多時(shí)相SAR的喀斯特山區(qū)耕地表層土壤水分反演

張 淑， 周忠發(fā)， 王玲玉， 陳 全， 駱劍承， 趙 馨

(1.貴州師范大學(xué)地理與環(huán)境科學(xué)學(xué)院/喀斯特研究院，貴陽(yáng) 550001； 2.貴州省喀斯特山地生態(tài)環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地，貴陽(yáng) 550001； 3.國(guó)家喀斯特石漠化防治工程技術(shù)研究中心，貴陽(yáng) 550001； 4.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100101)

0 引言

土壤水分是氣象、水文、農(nóng)業(yè)等科學(xué)領(lǐng)域的關(guān)鍵參數(shù)[1]。在農(nóng)業(yè)生產(chǎn)中，土壤水分是作物估產(chǎn)和干旱監(jiān)測(cè)的重要指標(biāo)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(gè)水循環(huán)過(guò)程的20%[3]。中國(guó)南方喀斯特山區(qū)降雨雖多，但地表破碎，表層漏水嚴(yán)重。烤煙是西南山區(qū)重要的經(jīng)濟(jì)作物，土壤水分的高低對(duì)烤煙的品質(zhì)和產(chǎn)量有明顯的影響，而且土壤水分是煙草生長(zhǎng)發(fā)育生理需水和生態(tài)需水的主要來(lái)源[4]。因此，研究西南喀斯特山區(qū)耕地地表土壤水分時(shí)空分布對(duì)該地區(qū)的作物生長(zhǎng)、干旱監(jiān)測(cè)和水資源分配都具有重要意義。

合成孔徑雷達(dá)(synthetic aperture Radar, SAR)分辨率高，因其具有全天候、全天時(shí)、多極化、穿透力強(qiáng)等觀(guān)測(cè)特點(diǎn)被廣泛應(yīng)用于土壤水分反演研究[5]，微波能夠穿透地表，但會(huì)受土壤粗糙度、土壤介電常數(shù)和地表植被覆蓋的影響，尤其是地表植被覆蓋會(huì)直接影響雷達(dá)的后向散射系數(shù)[6-7]。微波經(jīng)過(guò)植被層會(huì)發(fā)生散射和反射現(xiàn)象，不同植被覆蓋度對(duì)雷達(dá)后向散射系數(shù)的影響不同，如何去除植被的影響是植被覆蓋區(qū)雷達(dá)反演土壤水分的重點(diǎn)。常用的植被散射模型有理論模型、經(jīng)驗(yàn)和半經(jīng)驗(yàn)?zāi)Ｐ停碚撃Ｐ腿缑苄⒉ㄖ脖簧⑸淠Ｐ蚚8]，該模型適用于森林等高植被覆蓋區(qū)域； 經(jīng)驗(yàn)和半經(jīng)驗(yàn)?zāi)Ｐ桶ū戎捣匠棠Ｐ蚚9]、Roo模型[10]和水云模型[11]等。其中，水云模型的形式簡(jiǎn)單，參數(shù)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(shù)，被廣泛的應(yīng)用于估算農(nóng)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(yōu)勢(shì)明顯，但是在喀斯特山區(qū)同樣遇到了問(wèn)題，導(dǎo)致難以開(kāi)展相關(guān)工作。①水云模型中的重要參數(shù)植被含水量(vegetation water content, VWC)的計(jì)算需要光學(xué)數(shù)據(jù)參與[11]，喀斯特山區(qū)常年多云雨，傳統(tǒng)的光學(xué)遙感影像難以獲取多期與雷達(dá)影像過(guò)境日期相同的影像，而基于無(wú)人機(jī)(unmanned aerial vehicle, UAV)影像的可見(jiàn)光植被指數(shù)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(jiàn)光顏色指數(shù)區(qū)分植被與非植被方面做了探索，適用性高，為VWC計(jì)算提供可靠的依據(jù)； ②對(duì)于如何建立土壤后向散射系數(shù)與土壤水分的函數(shù)關(guān)系，研究者總結(jié)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(xiàn)性問(wèn)題、泛化能力強(qiáng)等優(yōu)點(diǎn)被應(yīng)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(dá)數(shù)據(jù)反演土壤水分的研究多是基于像素，混合像元嚴(yán)重，耕地邊界不清晰，降低了反演精度，而喀斯特山區(qū)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(huì)擴(kuò)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(zhǔn)探究作物生長(zhǎng)的特征信息，同時(shí)以往的土壤水分反演研究多討論反演精度問(wèn)題，對(duì)反演后土壤水分對(duì)作物的影響關(guān)系的研究不多[15-20]，目前，喀斯特地區(qū)基于地塊尺度的耕地信息獲取已在種植結(jié)構(gòu)[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(jié)果，為喀斯特山區(qū)耕地土壤水分反演提供參考，而地塊級(jí)耕地土壤水分反演是否能規(guī)避上述問(wèn)題且適用于喀斯特山區(qū)，土壤水分對(duì)耕地上覆作物的影響如何將是研究的重點(diǎn)。

為此，研究以地塊為研究單元，擬采用多期Sentinel-1 SAR數(shù)據(jù)和UAV數(shù)據(jù)，使用水云模型和SVR模型，根據(jù)喀斯特山區(qū)的氣象特點(diǎn)，引入可見(jiàn)光植被指數(shù)代替?zhèn)鹘y(tǒng)的遙感植被指數(shù)，反演喀斯特山區(qū)耕地表層土壤水分，并分析土壤水分的時(shí)空分布特征和土壤水分對(duì)作物生長(zhǎng)的影響，以期為多云雨山區(qū)田間土壤水分監(jiān)測(cè)提供可行方法和思路，為田間灌溉提供可靠支撐。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)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(fēng)濕潤(rùn)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(jīng)濟(jì)作物其種植范圍涉及8個(gè)鄉(xiāng)鎮(zhèn)，種植面積約為3.2萬(wàn)畝[注]1畝≈666.67 m2。研究區(qū)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(yàn)區(qū)，均位于長(zhǎng)田鎮(zhèn)盧家高山附近，試驗(yàn)區(qū)煙草種植分布集中； 圖1(d)為E3試驗(yàn)區(qū)，位于北盤(pán)江鎮(zhèn)青杠林村。

圖1 研究區(qū)及樣本的位置

1.2 數(shù)據(jù)獲取與預(yù)處理

研究所用數(shù)據(jù)包括Sentinel-1A SAR影像、Google Earth影像、UAV遙感影像和地面實(shí)測(cè)數(shù)據(jù)，詳細(xì)信息見(jiàn)表1。

表1 土壤水分反演數(shù)據(jù)來(lái)源Tab.1 Dataset list of soil moisture content inversion

1.2.1 遙感數(shù)據(jù)獲取與預(yù)處理

表2 Sentinel-1數(shù)據(jù)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(lái)計(jì)算地塊尺度的VWC。研究采用Google Earth 18級(jí)影像數(shù)據(jù)，針對(duì)喀斯特山區(qū)的耕地特點(diǎn)，建立基于深度學(xué)習(xí)的邊緣模型和語(yǔ)義分割算法提取研究區(qū)的耕地地塊[24]，使用UAV影像進(jìn)行目視人工解譯以保證耕地?cái)?shù)據(jù)的精度。

1.2.2 地面數(shù)據(jù)獲取

衛(wèi)星過(guò)境時(shí)同步采集煙草地面數(shù)據(jù)(T1—T4)，采集時(shí)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(zhǎng)期)、2020年8月30日—9月1日(成熟期)，實(shí)測(cè)樣本的土壤水分作為遙感反演結(jié)果的校正、測(cè)試和訓(xùn)練數(shù)據(jù)。使用TDR 300便攜式土壤水分速測(cè)儀進(jìn)行土壤含水量測(cè)量，探針長(zhǎng)度為7.6 cm，實(shí)測(cè)土壤水分為土壤體積含水量，單位為%，每期采集225個(gè)樣點(diǎn)數(shù)據(jù)，分布在45個(gè)樣地內(nèi)，每塊樣地用全球定位系統(tǒng)(global positioning system,GPS)記錄采樣點(diǎn)的中心位置，本次實(shí)驗(yàn)共采集4次數(shù)據(jù)，均在同一樣地內(nèi)，避免其他因素的干擾。3個(gè)試驗(yàn)區(qū)的土壤類(lèi)型均為黃壤，以實(shí)測(cè)值反演土壤水分，其反演值與實(shí)測(cè)值深度一致。根據(jù)實(shí)地采樣數(shù)據(jù)，以樣本均值為例。煙草生長(zhǎng)期的具體數(shù)據(jù)如表3所示，隨著煙草的不斷生長(zhǎng)，其株高、葉展和葉片數(shù)呈上升趨勢(shì)，隨著煙草的成熟和采摘，其株高、葉展、葉片數(shù)和葉面積指數(shù)(leaf area index, LAI)也隨之下降。

表3 煙草不同生長(zhǎng)期基礎(chǔ)數(shù)據(jù)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(zhǎng)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(gè)部分構(gòu)成： 首先，獲得預(yù)處理后Sentinel-1影像的后向散射系數(shù)，喀斯特山區(qū)耕地面積相對(duì)較小，將Sentinel-1影像后向散射系數(shù)賦值到地塊時(shí)可能存在混合像元問(wèn)題，針對(duì)上述問(wèn)題將過(guò)小的地塊進(jìn)行合并后再將后向散射系數(shù)的平均值賦值到耕地地塊； 其次，根據(jù)UAV影像計(jì)算煙草4個(gè)生長(zhǎng)期的VWC，并將VWC賦值到地塊，UAV數(shù)據(jù)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(xiàn)Sentinel-1和UAV的尺度問(wèn)題； 通過(guò)VWC和后向散射系數(shù)構(gòu)建水云模型，得到煙草4個(gè)生長(zhǎng)期的裸土后向散射系數(shù)； 最后，建立SVR數(shù)據(jù)庫(kù)，得到煙草地塊的土壤水分時(shí)空分布特征。具體技術(shù)路線(xiàn)如圖2所示。

圖2 技術(shù)路線(xiàn)圖Fig.2 Technology roadmap

2.1 基于UAV的植被指數(shù)計(jì)算

通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)可見(jiàn)光波段差異植被指數(shù)(visible-band difference vegetation index, VDVI)區(qū)分植被與非植被的效果較好，在反演土壤水分的過(guò)程中VWC是計(jì)算土壤含水量的重要參數(shù)，VDVI與VWC的關(guān)系可以來(lái)表征VWC的值。根據(jù)文獻(xiàn)[12]，VDVI對(duì)健康植被的提取精度達(dá)到91.50%，適用于健康植被的信息提取。VDVI的計(jì)算公式為：

(1)

式中R,G，B分別為紅光、綠光、藍(lán)光3個(gè)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(duì)耕地提出了估算農(nóng)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(gè)均勻的散射體，忽略植被和地表之間的多次散射，即農(nóng)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(jīng)驗(yàn)參數(shù)。

煙草5月份的植株較小，耕地表面裸露，根據(jù)地面獲取的裸土參數(shù)對(duì)水云模型的參數(shù)A,B,C,D采用最小二乘法進(jìn)行校正，得出A,B,C,D分別為0.086，0.634，-0.005，0.088，決定系數(shù)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(jī)分類(lèi)被推廣到回歸問(wèn)題時(shí)稱(chēng)為SVR。SVR的本質(zhì)為找到一個(gè)回歸平面，讓集合中的所有數(shù)值離該平面的距離最近[18-19]。其預(yù)測(cè)函數(shù)和徑向基核函數(shù)公式分別為：

(6)

(7)

3 結(jié)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(jié)果精度分析

根據(jù)SVR模型分別反演出不同極化方式的測(cè)試集的土壤含水量(圖3)。圖3(a)中，VH極化測(cè)試集的煙草在不同生長(zhǎng)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(shù)R2=0.724，RMSE=0.556%； 圖3(b)中，VV極化測(cè)試集的煙草在不同生長(zhǎng)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(dá)更多的地表信息，而交叉極化方式則對(duì)植被信息更敏感，包含更多植被信息[27]。上述結(jié)果表明基于可見(jiàn)光的植被指數(shù)能夠被應(yīng)用于水云模型中參與土壤含水量反演模型的構(gòu)建且反演精度較為穩(wěn)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(duì)煙草4個(gè)生長(zhǎng)期的土壤水分進(jìn)行反演。為了較為準(zhǔn)確地分析土壤含水量的誤差來(lái)源，研究將煙草4個(gè)生長(zhǎng)期的實(shí)測(cè)土壤含水量與其反演值作對(duì)比(圖4)。T1時(shí)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(shí)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(gè)時(shí)刻； T3時(shí)刻的反演誤差整體平穩(wěn)； T4時(shí)刻的反演誤差整體較大，最大反演誤差為3.711%。結(jié)合地面實(shí)測(cè)數(shù)據(jù)對(duì)煙草不同生長(zhǎng)期的反演誤差分析，T1時(shí)刻屬于移栽后根系逐漸恢復(fù)生機(jī)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(jié)合實(shí)測(cè)值位置發(fā)現(xiàn)反演誤差較大樣本點(diǎn)靠近采石場(chǎng)或者有巖石裸露區(qū)域； T4時(shí)刻煙草成熟，觀(guān)測(cè)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(gè)生長(zhǎng)期共180個(gè)實(shí)測(cè)樣本的土壤含水量實(shí)測(cè)值、反演值與誤差值分布

煙草4個(gè)生長(zhǎng)期的土壤含水量詳細(xì)統(tǒng)計(jì)結(jié)果見(jiàn)圖5，反演值和實(shí)測(cè)值的均值差值小，但反演的土壤水分含量結(jié)果要相對(duì)集中，出現(xiàn)上述現(xiàn)象的原因可能是樣本采樣時(shí)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(shí)測(cè)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(shí)測(cè)樣本均值要略微低于反演樣本值； 煙草4個(gè)生長(zhǎng)期反演范圍與實(shí)測(cè)范圍的總體差異較小，說(shuō)明反演精度較好，但土壤含水量實(shí)測(cè)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(jié)果均衡了整個(gè)煙草地塊； T3時(shí)刻反演值整體偏集中，該時(shí)刻氣候干旱，降雨量少且無(wú)有效灌溉，使得整體土壤水分呈現(xiàn)較低的水平。

圖5 研究區(qū)煙草樣本反演值與實(shí)測(cè)值的土壤含水量統(tǒng)計(jì)Fig.5 Statistic on result of soil moisture in study area

3.1.3 降雨量對(duì)土壤含水量影響分析

煙草在T1和T3時(shí)刻的土壤含水量較低，同時(shí)將該地區(qū)5—9月的日降雨量與反演的平均土壤含水量對(duì)比分析(圖6)發(fā)現(xiàn)，土壤含水量的高低趨勢(shì)與該地區(qū)的降雨趨勢(shì)高度一致； 在T1與T3時(shí)刻，該地區(qū)的降雨量較低或幾乎無(wú)降雨發(fā)生，而T2與T4時(shí)刻，該地區(qū)降雨量較高，伸根期(T2)該地區(qū)前一周降雨量均值為108 mm，成熟期(T3)該地區(qū)前一周的降雨量均值為62 mm，這2個(gè)時(shí)刻煙草的土壤含水量與降雨量趨勢(shì)保持一致； 以上結(jié)果表明煙草土壤水分布與降雨量關(guān)系密切，且表現(xiàn)出明顯的正相關(guān)關(guān)系。

圖6 煙草不同生長(zhǎng)期土壤含水量反演結(jié)果與降雨量統(tǒng)計(jì)Fig.6 Statistics of soil moisture fordifferent growth stages of tabacco

3.2 煙草不同生長(zhǎng)期土壤含水量時(shí)空分析

根據(jù)實(shí)地調(diào)查和已有的經(jīng)驗(yàn)，T1時(shí)刻煙草移栽到大田，根系逐漸恢復(fù)生機(jī)，仍然處于低植被覆蓋度階段，根據(jù)反演得到煙草4個(gè)生長(zhǎng)期的土壤水分時(shí)空分布特征(圖7)T1時(shí)刻所示，該時(shí)刻土壤含水量整體偏低且空間分布均勻，差異性較小，3個(gè)試驗(yàn)區(qū)的土壤含水量均值為11.491%，土壤較為干燥，為了使煙草恢復(fù)活力并使其生長(zhǎng)，通常需要在此期間進(jìn)行水肥灌溉； 6月23日土壤含水量保持較高水平，試驗(yàn)區(qū)均處于降雨中，土壤較為潮濕，與T1時(shí)刻相比呈明顯的上升趨勢(shì)，這與我們的先驗(yàn)知識(shí)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(dāng)煙草生長(zhǎng)旺盛時(shí)，耗水量急劇增加，為了確保植物對(duì)水的需求，應(yīng)上下兼顧，土壤水分過(guò)多時(shí)及時(shí)排水，過(guò)少時(shí)進(jìn)行灌溉，保證根系生長(zhǎng)； 7月28日整體土壤含水量最低，平均值為10.126%，此時(shí)的煙草處于缺水階段，旺長(zhǎng)期的煙草葉面積迅速增加，對(duì)水肥的需求增加，保證煙草的產(chǎn)量和質(zhì)量非常關(guān)鍵，由于該時(shí)刻天氣晴朗并無(wú)降雨，應(yīng)對(duì)煙草適當(dāng)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(jù)實(shí)地采樣發(fā)現(xiàn)，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(yàn)區(qū)煙草不同生長(zhǎng)期土壤含水量

根據(jù)獲得的氣象資料，研究區(qū)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(qū)6月的土壤含水量最高，與實(shí)際情況相吻合，進(jìn)一步證明了水云模型的有效性且VDVI可以用于VWC的計(jì)算，由此得出結(jié)論，本研究所用模型適用于整個(gè)煙草生長(zhǎng)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(shí)，石漠化耕地也出現(xiàn)了精度降低的情況。

3.3 煙草生長(zhǎng)過(guò)程與土壤含水量的關(guān)系分析

3.3.1 煙草生長(zhǎng)過(guò)程與土壤含水量相關(guān)性分析

為探討土壤水分在煙草生長(zhǎng)過(guò)程的響應(yīng)特性，利用SPSS軟件，計(jì)算土壤水分、株高、葉展、葉片數(shù)和LAI值的Pearson相關(guān)系數(shù)，結(jié)果如表4所示。T2時(shí)刻，株高與土壤水分呈顯著正向相關(guān)，到T4時(shí)刻，

表4 煙草不同生長(zhǎng)期土壤水分與株高、葉展、葉片數(shù)及LAI的相關(guān)關(guān)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(cè))上顯著相關(guān)；*為0.05水平(雙側(cè))上顯著相關(guān)。

土壤水分與株高同樣呈現(xiàn)正相關(guān)關(guān)系，說(shuō)明土壤水分會(huì)影響煙草植株的高度； 煙草的葉展在低土壤水分時(shí)呈負(fù)相關(guān)，高土壤水分時(shí)呈正相關(guān)，葉片逐漸增大； 煙草葉片數(shù)與土壤水分在成熟期呈顯著的負(fù)相關(guān)關(guān)系，該時(shí)刻大部分煙草已經(jīng)收割，人為因素的影響較大； T4時(shí)刻LAI與土壤水分呈顯著負(fù)相關(guān)，喀斯特山區(qū)成熟期煙草生長(zhǎng)較多雜草土壤保水性增加，但煙草多已收割，故會(huì)出現(xiàn)土壤水分越高，葉面積越小的現(xiàn)象。

3.3.2 煙草生長(zhǎng)過(guò)程與土壤含水量的變化分析

為探究不同生長(zhǎng)期土壤水分的高低是否會(huì)影響煙草的生長(zhǎng)，將煙草4個(gè)生長(zhǎng)期的土壤水分與煙草的株高、葉展、葉片數(shù)和LAI進(jìn)行對(duì)比分析，結(jié)果如圖8所示。煙草還苗期株高、葉展、葉片數(shù)和LAI整體較均勻，無(wú)明顯差異，說(shuō)明土壤水分在煙草生長(zhǎng)的早期作用不太明顯； 到T2時(shí)刻，煙草呈生長(zhǎng)顯著的趨勢(shì)，此時(shí)的土壤水分充足，煙草的各項(xiàng)生長(zhǎng)指標(biāo)表現(xiàn)良好； 說(shuō)明適宜的土壤水分和養(yǎng)分積累，對(duì)煙草的生長(zhǎng)起促進(jìn)作用； T3時(shí)刻，土壤水分低，煙草各項(xiàng)生長(zhǎng)指標(biāo)出現(xiàn)小幅度增長(zhǎng)，LAI和葉片數(shù)出現(xiàn)下降趨勢(shì)，與煙草打頂關(guān)系密切，煙草打頂抑制了頂端生長(zhǎng)，能夠促進(jìn)根系發(fā)育，調(diào)控?zé)熤甑拈L(zhǎng)勢(shì)、長(zhǎng)相，使煙葉產(chǎn)量、質(zhì)量同步提高，但該時(shí)刻土壤水分略低應(yīng)注意水肥養(yǎng)護(hù)； T4時(shí)刻煙草基本采摘完畢，除煙草株高外，LAI、葉展和葉片數(shù)呈明顯下降趨勢(shì)。

圖8 煙草不同生長(zhǎng)期株高、葉展、葉片數(shù)、LAI與土壤含水量的變化過(guò)程

4 結(jié)論與討論

研究基于Sentinel-1 SAR和UAV數(shù)據(jù)作為土壤水分反演的數(shù)據(jù)源，通過(guò)UAV影像計(jì)算VWC，然后通過(guò)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(zhǎng)期的土壤含水量時(shí)空分布特征以及土壤含水量對(duì)煙草生長(zhǎng)狀況的影響，主要得出以下結(jié)論：

1)基于水云模型和SVR模型，并結(jié)合主動(dòng)微波和可見(jiàn)光遙感數(shù)據(jù)，可以應(yīng)用于喀斯特山區(qū)小區(qū)域土壤水分反演，多源數(shù)據(jù)能夠同時(shí)估算VWC和土壤水分，避免病態(tài)反演問(wèn)題。研究使用VDVI計(jì)算VWC取得了較理想的反演結(jié)果，同極化方式的土壤水分反演結(jié)果R2=0.843，RMSE=0.983%，反演精度較高，與地面實(shí)測(cè)值相差較小。

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

3)煙草株高在T2和T4與土壤水分正向相關(guān)，葉展在T2與土壤水分正向相關(guān)，而葉片數(shù)和LAI在T4與土壤水分負(fù)相關(guān)，而T4時(shí)刻煙草受采摘和雜草影響較大，煙草采摘后，煙田出現(xiàn)短暫的撂荒期，土壤保水能力增強(qiáng)，故呈現(xiàn)負(fù)相關(guān)關(guān)系。實(shí)際上，土壤水分促進(jìn)了煙草的生長(zhǎng)，T1—T3土壤水分在株高、葉展、葉片數(shù)和LAI表現(xiàn)出不同程度的影響，不同生長(zhǎng)期的影響效果也各不相同。

本研究在進(jìn)行土壤水分回歸反演過(guò)程中考慮不同生長(zhǎng)期煙草的生長(zhǎng)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(shí)際觀(guān)測(cè)發(fā)現(xiàn)煙草為壟耕作物，煙草生長(zhǎng)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(jiàn)光植被指數(shù)計(jì)算植被含水量，為土壤水分反演提供了一個(gè)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(xì)比較各可見(jiàn)光植被指數(shù)的優(yōu)缺點(diǎn)，另外，可見(jiàn)光植被指數(shù)雖能區(qū)分植被與非植被，但是不及NDVI表達(dá)植被的能力； 水云模型屬于半經(jīng)驗(yàn)?zāi)Ｐ停浣?jīng)驗(yàn)參數(shù)有較明顯的區(qū)域性，本研究對(duì)水云模型進(jìn)行了校正使得其適用于本研究區(qū)，而校正后的水云模型的普適性未進(jìn)行驗(yàn)證； 在后續(xù)的研究中將針對(duì)上述問(wèn)題加強(qiáng)試驗(yàn)。研究主要經(jīng)濟(jì)作物為煙草，后續(xù)研究中將探討喀斯特山區(qū)其他地塊級(jí)耕地類(lèi)型的適用性。