下载文档原格式
ISSN100922722 CN3721118/P海洋地质动态Marine Geology Letters第25卷第10期Vol25No10文章编号:100922722(2009)1020036206地质构造三维可视化系统设计与实现陈 军1,2,权文婷3,周冠华3,温珍河1,2(1国土资源部海洋油气资源与环境地质重点实验室;2青岛海洋地质研究所,青岛266071;3北京师范大学资源学院,北京100875)摘 要:地质构造三维可视化是地质勘探数据处理的重要环节,是正确认识地质构造的重要手段,从而为油藏模拟提供科学的依据。
在与Arcengine技术的支持下,结合地质构造数据特征及其应用要求,设计实现了地质构造三维分析与可视化系统。
试验结果提供了从整体到局部的多角度显示手段与几种常用的数据挖掘方法,从而有助于研究人员准确快速掌握地质构造信息,为进一步的地质研究提供科学依据。
关键词:地质构造;三维可视化;数据挖掘中图分类号:P618.02 文献标识码:A 地质对象相比于地理对象而言,具有平面分布、Z值变化连续、内部信息不完全(或者称地质对象是灰色的)和数据采集代价大等特点[1]。
长期以来,地质工作者习惯于用二维地图产品来抽象形成大脑中的三维地物,这给许多地学专家进行地学分析带来极大不便,单靠二维信息无法较好地描述地质体的三维结构。
为此,多年来地质工作者一直关注地质体三维可视化及建模技术[2]:1992年国际勘探地球物理学家协会和欧洲勘探地球物理学家协会成立了Seg/Eaeg3D建模委员会,开展了3D建模工程;1997年在巴塞罗那召开的国际数学地质会议上,Graeme和Bonham等强调地质材料收稿日期:2009207202基金项目:国家地质大调查专项“我国海域1∶100万地质地球物理系列图”(1212010511302);十一五国家科技支撑项目(2008BAC34B03)作者简介:陈 军(1982—),男,实习研究员,从事地理信息系统与遥感研究.E2mail:chenjun820711@ 3D可视化的重要性[3]。
第17卷 第2期厦门理工学院学报V o.l 17 N o .22009年6月Journal o f X ia m en U n i versity o f T echno l ogy Jun .2009[收稿日期]2009-03-12 [修回日期]2009-05-11[基金项目]厦门市科技计划指导性项目(3502Z20077016)[作者简介]孙凤琴(1982-),女,福建莆田人,助教,硕士,从事海洋与环境遥感的研究.厦门环东海域整治过程悬浮泥沙变化遥感监测孙凤琴(厦门理工学院空间信息科学与工程系,福建厦门361024)[摘 要]选用2005)2007年福建省干季(10月~2月)三个时相中潮位的中巴卫星CCD 数据,利用泥沙指数SI=(ch2+ch3)/(ch2/ch3)提取厦门环东海域悬浮泥沙信息.与现场浊度的对比表明,该泥沙指数能较好地反映悬浮泥沙的相对分布.泥沙指数图像显示,该海域悬浮泥沙浓度分布具有浅海高、深海低,从两岸向中部降低的特点;与2005年10月相比,2007年1月整治过程中清淤吹填使海域面积有所减小,但湾中上部高、中高浓度泥沙明显增加;到2007年11月,清淤吹填基本完成,海域高、中高浓度悬浮泥沙总比2005年10月约减少14k m 2.综合整治使得整个环东海域悬浮泥沙含量明显降低.[关键词]厦门环东海域;遥感;悬浮泥沙;泥沙指数[中图分类号]P73111 [文献标志码]A [文章编号]1008-3804(2009)02-0062-050 引言悬浮泥沙含量影响水体透明度、水色等性质,其变化对生态环境、水下地貌冲淤、港口工程等有直接影响[1].遥感具有大面积、同步测量和时空分辨率较高的特点,可有效地监测悬浮泥沙的分布.Ruhl等[2],Ty l e r 等[3],Sipe l g as 等[4]利用不同资料在美国、欧洲、非洲进行了悬浮泥沙浓度的反演.国内学者也利用MODIS 和中巴CCD 影像等研究了沿海和内陆湖泊的悬浮泥沙浓度[5-7].研究者们提出了许多的反演模式[8],但这些模式针对不同水域范围而建立,在其他水域难以普遍适用.李四海等[9]指出,泥沙指数法综合应用了不同波段的光谱信息,可获得层次丰富泥沙图像.文中以厦门环东海域为研究区域,利用多时相的中巴CCD 遥感资料,基于泥沙指数提取悬浮泥沙信息,探讨海域建设对悬浮泥沙和冲淤环境的影响.1 研究区域介绍厦门地处福建省东南沿海.海峡西岸经济区列入国家/十一五0规划,给厦门带来前所未有的发展机遇,但岛内土地资源稀缺,成为制约厦门发展的软肋.开发环东海域成为厦门市提升未来发展空间的重要战略.环东海域新城区(见图1),陆域规划面积114km 2,海域面积91km 2,沿岸入海河流有东、西溪和官浔溪,径流比较小[10].整治前,由于长期的填海造地和围垦养殖,该海域污染严重,存在大面积淤积浅滩.环东海域整治工程,主要包括清淤吹填、产业第2期孙凤琴:厦门环东海域整治过程悬浮泥沙变化遥感监测区建设等内容.2006年7月,清淤吹填工程开始;至2007年2月,清淤吹填集中在丙洲片区(位于同安区,由官浔、西柯和丙洲地块组成)和洪塘片区(位于同安湾北部,泉厦漳高速公路以南、东溪以东).一系列建设过程,必将引起环东海域悬浮泥沙分布及冲淤环境的明显变化.2 数据选择与研究方法211 数据选择为了使中巴卫星(CBERS)CCD 数据具有可比性,主要考虑数据在干/湿季和潮位时相两方面的选择.在季节方面,径流携沙量与降水有密切关系.根据多年降水量的气候平均,福建省3月~9月份为湿季,10月~2月份为干季,干季海湾受径流携沙影响较湿季的小.在潮位方面,近岸海域的潮流对悬浮泥沙的影响显著.通常悬沙浓度在较低潮位时较高,而在较高潮位时较低.结合数据资料,选择干季相近潮位的3幅遥感图像来分析.所用遥感数据的相关情况来自厦门日报,如表1所示.表1 所用中巴CCD 遥感数据的日期/潮时/风况Tab .1 The da t e /tide tm i e /w ind o f CCD data from CBERS数据日期2005年10月21日2007年01月06日2007年11月28日农历日期九月十九日十一月十八日十月十九日高潮时刻14.5014.3515.05低潮时刻8.308.008.30风况东北风3-4级东北风3级东北风3-4级212 遥感影像预处理主要包括几何校正和大气辐射校正.(1)地理校正:保证数据的准确性和不同时相数据的可比性.采用影像到影像的配准:以已校正到厦门市1B 5万地形图的2001年TM 影像为基准,将各CCD 影像配准到该T M 影像上,采用二次多项式变换,双线性内插法重采样.满足多时相遥感变化检测误差小于015个像元的要求.(2)大气校正:由于水体辐射信号较弱,受大气影响大,进行大气校正是必需的.过去20多年已经发展了许多大气校正模型[11].鉴于本研究区域小,所选图像晴空无云,可认为各点大气影响基本一致.因此,采用较为常用的最暗像元法进行大气校正[12].213 海域水体信息提取要提取悬浮泥沙信息,必需先获得准确的水域范围.根据/水体对近红外波段强烈吸收,而对绿光波段有较高的反射0的光谱特性,M c Feeters[13]构建的水体指数NDW I 能很好地剔除非水体信息:ND W I=(G reen-N I R )/(G reen+N I R)式中,G reen 和N I R 是绿光波段和近红外波段的反射率,对应CCD 数据图像的第2和4波段.通常,NDW I 以0为阀值,水体的为正值,土壤和植被的为负值.考虑到研究区域落潮时有泥滩存在,因此根据各图像情况,确定ND W I 阈值,使陆地和泥滩不参与泥沙信息提取.214 泥沙指数计算LandsatTM /ET M +绿波段0152~0160L m 和红波段0162~0169L m 对悬浮泥沙的灰度响应曲线表明,这两波段的灰度可以反映水体泥沙含量的差异[7].中巴CCD 第2、3波段正适合于提取水中悬浮泥沙信息,因此拟定泥沙指数为:SI=(ch2+ch3)/(ch2/ch3),利用E rdas817进行运算,得到不同时相遥感泥沙指数的分布图.3 环东海域悬浮泥沙分布特征分析311 泥沙指数与现场浊度的对比中巴卫星平均降交点地方时为10:30a m,取现场准同步的浮标浊度进行比较.浮标位置见图3(c)所示:绿色点(N118b 081789c ,E24b 371002c )和紫色点(N118b 101913c ,E24b 341668c ).#63#厦门理工学院学报2009年2005)2007年泥沙指数SI 与相应浊度对比,如图2所示.从图2可知,SI 与浮标浊度两者的变化趋势基本一致.二者在2007年11月28日B 点出现较大差异,浊度为低值,SI 为相对高值.查看当日的遥感图像,第三波段比其他日期大幅上升,使得SI值整体较高,但在该图像中,该S I 值仍代表相对的低值.说明该泥沙指数不是真正的泥沙浓度,但能较好的反映悬浮泥沙相对含量的分布.312 不同时相悬浮泥沙分布的对比图3(a)(b)(c)分别为日期20051021、20070106、20071128的中巴CCD 遥感图像,由第4、第2和第1波段合成.从图3三幅图像可看出2005)2007年环东海域建设的变化:图3(b)与图3(a)相比,工业区初现规模;在图3(c)上,各处的建设明显扩大,丙洲岛南端和环湾路建设展开.图3(c)与图3(a)相比,海陆变化如图4所示,黑色表示水域转为陆域或淤积,白色表示陆域或淤积转为水域,海转陆/淤面积约16km 2.为了划分不同悬浮泥沙浓度的水体,采用以下的指标作为标准(M 代表平均值,D 代表标准方差)[7]:SI>M +D,高浓度悬浮泥沙;M <SI [M +D,中高浓度悬浮泥沙;M -D <SI [M,中低浓度悬浮泥沙;M I N <SI [M -D,低浓度悬浮泥沙.图5(a)(b)(c)分别为日期20051021、20070106、20071128的泥沙指数图像.从图5三幅泥沙指数图像可看出:1)以图5各图中红线为界,在湾口存在中高浓度悬浮泥沙.从其分布来看,不是从湾内而来,应是相邻海蚀海岸及堆积海滩形成近岸较高浓度悬沙,由潮流挟带至此.2)在红线以北的湾内,高浓度悬浮泥沙主要位于湾顶和沿岸滩涂附近,而在湾中部为低悬浮泥沙带.同安湾四周潮滩宽阔,多为粉砂质砂和泥质粉砂;潮汐通道发育在刘五店)大离亩以北海域[10].粉砂潮滩在流浪作用下易形成悬浮泥沙,与湾内高悬沙区相对应;潮汐通道水深较大,对应悬浮泥沙浓度较低.图5(a)~(c)三幅图像也反映出2005)2007年湾内泥沙分布有个明显变化的过程.图5(b)与图5(a)相比,湾中上部高浓度和中高浓度泥沙明显增加,但在机场附近有所降低,总体上高浓度和中低浓度面积分别增加018km 2和613km 2,中高浓度和低浓度面积分别减少117km 2和717km 2.在图5(c)图像中,高浓度和中高浓度悬浮泥沙仅存在湾顶和近岸区域,与图5(b)相比,高、中高和中低浓度的面积分别减少513km 2、812km 2和215k m 2,低浓度的增加514km 2;而图5(c)与图5(a)相比,则高、中高和低浓度的泥沙分别减少415km 2、919km 2和213km 2,而中低浓度增加318km 2.#64#第2期孙凤琴:厦门环东海域整治过程悬浮泥沙变化遥感监测引起2005)2007年环东海域悬浮泥沙变动的主要原因,是海域的整治过程.具体分析如下:1)从表1可知,所选的三个时相卫星数据的日期都在干季,径流输沙的影响相似,范围较小.2)从表1还可知该三个时相数据的高低潮时刻.根据中巴卫星平均降交点地方时(10B 30a m )和厦门正规半日潮的规律,可判断三个时相遥感CCD 数据(图3(a)~(c))都是接近高低潮中间的中潮位期,且农历为十八日和十九日,潮位高(水深)相近,风况均为东北风3-4级.在这三个时相,径流输沙、水深、风况、流速、浅滩底质等条件相似,决定了悬浮泥沙的大体分布,但不会引起这三个时相间悬浮泥沙分布的大幅度变化.3)海域的综合清淤吹填工程起于2006年7月,至2007年2月,清淤吹填主要位于湾顶的丙洲片区和洪塘片区,其影响正是图5(b)中湾中上部悬浮泥沙明显增加处.小部分海转陆,也减少了近岸高浓度泥沙的面积,如机场和丙洲岛周围;至8月,清淤吹填进入尾声,对湾底泥沙的搅动减少,且清淤结束后,浅滩水深增加,因此,11月的图5(c)中整个环东海域悬浮泥沙含量明显降低.4 结语选用2005)2007年间福建省干季(10月~2月)三幅潮位相近的中巴CCD 图像,通过泥沙指数获得了这期间环东海域悬浮泥沙的变化.总体上,环东海域悬浮泥沙受水下地形地貌和潮流的影响,分布具有浅海区浓度高,深海区浓度低,从岸边向海域中部逐渐降低的特点.在径流输沙,水深、风况、流速、浅滩底质等条件相似的情况下,海域整治的清淤吹填是引起悬浮泥沙浓度变化的主要原因.总体上,综合整治使得环东海域悬浮泥沙含量明显降低.致谢:感谢福建省空间信息工程研究中心提供中巴CCD 数据;感谢厦门市水产研究所提供浮标浊度数据以及蔡励勋工程师的支持.[参考文献][1]程天文,赵楚年.我国主要河流入海径流量、输沙量对沿岸的影响[J].海洋学报,1985,7(4):460-471.[2]RUH L C A,SC HOELLHAM ER D H,STUM PF R P et a.l Co m b i ned use o f re m ote sensing and conti nuous m on ito -r i ng to analyse the var i ability of suspended-sed i m ent concentrati on in san Franc isco bay Californ i a [J].E stuarine ,C oasta l and Shelf Sc i ence ,2001,53:801-812.[3]TYLER A N,S VA B E ,PRESTON T et a.l R emo te sensi ng of t he wa ter qua lity o f shall ow lakes :A m i x t ure m ode-lli ng approach to quantif y ing phytoplankton i n w ater character i zed by h i gh -suspended sed i m ent [J].Internati ona l Journa l o f R e -m ote Sensing ,2006,27(8):1521-1537.#65#厦门理工学院学报2009年[4]S I PELGAS L,RAUD SEPP U,KOUTS T.Operati ona lm onito ri ng o f suspendedm a tter d istri buti on usi ngM OD IS i m a -ges and nu m er i ca lm ode lli ng [J].A dvances i n Space R esearch ,2006,38(10):2182-2188.[5]张春桂,张星,陈敏艳,等.福建近岸海域悬浮泥沙浓度遥感定量监测研究[J].自然资源学报,2008,23(1):150-160.[6]邬国锋,崔丽娟,纪伟涛.基于时间序列M OD IS 影像的鄱阳湖丰水期悬浮泥沙浓度反演及变化[J].湖泊科学,2009,21(2):288-297.[7]王心源,李文达,严小华,等.基于L andsat TM /ETM +数据提取巢湖悬浮泥沙相对浓度的信息与空间分布变化[J].湖泊科学,2007,19(3):255-260.[8]刘志国,周云轩,蒋雪中,等.近岸Ò类水体表层悬浮泥沙浓度遥感模式研究进展[J].地球物理学进展,2006,21(1):321-326.[9]李四海,恽才兴.河口表层悬浮泥沙气象卫星遥感定量模式研究[J].遥感学报,2001,5(2):154-160.[10]林桂兰,方建勇,陈峰.厦门同安湾滩槽演变趋势的遥感分析[J].国土资源遥感,2004,62(4):63-67.[11]郑伟,曾志远.遥感图像大气校正方法综述[J].遥感信息,2004(4):66-70.[12]SONG C ,W OODCOCK C E ,SETO K C ,e t a.l C lassificati on and change detecti on us i ng landsat TM data :when and how to correct at m ospheric effects [J].R e m ote Sensing o f Environment ,2001,75(2):230-244.[13]M cF ee ters S .T he use of the nor m a lized difference w ater index (NDW I)i n the de li nea ti on o f open w ater features[J].Internationa l Journa l of R emo te Sensi ng,1996,17(7):1425-1432.R e m ote Sensi ngM onitori ng of Suspended Sedi m ent Change i nX i a m en East Coastal HarnessS UN Feng -q i n(D epart m ent of Spa tia l Infor m a tion T echnology ,X ia m en U niversity of T echnology ,X ia m en 361024,Ch i na)A bstract :CBERS CCD data o f dry season fro m 2005to 2007w ere chosen to i n d icate the suspended sed-i m ent change in X ia m en East coastalw ater area in t h ese years .Sed i m ent I ndex SI=(ch2+ch3)/(ch2/ch3)w as used to indicate w ater w ith different sed i m ent levels .C o mpared w ith buoy turbidity ,S I sho w ed related d is -tri b ution of suspended sed i m ent w el.l According to S I i m ages ,suspended sedi m ent concentration w as generall y lo w i n shoa l and h i g h in deep affected by t h e physi o gno m y and current i n th is area .The silt purge and filli n g in Jan.2007reduced the sea area and i n creased suspended sed i m ent at upper and upper m i d dle levels i n northern and w estern bays ,and i n Nov 12007,near the end of the silt pur ge and filli n g ,suspended sedi m ent at upper and upper m iddle leve ls decreased about 14km 2co mpared w ith that i n O ct 12005.I n genera,l X i a m en E ast coastal area harness has v isibly reduced the suspended sed i m ent concen trati o n .K ey words :X ia m en East coastal area ;re m ote sensi n g ;suspended sedi m en;t sed i m ent para m eter #66#。
第３９卷第１３期２０１９年７月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３９，Ｎｏ．１３Ｊｕｌ．，２０１９基金项目：国家重点研发计划项目（２０１７ＹＦＡ０６０４７０１）；中国博士后科学基金项目（２０１８Ｔ１１００６６，２０１７Ｍ６２００２９）；中央高校基本科研业务费专项收稿日期：２０１８⁃０４⁃２６；㊀㊀网络出版日期：２０１９⁃０４⁃１７∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｓｈｕａｉｗａｎｇ＠ｂｎｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０１８０４２６０９４９潘宁，王帅，刘焱序，赵文武，傅伯杰．土壤水分遥感反演研究进展．生态学报，２０１９，３９（１３）：４６１５⁃４６２６．ＰａｎＮ，ＷａｎｇＳ，ＬｉｕＹＸ，ＺｈａｏＷＷ，ＦｕＢＪ．Ａｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１９，３９（１３）：４６１５⁃４６２６．土壤水分遥感反演研究进展潘㊀宁１，王㊀帅１，∗，刘焱序１，赵文武１，傅伯杰１，２１北京师范大学地理科学学部，地表过程与资源生态国家重点实验室，北京㊀１００８７５２中国科学院生态环境研究中心，城市与区域生态国家重点实验室，北京㊀１０００８５摘要：土壤水分精确反演对于理解和解决农业生产㊁生态规划以及水资源管理中的科学与实际问题至关重要㊂目前，大量的反演算法被广泛用于土壤水分估算，全球土壤水分遥感反演产品不断发布，反演算法与产品数据集的应用前景亟待系统梳理㊂基于不同谱段遥感探测技术中的土壤水分反演方法存在各自的特点㊁优势和局限性㊂除反演方法研究外，土壤水分遥感反演研究热点可被归纳为遥感土壤水分产品评估㊁在相关领域的应用㊁数据同化３个方面㊂大量研究表明土壤水分遥感反演产品在生态㊁水文㊁干旱等研究中表现出巨大的潜力，且在部分研究中已经得到应用㊂但目前土壤水分的遥感观测与应用需求仍存在一定的差距，因此最后对土壤水分遥感反演在探测的精度和准确度两个方面及其解决方案进行了总结与展望㊂关键词：土壤水分；反演方法；遥感产品；数据应用；数据同化ＡｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇＰＡＮＮｉｎｇ１，ＷＡＮＧＳｈｕａｉ１，∗，ＬＩＵＹａｎｘｕ１，ＺＨＡＯＷｅｎｗｕ１，ＦＵＢｏｊｉｅ１，２１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥａｒｔｈＳｕｒｆａｃｅＰｒｏｃｅｓｓｅｓａｎｄＲｅｓｏｕｒｃｅＥｃｏｌｏｇｙ，ＦａｃｕｌｔｙｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７５，Ｃｈｉｎａ２ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｒｂａｎａｎｄＲｅｇｉｏｎａｌＥｃｏｌｏｇｙ，ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＥｃｏ⁃ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８５，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｆｏｒｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄｓｏｌｖｉｎｇｓｃｉｅｎｔｉｆｉｃａｎｄｐｒａｃｔｉｃａｌｐｒｏｂｌｅｍｓｉｎａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎ，ｅｃｏｌｏｇｉｃａｌｐｌａｎｎｉｎｇ，ａｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ．Ａｔｐｒｅｓｅｎｔ，ａｌａｒｇｅｎｕｍｂｅｒｏｆｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｗｉｄｅｌｙｕｓｅｄｉｎｓｏｉｌｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎ，ａｎｄｇｌｏｂａｌｓｏｉｌｍｏｉｓｔｕｒｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓａｒｅｃｏｎｓｔａｎｔｌｙｐｕｂｌｉｓｈｅｄ，ｂｕｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｓｏｆｐｒｏｄｕｃｔｄａｔａｓｅｔｓｎｅｅｄｔｏｂｅｓｙｓｔｅｍａｔｉｃａｌｌｙｃｏｍｂｅｄ．Ｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｓｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｄｉｆｆｅｒｅｎｔｓｐｅｃｔｒａｌｒａｎｇｅｓｈａｖｅｔｈｅｉｒｏｗｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ａｄｖａｎｔａｇｅｓ，ａｎｄｌｉｍｉｔａｔｉｏｎｓ．Ｉｎａｄｄｉｔｉｏｎｔｏｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄｓ，ｔｈｅｒｅｓｅａｒｃｈｈｏｔｓｐｏｔｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃａｎｂｅｓｕｍｍａｒｉｚｅｄｉｎｔｏｔｈｒｅｅａｓｐｅｃｔｓ：ｅｖａｌｕａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓ，ａｐｐｌｉｃａｔｉｏｎｉｎｒｅｌａｔｅｄｆｉｅｌｄｓ，ａｎｄｄａｔａａｓｓｉｍｉｌａｔｉｏｎ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｓｔｕｄｉｅｓｓｈｏｗｔｈａｔｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓｆｏｒｓｏｉｌｍｏｉｓｔｕｒｅｈａｖｅｓｈｏｗｎｇｒｅａｔｐｏｔｅｎｔｉａｌｉｎｅｃｏｌｏｇｉｃａｌ，ｈｙｄｒｏｌｏｇｉｃａｌ，ｄｒｏｕｇｈｔ，ａｎｄｏｔｈｅｒｒｅｓｅａｒｃｈ，ａｎｄｈａｖｅｂｅｅｎａｐｐｌｉｅｄｉｎｓｏｍｅｒｅｓｅａｒｃｈ．Ｈｏｗｅｖｅｒ，ｔｈｅｒｅｉｓｓｔｉｌｌａｇａｐｂｅｔｗｅｅｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｏｂｓｅｒｖａｔｉｏｎｓａｎｄａｐｐｌｉｃａｔｉｏｎｉｎｓｏｉｌｍｏｉｓｔｕｒｅ．Ｔｈｕｓ，ｔｈｉｓｐａｐｅｒｆｉｎａｌｌｙｓｕｍｍａｒｉｚｅｓａｎｄｆｏｒｅｃａｓｔｓｔｈｅｐｒｅｃｉｓｉｏｎａｎｄａｃｃｕｒａｃｙｏｆＳｏｉｌＭｏｉｓｔｕｒｅＲｅｍｏｔｅＳｅｎｓｉｎｇＩｎｖｅｒｓｉｏｎａｎｄｉｔｓｓｏｌｕｔｉｏｎｓ．ＫｅｙＷｏｒｄｓ：ｓｏｉｌｍｏｉｓｔｕｒｅ；ｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄ；ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｅｄｐｒｏｄｕｃｔｓ；ｄａｔａａｐｐｌｉｃａｔｉｏｎ；ｄａｔａａｓｓｉｍｉｌａｔｉｏｎ土壤水分作为重要的陆地表层系统要素，是生态㊁环境㊁农业等领域研究中不可忽视的指标㊂对比传统的６１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀土壤水分测量方法如烘干法㊁时域反射法等局地土壤水分测量途径［１］，遥感技术提供了一种周期性㊁可全球覆盖的㊁多时相的对地观测手段［２⁃５］，为土壤水分研究带来了新的技术支撑㊂在目前遥感技术和土壤水分研究的衔接中，数据㊁方法与应用三者之间的级联特征尚缺乏梳理，容易致使数据误用，从而增加了遥感土壤水分产品在使用中的不确定性㊂基于此，本文拟依托数据㊁方法与应用的逻辑主线（图１），首先对土壤水分研究中所涉及到的遥感数据及对应方法的特点与不足进行梳理，为遥感技术在土壤水分研究中的应用提供更清晰的技术背景；随后对土壤水分数据产品的近今研究应用进行归纳总结，提出目前的研究热点及方向；最终就遥㊂感土壤水分的研究前景做出三点展望图１㊀遥感技术在土壤水分中的研究框架Ｆｉｇ．１㊀Ｒｅｓｅａｒｃｈｆｒａｍｅｗｏｒｋｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｓｏｉｌｍｏｉｓｔｕｒｅ１㊀土壤水分遥感定量反演基础１．１㊀光学遥感反演方法广义的光学遥感包括可见光⁃近红外⁃热红外三部分的波段范围㊂目前在可见光⁃近红外波段，常用的方法是利用Ｌａｎｄｓａｔ或ＭＯＤＩＳ等多光谱数据构建相应的干旱指数或植被指数来反映土壤含水量［６⁃８］㊂在热红外波段，通过地表温度［９］或热惯量［１０］实现土壤水分的反演㊂其中地表温度常常与植被指数相结合，通过不同土壤水分条件下所观测到的卫星影像像元值在温度⁃植被指数特征空间的分布规律来估算土壤水分［１１⁃１４］㊂热惯量与土壤水分之间存在一定的理论基础，可以根据能量平衡方程来估算土壤水分，但由于物理模型较复杂，常常利用回归函数模型进行反演㊂在经验方程基础上，相关研究还在模型中对地形㊁土壤质地㊁风速等影响热惯量的因素进行了修正㊂例Ｄｏｎｇ等［１５］通过表层土壤温度估算了土壤热和水力参数，并用来促进土壤水分估算的精度和鲁棒性㊂对比之下，可见光⁃近红外波段可以反映地表植被生长状况，热红外波段的光谱特性可以通过能量平衡与土壤水分建立理论模型㊂因此在近几年光学遥感反演土壤水分的研究中，可见光⁃近红外波段数据常常与热红外波段数据进行融合分析㊂除上述温度⁃植被指数空间外，另一种常用的融合方法是蒸散与作物缺水指数法㊂例如虞文丹等［１６］在作物缺水指数构建模型中引入双层蒸散发模型，估算了表层２０ｃｍ土壤的相对含水量㊂此外还有多种融合方式，如除多等［１７］将生长季植被供水指数与热红外波段相结合实现西藏高原地区的土壤水分遥感监测；于君明等［１８］通过角度指数来修正ＭＯＤＩＳ数据近红外与两个热红外光谱之间的关系，提高了土壤水分监测的精度㊂此外，高光谱遥感技术也以其丰富的光谱信息广泛应用于土壤水分的反演中［１９］，例如Ｓａｄｅｇｈｉ等［２０］在波段选择的基础上提出了一种基于可见光⁃近红外波段估算土壤水分的线性物理模型㊂土壤反射光谱曲线中的水分吸收带主要体现在近红外的１４００ｎｍ㊁１９００ｎｍ和２２００ｎｍ左右，最佳波段选择㊁光谱特征增强（如微分光谱㊁差分等）是剔除数据冗余㊁提高反演精度的常用方法㊂利用高光谱技术反演土壤水分可以分为两种类型，一种是采用土壤采样的方法，分别获取土壤含水量和土壤反射光谱，通过经验模型建立土壤水分与光谱反射之间的关系，同时还可以用来分析土壤含水量与有机质㊁氮磷元素等含量的影响，此类实验研究较多［２１⁃２２］；另一种是利用高光谱影像实现土壤水分的分布制图㊂由于高光谱数据含有丰富的光谱信息，混合光谱分解是目前高光谱研究中的热点和难点，也引入到了土壤水分反演的研究中，例如蔡亮红和丁建丽［２３］利用小波变换对土壤光谱进行８层分解，分别对分解后特征光谱进行９种数学运算建立与土壤水分的回归模型，为反射率法反演土壤水分提供了新思路㊂１．２㊀微波遥感反演方法对比光学遥感，微波遥感波长较长，具有一定的穿透能力，不受云层㊁大气的影响，在对地观测研究中发挥着巨大的作用，近年来发射的对地观测卫星也均以微波传感器为主，如ＳＭＯＳ㊁ＳＭＡＰ等㊂微波遥感反演土壤水分受植被和粗糙度［２４⁃２５］影响较大，在光滑的裸土区域精度最佳，并随着土壤粗糙度和植被生物量的增加而降低，因此通常分裸露地表［２６］和植被覆盖地表进行反演分析㊂微波遥感反演地表土壤水分具有一定的理论基础［２７⁃２８］㊂理论模型不依赖于站点条件和传感器特性［２９］，在裸露地表或稀疏植被区建立的主动微波物理模型有几何光学模型㊁物理光学模型㊁小扰动模型以及积分方程模型ＡＩＥＭ等㊂前３个模型均有一定的粗糙度适用范围，而ＡＩＥＭ模型的粗糙度适用范围相对较宽㊂然而由于对表面粗糙度的敏感性及其参数测量困难，ＡＩＥＭ模型在实际应用中结果并不理想，过去的几年中出现了ＩＥＭ改进模型和许多解算方案，如神经网络㊁遗传算法等㊂主动微波经验模型假设粗糙度不变的情况下，后向散射系数和土壤水分之间有一个近似的线性关系［３０］㊂然而经验模型的参数设置一般只对特定的数据集和实验条件（如观测频率㊁入射角和表面粗糙度等）有效，该模型的建立需要大量实验基础，实现成本较高且鲁棒性较差㊂半经验模型是经验模型和理论模型的一个折中［３１⁃３２］，利用模拟或实测数据集来简化后向散射的理论模型，建立在一定的统计规律上，又在一定程度上反映了散射机制，能够获得较好的精度，如常用的Ｏｈ模型［３３］和Ｄｕｂｏｉｓ模型［３４］㊂随后，一些研究将两种常用模型耦合，提出了一种融合模型，即半经验耦合（ＳＥＣ）模型㊂ＳＥＣ模型在同向极化和交叉极化中均耦合了两种模型的最佳性能，并且不需要使用实测的粗糙度数据㊂与主动微波类似，被动微波反演土壤水分的方法也分为理论模型和经验模型，但相对而言受干扰因素更多㊂因此土壤粗糙度㊁土壤纹理信息等相关参数被引入土壤水分反演模型中，如Ｈｏｎｇ和Ｓｈｉｎ［２８］针对被动微波遥感提出了一种基于粗糙表面极化率特性反演土壤水分的算法㊂而在植被覆盖区，则需要引入植被指数或水云模型等来消除植被的影响㊂１．３㊀反演方法研究现状针对不同遥感数据类型的土壤水分反演方法各具特点和优势（表１）㊂其中光学遥感具有较高的空间分辨率，可以准确反映植被信息，技术相对成熟㊁可用卫星数据源多且可以获取高光谱分辨率数据；然而其时间分辨率差，受大气影响严重，多局限于区域研究，且大部分反演方法仅能反映土壤的相对湿度㊂微波遥感具有一定的穿透能力，不受云雾干扰，可以全天候观测，有相对完善的理论基础，更适合土壤水分的估算，但空间分辨率低，且受植被和地表粗糙度的影响㊂目前公开发表的一系列全球尺度的遥感土壤水分产品均建立在微波探测数据基础上㊂目前，土壤水分的遥感反演方法的研究方向可以分为４种主要类型㊂第一种是多源数据协同反演㊂除了上述光学遥感内部融合方法以外，主被动微波遥感数据相结合也是一种常用的数据融合方式［３５⁃３６］㊂如Ｋｏｌａｓｓａ等［３７］的研究表明ＡＭＳＲ⁃Ｅ的亮度温度数据和ＡＳＣＡＴ后向散射数据间的协同作用能够有效的提高土壤水分估算数据质量㊂Ｌｉｅｖｅｎｓ等［３８］将雷达的后向散射系数（ＡＳＣＡＴ数据）与辐射计的亮度温度（ＳＭＯＳ数据）相结合，从而促进土壤水分和陆地蒸发等水文要素的估算㊂而在植被覆盖区，采用微波与光学遥感相结７１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀合的方式来消除植被对土壤水分反演的影响［３９⁃４０］㊂第二种是引入新的计算方法，如神经网络㊁遗传算法等，Ｓａｎｔｉ等［４１］和余凡等［４２］分别用人工神经网络和遗传ＢＰ神经网络实现了土壤水分的主被动遥感协同反演；随后，支持向量机等机器学习方法［４３⁃４４］在遥感中的应用成了新的热点；此外，更多的统计方法被引入到土壤水分反演的经验模型中，如贾继堂等［２２］基于多元统计分析建立了高光谱数据的土壤含水量反演模型㊂第三种是改进现有模型㊂由于土壤水分的遥感反演受多种因素的影响，如植被覆盖㊁地表粗糙度㊁土壤类型㊁地形等，理论模型过于复杂，从而在解算简化模型时会根据具体研究区域进行相应改进，从而提高反土壤水分反演的精度［４５⁃４８］㊂第四种是针对新对地观测传感器所获取数据的反演算法［４９⁃５２］㊂随着对地观测技术的发展，传感器的波段以及相应的数据获取方式也逐渐进步㊂因此利用此类数据反演土壤水分时，需要根据新的数据特征提出新的反演方法，如针对近两年发射的ＳＭＯＳ和ＳＭＡＰ卫星数据提出的一系列反演方法㊂表１㊀不同遥感探测类型对比表Ｔａｂｌｅ１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｄｉｆｆｅｒｅｎｔｒｅｍｏｔｅｓｅｎｓｉｎｇｔｙｐｅｓ光谱范围Ｓｐｅｃｔｒａｌｒａｎｇｅ观测属性Ｏｂｓｅｒｖａｔｉｏｎａｌａｔｔｒｉｂｕｔｅｓ优势Ａｄｖａｎｔａｇｅｓ局限性Ｌｉｍｉｔａｔｉｏｎｓ可见光⁃近红外Ｖｉｓｉｂｌｅｌｉｇｈｔ⁃ｎｅａｒｉｎｆｒａｒｅｄ土壤反射率空间分辨率高幅宽大表层穿透力差噪声源多限日间工作热红外Ｔｈｅｒｍａｌｉｎｆｒａｒｅｄ地表温度空间分辨率高幅宽大物理意义明确表层穿透力差噪声源多受大气状况㊁植被干扰强被动微波Ｐａｓｓｉｖｅｍｉｃｒｏｗａｖｅ亮温介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大主动微波Ａｃｔｉｖｅｍｉｃｒｏｗａｖｅ后向散射系数介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大土壤水分存在一定的区域性，大部分学者会针对特定的地表类型或区域特征进行土壤水分的反演研究［５３⁃６１］㊂例如武晋雯等［６２］针对不同植被条件下的土壤水分监测方法进行了比较；刘焕军等［６３］则针对性研究了黑土的土壤水分的高光谱模型㊂此外还有针对干旱区㊁矿区㊁湿地等地表类型的土壤水分反演研究㊂这些土壤水分的反演方法在区域研究中表现良好并不意味着具有普适性，虽然理论基础相同，但在实际应用中表现各异，因此土壤水分的遥感反演方法始终是研究热点㊂２㊀主要研究热点２．１㊀遥感土壤水分产品评估对地观测卫星数量增加，微波探测器从Ｃ波段以发展到了Ｌ波段，为土壤水分观测增加了新的数据产品㊂如表２所示，目前发布全球遥感土壤水分数据的对地观测计划有ＡＳＣＡＴ［６４］㊁ＡＭＳＲ⁃Ｅ／２［６５］㊁ＳＭＯＳ［６６］㊁ＳＭＡＰ［６７］和我国的ＦＹ⁃３共５个，其中ＳＭＯＳ和ＳＭＡＰ是利用Ｌ波段进行地表探测的卫星计划㊂除此之外，２０１２年，作为气候变化公约（ＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ，ＣＣＩ）项目的一部分，欧洲航空局（ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙ，ＥＳＡ）发布了首套数十年全球卫星观测土壤水分数据集，并已在气候变化㊁水文㊁生态等研究中得以应用［６８］㊂一系列全球尺度土壤水分数据集的发布，数据集在全球各地以及不同尺度的验证和对比分析成为了近几年的研究热点［６９⁃８５］㊂首先就时间尺度而言，由于卫星发射时间的不同，各数据集的时间序列参差不齐，其中ＥＳＡＣＣＩ数据集将相关微波数据进行融合获得了最长时间系列的土壤水分数据；其次由于传感器的探测波段不同，数据反演方法均有很强的针对性，空间分辨率也存在很大差异，具体见表２㊂验证数据包括实测数据和模型模拟数据两种检验类型，整体而言，各数据集均能满足应用需求，但普遍在地势平坦㊁地表裸露或草原区域数据精度较８１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀高，且不同数据集的表现在不同区域存在很大的差异性㊂例如庄媛等［８６］的研究表明２０１２年的ＡＳＣＡＴ㊁ＷＩＮＤＳＡＴ㊁ＦＹ３Ｂ㊁ＳＭＯＳ共４种微波遥感土壤湿度产品在我国西北地区相对较好；而沈润平等［８７］的研究表明ＥＳＡＣＣＩ土壤湿度产品在我国东北地区精度最佳㊂此外，各数据集的空间相关性和时间敏感度也存在差异，如Ｐｏｌｃｈｅｒ等［８８］的研究表明，在伊比利亚半岛地区，ＳＭＯＳ数据空间相关性较差；Ｙｅｅ等［８９］在澳大利亚的马兰比季河流域比较了ＳＭＯＳ和ＡＭＳＲ⁃２数据的精度，指出若综合考虑绝对精度和时间精度，推荐最新版本的ＪＡＸＡ数据产品（ＪＸ２）；若只考虑时间精度，夜间观测获得的ＬＰ３Ｘ产品和早晨观测获得的ＳＭＯＳ２产品更佳㊂正是数据集之间存在很大的差异且区域表现的不确定性使得大量的研究聚集在数据的检验和对比㊂表２㊀全球遥感土壤水分产品对比Ｔａｂｌｅ２㊀ＣｏｍｐａｒｉｓｏｎｏｆｇｌｏｂａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓＡＳＣＡＴＡＭＳＲ⁃Ｅ／２ＳＭＯＳＳＭＡＰＦＹ⁃３ＥＳＡＣＣＩ设备类型ＥｑｕｉｐｍｅｎｔｔｙｐｅＣ波段（５．２５５ＧＨｚ）主动微波６．９３ ８．９ＧＨｚ被动微波Ｌ波段（１．４ＧＨｚ）被动微波Ｌ波段（１．２ １．４ＧＨｚ）主被动微波微波成像仪多源数据空间分辨率Ｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ１２．５ｋｍ，２５ｋｍＬｅｖｅｌ２：２５ｋｍＬｅｖｅｌ３：１２ｋｍ１５ ２１７０ｋｍ３５ｋｍ３ ４０ｋｍ５０ˑ８５／２５ｋｍ ２５ｋｍ时间分辨率Ｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎ３ｄ２次／ｄ１ ３ｄＬｅｖｅｌ３：１ｄ／３ｄ／１０ｄ／月３ｄ２次／ｄ１０ｄ／月１ｄ时间序列Ｔｉｍｅｓｅｒｉｅｓ２００７至今２００２ ２０１０２０１３至今２０１０至今２０１５至今２０１１至今１９７９至今反演精度Ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ０．０３ ０．０７ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３０．０５ｍ３／ｍ３０．０４ｍ３／ｍ３㊀㊀ＡＳＣＡＴ，高级散射计，ｔｈｅＡｄｖａｎｃｅｄＳｃａｔｔｅｒｏｍｅｔｅｒ；ＡＭＳＲ⁃Ｅ／２，高级微波扫描辐射计，ｔｈｅＡｄｖａｎｃｅｄＭｉｃｒｏｗａｖｅＳｃａｎｎｉｎｇＲａｄｉｏｍｅｔｅｒ⁃Ｅ／２；ＳＭＯＳ，土壤水分和海洋盐度卫星，ｔｈｅＳｏｉｌＭｏｉｓｔｕｒｅａｎｄＯｃｅａｎＳａｌｉｎｉｔｙ；ＳＭＡＰ，土壤湿度主动／被动探测，ＳｏｉｌＭｏｉｓｔｕｒｅＡｃｔｉｖｅ／Ｐａｓｓｉｖｅ；ＦＹ⁃３，风云３号，Ｆｅｎｇｙｕｎ⁃３；ＥＳＡＣＣＩ，欧洲航空局气候变化公约，ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ２．２㊀在相关领域的应用土壤水分作为地表要素之一，在气候变化㊁陆气交互㊁全球生态㊁水文和地表模型以及干旱等研究中均起着不可或缺的作用㊂首先，在气候变化研究中，遥感土壤水分数周期性㊁时间序列长㊁空间范围广的优势有利于分析变化的空间分布和时间动态趋势［９０⁃９１］㊂Ｆｅｎｇ［９２］的研究表明，在全球尺度上，气候变化是土壤水分长时间变化的最主要驱动因素㊂因此土壤水分的变化在某种程度上反应了气候变化㊂Ｓｅｎｅｖｉｒａｔｎｅ等［９３］综合阐述了土壤水分在土地能源和水平衡中的作用，并详细分析了土壤水分与气候间的交互作用对温度和降水的影响以及在气候变化背景下的含义㊂在陆气交互研究中，土壤水分可以影响边界层的温湿变化㊂由于目前大部分关于土壤水分⁃蒸散发或土壤水分⁃温度耦合的研究都基于模型模拟结果或基于降水的干旱指数，而遥感可以提供长期的土壤水分观测估算数据，在研究蒸散发动态和大气反馈的同时还可以进行模型诊断［９４⁃９６］㊂Ｋｌｉｎｇｍｕｌｌｅｒ等［９７］将气溶胶光学厚度的正向趋势与ＥＳＡＣＣＩ土壤水分数据的反向趋势相连接，建立了更直接的土壤水分⁃大气反馈模型㊂他们的结果表明，在过去的１０年中，温度的升高和相对湿度的下降促进了土壤的干燥，导致了更多的粉尘排放和ＡＯＤ㊂在全球生物化学循环和生态系统中，土壤水分是植物物候学㊁光合作用㊁生物量分配以及土壤中碳的积累和分解等陆地生态系统过程的调节剂［９８⁃９９］㊂许多研究利用遥感土壤水分数据评估水分可用性和干旱对植物物候和生产力的影响［１００⁃１０３］㊂除此以外，也有部分学者关注于植被生长对土壤水分的影响㊂例如Ｆｅｎｇ等［１０４］分析了２００２ ２０１１年间的ＡＭＳＲ⁃Ｅ土壤水分数据，表明黄土高原退耕还林还草使土壤水分含量有所下降㊂此外，Ｐｅｒｉａｓａｍｙ等［１０５］还对土壤水分压力和盐分进行估算用于土地退化评价㊂在水文和陆表模型中，土壤水分联结了径流㊁洪水㊁蒸发㊁渗透和地下水补给等过程㊂遥感反演土壤水分９１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀０２６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀数据在陆表模型和大尺度水文模型中的潜力已广泛得到认可［１０６］㊂Ｚｈｕｏ等［７２］以美国的某一流域为研究区，评估了ＳＭＯＳ升降两种观测所得土壤水分数据及其在水文气象模型中应用的可行性㊂首先遥感土壤水分数据可以用来洪水和径流预测，例Ｗａｎｄｅｒｓ等［１０７］的研究表明了多源遥感土壤水分数据在径流预测中的促进作用㊂其次，遥感土壤水分数据还可以用来促进水文循环中不同要素的定量化，如蒸散发［１０８⁃１０９］㊁地下水含量［１１０］以及降雨等㊂在干旱研究中，土壤水分的遥感数据可以直接用来监测农业干旱或者用来建立干旱指标［１１１⁃１１４］㊂例如Ｒａｈｍａｎｉ等［９１］利用ＳＭＯＳＬ３㊁ＥＳＡＣＣＩ和两种再分析土壤水分数据分析了伊朗６个子区域的土壤水分变化趋势，并通过计算标准土壤水分指数（ＳｔａｎｄａｒｄｉｚｅｄＳｏｉｌＭｏｉｓｔｕｒｅＩｎｄｅｘ，ＳＳＩ）来检测农业干旱事件的时间和规模㊂Ｍｉｓｈｒａ等［１１５］利用ＳＭＡＰ土壤水分数据构建了一个土壤水赤字指数作为农业干旱指标㊂２．３㊀数据同化在上述遥感土壤水分的应用研究中需要与降水㊁植被㊁蒸散发等数据共同计算，并涉及到许多的陆表过程㊁水文以及陆气交互模型㊂根据需求则需要将不同的数据类型或将遥感土壤水分数据引入到相应模型中，即同化㊂一方面，现有的遥感土壤水分数据产品存在精度不稳定㊁时间序列不连续㊁空间分辨率不匹配等缺陷，部分学者将不同的数据源进行同化，以满足研究需求㊂Ｌｉｕ等［３６］针对各数据集间数据质量不同等问题，提出了一种数据融合方法，将若干被动和主动微波获取的数据集融合为一个具有长时间序列的数据集㊂Ｋｏｌａｓｓａ等［３７］提出了一种利用回归方程生成长时间序列数据集的方法，将ＳＭＯＳ表层土壤水分作为回归方程的参考值，应用到ＡＭＳＲ⁃Ｅ的亮度温度数据，从而使得ＡＭＳＲ⁃Ｅ反演得出的表层土壤水分产品与ＳＭＯＳ产品达成一致㊂Ｃｒｏｗ等［５０］在美国的１６个流域对多个Ｌ波段微波遥感所得土壤水分数据与地表数据进行同化分析，提高了土壤水分信息的质量，并将土壤水分结果成功应用于水文预测㊂另一方面，遥感数据反演所得均为表层土壤水分数据，有学者利用数据同化获得根区土壤水分㊂如Ｄａｓ等［１１６］将机载遥感反演的表层土壤水分同化进入土壤⁃水⁃大气⁃植物（ＳＷＡＰ）模型中，估算了核桃谷流域根区土壤水分㊂Ｂａｌｄｗｉｎ等［１１７］提出了一种集合卡尔曼滤波（ｅｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒ，ＥｎＫＦ）水文数据同化系统来预测卫星土壤水分数据中的偏差，并结合土壤水分解析关系（ＳｏｉｌＭｏｉｓｔｕｒｅＡｎａｌｙｔｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐ，ＳＭＡＲ）渗透模型，利用卫星观测的表层土壤水分实现根区土壤水分的预测㊂也有部分学者反其道而行之，如Ｃｏｏｐｅｒｓｍｉｔｈ等［４４］由于实测传感技术和现有土壤水分观测网站无法提供实测表层土壤水分数据，从而通过机器学习方法，利用１０ｃｍ探测数据以及当前降水数据估算表层５ｃｍ的土壤水分，可以用来验证和分析遥感土壤水分估算结果㊂此外，由于数据或数据集之间的空间分辨率存在差异，在数据融合和同化的过程中涉及到一些数据降尺度或升尺度算法㊂降尺度算法可以数据的空间分辨率提高；而升尺度算法将数据的空间分辨率降低㊂如王璐等［１１８］基于克里格法实现了土壤水分遥感数据的空间尺度转换㊂Ｆａｎｇ和Ｌａｋｓｈｍｉ［１１９］在流域尺度，提出了一种利用高空间分辨率的地表温度和植被指数对被动微波反演所得土壤水分降尺度的算法，以提高土壤水分数据的空间分辨率㊂对于该部分研究内容，周壮等［１１９］和Ｑｉｎ等［１２０］已分别对降尺度和升尺度算法进行了详细综述分析㊂３㊀研究展望土壤水分作为四大圈层水分大循环中的重要组成部分，是对地观测中不可忽视的要素㊂遥感反演土壤水分的研究减少了野外采样获取土壤水分的人力劳动，且有着观测范围广㊁周期性㊁长时间序列的优势㊂随着遥感技术的发展，对地观测所用的波段范围越来越广泛；土壤水分遥感反演方法愈加的多元化且更为成熟和完善；同时越来越多的对地观测计划提供了全球土壤水分数据集，并在气候㊁生态干旱等研究中得以应用㊂然而遥感土壤水分观测与地球系统的研究需求之间仍然存在一些差距㊂首先，受遥感探测数据源的限制，获取的均为土壤表层数据㊂其次，土壤水分的反演方法表现出局限性，使得反演结果的精度有待提高㊂同时，由于遥感反演结果的不确定性，遥感土壤水分产品在生态㊁水文等领域的应用受到很大限制㊂因此，为满足科研需求，遥感土壤水分观测需要从精度和准确度两个方面进行提高㊂３．１㊀增加探测深度就深度而言，由于遥感探测器接收的地表辐射穿透能力有限，仅与表层土壤水分的相关性较强，最深仅可估算３０ｃｍ厚度的土壤水分㊂而在生态㊁水文等研究中，土壤水分的入渗以及部分植物的根系生长深度远超３０ｃｍ，使得遥感土壤水分反演数据与径流㊁植物生长等要素的联系并不紧密，因此在相关应用中表现出局限性㊂为了解决这一问题，需要建立遥感数据或反演所得表层土壤水分与深层土壤水分的关系㊂在这一过程中，可以引入土壤热学和水力学性质，分析土壤水分在土壤剖面的分配规律，从而实现深层土壤水分的遥感估算，例如Ｄａｓ等［１１６］和Ｂａｌｄｗｉｎ等［１１７］根区土壤水分的遥感预测的研究㊂如果将深层土壤水分的遥感估算进行全球推广，将对全球生态和水文研究具有重大意义㊂３．２㊀提高探测准确度准确度包含两个方面的含义，一是探测的精度，尽可能的减小估值和真值之间的误差；二是在空间和时间上的准确性㊂就精度而言，虽然在区域尺度上，一些反演结果的精度可以满足研究的需求，但全球尺度上的空间异质性使得遥感反演土壤水分产品在不同区域的精度参差不齐㊂例如，Ｗｕ等［７１］指出ＡＭＳＲ２土壤水分数据普遍比实际土壤水分数据低，在大平原与实测数据的匹配度高，而在森林区匹配度差㊂因此，提高土壤水分的遥感反演精度以及空间一致性将增加反演结果的实用性㊂就空间尺度而言，增加空间分辨率将能够为更多的区域性应用研究提供服务㊂目前公布的土壤水分产品均建立微波遥感数据基础上，空间分辨率相对较为粗糙，无法进行区域的精细研究，且与实测数据或模型模拟数据结合时存在尺度不一致的问题㊂在时间维度上，全球遥感土壤水分产品受不同对地观测计划的时间限制，时间序列不连续㊂解决这一系列问题的最有效方法就是数据融合，集合多源数据的优势，且目前有些学者已经涉及到相关的解决方案㊂虽然遥感反演土壤水分的研究中仍面临一些问题，短时间内上述提到的遥感土壤水分产品的不确定性难以从根本上得到解决，然而数据融合和协同方法可以对这一现状进行改善，为遥感土壤水分数据的应用提供了更多可能㊂但与其他土壤水分监测方法相比，遥感反演方法除了可以减少人力投入以外，所获土壤水分数据也有着不可比拟的优势㊂遥感反演土壤水分数据是大范围㊁面状㊁周期性的电子数据，可操作性强，更有利于分析土壤水分的异质性以及与其他生态㊁水文㊁气象等因子的相互关系㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀Ｌｅｋｓｈｍｉ，ＳＵＳ，ＳｉｎｇｈＤＮ，ＢａｇｈｉｎｉＭＳ．Ａｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｆｓｏｉｌｍｏｉｓｔｕｒｅｍｅａｓｕｒｅｍｅｎｔ．Ｍｅａｓｕｒｅｍｅｎｔ，２０１４，５４：９２⁃１０５．［２］㊀杨涛，宫辉力，李小娟，赵文吉，孟丹．土壤水分遥感监测研究进展．生态学报，２０１０，３０（２２）：６２６４⁃６２７７．［３］㊀陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述．地球科学进展，２０１２，２７（１１）：１１９２⁃１２０３．［４］㊀ＰｅｔｒｏｐｏｕｌｏｓＧＰ，ＩｒｅｌａｎｄＧ，ＢａｒｒｅｔｔＢ．Ｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｓｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ：ｃｕｒｒｅｎｔｓｔａｔｕｓ，ｐｒｏｄｕｃｔｓ＆ｆｕｔｕｒｅｔｒｅｎｄｓ．ＰｈｙｓｉｃｓａｎｄＣｈｅｍｉｓｔｒｙｏｆｔｈｅＥａｒｔｈ，ＰａｒｔｓＡ／Ｂ／Ｃ，２０１５，８３⁃８４：３６⁃５６．［５］㊀徐沛，张超．土壤水分遥感反演研究进展．林业资源管理，２０１５，（４）：１５１⁃１５６，１６０．［６］㊀ＷａｎｇＬＬ，ＱｕＪＪ．ＮＭＤＩ：ａｎｏｒｍａｌｉｚｅｄｍｕｌｔｉ－ｂａｎｄｄｒｏｕｇｈｔｉｎｄｅｘｆｏｒｍｏｎｉｔｏｒｉｎｇｓｏｉｌａｎｄｖｅｇｅｔａｔｉｏｎｍｏｉｓｔｕｒｅｗｉｔｈｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００７，３４（２０）：１１７⁃１３１．［７］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＺｈａｎＺＭ．Ｄｅｓｉｇｎｉｎｇｏｆｔｈｅｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ．ＥｎｖｉｒｏｎｍｅｎｔａｌＧｅｏｌｏｇｙ，２００７，５２（６）：１０４５⁃１０５２．［８］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＴｅｙｉｐＴ，ＬｉＺＬ．Ｍｏｄｉｆｉｅｄｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ（ＭＰＤＩ）：ａｒｅａｌ－ｔｉｍｅｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｍｅｔｈｏｄ．ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００７，６２（２）：１５０⁃１６４．［９］㊀喻素芳，范文义，秦武明，吴英，陆道调．地表温度估测土壤含水量．广西大学学报：自然科学版，２００７，３２（Ｓ１）：１１０⁃１１２．［１０］㊀张霄羽，毕于运，李召良．遥感估算热惯量研究的回顾与展望．地理科学进展，２００８，２７（３）：１６６⁃１７２．［１１］㊀柳钦火，辛景峰，辛晓洲，田国良，杨贵军．基于地表温度和植被指数的农业干旱遥感监测方法．科技导报，２００７，２５（６）：１２⁃１８．［１２］㊀田苗，王鹏新，孙威．基于地表温度与植被指数特征空间反演地表参数的研究进展．地球科学进展，２０１０，２５（７）：６９８⁃７０５．［１３］㊀林巧，王鹏新，张树誉，李俐，景毅刚，刘峻明．不同时间尺度条件植被温度指数干旱监测方法的适用性分析．干旱区研究，２０１６，３３（１）：１８６⁃１９２．［１４］㊀沙莎，郭铌，李耀辉，胡蝶，王丽娟．温度植被干旱指数（ＴＶＤＩ）在陇东土壤水分监测中的适用性．中国沙漠，２０１７，３７（１）：１３２⁃１３９．１２６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀。
国家重点基础研究发展计划中国近海碳收支、调控机理及生态效应研究（编号：2009CB421200）项目进展研讨会会议日程承办：CHOICE-C项目第二研究课题国家海洋局第二海洋研究所2011年02月26-28日浙江杭州会议指南会议时间与地点：本次会议日程安排定为2011年02月26-28日，26日（星期五）上午08.30- 开始，28日下午18:30 结束，会议结束后即可离会。
25日全天报到，住宿、报到地点：浙江新世纪大酒店，地址：杭州市文三路18号。
会议地点：国家海洋局第二海洋研究所新大楼15楼会议室，地址：杭州市保俶北路36号。
与会人员：1.咨询专家组及项目专家组全体成员2.首席科学家、课题负责人、项目骨干、航次骨干3.项目办公室全体成员会议主题及会议目标：1.初步分析2010年10月下旬至2010年12月上旬秋季航次所获科研资料；2.深入对比分析项目所组织的3个不同季节航次取得数据、研讨分析结果和科学问题发现探索；3.春季航次备航的相关事宜；4.第二届国际顾问委员会议准备研讨方式：1. 本次会议拟不安排各课题的研究进展报告，而以科学问题为导向设计会议研讨版块；2. CHOICE-C秋季航次数据结果分析与讨论A.航次数据报告的目的是检阅所取得的资料，判断数据的交汇并为综合分析打下基础；B.以报告秋季航次数据为基本内容，充分展示数据，同时希望能结合航次的总体目标展开讨论。
如条件成熟，希望与本海区的其他季节或类似的其他海区的系统进行比较；C.建议涵盖内容：航次获取的数据与样品概况、数据质量的评估、初步结果与分析及其相关的科学问题、下一步的样品和数据分析的计划和时间安排、其他数据的支持需求；3. 2月26日晚上安排分组讨论，主要探讨秋季航次结果的沟通、交流，并探讨集成研究的科学问题。
4. 夏季、冬季、秋季航次深入分析。
希望以初步综合集成的方式进行报告，报告分Tutorial and theme报告及Specific topical报告三类。
第37卷第5期2017年9月海洋测绘HYDROGRAPHIC SURVEYING AND CHARTINGVol. 37,No. 5Sep. ,2017DOI：10. 3969/j. issn. 1671-3044. 2017. 05. 008基于水色遥感最大相关分析的海表流场观测孙鹤泉，方芳(海军大连舰艇学院军事海洋系，辽宁大连116018)摘要：实时、精细化的海表流场测量对海洋学研究有着重要意义。
在简要对比各类海表流场测量方法的基础 上，详细介绍了利用水色遥感图像测量海表流场的最大相关系数法（MCC),并利用亚像素方法对该算法进行了有 效改进，同时利用本文算法对东海黑潮海域的海表流场进行了分析，验证了本文算法的可靠性。
关键词：海表流场;水色遥感图像;最大相关系数法;亚像素技术;黑潮中图分类号：P731.21 文献标志码：A 文章编号：1671-3044(2017)05-0039-041引言对海洋现象的深刻认识有助于对海洋资源的开 发利用。
各类海洋参数中，海表流场扮演着重要角 色。
海表流场对海气相互作用、物理交换作用具有 重要影响，同时也影响浮游生物及悬浮物质的输运 和分布;海表流场还会直接或间接影响海洋工程的 设计、保养和维护;海表流场能在一定程度上表示海 水的整体运动，长时间、大范围的海表流场观测有助 于认识全球气候变化;近实时的海表流场观测则对 预测和评估海洋环境有着重要意义。
目前已有一些成熟的海表流场测量技术与方 法。
例如:利用ADCP等设备可以观测特定海域的 多层流速结构;根据漂浮物或浮标的漂流轨迹能够 粗略估算海表流速W;岸基高频雷达阵列可以实现 近岸海表流场的观测[2_3];卫星高度计数据可以用 来反演出海表流场的全球分布[1，4],如目前美国国 家航空航天局（NASA)提供了 1/3度地面分辨率、5 天时间间隔的全球海表流场数据。
虽然上述测量方式已经应用于海洋学研究并有 较高的可信度，但这些测量方式在实际应用中仍存在 许多限制。
