为了实现基于偏振信息反演土壤湿度的目的, 建立了土壤表面的偏振反射模型, 并在可见光波段内开展了土壤湿度与反射光偏振信息的实验研究。首先, 根据几何光学理论和测量数据建立了土壤表面的偏振反射模型。其次, 制备了不同湿度的土壤样品, 搭建了实验平台, 并在多种入射观测条件下, 使用高精度偏振成像探测系统获取了样品的偏振信息。然后, 对实验数据进行分析来验证模型。最后, 建立了模型中微面元坡度均方差、漫反射等效系数和折射率三个参数与土壤湿度的定量关系, 利用定量关系来反演土壤湿度, 并在476 nm波段上, 对湿度为26.0%的土壤样品进行室内偏振探测实验。结果表明: 根据文中反演方法得出土壤湿度为24.73%, 误差为4.88%, 证实了文中所提出的土壤湿度反演方法的正确性和可行性。

偏振探测作为一种新型遥感技术, 是对传统光谱遥感探测的有益补充, 为目标遥感探测提供更丰富的信息。 用地物偏振光谱仪实验测量, 分析土壤湿度与偏振光谱的相关性, 同时研究不同观测角下的土壤表面反射光偏振光谱特性。 结果表明： 在土壤湿度较高的情况下, 偏振光谱与土壤湿度具有一定的相关性, 尤其在500～700 nm波段, 湿度与偏振度呈正比关系； 低湿度的情况下, 偏振光谱与土壤湿度相关性不明显； 此外, 不同观测角对偏振光谱也有影响, 如入射角固定为50°, 观测角在20°～60°区间测量时, 偏振度随观测角增大而增大, 且观测角愈大, 偏振度随湿度的变化愈显著。

土壤水分是影响植被、 土壤和大气之间能量和水分循环的重要因素, 及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间（NIR-RED）发展了一种新型土壤水分遥感监测模型ADI（angle dryness index）, 提高了可见光与近红外波段监测土壤水分的精度。经过研究表明, 在红光与近红外（NIR-RED）特征空间中, 存在一个中间角度变量θ, 利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况, 而不受植被覆盖度的影响, 因此利用该原理构建了ADI方法。最后利用两组遥感数据（分别为TM5与MODIS产品数据）以及对应的地面观测数据进行验证, 结果表明计算值与实测值均具有较高的一致性, R2分别达到0.74与0.64。同时, 将MPDI的计算结果与实测值进行了比较, 两组数据的R2均小于0.60, 表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度, 这可能是引起计算结果误差的主要因素。此外, MPDI的计算结果表征土壤湿度的相对值, 而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元, 还有其他类型端元的概率高于TM数据, 因而MODIS数据的计算精度低于TM。因此, ADI是一种简单可行且具有较大应用前景的土壤水分反演方法, 适合于推广应用。

地表温度（Ts）是土壤湿度和植被生长状态等因素的综合反映, 利用植被指数和Ts能够监测土壤湿度的时空分布特征。 利用农田气候模型CUPID的Ts模拟结果, 发展了利用温度与叶面积指数（LAI）的新型土壤水分反演方法（advanced temperature vegetation dryness index, ATVDI）。 前人研究表明归一化植被指数（NDVI）容易达到饱和状态, 因此利用LAI代替NDVI开展土壤水分反演。 利用CUPID模型模拟结果构建LAI-Ts散点图, 分析Ts随LAI与土壤湿度的变化特征, 利用对数关系式改进了温度植被干旱指数（TVDI）中相同土壤湿度时Ts与植被指数之间的线性关系, 建立了ATVDI方法。 在实际应用中, 首先利用LAI与Ts的散点图确定对数曲线的上边界与下边界, 然后采用查找表的方法将每个像元对应的Ts变换为研究区最小叶面积指数对应的Ts。 以陕西省关中作为研究区, 利用MODIS的LAI和Ts产品（MOD11A2和MOD15A2）以及野外观测土壤湿度数据对ATVDI模型进行验证, 结果表明该方法具有较高的监测精度, R2达到0.62。 此外, ATVDI的计算结果具有一定的物理意义, 使得不同时期的监测结果具有一致性, 因而可更好地满足不同空间尺度土壤湿度的动态监测。

为探讨在更多波段上开展基于光偏振特性土壤湿度检测的可行性，采用自行搭建的光学系统，在可见/近红外波段上开展土壤湿度与反射光偏振特性的实验研究。研究结果表明：在600~800 nm波段，土壤湿度与反射光偏振度具有相关性，其中当14%≤土壤湿度≤30% 时，反射光偏振度与土壤湿度具有良好的线性关系。对实测数据进行回归分析，结果显示线性模型平均标准差小于3%，优于参考文献[5]中近红外光谱特征方法10%的误差结果，说明在该波段范围，采用测量光偏振态进行土壤湿度检测的方法具有可行性，为大范围土壤含水量的偏振遥感探测提供科学依据。

高光谱遥感技术作为当前遥感发展的前沿科技, 通过电磁波与地物的相互作用, 可以定量反演地物的物理化学性质。 土壤有机质是重要的土壤养分信息参数, 利用高光谱遥感技术快速获取其含量信息可以为精准农业的发展提供必要的数据支撑。 然而, 由于受到外部参数差异的干扰, 导致建模精度降低的同时, 还会造成已有模型传递性的“失效”。 为了消除湿度差异的干扰, 进一步拓展已有模型的适用空间, 以江汉平原滨湖地区为例, 通过对95个土壤样本进行加湿处理, 在实验室自然风干的条件下, 量测得到13套不同湿度等级土壤样本的可见—近红外反射光谱数据, 建立了各湿度等级下土壤有机质的光谱反演模型, 研究水分差异对建模精度的影响; 在此基础上, 运用Direct Standardization(DS)算法对湿土光谱进行校正, 进而探讨该算法在提高模型传递性能方面的潜力。 结果表明: 基于风干土光谱建立的模型预测精度最高, 未经校正的湿土光谱无法通过该模型进行土壤有机质含量预测, 预测偏差在-8.34～3.32 g·kg-1, RPD在0.64～2.04; 经过DS算法校正后的湿土光谱可以通过该模型进行土壤有机质含量预测, 预测偏差降低至0, RPD值提高至7.01。 研究表明DS算法能有效降低湿度差异对光谱反演土壤有机质的影响, 使土壤有机质光谱反演模型适用于不同水分含量的土壤样本。

相对于传统的光谱探测, 偏振探测能够提供更多的目标信息, 比如, 利用偏振探测手段解译材料表面的折射率、 粗糙度等特性; 也可用来反演土壤的湿度等。 应用土壤表面反射光的偏振特性来反演土壤湿度, 为定量反演土壤湿度提供一种新的方法, 在农业、 水文、 气象和生态等领域中都有十分重要的意义。 针对遥感中的一类混合像元难题, 即低植被覆盖情况的土壤样品, 通过实验测量, 研究了样品表面偏振特性, 进一步研究了样品表面偏振特性与土壤湿度的关系。 结果表明, 低植被覆盖土壤表面的偏振特性主要受裸土区域的影响, 并与土壤湿度之间存在一种相关关系, 例如, 在本次实验中, 当偏振度较小的光源以40°入射, 且观测角处于20°～60°时, 三种湿度土壤样品表面的偏振度与土壤湿度呈正比关系。 进一步定量化这种相关关系将为反演低植被覆盖土壤湿度提供了一种新的途径。

为研究土壤湿度对激光等离子体的影响, 通过制备六种不同湿度的土壤样品进行实验, 选取铅的特征谱线(Pb: 405.78 nm)为分析线。 实验结果表明, 随着土壤湿度的增加, 谱线的强度、 信噪比及RSD线性减小。 在局部热力学平衡近似下, 选取铁在400～440 nm波长范围内的四条特征谱线, 利用玻尔兹曼图, 测定了等离子体温度在不同湿度下的变化特性, 随着湿度从零增加到20%, 等离子体温度从11 800 K近似单调的下降到7 800 K, 电子密度从3.3×106 cm-3减小到2.8×106 cm-3。