土壤墑情遙感監(jiān)測(cè)方法與模型研究綜述

基金項(xiàng)目：漳州市自然科學(xué)基金項(xiàng)目“漳州生態(tài)茶園時(shí)空演變與生物量的遙感估算”（ZZ2023J05）。

作者簡(jiǎn)介：李艷（1982—），女，博士，副教授，研究方向：遙感監(jiān)測(cè)。

摘 要：土壤墑情對(duì)作物生長(zhǎng)和區(qū)域生態(tài)環(huán)境的影響極大。為了解學(xué)界對(duì)土壤墑情遙感監(jiān)測(cè)方法與模型的研究進(jìn)展，在收集和分析大量文獻(xiàn)的基礎(chǔ)上，對(duì)相關(guān)內(nèi)容進(jìn)行綜述，重點(diǎn)對(duì)比分析光學(xué)遙感和微波遙感在土壤墑情監(jiān)測(cè)中的應(yīng)用優(yōu)勢(shì)和不足；提出將光學(xué)遙感和微波遙感融合應(yīng)用，以提供更全面、準(zhǔn)確的土壤墑情信息，發(fā)揮其在農(nóng)業(yè)灌溉管理、干旱監(jiān)測(cè)和水資源管理等方面的重要價(jià)值；展望未來，提出探索高分辨率遙感、機(jī)器學(xué)習(xí)和人工智能的應(yīng)用，以及時(shí)空動(dòng)態(tài)監(jiān)測(cè)和開放數(shù)據(jù)共享與合作等研究發(fā)展趨勢(shì)，從而為農(nóng)業(yè)生產(chǎn)和水資源管理提供更精確的信息支持。

關(guān)鍵詞：土壤墑情；遙感監(jiān)測(cè)；方法與模型；光學(xué)遙感；微波遙感

中圖分類號(hào)：S152.7 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-7909（2024）1-132-4

DOI：10.19345/j.cnki.xckj.1674-7909.2024.01.033

0 引言

土壤墑情是影響作物生長(zhǎng)發(fā)育的決定性因素之一，同時(shí)也是干旱評(píng)價(jià)及農(nóng)作物估產(chǎn)的重要參數(shù)。準(zhǔn)確監(jiān)測(cè)土壤墑情并制定輸水配水計(jì)劃，對(duì)節(jié)約水資源和提高農(nóng)作物產(chǎn)量具有重要意義［1］。

利用實(shí)測(cè)站點(diǎn)對(duì)土壤墑情進(jìn)行監(jiān)測(cè)需要消耗大量的人力和財(cái)力，且難以對(duì)土壤墑情進(jìn)行大范圍實(shí)時(shí)監(jiān)測(cè)［2］。利用遙感技術(shù)反演和監(jiān)測(cè)土壤墑情始于20世紀(jì)60年代，并隨著遙感技術(shù)的快速發(fā)展，成為土壤墑情定量監(jiān)測(cè)的重要方式和發(fā)展方向。根據(jù)土壤的物理特性和輻射理論，可利用光學(xué)遙感和微波遙感數(shù)據(jù)來反演和監(jiān)測(cè)土壤墑情。

1 應(yīng)用光學(xué)遙感反演和監(jiān)測(cè)土壤墑情研究現(xiàn)狀

光學(xué)遙感是目前發(fā)展最為成熟的遙感手段，通過地物反射輻射特征變化模擬地表植被覆蓋類型、地表溫度、土壤熱慣量及地表蒸散發(fā)與土壤含水量之間的經(jīng)驗(yàn)關(guān)系等，從而實(shí)現(xiàn)對(duì)土壤墑情的反演，主要有基于可見光[-]近紅外波段、基于熱紅外波段及綜合利用可見光[-]近紅外和熱紅外波段的3類應(yīng)用方法。

1.1 應(yīng)用可見光[-]近紅外遙感反演和監(jiān)測(cè)土壤墑情

應(yīng)用可見光-近紅外遙感監(jiān)測(cè)土壤墑情，主要是基于土壤和土壤上植被的光譜反射特性，應(yīng)用方法主要有反射率法和植被指數(shù)法。Bowers等［3］利用土壤反射率與土壤墑情之間的關(guān)系，建立了土壤墑情反演模型的理論基礎(chǔ)。近年來，隨著機(jī)器學(xué)習(xí)的發(fā)展，眾多基于機(jī)器學(xué)習(xí)的算法（支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等）及深度學(xué)習(xí)等廣泛應(yīng)用于土壤墑情反演。姜傳禮等 ［4］采用多元線性逐步回歸、偏最小二乘回歸和后向神經(jīng)網(wǎng)絡(luò)3種方法對(duì)土壤含水量與土壤光譜進(jìn)行建模，發(fā)現(xiàn)后向神經(jīng)網(wǎng)絡(luò)模型在反演研究區(qū)土壤墑情方面具有較高的精確性。

反射率法在裸土土壤墑情反演中能夠獲得較好的效果。然而，當(dāng)植被覆蓋地表時(shí)，反射率法存在較大誤差。植被指數(shù)法通過反映植被的生長(zhǎng)狀況間接反映土壤墑情，適合植被覆蓋區(qū)域的土壤墑情反演。眾多學(xué)者也提出了一系列植被指數(shù)，如歸一化植被指數(shù)［5］、植被調(diào)整垂直干旱指數(shù)［6］、條件植被溫度指數(shù)［7］等。此外，張傳波等［8］結(jié)合反射率法和植被指數(shù)法對(duì)農(nóng)田的土壤墑情進(jìn)行了估算，取得了較好的反演結(jié)果。

反射率法和植被指數(shù)法方法簡(jiǎn)單，參數(shù)條件小，然而由于影響土壤和植被光譜的因素較多，導(dǎo)致其應(yīng)用受到一定限制。

1.2 應(yīng)用熱紅外遙感反演和監(jiān)測(cè)土壤墑情

在熱紅外波段，研究人員可通過土壤溫度變化和熱慣量反演土壤墑情。熱慣量是一種用于度量物質(zhì)熱惰性大小的物理量，反映了物質(zhì)與周圍能量的交換能力。Pohn等［9］在其研究中采用了熱慣量模型，并結(jié)合熱紅外波段遙感獲取地表溫度日變化幅度，從而估測(cè)土壤墑情。Price等［10］提出了表觀熱慣量的概念，并利用該概念估算了土壤墑情。王凱霖等［11］應(yīng)用表觀熱慣量法估算了柴達(dá)木盆地平原區(qū)的土壤墑情，并結(jié)合歸一化植被指數(shù)和實(shí)測(cè)數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行了驗(yàn)證。熱慣量模型應(yīng)用范圍以裸土和植被覆蓋較少的地區(qū)為主，當(dāng)有植被覆蓋地表時(shí)，熱紅外遙感常采用植物蒸散法來獲取地表土壤墑情。但由于蒸散模型的應(yīng)用方法復(fù)雜，需要的參數(shù)較多，且獲取困難，因而其應(yīng)用有一定的局限性。

1.3 綜合利用可見光[-]近紅外和熱紅外反演土壤墑情

植被指數(shù)和地表溫度是反映土壤墑情的重要參數(shù)。因此，利用基于可見光[-]近紅外波段遙感獲取的植被指數(shù)和基于熱紅外波段遙感獲取的地表溫度組成特征空間，可以反演土壤墑情。Nemani等［12］研究植物蒸騰時(shí)將地表溫度和植被指數(shù)結(jié)合起來，研究它們與植物蒸散量之間的關(guān)系。隨后，這方面的研究迅速展開。Carlson等［13］在不依靠氣象數(shù)據(jù)的情況下，利用植被指數(shù)和地表溫度空間特征有效地估算了土壤墑情。晏紅波等［14］利用地表溫度數(shù)據(jù)和植被指數(shù)數(shù)據(jù)，通過比較不同植被指數(shù)在研究區(qū)的適用性，建立了符合研究區(qū)的地表溫度[-]植被指數(shù)特征空間，并反演了研究區(qū)不同地表類型下的土壤墑情。

光學(xué)遙感雖然在反演土壤墑情方面表現(xiàn)出良好的應(yīng)用效果，但由于其波長(zhǎng)相對(duì)較短、障礙物穿透力弱、電磁波信號(hào)容易受到大氣干擾，導(dǎo)致其在土壤墑情反演中的應(yīng)用受到一定的限制。

2 應(yīng)用微波遙感反演和監(jiān)測(cè)土壤墑情研究現(xiàn)狀

微波頻段的敏感性強(qiáng)，對(duì)土壤水分具有高度的感知能力，同時(shí)也具備一定的植被穿透能力。這使得微波遙感成了廣泛應(yīng)用于大范圍土壤墑情監(jiān)測(cè)的有效手段之一。

2.1 被動(dòng)微波反演土壤墑情

被動(dòng)微波技術(shù)因其高時(shí)間分辨率、較高敏感度的土壤水分變化響應(yīng)及較為簡(jiǎn)便的數(shù)據(jù)處理方式，在微波遙感反演土壤墑情方面得到了廣泛應(yīng)用。其利用土壤微波輻射與土壤水分的強(qiáng)相關(guān)性，通過測(cè)量土壤本身的微波發(fā)射或亮度溫度，實(shí)現(xiàn)了對(duì)土壤墑情的反演。Schmugge等［15］采用分層模式，利用土壤微波輻射對(duì)土壤墑情進(jìn)行了模擬，發(fā)現(xiàn)亮度溫度與土壤墑情之間存在較好的線性相關(guān)性。此外，田間持水能力、前期降雨指數(shù)及微波極化差指數(shù)等土壤墑情指示因子都可以與亮度溫度建立線性關(guān)系［16］。鮑艷松等［17］利用風(fēng)云三號(hào)系列氣象衛(wèi)星搭載的微波成像儀，基于高級(jí)積分方程模型模擬不同地表參數(shù)條件下的衛(wèi)星輻射數(shù)據(jù)，對(duì)我國(guó)西部地區(qū)進(jìn)行了土壤墑情反演。譚建燦等［18］將高級(jí)微波掃描輻射計(jì)的亮溫?cái)?shù)據(jù)和實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)建立訓(xùn)練集，基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)研究區(qū)土壤墑情進(jìn)行了反演，也取得了較好的結(jié)果。

盡管被動(dòng)微波技術(shù)在不斷完善，但在應(yīng)用上仍然存在無法克服的問題，如低頻和低空間分辨率等。此外，植被層衰減和地表粗糙度對(duì)其反演結(jié)果也會(huì)產(chǎn)生一定的影響。

2.2 主動(dòng)微波反演土壤墑情

主動(dòng)傳感器，尤其是合成孔徑雷達(dá)技術(shù)的不斷發(fā)展，提供了更高的空間分辨率，而且從最初的單波段、單極化觀測(cè)逐步演變?yōu)槎嗖ǘ巍⒍鄻O化和多角度觀測(cè)，這為解決更多的參數(shù)提供了更豐富的信息。因此，主動(dòng)傳感器是目前土壤墑情遙感反演中最有效的遙感數(shù)據(jù)源之一。在應(yīng)用主動(dòng)微波遙感數(shù)據(jù)反演土壤墑情中，主要采用了理論模型、經(jīng)驗(yàn)?zāi)Ｐ秃桶虢?jīng)驗(yàn)?zāi)Ｐ偷取?/p>

通過建立后向散射系數(shù)與地表物理幾何參數(shù)間的數(shù)學(xué)關(guān)系，相關(guān)學(xué)者提出了一系列微波理論模型，如基爾霍夫模型、小擾動(dòng)模型、積分方程模型等［19］，但理論模型輸入?yún)?shù)過多且方程較復(fù)雜。經(jīng)驗(yàn)?zāi)Ｐ屯ㄟ^對(duì)遙感信息參數(shù)和地面觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從而建立兩者之間的線性擬合關(guān)系。由于經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)研究區(qū)的依賴程度較高，因而部分學(xué)者在經(jīng)驗(yàn)?zāi)Ｐ偷幕A(chǔ)上，通過地表微波數(shù)據(jù)分析雷達(dá)后向散射系數(shù)與雷達(dá)參數(shù)及地表參數(shù)之間的相互關(guān)系，提出了一些簡(jiǎn)單實(shí)用的半經(jīng)驗(yàn)?zāi)Ｐ停鏢hi模型、Oh模型等［20］。這些模型主要針對(duì)裸露地表?xiàng)l件發(fā)展而來，能夠在反演裸土土壤墑情方面取得較好的效果。然而，在植被覆蓋地表情況下，這些模型在反演土壤墑情時(shí)可能會(huì)產(chǎn)生較大的誤差。

3 應(yīng)用光學(xué)遙感和微波遙感綜合反演土壤墑情研究現(xiàn)狀

針對(duì)不同植被覆蓋情況，研究人員綜合光學(xué)遙感和微波遙感的不同優(yōu)勢(shì)，提出了多種植被散射模型。這些模型從不同角度，為解釋和模擬植被散射過程提供了重要的理論基礎(chǔ)。其中，以農(nóng)作物為研究對(duì)象的水云模型［21］和以高大樹木為研究對(duì)象的MIMICS模型［22］是應(yīng)用最為廣泛的植被散射模型。Roo等［23］針對(duì)矮小農(nóng)作物，在MIMICS模型的基礎(chǔ)上去掉地表-莖稈之間的散射項(xiàng)，將植被層當(dāng)作一層處理，并以大豆為例建立了后向散射與土壤墑情之間的關(guān)系。Mattar等［24］提出將微波輻射數(shù)據(jù)和植被指數(shù)相結(jié)合的土壤水分遙感反演算法，利用植被指數(shù)NDVI計(jì)算微波植被光學(xué)厚度，再結(jié)合半經(jīng)驗(yàn)的微波輻射傳輸模型進(jìn)行土壤含水量的計(jì)算。蔣金豹等［25］聯(lián)合應(yīng)用ALOS/PALSAR數(shù)據(jù)和TM數(shù)據(jù)，利用水云模型對(duì)北京市植被覆蓋區(qū)地表土壤水分進(jìn)行反演，取得較好的效果。李艷等［26］基于全連接深度神經(jīng)網(wǎng)絡(luò)，利用Sentinel-1雷達(dá)數(shù)據(jù)和Sentinel-2光學(xué)數(shù)據(jù)反演了研究區(qū)麥田的土壤墑情。

4 研究發(fā)展趨勢(shì)

在國(guó)內(nèi)外學(xué)者的共同努力下，土壤墑情監(jiān)測(cè)領(lǐng)域研究取得了豐碩的成果。但由于影響土壤墑情的因素眾多，因而土壤墑情的研究具有一定的復(fù)雜性和挑戰(zhàn)性。在未來研究發(fā)展趨勢(shì)中，除了多源數(shù)據(jù)的融合，還可以預(yù)見以下幾個(gè)方面的進(jìn)展。

4.1 高分辨率遙感

高分辨率遙感數(shù)據(jù)具有更詳細(xì)的空間信息，能夠提供更精細(xì)的土壤墑情監(jiān)測(cè)。未來的發(fā)展趨勢(shì)是借助高分辨率遙感數(shù)據(jù)，實(shí)現(xiàn)對(duì)土壤墑情的更精細(xì)化監(jiān)測(cè)和分析。例如，利用高分辨率光學(xué)遙感數(shù)據(jù)可以獲取土壤表面的微觀特征，如土壤紋理、顆粒組成等，從而更準(zhǔn)確地預(yù)估土壤水分狀況。

4.2 機(jī)器學(xué)習(xí)和人工智能的應(yīng)用

隨著機(jī)器學(xué)習(xí)和人工智能技術(shù)的快速發(fā)展，其在土壤墑情遙感監(jiān)測(cè)中的應(yīng)用也將越來越廣泛。未來的發(fā)展趨勢(shì)是利用機(jī)器學(xué)習(xí)算法，結(jié)合大規(guī)模遙感數(shù)據(jù)和地面觀測(cè)數(shù)據(jù)，建立土壤墑情遙感監(jiān)測(cè)模型，實(shí)現(xiàn)自動(dòng)化的土壤墑情監(jiān)測(cè)和預(yù)測(cè)，而這將極大地提高監(jiān)測(cè)效率和準(zhǔn)確性。

4.3 時(shí)空動(dòng)態(tài)監(jiān)測(cè)

土壤墑情具有時(shí)空動(dòng)態(tài)變化特性，受氣候、植被和土地利用等因素的影響。未來的發(fā)展趨勢(shì)是發(fā)展具有時(shí)空分辨能力的土壤墑情遙感監(jiān)測(cè)方法，實(shí)現(xiàn)對(duì)土壤墑情的實(shí)時(shí)監(jiān)測(cè)和動(dòng)態(tài)變化分析。這將有助于更好地理解土壤墑情的演變規(guī)律，為農(nóng)業(yè)灌溉、水資源管理和環(huán)境保護(hù)等領(lǐng)域提供決策參考。

4.4 開放數(shù)據(jù)共享和合作

土壤墑情遙感監(jiān)測(cè)需要大量的遙感數(shù)據(jù)和地面觀測(cè)數(shù)據(jù)，而這些數(shù)據(jù)往往分散在不同的機(jī)構(gòu)和組織中。未來的發(fā)展趨勢(shì)是加強(qiáng)數(shù)據(jù)共享和合作，建立開放的數(shù)據(jù)平臺(tái)，促進(jìn)數(shù)據(jù)的共享和交流，從而提高土壤墑情遙感監(jiān)測(cè)的數(shù)據(jù)可用性和精度。

5 結(jié)束語(yǔ)

土壤墑情遙感監(jiān)測(cè)的發(fā)展趨勢(shì)包括多源數(shù)據(jù)融合、高分辨率遙感、機(jī)器學(xué)習(xí)和人工智能的應(yīng)用、時(shí)空動(dòng)態(tài)監(jiān)測(cè)及開放數(shù)據(jù)共享和合作。這些發(fā)展趨勢(shì)將為土壤墑情監(jiān)測(cè)提供更準(zhǔn)確、全面的信息，為農(nóng)業(yè)、水資源管理和環(huán)境保護(hù)等領(lǐng)域提供更好的決策參考。

參考文獻(xiàn)：

［1］YUEH S， SHAH R， XU X L， et al. Experimental demonstration of soil moisture remote sensing using P-band satellite signals of opportunity［J］. IEEE Geoscience and Remote Sensing Letters， 2020，17（2）：207-211.

［2］徐嘉昕，李璇，朱永超，等.地表土壤水分的衛(wèi)星遙感反演方法研究進(jìn)展［J］.氣象科技進(jìn)展，2019，9（2）：17-23.

［3］BOWERS S A， HANKS R J. Reflection of radiant energy from soil［J］.Soil Science，1965，100（2）：130-138.

［4］姜傳禮，趙健赟，丁圓圓，等.SPA算法與機(jī)器學(xué)習(xí)的黃河源土壤水分反演［J］.光譜學(xué)與光譜分析，2023，43（6）：1961-1967.

［5］FANG B， LAKSHMI V. Soil moisture at watershed scale： remote sensing techniques［J］.Journal of Hydrology， 2014， 516（6）：258-272.

［6］吳春雷，秦其明，李梅，等.基于光譜特征空間的農(nóng)田植被區(qū)土壤濕度遙感監(jiān)測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2014，30（16）：106-112.

［7］李俐，許連香，王鵬新，等.基于條件植被溫度指數(shù)的夏玉米生長(zhǎng)季干旱預(yù)測(cè)研究［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（1）：139-147.

［8］張傳波，李衛(wèi)國(guó)，王晶，等.波段反射率和植被指數(shù)結(jié)合的作物生長(zhǎng)季農(nóng)田土壤水分估測(cè)［J］.江蘇農(nóng)業(yè)學(xué)報(bào)，2022，38（1）：111-118.

［9］POHN H， OFFIELD T， WATSON K. Thermal inertia mapping from satellites discrimination of geologic units in Oman［J］.Journal of Research of U.S. Geological Survey， 1974， 2（2）：147-158.

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

［11］王凱霖，金曉媚，郭任宏，等.柴達(dá)木盆地土壤濕度的遙感反演及對(duì)蒸散發(fā)的影響［J］.現(xiàn)代地質(zhì)，2016，30（4）：834-841.

［12］NEMANI R R， RUNNING S W. Estimation of regional surface resistance to evapotranspiration from NDVI andthermal-IR AVHRR data［J］.Journal of Applied Meteorology，1989，28（4）：276-284.

［13］CARLSON T N， GILLIES R R， PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover［J］.Remote Sensing Reviews，1994，9（1）：161-173.

［14］晏紅波，李浩，盧獻(xiàn)健，等.基于LST-VI特征空間的喀斯特地區(qū)土壤水分時(shí)空變化研究［J］.遙感技術(shù)與應(yīng)用，2022，37（6）：1460-1471.

［15］SCHMUGGE T， GLOERSEN P， WILHEIT T， et al. Remote sensing of soil moisture with microwave radiometers［J］. Journal of Geophysical Research， 1974， 79（2）：317-323.

［16］NJOKUE G， LI L.Retrieval of land surface parameters using passive microwave measurements at 6-18 GHz［J］.IEEE Transaction Geoscience Remote Sensing， 1999， 37（1）：79-93.

［17］鮑艷松，毛飛，閔錦忠，等.基于FY-3B/MWRI數(shù)據(jù)的裸土區(qū)土壤濕度反演［J］.國(guó)土資源遙感，2014，26（4）：131-137.

［18］譚建燦，毛克彪，左志遠(yuǎn)，等.基于卷積神經(jīng)網(wǎng)絡(luò)和AMSR2微波遙感的土壤水分反演研究［J］.高技術(shù)通訊，2018，28（5）：399-408.

［19］鄧小東，王宏全.土壤水分微波遙感反演算法及應(yīng)用研究進(jìn)展［J］.浙江大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版），2022，48（3）：289-302.

［20］徐嘉昕，李璇，朱永超，等.地表土壤水分的衛(wèi)星遙感反演方法研究進(jìn)展［J］.氣象科技進(jìn)展，2019，9（2）：17-23.

［21］ATTEMA E P W， ULABY F T. Vegetation modeled as a water cloud［J］. Radio Science， 1978， 13（2）：357-364.

［22］ULABY F T， SARABANDI K， MCDON

ALD K， et al. Michigan microwave canopy scattering model［J］. International Journal of Remote Sensing， 1990， 11（7）：1223-1253.

［23］RAO S S， KUMAR S D， DAS S N， et al. Modified dubois model for estimating soil moisture with dual polarized SAR data［J］. Journal of the Indian Society of Remote Sensing， 2013， 41（4）：865-872.

［24］MATTAR C， WIGNERON J P， SOBRINO

J A， et al. A combined optical–microwave method to retrieve soil moisture over vegetated areas［J］.IEEE Transactions on Geoscience Electronics and Remote Sensing，2012， 50（5）：1404-1413.

［25］蔣金豹，胡丹娟，劉益青，等.基于MIMICS模型的麥田地表土壤含水量反演研究［J］.麥類作物學(xué)報(bào)，2015，35（5）：707-713.

［26］李艷，張成才，恒衛(wèi)東.基于深度學(xué)習(xí)的多源遙感反演麥田土壤墑情研究［J］.節(jié)水灌溉，2023（2）：57-64.