MODIS數(shù)據(jù)支持下的土壤濕度模型構(gòu)建
——以河南商丘地區(qū)為例

王小潔，閔錦忠，薛豐昌，王 偉

(1. 南京信息工程大學(xué)大氣科學(xué)學(xué)院， 江蘇 南京 210044； 2. 南京信息工程大學(xué)地理與遙感學(xué)院， 江蘇 南京 210044)

MODIS數(shù)據(jù)支持下的土壤濕度模型構(gòu)建
——以河南商丘地區(qū)為例

王小潔1，閔錦忠1，薛豐昌2，王 偉1

(1. 南京信息工程大學(xué)大氣科學(xué)學(xué)院， 江蘇 南京 210044； 2. 南京信息工程大學(xué)地理與遙感學(xué)院， 江蘇 南京 210044)

土壤濕度是農(nóng)作物在生長(zhǎng)過(guò)程中主要供水因子，實(shí)際測(cè)量土壤濕度較為復(fù)雜,衛(wèi)星遙感成為反演和監(jiān)測(cè)土壤濕度的重要手段。本文利用商丘地區(qū)2012和2013年MODIS數(shù)據(jù)，采用濾波方法減小云、氣溶膠影響下的MODIS產(chǎn)品噪聲，利用農(nóng)田淺層土壤濕度指數(shù)(CSMI)與實(shí)測(cè)土壤相對(duì)濕度值進(jìn)行了相關(guān)性分析，構(gòu)建了適用于商丘地區(qū)的土壤濕度模型，并利用2013年的土壤實(shí)測(cè)數(shù)據(jù)對(duì)模型反演出來(lái)的土壤濕度進(jìn)行了驗(yàn)證。結(jié)果表明，CSMI指數(shù)能夠有效反演該地區(qū)0～50 cm深的土壤濕度值(通過(guò)了0.01的顯著性檢驗(yàn))。

土壤濕度反演；農(nóng)田淺層土壤濕度指數(shù)(CSMI)；監(jiān)測(cè)模型

土壤濕度一直是各個(gè)相關(guān)研究領(lǐng)域中重點(diǎn)研究的物理參數(shù)，土壤濕度不僅在農(nóng)作物生長(zhǎng)過(guò)程中有重要影響，還會(huì)影響氣候變化[1]。土壤濕度是植物生長(zhǎng)中所需水分的重要來(lái)源，也是判斷是否干旱的基本條件之一[2]。目前我國(guó)的農(nóng)田用水利用率低，為了能夠制定出合理的灌溉方案，提高水分利用率，就要準(zhǔn)確掌握土壤濕度的含量及其變化[3]。

日常土壤濕度觀測(cè)通常利用傳統(tǒng)的人工觀測(cè)方法[4-6]，并根據(jù)觀測(cè)的數(shù)據(jù)建立監(jiān)測(cè)模式。有的研究中根據(jù)實(shí)測(cè)數(shù)據(jù)利用不同的方法估算土壤濕度[7]，雖然能估算不同深度的土壤濕度，但只能得到單點(diǎn)數(shù)據(jù)，且耗費(fèi)大量的人力物力。在大范圍非均勻地表?xiàng)l件下，此類監(jiān)測(cè)方法不能準(zhǔn)確表達(dá)土壤濕度的空間分布，實(shí)用性差。國(guó)內(nèi)外學(xué)者研究發(fā)現(xiàn)歸一化植被指數(shù)(NDVI)在干旱監(jiān)測(cè)中具有直觀性和易用性[8]，但是受植被覆蓋的影響大。因此杜曉等[9]根據(jù)水的光譜特性，提出了地表含水量指數(shù)(SWCI)，結(jié)果表明能較好地反映地表含水量和含水量的變化。張紅衛(wèi)等[10]將兩個(gè)指數(shù)結(jié)合起來(lái)，構(gòu)建了一個(gè)能監(jiān)測(cè)0～50 cm土壤濕度的指數(shù)，監(jiān)測(cè)研究區(qū)域的土壤含水量情況。而這些研究均適用于較大空間尺度上的反演監(jiān)測(cè)，在監(jiān)測(cè)小范圍區(qū)域內(nèi)的土壤濕度時(shí)，與實(shí)際的土壤濕度情況存在較大誤差。因此，需要對(duì)小范圍的研究區(qū)域的土壤濕度進(jìn)行監(jiān)測(cè)。

本文選取MODIS數(shù)據(jù)，根據(jù)農(nóng)田淺層土壤濕度指數(shù)(cropland soil moisture index，CSMI)，建立適用于商丘地區(qū)的土壤濕度模型。為了減小數(shù)據(jù)的噪聲，先利用Savitzky-Golay(S-G)濾波法，對(duì)CSMI指數(shù)的長(zhǎng)時(shí)間序列數(shù)據(jù)進(jìn)行濾波；然后，利用商丘地區(qū)2012年的實(shí)測(cè)土壤相對(duì)濕度數(shù)據(jù)和濾波后CSMI指數(shù)進(jìn)行分析，建立土壤濕度反演模型；最后，通過(guò)2013年的實(shí)測(cè)土壤濕度數(shù)據(jù)，驗(yàn)證和評(píng)價(jià)土壤濕度監(jiān)測(cè)模型的精度。

一、資料與方法

1. 研究區(qū)域和數(shù)據(jù)集

研究區(qū)域位于商丘市，位于北緯33°98′—34°80′、東經(jīng)114°82′—116°45′之間,是重要糧食產(chǎn)地。年平均氣溫14.2℃，年平均降水量623 mm。該研究區(qū)域受到降水時(shí)空分布不均和季風(fēng)的影響，易受干旱影響。本文采用2012和2013年8 d地表反射率產(chǎn)品MOD09A1數(shù)據(jù)(其空間分辨率為500 m，共92景)，以及2012和2013年商丘地區(qū)的土壤相對(duì)濕度數(shù)據(jù)，構(gòu)建了土壤濕度反演模型及驗(yàn)證反演模型的準(zhǔn)確性。

2. 圖像預(yù)處理

對(duì)MOD09A1產(chǎn)品進(jìn)行拼接和重投影，將其轉(zhuǎn)換成WGS-84坐標(biāo)系、Lambert Conformal Conic下的投影，并提取1、2、6、7通道反射率數(shù)據(jù)及其對(duì)應(yīng)的QC(質(zhì)量控制)數(shù)據(jù)。

遙感影像因?yàn)樵啤馊苣z等因素的影響，使得遙感反演的地表數(shù)據(jù)都存在著很大的噪聲。重建地表數(shù)據(jù)能夠有效地減小數(shù)據(jù)中的噪聲[11]。學(xué)者研究表明S-G濾波法在指數(shù)重構(gòu)上有較好的效果[12]。利用TIMESAT軟件讀入商丘2012和2013年的8 d合成數(shù)據(jù)，包括92景的反射率數(shù)據(jù)及其對(duì)應(yīng)的QC(質(zhì)量控制)影像數(shù)據(jù)。對(duì)圖像數(shù)據(jù)進(jìn)行S-G濾波，處理后的數(shù)據(jù)作為土壤濕度遙感反演的數(shù)據(jù)源。

二、結(jié)果與分析

1. 數(shù)據(jù)重建

圖1為2012和2013年商丘地區(qū)小麥種植區(qū)某像元CSMI指數(shù)數(shù)據(jù)重構(gòu)前后比較圖。從圖中可以看出在重建前CSMI指數(shù)的時(shí)間序列曲線波動(dòng)比較大，數(shù)據(jù)存在著誤差；經(jīng)過(guò)濾波后，CSMI指數(shù)的誤差值得到了修正。在實(shí)際應(yīng)用中對(duì)遙感數(shù)據(jù)進(jìn)行濾波處理能夠有效地去除數(shù)據(jù)噪聲，提高數(shù)據(jù)質(zhì)量。

圖1 2012和2013年商丘地區(qū)小麥種植區(qū)某像元CSMI指數(shù)數(shù)據(jù)重構(gòu)前后比較

2. 地表濕度反演模型

為了建立一個(gè)適用于商丘土壤濕度的反演模型，利用計(jì)算得到的CSMI指數(shù)分布圖像，根據(jù)觀測(cè)站點(diǎn)的經(jīng)緯度提取對(duì)應(yīng)像元的指數(shù)值，將提取的值用于分析CSMI指數(shù)與土壤濕度之間的關(guān)系。對(duì)2012年4個(gè)站的0～50 cm深的實(shí)測(cè)土壤濕度數(shù)據(jù)經(jīng)過(guò)剔除缺測(cè)值和極端異常值后的共131個(gè)樣本來(lái)分析CSMI值和實(shí)測(cè)0～50 cm深的土壤濕度數(shù)據(jù)之間的關(guān)系，如圖2所示。通過(guò)對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析，可以得出擬合的判定系數(shù)為0.62，F(xiàn)值為209.77，顯著性水平為0.002，通過(guò)了0.01的顯著性檢驗(yàn)，表明了數(shù)據(jù)間有顯著的線性相關(guān)關(guān)系，這表明經(jīng)過(guò)計(jì)算出來(lái)的CSMI指數(shù)與0～50 cm深的土壤濕度有較好的線性相關(guān)關(guān)系,也說(shuō)明通過(guò)指數(shù)反演土壤濕度的結(jié)果較理想。

圖2 2012年商丘地區(qū)農(nóng)田淺層土壤濕度指數(shù)和0～50 cm深土壤濕度散點(diǎn)

從圖2中可以看出研究區(qū)域內(nèi)大部分點(diǎn)都符合相關(guān)性，但還存在部分離散點(diǎn)，而且在反演較高土壤濕度時(shí)，CSMI指數(shù)方法反演效果不好。通過(guò)試驗(yàn)結(jié)果發(fā)現(xiàn)可能是CSMI指數(shù)在反演植被覆蓋度較小的土壤濕度時(shí)結(jié)果不精確，存在著一定程度上的偏差。

為了驗(yàn)證該反演土壤濕度的模型的精確度和準(zhǔn)確度，選用2013年的土壤濕度實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。從結(jié)果中可以看出，反演的土壤相對(duì)濕度與實(shí)測(cè)的相對(duì)濕度有著顯著的相關(guān)關(guān)系，可以看出反演模型在反演實(shí)際土壤相對(duì)濕度時(shí)結(jié)果較好，可以通過(guò)構(gòu)建的土壤濕度監(jiān)測(cè)模型來(lái)評(píng)判該地區(qū)干旱情況。從圖3可以看出，實(shí)測(cè)的土壤濕度值和模擬的土壤濕度值具有小于0.001的極顯著的相關(guān)關(guān)系，且RMSE為5.48%，決定系數(shù)為0.66，說(shuō)明構(gòu)建的土壤相對(duì)濕度反演模型是具有較高的精度。

圖3 實(shí)測(cè)和模擬的土壤相對(duì)濕度散點(diǎn)

表1為0～50 cm深土壤相對(duì)濕度反演值和實(shí)測(cè)值對(duì)比表。選取商丘地區(qū)內(nèi)4個(gè)樣點(diǎn)2013年4個(gè)不同時(shí)段的MODIS數(shù)據(jù)產(chǎn)品對(duì)0～50 cm深的土壤相對(duì)濕度情況進(jìn)行反演，并與對(duì)應(yīng)實(shí)測(cè)的0～50 cm深的土壤相對(duì)濕度進(jìn)行驗(yàn)證。反演的土壤濕度與實(shí)測(cè)的土壤濕度之間的平均誤差為0.08，平均相對(duì)誤差較小。可以說(shuō)明，基于衛(wèi)星數(shù)據(jù)反演土壤濕度能夠彌補(bǔ)無(wú)法實(shí)時(shí)監(jiān)控土壤濕度的問(wèn)題，反演研究區(qū)域內(nèi)的土壤濕度，并且反演結(jié)果較為理想。

表1 2013年0～50 cm深土壤相對(duì)濕度反演結(jié)果精度對(duì)比表

三、總結(jié)與討論

本文利用具有較高時(shí)空分辨率的MODIS衛(wèi)星數(shù)據(jù)產(chǎn)品，首先對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行濾波，減小數(shù)據(jù)誤差，實(shí)現(xiàn)數(shù)據(jù)重構(gòu)，然后利用重建后的數(shù)據(jù)，通過(guò)CSMI 指數(shù)構(gòu)建適用于商丘地區(qū)的土壤相對(duì)濕度反演模型，最后對(duì)結(jié)果進(jìn)行驗(yàn)證。本文研究的主要結(jié)論如下：

1) 利用經(jīng)過(guò)質(zhì)量重構(gòu)的農(nóng)田淺層土壤濕度指數(shù)(CSMI)間接反映農(nóng)田0～50 cm深的土壤濕度，尤其在反演小麥這種植被覆蓋率大的后期農(nóng)田土壤濕度時(shí)，相關(guān)性高，但還是受到地形和地表覆蓋物的影響。

2) 通過(guò)實(shí)測(cè)的土壤濕度模型檢驗(yàn)，可以看出實(shí)測(cè)的土壤濕度與反演的土壤濕度之間具有較高的線性相關(guān)相關(guān)關(guān)系(P<0.001)，并且均方根誤差較小，決定系數(shù)為0.66。反演結(jié)果與實(shí)測(cè)結(jié)果較為一致，平均相對(duì)誤差為0.08。說(shuō)明通過(guò)MODIS衛(wèi)星數(shù)據(jù)建立適用于商丘地區(qū)的小范圍的0～50 cm土壤濕度監(jiān)測(cè)是可行的。

本文主要基于多期的遙感數(shù)據(jù)和地面觀測(cè)數(shù)據(jù)，建立在時(shí)間上具有較為精確的適用于商丘地區(qū)的土壤濕度的反演模型。通過(guò)該模型，反演出實(shí)際的土壤濕度，結(jié)果表明這個(gè)模型具有較好的適用性。但是土壤濕度會(huì)受到地形和邊界層大氣的影響，今后的研究工作中可以考慮采用更高時(shí)空分辨率的土壤濕度數(shù)據(jù)對(duì)地區(qū)的土壤濕度進(jìn)行監(jiān)測(cè)。

[1] 柴波, 余錦華, 劉晶淼, 等. 東北地區(qū)夏季旬土壤濕度推算模型的初步探討[J]. 氣象科學(xué), 2012, 32(4): 430-436.

[2] 高小六，張慧慧. 粗糙度對(duì)被動(dòng)微波遙感反演土壤水分影響的實(shí)驗(yàn)研究[J]. 測(cè)繪通報(bào), 2014(8):59-61.

[3] 鄧天宏. 河南省農(nóng)田土壤濕度變化規(guī)律及動(dòng)態(tài)預(yù)報(bào)研究 [D]. 南京: 南京信息工程大學(xué), 2005.

[4] 時(shí)新玲, 王國(guó)棟. 土壤含水量測(cè)定方法研究進(jìn)展[J]. 中國(guó)農(nóng)村水利水電, 2003(10): 84-86.

[5] 張兵, 袁壽其, 成立. 節(jié)水灌溉自動(dòng)化技術(shù)的發(fā)展及趨勢(shì)[J]. 排灌機(jī)械, 2003, 21(2): 37-41.

[6] TYLER S W. Neutron Moisture Meter Calibration in Large Diameter Boreholes[J]. Soil Science Society of America Journal, 1988, 52(3): 890-893.

[7] BISWAS B C, DASGUPTA S K. Estimation of Soil Moisture at Deeper Depth from Surface Layer Data[J]. Mausam, 1979, 30(4):511-516.

[8] J?NSSON P, EKLUNDH L. Seasonality Extraction by Function Fitting to Time-series of Satellite Sensor Data[J].IEEE Geoscience and Remote Sensing,2002, 40(8): 1824-1832.

[9] 杜曉, 王世新, 周藝, 等.一種新的基于MODIS的地表含水量模型構(gòu)造與驗(yàn)證[I]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2007,32(3):205-208.

[10] 張紅衛(wèi), 陳懷亮, 申雙和, 等. 基于 MODIS 數(shù)據(jù)的農(nóng)田淺層土壤濕度指數(shù)的構(gòu)造與應(yīng)用 [C]∥第 26 屆中國(guó)氣象學(xué)會(huì)年會(huì)農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集.杭州：[s.n.]，2009.

[11] SHEN R, YU P, YAN J, et al. Retrieving Soil Moisture by TVDI Based on Different Vegetation Index: A Case Study of Shanxi Province[C]∥2012 International Conference on Computer Science and Electronics Engineering (ICCSEE).[S.l.]： IEEE, 2012:418-422.

[12] 嚴(yán)婧. 基于參數(shù)重建的土壤濕度遙感監(jiān)測(cè)及系統(tǒng)研制[D]. 南京: 南京信息工程大學(xué), 2013.

[13] 李曉光. 基于 MODIS-NDVI 的內(nèi)蒙古植被覆蓋變化及其驅(qū)動(dòng)因子分析[D].呼和浩特：內(nèi)蒙古大學(xué), 2014.

[14] 張學(xué)藝. 基于 EOS/MODIS 的幾種植被指數(shù)[J]. 安徽農(nóng)業(yè)科學(xué), 2009 (26): 12842-12845.

Construction of Soil Moisture Model Based on MODIS Data——A Case Study of Shangqiu Area，Henan

WANG Xiaojie，MIN Jinzhong，XUE Fengchang，WANG Wei

2016-05-17；

江蘇省自然科學(xué)基金(BK20151458)；江蘇省博士后科研基金(1101024B)；中國(guó)氣象局北京城市氣象科研所城市氣象科學(xué)研究基金(IUMKY&UMRF201103)

王小潔(1992—)，女，碩士生，主要從事土壤濕度反演研究。E-mail：jade_wang666@163.com

王小潔，閔錦忠，薛豐昌，等.MODIS數(shù)據(jù)支持下的土壤濕度模型構(gòu)建——以河南商丘地區(qū)為例[J].測(cè)繪通報(bào)，2016(12)：48-50.

10.13474/j.cnki.11-2246.2016.0399.

P237

B

0494-0911(2016)12-0048-03

修回日期：2016-06-13