多時相SAR的喀斯特山區耕地表層土壤水分反演

張 淑， 周忠發， 王玲玉， 陳 全， 駱劍承， 趙 馨

(1.貴州師范大學地理與環境科學學院/喀斯特研究院，貴陽 550001； 2.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； 3.國家喀斯特石漠化防治工程技術研究中心，貴陽 550001； 4.中國科學院空天信息創新研究院，北京 100101)

0 引言

土壤水分是氣象、水文、農業等科學領域的關鍵參數[1]。在農業生產中，土壤水分是作物估產和干旱監測的重要指標之一[2]，表層土壤水分雖只占全球陸地表面水量的0.001%，但它捕獲了整個水循環過程的20%[3]。中國南方喀斯特山區降雨雖多，但地表破碎，表層漏水嚴重。烤煙是西南山區重要的經濟作物，土壤水分的高低對烤煙的品質和產量有明顯的影響，而且土壤水分是煙草生長發育生理需水和生態需水的主要來源[4]。因此，研究西南喀斯特山區耕地地表土壤水分時空分布對該地區的作物生長、干旱監測和水資源分配都具有重要意義。

合成孔徑雷達(synthetic aperture Radar, SAR)分辨率高，因其具有全天候、全天時、多極化、穿透力強等觀測特點被廣泛應用于土壤水分反演研究[5]，微波能夠穿透地表，但會受土壤粗糙度、土壤介電常數和地表植被覆蓋的影響，尤其是地表植被覆蓋會直接影響雷達的后向散射系數[6-7]。微波經過植被層會發生散射和反射現象，不同植被覆蓋度對雷達后向散射系數的影響不同，如何去除植被的影響是植被覆蓋區雷達反演土壤水分的重點。常用的植被散射模型有理論模型、經驗和半經驗模型，理論模型如密歇根微波植被散射模型[8]，該模型適用于森林等高植被覆蓋區域； 經驗和半經驗模型包括比值方程模型[9]、Roo模型[10]和水云模型[11]等。其中，水云模型的形式簡單，參數獲取方便，能夠有效地分離植被層和土壤層的后向散射系數，被廣泛的應用于估算農作物覆蓋地表土壤水分。盡管水云模型在耕地土壤水分反演中優勢明顯，但是在喀斯特山區同樣遇到了問題，導致難以開展相關工作。①水云模型中的重要參數植被含水量(vegetation water content, VWC)的計算需要光學數據參與[11]，喀斯特山區常年多云雨，傳統的光學遙感影像難以獲取多期與雷達影像過境日期相同的影像，而基于無人機(unmanned aerial vehicle, UAV)影像的可見光植被指數為研究提供了新方式，汪小欽等[12]、丁雷龍等[13]和朱孟等[14]在可見光顏色指數區分植被與非植被方面做了探索，適用性高，為VWC計算提供可靠的依據； ②對于如何建立土壤后向散射系數與土壤水分的函數關系，研究者總結了一系列的回歸算法[15-18]，其中支持向量回歸(support vector regression, SVR)模型因具備估算精度高、可處理非線性問題、泛化能力強等優點被應用于土壤水分反演[18]，楊貴軍等[19]和郭交等[20]使用水云模型和SVR模型反演耕地土壤含水量，取得了較高的精度； ③目前中等空間分辨率雷達數據反演土壤水分的研究多是基于像素，混合像元嚴重，耕地邊界不清晰，降低了反演精度，而喀斯特山區耕地破碎，邊界模糊，坡耕地、石漠化耕地分布較廣，像素尺度會擴大反演的不確定性，不能為耕地地塊提供灌溉等參考，難以精準探究作物生長的特征信息，同時以往的土壤水分反演研究多討論反演精度問題，對反演后土壤水分對作物的影響關系的研究不多[15-20]，目前，喀斯特地區基于地塊尺度的耕地信息獲取已在種植結構[21]、石漠化耕地[22]和耕地撂荒[23]等方面取得了較理想的研究結果，為喀斯特山區耕地土壤水分反演提供參考，而地塊級耕地土壤水分反演是否能規避上述問題且適用于喀斯特山區，土壤水分對耕地上覆作物的影響如何將是研究的重點。

為此，研究以地塊為研究單元，擬采用多期Sentinel-1 SAR數據和UAV數據，使用水云模型和SVR模型，根據喀斯特山區的氣象特點，引入可見光植被指數代替傳統的遙感植被指數，反演喀斯特山區耕地表層土壤水分，并分析土壤水分的時空分布特征和土壤水分對作物生長的影響，以期為多云雨山區田間土壤水分監測提供可行方法和思路，為田間灌溉提供可靠支撐。

1 研究區概況及數據源

1.1 研究區概況

研究區位于貴州省黔西南布依族苗族自治州貞豐縣(E105°25′～105°56′，N25°07′～25°44′)。貞豐縣屬于亞熱帶季風濕潤氣候，氣候溫和，年平均氣溫為16.6 ℃。年平均降雨量為1 200 mm，降雨集中在夏季，雨量充沛，因此夏季多云霧。貞豐縣耕地地塊破碎，煙田離散分布，烤煙作為貞豐縣的重要經濟作物其種植范圍涉及8個鄉鎮，種植面積約為3.2萬畝[注]1畝≈666.67 m2。研究區及樣本所在位置如圖1所示，圖1(b)和圖1(c)分別為E1和E2試驗區，均位于長田鎮盧家高山附近，試驗區煙草種植分布集中； 圖1(d)為E3試驗區，位于北盤江鎮青杠林村。

圖1 研究區及樣本的位置

1.2 數據獲取與預處理

研究所用數據包括Sentinel-1A SAR影像、Google Earth影像、UAV遙感影像和地面實測數據，詳細信息見表1。

表1 土壤水分反演數據來源Tab.1 Dataset list of soil moisture content inversion

1.2.1 遙感數據獲取與預處理

表2 Sentinel-1數據獲取情況Tab.2 Sentinel-1 data acquisition situation

UAV影像由大疆Mavic 2 Pro獲取，影像拼接軟件使用Pix4Dmapper，UAV影像主要被用來計算地塊尺度的VWC。研究采用Google Earth 18級影像數據，針對喀斯特山區的耕地特點，建立基于深度學習的邊緣模型和語義分割算法提取研究區的耕地地塊[24]，使用UAV影像進行目視人工解譯以保證耕地數據的精度。

1.2.2 地面數據獲取

衛星過境時同步采集煙草地面數據(T1—T4)，采集時間為： 2020年5月28—29日(還苗期)、2020年6月22—23日(伸根期)、2020年7月29—30日(旺長期)、2020年8月30日—9月1日(成熟期)，實測樣本的土壤水分作為遙感反演結果的校正、測試和訓練數據。使用TDR 300便攜式土壤水分速測儀進行土壤含水量測量，探針長度為7.6 cm，實測土壤水分為土壤體積含水量，單位為%，每期采集225個樣點數據，分布在45個樣地內，每塊樣地用全球定位系統(global positioning system,GPS)記錄采樣點的中心位置，本次實驗共采集4次數據，均在同一樣地內，避免其他因素的干擾。3個試驗區的土壤類型均為黃壤，以實測值反演土壤水分，其反演值與實測值深度一致。根據實地采樣數據，以樣本均值為例。煙草生長期的具體數據如表3所示，隨著煙草的不斷生長，其株高、葉展和葉片數呈上升趨勢，隨著煙草的成熟和采摘，其株高、葉展、葉片數和葉面積指數(leaf area index, LAI)也隨之下降。

表3 煙草不同生長期基礎數據Tab.3 Basic data on different growth periods of tobacco

2 研究方法

本研究利用2020年5—9月煙草生長期的多期SAR影像反演耕地土壤水分布狀況。研究主要由4個部分構成： 首先，獲得預處理后Sentinel-1影像的后向散射系數，喀斯特山區耕地面積相對較小，將Sentinel-1影像后向散射系數賦值到地塊時可能存在混合像元問題，針對上述問題將過小的地塊進行合并后再將后向散射系數的平均值賦值到耕地地塊； 其次，根據UAV影像計算煙草4個生長期的VWC，并將VWC賦值到地塊，UAV數據空間分辨率較高，將VWC的平均值賦值到耕地地塊中避免出現Sentinel-1和UAV的尺度問題； 通過VWC和后向散射系數構建水云模型，得到煙草4個生長期的裸土后向散射系數； 最后，建立SVR數據庫，得到煙草地塊的土壤水分時空分布特征。具體技術路線如圖2所示。

圖2 技術路線圖Fig.2 Technology roadmap

2.1 基于UAV的植被指數計算

通過對比實驗發現可見光波段差異植被指數(visible-band difference vegetation index, VDVI)區分植被與非植被的效果較好，在反演土壤水分的過程中VWC是計算土壤含水量的重要參數，VDVI與VWC的關系可以來表征VWC的值。根據文獻[12]，VDVI對健康植被的提取精度達到91.50%，適用于健康植被的信息提取。VDVI的計算公式為：

(1)

式中R,G，B分別為紅光、綠光、藍光3個波段的DN值。VDVI的取值范圍為[-1,1]。

2.2 土壤水分反演方法

2.2.1 水云模型

Attema等[11]針對耕地提出了估算農作物地表土壤水分的水云模型，水云模型假定植被層是一個均勻的散射體，忽略植被和地表之間的多次散射，即農作物的反射分為體散射和衰減后的表面散射[8]。水云模型公式為：

(2)

(3)

τ2=exp[-2Bmvegsec(θ)]，

(4)

mveg=C·VDVI2-D·VDVI，

(5)

式中C和D分別為經驗參數。

煙草5月份的植株較小，耕地表面裸露，根據地面獲取的裸土參數對水云模型的參數A,B,C,D采用最小二乘法進行校正，得出A,B,C,D分別為0.086，0.634，-0.005，0.088，決定系數R2=0.92，均方根誤差(root mean square error，RMSE)為0.018%，校正效果較好。

2.2.2 SVR

支持向量機分類被推廣到回歸問題時稱為SVR。SVR的本質為找到一個回歸平面，讓集合中的所有數值離該平面的距離最近[18-19]。其預測函數和徑向基核函數公式分別為：

(6)

(7)

3 結果與分析

3.1 土壤含水量反演精度與誤差分析

3.1.1 水云模型反演結果精度分析

根據SVR模型分別反演出不同極化方式的測試集的土壤含水量(圖3)。圖3(a)中，VH極化測試集的煙草在不同生長期的R2分別為0.909，0.656，0.973和0.356。VH極化的土壤含水量反演的整體精度決定系數R2=0.724，RMSE=0.556%； 圖3(b)中，VV極化測試集的煙草在不同生長期的R2分別為0.870，0.999，0.948和0.555。VV極化的土壤含水量反演的整體精度R2=0.843，RMSE=0.983%，VV極化的整體土壤含水量反演精度要高于VH極化的整體土壤含水量反演精度。研究表明，同極化方式有更豐富的土壤散射信息，能夠表達更多的地表信息，而交叉極化方式則對植被信息更敏感，包含更多植被信息[27]。上述結果表明基于可見光的植被指數能夠被應用于水云模型中參與土壤含水量反演模型的構建且反演精度較為穩定。

3.1.2 土壤含水量反演誤差分析

確定VV極化為土壤水分反演最佳方式，分別對煙草4個生長期的土壤水分進行反演。為了較為準確地分析土壤含水量的誤差來源，研究將煙草4個生長期的實測土壤含水量與其反演值作對比(圖4)。T1時刻的反演值精度較低，煙草在還苗期整體較為干旱，最大反演誤差值為1.438%； T2時刻的反演精度最好，最大反演誤差值為2.064%，但其整體反演誤差要小于其他3個時刻； T3時刻的反演誤差整體平穩； T4時刻的反演誤差整體較大，最大反演誤差為3.711%。結合地面實測數據對煙草不同生長期的反演誤差分析，T1時刻屬于移栽后根系逐漸恢復生機期，葉片較小，大部分為土壤裸露地面，土壤保水性較差，土壤含水量較低，結合實測值位置發現反演誤差較大樣本點靠近采石場或者有巖石裸露區域； T4時刻煙草成熟，觀測樣地的煙草地塊雜草影響了土壤水分反演的精度，為反演誤差的主要因素。

圖4 煙草4個生長期共180個實測樣本的土壤含水量實測值、反演值與誤差值分布

煙草4個生長期的土壤含水量詳細統計結果見圖5，反演值和實測值的均值差值小，但反演的土壤水分含量結果要相對集中，出現上述現象的原因可能是樣本采樣時煙草的壟上土壤含水量與壟下的土壤水分含量差距較大，實測樣本為煙草壟上與壟下的土壤含水量均值，壟上土壤含水量要明顯低于壟下土壤含水量，因此實測樣本均值要略微低于反演樣本值； 煙草4個生長期反演范圍與實測范圍的總體差異較小，說明反演精度較好，但土壤含水量實測值范圍大于反演范圍，可能是樣本選取了煙草地塊的中心位置，選取的樣方也較大，中心位置的土壤含水量要略高于煙草地塊的邊緣，而反演結果均衡了整個煙草地塊； T3時刻反演值整體偏集中，該時刻氣候干旱，降雨量少且無有效灌溉，使得整體土壤水分呈現較低的水平。

圖5 研究區煙草樣本反演值與實測值的土壤含水量統計Fig.5 Statistic on result of soil moisture in study area

3.1.3 降雨量對土壤含水量影響分析

煙草在T1和T3時刻的土壤含水量較低，同時將該地區5—9月的日降雨量與反演的平均土壤含水量對比分析(圖6)發現，土壤含水量的高低趨勢與該地區的降雨趨勢高度一致； 在T1與T3時刻，該地區的降雨量較低或幾乎無降雨發生，而T2與T4時刻，該地區降雨量較高，伸根期(T2)該地區前一周降雨量均值為108 mm，成熟期(T3)該地區前一周的降雨量均值為62 mm，這2個時刻煙草的土壤含水量與降雨量趨勢保持一致； 以上結果表明煙草土壤水分布與降雨量關系密切，且表現出明顯的正相關關系。

圖6 煙草不同生長期土壤含水量反演結果與降雨量統計Fig.6 Statistics of soil moisture fordifferent growth stages of tabacco

3.2 煙草不同生長期土壤含水量時空分析

根據實地調查和已有的經驗，T1時刻煙草移栽到大田，根系逐漸恢復生機，仍然處于低植被覆蓋度階段，根據反演得到煙草4個生長期的土壤水分時空分布特征(圖7)T1時刻所示，該時刻土壤含水量整體偏低且空間分布均勻，差異性較小，3個試驗區的土壤含水量均值為11.491%，土壤較為干燥，為了使煙草恢復活力并使其生長，通常需要在此期間進行水肥灌溉； 6月23日土壤含水量保持較高水平，試驗區均處于降雨中，土壤較為潮濕，與T1時刻相比呈明顯的上升趨勢，這與我們的先驗知識相一致，貴州煙草在6月處于伸根期，屬于中低植被覆蓋度階段，當煙草生長旺盛時，耗水量急劇增加，為了確保植物對水的需求，應上下兼顧，土壤水分過多時及時排水，過少時進行灌溉，保證根系生長； 7月28日整體土壤含水量最低，平均值為10.126%，此時的煙草處于缺水階段，旺長期的煙草葉面積迅速增加，對水肥的需求增加，保證煙草的產量和質量非常關鍵，由于該時刻天氣晴朗并無降雨，應對煙草適當灌溉和追肥； 9月初土壤含水量略低于6月底，成熟期煙草需水量減少，根據實地采樣發現，成熟期煙田分布的大量雜草也能提高土壤保水性。

圖7 試驗區煙草不同生長期土壤含水量

根據獲得的氣象資料，研究區的降水主要集中在6月、8月和9月。從圖7可以看出，由于6月份降水迅速增加，研究區6月的土壤含水量最高，與實際情況相吻合，進一步證明了水云模型的有效性且VDVI可以用于VWC的計算，由此得出結論，本研究所用模型適用于整個煙草生長周期。目前，本研究所用模型在雜草覆蓋的耕地存在局限性，同時，石漠化耕地也出現了精度降低的情況。

3.3 煙草生長過程與土壤含水量的關系分析

3.3.1 煙草生長過程與土壤含水量相關性分析

為探討土壤水分在煙草生長過程的響應特性，利用SPSS軟件，計算土壤水分、株高、葉展、葉片數和LAI值的Pearson相關系數，結果如表4所示。T2時刻，株高與土壤水分呈顯著正向相關，到T4時刻，

表4 煙草不同生長期土壤水分與株高、葉展、葉片數及LAI的相關關系Tab.4 Correlation coefficients between soil moistureand plant height, leaf length, leaves, LAI duringdifferent growth periods of tobacco

①**為0.01水平(雙側)上顯著相關；*為0.05水平(雙側)上顯著相關。

土壤水分與株高同樣呈現正相關關系，說明土壤水分會影響煙草植株的高度； 煙草的葉展在低土壤水分時呈負相關，高土壤水分時呈正相關，葉片逐漸增大； 煙草葉片數與土壤水分在成熟期呈顯著的負相關關系，該時刻大部分煙草已經收割，人為因素的影響較大； T4時刻LAI與土壤水分呈顯著負相關，喀斯特山區成熟期煙草生長較多雜草土壤保水性增加，但煙草多已收割，故會出現土壤水分越高，葉面積越小的現象。

3.3.2 煙草生長過程與土壤含水量的變化分析

為探究不同生長期土壤水分的高低是否會影響煙草的生長，將煙草4個生長期的土壤水分與煙草的株高、葉展、葉片數和LAI進行對比分析，結果如圖8所示。煙草還苗期株高、葉展、葉片數和LAI整體較均勻，無明顯差異，說明土壤水分在煙草生長的早期作用不太明顯； 到T2時刻，煙草呈生長顯著的趨勢，此時的土壤水分充足，煙草的各項生長指標表現良好； 說明適宜的土壤水分和養分積累，對煙草的生長起促進作用； T3時刻，土壤水分低，煙草各項生長指標出現小幅度增長，LAI和葉片數出現下降趨勢，與煙草打頂關系密切，煙草打頂抑制了頂端生長，能夠促進根系發育，調控煙株的長勢、長相，使煙葉產量、質量同步提高，但該時刻土壤水分略低應注意水肥養護； T4時刻煙草基本采摘完畢，除煙草株高外，LAI、葉展和葉片數呈明顯下降趨勢。

圖8 煙草不同生長期株高、葉展、葉片數、LAI與土壤含水量的變化過程

4 結論與討論

研究基于Sentinel-1 SAR和UAV數據作為土壤水分反演的數據源，通過UAV影像計算VWC，然后通過水云模型去除VWC的影響，利用SVR模型回歸得到土壤水分，探討煙草不同生長期的土壤含水量時空分布特征以及土壤含水量對煙草生長狀況的影響，主要得出以下結論：

1)基于水云模型和SVR模型，并結合主動微波和可見光遙感數據，可以應用于喀斯特山區小區域土壤水分反演，多源數據能夠同時估算VWC和土壤水分，避免病態反演問題。研究使用VDVI計算VWC取得了較理想的反演結果，同極化方式的土壤水分反演結果R2=0.843，RMSE=0.983%，反演精度較高，與地面實測值相差較小。

2)研究區耕地土壤水分時空變化受地表降雨因素影響較明顯，這與相關的研究結果高度一致[28]。貞豐縣T1和T3這2個時刻煙草各個試驗區的土壤含水量較低； 3個試驗區的土壤含水量空間差距較小，E2試驗區的整體土壤含水量較低，與該地區的耕地石漠化關系密切； T2和T4的土壤含水量較高，E1試驗區整體土壤含水量較高，與該地區的降雨等小氣候相關性較大； 時間上，土壤含水量的高低分布與降雨量呈正向相關，在衛星過境的前一周如果有明顯降雨，土壤含水量會隨之升高。

3)煙草株高在T2和T4與土壤水分正向相關，葉展在T2與土壤水分正向相關，而葉片數和LAI在T4與土壤水分負相關，而T4時刻煙草受采摘和雜草影響較大，煙草采摘后，煙田出現短暫的撂荒期，土壤保水能力增強，故呈現負相關關系。實際上，土壤水分促進了煙草的生長，T1—T3土壤水分在株高、葉展、葉片數和LAI表現出不同程度的影響，不同生長期的影響效果也各不相同。

本研究在進行土壤水分回歸反演過程中考慮不同生長期煙草的生長狀況，采用分步回歸的方法，在一定程度上提高了反演精度，實際觀測發現煙草為壟耕作物，煙草生長初期土壤水分受土壤粗糙度的影響較大，但本研究未考慮土壤粗糙度的影響； 本研究引入可見光植被指數計算植被含水量，為土壤水分反演提供了一個新的方式，但本研究只選擇了其中VDVI反演植被含水量未詳細比較各可見光植被指數的優缺點，另外，可見光植被指數雖能區分植被與非植被，但是不及NDVI表達植被的能力； 水云模型屬于半經驗模型，其經驗參數有較明顯的區域性，本研究對水云模型進行了校正使得其適用于本研究區，而校正后的水云模型的普適性未進行驗證； 在后續的研究中將針對上述問題加強試驗。研究主要經濟作物為煙草，后續研究中將探討喀斯特山區其他地塊級耕地類型的適用性。