第３０卷，第ｌｌ期２０１ｏ年１１月
光谱学与光谱分析Ｖｄ．３０，Ｎ０．１１，ｐｐ３０６７—３０７１
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｃｃｔｒａｌＡｎａｌｙｓｉｓ
Ｎｏｖｅｍｂｃｒ，２０ｌＯ
高光谱遥感监测土壤含水量研究进展
吴代晖，范闻捷’，崔要奎，闫彬彦，徐希孺
北京大学遥感与地理信息系统研究所，北京１００８７ｌ
摘要土壤含水量是监测旱情墒情的关键参最，近年来在利用高光谱遥感数据监测土壤含水最方面，国内外进行了大量的研究。文章首先在分析利用不同波段监测土壤含水境的原理及优缺点基础Ｅ，指出高光谱遥感监测的独特优势和问题。并以此为出发点，从机理Ｅ归纳了土壤含水鼙对土壤反射率的嫠体影响，以及对不同波段响应的差异。在此基础上。从物理机理和统计方法两个方面，总结了土壤含水量与土壤反射率的关系。并分析和评价了各模型及统计方法中的关键ｆｕＪ题和优缺点。以往研究土壤含水量与土壤反射率关系的实验方法中往往存在一些问题，文章也一一指出并提出了解决方案。同时，探讨ｒ高光谱在消除植被影响，更好地反演土壤含水量方面的叮行性。最后对未来的研究方向进行了展望。关键词高光谱遥感；土壤含水鼍；反射率中图分类号：ＴＰ７９
文献标识码：Ａ
ＤＯＩ：１０．３９６４／ｊ．ｉｓｓ札ｌｏｏｏ－０５９３（２０１０）１１—３０６７＿０５
米到几十厘米的土壤含水最。而可见光到热红外波段对土壤
引言
土壤水分在地表与大气间的物质和能量交换中，起着极
穿透深度有限，只能监测表层几微米的土壤含水最。
微波波段，具有热红外和可见光一近红外波段无法比拟的全天候全天时优点．并具有孥实的物理基础，应用范围较广、精度较高。主动和被动微波都叮以用于土壤含水量监测。由于不同含水蕞的土壤介电特性不同，其回波信号也不同。据此主动微波通过后向散射系数来反演土壤含水量［３］。被动微波利用微波辐射计测得亮度温度，然后通过物理模型或者与土壤含水量建立经验统计关系，反演土壤含水量¨ｊ，但其空间分辨率很低。由于植被本身所含水分对微波信号的吸收和散射，因此消除植被覆盖的影响足微波遥感监测土壤水分的主要难点∞ｊ。同时，土壤的粗糙度也会降低微波信号对土壤含水量的敏感性【６ｊ。
在热红外波段，可以利用热惯量法估测土壤含水鼍［７］。土壤热惯鼋足描述土壤热特性的参数，也是引起土壤表层温度变化的内在因素，由于水的热容龋很大，所以含水土层的热惯量与土壤含水｜量密切相关。虽然热惯量法物理意义明确，但对数据获取有很多限制。如：要求对同一地区获取白天和黑夜的影像；对不同地点进行热惯量的比较时，要求具有相间的热辐射收支。这些要求都很难满足。另外有植被覆盖条件下，热惯量的表达仍然是一个需要研究的课题。
植被指数一地表温度法，利用热红外波段和可见光一近红
为重要的作用，是陆地地表参数化的～个关键变鼙ｌ¨，间时也是农作物牛长发育的基本条件和产量预报模型中的重要参量。土壤含水韫足表征土壤水分的关键参数，是表征一定深度土层十湿程度的物理最。特别是表层土壤含水量是微观气象学和水文学中一个重要的能量平衡参数Ｌ２ｊ，也是旱情Ｉ监测的重要指标。如何更好的表征遥感反演土壤含水星很值得进一步研究。所以准确地获取土壤含水鼍信息极为重要。
土壤含水量可以用重量含水量，体积含水量等方式表示。传统的获取土壤含水量的方法有：莺力法、中子法、伽马射线衰法、张力计等方法。这些传统的方法能准确地获取地面某些点不同深度土层的含水量数据，但费时费力，且仅能得到单个点的数据，代表性差。
遥感具有大面积观测，高时问分辨率的特点，可以实时高效的提供大范围的土壤含水量信息。遥感监测土壤含水最可以利用的波段有可见光一近红外、热红外和微波。不同波段反演土壤含水培的原理不同，具体反演方法也有很大差异。更为值得关注的是，微波、热红外和呵见光监测土壤含水景在物理意义上也存在差异。微波波段可以监测土壤表层儿厘
收稿日期：２００９—１２—１６。修订日期：２０１０－０３’３０
基金项目：国家自然科学基金项目（４０７３０５２５，４０８７１１８６）。国家重点基础研究发展计划项目（２００７ＣＢ７１４４０２）和国家高技术研究发展计划项
目（２００９ＡＡｌ２２１４３一卜１）资助
作者简介：吴代晖，１９８６年生。北京大学遥感与地理信息系统研究所硕士研究生
＊通讯联系人
ｅ．ｍａｉｌ：ｆａｎ研＠ｐｋｕｅｄｕ
ｃｆｌ
３０６８
光谱学与光谱分析
第３０卷
外波段，通过监测植被长势和地表辐射温度，间接地反映土壤含水量，是一种基于经验参数化的方法。如：作物缺水指数法【８］、温度植被干旱指数法［９］、条件植被指数法［１引、距平植被指数法［Ｉ门等。这些方法使用简便，便于实践，但经验性太强，监测精度有限。由于影响植被长势的因素有很多，植被生长又对实际的土壤含水量变化存在一定的滞后效应［１２．１３］，监测效果难以控制。且植被指数一地表温度法，往往需要较长时间序列的影像数据及地匠同步气象观测资料做支撑，如：空气温度、辐射等资料。这些条件在大范围实际应用中难以做到。
利用高光谱数据监测土壤含水量。通过直接建立土壤含水量与土壤反射率问的关系实现对土壤含水鼍的监测。许多地物光谱吸收特征在吸收深度一半处的宽度为２０～４０ｍ“１４］，一般的多光谱传感器不足以用于土壤含水量监测。
而高光谱遥感所获得的波段宽度一般在１０衄以内，其连续
的反射率光谱曲线可以表达地物细微的变化。因此高光谱分辨率可以用于识别土壤含水量对光谱不同波段的吸收特征。但土壤光谱不仅受到土壤含水鼋的影响，还受土壤有机质含量、矿物成分等因素的影响。所以需要定量描述土壤含水量等参数对反射率的影响。
１研究进展
国内外学者利用高光谱遥感Ｉ监测土壤含水最做了大量的研究工作，下面将从土壤含水镀对土壤反射率的影响，土壤含水最与土壤反射率关系的定量描述等几个方面进行分析。１．１土壤含水量对土壤反射率的影响
早期的对土壤含水蛩的研究，主要集中于土壤含水量较低的情况，所以认为土壤反射率随着土壤含水量的增加而降低【１ｗ０｜。随着研究的进一步深入和扩展，发现土壤含水最较高时会出现相反的现象。目前普遍认为：对于町见光到短波红外所有波段而言，当土壤含水虽低于田间持水量时，土壤反射率随着土壤含水虽的增加瓜降低；而当土壤含水量高于田问持水量时，土壤反射率随着土壤含水量的增加反而增加Ｌ２。川。这一现象可以解释为：水在土壤中有三种存在形式：结合水、附着水、自由水。当自由水较多，土壤含水量达到或超过田问持水鼍时，水分形成的薄膜有较强的镜面反射。所以此时，出现土壤反射率随着土壤含水量增加而增加的现象。而当土壤含水量低于田间持水鼍时，入射光在射入颗粒表面以及从颗粒表面反射出时，附着于土壤颗粒上的水主要起吸收作用。所以当土壤含水量低于田间持水量时，土壤反射率随着土壤含水量的增加而降低。
针对这一现象，Ｐａｔｅｌ和Ｎｅｅｍａ等［２２’２３］提出一个新概念“ｃｕｔ—ｏｆｆ－ｔｈｉｃｋｎｅｓｓ”，分离厚度，定义为当只有５％的入射光穿透土壤时土壤的厚度。当土壤含水量增加时，分离厚度随之增加；当土壤含水量增加到一定程度时，分离厚度随之减小。Ｌｉｕ等”１ｊ的研究认为，反射率变化趋势发生变化的转折点，在土壤含水量为ｏ．４
ｇ・锄＿３的附近。
而对于具体波段而言，不同波段对含水量的响应不同。随着含水量的变化，不同波段变化情况也不一样。当土壤含
水鼍较低时。随着土壤含水量的增加，短波红外波段反射率变化幅度较大，特别是在１４５０和１
９４０衄水分吸收波段。
当土壤含水量较高时，随着土壤含水量的增加，可见光一近红外波段反射率变化幅度较大［２１｜。但是当考虑大气中水汽吸收的影响时，选择适合遥感监测含水量的波段问题时则更为复杂。
可见光一近红外波段与短波红外哪个波段更适合于土壤含水鼍的测量，目前研究中存在不同的看法。Ｄａ、，ｉｄ［２５］等认为短波红外比可见光一近红外更适合用于土壤含水量监测。他们认为，可见光一近红外波段反射率在土壤含水量接近２０％时就达到饱和。而短波红外波段在含水量达到５０％时，仍有较强的响应。并且指出基于指数关系反演土壤含水量时，短波红外的反演参数更加稳定。Ｅｔｉｅｎｎｅ等【２１３则根据他们的研究结果认为，在土壤含水量较低时，短波红外波段更适合用于土壤含水昔监测；而当土壤含水量较高时，较短波段更适合。他们的理由是，在土壤含水量较低时，水分吸收对反射率的变化起主要作用，而吸收波段主要在更长波段。当土壤含水虽较高时，水分的散射对反射率的变化起主要作用，而这主要是由于更短波段散射引起的。
以往的研究中，土壤含水馈对土壤反射率方向性的影响考虑较少。通常针对不同含水虽土壤光谱的实验研究。大都设置光源垂直照射土壤，并只测量天顶角下的土壤反射率。这与实际使用时的情形，存在一定差异。随着照射方向、观测方向的变化，不同含水量土壤光谱呈现明显的方向性。我们通过实验测虽发现：当光源垂直照射土壤时，土壤反射率随着观测天顶角的增大而变小。土壤的二向反射率在垂直主平面方向是对称的。不同含水量土壤二向性反射特性的研究。有助于更伞面了解土壤含水量对土壤反射率的影响。１．２描述土壤含水量与土壤反射率关系的机理模型
在土壤含水量对土壤反射率影响研究的基础上，不同的学者从不同的角度用模型对土壤含水量与土壤反射率的关系进行描述。一些研究从物理机理的角度出发，试图建立土壤反射率与土壤含水量的物理模型。也有些研究从统计学的角度出发，考虑土壤反射率与土壤含水最的统计模型。１．２．１描述土壤含水量与土壤反射率关系的物理模型
在早期的研究中，认为土壤含水虽与反射率之间存在较好的线性关系［１６．１７］。而之后的一些研究表明指数模型能更好
的表征土壤反射率与土壤含水量之间的关烈ｚ．ｚ１．孔．ｚｅ．２引。
也有研究显示：当所有土壤类型一起考虑时，指数模型反演精度较差，甚至是无效的［２１—５。。
Ｂａｃｈ［２Ｊ将不同土壤含水量对反射率变化的影响分成两部分进行考虑。一部分认为是由于覆盖于土壤颗粒上的水膜内部的反射，导致部分能量被反射同土壤颗粒，被土壤颗粒吸收。这一部分用干土壤表面反射率和液态水折射率的函数表示。另一部分认为是由于有效水层的吸收，用比尔定律表示。描述土壤含水量与土壤反射率问关系的模型大都从这两个角度出发。
早在１９２５年，Ａｎｇｓｔｒｏｍ［２７］就根据折射定律，提出了描述土壤反射率受湿度影响的一般理论方法。
第１１期光谱学与光谱分析
３０６９
ＪＤ
５孬丽‰
ｎ’
式中，ＩＤ为湿土壤表面反慑率，内为干土壤表面反射率，行为液态水折射指数。这一模型后来被逐渐发展和补充［２９’３０。。
Ｂａｒｅｔ等［３１］则通过研究同一土壤在同一粗糙度水平下，不同含水量下的反射率。提出了一个半经验的指数模型。
ＩＤ（Ａ）＝ＩＤｈ（Ａ）＋（ＩＤｈ（Ａ）一舯（Ａ））ｅｘｐ，”“
（２）
其中，阳。（．＝Ｉ）指当土壤含水量接近饱和时的反射率。ｐ崎（Ａ）指干土壤反射率，口代表由于含水量变动而引起的变化系数，
ｚ嵋为土壤含水量。防ｖｉｄ［２５】等利用这一模型反演了不同土壤
在不同含水量下的反射率。其研究表明，基于体积含水量的指数关系明显好于基于重量含水量的指数关系。他同时指出，在监测土壤含水量时，利用饱和度替代体积含水鼍，有利于减少不同土壤类型带来的差异影响。同时，在Ｂａｒｅｔ的模型基础七，Ｄａｖｉｄ发展了一个基于干土壤反射率和体积含水量的简单模型［２引。
Ｐ（｜：Ｉ）＝，×胁ｎ）＋（１一力×阳（Ａ）×产
（３）
式中，厂为饱和土壤反射率相对于干土壤的比例。这样减少了一个很不容易得到的参数，土壤含水量接近饱和时的反射率。提高了模型的实用性和可行性。
也有一部分学者则利用比尔定律解释土壤含水量对土壤反射率的影响【２］。将模型简化为
ｌＤ（Ａ）＝ＪＤ帕（．＝【）ｒ“
（４）
式中，ＩＤ（Ａ）为湿土壤反射率，阳（Ａ）为于土壤的反射率。个别参数在不同的研究中定义略有差别，例如，Ｂａｃｈ【２］等将ｎ定
义为水汽吸收系数，将讹定义为水层的有效厚度。邓孺
孺Ｌ驯将ｎ定义为：１％的土壤含水量，对某波段入射光在土壤表面的入射和反射过程中所吸收的光强与该波段入射光总强度之比。而ＥｔｉｅｎｎｅＬ２６ｊ将ｎ定义为反射率衰减因子。
这蝗研究为进一步揭示含水屋影响反射率的物理机理，并最终建立物理模型，提供了很好的基础。但这些模型都涉及到干土壤反射率。这一信息难以从遥感影像数据中直接获取。同时，各土壤类型，由于性质、成分等差异，干土壤反射率不同。从而影响了模型的大面积推广使用。
土壤反射率受土壤组成、湿度、粗糙度、观测方式等因素综合影响。邓孺孺［２４Ｊ通过分析土壤含水鼍影响反射率的物理过程，论证了土壤含水量与土壤光谱服从比尔定律。并根据土壤光谱散射的物理过程建立了一个粗糙土壤表面的二向反射模型。在此基础上建立了粗糙地表土壤含水量遥感模型。
Ｐ（｜：Ｉ）＝甲。（Ａ）ｒ栅
（５）
丝丛凶二坠掣孚璺盟必血觯
５＝去耋萎
（６）
式中，ｓ为粗糙度影响因子。ａ和乒分别为坡度和坡向，坡面法线单位矢量为行。。户（口）为小平面坡度为口的概率。入射方向为Ｓ（夙，氟），观测方向为Ｖ（巩，氐）。模型较好地考虑ｒ粗糙土壤的二向反射情况，但没有给出模型的解析式．需要通
过数值逼近的方法求解，运算量较大。
Ｊａｃｑｕｅｍｏｕｄ［２８Ｊ通过建立ＳＯＩＬＳＰＢＣ辐射传输模型。解释了土壤内在光学属性、粗糙度和光源与观测几何角度对土壤二向反射率的影响。模型中的单次散射反照率与粗糙度及测链条件无关，仅与特定波段的土壤内在光学属性相关。并且指出单次散射反照率随着土壤含水量的增加而降低。但是他没有提出一个模型表征土壤含水壁对单次散射反照率的影
响。因此这一模型必须要进行改进才能用于土壤含水量的反演。
该模型在推导土壤的内在光学属性时，可以不必考虑光源与传感器的几何位置。这对于比较不同测鼙条件下获得的土壤光谱具有重要意义［ｚ８］。并且能够对土壤的光谱反射率进行模拟，并可以将其作为下挚面在植被冠层反射率模型中直接应用［２引。在可见光一近红外波段中粗糙度是一个难以表征的参数，但粗糙度的变化对土壤含水量反演有很大影响。目前很少有这方面的研究，该模型中涉及到粗糙度参数，为进行这方面的研究提供了一个很好的契机。ｌ－２．２土壤反射率与土壤含水量的统计模型
鉴于定营模型的复杂，统计方法更为普遍。在建市同归模型前，必须要考虑波段选择问题。高光谱提供了大量的连续光谱，而不同的波段之间存在较强的相关性，数据具有一定的冗余性［３引。波段选择后，通过先将反射率转换成相对反射率、反射率倒数、对数、归一化等形式，接着进行微分、差分等运算，然后选取相关性最高的波段，从而建立回归模型，进而实现对土壤含水量的监测【３¨”。
但同一方法，针对不同的光谱数据集。相关性最好的波段不同。并且，以往的很多研究主要是基于实验室测量光谱。仅考虑土壤含水量与土壤反射率的相关性，忽略了大气影响。以至于他们选择的许多最优波段都处于大气水汽吸收干扰波段（１３５０～１
４５０，１
８００～１９５０和２４００～２５００
唧）［３８４…。这影响其用于影像数据时的实用价值。例如Ｌｉｕ［２１］认为的最优波段１９４４和１８３４啪。王静［３１］认为的最优波段１４０６砌。同时通过观察发现，最优波段多数处在水
汽吸收波段附近。可见，进行波段选择时还需要避开大气水汽吸收的干扰波段影响。
这些利用统计方法建它的经验模型，简单实用，对特定区域特定土壤有较好的效果。针对不同土壤类型，均可以通过相关关系得到几个相关系数较好的波段，并建立回归模型。但不同土壤，相关系数较好的波段不同，回归模型系数也不同。该方法应用区域有限，不适合大范围区域。１．３土壤含水量与土壤反射率关系的实验研究方法
土壤含水冒对土壤反射率关系的研究，往往建立在实验室光谱测昔的基础上。实验窜光谱测量，可以较好地控制各种影响冈素。从而能够更好的研究反射率与含水量之间的内在关系，实验成功与否，是高光谱测量土壤含水量的关键。实验室光谱测量主要涉及以下几个步骤【２１］：（１）采集土壤。对土壤进行筛选、研磨等～系列处理，并自然风干；（２）将土样装入特定容器中。将容器漆黑以减少对测量光谱的影响，
且容器深度应大于１．５咖（因为１．５
ｃｍ被认为光学厚度无
穷的最小深度）；（３）设计不同含水量的土壤样品；（４）利用室内光源测量光谱后。通过实时测量重量得到对应的土壤含
３０７０
光谱学与光谱分析
第３０卷
水量。
这样的测量方法存在几个问题［卵］。（１）土壤经过处理后，结构发生了很大的变化，甚至破坏；（２）无论用什么样的方法都很难保证土样的含水量均匀，特别是表层土壤含水龟与下层土壤含水最一致。那么通过测龄整个土样重鬣变化得到的土壤含水量，和所测餐的反射率也无法完全对应；（３）土壤孔隙率及体积密度等物理属性在不同含水最情况下是不同的。当土壤样品含水量达到饱和时，土壤的物理结构被破坏。这些问题都需要在实验中尽昔避免。１．４基于植被与土壤分离的土壤含水量反演
以上研究均致力于对裸土含水量的遥感ｌ盥测，但是实际上作物冠层之下的土壤含水量监测对农业和生态研究意义更为重要¨引。而利用微波和植被指数法进行植被一土壤混合
里的面积比例矩阵，毋×Ｍ为』个组分信息的光谱信息矩阵。前人对高光谱混合像元分解和端元提取做了大量的研究ｔ作，主要方法有：主成分分析法［４１｜、因子分析法¨引、神经网络法［４引、盲分解法¨４Ｊ等方法。这些研究能够准确提取混合像元中的土壤和植被的端元光谱，并反演得到植被覆盖度。在此基础上，将能很好的去除植被干扰，反演土壤含水量。
２存在问题和今后研究方向
利用高光谱监测土壤含水最的研究很多，取得了大量成果，但依然有很多问题需要解决。
高光谱对土壤的有效穿透深度有限，仅包含了土壤表层几微米的湿度信息。需要一种表征表面土壤湿度状况的概念［４５‘，这样才能更好的建立土壤反射率和湿度信息的关系。
在研究土壤含水量与土壤反射率关系时，应该进一步考虑二向性反射等因素埘反射率的影响，这是应用高光谱影像数据进行土壤含水量反演的前提。
不同土壤，由于其组成成分存在较大的差异，即使在同一含水量情况下，反射率曲线也存在较大的差异。利用遥感技术进行大面积土壤含水最监测时，往往涉及到不同土壤类型。怎么减少组成成分带来的影响，建立一个适用于多种土壤的反射率与含水量的关系，这是一个不可同避的问题。对同一种土壤而占，土壤含水量及有机质等土壤属性共同影响着反射率，区分好它们对反射率的影响，才能更好的实现各自的定量监测。
高光谱混合像元分解，可以同时得到组分光谱信息和混合比例信息。对监测植被覆盖区域的土壤含水鼍，具有十分重要的意义。
像元监测中都有着不町避免的缺陷。Ｈｅｉ“删等利用‰一
ＳＡＩＩ。模型，模拟了不同含水量土壤作为下垫面时，以及不同植物含水量情况下的冠层反射率，发现植被含水繁变化引起的光谱筹异不同于土壤含水量变化引起的光谱差异。可见，高光谱遥感能够有希望区分两者带来的影响。刘培君“１］等通过引入一个“光学植被盖度”的概念，以此来排除植被对土壤水分的干扰，使复合像冗亮度变成了裸土光谱亮度，实现植被覆盖区域的土壤含水量监测。
如果能够利用高光谱对混合像元进行光谱分解，通过得到组分和比例信息，将植被和土壤信息分离，有希埋能够更好的反演表层土壤含水量。混合像元分解与端元提取是高光谱遥感的主要研究内容。许多遥感物理过程町用线性方程组来描述，可表达为
Ｘ哪ｌ＝Ａ胍ＪＳ，删
（７）
其中Ｍ为波段数，Ｎ为混合像元数和‘，组分数，ｘ。。Ｍ为Ｎ个混合像元的光谱信息矩阵，ＡＮ×Ｊ为组分在Ｎ个混合像元
参
考
文献
ｒＬ
Ｂｌ”ｈＥＢａｃｈ
Ｍ，Ｄｂｌｍ肌ＡＪ，Ｗ００ｄＮ．ＴｈｅＱｕａｎｅｒｌｙＪｏｕｍａｌｏｆｔｈｅＲｏｙａｌＭｅｔｅｏｍｌｏｇｉｃａＩＳ０ｃｉｅｔｙ，１９９３，１１９（５１１）：４２３．
Ｍ，Ｍａｕ鸵ｒＷ．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＧＡＲＳＳ’９４，Ｐａ明ｄｅｒＩａ。ＩＥＥＥ，ｌ９９４，４：２３５４．
一ｒｒＬ
ＥｎｇｍａｎＥＴ，ＣｈａｕｈａｎＮ．ＲｅｍｏｔｅＳｅｎｓ．Ｅｎ“ｒ０几，１９９５，５１（１）：１８９．
ｓｃｈｍｕ踞ｅＴＪ，ＧＩｏｅｒｓｅｎＰ，ＷｉＩｈｅｉｔＴ．Ｊ．Ｇｅｏｐｈｙｓ．Ｒｅｓ．，１９７４，７９（２）：３１７．ＢｉｎｄｌｉｓｈａＲ，ＢａｎＤｓＡＰ．ＲｅｍｏｔｅＳｅ咀Ｅｎ、ｄｒｏｒＬ，２００ｌ，７６：１３０．
ＢａｍｎｔｉＳ，Ｄｅｌ
一ｒｒＬｒＬｒＬｒＬｒＬ
Ｆ，Ｆｅ蚴ｌｉ
Ｐｅｔ
ａＬ
ＩｎｔｅｍａｔｉｏｎｊｏｕｍａｌｏｆＲｅｍｏｔｅＳ叽ｓｉｎｇ，２００１，１６（１４）：２６３９．
ＰｒｉｃｅＪ（、．ＲｅｍｏｔｅＳｋｎｓ．Ｅｎｖｉｒｏｌｌ．，１９８５，１８：５９．ＪａｃｋｓｏｎＲＤ。Ｉｄ∞ＳＢ，ＲｅｇｉｎａｔｏＲＳａｎｄｈｏｌｔ
Ｊ
ｅｔ
ａＬＷａｔｅｒＲｅＳ０ｕｒＲｅ＆，１９８１，１７：１１３３．
Ｉ，Ｉｈ锄ｕｓｓｅｒＩＫ。ＡｎｄｅｒｓｅｎＪ．ＲｅｍｏｔｅＳｅｎｓ－ＥｎｖｉｒｏｒＬ，２００２，７９（２）：２１３．
ＫｏｇａｎＦＮ．Ｉｎｔ．Ｊ．Ｒ帅ｏｔｅＳｅｎ＆，１９９０，１１：１４０５．
ＣＨＥＮｗｅｉ吲ｎｇ。ＸＩＡ（）Ｇａｆｌ－ｇｕａｎｇ，ｓＨＥＮＧＹ０ｎｇ．ｗｄ（陈维英。肖乾广，盛永伟）．Ｊ０ｕｍａｌｏｆＲ咖ｔｅＳｅｎｓｉｌｌｇ（遥感学报），１９９４，８（２）：
１０６．
［１２］［１３］
［１４］
ＭＡ（）Ｘｕｅ－ｓｅｎ。ＺＨＡＮＧＹ０ｎｇ－ｑｉａｎｇ，ｓＨＥＮＹａＩｌ－ｊｕｎ（毛学森，张永强，沈彦俊）．Ａｇｒｉｃｕｌｔｕｒａｌ业研究）。２００２。２０（１）；６９．ＪａｃｋｓｏｎＲ
ＨｕｎｔＧ
Ｒｅ蝴ｒｃｈ
ｉｎｔｈｅＡｒｉｄＡｒ髓ｓ（干旱地区农
Ｄ．Ｒ唧ｏｔｅ
ｓｅｎｓ．Ｅｎ“ｒｏｒＬ，１９８３，１３：１８７．
ＲＥｌｅｃｔｍｎ诅ｇｎｅｔｉｃＲａｄｉａｔｉｏｎ：ｔｈｅ（：０ｍｍｕｎｉｃａｔｉｏｎＬｉｎｋｉｎＲｅｎｌｏｔｅ
Ｗ．ＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅ
ｓｅｎｓｉｎ舀ｉｎ：Ｒ哪ｏｔｅ
ＳｅｎｓｉｎｇｉｎＧｒｏｌｏｇ．，１９８０．
ＩＥＥＥ
［１５］［１６］
ＢａｃｈＨ，Ｖｅｒｈｏｅｆ１６７９．
Ｓｅｎｓｉｎｇ跏ｎｐｏｓｉ哪．２００３，ＩＧＡＲｓｓ’０３。Ｐｒｏｃｅｅｄｉｎｇｓ。２００３
Ｉｎｔｅｍａｔｉｏｎａｌ，２００３：
ＢｃｌｗｅｒｓＡＳ，ＳＩＴｌｉｔｈＪＳＳｏｉｌＳｃｉ．ｓｃＥＡ玑Ｊ，１９７２，３６：９７８．
第１１期［１７］［１８］［１９］
［２０］
ＨｏｆｆｅｒＲ
光谱学与光谱分析
Ｍ．ＪｏｈａｆｕｌｓｅｎＣＪ．ＲｅｍｏｔｅｓｅｎｓｉｎｇｉｎＥｃ０１０９ｙ．Ａｔｈ％ｓＧＡ：Ｕｎｉｖ．０ｆＧｅｏｒｇｉａＰｒｅ鲭。１９６９．１．
３０７１
ＩｓｈｉｄａＴ．ＡｎｄｏＨ。Ｆｕｋｕｈａｒａ
Ｍ．Ｒｅ肿ｔｅ
ＳｅｎｓＥｎｖｉｒ０礼，１９９ｌ，３８（３）：１７３．
ｓｔｏｎｅｒＲＥ，ＢａｕｍｇａｒｄＩｌｅｒＭＦ．Ｓ０ｉｌｓｃｉ．＆ＥＡ札Ｊ。１９８１，４５：１１６１．
ＢａｕｎｇａｒｄｎｅｒＭＦ，ｓｉｌｖａＬＦ，ＢｉｅｈｌＬＩ。ｅｔａＬＡｄｖ．Ａｇｒ∞．，１９８５。３８：１．
Ｉ。ｉｕ
［２１］［２２］［２３］
［２４］
Ｗ，ＢａｒｅｔＦ，ＧｕＸ，ｅｔａＬＲｅｍｏｔｅＳｅｎｓＥｎ“ｒｏｆＬ，２００２，８ｌ（２—３）：２３８．
ＮｅｅｍａＤＬ，Ｓｌ诅ｈＡ．ＰａｔｅｌＡＰａｔｅｌＡＮ，ＮｅｅｍａＤ
Ｎ．Ｉｎｔ．Ｊ．Ｒ咖ｔｅＳ朗区。１９８７，８：１２０９．
Ａ（、邶ｔｅｃｈｎｉ∞ｌ
Ｔｅｓｔｉｎｇ
Ｉ。，ＳｈｈＪｏｕｍａｌ，１９９０，１３（２）：１１５．
ｏｆ
ＤＩ’ＮＧＲｕ＿ｒｕ，ＴＩＡＮＧｕ驴ｌｉａＩＩｇ，Ｉ。ＩＵ
ＱｉＴ卜ｈｕｏ（邓孺孺。田国良，柳钦火）．Ｊｏｕ咖ｌＲｅｒＴ斌ｅＳｅｎｓ．ｎｇ（遥感学报），２００４，８（１）：７５．
［２５］［２６］［２７］［２９］［３０］［３１］［３２］［３３］［３４］［３５］［３６］［３７］［３８］［３９］
肪“ｄＢＩ。，Ｇ弼ｒｏｒ），Ｐ八ｓｏｉｌＳ吐Ｓ阢Ａ札Ｊ．，２００２。６６（３）：７２２．
ＥｔｉｅｎｎｅＭ，ＨｅＩｌ—Ｄ．ＲｅｍｏｔｅＳｅｎｓＥｎ“ｒｏｒＬ，２００１，７６（２）：１７３．
ＡｎｇｓｌＤ啪ＡＧｅｌｏｇｎｆｉｓｋｅＡｎｎａｌｅｓ，１９２５。７：３２３．
［２８］Ｊａｃｑｕ锄ｏｕｄＳ，ＢａｒｅｔＦ，ＨａｎｏｃｑＪＦ．ＲｅｒｒｌｏｔｅＳｅｎｓ．Ｅｎ、ｒｉｒｏｍ，１９９２。４１
Ｎｉ
ｌ
１２３．
Ｗ，ＩｊＸＲｅｍｏｔｅＳｅｎ＆Ｅｎ“ｒｏｒＬ，１９９９，７４：１１３．
ＺＨＵＹｏｎｇ＿ｈａ０，ＤＥＮＧ
Ｒｅ即ｄａ，ＩⅣＹａ－ｆｅｉ（朱永豪，邓仁达，卢亚非）．ＡｃｔａＰｅｄｏ蜘ｓｉｎｉｃａ（七壤学报）．１９８４，（２）：１９４．
Ｒｅｍｔｅ
Ｓｅｎｓｉｔｌｇ（遥感学报），２００５．９（４）：４３８．
ｗＡＮＧＪｉｆｌｇ，ＨＥＴｉｌｌｇ，ｕＹｕ＿ｈｕａｎ（王静，何挺，李玉环）．Ｊｏｕｍａｌｏｆ
Ｉ。ｉｕ
Ｗ，ＢａｒｅｔＦ，ＧｕＸ．ｅｔａ１．Ｉｎｔ．Ｊ．ＲｅｍｏｔｅＳｅｎｓ．，２００３．２４（１０）：２０６９．
ｗＡＮＧＣｈａｎｇ－ｚｕｏ，ｗＡＮＧＪｉ－ｈｔＩａ。ｗＡＮＧ
Ｐ—ｃｅＪＣＲｅｒＴｌｏｔｅＰｒｊｏｅ
Ｊｉｎ－ｄｉ（王昌佐，王纪华，王锦地）．Ｒ锄ｏｔｅ
Ｓｅ邶ｉＩｌｇＩｎｆｏ舢ｔｉｏｎ（遥感信息）。２００３，（４）：３３．
Ｓ饥＆Ｅｎ、，ｉｒｏｆＬ，１９９０，３３：１１３．
ＪＣＲｅｒＩｌｏｔｅＳｅｎ＆Ｅｎ、，ｉｒｏ儿，１９９８。６４（３）：３１６．
Ａ。ＵｓｔｉｎＳ
Ｐ矗１ａｄｏ“）ｒｕｅｔａＩ．Ｒ啪ｏｔｅ
Ｓｅｎｓ．Ｅｎ“ｒｏｌＬ，１９９６，５７：１０８．
ＨｕａｎＪｕｎＬ，Ｙｕａ巾ＺｈｉＺ，Ｘｉｒ卜ＬｅＺ，ｅｔａＬＰｅｄｏｓｐｈｅｒｅ。２００９。１９：５３２．
Ｓｃｉ．ｓｃ也ＡｎＬ
ＨｖＴｎｅｒＤＣ。Ｍｕｒａｎ
ＫｅｉｋｅＢ。Ｖｅｒｈｏｅｆ１６７９．
ＭＳ，ＫｅｅｆｅｒＴｎ蹦Ｌ
Ｊ．，２０００，６４：３１９．
ＩＥＥＥ
Ｗ．Ｇｅｏｓｃｉｅｎ∞ａｎｄＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ跏ｎｐｏｓｉ哪，２００３．ＩＧＡＲｓｓ’０３．ＰｒｏｃｅｅｄｉｆＩｇｓ．２００３
０ｆＲｅｍｏｔｅ
Ｉｎｔ锄ｔｉ伽＿ａｌ
５：６３．
２００３，３：
［４０］ＬＩＵＰｅＨｕｎ，Ｉ』ｕＩ，ｉｎ（刘培君。刘琳）．Ｊｏｕｒｒｍｌ
ｓｅｎｓｉＩｌｇ（遥感学报），１９９７，１（２）：１３５．
［４１］ｓＨＡ（）Ｍｅｉ－ｚｈｅｎ，Ｘｕ）【ｉ—ｒＩｌ（邵美珍。徐希孺）．Ｃｈｉｎｅ∞ｓｐａｃｅＳｃｉｅｎｃｅ［４３］ｗＡＮＧｘｉ—ｐｅｎｇ，ｚＨＡＮＧＹ蚰ｇ－ｚｈ∞（王喜鹏，张养珍）．Ｊｏｕｍａｌ
［４５］Ｆ００ｄｙＧ￣Ｌ
ａｎｄ‰ｈ∞ｌｏｇ）ｒ（中国空间科学技术），１９８９ｔ
Ｓｅｎｓｉｎｇ（遥感学报），１９９８，２（１）：５１．
［４２］ＸＵＸｉ—ｒｕ，ＺＨＯＵＩ。ｉａｎ－ｆａｎｇ，ＺＨｕＸｉａ伊ｈｏｎｇ（徐希孺，周莲芳，朱晓红）．ｃｈｉｎｅ∞ｓｃｉｅｆｌｃｅＢｕｌｌｅｔｉｎ（科学通报），１９８９，３４（１２）：９４６．
ｏｆＲｅｍｏｔｅ
［４４］ＦＡＮｗｅ—ｉｅ，ｘｕｘ｝ｎｌ（范闻捷，徐希孺）．Ｐｆｏｇｒｅ黯ｉｎＮａｔｕｒａｌｓｄｅｆ峨（自然科学进展），２００５，１５（８）：９９３．
Ｉｎ匕Ｊ．Ｒ锄ｏｔｅＳｅｎｓ．．１９９１，１２（７）：１４６１．
Ｒｅｖｉｅｗｏｆ
ｆ、
●
ＭｏｎｉｔｏｒｉｎｇＳｏｉｌＷａｔｅｒＣｏｎｔｅｎｔＵｓｉｎｇＨｙｐｅｒｓｐｅｃｔｒａｌＲｅｍｏｔｅ
ＳｅｎＳｌｎｇ
、舢眈ｉ－ｈｕｉ，ＦＡＮＷｅｎ－ｊｉｅ’，ＣＵＩＹａ以ｕｉ，ＹＡＮＢｉＩ卜ｙａｎ，ＸＵⅪ．ｒｕ
ＩＩｌｓｔｉｔｕｔｅ
ｏｆ胁ｎｏｔｅ
ｓｅｎｓｉｎｇａｎｄＧｅｏｇｒａｐｈｉｃａｌ
Ｉｎｆｏ衄ｔｉｏｎＳｙｓｔ咖，ＰｅｋｉｎｇＵＩｌｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ
ｒｅｃｅｎｔ烨ｒｓ，ａ
ａｒｅ
ｌ００８７１，ＣＫｍ
舢鼬嘣Ｓ０ｉｌ
ｒｉＩｌｇ
ｗａｔｅｆ∞ｎｔｅｎｔ
ｃｏｎｔｅｎｔ
ｉｓ
ｏｎ
ａ
ｋｅｙｐａｒａｍｅｔｅｒｉｎＩｒ幻ｎｉｔｏｒｉｎｇｄｒｏｕｇｈＬｈ
ｌｏｔｏｆｗｏｒｋｈａｓｂｅｅｎｄｏｎｅ
ｏｎ刑ｄ血静
ａｄｖａｍａｇｅｓ，
Ｓｏｉｌｗａｔｅｒ
ｂａｓｅｄ
ｈｙｐｅ碍ｐｅｃｔｒａｌｒｅｒｎｏｔｅｌｙｓｅ璐ｅｄｄａｔａｂｏｔｈ
ｎｌｏｎｉｔｏｒｉｎｇ
ａｔ
ｈｏｒ腿ａＩｌｄａｂｒｏａｄＩｎｔｈｅ
ｐｒｅｓｅｎｔｒｅｖｉｅｗ，ｔｈｅｏｒｉｅｓ，
ａｄｖａｎｔａｇｅｓ觚ｄｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｈｅ
船ｗｅｌｌ
ｐａｃｔ
ａｓ
ｍｅｔｈｏｄｓｕｓｉＩｌｇｄｉｆｆｅｒｅｎｔｂａＩｌｄｓ
ｔｈｅｐｍｂｌｅｍｓ。ｏｆｔｈｅｎ的１１ｉｔｏｒｉｎｇｎｌｅｔｈｏｄｗｉｔｈｔｈｅａｉｄｏｆｈ卵Ｉｅｒｓ肼ｃｔｒａｌ
ｃｏｎｔｅｎｔ
ｏｎ
ｒ㈣ｔｅ
ｉｎｔｒｏｄｕｃｅｄｆｉｒｓｔ．Ｔｈｅｎ
ｓｅｎｓｉｎｇ
ａｔ
ａｒｅ
ｔｈｅ蚰ｉｑｕｅ
ａｒｅ
ａｍｌ），ｚｅｄｈａｄｄｉｔｉｏｎ，ｔｈｅｉｍ—
ｓｕｎｍ诅ｒｉｚｅｃＬ
ｏｆｓｏｉｌｗａｔｅｒ
ｓｏｉｌｒｅｎｅｃｔａｎｃｅｓｐｅｃｔ九】ｌＴｌａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔ、陀∞ｖａｌｕｅｓｄｉｆｆｅｒｅｎｔｗａｖｅｌｅＴｌｇｔｈｓ
Ｔ．Ｉｌｉｓｒｅｖｉｅｗｌｉｓｔｓａｎｄｓｕｍｍａｒｉｚｅｓｔｈｅｑｕａｎｔｉｔａｔｉｖｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅ仰代ｎＳ０ｉｌ、Ⅳａｔｅｒａｎａｌｙｚｉｌｌｇｔｈｅｐｈｙｓｉｃａｌｍｅｃｈａｎｉｓｍ
ａｒｅ
ａｓ
ｃｏｎｔｅｎｔ
ａｎｄＳ０ｉｌｒｅｆｌｅｃｔａｎｃｅｏｂｔａｉｎｅｄｔｈｍｕｇｈ
ｗｅＵ
ａｓ
ｔｈｍｕｇｈｓｔａｔｉｓｔｉｃａｌ、张ｙ．Ｔｈｅｋｅｙｐｏｉｎｔｓ，ａｄＶ蚰ｔａｇｅｓａｎｄｄｉｓａｄ、啪ｔａｇｅｓ
ｏｆｅａｃｈｍｏｄｅｌ
ａｒｅ
ａｌｓｏａｎａｉｙｚｅｄａｎｄｅｖａｌｕａｔｅｄ
Ａｔｔｈｃ
Ｔｈｅｎ，ｔｈｅ
ｐｒｏｂｌ唧ｓ
ｉＩＩｅ珥）ｅｒｉｍｅｎｔａｌｓｔｕｄｙ
ｉｓ
ａｒｅ
ｐｏｉｍｅｄｏｕｔ，ａｎｄｔｈｅｃｏｒｒｅｓｐｏｒｌｄｉｎｇｓｏｌｕｔｉｏｎｓ
ｐｒｏｐｏｓｅｃＬ
ｓ锄ｅｔｉｍｅ，ｔｈｅ
ｆｅａｓｉｂｉｌｉｔｙｏｆ
ｒ咖ｖｉｎｇｖｅｇｅｔａｔｉｏｎｅｆｆｅｃｔ
ｄｉｓｃｕｓｓｅｄ，ｗｈｅｎｎ∞Ｉｌｉｔｏｒｉｌｌｇｓｏｉｌ、忱ｔｅｒｃｏｎｔｅｎｔｕｓｉｎｇ
ｈｙｐｅｒｓｐｅｃｔｍｌｒｅｍｏｔｅｓｅｎｓｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅｆｕｔｕｒｅｒ鹳ｅａｒｃｈｔｒｅｎｄｉｓｐｍｓｐｅｃｔ缸
脚ｏｒ凼
Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓ岫蚤；Ｓｏｉｌｗａｔｅｒ∞ｎｔｅｎｔ；Ｒｅｎｅｃｔａｌｌｃｅ
＊Ｃｂｒｒｅｓｐｏｆｌｄｉｎｇａｕｔｈｏｒ（ＲｅｃｅｉＶｅｄＤ眈１６，２００９；ａｃｃｅｐｔｅｄＡｐｒ－３０，２０１０）
高光谱遥感监测土壤含水量研究进展
作者：作者单位：刊名：英文刊名：年，卷(期)：
吴代晖， 范闻捷， 崔要奎， 闫彬彦， 徐希孺， WU Dai-hui， FAN Wen-jie， CUI Yao-kui， YAN Bin-yan， XU Xi-ru
北京大学遥感与地理信息系统研究所,北京,100871光谱学与光谱分析
SPECTROSCOPY AND SPECTRAL ANALYSIS2010,30(11)
参考文献(45条)
1.Baronti S;Del F;Ferrazzoli P 查看详情 2001(14)
2.Bindlisha R;Barros A P Parameterization of vegetation backscatter in radar-based, soil moistureestimation[外文期刊] 2001(1)
3.Schmugge T J;Gloersen P;Wilheit T 查看详情 1974(02)4.Baungardner M F;Silva L F;Biehl L L 查看详情[外文期刊] 19855.Stoner R E;Baumgardner M F 查看详情 1981
6.Ishida T;Ando H;Fukuhara M 查看详情[外文期刊] 1991(03)7.Foody G M 查看详情 1991(07)8.范闻捷;徐希孺 查看详情 2005(08)9.王喜鹏;张养珍 查看详情 1998(01)10.徐希孺;周莲芳;朱晓红 查看详情 1989(12)11.邵美珍;徐希孺 查看详情 198912.刘培君;刘琳 查看详情 1997(02)13.Keike B;Verhoef W 查看详情 2003
14.Hymer D C;Muran M S;Keefer TO 查看详情[外文期刊] 200015.Huan-Jun L;Yuan-Zhi Z;Xin-Le Z 查看详情 2009
16.Palacios-Orueta A;Ustin S L MULTIVARIATE STATISTICAL CLASSIFICATION OF SOIL SPECTRA[外文期刊]1996(2)
17.Price J C An approach for analysis of reflectance spectra[外文期刊] 1998(03)18.Sandholt I;Rasmussen K;Andersen J 查看详情 2002(02)19.Jackson R D;Idso S B;Reginato R J 查看详情[外文期刊] 198120.Price J C 查看详情 1985
21.Engman ET;Chauhan N STATUS OF MICROWAVE SOIL MOISTURE MEASUREMENTS WITH REMOTE SENSING[外文期刊]1995(01)
22.Bach M;Mauser W 查看详情 199423.Price J C 查看详情[外文期刊] 199024.王昌佐;王纪华;王锦地 查看详情 2003(04)25.Liu W;Baret F;Gu X 查看详情 2003(10)26.王静;何挺;李玉环 查看详情 2005(04)27.朱永豪;邓仁达;卢亚非 查看详情 1984(02)28.Ni W;Li X 查看详情 1999
29.Jacquemoud S;Baret F;Hanocq J F 查看详情[外文期刊] 199230.Angstrom A 查看详情[外文期刊] 1925
31.Etienne M;Henri D Modeling soil moisture-reflectance[外文期刊] 2001(02)32.David B L;Gregory P A Moisture effects on soil reflectance[外文期刊] 2002(03)33.邓孺孺;田国良;柳钦火 查看详情 2004(01)34.Patel A N;Neema D L;Shah A 查看详情 1990(02)35.Neema D L;Shah A;Patel A N 查看详情[外文期刊] 1987
36.Liu W;Baret F;Gu X Random deflection of the white light beam during self-focusing andfilamentation of a femtosecond laser pulse in water[外文期刊] 2002(2-3)37.Hoffer R M;Johannsen C J Remote Sensing in Ecology 196938.Bowers A S;Smith J S 查看详情[外文期刊] 197239.Bach H;Verhoef W 查看详情 2003
40.Hunt G R Electromagnetic Radiation:the Communication Link in Remote Sensing 198041.Jackson R D 查看详情[外文期刊] 198342.毛学森;张永强;沈彦俊 查看详情 2002(01)43.陈维英;肖乾广;盛永伟 查看详情 1994(02)44.Kogan F N 查看详情[外文期刊] 1990
45.Btyth E M;Dolman A J;Wood N 查看详情[外文期刊] 1993(511)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_gpxygpfx201011042.aspx
第３０卷，第ｌｌ期２０１ｏ年１１月
光谱学与光谱分析Ｖｄ．３０，Ｎ０．１１，ｐｐ３０６７—３０７１
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｃｃｔｒａｌＡｎａｌｙｓｉｓ
Ｎｏｖｅｍｂｃｒ，２０ｌＯ
高光谱遥感监测土壤含水量研究进展
吴代晖，范闻捷’，崔要奎，闫彬彦，徐希孺
北京大学遥感与地理信息系统研究所，北京１００８７ｌ
摘要土壤含水量是监测旱情墒情的关键参最，近年来在利用高光谱遥感数据监测土壤含水最方面，国内外进行了大量的研究。文章首先在分析利用不同波段监测土壤含水境的原理及优缺点基础Ｅ，指出高光谱遥感监测的独特优势和问题。并以此为出发点，从机理Ｅ归纳了土壤含水鼙对土壤反射率的嫠体影响，以及对不同波段响应的差异。在此基础上。从物理机理和统计方法两个方面，总结了土壤含水量与土壤反射率的关系。并分析和评价了各模型及统计方法中的关键ｆｕＪ题和优缺点。以往研究土壤含水量与土壤反射率关系的实验方法中往往存在一些问题，文章也一一指出并提出了解决方案。同时，探讨ｒ高光谱在消除植被影响，更好地反演土壤含水量方面的叮行性。最后对未来的研究方向进行了展望。关键词高光谱遥感；土壤含水鼍；反射率中图分类号：ＴＰ７９
文献标识码：Ａ
ＤＯＩ：１０．３９６４／ｊ．ｉｓｓ札ｌｏｏｏ－０５９３（２０１０）１１—３０６７＿０５
米到几十厘米的土壤含水最。而可见光到热红外波段对土壤
引言
土壤水分在地表与大气间的物质和能量交换中，起着极
穿透深度有限，只能监测表层几微米的土壤含水最。
微波波段，具有热红外和可见光一近红外波段无法比拟的全天候全天时优点．并具有孥实的物理基础，应用范围较广、精度较高。主动和被动微波都叮以用于土壤含水量监测。由于不同含水蕞的土壤介电特性不同，其回波信号也不同。据此主动微波通过后向散射系数来反演土壤含水量［３］。被动微波利用微波辐射计测得亮度温度，然后通过物理模型或者与土壤含水量建立经验统计关系，反演土壤含水量¨ｊ，但其空间分辨率很低。由于植被本身所含水分对微波信号的吸收和散射，因此消除植被覆盖的影响足微波遥感监测土壤水分的主要难点∞ｊ。同时，土壤的粗糙度也会降低微波信号对土壤含水量的敏感性【６ｊ。
在热红外波段，可以利用热惯量法估测土壤含水鼍［７］。土壤热惯鼋足描述土壤热特性的参数，也是引起土壤表层温度变化的内在因素，由于水的热容龋很大，所以含水土层的热惯量与土壤含水｜量密切相关。虽然热惯量法物理意义明确，但对数据获取有很多限制。如：要求对同一地区获取白天和黑夜的影像；对不同地点进行热惯量的比较时，要求具有相间的热辐射收支。这些要求都很难满足。另外有植被覆盖条件下，热惯量的表达仍然是一个需要研究的课题。
植被指数一地表温度法，利用热红外波段和可见光一近红
为重要的作用，是陆地地表参数化的～个关键变鼙ｌ¨，间时也是农作物牛长发育的基本条件和产量预报模型中的重要参量。土壤含水韫足表征土壤水分的关键参数，是表征一定深度土层十湿程度的物理最。特别是表层土壤含水量是微观气象学和水文学中一个重要的能量平衡参数Ｌ２ｊ，也是旱情Ｉ监测的重要指标。如何更好的表征遥感反演土壤含水星很值得进一步研究。所以准确地获取土壤含水鼍信息极为重要。
土壤含水量可以用重量含水量，体积含水量等方式表示。传统的获取土壤含水量的方法有：莺力法、中子法、伽马射线衰法、张力计等方法。这些传统的方法能准确地获取地面某些点不同深度土层的含水量数据，但费时费力，且仅能得到单个点的数据，代表性差。
遥感具有大面积观测，高时问分辨率的特点，可以实时高效的提供大范围的土壤含水量信息。遥感监测土壤含水最可以利用的波段有可见光一近红外、热红外和微波。不同波段反演土壤含水培的原理不同，具体反演方法也有很大差异。更为值得关注的是，微波、热红外和呵见光监测土壤含水景在物理意义上也存在差异。微波波段可以监测土壤表层儿厘
收稿日期：２００９—１２—１６。修订日期：２０１０－０３’３０
基金项目：国家自然科学基金项目（４０７３０５２５，４０８７１１８６）。国家重点基础研究发展计划项目（２００７ＣＢ７１４４０２）和国家高技术研究发展计划项
目（２００９ＡＡｌ２２１４３一卜１）资助
作者简介：吴代晖，１９８６年生。北京大学遥感与地理信息系统研究所硕士研究生
＊通讯联系人
ｅ．ｍａｉｌ：ｆａｎ研＠ｐｋｕｅｄｕ
ｃｆｌ
３０６８
光谱学与光谱分析
第３０卷
外波段，通过监测植被长势和地表辐射温度，间接地反映土壤含水量，是一种基于经验参数化的方法。如：作物缺水指数法【８］、温度植被干旱指数法［９］、条件植被指数法［１引、距平植被指数法［Ｉ门等。这些方法使用简便，便于实践，但经验性太强，监测精度有限。由于影响植被长势的因素有很多，植被生长又对实际的土壤含水量变化存在一定的滞后效应［１２．１３］，监测效果难以控制。且植被指数一地表温度法，往往需要较长时间序列的影像数据及地匠同步气象观测资料做支撑，如：空气温度、辐射等资料。这些条件在大范围实际应用中难以做到。
利用高光谱数据监测土壤含水量。通过直接建立土壤含水量与土壤反射率问的关系实现对土壤含水鼍的监测。许多地物光谱吸收特征在吸收深度一半处的宽度为２０～４０ｍ“１４］，一般的多光谱传感器不足以用于土壤含水量监测。
而高光谱遥感所获得的波段宽度一般在１０衄以内，其连续
的反射率光谱曲线可以表达地物细微的变化。因此高光谱分辨率可以用于识别土壤含水量对光谱不同波段的吸收特征。但土壤光谱不仅受到土壤含水鼋的影响，还受土壤有机质含量、矿物成分等因素的影响。所以需要定量描述土壤含水量等参数对反射率的影响。
１研究进展
国内外学者利用高光谱遥感Ｉ监测土壤含水最做了大量的研究工作，下面将从土壤含水镀对土壤反射率的影响，土壤含水最与土壤反射率关系的定量描述等几个方面进行分析。１．１土壤含水量对土壤反射率的影响
早期的对土壤含水蛩的研究，主要集中于土壤含水量较低的情况，所以认为土壤反射率随着土壤含水量的增加而降低【１ｗ０｜。随着研究的进一步深入和扩展，发现土壤含水最较高时会出现相反的现象。目前普遍认为：对于町见光到短波红外所有波段而言，当土壤含水虽低于田间持水量时，土壤反射率随着土壤含水虽的增加瓜降低；而当土壤含水量高于田问持水量时，土壤反射率随着土壤含水量的增加反而增加Ｌ２。川。这一现象可以解释为：水在土壤中有三种存在形式：结合水、附着水、自由水。当自由水较多，土壤含水量达到或超过田问持水鼍时，水分形成的薄膜有较强的镜面反射。所以此时，出现土壤反射率随着土壤含水量增加而增加的现象。而当土壤含水量低于田间持水鼍时，入射光在射入颗粒表面以及从颗粒表面反射出时，附着于土壤颗粒上的水主要起吸收作用。所以当土壤含水量低于田间持水量时，土壤反射率随着土壤含水量的增加而降低。
针对这一现象，Ｐａｔｅｌ和Ｎｅｅｍａ等［２２’２３］提出一个新概念“ｃｕｔ—ｏｆｆ－ｔｈｉｃｋｎｅｓｓ”，分离厚度，定义为当只有５％的入射光穿透土壤时土壤的厚度。当土壤含水量增加时，分离厚度随之增加；当土壤含水量增加到一定程度时，分离厚度随之减小。Ｌｉｕ等”１ｊ的研究认为，反射率变化趋势发生变化的转折点，在土壤含水量为ｏ．４
ｇ・锄＿３的附近。
而对于具体波段而言，不同波段对含水量的响应不同。随着含水量的变化，不同波段变化情况也不一样。当土壤含
水鼍较低时。随着土壤含水量的增加，短波红外波段反射率变化幅度较大，特别是在１４５０和１
９４０衄水分吸收波段。
当土壤含水量较高时，随着土壤含水量的增加，可见光一近红外波段反射率变化幅度较大［２１｜。但是当考虑大气中水汽吸收的影响时，选择适合遥感监测含水量的波段问题时则更为复杂。
可见光一近红外波段与短波红外哪个波段更适合于土壤含水鼍的测量，目前研究中存在不同的看法。Ｄａ、，ｉｄ［２５］等认为短波红外比可见光一近红外更适合用于土壤含水量监测。他们认为，可见光一近红外波段反射率在土壤含水量接近２０％时就达到饱和。而短波红外波段在含水量达到５０％时，仍有较强的响应。并且指出基于指数关系反演土壤含水量时，短波红外的反演参数更加稳定。Ｅｔｉｅｎｎｅ等【２１３则根据他们的研究结果认为，在土壤含水量较低时，短波红外波段更适合用于土壤含水昔监测；而当土壤含水量较高时，较短波段更适合。他们的理由是，在土壤含水量较低时，水分吸收对反射率的变化起主要作用，而吸收波段主要在更长波段。当土壤含水虽较高时，水分的散射对反射率的变化起主要作用，而这主要是由于更短波段散射引起的。
以往的研究中，土壤含水馈对土壤反射率方向性的影响考虑较少。通常针对不同含水虽土壤光谱的实验研究。大都设置光源垂直照射土壤，并只测量天顶角下的土壤反射率。这与实际使用时的情形，存在一定差异。随着照射方向、观测方向的变化，不同含水量土壤光谱呈现明显的方向性。我们通过实验测虽发现：当光源垂直照射土壤时，土壤反射率随着观测天顶角的增大而变小。土壤的二向反射率在垂直主平面方向是对称的。不同含水量土壤二向性反射特性的研究。有助于更伞面了解土壤含水量对土壤反射率的影响。１．２描述土壤含水量与土壤反射率关系的机理模型
在土壤含水量对土壤反射率影响研究的基础上，不同的学者从不同的角度用模型对土壤含水量与土壤反射率的关系进行描述。一些研究从物理机理的角度出发，试图建立土壤反射率与土壤含水量的物理模型。也有些研究从统计学的角度出发，考虑土壤反射率与土壤含水最的统计模型。１．２．１描述土壤含水量与土壤反射率关系的物理模型
在早期的研究中，认为土壤含水虽与反射率之间存在较好的线性关系［１６．１７］。而之后的一些研究表明指数模型能更好
的表征土壤反射率与土壤含水量之间的关烈ｚ．ｚ１．孔．ｚｅ．２引。
也有研究显示：当所有土壤类型一起考虑时，指数模型反演精度较差，甚至是无效的［２１—５。。
Ｂａｃｈ［２Ｊ将不同土壤含水量对反射率变化的影响分成两部分进行考虑。一部分认为是由于覆盖于土壤颗粒上的水膜内部的反射，导致部分能量被反射同土壤颗粒，被土壤颗粒吸收。这一部分用干土壤表面反射率和液态水折射率的函数表示。另一部分认为是由于有效水层的吸收，用比尔定律表示。描述土壤含水量与土壤反射率问关系的模型大都从这两个角度出发。
早在１９２５年，Ａｎｇｓｔｒｏｍ［２７］就根据折射定律，提出了描述土壤反射率受湿度影响的一般理论方法。
第１１期光谱学与光谱分析
３０６９
ＪＤ
５孬丽‰
ｎ’
式中，ＩＤ为湿土壤表面反慑率，内为干土壤表面反射率，行为液态水折射指数。这一模型后来被逐渐发展和补充［２９’３０。。
Ｂａｒｅｔ等［３１］则通过研究同一土壤在同一粗糙度水平下，不同含水量下的反射率。提出了一个半经验的指数模型。
ＩＤ（Ａ）＝ＩＤｈ（Ａ）＋（ＩＤｈ（Ａ）一舯（Ａ））ｅｘｐ，”“
（２）
其中，阳。（．＝Ｉ）指当土壤含水量接近饱和时的反射率。ｐ崎（Ａ）指干土壤反射率，口代表由于含水量变动而引起的变化系数，
ｚ嵋为土壤含水量。防ｖｉｄ［２５】等利用这一模型反演了不同土壤
在不同含水量下的反射率。其研究表明，基于体积含水量的指数关系明显好于基于重量含水量的指数关系。他同时指出，在监测土壤含水量时，利用饱和度替代体积含水鼍，有利于减少不同土壤类型带来的差异影响。同时，在Ｂａｒｅｔ的模型基础七，Ｄａｖｉｄ发展了一个基于干土壤反射率和体积含水量的简单模型［２引。
Ｐ（｜：Ｉ）＝，×胁ｎ）＋（１一力×阳（Ａ）×产
（３）
式中，厂为饱和土壤反射率相对于干土壤的比例。这样减少了一个很不容易得到的参数，土壤含水量接近饱和时的反射率。提高了模型的实用性和可行性。
也有一部分学者则利用比尔定律解释土壤含水量对土壤反射率的影响【２］。将模型简化为
ｌＤ（Ａ）＝ＪＤ帕（．＝【）ｒ“
（４）
式中，ＩＤ（Ａ）为湿土壤反射率，阳（Ａ）为于土壤的反射率。个别参数在不同的研究中定义略有差别，例如，Ｂａｃｈ【２］等将ｎ定
义为水汽吸收系数，将讹定义为水层的有效厚度。邓孺
孺Ｌ驯将ｎ定义为：１％的土壤含水量，对某波段入射光在土壤表面的入射和反射过程中所吸收的光强与该波段入射光总强度之比。而ＥｔｉｅｎｎｅＬ２６ｊ将ｎ定义为反射率衰减因子。
这蝗研究为进一步揭示含水屋影响反射率的物理机理，并最终建立物理模型，提供了很好的基础。但这些模型都涉及到干土壤反射率。这一信息难以从遥感影像数据中直接获取。同时，各土壤类型，由于性质、成分等差异，干土壤反射率不同。从而影响了模型的大面积推广使用。
土壤反射率受土壤组成、湿度、粗糙度、观测方式等因素综合影响。邓孺孺［２４Ｊ通过分析土壤含水鼍影响反射率的物理过程，论证了土壤含水量与土壤光谱服从比尔定律。并根据土壤光谱散射的物理过程建立了一个粗糙土壤表面的二向反射模型。在此基础上建立了粗糙地表土壤含水量遥感模型。
Ｐ（｜：Ｉ）＝甲。（Ａ）ｒ栅
（５）
丝丛凶二坠掣孚璺盟必血觯
５＝去耋萎
（６）
式中，ｓ为粗糙度影响因子。ａ和乒分别为坡度和坡向，坡面法线单位矢量为行。。户（口）为小平面坡度为口的概率。入射方向为Ｓ（夙，氟），观测方向为Ｖ（巩，氐）。模型较好地考虑ｒ粗糙土壤的二向反射情况，但没有给出模型的解析式．需要通
过数值逼近的方法求解，运算量较大。
Ｊａｃｑｕｅｍｏｕｄ［２８Ｊ通过建立ＳＯＩＬＳＰＢＣ辐射传输模型。解释了土壤内在光学属性、粗糙度和光源与观测几何角度对土壤二向反射率的影响。模型中的单次散射反照率与粗糙度及测链条件无关，仅与特定波段的土壤内在光学属性相关。并且指出单次散射反照率随着土壤含水量的增加而降低。但是他没有提出一个模型表征土壤含水壁对单次散射反照率的影
响。因此这一模型必须要进行改进才能用于土壤含水量的反演。
该模型在推导土壤的内在光学属性时，可以不必考虑光源与传感器的几何位置。这对于比较不同测鼙条件下获得的土壤光谱具有重要意义［ｚ８］。并且能够对土壤的光谱反射率进行模拟，并可以将其作为下挚面在植被冠层反射率模型中直接应用［２引。在可见光一近红外波段中粗糙度是一个难以表征的参数，但粗糙度的变化对土壤含水量反演有很大影响。目前很少有这方面的研究，该模型中涉及到粗糙度参数，为进行这方面的研究提供了一个很好的契机。ｌ－２．２土壤反射率与土壤含水量的统计模型
鉴于定营模型的复杂，统计方法更为普遍。在建市同归模型前，必须要考虑波段选择问题。高光谱提供了大量的连续光谱，而不同的波段之间存在较强的相关性，数据具有一定的冗余性［３引。波段选择后，通过先将反射率转换成相对反射率、反射率倒数、对数、归一化等形式，接着进行微分、差分等运算，然后选取相关性最高的波段，从而建立回归模型，进而实现对土壤含水量的监测【３¨”。
但同一方法，针对不同的光谱数据集。相关性最好的波段不同。并且，以往的很多研究主要是基于实验室测量光谱。仅考虑土壤含水量与土壤反射率的相关性，忽略了大气影响。以至于他们选择的许多最优波段都处于大气水汽吸收干扰波段（１３５０～１
４５０，１
８００～１９５０和２４００～２５００
唧）［３８４…。这影响其用于影像数据时的实用价值。例如Ｌｉｕ［２１］认为的最优波段１９４４和１８３４啪。王静［３１］认为的最优波段１４０６砌。同时通过观察发现，最优波段多数处在水
汽吸收波段附近。可见，进行波段选择时还需要避开大气水汽吸收的干扰波段影响。
这些利用统计方法建它的经验模型，简单实用，对特定区域特定土壤有较好的效果。针对不同土壤类型，均可以通过相关关系得到几个相关系数较好的波段，并建立回归模型。但不同土壤，相关系数较好的波段不同，回归模型系数也不同。该方法应用区域有限，不适合大范围区域。１．３土壤含水量与土壤反射率关系的实验研究方法
土壤含水冒对土壤反射率关系的研究，往往建立在实验室光谱测昔的基础上。实验窜光谱测量，可以较好地控制各种影响冈素。从而能够更好的研究反射率与含水量之间的内在关系，实验成功与否，是高光谱测量土壤含水量的关键。实验室光谱测量主要涉及以下几个步骤【２１］：（１）采集土壤。对土壤进行筛选、研磨等～系列处理，并自然风干；（２）将土样装入特定容器中。将容器漆黑以减少对测量光谱的影响，
且容器深度应大于１．５咖（因为１．５
ｃｍ被认为光学厚度无
穷的最小深度）；（３）设计不同含水量的土壤样品；（４）利用室内光源测量光谱后。通过实时测量重量得到对应的土壤含
３０７０
光谱学与光谱分析
第３０卷
水量。
这样的测量方法存在几个问题［卵］。（１）土壤经过处理后，结构发生了很大的变化，甚至破坏；（２）无论用什么样的方法都很难保证土样的含水量均匀，特别是表层土壤含水龟与下层土壤含水最一致。那么通过测龄整个土样重鬣变化得到的土壤含水量，和所测餐的反射率也无法完全对应；（３）土壤孔隙率及体积密度等物理属性在不同含水最情况下是不同的。当土壤样品含水量达到饱和时，土壤的物理结构被破坏。这些问题都需要在实验中尽昔避免。１．４基于植被与土壤分离的土壤含水量反演
以上研究均致力于对裸土含水量的遥感ｌ盥测，但是实际上作物冠层之下的土壤含水量监测对农业和生态研究意义更为重要¨引。而利用微波和植被指数法进行植被一土壤混合
里的面积比例矩阵，毋×Ｍ为』个组分信息的光谱信息矩阵。前人对高光谱混合像元分解和端元提取做了大量的研究ｔ作，主要方法有：主成分分析法［４１｜、因子分析法¨引、神经网络法［４引、盲分解法¨４Ｊ等方法。这些研究能够准确提取混合像元中的土壤和植被的端元光谱，并反演得到植被覆盖度。在此基础上，将能很好的去除植被干扰，反演土壤含水量。
２存在问题和今后研究方向
利用高光谱监测土壤含水最的研究很多，取得了大量成果，但依然有很多问题需要解决。
高光谱对土壤的有效穿透深度有限，仅包含了土壤表层几微米的湿度信息。需要一种表征表面土壤湿度状况的概念［４５‘，这样才能更好的建立土壤反射率和湿度信息的关系。
在研究土壤含水量与土壤反射率关系时，应该进一步考虑二向性反射等因素埘反射率的影响，这是应用高光谱影像数据进行土壤含水量反演的前提。
不同土壤，由于其组成成分存在较大的差异，即使在同一含水量情况下，反射率曲线也存在较大的差异。利用遥感技术进行大面积土壤含水最监测时，往往涉及到不同土壤类型。怎么减少组成成分带来的影响，建立一个适用于多种土壤的反射率与含水量的关系，这是一个不可同避的问题。对同一种土壤而占，土壤含水量及有机质等土壤属性共同影响着反射率，区分好它们对反射率的影响，才能更好的实现各自的定量监测。
高光谱混合像元分解，可以同时得到组分光谱信息和混合比例信息。对监测植被覆盖区域的土壤含水鼍，具有十分重要的意义。
像元监测中都有着不町避免的缺陷。Ｈｅｉ“删等利用‰一
ＳＡＩＩ。模型，模拟了不同含水量土壤作为下垫面时，以及不同植物含水量情况下的冠层反射率，发现植被含水繁变化引起的光谱筹异不同于土壤含水量变化引起的光谱差异。可见，高光谱遥感能够有希望区分两者带来的影响。刘培君“１］等通过引入一个“光学植被盖度”的概念，以此来排除植被对土壤水分的干扰，使复合像冗亮度变成了裸土光谱亮度，实现植被覆盖区域的土壤含水量监测。
如果能够利用高光谱对混合像元进行光谱分解，通过得到组分和比例信息，将植被和土壤信息分离，有希埋能够更好的反演表层土壤含水量。混合像元分解与端元提取是高光谱遥感的主要研究内容。许多遥感物理过程町用线性方程组来描述，可表达为
Ｘ哪ｌ＝Ａ胍ＪＳ，删
（７）
其中Ｍ为波段数，Ｎ为混合像元数和‘，组分数，ｘ。。Ｍ为Ｎ个混合像元的光谱信息矩阵，ＡＮ×Ｊ为组分在Ｎ个混合像元
参
考
文献
ｒＬ
Ｂｌ”ｈＥＢａｃｈ
Ｍ，Ｄｂｌｍ肌ＡＪ，Ｗ００ｄＮ．ＴｈｅＱｕａｎｅｒｌｙＪｏｕｍａｌｏｆｔｈｅＲｏｙａｌＭｅｔｅｏｍｌｏｇｉｃａＩＳ０ｃｉｅｔｙ，１９９３，１１９（５１１）：４２３．
Ｍ，Ｍａｕ鸵ｒＷ．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＧＡＲＳＳ’９４，Ｐａ明ｄｅｒＩａ。ＩＥＥＥ，ｌ９９４，４：２３５４．
一ｒｒＬ
ＥｎｇｍａｎＥＴ，ＣｈａｕｈａｎＮ．ＲｅｍｏｔｅＳｅｎｓ．Ｅｎ“ｒ０几，１９９５，５１（１）：１８９．
ｓｃｈｍｕ踞ｅＴＪ，ＧＩｏｅｒｓｅｎＰ，ＷｉＩｈｅｉｔＴ．Ｊ．Ｇｅｏｐｈｙｓ．Ｒｅｓ．，１９７４，７９（２）：３１７．ＢｉｎｄｌｉｓｈａＲ，ＢａｎＤｓＡＰ．ＲｅｍｏｔｅＳｅ咀Ｅｎ、ｄｒｏｒＬ，２００ｌ，７６：１３０．
ＢａｍｎｔｉＳ，Ｄｅｌ
一ｒｒＬｒＬｒＬｒＬｒＬ
Ｆ，Ｆｅ蚴ｌｉ
Ｐｅｔ
ａＬ
ＩｎｔｅｍａｔｉｏｎｊｏｕｍａｌｏｆＲｅｍｏｔｅＳ叽ｓｉｎｇ，２００１，１６（１４）：２６３９．
ＰｒｉｃｅＪ（、．ＲｅｍｏｔｅＳｋｎｓ．Ｅｎｖｉｒｏｌｌ．，１９８５，１８：５９．ＪａｃｋｓｏｎＲＤ。Ｉｄ∞ＳＢ，ＲｅｇｉｎａｔｏＲＳａｎｄｈｏｌｔ
Ｊ
ｅｔ
ａＬＷａｔｅｒＲｅＳ０ｕｒＲｅ＆，１９８１，１７：１１３３．
Ｉ，Ｉｈ锄ｕｓｓｅｒＩＫ。ＡｎｄｅｒｓｅｎＪ．ＲｅｍｏｔｅＳｅｎｓ－ＥｎｖｉｒｏｒＬ，２００２，７９（２）：２１３．
ＫｏｇａｎＦＮ．Ｉｎｔ．Ｊ．Ｒ帅ｏｔｅＳｅｎ＆，１９９０，１１：１４０５．
ＣＨＥＮｗｅｉ吲ｎｇ。ＸＩＡ（）Ｇａｆｌ－ｇｕａｎｇ，ｓＨＥＮＧＹ０ｎｇ．ｗｄ（陈维英。肖乾广，盛永伟）．Ｊ０ｕｍａｌｏｆＲ咖ｔｅＳｅｎｓｉｌｌｇ（遥感学报），１９９４，８（２）：
１０６．
［１２］［１３］
［１４］
ＭＡ（）Ｘｕｅ－ｓｅｎ。ＺＨＡＮＧＹ０ｎｇ－ｑｉａｎｇ，ｓＨＥＮＹａＩｌ－ｊｕｎ（毛学森，张永强，沈彦俊）．Ａｇｒｉｃｕｌｔｕｒａｌ业研究）。２００２。２０（１）；６９．ＪａｃｋｓｏｎＲ
ＨｕｎｔＧ
Ｒｅ蝴ｒｃｈ
ｉｎｔｈｅＡｒｉｄＡｒ髓ｓ（干旱地区农
Ｄ．Ｒ唧ｏｔｅ
ｓｅｎｓ．Ｅｎ“ｒｏｒＬ，１９８３，１３：１８７．
ＲＥｌｅｃｔｍｎ诅ｇｎｅｔｉｃＲａｄｉａｔｉｏｎ：ｔｈｅ（：０ｍｍｕｎｉｃａｔｉｏｎＬｉｎｋｉｎＲｅｎｌｏｔｅ
Ｗ．ＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅ
ｓｅｎｓｉｎ舀ｉｎ：Ｒ哪ｏｔｅ
ＳｅｎｓｉｎｇｉｎＧｒｏｌｏｇ．，１９８０．
ＩＥＥＥ
［１５］［１６］
ＢａｃｈＨ，Ｖｅｒｈｏｅｆ１６７９．
Ｓｅｎｓｉｎｇ跏ｎｐｏｓｉ哪．２００３，ＩＧＡＲｓｓ’０３。Ｐｒｏｃｅｅｄｉｎｇｓ。２００３
Ｉｎｔｅｍａｔｉｏｎａｌ，２００３：
ＢｃｌｗｅｒｓＡＳ，ＳＩＴｌｉｔｈＪＳＳｏｉｌＳｃｉ．ｓｃＥＡ玑Ｊ，１９７２，３６：９７８．
第１１期［１７］［１８］［１９］
［２０］
ＨｏｆｆｅｒＲ
光谱学与光谱分析
Ｍ．ＪｏｈａｆｕｌｓｅｎＣＪ．ＲｅｍｏｔｅｓｅｎｓｉｎｇｉｎＥｃ０１０９ｙ．Ａｔｈ％ｓＧＡ：Ｕｎｉｖ．０ｆＧｅｏｒｇｉａＰｒｅ鲭。１９６９．１．
３０７１
ＩｓｈｉｄａＴ．ＡｎｄｏＨ。Ｆｕｋｕｈａｒａ
Ｍ．Ｒｅ肿ｔｅ
ＳｅｎｓＥｎｖｉｒ０礼，１９９ｌ，３８（３）：１７３．
ｓｔｏｎｅｒＲＥ，ＢａｕｍｇａｒｄＩｌｅｒＭＦ．Ｓ０ｉｌｓｃｉ．＆ＥＡ札Ｊ。１９８１，４５：１１６１．
ＢａｕｎｇａｒｄｎｅｒＭＦ，ｓｉｌｖａＬＦ，ＢｉｅｈｌＬＩ。ｅｔａＬＡｄｖ．Ａｇｒ∞．，１９８５。３８：１．
Ｉ。ｉｕ
［２１］［２２］［２３］
［２４］
Ｗ，ＢａｒｅｔＦ，ＧｕＸ，ｅｔａＬＲｅｍｏｔｅＳｅｎｓＥｎ“ｒｏｆＬ，２００２，８ｌ（２—３）：２３８．
ＮｅｅｍａＤＬ，Ｓｌ诅ｈＡ．ＰａｔｅｌＡＰａｔｅｌＡＮ，ＮｅｅｍａＤ
Ｎ．Ｉｎｔ．Ｊ．Ｒ咖ｔｅＳ朗区。１９８７，８：１２０９．
Ａ（、邶ｔｅｃｈｎｉ∞ｌ
Ｔｅｓｔｉｎｇ
Ｉ。，ＳｈｈＪｏｕｍａｌ，１９９０，１３（２）：１１５．
ｏｆ
ＤＩ’ＮＧＲｕ＿ｒｕ，ＴＩＡＮＧｕ驴ｌｉａＩＩｇ，Ｉ。ＩＵ
ＱｉＴ卜ｈｕｏ（邓孺孺。田国良，柳钦火）．Ｊｏｕ咖ｌＲｅｒＴ斌ｅＳｅｎｓ．ｎｇ（遥感学报），２００４，８（１）：７５．
［２５］［２６］［２７］［２９］［３０］［３１］［３２］［３３］［３４］［３５］［３６］［３７］［３８］［３９］
肪“ｄＢＩ。，Ｇ弼ｒｏｒ），Ｐ八ｓｏｉｌＳ吐Ｓ阢Ａ札Ｊ．，２００２。６６（３）：７２２．
ＥｔｉｅｎｎｅＭ，ＨｅＩｌ—Ｄ．ＲｅｍｏｔｅＳｅｎｓＥｎ“ｒｏｒＬ，２００１，７６（２）：１７３．
ＡｎｇｓｌＤ啪ＡＧｅｌｏｇｎｆｉｓｋｅＡｎｎａｌｅｓ，１９２５。７：３２３．
［２８］Ｊａｃｑｕ锄ｏｕｄＳ，ＢａｒｅｔＦ，ＨａｎｏｃｑＪＦ．ＲｅｒｒｌｏｔｅＳｅｎｓ．Ｅｎ、ｒｉｒｏｍ，１９９２。４１
Ｎｉ
ｌ
１２３．
Ｗ，ＩｊＸＲｅｍｏｔｅＳｅｎ＆Ｅｎ“ｒｏｒＬ，１９９９，７４：１１３．
ＺＨＵＹｏｎｇ＿ｈａ０，ＤＥＮＧ
Ｒｅ即ｄａ，ＩⅣＹａ－ｆｅｉ（朱永豪，邓仁达，卢亚非）．ＡｃｔａＰｅｄｏ蜘ｓｉｎｉｃａ（七壤学报）．１９８４，（２）：１９４．
Ｒｅｍｔｅ
Ｓｅｎｓｉｔｌｇ（遥感学报），２００５．９（４）：４３８．
ｗＡＮＧＪｉｆｌｇ，ＨＥＴｉｌｌｇ，ｕＹｕ＿ｈｕａｎ（王静，何挺，李玉环）．Ｊｏｕｍａｌｏｆ
Ｉ。ｉｕ
Ｗ，ＢａｒｅｔＦ，ＧｕＸ．ｅｔａ１．Ｉｎｔ．Ｊ．ＲｅｍｏｔｅＳｅｎｓ．，２００３．２４（１０）：２０６９．
ｗＡＮＧＣｈａｎｇ－ｚｕｏ，ｗＡＮＧＪｉ－ｈｔＩａ。ｗＡＮＧ
Ｐ—ｃｅＪＣＲｅｒＴｌｏｔｅＰｒｊｏｅ
Ｊｉｎ－ｄｉ（王昌佐，王纪华，王锦地）．Ｒ锄ｏｔｅ
Ｓｅ邶ｉＩｌｇＩｎｆｏ舢ｔｉｏｎ（遥感信息）。２００３，（４）：３３．
Ｓ饥＆Ｅｎ、，ｉｒｏｆＬ，１９９０，３３：１１３．
ＪＣＲｅｒＩｌｏｔｅＳｅｎ＆Ｅｎ、，ｉｒｏ儿，１９９８。６４（３）：３１６．
Ａ。ＵｓｔｉｎＳ
Ｐ矗１ａｄｏ“）ｒｕｅｔａＩ．Ｒ啪ｏｔｅ
Ｓｅｎｓ．Ｅｎ“ｒｏｌＬ，１９９６，５７：１０８．
ＨｕａｎＪｕｎＬ，Ｙｕａ巾ＺｈｉＺ，Ｘｉｒ卜ＬｅＺ，ｅｔａＬＰｅｄｏｓｐｈｅｒｅ。２００９。１９：５３２．
Ｓｃｉ．ｓｃ也ＡｎＬ
ＨｖＴｎｅｒＤＣ。Ｍｕｒａｎ
ＫｅｉｋｅＢ。Ｖｅｒｈｏｅｆ１６７９．
ＭＳ，ＫｅｅｆｅｒＴｎ蹦Ｌ
Ｊ．，２０００，６４：３１９．
ＩＥＥＥ
Ｗ．Ｇｅｏｓｃｉｅｎ∞ａｎｄＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ跏ｎｐｏｓｉ哪，２００３．ＩＧＡＲｓｓ’０３．ＰｒｏｃｅｅｄｉｆＩｇｓ．２００３
０ｆＲｅｍｏｔｅ
Ｉｎｔ锄ｔｉ伽＿ａｌ
５：６３．
２００３，３：
［４０］ＬＩＵＰｅＨｕｎ，Ｉ』ｕＩ，ｉｎ（刘培君。刘琳）．Ｊｏｕｒｒｍｌ
ｓｅｎｓｉＩｌｇ（遥感学报），１９９７，１（２）：１３５．
［４１］ｓＨＡ（）Ｍｅｉ－ｚｈｅｎ，Ｘｕ）【ｉ—ｒＩｌ（邵美珍。徐希孺）．Ｃｈｉｎｅ∞ｓｐａｃｅＳｃｉｅｎｃｅ［４３］ｗＡＮＧｘｉ—ｐｅｎｇ，ｚＨＡＮＧＹ蚰ｇ－ｚｈ∞（王喜鹏，张养珍）．Ｊｏｕｍａｌ
［４５］Ｆ００ｄｙＧ￣Ｌ
ａｎｄ‰ｈ∞ｌｏｇ）ｒ（中国空间科学技术），１９８９ｔ
Ｓｅｎｓｉｎｇ（遥感学报），１９９８，２（１）：５１．
［４２］ＸＵＸｉ—ｒｕ，ＺＨＯＵＩ。ｉａｎ－ｆａｎｇ，ＺＨｕＸｉａ伊ｈｏｎｇ（徐希孺，周莲芳，朱晓红）．ｃｈｉｎｅ∞ｓｃｉｅｆｌｃｅＢｕｌｌｅｔｉｎ（科学通报），１９８９，３４（１２）：９４６．
ｏｆＲｅｍｏｔｅ
［４４］ＦＡＮｗｅ—ｉｅ，ｘｕｘ｝ｎｌ（范闻捷，徐希孺）．Ｐｆｏｇｒｅ黯ｉｎＮａｔｕｒａｌｓｄｅｆ峨（自然科学进展），２００５，１５（８）：９９３．
Ｉｎ匕Ｊ．Ｒ锄ｏｔｅＳｅｎｓ．．１９９１，１２（７）：１４６１．
Ｒｅｖｉｅｗｏｆ
ｆ、
●
ＭｏｎｉｔｏｒｉｎｇＳｏｉｌＷａｔｅｒＣｏｎｔｅｎｔＵｓｉｎｇＨｙｐｅｒｓｐｅｃｔｒａｌＲｅｍｏｔｅ
ＳｅｎＳｌｎｇ
、舢眈ｉ－ｈｕｉ，ＦＡＮＷｅｎ－ｊｉｅ’，ＣＵＩＹａ以ｕｉ，ＹＡＮＢｉＩ卜ｙａｎ，ＸＵⅪ．ｒｕ
ＩＩｌｓｔｉｔｕｔｅ
ｏｆ胁ｎｏｔｅ
ｓｅｎｓｉｎｇａｎｄＧｅｏｇｒａｐｈｉｃａｌ
Ｉｎｆｏ衄ｔｉｏｎＳｙｓｔ咖，ＰｅｋｉｎｇＵＩｌｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ
ｒｅｃｅｎｔ烨ｒｓ，ａ
ａｒｅ
ｌ００８７１，ＣＫｍ
舢鼬嘣Ｓ０ｉｌ
ｒｉＩｌｇ
ｗａｔｅｆ∞ｎｔｅｎｔ
ｃｏｎｔｅｎｔ
ｉｓ
ｏｎ
ａ
ｋｅｙｐａｒａｍｅｔｅｒｉｎＩｒ幻ｎｉｔｏｒｉｎｇｄｒｏｕｇｈＬｈ
ｌｏｔｏｆｗｏｒｋｈａｓｂｅｅｎｄｏｎｅ
ｏｎ刑ｄ血静
ａｄｖａｍａｇｅｓ，
Ｓｏｉｌｗａｔｅｒ
ｂａｓｅｄ
ｈｙｐｅ碍ｐｅｃｔｒａｌｒｅｒｎｏｔｅｌｙｓｅ璐ｅｄｄａｔａｂｏｔｈ
ｎｌｏｎｉｔｏｒｉｎｇ
ａｔ
ｈｏｒ腿ａＩｌｄａｂｒｏａｄＩｎｔｈｅ
ｐｒｅｓｅｎｔｒｅｖｉｅｗ，ｔｈｅｏｒｉｅｓ，
ａｄｖａｎｔａｇｅｓ觚ｄｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｈｅ
船ｗｅｌｌ
ｐａｃｔ
ａｓ
ｍｅｔｈｏｄｓｕｓｉＩｌｇｄｉｆｆｅｒｅｎｔｂａＩｌｄｓ
ｔｈｅｐｍｂｌｅｍｓ。ｏｆｔｈｅｎ的１１ｉｔｏｒｉｎｇｎｌｅｔｈｏｄｗｉｔｈｔｈｅａｉｄｏｆｈ卵Ｉｅｒｓ肼ｃｔｒａｌ
ｃｏｎｔｅｎｔ
ｏｎ
ｒ㈣ｔｅ
ｉｎｔｒｏｄｕｃｅｄｆｉｒｓｔ．Ｔｈｅｎ
ｓｅｎｓｉｎｇ
ａｔ
ａｒｅ
ｔｈｅ蚰ｉｑｕｅ
ａｒｅ
ａｍｌ），ｚｅｄｈａｄｄｉｔｉｏｎ，ｔｈｅｉｍ—
ｓｕｎｍ诅ｒｉｚｅｃＬ
ｏｆｓｏｉｌｗａｔｅｒ
ｓｏｉｌｒｅｎｅｃｔａｎｃｅｓｐｅｃｔ九】ｌＴｌａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔ、陀∞ｖａｌｕｅｓｄｉｆｆｅｒｅｎｔｗａｖｅｌｅＴｌｇｔｈｓ
Ｔ．Ｉｌｉｓｒｅｖｉｅｗｌｉｓｔｓａｎｄｓｕｍｍａｒｉｚｅｓｔｈｅｑｕａｎｔｉｔａｔｉｖｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅ仰代ｎＳ０ｉｌ、Ⅳａｔｅｒａｎａｌｙｚｉｌｌｇｔｈｅｐｈｙｓｉｃａｌｍｅｃｈａｎｉｓｍ
ａｒｅ
ａｓ
ｃｏｎｔｅｎｔ
ａｎｄＳ０ｉｌｒｅｆｌｅｃｔａｎｃｅｏｂｔａｉｎｅｄｔｈｍｕｇｈ
ｗｅＵ
ａｓ
ｔｈｍｕｇｈｓｔａｔｉｓｔｉｃａｌ、张ｙ．Ｔｈｅｋｅｙｐｏｉｎｔｓ，ａｄＶ蚰ｔａｇｅｓａｎｄｄｉｓａｄ、啪ｔａｇｅｓ
ｏｆｅａｃｈｍｏｄｅｌ
ａｒｅ
ａｌｓｏａｎａｉｙｚｅｄａｎｄｅｖａｌｕａｔｅｄ
Ａｔｔｈｃ
Ｔｈｅｎ，ｔｈｅ
ｐｒｏｂｌ唧ｓ
ｉＩＩｅ珥）ｅｒｉｍｅｎｔａｌｓｔｕｄｙ
ｉｓ
ａｒｅ
ｐｏｉｍｅｄｏｕｔ，ａｎｄｔｈｅｃｏｒｒｅｓｐｏｒｌｄｉｎｇｓｏｌｕｔｉｏｎｓ
ｐｒｏｐｏｓｅｃＬ
ｓ锄ｅｔｉｍｅ，ｔｈｅ
ｆｅａｓｉｂｉｌｉｔｙｏｆ
ｒ咖ｖｉｎｇｖｅｇｅｔａｔｉｏｎｅｆｆｅｃｔ
ｄｉｓｃｕｓｓｅｄ，ｗｈｅｎｎ∞Ｉｌｉｔｏｒｉｌｌｇｓｏｉｌ、忱ｔｅｒｃｏｎｔｅｎｔｕｓｉｎｇ
ｈｙｐｅｒｓｐｅｃｔｍｌｒｅｍｏｔｅｓｅｎｓｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅｆｕｔｕｒｅｒ鹳ｅａｒｃｈｔｒｅｎｄｉｓｐｍｓｐｅｃｔ缸
脚ｏｒ凼
Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓ岫蚤；Ｓｏｉｌｗａｔｅｒ∞ｎｔｅｎｔ；Ｒｅｎｅｃｔａｌｌｃｅ
＊Ｃｂｒｒｅｓｐｏｆｌｄｉｎｇａｕｔｈｏｒ（ＲｅｃｅｉＶｅｄＤ眈１６，２００９；ａｃｃｅｐｔｅｄＡｐｒ－３０，２０１０）
高光谱遥感监测土壤含水量研究进展
作者：作者单位：刊名：英文刊名：年，卷(期)：
吴代晖， 范闻捷， 崔要奎， 闫彬彦， 徐希孺， WU Dai-hui， FAN Wen-jie， CUI Yao-kui， YAN Bin-yan， XU Xi-ru
北京大学遥感与地理信息系统研究所,北京,100871光谱学与光谱分析
SPECTROSCOPY AND SPECTRAL ANALYSIS2010,30(11)
参考文献(45条)
1.Baronti S;Del F;Ferrazzoli P 查看详情 2001(14)
2.Bindlisha R;Barros A P Parameterization of vegetation backscatter in radar-based, soil moistureestimation[外文期刊] 2001(1)
3.Schmugge T J;Gloersen P;Wilheit T 查看详情 1974(02)4.Baungardner M F;Silva L F;Biehl L L 查看详情[外文期刊] 19855.Stoner R E;Baumgardner M F 查看详情 1981
6.Ishida T;Ando H;Fukuhara M 查看详情[外文期刊] 1991(03)7.Foody G M 查看详情 1991(07)8.范闻捷;徐希孺 查看详情 2005(08)9.王喜鹏;张养珍 查看详情 1998(01)10.徐希孺;周莲芳;朱晓红 查看详情 1989(12)11.邵美珍;徐希孺 查看详情 198912.刘培君;刘琳 查看详情 1997(02)13.Keike B;Verhoef W 查看详情 2003
14.Hymer D C;Muran M S;Keefer TO 查看详情[外文期刊] 200015.Huan-Jun L;Yuan-Zhi Z;Xin-Le Z 查看详情 2009
16.Palacios-Orueta A;Ustin S L MULTIVARIATE STATISTICAL CLASSIFICATION OF SOIL SPECTRA[外文期刊]1996(2)
17.Price J C An approach for analysis of reflectance spectra[外文期刊] 1998(03)18.Sandholt I;Rasmussen K;Andersen J 查看详情 2002(02)19.Jackson R D;Idso S B;Reginato R J 查看详情[外文期刊] 198120.Price J C 查看详情 1985
21.Engman ET;Chauhan N STATUS OF MICROWAVE SOIL MOISTURE MEASUREMENTS WITH REMOTE SENSING[外文期刊]1995(01)
22.Bach M;Mauser W 查看详情 199423.Price J C 查看详情[外文期刊] 199024.王昌佐;王纪华;王锦地 查看详情 2003(04)25.Liu W;Baret F;Gu X 查看详情 2003(10)26.王静;何挺;李玉环 查看详情 2005(04)27.朱永豪;邓仁达;卢亚非 查看详情 1984(02)28.Ni W;Li X 查看详情 1999
29.Jacquemoud S;Baret F;Hanocq J F 查看详情[外文期刊] 199230.Angstrom A 查看详情[外文期刊] 1925
31.Etienne M;Henri D Modeling soil moisture-reflectance[外文期刊] 2001(02)32.David B L;Gregory P A Moisture effects on soil reflectance[外文期刊] 2002(03)33.邓孺孺;田国良;柳钦火 查看详情 2004(01)34.Patel A N;Neema D L;Shah A 查看详情 1990(02)35.Neema D L;Shah A;Patel A N 查看详情[外文期刊] 1987
36.Liu W;Baret F;Gu X Random deflection of the white light beam during self-focusing andfilamentation of a femtosecond laser pulse in water[外文期刊] 2002(2-3)37.Hoffer R M;Johannsen C J Remote Sensing in Ecology 196938.Bowers A S;Smith J S 查看详情[外文期刊] 197239.Bach H;Verhoef W 查看详情 2003
40.Hunt G R Electromagnetic Radiation:the Communication Link in Remote Sensing 198041.Jackson R D 查看详情[外文期刊] 198342.毛学森;张永强;沈彦俊 查看详情 2002(01)43.陈维英;肖乾广;盛永伟 查看详情 1994(02)44.Kogan F N 查看详情[外文期刊] 1990
45.Btyth E M;Dolman A J;Wood N 查看详情[外文期刊] 1993(511)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_gpxygpfx201011042.aspx