四川盆地区表层土壤湿度时空变化特征分析

分析常年土壤干湿状况及其影响因子,是监测评价四川盆地区土壤水分变化的基础,有利于农业干旱防灾减灾.利用四川盆地区农业气象站近17年0～20cm的逐旬土壤湿度观测资料,运用旋转正交函数分解(RE-OF)、相关分析、趋势倾向率分析等方法,对四川盆地区表层土壤相对湿度的时空变化特征进行分析,并分区域选取代表站建立表层土壤湿度与气温、降水量、日照时数的多元回归方程.结果表明,盆地表层土壤相对湿度空间分布大致是从南到北逐渐减小;年际变化呈现弱的上升趋势;常年季节变化呈双峰型特点,秋季高,春季低,夏季波动明显,初夏高盛夏低;表层土壤干湿状况总体呈现出冬春季相对偏干、夏秋季相对偏湿的季节变化.盆地表层土壤湿度变化与气温、日照显著负相关,与降水显著正相关性,气温、日照、降水因子分别对盆地东北部、中南部、西北部表层土壤湿度变化影响大.     

GNSS反射信号在土壤湿度测量中的应用

为全面获取陆地土壤湿度信息,实现导航卫星反射信号土壤含水量反演 ,在给出散射信号极化特征及散射信号归一化功率基础上,通过对陆基土壤时序采样数据、时序介电常数进行分析和仿真,估计了土壤湿度参数。仿真表明,实验结果与常规湿度测量方法一致。因此,多普勒延迟映射接收机能够正确表征地表含水量分布特征,导航卫星反射信号可以应用于在土壤湿度测量中。     

甘肃旱作农业区降水对土壤水分的影响

利用甘肃旱作区35个气象站1961-2007年日降水量和13个农业气象观测站从建站到2007年逐年4-10月旬土壤重量含水率资料,分析了旱作区土壤湿度与降水量的关系。采用REOF把甘肃旱作区年降水量划分为4个气候子区域:陇东、陇中西部、陇中东部和陇南。结果表明:①在0～100 cm各层土壤中,耕作层0～30 cm土壤湿度与降水量的关系最好。②旱作区降水量和耕作层土壤湿度存在着一致的年际振荡趋势。各地土壤增湿时间与旬降水达到20 mm的时间基本一致。③耕作层土壤湿度与降水量有极显著的正相关关系,土壤湿度对降水量的敏感性随深度逐渐降低,陇中土壤湿度对降水的敏感性大于陇东南。④不同级别的降水对土壤湿度有不同的影响。不同级别降水之间,土壤湿度的差异极其显著。降水级别从“较强-强”,土壤湿度增幅最大。建立了土壤湿度与不同级别降水的关系式。     

考虑次网格变异性和土壤冻融过程的土壤湿度同化方案

集合Kalman滤波以其简单有效的特点在陆面数据同化中广泛应用,通常作为预报模型的陆面过程模式往往要考虑模式次网格变异性和土壤冻融过程,若对此不加考虑而直接对土壤湿度进行同化可能会使得同化结果发生偏差．将双集合Kalman滤波应用于土壤湿度的同化,基于NCAR／CLM陆面过程模式建立了一个考虑次网格变异性和土壤冻融过程的土壤湿度同化方案：在同一个时间步内用状态滤波对模式网格内某片上液态水分含量进行优化,用参数滤波对该片上的固态水分含量和其他片上的液态／固态水分含量进行优化,由此考虑模式次网格变异性和土壤冻融过程的影响,从而实现对整个模式网格上土壤湿度的同化．初步的同化试验表明：其同化效果在有、无土壤冻融阶段都优于一般的不考虑次网格变异性和土壤冻融变化的同化方案;该同化方案不仅能够提高那些有直接观测信息的土壤层的土壤湿度模拟精度,还能在一定程度上改善那些没有任何观测信息的土壤层的模拟效果;另外,土壤湿度同化结果的改善还能在一定程度上提高陆面模式对于土壤温度的模拟精度．     

黄土高原西部土壤水分时空变化模拟研究——以安家坡流域为例

土壤水作为陆地水循环和水量平衡的一个重要组成部分,在土壤-植被-大气连续体物质与能量转化中起着重要的作用,成为陆面过程研究中的重要参量.选择黄土高原西部的安家坡流域,采用多点长序列观测方法,对该区域土壤水分的时空变化规律进行研究.结果表明:坡向和土地利用类型是小流域土壤水分变异的重要影响因素,得出了不同立地条件下土壤水分的剖面变化与时间的动态规律.在此基础上,利用土壤湿度指数结合主要影响因素预测土壤水分的时空变化,旨在为黄土高原大中尺度的土壤水分模拟提供思路.     

GA辅助NLS的GNSS-IR土壤湿度反演方法北大核心CSCD

采用具有阻尼因子的函数模型,使用遗传算法(genetic algorithm,GA)辅助非线性最小二乘(nonlinear least squares,NLS)方法对相位参数进行求解。结果表明:1)相较于标准余弦函数模型,该方法的反演相位与土壤湿度的相关系数有较为明显的提升,反演结果也更加稳定,在5°~15°、5°~20°、5°~25°三个高度角范围内的相关系数均大于0.68,不同高度角之间的相关系数差值小于0.07;2)反演精度有不同程度提高,R 2提高5.72%~76.06%,RMSE减小6.12%~24.24%,MAE减小2.7%~28.3%,将该方案所求相位用于多星线性回归模型后平均RMSE减小10%。     

基于小波分析辅助GPS-IR反演土壤湿度研究

GPS-IR是一种基于卫星反射信号的新的遥感技术,利用SNR观测值中的卫星反射信号可实现土壤湿度的反演。针对卫星反射信号分离问题,提出一种基于小波分析的卫星反射信号分离新方法。实验表明,采用小波分析能够针对不同卫星的信噪比观测值作出相应变化,有效分离卫星直射信号,获取更加准确的卫星反射信号;采用线性回归模型能够很好地表示相对延迟相位与土壤湿度之间的相关性,通过小波分析获取的结果相对于低阶多项式结果有明显提高。     

顾及多径环境差异和粗差的GNSS-MR土壤湿度反演

针对基于单系统单卫星GNSS-MR（GNSS Multipath Reflectometry）土壤湿度反演的可靠性不高、实际可操作性不强和最小二乘估计不具鲁棒性的缺点,为获取更优的延迟相位估值,并改善GNSS-MR土壤湿度反演的可靠性和实际可操作性,同时简化繁杂的选星过程,提出了一种基于抗差估计的多系统多卫星组合GNSS-MR土壤湿度反演算法。该算法首先顾及多径环境的差异性、多径误差的周期特性等进行信噪比SNR（Signal to Noise Ratio）观测值的筛选,然后采用基于IGGIII（Weight Function III Developed by Institute of Geodesy and Geophysics）权函数的抗差估计解求延迟相位,进而获得表征土壤湿度变化趋势的延迟相位组合。实验结果表明,相较于未采用抗差估计的多系统多卫星组合（方案1）和单卫星组合（方案3）,得益于抗差估计良好的鲁棒性,基于抗差估计的多系统多卫星组合（方案2）和单卫星组合（方案4）获得了较高的建模精度,所得延迟相位与实测土壤湿度间的相关系数分别为0.97和0.95、土壤湿度拟合残差的均方根误差分别为0.010和0.012;同时,方案2和方案4还取得了较高的土壤湿度预报精度,土壤湿度预测值与土壤湿度实测值间的相关系数分别为0.92和0.91、土壤湿度预报残差的均方根误差分别为0.016和0.023;此外,相比于方案4,方案2在采用抗差估计解求延迟相位的基础上,采用多系统多卫星组合进一步提升了延迟相位的估值精度,从而不仅避免了复杂的选星过程,而且还获得了更好的建模效果和更高的土壤湿度预报精度。     

新疆焉耆盆地土壤湿度时空分布特征

本文以新疆焉耆盆地为研究区,首先利用实测数据和Landsat 8 OLI遥感数据获取土壤调查植被指数（MSAVI）和地表温度（Ts）,构建Ts-MSAVI特征空间,拟合特征空间的干湿方程;然后利用该特征空间计算温度植被干旱指数（TVDIm）,反演9-11月的土壤湿度,探讨土壤湿度时空分布特征。试验结果表明：①遥感影像反演的TVDI与实地考察的土壤湿度显著相关（a=0.05）;不同土层中,TVDIm与10~20 cm土层湿度相关性最高（R=0.588）;②焉耆盆地湿度总体以半干旱为主（0.60.8）;土壤湿度空间分布上,焉耆盆地南侧为干旱区,西部和北部地区偏干旱,中部为湿润区域,对于该地区滨湖湿地和博斯腾湖附近小湖土壤湿度最高,博斯腾湖南部的沙地区土壤湿度最低,Ts与土壤湿度呈负相关;③10月湿地的TVDIm值最低,9月沙地的TVDIm值最高。TVDI模型应用于焉耆盆地取得较好的结果,可用于正确地估算土壤湿度,研究结果可为焉耆盆地生态环境和水资源提供重要的参数。