大佛寺煤礦開采區土壤水分變化遙感反演研究

王聰，湯伏全，馬婷，賈曉卉，蘇宇，薛俊磊，張馨月

摘要：土壤水分是驅動礦區生態環境變化的關鍵要素。為研究黃土高原煤礦區開采沉陷對土壤水分變化的擾動影響，以彬長礦區大佛寺煤礦為例，采用主動微波和光學遙感影像反演開采沉陷區土壤水分的空間變化，用水云模型消除植被對主動微波影像的后向散射系數影響，通過實地采樣數據構建支持向量機回歸模型，獲取礦區地表土壤水分的分布特征，分析黃土溝壑區地形因子和開采沉陷變形對礦區土壤水分變化的影響。結果表明：SVM構建的回歸分析模型可以有效反演黃土高原煤礦開采區土壤水分的空間分布，地形特征對土壤水分的影響最大，溝壑區域土壤含水量更高；在未受開采影響的區域，土壤水分變化受地形坡度影響最大，坡向次之，高程影響最??；在40201工作面開采沉陷變形區域，土壤水分分布的變異系數顯著增大，尤其在采動裂縫發育區更為明顯。研究結果為揭示黃土高原煤礦開采區土壤水分變化的時空特征及機理提供了技術支持。

關鍵詞：采煤沉陷；土壤水分；遙感影像；地形因子；黃土高原

中圖分類號：TD 167文獻標志碼：A

文章編號：1672-9315（2024）01-0166-09

DOI：10.13800/j.cnki.xakjdxxb.2024.0117開放科學（資源服務）標識碼（OSID）：

Remote sensing inversion of soil moisture change in Dafosi coal mining area WANG Cong1，TANG Fuquan1，2，MA Ting1，JIA Xiaohui1，SU Yu1，

XUE Junlei1，ZHANG Xinyue1

（1.College of Geomatics，Xian University of Science and Technology，Xian 710054，China；2.Key Laboratory of Coal Resources Exploration and Comprehensive Utilization，Ministry of Land and Resources，Xian 710021，China）

Abstract：Soil moisture is the key factor to help the ecological environment in a mining area.In order to study the disturbance effect of mining subsidence on soil moisture change in the Loess Plateau coal mining area，Dafosi coal mine in Binchang mining area is taken as an example，and the active microwave and optical remote sensing images are? used to invert the spatial variation of soil moisture in the mining subsidence area.The water cloud model is used to eliminate the influence of vegetation on the backscattering coefficient of active microwave images，and the support vector machine regression model is constructed by field sampling data to obtain the distribution characteristics of surface soil moisture in the mining area；the influence of terrain factors and mining subsiding deformation on soil moisture change in the loess gully region is deeply analyzed.The results show that the regression analysis model constructed by SVM can effectively invert the spatial distribution of soil moisture in the coal mining area of the Loess Plateau.The topographic characteristics have the greatest influence on soil moisture，and the soil moisture content is higher in the gully area.In the areas with little impact by mining，soil moisture change is most affected by terrain slope，followed by slope aspect and least affected by elevation.In the mining subsidence and deformation area of 40201 working face，the variation coefficient of soil water distribution increases significantly，especially in the mining fracture development area.The results provide technical support for exploring the spatio-temporal characteristics and mechanism of soil moisture change in the coal mining area of the Loess Plateau.

Key words：coal mining subsidence；soil moisture；remote sensing image；topographic factor；Loess Plateau

0引言

土壤水分是陸地表面的重要參數，在地球環境變化和能量交換中發揮著重要作用[1]，也是衡量土壤干旱程度的重要因素。礦區土壤水分變化是驅動煤礦生態環境改變的關鍵要素之一，因此準確獲取礦區土壤水分信息對預測和改善礦區生態環境具有重要意義[2]。西部黃土高原地貌復雜，溝壑縱橫，生態環境脆弱，區域煤炭資源豐富。多年來大規模煤炭開采已引起大范圍地面塌陷、裂縫等破壞[3-4]，導致礦區耕地資源和生態環境持續惡化，地表不均勻塌陷改變了原有的地貌形態和土壤物理性質，對土壤水分的空間分布造成顯著的擾動影響。黃土高原煤礦區因復雜地貌和植被覆蓋差異性疊加上述開采擾動影響后[5]，導致土壤水分的時空變化規律變得極為復雜，制約了煤礦區生態環境保護和工程修復的順利開展[6-7]。因此在煤炭開采過程中研究土壤水分變化的時空特征及其影響機理，對煤礦區生態恢復和可持續發展至關重要。

黃土高原煤礦區的地貌和植被變化及其開采沉陷變形的擾動影響具有顯著的時空分異特征。土壤水分變化以常規的地面采樣為主，存在非常顯著的代表性誤差[8]。隨著遙感技術的快速發展，利用衛星影像反演已成為快速獲取土壤水分變化的有效手段[9]，微波遙感數據因具備全天時、全天候、植被穿透性強等優勢，是目前最有效的一種土壤水分反演方法[10]。Sentinel-1作為一種主動微波遙感數據，具有很好的穿透云層能力，Sentinel-2數據相比Landsat等則具有高時空分辨率優勢，可在多云天氣獲取高質量的遙感影像[11-12]。國內外學者利用上述遙感數據開展了土壤水分反演研究，提出了多種反演土壤水分的方法[13-15]，包括Dubois、Oh、Advanced Integral Model（AIEM）及一些機器學習方法等。這些方法已成功應用于農田、森林和裸露區域的土壤水分動態變化反演，但在黃土高原復雜地貌的煤礦開采區應用很少。

以典型黃土溝壑區大佛寺煤礦為例，利用Sentinel-1A雙極化SAR數據和Sentinel-2A光學影像數據開展煤礦開采區土壤水分反演研究，結合現場采樣數據構建黃土高原礦區土壤水分反演模型，獲取煤礦開采區土壤分布特征，通過分析地形因子和開采沉陷變形對礦區土壤水分變化的影響，初步揭示黃土高原煤礦開采區土壤水分變化的規律性。

1試驗數據

陜西彬長大佛寺礦區典型的黃土溝壑區，暖溫帶半干旱大陸性季風氣候，植被類型以林草地和耕地為主，高程為835～1 266 m（圖1（a））。

1.1開采工作面地表變形

40201工作面走向長度1 415 m，傾向寬度300 m，開采面積424 500 m2，平均開采厚度6.7 m（圖1（b））。隨著地下開采工作面的推進，地表發生大范圍的沉陷和變形，最大下沉量超過5.0 m，并產生大量的臺階狀地表裂縫，尤其在工作面邊緣拉伸裂縫密集分布，部分成為永久裂縫，存在不可恢復性（圖2）。

1.2試驗數據

Sentinel-1A選擇IW模式的GRD數據[16]。影像極化方式分為2種，分別是VV和VH，研究表明VV極化對于土壤水分相比VH極化更為敏感[17]，選擇VV極化進行土壤水分反演。SAR影像經過軌道校正、熱噪聲去除、輻射定標、多視、濾波和地理校正等預處理[18]，得到VV極化的后向散射系數圖像。Sentinel-2A下載的產品級別為Level-1C，對影像進行大氣校正、重采樣、裁剪等預處理。

DEM數據選擇SRTM 30 m分辨率的高程數據，分別提取高程、坡向、坡度3個地形因子。在彬長大佛寺礦區使用 HD2便攜式土壤剖面水分速測儀在野外實地測定了72個樣點的土壤含水量，利用實測數據對遙感影像反演模型進行統計建模和驗證。為了分析煤礦開采沉陷變形區域與未受采動影響的對照區域土壤水分變化的不同分布特征，降雨后在沉陷變形區和對照區分別選取了6個監測點，同時在距離采動裂縫10，40，80和200 cm的不同位置使用HOBO小型土壤水分監測系統連接EC-5土壤水分傳感器，進行連續5 d的土壤水分變化監測。

2研究方法

2.1水云模型

由于地表植被覆蓋，雷達信號會受到植被的影響而造成衰減。采用ATTEMA和ULABY提出的水云模型來解決植被覆蓋區的微波散射問題[19]，可提高微波對土壤水分的敏感性，從而更準確地反演土壤水分。模型是零階模型，能簡明地表達植被層的后向散射情況，具有輸入參數少、實施方便等優勢，被廣泛應用于草地和農作物等低矮植被，但需要獲取植被水分的信息參數。NDWI作為一種指數，具有極強的水分變化特性，可以有效地檢測出植被水分的變化。文獻[20]利用實測小麥含水量，基于NDWI、NDVI和EVI進行小麥含水量反演，發現TM影像提取的歸一化水分指數（NDWI）反演精度較好，利用NDWI進行植被含水量的反演，可以準確地估測出植物的水分狀況。由于礦區植被分布以低矮植被為主，用文獻[21]建立的經驗數據模型來計算植被含水量。

由72個實地采樣點的坐標在ArcMap軟件利用值提取功能，獲得水云模型VV極化去除植被前后的后向散射系數，將植被的影響去除之后，VV極化的后向散射系數產生衰減，衰減數值的多少取決于植被覆蓋度和原始后向散射系數值，VV極化減少約為0.12～1.71 dB，這表明植被的影響不可忽視，且表明C波段的雷達電磁波在穿過低矮的植物時，后向散射系數的影響要遠遠超過了植被[22]（圖3）。

2.2土壤水分反演模型

以支持向量機回歸為基礎，構建土壤水分預測模型。SVM在回歸問題中，要求2類樣本點的分離度盡可能低，還要求它們之間的總偏差盡可能小，便達到最佳的分類效果，意味著SVM不僅考慮了分類準確性，還考慮了樣本點與超平面之間的距離盡可能的小。因此，SVM在處理回歸問題時能夠更好地擬合數據[23]。通過隨機抽樣的方式，把數據集劃分成2組，每組的70%用于模型的訓練，30%用于模型的評估。將訓練數據集{（x1，y1），（x2，y2），…，（xm，ym）}擬合到超平面y=f（x），其中：xm為輸入樣本，xm∈Rm；ym為輸出樣本，ym∈Rn；m=1，2，…，l，l為樣本數。

試驗使用決定系數和均方根誤差作為評價指標，對土壤水分反演模型的試驗結果進行精度評價[24]。決定系數是衡量模型擬合優度的指標，取值范圍在0到1，值越接近1表示模型對觀測數據的擬合程度越好。均方根誤差是衡量模型預測誤差的指標，表示在預測值和真實值之間的產生的平均差異程度，數值越小預測精度越高。

2.3土壤含水量空間權重確定

土壤水分空間變化受到多個因子的共同影響[25]。鑒于研究區范圍較小，區域內土地利用類型、降水、土壤特性的空間分異性很小。利用DEM數據提取高程、坡度和坡向等地形因子進行相關性分析，更好的理解這些因素對土壤水分變化的影響。將遙感反演的土壤水分信息進行干旱等級分類，土壤含水量在0～10%劃為干旱等級，10%～15%為較干旱，15%～20%為較濕潤，大于20%為濕潤。采用分布指數來衡量一個區域內某一含水量等級的優勢程度[26]，當分布指數大于1時，等級屬于優勢分布。優勢分布等級反映了不同因子所對應的土壤水分等級的分布情況，優勢分布等級指數越高，代表優勢度越大。

3結果和討論

3.1支持向量機反演土壤水分結果

為了證實反演數據的合理性，利用72個采樣點的土壤水分信息進行支持向量機的回歸建模，其中50個樣點用于訓練，22個樣點用于驗證。使用Libsvm軟件包，通過歸一化處理提高模型的準確性，利用交叉驗證格網搜索法來確定模型的最佳參數[27]。

通過找到最優解構建了預測函數，并將測試集數據輸入該函數，從而得到了土壤水分含量的反演值。在支持向量機回歸建模時，輸入變量為VV極化去除植被后的后向散射系數，土壤水分含量作為輸出變量，通過數據的實測值和預測值，作出2種相關性曲線，在建模集圖4（a）中R2為072，RMSE為1.67%，驗證集圖4（b）中R2為083，RMSE為157%。

通過土壤水分反演得到礦區土壤水分的空間分布，從反演結果發現，在黃土溝壑區域基巖出露于溝谷的底部，溝壑發育，植被覆蓋度較高，土壤含水量相對較高。黃土臺塬區屬于平坦開闊的地區，地表蒸散強烈，土壤含水量相對較低（圖5）。

由于土壤水分存在較強的空間異質性，各個環境因子對土壤水分會產生不同的影響，其中最主要因素是地形和氣候。在半干旱地區，降雨氣溫對土壤水分蒸發和入滲有著直接影響，地形主要對土壤水分運移產生一定的影響。溝壑區土壤水分較高，這是由于受重力和坡度的影響，土壤水分易從高處流于低處，在溝壑形成積累，結果與文獻[28]研究結果一致。

3.2土壤水分與地形因子的關系

為了研究高程變化對土壤水分的影響，將高程劃分為E1＜975 m，975 m＜E2＜1 065 m，1 065 m＜E3＜1 151 m，E4＞1 151 m。同時將土壤含水量分為干旱、較干旱、較濕潤、濕潤4個等級[29]，對土壤水分反演結果與高程的關系進行計算分析。當E1＜975 m時，土壤水分等級的分布指數為較濕潤（1.17）＞干旱（1.04）＞較干旱（0.95）＞濕潤（0.77），較濕潤在此區間屬于優勢分布；高程在E2和E3范圍時，處于黃土溝壑區，植被較多土壤水分以濕潤為主；當高程E4＞1 151 m時，以較干旱等級為主，其分布指數為1.21。由于高程越高時，受到的太陽輻射強度增大，土壤水分蒸發較快（表1）。

坡度范圍是0°～45°，將坡度分為5個等級，對應坡度為0°～6°，6°～14°，14°～24°，24°～34°，34°～45°。統計不同坡度的樣本土壤水分數據，得出不同坡度等級下的土壤水分等級。坡度為0°～6°和6°～14°時，較干旱分布指數為1.26和1.07，其優勢分布為較干旱>干旱>較濕潤>濕潤，表明在較平坦地區土壤含水量相對較低；坡度為14°～24°時，濕潤和較濕潤等級處于優勢的分布特征；在坡度為24°～34°和34°～45°時，濕潤的分布指數為2.27，2.36，屬于優勢分布（表2）。

土壤水分往往同時受到坡向與植被的綜合影響。地表的坡向直接影響了水、光和熱等多個自然條件，進而間接影響土壤的特征。坡向的取值按照順時針方向計算，范圍為0°～360°，正北方向為0°[30]?？梢詫⑵孪蚍譃?個等級：無坡向分為-1°～0°、陰坡分為0°～67.5°和337.5°～360°、半陰坡分為67.5°～112.5°和292.5°～337.5°、陽坡分為157.5°～247.5°、半陽坡分為112.5°～1575°和247.5°～292.5°。對土壤水分數據和坡向數據信息進行統計分析，得出不同坡向等級下的土壤水分等級的分布指數。無坡向即平地條件下，土壤水分的分布指數為較干旱（1.04）>干旱（0.96）>較濕潤（0.93）>濕潤（0.87），較干旱占主導優勢；陰坡和半陰坡以濕潤為主，在陽坡和半陽坡時以干旱為主。陽坡接受的太陽輻射量明顯較大，造成土壤水分蒸發量大，土壤水分較低（表3）。

未旋轉的公因子方差隱含了土壤水分和各地形因子之間的多重相關性（表4），分析所得的各成分的貢獻率，來確定主成分個數，因子是否保留的原則是由相關矩陣的特征值決定的，當特征值大于1，則保留為主成分，坡度為主成分因子。通過主成分分析，主要影響土壤水分空間分布特征的是坡度因子為主要因素，坡向的影響程度次之，高程最?。ū?）。土壤含水量在坡度大時以濕潤分布為主，且陰坡大于陽坡，與文獻[31]和文獻[32]等研究結果一致。

3.3開采沉陷變形對土壤水分的擾動影響

地表水資源分布與地貌、降水、土地特性等因素相關，地表水和地下水主要來自大氣降水，降雨是造成土壤水分發生變化的重要因素，特別是在半干旱的黃土高原礦區，土壤水分的時空變異與地貌和降雨特征密切相關。降雨發生2 d后，40201工作面開采沉陷區及周邊未受開采影響的對照區域，各選取6個樣點連續5 d觀測，選取點間隔為10～20 m（表6）。

在開采沉陷變形區土壤水分變異系數達到了19.85%，在未受開采影響的對照區最低僅為381%。土壤水分的變異系數描述了土壤水分運動的活躍程度，值越大的情況下，意味著土壤干濕交替越頻繁。降雨后開采沉陷變形區的土壤含水量多數是先升高再降低，趨于穩定狀態，少數樣點含水量直接降低，具有不規則性，而對照區的土壤含水量都是先升高再降低，然后又有所升高，其變化趨勢較為一致（圖6）。開采沉陷變形區的土壤含水量受降雨影響更為顯著，降雨結束后土壤含水量變得更高，變化特征也更為復雜，表明采煤活動引起的地表裂縫對土壤水分造成明顯的擾動影響。

由于地下水和降雨往往優先進入采動地表裂縫，這導致裂縫周圍的土壤水分特征與其他區域存在一定的差異性。在開采沉陷變形區選取一條典型的拉張型裂縫，兩側無臺階、無落差，呈直線狀，裂縫寬度為15 cm，在距裂縫10，40，80和200 cm的位置設置土壤含水量監測點。降雨后5 d內裂縫周邊土壤含水量變化，距離裂縫最近10 cm處土壤含水量是復雜多變的，80 cm處土壤含水量總體最低，200 cm處土壤含水量總體最高（圖7）。隨著與裂縫距離的增加降雨后土壤水分的變化處于穩定狀態，呈現先升高后降低，且距離裂縫最遠土壤含水量最高，變化影響最小。主要原因是由于地表受到拉張破壞，土壤結構松散，改變了降雨后周圍的土壤水分分布，距離裂縫越近土壤持水能力越差。

4結論

1）SVM回歸算法構建的黃土高原煤礦開采區土壤水分反演模型具有較高的精度。分析大佛寺煤礦區土壤水分變化的空間分布特征，發現土壤水分易于在溝壑區積累，其土壤含水量更高。

2）黃土高原煤礦區土壤水分分布與坡度、坡向和高程等地形因子密切相關，其中坡度因子對土壤水分的影響最大。

3）開采沉陷變形區相比未受采動影響區的土壤水分變化更為復雜多變，其變異系數更大。降雨后，沉陷變形區的土壤水分呈現先升高后降低或直接降低的變化特征，而采動裂縫周邊土壤水分變化與距離裂縫的遠近相關，表明開采引起的地表變形及裂縫對土壤水分造成顯著的擾動影響。

參考文獻（References）：

[1]柳寧，趙曉光，解海軍，等．榆神府地區煤炭開采對地下水資源的影響［J］．西安科技大學學報，2019，39（1）：71-78.

LIU Ning，ZHAO Xiaoguang，XIE Haijun，et al．Influence of coal mining on groundwater resources in Yushenfu? Area［J］． Journal of Xian University of Science and Technology，2019，39（1）：71-78.

[2]聶文杰，趙曉光，杜華棟，等． 榆神府礦區不同導水裂隙發育對地表土壤性質的影響［J］．西安科技大學學報，2021，41（3）：464-473．

NIE Wenjie，ZHAO Xiaoguang，DU Huadong，et al． Influence of development of different water-conducting fissures on the topsoil properties in Yushenfu mining area［J］． Journal of Xian University of Science and Technology，2021，41（3）：464-473．

[3]羅曉霞，王萬.多模型融合風化基巖富水性預測[J].西安科技大學學報，2022，42（3）：521-528.

LUO Xiaoxia，WANG Wan.Water-rich prediction method of weathered bedrock based on multi-model fusion[J].Journal of Xian University of Science and Technology，2022，42（3）：521-528.

[4]蘆家欣，湯伏全，趙軍儀，等.黃土礦區開采沉陷與地表損害研究述評[J].西安科技大學學報，2019，39（5）：859-866.

LU Jiaxin，TANG Fuquan，ZHAO Junyi，et al.Review of study on mining subsidence and ground surface damage in loess mining area[J].Journal of Xian University of Science and Technology，2019，39（5）：859-866.

[5]郭千慧子，湯伏全，馬婷，等.基于時序遙感的黃土礦區耕地變化動態監測——以大佛寺礦區為例[J].煤炭科學技術，2022，50（3）：215-223.

GUO Qianhuizi，TANG Fuquan，MA Ting，et al.Dynamic monitoring of cultivated land changes in loess mining areas based on time series remote sensing：A case of Dafosi Mining Area[J].Coal Science and Technology，2022，50（3）：215-223.

[6]劉巧妮，劉鈺輝.大佛寺4#煤水熱處理結果對煤潤濕性的指示意義[J].西安科技大學學報，2021，41（1）：112-120.

LIU Qiaoni，LIU Yuhui.Verification of wettability based on the hydrothermal treatment samples of No．4 coal in Dafosi area[J].Journal of Xian University of Science and Technology，2021，41（1）：112-120.

[7]李奇峰，崔恒，肖樂樂，等.寧正煤田侏羅系煤層頂板富水性及涌（突）水風險評價[J].西安科技大學學報，2023，43（3）：523-529.

LI Qifeng，CUI Heng，XIAO Lele，et al.Evaluation of water-abundance and water gushing risk of Jurassic coal seam roof in Ningzheng Coal field[J].Journal of Xian University of Science and Technology，2023，43（3）：523-529.

[8]YANG W，YANG H，LI C，et al.Long-term reconstruction of satellite-based precipitation，soil moisture，and snow water equivalent in China[J].Hydrology and Earth System Sciences，2022，26（24）：6427-6441.

[9]DAS K，PAUL P K.Soil moisture retrieval model by using RISAT-1，C-band data in tropical dry and sub-humid zone of Bankura district of India[J].The Egyptian Journal of Remote Sensing and Space Science，2015，18（2）：297-310.

[10]周壯，趙少杰，蔣玲梅.被動微波遙感土壤水分產品降尺度方法研究綜述[J].北京師范大學學報（自然科學版），2016，52（4）：479-485.

ZHOU Zhuang，ZHAO Shaojie，JIANG Lingmei.Downscaling methods of passive microwave remote sensing of soil moisture[J].Journal of Beijing Normal University（Natural Science），2016，52（4）：479-485.

[11]章曉潔，鄧艷芬，張亞超，等.利用Sentinel-2A多光譜成像儀與Landsat 8陸地成像儀影像進行普陀山島植被分類效果比較[J].測繪通報，2019（10）：97-100.

ZHANG Xiaojie，DENG Yanfen，ZHANG Yachao，et al.Comparison of vegetation classification performances on Putuoshan island using Sentinel-2A MSI and Landsat 8 OLI images[J].Bulletin of Surveying and Mapping，2019（10）：97-100.

[12]吳青云，高飛，李振軒，等.Sentinel-2A與Landsat 8數據在植被覆蓋度遙感估算中的比較[J].測繪通報，2021（S1）：104-108，113.

WU Qingyun，GAO Fei，LI Zhenxuan，et al.The contrast of Sentinel-2A and Landsat 8 data in remote sensing estimation of vegetation coverage[J].Bulletin of Surveying and Mapping，2021（S1）：104-108，113.

[13]馬威，陳登魁，楊娜，等.時序雙極化SAR開采沉陷區土壤水分估計[J].遙感學報，2018，22（3）：521-534.

MA Wei，CHEN Dengkui，YANG Na，et al.Time-series approach to estimate the soil moisture of a subsidence area by using dual polarimetric radar data[J].Journal of Remote Sensing，2018，22（3）：521-534.

[14]SU S，CAO Y.Research on inversion of soil moisture in karst area based on full-polarization SAR data[J].IEEE Access，2021（9）：117512-117519.

[15]MA W，MA C.Soil moisture retrievals in aeolian sand mining areas using temporal，single-polarization，high-resolution SAR[J].Frequenz，2018，72（11-12）：547-560.

[16]方西瑤，蔣玲梅，崔慧珍.基于Sentinel-1雷達數據的青藏高原地區土壤水分反演研究[J].遙感技術與應用，2022，37（6）：1447-1459.

FANG Xiyao，JIANG Lingmei，CUI Huizhen.Soil moisture retrieval in the Tibetan Plateau based on Sentinel-1 radar data[J].Remote Sensing Technology and Application，2022，37（6）：1447-1459.

[17]鄧小東，王宏全.土壤水分微波遙感反演算法及應用研究進展[J].浙江大學學報（農業與生命科學版），2022，48（3）：289-302.

DENG Xiaodong，WANG Hongquan.Recent advances on algorithms and applications of soil moisture retrieval from microwave remote sensing[J].Journal of Zhejiang University（Agriculture & Life Sciences Edition），2022，48（3）：289-302.

[18]陳曉，李剛，陳卓奇，等.基于升降軌Sentinel-1影像的格陵蘭后向散射系數入射角歸一化方法[J].遙感學報，2023，27（9）：2072-2084.

CHEN Xiao，LI Gang，CHEN Zhuoqi，et al.A backscatter coefficient normalization method to incidence angle based on ascending and descending Sentinel-1 SAR imagery at the Greenland[J].National Remote Sensing Bulletin，2023，27（9）：2072-2084.

[19]ATTEM E P W，ULABY F T.Vegetation modeled as a water cloud［J］.Radio Science，1978，13（2）：357-364.

[20]張友靜，王軍戰，鮑艷松.多源遙感數據反演土壤水分方法[J].水科學進展，2010，21（2）：222-228.

ZHANG Youjing，WANG Junzhan，BAO Yansong.Soil moisture retrieval from multi-resource remotely sensed images over a wheat area[J].Advances in Water Science，2010，21（2）：222-228.

[21]OH Y.Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces[J].IEEE Transactions on Geoscience and Remote Sensing，2004，42（3）：596-601.

[22]趙昕，黃妮，宋現鋒，等.基于Radarsat 2與Landsat 8協同反演植被覆蓋地表土壤水分的一種新方法[J].紅外與毫米波學報，2016，35（5）：609-616.

ZHAO Xin，HUANG Ni，SONG Xianfeng，et al.A new method for soil moisture inversion in vegetation-covered area based on Radarsat 2 and Landsat 8[J].Journal of Infrared and Millimeter Waves，2016，35（5）：609-616.

[23]戴小路，汪廷華，胡振威.模糊多核支持向量機研究進展[J].計算機應用研究，2021，38（10）：2896-2903.

DAI Xiaolu，WANG Tinghua，HU Zhenwei.Research progress of fuzzy multiple kernel support vector machine［J］.Application Research of Computers，2021，38（10）：2896-2903.

[24]LIU W，SHI J，LIANG S，et al.Simultaneous retrieval of land surface temperature and emissivity from the FengYun-4A advanced geosynchronous radiation imager[J].International Journal of Digital Earth，2022，15（1）：198-225.

[25]ZHU H，HU W，JING Y，et al.Soil organic carbon prediction based on scale-specific relationships with environmental factors by discrete wavelet transform[J].Geoderma，2018，330：9-18.

[26]莊逐舟，黃秋昊，石云.黃土丘陵區土地利用變化與地形梯度關系研究[J].水土保持研究，2016，23（4）：331-337.

ZHUANG Zhuzhou，HUANG Qiuhao，SHI Yun.Relationship between the land use change and the terrain gradient in counties in the loess hilly and gully region[J].Research of Soil and Water Conservation，2016，23（4）：331-337.

[27]RUAN J，WANG X，ZHOU T，et al.Fault identification of high voltage circuit breaker trip mechanism based on PSR and SVM[J].IET Generation，Transmission & Distribution，2023，17（6）：1179-1189.

[28]MA T，TANG F，TANG J，et al.Effect of coal mining on soil moisture in the semi-arid area based on an improved remote sensing estimation approach[J].Environmental Earth Science，2023，82（22）：545-562.

[29]程夢園，曹廣超，趙美亮，等.香日德-柴達木河流域土壤濕度時空變化特征及其影響因素[J].干旱區研究，2022，39（2）：615-624.

CHENG Mengyuan，CAO Guangchao，ZHAO Meiliang，et al.Temporal and spatial variation characteristics and influencial factors of soil moisture in the Xiangride-Qaidam River Basin[J].Arid Zone Research，2022，39（2）：615-624.

[30]肖洪敏，張文江，田云鋒，等.基于SBAS-InSAR方法的岷江上游峽谷區地表沉降的坡向分異規律研究[J].遙感技術與應用，2023，38（4）：967-977.

XIAO Hongmin，ZHANG Wenjiang，TIAN Yunfeng，et al.Controls underlying the aspect pattern of SBAS-InSAR retrieved surface subsidence in the Upper Minjiang Basin[J].Remote Sensing Technology and Application，2023，38（4）：967-977.

[31]艾寧，宗巧魚，劉廣全，等.陜北黃土區淺溝土壤水分空間分布特征［J］.水土保持學報，2019，33（5）：85-90.

AI Ning，ZONG Qiaoyu，LIU Guangquan，et al.Spatial distribution characteristics of soil moisture in ephemeral gully in loess region of Northern Shannxi［J］.Research of Soil and Water Conservation，2019，33（5）：85-90.

[32]邱德勛，趙佰禮，尹殿勝，等.黃土丘陵溝壑區土壤水分垂直變異及影響因素［J］.中國水土保持科學（中英文），2021，19（3）：72-80.

QIU Dexun，ZHAO Baili，YIN Diansheng，et al.Vertical variation of soil moisture in the loess hilly and gully region and its influence factors［J］.Science of Soil and Water Conservation，2021，19（3）：72-80.

（責任編輯：李克永）