基于溫度植被干旱指數的黃河源區土壤表層含水量反演

陳立文,張友靜,2,鄧世贊,曹 明,錢志奇

(1.河海大學地球科學與工程學院,江蘇 南京 210098;2.河海大學水文水資源與水利工程科學國家重點實驗室,江蘇 南京 210098;3.江蘇省地質勘查技術院信息中心,江蘇 南京 210008)

土壤含水量是地表和大氣界面的重要狀態參數,并直接影響地表的熱量和水量平衡,因而受到水文、氣象等多個學科的關注[1-5]。

在眾多土壤水分遙感模型中,利用地表溫度/歸一化植被指數(land surface temperature/normalized difference vegetation index,LST/NDVI)特征空間以及LST/NDVI斜率反演土壤含水量,是土壤含水量領域研究的熱點[6-9]。Moran等[10]認為,在一個區域若地表覆蓋類型從裸土到密閉植被冠層,土壤含水量存在從凋萎含水量到田間持水量之間的變化,則每個像元的歸一化植被指數(normalized difference vegetation index,NDVI)和地表溫度組成的散點圖呈梯形。Nemani等[11]分析了在同一幅圖像上提取不同地點的LST/NDVI斜率,可以反映各點的土壤濕度狀況。Goetz[12]提出 LST/NDVI斜率的變化還可以反映地區土壤濕度的時間變化和年際變化。柳欽火等[13]利用8km分辨率的NOAA/AVHRR合成數據集,采用9×9像元窗口提取的LST/NDVI干邊斜率,反演了1981—1994年全國土壤含水量。姚春生[14]利用1km分辨率的MODIS數據,提取49×49像元窗口LST/NDVI干邊斜率,反演了全國2003年8—10月土壤含水量。上述研究表明:以全國為整體區域進行干濕邊參數提取相對容易,分區則存在很多不確定性。此外,不同區域的像元窗口的選擇和擬合精度也是制約利用LST/NDVI斜率反演土壤含水量的重要因素。

本文針對黃河源區水資源日益缺少問題,在國家自然科學基金重點項目“氣候變化下黃河源區區域水循環模型與不確定性分析研究”成果基礎上,以黃河源區為研究區,利用 2006年第 65—321天MODIS產品數據生成LST/NDVI干邊斜率,結合土壤相對含水量實測數據,分析土壤相對含水量反演的適宜窗口,并對研究區第65—321天的土壤相對含水量及其季節變化進行分析。

1 研究區與研究數據

黃河源區海拔高度在3000m以上,指河源至唐乃亥之間的匯水區域,屬高原大陸性氣候,主要為濕潤半濕潤氣候區,多年平均氣溫為5.2～-4.0℃,集水面積為12.20萬km2,占黃河流域面積的15.3%,據資料統計分析,多年平均徑流量205.1億m3,占全流域的34.5%,是黃河流域重要的水源地或產流區,被譽為黃河流域的“水塔”。黃河源區土壤的水平分布規律為經度地帶性明顯,緯度地帶性不顯著。受地理條件的影響,黃河源區植被分布由東南向西北依次是森林、草原、高寒草甸、荒漠等基本類型。

本文研究數據為2006年3—11月(日序數為第65—321天)黃河源區的地表溫度和NDVI的MODIS影像數據,分別為16 d合成的1km分辨率的MOD13A2植被指數產品數據和8 d合成的1km分辨率的MOD11A2地表溫度產品數據。在 ENVI(environment forvisualizing images)軟件中對上述數據進行幾何校正、投影變換,為了防止水體對特征空間造成影響,對NDVI數據水體進行了掩膜處理。此外,在建立LST/NDVI特征空間之前利用1km分辨率DEM對地表溫度數據進行地形校正。

土壤含水量實測數據為2006年3—11月的實測10cm土壤含水量數據,本研究區內有6個實測站點的實測數據,該數據為每10 d獲取1次。

2 研究方法

2.1 干濕邊的計算

溫度植被干旱指數(temperature vegetation drought index,TVDI)的定義式[6]為

式中:T為TVDI;N為NDVI;Ts為研究區某像元的地表溫度,即LST;Tsmin為某一NDVI對應的最低地表溫度,對應的是濕邊;Tsmax為某一NDVI對應的最高地表溫度,對應的是干邊,T smax=a+bN;a,b為干邊線性擬合方程的系數。濕邊并不是平行于NDVI軸的一條直線,因此通常需要對濕邊也進行線性擬合,即

式中:a′,b′為濕邊線性擬合方程的系數。

T的取值在0到1之間,濕邊的 T最小,為0,土壤含水量接近田間持水量;干邊的T最大,為1,土壤含水量接近萎蔫含水量。T越大,土壤越干旱;反之,越濕潤。

通過地表溫度及NDVI二維散點圖建立LST/NDVI特征空間如圖1所示,利用LST/NDVI特征空間中的相應最高和最低地表溫度,回歸擬合可獲得干濕邊,從圖1可以看出干邊的斜率為負值,地表溫度與NDVI呈負相關關系,濕邊的斜率為正值,地表溫度與NDVI呈正相關關系。最高地表溫度隨著NDVI的增大而減小,最低地表溫度隨著NDVI的增大而增大,且最高、最低地表溫度與NDVI呈近似線性關系且回歸系數R2都大于0.8。

圖1 LST/NDVI特征空間

根據LST/NDVI特征空間提取該天的干濕邊,線性擬合得到擬合函數如表1所示。根據擬合函數確定式(1)中的系數 a,b和a′,b′;利用式(1)計算出該天的TVDI值。從圖1可以看出每一期的特征空間的干邊和濕邊都具備相似的形狀。由于NDVI小于0.1時很難指示區域的植物生物量,在0.1～0.9之間時,隨植物量的增大呈線性迅速增加,大于0.9時,增大延緩而呈現飽和狀態,對植被檢測靈敏度下降,所以在擬合干濕邊方程時,選擇0.1～0.9的中間范圍特征點來擬合LST/NDVI特征空間。

表1 LST/NDVI特征空間干濕邊方程

2.2 土壤相對含水量的反演

土壤相對含水量即土壤含水量與田間持水量之比,根據已有研究[15],為了估算每個像元的土壤含水量狀況,首先建立LST/NDVI斜率與土壤相對含水量的定量關系:

式中:R為某一像元土壤相對含水量;RW為濕邊上最大土壤相對含水量,RW=1;RD為干邊上土壤相對含水量,RD=c+dx,c,d為由某一窗口尺度的干邊斜率與土壤相對含水量經過模擬得出的系數,用干邊斜率代替x用于計算RD。

考慮到研究區和研究尺度的差異,影像與觀測點數據的擬合存在窗口大小或適宜尺度選擇問題。在逐一比較分析了多種尺度擬合精度的基礎上,發現9×9像元窗口與49×49像元窗口的擬合結果較好,并對這兩種尺度窗口的模擬精度進行了比較,由圖2可見,隨著LST/NDVI斜率減小,土壤相對含水量呈減小趨勢;利用站點附近9×9像元窗口模擬的效果更好,回歸系數 R2為0.65,49×49像元窗口的回歸系數R2為0.53,說明不同時空條件下,存在著適宜的擬合窗口;同時還發現,9×9像元窗口對土壤濕度高值具有較強的敏感性。

圖2 土壤相對含水量與LST/NDVI斜率擬合關系

進一步分析各季節土壤相對含水量與LST/NDVI斜率的關系發現,模擬精度較之以年為尺度的模擬結果均有所提高。圖3是夏季9×9像元窗口和49×49像元窗口LST/NDVI斜率與土壤相對含水量回歸關系。由圖3可見,9×9像元窗口模擬相關系數R2為0.76,49×49像元窗口的模擬相關系數R2為0.70,均大于圖2的以年為尺度的模擬結果。這表明在黃河源區,季節尺度的土壤相對含水量擬合效果更好,其原因在于,隨著時間尺度減小,擬合的不確定性也隨之減小。

圖3 夏季土壤相對含水量與LST/NDVI斜率擬合關系

為了分析反演結果的精度,根據黃河源區夏季地面實測點的位置(經、緯度),在ENVI軟件中查詢出土壤相對含水量的模擬值,并與實測數據進行對比分析,結果見表2。

表2 土壤相對含水量實測值與模擬值

由表2中實測值和模擬值經過計算得出模擬值與實測值的均方根誤差為0.09,其精度高于類似研究中的土壤相對含水量模擬精度。同時,所有數據中的94.4%的模擬值與實測值偏差小于0.14;75%的偏差小于0.10,表明本研究的模擬精度可以滿足區域模型輸入參數的要求。表2中實測值和模擬值的相對誤差最大值出現在興海站的第145天,偏差為0.28。由于本研究中實測值和模擬值代表的時間尺度不同,均化過程和前期降水可能是導致這種偏差出現的主要原因。但總體而言,利用LST/NDVI斜率反演土壤含水量的方法適用于黃河源區。

2.3 土壤含水量時空分異

圖4為黃河源區6—8月土壤相對含水量模擬值,土壤相對含水量值在0～1之間。從圖4可以看出,在第161天(6月上旬)時黃河源中西部地區土壤相對含水量較高,但兩湖北部較低。東部地區整體土壤相對含水量較低,大部分地區在0.5以下。在第193天(7月中旬)黃河源東部地區變得濕潤,中、西部比較干旱,但在阿尼瑪卿與瑪多交界地區土壤相對含水量較高。在第225天(8月中旬)從東部到西部研究區土壤濕度比較均勻,但南部地區含水量較低。從第161—225天在阿尼瑪卿區土壤相對含水量均小于0.7,變化不大。黃河源區大部分地區的土壤相對含水量在0.5～0.8之間。

圖4 黃河源區土壤相對含水量時空分布

3 結 語

采用1km分辨率MODIS數據,對黃河源區2006年土壤相對含水量進行反演,考慮到地域的差異和氣象、植被等條件的影響,在模擬LST/NDVI斜率與土壤相對含水量實測值關系時,同時采用多種尺度的像元窗口計算LST/NDVI斜率,結果表明,9×9像元窗口為黃河源區反演土壤相對含水量最適宜窗口。目前基于實測土壤相對含水量與LST/NDVI斜率模擬進行土壤相對含水量反演存在空間尺度問題:對于其他傳感器數據或者不同分辨率的數據此尺度像元窗口是否適合還需更多的研究;對于其他地區反演土壤相對含水量此尺度像元窗口是否適合還需要更多驗證。

[1]許麗娜,牛瑞卿,尚秀枝.利用溫度植被干旱指數反演三峽庫區土壤水分[J].計算機工程與應用,2011,47(25):235-244.

[2]白志遠,邢立新,潘軍,等.土壤濕度信息遙感研究[J].測繪與空間地理信息,2011,34(3):50-55.

[3]王麗娜,王崇倡.阜新地區干旱監測研究[J].測繪科學,2011,4(35):86-88.

[4]霍艾迪,康相武,張廣軍,等.基于MODIS數據的毛烏素沙地土壤水分模型的建立[J].干旱地區農業研究,2010,28(4):19-23.

[5]扎西央宗,楊秀海,邊巴次仁,等.基于TVDI的西藏地區旱情遙感監測[J].氣象科技,2010,38(4):495-499.

[6]王文種,張友靜.半干旱區旱情監測指數應用分析[J].地球信息科學,2008,10(2):273-278.

[7]宋春橋,游松財,劉高煥,等.基于TVDI的藏北地區土壤濕度空間格局[J].地理科學進展,2011,30(5):569-576.

[8]康為民,羅宇翔,向紅瓊,等.貴州卡斯特山區的NDVITs特征及其干旱監測應用研究[J].氣象,2010,36(10):78-83.

[9]陳晨,劉媛媛,王文種,等.基于溫度植被干旱指數的三花間流域旱情監測[J].東北水利水電,2008,26(2):32-34.

[10]MORAN M S,CLARKE T R,INOUE Y.Estimating crop water deficitusing the relation between surface air temperature and spectralvegetation index[J].Remote Sensing of Environment,1994,49:246-263.

[11]NEMANI R R,RUNNING S W.Estimation of regionalsurface resistance to evapotranspiration from NDVI and thermal IRAVHRR data[J].Journal of Applied Meteorology,1989,28(4):276-284.

[12]GOETZ S J.Multisensor,analysis of NDVI,surface temperature and biophysical variables at a mixed grassland site[J].InternationalJournalof Remote Sensing,1997,18(15):71-94.

[13]柳欽火,辛景峰,辛曉洲,等.基于地表溫度和植被指數的農業干旱遙感監測方法[J].科技導報,2007,25(6):12-17.

[14]姚春生.使用MODIS數據反演土壤水分研究[D].北京:中國科學院研究生院,2003.

[15]范遼生,姜紀紅,盛暉,等.利用溫度植被干旱指數(TVDI)方法反演杭州伏旱期土壤水分[J].中國農業氣象,2009,30(2):230-234.