聶 艷,馬澤玥,周逍峰,于 雷,于 婧

1 華中師范大學(xué)地理過程分析與模擬湖北省重點實驗室,武漢 430079 2 湖北大學(xué)資源環(huán)境學(xué)院,武漢 430062

土壤濕度作為陸面水資源形成、轉(zhuǎn)化及消耗過程中的基本參數(shù),對植被生長、農(nóng)業(yè)生產(chǎn)和區(qū)域生態(tài)系統(tǒng)健康運轉(zhuǎn)具有重要影響[1]。遙感技術(shù)的發(fā)展,特別是近年來不同傳感器、多時相、多波段、高光譜技術(shù)的發(fā)展,為大范圍、及時、準(zhǔn)確土壤濕度遙感監(jiān)測提供了可能[2]。自20世紀(jì)80年代起,就有很多學(xué)者提出了基于不同遙感數(shù)據(jù)源及波段信息的土壤濕度反演模型和方法,其中最具代表性的有熱慣量法、微波遙感監(jiān)測法、熱紅外遙感監(jiān)測法、溫度-植被綜合指數(shù)法和光譜特征空間法等[3- 9]。1977年Richardson 和Wiegand 建立Nir-Red光譜特征空間提出基于土壤背景線的垂直植被指數(shù)后,從遙感光譜特征空間提取土壤水分信息建立土壤濕度遙感反演模型的方法被學(xué)者們持續(xù)關(guān)注,學(xué)者們先后提出了歸一化植被指數(shù)(Normalized difference vegetation index,NDVI)、增強(qiáng)型植被指數(shù)(Extreme value index,EVI)、溫度植被干旱指數(shù)(Temperature vegetation dryness index,TVDI)、垂直干旱植被指數(shù)(Modified perpendicular drought index,MPDI)等監(jiān)測作物生長期的土壤濕度變化狀況,這種通過遙感影像計算各類指數(shù)間接反映土壤含水量的模擬方法應(yīng)用最為廣泛[10- 16]。前述研究雖然取得了不錯的成果,但所采用的遙感數(shù)據(jù)源多為TM、ETM+甚至中分辨率的MODIS影像,而基于高分辨率遙感數(shù)據(jù)的研究卻很少,更沒有研究對比不同指數(shù)/傳感器在干旱半干旱農(nóng)業(yè)區(qū)的反演效果和適用性。因此,本文結(jié)合高分辨率遙感數(shù)據(jù)(GF- 1 WFV和Landsat8 OLI)高空間、高時間分辨率和寬覆蓋的特點,以新疆維吾爾族自治區(qū)的阿克蘇河流域為研究區(qū),重點探討不同高分辨率遙感數(shù)據(jù)源、不同指數(shù)在流域尺度土壤濕度反演中的可行性和適用性,定量監(jiān)測阿克蘇河流域土壤濕度的時空變化信息,以協(xié)調(diào)灌區(qū)各分閘口的灌溉定額,促進(jìn)流域水資源的合理分配和高效利用,拓展國產(chǎn)高分系列遙感數(shù)據(jù)在精準(zhǔn)農(nóng)業(yè)、農(nóng)業(yè)信息定量提取等方面的應(yīng)用范圍,為“天地網(wǎng)一體化”的現(xiàn)代農(nóng)業(yè)信息獲取和農(nóng)情信息遙感監(jiān)測提供理論基礎(chǔ)。

1 研究區(qū)概況

阿克蘇河流域位于新疆維吾爾自治區(qū)西部、塔里木盆地西北部,地處塔里木河上游平原地區(qū),地理位置為40°—41°35′ N,78°47′—82°43′ E。具有明顯的大陸性季風(fēng)氣候,干燥少雨,多年平均降水量約45 mm,20 m2水面蒸發(fā)量1500 mm,年太陽輻射總量達(dá)到6000 MJ/m2,農(nóng)業(yè)全部依靠地表水渠系灌溉和地下水井抽水灌溉。阿克蘇流域綠洲是新疆主要的灌溉綠洲農(nóng)業(yè)區(qū)和重要的糧食、瓜果生產(chǎn)基地之一,也是中國重要的棉花生產(chǎn)區(qū)。近年來,隨著阿克蘇地區(qū)社會經(jīng)濟(jì)的發(fā)展,流域內(nèi)地下水位不斷降低,農(nóng)業(yè)生產(chǎn)受到一定影響,胡楊林等重要的生態(tài)系統(tǒng)也逐漸退化。因此,借助高分辨率遙感數(shù)據(jù)實現(xiàn)大面積高精度的土壤濕度的實時監(jiān)測對流域水資源利用及生態(tài)安全評價具有極大的現(xiàn)實意義。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

選取阿克蘇流域的阿瓦提縣(灌溉農(nóng)業(yè)為主)、阿拉爾市(灌溉農(nóng)業(yè)為主)和溫宿縣(林果業(yè)為主)3個實驗區(qū)(圖1),實測數(shù)據(jù)為0—10、10—20、20—30 cm深度層的土壤體積含水率(相對值),采用托普云農(nóng)TZS- 2X-G土壤水分溫度速測儀測量(理論相對誤差小于3%),采樣時間為2016年7月14日—7月20日,采樣時點前后一個星期天氣狀況穩(wěn)定。采樣時根據(jù)不同土地覆蓋類型,選取面積大于30 m×30 m的規(guī)則地塊,在地塊中間位置選擇2 m×2 m的樣方,樣方內(nèi)隨機(jī)測量3次取平均值,同步記錄GPS樣點坐標(biāo)、土地覆蓋類型和植被密集程度等信息；共采集102個樣點(土壤濕度實測數(shù)據(jù)306個),其中阿瓦提采樣區(qū)、阿拉爾采樣區(qū)和溫宿采樣區(qū)的實測樣點分別為45、30個和27個；樣點覆蓋類型包括小麥、棉花、水稻、果園、林地和裸地,以農(nóng)田植被為主(圖1)。

圖1 阿克蘇河流域土壤濕度實測樣點分布圖Fig.1 Distribution of measured samples of soil moisture in study area

采用兩種高分辨遙感數(shù)據(jù),一是GF- 1 WFV多光譜影像,空間分辨率為16 m,成像時間2016年6月13日、7月6日、7月22日和8月12日,主要利用紅光波段(Band 3)和近紅外波段(Band 4)數(shù)據(jù)；二是Landsat8 OLI遙感影像,空間分辨率30 m,成像時間2016年7月18日,主要利用紅光波段(Band 4)和近紅外波段(Band 5)數(shù)據(jù)。在分析之前,對各遙感影像進(jìn)行了預(yù)處理,然后借助ArcGIS10.1將實測樣點數(shù)據(jù)與預(yù)處理后的影像進(jìn)行地理坐標(biāo)配準(zhǔn)。

2.2 研究方法

2.2.1垂直干旱指數(shù)

垂直干旱指數(shù)(Perpendicular drought index,PDI)是根據(jù)植被-土壤二元組合在紅光-近紅外二維空間光譜分布變化規(guī)律而提出的一種土壤水分反演指數(shù),它在實踐應(yīng)用中取得了較好效果[8- 10,17]。PDI的計算公式為：

(1)

式中,Rnir和Rred為遙感影像中近紅外和紅光波段反射率,分別對應(yīng)本研究中GF- 1 WFV影像的第三、第四波段和Landsat8 OLI影像的第四、第五波段反射率；M為土壤線斜率。

借助ENVI 5.1,從經(jīng)預(yù)處理的研究區(qū)GF- 1 WFV遙感影像中提取每個土壤濕度實測樣點像元在近紅外和紅光波段的反射率,將102個實測樣點的反射率在Nir-Red構(gòu)成的二維光譜特征空間中進(jìn)行離散化,然后進(jìn)行趨勢線擬合得到研究區(qū)的土壤線方程如公式2。

y=1.2381x+0.0367,R2=0.938

(2)

根據(jù)土壤線的定義可以確定研究區(qū)土壤線斜率M為1.2381,土壤線在縱坐標(biāo)上的截距I為0.0367。由于同一地塊的土壤線差異不大,基于Landsat8 OLI的土壤濕度反演模型構(gòu)建時采用同樣的土壤線。

2.2.2改進(jìn)型垂直干旱指數(shù)

PDI沒有考慮地表植被覆蓋對紅光和近紅外波段的強(qiáng)散射作用,因此主要適用于低植被覆蓋或裸土地區(qū)土壤濕度的遙感反演[8- 10,18]。針對此局限性,引入植被覆蓋度fv對在Nir-Red 光譜特征空間的混合像元進(jìn)行分解,克服植被對紅光和近紅外波段的散射影響,獲取與土壤濕度有關(guān)的純土壤像元反射率,得到MPDI[18],計算公式如下：

(3)

式中,Rred,v、Rnir,v為植被在Red和Nir波段的反射率；fv為植被覆蓋度。fv是指植被(包括葉、莖、枝)在地表的垂直投影面積占統(tǒng)計區(qū)總面積的百分比,本研究主要利用fv來克服遙感影像中混合像元對土壤濕度光譜信息的影響,公式如下：

(4)

式中,NDVIv、NDVIs分別代表純植被和裸土的歸一化植被指數(shù)。借助ENVI 5.1中的Band math工具,通過紅光波段和近紅外波段的反射率,可以計算獲取各時期GF- 1 WFV和Landsat8 OLI遙感影像的NDVI值；由于研究區(qū)地表覆蓋復(fù)雜,計算得到的NDVI最大/最小值可能存在誤差,擬取累積概率為5%和95%的NDVI值作為最小值和最大值。

2.2.3植被調(diào)整垂直干旱指數(shù)

考慮到覆蓋飽和的影響,引入垂直植被指數(shù)(PVI)代替fv,作為植被覆蓋表征量,在PVI-PDI二維空間對PDI模型進(jìn)行修正,提出了適用于高植被覆蓋區(qū)土壤濕度反演的植被調(diào)整垂直干旱指數(shù)(Vegetation adjusted perpendicular drought index,VAPDI)[8- 10]。

如圖2所示,三角形ABC內(nèi)所有土壤濕度等值線近似為直線,且交于A點。在PVI=0的裸土區(qū),三角形ABC內(nèi)任一點E的PDI可以近似用土壤濕度等值線AE與橫坐標(biāo)軸的交點F的PDI代替,OF的長度即為E點修正后的PDI,即PVI趨于0時,VAPDI等于PDI。

圖2 PVI-PDI光譜特征空間像元散點分布示意圖 Fig.2 Distribution schematic of pixels in PVI-PDI spectral feature spacePVI:垂直植被指數(shù) perpendicular vegetation index; PDI:垂直干旱指數(shù) perpendicular drought index; D為A到BC的垂足,E為三角形ABC任意一點,G為點E到AD的垂足,F為AE延長線于BC的交點

根據(jù)三角形相 似原理得到任意X點的VAPDI計算公式如下：

(5)

其中,垂直植被指數(shù)PVI的計算公式如下：

(6)

式中,I是土壤線表達(dá)式的截距。借助ENVI 5.1中的Band math工具,獲取各時期GF- 1 WFV和Landsat8 OLI遙感影像的PVI值。

3 結(jié)果與分析

3.1 土壤濕度反演模型構(gòu)建

3.1.1土壤實測濕度的描述性統(tǒng)計

以研究區(qū)102個表層(0—10 cm)土壤濕度實測數(shù)據(jù)為例進(jìn)行描述性統(tǒng)計分析,結(jié)果見表1。各植被類型的表層土壤濕度均值和中值接近,說明研究區(qū)土壤濕度整體分布較為均勻；裸土的中值和均值存在差異,且變異系數(shù)達(dá)到43.8%,說明研究區(qū)裸土的干、濕度存在一定差異；土壤濕度最大值和最小值分別為0.485和0.088,對應(yīng)的覆蓋類型分別為水稻和裸土；102個實測樣點的土壤濕度平均值和標(biāo)準(zhǔn)差分別為0.225和0.081。

3.1.2土壤濕度反演模型構(gòu)建

依據(jù)各采樣點的土地利用類型、植被覆蓋度、地形、坡度坡向等具體指標(biāo),從102個采樣點中選取68個作為建模樣本集,剩余的34個樣點作為反演模型精度驗證和評價的驗證樣本集。通過ENVI 5.1中的Band math工具,計算獲取GF- 1 WFV(2016年7月22日)與Landsat8 OLI(2016年7月18日)影像的fv、PVI兩個參數(shù)和PDI、MPDI和VAPDI,借助SPSS 19.0對68個建模樣本3個深度層的土壤濕度實測數(shù)據(jù)和對應(yīng)的PDI、MPDI和VAPDI分別進(jìn)行擬合,發(fā)現(xiàn)線性擬合效果最好,匯總回歸模型見表2。

從表2可以看出,擬合模型均為負(fù)相關(guān),除了基于GF- 1 WFV影像的20—30 cm深度層的PDI、MPDI擬合模型和基于Landsat8 OLI影像的20—30 cm深度層的PDI擬合模型通過0.05的顯著性檢驗外,其余模型均通過0.01的顯著性檢驗,具備統(tǒng)計學(xué)意義；尤其是各指數(shù)均與0—10 cm深度層的土壤濕度相關(guān)性最強(qiáng),平均R2達(dá)到了0.68,說明基于光學(xué)遙感影像近紅外和紅光波段構(gòu)建的遙感反演指數(shù)對近地表層土壤濕度信息具有較強(qiáng)的敏感性,能夠模擬和監(jiān)測更大范圍的土壤濕度的空間變化,但對地下較深層次的土壤濕度反演精度略低。

從各回歸模型的決定系數(shù)R2來看,MPDI、VAPDI的擬合效果要明顯優(yōu)于PDI,這是因為在Nir-Red二維光譜特征空間中,各像元的反射率由土壤、植被甚至其他地物信息共同決定,PDI指數(shù)沒有考慮到植被覆蓋對土壤光譜信息的影響,因此無法完全反映出表層土壤濕度的實際水平。而MPDI和VAPDI分別利用了不同的植被覆蓋表征量對混合像元的光譜信息進(jìn)行修正,因而所表達(dá)的土壤濕度信息更精確,與土壤濕度實測值之間的相關(guān)性高于PDI。

表2 兩種遙感影像不同反演指數(shù)與各層土壤濕度的回歸擬合模型

PDI：垂直干旱指數(shù) Perpendicular drought index；MPDI：改進(jìn)型垂直干旱指數(shù) Modified perpendicular drought index；VAPDI：植被調(diào)整垂直干旱指數(shù) Vegetation adjusted perpendicular drought index；*：通過0.05的顯著性檢驗；**：通過0.01的顯著性檢驗

從表2來看,對于WFV,PDI與土壤濕度間的相關(guān)性隨深度增加而明顯減小,而OLI的PDI與3個深度層土壤濕度間的相關(guān)性差異不大,但同樣都是在20—30 cm深度層的相關(guān)性最小,標(biāo)準(zhǔn)誤差也相對較大。說明對于WFV和OLI兩種遙感影像,當(dāng)深度超過20 cm,PDI對土壤濕度的敏感度不高,難以準(zhǔn)確地反映該深度層的實際土壤濕度狀況。MPDI與土壤濕度的相關(guān)性也隨著土壤深度增加而減小,基于WFV和OLI的MPDI均與0—10 cm土壤濕度相關(guān)性最強(qiáng),R2達(dá)到了0.7,說明基于近紅外和紅光波段信息構(gòu)建的反演指數(shù)對土壤濕度的敏感性隨深度增加而降低。在3個深度土層上,基于WFV與OLI的MPDI和土壤濕度實測值的相關(guān)系數(shù)水平基本相當(dāng)。兩種遙感影像的VAPDI與3個深度層土壤濕度之間都存在線性負(fù)相關(guān)；其中在0—10 cm深度層的相關(guān)性最強(qiáng),R2分別達(dá)到了0.7469和0.7869,在10—20 cm和20—30 cm深度層相關(guān)性相對較低,但高于其他兩個指數(shù)；就傳感器而言,基于WFV影像的回歸擬合模型的各項系數(shù)均優(yōu)于OLI影像。

3.2 反演模型的精度評價

將基于兩種傳感器的PDI、MPDI和VAPDI擬合模型得到的不同深度層的土壤濕度反演值,分別與對應(yīng)的34個驗證樣點的土壤濕度實測值進(jìn)行驗證分析,并分別計算驗證樣點土壤濕度反演值與實測值的決定系數(shù)(R2)、平均絕對誤差(MAE)、平均相對誤差(MRE)和均方根誤差(RMSE)等指標(biāo)值,來驗證和定量評價反演模型的精度(表3)。

由表3可知,從各精度評價指標(biāo)值來看,3個土壤深度層中,基于WFV和OLI兩種傳感器的PDI、MPDI、VAPDI土壤濕度反演模型均在0—10 cm處反演精度最高,說明光學(xué)遙感影像更適合于表層土壤濕度的反演,而對較深層次土壤濕度信息的敏感性較弱,原因是近紅外和紅光的穿透能力較弱,以反映近地表的光譜信息為主。

對比3種指數(shù)的反演結(jié)果來看,基于WFV和OLI兩種傳感器的VAPDI土壤濕度反演模型在0—10 cm深度層反演結(jié)果的精度均明顯高于PDI和MPDI；在敏感性較差的10—20 cm和20—30 cm處,3種指數(shù)的精度評價指標(biāo)雖然相差不大,但VAPDI和MPDI的反演結(jié)果稍優(yōu)于PDI。從GF- 1 WFV和Landsat8 OLI遙感數(shù)據(jù)源的反演結(jié)果精度來看,在同一深度層上,對于不同的反演指數(shù),兩種影像的反演精度各有優(yōu)劣,其中基于WFV的PDI和VAPDI反演結(jié)果的R2、MAE、MRE和RMSE均優(yōu)于OLI影像；而利用MPDI構(gòu)建模型時,二者的反演效果基本一致,反演精度無明顯差別。

表3 各模型土壤濕度反演結(jié)果精度驗證指標(biāo)匯總

MAE：平均絕對誤差 Mean absolute error；MRE：平均相對誤差 Mean relative error；RMSE：均方根誤差 Root mean squared error

3.3 表層土壤濕度反演與動態(tài)監(jiān)測

根據(jù)前述分析,擬選擇兩種遙感影像的VAPDI土壤濕度反演模型,對阿克蘇河流域0—10 cm表土層的土壤濕度進(jìn)行反演,通過對實際反演效果的對比分析,提出推薦的遙感數(shù)據(jù)源用于土壤濕度大規(guī)模動態(tài)監(jiān)測。

3.3.1表層土壤濕度反演結(jié)果分析

以經(jīng)過預(yù)處理的研究區(qū)GF- 1 WFV(2016.7.22)、Landsat8 OLI(2016.7.18)遙感影像為基礎(chǔ),在ENVI/IDL中計算出各像元的VAPDI值,利用構(gòu)建的土壤濕度反演模型獲取每個像元的土壤濕度值,得到研究區(qū)表層土壤濕度的空間分布格局(圖3和圖4),圖中白色部分為掩膜掉的水體與城區(qū),紅色表示土壤濕度偏低,由紅色到深藍(lán)色土壤濕度逐漸增高。

圖3 基于GF- 1 WFV遙感影像的阿克蘇河流域土壤濕度空間分布圖Fig.3 Distribution of soil moisture retrieval based on GF- 1 WFV image

圖4 基于Landsat8 OLI遙感影像的阿克蘇河流域土壤濕度空間分布圖Fig.4 Distribution of soil moisture retrieval based on Landsat8 OLI image

通過圖3、4可以看出,兩種遙感影像反演得到的阿克蘇河流域表層土壤濕度空間格局基本一致,即靠近水源的區(qū)域土壤濕度高,而遠(yuǎn)離水源的地區(qū)土壤濕度值一般偏低。原因主要是阿克蘇河流域自然降水量極小,流域農(nóng)業(yè)生產(chǎn)需水幾乎全部依靠地表渠系和地下水抽水灌溉,而且靠近河流、水庫及湖泊等自然水源的地區(qū)一般為農(nóng)業(yè)生產(chǎn)區(qū),如上游托什干河兩側(cè)的烏什縣、庫瑪拉河兩側(cè)的溫宿縣南部、中游的阿克蘇河兩岸的阿瓦提灌區(qū)和阿克蘇市中部以及中下游阿克蘇河與塔里木河交匯處的阿拉爾灌區(qū),灌溉渠系密集,能夠長期保障該區(qū)域農(nóng)作物用水需求,表層土壤濕度相對較高,均在0.3以上；流域內(nèi)三大水庫勝利水庫、上游水庫、多浪水庫和流域西南部的千鳥湖地區(qū)土壤濕度也較高；遠(yuǎn)離水源的地區(qū)多為天然植被或荒漠戈壁區(qū),水網(wǎng)密度小且缺乏人工灌溉和維護(hù),受流域干燥氣候影響大,土壤濕度值一般處于0.2以下,部分區(qū)域土壤濕度值甚至接近為0。

進(jìn)一步對比兩種遙感數(shù)據(jù)源的土壤濕度反演結(jié)果可以發(fā)現(xiàn),圖4中不同區(qū)域的土壤濕度的高低層次更加分明,土壤濕度的空間異質(zhì)性更加明顯,這主要是GF- 1 WFV遙感影像空間分辨率為16 m,稍高于Landsat8 OLI影像30 m的空間分辨率,在土壤濕度反演模型精度相當(dāng)?shù)那闆r下,較高的空間分辨率能夠表現(xiàn)出更加精細(xì)的地表信息,能夠更詳細(xì)的表達(dá)土壤濕度的空間異質(zhì)性,能夠為實現(xiàn)精確到地塊的農(nóng)作物灌溉和區(qū)域生態(tài)安全評價提供參考。

3.3.2表層土壤濕度動態(tài)監(jiān)測

為進(jìn)一步探討流域土壤濕度的時空演變規(guī)律,選擇2016年6月13日、7月6日、7月22日和8月12日4個時點的GF- 1 WFV遙感影像,對流域0—10 cm深度層土壤濕度的時空動態(tài)變化進(jìn)行反演監(jiān)測和分析。按前述同樣的方法,得到4個時點的0—10 cm土壤濕度空間分布圖(圖5)。

由圖5可知,研究區(qū)土壤濕度較高的區(qū)域主要分布在沿河流兩側(cè)的烏什縣、溫宿縣南部、阿瓦提縣北部、阿克蘇市東部及阿拉爾市中部等流域中上游地區(qū),該區(qū)域是阿克蘇河流域主要的農(nóng)業(yè)生產(chǎn)區(qū),灌溉渠系密集,且6—8月份為農(nóng)作物的主要生長期,農(nóng)田植被覆蓋度高,土壤持水能力強(qiáng),土壤濕度高且相對穩(wěn)定,對這一類土壤濕度相對穩(wěn)定的流域中上游農(nóng)田植被區(qū),為提高水資源利用率,減少溝渠水系漫灌帶來的水資源損失,農(nóng)業(yè)需水灌溉可采用滴灌措施；而烏什縣北部、溫宿縣和阿克蘇市東部、阿瓦提縣西部和南部、柯坪縣、沙雅縣等流域邊緣及下游地區(qū)土壤濕度相對較低,且該地區(qū)土地利用類型大多為灌木林、荒草地和裸地,植被覆蓋度低,土壤濕度受地表蒸散發(fā)影響較大,時空變化相對強(qiáng)烈；對這類流域邊緣及下游表層土壤濕度時空變化強(qiáng)烈的非農(nóng)業(yè)生產(chǎn)區(qū),應(yīng)加強(qiáng)人工防護(hù)林、生態(tài)林的種植與維護(hù)力度,防止進(jìn)一步的土地荒漠化及天然林地、草地的退化,從而保障阿克蘇河流域的農(nóng)業(yè)可持續(xù)發(fā)展和綠洲生態(tài)系統(tǒng)的健康運行。

圖5 阿克蘇河流域2016年6—8月表層土壤濕度空間分布圖Fig.5 Distribution of soil moisture retrieval from June to August in Akesu River Basin

對4個時點的表層土壤濕度的時空動態(tài)監(jiān)測結(jié)果分析發(fā)現(xiàn),阿克蘇河流域表層土壤濕度空間格局穩(wěn)定但隨時間變化特征較為復(fù)雜,研究區(qū)降水稀少,主要依托區(qū)域完善的溝渠體系進(jìn)行地表灌溉,因而以阿克蘇河為軸線的綠洲農(nóng)業(yè)核心區(qū),土壤濕度保持在35%以上,特別是當(dāng)人工開閘放水進(jìn)行灌溉時,農(nóng)田植被區(qū)的土壤濕度會明顯增強(qiáng)；另外,在中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)查閱2016年6—7月的全國24 h降水量分布圖,發(fā)現(xiàn)2016年6月28日前后阿克蘇河流域北部、2016年7月6—12日全流域尤其是11—12日阿拉爾、沙雅縣等地區(qū)有過一次持續(xù)降水,盡管日降水量在幾毫米,但對土壤濕度的影響還是較大的,7月22日反演的土壤濕度也明顯增強(qiáng),特別是阿拉爾、沙雅縣的大部分區(qū)域,這也與植被指數(shù)估算土壤濕度存在5—10天的延遲天數(shù)吻合[10]。

4 討論

目前關(guān)于區(qū)域土壤濕度的遙感反演研究中,采用MODIS數(shù)據(jù)和Landsat TM/ETM數(shù)據(jù)偏多,而Landsat8 OLI/TIRS 系列數(shù)據(jù)的開放,為區(qū)域土壤水分監(jiān)測提供了新的數(shù)據(jù)源[19]；GF- 1 遙感衛(wèi)星作為中國高分辨率對地觀測系統(tǒng)國家科技重大專項的首發(fā)星,其WFV傳感器具有16 m空間分辨率、800 km幅寬、4天覆蓋周期的特點,在農(nóng)業(yè)監(jiān)測與評估應(yīng)用方面具有獨特的優(yōu)勢[20],使得在小尺度層次上進(jìn)行大范圍土壤濕度空間格局研究成為可能。本研究在前人研究基礎(chǔ)上嘗試以GF- 1 WFV和Landsat8 OLI兩種高分辨率遙感影像為數(shù)據(jù)源,利用PDI、MPDI、VAPDI對阿克蘇河流域進(jìn)行不同深度層土壤濕度反演與動態(tài)監(jiān)測,驗證GF- 1 WFV反演土壤濕度的可行性和獲取最適反演深度；而在獲取區(qū)域土壤濕度后,可結(jié)合從水源到田間輸配水的復(fù)雜過程構(gòu)建的流域水資源可達(dá)性模型和農(nóng)作物種植格局、農(nóng)作物灌溉定額等,提出格網(wǎng)化或灌區(qū)化的灌溉用水量的快速測評技術(shù),以協(xié)調(diào)灌區(qū)各分閘口的灌溉定額,對促進(jìn)流域水資源的合理分配和高效利用具有較強(qiáng)的應(yīng)用前景。

本研究不同植被指數(shù)的反演結(jié)果表明,MPDI和VAPDI能夠在一定程度上克服混合像元對土壤濕度光譜信息的影響,反演的精度要比PDI高,尤其是高植被覆蓋度區(qū),采用垂直植被指數(shù)(PVI)修正的VAPDI反演精度最佳,這與楊學(xué)斌等學(xué)者[16]的PDI、MPDI與植被覆蓋區(qū)實測土壤含水量的R2分別為0.37、0.5355以及吳春雷等學(xué)者[9]的PDI、VAPDI與裸土、麥茬、土豆、豇豆4種植被覆蓋類型土壤實測含水率的R2分別為0.630、0.504、0.571、0.543和0.599、0.523、0.602、0.585的研究結(jié)論相似。這主要是由于PDI指數(shù)在構(gòu)建擬合模型時,將遙感影像中各像元反射率視為單一裸土反射率,忽視了混合像元的影響,土壤濕度信息區(qū)分能力較差,因而從遙感機(jī)理上來說其反演結(jié)果的誤差較大,主要適合于裸土或者植被稀疏的地區(qū)。而經(jīng)fv和PVI修正的MPDI和VAPDI建立的土壤濕度反演模型,通過對遙感影像中的混合像元進(jìn)行不同程度的分解,使用植被和裸土像元二者的綜合反射率進(jìn)行擬合,就能更加精確地反演出表層土壤的濕度信息,反演結(jié)果更接近實測值,也更適用于植被覆蓋度較高的區(qū)域。PVI在表征植被覆蓋信息時能較好地消除土壤背景的影響,且相比fv不易出現(xiàn)植被覆蓋飽和現(xiàn)象,更能精確地表達(dá)植被覆蓋信息,因此在高植被覆蓋度區(qū)域,VAPDI比MPDI更具有優(yōu)勢。

在土壤-植被-大氣系統(tǒng)中,土壤濕度的光譜信息不僅會受到植被覆蓋的影響,還受大氣狀況、傳感器差異、土壤背景等復(fù)雜環(huán)境因素的影響,因此在后續(xù)的研究中,還需要進(jìn)一步對不同遙感傳感器、不同氣候區(qū)的土壤濕度反演效果進(jìn)行對比分析,提取合適的因子對現(xiàn)有土壤濕度反演指數(shù)進(jìn)行修正,特別是融合溫度等參數(shù)進(jìn)行協(xié)同反演,以提高模型的反演精度,從而找到一套適用范圍廣、精確度高的土壤濕度遙感反演方法。

5 結(jié)論

1)對于GF- 1 WFV和Landsat8 OLI遙感影像,PDI、MPDI和VAPDI與研究區(qū)0—10、10—20、20—30 cm深度層的土壤濕度實測值之間均存在一定的線性負(fù)相關(guān)關(guān)系,其中與0—10 cm表層土壤濕度的相關(guān)性最強(qiáng),平均R2達(dá)到了0.68,表明基于光學(xué)遙感影像近紅外和紅光波段反射率構(gòu)建的土壤濕度反演指數(shù)對近地表層土壤濕度信息更敏感,但對地下較深層次的土壤濕度反演精度略低。

2)相比PDI指數(shù)模型,MPDI與VAPDI反演精度更高,同時具有快速、高效的特點；受植被覆蓋飽和的影響,在高植被覆蓋區(qū)宜采用VAPDI。

3)兩種遙感影像反演得到研究區(qū)表層土壤濕度空間分布圖的總體格局一致,但空間分辨率較高的GF- 1 WFV遙感影像的反演結(jié)果相比Landsat8 OLI更精細(xì),得到土壤濕度空間分布結(jié)果更有層次性,能夠反映出相近地塊土壤濕度的異質(zhì)狀況。