大佛寺煤矿开采区土壤水分变化遥感反演研究

王聪，汤伏全，马婷，贾晓卉，苏宇，薛俊磊，张馨月

摘要：土壤水分是驅动矿区生态环境变化的关键要素。为研究黄土高原煤矿区开采沉陷对土壤水分变化的扰动影响，以彬长矿区大佛寺煤矿为例，采用主动微波和光学遥感影像反演开采沉陷区土壤水分的空间变化，用水云模型消除植被对主动微波影像的后向散射系数影响，通过实地采样数据构建支持向量机回归模型，获取矿区地表土壤水分的分布特征，分析黄土沟壑区地形因子和开采沉陷变形对矿区土壤水分变化的影响。结果表明：SVM构建的回归分析模型可以有效反演黄土高原煤矿开采区土壤水分的空间分布，地形特征对土壤水分的影响最大，沟壑区域土壤含水量更高；在未受开采影响的区域，土壤水分变化受地形坡度影响最大，坡向次之，高程影响最小；在40201工作面开采沉陷变形区域，土壤水分分布的变异系数显著增大，尤其在采动裂缝发育区更为明显。研究结果为揭示黄土高原煤矿开采区土壤水分变化的时空特征及机理提供了技术支持。

关键词：采煤沉陷；土壤水分；遥感影像；地形因子；黄土高原

中图分类号：TD 167文献标志码：A

文章编号：1672-9315（2024）01-0166-09

DOI：10.13800/j.cnki.xakjdxxb.2024.0117开放科学（资源服务）标识码（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

土壤水分是陆地表面的重要参数，在地球环境变化和能量交换中发挥着重要作用[1]，也是衡量土壤干旱程度的重要因素。矿区土壤水分变化是驱动煤矿生态环境改变的关键要素之一，因此准确获取矿区土壤水分信息对预测和改善矿区生态环境具有重要意义[2]。西部黄土高原地貌复杂，沟壑纵横，生态环境脆弱，区域煤炭资源丰富。多年来大规模煤炭开采已引起大范围地面塌陷、裂缝等破坏[3-4]，导致矿区耕地资源和生态环境持续恶化，地表不均匀塌陷改变了原有的地貌形态和土壤物理性质，对土壤水分的空间分布造成显著的扰动影响。黄土高原煤矿区因复杂地貌和植被覆盖差异性叠加上述开采扰动影响后[5]，导致土壤水分的时空变化规律变得极为复杂，制约了煤矿区生态环境保护和工程修复的顺利开展[6-7]。因此在煤炭开采过程中研究土壤水分变化的时空特征及其影响机理，对煤矿区生态恢复和可持续发展至关重要。

黄土高原煤矿区的地貌和植被变化及其开采沉陷变形的扰动影响具有显著的时空分异特征。土壤水分变化以常规的地面采样为主，存在非常显著的代表性误差[8]。随着遥感技术的快速发展，利用卫星影像反演已成为快速获取土壤水分变化的有效手段[9]，微波遥感数据因具备全天时、全天候、植被穿透性强等优势，是目前最有效的一种土壤水分反演方法[10]。Sentinel-1作为一种主动微波遥感数据，具有很好的穿透云层能力，Sentinel-2数据相比Landsat等则具有高时空分辨率优势，可在多云天气获取高质量的遥感影像[11-12]。国内外学者利用上述遙感数据开展了土壤水分反演研究，提出了多种反演土壤水分的方法[13-15]，包括Dubois、Oh、Advanced Integral Model（AIEM）及一些机器学习方法等。这些方法已成功应用于农田、森林和裸露区域的土壤水分动态变化反演，但在黄土高原复杂地貌的煤矿开采区应用很少。

以典型黄土沟壑区大佛寺煤矿为例，利用Sentinel-1A双极化SAR数据和Sentinel-2A光学影像数据开展煤矿开采区土壤水分反演研究，结合现场采样数据构建黄土高原矿区土壤水分反演模型，获取煤矿开采区土壤分布特征，通过分析地形因子和开采沉陷变形对矿区土壤水分变化的影响，初步揭示黄土高原煤矿开采区土壤水分变化的规律性。

1试验数据

陕西彬长大佛寺矿区典型的黄土沟壑区，暖温带半干旱大陆性季风气候，植被类型以林草地和耕地为主，高程为835～1 266 m（图1（a））。

1.1开采工作面地表变形

40201工作面走向长度1 415 m，倾向宽度300 m，开采面积424 500 m2，平均开采厚度6.7 m（图1（b））。随着地下开采工作面的推进，地表发生大范围的沉陷和变形，最大下沉量超过5.0 m，并产生大量的台阶状地表裂缝，尤其在工作面边缘拉伸裂缝密集分布，部分成为永久裂缝，存在不可恢复性（图2）。

1.2试验数据

Sentinel-1A选择IW模式的GRD数据[16]。影像极化方式分为2种，分别是VV和VH，研究表明VV极化对于土壤水分相比VH极化更为敏感[17]，选择VV极化进行土壤水分反演。SAR影像经过轨道校正、热噪声去除、辐射定标、多视、滤波和地理校正等预处理[18]，得到VV极化的后向散射系数图像。Sentinel-2A下载的产品级别为Level-1C，对影像进行大气校正、重采样、裁剪等预处理。

DEM数据选择SRTM 30 m分辨率的高程数据，分别提取高程、坡向、坡度3个地形因子。在彬长大佛寺矿区使用 HD2便携式土壤剖面水分速测仪在野外实地测定了72个样点的土壤含水量，利用实测数据对遥感影像反演模型进行统计建模和验证。为了分析煤矿开采沉陷变形区域与未受采动影响的对照区域土壤水分变化的不同分布特征，降雨后在沉陷变形区和对照区分别选取了6个监测点，同时在距离采动裂缝10，40，80和200 cm的不同位置使用HOBO小型土壤水分监测系统连接EC-5土壤水分传感器，进行连续5 d的土壤水分变化监测。

2研究方法

2.1水云模型

由于地表植被覆盖，雷达信号会受到植被的影响而造成衰减。采用ATTEMA和ULABY提出的水云模型来解决植被覆盖区的微波散射问题[19]，可提高微波对土壤水分的敏感性，从而更准确地反演土壤水分。模型是零阶模型，能简明地表达植被层的后向散射情况，具有输入参数少、实施方便等优势，被广泛应用于草地和农作物等低矮植被，但需要获取植被水分的信息参数。NDWI作为一种指数，具有极强的水分变化特性，可以有效地检测出植被水分的变化。文献[20]利用实测小麦含水量，基于NDWI、NDVI和EVI进行小麦含水量反演，发现TM影像提取的归一化水分指数（NDWI）反演精度较好，利用NDWI进行植被含水量的反演，可以准确地估测出植物的水分状况。由于矿区植被分布以低矮植被为主，用文献[21]建立的经验数据模型来计算植被含水量。

由72个实地采样点的坐标在ArcMap软件利用值提取功能，获得水云模型VV极化去除植被前后的后向散射系数，将植被的影响去除之后，VV极化的后向散射系数产生衰减，衰减数值的多少取决于植被覆盖度和原始后向散射系数值，VV极化减少约为0.12～1.71 dB，这表明植被的影响不可忽视，且表明C波段的雷达电磁波在穿过低矮的植物时，后向散射系数的影响要远远超过了植被[22]（图3）。

2.2土壤水分反演模型

以支持向量机回归为基础，构建土壤水分预测模型。SVM在回归问题中，要求2类样本点的分离度尽可能低，还要求它们之间的总偏差尽可能小，便达到最佳的分类效果，意味着SVM不仅考虑了分类准确性，还考虑了样本点与超平面之间的距离尽可能的小。因此，SVM在处理回归问题时能够更好地拟合数据[23]。通过随机抽样的方式，把数据集划分成2组，每组的70%用于模型的训练，30%用于模型的评估。将训练数据集{（x1，y1），（x2，y2），…，（xm，ym）}拟合到超平面y=f（x），其中：xm为输入样本，xm∈Rm；ym为输出样本，ym∈Rn；m=1，2，…，l，l为样本数。

试验使用决定系数和均方根误差作为评价指标，对土壤水分反演模型的试验结果进行精度评价[24]。决定系数是衡量模型拟合优度的指标，取值范围在0到1，值越接近1表示模型对观测数据的拟合程度越好。均方根误差是衡量模型预测误差的指标，表示在预测值和真实值之间的产生的平均差异程度，数值越小预测精度越高。

2.3土壤含水量空间权重确定

土壤水分空间变化受到多个因子的共同影响[25]。鉴于研究区范围较小，区域内土地利用类型、降水、土壤特性的空间分异性很小。利用DEM数据提取高程、坡度和坡向等地形因子进行相关性分析，更好的理解这些因素对土壤水分变化的影响。将遥感反演的土壤水分信息进行干旱等级分类，土壤含水量在0～10%划为干旱等级，10%～15%为较干旱，15%～20%为较湿润，大于20%为湿润。采用分布指数来衡量一个区域内某一含水量等级的优势程度[26]，当分布指数大于1时，等级属于优势分布。优势分布等级反映了不同因子所对应的土壤水分等级的分布情况，优势分布等级指数越高，代表优势度越大。

3结果和讨论

3.1支持向量机反演土壤水分结果

为了证实反演数据的合理性，利用72个采样点的土壤水分信息进行支持向量机的回归建模，其中50个样点用于训练，22个样点用于验证。使用Libsvm软件包，通过归一化处理提高模型的准确性，利用交叉验证格网搜索法来确定模型的最佳参数[27]。

通过找到最优解构建了预测函数，并将测试集数据输入该函数，从而得到了土壤水分含量的反演值。在支持向量机回归建模时，输入变量为VV极化去除植被后的后向散射系数，土壤水分含量作为输出变量，通过数据的实测值和预测值，作出2种相关性曲线，在建模集图4（a）中R2为072，RMSE为1.67%，验证集图4（b）中R2为083，RMSE为157%。

通过土壤水分反演得到矿区土壤水分的空间分布，从反演结果发现，在黄土沟壑区域基岩出露于沟谷的底部，沟壑发育，植被覆盖度较高，土壤含水量相对较高。黄土台塬区属于平坦开阔的地区，地表蒸散强烈，土壤含水量相对较低（图5）。

由于土壤水分存在较强的空间异质性，各个环境因子对土壤水分会产生不同的影响，其中最主要因素是地形和气候。在半干旱地区，降雨气温对土壤水分蒸发和入渗有着直接影响，地形主要对土壤水分运移产生一定的影响。沟壑区土壤水分较高，这是由于受重力和坡度的影响，土壤水分易从高处流于低处，在沟壑形成积累，结果与文献[28]研究结果一致。

3.2土壤水分与地形因子的关系

为了研究高程变化对土壤水分的影响，将高程划分为E1＜975 m，975 m＜E2＜1 065 m，1 065 m＜E3＜1 151 m，E4＞1 151 m。同时将土壤含水量分为干旱、较干旱、较湿润、湿润4个等级[29]，对土壤水分反演结果与高程的关系进行计算分析。当E1＜975 m时，土壤水分等级的分布指数为较湿润（1.17）＞干旱（1.04）＞较干旱（0.95）＞湿润（0.77），较湿润在此区间属于优势分布；高程在E2和E3范围时，处于黄土沟壑区，植被较多土壤水分以湿润为主；当高程E4＞1 151 m时，以较干旱等级为主，其分布指数为1.21。由于高程越高时，受到的太阳辐射强度增大，土壤水分蒸发较快（表1）。

坡度范围是0°～45°，将坡度分为5个等级，对应坡度为0°～6°，6°～14°，14°～24°，24°～34°，34°～45°。统计不同坡度的样本土壤水分数据，得出不同坡度等级下的土壤水分等级。坡度为0°～6°和6°～14°时，较干旱分布指数为1.26和1.07，其优势分布为较干旱>干旱>较湿润>湿润，表明在较平坦地区土壤含水量相对较低；坡度为14°～24°时，湿润和较湿润等级处于优势的分布特征；在坡度为24°～34°和34°～45°时，湿润的分布指数为2.27，2.36，属于优势分布（表2）。

土壤水分往往同时受到坡向与植被的综合影响。地表的坡向直接影响了水、光和热等多个自然条件，进而间接影响土壤的特征。坡向的取值按照顺时针方向计算，范围为0°～360°，正北方向为0°[30]。可以将坡向分为5个等级：无坡向分为-1°～0°、阴坡分为0°～67.5°和337.5°～360°、半阴坡分为67.5°～112.5°和292.5°～337.5°、阳坡分为157.5°～247.5°、半阳坡分为112.5°～1575°和247.5°～292.5°。对土壤水分数据和坡向数据信息进行统计分析，得出不同坡向等级下的土壤水分等级的分布指数。无坡向即平地条件下，土壤水分的分布指数为较干旱（1.04）>干旱（0.96）>较湿润（0.93）>湿润（0.87），较干旱占主导优势；阴坡和半阴坡以湿润为主，在阳坡和半阳坡时以干旱为主。阳坡接受的太阳辐射量明显较大，造成土壤水分蒸发量大，土壤水分较低（表3）。

未旋转的公因子方差隐含了土壤水分和各地形因子之间的多重相关性（表4），分析所得的各成分的贡献率，来确定主成分个数，因子是否保留的原则是由相关矩阵的特征值决定的，当特征值大于1，则保留为主成分，坡度为主成分因子。通过主成分分析，主要影响土壤水分空间分布特征的是坡度因子为主要因素，坡向的影响程度次之，高程最小（表5）。土壤含水量在坡度大时以湿润分布为主，且阴坡大于阳坡，与文献[31]和文献[32]等研究结果一致。

3.3開采沉陷变形对土壤水分的扰动影响

地表水资源分布与地貌、降水、土地特性等因素相关，地表水和地下水主要来自大气降水，降雨是造成土壤水分发生变化的重要因素，特别是在半干旱的黄土高原矿区，土壤水分的时空变异与地貌和降雨特征密切相关。降雨发生2 d后，40201工作面开采沉陷区及周边未受开采影响的对照区域，各选取6个样点连续5 d观测，选取点间隔为10～20 m（表6）。

在开采沉陷变形区土壤水分变异系数达到了19.85%，在未受开采影响的对照区最低仅为381%。土壤水分的变异系数描述了土壤水分运动的活跃程度，值越大的情况下，意味着土壤干湿交替越频繁。降雨后开采沉陷变形区的土壤含水量多数是先升高再降低，趋于稳定状态，少数样点含水量直接降低，具有不规则性，而对照区的土壤含水量都是先升高再降低，然后又有所升高，其变化趋势较为一致（图6）。开采沉陷变形区的土壤含水量受降雨影响更为显著，降雨结束后土壤含水量变得更高，变化特征也更為复杂，表明采煤活动引起的地表裂缝对土壤水分造成明显的扰动影响。

由于地下水和降雨往往优先进入采动地表裂缝，这导致裂缝周围的土壤水分特征与其他区域存在一定的差异性。在开采沉陷变形区选取一条典型的拉张型裂缝，两侧无台阶、无落差，呈直线状，裂缝宽度为15 cm，在距裂缝10，40，80和200 cm的位置设置土壤含水量监测点。降雨后5 d内裂缝周边土壤含水量变化，距离裂缝最近10 cm处土壤含水量是复杂多变的，80 cm处土壤含水量总体最低，200 cm处土壤含水量总体最高（图7）。随着与裂缝距离的增加降雨后土壤水分的变化处于稳定状态，呈现先升高后降低，且距离裂缝最远土壤含水量最高，变化影响最小。主要原因是由于地表受到拉张破坏，土壤结构松散，改变了降雨后周围的土壤水分分布，距离裂缝越近土壤持水能力越差。

4结论

1）SVM回归算法构建的黄土高原煤矿开采区土壤水分反演模型具有较高的精度。分析大佛寺煤矿区土壤水分变化的空间分布特征，发现土壤水分易于在沟壑区积累，其土壤含水量更高。

2）黄土高原煤矿区土壤水分分布与坡度、坡向和高程等地形因子密切相关，其中坡度因子对土壤水分的影响最大。

3）开采沉陷变形区相比未受采动影响区的土壤水分变化更为复杂多变，其变异系数更大。降雨后，沉陷变形区的土壤水分呈现先升高后降低或直接降低的变化特征，而采动裂缝周边土壤水分变化与距离裂缝的远近相关，表明开采引起的地表变形及裂缝对土壤水分造成显著的扰动影响。

参考文献（References）：

[1]柳宁，赵晓光，解海军，等．榆神府地区煤炭开采对地下水资源的影响［J］．西安科技大学学报，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]聂文杰，赵晓光，杜华栋，等． 榆神府矿区不同导水裂隙发育对地表土壤性质的影响［J］．西安科技大学学报，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]罗晓霞，王万.多模型融合风化基岩富水性预测[J].西安科技大学学报，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]芦家欣，汤伏全，赵军仪，等.黄土矿区开采沉陷与地表损害研究述评[J].西安科技大学学报，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，汤伏全，马婷，等.基于时序遥感的黄土矿区耕地变化动态监测——以大佛寺矿区为例[J].煤炭科学技术，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]刘巧妮，刘钰辉.大佛寺4#煤水热处理结果对煤润湿性的指示意义[J].西安科技大学学报，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，肖乐乐，等.宁正煤田侏罗系煤层顶板富水性及涌（突）水风险评价[J].西安科技大学学报，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，赵少杰，蒋玲梅.被动微波遥感土壤水分产品降尺度方法研究综述[J].北京师范大学学报（自然科学版），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]章晓洁，邓艳芬，张亚超，等.利用Sentinel-2A多光谱成像仪与Landsat 8陆地成像仪影像进行普陀山岛植被分类效果比较[J].测绘通报，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]吴青云，高飞，李振轩，等.Sentinel-2A与Landsat 8数据在植被覆盖度遥感估算中的比较[J].测绘通报，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]马威，陈登魁，杨娜，等.时序双极化SAR开采沉陷区土壤水分估计[J].遥感学报，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]方西瑶，蒋玲梅，崔慧珍.基于Sentinel-1雷达数据的青藏高原地区土壤水分反演研究[J].遥感技术与应用，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]邓小东，王宏全.土壤水分微波遥感反演算法及应用研究进展[J].浙江大学学报（农业与生命科学版），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]陈晓，李刚，陈卓奇，等.基于升降轨Sentinel-1影像的格陵兰后向散射系数入射角归一化方法[J].遥感学报，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]张友静，王军战，鲍艳松.多源遥感数据反演土壤水分方法[J].水科学进展，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]赵昕，黄妮，宋现锋，等.基于Radarsat 2与Landsat 8协同反演植被覆盖地表土壤水分的一种新方法[J].红外与毫米波学报，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，汪廷华，胡振威.模糊多核支持向量机研究进展[J].计算机应用研究，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，黄秋昊，石云.黄土丘陵区土地利用变化与地形梯度关系研究[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]程梦园，曹广超，赵美亮，等.香日德-柴达木河流域土壤湿度时空变化特征及其影响因素[J].干旱区研究，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，张文江，田云鋒，等.基于SBAS-InSAR方法的岷江上游峡谷区地表沉降的坡向分异规律研究[J].遥感技术与应用，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]艾宁，宗巧鱼，刘广全，等.陕北黄土区浅沟土壤水分空间分布特征［J］.水土保持学报，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]邱德勋，赵佰礼，尹殿胜，等.黄土丘陵沟壑区土壤水分垂直变异及影响因素［J］.中国水土保持科学（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.

（责任编辑：李克永）