基于Landsat 8遙感圖像的土壤含水量提取研究

崔麗霞，王 蕾

(唐山學院 智能與信息工程學院，河北 唐山 063020)

?

基于Landsat 8遙感圖像的土壤含水量提取研究

崔麗霞，王 蕾

(唐山學院 智能與信息工程學院，河北 唐山 063020)

土壤含水量是影響植被生長的一個主要因素，也是研究氣候、水溫、生態、農業等領域的重要參數。遙感能夠快速方便地獲取較大區域的地表信息，因此使用遙感技術對土壤含水量進行提取具有重要的意義。以2015年8月15日獲取的唐山市中北部地區Landsat 8影像為研究對象，通過計算植被歸一化指數和反演地表溫度，利用植被供水指數法得到該區域內的土壤含水量分布情況。研究結果表明，利用植被供水指數法可對Landsat 8遙感影像進行土壤含水量信息的提取，由此也擴充了Landsat 8影像的應用范圍。

土壤含水量；Landsat 8；NDVI；地表溫度

0 引言

土壤含水量對于植被的生長有極其重要的作用，隨著近幾年水資源的嚴重匱乏，大面積的土壤含水量信息研究成為了熱點問題。傳統的方法只能采集到點的含水量信息，效率低而且費時費力，能否及時快速地獲取土壤含水量成為人們關心的重點內容。衛星遙感技術具有信息量大、觀測范圍廣、獲取速度快、動態性和實時性等優點，因此基于遙感數據進行土壤含水量的提取具有一定的實用價值。最新發射的Landsat 8衛星攜帶的2個主要傳感器陸地成像儀(OLI)和熱紅外傳感器(TIRS)，在掃描方式、波段設置、輻射分辨性能等方面較之前的Landsat系列衛星都有很大的改進，它提供的影像可以成為土壤含水量遙感監測中新的數據源。

遙感圖像是根據像元的灰度信息以及其他空間特征來區分地表特征的。利用遙感圖像提取土壤含水量就是對遙感圖像中不同地物的光譜信息、空間特征以及其他信息進行分析，利用不同地物在不同波段圖像中呈現的信息不同來進行信息提取。

1 遙感圖像提取土壤含水量信息的原理

植被在生長中的蒸騰作用受土壤含水量的影響，而植被的蒸騰作用又影響植被冠層的溫度，所以植被的冠層溫度可以作為表征土壤水狀況的一個重要指標。因此提取土壤含水量信息時需要獲知植被的冠層溫度。植被的冠層溫度與地表溫度不同，但是植被冠層溫度反演的困難遠遠大于地表溫度的反演，在多數的應用中采用地表溫度代替很難反演的冠層溫度。另外，歸一化植被指數(簡稱NDVI)是表征植被生長狀況的一種常用指標。當土壤含水量較低時，植被的葉片會出現萎蔫等生長不正常的現象，從而影響歸一化植被指數。

當植被供水正常時，遙感圖像獲取的植被指數在一定的生長期內保持在一定的范圍內，植被的冠層溫度也保持在一定的范圍內。綜合考慮歸一化植被指數和地表溫度兩種影響土壤含水量的重要指標，定義植被供水指數(VSWI：Vegetation Supply Water Index)為：

VSWI=NDVI/LST，

(1)

其中LST為地表溫度反演值。植被的VSWI值越低表明土壤含水量越低。

1.1 歸一化植被指數

測定歸一化植被指數對植被監測靈敏度要求較高，當植被在生長過程中缺水時，植被的生長將受到影響，對應的植被指數將會降低。歸一化植被指數通常與綠色植被的繁茂程度有關，所以用歸一化植被指數可以進行植被覆蓋度的研究。該指數在一定程度上能消除地形和群落結構的陰影、輻射干擾及太陽高度角和大氣所帶來的噪聲。通常利用波段計算來定量計算NDVI。

NDVI=(NIR-R)/(NIR+R)。

(2)

其中NIR，R為不同波段的遙感數據的反射率值。

NDVI的值在-1到1之間，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

1.2 溫度

地表溫度(LST)是用來表示地表能量平衡的一個主要參數，同時也是在某個地區或在整個地球范圍上來衡量地表具體過程的一個重要參數。遙感信息參量的反演旨在建立植被供水指數和土壤含水量之間的關系模型。根據植被供水指數的計算公式可以看出，建立土壤含水量遙感信息模型需要反演出地表溫度。Landsat 8的TIRS熱紅外傳感器具有2個波段，分別編號為TIRS10和TIRS11。當前，針對landsat 8熱紅外波段地表溫度反演所提出的算法有單通道算法(SC)。

LST=γ[ε-1(φ1L+φ2)+φ3]+δ，

(3)

γ≈T2/(bγL)，δ≈T-T2/bγ。

式中ε為地表比輻射率，可通過ASTER光譜庫獲得主要地物在TIRS 10，TIRS11波段的比輻射率，表1為本文綜合ASTER光譜庫和Nichol[2]的研究成果計算的比輻射率；參數bγ分別為：TIRS 10=1 324 K，TIRS 11=1 199 K；L和T分別由公式(5)和(6)獲得。

表1 Landsat 8 TIRS 10，TIRS 11波段的比輻射率

φ1，φ2，φ3用它們的原始推導公式來計算，即

φ1=1/τ；φ2=-L↓-L↑/τ；φ3=L↓。

(4)

式中τ為大氣透過率；L↑和L↓為大氣上行和下行的輻射強度。

圖像的亮度值轉換為大氣頂部的光譜輻射值，即

Lλ=MLQcal+AL。

(5)

式中Lλ為波段λ的大氣頂部光譜輻射值(TOA spectral radiance)；ML為波段λ的調整因子；AL為波段λ的調整參數；Qcal為圖像灰度值。

將Landsat 8的TIRS熱紅外傳感器TIRS 10和TIRS 11通過下式轉換為亮溫：

T=K2/ln(K1/L+1)。

(6)

式中T為傳感器處的亮溫；L為由公式(4)求出的熱紅外波段的輻射值；K1和K2為熱紅外波段的定標常數；對于TIRS 10波段，K1=774.89 W/(m2·sr·μm)，K2=1321.08 K；對于TIRS 11波段，K1=480.89 W/(m2·sr·μm)，K2=1 201.14 K。

2 研究區域介紹及數據預處理

2.1 研究區域概況

以唐山市中北部地區作為研究區域，該研究區域包括唐山市區、豐潤區、開平區、古冶區、遷安市、遵化市、玉田縣等地區。唐山市位于河北省東部，地處渤海灣中心地帶，地勢北高南低，自西、西北向東及東南趨向平緩，直至沿海。北部和東北部多山，海拔在300～600 m之間；中部為燕山山前平原，海拔在50 m以下，地勢平坦；南部和西部為濱海鹽堿地和洼地草泊，海拔在15～10 m以下。地理坐標為117°31～119°19′E，38°55′～40°28′N。屬于暖溫帶，呈現出明顯的大陸性氣候特征。

2.2 數據源

本研究采用的數據源是免費獲取的Landsat 8影像數據，覆蓋整個研究區域，影像云量較少，圖像的分辨率為30 m。獲取影像日期為2015年8月15日。

2.3 數據預處理

由于遙感影像在獲取過程中受到傳感器特性和大氣以及其他因素的影響，獲取的圖像存在一定的誤差，因此影像在實際應用之前一般需要進行預處理，以便盡可能地去除誤差的影響。

本研究所用的圖像數據是進行幾何校正處理后的數據產品，所以可對數據直接進行輻射校正處理。輻射校正的目的是消除或修正由于地物反射而引起的影像畸變，主要包括輻射定標和大氣校正。本研究采用ENVI進行大氣校正，具有較高的輻射校正精度。結合唐山地區的行政區劃圖，利用ENVI軟件平臺進行影像裁剪，裁剪后的影像作為研究區的基礎數據，且影像質量滿足研究需要。

3 實驗分析

3.1 NDVI計算

對于Landsat 8的OLI：NDVI=(B5-B4)/(B5+B4)，其中B4，B5為Landsat 8數據波段4，5反射率值。

波段4(Band4)為紅外波段，波長范圍在0.630～0.680 μm；波段5(Band5)為近紅外波段，波長范圍在0.845～0.885 μm，排除了0.825 μm處的水汽吸收特征。圖1為NDVI指數圖。

圖1 NDVI指數圖

圖1中A區域顯示為黑色，根據實際調查可知該區域為于橋水庫，位于唐山市與天津市交界處。B區域為唐山市城區，因此顯示的顏色較淺。C區域位于唐山市東北部地區的山區，這一區域被山地環繞，在8月份植被生長茂盛，覆蓋度較大。這表明圖像中綠色越深(黑色除外)植被覆蓋度越大。

3.2 溫度反演

本研究采用的溫度反演的方法是地表溫度劈窗算法，但是對于Landsat 8影像該算法精確度并不理想，由于TIRS 11熱紅外波段的定標參數不精確，使得已提出的2個劈窗算法的誤差都較大。因此采用SC算法單獨反演TIRS 10波段來計算地表溫度[3]。圖2為溫度反演結果圖。

圖2 溫度反演結果圖

顏色越深表示溫度越高。通過圖2反演結果圖可以看出，城區的溫度較高，這是由于人類活動容易產生大量的熱能。而在水庫或是植被茂密的地區，地表溫度較低。

3.3 植被供水指數法

利用VSWI公式計算出植被供水指數[4]，從而得到土壤含水量的分布，如圖3所示。

顏色越深表示土壤含水量越大。選取的研究區域包括唐山市區在內的唐山市中北部地區。從提取結果上看，唐山市區以及各個縣區處于顏色較淺區域，說明這些地區的土壤含水量較低。

而顏色接近黑色的區域為湖泊或是河流地帶。顏色為藍色及深藍色的區域代表該地區植被覆蓋率較高，常年降水充沛。8月份正是植被蒸騰較強的季節，所以大部分地區土壤含水量較高。研究結果和實際調查結果基本一致，從而驗證了該方法的可行性。

圖3 土壤含水量分布圖

4 結果與討論

利用Landsat 8 數據進行土壤含水量提取，時效性比較強，應用范圍比較廣，可以在農業生產中起到重要作用，為政府部門提供服務。

在提取的過程中，由于算法的不完善性，尤其是在計算冠層溫度時是用地表溫度代替的，使得提取的結果存在一定的誤差。該方法還有待完善。

[2] Nichol J. An emissivity modulation method for spatial enhancement of thermal satellite images in urban heat island analysis[J]. American Society for Photogrammetry and Remote Sensing，2009，75(5)：547-556.

[3] 徐涵秋.新型Landsat 8衛星影像的反射率和地表溫度反演[J].地球物理學報，2015，58(3)：741-747.

[4] 肖國杰，李國春，趙麗華，等.植被供水指數法在遼西干旱監測中的應用[J].農業網絡信息，2006(4)：106-107.

(責任編校：李秀榮)

A Research into Soil Moisture Extraction Based on Landsat 8 Remote Sensing Images

CUI Li-xia，WANG Lei

(College of Intelligence and Information Engineering， Tangshan University， Tangshan 063020， China)

Soil moisture is not only a major factor in the growth of vegetation， but also an important parameter in the study of climate， water temperature， ecology， agriculture and many other fields. Remote sensing can quickly and easily get the surface information of a large area， so it is very important to use remote sensing technology to extract soil moisture content. In this essay，with Landsat 8 images of August 15， 2015 in north central of Tangshan as the research object，the soil moisture distribution of the region is obtained by calculating the normalized vegetation index and inverting the land surface temperature. The research results show that the vegetation water supply index method can be used to extract the information of the soil moisture content of Landsat 8 remote sensing images， which extends the application range of Landsat 8 images.

soil moisture； Landsat 8；NDVI； land surface temperature

崔麗霞(1987-)，女，河北唐山人，助教，碩士，主要從事圖像處理研究。

TP79

A

1672-349X(2016)03-0048-03

10.16160/j.cnki.tsxyxb.2016.06.013