高 琪, 彭 杰, 馮春暉, 宋 奇, 馬自強, 王玉珍

(1.塔里木大學(xué) 植物科學(xué)學(xué)院， 新疆 阿拉爾 843300;2.北京大學(xué) 地球與空間科學(xué)學(xué)院， 遙感與地理信息系統(tǒng)研究所， 北京 100000)

水資源是地球生態(tài)系統(tǒng)的重要組分，并在全球水汽循環(huán)中發(fā)揮著積極作用，土壤水分作為水資源的重要分支，是連接植被、土壤和大氣的關(guān)鍵因子，隨著全球氣候變暖，三者間物質(zhì)和能量循環(huán)加劇，從而土壤水分蒸散嚴重，干旱現(xiàn)象頻繁發(fā)生，如何合理的監(jiān)測土壤水分運移，改善旱情是當(dāng)今全球的熱點問題[1-4]。傳統(tǒng)土壤水分監(jiān)測是基于地面有限點的測定，不但耗損大量經(jīng)濟成本和人力資源，而且空間連續(xù)性缺乏，時空信息獲取困難，導(dǎo)致傳統(tǒng)方法難以滿足大范圍土壤水分監(jiān)測的需求[5]。遙感技術(shù)因具有宏觀性、高效性、時效性、經(jīng)濟成本低和地面限制因素少等獨特優(yōu)勢，已逐漸發(fā)展為現(xiàn)今土壤水分研究的關(guān)鍵方法[6]。

20世紀60年代至今，以遙感監(jiān)測土壤水分的技術(shù)日漸成熟，并逐漸形成了微波遙感法、熱慣量法、溫度—植被干旱指數(shù)法和光譜指數(shù)法等[7-8]。其中，微波遙感在監(jiān)測過程中易受地形、植被覆蓋度和地表溫度的影響[9-10]；熱慣量法存在衛(wèi)星數(shù)據(jù)獲取時效性差、遙感圖像解譯效果低等劣勢[11]；溫度-植被干旱指數(shù)法不適用于高植被覆蓋區(qū)域土壤水分的監(jiān)測；光譜指數(shù)法在監(jiān)測過程中雖對遙感數(shù)據(jù)要求較多，但在植被和土地類型多樣且覆蓋程度復(fù)雜區(qū)域有較好的監(jiān)測效果，因此，以光譜指數(shù)法監(jiān)測地貌和植被類型復(fù)雜的空臺里克地區(qū)土壤水分變化，其適應(yīng)度更高，監(jiān)測效果更為顯著。鑒于光譜指數(shù)監(jiān)測土壤水分的特性，國內(nèi)外諸多學(xué)者以光譜指數(shù)法對土壤水分監(jiān)測進行了大量研究，如Ghulam等[12]通過構(gòu)建Nir-Red特征空間，描述植被覆蓋信息，發(fā)現(xiàn)改進垂直干旱指數(shù)(modified perpendicular drought index， MPDI)比傳統(tǒng)指數(shù)能更好的反演旱情；張學(xué)藝等[13]結(jié)合MODIS-EVI得到改進型干旱指數(shù)(modified temperature vegetation dry ness index， MTVDI)，通過構(gòu)建各指數(shù)與土壤含水量的相關(guān)函數(shù)，表明經(jīng)改進后MTVDI的監(jiān)測效果顯著；姚云軍等[14]發(fā)現(xiàn)并提出了短波紅外土壤濕度指數(shù)(shortwave infrared soil moisture index， SIMI)，以SIMI反映土壤水分信息有較好的效果。諸多研究結(jié)果表明基于單一光譜指數(shù)研究均能反映土壤水分表征旱情，但面對植被覆蓋復(fù)雜、地理因素多樣，同時外延到研究區(qū)以外大范圍監(jiān)測研究時，其適用性尚未驗證。為此，有學(xué)者在光譜指數(shù)法的基礎(chǔ)上構(gòu)建綜合干旱監(jiān)測模型，如孫灝等[15]比較13種典型光譜指數(shù)的適用特點，構(gòu)建了農(nóng)業(yè)干旱遙感監(jiān)測的分類體系；葛少青等[16]在綜合NDPI，TVDI和PDI共3種指數(shù)監(jiān)測干旱區(qū)土壤水分取得了良好效果；Du等[17]考慮植被、土壤和降水虧缺等干旱因素，以主成分變換構(gòu)建綜合干旱監(jiān)測指數(shù)(spatial drought index，SDI)，表明綜合光譜指數(shù)監(jiān)測土壤水分的精度和適用性均優(yōu)于單一指數(shù)，同時以光譜指數(shù)監(jiān)測土壤水分的發(fā)展逐步呈現(xiàn)為單指標向多指標、單因素向多因素發(fā)展的整體趨勢。

迄今為止，以多種光譜指數(shù)、多因素為模型因子對土地利用類型和地表景觀復(fù)雜多樣區(qū)域土壤水分監(jiān)測研究的相關(guān)報道甚少，其監(jiān)測效果有待進一步驗證。本文以南疆干旱區(qū)阿克蘇地區(qū)的空臺里克沖積扇為研究區(qū)，該研究區(qū)以沙漠—綠洲過渡帶為主要土地利用類型，同時地表景觀類型多樣且交錯分布，其中，包括高覆蓋區(qū)域植被—中覆蓋區(qū)域植被—低覆蓋區(qū)域植被、裸地和農(nóng)田；區(qū)域內(nèi)土壤質(zhì)地空間分布變異性強，從而地表粗糙度差異較大，特別是在鹽結(jié)皮區(qū)域和非鹽結(jié)皮區(qū)域之間差異較為顯著。為更好的探究綜合光譜指數(shù)法對地表景觀復(fù)雜多樣的空臺里克區(qū)域荒漠土壤水分監(jiān)測的效果及適用性，因此，本研究以Landsat 8數(shù)據(jù)擬構(gòu)建一種基于多個光譜指數(shù)，同時考慮地形(digital elevation model， DEM)和環(huán)境數(shù)據(jù)等因子的土壤水分綜合監(jiān)測模型，為干旱區(qū)旱情監(jiān)測和荒漠土壤水分空間分布研究提供一定理論依據(jù)和方法支持。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于南疆阿克蘇地區(qū)溫宿縣境內(nèi)的空臺里克沖積扇(40°40′10″—41°32′36″N，80°45′09″—81°12′45″E)，北靠天山山脈，西臨塔里木盆地邊緣，地勢北高南低，西高東低[18]，平均海拔1 200 m，面積約2 176 km2。研究區(qū)屬于典型沙漠—綠洲過渡帶，光熱資源充足，氣候干燥，年平均積溫4 200 ℃，無霜期212 d，年平均降水55.1 mm，而年平均蒸發(fā)卻高達2 428 mm；區(qū)域交通單一，以南北方向長110 km和東西方向長80 km的省級公路為主且貫穿整個研究區(qū)，沿省級公路兩側(cè)由北向南土地利用類型依次為沙漠、沙漠—綠洲過渡帶、河流和農(nóng)田；土壤質(zhì)地以沙土、沙壤土為主；地表植被類型分布多樣，以檉柳、駱駝刺，鹽惠木等荒漠植被為主且呈高(植被全覆蓋)—中(植被半覆蓋)—低(裸地)的趨勢集中分布于大面積沙漠—綠洲過渡帶，小面積農(nóng)田以棉花種植為主。

1.2 遙感數(shù)據(jù)獲取及預(yù)處理

通過美國地質(zhì)調(diào)查局USGS官網(wǎng)(https:∥earth explorer.usgs.gov/)下載過境時間為2019年6月15日，軌道號為146/31,146/32，云量小于10%，空間分辨率為30 m的2景Landsat 8遙感影像。通過ENVI 5.3軟件完成影像預(yù)處理，具體包括：輻射定標、FLAASH大氣校正、影像鑲嵌、裁剪和波段運算，經(jīng)預(yù)處理后對研究區(qū)遙感影像進行支持向量機分類(SVM Classical)；以遙感影像提取比輻射率和黑體輻射亮度等數(shù)據(jù)信息用于地表溫度計算。通過ArcGIS 10.2軟件獲取各光譜指數(shù)信息。

通過地理空間數(shù)據(jù)云(http:∥www.gscl oud.cn/)下載空間分辨率為30 m的DEM數(shù)據(jù)，以ArcGIS 10.2軟件完成洼地填充、影像裁剪、幾何精度校正和高程數(shù)據(jù)提取。

1.3 土壤樣品采集與測定

本研究于2019年6月15日Landsat 8衛(wèi)星過境當(dāng)日完成土壤樣品采集，共計160個，為使野外采樣充分反映研究區(qū)土壤質(zhì)地及植被覆蓋，同時考慮到研究區(qū)交通較為單一的情況，沿東西走向長110 km的省級公路兩側(cè)以近似等間距布設(shè)20個采樣樣方，各樣方內(nèi)分布8個采樣點且遵循如下采樣原則：①遠離省級公路300 m以上；②避開河流和農(nóng)業(yè)用水渠等；③依據(jù)土地利用分類結(jié)果，在不同覆蓋類型內(nèi)均布設(shè)樣方；④以五點法采集各樣方表層0—20 cm的土樣并均勻混合。為防止土樣水分蒸發(fā)而導(dǎo)致含水量數(shù)據(jù)誤差，將采集的土樣快速裝入自封袋中密封保存，帶回實驗室稱取50 g左右，采用質(zhì)量烘干法測定土壤含水率，每個樣品設(shè)置3次重復(fù)，各重復(fù)間相對誤差控制在5%以內(nèi)，取3個重復(fù)樣的平均值為該樣品的土壤水分實際測定值。剩余土壤樣品放置于室內(nèi)風(fēng)干，經(jīng)充分研磨后統(tǒng)一過篩(2 mm)，使用稀釋溶液法測定pH值和電導(dǎo)率(EC)。

1.4 建模方法與模型精度評價

本研究選取經(jīng)典線性模型偏最小二乘法(partial least squares regression， PLSR)、二分類模型支持向量機(support vector machine， SVM)和機器學(xué)習(xí)模型隨機森林(random forest， RF)3種方法，分別通過The Unscrambler10.5和R語言軟件構(gòu)建模型。將160個樣品實測數(shù)據(jù)在Excel軟件中依次由小到大排列，以2∶1比例分成107個建模集樣品，53個預(yù)測集樣品，通過決定系數(shù)(R2)、均方根誤差(RMSE)、平均絕對誤差(MAE)、相對分析誤差(RPD)對模型精度驗證；當(dāng)R2值越大、RMSE值越小，說明模型精度越高，預(yù)測效果越好；MAE表示模型誤差范圍，其值越低，模型精度越高；相對RPD值而言，當(dāng)RPD<1.5時，表明模型沒有預(yù)測能力；當(dāng)1.5≤RPD<2.0，RPD≥3.0，表明模型預(yù)測能力較差，只能進行粗略估算；當(dāng)2.0≤RPD<2.5時，表明模型預(yù)測能力較好；當(dāng)2.5≤RPD<3.0時，表明模型預(yù)測能力很好；當(dāng)RPD≥3時，表明模型預(yù)測能力極出色，能進行高精度估算[19]。其中，各精度評價指標通過如下(1)—(5) 公式計算：

(1)

(2)

(3)

(4)

(5)

1.5 研究方法

1.5.1 光譜指數(shù) 不同光譜指數(shù)描述的地表干旱特征有所差異，進而反映土壤水分表征旱情的結(jié)果也不一致[15]，由此造成單一光譜指數(shù)監(jiān)測土壤水分精度較低，本研究在此基礎(chǔ)上針對空臺里克地區(qū)植被覆蓋和土地利用等復(fù)雜情況，選取TVDI，NR和NDVI等31個光譜指數(shù)并充分考慮了不同指數(shù)對土壤水分反映的基本特征，以多個光譜指數(shù)為建模因子構(gòu)建反演模型，探究研究區(qū)土壤水分變化規(guī)律。

1.5.2 地表溫度(Ts) 地表溫度是區(qū)域尺度地表物理參量的一個關(guān)鍵因子，作為地球表面能量平衡的重要指示指標，地表溫度能間接的反映土壤水分狀態(tài)表達旱情特征。其計算方法見公式(6)—(8)：

熱紅外輻射亮度值的表達式如下：

Lλ=〔εB(Ts)+(1-ε)L↓〕ε+L↑

(6)

式中ε為地面比輻射率數(shù)據(jù);Ts為地面實際溫度;B(Ts)為黑體在地表實際溫度的熱輻射亮度;τ為大氣;L↑為大氣向上的輻射亮度;L↓為大氣向下由地表反射的輻射亮度。

黑體輻射亮度B(Ts)的計算公式如下：

(7)

式中：Lλ表示大氣校正后的熱紅外波段輻射定標值。

得到黑體輻射亮度數(shù)據(jù)后通過普朗克函數(shù)計算地表溫度(Ts)。

(8)

式中：Ts為地表實際溫度;B(Ts)為黑體在Ts的熱輻射亮度;K1，K2為衛(wèi)星預(yù)設(shè)常數(shù)；Landsat 8預(yù)設(shè)K1=774.89 W/(m2·sr·μm)，K2=1 321.08 K。

1.5.3 地形數(shù)據(jù)(DEM) 研究區(qū)地勢北高南低，自西北向東南傾斜，考慮到地勢高低起伏的特征是影響土壤水分、植被分布和氣候特征等地域分異的關(guān)鍵因子[20]，因此，本研究以DEM數(shù)據(jù)作為建模因子，分析因地形變化引起土壤水分分異的規(guī)律，更進一步了解空臺里克地區(qū)土壤水分分布的總體特征。

2 結(jié)果與分析

2.1 土壤屬性統(tǒng)計性描述

表1對實地采集的160個表層土壤樣品基礎(chǔ)屬性進行統(tǒng)計描述。由表1可知，表層土壤水分最小值為4.30%，而最大值為44.29%，極差高達39.99%，平均值為21.58%，說明表層土壤水分(0—20 cm)分布差異較大，引起這種差異的可能原因為不同土壤質(zhì)地和植被覆蓋，從而造成研究區(qū)表層各部分土壤的持水能力差異。EC，pH值的極差分別為78.53 dS/m，1.8，平均值分別為24.01 dS/m，8.16，變異系數(shù)分別為44.57%和5.12%，同時表層土壤水分變異系數(shù)為30.74%。而變異系數(shù)一般分為強變異(>50%)、中等變異(20%～50%)和弱變異(0～20%)[21]，引起土壤水分和EC值中等變異一是植被覆蓋差異較大，高植被覆蓋區(qū)域植被對土壤水分和養(yǎng)分元素需求較高，低覆蓋區(qū)域直接受太陽高溫輻射作用較強；二是研究區(qū)人為活動現(xiàn)象明顯，新開墾農(nóng)耕田、撂荒地不斷增加以及人為設(shè)立保護區(qū)存在，導(dǎo)致土壤結(jié)構(gòu)人為破壞嚴重，使土壤水分和鹽分較強變異。土壤屬性的偏度和峰度值分別描述數(shù)據(jù)偏斜程度和各特征值的高低分布情況，表中所有數(shù)據(jù)偏度值均大于0，峰度均與3有一定差距，表明數(shù)據(jù)總體呈現(xiàn)偏態(tài)分布且均不符合正態(tài)分布規(guī)律。

表1 土壤樣品基礎(chǔ)屬性

2.2 建模因子與土壤水分的相關(guān)性分析

為探究各建模因子與土壤水分相關(guān)性，將地表溫度(Ts)和地形數(shù)據(jù)(DEM)以及經(jīng)波段運算的31個光譜指數(shù)與實測土壤水分在Excel 2019軟件中進行相關(guān)分析并附各因子計算公式(具體見表2)。通過表2可知，26個光譜指數(shù)與土壤水分為極顯著相關(guān)，其中，溫度植被干旱指數(shù)(TVDI)與土壤水分相關(guān)性最高，為0.53，表明26個光譜指數(shù)均能在不同程度內(nèi)指示土壤水分，但TVDI指示效果優(yōu)于其余光譜指數(shù)；綠度差值植被指數(shù)(green difference vegetation index， GDVI)、土壤改良植被指數(shù)2(modified soil adjustment vegetation， MSAVI2)和非線性植被指數(shù)(nonlinear vegetation index， NLI)的相關(guān)系數(shù)分別為0.06，0.08,0.15，與土壤水分均未達到顯著或極顯著相關(guān)，表明3個光譜被指數(shù)均不能有效的指示土壤水分信息，不適宜作為建模因子，地表溫度和地形與土壤水分相關(guān)系數(shù)分別為-0.41和-0.43，均為極顯著負相關(guān)，表明兩者均能影響土壤水分分布且相關(guān)性越高，土壤含水量則越低。因此，本研究在相關(guān)系數(shù)的基礎(chǔ)上篩選出26個光譜指數(shù)，地表溫度和地形為反演模型建模因子。

表2 建模因子與土壤水分相關(guān)系數(shù)

2.3 不同建模方法對比分析

表3為PLSR，SVM，RF3種模型方法構(gòu)建土壤水分建模集和預(yù)測集的精度統(tǒng)計表。通過表3可知，建模集中3種模型方法的精度差異較大，RF模型的R2最高，為0.93，而RMSE和MAE均為最小值，分別為1.49，1.09；SVM模型的R2最低，為0.43，RMSE和MAE分別為3.66,2.82，均為建模集中最大值；PLSR模型性能介于二者間。綜上所述，建模集中，RF模型性能明顯優(yōu)于PLSR和SVM方法，反演效果優(yōu)劣排序依次為RF>PLSR>SVM。在預(yù)測集中，3種模型的各指標相較于建模集均無明顯下降，表明模型比較穩(wěn)定，但三者相比較而言，仍然是RF模型的各項指標明顯優(yōu)于PLSR和SVM，而PLSR和SVM二者間相比，PLSR模型的R2明顯高于SVM模型，而RMSE和MAE要低于SVM模型。就RPD指標而言，PLSR模型和SVM模型的1.5≤RPD<2.0，表明這兩種模型只能對土壤水分進行粗略估計。RF模型的RPD值為3.90(3.90>3.0)，表明RF模型有出色預(yù)測能力，能精準反映研究區(qū)土壤水分。綜合考察各模型建模集與預(yù)測集的評價指標，3種模型的預(yù)測性能和穩(wěn)定性從高到低排序依次為RF，PLSR和SVM，表明神經(jīng)網(wǎng)絡(luò)模型比線性模型和二分類模型監(jiān)測反演土壤水分更理想，模型穩(wěn)定性更強，精度更高。

表3 不同模型下土壤水分反演精度

2.4 不同建模方法可信度檢驗

分析土壤水分在PLSR，SVM和RF模型預(yù)測結(jié)果下與實測土壤水分的相關(guān)性，進一步確定預(yù)測土壤水分數(shù)據(jù)的精準性(見圖1)。通過圖1可以看出，RF模型(c)實測水分與預(yù)測水分R2最高，為0.91，表明基于機器學(xué)習(xí)方法的RF模型反演土壤水分最優(yōu)，PLSR(a)和SVM(b)的R2為0.63,0.32，相比較RF模型，對土壤水分反演效果較差，但都具有一定的可信度。

圖1 不同模型反演數(shù)據(jù)與實測數(shù)據(jù)相關(guān)性

2.5 對比不同模型的土壤水分空間分布

圖2為最優(yōu)模型(RF)反演表層(0—20 cm)荒漠土壤水分的分布情況，通過圖2可知，土壤含水量以0～5%和5%～12%集中分布于研究區(qū)東北部；15%～20%或>20%大面積分布于北部、中部和南部區(qū)域。

圖2 最優(yōu)模型反演土壤水分分布結(jié)果

表4對土壤水分反演結(jié)果的分布面積進行統(tǒng)計，從表4可知，0～5%土壤含水量面積最小，為104 km2；>20%的分布面積最大，為1 041.18 km2；0～15%之間的分布面積總占比為18.21%；而15%～20%和>20%為81.79%，表明研究區(qū)土壤含水量低值較少，總體呈偏高的分布特征。為更進一步探究研究區(qū)土壤水分變化特征，結(jié)合土地利用分類結(jié)果和最優(yōu)模型土壤水分分布結(jié)果(圖2)可知，東北部為沙漠區(qū)，土壤水分含量集中為0～12%，南部多為高作物覆蓋農(nóng)田區(qū)，土壤含水量多為15%～20%和>20%，同時農(nóng)田內(nèi)存在無作物覆蓋的新開墾田和撂荒地，土壤含水量為0～15%，中部、北部為典型沙漠—綠洲過渡帶區(qū)，土壤含水量多集中為15%～20%或者>20%，表明在不同土地利用類型下，土壤水分含量存在較大差異。

表4 土壤水分分布面積及比例

3 討 論

3.1 多因素建模可行性

本研究以26個光譜指數(shù)、環(huán)境數(shù)據(jù)因子和地形因子(DEM)構(gòu)建PLSR，SVM和RF3種模型反演土壤水分。研究區(qū)地勢北高南低，由1 400 m向980 m依次降低，而土壤含水量與地形相關(guān)系數(shù)為-0.44，達極顯著相關(guān)，表明DEM變化對土壤水分分布有較大影響，而本研究引入DEM數(shù)據(jù)作為模型因子，校正因地形引起土壤水分反演精度的偏差，該結(jié)果與蔡亮紅等[20]在TVDI基礎(chǔ)上引入DEM數(shù)據(jù)校正，校正后TVDI能更好的反映土壤水分狀況的研究結(jié)論較為一致。地表溫度在土壤濕度和地、氣相互循環(huán)過程中有重要作用，同時能間接反映土壤水分狀況表征旱情分布，因而對地表溫度數(shù)據(jù)的研究是不可或缺的內(nèi)容[21-22]，本研究地表溫度與土壤水分為極顯著負相關(guān)，表明土壤水分隨地表溫度的增大而迅速減少，以地表溫度為環(huán)境數(shù)據(jù)因子，構(gòu)建土壤水分綜合模型，對土壤水分高精準反演有重要價值，與蔡國印等[23]以熱慣量法研究土壤水分的結(jié)果較為相似。結(jié)果表明在模型中引入地形和地表溫度數(shù)據(jù)對土壤水分反演模型的精度有較大提升。

3.2 土壤水分空間分布特征

通過最優(yōu)模型RF反演空臺里克地區(qū)土壤水分，結(jié)合圖2和表4可知，東北部沙漠土壤含水量最低，集中為0～12%，中部沙漠—綠洲過渡帶土壤含水量最高，集中在15～20%和>20%且分布面積為81.79%，由于沙漠和沙漠—綠洲過渡帶土壤質(zhì)地相差較大，土壤結(jié)構(gòu)疏密度和土壤持水能力不同，因而在不同土地類型下土壤含水量差異較大，這與姜紅等[24]研究結(jié)論較為一致。相比較，沙漠—綠洲過渡帶土壤含水量普遍較高，由于衛(wèi)星遙感在監(jiān)測中具有不確定性，空臺里克是典型的高鹽漬化區(qū)域，鹽分表聚現(xiàn)象嚴重，地表上層形成大量鹽結(jié)皮，而下層土壤水分受鹽結(jié)皮封阻蒸發(fā)困難，導(dǎo)致下濕上干的現(xiàn)象，與Peng等[25]對空臺里克地區(qū)鹽漬化程度研究結(jié)論相符；南部農(nóng)耕田土壤含水量呈0～12%，15～20%和>20%的空間分布特征，而農(nóng)耕田內(nèi)存在大量新開墾農(nóng)田和撂荒地，在不同作物覆蓋區(qū)域，土壤水分的運移速率有所差異，導(dǎo)致變異性較高(44.57%)，而含水量低值區(qū)(新開墾田、撂荒地)受人為因素干擾，土壤表層結(jié)構(gòu)破壞嚴重，下層土壤水分受6月高溫蒸發(fā)上移現(xiàn)象明顯，與王思楠等[26]研究結(jié)論較為相似。以光譜指數(shù)法研究土壤水分，受植被覆蓋、大氣、土壤背景粗糙度等自然因素、遙感傳感器等自身因素影響較為嚴重，后續(xù)研究需進一步探索不同影響因素對土壤水分的貢獻率，篩選出一套適合研究區(qū)甚至新疆南部類似干旱區(qū)域的高精度土壤水分反演方法。

4 結(jié) 論

本研究有效結(jié)合衛(wèi)星遙感和地面實測數(shù)據(jù)，通過PLSR，SVM和RF 3種方法構(gòu)建多指數(shù)、多因素的綜合監(jiān)測模型反演土壤水分，選取最優(yōu)模型對南疆阿克蘇地區(qū)空臺里克表層荒漠土壤(0—20 cm)水分預(yù)測分析。得到以下基本結(jié)論：

(1) 各因子與土壤水分相關(guān)性分析表明TVDI，NR，NDVI，EVI，GOSAVI等26個光譜指數(shù)，環(huán)境因子地表溫度(Ts)、地形(DEM)均與土壤水分極顯著相關(guān)，適合作為南疆荒漠土壤水分遙感監(jiān)測的指示因子。

(2) 對比PLSR，SVM和RF3種模型各評價指標精度，RF模型的R2為0.91，RMSE為1.49，同時RPD值高達3.90，表明RF為土壤水分反演最優(yōu)模型。

(3) 以最優(yōu)模型RF反演研究區(qū)表層土壤水分，呈現(xiàn)沙漠0～12%集中分布，沙漠—綠洲過渡帶15%～20%和>20%廣泛分布，農(nóng)田區(qū)域交錯分布的土壤水分總體分布特征，其結(jié)果與土地利用分類特征和表1描述性統(tǒng)計結(jié)果較為一致。