周逍峰，聶 艷，劉秀蕓，梁美盈，譚 盈，于 婧

（1. 華中師范大學地理過程分析與模擬湖北省重點實驗室，湖北武漢430079；2. 湖北大學資源環(huán)境學院，武漢430062）

0 引言

土壤濕度又稱土壤含水量，是水文、氣候、生物、生態(tài)過程、環(huán)境、農(nóng)業(yè)等領(lǐng)域的重要參數(shù)，作為陸地和大氣相互作用過程中的關(guān)鍵變量，在地表—大氣間的水分和能量交換中起到調(diào)控和支配作用［1］，它的時空分布及演變特征對于掌握地表的熱量平衡、水分蒸散、農(nóng)業(yè)墑情等信息十分重要。傳統(tǒng)的土壤濕度測量技術(shù)能夠精確地提供單點的土壤濕度，但區(qū)域代表性有限，不能滿足大范圍土壤濕度動態(tài)監(jiān)測的需求。遙感技術(shù)的出現(xiàn)彌補了這一缺陷［2-3］，通過光學遙感影像獲取的植被指數(shù)可以指示植被的生長狀態(tài)，進而表征土壤濕度對植被生長的影響。如1972年P(guān)earson等［4］人為了估算和監(jiān)測植被覆蓋，最早提出了比值植被指數(shù)（Ratio Vegetation Index，RVI），RVI雖然強化了植被在近紅外和紅外波段反射率的差異，但在實際應用中存在對低植被覆蓋區(qū)分辨能力弱的缺點；Rouse等人［5］在RVI的基礎上，進行非線性歸一化處理后提出了歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），NDVI對植被響應能力較強，是目前應用最廣的植被指數(shù)。近年來也有眾多學者利用植被指數(shù)來反演土壤濕度，例如Mallick等人［6］利用地表溫度和NDVI估算耕地的地表濕度；郭瑞寧等［7］利用溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）對岔口流域的土壤濕度時空分布進行研究；李海霞等人［8］基于MOIDS數(shù)據(jù)，利用植被指數(shù)和地表溫度（Surface Temperature，Ts）構(gòu)建特征空間來分析新疆地區(qū)的土壤干濕狀況。但是，大多數(shù)研究都沒有考慮尺度效應對土壤濕度反演的影響。李亮亮等人［9］發(fā)現(xiàn)隨著采樣尺度的增大，土壤水分的空間變異性也增大；Friedl等人［10］的研究表明不同像元尺度下獲取的植被指數(shù)對于土壤濕度的反演效果存在差異，因此要實現(xiàn)準確的土壤墑情遙感監(jiān)測，高分辨率的遙感數(shù)據(jù)成為首要選擇。

高分一號（GF-1）遙感衛(wèi)星作為中國高分辨率對地觀測系統(tǒng)國家科技重大專項的首發(fā)星，在農(nóng)業(yè)監(jiān)測與評估應用方面具有獨特的優(yōu)勢，因其較高的空間分辨率和較大的成像幅寬可以滿足大范圍的土壤濕度監(jiān)測需求［11］。本文基于植被指數(shù)對土壤濕度的響應特征，利用光學遙感數(shù)據(jù)中獲取的植被供水指數(shù)（Vegetation Supply Water Index，VSWI）反演西藏那曲地區(qū)土壤濕度，結(jié)合高分辨率的遙感數(shù)據(jù)（GF-1）和中低分辨率的遙感數(shù)據(jù)（Landsat、MODIS）分別建立土壤濕度反演模型，通過比較不同空間尺度反演模型的精度和適用性，拓寬國產(chǎn)高分遙感數(shù)據(jù)在農(nóng)牧業(yè)信息定量獲取方面的應用范圍，為“天地網(wǎng)一體化”的現(xiàn)代農(nóng)業(yè)信息獲取和農(nóng)情信息遙感監(jiān)測提供理論基礎。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

本研究試驗區(qū)位于西藏自治區(qū)北部的青藏高原腹地，地處唐古拉山脈、念青唐古拉山脈和岡底斯山脈之間，位于羌塘高原的東端（圖1）。該地區(qū)屬典型高原亞寒帶半干旱季風氣候，平均海拔在4 750 m以上，屬高原丘陵地形。年平均氣溫為-2.2℃，年降水量在400 mm以上，年日照時數(shù)為2 886 h以上。5—10月為夏季，冬季降雨稀少，并存在一定厚度的凍土層。土壤質(zhì)地主要為淤泥（體積約占50%）和沙土（體積約占46%），表層土壤的有機碳含量較高，但隨土層深度的增加有機碳含量逐漸降低。高山草甸是該區(qū)域的主要植被類型，作為中國重要的畜牧業(yè)生產(chǎn)基地，掌握該區(qū)域的土壤濕度變化對于農(nóng)牧估產(chǎn)具有重要意義。

考慮到研究區(qū)內(nèi)存在凍土，4月下旬至10月中旬，高寒生態(tài)系統(tǒng)土壤活動層處于完全解凍狀態(tài)［12］，為了減少地表凍土對土壤濕度反演的影響，選擇夏季6月天然牧草生長期進行土壤濕度反演研究。

圖1 研究區(qū)位置Fig.1 Location of study area

1.2 數(shù)據(jù)采集與處理

本文采用GF-1 WFV（Wide Field View，WFV）、Landsat-8和MODIS的遙感影像數(shù)據(jù)，以成像時間接近和云量少為原則，獲取研究區(qū)夏季的GF-1、Landsat-8和MODIS 3景影像，成像日期分別為2014年6月6日、6月10日和6月18日。GF-1數(shù)據(jù)為中國資源衛(wèi)星應用中心提供的WFV1多光譜數(shù)據(jù)產(chǎn)品，空間分辨率為16 m；Landsat-8數(shù)據(jù)為地理空間數(shù)據(jù)云下載的30 m空間分辨率的L1T級地形校正產(chǎn)品；MODIS數(shù)據(jù)采用由NASA官方網(wǎng)站提供的MODIS09A1 500 m空間分辨率8 d地表反射率合成產(chǎn)品。

土壤濕度實測數(shù)據(jù)來自青藏高原科學數(shù)據(jù)中心的青藏高原中部土壤濕度多尺度觀測網(wǎng)數(shù)據(jù)集網(wǎng)站（http：//www.tpedatabase.cn/portal/index.jsp）。通過安裝在ECH2O土壤含水量監(jiān)測系統(tǒng)上的5TM，EC-TM電容探針，獲得0～5 cm、10 cm、20 cm和40 cm四個觀測深度的土壤溫度、濕度數(shù)據(jù)，測量精度分別為±1℃和±3%VWC（Volumetric Water Content，VWC）。該數(shù)據(jù)集包含57個觀測站30 min分辨率和每日分辨率的2010—2014年大、中、小3個觀測網(wǎng)絡的土壤濕度和溫度數(shù)據(jù)。數(shù)據(jù)集包含3個典型空間尺度，分別對應GCM網(wǎng)絡（1°）、被動版微波衛(wèi)星像元（0.3°）以及雷達衛(wèi)星像元（0.1°）［13］。本研究采用2014年6月30 min分辨率的土壤濕度、溫度數(shù)據(jù)，選取與遙感影像成像日期接近的數(shù)據(jù)源，除去因冰雪覆蓋、設備故障導致的無效樣點。GF-1、Landsat-8和MODIS影像成像日期中有效樣點數(shù)分別為45、49和49，其中各預留10個監(jiān)測站點作為檢驗樣本點，對土壤濕度反演模型進行驗證，其余樣點作為建模樣本點，用于構(gòu)建土壤濕度反演模型，樣點分布如圖2。

對影像數(shù)據(jù)進行坐標系轉(zhuǎn)換、幾何精校正、輻射定標、大氣校正、影像裁剪等預處理操作，各遙感影像的坐標系統(tǒng)一為WGS-84地理坐標系。

圖2 研究區(qū)樣點分布Fig.2 Sample point distribution in the study area

1.3 研究方法

VSWI由Carlson提出，它有效結(jié)合植被冠層溫度Ts和歸一化植被指數(shù)NDVI 2種土壤濕度監(jiān)測指標，綜合考慮作物缺水時紅外-近紅外以及熱紅外波段的響應，能夠有效反映土壤的濕度狀況，VSWI和NDVI的計算公式如下：

式中，Rnir代表近紅外波段，Rred代表紅光波段，NDVI適合在低植被覆蓋地區(qū)表征植被的生長狀態(tài)［14-15］，Ts代表的是植被冠層溫度，可近似看為地表溫度［16-17］。作物供水正常時，蒸騰作用旺盛，作物冠層溫度保持穩(wěn)定；當供水不足時，作物因為水分脅迫關(guān)閉部分氣孔，導致冠層溫度升高。通過VSWI的計算公式可以推導出，VSWI和土壤濕度存在明顯的正相關(guān)關(guān)系。

本文研究是根據(jù)遙感影像計算并提取出各樣點處的NDVI值，基于植被冠層溫度可近似看作地表溫度的假設，通過反演的地表溫度Ts計算得到植被供水指數(shù)VSWI，將VSWI和對應的土壤實測濕度值采用線性公式擬合計算，建立土壤濕度反演模型：

式中，S為土壤濕度監(jiān)測站點實測的土壤濕度，a、b為線性公式擬合系數(shù)。

2 土壤濕度反演的最適深度分析

在構(gòu)建土壤濕度反演模型之前，首先探討VSWI指數(shù)對土壤濕度反演的最優(yōu)深度，對實測的不同深度土壤濕度數(shù)據(jù)與通過遙感數(shù)據(jù)獲得的VSWI指數(shù)做相關(guān)性分析，選用Landsat-8的遙感數(shù)據(jù)作為遙感數(shù)據(jù)源的代表。利用ENVI軟件提取遙感影像上每一個樣本點像元處的NDVI值，將NDVI值與實測的Ts值代入VSWI的計算公式得出每一個樣點處的VSWI值，將不同深度的土壤實測濕度與樣本點的VSWI值分別進行線性擬合，不同土壤深度濕度值與VSWI的擬合效果如表1。

表1 Landsat-8不同深度的土壤濕度與VSWI模型的線性關(guān)系Table1 Linear relationship of Landsat-8 between soil moisture at different depths and VSWI model

由表1可知，各土壤深度與VSWI線性回歸效果由好到差依次為10 cm，20 cm，5 cm，40 cm，除40 cm土壤深度樣本與VSWI沒有表現(xiàn)出任何相關(guān)性外，其余3個深度樣本與VSWI模型具有較好的正相關(guān)關(guān)系，并且均通過了顯著性檢驗（P＜0.01），說明利用植被供水指數(shù)法進行土壤濕度反演的有效深度可以達到20 cm，但隨著土壤深度的增加，VSWI對土壤濕度的響應減弱，反演精度明顯降低。

在0～20 cm深度范圍內(nèi)，相較于5 cm和20 cm，10 cm深度的土壤濕度與VSWI的決定系數(shù)最高，即擬合效果最佳。VSWI與土壤濕度的相關(guān)關(guān)系沒有隨深度增加而降低，反而在10 cm達到最大，原因可能是雖然研究中利用的遙感影像與土壤濕度實測值的獲取時間基本同步，但0～5 cm深度的表層土壤濕度極易受到地面風速、灌溉方式等外在因素的影響，表現(xiàn)出較大的不穩(wěn)定性，同時其變化具有瞬時性，導致遙感影像難以獲得土壤濕度的瞬時特征［18］。而當土壤深度處于10 cm左右時，土壤濕度的變化較為穩(wěn)定，受外界的干擾較小，其濕度狀況與遙感影像獲取的光譜特征較為一致，因此VSWI與土壤濕度的相關(guān)性也較高。此外，20 cm的土壤濕度與VSWI的相關(guān)性沒有隨土壤深度的增加而明顯降低也表明了VSWI對土壤深度的變化并不敏感，在一定深度范圍內(nèi)其反演精度不會隨土壤深度的增加而降低。

綜上所述，本文利用研究區(qū)10 cm深度的土壤濕度數(shù)據(jù)與通過不同遙感數(shù)據(jù)源獲取的VSWI構(gòu)建土壤濕度反演模型，以比較不同遙感數(shù)據(jù)在研究區(qū)土壤濕度反演中的精度和適用性。

3 土壤濕度反演模型的建立與檢驗

3.1 土壤濕度反演模型的構(gòu)建

借助ENVI工具，分別對3種遙感數(shù)據(jù)進行處理，利用前述方法計算出每個建模樣本點處的VSWI值，與建模樣本點實測得到的10 cm土壤濕度數(shù)據(jù)在SPSS上進行相關(guān)性分析，并進行線性擬合構(gòu)建土壤濕度反演模型，GF-1、Landsat-8和MODIS模型的建模樣點數(shù)分別為35、39和39。結(jié)果顯示，各數(shù)據(jù)源得到的VSWI與10 cm深度的土壤濕度均呈良好的正相關(guān)關(guān)系，即VSWI值越大，土壤濕度越高。各模型的決定系數(shù)均在0.44以上，并通過顯著性檢驗（P＜0.01），說明基于3種遙感數(shù)據(jù)構(gòu)建的土壤濕度反演模型在一定程度上都能夠較好地反映土壤濕度的實際狀況。其中，基于GF-1構(gòu)建的反演模型決定系數(shù)最高（0.570 2）且標準誤差最?。?.048），說明該模型具有較高的穩(wěn)定性和預測能力，建模效果最好，體現(xiàn)了VSWI與高分辨率影像結(jié)合的優(yōu)勢。而Landsat-8模型的決定系數(shù)為0.509 3，標準誤差為0.053，擬合效果次之；MODIS模型的決定系數(shù)和標準誤差分別為0.441 6、0.058，擬合效果一般。各反演模型的擬合效果如圖3所示。

圖3 基于不同遙感數(shù)據(jù)的VSWI與土壤濕度線性擬合模型Fig.3 Linear fitting of VSWI and soil moisture based on different remote sensing data sources

3.2 反演模型精度驗證與評價

基于預處理后的3幅遙感影像，利用前面建立的3種土壤濕度指數(shù)反演模型，經(jīng)反演分別獲取10個驗證樣本點的植被供水指數(shù)及其所對應的土壤濕度值，將反演值與對應驗證樣點的實測土壤濕度值進行對比分析，計算各模型的相關(guān)系數(shù)R、均方根誤差RMSE和平均絕對誤差MAE，驗證和定量評價3種模型的精度，檢驗結(jié)果見表2。

表2 VSWI模型反演結(jié)果誤差檢驗Table2 Error test of inversion result based on VSWI model

結(jié)果表明，根據(jù)GF-1、Landsat-8和MODIS構(gòu)建的反演模型得到的土壤濕度值與實測值的相關(guān)系數(shù)分別為0.730 2、0.556 6和0.538 9，均有較好的正相關(guān)關(guān)系。其中GF-1模型的相關(guān)性更為突出，說明利用該模型反演得到的濕度值更接近土壤濕度的真實水平。均方根誤差（RMSE）是衡量預測值與真實值之間的偏差，RMSE越大，說明預測值與真實值的偏離程度越大，模型的精度越低。平均絕對誤差（MAE）反映預測值誤差的實際情況，MAE越小，模型的預測結(jié)果越準確?？傮w來說，3個反演模型的RMSE和MAE遠低于10%，模型的反演精度較高，具有一定的可靠性。相較MODIS模型而言，GF-1和Landsat-8模型的RMSE和MAE數(shù)值接近，且誤差值較低，反演效果更好。

4 研究區(qū)土壤濕度反演結(jié)果分析

以經(jīng)過預處理的GF-1、Landsat-8、MODIS遙感影像為基礎，利用ENVI工具分別計算3幅遙感影像每個像元處的VSWI值，并根據(jù)前述構(gòu)建的3種土壤濕度反演模型計算每個像元的土壤濕度，得到研究區(qū)土壤濕度反演結(jié)果分布圖（圖4）。因為Landsat-8的熱紅外波段分辨率較高，因此研究區(qū)的地表溫度Ts根據(jù)Landsat-8的熱紅外波段通過輻射傳輸方程法反演得到，輻射傳輸方程需要用到的氣壓、溫度、相對濕度等大氣參數(shù)，通過中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/）查詢得到。

土壤濕度反演分布圖可直觀展示研究區(qū)土壤濕度的空間分布情況，像元顏色由紅色至藍色表示土壤濕度值逐漸增加，研究區(qū)土壤濕度集中分布在10%～35%之間，與監(jiān)測站點實測的土壤濕度范圍大致相同。根據(jù)站點實測濕度數(shù)據(jù)，GF-1、Landsat-8和MODIS 3幅遙感影像成像日期對應的10 cm深度的土壤濕度均值分別為20.2%、22.5%和18.9%，由土壤濕度反演分布圖可見，MODIS反演圖中占比較大的為紅色和黃色像元，GF-1反演圖中是黃色和綠色像元，Landsat-8反演結(jié)果圖中是綠色和藍色像元，說明MODIS、GF-1、Landsat-8遙感影像反演的土壤濕度水平依次增大，與實測數(shù)據(jù)結(jié)果相符。

圖4 研究區(qū)土壤濕度反演分布Fig.4 Distribution of soil moisture inversion results in the study area

基于GF-1、Landsat-8和MODIS遙感影像通過VSWI反演得到的土壤濕度在空間分布上整體均呈現(xiàn)由東南部向西北部遞減的趨勢，即東部和南部地區(qū)較為濕潤，西部和北部地區(qū)較為干旱。東部和南部地區(qū)的像元顏色以藍色、綠色為主，這可能是因為研究區(qū)的東南部為高海拔山區(qū)，海拔高的地方有雨水補給，土壤濕度相對較大［19］，而研究區(qū)的中部地區(qū)和西部地區(qū)像元顏色主要為紅色和黃色，可能是因為中部和西部地區(qū)分別為那曲縣城城區(qū)和裸土區(qū)，植被稀少，因此土壤濕度較低。反演結(jié)果的土壤濕度空間分布特征與實際情況相符合，說明利用VSWI反演研究區(qū)的土壤濕度具有一定可靠性，反演效果較好。

GF-1、Landsat-8和MODIS分別代表高、中、低3種不同分辨率的遙感影像，空間分辨率分別為16 m、30 m和500 m，分辨率的不同導致了反演效果的差異?；贛ODIS影像反演得到的土壤濕度呈現(xiàn)集中、連片的分布特點，像元間的濕度差異不明顯，說明較低分辨率的MODIS影像在500 m像元尺度上對地表信息進行了綜合概括，難以突出土壤濕度的細節(jié)信息。而基于GF-1和Landsat-8影像得到的土壤濕度反演分布圖中，相鄰像元的顏色差異較大，能夠較好地反映研究區(qū)土壤濕度的空間異質(zhì)性，體現(xiàn)了中高分辨率遙感影像在土壤濕度反演中的優(yōu)勢。

結(jié)合遙感影像和那曲地區(qū)的土地利用類型圖可知，在植被覆蓋度不同的區(qū)域，3種傳感器的誤差表現(xiàn)形式不同，在低植被覆蓋度地區(qū)，Landsat-8和MODIS模型土壤濕度反演結(jié)果差異較大，而在高植被覆蓋度地區(qū)，GF-1模型的土壤濕度反演結(jié)果差異較大。出現(xiàn)該差異的原因可能是，在低植被覆蓋區(qū)，由于Landsat-8和MODIS的空間分辨率較低，像元中包含了大量混合像元信息，而Landsat-8熱紅外波段的空間分辨率僅為100 m，未能對植物冠層溫度與裸露地表溫度做到有效分離［20］，導致反演的植被冠層溫度偏低，VSWI數(shù)值偏大，反演精度下降；而在高植被覆蓋區(qū)，由于NDVI進行非線性變換過程中增強了低值部分而抑制了高值部分，導致NDVI數(shù)值容易飽和，對高植被覆蓋區(qū)的敏感性降低。GF-1空間分辨率高的特點凸顯了土壤濕度反演中NDVI飽和的現(xiàn)象。

綜上，VSWI更適用于中等植被覆蓋區(qū)的土壤濕度反演，在植被覆蓋度偏高和偏低的區(qū)域，分別容易出現(xiàn)NDVI高端飽和以及冠層溫度反演結(jié)果偏低的現(xiàn)象，在一定程度上會造成VSWI模型的反演偏差。

5 結(jié)論與討論

5.1 結(jié)論

（1）本文利用Landsat-8的遙感數(shù)據(jù)，首先探討了植被供水指數(shù)的最佳反演深度，研究結(jié)果表明，在0～20 cm的土壤深度范圍內(nèi)，VSWI與土壤濕度有明顯的相關(guān)性，VSWI進行土壤濕度反演的最佳深度為10 cm；表明光學遙感技術(shù)在反演深度上與微波遙感技術(shù)相比有較明顯的優(yōu)勢，更適合作為大范圍、多層次的土壤濕度遙感監(jiān)測手段。

（2）在上述結(jié)論的基礎上，基于GF-1、Landsat-8和MODIS遙感影像構(gòu)建土壤濕度反演模型，其中GF-1反演模型的擬合優(yōu)度最高，建模效果最好。從反演效果看，GF-1和Landsat-8影像構(gòu)建的反演模型精度較高，對土壤濕度的預測能力相近，反演得到的土壤濕度分布圖中均較好地體現(xiàn)了土壤濕度的空間分異特征，總體上比MODIS數(shù)據(jù)更有優(yōu)勢。

5.2 討論

地面土壤濕度測量采用的是單點采樣，而衛(wèi)星數(shù)據(jù)的像元尺度即使是最小的GF-1號數(shù)據(jù)也為16 m，兩者存在空間尺度上的差別，一定程度上會影響反演模型的精度。這是因為土壤水分存在空間變異性，受地形地貌、植被覆蓋、氣候等各種因素影響，像元尺度內(nèi)一個土壤濕度樣點難以代表整個像元的土壤濕度水平，因此后續(xù)研究需要在實地土壤采樣上考慮土壤水分的空間變異性和衛(wèi)星的像元尺度，以獲得更為準確的實測數(shù)據(jù)，提高反演模型的精度。

土壤在濕度超過0.45 cm3/cm3時水分達到飽和，此時水分對紅光和近紅外波段的吸收無法再繼續(xù)影響土壤的光譜特征，導致土壤的反射率上升，而當土壤濕度低于0.15 cm3/cm3時，衛(wèi)星傳感器對于土壤水分變化的敏感性也降低，土壤反射率基本維持不變［21］，因此通過植被供水指數(shù)來反演土壤濕度將會有一個應用范圍，反演的土壤水分處于0.15～0.45 cm3/cm3時精度較高。

通過植被供水指數(shù)來反演土壤濕度有一定滯后性，后續(xù)研究應將遙感成像日期與實測土壤濕度日期之間存在的時間差考慮進來，進一步提高反演的時效性；研究區(qū)的地貌地形差異和植被覆蓋度的不同也會對土壤濕度反演的精確度造成影響，后續(xù)研究中，需要進一步根據(jù)不同的研究區(qū)屬性劃分反演分區(qū)，選擇不同的植被指數(shù)，構(gòu)建適合不同分區(qū)的反演模型，提高遙感反演監(jiān)測土壤墑情的精確性和適用性。