摘要：采用經(jīng)典統(tǒng)計(jì)學(xué)與GIS相結(jié)合的方法分析了以新疆庫(kù)車縣為代表的綠洲-荒漠交錯(cuò)帶的土壤水以及地下水埋深的分布情況，在借助遙感手段結(jié)合實(shí)測(cè)數(shù)據(jù)的基礎(chǔ)上，運(yùn)用TS-VI特征空間（TS-NDVI與TS-MSAVI特征空間）反演了土壤含水量，并以此反演出地下水埋深分布狀況，并對(duì)2種方法的精度進(jìn)行比較，尋求適用于研究樣區(qū)的反演算法。結(jié)果表明，地下水埋深與0～10 cm層的土壤相對(duì)含水量（SRWC）相關(guān)系數(shù)最高，高達(dá)0.802 4；利用2種方法提取土壤相對(duì)含水量的精度均滿足研究需求，但TVDIMSAVI反演的SRWC精度高于TVDINDVI，進(jìn)而使用TVDIMSAVI和0～10 cm層的SRWC反演得到了研究區(qū)的地下水埋深分布圖；在缺少實(shí)測(cè)土壤相對(duì)含水量數(shù)據(jù)時(shí)，運(yùn)用此方法反演地下水埋深是可行的。

關(guān)鍵詞：地下水埋深；土壤相對(duì)含水量；特征空間；相關(guān)分析；庫(kù)車縣

中圖分類號(hào)：TV213.3；X87 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）17-4538-07

DOI：10.14088/j.cnki.issn0439-8114.2016.17.046

Abstract： The distribution of soil and groundwater depth of oasis-desert ecotone was analyzed by classical statistics and GIS methods. Combining of remote sensing and on the basis of the measured data， soil water content was inversely analyzed using TS-VI feature space（TS-NDVI and TS-MSAVI feature space），thus anti-performance distribution of groundwater depth was got，and the accuracy of two kinds of methods were compared to seek suitable inversion algorithms of sample region. The results showed that，groundwater depth and soil relative water content（SRWC） of 0 to 10 cm layer was high correlation，and coefficient was up to 0.802 4. The accuracy of SRWC that extracted by two methods both met research needs，but TVDIMSAVI was better than TVDINDVI，so using TVDIMSAVI and SRWC of 0 to 10 cm layer to inverse and get the distribution map of groundwater depth. In the absence of actual data of soil relative water content，this method was feasible to inverse groundwater depth.

Key words： groundwater depth； soil relative water content； feature space； correlation analysis； Kuqa county

地下水是水資源的重要組成部分，相比于地表水，地下水具有調(diào)節(jié)性強(qiáng)、可利用性強(qiáng)和空間分布范圍廣等優(yōu)點(diǎn)[1]，對(duì)生態(tài)環(huán)境及人類社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展作用重大。特別是在中國(guó)水資源缺乏、生態(tài)脆弱的西北干旱半干旱地區(qū)，如何有效開發(fā)利用地下水資源，保護(hù)生態(tài)環(huán)境尤其重要。對(duì)干旱半干旱地區(qū)而言，由于蒸發(fā)作用強(qiáng)烈，降雨稀少且時(shí)空分布不均，生態(tài)環(huán)境異常脆弱，綠洲是其精華所在，不僅承擔(dān)著干旱半干旱地區(qū)的自然凈化與人工調(diào)節(jié)功能，也是經(jīng)濟(jì)、資源和人口綜合作用的載體[2]，因此，綠洲在干旱地區(qū)的生態(tài)調(diào)控作用顯得尤為重要。干旱半干旱地區(qū)綠洲生物生態(tài)系統(tǒng)規(guī)模較小、穩(wěn)定性低，生物過程也較為微弱，天然植被作為干旱半干旱地區(qū)綠洲生物生態(tài)系統(tǒng)中最主要的組成部分和生產(chǎn)者，其生存和長(zhǎng)勢(shì)主要依賴于地表水和地下水[3]。當(dāng)?shù)叵滤裆钫每梢詽M足植被的正常生長(zhǎng)時(shí)，其他影響植被的生態(tài)因子的比例較小[4]。既不可讓地下水位過高導(dǎo)致地表反鹽，又可維持在干旱地區(qū)的綠洲天然的植物生長(zhǎng)需求，即合理的生態(tài)水位，這就需要研究植被與土壤及地下水的相互作用機(jī)制[5]，充分認(rèn)識(shí)植被的群落分布規(guī)律與生態(tài)特征及植被與地下水的相互響應(yīng)規(guī)律[6]。因此，深入分析地下水位、土壤含水量及天然植被的作用關(guān)系，影響著生態(tài)系統(tǒng)的構(gòu)成、發(fā)展與穩(wěn)定，也是干旱地區(qū)綠洲化與荒漠化這兩個(gè)對(duì)立過程的決定性因素[7]。

傳統(tǒng)的地下水位監(jiān)測(cè)方法需要耗費(fèi)較長(zhǎng)的時(shí)間及更多的精力，要想實(shí)現(xiàn)大面積動(dòng)態(tài)監(jiān)測(cè)比較困難。遙感技術(shù)宏觀、動(dòng)態(tài)、綜合和快速監(jiān)測(cè)的特點(diǎn)為快速有效地大面積監(jiān)測(cè)地下水位提供了新的探測(cè)手段[8]。隨著新型衛(wèi)星的發(fā)射及應(yīng)用，遙感圖像的時(shí)間分辨率、空間分辨率、輻射分辨率和光譜分辨率的不斷提升，以及雷達(dá)遙感技術(shù)不斷成熟，許多學(xué)者在可見光、熱紅外及微波等方面通過定量反演地表生物物理參數(shù)，如地表溫度、土壤水分、植被覆蓋度、熱慣量等信息，并結(jié)合GIS數(shù)據(jù)，建立了與地下水位相關(guān)的模型[9-12]。Yu等[13]用遙感提取與淺層地下水相關(guān)的8個(gè)指標(biāo)，通過層次分析法加權(quán)綜合，預(yù)測(cè)了平原孔隙水的富水靶區(qū)，驗(yàn)證表明干旱地區(qū)淺層地下水有良好的地表指示作用。Tam等[14]在喀斯特地貌區(qū)用遙感提取斷裂走向和地表徑流流向，發(fā)現(xiàn)兩者與地下徑流流向存在相關(guān)性，分析地層巖性找到了一條地下溶洞。Murugesan等[15]用遙感提取地形、地貌、水網(wǎng)密度和斷裂密度對(duì)盆地內(nèi)的構(gòu)造裂隙水進(jìn)行評(píng)估，結(jié)果表明斷裂交匯部位是地下水富集區(qū)。Machiwal等[16]用遙感提取與地下水相關(guān)的指標(biāo)，通過主成分變換對(duì)干旱地區(qū)地下水富集性進(jìn)行評(píng)估，評(píng)估結(jié)果與實(shí)地驗(yàn)證相符，而且還表明年降雨量和海拔高度與地下水分布沒有相關(guān)性。

在當(dāng)前主流的地下水位遙感反演的模型中，主要是通過單一地表生物物理參數(shù)反演地下水位，多參數(shù)反演方法較少，總體而言精度較高，也較為迅速。地下水水文循環(huán)較前者反演精度稍低，參數(shù)較多，且普適性較低。其他模型在建模過程中實(shí)現(xiàn)比較困難，雖然反演精度也較為理想，但是易受到地下水排泄條件等其他因素的干擾，求解較為復(fù)雜。針對(duì)上述問題，本研究通過反演多個(gè)地表參數(shù)，結(jié)合實(shí)測(cè)地下水?dāng)?shù)據(jù)來共同探索表示出地下水埋深的方法，并對(duì)這些方法做比較，找出最適合研究區(qū)地下水埋深反演的普適算法，為當(dāng)?shù)氐叵滤Y源的監(jiān)測(cè)以及合理開發(fā)提供理論支持。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

以研究區(qū)野外實(shí)地調(diào)查采樣確定邊界坐標(biāo)為83°2′54″E-83°7′25″E與41°4′54″N-41°8′37″N，在新疆維吾爾自治區(qū)的庫(kù)車縣境內(nèi)，是典型的山前沖積扇平原，屬于溫帶大陸性干旱氣候。年平均蒸發(fā)量為1 991.0～2 864.3 mm，多年平均降水量?jī)H為51.3 mm，主要集中在5～8月，蒸發(fā)量遠(yuǎn)大于降水量，干燥度系數(shù)為44.37，多年平均氣溫10.6～14.8 ℃，年極高、極低氣溫分別為41.3 ℃和-28.7 ℃，無霜期為209.7～226.3 d，屬于干旱與極端干旱地區(qū)[17]。研究區(qū)地形由北部的天山山脈和中部的低山以及南部的平原區(qū)三部分組成，是該縣經(jīng)濟(jì)發(fā)展的核心地帶[18]。庫(kù)車縣綠洲的自然植被主要以鹽生植被為主，主要有鹽節(jié)木（Halocnemum strabilaceum）、檉柳（Tamarix taklamakannesis）、蘆葦（Phragmites communis）、花花柴（Karelinia caspica）、鹽爪爪（Kalidium foliatum）、白刺（Nitrarria sibirica）、苦馬豆（Sophor alopecuroides）、駱駝刺（Alhagi sparsifolia）、黑刺（Lycium ruthenicum）、胡楊（Populus euphratica）、鹽穗木（Halostachys caspica）等，呈片狀分散在綠洲及其外圍交錯(cuò)帶和荒漠[19]。根據(jù)野外實(shí)地植被采樣單元選擇的典型研究區(qū)域如圖1所示。

1.2 數(shù)據(jù)采集

于2013年8月底至9月初以及2013年12月初分2次赴研究區(qū)進(jìn)行土壤相對(duì)含水量和地下水埋深數(shù)據(jù)的采集，2次天氣狀況均屬于晴朗無云，適合開展野外工作。2次考察采樣點(diǎn)相同，共計(jì)15個(gè)土壤樣點(diǎn)（圖2a）和10個(gè)埋置水位計(jì)樣點(diǎn)（圖2b）。土壤樣點(diǎn)采用分層取樣，主要分為0～10、10～20、20～40、40～60、60～80、80～100 cm共6層土樣。由于要使得誤差最小化，在采集土壤樣點(diǎn)時(shí)，每個(gè)樣點(diǎn)均挖取3個(gè)樣區(qū)，每個(gè)土樣質(zhì)量大致為250 g，以保證最具代表性并且誤差最小化。在采樣時(shí)，還對(duì)樣點(diǎn)周圍的環(huán)境狀況及土樣做詳細(xì)記錄，如土壤類型及質(zhì)地、植被覆蓋度及種類、海拔高度及經(jīng)緯度坐標(biāo)、氣溫與風(fēng)速、樣點(diǎn)采集的北京時(shí)間及樣點(diǎn)東南西北的景觀特點(diǎn)照片等。將野外土壤樣本帶回實(shí)驗(yàn)室，本研究使用的是烘干稱重法進(jìn)行土壤相對(duì)含水量（Soil relative water content，SRWC）測(cè)量；地下水埋深數(shù)據(jù)使用HOBO-U20-001-02型號(hào)的自動(dòng)記錄水位計(jì)進(jìn)行采集，時(shí)間間隔設(shè)置為每2 h記錄一次。

1.3 遙感影像預(yù)處理

本研究選擇了2013年9月11日的Landsat 8衛(wèi)星遙感影像，軌道號(hào)為p145r31。在信息提取前，先利用ENVI4.8軟件對(duì)該影像做輻射校正、大氣校正、幾何糾正、圖像裁剪等預(yù)處理。

2 方法與原理

首先對(duì)Landsat 8衛(wèi)星遙感影像進(jìn)去處理后，得到比輻射率、植被指數(shù)、地表溫度、地表反照率等數(shù)據(jù)，確定地表土壤相對(duì)含水量對(duì)地下水埋深反演的最佳深度；然后使用植被溫度指數(shù)模型反演地表土壤相對(duì)含水量；最后使用植被溫度指數(shù)模型反演地下水埋深，得到地下水埋深分布圖。

2.1 溫度植被指數(shù)模型

單獨(dú)以遙感獲取地表溫度來反演土壤相對(duì)含水量時(shí)，在植被覆蓋不完全地區(qū)，較高的土壤背景溫度會(huì)對(duì)土壤濕度信息產(chǎn)生嚴(yán)重干擾[20]；植被指數(shù)可以反演綠色植被的生長(zhǎng)狀況和覆蓋度信息，從而間接反映土壤水分狀況，但它對(duì)植被的水分脅迫不敏感，具有一定的滯后性[21]；已有研究表明，結(jié)合植被指數(shù)和地表溫度的綜合信息可以消除土壤背景的影響，能夠較好地計(jì)算植被覆蓋區(qū)的土壤相對(duì)含水量[20]。本研究綜合考慮了研究樣區(qū)的下墊面類型、植被類型和土壤類型后，采用較為適合研究樣區(qū)的TS-VI法反演土壤相對(duì)含水量，在選擇植被指數(shù)（VI）時(shí)，考慮到研究樣區(qū)較為干旱，下墊面類型比較均一且植被覆蓋度較低，因此本研究選擇了歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）與改進(jìn)型土壤調(diào)整植被指數(shù)（Modified soil adjusted vegetation index，MSAVI）作為TS-VI的植被參數(shù)。

2.1.1 植被指數(shù)的計(jì)算 NDVI定義為近紅外波段和可見光波段數(shù)值之差及近紅外波段和可見光波段數(shù)值之和的比值，也是目前應(yīng)用較為廣泛的植被指數(shù)之一。Huete[22]提出了土壤調(diào)整植被指數(shù)（Soil adjusted vegetation index，SAVI）這一概念，研究結(jié)果表明SAVI在一定程度上可改善植被指數(shù)與葉面積指數(shù)（Leaf area index，LAI）的線性關(guān)系?；诖?，Qi等[23]在上述基礎(chǔ)上將SAVI做了一定改進(jìn)，形成了MSAVI，其計(jì)算公式如下：

將得到的NDVI與MSAVI做正規(guī)化處理，公式如下：

VNDVI=（NDVI-NDVImin）/（NDVImax-NDVImin）×100%

（3）

VMSAVI=（MSAVI-MSAVImin）/（MSAVImax-MSAVImin）×100% （4）

式中，VNDVI與VMSAVI為正規(guī)化后的植被指數(shù)；NDVImin與MSAVImin為植被指數(shù)的最小值；NDVImax與MSAVImax為植被指數(shù)的最大值。

2.1.2 地表溫度的反演 由于Landsat 8有2個(gè)熱紅外波段，故采用劈窗算法來反演地表溫度（TS）。劈窗算法的主要思想是利用2個(gè)通道對(duì)水汽吸收和比輻射率的差異分別建立方程，求解方程組即可獲得TS。本研究利用覃志豪等[24]提出的劈窗算法求算TS，公式如下：

TS=A0+A1T10-A2T11 （5）

式中，T10和T11分別表示為L(zhǎng)andsat 8的第10和第11波段的亮度溫度；A0、A1和A2為分裂窗的相應(yīng)系數(shù)。求解過程如下：

C10=ε10τ10（θ），C11=ε11τ11（θ） （8）

D10=[1-τ10（θ）][1+（1-ε10）τ10（θ）]，D11=[1-τ11（θ）][1+（1-ε11）τ11（θ）] （9）

式中，C、D表示地表比輻射率和大氣透過率組成的函數(shù)；ε10和ε11表示第10波段與第11波段的地表比輻射率；τ10（θ）和τ11（θ）表示第10波段與第11波段在視角θ處的大氣透過率；a10、a11、b10及b11均為常量，分別為a10=-64.603 60，a11=-68.725 75，b10=0.440 817，b11=0.473 453。

2.1.3 TS-VI特征空間的構(gòu)建 Moran等[25]的研究發(fā)現(xiàn)，若土壤含水量處于從田間持水量到萎蔫含水量之間，即地表的覆蓋類型是從裸土到閉郁的植被冠層，將每個(gè)像元的VI作為x軸，將TS作為y軸，所構(gòu)建的特征空間二維散點(diǎn)圖呈階梯狀。公式表示為：

TVDI=（TS-Tmin）/（TS-Tmax） （10）

對(duì)于干邊，Tmax=aVI+b （11）

對(duì)于濕邊，Tmin=cVI+d （12）

式中，a、b、c和d分別為TS-VI特征空間中干邊和濕邊線性回歸方程的擬合系數(shù)；Tmax和Tmin分別為地表最高溫度和最低溫度。在TS-VI特征空間中，溫度植被干旱指數(shù)（Temperature vegetation dryness index，TVDI）越大，土壤表層水分越少，土壤相對(duì)越干燥。對(duì)干邊和濕邊散點(diǎn)的分布進(jìn)行線性擬合結(jié)果作為干邊和濕邊的分布位置較為合理。

2.1.4 TVDIVI反演土壤水分 由TS-VI構(gòu)成的梯形特征空間里，TVDIVI值越小，土壤含水量越高；反之，TVDIVI值越大，土壤含水量越低，這也表明在特征空間內(nèi)部存在等值線，呈三角形。

在三角形等值線的土壤相對(duì)含水量的計(jì)算公式為：

SRWC=a1+a2×k （13）

式中，k為等值線的斜率，根據(jù)像元到干邊和濕邊的距離和SRWC，則有：

SRWC=SRWCW-TVDIVI×（SRWCW-SRWCD）（15）

式中，SRWCD為干邊上對(duì)應(yīng)的最小的SRWC，SRWCW為濕邊上最大的SRWC。由于TVDIVI只能表示出土壤的干濕狀態(tài)和趨勢(shì)，所以需要將其轉(zhuǎn)化為SRWC，濕邊SRWC取水體的濕度即100%，得到SRWC與TVDIVI的轉(zhuǎn)化公式，如下：

SRWCD=（SRWCW-SRWC）/TVDIVI （16）

根據(jù)實(shí)測(cè)的SRWC和該點(diǎn)對(duì)應(yīng)的TVDIVI的值可以求算出干邊的SRWC，利用如下公式計(jì)算SRWCD：

式中，SRWCDi為干邊上某點(diǎn)對(duì)應(yīng)的最小的SRWC，Xi為對(duì)應(yīng)的該點(diǎn)的TVDIVI值，Yi為對(duì)應(yīng)的該點(diǎn)的實(shí)測(cè)SRWC。利用多值計(jì)算平均值的方法求算干邊的SRWCD。

2.2 地下水埋深反演

研究選取的圖像成像時(shí)間為研究區(qū)降水量稀少的時(shí)間段，同時(shí)也避開了農(nóng)作物生產(chǎn)灌溉時(shí)間，此時(shí)地表淺層土壤相對(duì)含水量可直接受控于地下水埋深和TS。因此，可以根據(jù)TS-VI特征空間使用SRWC進(jìn)行地下水埋深分布的遙感反演。在對(duì)研究區(qū)SRWC進(jìn)行遙感估算時(shí)對(duì)2種特征空間方法進(jìn)行了分析和比較，選出了適合研究區(qū)的較為精確的反演算法。為得到研究區(qū)地下水埋深分布情況，還分析了不同深度處的SRWC與地下水埋深之間的關(guān)系，為利用特征空間反演地下水埋深提供依據(jù)。

3 結(jié)果與分析

3.1 土壤相對(duì)含水量與地下水埋深相關(guān)性分析

通過SRWC與地下水埋深的相關(guān)性分析，可以得到受地下水埋深影響較大的土層。圖3為各個(gè)土層的SRWC與地下水埋深的相關(guān)性分析。由圖3可知，地下水埋深與0～10、40～60 cm的SRWC的相關(guān)系數(shù)分別高達(dá)0.802 4和0.801 5，與60～80 cm的SRWC的相關(guān)系數(shù)為0.606 0，與80～100 cm的SRWC的相關(guān)系數(shù)為0.598 9，與10～20 cm和20～40 cm的SRWC的相關(guān)系數(shù)分別為0.488 6和0.243 0，表明地下水埋深與這2層的SRWC相關(guān)性較低，相關(guān)性趨勢(shì)為0～10 cm>40～60 cm>60～80 cm>80～100 cm>10～20 cm>20～40 cm。位于0～10 cm及40～60 cm土壤的相對(duì)含水量相關(guān)系數(shù)均高于0.80，因此可以認(rèn)為這2層土壤受控于地下水埋深作用最為強(qiáng)烈，因此，利用這2層的SRWC來反演地下水埋深則有了理論依據(jù)。

3.2 TS-VI的構(gòu)建與對(duì)比

建立了2個(gè)TS-VI特征空間，分別為TS-NDVI與TS-MSAVI，如圖4所示。由圖4可以看出，2個(gè)特征空間均呈三角形，MSAVI的散點(diǎn)分布更為集中且包含的范圍更廣，在高植被覆蓋區(qū)的點(diǎn)對(duì)應(yīng)的NDVI的值較小，均小于0.8，MSAVI可高達(dá)0.95，對(duì)低植被覆蓋區(qū)的點(diǎn)對(duì)應(yīng)的NDVI的初始值均大于0.3，MSAVI的初始值均大于0.2，這表明在相同覆蓋度條件下，MSAVI較NDVI信息量更為豐富。

對(duì)NDVI而言，通過特征空間提取相同NDVI中TS的最大與最小值，間隔為0.01，回歸擬合得到干邊與濕邊方程，MSAVI與NDVI操作相同。通過擬合結(jié)果（表1）可以看出，干邊的斜率<0，濕邊的斜率>0，伴隨著VI的增加，TS的最大值呈減小趨勢(shì)，TS的最小值呈增加趨勢(shì)。整體而言，干邊的擬合效果較濕邊略好，影響干邊與濕邊斜率變化的主要因素有土壤水分含量、蒸散和冠層傳導(dǎo)度。

3.3 TVDINDVI與TVDIMSAVI的計(jì)算與對(duì)比

利用“2.1.3”中的公式，帶入擬合的干邊及濕邊方程，計(jì)算可得研究樣區(qū)內(nèi)的TVDINDVI與TVDIMSAVI分布圖，如圖5a與5b所示。

將野外定點(diǎn)實(shí)測(cè)樣區(qū)內(nèi)的15個(gè)土壤樣點(diǎn)測(cè)得的剖面SRWC與TVDINDVI作回歸分析，結(jié)果如表2所示。從表2可以看出，TVDINDVI和TVDIMSAVI與SRWC均表現(xiàn)為負(fù)相關(guān)，即TVDIVI的值越高，SRWC越低。TVDIVI與0～10 cm層的SRWC的相關(guān)性要高于其他土層，這也說明了TVDIVI對(duì)0～10 cm層的土壤水分較為敏感。TVDINDVI和TVDIMSAVI與0～10 cm層SRWC的相關(guān)系數(shù)分別為0.672 5和0.679 7。TVDINDVI和TVDIMSAVI與SRWC的相關(guān)水平整體均呈現(xiàn)0～10 cm>40～60 cm>20～40 cm>60～80 cm>80～100 cm>10～20 cm，這也表明TVDIVI與0～10 cm層SRWC的相關(guān)性最高，其次是40～60 cm層的SRWC。相比較而言，TVDIMSAVI與土壤剖面SRWC在大體趨勢(shì)上要高于TVDINDVI，這也表明在研究樣區(qū)TVDIMSAVI與SRWC的相關(guān)性略高于TVDINDVI。

上述結(jié)果也表明，植被指數(shù)與TS對(duì)0～10 cm的SRWC較敏感，研究時(shí)段為9月，降雨稀少，蒸發(fā)強(qiáng)烈，此時(shí)的SRWC受到植物根系和表層土壤的共同作用，對(duì)于TVDIVI而言，根系的作用稍強(qiáng)于地表的作用，因此，TVDIVI可以直觀地反映土壤水分狀況。

3.4 TVDIVI反演土壤相對(duì)含水量與精度驗(yàn)證

通過“2.1.4”中的公式可求算研究樣區(qū)0～10 cm層的SRWC值，結(jié)果如圖6所示。

本研究采用相對(duì)誤差和平均相對(duì)誤差驗(yàn)證預(yù)測(cè)值和實(shí)測(cè)值之間的符合度（E）。其計(jì)算公式[26]如下：

式中，Xi為預(yù)測(cè)值，Ti為實(shí)測(cè)值。

利用野外實(shí)測(cè)的0～10 cm層SRWC與TVDIVI反演數(shù)值作統(tǒng)計(jì)分析，取相對(duì)誤差和平均相對(duì)誤差作為檢驗(yàn)標(biāo)準(zhǔn)，結(jié)果如表3所示。由表3可以看出，模擬值與實(shí)測(cè)值具有較好的一致性，TVDIMSAVI特征空間反演的SRWC的平均值比TVDINDVI特征空間反演的SRWC的平均值更接近實(shí)測(cè)值。TVDIMSAVI預(yù)測(cè)值的平均相對(duì)誤差為18.06%，小于TVDINDVI預(yù)測(cè)值的平均相對(duì)誤差21.03%。因此，TVDIMSAVI特征空間較TVDINDVI特征空間反演SRWC更具有優(yōu)越性。

3.5 TVDIMSAVI反演地下水埋深

由于TVDIVI表現(xiàn)出了與0～10 cm層的土壤相對(duì)含水量具有最好的相關(guān)性，利用TVDINDVI和TVDIMSAVI已反演出了SRWC分布情況，且TVDIMSAVI的反演精度要優(yōu)于TVDINDVI。結(jié)合已經(jīng)得出地下水埋深與0～10 cm的SRWC的相關(guān)性最好這一結(jié)論，可以利用TVDIMSAVI反演出的0～10 cm的SRWC求算地下水埋深，帶入相關(guān)關(guān)系方程可以得出地下水埋深分布狀況如圖7所示。從圖7可以看出，綠洲外圍地下水埋深較淺，處于4 m以內(nèi)；綠洲-荒漠交錯(cuò)帶地下水埋深相對(duì)較高，約為5 m左右，荒漠區(qū)域可達(dá)9 m以上。符合地下水埋深從綠洲到綠洲-荒漠交錯(cuò)帶至荒漠由淺至深的變化趨勢(shì)，由此也可以看出，利用TVDIMSAVI反演研究區(qū)的地下水埋深是可行的。

4 結(jié)論

1）通過分析土壤剖面各個(gè)土層的SRWC與地下水埋深的相關(guān)性，得出了0～10 cm層的相關(guān)性要高于其他土層，這也為通過遙感手段反演SRWC間接得到地下水埋深數(shù)據(jù)奠定了理論基礎(chǔ)。

2）從建立的TS-NDVI與TS-MSAVI特征空間來看，MSAVI的散點(diǎn)分布更為集中且包含的范圍更廣，在相同覆蓋度條件下，MSAVI較NDVI信息量更為豐富。

3）從相關(guān)性分析來看，TVDINDVI和TVDIMSAVI與土壤相對(duì)含水量均表現(xiàn)為負(fù)相關(guān)，即TVDIVI的值越高，土壤相對(duì)含水量越低。TVDIVI與0～10 cm層的SRWC的相關(guān)性要高于其他土層，這也說明了TVDIVI對(duì)0～10 cm層的土壤水分較為敏感。從反演結(jié)果來看，TVDIMSAVI特征空間較TVDINDVI特征空間反演SRWC更具有優(yōu)越性。

4）在缺少實(shí)測(cè)土壤相對(duì)含水量數(shù)據(jù)時(shí)，根據(jù)對(duì)土壤相對(duì)含水量反演精度較高的TVDIMSAVI特征空間間接地反演地下水埋深分布情況的方法是可行的。

參考文獻(xiàn)：

[1] 張人權(quán)，梁 杏，靳孟貴，等.水文地質(zhì)學(xué)基礎(chǔ)[M].北京：地質(zhì)出版社，1998.

[2] 裴 廈，章予舒，謝高地.新疆渭干河-庫(kù)車河三角洲綠洲功能的穩(wěn)定性評(píng)價(jià)[J].資源科學(xué)，2009，31（4）：574-579.

[3] 陳亞寧，王 強(qiáng)，李衛(wèi)紅.植被生理生態(tài)學(xué)數(shù)據(jù)表征的合理地下水位研究——以塔里木河下游生態(tài)恢復(fù)過程為例[J].科學(xué)通報(bào)，2006，51（1）：7-13.

[4] 張?zhí)煸?中國(guó)干早區(qū)水資源利用與生態(tài)環(huán)境[J].資源科學(xué)，1981（1）：62-70.

[5] 陳荷生.西北干旱區(qū)水資源開發(fā)引起環(huán)境變化識(shí)別[J].中國(guó)沙漠，1987，7（2）：1-11.

[6] 鄧 偉，何 巖.論地下水對(duì)地表生態(tài)的作用[J].地理科學(xué)，1993，13（2）：161-168.

[7] 鄭 丹，李衛(wèi)紅，陳亞鵬，等.干旱區(qū)地下水與天然植被關(guān)系研究綜述[J].資源科學(xué)，2005，27（4）：160-167.

[8] 姚榮江，楊勁松，劉廣明.黃河三角洲地區(qū)典型地塊地下水特征的空間變異性研究[J].土壤通報(bào)，2006，37（6）：1071-1075.

[9] 金曉媚，劉金韜.黑河下游地區(qū)地下水與植被生長(zhǎng)的關(guān)系[J].水利水電科技進(jìn)展，2009，29（1）：1-4.

[10] J？魪RME M，CHANTAL G O，PHILIPPE D，et al. How to model shallow water-table depth variations：The case of the Kervidy-Naizin catchment，F(xiàn)rance[J].Hydrol Process，2005，19（4）：901-920.

[11] 李星敏，劉安麟，張樹譽(yù)，等.熱慣量法在干旱遙感監(jiān)測(cè)中的應(yīng)用研究[J].干旱區(qū)農(nóng)業(yè)研究，2005，23（1）：54-59.

[12] 塔西甫拉提·特依拜，崔建永，丁建麗.熱紅外遙感技術(shù)探測(cè)干旱區(qū)綠洲-荒漠交錯(cuò)帶地下水分布的方法研究[J].干旱區(qū)地理，2005，28（2）：252-257.

[13] YU D H，DENG Z D，LONG F，et al.Study on shallow groundwater information extraction technology based on multi-spectral data and spatial data[J].Science in China Series E：Technological Sciences，2009，52（5）：1420-1428.

[14] TAM V T， BATELAAN O. A multi-analysis remote-sensing approach for mapping groundwater resources in the karstic Meo Vac Valley，Vietnam[J].Hydrogeology Journal，2011，19（2）：275-287.

[15] MURUGESAN V，KRISHNARAJS S，KANNUSAMY V，et al. Uroundwater potential zoning in Thirumanimuttar sub-basin Tamilnadu，India-A GIS and remote sensing approach[J]. Geospatial Information Science，2011，14（1）：17-26.

[16] MACHIWAL D，JHA M K，MAL B C. Assessment of groundwater potential in a semi-arid region of India using remote sensing，GIS and MCDM Techniques[J].Water Resources Management，2011，25（5）：1359-1386.

[17] 張 飛，塔西甫拉提·特依拜，孔祥德，等.干旱區(qū)綠洲土地利用景觀空間格局動(dòng)態(tài)變化研究：以渭干河一庫(kù)車河三角洲綠洲為例[J].資源科學(xué)，2006，28（6）：167-174.

[18] 滿蘇爾·沙比提，楚新正.新疆渭干河——庫(kù)車河三角洲綠洲土地利用時(shí)空變化特征分析[J].干旱地區(qū)農(nóng)業(yè)研究，2007，25（4）：12-18.

[19] 王 雪，梅柴仲平，塔西甫拉提·特依拜.渭干河-庫(kù)車河三角洲綠洲鹽生植被物種多樣性研究[J].水土保持研究，2010，17（6）：86-94.

[20] 姚春生，張?jiān)鱿?，?瀟.使用溫度植被干旱指數(shù)法（TVDI）反演新疆土壤濕度[J].遙感技術(shù)與應(yīng)用，2004，19（6）：473-478.

[21] SON N T，CHEN C F，CHEN C R， et al. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data[J].International Journal of Applied Earth Observation and Geoinformation，2012，18（1）：417-427.

[22] HUETE A R. A soil-adjusted vegetation index（SAVI）[J]. Remote Sensing of Environment，1988，48（25）：295-309.

[23] QI J，CHWHBOUNI A，HUETE A R，et al. A modified soil adjusted vegetation index[J].Remote Sensing of Environment，1994，48（2）：119-126.

[24] 覃志豪，高懋芳，秦曉敏，等.農(nóng)業(yè)旱災(zāi)監(jiān)測(cè)中的地表溫度遙感反演方法——以MODIS數(shù)據(jù)為例[J].自然災(zāi)害學(xué)報(bào)，2005，14（4）：64-71.

[25] MORAN M S，CLARKE T R，INOUE Y，et al. Estimating crop water deficit using the relation between surface air temperate and spectral vegetation index[J].Remote Sensing of Environment，1994，49（3）：246-263.

[26] 和清華，謝 云.我國(guó)太陽總輻射氣候?qū)W計(jì)算方法研究[J].自然資源學(xué)報(bào)，2010，25（2）：308-319.