土壤水分光學遙感反演方法研究進展和挑戰

覃湘棟，龐治國*，江 威,3

(1.中國水利水電科學研究院，北京 100038；2.水利部防洪抗旱減災工程技術研究中心，北京 100038；3.中國再保險 (集團) 股份有限公司博士后工作站，北京 100033)

土壤水分，即土壤含水量，一般指土壤非飽和帶中的水分含量，雖然在全球水資源總量中的占比極小(0～0.05%)，但卻通過控制蒸發影響著地表與大氣間的水汽和能量交換，是地表水循環與能量循環的關鍵參數。精確土壤水分數據的獲取對于氣候變化[1]、區域水資源管理[2]、作物估產[3]、干旱預測與評價[4]、洪水預警[5]和水文過程[6]等研究都有著非常重要的意義。

相較于傳統的站點觀測，遙感反演具有觀測范圍廣、觀測結果空間連續和成本低廉等優勢，是土壤水分大范圍監測最為有效的手段。目前遙感土壤水分反演根據使用數據不同可以劃分為光學反演、微波反演和協同反演，后兩者相關研究較多[7-8]，綜述文獻豐富[9-10]，但有關光學反演的研究近年來相對較少，綜述文獻也較為匱乏[11]。所以本文總結并對比了各種光學反演方法的優缺點并指出反演方法的發展趨勢，為今后的土壤水分光學遙感反演研究提供參考。

土壤水分光學遙感反演研究發展較早，在20世紀50年代星載傳感器還沒有投入應用之際，研究者就通過實驗室測定數據指出水分吸收的5個主要波段并開始通過吸收率與土壤水分的經驗關系進行土壤含水量的計算[12-13]。隨著星載傳感器的應用，遙感數據逐漸豐富，多個波段、多種指數被應用于土壤水分光學反演[14-15]，基于此研究者開發了多種反演方法，如熱慣量法、指數法等。為更好梳理這些反演方法，本文首先總結出反演研究常使用的遙感數據，而后對反演方法進行分類總結對比，最后指出土壤水分光學反演所面臨的挑戰。

1 土壤水分反演光學遙感數據

土壤水分反演光學遙感數據主要包括可見光近紅外數據和熱紅外數據，分別提供地表反射率和地表溫度信息。圖1展示了土壤水分反演常用光學遙感數據的來源及其搭載平臺的在軌成像時間。

圖1 土壤水分反演常用光學遙感數據來源

總結圖1中遙感數據的主要參數見表1，可以明顯看出隨著傳感器技術的發展，近年來光學數據的空間分辨率不斷提升。結合反演研究而談，土壤水分光學遙感反演早期主要使用的是NOAA數據和MODIS數據低分辨率數據，并開展了較多大尺度土壤水分反演工作[16-17]。隨著Landsat和Sentinel等數據的出現以及對更高分辨率的土壤水分產品的需求，近年來以這兩類數據開展高分辨率土壤水分光學反演研究居多[18-19]。此外，不同于Worldview、Quickbird等商業數據，Landsat和Sentinel數據的免費開放共享也是其廣泛應用于土壤水分反演研究的重要原因。

表1 光學數據遙感荷載主要參數

2 基于光學遙感數據土壤水分反演方法

2.1 光學數據土壤水分反演方法概述

光學數據土壤水分反演是從可見光-近紅外和熱紅外波段提取與土壤水分相關的敏感信息進行土壤水分計算。根據提取信息不同，可以將反演方法分為反射率法、指數法和熱慣量法，見圖2。而針對各種方法采用的數據源、反演參數以及優劣勢對比，見表2。由于反射率與土壤水分相對較弱的相關性，其方法的使用相對較少，目前土壤水分光學反演研究主要還是以熱慣量法和指數法為主[11]。

圖2 光學數據反演分類示意

表2 光學數據反演方法對比

2.2 反射率法

反射率法反演的理論依據是不同濕度狀態的土壤在水分吸收光譜區間的反射率差異，見圖3，基于此構建地表反射率與土壤水分的經驗或半經驗關系，實現土壤水分的定量反演。基于反射率開展土壤水分反演研究最早出現在實驗室中[20]，構建的經驗模型僅對特定土樣適用，無法適應野外大區域反演，所以研究者開始嘗試引入土壤質地[21]、植被效應[22]等其他環境參數，試圖提高反演的精確度以及擴大方法的適用范圍。到了21世紀初，研究者逐漸注重利用多波段反射率組合構建相關性較穩定的反射率指標以弱化其他環境參數對反演結果的不良影響。為此，較多學者開始構建土壤水分和反射率指標的線性或非線性經驗方程實現土壤水分反演[23-24]，但反演方法的空間適用性仍然滿足不了現實需求。為了更好的量化環境參數對反演精度影響，部分研究者提出了一些半經驗和機理反演模型，如高斯半經驗模型[25]、KM雙通量輻射傳輸模型[26]、多層輻射傳輸模型[27]等。這些反演模型雖然計算較為復雜，在土壤水分反演中使用較少，但能夠較好地模擬土壤水分與反射率的非線性關系，避免了經驗模型復雜的定標過程，是今后反射率法土壤水分反演發展的方向。除此以外，近年來高光譜數據逐漸豐富，研究者指出其較高的光譜分辨率可以直接獲取土壤水分敏感響應波段，在反射率法土壤水分反演上具有很大的應用潛力[28-29]。

圖3 實驗室內不同土壤濕度的土樣反射率光譜曲線示意[26]

綜上所述，反射率法土壤水分反演是從實驗室內測量逐漸推廣至野外測量，從簡單經驗擬合向機理模擬發展，反演方法的適用范圍逐漸擴大，反演精度不斷提升。但是目前反射率法土壤水分產品仍然較少，主要原因為多數反射率法反演研究的探測深度有限，僅能反演地表幾毫米深的土壤水分，這使得反演結果的使用價值受限。其次，光學數據受云霧天氣影響嚴重，數據的可用性也是目前反射率法土壤水分產品生產的重要難題。

2.3 指數法

指數法是通過光學遙感數據構建指示地表溫度或植被狀態的指數指標，與土壤水分建立轉換關系的反演方法。研究最初發現土壤水分控制著植被蒸散進而影響著葉片與大氣的溫度差，并通過實測數據的驗證指出這種影響是線性的[30-31]，因此，相繼提出了作物水分脅迫指數[32]和植被供水指數[33]來表征作物區的土壤水分狀態，也有使用表征植被狀態的指數代替溫度指數構建類似的指標，如距平植被指數[34]、植被條件指數[35]等。這之后研究通過分析歸一化植被指數與地表溫度(LST)的特征空間分布，定義溫度植被指數[36](NDVI/LST)，并通過進一步細化其空間分布特征，提出了目前土壤水分反演最為常用的溫度植被干旱指數[37](TDVI)。表3中列出了幾種常見的土壤水分指數，這些指數廣泛應用于干旱評估和土壤水分估算。至于這些指數與具體土壤水分的轉換，大多通過經驗擬合來實現[38-40]。

表3 表征土壤水分狀態的指數

綜上所述，指數法土壤水分反演大多基于經驗擬合的計算方式，且目前多數研究還是通過不同指數或反射率間的特征空間分布特點建立與土壤水分相關性更佳的指數指標，對于指數與土壤水分的機理轉換研究很少，所以指數與土壤水分轉換的理論基礎較為薄弱。

2.4 熱慣量法

土壤熱慣量是一種描述土壤抵抗溫度變化能力的參數，與土壤含水量密切相關，而熱慣量可以通過熱紅外遙感反演獲取，進而可以轉換得到土壤水分，見圖4。綜上，熱慣量法土壤水分反演主要由2個步驟構成：地表熱慣量反演和熱慣量與土壤水分之間轉換。

圖4 基于熱慣量反演土壤水分流程

首先是地表熱慣量反演，熱慣量的物理計算公式見式(1)。但這些參數顯然很難通過遙感獲取，所以多數研究基本是通過溫度日夜溫差來計算地表熱慣量。相關研究追溯到20世紀70年代，研究者結合地表邊界條件、地表能量平衡公式求解一維熱傳導方程最終得出地表溫度與地表熱慣量的轉換關系[45-46]；而后研究者進一步細化地表潛、顯熱計算，得出遙感計算地表熱慣量的一般方法[47]，但是這種熱慣量計算需要較多的輔助參數，如地表風速、地表粗糙度以及空氣濕度等。而后，研究者致力于降低反演對輔助數據的依賴提升模型的可行性，提出了一種僅需要1 d內最高氣溫的時間和衛星觀測的晝夜溫差的熱慣量模型[48]，該模型利用日溫度變化相位信息基于地表溫度傅里葉級數的二階近似計算蒸發潛熱，克服了以往熱慣量計算需要大量輔助數據的缺點。但這種模型中日最高溫度的時間較難通過遙感獲取，部分研究提出通過擬合1 d內4次過境遙感反演的地表溫度日變化趨勢推算該參數[49]，但是其對衛星日過境頻率要求較高，很難得到廣泛應用；還有部分研究提出引入理想化的地表溫度日變化正弦曲線能夠解決該參數的獲取問題和衛星過境時刻觀測溫度與晝夜積極溫不吻合問題[50-51]，但方法仍需地基測量溫度數據進行輔助。除此之外，研究者也考慮反演植被覆蓋區的土壤熱慣量，如將地表熱量平衡雙層模型帶入熱慣量計算模型計算植被覆蓋區的土壤熱慣量[52]；如使用混合像元法分離地表溫度中植被影響獲取土壤溫度計算土壤熱慣量[53]等。

(1)

式中 TI——地表熱慣量；k——熱導率,W/(m·K)；ρ——體積密度,kg/m3；c——比熱容,J/(kg·K)。

相較于前者，熱慣量與土壤水分轉換研究相對較少，主要有機理分析和統計擬合2種轉換方式。機理分析通過分析土壤水分對土壤比熱、熱導率等物理性質的影響確定土壤熱慣量與土壤水分的轉換關系，目前主要的機理模型有Murray和Verhoef模型[53]、Lu模型[54]；而統計擬合主要分析熱慣量與土壤水分的經驗關系確定兩參數之間的轉換公式，2種方式對比見表4。

表4 土壤水分與熱慣量轉換方法對比

綜上所述，熱慣量法土壤水分反演方法的機理支撐逐漸提升，適用范圍不斷擴大，可行性顯著增強。但是熱慣量法也存在一些問題，在蒸散量大的區域反演精度較差、無法反演植被密集區的土壤水分等，今后的研究仍需要解決這些問題。

3 土壤水分光學遙感反演方法面臨的挑戰

總結上述反演研究，可以發現目前土壤水分光學反演整體呈現出從經驗擬合向機理分析的方向改進。研究通過挖掘更多遙感信息、增加更多的參數改善原有方法，使得方法適用范圍和反演精度不斷提升，在實驗室調查和現場實驗中取得較好的效果。但土壤水分光學遙感反演方法仍然面臨著一些挑戰，主要有光學反演方法受天氣影響嚴重、反演結果代表的有效土壤深度有限以及反演方法對地表異質性考慮不足，下面將分別進行敘述。

首先是光學反演方法受云霧天氣影響嚴重，反射率法、指數法和熱慣量法3種方法都需要從光學數據中提取地表信息(地表溫度、地表植被狀態等)，云霧覆蓋會嚴重阻礙提取過程和提取精度。為解決此問題，多數研究者開展去云算法研究，但這些算法大多基于云覆蓋周圍影像的插值或往期該位置無云影像的替代運算，算法去云結果與云覆蓋時段當地實際光譜信息有誤差，最終導致土壤水分的反演精度偏低。今后研究應當注重去云機理算法的研發，提高整體光學數據的可用性。

其次，土壤水分光學反演結果所代表的有效深度過小，多數方法僅能反演地表幾毫米以上的土壤水分，嚴重影響反演結果的使用價值。從機理上分析，原因是光學傳感器使用的波長較短，對于地表的穿透深度有限。今后的研究應當注重分析所提取的遙感信息與更深層土壤水分的相關關系，或引入土壤水分垂直方向變化趨勢增加光學遙感土壤水分反演的有效深度，提高反演結果的應用價值。

最后，反演方法對地表異質性考慮不足。雖然3種反演方法隨著研究深入，考慮的因素逐漸增多，如植被因素、土壤質地因素等，在實地實驗中反演精度不斷提升，但相對于實際地表的復雜程度和光學數據受影響因素數量，反演方法所考慮的環境條件相對理想化，致使無法準確反演地表異質性較強區域的土壤水分，加之云霧影響光學數據的可用性，土壤水分光學反演在大范圍土壤水分監測中應用較少，光學遙感土壤水分產品也處于空缺的狀態。今后的研究應當注重光學遙感過程的機理研究，定量分析多種環境參數對土壤水分反演的影響，開發準確性與適用性較高的土壤水分光學反演機理模型，推廣土壤水分光學反演在大范圍土壤水分監測中的應用。

4 結語

土壤水分光學反演是土壤水分遙感反演中重要的組成部分，光學相對于微波具有更長的歷史數據，針對光學反演的研究不僅有助于研究者獲取更長時序的土壤水分歷史信息，也促進了未來土壤水分產品多元化發展。本文首先介紹了土壤水分反演常用的光學遙感數據，后根據與土壤水分建立相關關系的對象不同對光學反演方法進行分類總結敘述，最終提出土壤水分光學遙感反演所面臨的挑戰。主要目的是為了幫助研究者更詳細的了解土壤水分光學遙感反演的數據、方法和主要問題，推動高精度的土壤水分光學遙感產品的生產。