土壤含水量_容重_光谱反射率之间相伴变化关系研究

不同含水量黄棕壤反射光谱特征研究吕雄杰①,潘剑君①,张佳宝②(①南京农业大学资源与环境学院,南京210095;②中国科学院南京土壤研究所,南京210008)摘要:采用多光谱辐射仪(MSR-16R)对自然条件下不同水分含量黄棕壤光谱特征进行了研究,试验结果表明在可见光部分(460～710nm),土壤含水量与光谱反射率相关性差,而在红外部分(760～1650nm)土壤含水量与光谱反射率达到极显著负相关,模式方程拟合度都在0.86以上,因此通过测定土壤光谱反射率来推算土壤含水量是可行的。

应用地面光谱测量试验的结果,本文讨论了由地面光谱测量来推算土壤含水量向由卫星遥感影像反演土壤含水量过渡的可能性,进而对采用TM遥感影像对黄棕壤分布区土壤水分状况实施遥感监测的可行性作了一些探讨。

关键词:含水量;土壤;反射光谱;黄棕壤中图分类号:TP7 文献标识码:A 文章编号:1000-3177(2004)75-0010-03引　言土壤水分状况在农业、气象、水文及地理等学科都具有重要作用。

土壤水分是植物生长、发育的必要条件,它是指示土壤墒情、确定农业生产春耕时间、补偿灌溉管理和评价产量高低的重要参数[1～2]。

土壤水分状况的监测历来受到人们的重视,但传统的观测方法,如取土烘干法、中子水分仪法及张力计方法等均是以点测量为基础,它们都存在着较大的取样误差。

土壤是含多种成分的复杂的自然综合体,土壤光谱受土壤母质、有机质、水分等多种复杂因素的影响,在母质等其他因素固定的情况下,土壤光谱受土壤水分的制约比较明显。

不同土壤类型随水分变化稍有差别,一般随土壤水分的增加而反射率降低,这为用遥感方法探测土壤水分提供了可能[3]。

早在1965年,Bowers等就发现裸地土壤湿度的增加会引起土壤反射率的降低,这成为后来利用遥感方法进行土壤水分遥感监测研究的理论依据[4]。

1973年日本学者在札幌研究了5种土壤的反射率,建立了蓝波段和绿波段的胶片密度和土壤含水量的多元回归方程[5]。

土壤容重和含水量的关系
土壤容重和含水量之间存在密切的关系。

土壤含水量是指土壤中含有的水分所占的百分比，而土壤容重则是指单位体积土壤的重量。

在一定的土壤类型和密度条件下，土壤含水量越高，其容重通常越低。

这是因为水分在土壤中起到润滑剂的作用，使得土壤颗粒之间的空隙增大，从而降低了土壤的整体密度和重量。

在干燥的土壤中，由于水分含量较低，土壤颗粒之间的空隙较小，导致土壤容重较高。

而当土壤含水量增加时，水分占据了更多的空间，使得土壤颗粒之间的空隙扩大，因此土壤容重会随之降低。

需要注意的是，当土壤含水量超过一定范围时，例如达到饱和状态，土壤容重可能会再次升高。

这是因为在过高的含水量下，土壤中的空气被排出，土壤颗粒被紧密地压缩在一起，导致土壤容重增加。

总之，在一般情况下，土壤含水量与土壤容重呈负相关关系，即含水量越高，容重越低。

但这种关系并不是线性的，需要注意饱和状态对土壤容重的影响。

土壤直流电导率与含水量和容重的关系
毛久庚;李成保
【期刊名称】《土壤》
【年(卷),期】1990(022)005
【摘要】以砖红壤、赤红壤、红壤、黄棕壤、滨海盐土、内陆盐土和苏打盐土为供试土样,采用四极直流法测定不同含水量或不同容重下的土壤电导率。

结果表明,直流电导率随土壤类型及其含水量或容重而异。

在供试土样中,只有黄棕壤和苏打盐土的直流电导率与水分和容重有较好的正比关系。

对于可变电荷土壤、滨海盐土和内陆盐土,仅在一定的含水量或容重区间内,才呈现正相关。

【总页数】4页(P241-244)
【作者】毛久庚;李成保
【作者单位】不详;不详
【正文语种】中文
【中图分类】S153.2
【相关文献】
1.土壤含水量、容重、光谱反射率之间相伴变化关系研究 [J], 陈祯
2.土壤电导与含水量和含盐量的关系及容重对其影响 [J], 王全九;王文焰;张建丰
3.土壤持水特征测定中质量含水量、吸力和容重三者间定量关系Ⅱ.原状土壤 [J], 付晓莉;邵明安;吕殿青
4.土壤持水特征测定中质量含水量、吸力和容重三者间定量关系Ⅰ.填装土壤 [J], 邵明安;吕殿青;付晓莉;王全九;刘春平
5.土壤坚实度、通气性、自然含水量、容重对柠檬桉人工林(实生)林分平均胸高直径关系的调查报告 [J], 梁景生
因版权原因，仅展示原文概要，查看原文内容请购买。

土壤含水量测量与反演方法综述摘要：目前土壤水分研究方法分为两大类：土壤水分直接测量法和反演法，反演法包括遥感监测法和模型模拟法。

本文系统分析了应用较广泛的几种农田土壤水分研究方法原理，研究发现，土壤水分直接测量法是当前研究土壤水分的主要方法，遥感监测法是未来研究土壤水分的发展趋势。

1 土壤水分直接测量法直接测量法包括烘干法、酒精灼烧法、中子仪法、张力计法、时域反射法、频域反射法、介电法、驻波法和电容电阻法等。

本文主要介绍烘干法、中子法和介电法。

1.1 烘干法烘干法包括经典烘干法和快速烘干法。

该方法的操作过程为：在田间地块选择代表性的取样点，按照观测规范要求深度分层取得土样，将土样放入铝盒并立即盖好，以减少水分蒸发对测量结果的影响。

对装有土样的铝盒进行称重，记为w1；打开盖子，置于烘箱内，将温度设为105～110℃对土样烘干6～8h，直至土样质量不再变化，对干土及铝盒进行称重，记为w2，则所测土层的土壤质量含水量的计算公式可表示为（1）2.2 中子法中子法的原理是中子从1个高能量的中子源发射到土壤中，与土壤中氢原子（绝大部分存在于水分子中）碰撞后，能量衰减，这些能量衰减的中子可被检测器检测到，通过标定建立检测到的中子数与土壤含水率的函数关系，便可转化得到土壤含水率。

利用中子仪测量土壤水分含量，只需预先埋设，测量时不破坏土壤结构，测量速度快，测量结果准确，可定点连续观测，且无滞后现象，但中子法并不能實现长期大面积动态监测。

由于中子法测量的实际上是半径约几到几十厘米的球体含水量，其半径随着土壤含水率大小而改变，所以土壤处于干燥或湿润周期时，或对于层状土壤以及表层土壤，中子法的测量结果并不可靠。

2.3 介电法利用土壤的介电特性来测量土壤含水量是一种行之有效、快速便捷，准确可靠的方法。

目前得到普遍认可的三种土壤水分介电测量方法——时域反射法、频域反射法和驻波率法。

（1）时域反射法（TDR）TDR 是近年来出现的测量土壤含水量的重要仪器，是通过测量土壤中的水和其它介质介电常数之间的差异原理，并采用时域反射测试技术研制出来的仪器，具有快速、便捷和能连续观测土壤含水量的优点。

基于无人机多光谱遥感的土壤含水率反演模型研究基于无人机多光谱遥感的土壤含水率反演模型研究摘要：土壤含水率是土壤中水分与干重的比值，是土壤水分状况的重要指标。

传统的土壤含水率测量方法常常受到时间、空间和经济成本的限制，限制了对土壤含水率的实时监测和准确反演。

随着遥感技术的发展，无人机多光谱遥感成为一种潜力巨大的手段，可以快速、高分辨率地获取大面积土壤含水率信息。

本文通过对无人机多光谱遥感的土壤含水率反演模型研究，探讨如何利用无人机多光谱遥感数据反演土壤含水率的方法和技术。

1. 引言土壤含水率是土壤水分状况的重要指标，对农业、水资源管理和环境保护等领域具有重要意义。

传统的土壤含水率测量方法包括野外土样挖取和实验室测量、土壤探针测量等，这些方法存在时间和经济成本高、测量精度低等问题。

随着遥感技术的进步和无人机应用的普及，无人机多光谱遥感技术成为一种有潜力的土壤含水率反演手段。

2. 无人机多光谱遥感无人机多光谱遥感指的是利用无人机搭载的遥感仪器，通过获取地表各个波段的光谱信息来推断地物参数。

无人机多光谱遥感具有高分辨率、全天候、大范围和高时效性等优点，可以提供较为精确和全面的土壤信息。

3. 土壤含水率反演模型研究针对无人机多光谱遥感数据反演土壤含水率，研究人员从不同的角度探索了多种反演模型。

首先，基于传统统计学方法，借助统计学的原理和方法来建立土壤含水率与无人机多光谱遥感数据之间的关系。

其次，基于机器学习方法，如支持向量机（SVM）、人工神经网络（ANN）等，通过对大量土壤含水率和无人机多光谱遥感数据进行训练和学习，建立模型进行预测和反演。

最后，基于物理模型，利用土壤水分的物理过程模拟和数学描述，构建土壤含水率反演模型。

4. 实验设计和结果分析本文通过采用无人机搭载的多光谱遥感仪器获取的数据，选取不同地物类型和覆盖度的农田进行实地探测，获得了土壤含水率和多光谱遥感数据。

基于研究中选取的样本数据，利用统计学方法和机器学习方法构建了相关的土壤含水率反演模型。

土壤含水量测定方法小结
1.散射法
散射法是一种快速测定土壤含水量的方法。

这种方法利用微波或可见光在土壤中发生散射的原理来测定土壤含水量。

散射法可以通过无线射频或红外线相机来实现，这种方法测定的速度快、操作简便，但准确性相对较低。

2.干燥重法
干燥重法是一种常用的土壤含水量测定方法。

该方法先将土壤样品取出后，在称重器中测定其重量，然后将土壤样品放入干燥箱中进行烘干，再称重，得到土壤干燥后的重量。

通过比较干燥前后的重量差异，即可计算出土壤的含水量。

3.容重法
容重法是一种通过测量土壤的容重和体积来计算土壤含水量的方法。

容重是指土壤的干燥质量和土壤体积的比值，可以通过取样后进行称重和体积测量来计算得出。

然后，通过测定土壤的干燥重量和湿重量，可以计算出土壤的容重和含水量。

4.滴定法
滴定法是一种根据土壤中的水分对滴定剂的反应来测定土壤含水量的方法。

这种方法需要取一定质量的土壤样品，加入滴定剂进行滴定，根据滴定结束时滴定剂的消耗量来计算土壤中的水分含量。

滴定法适用范围较窄，但准确性较高，可用于测定土壤中的可供植物利用的水分。

5.电导法
电导法是一种根据土壤中水分含量和电导率之间的关系来测定土壤水
分含量的方法。

该方法通过在土壤中施加电流，然后测量土壤对电流的阻抗，从而根据电阻和电导的关系计算出土壤中的水分含量。

以上是关于土壤含水量测定方法的小结。

每种方法都有其适用范围和
优缺点，在实际应用中需要根据具体情况选择合适的方法进行测定。

同时，对于准确性要求较高的需求，可以采取多种方法结合的方式进行测定。

光谱土壤成分土壤光谱特性是土壤科学中的一个重要研究领域，它涉及到土壤的物理、化学、生物等多方面性质。

光谱特性指的是土壤对不同波长光线的吸收、反射和透射等方面的特性。

了解土壤的光谱特性，有助于我们更深入地认识土壤的组成、结构和功能。

土壤的光谱特性主要受成土矿物、含水量、有机物和质地等因素的影响。

其中，成土矿物尤其是氧化铁对土壤光谱特性的影响尤为显著。

氧化铁含量较高的土壤，光谱特性通常表现为强烈的反射率，使得土壤呈现出较浅的颜色。

相反，氧化铁含量较低的土壤，光谱特性则表现为较低的反射率，使得土壤颜色较深。

土壤中的水分也对光谱特性产生重要影响。

含水量较高的土壤，光谱特性表现为较强的反射率，且颜色较浅；而含水量较低的土壤，反射率较低，颜色较深。

这是因为水分子的振动与光波长相互作用，使得土壤对光的吸收和反射产生变化。

此外，土壤中的有机物也是影响光谱特性的关键因素。

有机物含量较高的土壤，光谱特性通常表现为较低的反射率，颜色较深。

这是因为有机物具有较强的吸光能力，使得土壤对较长波长的光吸收更强。

而有机物含量较低的土壤，光谱特性表现为较高的反射率，颜色较浅。

土壤质地也是影响光谱特性的一个重要因素。

质地较粗的土壤，光谱特性表现为较低的反射率，颜色较深；而质地较细的土壤，反射率较高，颜色较浅。

这是因为土壤颗粒的大小会影响其对光的散射和吸收能力。

除了上述因素外，土壤中的次生矿物也对光谱特性产生影响。

次生矿物主要包括碳酸盐、硫酸盐、氯化物等简单盐类；含水的氧化铁、氧化铝、氧化硅等氧化物类；以及次生层状铝硅酸盐如高岭石、蒙脱石和水化云母类等。

这些次生矿物会影响土壤对不同波长光的吸收和反射，从而改变土壤的颜色和其他光学特性。

通过对土壤光谱特性的研究，我们可以深入了解土壤的组成、结构和功能，为土地利用、土壤分类、土壤污染监测等方面提供重要依据。

在土地利用方面，了解土壤光谱特性有助于优化农作物布局，提高农业生产效益。

在土壤分类方面，光谱特性可以为土壤分类提供有力的技术支持，有助于土壤资源的有效管理和利用。

土壤含水高光谱土壤含水量高光谱技术详细介绍1. 概述：土壤含水量高光谱技术是一种基于遥感的地球观测方法，通过测量土壤在不同波段的光谱反射或吸收特性，从而推断土壤的含水量状况。

这种技术通过光谱数据的获取和分析，提供了一种非侵入性、大范围、实时监测土壤水分的手段。

2. 原理：水分与光谱反射关系：水分含量对土壤的光谱反射具有影响，特定波段的反射率与土壤中的水分含量呈现一定的关联性。

高光谱波段选择：选择适当的光谱波段，可以更准确地捕捉土壤中水分的信息。

通常近红外和短波红外波段是被广泛应用的选择。

3. 数据采集：高光谱传感器：使用高光谱传感器采集土壤反射光谱数据，这些传感器能够在多个波段同时测量地表的反射率。

遥感平台：这些传感器通常搭载在卫星、飞机或地面测量设备上，以获取不同分辨率和时间尺度的土壤光谱数据。

4. 数据处理与分析：光谱反演模型：建立光谱反演模型，通过对已知含水量的土壤样本进行光谱测量，建立含水量与光谱反射的关系模型。

反演算法：应用反演算法，对实际土壤光谱数据进行处理，得到土壤含水量的空间分布图。

5. 应用领域：农业：监测土壤含水量，为灌溉提供科学依据，提高水资源利用效率。

环境保护：监测土壤湿度变化，预测干旱、沙尘暴等自然灾害。

地质勘探：用于寻找地下水资源，了解土壤水文地质情况。

城市规划：评估城市土地的适宜性和水资源分布，为城市发展提供数据支持。

6. 优势：高时空分辨率：可以实现对大范围区域的实时监测，提供高时空分辨率的土壤含水量信息。

非破坏性：不需要实地取样，避免了对土壤的破坏性影响。

多源数据融合：结合多源遥感数据，提高土壤含水量估算的准确性。

土壤含水量高光谱技术为农业、水资源管理和环境监测等领域提供了强大的工具，支持科学合理的土壤水分管理。

土壤含水率对近红外光谱检测土壤氮含量的影响研究作者：朱琦董桂梅杨仁杰于亚萍姜全杨晓东来源：《科技创新与应用》2016年第11期摘要：土壤水分含量是影响土壤养分检测的重要因素之一，由于土壤水分在近红外波段的吸收系数较高，使土壤水分的差异给测量结果带来了较大误差。

文章基于近红外光谱技术，利用PLS法研究不同含水率土壤的吸收光谱与土壤氮含量预测的相关性。

实验表明：相同系列氮含量土壤样品在不同含水率下所建立的预测模型差异明显，含水率较高的土壤预测精度较差，证明了土壤含水率对近红外光谱建模精度的影响具有规律性。

关键词：土壤含水率；氮含量；近红外光谱；预测精度引言氮含量是土壤养分检测中的一项重要指标，相较于传统检测方法操作过程繁琐、耗时长且实时性差[1]，近红外光谱技术具有快速、无破坏、无污染、不需预处理及实时检测等优点，目前已广泛用于土壤氮含量的检测。

由于土壤水分在近红外波段的吸收系数较高，对土壤含氮量的检测产生很大的干扰，因此研究土壤水分对近红外光谱检测土壤养分的影响非常必要。

宋海燕等对含水率为20%、15%和10%的土壤进行研究，确定了水分对土壤近红外光谱检测影响的敏感波段和敏感程度[2]。

安晓飞等研究了土壤水分对土壤含氮量的影响，得出随着土壤水分的增加，土壤光谱反射率逐渐降低，吸光度逐渐升高[3]；Baumgardner等的研究中，发现1.4和1.9微米这两个波段是土壤中水对光谱影响主要体现的位置[4]。

由上述研究可知，土壤水分的含量与光谱反射率之间存在显著的相关性，其必对光谱预测模型造成影响。

本课题以检测土壤氮含量为例，基于近红外光谱技术，采用偏最小二乘法（PLS，partial least squares）分别建立不同含水率土壤的光谱预测模型，分析土壤含水率差异对于近红外光谱检测土壤氮含量的影响。

1 材料与方法1.1 土样制备实验以有效态成分分析标准物质GBW07412a（辽宁棕壤）为基础土样，取110g此标准土样，将其按质量均等分为22份，通过计算称量给每份土样添加不同质量的尿素（CO（NH2）2）粉末，同时加入去离子水使其达到饱和，待充分混合后静置12小时再完全烘干，配制成土壤氮含量分别为0.08%、0.10%、…、0.50%的22份土壤样品。

土壤对光谱反射率的影响
土壤的光谱反射率受多种因素影响，包括土壤类型、含水量、有机质含量、颗粒大小和土壤结构等。

以下是对这些因素影响的简要解释：
1. 土壤类型：不同类型的土壤具有不同的颜色和化学成分，因此它们在不同波长的光线下对光的反射率不同。

例如，沙质土壤通常具有较高的反射率，而粘土质土壤具有较低的反射率。

2. 含水量：土壤中的水分含量对光的吸收和散射产生影响。

水分多的土壤对红外光有很高的吸收率，而对可见光有较低的散射率。

因此，水分多的土壤呈现较深的颜色，并且在红外光谱中呈现较低的反射率。

3. 有机质含量：有机质含量高的土壤通常比有机质含量低的土壤具有更高的反射率。

有机质能够吸收和散射光线，从而导致土壤的反射率降低。

4. 颗粒大小：土壤的颗粒大小也会影响光的反射率。

粒径较大的土壤颗粒可以增加土壤表面的粗糙度，从而导致光的散射增加并反射率降低。

5. 土壤结构：土壤结构指的是土壤中颗粒的排列方式和聚集状态。

土壤结构可以影响光的透过和反射。

例如，毛细孔隙的存在会减少光的穿透能力，增加反射率。

综上所述，土壤对光谱反射率的影响是一个综合性的因素，受土壤类型、含水量、有机质含量、颗粒大小和土壤结构等多个因素的综合影响。

摘要土壤含水量是水文、气象、农业和生态等领域中的关键指标，对土壤含水量进行宏观、动态的监测可为土壤旱情分析、区域洪涝预警、土地退化预报以及生态环境评估等提供有效信息。

遥感技术的发展为获取大范围、长时间的土壤含水量实时信息提供了有效途径。

遥感反演是指基于地物电磁波产生的遥感影像特征去反推目标的实时状态参数，即将遥感数据转变为各种地表实用参数的过程。

目前针对土壤含水量的遥感反演模型可分为经验模型与物理模型：经验模型构造简单、便于实践但监测精度有限；物理模型具有坚实的理论基础，但涉及参数过多、适用性较差。

本文综合了经验模型与物理模型的优点，选择青藏高原为研究区、以MODIS卫星传感器资料作为主要数据源，构建了基于集成学习的土壤含水量遥感反演模型。

本文主要研究内容和结论如下：（1）土壤含水量相关光谱参数的提取收集并整理了青藏高原地区土壤温湿度实测数据以及遥感数据，完成了相关数据预处理操作；基于土壤的光谱反射特性，以MODIS地表反射率产品MOD09A1为数据源，对植被指数、植被覆盖度和叶面积指数等土壤含水量相关的光谱参数进行了反演。

（2）基于随机森林的地表温度重建基于随机森林算法对MODIS地表温度产品MOD11A1进行了重建，削弱了植被和地形的干扰，同时对数据缺失值进行了补充。

验证结果表明重建后的地表温度与实测地表温度具有良好的相关性，其准确性与空间连续性均得到了提升。

（3）基于温度-植被干旱指数的土壤湿度状况评估基于归一化差分植被指数（NDVI）反演结果与地表温度（LST）重建结果，构建NDVI-LST特征分布空间；针对特征分布空间中主体边界处的散点干扰问题，考虑各离散点的分布频率并进行干湿边方程的拟合；最后反演得到温度-植被干旱指数（TVDI），并据此对青藏高原地区土壤湿度状况进行评估。

结果表明TVDI在一定程度上能够反映土壤湿度分布的一般规律，但却不能对土壤含水量进行定量表述，其结果仍然具有局限性。