光学与微波遥感协同反演藏北表层土壤水分研究
发布时间：2022-02-04 21:20
表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪（Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI）数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。
【文章来源】：土壤. 2019,51(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
基于NDVI的藏北地表植被覆盖类型Fig.2VegetationcovertypeinnorthernTibetbasedonNDVIhttp://soils.issas.ac.cn
I值、VSWI值与实测土壤水分拟合的幂函数模型效果均优于线性模型的结果，决定系数R2分别为0.62、0.85，而中等植被覆盖的TVDI值与地面实测土壤水分存在良好的一元线性相关，决定系数R2为0.63。3种地表类型区域的拟合模型的相关性均通过了置信度为0.05的显著性检验，说明依据地表类型划分的结果选择相应的模型对土壤水分进行估算可以取得较好的效果。综合表1中的拟合方程，估算得到2015年7月21日至8月5日16d合成的土壤水分基准值(图3)。由图3可以看出，藏北地区土壤水分干湿状况存在明显的空间分异：东南、西北部地区土壤水分含量较高，冰雪覆盖的较高海拔的高山区土壤水分也较充足，土壤含水量在10%以上；中部地区的尼玛县大部分地区、改则县南部地区及班戈县等地，土壤水分含量较低，土壤水分含量在0~10%，部分区域土壤处于缺水状态，土壤含水量低于5%。利用地面实测数据对3种遥感模型联合反演的土壤水分基准值进行精度分析(图4)，可以看出，土壤水分基准值的估算结果与地面实测数据的决定系数R2为0.65，均方根误差RMSE为1.19，说明依据地表覆盖类型构建的光学遥感估算模型在一定程度上可以实现对土壤水分的估算，但估算精度仍然不高，主要原因一方面可能是NDVI最大值法虽然对去云是有效的，但却忽略了地表方向性反射，造成由NDVI反演的地表参数的误差；另一方面，由于采样沿线地表特征差异较大，通过TDR测量获得的真实土壤水分数据本身也有一定的误差，导致土壤水分基准值估算结果的整体精度偏低，最高90.21%，最低54.73%，平均为74.69%，反映出复合模型反演的土壤水分
资料分析，土壤水分日变化量较高的主要原因可能与当日研究区大部分地区有不同强度的降雨有关，导致土壤水分变化量明显增大。研究区中部土壤水分日变化量的空间差异较明显，这可能受降水时空分布不均、陆表蒸散发量较大等因素的影响，气温升高引起地表蒸发加快，导致土壤水分变化量减小[27]。另外，土壤水分日变化量在5%以下的地区主要分布在西部、东部，且这些区域土壤水分变化量的值比较稳定。分析原因，主要是这部分地区植被覆盖度较高，植被对土壤水分的调节作用使得土壤水分变化波动较小[28]。图4地面实测值与土壤水分基准的相关性分析Fig.4Correlationbetweenbenchmarkandin-situsoilmoistures2.3光学和微波遥感协同反演土壤水分根据公式(1)，联合土壤水分基准和日变化量得到藏北地区表层土壤水分结果(图6)。总体上看，整个研究区土壤水分空间分异明显，在高山区、林区以及湖泊周边地区土壤水分含量较高，这与高山积雪融化补给以及降水量高有关。同时，结合气象条件分析，气温和降水引起土壤水分产生时空分布变化。研究区2015年7月29日天气状况为晴天，而8月5日在安多县北部、双湖县、改则县中部地区、尼玛县中部、革吉县东部等地均有降雨过程，因而8月5日当天土壤水分含量明显增加，尤其对于裸土及稀疏植被覆盖区域，土壤水分基准值偏低，降水过程使该区域的表层土壤水分迅速增加[29]，因而土壤水分变化量较大。在中等植被覆盖区或密集植被覆盖区，一定强度的降水易引起土壤水分出现饱和而使其随地表径流流走，因而土壤水分的变化量相对较校利用预留的10个实测土壤含水量数据验证协同反演模型的精度与合理性(图7)。由图7可知，协
【参考文献】：
期刊论文
[1]藏北地区土壤水分遥感反演模型的研究[J]. 拉巴,卓嘎,陈涛. 土壤. 2017(01)
[2]基于风云三号气象卫星微波亮温资料反演东北地区土壤湿度及其对比分析[J]. 王国杰,齐道日娜,王磊,谭,薛峰. 大气科学. 2016(04)
[3]土壤湿度遥感估算同化研究综述[J]. 兰鑫宇,郭子祺,田野,雷霞,王婕. 地球科学进展. 2015(06)
[4]基于FY-3B/MWRI数据的裸土区土壤湿度反演[J]. 鲍艳松,毛飞,闵锦忠,王冬梅,严婧. 国土资源遥感. 2014(04)
[5]ERS卫星反演数据在黄土高原近地表土壤水分中的应用研究[J]. 焦俏,王飞,李锐,张文帅. 土壤学报. 2014(06)
[6]基于ATI和TVDI模型的河北平原土壤湿度遥感反演[J]. 邸兰杰,王卫,成贺玺,牛子宁. 中国生态农业学报. 2014(06)
[7]光学与微波数据协同反演农田区土壤水分[J]. 马红章,张临晶,孙林,柳钦火. 遥感学报. 2014(03)
[8]基于MODIS-NDVI时序数据的西藏阿里地区草地覆盖时空变化[J]. 边多,普布次仁,尼珍,刘奎军. 中国草地学报. 2014(03)
[9]基于L波段的裸土区土壤水分微波遥感反演研究[J]. 蒋金豹,张玲,崔希民,孙灏. 土壤. 2014(02)
[10]基于SMOS的黄土高原区域尺度表层土壤水分时空变化[J]. 李小英,段争虎. 中国沙漠. 2014(01)
硕士论文
[1]基于MODIS数据的大区域土壤水分遥感监测研究[D]. 邓辉.中国农业科学院 2004
本文编号：3613962
【文章来源】：土壤. 2019,51(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
基于NDVI的藏北地表植被覆盖类型Fig.2VegetationcovertypeinnorthernTibetbasedonNDVIhttp://soils.issas.ac.cn
I值、VSWI值与实测土壤水分拟合的幂函数模型效果均优于线性模型的结果，决定系数R2分别为0.62、0.85，而中等植被覆盖的TVDI值与地面实测土壤水分存在良好的一元线性相关，决定系数R2为0.63。3种地表类型区域的拟合模型的相关性均通过了置信度为0.05的显著性检验，说明依据地表类型划分的结果选择相应的模型对土壤水分进行估算可以取得较好的效果。综合表1中的拟合方程，估算得到2015年7月21日至8月5日16d合成的土壤水分基准值(图3)。由图3可以看出，藏北地区土壤水分干湿状况存在明显的空间分异：东南、西北部地区土壤水分含量较高，冰雪覆盖的较高海拔的高山区土壤水分也较充足，土壤含水量在10%以上；中部地区的尼玛县大部分地区、改则县南部地区及班戈县等地，土壤水分含量较低，土壤水分含量在0~10%，部分区域土壤处于缺水状态，土壤含水量低于5%。利用地面实测数据对3种遥感模型联合反演的土壤水分基准值进行精度分析(图4)，可以看出，土壤水分基准值的估算结果与地面实测数据的决定系数R2为0.65，均方根误差RMSE为1.19，说明依据地表覆盖类型构建的光学遥感估算模型在一定程度上可以实现对土壤水分的估算，但估算精度仍然不高，主要原因一方面可能是NDVI最大值法虽然对去云是有效的，但却忽略了地表方向性反射，造成由NDVI反演的地表参数的误差；另一方面，由于采样沿线地表特征差异较大，通过TDR测量获得的真实土壤水分数据本身也有一定的误差，导致土壤水分基准值估算结果的整体精度偏低，最高90.21%，最低54.73%，平均为74.69%，反映出复合模型反演的土壤水分
资料分析，土壤水分日变化量较高的主要原因可能与当日研究区大部分地区有不同强度的降雨有关，导致土壤水分变化量明显增大。研究区中部土壤水分日变化量的空间差异较明显，这可能受降水时空分布不均、陆表蒸散发量较大等因素的影响，气温升高引起地表蒸发加快，导致土壤水分变化量减小[27]。另外，土壤水分日变化量在5%以下的地区主要分布在西部、东部，且这些区域土壤水分变化量的值比较稳定。分析原因，主要是这部分地区植被覆盖度较高，植被对土壤水分的调节作用使得土壤水分变化波动较小[28]。图4地面实测值与土壤水分基准的相关性分析Fig.4Correlationbetweenbenchmarkandin-situsoilmoistures2.3光学和微波遥感协同反演土壤水分根据公式(1)，联合土壤水分基准和日变化量得到藏北地区表层土壤水分结果(图6)。总体上看，整个研究区土壤水分空间分异明显，在高山区、林区以及湖泊周边地区土壤水分含量较高，这与高山积雪融化补给以及降水量高有关。同时，结合气象条件分析，气温和降水引起土壤水分产生时空分布变化。研究区2015年7月29日天气状况为晴天，而8月5日在安多县北部、双湖县、改则县中部地区、尼玛县中部、革吉县东部等地均有降雨过程，因而8月5日当天土壤水分含量明显增加，尤其对于裸土及稀疏植被覆盖区域，土壤水分基准值偏低，降水过程使该区域的表层土壤水分迅速增加[29]，因而土壤水分变化量较大。在中等植被覆盖区或密集植被覆盖区，一定强度的降水易引起土壤水分出现饱和而使其随地表径流流走，因而土壤水分的变化量相对较校利用预留的10个实测土壤含水量数据验证协同反演模型的精度与合理性(图7)。由图7可知，协
【参考文献】：
期刊论文
[1]藏北地区土壤水分遥感反演模型的研究[J]. 拉巴,卓嘎,陈涛. 土壤. 2017(01)
[2]基于风云三号气象卫星微波亮温资料反演东北地区土壤湿度及其对比分析[J]. 王国杰,齐道日娜,王磊,谭,薛峰. 大气科学. 2016(04)
[3]土壤湿度遥感估算同化研究综述[J]. 兰鑫宇,郭子祺,田野,雷霞,王婕. 地球科学进展. 2015(06)
[4]基于FY-3B/MWRI数据的裸土区土壤湿度反演[J]. 鲍艳松,毛飞,闵锦忠,王冬梅,严婧. 国土资源遥感. 2014(04)
[5]ERS卫星反演数据在黄土高原近地表土壤水分中的应用研究[J]. 焦俏,王飞,李锐,张文帅. 土壤学报. 2014(06)
[6]基于ATI和TVDI模型的河北平原土壤湿度遥感反演[J]. 邸兰杰,王卫,成贺玺,牛子宁. 中国生态农业学报. 2014(06)
[7]光学与微波数据协同反演农田区土壤水分[J]. 马红章,张临晶,孙林,柳钦火. 遥感学报. 2014(03)
[8]基于MODIS-NDVI时序数据的西藏阿里地区草地覆盖时空变化[J]. 边多,普布次仁,尼珍,刘奎军. 中国草地学报. 2014(03)
[9]基于L波段的裸土区土壤水分微波遥感反演研究[J]. 蒋金豹,张玲,崔希民,孙灏. 土壤. 2014(02)
[10]基于SMOS的黄土高原区域尺度表层土壤水分时空变化[J]. 李小英,段争虎. 中国沙漠. 2014(01)
硕士论文
[1]基于MODIS数据的大区域土壤水分遥感监测研究[D]. 邓辉.中国农业科学院 2004
本文编号：3613962
本文链接：https://www.wllwen.com/nykjlw/nyxlw/3613962.html
