華，孫曉敏，朱治林.以微分熱慣量為基礎(chǔ)的地表蒸發(fā)全遙感信息模型及在甘肅沙坡頭地區(qū)的驗證[J].中國科學(xué)：D輯，2002，21（5）：599-607.

［7］武玉葉，李德全.土壤水分脅迫對冬小麥葉片滲透調(diào)節(jié)及葉綠體超微結(jié)構(gòu)的影響[J].華北農(nóng)學(xué)報，2001，16（2）：87-93.

［8］肖乾廣，陳維英，盛永偉.用氣象衛(wèi)星監(jiān)測土壤水分的試驗研究[J].應(yīng)用氣象學(xué)報，1994，5（3）：312-317.

［9］ Kogon F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].International Journal of Remote Sensing，1990，11（8）：1405-1420.

［10］Kogan F N.Application of vegetation index and brightnesstemperature for drought detection[J].Advances in Space Research，1995，15（11）：91-100.

［11］Price J C.Using spatial context in satellite data to infer regional scaleevapotranspiration[J].IEEETransactionson Geoscienceand Remote Sensing，1990，28：940-948.

［12］ Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface air temperature and spectral vegetation index[J].Remote Sensing of Environment，1994，49：246-263.

［13］Sandholt L，Rasmussen K，Andersen J.A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J].Remote Sensing of Enviromrent，2002，79：213-224.

［14］齊述華，王長耀，牛錚.利用溫度植被旱情指數(shù)（TVDI）進行全國旱情監(jiān)測研究[J].遙感學(xué)報，2003，7（5）：420-428.

［15］楊鶴松，王鵬新，孫威.條件植被溫度指數(shù)在華北平原干旱監(jiān)測中的應(yīng)用[J].北京師范大學(xué)學(xué)報：自然科學(xué)版，2007，43（3）：314-318.

［16］趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003：445-456.

［17］Idso SB，Jackson R D，Pinter PJJr，et al.Normalizing the stress degreeday for environmental variability[J].Agricultural Meteorology，1981，24：45-55.

［18］Jackson RD，Idso SB，Reginato RJ.Canopy temperatureas acrop water stress indicator[J].Water Resource Research，1981，17：1133-1138.

［19］辛?xí)灾?，田國良，柳欽火.地表蒸散定量遙感的研究進展[J].遙感學(xué)報，2003，7（3）：233-240.

［20］隋洪智，田國良，李付琴.農(nóng)田蒸散雙層模型及其在干旱遙感監(jiān)測中的應(yīng)用[J].遙感學(xué)報，1994，1（3）：220-224.

［21］ 劉永忠，李齊霞，孫萬榮，等.氣候干旱與作物干旱指標(biāo)體系[J].山西農(nóng)業(yè)科學(xué)，2005，33（3）：50-53.

［22］Schmugge T J，Gloersen P，Wilheit T，et al.Remote sensing of soil moisture with microwave radiometers[J].J G R，1974，79（2）：317-323.

［23］Schmugge TJ.Remotesensingof surfacesoil moisture[J].Journal of Applied Meteorology，1978，17：1549-1557.

［24］TengWL，Wang JR，Doraiswamy PC.Relationship between satellitemicrowaveradiometric data，antecedent precipitation index，and regional soil-moisture[J].International Journal of Remote Sensing，1993，14：2483-2500.

［25］Ahmed NU.Estimating soil moisture from 6.6 GHz dual polarization，and/or satellite derived vegetation index[J].International Journal of Remote Sensing，1995，16（4）：687-708.

［26］Njoku EG，Li L.Retrieval of land surfaceparameters usingpassive microwave measurements at 6-18 GHz[J].IEEE Trans Geosci Remote Sensing，1999，37（1）：79-93.

［27］張鐘軍.用離散的植被模型分析地物的微波輻射[J].遙感信息，2003（3）：12-14.

［28］肖國杰，李國春.遙感方法進行土壤水分監(jiān)測的現(xiàn)狀與進展[J].西北農(nóng)業(yè)學(xué)報，2006，15（1）：121-126.

［29］Sabburg JM.Evaluation of an Australian ERS-1 SARscenepertaining to soilmoisture measurement[J].Proc Int Geosciences and Remote Sensing Symp，1994，3：1424-1426.

［30］田國良.土壤水分的遙感監(jiān)測方法[J].環(huán)境遙感，1991，6（2）：89-98.

［31］李杏朝.微波遙感監(jiān)測土壤水分的研究初探[J].遙感技術(shù)與應(yīng)用，1995，10（4）：1-8.

［32］李震，郭華東，施建成.綜合主動和被動微波數(shù)據(jù)監(jiān)測土壤水分變化[J].遙感學(xué)報，2002，6（6）：481-484.

［33］周鵬，丁建麗，王飛，等.植被覆蓋地表土壤水分遙感反演[J].遙感學(xué)報，2010，14（5）：959-973.

［34］許國鵬，李仁東，梁守真，等.基于改進型溫度植被干旱指數(shù)的旱情監(jiān)測研究[J].世界科技研究與發(fā)展，2006，28（6）：51-55.

［35］Jackson R D，Slaler PN，Pinter PJ.Discrimination of growth and water stress in wheat by various vegetation indices through clear and turbid atmosphere[J].Remote Sensing of Environment，1983（13）：187-208.

［36］崔林麗，史軍，楊引明，等.中國東部植被NDVI對氣溫和降水的旬響應(yīng)特征[J].地理學(xué)報，2009，64（7）：850-860.

［37］Herr Y H，Lagouarde JP，Imbermon J.Accurateland surfacetemperature retrieval from AVHRR data with use of an improved splitwindows algorithm [J].Remote Sensing of Environment，1992，41：197-209.

［38］孟鵬，胡勇，鞏彩蘭.用劈窗算法反演地表溫度的通道問題討論[J].國土資源遙感，2012（4）：16-20.