大沽河流域土壤水分遥感监测的研究进展

2023-09-17 理论教育版权反馈

【摘要】：土壤水分遥感反演已经开展多年，并取得了大量的研究成果。使用遥感监测土壤水分，不同波段反演土壤水分的原理不同。尽管利用可见光-近红外波段进行土壤水分遥感监测得到了一些结果，但这方面的研究试验相对较少，从理论到实践上人们都更多地关注红外波段信息在土壤水分遥感监测中的应用研究。在热红外波段遥感可以监测地表温度，而地表温度与土壤含水量有关。

土壤水分，一般是指保存在不饱和土壤层（或者渗流层）土壤孔隙中的水分。它是水资源中的重要组成部分，控制着地-气能量交换过程，对水文、气象、农业等行业领域都产生极大的影响。作为一个地表系统中的关键参数，土壤水分在水循环、农业生产、气候变化以及环境监测研究中是必不可少的参量。土壤水分不仅连接大气与地表的能量和水分转换，而且对地下水的状况也有很大的指示作用。另外，土壤水分还是植被生存环境干旱状况的指示因子，也是植被生长的必需因素。在陆地水循环中，土壤水分作为水循环的一个重要组成部分，起着不可忽视的作用。一方面，土壤水分通过接受太阳辐射，地表温度升高，水分蒸发进入大气中，形成地表与大气之间能量的交换；另一方面，土壤水分通过垂直运移，与地下水产生联系，从而供给地表植被的生存用水，将地表水与地下水联系在一起。

获取土壤水分的传统方法主要是田间实测法，包括重量法、中子仪法等。田间实测法可以准确估测土壤剖面的含水量，但仅限于单点，需要大量的人力、物力，不仅费时，而且成本高，很难大范围、高效率地获取土壤水分。不仅如此，由于土壤、地形、植被覆盖上的空间差异使单点的代表性差，也限制了它的应用范围。20世纪90年代之后，由于遥感技术的兴起，人们逐渐将视线转移到能大面积监测地表的遥感技术上来，通过建立反射率以及地表温度/植被覆盖度甚至热惯量与土壤水分的关系，得到区域尺度的土壤水分，开创了土壤水分遥感监测的新纪元。

土壤水分遥感反演已经开展多年，并取得了大量的研究成果。研究的手段有地面遥感、航空遥感和卫星遥感；遥感波段包括可见光、近红外、热红外和微波等多种遥感波段；遥感监测土壤水分的方法亦有表观热惯量法、蒸散与作物缺水指数法、绿度指数法、温差法、微波散射系数法等。

使用遥感监测土壤水分，不同波段反演土壤水分的原理不同。在可见光和近红外波段，研究发现不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低，并且从理论上可以测量这种差异。1973年，日本学者在札幌研究了5种土壤的反射率，建立了蓝波段和绿波段的胶片密度和土壤含水量的多元回归方程。Curran等用可见光全色片记录下一个广阔范围的土壤湿度的变化，并用假彩色红外片定性地提供了沙壤质泥炭地土壤湿度的空间分布。Robinove等（1981）用Landsat MSS的反照率对美国犹他州西南沙漠试验区进行连续4年的监测，结果发现反照率的增减与土壤水分的高低关系密切。Henrickson（1986）用多时相的NOAA/AVHRR 的可见光/近红外影像对埃塞俄比亚1983—1984 年的干旱进行监测，获得理想结果。Everitt等（1989）研究了多光谱数字化录像资料与土壤湿度的关系，所用光谱波段分别为可见光（0.4～0.7μm）、可见光/近红外（0.4～1.1μm）、可见光/中红外（0.4～2.4μm），试验按不同湿度处理的土盘和大田两组进行。结果表明3个波段的数字化录像资料都与土盘和大田的土壤湿度存在着显著的相关，且以中红外的录像资料与表层土壤湿度的相关性最为显著。刘培君等（1997）采用土壤水分光谱法，针对干扰土壤水分遥感的植被覆盖问题，利用遥感估算光学植被盖度，像元分解法提取土壤水分光谱信息，以TM 数据为桥梁，建立了AVHRR 可见光与近红外通道的土壤水分遥感估测模型。但是，虞献平等（1990）提出，利用土壤反射率的差异遥感监测土壤水分，会由于不同类型土壤间发射率的差别与土壤水分引起的差别相当或更大，加之太阳高度、大气条件和地表状况等引起的误差，使得用这种方法定量估算土壤水分变得更加困难。

尽管利用可见光-近红外波段进行土壤水分遥感监测得到了一些结果，但这方面的研究试验相对较少，从理论到实践上人们都更多地关注红外波段信息在土壤水分遥感监测中的应用研究。

在热红外波段遥感可以监测地表温度，而地表温度与土壤含水量有关。Myers等（1969）的研究表明，对于裸土的水分含量可由土表温度变化测定，并可检测到50cm 的深度。Bartholic等（1972）发现，农田裸地表面日最高温度Tsmax随近地表水分含量的增加而减小。从实用的角度考虑，在一定的气象条件下（晴朗、无风），用白天下垫面温度的空间分布可以有效地反映土壤水分的空间分布，刘志明（1992）比较了利用NOAA/AVHRR 热红外通道白天或夜间一次资料反演的地表亮度温度与土壤水分的相关关系，白天热红外资料生成的亮温-土壤水分图与热惯量土壤水分图的结果基本一致，但前者更容易获得资料。罗秀陵等（1996）应用NOAA/AVHRR 热红外通道亮温资料，结合地面气象、农情等资料对四川省大面积夏旱进行动态监测。李杏朝（1996）利用NOAA/AVHRR 第四通道资料，采用密度分割法、日夜温差法进行旱情监测。

另外，利用地表温度可以获得土壤热惯量，进而估测土壤水分。土壤热惯量与土壤水分关系密切，土壤含水量高，土壤热惯量高；反之，土壤热惯量低。Watson等（1971；1974）最早成功地应用了热惯量模型，Rosema 等（1986）进一步发展了他们的工作，提出了计算热惯量、每日蒸发的模型。Price等（1985）在能量平衡方程的基础上，简化潜热蒸发（散）形式，引入地表综合参数概念，系统地阐述了热惯量方法及热惯量的成像机理，并提出了表观热惯量的概念，利用卫星热红外辐射温度差计算热惯量，然后估算土壤水分。这个方法已经得到普遍认可。近年来，又有许多研究对基于遥感数据求解土壤表层热惯量的方法做了改进与简化。隋洪智等在考虑了地面因子和大气因子的情况下，进一步简化能量平衡方程，使直接利用卫星资料推算得到地表热特性参量成为可能。余涛等（1997）提出了一种改进的求解土壤表层热惯量的方法，发展了地表能量平衡方程的一种新的化简方法。经过这样的处理，可从遥感图像数据直接得到热惯量值，进而得到土壤水分含量分布。马蔼乃等（1990）均从不同角度、在不同的区域利用NOAA/AVHRR 资料进行热惯量法遥感土壤水分的监测试验。日本学者宇都宫阳二郎与中国科学院长春净月潭遥感实验站合作（1990）以中国东北吉林省为中心进行区域土壤水分调查，采用NOAA 卫星资料，结合近地层小气候及地下热流量观测资料，进行热惯量计算，并与同步测定的0～15cm 土壤水分资料建立统计模式，绘成土壤水分分布图。

随着热惯量法遥感土壤水分理论的日臻成熟，对于在裸露或植被覆盖度较低时土壤水分遥感采用热惯量法的效果已得到认可，但在实际应用中，仍需根据当地的状况对模型参数的求解和某些因子的省略做一些必要的调整。

微波分为被动微波和主动微波。被动微波通过测量土壤亮温来估测土壤水分，土壤亮温由土壤介电常数和土壤温度决定，而介电常数和温度与土壤含水量有关，可以通过微波辐射计获得的土壤亮度温度反演土壤含水量。许多观测和测量表明，来自土壤的微波发射与土壤湿度存在着很好的相关关系，这种较好的相关关系可以到达20cm 的土壤层（Jackson 等，1994；Pampaloni等，1990）。Shutko（1982）指出，对于裸露的各向同性的土壤，在波长为2.25cm和18cm 时观测和试验得到的土壤水分含量与其发射率为线性关系。随着微波遥感的理论与实践的不断发展，基于辐射传输方程的微波遥感土壤湿度算法也得到了发展，并已展示出良好的发展前景。Njoku等（1999）从辐射传输方程出发，建立辐射亮温与土壤湿度等参数的物理模型，然后用迭代法和最小二乘法解方程，求出土壤湿度。

主动微波遥感器发射一束经调制的电磁波能量，并且接收后向散射回波，通过后向散射系数σ 建立起目标物的形态和物理特征与后向散射回波的关系。土壤后向散射系数主要由介电常数和土壤粗糙度决定，而介电常数由土壤含水量决定，因此可以利用雷达反演土壤的含水量。许多模式建立起来用于独立地估算这些项，半经验的模式容易反演，但是不够可靠；而复杂的理论模式需要许多的输入数据，使得反演变得困难。如果土壤上有植被覆盖，问题就更复杂，模式也必须考虑植被和粗糙度的影响。目前有两种模式正在使用：连续的和离散的模式。在前者中，介质的介电常数被假定为随机过程，并且其平均值和相关函数已知。在后者中，介质被看做是代表树叶和树干等许多散射物体的集合体。Ulaby等（1982）的研究发现，对土壤表层5cm 的土壤湿度最敏感的频率是4.5GHz（C波段），水平极化，入射角为10°。实验结果显示，土壤湿度对裸露土壤的敏感度是0.15dB；对有植被的土壤是0.13d B。田国良（1990）利用1987年11月在河南省封丘县取得的X 波段机载合成孔径雷达水平极化（HH）图像进行麦田土壤含水量监测，将土壤水分分为8个等级。李杏朝（1995）于1994年10月22日根据微波后向散射系数法，用X 波段散射计测量土壤后向散射系数，与同步获取的X 波段、H H 极化的机载SAR 图像一起，进行了一次用微波遥感监测土壤水分的试验，监测相对误差率仅12%。

主动微波遥感的最大进步在于一系列带有微波传感器的卫星（如ERS系列、Radarsat、ADEOS、被动微波）的发射和即将发射升空，极大地推动了主动微波遥感土壤湿度的研究。Dobson等（1992）将ERS卫星资料用于土壤湿度的敏感性研究，取得一定的结果。Ulaby等（1990）的研究发现，对于土壤表面覆盖较少的生物量（＜1kg/m2），如短草等，用ERS-1资料反演土壤湿度是可行的。

值得注意的是，各种因子，如土壤粗糙度以及植被的覆盖都会影响微波反演土壤湿度的精度。土壤的粗糙度对于土壤的微波发射起着重要的作用，许多建立在各种近似基础上的理论模式用于预测在不同频段上粗糙表面的微波发射。由于土壤粗糙度的影响取决于观测的波长，因此可以用多频段的方法来估计土壤表面粗糙度。Pampaloni等（1990）的研究表明，在频率为1.5GHz的L波段（波长21cm）附近或更低的频率上，对平坦裸露5cm 厚的土壤来说，微波亮温对土壤湿度的敏感度约为3.5K/（0.01g·cm-3），而由于土壤的粗糙度和植被的存在会导致敏感度下降，但仍可达到约1K/（0.01g·cm-3），这些研究指出，频段在10GHz的微波发射对土壤湿度相当敏感，而在36GHz的微波发射更多地受到土壤粗糙度的影响。Baronti等（1995）利用SAR 对农田的观测试验表明，在裸露平坦的土壤上的信号对土壤湿度的敏感性远好于在粗糙或有植被的土壤上的，相关系数从前者的0.91降到后者的0.43。

在有植被覆盖土壤的情况下，遥感土壤湿度的敏感性会降低，这是因为植被吸收了土壤的发射，然后本身再发射辐射。有研究表明，对主动微波遥感的影响，主要是由于植被本身所含的水分吸收和散射到达冠层的微波信号所造成的（Bindish和Barros，2001）。Kirdiashev等（1978）研究发现，除了森林以外，阔叶植物的存在也会导致敏感性的降低，在频段1GHz处约为30%，在频段10GHz处约为90%。在后一种情况下，绝大多数的向上辐射都来自于植被本身的辐射发射。一般来说，遥感土壤湿度的敏感性降低因子取决于土壤上的生物量。目前，已有一些经验、半经验及理论的模式被建立并不断地改进，以分析植被对土壤湿度的影响，但都是针对某一地区的实际情况进行的，并不带有普遍性。

大沽河流域土壤水分遥感监测的研究进展

相关推荐