虞文丹，張友靜,2，陳立文，鄭淑倩

（1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098；2.河海大學(xué) 水文水資源與水利工程科學(xué)國家重點實驗室，江蘇 南京 210098；3.吉林省氣象科學(xué)研究所，吉林 長春 130062；4.浙江華東測繪有限公司，浙江 杭州 310030）

基于TVDI與氣象因子的土壤含水量估算

虞文丹1，張友靜1,2，陳立文3，鄭淑倩4

（1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098；2.河海大學(xué) 水文水資源與水利工程科學(xué)國家重點實驗室，江蘇 南京 210098；3.吉林省氣象科學(xué)研究所，吉林 長春 130062；4.浙江華東測繪有限公司，浙江 杭州 310030）

基于TVDI的干邊斜率，結(jié)合降雨和實際蒸散發(fā)等氣象因子，構(gòu)建表層土壤相對含水量估算模型。利用MODIS地表參數(shù)產(chǎn)品數(shù)據(jù)，提取了TVDI干邊斜率，根據(jù)淮河流域2010年3～5月實測降水和遙感估算實際蒸散發(fā)等計算表層平均土壤相對含水量，以6～10月實測數(shù)據(jù)對模型進(jìn)行驗證。結(jié)果表明，0～50 cm土體平均含水量估算結(jié)果與實測值的決定系數(shù)R2=0.82，平均相對誤差為5.22%，優(yōu)于僅用TVDI干邊斜率的估算結(jié)果（R2=0.71，平均相對誤差為9.86%）。在驗證期，其決定系數(shù)為R2=0.80，平均相對誤差為5.63%。

土壤相對含水量；TVDI干邊斜率；降雨；實際蒸散發(fā)；淮河流域

土壤含水量是地表和大氣界面的重要狀態(tài)參數(shù)，直接影響地表的熱量和水量平衡，受到水文、氣象和農(nóng)業(yè)灌溉等多個學(xué)科的關(guān)注[1]。

土壤中水分的含量集成了很多地表水文特征的環(huán)境指標(biāo)，反映了在氣候、氣象和水文等因素共同作用下的當(dāng)前地表狀況[2]。目前墑情監(jiān)測站測定土壤剖面含水量的主要方法包括重量法、中子儀法、張力計法等。中子儀法適合于大面積水分檢測，卻需要對不同質(zhì)地的土壤進(jìn)行校正，生產(chǎn)中難以實現(xiàn)，其他方法或因監(jiān)測費時費力或精確度不高而不適合大面積土壤水分監(jiān)測[3]。劉可群等基于農(nóng)田水分平衡，利用荊州、隨州和麻城3個氣象站點數(shù)據(jù)，建立了不同土壤層含水量和前期有效降水量之間的線性回歸方程[4]。紀(jì)瑞鵬等利用氣溫、降水等常規(guī)氣象資料，建立了以旬為單位的農(nóng)田土壤水分動態(tài)估算模式[5]。上述方法能夠進(jìn)行大面積的土壤水分預(yù)測，但不能反映地表土壤和植被覆蓋上的空間差異，難以描述土壤相對含水量的空間差異性。隨著遙感技術(shù)的發(fā)展，出現(xiàn)了熱慣量法、作物缺水指數(shù)法、溫度植被指數(shù)法等遙感監(jiān)測土壤含水量方法[6,7]。遙感的優(yōu)勢在于能以不同的時空尺度連續(xù)地對地表進(jìn)行監(jiān)測，缺點是缺乏足夠的土壤濕度觀測資料而難以對區(qū)域土壤含水量進(jìn)行有效預(yù)測。

利用TVDI（溫度植被干旱指數(shù)，temperature vegetation dryness index）對土壤含水量進(jìn)行估算已經(jīng)比較成熟，Moran等認(rèn)為土壤含水量存在從凋萎含水量到田間持水量之間的變化，每個像元的NDVI（歸一化植被指數(shù)，normalized difference vegetation index）和地表溫度組成的散點圖呈梯形[8]。Goetz提出 LST/NDVI斜率的變化還可以反映地區(qū)土壤濕度的時間變化和年際變化[9]。柳欽火等利用8 km分辨率的NOAA/ AVHRR合成數(shù)據(jù)集，采用9×9像元窗口提取的LST/NDVI干邊斜率，反演了1981～1994年全國土壤相對含水量[10]。

在TVDI干邊斜率的基礎(chǔ)上考慮氣象因子的影響，結(jié)合遙感提取的地表參數(shù)進(jìn)行土壤相對含水量估算，是發(fā)展區(qū)域土壤相對含水量估算與預(yù)測的有效途徑，能夠?qū)ν寥篮康拇竺娣e估算與預(yù)測提供一定的參考。本文依據(jù)TVDI干邊斜率與降雨量、實際蒸散發(fā)和土壤質(zhì)地等數(shù)據(jù)，構(gòu)建了旬尺度的淮河流域土壤表層含水量估算模式，并利用實測數(shù)據(jù)進(jìn)行驗證。

1 研究區(qū)與研究數(shù)據(jù)

淮河流域氣候溫和，年平均氣溫為11℃～16℃，多年平均降水量880 mm，降水量年內(nèi)分配不均勻，6～9月降水量占年降水量的50%～80%，3～5月降水量占年降水量的10%～30%；實際蒸散發(fā)量夏季最大，春秋次之，常有旱情發(fā)生。

研究區(qū)遙感數(shù)據(jù)為2010年3～10月淮河流域MODIS 16 d合成的1 km分辨率的植被指數(shù)產(chǎn)品數(shù)據(jù)和8 d合成的1 km分辨率的地表溫度產(chǎn)品數(shù)據(jù)。對上述數(shù)據(jù)進(jìn)行幾何校正、投影變換和地表溫度數(shù)據(jù)的地形校正，并對水體的NDVI數(shù)據(jù)進(jìn)行掩膜處理。上述數(shù)據(jù)插值到10 d尺度，與土壤相對含水量實測數(shù)據(jù)匹配。蒸散發(fā)數(shù)據(jù)為本課題組2010年淮河流域遙感日蒸散發(fā)成果[11]。

研究區(qū)觀測數(shù)據(jù)為氣象站日降雨量數(shù)據(jù)。土壤相對含水量為28個實測站點2010年3～10月的10 cm、20 cm和50 cm旬實測數(shù)據(jù)（部分旬、月缺測），測量站點見圖1。土壤相對含水量數(shù)據(jù)中3～5月數(shù)據(jù)用于建模，6～10月數(shù)據(jù)用于模型驗證。每個像元的田間持水量根據(jù)土壤質(zhì)地數(shù)據(jù)計算得到。

圖1 研究區(qū)站點分布圖

2 研究方法

2.1 基于TVDI干邊斜率的土壤相對含水量估算模型

利用TVDI估算土壤相對含水量，是基于混合像元的地表蒸散發(fā)對地表溫度降低作用的原理。Sandholt等利用溫度植被干旱指數(shù)表示土壤相對含水量的相對狀態(tài)，以此評價土壤水分狀況[12]。TVDI的表達(dá)式如下：

式中，Ts為像元的地表溫度為某一NDVI對應(yīng)的地表最低溫度，對應(yīng)的是濕邊為某一NDVI對應(yīng)的地表最高溫度，對應(yīng)的是干邊b為干邊線性擬合方程的系數(shù)，b即干邊斜率。

構(gòu)建9×9像元窗口尺度的特征空間[13]，提取TVDI干邊斜率，將土壤10 cm、20 cm和50 cm含水量觀測值與TVDI干邊斜率進(jìn)行線性回歸，建立土壤相對含水量估算模型，結(jié)果見表1。

表1 基于干邊斜率的土壤相對含水量估算模型

2.2 基于干邊斜率與氣象因子的土壤相對含水量估算模型

根據(jù)土壤水量平衡方程，某地在給定的時間內(nèi)，其總收入水量O與總支出水量G間有如下關(guān)系：

在無灌溉情況下，某一時刻土壤含水量的主要水分來源是前期到達(dá)地面的降水，這些降水一部分通過地表徑流、地下滲透等形式流失，剩余部分則暫時滯留在土壤中，它是當(dāng)前土壤含水量最重要的決定因子，本文稱這部分為土壤水分的有效降水?？紤]飽和狀態(tài)下土體水分的動態(tài)變化，以像元土壤田間持水量作為臨界值，當(dāng)降雨量小于臨界值時，無地表徑流量和土壤滲漏，即有效降水等于實際降雨量；當(dāng)降雨量大于等于臨界值時，有效降水等于田間持水量，即

式中，F(xiàn)m為土壤的田間持水量；PE為有效降水。有效降水量PE在時間段內(nèi)主要用于土體蒸散和土壤水分增加，所以，

式中，Δ W為時段內(nèi)土體土壤水分變化量；ET為實際蒸散發(fā)量。

將有效降水量與實際蒸散量的差值Δ W作為一個氣象因子結(jié)合TVDI干邊斜率建立土壤相對含水量的估算模型，結(jié)果見表2。

表2 基于干邊斜率結(jié)合氣象因子的土壤相對含水量估算模型

3 結(jié)果與分析

3.1 基于干邊斜率的土壤相對含水量

由表1中R2值可知，土壤相對含水量與干邊斜率有明顯的相關(guān)性，但隨著土壤層的加深，土壤相對含水量與干邊斜率的決定系數(shù)逐漸減小。TVDI干邊斜率主要探測地表含水量狀況，深度越大，探測能力越差。將土壤各層含水量取相同的權(quán)重，其均值代表0～50 cm土壤深度的土壤相對含水量平均狀態(tài)，平均土壤相對含水量與干邊斜率的決定系數(shù)R2=0.71，平均相對誤差為9.86%（見圖2），高于各層估算精度，均值減小了數(shù)據(jù)的離差。

3.2 基于干邊斜率與氣象因子的土壤相對含水量

由表2中R2值可知，土壤相對含水量與干邊斜率和土壤水分變化量之間存在明顯的相關(guān)關(guān)系。20 cm處的決定系數(shù)明顯高于其他土壤層，R2=0.70，平均相對誤差為9.38%，原因在于犁底層土壤水分受降雨、氣溫、蒸散等因素的影響較大。

土體平均土壤相對含水量與干邊斜率和土壤總儲水變化量的決定系數(shù)R2=0.82，平均相對誤差為5.22%。與僅用干邊斜率的估算模型相比，土壤各層平均土壤相對含水量的估算精度都有提高且平均相對誤差都有所減小，土體平均土壤相對含水量的估算誤差減小了4.64%。從圖2中看出，平均土壤相對含水量估算值與實測值關(guān)系圖的截距基本為0，斜率為1，即估算模型沒有系統(tǒng)誤差，總體看建模結(jié)果比較合理。

圖2 土壤相對含水量估算模型反演值與實測值關(guān)系圖

3.3 流域土體平均土壤相對含水量的估算與驗證

利用淮河流域2010年6～10月各旬平均土壤相對含水量對估算模型進(jìn)行驗證（7月中旬到9月中旬土壤相對含水量缺測），結(jié)果見圖3。實測值與估算值的決定系數(shù)為0.80，平均相對誤差5.63%，誤差大于建模期。擬合直線截距為5.26，土壤相對含水量在低值區(qū)存在低估現(xiàn)象。6～7月土壤相對含水量散點離散度較高，究其原因，淮河流域6月上中旬是小麥?zhǔn)崭钇冢?月下旬和7月是作物播種期，收割和播種灌溉的地域差異導(dǎo)致該時段土壤相對含水量的差異巨大。

圖3 6～10月各站點土體平均土壤相對含水量實測值與估算值關(guān)系圖

依據(jù)我國水利行業(yè)標(biāo)準(zhǔn)中《旱情等級標(biāo)準(zhǔn)》和本文方法，制作了淮河流域4月下旬旱情等級圖（圖4）。該圖制圖單元為像元，平均誤差5%左右。由圖可見，4月下旬淮河流域東部和北部較為干燥，南部和西部較為濕潤，特大干旱區(qū)與嚴(yán)重干旱區(qū)主要分布在淮河流域北部且受災(zāi)面積較大。特大干旱區(qū)主要分布在商丘一帶，流域西南部為伏牛山-大別山區(qū)，植被覆蓋度較高；江蘇里下河地區(qū)因水網(wǎng)密布而較為濕潤。

圖4 淮河流域4月下旬旱情等級圖

4 結(jié) 語

依據(jù)TVDI干邊斜率結(jié)合前期降水量與實際蒸散發(fā)量構(gòu)建的土壤相對含水量估算模型，估算精度較高，而且可根據(jù)氣象預(yù)報，考慮降雨和實際蒸散發(fā)的影響，不依賴于前期土壤濕度數(shù)據(jù)，對預(yù)測下一個時段土壤含水量的變化具有參考價值，對旱情的發(fā)生、發(fā)展預(yù)測具有實際意義。

降雨和實際蒸散作為土體水分的主要來源和水分消耗主要因素，其差值能夠大致代表土體水分變化。在未考慮時段內(nèi)灌溉的條件下，模擬計算結(jié)果能夠達(dá)到較高的精度，表明該假設(shè)具有可行性。灌溉、土壤層間水分交換等的考慮成為下一步努力的方向。同時，本研究僅用了3個月的土壤濕度觀測資料進(jìn)行建模研究，時序較短，今后將進(jìn)一步優(yōu)化模型。

[1] 張友靜,王軍戰(zhàn),鮑艷松.多源遙感數(shù)據(jù)反演土壤水分方法[J].水科學(xué)進(jìn)展,2010,21(2):222-228

[2] 魏偉,任皓晨,趙軍,等.基于MODIS的ATI和TVI組合法反演石羊河流域土壤含水量[J].國土資源遙感，2011,23(2):104-109

[3] 薛曉萍,王新,張麗娟,等.基于支持向量機(jī)方法建立土壤濕度預(yù)測模型的探討[J].土壤通報,2007,38(3):437-443

[4] 劉可群,劉志雄,梁益同,等.基于前期有效降水推算耕作層土壤含水量的方法[J].中國農(nóng)業(yè)氣象,2009,30(3):365-369

[5] 紀(jì)瑞鵬,張玉書,陳鵬獅,等.農(nóng)田土壤水分動態(tài)估算模型的研究[J].干旱區(qū)資源與環(huán)境,2004,18(1):64-67

[6] 仝兆遠(yuǎn),張萬昌.土壤水分遙感監(jiān)測的研究進(jìn)展[J].水土保持通報,2007,27(4):108-112

[7] 孫麗,陳煥偉,趙立軍,等.遙感監(jiān)測旱情的研究進(jìn)展[J].農(nóng)業(yè)環(huán)境科學(xué)學(xué)報,2004,23(1):201-206

[8] Moran M S, Clarke T R, Inoue Y,et al.Estimating Crop Water Deficit Using the Relation Between Surface-air Temperature and spectral Vegetation Index[J].Remote Sensing of Environment,1994,49(3):246-263

[9] Goetz S J.Multisensor,Analysis of NDVI,Surface Temperature and Biophysical Variables at a Mixed Grassland Site[J].International Journal of Remote Sensing,1997,18(15):71-94

[10] 柳欽火,辛景峰,辛?xí)灾?等.基于地表溫度和植被指數(shù)的農(nóng)業(yè)干旱遙感監(jiān)測方法[J].科技導(dǎo)報,2007,25(6):12-17

[11] 鄭淑倩.結(jié)合土壤水分可供率的雙層蒸散發(fā)模型及其在淮河流域的應(yīng)用[D].南京:河海大學(xué),2013

[12] Sandholt I,Rasmussen K.,Andersen J..A Simple Interpretation of the Surface Temperature/Vegetation Index Space for Assessment of Surface Moisture Status[J].Remote Sensing of Environment,2002,79(2): 213-224

[13] 陳立文,張友靜,鄧世贊,等.基于溫度植被干旱指數(shù)的黃河源區(qū)土壤表層含水量反演[J].水利水電科技進(jìn)展, 2012,32(4):6-9

P237.9

B

1672-4623（2015）01-0137-03

10.3969/j.issn.1672-4623.2015.01.045

虞文丹，碩士，主要從事地理信息系統(tǒng)與遙感研究。

2014-03-31。

項目來源：國家重點基礎(chǔ)研究發(fā)展計劃資助項目(2010CB951101)。