王春梅，顧行發(fā)，余 濤，周 翔，占玉林，韓樂然，謝秋霞

(1.中國科學(xué)院 遙感與數(shù)字地球研究所，北京 100094； 2.國家高分專項應(yīng)用技術(shù)中心，北京 100094； 3.中國科學(xué)院大學(xué)，北京 100049)

土壤水分是水文模型、氣候預(yù)測模型、干旱監(jiān)測模型、作物估產(chǎn)模型的重要參量，也是全球氣候變化和陸面數(shù)據(jù)同化研究的重要數(shù)據(jù)源[1]；因此，準(zhǔn)確監(jiān)測土壤水分具有重要的學(xué)術(shù)意義和應(yīng)用價值。傳統(tǒng)的土壤水分監(jiān)測方法雖然能夠精確測量單點(diǎn)的土壤水分，但不能滿足大尺度、動態(tài)監(jiān)測土壤水分的要求。隨著衛(wèi)星遙感技術(shù)的發(fā)展與完善，基于衛(wèi)星可見光-近紅外及熱紅外數(shù)據(jù)、主動微波、被動微波的土壤水分監(jiān)測方法相繼研發(fā)，這使得大尺度、動態(tài)監(jiān)測土壤水分成為可能。鑒于對土壤水分的強(qiáng)敏感性和高時間重復(fù)性，被動微波遙感數(shù)據(jù)已成為陸表土壤水分遙感產(chǎn)品的主要數(shù)據(jù)源，在全球土壤水分監(jiān)測中具有廣闊的應(yīng)用前景[2-3]。國內(nèi)外各知名研究機(jī)構(gòu)都在發(fā)布自己的全球土壤水分遙感產(chǎn)品，如美國的AMSR-E和SMAP、歐洲太空局的SMOS MIRAS和我國的FY-3。

然而，目前遙感信息產(chǎn)品的真實(shí)性檢驗(yàn)工作嚴(yán)重滯后，這使得區(qū)域尺度的遙感信息與地面測量尺度的地表觀測信息脫節(jié)，進(jìn)而制約了定量遙感產(chǎn)品在不同領(lǐng)域更好的推廣與應(yīng)用。隨著業(yè)務(wù)化和工程化進(jìn)程對定量遙感產(chǎn)品精度要求的不斷提高，遙感數(shù)據(jù)信息產(chǎn)品的真實(shí)性檢驗(yàn)變得極為重要。

研究表明，星載被動微波遙感的土壤水分反演效果并未達(dá)到預(yù)期精度(0.07 cm3·cm-3或0.04 cm3·cm-3)，產(chǎn)品低精度與產(chǎn)品間不一致性的問題與“用戶”的實(shí)用需求矛盾突出，極大限制了遙感產(chǎn)品的實(shí)用價值[4-7]。現(xiàn)有的土壤水分業(yè)務(wù)化反演算法都是針對均值地表發(fā)展起來的，在異質(zhì)性地表上的土壤水分反演效果沒有得到充分的真實(shí)性檢驗(yàn)。然而，受遙感器件與成像原理的限制，被動微波衛(wèi)星空間分辨率多為幾十千米(如AMSR-E 數(shù)據(jù)為25 km，SMOS MIRAS 數(shù)據(jù)約為40 km，F(xiàn)Y-3數(shù)據(jù)為25 km)，低空間分辨率的特性決定了微波像元內(nèi)部的異質(zhì)性，即單一微波像元內(nèi)存在多種地物或某種參數(shù)的多種取值，像元內(nèi)的異質(zhì)性給土壤水分產(chǎn)品的真實(shí)性檢驗(yàn)帶來了困難。

1 真實(shí)性檢驗(yàn)問題分析

真實(shí)性檢驗(yàn)是用來評價遙感數(shù)據(jù)產(chǎn)品、信息產(chǎn)品的真實(shí)性和準(zhǔn)確性的，也就是常提到的“約定真值”。遙感數(shù)據(jù)的本質(zhì)是采樣，特性是其時空分布規(guī)律，因此構(gòu)建出觀測對象的參數(shù)場分布是對各類衛(wèi)星獲得的信息產(chǎn)品檢驗(yàn)的依據(jù)[5-6，8]。最大化地接近真值，就要求在相同的時間地點(diǎn)，產(chǎn)品數(shù)值不僅一致，而且變化特征也要一致，并根據(jù)不同的物理量，具有相同的梯度、旋度與散度。

遙感數(shù)據(jù)信息產(chǎn)品真實(shí)性檢驗(yàn)的核心問題是如何利用有限的地面直接或非直接測量數(shù)據(jù)，構(gòu)建完整信息的觀測參數(shù)時空場。其不僅能夠代表衛(wèi)星觀測尺度值，而且能揭示空間異質(zhì)性規(guī)律，確保對觀測參數(shù)尺度信息的有效承載，為遙感數(shù)據(jù)信息產(chǎn)品提供驗(yàn)證數(shù)據(jù)。

觀測參數(shù)時空場的構(gòu)建涉及地面觀測、同步觀測、尺度轉(zhuǎn)換等關(guān)鍵環(huán)節(jié)，可通過2個途徑進(jìn)行構(gòu)建[8-10]。其一，在觀測參數(shù)時空變異特征分析的基礎(chǔ)上發(fā)展尺度上推策略，來利用地面實(shí)測點(diǎn)數(shù)據(jù)為遙感信息產(chǎn)品提供定標(biāo)和驗(yàn)證服務(wù)，技術(shù)的本質(zhì)可以理解為“點(diǎn)代面”；其二，利用多源信息融合技術(shù)，集成地面觀測點(diǎn)、模型模擬、遙感數(shù)據(jù)所反映的和觀測參量相關(guān)聯(lián)的自然要素或相關(guān)指標(biāo)所反映的觀測參量的時空分布信息，為遙感驗(yàn)證提供信息量更豐富、精度更高的時空場地面真值，技術(shù)的本質(zhì)為“多源信息融合”，這樣也可以充分發(fā)揮海量遙感大數(shù)據(jù)的作用。

2 常用檢驗(yàn)方法

常用的被動微波土壤水分遙感產(chǎn)品真實(shí)性檢驗(yàn)方法，主要有實(shí)測樣本數(shù)據(jù)檢驗(yàn)、影像數(shù)據(jù)交叉檢驗(yàn)、模型模擬檢驗(yàn)、影響因素檢驗(yàn)和傳統(tǒng)地統(tǒng)計檢驗(yàn)。本文查閱了大量文獻(xiàn)，列出了不同檢驗(yàn)方法研究的主要情況，簡要分析了5種方法的優(yōu)缺點(diǎn)和實(shí)際應(yīng)用。

2.1 實(shí)測樣本數(shù)據(jù)檢驗(yàn)

2.2 影像數(shù)據(jù)交叉檢驗(yàn)

影像數(shù)據(jù)交叉檢驗(yàn)是基于航空數(shù)據(jù)或更高分辨率的衛(wèi)星數(shù)據(jù)等價產(chǎn)品而進(jìn)行的檢驗(yàn)方法，這也是Modis陸表產(chǎn)品檢驗(yàn)的重要手段[31-33]。航空數(shù)據(jù)雖然分辨率較高，但是價格比較昂貴，用于低分辨率尺度的土壤水分檢驗(yàn)成本高昂。同時，由于過境時云的存在，同一區(qū)域很難連續(xù)獲得高質(zhì)量的影像，這極大地限制了地面同步觀測的高分辨率衛(wèi)星、航空數(shù)據(jù)的檢驗(yàn)?zāi)芰Γ贿m宜用作低分辨率土壤水分產(chǎn)品的通用檢驗(yàn)方法。

2.3 模型模擬檢驗(yàn)

為了克服缺少土壤水分實(shí)測數(shù)據(jù)、氣象站數(shù)據(jù)的缺陷，陸面過程模擬檢驗(yàn)和聯(lián)系相關(guān)變量檢驗(yàn)方法越來越成為低分辨率遙感產(chǎn)品檢驗(yàn)的主流方法。陸面過程模式是近30 a來以地球陸地表面物質(zhì)、能量和水分的交換與運(yùn)輸為理論基礎(chǔ)，以數(shù)字地形分析、GIS技術(shù)和數(shù)學(xué)方法為技術(shù)手段發(fā)展起來的陸表過程模式，已經(jīng)成為近年來氣象學(xué)、水文學(xué)研究的一個非常活躍的領(lǐng)域。模擬所采用的要素包括地形、植被、氣象，以及其他環(huán)境因素。土壤水分是陸面過程的主要參量之一，可以利用陸面過程模型模擬土壤水分結(jié)果，制作土壤水分的高分辨率趨勢面參考圖，但模擬精度受模式結(jié)構(gòu)和輸入數(shù)據(jù)的影響比較明顯[7-9，18-19，24，34-35]。

2.4 影響因素檢驗(yàn)

Crow等[19]于2012年提出，土壤水分的影響因素包括土壤質(zhì)地、地形、植被、氣象要素等。目前，國內(nèi)外利用影響因素作為先驗(yàn)知識的土壤水分遙感產(chǎn)品檢驗(yàn)研究有很多[19，36-39]。Tuttle等[40]于2014年利用降雨數(shù)據(jù)對AMSR-E土壤水分?jǐn)?shù)據(jù)進(jìn)行了檢驗(yàn)；邱玉寶等[41]于2007年開展了AMSR-E被動微波土壤水分與降雨時空的相關(guān)性分析；Lakshmi等[42]于1997年利用歸一化植被指數(shù)(NDVI)的變化對土壤水分反演誤差進(jìn)行檢驗(yàn)；張濤等[43]于2012年通過理論模擬方法研究了土壤質(zhì)地類型對土壤水分反演精度的影響。先驗(yàn)知識與土壤水分之間的關(guān)系非常復(fù)雜。既有的研究大多是基于單一參量或多參量的簡單相關(guān)或回歸統(tǒng)計，多限于對變化趨勢性的定性檢驗(yàn)，有關(guān)土壤水分與多源先驗(yàn)知識的綜合性定量研究尤為缺乏[43]。

2.5 傳統(tǒng)地統(tǒng)計檢驗(yàn)

地統(tǒng)計檢驗(yàn)是一種綜合考慮先驗(yàn)知識和實(shí)測數(shù)據(jù)的思路方法。利用協(xié)同克里格、回歸克里格、分層克里格、地理權(quán)重回歸等，均能得到衛(wèi)星觀測尺度的土壤水分參考圖，在先驗(yàn)知識與土壤水分相關(guān)性較強(qiáng)時，這些方法的檢驗(yàn)精度均高于普通克里格方法；但這些方法在綜合利用多源數(shù)據(jù)類型的先驗(yàn)知識信息方面仍顯不足[44-48]：如協(xié)同克里格只能兼顧單個數(shù)值類型的環(huán)境因子，分層克里格只是將環(huán)境信息作為一個分層或分類依據(jù)等。

2.6 常用檢驗(yàn)方法分析

如表1所示，實(shí)測樣本數(shù)據(jù)檢驗(yàn)方法以樣點(diǎn)的空間代表性為前提，但其方法本身仍存在著一些不足，如缺乏對先驗(yàn)知識的有效利用，導(dǎo)致檢驗(yàn)真值精度降低，而且要求的地面監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)集不易滿足等。模型模擬檢驗(yàn)和影響因素檢驗(yàn)的理論依據(jù)都是土壤水分與先驗(yàn)知識的關(guān)系，但都忽略了樣點(diǎn)的重要性。地統(tǒng)計檢驗(yàn)(協(xié)同克里格、回歸克里格、分層克里格等)是一種綜合思路，綜合考慮了樣點(diǎn)和先驗(yàn)知識，但該方法在綜合利用多源數(shù)據(jù)類型的先驗(yàn)知識信息方面仍顯不足。

表1 不同檢驗(yàn)方法的優(yōu)缺點(diǎn)分析

如何更好地將地面測量和先驗(yàn)知識兩種思想融合起來，如何高效兼顧樣點(diǎn)空間相關(guān)性和多源類型先驗(yàn)知識的關(guān)系，提高觀測參數(shù)時空場的構(gòu)建精度非常重要。為此，需要深入開展土壤水分與多源先驗(yàn)知識集的綜合性定量研究。

3 基于貝葉斯最大熵理論的檢驗(yàn)方法

目前，有研究者嘗試將貝葉斯最大熵理論(BME)應(yīng)用到多源數(shù)據(jù)融合過程中，尤其是將和目標(biāo)參量具有相關(guān)性的不確定性數(shù)據(jù)融入空間估計過程中，以發(fā)揮貝葉斯理論的優(yōu)勢；同時，在數(shù)據(jù)融合策略基礎(chǔ)上，構(gòu)建貝葉斯理論框架下的地面觀測站點(diǎn)數(shù)據(jù)升尺度方法，有效利用海量多源遙感數(shù)據(jù)，以獲取區(qū)域更高精度的目標(biāo)參量空間分布信息，為遙感反演信息產(chǎn)品提供更可靠的驗(yàn)證數(shù)據(jù)。

1.2 實(shí)驗(yàn)病毒 柯薩奇病毒B組3型（Coxsackievirus B3，CVB3）由本院微生物病毒研究室提供，經(jīng)Hela細(xì)胞活化，反復(fù)凍融3次后檢測組織細(xì)胞感染率TCID50：10-3/mL。

3.1 BME基本框架

Christakos于1990年提出了BME方法，并稱其為現(xiàn)代地統(tǒng)計學(xué)；因此，BME檢驗(yàn)方法屬于現(xiàn)代地統(tǒng)計檢驗(yàn)范疇，是在傳統(tǒng)地統(tǒng)計檢驗(yàn)方法上的改進(jìn)[45，48-50]。在綜合利用多源數(shù)據(jù)類型的先驗(yàn)知識信息方面，BME檢驗(yàn)方法是一個極具創(chuàng)新的方法，具有比較突出的優(yōu)勢。

BME檢驗(yàn)方法進(jìn)行大尺度空間異質(zhì)性研究能融合多方面具有不同精度與質(zhì)量的數(shù)據(jù)，并將這些數(shù)據(jù)分為2方面：(1)專用數(shù)據(jù)(KS)。按照數(shù)據(jù)的精確與否分為硬數(shù)據(jù)和軟數(shù)據(jù)兩類，兩類數(shù)據(jù)均定量表示被研究屬性的含量，區(qū)別在于硬數(shù)據(jù)為確定性的值，而軟數(shù)據(jù)的值具有模糊性質(zhì)，形式為值域區(qū)間或概率分布，如對某個點(diǎn)位的田間觀測近似數(shù)據(jù)、從土壤制圖中獲取的土壤質(zhì)地分布等。相對于硬數(shù)據(jù)而言，軟數(shù)據(jù)具有模糊性、獲取容易、成本低等特點(diǎn)。(2)普遍知識/數(shù)據(jù)(KG)。用來描述空間隨機(jī)域的整體特征的數(shù)據(jù)或知識，如一般自然規(guī)律、經(jīng)驗(yàn)知識和基于硬數(shù)據(jù)任何階的統(tǒng)計動差(如數(shù)學(xué)期望、協(xié)方差、方差等)。

基于這兩方面數(shù)據(jù)，BME方法分為2個步驟：(1)使用KG，基于最大熵原理，計算研究區(qū)域內(nèi)未測點(diǎn)變量分布的先驗(yàn)概率密度函數(shù)(以下簡稱pdf)，而且當(dāng)僅考慮硬數(shù)據(jù)統(tǒng)計誤差時，所得結(jié)果與實(shí)地樣本數(shù)據(jù)檢驗(yàn)結(jié)果一樣。(2)使用KS，基于貝葉斯條件概率，更新上一步獲取的先驗(yàn)pdf，得到研究區(qū)域內(nèi)未測點(diǎn)的后驗(yàn)pdf。根據(jù)最終得到的后驗(yàn)pdf，可以方便地制作衛(wèi)星觀測尺度的土壤水分?jǐn)?shù)字參考地圖，進(jìn)而對遙感土壤水分產(chǎn)品進(jìn)行檢驗(yàn)。

在BME檢驗(yàn)中，簡單有效的軟數(shù)據(jù)構(gòu)造方式可大大提高檢驗(yàn)評價的預(yù)測效果，然而土壤水分產(chǎn)品檢驗(yàn)的相關(guān)研究中對于軟數(shù)據(jù)的應(yīng)用形式還比較有限。目前常用的軟數(shù)據(jù)模型是環(huán)境相關(guān)法，下面詳細(xì)介紹。

3.2 BME環(huán)境相關(guān)法軟數(shù)據(jù)模型

根據(jù)環(huán)境相關(guān)法的思想，土壤水分含量在不同環(huán)境的影響下可能會產(chǎn)生不同的空間分布特征。通過將土壤水分屬性和輔助變量[包括數(shù)字高程模型(DEM)、土地利用現(xiàn)狀圖、Modis產(chǎn)品、FY-3號土壤水分產(chǎn)品]離散化，利用離散型的概率分布逼近土壤水分概率真實(shí)分布，從而達(dá)到預(yù)測的目的。

設(shè)待預(yù)測土壤水分Z的觀測值范圍為[Zmin，Zmax]，根據(jù)精度要求將該值域范圍等分為n個含量類別，則第k(1≤k≤n)組含量類別(記為Zk)可表示為[44]

(1)

據(jù)此，將建模樣點(diǎn)上Z的含量大小劃分為n個組。同時，與Z類似，可將輔助變量(記為E)的值域劃分為m個值區(qū)間。根據(jù)輔助變量類型的不同，劃分方法也有所不同。具體而言：如果E是連續(xù)型輔助變量(如地形因子和基于遙感影像的指數(shù))，則E的值域被等分為m個區(qū)間(E1，E2，…，Ei，…，Em)；如果E是范疇型輔助變量(如土壤質(zhì)地、土壤類型)，則m為E的水平個數(shù)，而Ei則為E的某個具體水平(如土壤質(zhì)地中的重壤)。

對于E的每一個區(qū)間Ei，依次判斷建模樣點(diǎn)上的E取值對其的歸屬性，結(jié)合Z含量的劃分，可得到一個類似于直方圖類型的Ei下Z取值的概率分布，用該取值概率分布R(Z，E)來表示Z和Ei的定量關(guān)系，用公式表示為

(2)

其中：l∈[1，m]，Ci為所有建模樣點(diǎn)上輔助變量E的取值屬于Ei的個數(shù)，Count(l)i為第l間隔類內(nèi)輔助變量E的取值屬于Ei的所占個數(shù)。待預(yù)測土壤水分與輔助變量之間的完整定量關(guān)系可表示為

(3)

對于某一個特定的空間點(diǎn)位u，其上輔助變量E的取值是一個確定值。假設(shè)其值屬于Ei，那么u上在輔助變量E影響下的土壤水分概率分布可記為P(Z，E)u：

P(Z，E)u=R(Z，Ei)u。

(4)

如果在該點(diǎn)位u上，存在著多種輔助變量取值，即E是多個輔助變量的集合：A，B，C，...∈E，則可按以上方法同時獲取u上在多個輔助變量影響下的土壤水分概率分布?？紤]到不同輔助變量與待預(yù)測土壤水分之間的相關(guān)性不同，引入它們之間的相關(guān)系數(shù)作為權(quán)重rE。對于連續(xù)型輔助變量，采用其與土壤水分的皮爾森相關(guān)系數(shù)作為權(quán)重；對于范疇型輔助變量，采用其與土壤水分的斯皮爾曼相關(guān)系數(shù)作為權(quán)重。為了能同時使用這些相關(guān)系數(shù)，權(quán)重需歸一化(ωE=rE/∑rE，E=A，B，C，…)。最后，基于歸一化的權(quán)重和輔助變量影響下的土壤水分概率，可得到任意點(diǎn)位上基于土壤環(huán)境相關(guān)法的土壤水分概率分布，該概率分布的期望值即為土壤環(huán)境相關(guān)法的預(yù)測值。

3.3 BME研究進(jìn)展

基于BME方法的應(yīng)用研究已經(jīng)成功地運(yùn)用于土壤分類、城市熱島、氣溶膠、土壤有機(jī)質(zhì)等參數(shù)的空間估算研究[45，48-52]。另外，BME方法還被運(yùn)用于流行病時空建模、生態(tài)與資源調(diào)查、氣象氣候研究等涉及自然資源與現(xiàn)象空間分布的多個領(lǐng)域。

在貝葉斯理論框架下開展土壤水分地面真值研究。根據(jù)環(huán)境相關(guān)法的思想，土壤水分含量在不同環(huán)境的影響下可能會產(chǎn)生不同的空間分布特征。通過將土壤水分屬性和輔助變量離散化，利用離散型的概率分布逼近土壤水分概率真實(shí)分布，即可達(dá)到預(yù)測目的。Qin等[53]于2013年開展的研究正是這種策略的典型代表，通過貝葉斯線性擬合的方式將Modis表觀熱慣量數(shù)據(jù)作為輔助數(shù)據(jù)集成到升尺度過程中，成功地將稀疏站點(diǎn)的土壤水分觀測數(shù)據(jù)升尺度到了微波遙感土壤水分產(chǎn)品(AMSRE-2 or SMOS)的像元尺度。由此可見，融合多源信息可以認(rèn)為是一種強(qiáng)大的大數(shù)據(jù)分析轉(zhuǎn)換策略。在土壤水分真實(shí)性檢驗(yàn)應(yīng)用中，可以憑借土壤水分和相關(guān)變量(如地表溫度、植被指數(shù)、地形指數(shù)、氣象數(shù)據(jù)等)之間的統(tǒng)計關(guān)系，嘗試以先驗(yàn)變量數(shù)據(jù)集為輔助數(shù)據(jù)，利用BME方法融合土壤水分觀測數(shù)據(jù)和先驗(yàn)變量數(shù)據(jù)集數(shù)據(jù)進(jìn)行土壤水分的空間估計。

可以預(yù)見，BME貝葉斯最大熵方法提供了靈活的數(shù)據(jù)利用方式，使多種來源、多種類型的數(shù)據(jù)集有機(jī)會同時被用于衛(wèi)星觀測尺度的空間分析，能夠綜合各種先驗(yàn)信息與樣本信息，是一種可靠的真實(shí)性檢驗(yàn)方法[54]。

4 結(jié)語

如何獲取可以代表衛(wèi)星觀測尺度“真值”、并能表征空間異質(zhì)性的土壤水分觀測場，成為被動微波土壤水分產(chǎn)品真實(shí)性檢驗(yàn)的關(guān)鍵問題。本文介紹了實(shí)測樣本數(shù)據(jù)檢驗(yàn)、影像數(shù)據(jù)交叉檢驗(yàn)、模型模擬檢驗(yàn)、影響因素檢驗(yàn)和傳統(tǒng)地統(tǒng)計檢驗(yàn)。目前，有嘗試將貝葉斯最大熵理論(BME)應(yīng)用到多源數(shù)據(jù)融合過程中，并已在其他領(lǐng)域得到了廣泛的應(yīng)用?；诖?，BME方法有望發(fā)展成為一種可靠的大尺度土壤水分真實(shí)性檢驗(yàn)方法。

在今后的遙感產(chǎn)品真實(shí)性檢驗(yàn)研究中，除了必須開展大規(guī)模、多樣本的長時間序列、多空間維度的地面測量外，還要盡可能收集更多的先驗(yàn)數(shù)據(jù)集，建立綜合數(shù)據(jù)庫，使多種來源、多種類型的數(shù)據(jù)集有機(jī)會同時被用于不同觀測尺度的時空分析，以便采用BME最大熵理論方法，生成具有“完整”信息的觀測參數(shù)時空場參考真值，用于研究時空變化規(guī)律，評價信息一致的參考場地狀態(tài)，并在此基礎(chǔ)上，完成遙感信息產(chǎn)品的真實(shí)性檢驗(yàn)。