土壤温湿度范文第1篇

【关键词】无线传感器；网络；农田土壤；温湿度检测

1.前言

要改善我国传统农业的耕作方法就要对现代化农业技术进行改革，通过采用先进的现代科学技术方式对农田种植进行全面推广，保证农产品的品质与产量稳步提升。采用优秀先进的现代化科技研究成果，有效地提升农业种植的精确性，这样的方法被称为科学种田[1]。科学种田的主要特点包括精准管理、精准收获、精准施肥、精准灌溉、精准播种等，所以要推动我国农业科技进行改革工作就要做好技术产品的研究开发和精确农业技术机制的工作。要着力于这方面的开发，既要具备宽阔的市场前景，又要拥有长久的经济价值，特别是要推广和研究农田土壤温湿度智能检测的方法，这对合理开发利用未来的水资源具有重要的意义。

2.一般农田土壤温湿度检测方法

因为相对于其他环境结构来说，农田土壤环境具有复杂性，它的化学成分和物理性质存在不均一的特性，同时耕种植被对其也有一定影响，从而导致土壤中温湿度、水分含量的水平分布和垂直梯度产生差异性，所以要采用多点分布和分层测定的方式来测定土壤环境的温湿度，还要做好周期性测定工作来掌握土壤温湿度与时间变化的存在规律。以下三种检测土壤温湿度的方法是一般人们常用的方法。

（1）直接测定法：

①分离土壤固体部分和水分的方法称作土壤湿度检测，这种方法还包括酒精法和重烘干法，它具有简单、直接的优点，缺点是由于人工取土进行实验研究而造成劳动强度大、测定过程复杂等。

②直接采用温度计进行测量，这种方法具有直观、方便理解的优点，缺点是无法保障其精度性。

（2）GPS田间定位法和遥感法：

当采用这两种方法时，要把土壤样品运送到实验室里进行研究分析工作，它只能研究某一段时间内土壤的温湿度，无法达到连续检测的目的。

（3）间接测定法：

测定土壤中气体体积或物理参数和水分含量的方法，电测法常用于这种方法中，它主要通过土壤溶液导电性和土壤水分的相关联系来对土壤湿度进行测定；或者通过流经热敏电阻的电流和土壤湿度变化的联系来测定土壤温度[2]。电测法不仅操作方便，而且设备价格低廉，同时可以进行连续定点测试。缺点是精度较低，在高温条件下容易产生失准现象，而且在测定时需要人工进行观察，造成布点量减少。

3.采用无线传感网络的农田土壤温湿度智能检测系统

在采用电测法对农田土壤温湿度进行检测时，结合了现代温湿度传感技术，这种检测方法不仅拥有客观性，人为因素对其造成的原因少，而且还具有可重复性，能够实现连续测定。同时这种方法与现代通讯技术和电子技术有着密切联系，可以通过自动化检测进行实时监测，是实现智能化农田耕种的前提条件。所以，人们要改革创新电测技术，把传统电测法中运用的温湿度传感器调换成拥有先进信息加工、采集、传递一体化的无线智能传感器节点，通过无线传感技术和ZigBee技术来进行多处布点，以实现全面的土壤温湿度无线传感器网络智能检测系统。

3.1 无线传感器网络技术的简介

无线传感器网络是由无中心节点构成的全范围分布系统，它采用随机投放的方法，在监控区域内密集部署所有的传感器节点。这些传感器节点包括数据处理单元、通信模块、传感器，它们以无线信道为连接点，进行自由相连从而组成了网络系统。传感器节点利用自身内置的多形式传感器，检测周围环境产生的红外声纳、热量、移动物体的速度、大小、方向等人们所需的物理现象[3]。传感器节点通过良好的协作能力运用局部交换数据的方式来实现全局任务。流经网关，传感器网络还能够与现有的网络基础设备连接上，最终把收集到的信号供远程终端传回使用。

无线传感器网络的特点包括自组织、分布式、多跳路由、拓扑变化、动态性强等，因为其拥有这些多方位的优点，所以被广泛运用到医疗、军事、工业、家庭等领域。

3.2 ZigBee技术简介

ZigBee是一种先进的低功耗、近距离、低复杂度、低成本的无线网络技术，它主要在不需要注册的2.4GHzISM频段进行工作，以IEEE802.15.4为基础的ZigBee传输范围在10-75m之间，这是一项被称为IEEE802.15.4（ZigBee）的IEEE无线个人区域网工作组的技术标准[4]。它的优点有低成本、低功耗、信息安全、网络容量大等，同时存在典型的传输数据类型，主要包括重复性低反应时间数据、间歇性数据、周期性数据。

3.3 农田土壤温湿度智能检测系统模型

农田环境信息智能检测系统模型主要核心部分是无限传感网络技术和ZigBee无线收发技术。通过无限传感器网络传递和收集农田环境信息，结合远程数据处理系统研究分析所采集的数据，最终达到科学耕作的目的。

3.3.1 分析系统需求

在创建检测网络系统时，要仔细、综合的研究农田环境的特点和所需要求，有效运用其自身优点，防止运用其缺点。无线传感器网络的农田环境检测系统存在的特点有通过利用环境的可知性，得知农作物的固定生育周期，利用环境的动态变化性，开发充足的太阳能资源等。此外，在系统模型建立时还需要认真考虑的条件，包括任何农业机械的田间作业和各种天气条件以及家禽的活动。

3.3.2 设计系统模型

通过研究分析以上应用特质，汲取国外研究分析的经验和结果，创建先进的农田土壤温湿度智能系统模型结构。由远程数据处理中心和无线传感器监测网络组成监测系统，无线传感器监测网络再通过位于农田中的多个智能传感器节点构成，进行收集土壤水分，并记录温度参数，以构建Mesh网络的ZigBee无线通信协议。所有节点参数最后传输至网关节点，可以把太阳能电池板运用到检测网络供电的所有节点中，远程数据中心主要负责分析、接收、储存数据。

一台具有固定公网IP地址的计算机可以作为远程数据中心，其中采用的基站数据管理软件功能包括：达成数据的分析、储存、决策、接收，从而完成对应的控制过程。它的技能板块包括数据库存储模块，数据接收模块，监测量空间变异分析模块，检测量时间变化分析模块，还可以设置操控其它农业机械的运行模块。

4.结语

综上所述，要实现科学耕作必须开发先进的农田环境智能检测技术，本文通过对电测法进行描述，结合先进的ZigBee技术和无线传感器技术进行调试修改，创建出有效的农田土壤温湿度信息智能检测模型，从而进一步提升农田环境信息智能检测技术，最终达到科学耕作、精细种植的重要目的。

参考文献

[1]李楠，刘成良，李彦明等.基于3S技术联合的农田墒情远程监测系统开发[J].农业工程学报，2010，26（4）：169-174.

[2]庞娜，程德福.基于ZigBee无线传感器网络的温室监测系统设计田吉林人学学报：信息科学版，2010，28（1）：55-60.

土壤温湿度范文第2篇

关键词：温度植旱指数（TVDI）；土壤水分反演；湿地；TM影像

中图分类号：S127；S152.7 文献标识码：A 文章编号：0439-8114（2015）05-1066-07

DOI：10.14088/ki.issn0439-8114.2015.05.010

Abstract： The two-dimensional feature space between the surface temperatures（Ts）and normalized differential vegetation index （NDVI） was established by using the TM remote sensing images. The dry and wet side equation needed by the method of arid vegetation index was fitted in the feature space with the programming of IDL. The soil moisture condition of Yeyahu wetland was inversed rapidly. The correlation coefficient between inversion results and measured values was 0.860， with root mean square error of 0.1042 and the average absolute error of 0.0845. The results of soil moisture inversion showed that image retrieval accuracy of middle-resolution was better than that of the low-resolution， proving that using temperature vegetation dryness index（TVDI） to invert the wetland soil moisture content on a small scale such as in Wild Duck Lake wetland was feasible.

Key words： TVDI； soil moisture； wetland； TM image

湿地的水文条件创造了湿地独特的物理化学环境，使得湿地生态系统与深水水域生态系统以及排水良好的陆地生态系统有极大的不同。在湿地水文、湿地植被和湿地土壤对湿地的识别中，湿地水文是决定性的因素，它能促成其他两个湿地特征的形成[1]。湿地水文特征在非淹没区重点表现为土壤水分含量，由此可见土壤水分在湿地研究中的重要意义。在湿地土壤水分的相关研究中，关注土壤水分对湿地植被特征分布以及对湿地土壤结构特征和养分变化分布影响的较多[2-4]。在获取湿地土壤水分时，采用野外实测数据居多。随着遥感技术的发展，用遥感方法监测湿地土壤水分将成为一种趋势，可以为湿地的监测和保护提供可靠、准确的面上基础数据。湿地系统的水文特性不同于其他陆上系统的特征，土壤水分数值区间分布相对较宽，在模型的选择上可以利用这一特点，有利于反演精度的提高。

在土壤干湿情况的监测中，相较于以点源数据监测为基础的传统土壤水分监测方法，遥感技术监测土壤水分是用面数据来实时监测，具有时效性高、覆盖范围广、监测结果连续性好等特点。遥感技术主要从可见光-近红外、热红外及微波波段入手，结合一些植被指数、地表温度、后向散射系数、地表粗糙度等变量，建立一定的模型来反映土壤水分含量。微波遥感因为自身特点优越性，在反演土壤水分方面具有一定的优势，但是如何消除地表植被盖度以及地表粗糙度对反演结果的影响依然是当前的一个研究热点和难点[5]。基于光学的遥感检测方法主要是热惯量法和建立在植被指数（NDVI）与地表温度指数（Ts）基础上的方法，其中温度植旱指数（TVDI）方法使用较广泛[6]。TVDI方法是建立在NDVI-Ts特征空间基础上的方法，综合了植被指数和地表温度信息，增强了对土壤湿度状况的理解，是近年来广泛使用的估算模型[7]。国内学者利用TVDI开展了大量的研究工作：姚春生等[8]利用温度植旱指数法反演了新疆8、9两个月每16天的土壤湿度，使用野外与卫星同步采样的土壤湿度数据进行验证，发现TVDI指标与实测土壤湿度数据显著相关。陈斌等[9]利用温度植旱指数（TVDI）对内蒙古锡林郭勒盟草原的土壤干旱情况进行了监测，证明了基于NDVI-Ts特征空间的TVDI更适用于干旱监测。齐述华等[10]利用温度植旱指数（TVDI）法反演了全国的土壤水分，表明该方法能较好地反映表层土壤水分变化趋势，同时讨论了TVDI同NDVI和Ts之间的敏感性，得出TVDI随Ts的变化而变化的规律更明显。国内学者的研究表明TVDI模型能很好表征土壤墒情，同时这些研究都提到空间分辨率对反演结果的影响。当用点数据验证相对较大的空间分辨率的面数据时，会导致两者不能很好匹配，进而产生误差。同时，TVDI模型在估算较大区域的土壤水分时，由于统计特征空间区域内太阳总辐射不均和大气背景条件不一致而导致反演精度降低，而在小尺度范围内可以将这些方面因素的影响降得更低。

基于此，利用2010年6月TM遥感影像，反演北京野鸭湖湿地保护区的土壤水分，以期在小尺度范围内，利用中分辨率卫星数据进行土壤水分的反演，达到利用遥感技术快速监测湿地土壤墒情，提高反演精度的目的。

1 研究区概况

研究区为北京市野鸭湖湿地保护区及周边区域。野鸭湖市（省）级湿地自然保护区是华北最大、北京惟一湿地鸟类自然保护区，位于北京市延庆县西南部的官厅水库上游，其地理位置为东经115°47′-115°54′，北纬40°25′-40°30′。属北温带大陆性季风气候，处于暖温带与中温带、半干旱到半湿润之间的过度地带，具有四季分明的特点，降水大多集中在夏季的6～8月，占全年降水量的75%。该区域土壤类型以褐土为主，湿地植被资源丰富，为水禽和各种鸟类提供了优越的觅食、隐藏、繁殖场所，是候鸟南北迁徙的主要信道。地表河流为发源于北京延庆县黑汉岭的妫水河[11，12]（图1）。

2 数据资料来源及研究方法

2.1 数据源

利用遥感影像反演土壤水分，除了受到大气气溶胶的影响外，植被的疏密程度也会左右反演结果。植被太茂密，NDVI会出现饱和现象[13]，在NDVI饱和后，如果地表蒸散量继续提高，NDVI将无法正常反映土壤的干湿情况[14]。植被长势太过稀疏，说明雨水不够充沛，不利于湿地植物生长，裸土面积较大，NDVI较低，影响特征方程的拟合和反演精度。根据研究区的植被和气候特点，6、7、8月是雨季，选择植被覆盖度相对适中的6月数据比较合理。

考虑遥感数据的光谱信息丰富度、空间分辨率及时间分辨率的合适度、价格的合理性，选择美国国家航天局（NASA）发射的Landsat 5号卫星数据作为此次试验的基础数据。因此采用野鸭湖地区2010年6月5日的Landsat TM遥感数据，轨道号123/32，空间分辨率为30 m（TM6为120 m），包含从蓝光波段到热红外波段的光谱信息，有利于根据不同需要进行不同波段组合和信息提取。

2.2 影像预处理

做过几何校正的影像预处理主要包括辐射校正和大气校正两部分。辐射校正可以消除因传感器自身条件、太阳高度角、大气条件等引起的传感器测量值与被测目标实际辐亮度或光谱反射率等物理量之间的差异。利用Landsat TM 影像数字量化值（DN）与表观辐亮度（At-sensor spectral radiance）之间的定量关系，完成两者之间的转换。综合表观辐亮度、大气参数、传感器信息，利用6S大气校正模型消除大气影响，得到地表目标的光谱反射率信息。

2.3 技术路线与研究方法

2.3.1 技术路线图 对TM数据进行几何精校正、6S大气校正[15]，经过大气校正后的数据能更好地去除气溶胶的影响。综合研究比较了主要的利用光谱数据反演土壤水分模型[16，17]后，本研究采用建立在地表温度（Ts）和植被指数（NDVI）二维特征空间基础上的温度植旱指数（TVDI）法来反演土壤水分。利用Erdas建模求出地表比辐射率；选择覃志豪等[18，19]的单窗算法模型，利用TM影像的热红外波段（波段6）结合野鸭湖湿地气象站的数据估算地表温度Ts；利用可见光和近红外范围的波段（波段3、4）得出归一化植被指数NDVI（Normalized difference vegetation index）。利用Ts和NDVI构建二维特征空间，通过IDL编程筛选出特征图的边界点图，拟合需要的干湿边方程，从而反演出土壤墒情。通过实测值对反演的土壤水分进行精度验证（图2）。

国内学者在遥感技术反演不同深度土壤水分方面取得了一些成果。王纯枝等[20]研究了TVDI和0～10 cm、10～20 cm、20～30 cm土壤湿度的相关性后发现，TVDI能稳定反映地表10～20 cm土壤水分情况；陈怀亮等[21]认为表层土壤水分易受环境因素影响，与遥感资料的关系不好且不稳定，20 cm左右深度土壤水分与影像数据相关性好；郭铌等[22]用NOAA/AVHRR分别反演了10、20、30 cm深度的土壤相对湿度，同样得出20 cm土壤湿度与遥感数据的相关关系最好且稳定的结论；孙丽等[23]通过研究冬小麦的10、20 cm土壤水分，也表明TVDI能更好地反映20 cm深度土壤湿度。所以大部分学者认为多光谱反演土壤水分时，20 cm左右深度土壤水分与遥感资料相关性较好[24]。本研究的实测数据也采用10～20 cm深度的土壤水分。

2.3.2 温度植旱指数（TVDI）法 在利用光谱数据反演土壤水分的模型中，主要有基于指数的方法、基于土壤热惯量的方法[25]，在反演模型的选择上不仅需要具有良好的精度，而且要简单易行，容易实现，尽可能少用地面实测资料，尽可能多地从遥感影像上提取所需要的信息。对于裸地或者低植被盖度区域，选择表观热惯量模型可满足要求；在有植被覆盖的情况下，作物缺水指数法虽然精度较高，但其计算复杂。对于中高植被盖度的区域选择温度植旱指数法（TVDI）比较合理[26]。结合本研究区实际情况以及国内相关研究，此次研究也采用温度植旱指数法（TVDI）反演野鸭湖湿地的土壤水分。

Sandholt等[27]在研究土壤湿度时提出了温度植旱指数（Temperature-vegetation dryness index， TVDI）的概念。TVDI由植被指数和地表温度计算得到，其定义为：

式中，Ts是任意像元的地表温度；Tsmin对应的是湿边方程，表示最小的地表温度；Tsmax对应的是干边方程，表示最大的地表温度。

Moran等[28]研究发现，在假设Ts-NDVI特征空间呈梯形的基础上，从理论上计算梯形4个顶点坐标的研究结果表明，在不同的植被覆盖度条件下，Ts-NVDI特征空间中最低温度Tsmin随植被覆盖度变化而变化。Price[29]研究发现，一般情况下，某时刻某区域的地表温度和植被指数的散点图不能覆盖由干到湿的整个范围，此时特征空间呈三角形或者梯形。三角形的下边表示TVDI对应的最低温度，对应特征空间的湿边，三角形的上边表示TVDI对应的最高地表温度，对应特征空间的干边[30]。湿边和干边的线性拟合方程为：

式中，a，b为系数。

基于国内专家的研究，TVDI在反演土壤水分方面方法成熟，利用广泛，具有可信度。

2.3.3 研究区地表温度的反演 覃志豪等[19]从辐射传输方程发展了用于TM数据的对温度反演的单窗算法。单窗算法的表达如下：

式中，Ts单位为K；a、b为常量，是根据热辐射强度和亮温关系拟合出来的系数，在亮度温度范围为10～40 ℃时，a=-63.188 5，b=0.444 11，只剩下3个位置量Ta、C、D。

Ta为大气平均作用温度，覃志豪等[19]根据温度随高度的变化对4个标准大气剖面进行拟合，得到一系列的经验公式，对于中纬度夏季，由下式计算：Ta=16.011 0+0.926 21T0。其中T0为近地层大气温度，单位为K；C、D为中间变量。

式中，τ为大气透射率，ε为地表比辐射率。

覃志豪等[19]根据大气中的水气含量对大气透射率进行估算，分别根据地面附近大气温度为高和低时作出了不同的估算方程，且在沙漠干燥气候区，大气水分含量一般较低，只有0.5～1.5 g/cm2，所以在这里选择气温较高且水分含量为2.0～3.5 g/cm2的估算模型：

式中，ω 为大气水气含量。

以上的气象数据可以从野鸭湖湿地保护区内的气象站获得。

2.3.4 干湿边方程的确定 植被指数和地表温度组成的散点图通常呈现为梯形或三角形，上边界称为热边（即干边），下边界即为湿边。热边的理想状态为一近似斜线，实际上常常为不同程度的凹形或凸型。常用软件编程在温度Ts和植被指数NDVI建立的特征空间内提取相同NDVI对应的Ts的最大值像元，根据这些像元进行拟合得到热边方程，从而得到每个像元的Tsmax值。湿边的理想状态为一近似水平的直线，是散点图的下边界，实际上为不同程度的“S”形。可利用最小值方法，选择湿边的像元进行拟合得到湿边方程的参数。也可根据经验，根据湿边的平均值，参考区域内水面温度以及同期多年平均值综合确定湿边。

利用地表温度（Ts）和归一化植被指数（NDVI）建立二维特征空间，可以发现NDVI值介于-1和1之间，而Ts介于290.27 K和312.84 K之间，且散点图符合梯形特征，符合该模型的使用条件。当NDVI

将拟合的干边方程（R2=0.948）、湿边方程（R2=0.901）公式代入TVDI定义式（1），于是可以得出反演公式为：

从拟合结果来看，干边的斜率小于0，说明随着植被覆盖度的增加，地表温度的最大值有减小的趋势，湿边斜率是近乎水平的直线，在植被覆盖度较高区域温度有降低趋势，这和实际情况也是相符的，因为植被稀疏区的整体温度要高于植被稠密区的整体温度。

2.3.5 TVDI转换为土壤水分相对湿度 利用温度干旱植被指数（TVDI）反演土壤水分得到的只是一个表征某一区域的干旱相对程度的指数，它的值介于0～1。范辽生等[31]提供的模型将干旱植被指数（TVDI）转化成土壤的相对湿度。通过下式获得土壤的相对湿度（%）：

式中，RSM表示某一像元土壤相对含水量； RSMW是湿边对应的土壤相对含水量（最大）；RSMD 是干边对应的土壤相对含水量（最小）。

1）湿边的土壤相对湿度的确定。在拟合野鸭湖湿地Ts-NDVI特征空间湿边方程时，选取水体的温度作为特征空间温度的最小值，而且水体的湿度可以确定为100%，因此湿边上的土壤相对湿度确定为100%。

2）干边土壤相对湿度的确定。通过实地测量，理论上能获得干边的土壤相对湿度，但是操作难度较大。设法通过抽样的方式在实地测量一部分点的土壤相对湿度，结合相应的TVDI得到干边对应的土壤相对湿度。知道了湿边的土壤相对湿度，借助式（12）得到利用某一点的干边土壤相对湿度，计算公式为：

式中，RSMDi为利用某点实测值得到的干边土壤相对湿度；Yi为该点实测的土壤相对湿度；Xi为该点对应的TVDI。然后对所有计算出的 RSMDi值求平均，以均值作为干边上的土壤相对湿度RSMD。

3）利用求得的干边、湿边的土壤相对湿度RSMD和RSMW，结合式（12）反演野鸭湖湿地土壤相对湿度。

3 结果与分析

3.1 土壤水分反演结果

经遥感软件ENVI、ArcGIS操作处理后，反演的野鸭湖湿地土壤水分结果图如图4所示。

在反演的湿地土壤水分含量效果图中，右下方山区的土壤湿度值比平原区域的值高；平原区靠近水体的土壤湿度值高于远离水体的值；湿地保护区内地势较高区域、土壤中含沙量较多区域的土壤湿度值低于地势较低区域；植被茂密区域的值高于植被稀疏区域的值，这些跟实际情况基本一致。

3.2 反演精度评价

选取部分实测点对反演的土壤湿度进行分析并做精度评价。

从实测数据和反演数据的分布趋势图图5中可以得出，反演的土壤水分含量和实际测量值的增减趋势大体一致。利用统计软件SPSS分析两者相关性（图6），相关系数为0.860，呈显著相关，说明反演结果具有可信度。反演值与实测值的回归方程的r2值为0.739 3，高于陈斌等[9]的草原干旱监测研究的0.335，同时也高于齐述华等[10]全国旱情检测研究的0.461 6。从表1还可以看出，两者之间的平均相对误差为0.249 3，平均绝对误差在0.084 5左右，均方根误差为0.104 2，优于闫峰等[32]对河北省土壤水分估算研究的结果，说明反演精度较高，反演效果较好，温度植旱指数法（TVDI）适用于野鸭湖湿地保护区土壤水分的反演。

从实测数据和反演数据的分布趋势图图6中可以得出，反演的土壤水分含量值和实际测量值的增减趋势大体一致。当土壤含水量>60%时，遥感反演结果低于实测值；当土壤含水量

4 结论与讨论

研究采用2010年6月5日的TM影像数据对野鸭湖湿地保护区内的土壤水分进行反演。利用该方法反演的土壤水分的反演结果和实测值的相关系数为0.860，P

由于遥感技术发展需要一个过程，相应技术需要不断完善，同时植物-土壤-水分系统拥有自身的复杂性，造成土壤水分遥感监测的困难，也产生了一些误差和不足。因此在以后的研究中应该从以下几方面考虑，有助于提高反演精度：

1）遥感监测方法通常是先将地表物理参数进行反演，再建立相应关系式。所以，定量遥感推算地表物理参量成为这一过程的关键，推算精度直接影响监测效果。因此建立更高效的参量反演模型显得十分重要。譬如，在该反演模型中，与地表温度相比，植被指数反映土壤墒情的能力有限。国内学者做过相应研究，在植被指数很小或者很大时，会降低该方法的精度。可以考虑使用其他遥感参量替代来表示植被覆盖度。由于在NDVI接近饱和时，叶面积指数与植被覆盖度仍然具备良好的关系，可以考虑用叶面积指数替换，具体研究方法有待于进一步研究。

2）遥感数据空间分辨率的存在，以点状数据验证面状数据的方法决定遥感影像数据和地面实测数据不能很好一一对应，导致误差的出现，这也是定量遥感的难题之一。本次试验采用了中分辨率TM遥感影像，反演精度也高于此前研究采用的低分辨率MODIS遥感影像，误差随之降低。说明提高影像数据空间分辨率对反演精度提高有帮助。下一步可以采用更高分辨率影像数据进行试验，以提高精度。

参考文献：

[1] Committee On Characterization Of Wetlands， WSAT. Wetlands： Characteristics and Boundaries [R]. Washington，DC： National Academy Press， 1995.

[2] 张华兵，刘红玉，李玉凤，等.自然条件下盐城海滨湿地土壤水分/盐度空间分异及其与植被关系研究[J].环境科学，2013，34（2）：540-546.

[3] 张华兵，刘红玉，李玉凤，等.盐城海滨湿地景观演变关键土壤生态因子与阈值研究[J].生态学报，2013，33（21）：6975-6983.

[4] 仲崇庆，王进欣，邢 伟，等.不同植被和水文条件下苏北盐沼土壤TN、TP和OM剖面特征[J].北京林业大学学报，2010，32（3）： 186-190.

[5] 汪 潇，张增祥，赵晓丽，等.遥感监测土壤水分研究综述[J].土壤学报，2007，44（1）：157-163.

[6] 赵杰鹏，张显峰，廖春华，等.基于TVDI的大范围干旱区土壤水分遥感反演模型研究[J].遥感技术与应用，2011，26（6）：742-750.

[7] 杨 曦，武建军，闫 峰，等.基于地表温度-植被指数特征空间的区域土壤干湿状况[J].生态学报，2009，29（3）：1205-1216.

[8] 姚春生，张增祥，汪 潇.使用温度植旱指数法（TVDI）反演新疆土壤湿度[J].遥感技术与应用，2004，19（6）：473-478.

[9] 陈 斌，张雪霞，华 开，等.温度植旱指数（TVDI）在草原干旱监测中的应用研究[J].干旱区地理，2013，36（5）：160-167.

[10] 齐述华，王长耀，牛 铮.利用温度植被旱情指数（TVDI）进行全国旱情监测研究[J].遥感学报，2003，7（5）：420-427，436.

[11] 王 颖，宫辉力，赵文吉，等.北京野鸭湖湿地资源变化特征[J]. 地理学报，2005，60（4）：656-664.

[12] 林 川，宫兆宁，赵文吉，等.基于光谱特征变量的湿地典型植物生态类型识别方法――以北京野鸭湖湿地为例[J].生态学报， 2013，33（4）：1172-1185.

[13] HUETE A，DIDAN K， MIURA T， et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment， 2002，83： 195-213.

[14] 韩丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J].中图科学（D辑）：地球科学，2005，35（4）：371-377.

[15] 阿布都瓦斯提・吾拉木，秦其明，朱黎江.基于6S模型的可见光、近红外遥感数据的大气校正[J].北京大学学报（自然科学版），2004，40（4）：611-618.

[16] 王鹏新，龚健雅，李小文，等.基于植被指数和土地表面温度的干旱监测模型[J].地球科学进展，2003，18（4）：527-533.

[17] 王鹏新，孙 威.基于植被指数和地表温度的干旱监测方法的对比分析[J].北京师范大学学报（自然科学版），2007，43（3）： 319-323.

[18] 覃志豪，ZHANG M H，ARNON K，等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报，2001，56（4）：456-466.

[19] 覃志豪，LI W J，ZHANG M H，等.单窗算法的大气参数估计方法[J].国土资源遥感，2003（2）：37-43.

[20] 王纯枝，毛留喜，何延波，等.温度植旱指数法（TVDI）在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报，2009，40（5）：998-1005.

[21] 陈怀亮，冯定原，邹春辉.麦田土壤水分NOAA/AVHRR遥感监测方法研究[J].遥感技术与应用，1998，13（4）：27-35.

[22] 郭 铌，陈添宇，雷建勤，等.用NOAA卫星可见光和红外资料估算甘肃省东部农田区土壤湿度[J].应用气象学报，1997，8（2）：85-91.

[23] 孙 丽，吴 全，裴志远，等.温度植旱指数（TVDI）与多因子关系研究[J].地理与地理信息科学，2010，26（2）：31-34，88.

[24] 许小燕.表层土壤水分预测下层土壤水分的模型研究[D].陕西杨凌：西北农林科技大学，2005.

[25] 陈书林，刘元波，温作民.卫星遥感反演土壤水分研究综述[J]. 地球科学进展，2012，27（11）：1192-1203.

[26]. 姚春生.使用MODIS数据反演土壤水分研究[D].北京：中国科学院，2003.

[27] SANDHOLT I，RASMUSSEN K，ANDERSEN J. A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment， 2002，79： 213-234.

[28] 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 Sens Environ， 1994， 49： 246-263.

[29] PRICE J C. Thermal inertia mapping：a new view of the earth[J]. Journal of Geophysical Research，1977，82： 2582-2590.

[30] 张增祥，姚春生.使用温度植旱指数（TVDI）反演新疆土壤湿度[J].中国农业气象，2009，19（6）：230-234.

土壤温湿度范文第3篇

关键词：排水造林；泥炭沼泽湿地；碳循环

中图分类号：X131.3 文献标识码：A DOI：10.11974/nyyjs.20170632183

随着工业化进程的推进，人类的活动已经使全球温室气体浓度有了很大程度的增加。有必要对排水造林给泥炭沼泽湿地CO2、CH4及有机碳储量带来的影响进行深入的分析与研究，为恢复破坏后的湿地，加强湿地管理奠定基础。

1 排水造林对泥炭沼泽湿地碳循环的影响

1.1 排水造林对泥炭沼泽湿地土壤CO2排放的影响规律

回顾全球变暖的历程可以发现，1970―2004年，CO2的排放量增加约为80%，产生的主要原因是化石燃料的频繁使用，其中也包括土壤利用变化所产生的显著但却较小的贡献。说明加强对泥炭沼泽湿地的研究，对预测碳排放量有很大作用。

排水造林是改变泥炭沼泽湿地的一种措施。那么，这种措施的实施是否与泥炭沼泽湿地土壤CO2的排放有关呢。通过查阅的相关资料，确定排水造林会导致泥炭沼泽湿地土壤水位下降，增加有氧层，必然会使CO2的排放通量增加。具体来说，排水造林的过程，必然会改变土壤的温度，致使经过排水造林处理的泥炭沼泽湿地土壤CO2排放量大于自然湿地；排水造林的过程中，因林木栽种，是必然对泥炭沼泽湿地土壤进行排水处理，如此将会影响排水立地地表的CO2排放量，使之大于非排水立地地表的CO2排放量。利用净初级生产力模拟，确定所有排水样地是温室气体的排放源，加之相关研究表明CO2排放时间的变化与地下水位、空气温度有密切的关系，这充分说明了排水造林会加剧泥炭沼泽湿地土壤CO2的排放。因植被对温室气体的影响是比较复杂的，且具有较高的不确定性，因此以上研究之中不涉及植被一类。

1.2 排水造林对泥炭沼泽湿地CH4排放的影响规律

天然湿地是大气CH4的最大来源，每年向大气大约排放110Tg的CH4，占全球排放总量的20%左右，而且CH4单个分子的全球变暖潜力在经过20a和100a时间跨度，将是CO2单个分子WGP的56倍和21倍。由此可以确定，湿地所排放的CH4也将是提高温室气体的重要因素之一。

排水造林的实施，将会大大改变泥炭沼泽湿地，使之变为可耕种的农田、森林或泥炭开采地等，如此势必会破坏湿地，相应的CH4的排放也将会受到影响。经过相关调查研究表明，当地排水造林对CH4排放规律影响是苔草沼泽、灌丛沼泽、10a生落叶松人工生长季、20a生落叶松人工生长季中CH4排放总量分别为（6.66±8.31）g/（m2・ a）、（0.32±0.31）g/（m2・ a）、（0.13±0.50）g/（m2・ a）和（-0.11±0.20）g/（m2・ a）。这充分说明了造林排放的过程中，沼泽水位降低和维管植物减少对CH4排放量的影响较大，即降低CH4排放总量或者出现CH4吸收汇现象。

1.3 排水造林对泥炭沼泽湿地土壤有机碳密度的影响规律

查阅相关资料，确定一些学者认为泥炭地排水，将会降低泥炭地泥潭层，而土壤碳密度将会增加，相应的有机碳储量业也会增加，但却不能直接证实泥炭地排水是土壤作为大气碳排放源@一点。基于此理论，对泥炭沼泽湿地上进行排水造林作进一步的分析，确定经过长时间的排水，尤其是60a后土壤中碳储量将增加，这是因为泥炭层受氧化分解的作用，直到泥炭的物理结构发了变化，加之植物具有净初级生产力，尤其是乔木，如此将会输入新碳，使土壤碳储量增多，并且处于平衡状态。

我国在排水造林对泥炭沼泽湿地土壤有机碳密度影响的研究中，则认为排水造林的实施，将会使土壤碳储量降低。2011年康文星等人基于对洞庭湖湿地杨树造林的调查研究中确定在1999―2007年这8a内土壤碳储量降低12.7%。2009年王丽丽等人在三江平原湿地排水种植杨树的研究中也证明了这点。说明了排水造林对土壤有机碳储量的影响还存在一定的矛盾，而矛盾的根源来自于不同植被种植对碳储量的影响是不一样的。

2 研究展望

采取排水造林措施来对湿地进行改造，意在提高林业生产力，但也给温室气体带来了一定的影响，也就是说，排水造林将会给泥炭沼泽湿地土壤CO2、CH4的排放量带来一定影响，即CO2的排放量的增加；CH4排放量的降低，对泥炭地土壤有机碳储量的影响存在争议。基于此，在未来进一步治理温室气体排放的过程中，应当进步一分析排水造林给泥炭沼泽湿地土壤CO2、CH4及有机碳储量带来的影响，降低大气温室气体的排放通量。

3 结束语

排水造林对泥炭沼泽湿地碳循环有一定的影响，可以降低有机碳储量，使温室气体增多。为了尽可能避免此种情况发生，应进一步研究如何科学地恢复排水造林泥炭沼泽湿地的结构、功能并减缓排水造林泥炭地大气温室气体的排放通量。

土壤温湿度范文第4篇

一、覆盖地膜

覆盖地膜可减少地面水分蒸发，保持土壤水分，同时能降低空气湿度，减少病害发生。还能提高地温，加快蔬菜生长速度。

二、深翻土壤

近些年来，由于大多采用小型拖拉机旋耕犁，土壤耕翻的深度长期在15 cm以下，加上连年施用过量的化肥，严重破坏了土壤结构，致使犁底层越来越坚硬，水分无法向下渗透，只能少量蓄存在地上部浅薄的耕作层中，多余的水分都流失了。由于土壤蓄存水分的能力愈来愈小，浇一次水只够蔬菜几天的需要，因而浇水的次数也就愈来愈多。若采用人工或机械在定植前深翻土壤35 cm以上，即可有效地改善土壤结构和性状，增加土壤下层蓄水能力，以减少浇水次数。

三、免耕调理

利用免深耕土壤调理剂对免深耕土壤进行调理。方法是在定植前或初冬，每667 m2用免深耕土壤调理剂200 g，对水100 kg，喷在土壤表面。如已定植，也可在蔬菜生长季节结合蔬菜浇水随水浇人土壤中。用后20 d左右，土壤深层30～50 cm即可疏松通透。经调理后再给蔬菜浇水，土壤深层便可积蓄大量的水分供蔬菜吸收利用。同时，蔬菜根系也能向土壤深层生长发育。此法可省工降本，减少浇水次数50％以上。

四、蓄水增温

在大棚内建蓄水池，先将水经蓄水池提升温度后再浇灌蔬菜。此法简单、实用，效果也不错，只是要占用一些棚内空间。

五、恰当方法

恰当合理的浇水方法也可减少浇水的次数。大棚蔬菜冬季浇水应掌握以下技巧：

一要膜下暗灌。据测定，采用膜下暗灌，可提高地温5℃左右，降低空气湿度9％～10％，减轻病害30％以上。

二要适时浇水。浇水应安排在中午前后，以上午10点以后下午3点以前为好。此期棚温较高，浇水后副作用最小。

三要适量浇水。在低温下，棚内蔬菜蒸发慢，需水量相应减少，故浇水量要小，间隔时间适当长些，切忌大水漫灌。应以浇灌或喷雾为宜，以免低温高湿导致蔬菜沤根。

四要因期浇水。根据蔬菜种类和不同生长期采用适宜的浇水方法，掌握适宜的浇水量。即蔬菜幼苗定植期适浇缓苗水；发棵期适当控制浇水量；果菜类第一批果实开始膨大期，要逐渐增加浇水量；结果盛期要保持充足的水分，棚内土壤含水量不低于20％。

五要看天浇水。晴天适当多浇，阴天少浇或不浇，风雪天切忌浇水。当天气由晴转阴时，水量要逐渐减少，间隔时间适当拉长；天气由阴转晴时，浇水量应由小到大，间隔时间由长变短。

土壤温湿度范文第5篇

关键词:遥感 土壤水 定量 反演

中图分类号:TP7 文献标识码:A 文章编号:1672-3791(2012)05(c)-0001-02

土壤水分是表示一定深度土层的土壤干湿程度的物理量,是监测土地退化和干旱的重要指标,同时也是水文学、气象学、土壤学、生态学以及农业科学等研究领域中的一个重要参数。一方面它影响地表与大气界面的水分和能量交换,其变化会引起土壤热学特性、地表光学特性的改变,从而影响气候的变化;另一方面它是植物和作物赖以生存的主要源泉,其大小决定着植物或作物根系的发育,对进行大尺度精准农业的水分调节,节水灌溉具有重要意义。

遥感技术不仅能对农作物长势进行大面积、实时、非破坏性监测,从而实现精准农业的发展对地表土壤水分信息快速、及时的掌握,还能为精准农业的发展提供动态监测和分析作物的健康状况与影响作物产量等必要的技术支持。目前获取土壤水分含量的方法主要有田间实测法、土壤水分模型法和遥感法三种。其中传统的田间实测法和土壤水分模型法,因测点稀、速度慢、范围有限,无法满足精准农业中对土壤水分信息快速获取的需求。而遥感估测土壤水分的方法原理是通过测量土壤表面发射或反射的电磁能量,研究遥感信息与土壤水分含量之间的关系,并建立相关的信息模型,从而反演出土壤水分情况,恰恰克服了前二种估测方法的实时性差、单点测量空间变异性差、不能宏观表现等缺陷,为精准农业中大面积快速获取土壤水分信息、实时准确监测提供科学依据。

1 国内外研究进展

如何快速、准确地获取区域地表土壤含水量信息是定量遥感研究的热点之一,也是目前遥感技术应用研究的前沿领域。国内外用遥感技术监测土壤水分的方法有很多,目前在该领域的研究主要集中在光学遥感(即可见光-近红外、热红外遥感)和微波遥感波段进行。主要方法有:基于可见光-近红外土壤水分光谱法、基于热红外遥感的温度法、植被指数法、基于可见光及热红外遥感的植被指数-冠层温度法、微波遥感监测土壤水分法、高光谱遥感监测土壤水分法。

1.1 基于可见光-近红外土壤水分光谱法

Bowers等人早在1965年就发现裸地土壤湿度的增加会引起土壤发射率的降低,这为后来利用土壤水分光谱法方法进行土壤水分的遥感监测研究提供了理论依据。土壤水分光谱法正是应用遥感估算光学植被度,分解象元排除法来提取土壤水分光谱信息。国内外学者在这方面做了大量工作,有的根据水的吸收率曲线提出使用中红外波段来监测土壤湿度,采用MODIS数据并结合实地调查资料,建立了MODIS第7通道的反射率与地面湿度的线性光学。另有学者利用遥感资料估算“光学植被覆盖度”,然后利用像元分解法分离植被与土壤信息,提取土壤水分光谱信息。该方法需要根据不同环境、不同土壤组分建立相应的遥感反演模型,应用比较局限,大面积推广较难。

1.2 基于热红外遥感的温度法

热红外遥感最重要的应用之一是反演土地表面温度。具有代表性的有热惯量法、区域蒸散法、亮温指数法(LST)、温度状态指数法(TCI)、条件温度指数法和归一化温度指数法。热惯量法反演土壤水分的模型研究,主要集中在对于土壤热惯量的解析式计算、从热平衡与热传导方程的化简与计算、环境因子的影响等多方面着手,得到了大量的热惯量模式,建立了较为完善的土壤水分反演模型。蒸散法根据能量流的传输原理,对实际蒸散(E)与潜在蒸散(Ep)的比值与土壤水分的关系进行研究,其理论基础来源于P-M彭曼公式。针对不同的下垫面情况发展了单层、双层和多层模型。利用卫星一次过境观测的辐射温度值,计算地表辐射温度以及蒸散,结合当地气象台站数据计算出作物缺水指数(CWSI),建立了土壤水分与作物缺水指数的回归方程。随后又有DSI指数、区域缺水指数(RWSI)相关研究,在遥感的定性及半定量阶段估算地表蒸散和干旱程度的精确估算上做了相关探讨。温度状态指数(TCI)和亮温指数(BTI)强调了温度与植物生长的关系,提出了亮度温度,以通过对NDVI、亮温与土壤水分的统计分析来建立三者间的数理关系,从而利用遥感反演的亮温和NDVI计算土壤水分含量,建立了土壤相对湿度和NDVI、亮温的回归模型。归一化温度指数(NDTI)可消除地表温度季节变化的影响,通过能量平衡一空气动力学阻抗模型计算,需要卫星过境时刻的气温、太阳辐射、相对湿度、风速和叶面积指数等数据。该方法也主要适用于裸地或植被生长早期。

1.3 植被指数法

植被指数法是研究土壤湿度与遥感植被信息相互关系的重要手段。研究表明归一化植被指数(NDVI)、距平植被指数(AVI)、植被状态指数(VCI)、标准植被指数(SVI)等都与土壤湿度有一定关系。一般来讲,当作物缺水时,作物的生长将受到影响,植被指数将会降低。国内学者也利用VCI研究了我国土壤湿度状况,应用VCI结合常规资料进行综合分析,对我国干旱状况进行宏观动态监测。但该方法较适用于高植被覆盖区域,仍有很多限制性因子和条件。