基于FY-3B/MWRI數據的裸土區土壤濕度反演

鮑艷松， 毛飛， 閔錦忠， 王冬梅， 嚴婧

(1.南京信息工程大學氣象災害預報預警與評估協同創新中心，南京 210044； 2.南京信息工程大學

大氣物理學院，南京 210044； 3.江蘇省水利科學研究院，南京 210017 )

0 引言

土壤濕度(soil moisture,SM)是土壤的重要組成部分，在地-氣界面間的物質、能量交換中起著重要的作用，是水文學、氣象學等科學研究領域的重要環境因子和過程參數[1]。微波遙感是實現土壤濕度監測的有效技術[2]。

土壤濕度的變化引起土壤介電常數的改變，土壤介電常數與土壤發射率密切相關，微波亮溫與發射率也直接相關，因此，可以利用微波亮溫進行土壤濕度反演。微波地表土壤濕度反演算法主要包括單通道土壤濕度反演算法[3-6]、雙極化多通道土壤濕度反演算法[7-14]和數理統計算法(經驗算法)[15-17]3種。Jackson等[3，8-10，15]利用上述3種方法，實現了土壤濕度的微波遙感反演。我國第二代極軌氣象衛星風云三號(FY-3)上搭載了微波成像儀(micro-wave radiation imager,MWRI)，其資料可用于地表土壤濕度反演。彭麗春等[18]建立了基于FY-3A/MWRI亮溫資料的土壤濕度三次多項式反演模型，并進行了土壤濕度反演試驗，得到了較高的土壤濕度反演精度，但由于在反演過程中粗糙度參數是固定值，限制了該模型在未知粗糙度地區的應用。楊虎等建立了一個基于FY-3/MWRI亮溫數據的地表土壤濕度反演算法[19]，但并未對該算法進行精度評價。

本文利用單頻率雙極化算法，研究了應用FY-3B/MWRI數據反演裸露地表土壤濕度的方法及流程。首先，根據地表各參數的范圍，設置模型輸入參數，利用高級積分方程模型(aduanced integral equation madels,AIEM)模擬不同地表參數條件下的FY-3B/MWRI資料； 然后，基于模擬數據，利用粗糙地表發射率Qp模型，發展土壤濕度反演模型； 最后，基于FY-3B/MWRI數據，利用構建的土壤濕度反演模型，反演我國西部干旱半干旱地區土壤濕度，并利用實測土壤濕度數據，進行精度評價。

1 數據與方法

1.1 研究區和數據集

研究區位于中國西部干旱半干旱地區，主要包括新疆、西藏、青海、甘肅和內蒙古西部。由于本研究目的在于反演裸露地表土壤濕度，因此先依據中分辨率成像儀(MODIS)歸一化植被指數(normalized difference vegetalion index,NDVI)產品(MYD13)，將上述區域劃分為裸土區和植被區。將NDVI<0.1的區域劃分為裸土區[20-21]，即本文的研究區域。

用于土壤濕度反演的微波數據來自于我國第二代極軌氣象衛星FY-3B上搭載的微波成像儀資料。FY-3B/MWRI在10.65～89 GHz頻段內設置了5個頻率，每個頻率都有水平和垂直2種極化模式，具體參數見表1。其中低頻10.65 GHz通道具有穿透云雨大氣的能力，并且對地表粗糙度和介電特性比較敏感，能夠用來反演陸地表面溫度、土壤濕度含量等地球物理參數。

表1 微波成像儀通道特性

本文所用輔助數據包括植被指數和地表溫度。 MODIS溫度產品在陸地區域精度達到1 K，相比于FY-3溫度產品具有一定的優勢； MODIS植被指數產品廣泛應用于植被的監測研究，已有研究表明MODIS NDVI產品具有較高的精度[22]。因而，研究中選用了MODIS植被指數產品(MYD13)和地表溫度產品(MYD11)。MODIS/AQUA過境時間為地方時13:30，FY-3B過境時間為地方時13:40，可認為二者過境時間較一致。

用于檢驗土壤濕度反演精度的實測數據來自于中國氣象局國家氣象信息中心共享網，該數據是以農業氣象觀測站土壤濕度觀測規范為準，每月8號、18號和28號對土壤濕度進行測量，觀測深度分別為10 cm，20 cm，50 cm，70 cm和100 cm，本文使用數據為10 cm相對濕度數據。研究區內農業氣象觀測站點分布如圖1所示。衛星數據反演的土壤濕度為體積含水量，為便于將地面實測數據與反演結果進行有效對比，首先對土壤相對濕度數據進行單位轉換，將土壤相對濕度轉化為土壤水分體積含水量[23]。轉換過程中使用的土壤容重和田間持水量數據來自于各市縣農氣站[24]。

圖1 研究區及農氣站點分布示意圖

1.2 裸露地表輻射模型

；

(1)

采用地表比輻射率εp時，該模型表達式為

εp=Qptq+(1-Qp)tp

。

(2)

式中： 下標p，q表示2種不同極化方式；Qp為地表粗糙度參數；rp，rq為光滑表面反射率；tp，tq為光滑表面透過率。

1.3 基于AIEM模型的土壤濕度反演模型建立

1.3.1 AIEM模型

地表微波輻射傳輸模型常被用于研究地表輻射特征，其中，廣為使用的是高級分方程模型(AIEM)[26]。該模型是基于電磁波輻射傳輸方程的地表輻射模型，能在一個很寬的地表粗糙度范圍內再現真實地表輻射情況[27-29]。本研究基于FY-3B/MWRI儀器參數設置，利用AIEM模型對裸露地表條件下地表微波發射特性進行了模擬。輸入模型參數包括頻率、入射角、地表均方根高度、相關長度和土壤體積含水量，模型輸出參數為比輻射率εp和光滑表面反射率rp。

1.3.2 FY-3B/MWRI輻射數據模擬

研究中使用的MWRI數據頻率為10.65 GHz，極化為V和H，入射角為53°。此外，有關地表的輸入參數取值盡量覆蓋所有可能的實際情況，土壤濕度的取值范圍為2%～44%，間隔為2%。地表均方根高度的取值范圍為0.5～3.5 cm，間隔為0.25 cm。相關長度取值范圍為5～30 cm，間隔為2.5 cm。對于地表相關函數，相比于指數相關函數，高斯相關函數更接近實驗測量值，因而在模型模擬中使用高斯相關函數[30]。運行AIEM模型，模擬出MWRI 10.65 GHz,V/H極化下共3 146個比輻射率和菲涅爾反射率值。

1.3.3 土壤濕度反演模型

基于AIEM模型模擬的比輻射率εp和光滑表面反射率rp，利用式(1)，首先計算得到地表粗糙度參數Qp，并建立V/H極化下的地表粗糙度參數QV與QH之間的關系。

經計算可知，地表粗糙度參數QV與QH之間具有較高的相關性，兩者之間的線性擬合方程，即

QV=a+bQH，

(3)

式中系數a，b可由模擬數據擬合得到。通過式(3)，已知一個極化下的地表粗糙度參數可求得另一個極化下的地表粗糙度參數，使得地表粗糙度參數為單一未知量。

為消除地表粗糙度影響，將式(2)帶入式(3)中，合并公式系數，得到

αεV+εH=βtV+ηtH，

(4)

式中： εV和εH分別為V/H極化下裸土比輻射率；tV和tH分別為V/H極化下光滑表面透過率；α，ε，η為公式系數。在推導過程中可得出式(3)和式(4)系數之間有如下關系，即

(5)

由式(4)可知，通過地表粗糙度參數QV與QH之間的線性關系，利用雙極化數據可以消除地表粗糙度的影響。

在消除地表粗糙度參數后，進一步利用Shi等[31]提出的土壤濕度與光滑表面透過率之間關系，得到土壤濕度反演模型，即

(6)

式中：SM為土壤體積含水量；A，B和C為反演模型參數，可由模擬數據利用最小二乘法擬合得到； 等式右側βtV+ηtH項可由式(4)中αεV+εH項替換。在已知地表溫度的前提下，可由FY-3B/MWRI 10.65 GHz觀測亮溫計算地表比輻射率εp。

1.3.4 土壤濕度反演

基于FY-3B/MWRI 10.65 GHz亮溫數據和MODIS溫度產品數據(MYD11)，計算裸土比輻射率εV和εH，即

εp=TBp/T，

(7)

式中：TBp為微波成像儀觀測亮溫；T為地表溫度。將計算得到εV和εH代入式(4)，計算αεV+εH項，并進一步利用式(6)實現裸土區土壤濕度反演。

2 結果與分析

2.1 FY-3微波資料土壤濕度反演模型

基于AIEM模型模擬的比輻射率εV和εH，菲涅爾反射率rV和rH，根據式(1)計算出和地表粗糙度有關的QV與QH，二者之間的散點圖如圖2所示。

圖2 地表粗糙度參數QV 和 QH 之間關系

如圖2所示，可以擬合出b=0.416 9，并進一步計算出α=2.398 7。基于AIEM模型模擬的比輻射率εV和εH和輸入的土壤濕度參數，最小二乘擬合得到α，A，B，C分別為2.398 7，4.003 2，0.595 9和-3.288 2?；跀M合的參數，構建的土壤濕度反演模型為

(8)

2.2 模型驗證及精度評價

根據上述方法反演4個時期的研究區土壤濕度，并與氣象站點的土壤濕度進行交叉驗證。圖3是2011年8月28日、9月8日、18日和28日FY-3B/MWRI反演結果與實測數據交叉驗證結果。如圖3所示，反演的土壤濕度和氣象站點10 cm深度層實測的土壤濕度相關性較好，達到0.001的顯著性相關標準，均方根誤差為0.065 7 cm3/cm3； 此外，在土壤濕度高值區，反演的土壤濕度小于實測值。分析其原因，可能是因為所用驗證數據為10 cm土壤濕度，而衛星遙感反演結果為表層土壤濕度。試驗表明半干旱地區10 cm深度土壤濕度值大于表層土壤濕度[32]。考慮到在土壤濕度高值區反演土壤濕度較實測土壤濕度偏低，為消除系統誤差，利用圖3中的關系式訂正式(8)，得到基于FY-3B/MWRI數據的土壤濕度反演模型，即

SM=1.957[4.003 2+0.59(2.398 7εV+εH)-

(9)

為了檢驗修訂后模型的穩定性及模型精度，選用建模以外的一組FY-3B/MWRI資料(獲取時間為2011年10月8日、18日、28日和11月8日)，分別利用式(8)和(9)進行土壤濕度反演(圖4)，并與氣象站點實測的10 cm土壤濕度觀測資料進行交叉驗證。

圖3 2011年8月28日、9月8日、18日和28日FY-3B/MWRI反演結果與實測數據交叉驗證散點圖

(a) 系統誤差訂正前反演結果與實測結果比較(b) 系統誤差訂正后反演結果與實測結果比較

由圖4可知，修訂后模型土壤濕度反演精度更高，反演的土壤濕度和實測值達到0.001水平的顯著性相關，均方根誤差為0.030 5 cm3·cm-3。用式(9)所示的土壤濕度反演模型對研究區2011年10月8日、18日、28日和11月8日數據進行反演，結果如圖5所示。

(a) 2011年10月8日(b) 2011年10月18日

圖5-1FY-3B/MWRI土壤濕度反演圖

Fig.5-1SoilmoisturemapsretrievedfromFY-3B/MWRIimages

(c) 2011年10月28日(d) 2011年11月8日

由圖5可知，西部地區土壤濕度較低，數值在0～0.25 cm3·cm-3之間，與地面觀測結果較為吻合。

3 結論

本文使用AIEM模型，模擬不同地表參數條件下的FY-3B/MWRI資料，利用模擬資料發展了一個可用于裸露地表土壤濕度反演的半經驗模型。該模型利用雙極化數據消除地表粗糙度影響，模型應用結果表明：

1)構建的模型能夠較好地實現土壤濕度反演，4個時次(2011年8月28日、9月8日、18日和28日)土壤濕度反演結果表明，反演和實測的土壤濕度達到0.001水平顯著性相關，兩者均方根誤差為0.065 7 cm3·cm-3； 其外，發現在土壤濕度高值區反演的土壤濕度明顯小于實測值。通過擬合反演和實測土壤濕度之間的關系，并利用這一關系對原模型進行訂正，得到了訂正后的土壤濕度反演模型。

2)訂正后的模型能夠提高土壤濕度反演精度，2011年10月8日、18日、28日和11月8日4個時次反演和實測的土壤濕度決策系數R2為0.604，均方根誤差為0.030 5 cm3·cm-3。這一結果說明， FY-3B/MWRI資料可用于裸土區土壤濕度反演，并取得較高的反演精度。

3)本文所建土壤濕度反演模型只適用于裸土區域，對植被覆蓋下地表土壤濕度反演還需進一步研究。

參考文獻(References)：

[1] 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.

Tong Z Y,Zhang W C.Progress of soil moisture monitoring by remote sensing[J].Bulletin of Soil and Water Conservation,2007,27(4):107-113.

[2] 鄭興明.東北地區土壤濕度被動微波遙感高精度反演方法研究[D].長春:中國科學院東北地理與農業生態研究所,2012.

Zheng X M.Research on soil moisture passive microwave remote sensing inversion method in Northeast of China[D].Changchun:Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences,2012.

[3] Jackson T J,Le Vine D M,Swift C T,et al.Large area mapping of soil moisture using the ESTAR passive microwave radiometer in Washita 92[J].Remote Sensing Environment,1995,54(1):27-37.

[4] Jackson T J,Le Vine D M,Hsu A Y,et al.Soil moisture mapping at regional scales using microwave radiometry:The southern great plains hydrology experiment[J].IEEE Transaction on Geosciences and Remote Sensing,1999,37(5):2136-2151.

[5] Jackson T J,LeVine D M.Mapping surface soil moisture using an aircraft-based passive microwave instrument:Algorithm and example[J].Journal of Hydrology,1996,184(1/2):85-99.

[6] Jackson T J.III.Measuring surface soil moisture using passive microwave remote sensing[J].Hydrological Processes,1993,7(2):139-152.

[7] 田輝,王澄海,文軍,等.基于簡化參數方法的蒙古干旱區土壤濕度被動微波遙感[J].地球物理學報,2012,55(2):415-427.

Tian H,Wang C H,Wen J,et al.Soil moisture estimation over an arid environment in Mongolia from passive microwave remote sensing based on a simplified parameterization method[J].Chinese Journal of Geophysics,2012,55(2):415-427.

[8] Njoku E G,Li L.Retrieval of land surface parameters using passive microwave measurements at 6-18 GHz[J].IEEE Transactions on Geoscience and Remote Sensing,1999,37(1):79-93.

[9] Njoku E G,Jackson T J,Lakshmi V,et al.Soil moisture retrieval from AMSR-E[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(2):215-229.

[10]Koike T,Njoku E,Jackson T J,et al.Soil moisture algorithm development and validation for the ADEOS-II/AMSR[J].IEEE Transactions on Geoscience and Remote Sensing Symposium,2000,3:1253-1255.

[11]Owe M,DeJeu R,Walker J.A methodology for surface soil moisture and vegetation optical depth retrieval using the microwave polarization difference index[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(8):1643-1654.

[12]Owe M,DeJeu R,Holmes T.Multisensor historical climatology of satellite-derived global land surface moisture[J].Journal of Geophysical Research,2008,113:1-17.

[13]De Jeu R A M.Retrieval of land surface parameters using passive microwave remote sensing[D].Amsterdam:Vrije University Amsterdam,2003.

[14]Wen J,Jackson T J,Bindlish R,et al.Retrieval of soil moisture and vegetation water content using SSM/I data over a corn and soybean region[J].Journal of Hydrometeorology,2005,6(6):854-863.

[15]Schmugge T,O’Neill P E,Wang J R.Passive microwave soil moisture research[J].IEEE Transactions on Geoscience and Remote Sensing,1986,GE-24(1):12-22.

[16]Ahmed N U.Estimating soil moisture from 6.6GHz dual polarization,and/or satellite derived vegetation index[J].International Journal of Remote Sensing,1995,16(4):687-708.

[17]Paloscia S,Macelloni G,Santi E,et al.A multifrequency algorithm for the retrieval of soil moisture on a large scale using microwave data from SMMR and SSM/I satellites[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(8):1655-1661.

[18]彭麗春,李萬彪,劉輝志.FY-3A/MWRI數據反演半干旱地區土壤濕度的研究[J].北京大學學報:自然科學版,2011,47(5):797-804.

Peng L C,Li W B,Liu Z H.Estimation of the soil moisture using FY-3A/MWRI Data over semiarid areas[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2011,47(5):797-804.

[19]楊虎,施建成.FY-3微波成像儀地表參數反演研究[J].遙感技術與應用,2005,20(1):194-200.

Yang H,Shi J C.On the estimation of land surface parameters by using FY-3A microwave radiometer imager(MWRI)[J].Remote Sensing Technology and Application,2005,20(1):194-200.

[20]馬媛.新疆土壤濕度的微波反演及應用研究[D].烏魯木齊:新疆大學,2007.

Ma Y.Study on soil moisture inversion and application with microwave remote sensing in Xinjiang[D].Urumchi:Xinjiang University,2007.

[21]趙杰鵬,張顯峰,包慧漪,等.基于可見光紅外與被動微波遙感的土壤水分協同反演[J].紅外與毫米波學報,2012,31(2):137-142,147.

Zhao J P,Zhang X F,Bao H Y,et al.Monitoring land surface soil moisture:Co-inversion of visible, infrared and passive microwave sensing data[J].Journal of Infrared and Millimeter Waves,2012,31(2):137-142,147.

[22]魏偉,任皓晨,趙軍,等.基于MODIS的ATI和TVI組合法反演石羊河流域土壤含水量[J].國土資源遙感,2011,23(2):104-109.

Wei W,Ren H C,Zhao J,et al.Retrieving soil moisture of shiyang river basin by ATI and TVI based on EOS/MODIS data[J].Remote Sensing For Land and Resources,2011,23(2):104-109.

[23]楊曉峰.土壤濕度廓線綜合反演試驗研究[D].北京:中國氣象科學研究院,2011.

Yang X F.Experimental study on soil moisture profile inversion[D].Beijing:Chinese Academy of Meteorological Sciences.

[24]陳永川,劉靜,托乎提,等.新疆作物觀測地段土壤農業水分常數的分布[J].安徽農業科學,2008,36(32):14210-14321.

Chen Y C,Liu J,Tuo H T,et al.Distribution of soil agricultural moisture constant in crop observation area in Xinjiang Province[J].Journal of Anhui Agricultural Sciences,2008,36(32):14210-14321.

[25]Shi J C,Jiang L M,Zhang L Z,et al.A parameterized multifrequency-polarization surface emission model[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(12):2831-2841.

[26]鮑艷松,劉良云,王紀華,等.利用ASAR圖像監測土壤含水量和小麥覆蓋度[J].遙感學報,2006,10(2):263-271.

Bao Y S,Liu L Y,Wang J H,et al.Estimation of soil water content and wheat coverage with ASAR image[J].Journal of Remote Sensing,2006,10(2):263-271.

[27]Fung A K,Chen K S.An update on the IEM surface backscattering model[J].Geoscience and Remote Sensing Letters,IEEE,2004,1(2):75-77.

[28]WU T D,Chen K S.A reappraisal of the validity of the IEM model for backscattering from rough surfaces[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(4):743-753.

[29]WU T D,Chen K S,Shi J C,et al.A transition model for the flection coefficient in surface scattering[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(9):2040-2050.

[30]施建成,蔣玲梅,張立新,等.多頻率多極化地表輻射參數化模型[J].遙感學報,2006,10(4):502-514.

Shi J C,Jiang L M,Zhang L X,et al.A parameterized multi-frequency-polarization surface emission model[J].Journal of Remote Sensing,2006,10(4):502-514.

[31]Shi J C,Jiang L M,Zhang L X,et al.Physically based estimation of bare-surface soil moisture with the passive radiometers[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44:3145-3153.

[32]張婕,張文煜,王曉妍,等.半干旱地區土壤濕度變化特征[J].蘭州大學學報:自然科學版,2012,48(2):57-61.

Zhang J,Zhang W Y,Wang X Y,et al.Changes characteristics of soil moisture in semi-arid areas[J].Journal of Lanzhou University:Natural Sciences,2012,48(2):57-61.