劉立文，邢立新，潘 軍，曹 會(huì)，白志遠(yuǎn)，王建雷

（1.吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林 長(zhǎng)春 130026；2.吉林省基礎(chǔ)地理信息中心，吉林 長(zhǎng)春 130051；3.山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷 030801）

遙感監(jiān)測(cè)土壤含水量的研究始于20世紀(jì)60年代末，伴隨著遙感技術(shù)的不斷發(fā)展，出現(xiàn)了基于不同遙感原理的監(jiān)測(cè)方法，文章選取基于光學(xué)遙感的地表溫度（Ts）—植被指數(shù)（VI）特征空間法。該方法由Price[1]在1990年首先提出，Sandholt等[2]在2002年基于Ts和NDVI的關(guān)系提出了應(yīng)用溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）估測(cè)土壤表層水分狀況。國(guó)內(nèi)利用Ts/NDVI進(jìn)行土壤含水量監(jiān)測(cè)研究較晚。冉瓊等[3]（2005）用數(shù)字高程模型對(duì)地表溫度進(jìn)行了訂正，結(jié)果表明，經(jīng)過(guò) DEM校正獲取的溫度植被干旱指數(shù)（TVDI）能更好地反映土壤濕度；李春強(qiáng)等[4]（2008）應(yīng)用NOAA/AVHRR資料，反演歸一化植被指數(shù)（NDVI）、土壤調(diào)整植被指數(shù)（SAVI）和地表溫度（Ts），采用TVDI研究了冬小麥旱情狀況，研究表明基于SAVI的溫度植被干旱指數(shù)更適于監(jiān)測(cè)冬小麥春季的旱情。但是，由于受到統(tǒng)計(jì)特征空間區(qū)域內(nèi)太陽(yáng)總輻射不均和大氣背景條件不一致的影響，反演精度降低。

TVDI模型不僅要考慮遙感數(shù)據(jù)精度，而且要考慮能量平衡和植被指數(shù)的變化對(duì)結(jié)果精度的影響。該研究首先利用DEM影像對(duì)研究區(qū)做地形校正，消除地形起伏和覆蓋類型差對(duì)地表溫度的影響；其次選用比值植被指數(shù)（RVI），歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)(EVI)、改進(jìn)的修正土壤調(diào)整植被指數(shù)（MSAVI）和地表溫度（Ts）分別研究TVDI與土壤含水量之間的線性相關(guān)性；最后對(duì)結(jié)果進(jìn)行分析與驗(yàn)證。研究結(jié)果表明，利用植被指數(shù)與地表溫度的融合信息，可為區(qū)域旱情遙感監(jiān)測(cè)提供一定的科學(xué)依據(jù)。

1 研究區(qū)概況

東遼河發(fā)源于吉林省東遼縣的薩哈陵五座廟福安屯附近，流經(jīng)四平、梨樹(shù)、內(nèi)蒙古三江口、雙遼等市縣，于遼寧省昌圖縣福德店與西遼河匯合，源區(qū)海拔360 m。干流全長(zhǎng)360 km，其中在吉林省的河長(zhǎng)占總河長(zhǎng)的80%以上，流域面積11 500 km2。東遼河地處吉林省中部，年平均降雨量450～700 mm。年內(nèi)分配很不均勻，6～9月占年降雨量的75%。

該流域的地形從東南部的山地丘陵地貌逐漸向西北部過(guò)渡成平原；主要土壤類型是草甸土、鹽化黑鈣土、草原風(fēng)沙土；土地利用類型主要是耕地[5]。結(jié)合流域的地形地貌特征，根據(jù)DEM影像，通過(guò)arcgis中的水文分析模塊生成流域圖（圖1）。

2 TVDI的原理

Sandholt等[2]在研究土壤濕度時(shí)發(fā)現(xiàn)，Ts/NDVI的特征空間中有很多等值線，于是提出了溫度植被干旱指數(shù)的概念。TVDI由植被指數(shù)和地表溫度計(jì)算得到，只依靠圖像數(shù)據(jù)，其定義為：

其中：Tsmin表示最小地表溫度，對(duì)應(yīng)的是濕邊；Ts是任意像元的地表溫度；Tsmax=a+bNDVI，為某一NDVI對(duì)應(yīng)的最高溫度，即干邊；a、b是干邊擬合方程的系數(shù)。

在干邊上TVDI=1，在濕邊上TVDI=0。對(duì)于每個(gè)像元，利用NDVI確定Tsmax，根據(jù)Ts在Ts—NDVI梯形中的位置計(jì)算TVDI。TVDI越大，土壤濕度越低；TVDI越小，土壤濕度越高。估計(jì)這些參數(shù)要求研究區(qū)域的范圍足夠大，地表覆蓋從裸土變化到比較稠密的植被覆蓋，土壤表層含水量從萎蔫含水量變化到田間持水量。

Moran等[6]發(fā)現(xiàn)散點(diǎn)圖呈梯形，在相同大氣和地表濕度狀況下，不同的地表類型有著不同的Ts/NDVI斜率和截距。Ts與NDVI的關(guān)系，如圖2所示。圖中A點(diǎn)代表低NDVI、高Ts干旱裸土，B點(diǎn)代表低NDVI、低Ts的富水裸土，C點(diǎn)代表高NDVI、高Ts的缺水植被，D點(diǎn)代表高NDVI、低Ts的富土植被，即A/C為干邊、B/D為濕邊。介于干濕邊之間的像元，其土壤濕度也介于干濕邊之間；越接近于干邊，土壤越干；越接近于濕邊，土壤越濕[5]。

3 數(shù)據(jù)源和預(yù)處理

植被指數(shù)提供了植被生長(zhǎng)狀況和覆蓋信息，地表溫度能反映土壤的濕度情況[8]，通過(guò)溫度植被干旱指數(shù)方法對(duì)兩者信息進(jìn)行綜合處理并與相應(yīng)的實(shí)測(cè)數(shù)據(jù)擬合，可以得到土壤含水量。

3.1 遙感數(shù)據(jù)來(lái)源

文章選取時(shí)間為2007年8月29日、無(wú)云無(wú)雪、行列號(hào)為（119/29）（119/30）（118/29）的 Landsat TM5影像數(shù)據(jù)和30 m分辨率的ASTER GDEM數(shù)據(jù)作為基礎(chǔ)遙感數(shù)據(jù)進(jìn)行研究。數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院中國(guó)應(yīng)用環(huán)境中心。

3.2 地表溫度獲取

文章對(duì)TM影像進(jìn)行幾何校正、輻射定標(biāo)和大氣校正等圖像預(yù)處理，再通過(guò)輻射傳輸方程法反演得到地表溫度。輻射傳輸方程法（Radiative Transfer Equatio），又稱大氣校正法[9]，其基本思路為：首先利用與衛(wèi)星同步的大氣數(shù)據(jù)來(lái)估計(jì)大氣對(duì)地表熱輻射的影響；然后把這部分大氣影響從衛(wèi)星高度上傳感器所觀測(cè)到的熱輻射總量中減去，從而得到地表熱輻射強(qiáng)度；再把這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度，如圖3所示。

3.3 植被指數(shù)獲取

圖3 地表溫度遙感反演流程

為使增加了植被信息的動(dòng)態(tài)范圍較好地消除大氣和土壤背景對(duì)植被指數(shù)的影響，文章采用2007年8月份的TM影像，在遙感圖像處理平臺(tái)（ENVI）中通過(guò)波段運(yùn)算得到了東遼河流域的比值植被指數(shù)（RVI），歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)(EVI)和修正土壤調(diào)整植被指數(shù)（MSAVI）。

4 結(jié)果與分析

4.1 地面溫度的高程校正

氣溫通過(guò)大氣與下墊面的湍流熱交換影響地表溫度，用DEM可以對(duì)地表溫度進(jìn)行簡(jiǎn)單的高程校正。從東南部到西北部，東遼河流域的地形由山地過(guò)渡到平原，地形起伏度較大，高程能引起相同NDVI條件下地形起伏度大的像元對(duì)應(yīng)的Ts值有所降低，TVDI值減小，導(dǎo)致地形起伏度大的地區(qū)表現(xiàn)出土壤含水量高的特性。文章通過(guò)太陽(yáng)高度角、太陽(yáng)方位角、地形來(lái)進(jìn)行地形校正，有效地解決了這一問(wèn)題。

由圖4中可知，經(jīng)過(guò)地形校正后的影像的相關(guān)系數(shù)增大，R2從0.549 6提高到0.600 5，擬合效果較好。通過(guò)擬合圖可看出，利用DEM校正后的Ts/NDVI反演水分精度更高。

4.2 不同植被指數(shù)與地表溫度指數(shù)、土壤含水量的相關(guān)性

根據(jù)實(shí)測(cè)的點(diǎn)位數(shù)據(jù)與地形校正后的不同溫度/指數(shù)模型，利用最小二乘法進(jìn)行回歸分析（圖5）。 結(jié) 果 表 明 ，Ts/NDVI、Ts/EVI、Ts/RVI 和 Ts/MSAVI與土壤含水量呈現(xiàn)不同程度的負(fù)相關(guān)，即溫度植被指數(shù)越高，土壤含水量越低，農(nóng)業(yè)旱情越嚴(yán)重。

從圖5中可見(jiàn)，2007年8月份東遼河地區(qū)土壤含水量對(duì)于植被指數(shù)與地表溫度較為敏感，可以作為預(yù)測(cè)干旱的一個(gè)重要指標(biāo)。通過(guò)比較發(fā)現(xiàn)，Ts/MSAVI與土壤的含水量相關(guān)性最高，RVI次之，EVI最低。與傳統(tǒng)的Ts/NDVI比較，Ts/MSAVI的擬合效果更好，R2從0.600 5提高到0.643 4，Ts/MSAVI值越大，土壤含水量越低。同時(shí)研究表明：MSAVI在描述植被覆蓋和土壤背景方面有著較大的優(yōu)勢(shì)。對(duì)于半干旱地區(qū)的土地利用而言，由于考慮了裸土土壤線，MSAVI比NDVI對(duì)于低植被覆蓋有更好的指示作用，因此用Ts/MSAVI能夠更準(zhǔn)確地反映土壤含水量狀況。

4.3驗(yàn) 證

由以上分析可知，Ts/MSAVI較其他的植被指數(shù)得到的TVDI而言，反演土壤含水量更具有優(yōu)越性，因此該研究選擇Ts/MSAVI基于實(shí)測(cè)土壤含水量通過(guò)Ts/NDVI斜率法[10]對(duì)東遼河流域土壤含水量進(jìn)行反演（圖6）。結(jié)果顯示，東部山區(qū)的土壤含水量明顯高于西部平原地區(qū)，具有與地勢(shì)相一致的空間差異；沿河地區(qū)由于河網(wǎng)密集和水田的存在，土壤含水量明顯高于玉米種植區(qū)和城鎮(zhèn)，結(jié)果與土地利用類型相一致。

在計(jì)算干邊上的土壤含水量和與溫度植被指數(shù)擬合時(shí)，選取了11個(gè)土壤含水量監(jiān)測(cè)站中的7個(gè)來(lái)計(jì)算，用剩下4個(gè)站點(diǎn)的數(shù)據(jù)進(jìn)行反演效果的誤差檢驗(yàn)，結(jié)果見(jiàn)表1。

表1 2007年8月東遼河流域土壤含水量反演值與實(shí)測(cè)值對(duì)比 （%）

從表1中可知，土壤含水量的最低相對(duì)誤差是0，最大相對(duì)誤差是27%，整體相對(duì)誤差的平均值是14.5%。土壤含水量的最低值9.14和最高值27.17都出現(xiàn)在實(shí)測(cè)值里面，即遙感反演的結(jié)果處在地面實(shí)測(cè)的最高值和最低值之間。反演結(jié)果相對(duì)誤差小于25%的點(diǎn)是3個(gè)，占總數(shù)的75%，表明模擬值與實(shí)測(cè)值的一致性較好，模擬結(jié)果準(zhǔn)確可靠。

5 結(jié)語(yǔ)

（1）高程能引起相同NDVI條件下地形起伏度大的像元對(duì)應(yīng)的地表溫度降低，TVDI值減小，土壤含水量增大，導(dǎo)致結(jié)果精度降低。在土壤含水量的遙感模擬中加入地形校正能夠有效地解決這一問(wèn)題，與校正前相比，R2從0.549 6提高到0.600 5，能夠有效提高土壤含水量的精度。

（2）比較 Ts/NDVI、Ts/EVI、Ts/RVI和 Ts/MSAVI與土壤含水量的相關(guān)性，結(jié)果表明，以上TVDI均能體現(xiàn)土壤含水量狀況的負(fù)相關(guān)關(guān)系，其中Ts/MSAVI相關(guān)性最好；通過(guò)建立 Ts/MSAVI特征空間，反演得到東遼河的土壤含水量圖。結(jié)果表明，此方法較好地反映了東遼河流域的干旱狀況，同時(shí)考慮了土壤背景和植被覆蓋度的影響，使其結(jié)果的準(zhǔn)確性得到了顯著提高。

（3）如果有與遙感數(shù)據(jù)同步的地面實(shí)測(cè)數(shù)據(jù)，結(jié)果精度會(huì)更高。今后要針對(duì)影響土壤含水量的其他因素進(jìn)行研究，以提高遙感反演土壤含水量的精度。

[1]Price J C.Using Spatial context in satellite data to infer regional scale evapotranspiration[J].IEEE Transactions on Geoscience and Remote Sensing，1990，28:940-948.

[2]Sandholt I，Rasmussen K，Andersen J.A simple interpretation of the surface temperature/vegetation index space for assess/ment of surface moisture status[J].Remote Sensing of Environment，2002，79:213-224.

[3]冉 瓊，張?jiān)鱿?，張?guó)平，等.溫度植被干旱指數(shù)反演全國(guó)土壤濕度的 DEM 訂正[J].中國(guó)水土保持科學(xué)，2005，3（2）：32-36.

[4]李春強(qiáng)，李紅軍.TVDI在冬小麥春季干旱監(jiān)測(cè)中的應(yīng)用[J].遙感技術(shù)與應(yīng)用，2008，23（2）：161-165.

[5]王 坤，嚴(yán)登華，周德民，等.基于Ts/NDVI的東遼河流域土壤含水量遙感反演研究[J].2010 International Conference on Remote Sensing(ICRS)，2010，556-561.

[6]Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote sensing of environment，2002，79（2）:123-224.

[7]Goward，S.N.and HOPE，A，S.Evapotranspiration from combine deflected sola rand emitted Terrestrial radiation:Preliminary FIFE results from AVHRR data[J].Advanees in Space Research，1989，9（7）:239-249.

[8]劉曉婧.基于 TM數(shù)據(jù)的延河流域土壤水分反演研究[D].楊凌:西北農(nóng)林科技大學(xué)，2010.

[9]Qin Z H，Kamieli A，Berliner P.A Mono-window Algorithm for Retrieval Land Surface Temperature from Landsat TM Data and Its Application to the Israel/Egypt Border Region[J].International Journal of Remote Sensing，2001，22（18）:3719-3746.

[10]柳欽火，辛景峰，辛?xí)灾?，?基于地表溫度和植被指數(shù)的農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法[J].科技導(dǎo)報(bào)，2007，25（6）：12-18.