下载文档原格式
第3"卷第6期2017年11月唐山学院学报Journal of Tangshan UniversityVol.30 No. 6Nov.2017基于遥感图像的土壤含水量信息提取研究崔丽霞，王蕾(唐山学院智能与信息工程学院，河北唐山063000)摘要：土壤含水量是监测农作物生长状况的关键参数，近年来国内外学者在利用高光谱遥感数据监测土壤含水量技术方面进行了大量的研究。
文章在分析相关研究进展的基础上，以唐山地区为研究区域，重点选取乐亭县、涑南县为研究对象，将L a n d s a t8遥感数据所获取的植被指数和地表温度作为反演土壤含水量的两个基本参数，再结合实测的地表温度数据，利用B P神经网络建立模型，从而实现了对该研究区域内土壤含水量的提取。
通过研究发现，利用该方法能够提取土壤含水量，提取结果准确性较高。
关键词：唐山地区；土壤含水量；神经网络；遥感图像中图分类号：T P79:S152.7 文献标志码：A文章编号：1672 - 349X(2017)06 - 0021 -04DOI：10. 16160 [.c n k i.ts x y x b. 2017. 06. 005A Study on Determination of Soil MoistureContent Based on Remote Sensing ImagesC U ILi-x ia，WANGLei(C o lle g e o f In te llig e n c e and In fo rm a tio n E n g in e e rin g，T ang sh a n U n iv e r s ity，T angshan063000，C h in a)Abstract：S oil m o is tu re c o n te n t is a ke y param eter to m o n ito r crop g ro w th.In recent y e a rs，a g reat deal o f research has been done on th e m o n ito rin g o f soil w a te r c o n te n tb y up e rspectral rem ote sensing data b o th at hom e and abroad.Based on pre vio u s research on thes u b je c t，and w ith T ang sh a n as th e area to be s tu d ie d，L e tin g C o u n ty，L u a nnan C o u n ty asth e research s u b je c ts，and the ve g e ta tio n in d e x and surface te m p e ra tu re m easured b y L a n d-sat 8 as tw o basic param eters fo r th e d e te rm in a tio n o f so il m o is tu re c o n te n t，th e a u th o rs o fth is paper have d eveloped a m e th o d to dete rm in e th e so il m o is tu re c o n te n t o f th is area a fte re sta b lish in g a n eural n e tw o rk m odel w ith BP and ta k in g in to co n sid era tio n the real ste m p e ra tu re m easured.F u rth e r research show s th a t s〇i l m〇is tu re c o n te n t d e te rm in ed w ithth is m e th o d is accurate.Key Words：T a n g s h a n；soil m o is tu re c o n te n t；neu ra l n e tw o rk*rem ote sensing im age土壤水在全球水循环过程中起着十分重要 干旱的重要指标。
基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用引言：灌溉面积是农业生产中的关键指标之一，准确识别灌溉面积对于合理配置农业资源、提高农业水利效益具有重要意义。
随着遥感技术的快速发展，进一步利用遥感影像来识别和监测灌溉面积已经成为热门研究领域。
本文基于遥感土壤含水量和蒸散发信息，探索了一种新的灌溉面积识别技术的研究与应用。
一、遥感数据的获取和处理1.1 遥感影像的获取本研究使用高分辨率多光谱遥感影像来获取农田的土壤信息和植被信息。
遥感影像可以通过卫星、航空器或无人机等载体获取，具有获取范围广、周期短、空间分辨率高等优势。
1.2 遥感数据的处理将获取到的遥感影像进行预处理，包括大气校正、几何校正等，以去除影响识别结果的干扰因素。
二、基于遥感土壤含水量信息的灌溉面积识别方法2.1 土壤含水量的遥感反演方法通过建立土壤含水量与遥感影像反射率的关系模型，实现非接触式获取土壤含水量信息。
常用的反演方法有基于传统统计方法的多光谱反演法、基于数据驱动的机器学习方法等。
2.2 灌溉面积的识别方法在获取到土壤含水量信息后，结合土壤湿度的空间分布特点，运用图像分割、像元分类等方法，识别出农田中的灌溉面积。
三、基于蒸散发信息的灌溉面积识别方法3.1 蒸散发的遥感估算方法蒸散发是指自然界中水分从植被与土壤表面蒸发和通过植物蒸腾进入大气的过程。
通过建立植被指数与蒸散发的关系模型，可间接估算蒸散发的强度。
3.2 灌溉面积的识别方法结合蒸散发信息和土壤类型等因素，采用阈值或多尺度分析等方法，识别出受灌溉影响的农田面积。
四、基于遥感土壤含水量和蒸散发信息的灌溉面积识别4.1 融合土壤含水量和蒸散发信息的方法将土壤含水量和蒸散发信息进行融合，建立灌溉面积与土壤含水量、蒸散发强度之间的关系模型。
通过遥感影像分析，将这些模型应用于农田遥感图像中，实现灌溉面积的识别。
4.2 实验与结果分析通过对不同地区农田遥感影像的分析，验证了本方法的可行性和精度。
基于卫星遥感技术的土壤水分监测研究概述土壤水分是农业生产中至关重要的因素之一，它直接影响作物的生长发育和产量。
传统的土壤水分监测方法需要耗费大量时间和人力，且受到地点限制。
近年来，随着卫星遥感技术的快速发展，基于卫星遥感的土壤水分监测研究变得越来越受关注。
本文将详细介绍基于卫星遥感技术进行土壤水分监测的原理、方法与应用。
一、原理和方法1.1 卫星遥感原理卫星遥感技术利用卫星搭载的传感器对地球表面反射、发射和散射的电磁波进行观测。
不同频段的电磁波与地表特征之间存在一定的相互关系。
通过对这些关系的研究和数据处理，可以获取地表特征的丰富信息。
1.2 土壤水分监测方法基于卫星遥感技术的土壤水分监测方法主要包括以下几种：(1) 热红外遥感法：该方法利用地表热红外辐射与土壤水分含量之间的关系进行测量。
由于土壤水分会影响土壤的热导率和比热容，进而影响地表温度的空间和时间分布。
(2) 微波遥感法：微波在地表与大气之间有良好的穿透性，可以获取土壤深部的信息。
通过分析微波信号的散射和透射特性，可以反演土壤水分含量。
(3) 光学遥感法：该方法利用地表反射和散射的光谱特征与土壤水分含量和质地之间的关系进行测量。
不同波长的光对土壤的散射和吸收存在差异，可以用来获取土壤水分的信息。
二、应用案例2.1 农业水资源管理基于卫星遥感技术的土壤水分监测可以为农业水资源管理提供实时的监测数据和预测模型。
通过监测农田内的土壤水分状况，合理调配灌溉水资源，有助于提高水资源利用效率，降低灌溉水的浪费，从而实现农业生产的可持续发展。
2.2 干旱监测与预警干旱是全球范围内普遍存在的自然灾害，直接影响粮食生产和人类生活。
基于卫星遥感的土壤水分监测可以远程实时监测干旱程度和范围。
结合气象数据和土壤水分信息，可以建立干旱预警系统，为应对干旱提供科学决策支持。
2.3 气候变化研究土壤水分是地球水循环和能量平衡的重要组成部分，对气候变化具有关键作用。
利用卫星遥感技术对全球土壤水分进行监测和分析，可以深入了解水分分布和变化规律，为气候变化研究提供数据支持。
土壤水分遥感监测研究进展土壤水分是植物生长和发育的基础，也是农业生产、水文监测和环境治理等领域的关键参数。
然而，传统的土壤水分监测方法往往需要耗费大量人力和物力，难以实现大范围、实时和准确的监测。
近年来，随着遥感技术的不断发展，土壤水分的遥感监测逐渐成为研究热点。
本文将综述土壤水分遥感监测的研究进展，技术及应用，并探讨未来研究方向和潜力。
自20世纪初以来，众多研究者致力于土壤水分的遥感监测研究。
根据研究方法，可分为基于地面遥感、航空遥感和卫星遥感的不同类型。
地面遥感具有较高的精度，但监测范围有限。
航空遥感能够实现大范围监测，但成本较高。
卫星遥感具有大范围和动态监测的优势，但精度略低于前两种方法。
不同波段的遥感卫星如Landsat、Sentinel等也在土壤水分监测中得到了应用。
遥感技术在土壤水分监测中的应用包括多种方法和技术流程。
其中，最常见的是利用植被指数（如NDVI）与土壤水分含量之间的相关性进行监测。
通过分析遥感图像的植被指数，可以推断出土壤水分的分布和含量。
另外，微波遥感、主动式红外遥感、雷达成像等技术也在不同程度上应用于土壤水分的监测。
这些技术结合了遥感、地理信息系统（GIS）和数值模型，实现了土壤水分的定量分析和动态监测。
土壤水分遥感监测在农业生产中具有重要应用价值。
通过遥感技术，可以实时获取农田土壤水分信息，为农业生产管理提供决策依据。
在洪水灾害后，航空遥感和卫星遥感技术可用于评估土壤含水量，预测洪水对农作物的影响。
在环境治理方面，土壤水分遥感监测有助于了解土壤水分分布和动态变化，为土地利用规划、水资源管理和生态保护提供了科学依据。
随着遥感技术的不断发展，土壤水分遥感监测将具有更大的应用潜力。
未来研究方向可以从以下几个方面展开：1）提高遥感监测的精度和分辨率；2）实现多源数据的融合与分析；3）结合人工智能和机器学习技术，提升土壤水分遥感监测的自动化和智能化水平；4）拓展土壤水分遥感监测在非农领域的应用，如地质勘查、矿产资源开发等。
如何利用遥感技术进行农田水分监测和灌溉管理遥感技术在农田水分监测和灌溉管理方面发挥着重要作用。
随着全球气候变化和农业发展的需求，合理地利用遥感技术来监测农田水分和进行灌溉管理变得越来越重要。
本文将讨论如何利用遥感技术来监测农田水分和优化灌溉管理的方法和应用。
1. 引言农田水分监测和灌溉管理一直是农业领域的关注重点。
传统的水分监测方法通常基于经验和人工观测，但这种方法存在时效性低和空间不均匀的问题。
随着遥感技术的进步，可以通过利用航空或卫星遥感数据来实时监测农田水分状况，以及对灌溉进行精确的管理和决策。
2. 遥感技术在农田水分监测中的应用2.1 热惯量遥感热惯量遥感技术是一种基于土壤热量传导和能量平衡的方法，通过测量土壤和植被的热特性来估算土壤水分含量。
这种方法可以快速、非接触地获取大范围的农田水分信息。
2.2 微波遥感微波遥感技术利用了微波辐射在土壤中的传播和反射特性。
不同频率和极化的微波辐射在土壤和植被中的反射和散射特性受到土壤水分含量的影响。
通过分析微波辐射的特征参数，可以获取农田的水分状况。
2.3 光学遥感光学遥感技术是利用电磁波辐射（如可见光、红外线）与地表物体的相互作用来获取地表信息的方法。
植被叶片的光谱反射特性受土壤水分和植被状态的影响。
通过分析植被的光谱特征，可以间接估算农田的水分情况。
3. 遥感技术在灌溉管理中的应用3.1 精确遥感测量遥感技术可以提供大范围的土壤水分状况，帮助农民和农业管理者确定灌溉的需要和时机。
传统的人工观测方法通常只能得到局部的水分数据，而遥感技术可以实时获取农田的整体水分情况，提供更准确的灌溉决策。
3.2 水分监测网络利用遥感技术可以建立水分监测网络，通过遥感设备和传感器来实时监测农田的水分状况。
这些数据可以与气象数据和土壤传感器数据进行整合，为灌溉管理提供更全面和准确的信息。
3.3 精准灌溉遥感技术可以在不同农田区块之间进行差异化灌溉，根据不同区块的水分状况进行精确的灌溉管理。
遥感技术在土壤水分监测中的应用研究一、引言在农业生产中，土壤水分是农作物生长和产量形成的重要因素之一。
因此，准确监测土壤水分的变化对于精细化农业管理至关重要。
近年来，随着遥感技术的迅速发展和广泛应用，其在土壤水分监测中的应用也越来越受到研究者的关注。
本文将重点探讨遥感技术在土壤水分监测中的应用研究。
二、遥感技术概述遥感技术是通过感知和记录地面目标的电磁辐射，获取地表特征信息的一种技术手段。
它具有全球性、多时相性、实时性和自动化等优势，能够提供大范围、长时间序列的土壤水分监测数据。
常见的遥感数据包括航空遥感影像、卫星遥感影像等。
三、土壤水分监测的方法1. 传统监测方法：传统的土壤水分监测方法主要依靠人工采样和实地测量，包括土壤钻孔、电阻法、毛管压力法等。
这些方法虽然准确可靠，但局限于小样本量、时空分布不均匀等问题，难以全面监测土壤水分的变化。
2. 遥感监测方法：相对于传统方法，遥感技术具有全面性、高效性和快速性的优势，能够提供大范围、高分辨率的土壤水分监测数据。
常用的遥感监测指标包括地表温度、植被指数和微波遥感数据等。
这些指标与土壤水分之间存在一定的关联，可以作为土壤水分监测的重要参考。
四、遥感技术在土壤水分监测中的应用1. 土壤水分提取：遥感技术可以通过反射和辐射的物理特性来提取土壤水分信息。
通过对遥感影像进行预处理和特征提取，可以得到地表温度、植被指数等参数，从而间接反映土壤水分状况。
这种非接触式的监测方法不仅能够实现大范围土壤水分的监测，还能够实时跟踪土壤水分的变化。
2. 土壤水分定量化研究：通过建立土壤水分与遥感指标之间的关系模型，可以将遥感监测所得的指标转化为土壤水分数据。
这种定量化的研究方法不仅能够提高土壤水分监测的准确性，还能够实现大范围的土壤水分定量化分析。
3. 土壤水分空间分布预测：利用遥感技术获取的土壤水分监测数据，可以进行土壤水分空间分布的预测和分析。
通过建立空间插值模型或者机器学习算法，可以对土壤水分的空间分布进行高精度的预测，为农业生产提供科学依据。
基于遥感的土壤水分监测研究在农业生产、水资源管理以及生态环境保护等众多领域中，土壤水分都扮演着至关重要的角色。
准确、及时地监测土壤水分含量的变化，对于优化灌溉策略、提高农作物产量、预防干旱灾害以及维护生态平衡等方面都具有重要意义。
传统的土壤水分监测方法往往存在着诸多局限性，如费时费力、代表性不足以及难以实现大面积同步监测等。
随着遥感技术的不断发展，基于遥感的土壤水分监测逐渐成为了一种高效、便捷且具有广阔应用前景的手段。
遥感技术之所以能够用于土壤水分监测，主要是基于土壤对不同波长电磁波的反射、吸收和发射特性。
当电磁波照射到土壤表面时，其与土壤中的水分相互作用，导致电磁波的能量和特征发生改变。
通过分析这些变化，就能够反演出土壤水分的含量。
常见的用于土壤水分监测的遥感数据源包括可见光近红外遥感、热红外遥感以及微波遥感等。
可见光近红外遥感主要通过监测土壤的光谱反射特征来间接推算土壤水分。
然而，这种方法受到土壤质地、粗糙度以及植被覆盖等因素的较大影响，其监测精度相对较低。
热红外遥感则是基于土壤的热惯量与水分含量之间的关系来进行监测。
土壤水分含量越高，其热惯量越大，温度变化相对较小。
但热红外遥感容易受到大气条件和地表温度日变化的干扰，应用也存在一定的限制。
相比之下，微波遥感在土壤水分监测方面具有独特的优势。
微波能够穿透一定深度的土壤，并且对土壤水分含量的变化极为敏感。
其中，主动微波遥感（如合成孔径雷达 SAR）通过发射微波脉冲并接收后向散射信号来获取土壤水分信息。
被动微波遥感（如微波辐射计）则通过接收土壤自然发射的微波辐射来反演土壤水分。
微波遥感不受天气条件的影响，能够实现全天候的监测，但其空间分辨率相对较低。
在基于遥感的土壤水分监测中，数据处理和反演算法是关键环节。
常用的数据处理方法包括辐射定标、几何校正、大气校正等，以消除各种误差和干扰，提高数据质量。
反演算法则是将经过处理的数据转化为土壤水分含量的具体数值。
目录摘要 (I)ABSTRACT (II)第一章前言 (1)1.1研究意义 (1)1.2旱情与干旱的概念、描述指标 (4)1.3干旱的危害 (5)1.4我国干旱的特点、分布状况 (7)1.5常用的干旱分等定级方法 (10)1.6目前针对干旱及土壤水分的监测方法 (11)第二章国内外土壤水分遥感监测研究进展情况 (12)2.1国外遥感监测土壤水分发展状况 (12)2.2国内遥感监测土壤水分发展状况 (13)第三章遥感监测土壤水分的理论基础 (15)第四章遥感干旱监测及土壤水分监测的方法介绍 (17)4.1 基于地表温度的遥感干旱监测方法 (17)4.1.1热惯量法 (17)4.1.2表观热惯量植被干旱指数 (19)4.1.3条件温度指数法 (20)4.1.4归一化差值温度指数 (20)4.2 基于植被指数的遥感干旱监测方法 (21)4.2.1简单植被指数 (22)4.2.2比值植被指数 (22)4.2.3归一化植被指数 (22)4.2.4增强植被指数 (23)4.2.5条件植被指数 (24)4.2.6距平植被指数 (24)4.3 基于植被指数和温度的遥感干旱监测方法 (26)4.3.1条件植被温度指数 (26)4.3.2 温度植被旱情指数 (27)4.3.3植被温度梯形指数 (29)4.3.4作物缺水指数法 (30)4.4基于红外的遥感干旱监测方法 (32)4.4.1垂直干旱指数法 (32)4.4.2修正的垂直干旱指数法 (33)4.5 微波遥感法 (35)4.5.1被动微波遥感监测土壤水分 (35)4.5.2 主动微波遥感监测土壤水分 (36)4.6 高光谱法 (38)第五章主要方法的分析与比较 (40)第六章结论与展望 (42)参考文献 (45)土壤水分和干旱的遥感监测方法与研究摘要干旱作为我国频发的气象灾害之一，其持续时间长，波及范围，涉及领域之广，对我国的国民经济造成严重影响，特别是农业生产损失惨重。
高光谱遥感数据处理与土壤含水量预测研究近年来，随着高光谱遥感技术的快速发展，其在土壤含水量预测方面的应用也得到了广泛的关注。
高光谱遥感数据处理与土壤含水量预测研究成为了农业、环境和水资源管理等领域的热点问题。
本文将围绕这一任务名称，结合相关研究，探讨高光谱遥感数据处理方法与土壤含水量预测研究的关键问题和应用前景。
首先，高光谱遥感技术可以提供大量的光谱信息，涵盖了可见光、近红外和短波红外等多个波段。
这种多波段的高光谱数据可以反映出土壤的化学成分、水分含量和植被覆盖等信息，为土壤含水量预测提供了有力的支持。
然而，高光谱遥感数据处理中存在着诸多挑战，如数据维度高、光谱特征提取等。
在高光谱遥感数据处理方面，数据预处理是非常重要的一步。
由于高光谱遥感数据的波段较多，数据维度较高，而且存在着光谱数据的噪声和冗余等问题。
因此，需要进行波段选择、降维和去噪等处理，以简化数据结构和降低数据复杂度，提高后续分析的效率和准确性。
常用的数据处理方法包括主成分分析(PCA)和线性判别分析(LDA)等。
这些方法能够从原始高光谱数据中提取出最具代表性的特征，为土壤含水量预测提供更有意义的输入信息。
除了数据处理，高光谱遥感数据的光谱特征提取也是研究的关键问题。
不同波段的光谱特征对土壤含水量的变化具有不同的敏感性，因此需要通过光谱分析来选择最具代表性的波段变量。
这可以通过常见的方法，如峰值提取、变量重要性分析和光谱角度指数等来实现。
这些方法能够帮助我们了解哪些光谱波段与土壤含水量相关性较大，从而提高预测模型的准确性。
土壤含水量预测是高光谱遥感数据处理的一个重要应用领域。
通过建立高光谱遥感图像与土壤含水量之间的关系模型，可以实现对大范围土壤含水量的监测和预测。
常用的预测模型包括线性回归、支持向量机(SVM)和人工神经网络(ANN)等。
这些模型能够利用高光谱数据的特征与土壤含水量之间的非线性关系，从而提高土壤含水量的预测准确性。
此外，高光谱遥感数据处理与土壤含水量预测研究也具有广阔的应用前景。
微波遥感大面积土壤含水量估算理论与方法土壤介电性与介电常数模型1.介电性描述：介质在外加电场时会产生感应电荷而削弱电场，介质中的电场减小与原外加电场（真空中）的比值即为相对介电常数(relative permittivity或dielectric constant)，又称诱电率，与频率相关。
介电常数是相对介电常数与真空中绝对介电常数乘积。
如果有高介电常数的材料放在电场中，电场的强度会在电介质内有可观的下降。
理想导体的相对介电常数为无穷大，因为导体中内部场强总为零，而且由于无穷大的电导率导致趋肤深度为零，导体内形成电磁屏蔽。
介电常数：电场中相对真空介电常数：电场中磁导率：磁场中相对真空磁导率：磁场中复电导率：ε=εr*ε0，ε0为真空绝对介电常数。
通常，相对介电常数大于3.6的物质为极性物质；相对介电常数在2.8~3.6范围内的物质为弱极性物质；相对介电常数小于2.8为非极性物质。
真空介电常数，又称为真空电容率，或称电常数，是一个常见的电磁学物理常数，符号为ε0。
在国际单位制里，真空介电常数的数值为：ε0 = 8. 854187817 × 10-12F/ m（近似值）；2.极化和磁化：在外部电场的影响下，一种介电物质会产生小的偶极子。
偶极子是一对相反的电荷，可以用两个电荷相隔一个很小的距离来近似。
许多物质可以用偶极子近似，因为相对于电荷之间的距离，电场对细微的细节不敏感。
例如原子的偶极子，电子或电子云围绕着一个正电荷。
由于电场的存在，这些电子受相反力量的牵制，结果是这些电子彼此相对移动。
这被称为电子极化。
分子通常包含不同种类的原子，每个原子有自己的电子云。
这些电子云不是对称共享的，但它们是分离偏心的面对较强的结合原子。
当分子具有对称排列的原子时，这种分子称为非极性分子，因此正和负电荷的重心相同。
由于核的吸引，电子云不能移动或变形很大，在作用场的影响下，电子云将会移动或变形以一种方式，这种方式就是电荷随着作用场将达到均衡状态。
基于遥感的农田土壤含水量面预报方法研究纪瑞鹏,班显秀,张淑杰,张玉书,冯锐,陈鹏狮（中国气象局沈阳大气环境研究所，沈阳，110016）摘要伴随着辽宁地区暖干化，农业用水紧张的矛盾日益突出，特别是旱作农业对水的依赖性越来越强。
利用22年的常规气象和农业气象观测资料，完成了辽宁5个农业气候相似区玉米作物系数(K c)和土壤供水系数(K w)的确定，并在土壤水分平衡方程和彭曼—蒙特斯公式基础上，建立了0～50厘米深耕层内土壤含水量旬预报模式。
利用NOAA气象卫星资料监测得到的农田含水量作为模式预报的初始值，在地理信息系统平台的支持下，将土壤含水量预报模式中所用参数的点状数据插值得到面状栅格数据，然后依据土壤含水量预报模式，利用地理信息系统的空间分析功能，实现了对每个像元未来旬农田土壤含水量进行的面预报。
该方法对辽宁乃至广大干旱地区的玉米农田干旱发生的预测、预警和提高农田水分利用率具有现实意义。
关键词：玉米农田，土壤水分平衡，面预报，遥感监测，地理信息系统1 引言农田土壤含水量是直接影响作物生长发育好坏及产量高低的重要因素之一。
为了有效利用土壤水资源，合理分配农业用水，发展综合节水和灌溉农业技术，做好抗旱工作，对农田土壤含水量未来变化趋势进行预报预测研究十分重要。
辽宁地处半干旱地区，玉米是全省最主要的粮食作物，播种面积约142.2万公顷，占农作物播种面积的39.2％，目前绝大部分地区玉米仍然是靠自然降水生产，产量起伏比较大。
特别是近年来，干旱灾害对辽宁玉米生产影响非常大，1998～2004年已连续发生干旱灾害，水分条件从根本上限制辽宁玉米生产，因此研究适用于本地区的农田土壤含水量预报模式和方法是当前农业气象服务迫切解决的问题。
近20年来对土壤含水量的预测研究已取得许多重要成果，国外有Thorthwaite提出的气候水分平衡的薄记法[1]，Baier等研制的通用水分平衡法[2]和Y.M安格斯坦法等[3];国内裴文祥、巫东堂、朱自玺、康绍忠[4～7]等的研究也取得许多重要结果。
目前,国内外土壤含水量预测主要分为经验公式法、水分平衡法、消退指数法、土壤水动力学法、时间序列模型法、BP神经网络法等，但有关农田土壤含水量空间无缝隙面预报方法的研究还未见报道。
本文针对辽宁地区玉米农田土壤水分运动特点，利用常规气象和农业气象观测资料，计算出辽宁5个农业气候相似区的玉米作物系数和土壤供水系数,并以水分平衡方程和彭曼—蒙特斯公式为基础，建立了辽宁地区玉米农田土壤水分旬预报模式。
利用遥感(RS)和地理基金项目：科技部农业科技成果转化项目(05EFN217400412)、辽宁省科技厅攻关项目(2001207003)和辽宁省气象局“辽宁省农业气候资源综合评价方法研究” 共同资助。
作者简介：纪瑞鹏(1972-),男,1972年出生,副研究员,在读硕士生,主要从事卫星遥感和生态环境气象研究。
信息系统(GIS)相结合的技术，通过对土壤含水量预报模式中所用参数进行克里金（Kriging）空间插值，依据农田土壤含水量旬预报模式，实现了对每个像元未来旬农田土壤含水量进行的面预报。
1 预报模式建立的依据1.1 土壤水分平衡方程玉米农田含水量的变化受诸多因素的影响，如气象要素、玉米发育期、玉米品种、土壤性质等等，其中实际降水和蒸散量是决定玉米农田土壤含水量变化的最主要因素。
在自然条件下，大气降水是辽宁玉米农田土壤水分的主要来源，而实际蒸散则是土壤水分的主要支出项。
如果忽略作物截留量和作物自身含水量等项，则土壤水分平衡方程可表示为： 0=∆−−−−+W ET D J I R （1）式中R 为降水量，I 为灌溉量，J 为地表径流量，D 为深层渗透量，ET 为农田实际蒸散量，W ∆为农田含水量变化量，以上各项单位为mm 。
若某一时段开始时(n )土壤含水量已知，则时段结束时(1+n )土壤含水量为：n n n n n n n ET D J I W R W −−−++=+1 （2）式（2）中项目较全面，若各分量均能得到精确测量或计算的话，其预测结果必然会很精确。
但在实际应用中，有些项目很难准确测定。
结合辽宁省玉米农田基本无灌溉条件的实际情况，认为深层渗漏和径流近似为零，于是玉米农田土壤含水量的变化可简化表示为： n n n n ET R W W W −=−=∆+1 （3）1.2 玉米农田土壤含水量预报时段的确定土壤中含水量在土面蒸发及棵间蒸腾双重作用下，会逐渐降低。
首先是土面变干，然后下层土壤中的水分因向上部传递输送也逐渐消耗。
通常土壤含水量估算主要是依据耕作层的水分情况，因为耕作层是玉米根系的主要活动层，只要耕作层的土壤含水量处于萎蔫系数以下，作物就进入灾危临界状态。
而生长季耕作层的含水量由适宜状态降至萎蔫系数以下，最短只需10d 左右的时间，结合农业气象墒情观测及发报实际情况，确定旬为时间单位进行农田土壤水分预报[8]。
1.3 玉米农田土壤含水量预报层次的确定农田土壤含水量是指某一时刻一定深度内土壤层实际涵有的水量，它是土壤湿度)(h θ的函数，由土壤湿度的实测值逐层计算累加而得：∑∆=h h W a )(θ。
土壤含水量随着地理位置及时间的变化而产生很明显地动态变化，需强调的是，土壤含水量与给定的计算深度有关，本文讨论土壤水的储量变化时,确定0～50厘米深度为玉米田土壤含水量预报层次[8]。
2 预报模式各分项的计算方法由式（3）分析，农田实际蒸散量（ET ）及其计算精度是计算土壤水分平衡的关键因素。
2.1玉米农田实际蒸散量的计算实际蒸散量是表征玉米在某时段内土壤水分的实际耗散量,它包括棵间蒸发和植株蒸腾两部分，一般由计算得出。
根据彭曼蒸散原理，对玉米农田实际蒸散量的估算可表征为：w c K K ET ET ⋅⋅=0 （4）式中：0ET 为可能蒸散量;c K 为玉米作物系数;w K 土壤水分供应系数。
2.1.1 可能蒸散量的计算本文采用联合国粮农组织(FAO)推荐的修正后的彭曼—蒙特斯(Penman—Monteith)公式(5)进行计算。
()()()22034.01273900408.0U e e U T G R ET d a n ++∆−++−∆=γγ （5） 式中 :0ET 为参考作物蒸散量(1−⋅dmm );Δ为平均气温时饱和水汽压随温度的变化率(⋅Kpa ℃-1);n R 为净辐射 (12−−⋅d m MJ );G 为土壤热通量(12−−⋅dm MJ );γ为湿度表常数 (⋅Kpa ℃-1);2U 为 2ｍ高处的平均风速 (1−⋅s m );a e 为达到平均气温时的饱和水汽压 (Kpa )，可查表获取;d e 为达到平均气温时的实际水汽压(Kpa )。
2.1.2 玉米作物系数的计算在利用式(4) 计算实际蒸散ET 时，首要需确定本地区的玉米作物系数。
玉米作物系数为玉米最大蒸散量与可能蒸散量的比值，即ET ET K m c = （6） 式（6）成立条件为农田水分充分供应玉米群体生长发育的需求，也就是没有水分胁迫（田间有效相对含水量≥75%）。
根据辽宁地区18个农试站1980～2002年常规气象和农业气象观测资料，利用农田水分平衡原理，确定了辽宁5个农业气候相似区的玉米作物系数旬值（表1），详细计算过程见文献[9]。
表1 辽宁各地区玉米作物系数旬值Table 1 The coefficients of corn in Lioaning时间(旬/月）上/4 中/4下/4 上/5 中/5 下/5上/6中/6下/6上/7中/7下/7上/8中/8 下/8 上/9 中/9 下/9辽宁东部 0.39 0.48 0.54 0.61 0.69 0.75 0.85 0.93 0.97 1.02 1.13 1.24 1.18 1.14 1.03 0.93 0.85 0.75 辽宁南部 0.35 0.48 0.55 0.60 0.70 0.79 0.85 0.93 0.99 1.15 1.21 1.26 1.18 1.12 1.03 0.93 0.85 0.72 辽宁西部 0.26 0.39 0.44 0.49 0.52 0.56 0.58 0.70 0.81 0.89 1.13 1.29 1.19 0.94 0.89 0.90 0.77 0.66辽宁北部 0.35 0.410.43 0.46 0.49 0.55 0.59 0.66 0.85 1.11 1.18 1.23 1.18 1.12 1.08 0.98 0.87 0.75 辽宁中部 0.37 0.39 0.44 0.48 0.52 0.57 0.63 0.75 0.91 1.14 1.21 1.29 1.20 1.12 1.07 0.99 0.87 0.802.1.3 土壤供水系数的计算实际蒸散量与土壤水分的关系比较复杂，利用申双和等研究模型)(max max c f k W W W aW W −==，a 为待定系数，通过迭代运算，从0.4～1.0之间进行循环迭代，步长为0.05;W f 为田间持水量，W c 为凋萎湿度。
求得辽宁5个农业气候相似区的临界含水量（表2）。
表2 辽宁省各地区a 值及临界有效含水量 Table 2 The cofficient a and soil critical available water content of 5 regions in Liaoning区 域 a临界有效相对含水量（%） 辽宁东部0.68 80 辽宁南部0.76 81 辽宁西部0.78 85 辽宁北部0.69 78 辽宁中部0.70 75 在计算的过程中，根据表2中的数据，把充分供水的样本点（即大于临界含水量的样本点）滤掉，建立土壤供水系数w K 的函数关系（表3），详细计算过程见文献[10]。
表3 辽宁省各地区w K 的模拟模型Table 3 The simulation models for w K in Liaoning province区 域w K 模型 2R 辽宁东部0047.04706.1+−−=c f c w w w w w K 0.8002 辽宁南部0265.03459.1−−−=c f c w w w w w K 0.9424 辽宁西部0391.03362.1−−−=c f c w w w w w K 0.6632 辽宁北部0095.04161.1+−−=c f c w w w w w K 0.8920 辽宁中部 0468.03776.1+−−=c f c w w w w w K 0.8651至此，土壤含水量预报模式中各未知项的计算方法均已确定。
3 基于RS 和GIS 土壤含水量面预报个例分析目前在实际服务与业务应用过程中，发现只对少数站点进行农田土壤含水量预报，已经不能满足农业生产现代化服务的需求。
