基于Landsat 8遙感影像的黔中水利樞紐工程區土壤含水量反演分析

李永柳, 周忠發, 蔣 翼

(1.貴州師范大學 喀斯特研究院, 貴陽 550001; 2.貴州師范大學 地理與環境科學學院喀斯特研究院, 貴陽 550001; 3.貴州師范大學 貴州省喀斯特山地生態環境國家重點實驗室培育基地, 貴陽 550001)

位于貴州省中部的黔中水利樞紐工程貫穿長江和珠江是黔中地區生存和發展的重要水源區。其生態壞境的優劣，關系到黔中地區灌溉、發電、人畜飲水的需求狀況以及縣鄉供水安全問題，改善區域生態環境十分重要。土壤含水量與地區生態環境、水資源動態密切相關，因此進行區域土壤含水量有效檢測和反演研究具有重要意義，一直也是國內外研究的熱點問題。

目前，土壤含水量遙感反演主要應用于干旱監測、農作物產量估報等方面的研究，而土壤含水量的時空分布特征和變化狀況如何的研究尚不多見。隨著遙感技術不斷發展，“3S”集成技術的成熟，遙感影像數據測定土壤含水量的大面積區域研究受到國內外研究學者的廣泛關注。Zribi等[1]團隊提出基于Zribi-Dechambre模型利用雷達衛星的C波段數據，從不同的入射角出發對大范圍區域里裸露地表的土壤含水量進行反演分析，估算土壤含水量。Lambin等[2]提出利用地表溫度和歸一化植被指數的比值(植被干旱指數TVDI)來動態監測地表干旱程度。梁蕓等[3]基于MODIS數據和土壤含水量實測數據，擬合出了植被供水指數(VSWI)與土壤含水量良好的線性關系。趙杰鵬等[4]利用Ts/NDVI斜率法反演土壤含水量的空間分布，并對TVDI模型干邊的模擬方法進行了改進，提高了反演模型的精度。目前，國內外常用的遙感監測土壤含水量的方法有熱慣量法[5]、植被指數法[6-7]、干旱指數法[8-9]、微波遙感監測法[10-12]等，但是土壤的復雜程度、氣候差異以及不同植被種類對遙感反演土壤含水量的數學模型都會產生一定的影響。其中植被供水指數[13-15]是目前可見光和熱紅外波段遙感反演和估測土壤含水量應用較廣的一種理論方法。VSWI結合了地表溫度和植被指數信息，通過NDVI與LST的比值斜率特征分析土壤含水量時空狀況。而國內相關領域的學術研究者利用VSWI指數進行了不同地市級別上的不同空間尺度上的土壤含水量含量反演、旱情估測等的相關研究，并取得一定成果，而最新發射的Landsat衛星系列的Landsat 8衛星比之前的多攜帶了的兩個主要傳感器熱紅外傳感器和陸地成像儀，為反演土壤含水量帶來新的信息獲取方向。目前，以Landsat 8遙感影像為數據源進行土壤含水量反演的相關研究較少。

黔中水利樞紐工程區位于貴州省中部，地形復雜，生態脆弱，石漠化現象嚴重[16-17]。雖然降水量充沛，但是喀斯特地區工程性缺水嚴重，土壤水含量直接影響植被的冠層溫度和植被覆蓋度，國內許多研究學者對黔中水利樞紐工程區水資源調配和生態系統的水源涵養進行了大量的研究，但對于工程區土壤含水量的報道卻很少。本文選擇植被供水指數模型(VSWI)，使用2013—2018年Landsat 8遙感影像反演黔中水利樞紐工程區土壤含水量，結合土壤含水量實測數據驗證反演精度，分析研究區土壤含水量的時空分布特征及其主要影響因素，為黔中水利樞紐工程區土壤含水量動態監測和改善區域生態環境工作提供有價值的參考。

1 研究區概況

黔中地區位于貴州省中部，是貴州省政治、經濟、文化、交通中心，是貴州地區城市最密集、人口最緊密、交通最通達、耕地資源最集中、工業基礎最好的中心地[18-19]。黔中地區區位優勢明顯，擁有巨大發展潛能的地理核心位置和社會經濟發展的重要領地，在貴州省有不可估量的地位。

黔中水利樞紐工程區位于104°14′—107°10′E，25°28′—27°6′N，屬于云貴高原的喀斯特丘陵地貌，大部分處在石漠化敏感區，可利用土地資源較少，開發強度也不高，生態系統較脆弱[20]。工程區位于烏江流域，水資源十分豐富，是貴州省首個大型跨流域、地區、長距離的水利調水工程，是黔中地區經濟社會生存發展的生命線工程。整個工程貫穿長江和珠江，經過貴州省六盤水市、貴陽市、安順市、黔南州以及畢節地區的10個縣。整個工程分為灌溉區、供水區和水源區，兼顧發電、人畜飲水、縣鄉供水等的綜合利用。

2 研究數據及方法

2.1 研究數據

2.1.1 Landsat 8數據 遙感技術作為一種獲取信息的工具，隨著科學技術不斷發展，實現了大范圍地區的土壤含水量的實時動態更新和動態估測預報，利用遙感影像監測土壤含水量可以充分地反映土壤含水量在一定時間范圍內和空間上分布的變化特征。Landsat 8衛星攜帶陸地成像儀(OLI)和熱紅外傳感器(TIRS)兩個傳感器，OLI有9個感應器，能夠感應從紅外到可見光不同波長范圍的熱輻射，TIRS產品傳感器收集地表流失的熱量，用來觀測特定區域內水分消耗損失的大小情況。而且Landsat 8影像數據更新量大，數據種類豐富(包括原始數據以及數據產品)監測區域比較靈活。所以本文的數據源是免費獲取的Landsat 8衛星2013—2018年黔中水利樞紐地區的遙感影像數據，覆蓋整個研究區域共4幅影像，影像云量在20%以下，圖像的分辨率為30 m×30 m。Landsat 8數據介紹[21]及其用途見表1。

表1 Landsat 8影像的主要參數

2.1.2 實測數據 土壤含水量的實測數據來自貴州省農經網(http:∥www.gznw.gov.cn/index.html)土壤墑情自動監測站的結果數據。本研究選取的數據源是與遙感影像成像日期相近(2016年7月16日—2016年9月1日)的深度為10—50 cm的土壤墑情監測結果。氣象數據是研究區周邊5個氣象站點(臺站號)2013—2018年的降水和溫度數據，分別是：畢節(57707)、都勻(57827)、安順(57806)、貴陽(57816)、六枝(57807)。

2.1.3 數據預處理 下載的原始Landsat8影像數據需要在遙感圖像處理軟件ENVI中進行預處理，包括裁剪拼接、輻射定標、FLAASH模型大氣校正(能見度參數來自http:∥atmcorr.gsfc.nasa.gov)等，具體操作如下(以2013年為例)。

(1) 輻射定標。輻射定標指把傳感器記錄的圖像灰度值(DN值，Digital Number)轉換成絕對輻射亮度值或反射率的過程。該過程共實現兩個階段。

第一階段是將圖像度值轉為輻射亮度：

Randiance=gain×DN+offset

(1)

第二階段是將輻射亮度轉為表觀反射率：

ρ=(π·Lλ·d2)/(ESUNλ·cosθ)

(2)

式中：ρ為表觀反射率；Lλ為輻射亮度；d為天文單位的日地距離；ESUNλ為太陽表觀輻射率均值；θ為以度為單位的太陽高度角。

(2) 大氣校正。大氣校正是轉換地表表觀反射率以獲得真實物理參數和地物反射率的過程。FLAASH模型的大氣校正是反演高光譜輻射影像反射率的首選校正模型，其波長范圍自可見光至近紅外及短波紅外，可以減少大氣層中水汽、云層等對傳感器的影響，精確補償大氣中各種因素所帶來的誤差和影響，獲得較為準確的地物反射率。圖1即為對研究區使用波段逐行交叉順序(BIL)以后大氣校正前與大氣校正后的波譜曲線結果對比圖，可以看出，經過大氣校正后，各波段之間的信息更加明顯了，方便進行進一步的分類提取與分析。

圖1 大氣校正前后波譜曲線

2.2 研究方法

2.2.1 原理與方法 植被供水指數(Vegetation Supply Water Index，VSWI)是一種基于熱紅外與光學兩種遙感通道數據，反演植被覆蓋區域表層土壤含水量的綜合指標監測方法。當植物的供水狀態處于一定的正常值時，特定生長期內的植被指數(NDVI)保持在一個穩定的范圍內，植被的冠層溫度也相應地保持在一定范圍內[22]。結合遙感反演土壤含水量時需要的兩種重要指標，將歸一化植被指數和地表溫度的比值定義為植被供水指數。當供水不足時，植被生長就會受到影響，且VSWI的值越低，植被吸收的土壤含水量就越小。公式為:

VSWI=NDVI/LST

(3)

式中：NDVI為歸一化植被指數；LST為地表溫度反演值(℃)。

2.2.2 地表參量確定

(1) NDVI計算。歸一化植被指數(NDVI)和綠色植物的繁榮茂盛程度有關，能夠反映土壤、潮濕地面等植物背景的影響狀況，能消除輻射干擾、大氣所帶來的噪聲等，能監測植物的生長狀態，進行植被覆蓋度等方面的研究。歸一化植被指數是近紅外波段與紅光波段反射值之差與兩者之和的比(圖2)，公式如下：

NDVI=(ρNIR-ρRED)/(ρNIR+ρRED)

(4)

式中：ρNIR為近紅外波段反射率；ρRED為紅光波段反射率。

(2) 地表溫度。地表溫度即地面溫度，是表示地表能量平衡的一個重要參數。反演遙感影像的目的就是建立反演得到的VSWI值和土壤含水量之間的關系模型，從公式(5)可以看出，反演土壤含水量遙感信息模型需要地表溫度數據和植被指數數據。Landsat 8熱紅外傳感器有TIRS 10和TIRS 11兩種波段，可應用于地表溫度的反演。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[23]。

單通道算法SC(Single channel Method)是由Juan C.Jimenez-Munoz等在2009年提出計算地表溫度的方法，一般方程如下：

LST=γ[(φ1L+φ2)+φ3]+δ

(5)

式中：φ1，φ2，φ3與大氣水汽含量有關；δ，γ為Planck函數的2個參數，可由下式得出：

γ≈T2/brL

(6)

δ≈T-T2/br

(7)

式中：br為常數；L為輻射強度[W/(cm2·sr·μm)]；T為亮度溫度(℃)。

圖2 地表溫度和植被指數結果

3 結果與分析

3.1 土壤含水量與實測土壤含水量精度驗證

為了進一步驗證植被供水指數遙感監測水分的效果，本文采用一元線性回歸相關分析對實測土壤含水量數據與遙感數據獲得的VSWI指數做線性關系，利用ENVI軟件提取與遙感成像日期接近的遙感影像上土壤含水量反演值進行土壤含水量反演值與實測數據的相關性分析檢驗，并進行線性擬合，觀察土壤含水量反演值與實測數據的擬合效果(圖3)。

圖3 基于Landsat 8遙感數據的土壤含水量反演值與實測數據線性擬合結果

結果顯示，土壤含水量反演值與實測數據呈一定的正相關關系，通過顯著性檢驗(p<0.01)，說明基于Lansdat 8遙感數據的土壤含水量反演在一定程度上能夠較好地反映土壤含水量的實際情況，可以利用Landsat 8影像進行土壤含水量反演。其系數R為0.62，標準誤差為0.01。

3.2 土壤含水量時空分布特征

3.2.1 空間分布特征 根據黔中水利樞紐地區土壤含水量分布情況，將研究區的土壤含水量狀況分為5級[24]：旱(<10%)、輕旱(10%～50%)、濕潤(50%～70%)、潮濕為(70%～85%)、過度濕潤(>85%)。從2013—2018年黔中水利樞紐工程區土壤含水量分布狀況(圖4)來看，主要以濕潤和潮濕為主。黔中水利樞紐地區的中部地帶土壤含水量情況主要為濕潤，而潮濕主要分布在黔中水利樞紐的西南部地區，過度濕潤部分地段處于黔中水利樞紐地區西部地帶，而黔中水利樞紐地區的東北部地段為輕旱。

2013年土壤含水量整體較差，呈“北部和東北部低、中間高”的分布特征，土壤含水量最高的地區是安順市中部和貴陽市中部，以過度濕潤為主，平均土壤含水量為14.78%，貴陽市東北部、畢節市北部是水分較差的地區，以旱和輕旱為主，平均土壤含水量為24.09%。2014年土壤含水量呈“西部高、東部低”的分布特征，土壤含水量在畢節市、六盤水市較為豐富，以潮濕和過度濕潤為主，平均含水量為31.43%，土壤含水量較低的地區有黔南州和貴陽市東北部，以旱為主，平均土壤含水量為7.92%。2015年土壤含水量呈“西南和東北高、中部低”的分布特征，土壤含水量等級以濕潤為主，土壤含水量最高的地區主要分布在畢節市、貴陽市、安順市南部和東北部，平均含水量為22.72%。2016年土壤含水量空間分布差異明顯，潮濕、過度濕潤分布面積逐漸增加，旱、輕旱分布面積逐漸減小，整體以潮濕為主，平均土壤含水量為61.67%，呈“中部高、四周低”的分布特征。2017年土壤含水量空間分布呈“西部高、東南部低”的特征，過度濕潤主要分布在畢節市(2.38%)、六盤水市(5.47%)和安順市(13.98%)，旱主要集中分布在貴陽市烏當區，平均土壤含水量為0.02%。2018年土壤含水量整體較好，呈“西部高、東部低”的分布特征，主要以潮濕為主，分布在畢節市、六盤水市，土壤含水量最高的地區是畢節市，平均土壤含水量為2.49%，貴陽市是土壤含水量較低的城市，平均土壤含水量為1.27%。

圖4 2013-2018年黔中水利樞紐工程區土壤含水量空間分布情況

3.2.2 時間分布特征 2013—2018年研究區平均土壤含水量分別為80.60%，77.40%，82.10%，82.90%，81.20%，83.60%。土壤含水量狀況整體表現出波動升高的趨勢，年平均增速為0.91%，其中，從2013—2014年，土壤含水量整體呈下降趨勢，年平均降速為-1.00%；而2014—2015年，土壤含水量呈上升趨勢，年平均增速為1.48%。2013—2018年平均土壤含水量各類型(表2)發生明顯變化。

表2 2013-2018年黔中水利樞紐工程區土壤含水量時間變化情況

2016年與2015年相比，潮濕類型所占比例明顯上升，面積從2 846.95 km2上升到10 062.10 km2，旱類型所占比例下降幅度最大，面積由717.81 km2下降到120.28 km2；2017年與2016年相比，過度濕潤類型所占比例上升最明顯，面積增加了3 743.95 km2，旱類型所占比例呈下降趨勢，面積減少了30.53 km2；2018年與2017年相比，土壤含水量各類型面積差異不大。總體上，2018年土壤含水量狀況優于2013年。2013年、2014年和2015年，土壤含水量集中分布在50%～70%，其面積分別占貴州省黔中水利樞紐地區總面積的48.54%，49.51%，49.17%；2016年、2017年和2018年土壤含水量則集中分布在70%～85%，其面積比分別為61.67%，43.60%，46.74%。整體上來看，2013年和2014年的土壤含水量較低，在50%以下的土壤含水量所占地區的面積最大比例分別為24.09%，19.06%；2016年、2017年和2018年土壤含水量相對較高，在70%以上的土壤含水量地區面積最大，其所占比例分別達到77.08%，81.96%，73.19%。

3.2.3 土壤含水量動態分析 研究區土壤含水量的各類型面積變化差異顯著(表3)。面積增加最大的是土壤含水量為70%～85%，增加了5 572.39 km2，變化率為34.15%，且動態度最大，為13.56%；面積減少最大的土壤含水量類型為50%～70%，減小了4 973.54 km2，變化率為-30.48%，且動態幅度為-3.13%；動態幅度最小的是土壤含水量類型為<10%，2013—2018年面積減少了1 041.05 km2。

表3 2013-2018年土壤含水量面積變化統計

通過2013年和2018年土壤含水量疊加分析，將計算得到的土壤含水量面積變化率分為7級：劇烈減少區(變化率<-30%)、減少區(-30%≤變化率<-10%)、輕微減少區(-10%≤變化率<-5%)、穩定區(-5%≤變化率<5%)、輕微增加區(5%≤變化率<10%)、增加區(10%≤變化率<30%)和劇烈增加區(變化率≥30%)。得到近6年來土壤含水量變化的專題圖(圖5A)，研究區土壤含水量面積變化幅度以增加為主。其中占總面積百分比最小的是穩定區，面積僅有1 940.14 km2，最大的是劇烈增加區，面積為2 394.25 km2。土壤含水量劇烈增加區主要位于工程區西北、西南部和東北部，包括畢節市、六盤水市、安順市和貴陽市北部，一方面是研究區涉及到整個長江的三岔河及其支流、貓跳河、南明河以及珠江的打邦河和格凸河，為響應“守護綠水青山，共建綠色長江”的號召，區域水土保持整治得到了可觀的改善；另一方面，近幾年政府加大巖溶地區石漠化的綜合治理，加強退耕還林，還草、封山育林等工程性措施的實施，使得研究區的森林得到了較好的保護，有利于植被生長，土壤含水量也大幅度增加。總體上，2013—2018年土壤含水量態勢較好。

3.3 土壤含水量與降水量、溫度的關系

降水是土壤含水量的主要來源之一，土壤含水量的空間分布、年紀變化都與降水量特征有著密切的關系，黔中水利樞紐工程區內的土壤含水量消耗方式主要有植被蒸騰和地表蒸發，而氣溫對植物蒸騰和地表蒸發有一定的影響，因此，溫度因子會對土壤含水量變化產生間接的影響。為探討工程區內土壤含水量空間變化的主要因素，將氣象站點2013—2018年降雨和溫度數據進行反距離插值，得到不同時期的降雨量和溫度插值的空間分布情況，然后利用ArcGIS中的地圖代數工具計算2013—2018年VSWI與降水量、溫度的相關性分布圖，其結果如圖5B—C所示。

圖5 2013-2018年土壤含水量、VSWI與降水量、溫度的相關性分布

黔中水利樞紐工程區2013—2018年的土壤含水量與降雨量、溫度有相關性。其中，土壤含水量與降雨量相關性較高的主要集中在貴陽市、畢節市、安順北部、六盤水東北部等部分區域，此部分區域以高原、山地為主，是典型的巖溶山區，山巒眾多、溝壑縱橫，氣候溫和、降雨充沛；較低區域主要集中在安順南部以及黔南等部分地區，與同期的土壤含水量空間分布格局相吻合，相關性系數取值在(0.46，0.79)區間，其中，在畢節等部分地區呈高度相關，在其余地區呈中度相關，且為正相關關系。土壤含水量與溫度相關性較高的主要集中在安順市南部、黔南州等部分區域，此部分區域以山地丘陵為主，耕地分布廣泛，人類活動強烈，對土壤含水量的空間分異有一定程度的影響；相關性為低的主要集中在安順市北部、畢節和六盤水市部分地區，兩者的相關性值區間在(-0.49，-0.63)，為中度負相關。綜上所述，2013—2018年研究區土壤含水量與氣溫、降雨量有相關性。

4 討論與結論

4.1 討 論

利用植被供水指數法反演土壤含水量，反演結果與實測數據一致，但由于土壤含水量有效實測數據少，本文僅選取了與遙感影像成像日期接近的2016年的土壤含水量數據進行精度驗證，導致與VSWI指數的相關性較弱，且除受熱量、降水影響外，地形、土層深度等對土壤含水量的變化也有影響。故隨著土壤墑情數據不斷豐富，后續研究將把遙感成像與實測數據之間的地形差異等因素考慮進來，更好地監測土壤含水量的動態變化。

4.2 結 論

(1) 基于Lansdat 8數據反演的土壤含水量與實測數據呈一定的正相關關系，并通過了置信水平為99%的雙尾統計檢驗，表明基于Lansdat 8遙感數據和植被供水指數法(VSWI)在一定程度上能夠較好地反映研究區內土壤含水量狀況。

(2) 自2013—2018年共6 a的時間跨度下，研究區土壤含水量分布整體表現出波動升高的趨勢，年平均增速為0.91%，空間分布上整體呈現出“西南部高、東北部低”的趨勢，以濕潤和潮濕為主，利用遙感監測研究區土壤含水量，能較好地解釋區域土壤含水量的時空變化規律。

(3) 6年內研究區平均土壤含水量類型發生明顯轉移，旱類型向輕旱、濕潤類型轉移，濕潤類型向潮濕類型轉移顯著，總體上，2013—2018年土壤含水量態勢較好。

(4) 6年內降雨和溫度對研究區內的土壤含水量變化產生一定的影響，其空間插值分布與同期的土壤含水量空間分布格局相吻合，土壤含水量隨著降雨量的減少呈減少趨勢，隨溫度的減小而呈升高趨勢。