【摘 要】 土壤水分（Soil Moisture， SM）在氣候系統(tǒng)中起著重要作用，影響大氣條件、水文過程和植被狀態(tài)。為了改善天氣和氣候預報以及水文模擬，需要對土壤水分進行監(jiān)測。本文將從基于遙感數(shù)據(jù)的土壤水分的反演具有更大的實用性入手，簡要回顧了經(jīng)典的土壤水分反演的算法，重點介紹基于光學遙感和基于光學遙感與微波遙感的協(xié)同反演土壤水分的最新研究，以及利用神經(jīng)網(wǎng)絡等新的技術(shù)方法進行土壤水分反演進展，通過分析各種算法的研究進展，展望土壤水分反演研究的發(fā)展前景。

【關(guān)鍵詞】 土壤水分 遙感 反演 研究現(xiàn)狀

1 引言

土壤的水分狀態(tài)和變異性控制著許多水文和生態(tài)過程以及土地表面與大氣之間的能量和水交換[1]。土壤水分在陸地表面發(fā)生的水和能量交換起著重要作用。相較于傳統(tǒng)的基于站點的土壤水分觀測、基于氣象數(shù)據(jù)和基礎地理數(shù)據(jù)的土壤水分計算與模擬，基于遙感數(shù)據(jù)的土壤水分反演具有更大實用性。20世紀60年代學者開始利用遙感方法監(jiān)測土壤水分，微波遙感監(jiān)測土壤水分也已有30多年的歷史，已逐漸發(fā)展形成了一些比較成熟的評價指數(shù)和算法。本文將簡要介紹土壤水分反演算法的研究現(xiàn)狀。

2 土壤水分反演方法

2.1 基于光學遙感反演土壤水分的方法

廣義的光學遙感包括可見光—近紅外—熱紅外三部分的波段范圍。目前在可見光—近紅外波段，常用的方法是利用Landsat或MODIS等多光譜數(shù)據(jù)構(gòu)建相應指數(shù)來反映土壤含水量。地表溫度（LST）和植被指數(shù)（NDVI）都是反映地表土壤水分的重要生態(tài)物理參數(shù)，因此，LST和NDVI組合方法成為土壤含水量的一種重要手段[2]。

Hope[3]利用LST與NDVI的比值定義溫度植被指數(shù)來定量反演土壤含水量，該方法是目前應用廣泛的土壤水分遙感監(jiān)測方法。溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index， TVDI）是一種通過反演土壤水分來反映土壤干旱狀況的重要方法[4]。目前國內(nèi)外學者使用的遙感數(shù)據(jù)類型多，但主要是通過直接計算TVDI值或間接與其他指數(shù)結(jié)合構(gòu)建土壤水分反演模型，并逐漸取得較好的反演結(jié)果。

2.2 基于光學與微波遙感的協(xié)同反演土壤水分的方法

由于TDVI模型反演精度會受到LST等因素的影響，被動微波傳感器AMSR-E數(shù)據(jù)精確記錄了像元內(nèi)的土壤水分信息，但空間分辨率低。Schmugg[5] 建議在土壤濕度遙感反演中以被動微波遙感為主，以熱紅外遙感和主動微波遙感輔之可以取得較好的效果。

趙杰鵬等[6]提出將被動微波遙感數(shù)據(jù)與熱紅外遙感數(shù)據(jù)在模型級別上協(xié)同反演大范圍地表土壤水分的方法。侯宇初[7]利用最新的合成孔徑雷達影像高分三號數(shù)據(jù)和現(xiàn)階段質(zhì)量較好的光學影像Landsat 8數(shù)據(jù)，結(jié)合廣泛應用的植被散射模型，并通過光學遙感參數(shù)與水云模型的結(jié)合去除植被含水量的影響，從而建立森林覆蓋地表下的土壤水分反演半經(jīng)驗模型，實現(xiàn)了地表下水分含量的反演。Yin等[8]利用InSAR相干變化和初步實驗室測量估算土壤水分變化。

綜上所述，相較于傳統(tǒng)方法，基于光學與微波遙感的協(xié)同反演土壤水分算法既考慮了微波穿透性強的優(yōu)勢，又能發(fā)揮光學遙感數(shù)據(jù)空間分辨率高的優(yōu)點，從而更精確地反演較高空間與時間分辨率的土壤水分。

2.3 最新土壤水分反演研究現(xiàn)狀

光學和微波遙感反演土壤水分的經(jīng)驗模型在使用的過程中由于受到區(qū)域的差異性大，空間異質(zhì)性較強的影響，具有一定的區(qū)域限制性[9]。BP神經(jīng)網(wǎng)絡算法可以不用考慮后向散射系數(shù)和土壤水分的確切關(guān)系，與僅使用光學數(shù)據(jù)或雷達數(shù)據(jù)作為單一數(shù)據(jù)源輸入的反演結(jié)果進行比較分析同時作為輸入反演結(jié)果進行比較分析，對光學和微波遙感聯(lián)合反演土壤水分的有效性及其精度進行驗證。

Kerr[10]使用被動微波遙感數(shù)據(jù)結(jié)合人工神經(jīng)網(wǎng)絡反演土壤含水量，經(jīng)驗證得到反演結(jié)果較準確。余凡等[11] 提出一種基于遺傳神經(jīng)網(wǎng)絡算法的主被動遙感協(xié)同反演地表土壤水分的方法。蔡慶空等[12] 等學者利用Radarsat-2和Landsat 8聯(lián)合基于改進粒子群神經(jīng)網(wǎng)絡獲取較高精度的土壤水分值。機器學習結(jié)合多源遙感數(shù)據(jù)反演土壤水分含量也是目前研究熱點。

3 研究展望

綜合分析各種算法及應用成果可以看出，目前的任何反演算法和土壤水分數(shù)據(jù)集都有自身的優(yōu)缺點，多傳感器聯(lián)合反演算法可整合各種反演算法的優(yōu)點，提高土壤水分反演精度。 但是，目前的土壤水分預測模型還無法還原真實的土壤耦合系統(tǒng)和預測。利用獲取多源數(shù)據(jù)類型，結(jié)合遙感技術(shù)和地統(tǒng)計方法提取土壤水分預測因子，與傳統(tǒng)單一依靠氣象因子、單一實測數(shù)據(jù)等研究相比，在土壤水分預測因子的選取上較為科學全面，提高了土壤水分預測的精度和可信度。因此機器學習評估和預測土壤水分將是未來土壤水分研究的一大熱點趨勢。

【參考文獻】

[1] Srivastava， Prashant K . Satellite Soil Moisture： Review of Theory and Applications in Water Resources[J]. Water Resources Management， 2017， 31（10）：3161-3176.

[2] 王俊霞，潘耀忠，朱秀芳，孫章麗.土壤水分反演特征變量研究綜述[J].土壤學報，2019，56（01）：23-35.

[3] Hope AS.Estimation of wheat canopy resistance using com-bined remotely sensed spectral reflectance and thermal ob-servations[J].Remote Sens.Environ， 1988， 24：369—383.

[4] Inge Sandholt， Kjeld Rasmussen， Jens Andersen. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment，2002，79（2）.

[5] Schmugge T J， Gloers en P， Wi lh eit T， et al . Remote Sensing of Soil Moisture with Microwave Radiometers〔J〕.JGR， 1974， 79（ 2）： 317～ 323.

[6] 趙杰鵬， 張顯峰， 包慧漪， et al. 基于可見光紅外與被動微波遙感的土壤水分協(xié)同反演[J]. 紅外與毫米波學報， 2012（02）：43-48+53.

[7] 侯宇初. Landsat 8與GF-3影像數(shù)據(jù)協(xié)同反演森林地表土壤水分方法研究[D].哈爾濱師范大學，2019.

[8] Qiang YIN，Wen HONG，Yun LIN，Yang LI.Soil moisture change estimation using In SAR coherence variations with preliminary laboratory measurements[J].Science China（Information Sciences），2017，60（02）：202-204.

[9] Fung A K ， Li Z ， Chen K S . Backscattering from a Randomly Rough Dieletric Surface[J].IEEE Transactions on Geoscience and Remote Sensing， 1992， 30（2）：356-369.

[10] Kerr Y H ， Waldteufel P ， Wigneron J P ， et al. Soil Moisture Retrieval from Space： The Soil Moisture and Ocean Salinity （SMOS） Mission[J]. IEEE Transactions on Geoscience and Remote Sensing， 2001， 39（8）：1729-1735.

[11] 余凡，趙英時，李海濤.基于遺傳BP神經(jīng)網(wǎng)絡的主被動遙感協(xié)同反演土壤水分[J].紅外與毫米波學報，2012，31（03）：283-288.

[12] 蔡慶空，李二俊，陶亮亮，蔣瑞波，潘潔晨.基于改進粒子群神經(jīng)網(wǎng)絡的麥田土壤水分反演[J].土壤通報，2018，49（06）：1333-1340.

作者簡介：劉賢（1997-），女，漢族，福建省南平市人，學生，工學碩士，單位：成都理工大學地球科學學院測繪工程專業(yè)，研究方向：地圖制圖學與地理信息系統(tǒng)。