基于表觀熱慣量與溫度植被指數(shù)的FY-3B土壤水分降尺度研究

宋承運(yùn)，胡光成，王艷麗，湯超

(1.安徽理工大學(xué)空間信息與測繪工程學(xué)院，淮南 232001；2.中國科學(xué)院空天信息創(chuàng)新研究院遙感科學(xué)國家重點(diǎn)實驗室，北京 100101)

0 引言

利用遙感技術(shù)監(jiān)測土壤水分具有快速、宏觀、周期觀測等優(yōu)勢，一直是農(nóng)業(yè)、氣候、水文等研究領(lǐng)域的熱點(diǎn)[1]。與可見光、紅外波段相比，微波遙感監(jiān)測土壤水分，具有對土壤水分敏感、全天時、全天候等優(yōu)勢，是土壤水分遙感反演的常用方法，其中，由國產(chǎn)風(fēng)云三號氣象衛(wèi)星B星FY-3B與C星FY-3C搭載的微波成像儀觀測數(shù)據(jù)反演的FY-3B土壤水分可以提供2011年7月至今土壤水分產(chǎn)品，為大尺度下土壤水分變化提供了長時序有效的數(shù)據(jù)支持。但由于微波成像儀與獲取的數(shù)據(jù)空間分辨率較低，反演得到的土壤水分空間分辨率為25 km，在區(qū)域尺度下應(yīng)用受到限制[2]。因此，如何由低分辨率FY-3B土壤水分產(chǎn)品降尺度得到高分辨率土壤水分對于土壤水分遙感產(chǎn)品在氣象、農(nóng)業(yè)、生態(tài)、林業(yè)等領(lǐng)域的應(yīng)用，以及國產(chǎn)衛(wèi)星數(shù)據(jù)的應(yīng)用等方面具有重要的意義。

事實上，土壤水分降尺度已有許多研究[3-5]，其中，結(jié)合可見光、紅外遙感數(shù)據(jù)土壤水分監(jiān)測模型的降尺度方法具有算法簡單、數(shù)據(jù)獲取可行性高等特點(diǎn)，是一種可操作性較高的方法。Chauhan等[6]利用地表溫度、植被指數(shù)構(gòu)成的特征空間中構(gòu)成“不規(guī)則三角形”的特點(diǎn)，結(jié)合地表反照率構(gòu)建土壤水分降尺度模型;Piles等[7]在此基礎(chǔ)上通過增加微波亮溫數(shù)據(jù)對SMOS土壤水分降尺度；曹永攀等[8]利用溫度植被干旱指數(shù)(temperature vegetation dryness index，TVDI)估算土壤水分經(jīng)驗?zāi)Ｐ蛯MSR-E土壤水分進(jìn)行降尺度；孟祥金等[9]建立基于TVDI的空間權(quán)重土壤水分降尺度模型。以及利用表觀熱慣量(apparent thermal inertia，ATI)指數(shù)模型在裸露地表或低植被覆蓋區(qū)域?qū)Y-3B土壤水分進(jìn)行降尺度也開展了相關(guān)研究[10]。Kim等[11]利用歸一化植被指數(shù)(normalized difference vegetation index,NDVI)對低分辨率CCI土壤水分進(jìn)行降尺度研究。在結(jié)合土壤水分監(jiān)測模型降尺度研究中，往往采用單一的土壤水分監(jiān)測模型進(jìn)行土壤水分降尺度，而由于單一的土壤水分監(jiān)測模型很難適用于各種干旱及植被覆蓋度環(huán)境，如基于ATI模型適用于裸露地表或低植被覆蓋區(qū)域[12]，基于溫度植被指數(shù)(temperature vegetation index,TVI)、距平植被指數(shù)(anomaly vegetation index，AVI)等模型適用于植被覆蓋度較高的區(qū)域[13]。因此，在土壤水分降尺度中，需要結(jié)合不同土壤水分監(jiān)測模型進(jìn)行研究，適應(yīng)不同的土壤水分與植被覆蓋環(huán)境下土壤水分降尺度。

在以上研究的基礎(chǔ)上，以MODIS為數(shù)據(jù)源，利用ATI與TVI估算土壤水分模型適用于不同植被覆蓋度條件的特點(diǎn)，構(gòu)建綜合ATI與TVI的土壤水分估算模型，結(jié)合FY-3B土壤水分，利用土壤水分降尺度方法，獲取高分辨率土壤水分。通過青藏高原那曲地區(qū)地面觀測數(shù)據(jù)，對降尺度方法進(jìn)行驗證分析。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)與地面觀測資料

研究區(qū)位于青藏高原那曲市東部地區(qū)，E89°50′～92°35′,N30°45′～32°15′之間(圖1)。研究區(qū)地形以高原丘陵地形為主，大多數(shù)山丘呈渾圓狀，坡度較為平緩，平均海拔4 500 m以上。氣候較周圍地區(qū)寒冷干燥，年平均氣溫-2.9～3.4℃,年日照時數(shù)為2 400～3 200 h 。年降水量400 mm以上，主要集中于6—8月。植被以草地為主，4—6 月進(jìn)入返青期,7—9月植被覆蓋度較高,長勢良好,8月下旬—10月中旬開始枯黃。

地面觀測資料由位于研究區(qū)內(nèi)的青藏高原中部土壤溫濕度多尺度觀測網(wǎng)數(shù)據(jù)集提供[14]。該數(shù)據(jù)網(wǎng)可以提供大尺度(1.0°)、中尺度(0.3°)與小尺度(0.1°)的土壤溫度與土壤水分的觀測數(shù)據(jù)，土壤水分觀測深度為0～5 cm，10 cm，20 cm和40 cm共4種深度，觀測間隔為30 min。由于FY-3B土壤水分產(chǎn)品的空間分辨率為25 km，以及微波數(shù)據(jù)只能反映地表表層的土壤信息，本次實驗選取中尺度(0.3°，如圖1所示)范圍內(nèi)的土壤水分觀測站，深度為0～5 cm的土壤水分觀測數(shù)據(jù)。

圖1 研究區(qū)高程及地面觀測站點(diǎn)示意圖Fig.1 Schematic diagram of elevation and ground observation stations in the study area

研究區(qū)內(nèi)的區(qū)域環(huán)境與地面觀測資料為區(qū)域土壤水分的監(jiān)測與分析提供了良好的條件。研究中選取雨季2014年7月與非雨季2014年10月進(jìn)行分析。

1.2 遙感數(shù)據(jù)

研究中使用的遙感數(shù)據(jù)主要為FY-3B土壤水分與MODIS反射率、地表溫度等數(shù)據(jù)。

FY-3B土壤水分由FY-3B衛(wèi)星搭配的微波成像儀觀測的亮溫數(shù)據(jù)反演得到。FY-3B衛(wèi)星采用近極地太陽同步軌道，其搭載的微波成像儀為覆蓋10.65～89 GHz波段的5個頻段10個通道被動微波輻射計。FY-3B土壤水分采用基于QP模型的雙通道土壤水分反演算法[15]，并通過與植被含水量相關(guān)的植被光學(xué)厚度校正植被影響[16]，其空間分辨率為25 km，產(chǎn)品周期為日產(chǎn)品，單位為cm3/cm3。研究中數(shù)據(jù)由“國家氣象科學(xué)數(shù)據(jù)中心”(http://data.cma.cn/site/index.html)下載2014年7月與10月份全球土壤水分產(chǎn)品，共62景影像。

MODIS地表溫度數(shù)據(jù)為MODIS每日地表溫度產(chǎn)品MYD11A1，空間分辨率為1 km；地表反射率產(chǎn)品為MYD09GA每日反射率產(chǎn)品，空間分辨率為500 m，將其重采樣至1 km；地表反照率產(chǎn)品為MCD43A3每日反照率產(chǎn)品，空間分辨率為500 m，將其重樣至1 km。MODIS數(shù)據(jù)由NASA Earthdata Search (https://search.earthdata.nasa.gov/search)下載。下載2014年7月與10月數(shù)據(jù)，共186景影像。

2 研究方法

2.1 土壤水分估算模型

2.1.1 ATI模型

土壤熱慣量是反映土壤熱變化幅度的一個重要參數(shù)，而土壤水分含量的變化是影響土壤熱變化的重要參數(shù)，因此，可以通過熱慣量反映土壤水分的變化。在實際應(yīng)用中，Price[17]提出計算較為簡便的表觀熱慣量ATI，更適合于遙感數(shù)據(jù)的應(yīng)用，可行性更高，ATI的表達(dá)式為：

ATI=(1-A)/ΔT，

(1)

式中：A為全波段反照率，由MODIS的MCD43A3反照率數(shù)據(jù)得到；ΔT為晝夜溫差，可由MODIS MYD11A1產(chǎn)品中白天與夜間的溫度計算得出。

ATI與土壤水分的關(guān)系模型中，相較于其他模型，對數(shù)模型應(yīng)用較多，在低植被覆蓋度區(qū)域土壤水分估算與降尺度研究中得到應(yīng)用[10]，其表達(dá)式為：

sm=a·ln(ATI)+b，

(2)

式中：sm為土壤水分；a和b為模型系數(shù)。

由于熱慣量是對土壤熱變化的監(jiān)測，易受到上層植被的影響，基于ATI的土壤水分估算模型更適用于裸土或低植被覆蓋度區(qū)域[18]。

2.1.2 溫度植被指數(shù)

溫度植被指數(shù)(temperature vegetation index,TVI)的原理為在植被覆蓋區(qū)域，土壤水分變低時，上層植被葉子關(guān)閉氣孔，植被冠層溫度可以反映土壤水分的變化，計算式可以表示為[19]:

(3)

式中，TS為植被冠層溫度。在實際應(yīng)用中，植被覆蓋度較高時通常采用遙感反演的地表溫度代替冠層溫度。

TVI與土壤水分之間存在線性關(guān)系[20]，其數(shù)學(xué)表達(dá)式為:

sm=c·TVI+d，

(4)

式中c和d為模型系數(shù)。

2.1.3 基于ATI與TVI的土壤水分估算模型的建立

由于ATI與TVI分別適用于裸露或低植被覆蓋區(qū)域以及高植被覆蓋區(qū)域，則綜合兩種模型的特點(diǎn)可以適合應(yīng)用于不同植被覆蓋度下的土壤水分估算。采用植被覆蓋度fc作為權(quán)重，建立基于ATI與TVI的土壤水分綜合估算模型，其數(shù)學(xué)表達(dá)式為：

sm=(1-fc)·(a·ln(ATI)+b)+fc·(c·TVI+d)，

(5)

其中，植被覆蓋度fc由MODIS計算的NDVI計算得到[21]，其表達(dá)式為：

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)，

(6)

式中NDVIsoil和NDVIveg分別為裸土或無植被覆蓋區(qū)的NDVI值與植被完全覆蓋時像元的NDVI值。

由式(5)可得：

sm=a·(1-fc)·ln(ATI)+(d-b)·fc+c·fc·TVI+b。

(7)

2.2 降尺度方法

2.2.1 降尺度模型的構(gòu)建

式(7)中經(jīng)驗系數(shù)往往需要通過實測或高分辨率土壤水分產(chǎn)品回歸分析得到，其中，高分辨率土壤水分smH可通過均值升尺度方法得到低分辨率土壤水分smL即：

(8)

式中：smHi為高分辨率像元i的土壤水分；n為低分辨率一個像元覆蓋范圍內(nèi)高分辨率數(shù)據(jù)像元的個數(shù)。

將式(7)代入式(8)中，得：

(9)

式中fci，(ln(ATI)i)和TVIi分別為高分辨率像元i的fc，ln(ATI)和TVI。

式(9)建立起低分辨率土壤水分與式(7)經(jīng)驗系數(shù)關(guān)系式，經(jīng)回歸分析，可得模型系數(shù)a，b，c，d，并代入式(7)中，得到降尺度后高分辨率土壤水分。

2.2.2 土壤水分殘差再分配

降尺度后的土壤水分經(jīng)均值升尺度后得到的低分辨率土壤水分值應(yīng)與FY-3B土壤水分值相同，但在實際應(yīng)用中，兩者之間存在差值Δsm，其表達(dá)式為：

Δsm=smL-smHL，

(10)

式中，smHL為降尺度后土壤水分經(jīng)過升尺度后得到的低分辨率土壤水分。

為消除降尺度土壤水與FY-3B土壤水分的殘差，將此殘差采用線性插值方法[22]，對降尺度后的土壤水分進(jìn)行殘差分配，得到最終的降尺度后土壤水分。

2.3 技術(shù)路線

利用MODIS 地表溫度、反照率、反射率等數(shù)據(jù)，計算fc，ATI與TVI，并通過均值升尺度法得到25 km分辨率下式(9)中各變量；結(jié)合25 km分辨率下FY-3B土壤水分?jǐn)?shù)據(jù)，進(jìn)行加回歸分析，得到式(9)中的模型系數(shù)；將系數(shù)與MODIS 1 km遙感數(shù)據(jù)代入式(7)中，得到1 km分辨率土壤水分；計算FY-3B土壤水分與得到的由1 km升尺度后的土壤水分之間的差值，并將差值進(jìn)行再分配，得到降尺度后1 km的土壤水分。技術(shù)路線如圖2所示。

圖2 技術(shù)路線Fig.2 The technical route

3 結(jié)果與分析

3.1 基于站點(diǎn)實測數(shù)據(jù)的土壤水分估算模型分析

由于地面觀測站分布較為分散，遙感數(shù)據(jù)的單個像元覆蓋范圍內(nèi)只有一個觀測站，選取周圍地勢較為平坦、地表覆蓋類型較為一致的地面觀測站，其觀測值能夠代替所對應(yīng)像元覆蓋范圍的土壤水分值。對站點(diǎn)所對應(yīng)的像元在時間尺度上應(yīng)用模型(式(7))進(jìn)行回歸分析。表1為不同觀測站在2014年7月與10月通過式6回歸分析后的相關(guān)系數(shù)。由表1可以看出，在觀測站點(diǎn)7月與10月的相關(guān)系數(shù)R大于0.6，大部分在0.8以上，表明觀測站點(diǎn)模型較為穩(wěn)定。

表1 模型(式(7))回歸分析相關(guān)系數(shù)R與模型系數(shù)Tab.1 Model (equation (7))regression analysis correlation coefficient R and model coefficient

3.2 FY-3B土壤水分降尺度

利用FY-3B土壤水分與MODIS數(shù)據(jù)代入式(9)中，經(jīng)回歸分析求得式(9)的系數(shù)，圖3為相關(guān)系數(shù)的時間序列圖。由于FY-3B微波成像儀MWRI圖像幅寬為1 400 km，受到FY-3B衛(wèi)星軌道間隔以及云覆蓋對MODIS數(shù)據(jù)等的影響，2014年7月與10月共有26 d有效數(shù)據(jù)，相關(guān)系數(shù)大部分在0.6以上，表明所建立的模型具有較好的穩(wěn)定性。

(a)2014年7月 (b)2014年10月

圖4為2014年7月27日、10月4日、10月11日FY-3B低分辨率土壤水分與降尺度后的高分辨率土壤水分空間分布對比圖。圖中，降尺度后土壤水分與FY-3B土壤水分空間分布一致，7月27日土壤水分值東部大于西部，此時為植被生長茂盛期，東部為高植被覆蓋度區(qū)，西部多為低植被覆蓋度與裸土區(qū)域，土壤水分分布與植被分布區(qū)域相一致；10月份進(jìn)入植被枯萎期，植被覆蓋度降低，降尺度后土壤水分降低，東部高土壤水分值區(qū)域減少；10月11日降尺度后土壤水分東部與西部相似。處于雨季的7月27日土壤水分值高于非雨季10月4日與10月11日的土壤水分值。根據(jù)研究區(qū)內(nèi)區(qū)域環(huán)境、季節(jié)變化以及FY-3B土壤水分變化情況，降尺度后土壤水分空間分布合理。

(a)7月27日 (b)10月4日 (c)10月11日

3.3 誤差分析

結(jié)合地面觀測數(shù)據(jù)，對降尺度后的土壤水分精度進(jìn)行驗證分析。由于地面觀測站分布較為分散，選取與3.1節(jié)相同的地面觀測站的觀測值與降尺度后土壤水分進(jìn)行對比分析。

圖5為降尺度后土壤水分與地面觀測值散點(diǎn)圖。由圖中可以看出，降尺度后土壤水分與實測土壤水分決定系數(shù)在0.41～0.51之間，降尺度后土壤水分與實測土壤水分呈現(xiàn)較好的線性關(guān)系且較為穩(wěn)定。RMSE值變化較大，最小值為10月4日的0.055 cm3/cm3，最大值為7月27日0.103 cm3/cm3。雨季的7月27日降尺度后土壤水分值大部分高于地面觀測值，非雨季10月4日與11日降尺度后土壤水分值低于地面觀測值，其中，10月11日的降尺度后土壤水分值明顯低于地面觀測值。通過分析，在植被覆蓋區(qū)域土壤水分值偏高，主要是由于一方面在植被生長茂盛期，參與計算的可見光、紅外遙感數(shù)據(jù)中的植被信息，引起降尺度后土壤水分值往往會包含有植被含水量等信息；另一方面，F(xiàn)Y-3B土壤水分在植被覆蓋區(qū)域反演過程中，由植被含水量等信息估算的植被光學(xué)厚度校正植被影響，反演的土壤水分值高于地面觀測值。

(a)2014年7月27日 (b)2014年10月4日 (c)2014年10月11日

圖6為FY-3B土壤水分與中尺度地面觀測網(wǎng)觀測平均值的時間序列圖中，從中可知，7月植被生長茂盛，土壤水分反演值高于地面觀測值，在部分日期內(nèi)達(dá)到0.5 cm3/cm3。圖6中，7月27日FY-3B土壤水分值為0.41 cm3/cm3，地面觀測的平均值為0.29 cm3/cm3，各地面站點(diǎn)觀測值范圍在0.247～0.38 cm3/cm3之間，導(dǎo)致降尺度后土壤水分大于地面實測值，RMSE值較大。10月4日FY-3B土壤水分為0.275 cm3/cm3，與地面觀測平均值(0.287 cm3/cm3)較為接近，降尺度后土壤水分與地面觀測值RMSE較小。10月11日FY-3B土壤水分為0.245 cm3/cm3，低于地面觀測平均值0.264 cm3/cm3，降尺度后土壤水分低于地面觀測值，且RMSE值高于10月4日。通過以上分析可以看出，F(xiàn)Y-3B土壤水分與實測土壤水分變化趨勢相一致，但在7月絕對值相差較大，10月相差較小，是影響降尺度后土壤水分精度的一個重要因素。

(a)2014年7月 (b)2014年10月

綜合以上分析，降尺度后土壤水分與實測土壤水分變化趨勢較為一致，考慮到FY-3B土壤水分本身的精度，該降尺度方法能夠較好地對以FY-3B為代表的微波遙感反演土壤水分進(jìn)行降尺度，得到高分辨率土壤水分。

4 結(jié)論與討論

本文基于表觀熱慣量ATI與溫度植被指數(shù)TVI土壤水分估算模型，以MODIS數(shù)據(jù)為數(shù)據(jù)源，對FY-3B土壤水分進(jìn)行降尺度，得到高分辨率土壤水分，該方法具有以下特點(diǎn)：

1)利用ATI與TVI土壤水分估算模型在不同植被覆蓋度下適用性的特點(diǎn)，以植被覆蓋度作為權(quán)重，構(gòu)建適用于不同植被覆蓋度下土壤水分估算模型。充分利用兩種土壤水分估算模型的優(yōu)勢，在一定程度上解決了單一土壤水分估算模型在不同土壤水分環(huán)境下應(yīng)用的缺點(diǎn)，為土壤水分反演提供了一種可行的方法。

2)FY-3土壤水分降尺度中，應(yīng)用土壤水分升尺度方法，建立起低分辨率土壤水分與高分辨率土壤水分估算模型的關(guān)系，充分考慮到不同尺度下土壤水分估算模型系數(shù)的不一致性，避免了土壤水分模型系數(shù)在不同尺度下相一致的假設(shè)。

3)對比分析了季風(fēng)期、高植被覆蓋度與非季風(fēng)期、低植被覆蓋度條件下降尺度結(jié)果，降尺度土壤水分與地面觀測值分布趨勢一致，但在高植被覆蓋區(qū)，由于受到FY-3B土壤水分精度，以及可見光、紅外數(shù)據(jù)中植被含水量等信息的影響，RMSE值較高。

在研究中，存在以下問題：

1)由于可見光、紅外波段數(shù)據(jù)易受到云覆蓋的影響，很難獲取連續(xù)的ATI計算時所需要晝夜溫度值，產(chǎn)生較多的無效值，進(jìn)而影響降尺度模型的應(yīng)用及長時序數(shù)據(jù)的構(gòu)建。

2)在高植被覆蓋區(qū)，由于受到FY-3B土壤水分反演精度以及土壤水分降尺度方法等方面的影響，與地面觀測水分觀測值相差較大。

3)在結(jié)果驗證中，由于地面觀測網(wǎng)分布較為分散，降尺度后土壤水分像元中只有一個觀測站點(diǎn)，雖然選取了周圍地勢較為平坦，地表覆蓋較為一致的地面觀測站數(shù)據(jù)，但降尺度結(jié)果的真實性檢驗方面仍需進(jìn)一步改進(jìn)。

在進(jìn)一步工作中，云下地表溫度與長時序地表溫度的重建[23]、FY-3B土壤水分反演算法的改進(jìn)、地面驗證方法的改進(jìn)等方面的研究，可以有效地提高降尺度算法的精度與可操作性。