(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211062398.2 (22)申请日 2022.09.01 (71)申请人 中国科学院西北生态 环境资源研究 院 地址 730000 甘肃省兰州市城关区东岗西 路318号 (72)发明人 靳潇　高晓清　余晔　李振朝　 罗斯琼　 (74)专利代理 机构 兰州中科华西专利代理有限 公司 620 02 专利代理师 曹向东 (51)Int.Cl. G06F 30/20(2020.01) G01N 27/22(2006.01) G06F 119/08(2020.01) (54)发明名称 一种基于Dobson介电模型的改进土壤半经 验介电模型 (57)摘要 本发明涉及一种基于Dobson介电模型的改 进土壤半经验介电模型， 包括以下步骤： ⑴采集 土壤样本， 测量土壤中黏粒含量 C、 温度T、 湿度W； 同时确定所需遥感产品的微波频率 f； 并分别求 出土壤中强结合水含量 Vsb、 经验参数 β'和土壤 水电导率 σeff、 纯水的静态介电常数 εw0和驰豫 时间τw、 土壤水中强结合水比例 Dbw、 结合水介电 常数温度函数的实部 B'T和虚部B"T；⑵确定自由 水复介电常数的实部 ε 'fw和虚部ε"fw；⑶确定 土壤水中结合水比例函数的实部 V'fb和虚部V "fb；⑷确定土壤水整体的复介电常数的实部 ε'w 和虚部ε"w；⑸确定土壤复介电常数的实部 ε 'soil和虚部ε"soil。 本发明减少模型参数， 提 高模型精度， 修正模型缺陷， 将表达式简便的 Dobson模型重新应用于微波遥感反演土壤湿度 的计算。 权利要求书1页 说明书9页 附图2页 CN 115203978 A 2022.10.18 CN 115203978 A 1.一种基于Dobso n介电模型的改进土壤半经验介电模型， 包括以下步骤： ⑴采集土壤样本， 测量土壤中黏粒含量 C、 温度T、 湿度W； 同时确定所需遥感产品的微波 频率f； 并按下式分别求出土壤中强结合水含量 Vsb、 经验参数β'和土壤水电导率 σeff、 纯水的 静态介电常数 εw0和驰豫时间 τw、 土壤水中强结合水比例 Dbw、 结合水介电常数温度函数的实 部B'T和虚部B"T； Vsb = 5.04  ×  10‑4（6.56 + 3.96C）0.9； β'= 1 + 0.00554 C – 2.00443  ×  10‑4 C2 + 2.61  ×  10‑6 C3； σeff= 0.25 + 0.07352 C– 0.00269 C2 + 3.2215  ×  10‑5 C3； εw0 = 88.045 – 0.4147 T + 6.2958  ×  10‑4 T2 + 1.075  ×  10‑5 T3； ； Dbw = Vsb / W； B'T = 0.085 + 0.00356 T + 1.809  ×  10‑4 T2 – 5.065  ×  10‑7 T3； B"T =  ‑0.749 + 0.03507 T + 2.59  ×  10‑4 T2 – 3.7595  ×  10‑6 T3； ⑵确定自由水复介电常数的实部 ε'fw和虚部ε"fw； ； ； 式中：ε0 = 8.854×10‑12 F/m， 为纯水真空下的介电常数； εw∞ = 4.9， 为纯水在高频极 限时的介电常数； ⑶根据强结合水比例 Dbw， 确定土壤水中结合水比例函数的实部 V'fb和虚部V"fb； V'fb = 0.03455 – 1.85078 Dbw+ 36.26 Dbw2 – 70.98 Dbw3； V"fb=  ‑0.0997 + 10.77528 Dbw– 46.21685 Dbw2 + 64.8418 Dbw3； ⑷按下式确定 土壤水整体的复介电常数的实部 ε'w和虚部ε"w； ε'w = ε'fw（1+B'TV'fb） ；ε"w = ε"fw（1+B"TV"fb） ； ⑸确定土壤复介电常数的实部 ε'soil和虚部ε"soil： ； ； 式中：ɛs=3.7， 为干土介电常数； ɛsb=3.15， 为强结合水介电常数； P = 0.46， 为孔隙度； α  = 0.65， 为形状因子； β "=1.05， 为经验参数。权　利　要　求　书 1/1 页 2 CN 115203978 A 2一种基于Dobson介电模型的改进土壤半经验介电模型 技术领域 [0001]本发明涉及一种土壤半经验介电模型， 尤其涉及一种基于D obson介电模型的改进 土壤半经验介电模型。 背景技术 [0002]土壤复介电常数是微波遥感反演土壤湿度物理过程中最重要的参数。 微波遥感模 型所需的地表发射率、 反射率、 土壤有效温度、 土壤吸收系数均需要土壤复介电常数 （Wigneron  J P, Kerr Y, Waldteufel  P, et al. L‑band Microwave  Emission  of the  Biosphere  (L‑MEB) Model: Description  and calibration  against experimental   data sets over crop fields[J].  Remote Sensing of Environment,  2007, 107(4):  639‑655.） 。 土壤可视为空气、 干土、 结合水和自由水四种成分的混合物。 四成分中， 空气 （εair=1） 和干土 （ εs≈3‑5） 介电实部为常数， 其值很小。 自由水介电实部接近80 （L波段） ， 结 合水的介电常数介于自由水和冰 （ εice≈3.15） 之间。 因此土壤介电建模的关键在于给出准 确的土壤水 （结合水和自由水） 介电算法。 [0003]半经验土壤介电模型 （SEMs） 是应用最广的土壤复介电常数模型 （Wigneron  J P,  Jackson T J, O'neill P, et al. Modelling  the passive microwave  signature  from  land surfaces:  A review of recent results and application  to the L‑band SMOS  & SMAP soil moisture  retrieval  algorithms[J].  Remote Sensing of Environment,   2017, 192: 238‑262. Liu J, Liu Q, Li H, et al. An improved  microwave   semiempirical  model for the dielectric  behavior  of moist soils[J].  IEEE  Transactions  on Geoscience  and Remote Sensing,  2018, 56(11): 6630‑6644. ） ， 半经 验土壤介电模型中土壤水介电算法大致分为两类： 第一类算法将土壤水分为结合水和自由 水。 例如： Wang  and Schmugge （Wang  J R, Schmugge  T J. An empirical  model for the  complex dielectric  permittivity  of soils as a function  of water content[J].   IEEE Transactions  on Geoscience  and Remote Sensing, 1980 (4): 288‑295. ） 和Liu   et al. （2018） 应用转变湿度区分结合水和毛细水， 并建立了冰和自由水复介电常数线性组 合形式的结合水复介电常数公式。 Mironov  et al. （Mironov  V L, Dobson M C, Kaupp V  H, et al. Generalized  refractive  mixing dielectric  model for moist soils[J].   IEEE transactions  on Geoscience  and Remote sensing,  2004, 42(4): 773‑785.  Mironov V L, Fomin S V. Temperature  and mineralogy  dependable  model for  microwave  dielectric  spectra of moist soils[J].  Piers online, 2009, 5(5):  411‑415. Mironov V, Kerr Y, Wigneron  J P, et al. Temperature ‑and texture‑ dependent  dielectric  model for moist soils at 1.4 GHz[J]. IEEE Geoscience  and  Remote Sensing Letters,  2013, 10(3): 419‑423. ） 应用最大结合水含量区分结合水和 毛细水， 当土壤湿度 处于结合水和毛细水范围内时， 土壤介电性质的变化由土壤水 的增量 产生， 该模型被称为广义折射指数介电混合模