基于MODIS數(shù)據(jù)的干旱區(qū)土壤水分反演

胡 猛，馮 起，2，席海洋，2

(1.中國科學院寒區(qū)與旱區(qū)環(huán)境工程研究所水土資源研究室，蘭州 730000;2.阿拉善荒漠生態(tài)水文試驗研究站，阿拉善盟 735400)

0 引言

土壤水分是氣候、植被、地形及土壤因素等自然條件的綜合反映，是干旱、半干旱地區(qū)生態(tài)系統(tǒng)和植被建設的基礎。而荒漠綠洲內(nèi)靠天然降水和地下水維持的天然植被和人工林的穩(wěn)定性與土壤含水量密切相關[1]。在干旱地區(qū)，由于降水少且季節(jié)分配不均勻，蒸發(fā)強烈，環(huán)境總體處于水分虧缺狀態(tài)，土壤含水量變化研究一直是了解該類地區(qū)土壤水分動態(tài)以及植物生存機理的重要途徑之一。目前遙感監(jiān)測土壤水分的典型方法有熱慣量法、植被缺水指數(shù)法、植被距平指數(shù)法和主被動微波法等[2]。在干旱半干旱地區(qū)，植被相對稀少，利用植被指數(shù)方法監(jiān)測土壤水分并不適用;被動微波遙感的主要缺點是空間分辨率低，無法進行有效監(jiān)測和精細分析;主動微波遙感的空間分辨率較高，但其監(jiān)測時間往往不固定，無法形成長時間序列連續(xù)監(jiān)測，實用性受到限制。

額濟納盆地深居大陸腹地，屬大陸性溫帶干旱氣候，是嚴重的缺水區(qū)和生態(tài)脆弱區(qū)，大部分是荒漠，植被稀少。而在干旱區(qū)，土壤含水量是綠洲-荒漠生態(tài)系統(tǒng)穩(wěn)定性的重要指標[3]。因此，通過對額濟納盆地土壤水分的遙感反演研究，可更全面地揭示綠洲-荒漠生態(tài)脆弱區(qū)土壤水分的運動規(guī)律，更深刻、更系統(tǒng)地理解生態(tài)環(huán)境變遷機理。熱慣量法物理意義明確，適用于裸地或低植被覆蓋區(qū)域，所需遙感數(shù)據(jù)容易獲取且空間分辨率和時間分辨率較高，能保證土壤水分的有效監(jiān)測[4]。本文利用MODIS數(shù)據(jù)，采用表觀熱慣量法進行干旱區(qū)土壤水分反演，為干旱區(qū)土壤水分的動態(tài)監(jiān)測提供依據(jù)。

1 研究區(qū)概況

本文研究區(qū)額濟納盆地位于河西走廊黑河流域下游內(nèi)蒙古額濟納旗(圖1(左))，介于 E99°00′～102°00′，N40°10′～42°30′之間，為開闊平坦的盆地，海拔高程為900～1 100 m，地面坡降為1/1 000～1/1 200，整體地形向東北傾斜。額濟納盆地地處亞洲大陸腹地，夏季酷熱、冬季嚴寒、降水稀少、蒸發(fā)強烈、溫差大、風大沙多，為典型的大陸性干旱氣候。據(jù)額濟納旗氣象站1957—2006年資料，多年平均降水量42 mm，年降水量最大103 mm，最小7 mm，多年平均蒸發(fā)量3 755 mm，最高達4 035 mm。多年平均氣溫8.3℃，極端最高氣溫為42.2℃，極端最低溫度-37.6℃，年日照時數(shù)3 396 h，無霜期145 h，氣候干燥，風沙災害頻發(fā)，是嚴重的缺水區(qū)和生態(tài)脆弱區(qū)。土壤類型主要為鹽化草甸土、潮土(灰色草甸土)、鹽土和風沙土，絕大多數(shù)為荒漠戈壁，主要生長著以胡楊、沙棗和紅柳為主的荒漠特有植被[5-7]。

圖1 研究區(qū)及采樣點分布圖Fig.1 Study area and distribution map of sampling points

2 研究資料與方法

2.1 數(shù)據(jù)資料

研究所使用的遙感數(shù)據(jù)是由NASA-Land Processes DAAC數(shù)據(jù)中心提供的MODIS全球數(shù)據(jù)產(chǎn)品MOD09A1(全球500 m地表反射率8 d合成)和MOD11A2(全球1 km地表溫度/發(fā)射率8 d合成)，時間為2012年7月1—15日。該產(chǎn)品已經(jīng)過幾何糾正、大氣校正等處理，可以用于科學試驗。反射率產(chǎn)品共有7個波段，本文利用反射率數(shù)據(jù)計算反照率和歸一化植被指數(shù)。另外，本文獲取了黑河流域土壤質(zhì)地數(shù)據(jù)，了解研究區(qū)的土壤信息，數(shù)據(jù)來源于國家自然科學基金委員會“中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心”(http://westdc.westgis.ac.cn)[8]。

為了實現(xiàn)對區(qū)域內(nèi)土壤水分的監(jiān)測，在研究區(qū)進行了與衛(wèi)星同步的野外試驗。分別于2012年7月1—15日利用GPS在研究區(qū)內(nèi)的樣區(qū)布設了39個樣點(圖1(右))，樣點間距為500 m，逐點用土鉆采集0～10 cm，10～20 cm和20～40 cm深度的樣品。為了保證與衛(wèi)星同步觀測，土樣的采集時間為同期衛(wèi)星每天過境時刻(上午10:30左右)，并在天氣晴朗，風力較小的天氣條件下進行。

2.2 研究方法

熱慣量是物質(zhì)對溫度變化熱反應的一種量度，反映物質(zhì)與周圍環(huán)境能量交換的能力。水體的熱慣量比干土和巖石要高，在相同的外部條件下，水體的日溫波動要比干土和巖石低。當土壤含水量增加時，熱慣量也隨之增加，因此這類土壤的日溫波動幅度也有所減少[9]。熱慣量控制著土壤溫度日較差的大小，在土壤的周日溫度變化中起著決定性作用?？杀硎緸?/p>

式中:P為熱慣量，J·m-2·k-1·s-1/2;λ為土壤熱導率，J·m-1·k-1·s-1;ρ為土壤密度，kg·m-3;c為土壤比熱容，J·kg-1·k-1。

對于確定的土壤類型，土壤熱傳導率和比熱容隨土壤水分的增加而增大，土壤熱慣量也隨土壤水分增加而增大，所以可建立熱慣量P與土壤水分之間的關系監(jiān)測土壤水分。真實熱慣量模型的參數(shù)較多，計算復雜，在實際工作中多采用表觀熱慣量(apparent thermal inertia，ATI)模型近似代替真實熱慣量模型。表觀熱慣量可以表示真實熱慣量的相對大小，其模型相對簡單，所需參數(shù)可以完全由衛(wèi)星遙感數(shù)據(jù)提供，已成為熱慣量法監(jiān)測土壤水分的主要研究手段。

采用 Michael[10]的方法計算表觀熱慣量，即

式中:ATI為表觀熱慣量;C為太陽輻射校正系數(shù);α0為寬波段反照率;△LST0為午間地表溫度與午夜地表溫度的溫差，K。其中，C的計算公式為

式中:θ為地理緯度;φ為太陽赤緯。

本文采用Liang[11]的寬波段反照率公式，計算寬波段反照率α0，即

式中 αi(i=1，2，3，4，5，7)為 MODIS 各波段的反射 率。

△LST0的計算公式為

式中:LST0，d為午間地表溫度，K;LST0，n為午夜地表溫度，K。

利用實測土壤水分和表觀熱慣量進行回歸分析，建立表觀熱慣量與土壤水分之間的統(tǒng)計模型。最為常用的統(tǒng)計模型是線性模型和指數(shù)模型，另外還有冪函數(shù)、對數(shù)函數(shù)等其他形式的經(jīng)驗模型。

3 結果與討論

3.1 表觀熱慣量空間分布

利用黑河流域土壤質(zhì)地數(shù)據(jù)獲得研究區(qū)土壤質(zhì)地圖(圖2(左))和MODIS反射率數(shù)據(jù)獲得研究區(qū)植被指數(shù)(圖2(中))，通過前文方法計算得到7月上旬研究區(qū)的表觀熱慣量(圖2(右))。

圖2 研究區(qū)土壤質(zhì)地圖(左)、植被指數(shù)(中)和表觀熱慣量(右)Fig.2 Soil texture map(left)，NDVI(middle)and ATI(right)of the study area

從圖2(右)中可以看出，表觀熱慣量的范圍在0.018～0.218之間，值相對較小，且比較均一，這是由于研究區(qū)主要是荒漠區(qū)，土壤水分較低，表觀熱慣量偏低。表觀熱慣量值大的區(qū)域主要集中在綠洲區(qū)和河道附近，荒漠區(qū)表觀熱慣量低于綠洲區(qū)，這是因為綠洲區(qū)土壤水分較高，表觀熱慣量較大。表1統(tǒng)計了不同土壤質(zhì)地的表觀熱慣量，砂土對應的表觀熱慣量均值較大，粘土次之，壤土最小;相比粘土，壤土和砂土的表觀熱慣量值比較大且分散;表觀熱慣量圖中高值斑點可能是水體所致。因此，表觀熱慣量基本可以反映區(qū)域土壤水分的空間分布。

表1 不同土壤質(zhì)地的表觀熱慣量統(tǒng)計Tab.1 Statistics of ATI of different soil texture

3.2 表觀熱慣量與植被指數(shù)的關系

熱慣量法通常適宜于平坦裸地或植被稀少的地方，當有植被覆蓋時，監(jiān)測精度會下降。在研究區(qū)綠洲、戈壁和沙漠分別選取10 km×10 km大小的區(qū)域，獲取這3個區(qū)域的植被指數(shù)和表觀熱慣量的散點圖(圖3)和均值統(tǒng)計(表2)。

圖3 表觀熱慣量與植被指數(shù)散點圖Fig.3 Scatter plots of ATI and NDVI

表2 選取區(qū)域NDVI與ATI的均值統(tǒng)計Tab.2 NDVI and ATI mean of the selected area

從圖3可知，綠洲區(qū) NDVI由0.2～0.45對應的ATI集中在0.03～0.035之間，對應的表觀熱慣量較大，而戈壁和沙漠的NDVI＜0.1，對應的表觀熱慣量較小。從散點圖上看，綠洲區(qū)植被指數(shù)與表觀熱慣量之間相關性較好，戈壁、沙漠植被指數(shù)與表觀熱慣量相關性較差。從表2中可知，沙漠和戈壁NDVI均值都很小，幾乎沒有植被覆蓋，對應的表觀熱慣量均值也很小，而綠洲對應的表觀熱慣量較大。

3.3 表觀熱慣量與土壤水分的關系模型

國內(nèi)研究的熱慣量法含水量模型種類多，關于表觀熱慣量的經(jīng)驗公式也有許多不同形式，其中常用的是線性模型和指數(shù)模型。本文對土壤表觀熱慣量與對應日期各層次的實測土壤水分進行一元線性和指數(shù)回歸分析，采用最小二乘法建立它們之間的回歸方程，如圖4所示。

圖4 表觀熱慣量與10，20，40 cm實測土壤水分的相關分析及擬合方程Fig.4 Correlation analysis and fitted equation between ATI and soil moisture at three depths(10，20，40 cm)

由圖4中可知，0～10 cm土壤水分與熱慣量的線性和指數(shù)擬合方程的決策系數(shù)分別為0.39，0.38，相關系數(shù)在 0.6 ～0.7 之間;10 ～20 cm 土壤水分與熱慣量的線性和指數(shù)擬合方程的決策系數(shù)分別為0.78 和 0.75，相關系數(shù) 0.8 以上;20 ～40 cm土壤水分與熱慣量的線性和指數(shù)擬合方程的決策系數(shù)分別為0.35和0.28，相關系數(shù)不到0.6。線性擬合比指數(shù)擬合效果好些，其中20～40 cm擬合效果較差，0～10 cm一般，10～20 cm最好。這表明熱慣量法反演土壤水分最佳的深度為10～20 cm，與肖乾廣[12]、陳懷亮[13]和郭妮[14]等的觀點基本一致。究其原因，0～10 cm土壤水分受易變環(huán)境因素的影響很大，是“不穩(wěn)定層”，其與遙感資料的相關性不好且不穩(wěn)定;20～40 cm反演效果較差，這是因為熱慣量法主要是基于土壤日溫差來反演土壤水分，土壤日溫差的變化主要限于土壤表層，未涉及深層溫度的變化，并且日溫度的變化有滯后性。土壤溫度的日較差△T是隨土壤深度變化的，表層日較差最大，越向深層日較差越小，到一定深度后，日較差將為零，這個深度通常為日變化消失層。對于不同含水量的土壤，日變化消失層在30～100 cm之間[12]。

4 結論

1)砂土對應的表觀熱慣量均值較大，粘土次之，壤土最小;相比粘土，壤土和砂土的表觀熱慣量值比較大且分散。

2)植被對表觀熱慣量反演土壤水分存在一定的影響，綠洲區(qū)表觀熱慣量比戈壁和沙漠大。

3)表觀熱慣量與各層土壤水分線性擬合效果比指數(shù)擬合好，在10～20 cm土層最好，相關系數(shù)達0.8以上，即熱慣量模型在深度20 cm左右土壤水分反演效果最好，可有效反演干旱區(qū)土壤水分，該方法為研究干旱區(qū)土壤水分提供一種新的途徑。

試驗中由于遙感資料獲取日期與實地觀測日期不同，需用內(nèi)插法計算土壤水分，而且還需考慮降水對土壤水分的影響。由于條件有限，有關地表和大氣狀況的一些參數(shù)無法直接獲取，選用的經(jīng)驗參數(shù)在一定程度上影響了模型對熱慣量的反演精度。另外驗證資料有部分缺失，對模型驗證結果也有影響。獲取更多資料，進行模型參數(shù)準備和模型精度驗證將是后續(xù)工作的重點。另外，本文未考慮地形和風速等因素對土壤水分反演的影響，有待進一步研究。

[1]常學向，趙愛芬，趙文智，等.黑河中游荒漠綠洲區(qū)免灌植被土壤水分狀況[J].水土保持學報，2003，17(2):126-129.Chang X X，Zhao A F，Zhao W Z，et al.Status of soil moisture in oasis and desert unirrigated vegetation region along middle reaches of Heihe River basin[J].Journal of Soil and Water Conservation，2003，17(2):126-129.

[2]馮志敏，邢文淵，肖繼東，等.遙感監(jiān)測土壤濕度綜述及其在新疆的應用展望[J].測繪科學，2008，33(5):94-97.Feng Z M，Xing W Y，Xiao J D，et al.The summarization of soil moisture remote sensing inspecting and the application prospect in Xinjiang[J].Science of Surveying and Mapping，2008，33(5):94-97.

[3]喬平林，張繼賢，林宗堅.石羊河流域水質(zhì)環(huán)境遙感監(jiān)測評價研究[J].國土資源遙感，2003，15(4):39-45.Qiao P L，Zhang J X，Lin Z J.The application of remote sensing technique to monitoring and evaluating water pollution in the Shiyang River valley[J].Remote Sensing for Land and Resources，2003，15(4):39-45.

[4]余 濤，田國良.熱慣量法在監(jiān)測土壤表層水分變化中的研究[J].遙感學報，1997，1(1):24-32.Yu T，Tian G L.The application of thermal inertia method the monitoring of soil moisture of north China plain based on NOAAAVHRR data[J].Journal of Remote Sensing，1997，1(1):24-32.

[5]張小由，康爾泗，司建華，等.黑河下游胡楊林耗水規(guī)律研究[J].干旱區(qū)資源與環(huán)境，2006，20(1):195-197.Zhang X Y，Kang E S，Si J H，et al.Study on water consumption law of Populus euphratica[J].Journal of Arid Land Resources and Environment，2006，20(1):195-197.

[6]肖生春，肖洪浪.近百年來人類活動對黑河流域水環(huán)境的影響[J].干旱區(qū)資源與環(huán)境，2004，18(3):57-62.Xiao S C，Xiao H L.The impact of human activity on the water environment of Heihe water basin in last century[J].Journal of Arid Land Resources and Environment，2004，18(3):57-62.

[7]司建華，馮 起，張小由，等.黑河下游分水后的植被變化初步研究[J].西北植物學報，2005，25(4):631-640.Si J H，F(xiàn)eng Q，Zhang X Y，et al.Vegetation changes in the lower reaches of the Heihe River after its water import[J].Acta Botanica Boreali-Occidentalia Sinica，2005，25(4):631-640.

[8]Li X，Nan Z T，Cheng G D，et al.Toward an improved data stewardship and service for environmental and ecological science data in west China[J].International Journal of Digital Earth，2011，4(4):347-359.DOI:10.1080/17538947.2011.558123.

[9]任國玉，姜 彤，李維京，等.氣候變化對中國水資源情勢影響綜合分析[J].水科學進展，2008，19(6):772-779.Ren G Y，Jiang T，Li W J，et al.An integrated assessment of climate change impacts on China’s water resources[J].Advances in Water Science，2008，19(6):772-779.

[10]Cosh M H，Jackson T J，Moran S，et al.Temporal persistence and stability of surface soil moisture in a semi-arid watershed[J].Remote Sensing of Environment，2008，112(2):304-313.

[11]Liang S.Narrowband to broadband conversions of land surface Albedo I:Algorithms[J].Remote Sensing of Environment，2000，76:213-238.

[12]肖乾廣，陳維英，盛永偉，等.用氣象衛(wèi)星監(jiān)測土壤水分的試驗研究[J].應用氣象學報，1994，5(3):312-318.Xiao Q G，Chen W Y，Sheng Y W，et al.A study on soil moisture monitoring using NOAA satellite[J].Quarterly Journal of Applied Meteorology，1994，5(3):312-318.

[13]陳懷亮，馮定原，鄒春輝.麥田土壤水分NOAA/AVHRR遙感監(jiān)測方法研究[J].遙感技術與應用，1998，13(4):27-35.Chen H L，F(xiàn)eng D Y，Zou C H.The study of method on monitoring soil moisture in wheat field by NOAA/AVHRR data[J].Remote Sensing Technology and Application，1998，13(4):27-35.

[14]郭 妮，陳添宇，雷建勤，等.用NOAA衛(wèi)星可見光和紅外資料估算甘肅省東部農(nóng)田區(qū)土壤濕度[J].應用氣象學報，1997，8(2):212-218.Guo N，Chen T Y，Lei J L，et al.Estimating farmland soil moisture in eastern Gansu Province using NOAA Satellite data[J].Quarterly Journal of Applied Meteorology，1997，8(2):212-218.