楊晶晶,鄧清海,李 莎,張麗萍,陳 橋,孫桂宗,孫振洲
(1.山東科技大學 地球科學與工程學院,山東 青島 266590;2.山東省地質礦產勘查開發(fā)局 第七地質大隊,山東 臨沂 276000)
旱情監(jiān)測是農作物產品估值研究等的基礎[1]。近幾十年來,多源遙感對地監(jiān)測技術迅速發(fā)展,突破了傳統(tǒng)土壤含水量監(jiān)測的局限性,使得大面積連續(xù)土壤含水量監(jiān)測成為可能[2]。微波遙感技術可以穿透地表植被覆蓋對地進行監(jiān)測,并利用微波信號與土壤物理性質之間的高度相關性,靈敏地探測土壤含水量的動態(tài)變化[3]?;诖?,有學者利用可見光、短紅外、近紅外圖像結合微波探測技術,研究得出了一系列反演土壤含水量模型,如常用的水云模型(WCM)、Dubois模型以及高級積分方程模型(AIEM)[4]等,其中WCM模型被廣泛應用于植被覆蓋區(qū)土壤含水量反演、AIEM模型可以去除地表粗糙度對土壤含水量反演效果的影響。傳統(tǒng)模型反演土壤含水量受多種干擾因素影響,使用一種模型很難保證反演精度,且模型反演參數(shù)在不同氣候條件下受干擾程度不同,逐一剔除干擾因素提高反演精度的難度較大。因此,可根據(jù)光學遙感影像采集植被層信息,選擇合適的植被光譜指數(shù)修正水云模型中的植被含水量,并耦合高級積分方程模型,去除基于雷達后向散射系數(shù)計算的地表粗糙度的影響,從而準確獲取土壤含水量情況[5],最后結合光學遙感連續(xù)對地觀測優(yōu)勢,驗證修正后的水云模型耦合AIEM 模型反演土壤水分的普適性。
黃河下游地區(qū)是我國糧食生產核心區(qū)[6],近年來城市擴張給當?shù)厣鷳B(tài)系統(tǒng)造成了巨大影響[7]。土壤含水量直接影響地區(qū)生態(tài)環(huán)境和農作物生長,實時監(jiān)測土壤含水量分布,對保護黃河下游地區(qū)生態(tài)系統(tǒng)以及農業(yè)發(fā)展具有重要意義[8-9]。因此,本文以黃河下游山東省東營市為研究對象,基于遙感技術探究植被覆蓋區(qū)土壤含水量,以期為其生態(tài)環(huán)境保護和農業(yè)發(fā)展規(guī)劃編制提供參考。
山東省東營市位于黃河入??冢瑢儆隉嵬镜呐瘻貛Т箨懶约撅L氣候區(qū)。年降水量550~600 mm,降水集中在7—8 月。該地區(qū)地形起伏不大,地勢沿黃河自西南向東北傾斜。黃河自西南向東北貫穿全市,在墾利區(qū)東北注入渤海。
LandSat8 屬于光學遙感衛(wèi)星,搭載陸地成像儀(OLI)和熱紅外傳感器(TIRS),其中OLI 對波段重新調整,排除了0.825 μm 處水汽吸收特征,具有豐富的波段信息。山東省東營市1—3 月降水量少,因此選擇該地區(qū)2018 年3 月23 日、2019 年1 月17 日、2020 年3 月24 日三景Landsat8_OLI 影像解譯東營市植被覆蓋情況。原始數(shù)據(jù)使用ENVI 軟件進行圖像融合、影像裁剪、輻射定標和大氣校正等預處理,以增強波段特征,其空間分辨率為15 m×15 m。
本文采用的SAR 影像數(shù)據(jù)為來自歐洲太空局(ESA)的Sentinel-1 地距影像(GRD)數(shù)據(jù),其空間分辨率為5 m×5 m。對照Landsat8_OLI 數(shù)據(jù)的日期進行下載,使用哨兵數(shù)據(jù)應用SNAP 對原始數(shù)據(jù)進行預處理,并計算雷達后向散射系數(shù)。預處理后的SAR 影像的雷達后向散射特征更為明顯,能提供基礎計算參數(shù),其中雷達入射角為27°。
研究區(qū)實測地表含水量信息從ESA CCI 土壤濕度數(shù)據(jù)集中獲取。該數(shù)據(jù)集通過同化地表土壤濕度、植被葉面積指數(shù)和植被光學深度信息,使用國際土壤水分觀測網和現(xiàn)有各區(qū)土壤濕度數(shù)據(jù)集對生產目標范圍內的數(shù)據(jù)。此次下載使用的實測土壤水分數(shù)據(jù)為CII-Soil Moisture-fv06.1 版本,數(shù)據(jù)空間分辨率為0.25 m×0.25 m。
通過對比分析,選擇合適的植被光譜指數(shù)構建植被含水量反演模型。基于光學遙感的多光譜信息,常用植被持水度(VWC)、葉片含水量(FMC)和相對含水量(RWC)模擬植被含水量,其中VWC 與植被含水量相關性最強,常用于構建相關函數(shù)、反演植被含水量[10],因此選用VWC 修正水云模型中的植被含水量。
現(xiàn)階段,根據(jù)光學遙感數(shù)據(jù)的波段特征,計算集中在紅外、近紅外波段的植被光譜指數(shù),是基于光學遙感數(shù)據(jù)表達植被含水量的較為成熟的方法[11]。本文選擇的植被光譜指數(shù)有增強植被指數(shù)(EVI)、歸一化植被指數(shù)(NDVI)、歸一化水體指數(shù)(NDWI)、比值植被指數(shù)(SR)、紅邊葉綠素指數(shù)(Cre)和歸一化差值水分指數(shù)(NDMI),各指數(shù)反演公式見表1(其中RB、RG、RR為Landsat8 衛(wèi)星的可見光波段反射率,對應波長分別為0.45~0.51、0.53~0.59、0.64~0.67 μm;RNIR為近紅外波段反射率,其波長為0.85~0.88 μm;RSWIR1、RSWIR2為短波紅外波段反射率,對應波長分別為1.57~1.65、2.11~2.29 μm)。
表1 植被光譜指數(shù)及其反演公式
初步構建植被光譜指數(shù)與植被含水量之間的關系時,發(fā)現(xiàn)基于植被光譜指數(shù)的二次多項式反演的植被含水量與實測植被含水量相關性最強,因此植被含水量反演模型最高次數(shù)為二次。
高級積分方程模型可以準確捕獲地表輻射的雷達后向散射系數(shù)信息,相較于其他模型能夠更真實地模擬較廣范圍的地表粗糙度[12]。由于獲取建立AIEM模型的完整參數(shù)比較困難,因此通過模擬數(shù)據(jù)建立土壤含水量和雷達后向散射系數(shù)之間的半經驗關系[13],進而使用查找法確定AIEM 模型中地表粗糙度系數(shù)。
采用植被光譜指數(shù)表達植被含水量修正水云模型,從而剔除植被含水量對土壤含水量反演結果的影響,再耦合AIEM 模型進一步剔除地表粗糙度的影響,最終得出反演該地區(qū)土壤含水量的耦合模型。本文使用的SAR 數(shù)據(jù)為一級Sentinel-1 GRD 數(shù)據(jù),包括VV、VH 兩種極化方式,雷達入射角為27°。使用AIEM 模型反演地表粗糙度,將模擬波段和地表粗糙度等相關參數(shù)輸入模型[14],根據(jù)研究區(qū)實際情況選擇參數(shù)并修正模型,得到關于地表粗糙度的雷達后向散射系數(shù):
式中:σVV和σVH分別為Sentinel-1 GRD 數(shù)據(jù)的VV、VH 極化參數(shù)。
水云模型將雷達后向散射系數(shù)定義為植被后向散射系數(shù)和受植被遮擋的后向散射系數(shù)兩部分。本文采用東營市1—3 月植被覆蓋度普遍較低時的遙感數(shù)據(jù),根據(jù)Bindlish 等于2011 年提出的經驗參數(shù),即令水云模型中的植被參數(shù)A=0.001 2、B=0.091,修正水云模型。使用V表達植被含水量,并與AIEM 模型耦合反演得到土壤含水量σsoil:
為了確保修正的水云模型中植被含水量滿足隨機驗證精度,將2018 年的樣本數(shù)據(jù)分為10 組,每組21個樣本點,進行植被含水量初步計算,并與實測數(shù)據(jù)進行對比,驗證不同植被光譜指數(shù)表達植被含水量的精度和穩(wěn)定性,進而確定修正的水云模型中植被含水量的計算公式。本文采用計算數(shù)據(jù)擬合的均方根誤差(RMSE)和決定系數(shù)(R2)評價耦合模型的反演精度、反演結果的代表性和穩(wěn)定性,并據(jù)此評價模型參數(shù)的適用性[15-16],計算結果見表2(N表示植被光譜指數(shù))。
由表2 可知,除了EVI 外,使用二次多項式反演植被含水量的決定系數(shù)最大,其中由Cre 反演植被含水量的決定系數(shù)最大,但均方根誤差也較大,說明基于Cre 構建的二次多項式反演植被含水量精度高,但穩(wěn)定性差,普適性不強;由SR 構建二次多項式反演植被含水量的決定系數(shù)較大,同時均方根誤差最小,說明該二次多項式能夠在保證反演精度的前提下,確保模型的穩(wěn)定性和普適性。因此基于SR 的二次多項式表達植被含水量修正水云模型,并耦合AIEM 模型反演土壤含水量,即將V代入式(2)求得土壤含水量。
根據(jù)耦合模型反演2018 年3 月山東省東營市土壤含水量,并與實測土壤含水量數(shù)據(jù)進行對比,驗證耦合模型精度。為突出模型修正方法的適用性,對樣本點進行均勻分區(qū),每一區(qū)的樣本點都能包含東營市所有的植被覆蓋特征,并適當調整耦合模型中植被含水量表達式的系數(shù),共進行10 組試驗,耦合模型中植被含水量計算公式以及土壤含水量反演精度見表3(土壤含水量公式略)。該耦合模型反演的土壤含水量較穩(wěn)定,決定系數(shù)均大于0.6,并且均方根誤差僅為0.004~0.438,說明模型具有較強普適性。
表3 耦合模型反演2018 年東營市10 個樣本點土壤含水量結果統(tǒng)計
根據(jù)耦合模型,選取2018 年典型植被覆蓋區(qū)內一組樣本點反演土壤含水量(以土壤體積含水量表示),見圖1。其中,耦合模型植被含水量修正公式為V=西北部沿海種植區(qū)土壤含水量最大,為0.670~0.825 m3/m3;受黃河水補給與灌溉影響,黃河沿岸水稻種植區(qū)土壤含水量較大,為0.517~0.663 m3/m3;南部內陸地區(qū)地形起伏較明顯,受地表徑流、距海距離遠等因素影響,土壤含水量最小,僅為0.364~0.515 m3/m3。西部內陸地區(qū)部分土壤含水量反演值與實測值相比偏高。原因是,下載的土壤含水量實測數(shù)據(jù)與遙感數(shù)據(jù)的分辨率不一致,且研究區(qū)周遭城市土壤含水量實測值對該區(qū)域實測數(shù)據(jù)的裁剪和收集產生了一定影響,但反演結果整體較好,說明模型適用性強。
圖1 東營市2018 年隨機樣本反演精度驗證與空間分布
為了避免驗證結果的偶然性,對植被覆蓋區(qū)選取的所有樣本點進行逐年統(tǒng)計,通過對比最終反演結果的空間分布,選取最具代表性的21 個樣本點展示該地區(qū)土壤含水量空間分布情況,進行土壤含水量空間變化分析。利用該耦合模型反演2019 年和2020 年土壤含水量,對耦合模型中植被含水量參數(shù)進行調整以確保反演結果的精度和可靠性,反演結果見圖2、圖3。其中,2019 年、2020 年反演土壤含水量的耦合模型中,植被含水量計算公式分別為
圖3 東營市2020 年隨機樣本反演精度驗證與空間分布
用該耦合模型反演2019 年和2020 年土壤含水量,決定系數(shù)大于0.5,精度較高,但較2018 年的反演精度有所降低,且均方根誤差增大。結合整體土壤含水量反演結果的空間分布情況得知,2019—2020 年東營市北部地區(qū)土壤干旱情況加重,其中土壤含水量普遍較高(0.625~0.634 m3/m3)的地區(qū),土壤含水量以7.2%/a 的速率降低,在整體空間范圍內變化最為突出。此外,經過土壤含水量反演發(fā)現(xiàn),2018—2020 年東營市南部土壤干旱情況持續(xù)北移,表明該地區(qū)土壤含水量對黃河水補給的依賴加重。
對土壤含水量反演結果進行分析發(fā)現(xiàn),2019 年和2020 年的反演誤差與2018 年相比有所增大。原因是,采用的Landsat8 影像分辨率為15 m×15 m,Sentinel-1 GRD 數(shù)據(jù)的分辨率為5 m×5 m,數(shù)據(jù)差異較大且分辨率不高。綜上分析,以后應基于更高分辨率的數(shù)據(jù)進行研究,以增強半經驗模型的普適性。此外,對比不同年份土壤含水量反演結果,發(fā)現(xiàn)使用該耦合模型時決定系數(shù)不低于0.5,說明反演值與實測值之間相關性較強。對2018—2020 年土壤含水量空間分布情況進行對比發(fā)現(xiàn),土壤含水量在空間上呈現(xiàn)連續(xù)性變化,與實際情況相符,說明該耦合模型可以反映該地區(qū)土壤含水量的實際情況?;隈詈夏P头囱莸耐寥篮烤哂袑嶋H應用價值,能夠在一定程度上為農業(yè)播種、澆灌等提供依據(jù)。
以山東省東營市為研究區(qū),基于光學遙感數(shù)據(jù)與SAR 協(xié)同反演植被覆蓋區(qū)土壤含水量。首先利用光學遙感數(shù)據(jù)的波段特征修正水云模型中的植被含水量,然后根據(jù)SAR 的雷達后向散射系數(shù)和雷達入射角,引入AIEM 模型消除地表粗糙度對土壤含水量反演精度的影響,最終耦合修正后的水云模型和AIEM模型,達到提高傳統(tǒng)遙感反演土壤含水量模型精度的目的,并通過連續(xù)年份反演討論了耦合模型的精度和適用性。耦合模型反演土壤含水量與實測值之間的關系表明:使用植被光譜指數(shù)表達植被含水量時,基于SR 的二次函數(shù)表達植被含水量的效果最好;修正的水云模型與AIEM 模型構建的耦合模型反演土壤含水量精度較高,且效果穩(wěn)定,其決定系數(shù)在0.5 以上,RMSE小于等于2.290,該耦合模型具有較強普適性。