精河流域绿洲土壤湿度遥感反演研究

1 绪论
1.1 研究意义
地表土壤水分不仅是陆地和大气间能量互换过程中的重要因素，也是衡量气候、水文、生态、农业等领域土壤干湿程度的重要指标。陆地表面蒸散、水分运移、碳循环等都受到土壤湿度较强的控制作用，并且地表和大气间的热量平衡、大陆表面的大气环流和土壤温度变化也会随着土壤含水量的时空分布变化发生明显的变化。区域以及全球范围的土壤湿度监测不仅是农业生产过程研究和环境因子评价的组成部分，还对改善区域及全球气候、预测区域干湿情况研究中具有重要意义。
在水资源缺乏的干旱半干旱地区，土壤水分与水循环、水量平衡联系紧密，土壤湿度的研究意义更加突出。土壤水分是干旱半干旱地区土地持续利用，水资源规划与管理和农业生产的基础，通过土壤湿度研究不但可以有效地监控土地退化和干旱状况，对区域的生态环境有一定的保护作用，而且在区域用水中占据了重要地位。绿洲是干旱半干旱地区农业，林业和畜牧业的主要聚集区域，也是荒漠内部地域分异的产物，对区域的地理环境具有反馈作用。因此，绿洲区域的土壤湿度研究可以更加详细地反映干旱半干旱区域土壤水分的空间分布和变化，提高土壤水分的利用效率。
精河流域绿洲作为干旱半干旱地区典型的农牧业主要聚集区域，土地的持续利用与该区的社会经济发展联系紧密。近些年来精河流域绿洲的浮尘天气日数较多，严重危害了工、农、牧业生产和人们的生活环境。土壤水分的变化状况可有效反映地表与大气间物质、能量交换，通过研究土壤湿度变化可有效地掌握地表水分的运移状态，预测区域干湿状况、改善区域气候等起到了重要作用。因此，准确、快速地获取小区域地表土壤水分分布和变化状况值得进一步研究。
1.2 国内外研究进展
目前获取土壤湿度的方法主要包括三类：田间实地测量法、土壤水分模型法和遥感法。
田间实地测量法中常用的方法有重量水分法、中子仪法、电阻法、土壤湿度计法等。该方法可以准确地估测采样点不同土壤层剖面的水分含量，可以测定的土壤层较多，测量的深度较大。但该方法只能获得单个采样点的土壤湿度数据，所能表示的范围有限，以至于难以体现区域内土壤、地势和植被覆盖上的空间变异情况，并且测量数据的实时性不高，及时更新难度大，监测过程中需要的人力物力消耗较大。
土壤水分模型方法是在物质质量守恒定律的基础上，建立水分平衡方程获得适时的土壤含水量的相关信息，解算土壤湿度。该方法能够快速地预测土壤湿度变化，而且将田间实测法的单点土壤湿度信息提升到面状信息。但是土壤水分模型的水分平衡方程的建立需要大量的气象数据，方程的参数复杂、参数的确定难度大。因此，该方法对土壤湿度的估测误差较大。
土壤湿度的遥感监测方法主要是依据传感器接收到的地表发射和反射的电磁能量信息与土壤含水量的相关联系，结合土壤湿度与陆地表面发射或反射的电磁能量间的信息建立模型，反演土壤湿度。遥感监测土壤湿度克服了田间实测法和土壤水分模型的不足，将以上两种方法获取的点信息和面信息提升到大范围区域尺度的土壤湿度信息，成为获取大范围土壤湿度空间分布和变化的有效手段[1]。该方法的优势包括快速的时效、较强的动态对比性、长时期动态监测以及良好的时间空间分辨率等。因此，遥感监测法已成为目前获取大范围土壤湿度时空分布和变化的主要方法。遥感监测土壤湿度的方法主要包括热惯量法，植被指数法和微波遥感法。
1.2.1 热惯量法
土壤热惯量是土壤的一种热特性，其与土壤水分含量具有紧密地联系。热惯量模型研究在20世纪70年代初期就已经开始，主要运用了土壤水分的变化会引起土壤光谱反射率变化的原理监测土壤湿度。Waston最早尝试利用热惯量模型进行相关计算，计算公式如下：
(1-1)
式中，P为热惯量，λ为热传导率，ρ为土壤密度，c 为土壤比热容。在实际应用中，Price研究得到的表观热惯量(ATI)经常被用来替代热惯量计算土壤湿度[2]。表现热惯量的表达式为：
(1-2)
式中，Td，Tn分别为昼夜的温度，A为全波段反射率。
20世纪60年代，Bowers等发现地表土壤湿度增加会使土壤反射率降低，这为后来利用遥感手段监测土壤湿度提供了理论依据。Waston等最早尝试运用热惯量模型监测地表土壤湿度[3]。Bijleveld在此工作基础上，建立了热惯量和日蒸发的计算模型[4]。Pratt等提出了热惯量的改进方法可以用来制作土壤湿度和地质图 [5]。随着遥感技术的迅速发展，遥感影像数据被用于土壤湿度的研究，Carlson等利用NOAA/AVHRR影像数据估算了土壤的有效水分和热惯量[6]。
我国早期土壤湿度研究沿用国外热惯量模型研究成果。1981年，舒守荣等利用热惯量制图[7]。武晓波等用热惯性方法建立土壤表观热惯量与土壤水分的关系,再结合NOAA/AVHRR数据和气象资料估算冬小麦地的蒸散[8]。赵玉金等利用NOAA/AVHRR数据结合热惯量法对山东省秋季干旱进行监测[9]。我国学者在沿用国外研究成果期间，根据我国的特殊地理情况不断完善原有的热惯量模型。肖乾广等在1994年引入了“遥感土壤水分最大信息层”的相关概念和理论，并在此概念和理论上，建立了多时相的土壤湿度统计模型[10]。余涛等简化了地表能量平衡方程，经过简化方程的处理可以从遥感影像数据上直接提取真实热惯量值，进而了解土壤湿度的分布状况[11]。陈怀亮等在研究河南省冬小麦旱情的过程中分析了热惯量模型的影响因素，将原有的热惯量模型进行改善，得到精度较高的新模型[12]。徐兴奎等使用简化能量平衡方程，建立了表观热惯量(ATI)与土壤含水量的关系式，直接推算表观热惯量[13]。邢文渊利用MODIS数据建立了经过植被指数订正的热惯量模型[14]。王丽娜等建立表观热惯量-土壤含水量(ATI-SWC)经验模型监测阜新地区的干旱状况[15]。李琴等在新疆地区的土壤湿度研究中，运用MODIS数据结合表观热惯量模型，建立了适用于干旱半干旱地区深度为1m的土体的土壤含水量反演模型[16]；吴黎等针对提出植被覆盖度较低的区域，改进了表观热惯量计算模型，计算精度较高[17]。
热惯量法从土壤本身特性出发监测土壤湿度，在研究应用中主要是根据土壤水分含量与热惯量之间存在良好的线性关系，可以直接用于土壤湿度的反演，适用于裸地或植被生长早期，但是热惯量法易受天气云层的干扰，对高植被覆盖地区土壤水分反演的效果较差。
1.2.2 植被指数法
植被指数法是根据干旱缺水的条件，将会对植被的生理过程造成一定影响，进而改变植物叶片的光谱属性，影响植被冠层的光谱反射率。植被指数法在一定程度上弥补热惯量法的不足，并且植被指数构建的三角形、梯形特征空间能够直观地反映地表土壤的干湿状况。
7.2 展望
土壤湿度是监测土地退化的重要指标之一，使用遥感反演土壤水分可以反映土壤水分在空间上的分布状况和时间上的变化情况，具有监测范围广、快速、低成本，可以进行长期动态监测的优势。本文使用空间分辨率为1km的8d合成MODIS地表温度产品MOD11A2和空间分辨率为1km的16d合成植被指数产品MOD13A2与Landsat TM/8数据相结合，运用温度植被干旱指数反演获得了精河流域绿洲时间尺度的土壤湿度，并且简要地分析了该区的土壤湿度空间分布特征及主要影响因素，取得了一些成果。但对土壤湿度反演还可以从以下几个方面作改进。
(1)MODIS影像数据与Landsat TM/8影像数据的成像时间略有差异，对土壤湿度的反演结果造成了一定影响。
(2)由于卫星视角影响传感器接受到的信息量，将直接影响遥感影像反映的植被生长状况信息。虽然研究中运用MSAVI替代了NDVI减小了土壤背景噪声对植被生长状况信息的影响，但是没有考虑视角及高程对MSAVI、NDVI和Ts影响，这有可能影响反演结果的精确性。
(3)地表植被稀少或者密闭植被区域，NDVI值与植被覆盖度的线性关系并不理想，NDVI的取值将会影响TVDI模型的反演精度。因此，可以考虑使用其他遥感参量代替NDVI来表示植被覆盖度，例如在NDVI接近饱和时，可以使用叶面积指数，叶面积指数与植被覆盖度线性关系理想，这有待进一步研究；对于裸土或者植被覆盖度很低时，TVDI模型本身存在缺陷。
(4)Landsat 8影像数据有两个热红外波段，研究中通过覃志豪等的单窗算法反演获取地表温度，经实测地表温度验证，两者的相关系数理想。但针对两个热红外波段的影像数据可以通过分裂窗算法或劈窗算法获得更高精度的反演结果。
(5)温度干旱植被指数TVDI可以反映精河流域绿洲地表土壤湿度状况，并且与采样点实测土壤湿度两者相关系数比较理想，在本文研究的基础上，探讨输入变量的精确性和指示性，可能会提高反演的精度。