全 文 ：收稿日期: 20030702
基金项目: 国家重点公益性研究项目 沙尘暴监测技术 (项目编号: 17)
作者简介: 陈巧( 1977 ) ,女,四川武胜人,研究实习员.
林业科学研究 ! 2004, 17( 4) : 427~ 433
Forest Research
! ! 文章编号: 10011498( 2004) 04042707
单时相 NOAAAVHRR资料监测
大范围土壤含水量的研究
陈 ! 巧, 陈永富
(中国林业科学研究院资源信息研究所,北京 ! 100091)
摘要: 本文利用 NOAAAVHRR资料, 考虑地表温度和地表反射特征,分别不同时期、不同土层深度、不
同地表覆盖特征、不同方法和不同函数进行拟合, 结果表明: 用单时相 1 通道反射率与 4 通道亮温的
乘积值直接与土壤湿度建模的方法优于其它建模方法;其直线函数为最理想的拟合函数,且同一土层
不同时间段的模型之间具有可替代性,并通过了置信度 001 的 F 显著性检验, 其相对误差基本控制
在 20%以内。该方法还解决了以往不能连续监测土壤含水量、监测范围小的不足, 资料获取方便, 并
且适合任意植被覆盖下大范围的土壤湿度监测。
关键词: AVHRR资料;单时相乘积法;任意植被覆盖; 土壤含水量
中图分类号: S1527 ! ! ! 文献标识码: A
土壤水分在很多研究领域如农业、植被生长监测、天气预报、径流预报等得到了广泛的应
用,由于土壤水分随着地点和时间的变化而变化, 而在传统的地面观测中较难观测到大范围的
具有代表性的土壤水分数据[ 1]。因此无论是对精细农业还是对水土资源的综合管理来说,应
用遥感技术对大范围土壤水分的长期监测具有广阔的应用前景[ 2]。
目前遥感监测土壤水分主要以气象卫星、侧视雷达为主, 方法有热惯量法、植被缺水指数
法、植被距平指数法、热红外法、微波遥感等。其中用美国国家海洋与大气管理局 ( NOAA
AVHRR)资料监测最为广泛。
我国近年来在遥感监测土壤水分方面已取得了很大的进展, 但各种方法均有其优势和局
限性, 且大范围、任意植被覆盖下土壤湿度的研究还不多见。例如, 热惯量法需获取连续 12 h
两次晴空资料, 这在实际工作中不易获得,影响其实效性,而且热惯量法仅适合低植被或裸地,
而对中高植被则效果不佳;植被供水指数法只需单日的晴空资料,但其只适合高植被, 对低中
植被效果不佳; 植被缺水指数法仅适于高植被,其所需的地面气象资料太多,实效性不能保证;
植被距平指数法仅适合于特定植被条件下的土壤湿度监测,如农田。
本文针对热惯量等方法在遥感监测干旱工作中存在的时效性、时段性及区域性问题,借助
NOAA气象卫星AVHRR的影像数据, 研究我国中东部地区大范围的土壤水分的反演模型。目
的在于探讨利用遥感资料反演任意植被盖度下的土壤湿度的方法,为农业、林业、气象研究者、
决策者和生产者获取适时适地土壤湿度信息提供技术支持。首次提出了用单时相乘积法遥感
监测土壤含水量的方法, 并取得了较好的监测效果。
1 ! 资料与方法
11 ! 资料的获取与选择
土壤湿度数据为 2002年 1 8月全国 200多个气象台站每旬观测的 10、20、50、70、100 cm
的土壤相对湿度数据,精确到 1%。
在土壤湿度数据中, 有些观测点是经过人工灌溉的(收集数据时已标明) ,这些数据将影响
到土壤湿度反演的准确性,因此将其去掉。在建模时利用土壤相对湿度,以消除土壤类型差别
的影响。
遥感资料为 2002年 4 7月与土壤湿度数据相对应日期的 NOAA AVHRR 1b原始数据。
该数据空间范围覆盖中国中轴线以东大部分地区,星下点空间分辨率为 11 km ∀ 11 km。
选择天气晴好,能见度高的卫星资料用于分析。实际使用的卫星资料为4月 9、10日, 5月
10、18、31日上午 8时左右和下午 14时左右以及 7月 10、18、30日下午 14时左右的过境轨道。
其中,植被供水指数法和单直相乘积法所用的卫星资料均为下午 14时左右过境的轨道。
12 ! NOAA资料的处理
为了增加模式的稳定性, 在建模时进行云体、水体和噪声像元的剔除。根据波谱分析和试
验对比,确定经验剔除规则为: 只有当 CH 4> 270 K、CH 1< 30%且 CH 2> CH 1时为晴空地表,
其余均作云体或水体处理。将 CH 2- CH 1< 2作噪声点处理。首先将系统接收的遥感资料进
行预处理,其中对可见光、近红外通道作定标和太阳高度角订正,转换成反射率,对红外通道作
定标和临边变暗订正, 转换成亮度温度。经UTM 投影,分解成单通道资料。选取地面易识别
和有代表性的地面控制点,运用最小二乘法对该数据集进行几何精校正。提取反射率和亮温
数据,并建立数据库。
13 ! 单时相乘积法遥感监测土壤水分的基本原理及方法
地球是选择性辐射体,它在热红外波段的比辐射率近似为 1,因此对热红外波段而言,地
球可看作黑体, 它所发射的光谱辐射可用普朗克光谱辐射方程计算[ 3]。根据普朗克辐射公式,
求得的亮度温度近似其物理温度,而大气对波长在 103~ 125 m 的红外辐射的透射率也近
似为 1,通道4的波长正好落在此区间内(见表1) ,因此用NOAAAVHRR的 CH 4通道计算的亮
度温度近似于下垫面的物理温度。白天下垫面温度的空间分布与土壤水分的空间分布有密切
的关系,主要表现在:第一,对于接收相同太阳直接辐射量的同类土壤而言,土壤热容量、热导
率随水分的减少而急剧减小,依据地表温度方程,土壤热容量、热导率减小导致土壤湿度增量
增大;其次,土壤水分减小,使植被蒸腾减少, 引起植被温度增高;第三,蒸发耗热量随土壤水分
减小而减少。由此可得出:水分少的土壤或植被, 其下垫面温度相对较高, 即土壤湿度与通道
4亮温成反比。
根据王让会等人 [ 4] 的研究结果,可见光光谱段中的红光谱段(波长为 062~ 076 m)以及
近红外波段是土壤水分监测较为理想的波段(波长为 076~ 3 m)。而AVHRR的 1、2通道的
光谱波段(见表 1)正好落在该区域。根据表 1可知, 通道 1适宜于云图、冰雪和地表的监测,
通道2适宜于植被等的监测。对于低植被或裸地, 由于水对可见光及近红外波段的反射率极
428 林 ! 业 ! 科 ! 学 ! 研 ! 究 第17卷
低,而土壤对可见光及近红外波段的反射率较
高,当土壤中的水分含量减小时, 土壤的反射
率明显增加,且有土壤反射率与其含水量呈线
性反比的趋势;对于高植被, 当植被受旱导致
水分减少时, 叶绿素含量也相应减少, 其在可
见光波段的反射值增大, 而在近红外波段的反
射值减小[ 4]。可见在高植被下, 通道 1(可见
光波段)的反射率与其含水量呈线性反比的
趋势, 通道2(近红外波段)的反射率与其含水
表 1 ! NOAAAVHRR 各通道的主要用途
通道号 光谱波段m 功 ! ! 能
1 058~ 068 可见光、云图、冰雪监测、地表状况
2 0725~ 110 近红外、水陆边界定位、植被及农业估产,土地利用调查
3 355~ 393 中红外、陆地明显标志的提取, 森林火灾监测、火山活动
4 105~ 115 热红外、海面温度、土壤湿度
5 115~ 125 热红外、海面温度、土壤湿度
量呈线性正比的趋势。由此可见, 不管是高植被还是低植被下, 通道 1的反射率均与土壤湿度
呈反比趋势;而通道 2则在不同的植被条件下呈现不同的趋势。
由于本研究旨在寻找一种适合各种植被覆盖下的土壤水分反演模式, 而通道 2与植被覆
盖密切相关,因此本文在借鉴前人工作经验的基础上, 考虑地表温度和地表反射特征, 用单时
相1通道反射率与4通道亮温的乘积直接与土壤水分建模。
其线性公式为 W = a + bQ ( 1)
Q = ( CH 1 ∀ CH 4)100 ( 2)
式中: CH 1为 1通道反射率, CH 4为 4通道亮温, Q 为 1、4通道乘积, W 为相对土壤湿度。
2 ! 结果与分析
21 ! 模型拟合
利用土壤相对湿度与表观热惯量 [6] 、植被供水指数[ 7] 和单时相 1通道反射率与 4通道亮
温乘积值进行回归拟合,根据对散点图(略)的初步分析,分别选用直线( Y= a + bX )、对数( Y
= a+ blnX )、指数函数( Y= ae bX ) , 拟合了 4月上旬、7月上旬的 1、4通道乘积值, 4月上旬、5
月上旬的表观热惯量以及 7月上、中旬植被供水指数与不同厚度土壤相对湿度的回归方程,并
进行了置信度 005的 F 显著性检验, 回归检验结果见表 2。
22 ! 最优拟合函数的确定
从表 2中可以看出,各种模型对土壤相对湿度与表观热惯量、植被供水指数和单时相 1通
道反射率与4通道亮温乘积值拟合的效果(复相关系数和相对误差)无明显差异,但考虑到模
型简单和实用的特点,确定直线函数是最理想的拟合函数,其表达式为: Y= a + bX。运用该
直线函数,拟合了 4月上旬、5月上旬、7月上、中、下旬的 1、4通道乘积值, 4月上旬、5月上旬
的表观热惯量以及 5月上旬、7月上、中、下旬植被供水指数与不同深度土壤相对湿度的直线
回归方程,并进行了置信度 005的 F 显著性检验,回归检验结果见表2。
23 ! 3种方法的比较
分别 3种方法按植被覆盖情况和不同土层深度, 统计直线函数的拟合精度, 结果见表 3。
根据我国各地区的植被生长变化特点, 结合遥感资料的分析,将 4月上旬确定为低植被覆盖
期, 5月为中植被覆盖期, 7月为高植被覆盖期。
429第 4 期 陈巧等:单时相 NOAAAVHRR资料监测大范围土壤含水量的研究
表 2! 不同方法和模型对土壤湿度拟合检验结果
时间
土壤深度
cm
n 线型 Q(单时相乘积法)
R F sigF ! %
P(表观热惯量法)
R F sigF ! %
VSWI(植被供水指数法)
R F sigF %
4月上旬
10 68 直 0562 2632 000 18 0356 829 000 22
对 0552 2493 000 18 0382 971 000 22
指 0556 2555 000 18 0369 898 000 22
20 67 直 0542 2413 000 19 0358 852 001 23
对 0547 2471 000 19 0377 961 000 23
指 0503 1968 000 19 0367 905 000 22
50 62 直 0470 1704 000 22
5月上旬
10 44 直 0530 1957 000 19 0354 1575 000 25 0404 1054 000 26
对 0374 1787 000 25
指 0355 1586 000 25
20 43 直 0477 1441 000 21 0317 460 004 28 0378 902 000 33
对 0334 516 003 28
指 0317 459 004 27
50 43 直 0542 1614 000 22 0302 483 003 21
5月中旬
10 42 直 0444 977 000 18 0380 1859 000 19
20 42 直 0440 955 001 19 0356 1887 000 23
50 42 直 0571 1884 000 18 0501 1704 000 22
7月上旬
10 58 直 0604 3218 000 19 0507 1941 000 20
对 0549 2410 000 20 0572 2717 000 19
指 0641 3901 000 27 0530 2185 000 20
20 56 直 0653 4020 000 15 0560 2470 000 17
对 0601 3046 000 17 0602 3074 000 16
指 0657 4105 000 17 0544 2264 000 17
50 61 直 0604 3154 000 20 0562 2856 000 21
7月中旬
10 36 直 0663 2672 000 18 0448 852 000 21
对 0465 939 000 21
指 0485 1047 000 20
20 36 直 0607 1985 000 16 0481 1024 000 18
对 0491 1079 000 18
指 0488 1065 000 18
50 37 直 0560 1598 000 17 0556 1568 000 18
7月下旬
10 55 直 0580 2611 000 22 0550 1901 000 22
20 55 直 0625 3395 000 19 0604 2620 000 19
50 57 直 0562 2214 000 21 0581 3259 000 20
总体
70 26 直 0584 1245 000 21 0560 1626 000 22
对 0565 1126 000 21
指 0618 1485 000 20
100 25 直 0520 852 001 24 0500 1454 001 25
对 0516 835 001 24
指 0505 789 001 25
! ! 注:表中 R为相关系数, n为样本数, 为相对误差
430 林 ! 业 ! 科 ! 学 ! 研 ! 究 第17卷
表 3! 不同方法按不同植被覆盖和土层深度拟合的土壤湿度值与实测值的相对误差分析
拟合方法 土壤深度cm 相对误差%低植被期平均 中植被期平均 高植被期平均 各植被期平均
Q(单时相乘积法)
10 180 210 190 187
20 190 215 166 182
50 220 220 193 200
(各层平均) 196 214 183 190
P(表观热惯量法)
10 220 250 235
50 230 280 255
(各层平均) 225 265 245
VSWI(植被供水指数法)
10 223 210 216
20 280 180 230
50 215 196 204
(各层平均) 239 195 217
! ! 从表 2、表 3可知, 3种方法的拟合效果如下:
(1)低植被条件下, 10、20、50 cm 深度土壤水分模型拟合相对误差, 单时相乘积法分别为
18%、19%、22% ,各层平均为 196% ;表观热惯量法分别为 22%, 23%, 50 cm处未通过 001的
F 检验,各层平均为 225%;植被供水指数法均不能通过 005的 F 检验。从以上数据可以看
出,单时相乘积法在各土层深度的相对误差相差不大, 但随着深度的增加相关性降低, 相对误
差增大;表观热惯量法在 10 cm和 20 cm处均比单时相乘积法的相对误差大4%。随着土壤深
度的增加, 表观热惯量法同样是相关性降低, 相对误差增大。从各层平均相对误差看, 表观热
惯量法比单时相乘积法大 29%。
( 2)在中植被条件下, 10、20、50 cm 深度土壤水分模型拟合相对误差,单时相乘积法分别为
210%、215%、220% ,各层平均为 214% ;表观热惯量法各层分别为 250% , 280% , 50 cm
处未通过 001的 F 检验,各层平均为 265%;植被供水指数法分别为 223% , 280% , 215% ,
各层平均为239%。从以上数据可以看出, 单时相乘积法在各土层深度的相对误差相差不
大, 在10 cm 处略低;表观热惯量法在 10 cm处相对误差大于单时相乘积法,且平均相对误差比
单时相乘积法大 51% ;植被供水指数法在各层相对误差均大于单时相乘积法, 且平均相对误
差比单时相乘积法大 25%。
( 3)在高植被条件下, 10、20、50 cm 深度土壤水分模型拟合相对误差,单时相乘积法各层分
别为 190%、166%、193%,各层平均为 183% ;因为 7月没有上午 8时左右的遥感数据,所
以无表观热惯量数据; 植被供水指数法各层分别为 210% , 180% , 196%, 各层平均为
195%。由以上数据可以看出,单时相乘积法在 20 cm 处相对误差较小, 但各层相对误差均小
于20% ;植被供水指数法在各层相对误差均大于单时相乘积法, 其各层平均相对误差比单时
相乘积法大12%。
( 4) 70~ 100 cm处由于样本量较少,故将各旬数据合并回归直线。表观热惯量法未能通过
001的 F 检验。单时相乘积法各层的平均相对误差为 21%, 24%; 植被供水指数法分别为
22% , 25%。由以上数据可知,单时相乘积法在 70 cm和 100 cm 处均优于植被供水指数法,但
在100 cm处二者相对误差均较大。
综上所述, 单时相乘积法不仅对各种植被覆盖的情况都适合,而且监测精度也优于表观热
431第 4 期 陈巧等:单时相 NOAAAVHRR资料监测大范围土壤含水量的研究
惯量法和植被供水指数法。
24 ! 通用模型的建立
241 ! 模型替代性检验 ! 如果有足够的数据建立各时间段、各土层深度的拟合模型, 可能更
符合实际情况, 但这样也许建立的模型太多, 不利于实际应用,而且可能根本没有足够多的数
据用于建立每个时间段和土层的模型, 为此, 考虑能否用一个时间段的数据建立某土层各时间
段的通用模型或者称之为用一个时间段某个土层的模型来替代该土层其它时间段的拟合模
型,或者用某一土层各时间段的所有数据建立一个模型。本文以 4月上旬, 5月上旬, 7月上、
中、下旬且土层厚度为 10、20、50 cm的样本为例进行分析。
可替代性判别的原则是两条直线平行、且与 y轴的交点相同(具体方法见文献[ 5] )。
模型替代性分析结果为: 在10、20、50 cm处, 同一土层深度不同时间段的模型间差异不显
著。限于篇幅, 未将分析结果列出。
因为 10、20、50 cm处各旬回归线的差异不显著,因此可以将各直线合并。
242 ! 通用模型建立 ! 根据前面确定的直线函数和单时相乘积法,利用总体样本( 4月上旬, 5
月上旬, 7月上、中、下旬) 1、4通道的乘积值分别与0~ 10 cm、0~ 20 cm、0~ 50 cm 土壤相对湿
度建立了回归方程, 并进行了置信度001的 F 显著性检验,回归结果见表 4、5。
表 4! 各模型数的比较
土层深
度cm R 回归方程 F sigF n %
10 0603 Y= 11369- 144Q 14722 000 261 20
20 0589 Y= 11313- 136Q 13581 000 257 19
50 0513 Y= 11074- 123Q 9090 000 260 21
! ! 表中 R为相关系数, n 为样本数, 为相对误差
表 5! 5 月中旬反演结果与实测值的两尾检验结果
时间 土层深度
cm
平均相对
误差% T T 005 df
5月
中旬
10 170 - 0544ns 202 40
20 180 - 0521ns 202 40
50 200 - 0724ns 202 40
! ! 表中 T 为计算所得两尾检验值, T005为 = 005两尾检
验临界值
! ! 由表 4可知, 通用模型建立后,其10、20、50 cm处平均相对误差分别为20%、19%、21%,总
平均相对误差为 20%。
用该模型反演的 5月中旬土壤湿度与该时期实测值进行回归,回归结果见表 5,其总平均
相对误差小于 20%,且各层两尾检验 T < T 005 , 说明预测值与实测值间差异不显著, 因此该方
法是可行的。
3 ! 结论与讨论
(1)单时相乘积法监测土壤含水量是在充分考虑地表反照率与地表温度对土壤水分影响
的基础上提出的。统计结果表明, 用单时相乘积法监测任意植被覆盖下的土壤湿度是可行的,
其相对误差基本小于 20%。由于其只需单时相卫星资料, 且适合任意植被覆盖下、大范围的
土壤湿度监测 ,解决了需获得连续 12 h两次晴空资料的表观热惯量法以及依靠地面气象资料
的作物缺水指数法、农田蒸散双层模型等方法不能解决的实效性和连续性问题。
( 2)某几次卫星资料和土壤湿度建立的关系式在实际应用中不一定很稳定, 它只适用于短
期的土壤湿度监测, 模型长期应用时需运用多个年分的资料建模,并反复修正。本研究重在对
方法的探讨,因此,许多修正工作有待于今后的进一步研究。
432 林 ! 业 ! 科 ! 学 ! 研 ! 究 第17卷
( 3)在资料的处理方面,云、水等噪声剔除的技术和手段还有待加强和进一步研究。
( 4)由于遥感图像校正的精度、NOAA像元与气象站观测点覆盖范围大小不完全相同等原
因,可能影响模型的精度。
参考文献:
[ 1] 李亚春,徐萌,唐勇.我国土壤水分遥感监测中热惯量模式的研究现状与进展[ J] .中国农业气象, 2000( 2) : 40~ 43
[ 2] 王鹏新.黄土高原典型区域土壤水分遥感模型的研究[D] .武汉:武汉大学博土学位论文. 2001, 4
[ 3] 张树誉,赵杰明,袁亚社,等. NOAAAVHRR资料在陕西省干旱动态监测中的应用[ J] .中国农业气象, 1998( 5) : 26~ 28, 32
[ 4] 王让会,刘培君.干旱区土壤水分遥感监测敏感波段的选择[ J] .新疆气象, 1995(5) : 24~ 25, 29
[ 5] 明道绪.高级生物统计与试验设计[ C] .四川:四川农业大学研究生处, 2000, 1: 10~ 12
[ 6] 隋洪智,田国良,李建军,等.热惯量方法监测土壤水分[A] .见:田国良.黄河流域典型地区遥感动态研究[M ] .北京: 科学
出版社, 1990. 122~ 132
[ 7] 冯锐,张玉书,李党红.利用 AVHRR资料监测植被土壤含水量[ J] .辽宁气象, 1998( 4) : 30~ 31
A Study on Monitoring Largescale Soil Moisture by Using Single
Phase NOAAAVHRR Image
CHEN Qiao, CHEN Yongf u
( Research Institute of Forest Resource Information Techniques, CAF, Beijing ! 100091, China)
Abstract: Taking the soil surface temperature and reflectance into account, NOAAAVHRR data were fitted with
the soil temperature based on different period, soil depth, land cover types,methods and regression funct ions. The
results showed that the method built by the product of reflectance of channel 1 and brightness temperature of
channel 4 of single phase NOAAAVHRR was better than that of other methods. Its linear function was the best
function fitted. It was replaceable for the models with different periods at the same soil depth. The method had
passed the significant level of F< 001 and in general its relative error was less than 20% on the whole. This
method also solved the disadvantages of tradit ional methods that couldn# t monitor soil moisture continuously and
could only monitor at small scale. Furthermore, the data could be acquired easily, and the method was suited to
monitor soil moisture at large scale with any level of vegetation cover.
Key words: NOAAAVHRR; single phase product method; vegetation cover level; soil moisture
433第 4 期 陈巧等:单时相 NOAAAVHRR资料监测大范围土壤含水量的研究