黃三角經濟區旱季土壤含水量時空特征研究

摘要 表觀熱慣量與土壤含水量存在明顯的線性關系。利用MODIS數據反演得到土壤表觀熱慣量的值與黃三角經濟區6個氣象站的土壤水分實測資料建立線性模型，定量反演計算土壤含水量，研究了該地區土壤含水量2003～2012年春秋季空間分布特征及其年際變化特征，并分析影響土壤含水量變化的因素。結果表明：通過表觀熱慣量方法對黃三角經濟區的土壤含水量反演計算，土壤水分含量從空間分布來看，北多南少，東多西少，沿海多于內陸;從時間變化來看，土壤水分含量相對穩定，維持在0.12， 9～11月略高于3～5月。土壤含水量的變化受海陸距離、地形、氣候和土地利用等因素影響較大。基于表觀熱慣量的土壤濕度的研究，可以反映該地區土壤水分含量的時空變化特征。

關鍵詞 遙感反演;MODIS;土壤含水量;表觀熱慣量

中圖分類號 S126 "文獻標識碼

A "文章編號 0517-6611（2014）32-11571-04

The Characteristics of Spatiotemporal Variation of Soil Moisture Content in Dry Season in Yellow River Delta Economic Zone

ZHANG Zhimin， LI Chunfang， GONG Junji， WU Quanyuan* "（College of Population， Resources and Environment， Shandong Normal University， Jinan， Shandong 250014 ）

Abstract "There is obvious linear relationship between soil water content and apparent thermal inertia. It based on the apparent thermal inertia method using the Yellow River delta economic zone 6 stations of the observed data of soil moisture quantitative inversion calculation of soil water content， soil moisture content in the region was studied in 20032012 age season spatial distribution characteristics and the characteristics of the interannual variability and analyzes the influence factors of soil moisture content change. Result shows that by means of apparent thermal inertia of the Yellow River delta economic zone soil moisture inversion computation， from the spatial distribution of soil moisture content， the north south more little， east west， less more than inland coastal; From the point of time， soil moisture content is relatively stable， at 0.12， in November 9 slightly higher than 35 months. Show that based on the research of soil moisture of apparent thermal inertia， algorithm has certain feasibility， simple， easy to operate and can well reflect the spatial and temporal variations of soil moisture content in the region.

Key words "Remote sensing inversion; MODIS; Soil moisture; Apparent thermal inertia

土壤含水量又叫土壤含水率，通常指的是土壤的絕對含水量，是水文學、氣象學以及農業科學研究領域的一個重要參數[1]。在水循環中土壤含水量是基本組成部分，在氣候系統中它決定著植被的蒸散發及光合作用，在農業系統中，它是農作物生長發育的環境條件和物質基礎，決定著農作物的長勢和產量。然而由于土壤含水量的觀測站點和資料相對較少，特別是時效性和大尺度性遠遠不能滿足實際需要，這是一項急需解決的技術問題。遙感技術的發展和應用使區域土壤水分含量的估算成為可能。從波段范圍來看，可見光、熱紅外、被動微波和主動微波等已用于土壤水分的測量[3-4]?；跓峒t外遙感估算土壤水分含量目前已經取得了一些成功，熱慣量法作為一種行之有效的熱紅外反演方法，廣泛應用于土壤水分的遙感反演研究中[5]。為此，筆者利用MODIS遙感影像求得土壤表觀熱慣量的值，結合實際土壤水分數據，建立土壤含水量和表觀熱慣量值的一元線性回歸方程，反演計算黃河三角洲高效生態經濟區（簡稱“黃三角經濟區”）2003～2012年土壤含水量，探索區域旱季土壤水分的時空分布特征變化。

1 研究區概況

黃三角經濟區位于渤海灣南岸和萊州灣西岸，地理位置116°54′24″～120°18′24″E、 36°26′32″～38°16′09″N，包括東營、濱州市，濰坊市的寒亭區、壽光市、昌邑市，德州市的樂陵和慶云縣，淄博市的高清縣和煙臺市的萊州市等19個縣（市、區），總面積2.65萬km2。區域氣候具有春旱、夏澇、秋旱的特點。年內降水量多集中在6～9月，季節和年際變化較大，總趨勢由東向西逐漸減小，多年平均蒸發量1 300～1 500 mm，3～6月份最大。春季氣溫回升快，降水少，風速大，氣候干燥，秋季氣溫驟降，雨量銳減。

2 熱慣量法

2.1 基本原理

熱慣量是土壤的熱學特性，是阻止土壤溫度變化的物理量。熱慣量最早由Price提出，并經過不斷改進[6-8]，關系表達式為：

P=kρC（1）

式中，P 為熱慣量[J/（m2·K·s1/2）];k 為土壤的導熱率[J/（m·s·K）];ρ為土壤密度（kg/m 3）;C 為土壤的比熱容[J/（kg·K）]。這3個物理量的特性的變化在一定條件下主要取決于土壤含水量，一般來說土壤含水量大，熱慣量越大。

在實際的應用和研究中，因為衛星很難實時監測氣象和地面資料這些地表的綜合參數，因此很多模型不考慮當地的緯度、太陽高度角、日地距離等因素，常用表觀熱慣量（ATI）代替真實熱慣量[9]。表觀熱慣量的計算公式為：

ATI=（1-A）/（Td-Tn） " " " " " " " " " " " " " " （2）

式中，A為地表反照率; Td、 Tn分別是土壤的晝溫和夜溫（K）。

研究表明，土壤濕度的細微變化，熱慣量均有響應[10]。在植被覆蓋較低區域的土壤旱情監測中熱慣量法和土壤水分含量存在較高線性相關，可以通過遙感數據所獲得的熱慣量和土壤含水量建立關系模型估算區域的土壤水分狀況[11]。土壤含水量與其熱慣量之間應用最廣泛的經驗公式通常有線性模型，即：

W=a×ATI+b " " " " " " " " " " " " " " " （3）

式中，W為土壤含水量;ATI為土壤的熱慣量;a、b為常數項。

2.2 地表參量確定

2.2.1 地表反照率。

反照率是表面能量平衡的一個非常關鍵的影響因子，指地物反射的太陽輻射和接受的太陽輻射的比值，可以定義為地物全波段（主要為0.15～4.00 μm）的反射比。地表反照率的計算可以采用梁順林[12]提出的用寬波段的反照率代替全波段的反照率的計算公式為：

A=0.160a1+0.291a2+0.243a3+0.116a4+0.112a5+0.081a7-0.001 5 （4）

式中，A為地表反照率;a1、a2、a3、a4、a5、a7為MODIS數據第1、2、3、4、5、7波段的反射率。

2.2.2 地表溫差。

分裂窗算法是熱紅外反演地表溫度算法中較為成熟的方法之一。地物的輻射亮溫差與實際溫差差距很小，不超過1 K，因此可以用亮溫差代替實際地表溫差[13]。地表溫度在273～330 K，其輻射峰值在8～12 μm，對應于MODIS的31波段，可以用31波段的亮溫差代替晝夜溫差，常用普朗克函數進行亮溫反演，公式為：

Tb=C2λln（1+C1λ5） " " " " " " " " " " " " " " " （5）

式中，I 為輻射率;λ為中心波長（μm），MODIS的31波段的波長為11.03 μm;C1、 C2為輻射常數，分別為1.19 104 356×10-16Wm2、1.438 768 5×104μmK。得到簡化公式為：

T31=1 304.413 971ln（1+729.541 636B31）（6）

式中，T31為地表亮度溫度;B31為MODIS1B數據第31波段的輻射率。

則地表溫差求算公式為：

ΔT=Td-Tn（7）

式中，ΔT為一天地表溫差;Td為白天的地表亮溫;Tn為夜晚的地表亮溫。

3 數據獲取和處理

3.1 數據源

遙感資料選用的是美國NASA提供的2003～2012年3～5月和9～11月與實測土壤水分資料對應的MODIS二級產品MODIS 1B數據。該數據共有36個波段，一天當中至少可以覆蓋4次，滿足了對數據多光譜和多時相的要求，利用反射率波段得到地表反照率，輻射率的第31波段得到地表溫差結果。實測土壤水分資料為黃三角經濟區6個氣象站點的土壤水分含量數據。

3.2 數據處理

采用ENVI/IDL遙感圖像處理軟件實現影像的批處理。MODIS 1B雖然可以在ENVI中實現自動定標，但是在使用之前還要對其進行消除條帶噪聲和蝴蝶結現象、大氣校正、幾何校正和影像裁剪等預處理，并根據上文提到的公式計算反照率、地表溫差，得到土壤的表觀熱慣量值。

4 結果與分析

選取黃三角經濟區6個氣象站的2003～2012年春季和秋季6個月份共計60組土壤含水量，利用公式（3）進行篩選和相關分析，通過繪制散點圖選取精度較高線性模型用于反演計算土壤含水量，其中常數項α=3.275，常數項b=0.014，相關系數R=0.81。

通過計算，線性模型可以用于黃三角經濟區土壤含水量反演計算。利用線性模型得到日尺度下黃三角經濟區土壤含水量，對60組數據計算平均值得到多年平均土壤含水量如圖1所示。

圖1 黃三角經濟區多年土壤含水量分布

4.1 空間特征

由圖1可知，黃三角經濟區多年平均土壤含水量分布總趨勢是從南向北逐漸遞增。內陸地區分布在0.10～0.14，海岸帶附近土壤含水量較大，在0.20以上。多年平均高值區在無棣和沾化縣北部，低值區出現在淄博高青、濱州博興及濰坊北部等地。河流的入?？诩八畮旄浇寥篮枯^大，貫穿濱州東營兩市的黃河流域、以北的海河水系、以南的小清河流域土壤含水量明顯較大，在0.14左右。

統計圖1中像元數量，得到土壤含水量的比重分布如圖2。從像元分布來看，土壤含水量0.10～0.20的像元數量最大，大于0.20的像元所占比重較小。

圖2 黃三角經濟區土壤含水量比重分布

4.2 春秋對比分析

選取2003～2012年春秋季多年平均土壤含水量（圖3）進行對比分析。從春秋兩季空間分布可以看出，總體上，秋季土壤水分含量略高于春季。土壤含水量分布局部地區存在差異，德州、濱州等地秋季土壤含水量高于春季，東營北部及濰坊等地土壤含水量春季略高于秋季。

圖3 春秋季節多年土壤含水量分布

4.3 年際變化

根據黃三角經濟區2003～2012年旱季土壤含水量值，對整個區域的像元求均值得到每年春秋季節土壤含水量。由圖4可知，總體來看，土壤含水量2003～2005年波動較大，2006～2010年土壤含水量不斷增加，2011年略有下降。春季最大值和最小值分別出現在2004和2005年;秋季最大和最小值分別出現在2004和2006年。2006年春季土壤含水量高于秋季，其他年份秋季值略高。

圖4 黃三角經濟區春秋季土壤含水量年均變化

4.4 影響因素分析 綜上所述，決定土壤水分高低的因素并不是單一的。究其原因主要受海陸距離、地形、氣候、土地利用類型等因素的共同作用。

4.4.1 海陸距離對土壤含水量的空間分布影響較大。隨著海陸距離的增加，土壤含水量逐漸減小?？拷０稁У貐^空氣濕潤，蒸散發較小，土壤含水量大，遠離海岸帶地區空氣干燥，蒸散發較大，土壤含水量較小。

4.4.2 土壤水分含量受地形影響較大。從多年平均降水量來看，黃三角經濟區降水量相差較小，降水降落到地表一部分下滲，一部分沿地表形成地表徑流。研究區地勢總的變化趨勢是南高北低，因此南部的徑流系數較小，導致入滲土壤的水分相對較小。如表1中的鄒平濰坊等地雖然降水較多，但由于地形起伏較大，土壤含水量較小。河流下游及匯聚地流速變化大，徑流量大，下滲及側滲比較明顯，同時由于內陸水分循環影響，水系兩側土壤含水量高于均值（表2）。

4.4.3 氣候因素對土壤含水量的影響。土壤含水量主要受降水量和蒸散發等因素的影響。據多年降水資料統計，降水量總體變化趨勢由東部向西部逐漸減小，受海陸間水分循環影響海岸帶附近空氣濕潤蒸散發小，晝夜溫差小，遠離海岸帶區域溫度高，晝夜溫差大。春季植物生長旺盛，氣溫開始回升，土壤蒸散發和植物的蒸騰作用開始增強，而秋季因夏季降水量的積累和水分下滲的時間滯后，土壤含水量依舊比春季略高。

表1 黃三角經濟區部分縣（市、區）多年平均土壤含水量、降水量、海拔

縣（市、區）多年土壤

含水量多年平均

降水量∥mm海拔

m

樂陵0.125 6570.511.5

沾化0.124 0538.76.4

陽信0.124 1609.010.0

鄒平0.129 0743.624.1

高青0.114 5571.511.0

河口0.139 3553.513.0

東營0.130 4556.98.8

廣饒0.118 9611.414.9

寒亭0.120 2595.518.6

萊州0.139 6658.548.9

表2 主要水系入?？诙嗄昶骄寥篮?/p>

水系主要分布位置平均土壤含水量

馬頰河、德惠新河無棣0.322 4

黃河墾利0.213 7

小清河廣饒0.305 2

孤北水庫河口區北部0.313 4

廣南水庫廣饒以北0.321 5

峽山水庫昌邑以南0.327 4

42卷32期 " " " " " " " "張志敏等 黃三角經濟區旱季土壤含水量時空特征研究

4.4.4 土地利用狀況影響。從土地利用來看，遠離海岸帶地區城鎮聚集，以建筑用地居多，受人為影響較大，土壤入滲率低;沿海地區灘涂濕地多，鹽場、海港分布廣，淺層地下水多，土壤的水分含量大。

5 結論

通過表觀熱慣量方法對黃三角經濟區的土壤含水量反演計算可知，從空間分布來看，水分含量北多南少，東多西少;從時間變化來看，土壤水分含量相對穩定，維持在0.12，但9～11月略高于3～5月。土壤含水量的變化受海陸距離、地形、氣候和土地利用等因素影響較大。

隨著各種遙感反演計算模型的提出，運用遙感反演方法估算地表參量已經越來越多的運用到實際的水文、大氣和農業系統，表觀熱慣量方法對于土壤水分的時空變化特征分析有重要的研究意義。但是由于氣候、地形等自然因素和人為因素等方面的不確定性和復雜性，以及遙感影像空間分辨率的限制，在進行定量反演模型的選擇和確定時與實際土壤水分含量有一定的差距。利用遙感影像的多時相進行區域地表參量的時空分布特征估算不僅是定量遙感的重要發展方向，也是定量遙感地學研究的難點之一。

參考文獻

[1]

郭廣猛， 趙冰茹. 使用 MODIS 數據監測土壤濕度[J]. 土壤， 2004， 36（2）： 219-221.

[2] 陳書林， 劉元波， 溫作民. 衛星遙感反演土壤水分研究綜述[J]. 地球科學進展， 2012， 27（11）： 1192-1203.

[3] 張紅梅，沙晉明. 遙感監測土壤濕度的方法綜述[J]. 中國農學通報，2005（2）：307-311.

[4] 岳彩娟，王彩艷，余峰，等.遙感技術監測土壤水分的研究進展[J]. 寧夏農林科技，2010（2）：47-49，9.

[5] 劉振華， 趙英時. 遙感熱慣量反演表層土壤水的方法研究[J]. 中國科學 D 輯， 2006， 36（6）： 552-558.

[6] PRICE J C. The potential of remotely sensed thermal infrared data to infer surface soil moisture and evaporation[J]. Water Resources Research， 1980， 16（4）： 787-795.

[7] PRICE J C. On the analysis of thermal infrared imagery： The limited utility of apparent thermal inertia[J]. Remote sensing of Environment， 1985， 18（1）： 59-73.

[8] PRICE J C. Thermal inertia mapping：A new view of the earth[J]. Journal of Geophysical Research， 1977， 82（18）： 2582-2590.

[9] 仝兆遠， 張萬昌. 土壤水分遙感監測的研究進展[J]. 水土保持通報， 2007， 27（4）： 107-113.

[10] 徐效軍， 張鷹. 土壤含水率與光譜反射率的灰色關聯分析[J]. 安徽農業科學， 2006， 34（7）： 1403-1404.

[11] 李星敏，劉安麟，張樹譽，等.熱慣量法在干旱遙感監測中的應用研究[J]. 干旱地區農業研究，2005（1）：54-59.

[12] LIANG S. Narrowband to broadband conversions of land surface albedo I： Algorithms[J]. Remote Sensing of Environment， 2001， 76（2）： 213-238.

[13] LIANG S. A direct algorithm for estimating land surface broadband albedos from MODIS imagery[J]. Geoscience and Remote Sensing， IEEE Transactions on， 2003， 41（1）： 136-145.