基于多源遙感數(shù)據(jù)協(xié)同反演森林地表土壤水分研究

基于多源遙感數(shù)據(jù)協(xié)同反演森林地表土壤水分研究摘要：土壤水分在土壤監(jiān)測中是一項重要的指標，對于農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境以及水資源管理有著重要的影響。隨著遙感建模與反演理論的不斷成熟，其逐漸成為分析土壤指標的重要技術與手段。因此，利用光學影像與雷達影像數(shù)據(jù)，以大興安嶺地區(qū)漠河市為研究區(qū)域，分別建立以Landsat8為數(shù)據(jù)源的土壤水分反演模型和由Landsat8影像數(shù)據(jù)與GF-3衛(wèi)星數(shù)據(jù)協(xié)同反演的土壤水分反演模型，將反演結果與實際測得數(shù)據(jù)進行對比驗證，并評價所建立的反演模型。結果表明：①對研究區(qū)地溫進行反演，利用地表溫度(Ts)與歸一化差異濕度指數(shù)NDMI構建Ts-NDMI特征空間，結合實測數(shù)據(jù)可以發(fā)現(xiàn)Ts-NDMI特征空間土壤水分反演模型的反演結果與實測土壤含水量為負相關性；②協(xié)同GF-3衛(wèi)星數(shù)據(jù)和Landsat8遙感影像數(shù)據(jù)所建立的土壤水分反演模型能得到質量較高的反演結果，且在高植被覆蓋度地區(qū)，利用該協(xié)同反演模型得到的反演結果比利用單一光學數(shù)據(jù)源所建模型得到的反演結果精度高，為今后高植被覆蓋度地區(qū)土壤濕度的研究提供了新途徑。關鍵詞:Landsat8；GF-3；土壤水分；協(xié)同反演；溫度植被干旱指數(shù)1引言在研究土壤組分的過程中，土壤含水量是主要的研究熱點之一。傳統(tǒng)的點數(shù)據(jù)測量法在監(jiān)測范圍上非常有限，若研究區(qū)范圍較大，傳統(tǒng)測量方法的精度就會大大降低，且傳統(tǒng)測量方法消耗時間較長，無法進行大面積長時效的實時監(jiān)測?，F(xiàn)階段遙感理論日益成熟，遙感觀測在土壤指標的監(jiān)測與獲取上早已被運用。因此通過遙感技術反演土壤濕度是在大尺度范圍內獲取土壤水分含量、研究土壤含水量時空變化的一種重要技術方法。在土壤水分監(jiān)測方面，國內外很多知名學者已經(jīng)運用遙感技術做了大量調查研究［1-51，隨著對于遙感探測波段與地表土壤水分關系的探索，研究方向也逐漸從可見光和紅外波段發(fā)展到了微波波段［6-101。因此用于研究地表土壤含水量的數(shù)據(jù)源也由光學影像數(shù)據(jù)擴展到了微波遙感數(shù)據(jù)［111。光學遙感主要通過光譜反射特性來估測土壤含水量，其特點是空間分辨率較高［121，但覆蓋周期比較長，獲取數(shù)據(jù)的時間也相對較長，且容易受天氣條件的限制［131，地形、地表植被和地表溫度均會對反演結果產(chǎn)生影響。因此應用這種方法的過程中會受到很多因素的限制。經(jīng)過眾多學者多年的鉆研與探索，利用微波遙感監(jiān)測陸地表層土壤水分的方法已經(jīng)成為了目前該領域研究中的主流方法。微波遙感的合成孔徑雷達系統(tǒng)能有效減少云層、霧霾、暴雨等天氣條件對監(jiān)測的影響［141，±壤介電常數(shù)是遙感數(shù)據(jù)中聯(lián)系地表后向散射系數(shù)與地表土壤濕度的重要因子［151。相對于只利用單一遙感數(shù)據(jù)源進行土壤含水量的反演研究，今后的研究重點將更多偏向于利用多源遙感數(shù)據(jù)協(xié)同反演土壤水分含量。目前在土壤含水量的反演研究過程中，研究區(qū)大部分位于植被覆蓋度較低的裸地等地區(qū)［161,而灌木森林等高植被覆蓋區(qū)域的相關研究較少［171,因此研究高植被覆蓋下地表土壤濕度對于完善該研究空缺具有一定的意義。將黑龍江省大興安嶺地區(qū)漠河市作為研究區(qū)，以光學影像Landsat8數(shù)據(jù)和雷達影像GF-3數(shù)據(jù)為數(shù)據(jù)源，將光學遙感數(shù)據(jù)與雷達遙感數(shù)據(jù)的優(yōu)勢相結合，建立高植被覆蓋下地面表層土壤水分的協(xié)同反演模型，將協(xié)同反演的結果與實際測量得出的真實數(shù)據(jù)對比驗證，分析并評價模型。這對于森林地表土壤水分反演研究具有重要的意義。2研究區(qū)和數(shù)據(jù)來源2.1研究區(qū)概況漠河市是大興安嶺地區(qū)所管轄的縣級市，位于黑龍江省西北部，同時也是我國最北端的縣級行政區(qū)。其地理位置為50°11'?53°33'N，121°12'?124°20'E之間。夏季較短暫，溫暖濕潤，降水主要集中在7、8月份，雨熱同期。冬季受亞歐大陸上蒙古-西伯利亞高壓的影響，寒冷漫長，年平均氣溫約為-5.5笆，年溫差和日溫差均較大，氣候類型為溫帶季風氣候。寒帶山地針葉林是當?shù)氐闹饕脖活愋?。其位置在亞歐大陸多年凍土帶的南部，同時也處于大興安嶺地區(qū)多年凍土帶范圍內。2.2數(shù)據(jù)來源在光學數(shù)據(jù)方面，選取了2018年7月研究區(qū)未受云層影響的Landsat8遙感影像。所需的波段信息由衛(wèi)星攜帶的OLI陸地成像儀的9個波段和TIRS熱紅外傳感器的2個波段獲?。?81，利用大氣校正、幾何校正、輻射定標和地形信息處理等方法對研究區(qū)影像進行處理［191，用于計算歸一化差分植被指數(shù)NDVI、歸一化差異濕度指數(shù)NDMI、植被含水量、植被覆蓋度和地表溫度等模型所需參數(shù)。遙感數(shù)據(jù)則選取的是雷達衛(wèi)星高分三號對應研究區(qū)的精細條帶n雙極化數(shù)據(jù)。通過對雷達遙感數(shù)據(jù)進行一系列處理，處理過程包括數(shù)據(jù)格式的轉化、輻射定標、濾波、多視及地理編碼等，從而減小誤差，提高參數(shù)準確程度，并用HH同極化的方式所得到的后向散射系數(shù)作為雷達協(xié)同光學數(shù)據(jù)反演模型的后續(xù)參數(shù)。用于驗證的實測數(shù)據(jù)為2018年7月在研究區(qū)內沿道路且垂直于道路5~10m的林內采集的土壤樣品，采集時間共15do所有樣品采集的同時均用GPS測量儀記錄采樣點的經(jīng)緯度坐標。在總共采集的182個土壤樣品中剔除濕度明顯異常土樣后剩余147個可用土壤樣品，在實驗室內對樣品鮮重進行測量。以烘干法來測得土壤水分，將土樣在溫度為105笆的電烘箱中烘12h，直至恒重，然后用精度為0.001g的電子秤稱重，計算后得到土壤質量含水量(g/g)o再用體積為100cm3的環(huán)刀測出樣品的土壤容重(g/cm3)，最后利用土壤質量含水量和土壤容重計算求出土壤體積含水量(cm3/cm3)作為最終的驗證數(shù)據(jù)3研究方法3.1光學遙感數(shù)據(jù)土壤水分反演方法以光學數(shù)據(jù)為基礎，基于指數(shù)的土壤水分反演算法是近年利用遙感影像數(shù)據(jù)反演地表土壤水分的主要方法之一。溫度植被干旱指數(shù)TVDI可以通過反演所獲取的陸地表面溫度和由計算得到的植被指數(shù)通過公式(1)計算求得：TVDI=:-:(1)Tsmax-Tsmin其中：T,是在遙感影像上得到的任何一個像素的地表溫度，由輻射傳輸方程法反演得到［20-221，并用數(shù)字高程數(shù)據(jù)對地表溫度進行校正，Tg和T,mi?則分別表示在某一特定NDMI值時，通過反演可以得到的最大和最小地表溫度［231，為干邊擬合方程的擬合系數(shù)，y為濕邊的擬合系數(shù)。可由公式(2)和(3)求得：Tsmas=x1+y1-NDMI (2)Tsmin=X1+y1-NDMI (3)計算得到TVDI值的結果應為0~1之間，干邊和濕邊的值分別為1和0［241，它們之間的關系是：陸地表面溫度的變化會影響TVDI值，且二者呈正比例關系。TVDI值的變化又會影響地表土壤水分，土壤水分與地表溫度及TVDI值均為反比例關系。根據(jù)上述公式和地表溫度與歸一化差異濕度指數(shù)構建的特征空間，可以得到研究區(qū)影像數(shù)據(jù)的干邊擬合回歸方程為y=-25.96x+312.58(R2=0.91)，干邊的斜率小于0;濕邊擬合回歸方程為y=46.08x+270.99(R2=0.63)，濕邊方程的斜率大于0。干、濕邊方程斜率的變化說明了植被指數(shù)與地表溫度的關系，也在一定程度上反映了地表土壤水

分含量。從圖1擬合方程的相關性可以看出，干邊的擬合效果比濕邊更好。Dy=312.58-25.96*xK2=0.91310Wy=270.99+46.08*xR2Dy=312.58-25.96*xK2=0.91310Wy=270.99+46.08*xR2=0.63NDMI圖1干邊與濕邊擬合方程圖Fig.1Thedryandwetsidesfittheequationdiagram驗參數(shù)，即A=0.0012，B=0.0910。植被含水量M^g與植被指數(shù)NDMI之間的關系［281如公式(6)所示：Mveg=1.44NDMI2+1.36NDMI+0.34 (6)植被含水量可由NDMI計算求得，將計算結果和A、B的值等已知參數(shù)全部代入公式中，就可以計算出森林等植被覆蓋度較高情況下的地表土壤后向散射系數(shù)值。實驗將結合多種研究方法與原理，建立以GF-3雷達遙感數(shù)據(jù)和Landsat8光學遙感數(shù)據(jù)為數(shù)據(jù)源的高植被覆蓋下土壤水分協(xié)同反演模型。植被指數(shù)VI選用由波段信息計算得到的NDMI值，用植被指數(shù)VI表示植被含水量［291的表達式如公式(7)所示：3.2基于Landsat8與GF-3影像協(xié)同反演土壤水分方法經(jīng)驗、半經(jīng)驗和理論模型是微波后向散射模型中的主要3種類型。半經(jīng)驗模型中的水云模型參數(shù)獲取較為簡單，適用范圍廣，因此可以用來描述高植被覆蓋下地表的微波散射質。以水云模型為基礎，經(jīng)計算得到表達式(4)如下:Mveg=cVI+d (7)把植被含水量Mveg表達式帶入到水云模型中，并依據(jù)土壤表層的后向散射系數(shù)與土壤含水量之間的關系，將各項參數(shù)代入即可得到公式(8)：Io°(0)-A?(cVI+d)?cos0?(1-2B(cVI+d)/e cos0_cVI+d))ecos0/e。膈(。)-。。)72(0)(cVI+d)F廠項，按也(0)= Veg-cos0-(1-y(0))4)Y(0)=e-2B-Mvegcos0其中：0是傳感器入射的角度；。tOtal是雷達傳感器所其中：c、d、e、f均為經(jīng)驗參數(shù)，將式中e-2B泰勒級數(shù)展開，最終整理得到公式(9)：Ms=C+k1o°+k2VI+k3VI2+k4sec0+k5o0VIsec0(9)公式中各項系數(shù)以及截距均可由最小二乘法計算求得，其他參數(shù)來源于遙感影像數(shù)據(jù)和實測數(shù)據(jù)。-2BM-2BMe cos0M-2B―fecos0獲取的大氣總后向散射系數(shù)，通過雷達影像計算可得；。Veg(0)為植被層的后向散射系數(shù)邛(0)為雷達透過植被的二次衰減因子；?！鉶il(0)為土壤表層的后向散射系數(shù)；Mveg表示植被含水量［26-271，A和B是經(jīng)驗參數(shù)，根據(jù)不同植被類型選取，可參考表1。通過上述公式可知土壤組分的后向散射系數(shù)表達式為:oS0ii=u0(0)-A?Mveg,cos0?(l-表1水云模型經(jīng)驗參數(shù)Table1Empiricalparametersofwatercloudmodel經(jīng)驗參數(shù)草地冬小麥放牧地所有植被A0.00140.00180.00090.0012B0.08400.13800.03200.0910根據(jù)表1可知，不同植被類型所對應的經(jīng)驗參數(shù)也不同。由于大興安嶺地區(qū)地表植被類型為針葉林、灌叢等，因此選取“所有植被”作為本研究的經(jīng)

4結果與分析4.1基于光學影像的土壤水分反演結果根據(jù)前文計算求得的TVDI值，結合實測土壤水分數(shù)據(jù)進行相關性分析，如圖2可知，實測數(shù)據(jù)與模型反演結果間擬合程度的相關系數(shù)為0.352,均方根誤差為4.69%。由于Landsat8遙感影像中的熱紅外波段不能非常準確地識別出高植被覆蓋下地表的土壤含水量信息，因此與TVDI模型的相關程度不高，反演得到的土壤含水量精度也有待提高。Ts-NDMI特征空間土壤水分反演模型結構簡單，用于低植被覆蓋度地區(qū)可以得到較好的反演結果，但當研究區(qū)域有森林、灌木等較高的植被時，土壤水分的反演結果并不十分理想，并且還會在很大程度上受到氣候因素的制約。為了更精確地反演土壤水分含量，建立基于光學數(shù)據(jù)和雷達遙感數(shù)據(jù)的協(xié)同反演模型是非常必要的。

實測土壤體積含水量/%圖2光學數(shù)據(jù)反演結果與實測值的比較2830323436RMSE=4.691y=0.513x+12.742Fig.2Comparisonofopticaldatainversionresultsandmeasuredvalues4.2協(xié)同反演模型的土壤水分結果實測土壤體積含水量/%圖2光學數(shù)據(jù)反演結果與實測值的比較2830323436RMSE=4.691y=0.513x+12.742Fig.2Comparisonofopticaldatainversionresultsandmeasuredvalues雷達遙感數(shù)據(jù)協(xié)同光學影像數(shù)據(jù)反演模型的相關系數(shù)R2=0.668,均方根誤差RMSE=2.50%,相關性比基于溫度植被干旱指數(shù)的光學反演模型高，同時均方根誤差也較小。可以看出相較于以光學遙感數(shù)據(jù)為基礎的土壤水分反演模型，協(xié)同反演模型適用范圍更廣，能更準確地估測出高植被覆蓋下地表的土壤水分含量，見圖3。242286421111R2=（）.668RMSE=2.5O1y=0.669x+6.69881012141618202224262830323436

實測土壤體積242286421111R2=（）.668RMSE=2.5O1y=0.669x+6.698圖3雷達數(shù)據(jù)協(xié)同光學數(shù)據(jù)反演結果與實測值的比較Fig.3Comparisonofopticalmicrowaveremotesensing

inversionresultsandmeasuredvalues4.3模型評價與分析為了分析反演后的土壤水分結果，利用野外采樣得到的土壤水分實測數(shù)據(jù)，以相關系數(shù)(R)和均方根誤差(RMSE)作為模型評價的主要指標。相關系數(shù)的大小表示反演結果與實測值之間相關性的強弱，均方根誤差的大小則代表二者之間偏差的大小，因此可以間接反映出模型的可靠程度。將兩種模型得到的反演值分別與驗證點的土壤含水量實測值進行相關分析，并計算相關系數(shù)與均方根誤差，可得到表2。表2兩種模型反演結果的對比Table2Comparisonofinversionresultsoftwomodels模型相關系數(shù)(R2)均方根誤差(RMSE)光學數(shù)據(jù)反演模型0.3520.0469雷達數(shù)據(jù)協(xié)同光學數(shù)據(jù)反演模型0.6680.0250通過比較兩種反演模型的不同土壤水分反演結果與實測值的相關系數(shù)和均方根誤差可知，在水云模型基礎上的雷達數(shù)據(jù)結合光學數(shù)據(jù)反演模型比基于光學影像的TVDI土壤水分反演模型具有更高的反演精度，更能真實地反映出實際的土壤水分狀況。基于光學影像的土壤水分反演模型是通過計算溫度植被干旱指數(shù)，利用地表溫度(Ts)和NDMI構建的Ts-NDMI特征空間來實現(xiàn)的。為了提高模型的可靠程度，利用地形高程數(shù)據(jù)來校正經(jīng)反演得到的地表溫度。但由于地表植被覆蓋類型，地勢高低起伏、天氣條件等因素的變化，還是會對模型反演結果的準確性產(chǎn)生影響。雷達遙感數(shù)據(jù)協(xié)同光學影像數(shù)據(jù)反演模型屬于半經(jīng)驗模型。在水云模型的基礎上，將光學遙感數(shù)據(jù)計算獲取的植被含水量信息作為參數(shù)代入，同時消除植被層對雷達傳感器所攜帶的后向散射系數(shù)信息的影響，并利用數(shù)字高程模型和地表粗糙度等數(shù)據(jù)進行校正，從而提高反演的精度。雷達遙感數(shù)據(jù)協(xié)同光學影像數(shù)據(jù)反演模型的相關系數(shù)R2=0.668，RMSE=0.025；光學遙感反演模型的相關系數(shù)R2=0.352，RMSE=0.0469。根據(jù)以上數(shù)據(jù)對比，可