多源遥感数据反演土壤水分方法

1、张友静1,王军战2,鲍艳松3(1 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京 210098;2 中国科学院寒区旱区环境与工程研究所,甘肃兰州 730000;3 南京信息工程大学大气物理学院,江苏南京 210044摘要:基于A S AR A PP 影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用TM 和M OD IS 影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现T M 影像提取的归一化水分指数(N D W I反演精度较好,相关系数达到0 87。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含

2、水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为0 9,均方根误差为3 83%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。关键词:土壤含水量;多源遥感数据;水云模型;A S AR;多尺度中图分类号:P338 9 文献标志码:A 文章编号:1001 6791(201002 0222 07收稿日期:2009 03 09基金项目:国家自然科学基金资助项目(40701130;40830639作者简介:张友静(1955-,男,江苏南京人,教授,主要从事遥感机理与方法研究。E m

3、a i:l zhangy j hhu edu cn 土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是U laby 利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量1。80年代后,Dobson 和U laby 利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感2。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物理光学模型、两尺度模型和积分方程模型A I E M 。Do

4、boson 等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量3 4。2000年以来,随着Rardrsa,t ENV I SAT AS AR 传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化5 6。研究表明ASAR 数据在半干旱区农田土壤湿度反演方面具有独特的优势7 9。在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型

5、或数值模拟求解植被对微波的散射信号9,具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点9 11。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波

6、遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。第21卷第2期2010年3月 水科学进展ADVANCES I N WATER SC I E NCE V o l 21,N o 2 M ar .,20101 土壤水分估算模型1 1 水云模型农作物微波后向散射模型一般可分为经验模型、理论模型和半经验模型3类。在半经验模型中,最具有影响力和应用最广泛的是A tte m a 和U laby 建立的水云(w ater c l o ud模型12。该模型将辐射传输模型中的植被冠层概化成水平均匀的云层;不考虑植被和土壤表层之间的多次散射;重要

7、的变量仅为冠层高度和云密度,因而可假设与冠层体积含水量成比例。因此,总的后向散射包括冠层自身散射、地表散射和冠层与地表的交互散射。在不考虑雷达阴影时,水云模型可由下式表达:0= 0veg +T 2 0soil , 0veg =AM v cos (1-T 2,T 2=exp (-2BM v sec (1式中 0为后向散射系数,由ASAR 影像计算得到; 0so il 为土壤后向散射系数; 0veg 为植被直接后向散射系数;M v 为植被含水量,kg /m 2;利用水云模型的研究中,植被含水量即为等效水厚度15, 为入射角;T 2为微波穿过植被的双程衰减因子,A 、B 为经验常数。1 2 参数估计

8、方案对水云模型的参数估计有许多研究9 12。结合理论模型(如I E M,M I M I CS 计算关键参数时需要大量的同步地面参数;应用实用方法求解不同的参数将导致误差难以控制。本文利用T M 和MOD I S 数据分析不同尺度下植被参数与小麦含水量的关系,在此基础上,采用最小二乘方法统一求解系数的方案,构建结合光学和微波遥感数据的土壤水分估算模型。1 3 多源遥感数据土壤含水量估算模型由光学影像数据计算植被生物、物理指数V I ,建立V I 与实测植被含水量M v 的关系。M v =f (V I (2若f 为线性关系,则有M v =cV I +d(3将M v 代入式(1水云模型,整理可得so

9、il = 0-A (cV I +d cos 1-exp -2B (cV I +d sec exp -2B (cV I +d sec (4根据土壤后向散射与土壤含水量的关系7,又可得M s = 0-A (cV I +d co s 1-exp -2B (cV I +d sec exp -2B (cV I +d sec -f /e = 0-A (cV I +d co s exp 2B (cV I +d sec +A (cV I +d cos -f /e(5式中 c ,d,e ,f 为经验常数,将该式中的exp 2B (cV I +d sec 项按泰勒级数展开,并取第一项整理得M s =C +k 1

10、0+k 2V I +k 3V I 2+k 4 0sec +k 5 0V I sec(6上式可根据遥感影像和同步实测的数据,采用最小二乘法求解系数C 和k 1,k 2, ,k 5。2 结果与分析2 1 研究区与数据研究区为北京郊区农田,主要种植小麦、紫花苜蓿等作物。数据包括陆地卫星TM 、MOD I S 和ENV I SAT ASAR 影像数据,以及地面准同步实测数据。地面试验内容包括土壤体积含水量测量、小麦生物量及等效水厚度测量和测点GPS 定位等。试验中,选择田块中央较均匀的一块区域,使用GPS 接收机进行定位测量。在离定位点5m 的范围内布置3个采样点,样点分布成等边三角形分布。用TDR

11、测量每个样点处的体积含水量;同时取GPS 位置点处的冬小麦植株,放入塑料袋内密封。试验室内采用烘干称重法,计算冬小麦植223 第2期张友静,等:多源遥感数据反演土壤水分方法株等效水厚度。对每块地3个样点土壤含水量求平均,用以表示GPS定位点处的土壤含水量。Taconet14等研究表明,在高频波段和小入射角时,以植被含水量和土壤湿度为主要驱动因子的水云模型能够很好地模拟小麦的后向散射特性。同时,I S2入射角HH极化模式(I S2 HH的总后向散射包含的土壤散射信息更多,更适合土壤湿度的反演。2 2 不同分辨率光学影像的植被含水量反演植被含水量一般有3种表示方法:叶片含水量C F M、相对含水量

12、C R W和等效水厚度T EW。C eccato等15研究发现用遥感数据反演含水量时,短波红外波段与T EW相关性较好,而与C F M的相关性较差。本研究M v即为同步地面测量的叶和穗等效水厚度之和。大量研究表明,植物含水量对红外波段比较敏感,因此可通过建立植被生物、物理指数和植被含水量的统计关系模型来反演T EW。Penuelas等16发现植被水分指数与归一化植被指数(NDVI的比值可以预测叶片的水分含量。Rock等17综合考虑了叶片内部结构、叶片水分含量以及干物质等影响,发现1600n m和820 n m的反射率之比与等效水厚度T EW高度相关。Jackson和Chen18研究利用T M和

13、MOD I S影像计算NDVI、归一化水分指数(NDWI来反演大豆和玉米覆盖地表的T EW。以上研究表明用植被指数反演植被含水量是可行的。本研究利TM和MODI S数据提取NDVI、NDW I、增强型植被指数(EVI、叶面积指数(LAI,比较在不同分辨率下指数反演小麦含水量的能力。2 2 1 基于T M影像的小麦含水量反演利用TM影像计算NDVI、NDWI和EVI,并分别做NDVI、NDWI、EVI与M v的关系图,如图1所示。反演的M v与实测值的相关系数和均方根误差见表1。图1 ND VI、NDW I、EV I、LA I与小麦含水量关系F i g 1R e lati onship bet

14、ween ND VI、NDW I、EVI、LA I and Mv表1 计算Mv与实测值的相关系数和均方根误差Tab le1A ccuracy of Mvretrieved by T M and MOD IS V Is传感器指数NDVI NDW I EVI LAIT M 均方根误差0 120 110 110 13相关系数0 780 870 800 76MODIS 均方根误差0 150 120 15相关系数0 540 770 57由表1可以看出,由NDWI建立的小麦含水量反演模型结果较好,EVI次之,NDVI和LAI反演结果较差。这与Jackson和Chen18研究的大豆、玉米等植被的结论相似。E

15、VI的反演精度高于NDVI,因为EVI引入了修正后大气和土壤背景的参数,且具有不易饱和的特点。而LAI和绿量等联系更为紧密,在本文中反演M v精度较差。2 2 2 基于MODIS影像的小麦含水量反演利用MODIS影像计算NDVI、NDW I和EVI,并分别做这些参数与M v的关系图,如图2所示。反演的M v 与实测值的相关系数和均方根误差见表1。224水科学进展第21卷由表1可见,两种尺度影像反演M v 结论相似,即NDWI 精度较好,EVI 、NDVI 次之;同时,TM 影像比MOD I S 具有更好的估算结果。究其原因,可能是研究区小麦地块较为破碎,地表覆盖的空间异质性导致较低分辨率的MO

16、D I S 反演小麦含水量误差较大。但如果进行大面积、持续性小麦含水量监测,MODIS 无疑具有高时间分辨率的优势。图2 ND VI 、NDW I 、EV I 与小麦含水量散点图F i g 2R e l a ti onsh i p be t w een ND VI 、N DW I 、EVI and M v2 3 土壤含水量估算水反演半经验模型的建立根据上述分析可得小麦含水量M v 计算的一般线性模型。M v =cNDWI +d (7在确定ASAR 数据的入射角和极化模式后,利用实测数据通过最小二乘法求解模型(6的各项系数,得到下式:M s =137 303-38 717 IS2HH -322

17、234NDW I +564 687NDW I 2+38 798 IS2HH sec +1 429 I S2HH NDW I sec(8利用该式反演得到土壤水分,结果如图3所示。由图3可见,式(8反演土壤含水量的均方根误差(R M SE 为3 83%,反演的土壤含水量与实测的土壤含水量相关性为0 9,具有较高的反演精度,可用于小麦覆盖下的土壤水分估算。2 4 模型参数的贡献与敏感性分析为进一步分析模型的效用,做M s 与NDW I 、sec 、 I S2HH 的敏感性分析,如图4所示。由图可见,NDW I 和 IS2HH 的敏感性较高。当NDW I 和 IS2HH 增加时,土壤水分也增加;增加量

18、在050%之间,两者的变化基本一致。也即小麦冠层含水量越高,雷达后向散射与土壤含水量成正比。因此,植被冠层与后向散射的交互225第2期张友静,等:多源遥感数据反演土壤水分方法作用是影响土壤含水量反演的关键因素之一。雷达入射角的变化与土壤水分变化成反比18。即入射角增加时,反演的土壤水分减小,这与T aconet 等13的研究结论一致。sec 的敏感度最低,当sec 变化范围为 80%时,土壤含水量仅改变 13%,因而可对sec 取均值。由上述分析可知,NDWI 、和 I S2HH 对土壤含水量反演是较敏感参数,这也吻合了水云模型表达式中的参数形式,证明本文的参数估计与求解策略是有效且具有实际意

19、义的。根据本文的土壤水分估算模式,计算出试验区小麦覆盖下的土壤表层水分分布如图5所示。由图可知,昌平区大部分小麦地块的水分合适;顺义和通县部分地块都有一定的缺水。这与实地调查基本吻合。图5 2005年5月8日土壤水分填图F ig 5So ilm o i sture m ap on M ay 8,20053 结 论水云模型中植被含水量是一个很重要的参数,它和双程衰减因子、直接植被后向散射直接密切相关。利用不同尺度的TM 和MODI S 数据计算植被的生物、物理参数,并反演小麦等效水厚度T EW 。结果表明两种分辨率影像反演的结论相似,即NDWI 较好,EVI 、NDVI 次之。因此,NDWI 反

20、演小麦含水量具有更好的一致性和适应性。和T M 影像相比,MOD I S 影像提取的NDWI 反演T EW ,精度虽稍差,但因其高时间分辨率的特点,依然具有较好的应用价值。根据上述关系,并联立裸露地表土壤湿度反演线性模型,建立了水云模型参数的统一求解方案。结果表明:该方案得到理想的土壤水分反演精度,有利于参数估计的误差控制。反演土壤含水量和实测数据的相关系数为0 9,均方根误差为3 83%,可为土壤含水量或土壤缺水量制图服务。参考文献:1U LA BY F T,BATL I VALA P P,DO BSON M C M i cro w ave backscatter dependence on

21、 surface roughness ,so il m o i sture ,and so iltex t ure :Pa rt I Bare so il J IEEE T ransacti ons on G eoscience E lectron ics ,1978,16(4:286 2952DOBS ON M C ,U laby F T A cti v e m i cro w ave so ilm o i sture researchJ I EEE T rans G eosc iR emo te Sensing ,1986,24(1:23 353DU BO IS P C ,VAN Z J

22、,ENGM AN T M easuring so ilm o i sture w ith i m ag i ng radarsJ I EEE T rans G eosci R e m ote Sensi ng ,1995,33(4:915 9264W ANG J R,HSU A,S H I J C ,e t a l A compar i son of so ilm o i sture retr i eva lmodels usi ng SIR C m easurem ents over the littl e W ashita river w atershedJ R e m ote Sensi

23、 ng o f Env iron m ent ,1997,59(2:308 3205李震,郭华东,施建成 综合主动和被动微波数据监测土壤水分变化J 遥感学报,2002,6(6:481 484 (L I Zhen ,GUO 226水科学进展第21卷第 2期 张友静 , 等 : 多源遥感数 据反演土壤水分方法 227 H ua dong , SH I Jian cheng M easur ing the change of so ilm o isture w ith vege tation cover integration passive and active m icrow ave data

24、J Journal of R emo te Sensing , 2002, 6( 6: 481 484 ( in Ch inese 6 陈权 , 李震 , 王磊 机载 雷达和辐射计数据反演植被覆盖区土壤水分的初步研究 J 水科学进展 , 2007, 18( 5: 756 761 ( CHEN Q uan, L I Zhen, W ANG L e i So ilm o isture retr ieva l using a irborne radar and radiom eter in the reg ion w ith vegetation cover J A dvances in W ate

25、 r Sc ience , 2007, 18( 5: 756 761 ( in Chinese 7 M ATT I A F , SATAL I NO G, DENTE L, et a l U sing a prior i in fo r m ation to i m prove so ilm o isture retrieval from ENV ISAT A SAR AP da ta in sem iarid reg ions J I EEE T ransactions on G eoscience and R e m ote Sensing , 2006, 44( 4: 900 912 8

26、 LOEW A, LUDW I G R , M AU SER W D erivation of sur face soilm o isture fro m ENV ISAT ASAR w ide sw ath and i m age m ode data in agr icultural areas J IEEE T ransactions on G eosc ience and R emo te Sensing, 2006, 44( 4: 889 899 9 鲍艳松 , 刘良云 , 王纪华 综合利用光学微波遥感数据反演土壤湿度研究 J 北京 师范大学 学报 : 自 然科学版 , 2007 ,

27、 43 ( 3: 228 233 ( BAO Y an song , LI U L iang yun, WANG Ji hua So ilm o isture esti m ation based on optical and m icrowave re m ote sensing da ta J Journa l of B eijing N or m a lU n iversity : N atu ra l Sc ience J 2007 , 43( 3 : 228 233 ( in Ch inese 10 DABROW SKA Z IEL INSKAA K, I NOU EB Y, KOW

28、 AL I K W, et al Inferring the e ffect of p lant and so il var iables on C and L band SAR backscatter over ag ricu ltura l fie lds , based on m ode l ana lysis J 148 11 CLAUD IA N, M AR IELLA A, FRANCESCO P U se o f radar and optical re m ote ly sensed data for so ilm o isture retrieva l over vege t

29、a ted areas J IEEE T rans G eosci R e m ote Sensing , 2006, 44 ( 4: 925 935 12 ATTEM A E P, ULABY F T V egeta tion m ode l as a w ater c loud J R ad io Science , 1978, 13( 2: 357 364 13 RA J AT B, ANA P B Para m eterization of vege tation backsca tter in radar based, so ilmo isture esti m ation J R

30、emo te Sensing of En v ironm ent , 2001, 76( 1: 130 137 14 TACONET O, V IDAL M AD JAR D, EM BLANCH C, et a l T ak ing into account v ege tation effects to esti m ate so il m o istu re fro m C band radar m easurem ents J R emo te Sensing of Env ironm ent , 1996 , 56( 1 : 52 56 15 CECCATO P , FLA SSE

31、S, TARANTOLA S, et a1 D etecting vegeta tion leaf w ate r content using reflectance in the optical do m a in J R e m ote Sensing o f Env ironm ent , 2001, 77( 1: 22 33 16 PENUELA S J , P IF ML J , OGAYA R, e t a1 Esti m ation of p lant w ate r concentra tion by the reflectance wa ter index( R900 /R

32、970 J Internationa l Journa l of R e m o te Sens ing , 1997 , 18( 13: 2869 2875 17 ROCK B N, VOGELM AR M J E, W ILL I AM S D L, e t a1 R emo te de tection o f fo rest dam age J B iosc ience , 1986 , 36( 7: 439 445 18 J A CKSON T J , CHEN D ao y,i CO SH M, e t a l V egetation w ater content m apping

33、using L and sa t da ta der ived no r ma lized differ ence w ater index for co rn and soybeans J R emo te Sensing of Env ironm en t , 2004 , 92( 4: 225 236 19 刘伟 , 施建成 应用极 化雷达 估算 农作 物覆盖 地区 土壤水 分相 对变化 J 水科 学进 展 , 2005, 16( 4: 596 601 ( L I U W e,i SH I Jian cheng A pply ing the radar technology to est

34、i m ate re lative chang e of so ilm o isture in vegeta ted area J A dvances in W ate r Sc ience , 2005, 16( 4: 596 601 ( in Chinese A dvances in Space R esea rch , 2007, 39( 1 : 139 228 水 科 学 进 展 第 21 卷 Soil moisture retrieval from m ulti resource re m otely sensed m ages over a wheat area* i ZHANG

35、You jin g , WANG Jun zhan , BAO Y an song 1 2 3 ( 1 S tate K ey Laboratory of H ydro logy W ater R esource and H ydraulic E ngineer ing, H ohai Un iver sity, N anjing 210098, China; 2 Co ld and A r id R eg ions Env ironm ental and E ngineer ing R esearch Institute , Chinese A cad e m y of Sciences ,

36、 Lanzhou 730000 , China; 3 N anjing University of Infor m ation Science& T echno logy, N anjing 210044, China Abstract: The a i m of th is study is to use th e m ulti resource rem otely sensed i m ages over land surfaces in a sem i arid reg ion in no rthern Ch in a to in fer the so ilm o isture

37、content ( S MC in the presence o f wheat T he m u lti i m ages in clude Advanced Synthetic Aperture Radar ( AS AR , Landsat T hem at ic M apper ( TM and M oderate resolution I m ag ing Spectroradiom eter ( MODIS The in flu ence of vegetation on the satellite signal can be described by a w ater cloud m ode l T he vegetation w ater content ( M v , an i m portant param eter in th e w ater cloud m ode, l w as synchronously m easured w ith the corre