拉 巴，卓 嘎，陳 濤

(1 中國(guó)氣象局成都高原氣象研究所拉薩分部，拉薩 850001；2 西藏高原大氣環(huán)境科學(xué)研究所，拉薩 850001；3 西藏自治區(qū)氣候中心，拉薩 850001)

藏北地區(qū)土壤水分遙感反演模型的研究①

拉 巴1,2，卓 嘎3，陳 濤1

(1 中國(guó)氣象局成都高原氣象研究所拉薩分部，拉薩 850001；2 西藏高原大氣環(huán)境科學(xué)研究所，拉薩 850001；3 西藏自治區(qū)氣候中心，拉薩 850001)

土壤水分是反映地表土壤特性的重要表征參量，也是遙感反演領(lǐng)域的一個(gè)熱點(diǎn)問題。利用MODIS衛(wèi)星數(shù)據(jù)第7波段對(duì)水分變化較敏感的特點(diǎn)，構(gòu)建了一種簡(jiǎn)單實(shí)用的土壤水分反演回歸模型。結(jié)果表明，利用該模型計(jì)算的預(yù)測(cè)值與實(shí)地觀測(cè)值間的相關(guān)性比較好，達(dá)到了顯著水平(P<0.001)，可以作為研究區(qū)土壤含水量遙感反演回歸模型。由于該方法具有簡(jiǎn)單實(shí)用的特點(diǎn)，為高原土壤水分遙感監(jiān)測(cè)提供了可行的方法。

土壤水分；MODIS；反射率；模型

土壤水分是表示土壤退化或干旱的重要表征參量，也是氣候、水文、生態(tài)、農(nóng)業(yè)等領(lǐng)域衡量干旱程度的重要指標(biāo)，是影響全球氣候和環(huán)境變化的重要因素。因此，了解土壤水分狀況在土地規(guī)劃和管理及農(nóng)牧業(yè)生產(chǎn)中具有十分重要的現(xiàn)實(shí)意義。大范圍的土壤水分監(jiān)測(cè)是農(nóng)業(yè)過程研究和環(huán)境因子評(píng)價(jià)的重要組成部分，而區(qū)域尺度甚至全球范圍的土壤水環(huán)境反演又是陸地過程模式研究中必不可少的一個(gè)參量，傳統(tǒng)的土壤水分監(jiān)測(cè)方法大多是野外實(shí)地觀測(cè)，其中最準(zhǔn)確的屬質(zhì)量法，能得出精確的土壤水分的質(zhì)量百分比[1]，但是消耗大量的時(shí)間和人力。還有利用土壤水分不同其相應(yīng)的導(dǎo)電性能也不同的特點(diǎn)發(fā)展起來的嵌入式傳感器測(cè)量法[2]，能夠節(jié)省大量的時(shí)間和勞動(dòng)力，但是仍然是實(shí)驗(yàn)點(diǎn)上的監(jiān)測(cè)而不能推廣到大范圍的面上。以上這些傳統(tǒng)的監(jiān)測(cè)手段都具有相同的缺點(diǎn)，既費(fèi)時(shí)、費(fèi)力，又可測(cè)點(diǎn)少，代表性差，從而導(dǎo)致時(shí)間分辨率低，無法實(shí)現(xiàn)大面積、大范圍土壤水分的實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)。

隨著遙感技術(shù)的不斷發(fā)展，在20世紀(jì)80年代遙感監(jiān)測(cè)土壤水分克服了傳統(tǒng)方法的缺陷，使大范圍區(qū)域土壤水分監(jiān)測(cè)成為可以實(shí)現(xiàn)的目標(biāo)。首先，在國(guó)外有利用可見光和紅外遙感監(jiān)測(cè)土壤水分的研究，如Jackson等[3]利用NDVI監(jiān)測(cè)干旱指數(shù)、Kogan[4]提出的植被狀態(tài)指數(shù)(VCI)、Bijleveld[5]建立的計(jì)算熱慣量和每日蒸發(fā)量模型以及 Pratt和 Ellyett[6]提出繪制土壤水分和地理圖的熱慣量方法等。到20世紀(jì)90年代中后期，隨著NOAA/AVHRR和MODIS數(shù)據(jù)的普遍應(yīng)用，光學(xué)和熱紅外波段的遙感反演也逐漸成熟。有很多學(xué)者[7–9]研究了不同空間和時(shí)間及光譜分辨率的衛(wèi)星數(shù)據(jù)(AVHRR、TM、SPOT等)下Ts(地表溫度)、NDVI斜率與土壤濕度的關(guān)系。在國(guó)內(nèi)，土壤水分遙感反演方面的研究也比較早，有關(guān)研究論文也不少，如 20世紀(jì) 80年代中期，朱永豪等[10]研究了不同濕度條件下土壤光譜反射率的關(guān)系。20世紀(jì)90年代以后，土壤水分遙感反演理論和應(yīng)用得到迅速發(fā)展，土壤水分遙感反演新方法、新模型不斷出現(xiàn)[11–19]。趙杰鵬等[20]利用溫度植被干旱指數(shù)(TVDI)法對(duì)新疆地區(qū)土壤水分進(jìn)行反演，指出消除云層影響后，TVDI模型能更好地適用于大范圍土壤水分的遙感估算。另外也有部分研究指出位于短波紅外波段的MODIS第6波段和第 7波段對(duì)水分變化較敏感[21–22]，以此構(gòu)建的土壤濕度指數(shù)也可以用于土壤水分的估算，也有僅用第7波段做的分析，發(fā)現(xiàn)該波段與土壤水分間也有較好的線性相關(guān)性[23]。

綜上所述，土壤濕度的遙感反演技術(shù)已基本成熟并得到了廣泛實(shí)用，但考慮到高原地區(qū)海拔高、土壤濕度觀測(cè)站點(diǎn)幾乎沒有、下墊面條件復(fù)雜多變等原因，把內(nèi)地平原和地形條件相對(duì)單一地區(qū)展開的實(shí)驗(yàn)結(jié)果直接用于高原上對(duì)反演結(jié)果造成更大的誤差。因此本文以已有的研究結(jié)論和方法為基礎(chǔ)和參考，利用實(shí)測(cè)數(shù)據(jù)與衛(wèi)星數(shù)據(jù)相結(jié)合的方式，繼續(xù)探究MODIS第7波段與土壤水分的關(guān)系在高原地區(qū)的變化，最終找出一種利用單波段反演土壤水分的簡(jiǎn)便實(shí)用模型，將該模型應(yīng)用于日常的遙感監(jiān)測(cè)服務(wù)中，為遙感業(yè)務(wù)工作人員節(jié)省時(shí)間，提高工作效率。

1 材料與方法

1.1 數(shù)據(jù)及研究區(qū)概況

MODIS數(shù)據(jù)(Moderate Resolution Imaging Spectroradiometer)是由美國(guó)在1999年12月發(fā)射成功，并且該數(shù)據(jù)向全球免費(fèi)播放。MODIS具有 36個(gè)波段(0.405 ~ 14.385 μm波長(zhǎng))，擁有250、500、1 000 m的3個(gè)不同的空間分辨率，掃描寬度2 330 km，只需2 ~ 3軌即可覆蓋全國(guó)[21]。從水的吸收率曲線(圖 1)可以看到，水體在1.4、2.0 μm波長(zhǎng)附近存在有很高的吸收峰，如果土壤中水體含量較多，則在這些波長(zhǎng)上土壤反射率應(yīng)該是低值，反之為高值。本文選取MOD09GA.005地表反射率數(shù)據(jù)集中第7波段(2.105 ~ 2.135 μm)的地表反射率數(shù)據(jù)來計(jì)算含水率，數(shù)據(jù)可以直接從 NASA網(wǎng)站上獲取，已經(jīng)過地理定標(biāo)和大氣矯正處理，空間分辨率為500 m。

圖1 水的吸收率曲線[23]Fig. 1 Water absorption rate curve

土壤水分觀測(cè)儀器為ECH2O土壤含水量監(jiān)測(cè)系統(tǒng)，每臺(tái)儀器有5個(gè)探頭，分別埋深于2、5、10、20、30 cm，共5個(gè)不同深度。數(shù)據(jù)采樣時(shí)間間隔為10 min。該系統(tǒng)是美國(guó)Decagon公司研制的土壤水分傳感器，通過測(cè)量土壤的介電常數(shù)來計(jì)算土壤體積含水量，通過測(cè)量傳感器上電容的變化，從而測(cè)量插入介質(zhì)的介電常數(shù)或電容率。由于水的介電常數(shù)非常高，因此當(dāng)土壤中的水分含量變化時(shí)，土壤的介電常數(shù)也隨之發(fā)生相當(dāng)大的變化。ECH2O傳感器電路可以把溫度變化對(duì)測(cè)定的影響減小到最低。儀器最高靈敏度能達(dá)到0.1%，所測(cè)土壤濕度的精度最高能達(dá)到3% 以內(nèi)。

觀測(cè)樣區(qū)選擇在以那曲地區(qū)那曲縣和聶榮縣境內(nèi)的典型高寒草原區(qū)域(圖 2)，各觀測(cè)點(diǎn)平均海拔在4 600 m以上，植被以小蒿草草甸為主。樣區(qū)選擇在50 km×50 km范圍內(nèi)，選取了8個(gè)觀測(cè)點(diǎn)，相鄰樣點(diǎn)之間直線標(biāo)準(zhǔn)距離25 km，呈田字狀排列，且要求地表類型單一，無湖泊或湖泊很少，草地植被覆蓋在60% 以上，以確保觀測(cè)樣區(qū)無混合像元的影響。并要求草地類型單一、地勢(shì)平坦、交通方便，利于人工看護(hù)儀器設(shè)備和定期數(shù)據(jù)導(dǎo)出與備份。本文中由于觀測(cè)站點(diǎn) a和erm的數(shù)據(jù)測(cè)量?jī)x器與其余各點(diǎn)間不統(tǒng)一，未選取這兩點(diǎn)的數(shù)值。

圖2 研究區(qū)各觀測(cè)點(diǎn)分布Fig. 2 Study area and observation point distribution

1.2 數(shù)據(jù)處理

由于研究區(qū)的 6個(gè)實(shí)地觀測(cè)點(diǎn)位于數(shù)據(jù)編號(hào)為h25v05的范圍內(nèi)，只需下載編號(hào)為 h25v05的 2014年9月至2015年7月衛(wèi)星過境觀測(cè)點(diǎn)晴空時(shí)段所有數(shù)據(jù)，不需要拼接處理。該數(shù)據(jù)集中包括通道1 ~ 7的反射率值，首先，在MRT軟件中對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括重采樣和重投影，各參數(shù)設(shè)置如下：提取波段數(shù)據(jù)選第7波段的反射率，數(shù)據(jù)空間分辨率為500 m，投影方式統(tǒng)一為 Geographic投影，數(shù)據(jù)格式用Geotiff，重采樣方法為Nearest Neighbor，對(duì)獲取的數(shù)據(jù)乘0.000 1，得到第7波段反射率值。野外實(shí)測(cè)數(shù)據(jù)的時(shí)間分辨率為10 min，數(shù)據(jù)采集時(shí)段與衛(wèi)星數(shù)據(jù)保持一致，數(shù)據(jù)處理過程如下：首先，查詢MODIS數(shù)據(jù)衛(wèi)星軌道過境和出境時(shí)段，將此時(shí)段作為實(shí)測(cè)數(shù)據(jù)提取的時(shí)間；其次，以衛(wèi)星過境前后10 min的土壤觀測(cè)數(shù)據(jù)作為地面驗(yàn)證數(shù)據(jù)，由于衛(wèi)星觀測(cè)所得數(shù)據(jù)為地球表面地物的反射率，因此選取6個(gè)觀測(cè)點(diǎn)深度為2 cm土壤水分?jǐn)?shù)據(jù)作為地面驗(yàn)證數(shù)據(jù)，將數(shù)據(jù)取算術(shù)平均代表該點(diǎn)的土壤水分觀測(cè)值，土壤濕度數(shù)據(jù)統(tǒng)計(jì)分析處理(包括回歸模型建立和圖形繪制)均在R軟件中完成，衛(wèi)星資料分析制圖在ArcGIS中完成。

2 模型構(gòu)建

在分析MODIS第7波段地表反射率數(shù)據(jù)和野外觀測(cè)土壤水分?jǐn)?shù)據(jù)關(guān)系(圖 3)發(fā)現(xiàn)，7個(gè)觀測(cè)點(diǎn)值基本上都在擬合直線附近波動(dòng)，從而可以認(rèn)為二者基本上呈線性負(fù)相關(guān)，而這些點(diǎn)與直線的偏離是由其他一切不確定因素影響造成的，根據(jù)第7波段與土壤含水量存在的線性相關(guān)性，可以假定Y = β0+ β1X + ε，為線性模型方程，其中，β0+ β1X表示土壤水分Y隨第7波段地表反射率而變化的部分；ε是隨機(jī)誤差，是其他一切不確定因素影響總和，其值是不可觀測(cè)的。在這里假定ε ~ N(0，σ2)，求出線性回歸方程中各參數(shù) β0、β1的最小二乘估計(jì)值及對(duì)方程作顯著性水平檢驗(yàn)發(fā)現(xiàn)，在給定顯著性水平(α = 0.05)下，回歸方程均通過了回歸參數(shù)和回歸方程的檢驗(yàn)，殘差的標(biāo)準(zhǔn)差也很小，非常顯著，但絕對(duì)系數(shù) R2較小(<0.55)，說明所得的回歸方程并非為最優(yōu)回歸方程，需要再次考慮對(duì)回歸方程的改進(jìn)和進(jìn)一步優(yōu)化。

圖3 MODIS第7波段反射率與土壤體積含水量散點(diǎn)圖Fig. 3 Scatter diagrams of MODIS band 7 reflectance and soil volumetric water content

再進(jìn)一步詳細(xì)考慮各觀測(cè)點(diǎn)實(shí)驗(yàn)數(shù)值與衛(wèi)星數(shù)據(jù)之間的關(guān)系，若考慮曲線擬合可以發(fā)現(xiàn)所有觀測(cè)點(diǎn)的要素絕對(duì)系數(shù)R2均會(huì)有顯著提高，表明兩者的關(guān)系不僅僅用簡(jiǎn)單的線性方程加以確定，需要建立變量和自變量間新的回歸方程進(jìn)行分析，并且在新的方程中把曲線擬合的關(guān)系加以考慮。在經(jīng)過反復(fù)的試驗(yàn)分析后，最終可以將反映兩者關(guān)系的回歸方程假設(shè)為 Y = β0+ β1X +β2X2+ε形式，其中，β0+ β1X+β2X2表示土壤水分Y隨第7波段地表反射率的變化而變化的部分，在原有的線性模型基礎(chǔ)上，考慮了反射率與土壤水分的二次曲線擬合關(guān)系。ε同樣是隨機(jī)誤差，為一切不確定因素影響的總和，其值是不可觀測(cè)的。在這里假定ε ~ N (0，σ2)，可以作為反演模型使用，并對(duì)回歸方程的參數(shù)和方程進(jìn)行檢驗(yàn)。結(jié)果表明，與原模型相比(表1)，該模型的絕對(duì)系數(shù)R2得到顯著提高，平均每個(gè)點(diǎn)提高了0.19，因此，考慮第7波段反射率與土壤水分間的曲線擬合關(guān)系是可行的?；貧w方程的殘差標(biāo)準(zhǔn)差也得到了更好的控制，回歸方程的各參數(shù)、方程、殘差標(biāo)準(zhǔn)差、絕對(duì)系數(shù)均非常顯著，并在給定的顯著性水平下，都分別通過了T和P檢驗(yàn)。對(duì)所有樣本觀測(cè)點(diǎn)的數(shù)據(jù)建立回歸方程，得到可以用來反演土壤水分的最終模型回歸方程，回歸方程參數(shù)能通過(P<0.001)檢驗(yàn)，絕對(duì)系數(shù)為0.62，也通過了顯著性水平檢驗(yàn)，因此，回歸方程可以作為藏北地區(qū)大范圍土壤水分反演模型。

表1 各觀測(cè)點(diǎn)土壤水分反演回歸方程及絕對(duì)系數(shù)、顯著性檢驗(yàn)結(jié)果Table 1 Soil moisture inversion regression equation, correlation coefficient, significance test in each observation point

3 模型預(yù)測(cè)及驗(yàn)證分析

為了驗(yàn)證遙感估算模型的精度，利用 2015年 3月至7月底研究區(qū)晴空MODIS第7波段的反射率產(chǎn)品數(shù)據(jù)，對(duì)研究區(qū)土壤水分?jǐn)?shù)據(jù)進(jìn)行預(yù)測(cè)反演，從反演結(jié)果影像中提取對(duì)應(yīng)的觀測(cè)點(diǎn)像元的反演數(shù)值，與野外實(shí)地觀測(cè)值對(duì)比分析可以看出(圖 4)，反演值和實(shí)測(cè)數(shù)據(jù)的平均值之間具有非常高的線性相關(guān)性(絕對(duì)系數(shù)為 0.93)，對(duì)所有觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析，兩者間也有較好的相關(guān)性(相關(guān)系數(shù)為0.62)；地面觀測(cè)和模型估算的兩組數(shù)據(jù)平均值分別為 0.126 cm3/cm3和0.187 cm3/cm3，方差為0.008 6和0.003 5，相對(duì)誤差為 1.5%，兩組數(shù)據(jù)的大小和變化均差別較小，模型反演的結(jié)果總體上略大于實(shí)測(cè)值；對(duì)驗(yàn)證的所有數(shù)據(jù)進(jìn)行分析，兩者的均方根誤差和平均相對(duì)誤差分別為 7.03% 和 3.48%。模型產(chǎn)生的誤差可能來源于研究區(qū)空間尺度上觀測(cè)點(diǎn)較少，時(shí)間尺度上與衛(wèi)星過境同步的晴空日數(shù)有限，因此在后續(xù)研究中，在條件允許下，可以適當(dāng)增加觀測(cè)密度及范圍，對(duì)提高反演精度和效果有利。

圖4 實(shí)測(cè)土壤水分與模型估算結(jié)果間的比較Fig. 4 Comparison between measured and estimated soil moistures

使用新建立的回歸模型，繪制了研究區(qū)土壤水分空間分布圖(圖5)。研究區(qū)7月份土壤水分顯著大于 5月份，5月份土壤水分較高的區(qū)域主要分布在聶榮縣北部和那曲縣南部區(qū)域，部分地區(qū)土壤水分達(dá)到0.2 cm3/cm3以上的水平，其余大部分區(qū)域土壤水分值均小于 0.1 cm3/cm3，占研究區(qū)總面積的15.76%，研究區(qū)平均土壤水分為0.122 8 cm3/cm3，最大值為0.38 cm3/cm3，最小值為0.067 cm3/cm3；7月份土壤水分在0.1 ~ 0.2 cm3/cm3的區(qū)域主要集中在那曲縣東部、聶榮縣中部部分區(qū)域，面積占研究區(qū)總面積的12.78%，土壤水分值在0.1 cm3/cm3以下的區(qū)域主要分布在那曲縣西部、聶榮縣南部和北部部分區(qū)域。研究區(qū)7個(gè)觀測(cè)點(diǎn)5月份土壤水分差距不大，均小于0.1 cm3/cm3，7月份觀測(cè)點(diǎn)emu、eru和erd的土壤水分值均大于0.1 cm3/cm3，大于其余4個(gè)點(diǎn)。

4 結(jié)論

圖5 藏北土壤水分反演(A. 2015年5月5日；B. 2015年7月24日)Fig. 5 Soil moisture inversion of northern Tibet (A. May 5, 2015; B. July 24, 2015)

本文將MODIS短波紅外波段應(yīng)用于土壤水分監(jiān)測(cè)中，發(fā)現(xiàn)具有較好的應(yīng)用效果。并基于MODIS第7波段的光譜特征與土壤水分之間的關(guān)系，構(gòu)建了簡(jiǎn)單實(shí)用的MODIS土壤水分監(jiān)測(cè)模型。與實(shí)測(cè)數(shù)據(jù)對(duì)比分析，結(jié)果顯示二者具有較好的相關(guān)性，擬合方程通過了統(tǒng)計(jì)的顯著性水平檢驗(yàn)，表明該方法對(duì)土壤水分監(jiān)測(cè)十分有效。模型簡(jiǎn)單易用，可用于日常遙感監(jiān)測(cè)業(yè)務(wù)服務(wù)工作中，為中尺度的土壤水分監(jiān)測(cè)提供了可靠的工具。因此，MODIS第7波段反射率可以作為藏北地區(qū)土壤水分反演的數(shù)據(jù)，用于大面積、多時(shí)相的干旱監(jiān)測(cè)是可行的。

模型構(gòu)建過程中，實(shí)測(cè)數(shù)據(jù)均位于藏北那曲高海拔、植被稀疏地區(qū)，因此該模型應(yīng)用范圍僅限于藏北地區(qū)或具有類似下墊面特征區(qū)域使用。鑒于青藏高原面積大，地表類型和氣候特征復(fù)雜多變等原因，后續(xù)研究中建議在不同下墊面類型內(nèi)均勻選擇用于驗(yàn)證的土壤水分監(jiān)測(cè)點(diǎn)，用于提高模型精度，優(yōu)化模型。在海拔較低、濕度較大高原其他地區(qū)的第7波段反射率與土壤水分的關(guān)系也需要進(jìn)一步的分析研究。

[1] Foody G M. Soil moisture content ground data for remote sensing investigation of agriculture region[J]. Int. J. Remote Sensing, 1991, 12(7): 1461–1469

[2] Cassel D K, Klute A. Water potential: Tensiometry // Klute A. Methods of soil analysis: Part 1-Physical and mineralogical methods[M]. Madison, WI: American Society of Agronomy, Soil Science Society of America, 1986

[3] Jackson R D, Slaler P N, Pinter P J. Discrimination of growth and water stress in wheat by various vegetation indices through clear and turbid atmosphere[J]. Remote Sensing of Environment, 1983, 13: 187–208

[4] Kogon F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas[J]. Int. of Remote Sensing, 1990, 11: 1405–1420

[5] Bijleveld R A. ‘Tell Us’ a combined surface temperature, soil moisture and evaporation mapping approach[C]. Paper Presented at 12th Int. Symp. on Rem. Sens. of Env. Manila, Philippines, 1978: 20–25

[6] Pratt A, Ellyett C D. The thermal inertia approach to mapping of soil moisture and geology[J]. Remote Sensing of Environment, 1979, 8(2): 151–168

[7] Goetz S J. Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site[J]. International Journal of Remote Sensing, 1997, 18(1): 71–94

[8] Gillies R R, Carlson T N, Gui J, et al. Averification of the‘triangle’ method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface radiant temperature[J]. International Journal of Remote Sensing, 1997, 18(15): 3145–3166

[9] Sandholt I, Rasmussen K, Andersen J. A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2/3): 213–224

[10] 朱永豪, 鄧仁達(dá), 盧亞非, 等. 不同濕度條件下黃棕壤光譜反射率的變化特征及其遙感意義[J]. 土壤學(xué)報(bào), 1984, 21(2): 194–202

[11] 蔣金豹, 張玲, 崔希民, 等. 基于L波段的裸土區(qū)土壤水分微波遙感反演研究[J]. 土壤, 2014, 46(2): 361–365

[12] 焦俏, 王飛, 李銳, 等. ERS衛(wèi)星反演數(shù)據(jù)在黃土高原近地表土壤水分中的應(yīng)用[J]. 土壤學(xué)報(bào), 2014, 51(6): 1338–1397

[13] 蘭鑫宇, 郭子祺, 田野, 等. 土壤濕度遙感估算同化研究綜述[J]. 地球科學(xué)進(jìn)展, 2015, 30(6): 668–679

[14] 隋洪智, 田國(guó)良, 李付琴. 農(nóng)田蒸散雙層模型及其在干旱遙感監(jiān)測(cè)中的應(yīng)用[J]. 遙感學(xué)報(bào), 1997, 1(3): 220–224

[15] 劉玉嬌, 朱青, 呂立剛, 等. 基于時(shí)間穩(wěn)定性和降維因子分析的土壤水分監(jiān)測(cè)優(yōu)化[J]. 土壤, 2016, 48(1):186–192

[16] 張仁華. 土壤含水量的熱慣量模型及其應(yīng)用[J]. 科學(xué)通報(bào), 1991, 36(12): 924–927

[17] 田國(guó)良. 土壤水分的遙感監(jiān)測(cè)方法[J]. 環(huán)境遙感, 1991, 6(2): 89–98

[18] 劉培君, 張琳, 艾里西爾.庫(kù)爾班, 等. 衛(wèi)星遙感估測(cè)土壤水分的一種方法[J]. 遙感學(xué)報(bào), 1997, 1(2): 135–138

[19] 汪瀟, 張?jiān)鱿? 趙曉麗, 等. 遙感監(jiān)測(cè)土壤水分研究綜述[J]. 土壤學(xué)報(bào), 2007, 44(1): 157–163

[20] 趙杰鵬, 張顯峰, 廖春華, 等. 基于TVDI的大范圍干旱區(qū)土壤水分遙感反演模型研究[J]. 遙感技術(shù)與應(yīng)用, 2011, 26(6): 742–750

[21] 郭鈮, 陳添宇, 雷建勤, 等. 用 NOAA 衛(wèi)星可見光和紅外資料估算甘肅省東部農(nóng)田區(qū)土壤濕度[J]. 應(yīng)用氣象學(xué)報(bào), 1997, 8(2): 212–218

[22] 姚云軍, 秦其明, 趙少華, 等. 基于 MODIS短波紅外光譜特征的土壤含水量反演[J]. 紅外與毫米波學(xué)報(bào), 2011, 30(1): 9–14

[23] 郭廣猛, 趙冰茹. 使用MODIS數(shù)據(jù)監(jiān)測(cè)土壤濕度[J]. 土壤, 2004, 36(2): 219–221

Remote Sensing Inversion Model of Soil Moisture of Northern Tibet Region

LA Ba1,2, ZHUO Ga3, CHEN Tao1
(1 Lhasa Branch of Chengdu Plateau Meteorological Research Institute of China, Lhasa 850001, China; 2 Tibet Institute of Plateau Atmospheric and Environmental Science, Lhasa 850001, China; 3 China Meteorological Administration, Lhasa 850001, China)

Soil moisture is an important parameter to reflect surface soil properties and also is a hot topic in remote sensing inversion field. A simple and practical soil moisture retrieval regression model was established based on the sensitivity of MODIS band 7 data to moisture changes. The results showed that the new model worked well in soil moisture inversion in the study area, and significant correlation was found between the field observed data and inversed data of soil moisture (P<0.001). The new model is simple, practical and feasible, and can be used to monitor soil moisture in northern Tibet and other plateau regions.

Soil moisture; MODIS; Reflectance; Model

P237

A

10.13758/j.cnki.tr.2017.01.025

中國(guó)氣象局氣候變化專項(xiàng)(CCSF201515)、國(guó)家自然科學(xué)基金項(xiàng)目(41165002，41465006)、中國(guó)氣象局氣象新技術(shù)推廣項(xiàng)目(CMAGJ2013M51)和中國(guó)氣象局成都高原氣象研究所高原氣象開放基金項(xiàng)目(LPM2012006)資助。

拉巴(1983—)，男，西藏拉薩人，碩士研究生，主要從事遙感應(yīng)用研究。E-mail: xilaba@sohu.com