全 文 ：三种 Ts / VI指数在 UCLA土壤湿度
降尺度法中的效果评价*
凌自苇1 摇 何龙斌1 摇 曾摇 辉1,2**
( 1北京大学深圳研究生院城市规划与设计学院, 广东深圳 518055; 2北京大学城市与环境学院生态学系, 北京 100871)
摘摇 要摇 微波遥感土壤湿度产品是目前在大尺度水资源或气候变化研究中比较常用的地表
土壤湿度数据,但其空间分辨率一般都较粗,不能满足区域或流域尺度相关研究要求.因而,
在这些尺度的相关研究中需要对土壤湿度产品进行空间降尺度. UCLA 法是一种土壤湿度降
尺度方法,该方法使用地表温度和植被指数特征空间指数(Ts / VI 指数)作为降尺度因子. 本
文以 AMSR鄄E 土壤湿度产品作为土壤湿度粗分辨率数据,使用 MODIS 地表温度产品
(MYD11A1)和植被指数产品(MYD13A2)计算 3 种指数———土壤湿度指数(SW)、温度植被
干旱指数(TVDI)和条件温度植被指数(VTCI),对比了 3 种 Ts / VI 指数分别作为 UCLA 法降
尺度因子的效果.这 3 种指数均能得出合理的降尺度结果,但使用 TVDI 和 VTCI 的降尺度结
果稍优于 SW,说明 TVDI和 VTCI更适合作为 UCLA法的降尺度因子.最后讨论了 UCLA法的
误差来源,如粗分辨率土壤湿度产品的测量误差、降尺度因子的计算误差以及 UCLA 法自身
的误差,并对未来的研究做出展望.
关键词摇 土壤湿度摇 降尺度摇 UCLA法摇 Ts / VI指数摇 遥感
*国家重大基础研究专项(2012CB956303)资助.
**通讯作者. E鄄mail: zengh@ pkusz. edu. cn
2013鄄06鄄20 收稿,2013鄄11鄄25 接受.
文章编号摇 1001-9332(2014)02-0545-08摇 中图分类号摇 TP79; S152. 7摇 文献标识码摇 A
Evaluating the performance of the UCLA method for spatially downscaling soil moisture
products using three Ts / VI indices. LING Zi鄄wei1, HE Long鄄bin1, ZENG Hui1,2 ( 1 School of
Urban Planning and Design, Shenzhen Graduate School, Peking University, Shenzhen 518055,
Guangdong, China; 2Department of Ecology, College of Urban & Environmental Sciences, Peking
University, Beijing 100871, China) . 鄄Chin. J. Appl. Ecol. , 2014, 25(2): 545-552.
Abstract: Soil moisture products derived from microwave remote sensing data are commonly used in
the studies of large鄄scale water resources or climate change. However, the spatial resolutions of
these products are usually too coarse to be used in regional鄄 or watershed鄄scale studies. Therefore,
it is necessary to spatially downscale the coarse鄄resolution soil moisture products for use in regional鄄
or watershed鄄scale studies. The UCLA method is one of the methods for spatially downscaling soil
moisture products. In this method, the spatial indices (Ts / VI indices) calculated from land surface
temperature and vegetation index are used as auxiliary variables for spatial downscaling. In this pa鄄
per, we compared the performance of the UCLA method for spatially downscaling the coarse鄄resolu鄄
tion AMSR鄄E soil moisture products, using three Ts / VI indices as auxiliary variables, i. e. , the soil
wetness index (SW), temperature vegetation dryness index (TVDI), and vegetation temperature
condition index (VTCI). These auxiliary variables were calculated from the products of MODIS
land surface temperature (MYD11A1) and MODIS vegetation index (MYD13A2). The downscaled
results using the three Ts / VI indices were all reasonable. However, the downscaled results using
TVDI and VTCI were better than using SW. Therefore, we concluded that TVDI and VTCI are more
suitable than SW to be used as the auxiliary variable when applying the UCLA method for downscal鄄
ing soil moisture products. Finally, we discussed the error sources of applying the UCLA method,
such as measurement errors of coarse resolution soil products, calculation errors from spatial indi鄄
ces, and errors from the UCLA method itself, and we also discussed the potential improvements of
应 用 生 态 学 报摇 2014 年 2 月摇 第 25 卷摇 第 2 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Feb. 2014, 25(2): 545-552
future research.
Key words: soil moisture; downscaling; UCLA method; Ts / VI index; remote sensing.
摇 摇 土壤湿度是控制陆地表面水资源分配与能量交
换的关键因子之一,其时空分布与变化对区域水资
源、农牧业管理和气候变化等领域有重要的理论与
实践意义[1-2] .利用遥感技术监测土壤湿度时空分
布是目前区域尺度研究较常见的手段[3],可分为光
学遥感和微波遥感两大类.微波遥感具备全天候、重
复周期短和不受天气影响等优点[4-5],成为普遍使
用的土壤湿度遥感监测方法之一,并已有不少卫星
土壤湿度产品发布供研究者使用,如 Aqua 卫星、
EUMETSAT卫星和 SMOS卫星.
大部分水文过程所需的观测和模拟尺度一般小
于 1 km[6-7],但卫星土壤湿度产品的空间分辨率一
般都是十几到几十千米,所以研究可靠、简单并且独
立于地面数据的土壤湿度降尺度插值方法对于区域
和流域水资源管理,特别是地面监测数据缺乏地区
的相关研究有重要意义[8-9] . 现阶段常用的方法包
括,基于地表温度或植被指数的回归法[10-11]、Merlin
法[12]以及 Kim和 Hogue[13]提出的 UCLA法.相关研
究表明, UCLA 法与 Merlin 法能够更好地改善
AMSR鄄E土壤湿度产品的空间分辨率,插值结果具
有更高的精度;UCLA法比 Merlin 法计算简便,所需
数据更少,是一种更实用的土壤湿度降尺度方
法[13] .
UCLA法是一种基于地表温度和植被指数特征
空间指数(Ts / VI 指数)的土壤湿度降尺度插值方
法,其以该类指数作为降尺度因子,但该方法所采用
的 Ts / VI指数———土壤湿度指数(SW)并不是常用
的土壤湿度反演指数.针对该问题,本文尝试利用两
个常用于反演土壤湿度的 Ts / VI指数———温度植被
干旱指数(TVDI)和条件温度植被指数(VTCI)代替
原方法的 SW指数,对它们的降尺度效果进行对比
验证,以探讨较为优化的土壤湿度降尺度技术路径.
1摇 试验区概况与研究方法
1郾 1摇 试验区概况
为了对比降尺度结果,需要足够的地面数据才
能进行可靠的验证.本文使用美国 NASA Aqua 卫星
产品验证计划的 SMEX04 亚利桑那工作区作为本文
的试验区. 该试验区位于美国亚利桑那州东南部
San Pedro河流域内,面积约 3750 km2,区内共有 40
个土壤湿度监测点,采集 2004 年 8 月 3 日至 26 日
每天中午土壤表层 0 ~ 6 cm 的土壤湿度值. 试验区
植被以半干旱灌丛荒漠为主(图 1),植被稀少,适合
用于验证微波遥感土壤湿度产品.受北美季风影响,
试验区降水集中于夏季,以短时间高强度的雷暴雨
为主[14-15] .由于水分缺乏,试验区土壤湿度空间分
异受生态系统过程影响显著[16-18] .
1郾 2摇 数据来源
1郾 2郾 1 遥感数据摇 本文使用的遥感数据包括 AMSR鄄
E土壤湿度产品、MODIS 地表温度以及植被指数产
品(表 1),均下载于 NASA Reverb 系统 (http: / / re鄄
verb. echo. nasa. gov). 土壤湿度产品是 AMSR鄄E 陆
地三级产品,湿度单位为 m3·m-3,分辨率为 25 km.
该产品分为昼夜两类,为了配合地面采样时间,本文
采用白天产品(过境时间为 13:30). MODIS 每天地
表温度产品(MYD11A1)分辨率为 1 km,本文使用
其中的白天地表温度产品. MODIS 16 d植被指数产
图 1摇 试验区土地覆被类型与 AMSR鄄E 像元分区(分别为
A ~ F像元)
Fig. 1 摇 Land cover types and AMSR鄄E grids ( identified as
A-F) in study area.
a)水体 Water body; b)裸土 Bare soil; c)灌木 Shrubland;d)草地
Grassland; e)河岸灌木 Riparian shrubland; f) 河岸林地 Riparian
woodland; g)疏林地 Sparse woodland; h)林地 Woodland; i)农田
Cropland; j)AMSR鄄E像元 AMSR鄄E grid.
表 1摇 本文使用的遥感数据
Table 1摇 Summary of remote sensing products used in this
paper
产品名称
Product
name
产品类型
Variable
空间分辨率
Pixel
resolution
时间分辨率
Temporal
resolution
(d)
数据质量
Data
quality
AMSR鄄E 土壤湿度
Soil moisture
25 km伊25 km 1 可接受
Acceptable
MYD11A1 地表温度
LST
1 km伊1 km 1 优
Good
MYD13A2 增强型植被指数
EVI
1 km伊1 km 16 优
Good
645 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
品(MYD13A2)分辨率为 1 km,本文使用其中的增
强型植被指数 EVI 产品. 以上遥感数据均来自于
Aqua卫星平台.
1郾 2郾 2 地面数据摇 本文使用 SMEX04 亚利桑那工作
区的地面样点数据,从美国冰雪数据中心网站下载
获得( http: / / nsidc. org / data). 该套数据共有 40 个
样点,采样时间为 2004 年 8 月 3 日至 26 日的每天
11:30—14:30 (接近 Aqua 卫星上升轨道过境时
间).样点分别被 6 个边长 25 km的 AMSR鄄E像元分
为 A、B、C、D、E、F 6 组(图 1),每组包含 4 ~ 8 个样
点.利用探针式土壤水分传感器 Theta Probe 测得土
壤表层 0 ~ 6 cm 的介电常数,然后转换为土壤体积
含水量,单位为 m3·m-3[19-20] .
1郾 3摇 研究方法
1郾 3郾 1 UCLA 法 摇 UCLA 法是 Kim 和 Hogue[13] 在
2012 年提出的一种基于地表温度和植被指数的土
壤湿度降尺度插值方法,它具有独立于地面数据、操
作简单和计算效率高等特点,并被证实适合在半干
旱地区使用[13] .该方法表达式如下:
M1 = M25 伊
SMI1
SMI25
式中:M1为降尺度插值后分辨率为 1 km 的土壤湿
度;M25为分辨率为 25 km的 AMSR鄄E土壤湿度产品
值;SMI1为利用 MODIS地表温度和植被指数计算得
出的湿度指数,分辨率为 1 km;SMI25为 AMSR鄄E 产
品某 25 km像元内所有 1 km尺度 MODIS像元的湿
度指数平均值. SMI1与 SMI25之商是降尺度因子.
该方法采用的湿度指数 SMI 是修改自 Jiang 和
Islam[21]发表的一个计算潜热通量的指数,其表达式
如下[3]:
SW = 1 - (1 - 茁EVI)驻T(1 - EVI)驻Tmax + EVI驻Te
驻T = TMODIS - Tmin
驻Tmax = Tmax - Tmin
驻Te = Te - Tmin
茁 = 1 - (
驻Te
驻Tmax
)
式中:SW为土壤湿度指数;EVI 为 MODIS 增强型植
被指数;TMODIS为给定像元对应的地表温度;Tmax和
Tmin分别为工作区内最大和最小的地表温度;Te为完
全植被覆盖状态下,即 EVI = 1. 0 时的最大地表
温度.
1郾 3郾 2 TVDI和 VTCI摇 由于 UCLA 法所采用的湿度
指数并不是常用的土壤湿度反演指数,本文尝试利
用两个常用于反演土壤湿度的 Ts / VI 指数,即温度
植被干旱指数(TVDI)和条件温度植被指数(VTCI)
代替原指数,对比它们的降尺度插值效果.
TVDI和 VTCI 分别是 Sandholt 等[22]和王鹏新
等[23]根据地表温度和植被指数关系散点图提出的
用于估算土壤表层水分含量的指数.表达式分别为:
TVDI=
TMODIS-Tmin
a1+b1EVI-Tmin
VTCI=
a1+b1EVI-TMODIS
a1+b1EVI-a2+b2EVI
式中:TMODIS为给定像元对应的地表温度;Tmin为工作
区内最小的地表温度;a1和 b1为定义干边的拟合参
数;a2和 b2为定义湿边的拟合参数.另外,因为 TVDI
与土壤湿度呈负相关关系,本文在使用 TVDI 代入
UCLA法时作以下处理:
M1 =M25伊
1-TVDI1
1-TVDI25
式中:TVDI1为给定 MODIS 像元对应的 TVDI 值;
TVDI25为给定像元在所处 AMSR鄄E 像元分区内的
TVDI平均值.
在计算 SW、TVDI、VTCI 的过程中,需要拟合地
表温度和植被指数特征空间的干边和湿边方程,并
要求工作区足够大,土壤表层含水量应从萎蔫含水
量到田间持水量,且地表覆盖应从裸土到植被完全
覆盖[24-26] .受试验区实际条件限制,较难满足上述
要求,故本文使用 Tang 等[27]提出的适合半干旱地
区的干湿边提取方法,统一计算本文所需的每日干
湿边拟合方程. 因为 MODIS 产品受云量的影响严
重,所以挑选云量较少的 6 d作为研究时间,分别是
2004 年的第 222 天、第 223 天、第 225 天、第 234 天、
第 238 天和第 239 天.
2摇 结果与分析
2郾 1摇 AMSR鄄E土壤湿度产品验证
AMSR鄄E土壤湿度产品的精度对降尺度插值结
果有很大影响,必须先对土壤湿度产品进行验证才
能合理对比不同指数的降尺度插值效果. 利用试验
区 40 个样点的土壤湿度值对 AMSR鄄E 土壤湿度产
品进行验证,分 2 个尺度进行:1)25 km AMSR鄄E 像
元尺度,即分别计算试验区每个 AMSR鄄E 像元中的
样点土壤湿度平均值(每个像元含样点 4 ~ 8 个),
然后以该值作为所处像元的观测值验证 AMSR鄄E土
壤湿度产品. 2)样点尺度,即直接用每个样点的观
测值验证 AMSR鄄E土壤湿度产品.需要注意的是,理
7452 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 凌自苇等: 三种 Ts / VI指数在 UCLA土壤湿度降尺度法中的效果评价摇 摇 摇 摇 摇 摇
表 2摇 试验区 AMSR鄄E土壤湿度产品验证
Table 2摇 Evaluation of AMSR鄄E soil moisture products in
study area
日序
Days
of year
AMSR鄄E像元尺度
AMSR鄄E grid scale
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
样点尺度
Sampling scale
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
222 0. 031 0. 030 0. 050 0. 044
223 0. 022 0. 018 0. 050 0. 044
225 0. 038 0. 038 0. 052 0. 047
234 0. 021 0. 020 0. 042 0. 033
238 0. 038 0. 029 0. 053 0. 045
239 0. 043 0. 035 0. 055 0. 048
平均 Average 0. 032 0. 028 0. 050 0. 043
论上 AMSR鄄E的 6. 9 GHz 通道用于反演表层 1 cm
的土壤湿度,这与试验区样点的采样深度 0 ~ 6 cm
有一些差异,但应该处于可接受的范围.
从验证结果可得,样点尺度的误差明显大于像
元尺度,平均平方根误差(RMSE)从 0. 032 m3·m-3
增加至 0. 050 m3 ·m-3,平均绝对误差 (MD)从
0郾 028 m3·m-3增加至 0. 043 m3·m-3(表 2). 说明
AMSR鄄E土壤湿度产品在 25 km像元尺度上代表性
较好,但因尺度效应,不能反映像元内的土壤湿度空
间分异状况,难以满足流域尺度的水资源研究要求.
2郾 2摇 降尺度插值效果比较
将 SW、 TVDI、 VTCI 分别作为湿度指数代入
UCLA法中对试验区 AMSR鄄E 土壤湿度产品进行降
尺度插值,对比它们的效果差异. 3 种指数降尺度插
值的结果在描述土壤湿度空间分异格局的能力相
近.由 2004 年第 239 天试验区 AMSR鄄E土壤湿度产
品以及分别用 3 种指数代入 UCLA法降尺度插值后
的结果(图 2)可以看出,3 种指数都能捕捉到试验
区内土壤湿润区和干旱区的空间分异,如中部南北
两处植被覆盖相对密集区域的土壤湿度较高,周边
植被覆盖较稀疏区域的土壤湿度较低. 但相比另外
两个指数,代入 SW 指数的降尺度插值结果显示出
了相对更多的空间分异细节,即湿的区域湿度更高、
干的区域湿度更低.
摇 摇 利用试验区地面样点数据来验证降尺度插值效
果.为了避免尺度效应的影响,从 AMSR鄄E像元尺度
进行验证.试验区 40 个样点被边长 25 km的 AMSR鄄
E像元划分成 A、B、C、D、E、F 等 6 组,每组共 4 ~ 8
个样点,计算每组样点的平均值作为该像元的土壤
湿度观测值.相应地,将降尺度插值结果对应每个样
点的像元值也用同样的方法分 6 组,计算每组的平
均值,并与降尺度插值前的 AMSR鄄E 土壤湿度产品
进行对比验证.
试验区 6 个分区研究期间地面样点观测值、
AMSR鄄E土壤湿度值以及降尺度插值结果的对比如
图 3 所示.总体上看,研究期间,AMSR鄄E 土壤湿度
与样点观测值偏差不大,其时间变化与地面观测值
有一定相似性.全部分区偏差的变化特点一致,即当
样点观测值较低时,AMSR鄄E值与观测值偏差较大,
当样点观测值较高时,AMSR鄄E 与观测值偏差较小.
3 种指数的降尺度插值结果依赖 AMSR鄄E 值变化,
大部分结果相比插值前的 AMSR鄄E值更接近样点观
测值.其中,TVDI与 VTCI的插值结果基本相似,SW
的插值结果总体上比另外两种指数偏离原 AMSR鄄E
值更多,稳定性稍弱.
摇 摇 利用平均平方根误差(RMSE)和平均绝对误差
(MD)对研究期间各 AMSR鄄E 像元分区和总体降尺
度插值结果进行验证,结果表明,TVDI 和 VTCI 降
尺度插值结果的 RMSE 与 MD 相同,研究期间,
TVDI和 VTCI的插值结果总体上改善了 AMSR鄄E 土
壤湿度产品的空间分异格局描述能力,并比 SW 整
体效果稍显著.为了对比方便,用同一种拟合方法提
图 2摇 试验区 2004 年第 239 天的降尺度插值结果比较
Fig. 2摇 Comparison of the AMSR鄄E soil moisture image and downscaled AMSR鄄E soil moisture image for DOY 239.
M:土壤湿度 Soil moisture (m3·m-3) .
845 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
图 3摇 研究期间各分区(A ~ F)降尺度插值结果比较
Fig. 3摇 Comparison of AMSR鄄E soil moisture and downscaled soil moisture within each AMSR鄄E Grid (A-F).
SMEX:样点观测值 Observed value in the sampling plot; AMSR:AMSR鄄E土壤湿度值 AMSR鄄E soil moisture; SW:SW插值结果 SW interpolation re鄄
sult; TVDI:TVDI插值结果 TVDI interpolation result; VTCI:VTCI插值结果 VTCI interpolation result. 下同 The same below.
表 3摇 研究期间 AMSR鄄E像元分区降尺度插值结果比较
Table 3摇 Comparison of AMSR鄄E soil moisture and downscaled soil moisture within each AMSR鄄E grid
AMSR鄄E
像元分区
AMSR鄄E
grid
AMSR鄄E土壤湿度产品
AMSR鄄E soil moisture product
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
SW插值结果
SW interpolation result
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
TVDI插值结果
TVDI interpolation result
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
VTCI插值结果
VTCI interpolation result
平均平方根
误差 RMSE
(m3·m-3)
平均绝对
误差 MD
(m3·m-3)
A 0. 050 0. 044 0. 037 0. 034 0. 042 0. 037 0. 042 0. 037
B 0. 029 0. 023 0. 022 0. 017 0. 022 0. 018 0. 022 0. 018
C 0. 047 0. 040 0. 055 0. 053 0. 054 0. 052 0. 054 0. 052
D 0. 032 0. 029 0. 045 0. 036 0. 036 0. 029 0. 036 0. 029
E 0. 026 0. 022 0. 027 0. 018 0. 025 0. 016 0. 025 0. 016
F 0. 052 0. 046 0. 065 0. 063 0. 056 0. 054 0. 056 0. 054
平均 Average 0. 039 0. 034 0. 042 0. 037 0. 039 0. 034 0. 039 0. 034
取 3 种指数的地表温度与植被指数特征空间干湿
边,以常数值代替计算 VTCI 所需的湿边回归方程,
导致 TVDI和 VTCI降尺度结果相同.
摇 摇 为了进一步分析 3 种指数降尺度插值对原
AMSR鄄E数据空间分异描述能力的改善效果,利用
累积频率曲线对比降尺度插值前后结果. 挑选研究
时段的 6 d,分别是 2004 年第 222 天、第 223 天、第
225 天、第 234 天、第 238 天和第 239 天的累积频率
曲线进行分析.从图 4 可以看出,3 种指数的降尺度
插值结果都对粗分辨率 AMSR鄄E土壤湿度产品的空
9452 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 凌自苇等: 三种 Ts / VI指数在 UCLA土壤湿度降尺度法中的效果评价摇 摇 摇 摇 摇 摇
图 4摇 试验区土壤湿度降尺度插值结果累积频率曲线
Fig. 4摇 CDFs of soil moisture for AMSR鄄E, downscaled AMSR鄄E and SMEX.
间分异描述能力有所改善.研究期间,3 种指数降尺
度插值后累积频率曲线的形状都比原 AMSR鄄E数据
更接近地面样点的曲线形状,特别是在第 225 天和
第 234 天.与之前的验证结果一样,累积频率曲线进
一步揭示了 3 种指数的降尺度插值效果相近.
3摇 讨摇 摇 论
3郾 1摇 湿度指数的优缺点
UCLA法的核心思想是利用湿度指数作为降尺
度因子,来反映 AMSR鄄E 像元内的土壤湿度空间分
异,所以土壤湿度指数反映土壤湿度空间分异的能
力决定了该方法的合理性. 本文对 3 种基于地表温
度与植被指数 Ts / VI特征空间计算得出的 3 种湿度
指数(SW、TVDI和 VTCI)在 UCLA法中的降尺度插
值效果进行比较,发现就研究区域而言,3 种指数的
降尺度插值效果差异不大,它们均能较好地反映
AMSR鄄E像元内土壤湿度空间分异格局.
从理论背景来看,TVDI 和 VTCI 明显优于 SW,
主要体现在以下两点. 第一,TVDI 和 VTCI 从诞生
时就被用于描述区域地表干湿状况的分异格局,大
量研究证实它们与土壤湿度的相关性较高[28-29],理
论基础坚实,在国内外被广泛用于光学遥感反演土
壤湿度的研究中;SW 修改自 Kim 和 Hogue[13]提出
的一个估算潜热通量的指数,虽然在本研究中也能
够反映土壤湿度的空间分异,但其理论基础弱于上
述两个指数. 第二,TVDI 和 VTCI 已被广泛应用在
国内外各种区域的土壤湿度和干旱监测研究中,其
反映区域干湿状况的能力在不同植被气候区域、不
同季节的条件下均有较多的评价结果[30-31],而 SW
则相对缺乏. 另外,从计算简便性的角度看,与 SW
相比,TVDI 和 VTCI 更简便,更方便 UCLA 法的使
用.综上,本文认为 TVDI 和 VTCI 比 SW 更适合作
为降尺度因子在 UCLA法中使用.
3郾 2摇 误差来源与研究展望
UCLA法的误差主要有 3 个来源,分别是粗分
辨率土壤湿度产品的误差、湿度指数的计算误差以
及 UCLA法自身的误差.第一,基本上所有土壤湿度
降尺度方法都强烈依赖原土壤湿度产品[12-13],粗分
055 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
辨率土壤湿度产品与区域土壤干湿总体状况是否吻
合,决定了降尺度插值结果是否合理. UCLA 法虽然
能够描述粗分辨率土壤湿度产品像元内的土壤湿度
空间分异,但如果粗分辨率土壤湿度产品自身误差
很大,其降尺度插值结果也自然与区域实际干湿状
况有较大偏差.第二,湿度指数的计算涉及地表温度
和植被指数 Ts / VI 特征空间干边界与湿边界的提
取,土壤湿度是否涵盖从萎蔫含水量到田间持水量、
区域地表是否涵盖从裸土到植被完全覆盖以及干湿
边拟合方法是否合理等因素都会影响到 Ts / VI 特征
空间干湿边计算的准确性[24-26],从而影响湿度指数
反映区域干湿状况的能力.最后,UCLA 法以湿度指
数(Ts / VI指数)作为降尺度因子,但在某些情况下,
如在地表高程起伏较大的区域,地形因素会对土壤
湿度空间分异格局有一定影响[32-34],缺少对这些因
素的考虑可能会给降尺度插值结果带来较大误差.
针对上述问题,本文认为今后改进 UCLA 法的
研究可以集中在以下几方面:1)评价各种土壤湿度
产品在研究区域不同季节不同时间的精度,根据研
究区域特征和研究目的选择合适的土壤湿度产品.
2)研究适合研究区域的地表温度和植被指数 Ts / VI
特征空间干湿边提取方法,提高 Ts / VI 指数反映区
域干湿空间分异格局的能力. 3)针对研究区域特征
将对区域土壤湿度空间分异有重要影响的因素融入
UCLA法,提高其对土壤湿度空间分异格局的描述
能力.
4摇 结摇 摇 论
由于现存遥感土壤湿度产品分辨率较粗,不能
满足区域或流域相关研究的需求,因此,土壤湿度降
尺度方法的研究有重要的理论和实践价值. 本文对
UCLA法的核心———降尺度因子进行对比研究,结
果表明:1) SW、TVDI 和 VTCI 3 种 Ts / VI 指数作为
UCLA法降尺度因子的效果相当,均能较好地反映
AMSR鄄E 像元内土壤湿度的空间分异格局. 其中,
SW指数的降尺度插值结果显示出了相对更多的空
间分异细节,但稳定性稍弱;TVDI 和 VTCI 由于采
取了相同的干湿边计算方法,效果相似. 本文发现,
SW、TVDI和 VTCI都能较好地作为 UCLA法的降尺
度因子,但从 3 种指数的研究背景和计算简便程度
方面考虑,本文认为,TVDI 和 VTCI 是更好的 UCLA
法降尺度因子. 2)UCLA 法的误差主要来源于粗分
辨率土壤湿度产品误差、湿度指数(降尺度因子)计
算误差以及 UCLA 法自身的误差. 3)为尽量避免
UCLA法的误差,今后使用该方法时应注意选择适
合研究区域的土壤湿度产品;发展地表温度和植被
指数 Ts / VI特征空间干湿边的计算方法;针对研究
区域特征,在 UCLA 法中适当考虑各种影响土壤湿
度空间分异的因素. 4)受数据和成本限制,本文的
样点较少,验证时间较集中;另外,针对土地覆盖类
型对 UCLA降尺度插值法效果的影响并没有探讨,
在以后的研究中应作进一步改善和研究.
参考文献
[1]摇 Seneviratne SI, Corti T, Davin EL, et al. Investigating
soil moisture鄄climate interactions in a changing climate:
A review. Earth鄄Science Reviews, 2010, 99: 125-161
[2]摇 Legates DR, Mahmood R, Levia DF, et al. Soil mois鄄
ture: A central and unifying theme in physical geogra鄄
phy. Progress in Physical Geography, 2011, 35: 65-86
[3]摇 Loew A, Schlenz F. A dynamic approach for evaluating
coarse scale satellite soil moisture products. Hydrology
and Earth System Sciences, 2011, 15: 75-90
[4]摇 Draper CS, Walker JP, Steinle PJ, et al. An evaluation
of AMSR鄄E derived soil moisture over Australia. Remote
Sensing of Environment, 2009, 113: 703-710
[5]摇 Brocca L, Melone F, Moramarco T, et al. ASCAT soil
wetness index validation through in situ and modeled soil
moisture data in central Italy. Remote Sensing of Envi鄄
ronment, 2010, 114: 2745-2755
[6]摇 Entekhabi D, Asrar GR, Betts AK, et al. An agenda
for land surface hydrology research and a call for the
second international hydrological decade. Bulletin of the
American Meteorological Society, 1999, 80: 2043-2058
[7]摇 Merlin O, Chehbouni A, Boulet G, et al. Assimilation
of disaggregated microwave soil moisture into a hydrolo鄄
gic model using coarse鄄scale meteorological data. Jour鄄
nal of Hydrometeorology, 2006, 7: 1308-1322
[8]摇 Mascaro G, Vivoni ER. Utility of coarse and downscaled
soil moisture products at L鄄band for hydrologic modeling
at the catchment scale. Geophysical Research Letters,
2012, 39: L10403
[9]摇 Merlin O, Chehbouni A, Walker JP, et al. A simple
method to disaggregate passive microwave鄄based soil
moisture. IEEE Transactions on Geoscience and Remote
Sensing, 2008, 46: 786-796
[10]摇 Chauhan NS, Miller S, Ardanuy P. Spaceborne soil
moisture estimation at high resolution: A microwave鄄
optical / IR synergistic approach. International Journal of
Remote Sensing, 2003, 24: 4599-4622
[11]摇 Ray RL, Jacobs JM, Cosh MH. Landslide susceptibility
mapping using downscaled AMSR鄄E soil moisture: A
case study from Cleveland Corral, California, US. Re鄄
mote Sensing of Environment, 2010, 114: 2624-2636
[12]摇 Merlin O, Al Bitar A, Walker JP, et al. An improved
algorithm for disaggregating microwave鄄derived soil mois鄄
ture based on red, near鄄infrared and thermal鄄infrared
data. Remote Sensing of Environment, 2010, 114:
1552 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 凌自苇等: 三种 Ts / VI指数在 UCLA土壤湿度降尺度法中的效果评价摇 摇 摇 摇 摇 摇
2305-2316
[13]摇 Kim J, Hogue TS. Improving spatial soil moisture repre鄄
sentation through integration of AMSR鄄E and MODIS
products. IEEE Transactions on Geoscience and Remote
Sensing, 2012, 50: 446-460
[14]摇 Cosh MH, Jackson TJ, Moran S, et al. Temporal per鄄
sistence and stability of surface soil moisture in a semi鄄
arid watershe. Remote Sensing of Environment, 2008,
112: 304-313
[15]摇 Higgins RW, Mo KC, Yao Y. Interannual variability of
the US summer precipitation regime with emphasis on
the southwestern monsoon. Journal of Climate, 1998,
11: 2582-2606
[16]摇 Zhu CM, Leung LR, Gochis D, et al. Evaluating the
influence of antecedent soil moisture on variability of the
north American monsoon precipitation in the coupled
MM5 / VIC modeling system. Journal of Advances in
Modeling Earth Systems, 2009, 1: doi: 10. 3894 /
JAMES. 2009. 1. 13
[17]摇 Nagler PL, Glenn EP, Kim H, et al. Relationship be鄄
tween evapotranspiration and precipitation pulses in a
semiarid rangeland estimated by moisture flux towers and
MODIS vegetation indices. Journal of Arid Environ鄄
ments, 2007, 70: 443-462
[18]摇 Emmerich WE. Ecosystem water use efficiency in a
semiarid shrubland and grassland community. Range鄄
land Ecology & Management, 2007, 60: 464-470
[19] 摇 Jackson TJ, Moran MS, O爷 Neill PE. Introduction to
soil moisture experiments 2004 ( SMEX04) special is鄄
sue. Remote Sensing of Environment, 2008, 112: 301-
303
[20]摇 Bindlish R, Jackson TJ, Gasiewski AJ, et al. Soil mois鄄
ture mapping and AMSR鄄E validation using the PSR in
SMEX02. Remote Sensing of Environment, 2006, 103:
127-139
[21]摇 Jiang L, Islam S. An intercomparison of regional latent
heat flux estimation using remote sensing data. Interna鄄
tional Journal of Remote Sensing, 2003, 24: 2221 -
2236
[22]摇 Sandholt I, Rasmussen K, Andersen J. A simple inter鄄
pretation of the surface temperature / vegetation index
space for assessment of surface moisture status. Remote
Sensing of Environment, 2002, 79: 213-224
[23]摇 Wang P鄄X (王鹏新), Gong J鄄Y (龚健雅), Li X鄄W
(李小文). Vegetation鄄 temperature condition index and
its application for drought monitoring. Geomatics and In鄄
formation Science of Wuhan University (武汉大学学
报·信息科学版), 2001, 26(5): 412-418 ( in Chi鄄
nese)
[24]摇 Yan F (闫摇 峰), Wang Y鄄J (王艳姣). Estimation of
soil moisture from Ts鄄EVI feature space. Acta Ecologica
Sinica (生态学报), 2009, 29(9): 4884 -4891 ( in
Chinese)
[25]摇 Tian M (田摇 苗), Wang P鄄X (王鹏新), Sun W (孙
威). A review of retrieving of land surface parameters
using the land surface temperature鄄vegetation index fea鄄
ture space. Advances in Earth Science (地球科学进
展), 2010, 25(7): 698-705 (in Chinese)
[26] 摇 Petropoulos G, Carlson TN, Wooster MJ, et al. A re鄄
view of T鄄s / VI remote sensing based methods for the re鄄
trieval of land surface energy fluxes and soil surface
moisture. Progress in Physical Geography, 2009, 33:
224-250
[27]摇 Tang RL, Li ZL, Tang BH. An application of the T鄄s鄄
VI triangle method with enhanced edges determination
for evapotranspiration estimation from MODIS data in
arid and semi鄄arid regions: Implementation and valida鄄
tion. Remote Sensing of Environment, 2010, 114: 540-
551
[28]摇 Yang S鄄T (杨胜天), Liu C鄄M (刘昌明), Wang P鄄X
(王鹏新). The method of calculating soil water in
yellow river basin by remote sensing. Progress in Geog鄄
raphy (地理科学进展), 2003, 22(5): 454-462 ( in
Chinese)
[29]摇 Yang X (杨 摇 曦), Wu J鄄J (武建军), Yan F (闫
峰), et al. Assessment of regional soil moisture status
based on characteristics of surface temperature / vegeta鄄
tion index space. Acta Ecologica Sinica (生态学报),
2009, 29(3): 1205-1216 (in Chinese)
[30]摇 Li Z鄄G (李正国), Wang Y鄄L (王仰麟), Wu J鄄S (吴
健生), et al. Intra鄄annual surface soil moisture change
based on vegetation & temperature characteristics in Lo鄄
ess Plateau area. Acta Ecologica Sinica (生态学报),
2007, 27(11): 4563-4575 (in Chinese)
[31]摇 Song C鄄Q (宋春桥), You S鄄C (游松财), Liu G鄄H
(刘高焕), et al. The spatial pattern of soil moisture in
northern Tibet based on TVDI method. Progress in Geog鄄
raphy (地理科学进展), 2011, 30(5): 569-576 ( in
Chinese)
[32]摇 Hu X鄄M (胡相明), Zhao Y鄄Y (赵艳云), Cheng J鄄M
(程积民), et al. Impacts of environmental factors on
spatial distribution of soil moisture of grassland in Yun鄄
wu Mountain. Acta Ecologica Sinica (生态学报 ),
2008, 28(7): 2964-2971 (in Chinese)
[33]摇 Wu M鄄Q (吴孟泉), Cui W鄄H (崔伟宏), Li J鄄G (李
景刚). Monitoring drought in mountainous area based
on temperature / vegetation dryness index (TVDI). Arid
Land Geography (干旱区地理), 2007, 30(1): 30-35
(in Chinese)
[34]摇 Ran Q (冉 摇 琼), Zhang Z鄄X (张增祥), Zhang G鄄P
(张国平), et al. DEM correction using TVDI to evalu鄄
ate soil moisture status in China. Science of Soil and
Water Conservation (中国水土保持科学), 2005, 3
(2): 32-36 (in Chinese)
作者简介摇 凌自苇,男,1988 年生,硕士研究生.主要从事生
态环境遥感研究. E鄄mail: weiz159@ 163. com
责任编辑摇 杨摇 弘
255 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷