王金鑫，于百順，李聰玲，姚 靜

(鄭州大學(xué)水利科學(xué)與工程學(xué)院，河南 鄭州 450001)

0 引 言

土壤墑情一般指地表土壤的濕度狀況。是水文學(xué)、氣象學(xué)以及農(nóng)業(yè)科學(xué)研究領(lǐng)域中的一個重要指標參數(shù)[1]，是土壤-植物-大氣連續(xù)體的一個重要因子[2]，對氣候、農(nóng)業(yè)、旱情監(jiān)測都具有極為重要的意義[3]。傳統(tǒng)臺站式離散監(jiān)測方法難以表達大區(qū)域連續(xù)的土壤墑情，已逐漸被能夠快速進行周期性、大面積同步觀測的遙感方法以及基于傳感器的物聯(lián)網(wǎng)自動監(jiān)測方法所取代。早在1965年，西方地理學(xué)家Bowers與Hanks[4]就指出，將土壤光譜反射特性和熱紅外數(shù)據(jù)信息相結(jié)合的方法在探究土壤信息方面是可行的；1971年，Waston與 Rowen[5]使用地表溫度日較差推導(dǎo)了熱慣量公式，創(chuàng)立了熱慣量墑情監(jiān)測方法，成為日后該領(lǐng)域研究的理論基礎(chǔ)；Kogan[6]在歸一化植被指數(shù)(NDVI)的基礎(chǔ)上提出了植被狀態(tài)指數(shù)(VCI)，減弱了由于地理位置和土壤條件等因素導(dǎo)致的差異；Sandholt[7]等人運用陸地表面溫度(LST)與歸一化植被指數(shù)(NDVI)，建立了NDVI-Ts 特征空間，并在此基礎(chǔ)上提出了溫度植被干旱指數(shù)(TVDI)，用來估算土壤的表層的水分分布情況；Ulaby等人[8]最早開始研究主動微波遙感，通過實驗得出，微波后向散射系數(shù)相對于土壤的介電常數(shù)有很大的相關(guān)性。我國開展土壤水分遙感監(jiān)測的研究起步較晚，張仁華[9]提出一個改進的熱慣量模型，該模型綜合概括了地表顯熱通量和潛熱能量等影響因素，并利用改進模型來反演土壤含水量；隋洪智[10]等人在直接利用衛(wèi)星資料基礎(chǔ)上，依據(jù)能量平衡方程的原理，進行簡化推算出表面熱慣量，通過經(jīng)驗?zāi)Ｐ蛿M合熱慣量與土壤水分之間的相互關(guān)系對旱災(zāi)進行探測分析；姚春生[11]通過對各種遙感定量反演土壤含水量的模型進行了綜合比較分析，提出對于裸地或作物的生長初期應(yīng)該運用表觀熱慣量模型，對于稍高植被覆蓋度選擇TVDI或Ts/NDVI模型，以此來反演全國土壤含水量的分布情況；胡蝶等人[12]以甘肅定西為研究區(qū)，用Radarsat-2數(shù)據(jù)和土壤水分分析儀，較精確地解析了共極化反射系數(shù)與不同深度土壤水分之間的關(guān)系，結(jié)果表明共極化散射系數(shù)和 10～20 cm 土壤的濕度之間具有最高的相關(guān)性。墑情遙感監(jiān)測從原理上可分為土壤熱慣量法、土壤波譜特征法、能量平衡模型法和植被光譜特征法等四類方法[13]，它們各有其適用條件。基于植被指數(shù)(即植被光譜特征)的土壤墑情監(jiān)測方法利用光學(xué)和紅外遙感實現(xiàn)，其在時空間分辨率方面有較大優(yōu)勢，數(shù)據(jù)類型多、數(shù)量足，且方便實現(xiàn)大區(qū)域土壤墑情的遙感監(jiān)測，一般適用于較高植被覆蓋期[14]。植被指數(shù)直接反映植被的生長狀況，影響植被生長狀況的因子十分復(fù)雜，溫度、濕度和肥力無疑是最主要的影響因子。在一定區(qū)域、一定時間內(nèi)，氣溫、土壤、地形等因素相對穩(wěn)定，只降雨量變化會對作物生長造成較顯著影響[15]，因而，植被指數(shù)的變化與土壤墑情之間有較顯著相關(guān)性[16]。雖然植被的缺水脅迫相對于其生長狀態(tài)有一定的時滯性[17](研究表明，NDVI滯后于墑情波動約4～6 d[16])，但在農(nóng)作物的整個生育期內(nèi)，墑情的波動與植被指數(shù)的變化頻率與趨勢應(yīng)該是一致的[16]。由于每種植被指數(shù)對水分的響應(yīng)存在差異，而且植物在不同的季節(jié)、不同的生長階段，具有不同的水分利用特征[18]，所以植被指數(shù)作為水分響應(yīng)指標，本身存在適用性及其適宜的時空尺度[19]。因而，在利用遙感數(shù)據(jù)進行長時間、大范圍農(nóng)業(yè)干旱遙感監(jiān)測過程中，如何根據(jù)不同區(qū)域、不同作物生長時期，綜合考慮作物與其生長環(huán)境之間的關(guān)系，選擇最合適的監(jiān)測指標[19]就成為問題的關(guān)鍵。本文以河南省中東部黃淮海平原冬小麥主產(chǎn)區(qū)的農(nóng)田墑情為研究對象，對歸一化植被指數(shù)(NDVI) 、增強型植被指數(shù)(EVI) 、植被供水指數(shù)(VSWI) 、溫度植被干旱指數(shù)(TVDI)這幾種典型的植被指數(shù)與土壤含水量進行相關(guān)性分析，對比不同深度、不同植被指數(shù)對土壤含水量的響應(yīng)，并且分別選用這四種植被指數(shù)與對應(yīng)的土壤墑情數(shù)據(jù)進行回歸分析，得到最優(yōu)的響應(yīng)深度及響應(yīng)指數(shù)，為土壤墑情的監(jiān)測提供指導(dǎo)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

河南省黃淮海平原(圖1)位于北緯32°08′～36°21′和東經(jīng)112°51′～116°35′之間，地勢西高東低。西起海拔100 m等高線和豫西北丘陵邊緣，東至豫魯、豫皖分界線，北起豫冀交界，南至淮河一線，面積約8.7 萬km2，占河南省總面積的52.4%。自北向南橫跨海河、黃河、淮河三大流域。地處暖溫帶和北亞熱帶，屬于濕潤至半濕潤季風(fēng)氣候。多年平均氣溫在12～16 ℃之間，氣溫年較差、日較差均較大，全年無霜期從北向南約為180～240 d。年平均降水量在500～900 mm，受到季風(fēng)影響，年降水量時空分布不均，由北向南逐漸遞增，全年降水量主要集中在夏季，大約占全年降水量的一半左右，冬季降水較少。日照時數(shù)2 100～2 600 h，光熱資源較充足，基本可以滿足一年兩熟的農(nóng)作物需求。年均蒸發(fā)量1 300～1 600 mm，由北向南逐漸遞減[20]。該區(qū)自然條件優(yōu)越，土壤類型眾多，農(nóng)業(yè)發(fā)達，是我國主要的冬小麥生產(chǎn)區(qū)。

1.2 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

本研究所涉及的遙感數(shù)據(jù)包括：研究區(qū)域2015年2-6月的MODIS紅光波段、近紅光波段和藍光波段的地表反射率數(shù)據(jù)，MODIS的每日地表溫度數(shù)據(jù)(數(shù)據(jù)來源： https:∥ladsweb.nascom.nasa.gov/)。其中，從MOD09GQK/全球250 m地表反射率產(chǎn)品中得到紅光波段、近紅光波段的反射率，分辨率為250 m；從MOD09GHK/全球500 m地表反射率產(chǎn)品中得到藍光波段的反射率，分辨率為500 m；從MOD11_L2/1KM地表溫度產(chǎn)品中得到每日地表溫度，分辨率為1 000 m，該地表溫度產(chǎn)品分為白天和晚上兩幅影像，這里取其平均值作為當天的地表溫度。以上數(shù)據(jù)都已經(jīng)經(jīng)過幾何校正和大氣校正。利用MRT軟件統(tǒng)一轉(zhuǎn)換為WGS84基準的Albers等積投影，并將地表溫度數(shù)據(jù)和藍色波段地表反射率數(shù)據(jù)重采樣為250 m的分辨率。

本研究所涉及的其他數(shù)據(jù)包括：研究區(qū)域2015年2-6月的0～10 cm和10～20 cm土壤水分含量實測數(shù)據(jù)(進而可得到0～20 cm實測數(shù)據(jù))、2014-2015年河南省冬小麥種植區(qū)域數(shù)據(jù)以及河南省行政界線數(shù)據(jù)，從河南省氣象局調(diào)研獲取。土壤含水量實測數(shù)據(jù)是研究區(qū)102個站點的0～10 cm和10～20 cm每日土壤體積含水量的平均值，所有站點均位于小麥大田內(nèi)。其中豫北區(qū)域29個站點，豫中區(qū)域57個站點，豫南區(qū)域15個站點，分布如圖1所示。每個站點通過經(jīng)緯度坐標與MODIS圖像像元進行匹配。將2014-2015年冬小麥種植區(qū)域數(shù)據(jù)、河南省界線數(shù)據(jù)也轉(zhuǎn)換為與上述遙感數(shù)據(jù)統(tǒng)一的基準與投影，然后對影像數(shù)據(jù)進行剪裁。

圖1 研究區(qū)站點分布圖Fig.1 Site map of the study area

2 研究方法與過程

2.1 冬小麥生長區(qū)域及生長期的劃分

本文以33°N緯線(駐馬店市與漯河市交界處)和黃河為界，將河南省主要種植冬小麥的區(qū)域分為豫北，豫中，豫南3個地區(qū)[16]。

中原地區(qū)冬小麥生長的茂盛期為拔節(jié)到灌漿之間，不同地區(qū)略有差異，如表1[16]所示。

表1 研究區(qū)域冬小麥生長茂盛期的劃分Tab.1 Division of the flourishing period of winter wheat in the study area

2.2 土壤墑情監(jiān)測指標

歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)：

NDVI=(NIR-RED)/(NIR+RED)

(1)

式中：NIR表示近紅外波段的反射值；RED表示紅光波段的反射值。NDVI越大，植被長勢越好；但其在較高植被覆蓋度和較高產(chǎn)量水平下，易出現(xiàn)飽和現(xiàn)象[21-24]。

地表溫度(Land Surface Temperature，LST)是反映土壤墑情的重要參數(shù)。裸地區(qū)域，上層土壤溫度代表了地表溫度。其含水量越低，土壤熱容量越小，在接收太陽輻射后表面溫度上升得越高；在植被覆蓋區(qū)域，遙感監(jiān)測到的地表溫度實際上是植被的冠層溫度[25]。當土壤含水量下降時，作物為了減少由于蒸騰作用所導(dǎo)致的水分損失而閉合葉片的部分氣孔，引起地表潛熱通量的降低和感熱通量的增加，從而導(dǎo)致冠層溫度的升高[26]。

增強型植被指數(shù)(Enhanced Vegetation Index，EVI)是對NDVI飽和性的一種改進。它引入了藍光波段和土壤調(diào)節(jié)因子，有效地消除了大氣和植被的影響，有研究表明EVI和NDVI存在很大的相關(guān)性[27]，其計算公式如下：

EVI=2.5(NIR-RED)/(NIR+6.0RED-7.5BLUE+1)

(2)

式中：NIR、RED、BLUE分別代表近紅外波段、紅光波段、藍光波段的反射值。

由于植被指數(shù)對作物水分的反映具有一定的延遲，而冠層溫度又容易受大氣環(huán)境狀況的影響，單一考慮植被指數(shù)或冠層溫度來反映作物水分不夠敏感和有效[28]。植被供水指數(shù)(Vegetation Supply Water Index，VSWI)是綜合歸一化植被指數(shù)和地表植被冠層溫度的一種用于監(jiān)測土壤缺水狀況的綜合指數(shù)。其定義如下：

VSWI=NDVI/Ts

(3)

式中：VSWI為植被供水指數(shù)；NDVI為歸一化植被指數(shù)；Ts為植被冠層溫度。

當植被供水正常時，歸一化植被指數(shù)在一定的生長期內(nèi)穩(wěn)定在一個范圍，衛(wèi)星遙感的植被冠層溫度也保持在一個穩(wěn)定的范圍；若土壤含水量下降，植被供水不足，一方面植被的生長受到影響，歸一化植被指數(shù)降低，另一方面植被為避免過多失水而關(guān)閉部分的葉片的氣孔，導(dǎo)致植被冠層溫度升高。因其利用的是作物缺水時在不同反射波段上的反應(yīng)，所以在植被覆蓋度比較高的地區(qū)尤其是在作物生長茂盛期更為適用[29]。由于VSWI數(shù)值很小，為方便計算比較在實驗中將VSWI放大100倍。

Price[30]、Carlson等[31]研究發(fā)現(xiàn)利用遙感反演地表溫度與植被指數(shù)所構(gòu)成的散點分布圖呈三角形，而Nemani等[32]、Moran等[33]研究認為LST和NDVI構(gòu)成的散點分布圖為梯形，即LST-NDVI特征空間。Sandholt等[7]在基于LST-NDVI特征空間的基礎(chǔ)上提出了溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index，TVDI)。計算公式如下：

TVDI=(Ts-Tsmin)/(Tsmax-Tsmin)

(4)

式中：Ts表示待測像元的地表溫度；Tsmax和Tsmin表示待測像元NDVI在特征空間中對應(yīng)的最大地表溫度(干邊溫度)和最小地表溫度(濕邊溫度)，其計算公式如下：

Tsmin=a1+b1NDVI

(5)

Tsmax=a2+b2NDVI

(6)

式中：a1、b1和a2、b2分別為擬合的濕邊方程和干邊方程對應(yīng)的系數(shù)。

實際應(yīng)用中，應(yīng)根據(jù)研究區(qū)植被覆蓋狀況和遙感數(shù)據(jù)源來選擇LST-NDVI特征空間的形狀[34,35]。在植被覆蓋度較高或者使用衛(wèi)星遙感數(shù)據(jù)時，采用梯形特征空間較好[34]。在冬小麥主要生長期內(nèi)，TVDI與土壤水分具有顯著的相關(guān)性[36]。

2.3 研究過程

考慮到地域和物候期的差異，在選擇數(shù)據(jù)樣本時，本文將豫北、豫中、豫南3個地區(qū)按照植被生長狀態(tài)相近的原則進行匹配，并考慮數(shù)據(jù)質(zhì)量因素，每隔10 d左右的時間選擇一組數(shù)據(jù)，共選擇8組數(shù)據(jù)進行研究。表2為各組數(shù)據(jù)對應(yīng)的日期(均為2015年)。

確立好八組樣本數(shù)據(jù)后，首先對每個站點各相關(guān)植被指數(shù)進行計算提??；接著進行各植被指數(shù)與各層土壤墑情進行相關(guān)分析，得出最佳響應(yīng)指數(shù)；最后建立各植被指數(shù)與各層土壤墑情的回歸方程，實現(xiàn)墑情的定量反演，進一步驗證實驗結(jié)果。圖2為研究區(qū)LST-NDVI特征空間實例。

3 結(jié)果與分析

3.1 植被指數(shù)與土壤墑情的相關(guān)性分析

表3所示的是土壤墑情與植被指數(shù)的相關(guān)情況。可以看出：

表2 各組數(shù)據(jù)對應(yīng)日期Tab.2 Date corresponding to each group of data

圖2 豫中地區(qū)第60天LST-NDVI特征空間Fig.2 LST-NDVI feature space on the 60th day of center Henan area

(1)各指數(shù)對不同深度土壤墑情在置信度(雙測)為 0.01 時顯著相關(guān)；

(2)NDVI、EVI、VSWI與土壤墑情呈現(xiàn)正相關(guān)，TVDI與土壤墑情呈現(xiàn)負相關(guān)；

(3)橫向上，相關(guān)性呈現(xiàn)出NDVI

(4)縱向上，相關(guān)性呈現(xiàn)出10～20 cm>0～20 cm>0～10 cm的規(guī)律。NDVI與10～20 cm土壤墑情的相關(guān)性最佳的組數(shù)為6組，NDVI與0～20 cm土壤墑情相關(guān)性大于0～10 cm土壤墑情的組數(shù)為7組，總體呈現(xiàn)出10～20 cm>0～20 cm>0～10 cm的趨勢；EVI與10～20 cm土壤墑情的相關(guān)性最佳的組數(shù)為5組，EVI與0～20 cm土壤墑情相關(guān)性大于0～10 cm土壤墑情的組數(shù)為7組，總體呈現(xiàn)出10～20 cm>0～20 cm>0～10 cm的趨勢；VSWI與10～20 cm土壤墑情的相關(guān)性最佳的組數(shù)為7組，VSWI與0～20 cm土壤墑情相關(guān)性大于0～10 cm土壤墑情的組數(shù)為6組，總體呈現(xiàn)出10～20 cm>0～20 cm>0～10 cm的趨勢；TVDI與10～20 cm土壤墑情的相關(guān)性最佳組數(shù)為4組，TVDI與0～20 cm土壤墑情相關(guān)性大于0～10 cm土壤墑情的組數(shù)為4組，不同深度土壤墑情與TVDI的相關(guān)性較均勻?？梢钥闯?，4種植被指數(shù)均對10～20 cm深度土壤墑情的反應(yīng)最敏感。

表3 土壤墑情與植被指數(shù)Pearson相關(guān)性Tab.3 Pearson correlation between soil moisture and vegetation index

注：** 表示在置信度(雙測)為 0.01 時，相關(guān)性是顯著的。

圖3為不同深度土壤墑情與各植被指數(shù)相關(guān)系數(shù)的八組平均趨勢(為方便比較，對TVDI的相關(guān)系數(shù)取絕對值)。

圖3 不同深度土壤墑情與各植被指數(shù)相關(guān)性比較Fig.3 Correlation between soil moisture and vegetation index at different depths

3.2 土壤墑情對植被指數(shù)的回歸分析

在相關(guān)分析的基礎(chǔ)上，對不同深度的土壤墑情與各植被指數(shù)進行回歸分析。經(jīng)過選擇的站點按照4∶1的比例進行關(guān)系建立與驗證。選擇兩組數(shù)據(jù)進行結(jié)果展示。

表4和表5分別為是第4組和第6組樣本不同深度的土壤墑情和各植被指數(shù)的回歸方程情況。

表5 第6組樣本土壤墑情與植被指數(shù)的回歸方程Tab.5 Regression equations for soil moisture and vegetation index of group 6

圖4為第六組樣本10～20 cm深度土壤墑情與各植被指數(shù)的回歸情況，可代表本次實驗不同深度土壤墑情與各植被指數(shù)的回歸趨勢。

圖4 第6組樣本10～20 cm土壤墑情與各植被指數(shù)的回歸曲線Fig.4 Regression curve of 10～20 cm soil moisture and vegetation index of group 6

圖5展示了這兩組數(shù)據(jù)不同深度土壤墑情與各植被指數(shù)回歸R2的變化趨勢。

圖5 第4組和第6組土壤墑情與植被指數(shù)回歸R2變化趨勢Fig.5 Regression trend of soil moisture and vegetation index in Group 4 and Group 6

從上面圖表中，可以得出：各層土壤墑情與各植被指數(shù)的回歸結(jié)果與前面相關(guān)性分析結(jié)果一致。橫向上，回歸方程的R2都基本呈現(xiàn)出NDVI0～20 cm>0～10 cm的規(guī)律。

3.3 預(yù)測精度分析

表6為利用植被指數(shù)預(yù)測土壤墑情的精度情況統(tǒng)計。

表6 第4組與第6組樣本各指數(shù)預(yù)測墑情與實際墑情差的標準偏差Tab.6 Standard deviations of the indices of the 4th and 6th samples for predicting and actual soil moisture

從表6中可以看出：各組土壤墑情定量預(yù)測的標準偏差橫向上符合NDVI>EVI>VSWI>TVDI，縱向上符合10～20 cm<0～20 cm<0～10 cm的規(guī)律。與前面的實驗結(jié)一致。

4 結(jié)論與討論

4.1 結(jié) 論

本文以中原地區(qū)大區(qū)域冬小麥土壤墑情的遙感監(jiān)測為研究對象，利用共享遙感數(shù)據(jù)和實測墑情數(shù)據(jù)，選擇4種典型的植被指數(shù)，考慮地域和農(nóng)作物物候期差異，探究不同深度土壤墑情與各植被指數(shù)的響應(yīng)關(guān)系。主要結(jié)論如下。

(1)從相關(guān)系數(shù)的角度，各植被指數(shù)與不同深度土壤含水量的相關(guān)系數(shù)呈現(xiàn)出NDVI0～20 cm>0～10 cm的規(guī)律性。其中，NDVI、EVI、VSWI為正相關(guān)，TVDI為負相關(guān)(這里TVDI的相關(guān)系數(shù)取其絕對值)；

(2)從回歸顯著性檢驗的角度，各植被指數(shù)與不同深度土壤含水量的回歸R2呈現(xiàn)出NDVI0～20 cm>0～10 cm的規(guī)律性；

(3)從土壤墑情定量反演的角度，各植被指數(shù)與不同深度土壤含水量定量預(yù)測標準偏差呈現(xiàn)出NDVI>EVI>VSWI>TVDI、10～20 cm<0～20 cm<0～10 cm的規(guī)律性。

NDVI、EVI與VSWI直接反映植被的生長狀況，與植被根部的墑情密切相關(guān)。墑情越好，植被生長就越茂盛。冬小麥的根部大致位于10～20 cm深處，所以其上述指數(shù)與10～20 cm的土壤墑情成較顯著的正相關(guān)。相反，一定條件下，土壤含水量越高，其溫度就越低，所以，主要反映土壤溫度因子的TVDI與土壤墑情成負相關(guān)。

綜上，針對中原地區(qū)的冬小麥而言，4種植被指數(shù)與不同深度土壤墑情均具有較顯著的相關(guān)性。其中，TVDI是最佳的墑情響應(yīng)指數(shù)，10～20 cm是植被指數(shù)最佳的墑情響應(yīng)深度。利用TVDI進行遙感農(nóng)田墑情反演是一種成本低、適應(yīng)性廣、精度較高的有效方法。本文的研究結(jié)果對于冬小麥田間管理、產(chǎn)量估測以及糧倉安全保障具有重要參考價值。

4.2 討 論

本文在研究中發(fā)現(xiàn)，原始的植被指數(shù)和實測墑情數(shù)據(jù)的統(tǒng)計關(guān)系不是很明顯，常常需要刪除很多噪聲點才能夠達到比較好的效果。分析認為有以下幾點原因：

(1)受多種因素影響，遙感數(shù)據(jù)和實測數(shù)據(jù)均普遍存在較大的粗差。如何發(fā)現(xiàn)并剔除這些粗差，提高基礎(chǔ)數(shù)據(jù)的質(zhì)量是土壤墑情遙感監(jiān)測重點要解決的問題；

(2)實測站點數(shù)量較少，一定程度上影響了實驗結(jié)果的精度；

(3)遙感影像的重采樣，可能導(dǎo)致監(jiān)測站點與像元匹配存在一定誤差；

(4)使用每日陸面溫度數(shù)據(jù)代替植被冠層溫度理論上也存在一定的誤差，二者的關(guān)系有待進一步地深入研究。