光學(xué)與微波數(shù)據(jù)協(xié)同反演植被覆蓋區(qū)土壤水分

韓 玲，張延成

(長(zhǎng)安大學(xué) 地質(zhì)工程與測(cè)繪學(xué)院， 陜西 西安 710054)

1 研究背景

土壤水分是全球水循環(huán)系統(tǒng)中水的重要存在形式之一，影響著全球的水、碳、能量循環(huán)，同時(shí)土壤中的水分也是地表動(dòng)植物生存必需的重要物質(zhì)來(lái)源之一[1]。對(duì)土壤水分進(jìn)行大范圍監(jiān)測(cè)有助于解決水循環(huán)、水文以及農(nóng)作物生長(zhǎng)等方面的問(wèn)題[2]。遙感方法常被用來(lái)快速獲取大范圍地表的土壤水分，其中微波遙感具有不受天氣和光照影響、穿透力強(qiáng)的特點(diǎn)而廣泛應(yīng)用于土壤水分反演，可以提高反演的可靠性和有效性[3-6]。但在植被覆蓋地表，植被層對(duì)土壤微波輻射信號(hào)的衰減、散射以及植被自身的輻射影響下，會(huì)降低土壤水反演精度[7]。

在土壤水分反演研究中，如何去除植被層的影響一直是研究的重點(diǎn)，并且已經(jīng)取得了一定的進(jìn)展。前期研究建立了一系列植被微波散射模型，可用于去除植被層對(duì)雷達(dá)后向散射系數(shù)的影響。其中應(yīng)用較為廣泛的有Attema等[8]提出的水云模型(Water-cloud)和Ulaby[9]等提出的密歇根(MIMISC)模型。張友靜等[10]基于TM和MODIS數(shù)據(jù)，通過(guò)水云模型去除了小麥對(duì)后向散射系數(shù)的影響，使用ASAR 數(shù)據(jù)反演了地表土壤水分。王春梅等[11]不使用光學(xué)輔助數(shù)據(jù)，采用雷達(dá)數(shù)據(jù)反演植被含水量，并輸入水云模型后去除了植被層影響，利用修正后的后向散射系數(shù)反演了夏玉米農(nóng)田的土壤水分。戴玉芳等[12]發(fā)現(xiàn)當(dāng)忽略樹干與地面的二面角散射時(shí)，水云模型(L波段SAR數(shù)據(jù))可以應(yīng)用于中國(guó)北方森林。鮑艷松等[13]基于ASAR和TM數(shù)據(jù)，結(jié)合MIMICS模型，估算了小麥地的土壤水分，并發(fā)現(xiàn)植被微波單次散射、雙程透過(guò)率與NDVI有很好的線性關(guān)系。已有研究表明，綜合利用光學(xué)數(shù)據(jù)和雷達(dá)數(shù)據(jù)，結(jié)合水云模型和MIMICS模型去除植被層的影響，可以有效地反演植被覆蓋地表的土壤水分。在水云模型中，植被含水量是一個(gè)占主導(dǎo)因素的參數(shù)，然而大范圍地測(cè)量植被含水量較為困難，通常利用光學(xué)數(shù)據(jù)進(jìn)行反演。除此之外，后向散射系數(shù)對(duì)地表粗糙度同樣敏感，需要去除地表粗糙度的影響以提高反演精度。

本文以“黑河綜合遙感聯(lián)合試驗(yàn)”數(shù)據(jù)集為基礎(chǔ)，對(duì)比分析了多種遙感植被指數(shù)與植被含水量的關(guān)系，構(gòu)建適用于西北干旱半干旱區(qū)域的植被含水量估算模型，獲取研究區(qū)的植被含水量后輸入水云模型，進(jìn)而得到地表裸土組分的后向散射系數(shù)。基于AIEM模型反演土壤水分，對(duì)比不同極化下的反演結(jié)果，從而提出一種適用于西北干旱半干旱區(qū)域的土壤水分反演新方法。

2 研究區(qū)概況與數(shù)據(jù)源

2.1 研究區(qū)概況

本文所用的地面實(shí)測(cè)數(shù)據(jù)來(lái)自 “黑河綜合遙感聯(lián)合實(shí)驗(yàn)”，黑河綜合遙感聯(lián)合試驗(yàn)的試驗(yàn)場(chǎng)位于甘肅省張掖市臨澤縣蘭大草地，地貌類型是由黑河水系沖積形成的走廊平原區(qū)，平均海拔約1 390 m，屬于大陸性荒漠草原氣候。當(dāng)?shù)啬昶骄鶜鉁?.7℃，多年平均降水量約120 mm，且降水集中在6～8月。研究區(qū)地表植被類型主要為禾本科低矮植被，如大麥、蘆葦和苜蓿等。

2.2 數(shù)據(jù)源

本文在數(shù)據(jù)集中選取了30個(gè)地面采樣點(diǎn)，包括每個(gè)采樣點(diǎn)經(jīng)緯度坐標(biāo)、采集的植被烘干前后質(zhì)量以及植被采集面積，計(jì)算得到植被含水量，同時(shí)包括每個(gè)采樣點(diǎn)0～5 cm的平均體積含水率以及粗糙度數(shù)據(jù)(包括相關(guān)長(zhǎng)度數(shù)據(jù))。雷達(dá)數(shù)據(jù)選用ENVISAT-1 衛(wèi)星上搭載的ASAR傳感器獲取的VV/VH雙極化數(shù)據(jù)，影像獲取時(shí)間為2008年7月11日，影像入射波段為C波段，地面分辨率為12.5 m×12.5 m，數(shù)據(jù)預(yù)處理后得到了每個(gè)像元的后向散射系數(shù)。光學(xué)數(shù)據(jù)采用準(zhǔn)同步的TM數(shù)據(jù)，獲取時(shí)間為2008年7月7日，用于計(jì)算遙感植被指數(shù)。

3 模型與方法

3.1 植被微波散射模型

在微波遙感方法估算土壤水分的研究中，通常建立符合研究區(qū)地表植被特性的植被散射模型，以去除植被對(duì)微波信號(hào)的影響。水云模型和MIMICS模型在近年來(lái)得到了大量驗(yàn)證和廣泛的應(yīng)用[7，11，13-14]。水云模型將植被層視為均質(zhì)的散射體，將地表分為植被層和地表兩部分，對(duì)應(yīng)的后向散射系數(shù)也分為兩部分：植被層直接反射回來(lái)的體散射項(xiàng)和經(jīng)植被層雙次衰減后的地表后向散射項(xiàng)，適用于低矮植被覆蓋地表。MIMICS模型將地表分為3個(gè)層次：植被冠層，植被莖稈和地表，更真實(shí)地模擬了植被覆蓋地表的微波后向散射，適用于高大植被覆蓋地表(森林等)。

研究區(qū)植被類型主要為低矮植被，故選擇水云模型作為植被微波散射模型。不考慮雷達(dá)陰影時(shí)，水云模型的表達(dá)式如下：

(1)

(2)

γ2(θ)=e-2B·Mveg/cosθ

(3)

式中：Mveg為植被含水量,kg /m2;A和B為依賴于植被類型的兩個(gè)經(jīng)驗(yàn)參數(shù)。由公式(2)～(3)可得土壤組分的后向散射系數(shù)表達(dá)式為：

(4)

公式(4)中只有植被含水量未知，所以首先需要反演研究區(qū)的植被含水量。

3.2 植被含水量反演

植被含水量通常有3種表達(dá)方式：葉片含水量(FMC)、相對(duì)含水量(RWC)和單位面積植被含水量(VWC)。其中，F(xiàn)MC與RWC與植被指數(shù)不存在明顯的相關(guān)性[15]。本文所反演的植被含水量指VWC，單位為kg /m2。已有研究指出，對(duì)植被含水量的光學(xué)估算集中在近紅外和短波紅外區(qū)[16]。“植被指數(shù)法”是目前較為成熟的反演方法，即通過(guò)建立植被指數(shù)與植被含水量之間的直接或者間接關(guān)系完成反演。常用指數(shù)有歸一化植被指數(shù)(NDVI)、歸一化水指數(shù)(NDWI)、比值植被指數(shù)(RVI)等，周鵬等[17]、聞熠等[18]使用和提出NDMI和MSAVI在各自研究區(qū)取得了較好的效果。由于實(shí)際地表環(huán)境的復(fù)雜性，不同的指數(shù)具有不同的適用性。故本文選取常用的多個(gè)植被指數(shù)建立植被含水量反演模型，各指數(shù)信息見表1。

表1 采用的植被光譜指數(shù)

使用歐空局開發(fā)的Snap軟件可以獲取遙感影像中各采樣點(diǎn)的指數(shù)值，建立上述采樣點(diǎn)的各指數(shù)值與植被含水量實(shí)測(cè)值之間的數(shù)學(xué)關(guān)系，進(jìn)而估算整個(gè)影像的植被含水量。

3.3 基于AIEM模型反演土壤水分

得到土壤組分的后向散射系數(shù)后，本文應(yīng)用AIEM模型反演土壤水分，AIEM模型通過(guò)輸入傳感器參數(shù)(入射角、頻率)和地表參數(shù)(粗糙度、土壤水分、土壤溫度、土壤質(zhì)地和自相關(guān)函數(shù))，可以得到最接近地表真實(shí)的后向散射系數(shù)，因此廣泛應(yīng)用于土壤水分反演。AIEM模型單次散射的后向散射系數(shù)表達(dá)式如下[19]：

(5)

(6)

式中：pq為極化方式；k1為介質(zhì)1中自由空間的波數(shù)；s為地表均方根高度；θ為雷達(dá)入射角；wn(ksx-kx,ksy-ky)為地表相關(guān)函數(shù)的n階傅里葉變換；ks=kcosθi；kss=kcosθs；kx=ksinθicosφ；ksx=ksinθscosφs；ky=ksinθisinφ；ksy=ksinθssinφs；θs、φs分別為散射角和散射方位角；φ為入射方位角；Fpq和fpq為與菲涅爾反射率有關(guān)的函數(shù)。由菲涅爾反射率可求出土壤介電常數(shù)，通過(guò)Dobson提供的公式[20]，可將土壤介電常數(shù)轉(zhuǎn)換為土壤水分。

同時(shí)土壤水分反演精度還受到地表粗糙度的影響，基于AIEM模型中土壤水分和地表粗糙度等參數(shù)之間的關(guān)系可以有效地去除粗糙度影響。在AIEM模型中，地表粗糙度參數(shù)包括均方根高度s和相關(guān)長(zhǎng)度l。本文采用LUT表法(Look-up table)估算土壤水分，反演速度較快且無(wú)需輸入地面實(shí)測(cè)數(shù)據(jù)。

在AIEM模型中，當(dāng)均方根高度s取某固定值時(shí)，相關(guān)長(zhǎng)度l與后向散射系數(shù)的相關(guān)性可以達(dá)到最大，此時(shí)AIEM模型計(jì)算出的后向散射系數(shù)與實(shí)測(cè)值最接近。本文取均方根高度范圍為1.0～2.0 cm(由先驗(yàn)知識(shí)確定)，步長(zhǎng)0.1 cm，運(yùn)行AIEM模型，得到采樣點(diǎn)相關(guān)長(zhǎng)度l的模擬值并分析與實(shí)測(cè)值之間的相關(guān)性。發(fā)現(xiàn)當(dāng)均方根高度取1.5 cm時(shí)，擬合得到相關(guān)長(zhǎng)度l與實(shí)測(cè)值相關(guān)性最高。故將均方根高度s取定值為1.5 cm，土壤水分取值范圍為5%～50%(由先驗(yàn)知識(shí)確定)，步長(zhǎng)取0.1%；相關(guān)長(zhǎng)度l取值范圍為10～40 cm(由擬合值范圍確定)，步長(zhǎng)取1 cm。同時(shí)輸入雷達(dá)入射角等參數(shù)，多次運(yùn)行AIEM模型，得到不同相關(guān)長(zhǎng)度、不同土壤水分條件下所對(duì)應(yīng)的雷達(dá)后向散射系數(shù)，建立LUT表。

從ASAR影像中獲取像元的后向散射系數(shù)后，設(shè)定代價(jià)函數(shù)，LUT表中查找代價(jià)函數(shù)最小時(shí)所對(duì)應(yīng)的土壤水分即為反演值。本文ENVI軟件裁剪ASAR影像得到研究區(qū)附近約1300像元*1300像元的影像，利用C++和GDAL庫(kù)[21]基于ASAR雙極化數(shù)據(jù)，通過(guò)LUT表法反演每個(gè)像元的土壤水分。

4 結(jié)果與討論

4.1 植被含水量估算模型及驗(yàn)證

在實(shí)測(cè)數(shù)據(jù)中，選取20個(gè)采樣點(diǎn)建立植被含水量反演模型，10個(gè)采樣點(diǎn)用于驗(yàn)證植被含水量反演精度。通過(guò)線性、指數(shù)、對(duì)數(shù)和多項(xiàng)式等模型擬合來(lái)建立反演模型，發(fā)現(xiàn)植被指數(shù)與植被含水量之間有較好的多項(xiàng)式關(guān)系，且當(dāng)多項(xiàng)式的次數(shù)大于2時(shí)，反演公式變得更復(fù)雜且相關(guān)性沒(méi)有顯著提高，故確定多項(xiàng)式次數(shù)為2。圖1顯示了植被含水量和植被指數(shù)的散點(diǎn)圖及擬合的多項(xiàng)式曲線。

圖1 植被指數(shù)與植被含水量擬合關(guān)系

從圖1可以看出，所采用的植被指數(shù)與植被含水量都有較高的相關(guān)性，其中RVI與VWC相關(guān)性最高，R2為0.73。為進(jìn)一步驗(yàn)證模型的準(zhǔn)確性，用上述各植被指數(shù)擬合得到的數(shù)學(xué)公式計(jì)算其余10個(gè)采樣點(diǎn)的植被含水量，并用實(shí)測(cè)值進(jìn)行驗(yàn)證，得到各指數(shù)的反演精度見表2。

表2 各指數(shù)反演精度

綜合對(duì)比各評(píng)價(jià)指標(biāo)發(fā)現(xiàn)RVI在本類型研究區(qū)(稀疏、低矮植被覆蓋區(qū)域)反演植被含水量的精度要高于其他植被指數(shù)，預(yù)測(cè)值與實(shí)測(cè)值之間的R2可達(dá)0.71，MRE為10.6%。故本文使用RVI建立的模型估算植被含水量，得到像元尺度的植被含水量。

4.2 植被層影響的去除

從圖2可以看出，去除植被層的影響后的后向散射系數(shù)在數(shù)值上有所減小，VV極化減少約0.5～2個(gè)單位(dB)，VH極化減少約1～4個(gè)單位(dB)，減少值主要取決于植被覆蓋程度和原始后向散射系數(shù)的值。

4.3 土壤水分反演結(jié)果驗(yàn)證

本文采用LUT表法反演土壤水分時(shí)，僅用相關(guān)長(zhǎng)度數(shù)據(jù)驗(yàn)證均方根高度s的最佳取值，建立反演數(shù)據(jù)庫(kù)時(shí)，并未用到實(shí)測(cè)土壤水分值。因此用30個(gè)采樣點(diǎn)的土壤水分值驗(yàn)證反演精度。使用LUT法反演得到去除植被影響前后、不同極化條件的后向散射系數(shù)下的土壤水分，并獲取采樣點(diǎn)的反演值。作出上述4種反演條件下的采樣點(diǎn)的土壤水分反演值與實(shí)測(cè)值的散點(diǎn)圖，圖3顯示了未去除植被影響的反演結(jié)果與實(shí)測(cè)值的散點(diǎn)圖。

從圖3可以看出，未去除植被影響時(shí)，VV極化下的反演結(jié)果要明顯優(yōu)于VH極化。去除植被影響后，用改正的后向散射系數(shù)反演的土壤水分值與實(shí)測(cè)值的散點(diǎn)圖，如圖4。

對(duì)比圖3和圖4發(fā)現(xiàn)，去除植被影響后，土壤水分反演精度明顯提高，VV和VH兩種極化的反演結(jié)果的R2分別提高了0.08和0.07，平均絕對(duì)誤差MAE也有一定下降。其中，反演精度最高的是去除植被影響后VV極化的反演結(jié)果，R2達(dá)到了0.74，RMSE為0.039以及MAE為0.043個(gè)單位。

4.4 土壤水分的空間分布

基于LUT表法，應(yīng)用去除植被影響后的VV極化數(shù)據(jù)反演的研究區(qū)土壤水分如圖5所示。本文選用的準(zhǔn)同步TM數(shù)據(jù)如圖6所示。

圖2 后向散射系數(shù)變化

圖4 去除植被影響后的反演結(jié)果與實(shí)測(cè)值

圖5 土壤水分反演結(jié)果圖 圖6 TM影像(5,4,3波段)

結(jié)合圖5～6，可以看出反演結(jié)果與實(shí)際情況基本吻合：(1)TM影像中植被覆蓋的區(qū)域(綠色部分)，土壤水分較高，相應(yīng)反演結(jié)果圖上顏色偏黃且有藍(lán)色斑塊；(2)TM影像中裸土區(qū)域(紫色部分)土壤水分較低，顏色呈現(xiàn)暗紅色；(3)TM影像中水體部分，如研究區(qū)北部的河流(黑河)、中部偏西南的湖泊(深黑色)土壤水分均為最小值，結(jié)果符合實(shí)際邏輯。

5 結(jié) 論

本文通過(guò)LandSat5 TM和ENVISAT-1 ASAR數(shù)據(jù)對(duì)黑河中游植被覆蓋區(qū)域的土壤水分反演方法進(jìn)行了研究。首先，選取多個(gè)植被指數(shù)(EVI、NDVI、NDWI、RVI和SAVI)對(duì)植被含水量進(jìn)行反演，并進(jìn)行對(duì)比分析，確定了基于RVI的反演植被含水量模型。其次，利用水云模型去除植被對(duì)雷達(dá)后向散射系數(shù)的影響。最后，基于AIEM模型使用LUT表法進(jìn)行土壤水分反演，對(duì)比反演結(jié)果與實(shí)測(cè)值，有以下結(jié)論：

(1)植被對(duì)地表土壤水分的反演結(jié)果有一定影響，消除植被對(duì)后向散射影響的土壤水分反演，可以提高土壤水分反演精度；

(2)在西北干旱半干旱區(qū)域，植被分布稀疏且低矮植被所占比重較高，使用RVI進(jìn)行植被含水量反演精度優(yōu)于常規(guī)使用的NDVI與NDWI，究其原因，RVI與葉面積指數(shù)(LAI)、葉干生物量(DM)、葉綠素含量等相關(guān)性高，而植被含水量與LAI、DM具有較高的相關(guān)性；

(3)在西北干旱半干旱區(qū)域，使用VV極化下后向散射系數(shù)進(jìn)行土壤水分反演結(jié)果要優(yōu)于VH極化下的結(jié)果；

(4)反演所使用的LUT表法，運(yùn)算相比于常規(guī)的求解非線性方程組方法，易于編程實(shí)現(xiàn)和快速得到地表土壤水分。