无人机搭载多光谱遥感在土壤含水量研究方面取得重要进展

近日，西北农林科技大学水利与建筑工程学院、教育部旱区农业水土工程重点实验室姚一飞副教授团队在国际水文学领域权威期刊《Journal of Hydrology》发表题为“Determining an optimal sample size range for UAV-assisted satellite soil moisture content retrieval using a farthest point sampling method”的研究论文。该研究面向农田土壤水分大范围、低成本、高精度监测需求，采用搭载长光禹辰公司自主研发的AQ600 Pro多光谱相机的多旋翼无人机获取高空间分辨率多光谱影像，与Sentinel-2卫星数据协同开展土壤水分含量反演，为区域尺度土壤水分监测和精准农业水分管理提供了新的低成本应用路径。

图 文章发表信息

土壤水分是连接陆面过程、植被生长和农业水资源调控的关键变量。通过线性光谱重建模型（LSR）使用无人机多光谱数据，将卫星波段重建为土壤和植被光谱分量的最优加权组合，能显著增强卫星光谱反射率与土壤水分之间的相关性。该技术为大范围、高精度的基于光学遥感的土壤水分反演提供了一条新途径。然而，LSR的模型构建、参数标定和精度验证高度依赖地面实测土壤水分样本的数量和空间结构。而目前地面采样面临着数量标准不一，成本过高的问题。因此，针对目前无人机数据地面校正点最优数量确定问题，同时为建立低成本、高精度的无人机-卫星融合反演土壤水分框架，团队提出最远点采样法（Farthest Point Sampling, FPS），并与条件拉丁超立方采样、随机组合方法和空间均衡采样等传统采样方法进行对比。

图 搭载长光禹辰AQ600 Pro 的无人机设备

结果表明，基于无人机多光谱增强的卫星土壤水分反演框架中，FPS方法在有限样本数量下表现出更高稳定性和空间代表性。当样本量处于50 - 90个区间时，模型反演精度较为稳定，继续增加样本数量并未带来持续提升，反而可能因采样冗余、局部空间自相关和观测误差累积导致稳定性下降。

图 不同样本量下引入无人机数据重建前后的卫星波段反射率与土壤水分的相关性

图 不同样本量下的土壤水分反演精度

研究结果表明：

（1）将无人机多光谱数据引入线性光谱重建模型（LSR）优化卫星数据能有效提高卫星反演土壤水分精度。本研究利用无人机影像中保留的亚像元尺度土壤与植被光谱信息，对Sentinel-2卫星反射率进行增强重建，从而提升卫星光谱与实测土壤水分之间的相关性。无人机载多光谱数据为卫星影像补充了一层高精度地面细节信息，使大范围卫星监测既保留区域覆盖能力，又获得接近田间尺度的光谱表达能力。

（2）基于FPS方法，50-90个地面样本点即可稳定捕捉卫星数据与田间土壤水分实测值之间的关系，在保持较高反演精度的同时大大降低采样成本。这一结果说明，无人机载多光谱设备与优化采样策略相结合，能够有效提升区域土壤水分监测的经济性、可靠性和可推广性。该成果为灌区农田水分监测、精准灌溉决策、水资源调度和干旱区农业生态管理提供了可复制的装备应用方案。

附：

[1] 论文作者信息：Furong Yang, Ning Geng, Yifei Yao*, Rong Liu, Zugui Huang, Shikun Sun, Yadan Du*, Determining an optimal sample size range for UAV-assisted satellite soil moisture content retrieval using a farthest point sampling method, Journal of Hydrology, Volume 677, 2026.

[2] 论文链接：https://doi.org/10.1016/j.jhydrol.2026.135899