土壤水分遙感監(jiān)測(cè)及關(guān)鍵技術(shù)

田國(guó)珍，武永利

（山西省氣候中心，山西太原030006）

土壤水分作為農(nóng)業(yè)干旱的重要指標(biāo)，對(duì)于農(nóng)業(yè)干旱監(jiān)測(cè)預(yù)警具有重要的指示作用。農(nóng)田土壤水分的傳統(tǒng)獲取方法存在費(fèi)時(shí)、費(fèi)力、效率低下、破壞地表、測(cè)點(diǎn)不具有代表性等缺點(diǎn)，無(wú)法實(shí)現(xiàn)土壤水分的宏觀動(dòng)態(tài)監(jiān)測(cè)。而遙感技術(shù)的出現(xiàn)且技術(shù)不斷成熟，給土壤水分的宏觀、實(shí)時(shí)、動(dòng)態(tài)監(jiān)測(cè)提供了新的思路，在一定程度上彌補(bǔ)了土壤水分傳統(tǒng)監(jiān)測(cè)方法的不足。土壤水分的遙感估測(cè)方法是通過(guò)測(cè)量地表發(fā)射或反射的電磁能量，研究地表遙感數(shù)據(jù)與土壤濕度間的關(guān)系，建立土壤濕度與遙感數(shù)據(jù)間的關(guān)系模型，從而反演出土壤水分。其時(shí)效性快、動(dòng)態(tài)對(duì)比性強(qiáng)，為大面積地表水、熱的實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)提供了新的手段。由于受到土壤類型、土壤水分含量、衛(wèi)星過(guò)境時(shí)條件等的影響，使土壤水分遙感反演異常困難，區(qū)域土壤水分遙感反演成為當(dāng)前國(guó)際上公認(rèn)的難題。

自20世紀(jì)70年代以來(lái)，國(guó)內(nèi)外對(duì)遙感監(jiān)測(cè)土壤水分的方法進(jìn)行了大量的研究，取得了許多成果，相對(duì)成熟且應(yīng)用較廣的方法有：熱慣量法、熱紅外法、距平植被指數(shù)法、植被供水指數(shù)法、作物缺水指數(shù)法、綠度指數(shù)法等。

筆者回顧了基于遙感的土壤水分監(jiān)測(cè)方法的發(fā)展歷程，分析了各方法的適用范圍和優(yōu)缺點(diǎn)，并在此基礎(chǔ)之上，分析了當(dāng)前土壤水分遙感監(jiān)測(cè)的關(guān)鍵技術(shù)，主要包括數(shù)據(jù)源的選取、參數(shù)反演、模型選擇和精度驗(yàn)證4個(gè)方面。根據(jù)國(guó)內(nèi)外的研究現(xiàn)狀，對(duì)制約遙感方法應(yīng)用于區(qū)域土壤水分監(jiān)測(cè)的這些關(guān)鍵技術(shù)進(jìn)行了深入的分析，旨在提高遙感方法在區(qū)域土壤水分的估算精度，使定量遙感研究上一個(gè)新臺(tái)階。

1 土壤水分監(jiān)測(cè)方法

國(guó)內(nèi)外用遙感技術(shù)監(jiān)測(cè)土壤水分的方法很多，目前，該領(lǐng)域的研究主要分為光學(xué)遙感（即可見(jiàn)光-近紅外、熱紅外遙感）和微波遙感兩大類。光學(xué)遙感又可分為土壤熱慣量法、基于溫度和植被指數(shù)的方法以及基于蒸散的方法。微波遙感又分為主動(dòng)微波遙感和被動(dòng)微波遙感2種。

1.1 基于光學(xué)遙感的方法

1.1.1 土壤熱慣量法 熱慣量是表征土壤熱特性的物理量，與比熱容和體積等相關(guān)，由土壤的熱力學(xué)特性可知，土壤含水量越高，其熱容量也越大。對(duì)于單位體積土壤，濕度大的土壤晝夜溫差小，濕度小的土壤晝夜溫差大。因此，可以通過(guò)反演不同時(shí)間段的土壤熱慣量來(lái)推算土壤水分。Watson等[1]最先提出一個(gè)簡(jiǎn)單的熱慣量模型；其后Price[2]引入綜合參數(shù)B，將地表熱通量簡(jiǎn)化為土壤溫度的線性函數(shù)，但是這種方法仍涉及大量的非遙感參數(shù)，在實(shí)際應(yīng)用中存在計(jì)算復(fù)雜等困難；Price[3]提出表觀熱慣量（ATI），由于表觀熱慣量模型簡(jiǎn)單易求，只涉及到晝夜地表溫差和地表反照率2個(gè)參量，因而得到廣泛應(yīng)用。國(guó)內(nèi)學(xué)者在土壤熱慣量模型反演土壤水分方面也進(jìn)行了不少探討和研究，劉良明等[4]用熱慣量模型對(duì)湖北省進(jìn)行干旱監(jiān)測(cè)，精度均達(dá)到80%以上；劉振華等[5]對(duì)熱慣量模型進(jìn)行簡(jiǎn)化，但因忽略了參數(shù)間的物理關(guān)系，從而影響了反演精度。大部分熱慣量模型只考慮土壤水分對(duì)熱慣量的影響，實(shí)際上地表溫度變化還受地形地貌、土壤類型、植被類型等因素的影響，相同的土壤濕度其地表溫度日較差也可能不同。因此，有學(xué)者從動(dòng)力學(xué)機(jī)制出發(fā)，引入輔助因素推算土壤濕度。張仁華等[6]將熱慣量模型、熱量平衡模型和幾何光學(xué)模型結(jié)合起來(lái)反演土壤水分和作物缺水指數(shù)，提高了熱慣量法的精度。

熱慣量法從土壤的熱特性出發(fā)，將土壤和植被作為一個(gè)整體來(lái)考慮熱量平衡，因此，要求獲取純土壤的遙感信息，當(dāng)?shù)乇碛兄脖桓采w時(shí)精度將降低，熱慣量法主要適用于裸土條件下。

1.1.2 基于溫度和植被指數(shù)的方法 在過(guò)去30多年里，國(guó)內(nèi)外研究發(fā)展了多種植被指數(shù)用于監(jiān)測(cè)土壤水分，主要分為2類：一類是基于植被指數(shù)變化的方法，包括距平植被指數(shù)法、標(biāo)準(zhǔn)植被指數(shù)、植被狀態(tài)指數(shù)、植被供水指數(shù)；另一類是基于溫度變化的方法，典型代表有溫度植被指數(shù)法、條件溫度植被指數(shù)法。

1.1.2.1 基于植被指數(shù)變化的方法 當(dāng)?shù)孛姹恢脖桓采w時(shí)，無(wú)法直接監(jiān)測(cè)到土壤的水分，但可以通過(guò)植被生長(zhǎng)狀況間接地反映出植被下面的土壤含水量，當(dāng)光照、溫度等氣象條件變化不大時(shí)，水分成為植被生長(zhǎng)的主要限制因子[7]，因此，可以通過(guò)植被生長(zhǎng)狀況來(lái)表征土壤含水量。

距平植被指數(shù)（AVI）通過(guò)某個(gè)時(shí)期植被指數(shù)（NDVI）與多年平均值的差值來(lái)判斷作物長(zhǎng)勢(shì)，進(jìn)而通過(guò)作物受旱程度判斷土壤含水量[8]。標(biāo)準(zhǔn)植被指數(shù)（SVI）是對(duì)距平植被指數(shù)的延伸，表示某個(gè)時(shí)期植被指數(shù)偏離多年平均值的程度。這2種算法簡(jiǎn)單、操作性強(qiáng)，但是和土壤水分之間沒(méi)有建立穩(wěn)定的定量關(guān)系，只適用于大尺度的土壤水分監(jiān)測(cè)，對(duì)于中、小尺度土壤水分動(dòng)態(tài)變化不能進(jìn)行有效監(jiān)測(cè)。1990年Kogan[9]提出了植被狀態(tài)指數(shù)（VCI），定義為：VCI＝（INDVi-INDVmin）/（INDVmax-INDVmin），其中，INDVmin和INDVmax分別為最小、最大NDVI 值。VCI監(jiān)測(cè)土壤水分動(dòng)態(tài)變化效果比AVI，SVI更有效、更實(shí)用，尤其在地形起伏大的區(qū)域[10]，同時(shí)VCI也能反映氣候?qū)χ脖坏拈L(zhǎng)期作用，但是最大和最小NDVI值的確定比較困難，需要長(zhǎng)時(shí)間序列的數(shù)據(jù)積累。而植被供水指數(shù)法（VSWI＝B×NDVI/Ts）雖然在植被指數(shù)的基礎(chǔ)上，還考慮了溫度的作用，但主要還是受植被指數(shù)的影響較大，無(wú)法反映植被稀疏或無(wú)植被區(qū)的土壤水分狀況。

植被指數(shù)法的優(yōu)點(diǎn)是簡(jiǎn)單、易行，適用于大范圍土壤含水量監(jiān)測(cè)，缺點(diǎn)是植被指數(shù)反映的土壤水分狀況多是相對(duì)于多年NDVI的均值或極值，而多年NDVI的均值或極值本身是一個(gè)不確定的值；其次，植被指數(shù)法過(guò)分依賴于植被的長(zhǎng)勢(shì)，當(dāng)?shù)乇頍o(wú)植被覆蓋時(shí)，就無(wú)法反映其土壤水分狀況。

1.1.2.2 基于溫度變化的方法 由于植被指數(shù)法對(duì)土壤水分的反映具有局限性，而由蒸發(fā)引起的土壤、植被冠層溫度的升高對(duì)水分脅迫的反映更具有時(shí)效性。所以，就有研究將植被指數(shù)和溫度綜合起來(lái)構(gòu)造土壤水分監(jiān)測(cè)指標(biāo)。Price[11]研究發(fā)現(xiàn)，當(dāng)研究區(qū)域的植被和土壤水分條件變化較大時(shí)，該區(qū)域每個(gè)像元的Ts和NDVI構(gòu)造的散點(diǎn)呈三角型；Moran等[12]發(fā)現(xiàn)，若一個(gè)區(qū)域地表覆蓋類型從裸土到高密度植被，土壤濕度由干旱到濕潤(rùn)，則該區(qū)域每個(gè)像元的Ts和NDVI組成的散點(diǎn)圖呈梯形。2002年Sandholt等[13]利用簡(jiǎn)化的NDVI-Ts特征空間提出溫度植被干旱指數(shù)（TVDI），在該簡(jiǎn)化的特征空間，濕邊為與NDVI軸平行的直線，干邊與NDVI成線性關(guān)系。齊述華等[14]利用TVDI模型，計(jì)算了中國(guó)不同時(shí)間、不同氣候各像元的TVDI，反演了中國(guó)2000年3月和5月各旬土壤水分。楊鶴松等[15]構(gòu)造條件植被溫度指數(shù)，對(duì)華北平原進(jìn)行土壤水分監(jiān)測(cè)研究。由于TVDI是一種較接近實(shí)時(shí)的干旱監(jiān)測(cè)模型，因而得到了廣泛的應(yīng)用，其缺點(diǎn)是對(duì)研究區(qū)域的要求較高，必須滿足土壤含水量從萎蔫含水量到田間持水量。

基于溫度和植被指數(shù)的方法優(yōu)點(diǎn)是兼顧了土壤和植被對(duì)土壤水分的反映，缺點(diǎn)是土壤和植被對(duì)土壤水分的反映不同步，所以有必要進(jìn)一步研究土壤和植被對(duì)土壤水分反演的時(shí)效性。

1.1.3 基于蒸散模型的方法 蒸散模型是建立以能量平衡為基礎(chǔ)，從植被蒸騰角度去間接推算土壤含水量的方法。蒸散法的理論基礎(chǔ)來(lái)源于彭曼公式[16]，研究表明，當(dāng)土壤水分供給充足時(shí)，蒸散作用較強(qiáng)，冠層溫度較低；反之，蒸散作用較弱，冠層溫度較高。

作物缺水指數(shù)最初由Idso等[17]根據(jù)熱量平衡原理提出，Jackson等[18]對(duì)Idso的冠層空氣溫差上下限方程進(jìn)行了理論解釋，在此基礎(chǔ)之上提出了作物水分脅迫指數(shù)（CWSI＝1－ET/ETp），其中：ET為實(shí)際蒸散，ETp為潛在蒸散。CWSI雖然不需要NDVI值，但前提是土壤完全被植被覆蓋，當(dāng)背景中有土壤的像元時(shí)，會(huì)導(dǎo)致干旱的假象。再者，CWSI的確定依賴于冠層溫度、氣溫和水汽壓差的測(cè)定，為了克服這種局限性，1994年Moran等[12]利用植被指數(shù)和溫度的梯形空間提出了水分虧缺指數(shù)（WDI），其4個(gè)頂點(diǎn)分別代表4種極端情況：水分充足條件下的植被完全覆蓋，水分脅迫下的植被完全覆蓋，飽和水分條件下的裸土和干旱條件下的裸土。但是梯形特征空間的4個(gè)頂點(diǎn)是從蒸散和能量平衡的角度推導(dǎo)出來(lái)的，屬于物理模型，需要結(jié)合氣象數(shù)據(jù)才能實(shí)現(xiàn)土壤水分監(jiān)測(cè)，計(jì)算過(guò)程較為復(fù)雜。為此，辛?xí)灾薜萚19]研究提出，將輻射表面溫度簡(jiǎn)化為各組分溫度的線性組合，空氣動(dòng)力學(xué)溫度簡(jiǎn)化為冠層溫度，從而來(lái)簡(jiǎn)化顯熱通量的計(jì)算；隋洪智等[20]利用植被覆蓋率對(duì)空氣動(dòng)力學(xué)阻抗進(jìn)行了修正和簡(jiǎn)化。

基于蒸散模型的土壤水分監(jiān)測(cè)方法兼顧了能量平衡原理、氣象學(xué)原理和植物生理學(xué)原理[21]，科學(xué)性較強(qiáng)。但模型涉及大量非遙感參數(shù)，且各種阻抗有一定的地域性，經(jīng)驗(yàn)參數(shù)較多，它們的確定往往依賴于經(jīng)驗(yàn)，使其難以推廣應(yīng)用到業(yè)務(wù)工作中。

1.2 基于微波遙感的方法

利用微波遙感測(cè)定土壤水分的理論基礎(chǔ)是土壤介電常數(shù)對(duì)土壤含水量十分敏感，濕潤(rùn)土壤的介電常數(shù)大約為80，而干土僅為3，它們之間存在巨大的差異，土壤的介電常數(shù)隨土壤濕度的變化而變化，表現(xiàn)在遙感圖像上則是亮溫的變化。利用微波遙感測(cè)定土壤水分包括主動(dòng)式微波遙感和被動(dòng)式微波遙感2種。

被動(dòng)微波遙感研究歷史長(zhǎng)，反演算法比較成熟，是今后區(qū)域乃至全球土壤水分監(jiān)測(cè)的重要手段。被動(dòng)微波遙感主要采用統(tǒng)計(jì)分析方法分析土壤水分與地表亮溫的關(guān)系。20世紀(jì)70年代，美國(guó)的Schmugge等[22]根據(jù)NASA觀測(cè)數(shù)據(jù)首次建立了地表亮溫與土壤水分的線性關(guān)系模型。Schmugge等[23]后來(lái)引入田間持水量進(jìn)一步完善了反演模型。有學(xué)者引入前期降雨量（API）和微波極化差值（MPDI）等土壤水分指示因子，建立地表亮溫與API，MPDI之間的線性關(guān)系，這些算法均為經(jīng)驗(yàn)算法或統(tǒng)計(jì)算法[24-25]。Njoku等[26]基于輻射傳輸方程建立的地表亮溫與Mv等參數(shù)的非線性方程逐步成為微波遙感土壤水分算法的主流。張鐘軍[27]基于輻射傳輸方程的離散模型來(lái)研究植被的發(fā)射率、傳輸率，能更準(zhǔn)確地通過(guò)植被反映下墊面狀況。被動(dòng)微波遙感具有空間分辨率低、影響因素多等缺點(diǎn)。

主動(dòng)式微波遙感大多采用統(tǒng)計(jì)方法，通過(guò)相關(guān)分析，建立土壤水分和地表亮溫與后向散射系數(shù)之間的經(jīng)驗(yàn)函數(shù)。Ulaby等[28]通過(guò)試驗(yàn)研究得出，土壤濕度對(duì)裸土的敏感度是0.15 dB，對(duì)有植被的土壤的敏感度是0.13 dB。Sabburg[29]利用經(jīng)驗(yàn)散射模型對(duì)澳大利亞的農(nóng)田進(jìn)行了土壤水分反演，結(jié)果發(fā)現(xiàn)，表層土壤含水量誤差可控制在10%以內(nèi)。田國(guó)良等[30]利用機(jī)載合成孔徑雷達(dá)水平極化（HH）圖像進(jìn)行農(nóng)田土壤水分監(jiān)測(cè)。李杏朝[31]用X波段散射計(jì)測(cè)量土壤后向散射系數(shù)，對(duì)比同步獲取的X波段HH極化的機(jī)載圖像，得出微波遙感監(jiān)測(cè)土壤水分的相對(duì)誤差為12%。李震等[32]綜合主動(dòng)和被動(dòng)微波遙感數(shù)據(jù)，建立了一個(gè)半經(jīng)驗(yàn)公式模型，估算土壤水分的變化，消除了植被覆蓋的影響。周鵬等[33]聯(lián)合雷達(dá)數(shù)據(jù)和光學(xué)遙感影像建立“水-云模型”，去除植被影響，建立了土壤后向散射系數(shù)與土壤水分的關(guān)系。主動(dòng)式微波遙感具有發(fā)射功率大、空間分辨率高的特點(diǎn)。

微波遙感具有全天時(shí)、全天候的優(yōu)點(diǎn)，并具有一定穿透能力，突破了傳統(tǒng)方法測(cè)點(diǎn)少、費(fèi)時(shí)費(fèi)力和光學(xué)遙感精度低、受天氣影響的缺點(diǎn)。

2 土壤水分遙感監(jiān)測(cè)的關(guān)鍵技術(shù)分析

土壤水分遙感監(jiān)測(cè)是在地表溫度、植被指數(shù)等地表參數(shù)遙感反演的基礎(chǔ)上，結(jié)合其他地表特征，根據(jù)土壤特性、能量平衡原理、作物生理特性等估算地表土壤水分。由于土壤水分是影響作物產(chǎn)量的重要因素之一，長(zhǎng)期以來(lái)得到了廣泛研究，隨著土壤水分監(jiān)測(cè)的區(qū)域性、時(shí)效性的提出，使得農(nóng)田土壤水分及干旱監(jiān)測(cè)方法更加復(fù)雜，同時(shí)也使監(jiān)測(cè)研究更為迫切與重要。當(dāng)前土壤水分遙感監(jiān)測(cè)中還存在一些關(guān)鍵技術(shù)制約著區(qū)域土壤水分遙感監(jiān)測(cè)的精度，主要包括數(shù)據(jù)源、模型方法等方面的因素。

2.1 數(shù)據(jù)源的選取

干旱作為一種緩變的現(xiàn)象，其嚴(yán)重程度也是逐漸積累的結(jié)果，暫時(shí)的土壤水分虧缺不會(huì)造成作物旱情的發(fā)生，只有長(zhǎng)時(shí)間的持續(xù)缺水才會(huì)造成作物干旱，因而，農(nóng)田旱情需要進(jìn)行長(zhǎng)時(shí)間序列的土壤水分監(jiān)測(cè)。當(dāng)前，用于區(qū)域土壤水分業(yè)務(wù)監(jiān)測(cè)的衛(wèi)星數(shù)據(jù)大多是NOAA/AVHRR，EOS/MODIS，F(xiàn)Y-3A/3B等中、低分辨率的數(shù)據(jù)，重訪周期在1/2 d左右，加上天氣條件、設(shè)備故障等因素造成的數(shù)據(jù)缺失、質(zhì)量低下等問(wèn)題，衛(wèi)星遙感數(shù)據(jù)獲取周期平均為4 d左右，南方地區(qū)數(shù)據(jù)獲取周期還要更長(zhǎng)些。單一的衛(wèi)星遙感數(shù)據(jù)無(wú)法滿足土壤水分遙感業(yè)務(wù)監(jiān)測(cè)的需求，綜合多源衛(wèi)星遙感數(shù)據(jù)的優(yōu)勢(shì)，發(fā)展多源衛(wèi)星數(shù)據(jù)尺度轉(zhuǎn)換、融合和標(biāo)準(zhǔn)化技術(shù)，在研究數(shù)據(jù)缺失的情況下，多源遙感信息相互替代是解決這類問(wèn)題比較有效的手段之一。

另外，由于傳感器的空間分辨率限制以及地表覆蓋類型的復(fù)雜多樣性，圖像中每個(gè)像元往往包含不同的地物類型，混合像元普遍存在于遙感圖像中，致使傳統(tǒng)像元級(jí)精度難以達(dá)到業(yè)務(wù)需求。在保證必要的時(shí)間分辨率的同時(shí)，必然會(huì)犧牲空間分辨率的精度，而應(yīng)用低分辨率進(jìn)行大區(qū)域監(jiān)測(cè)很難找到“純凈”像元。為了提高遙感應(yīng)用精度，必須進(jìn)行混合像元分解，多年來(lái)國(guó)內(nèi)外學(xué)者提出了多種混合像元的分解模型（如線性、概率、幾何光學(xué)、隨機(jī)幾何、模糊模型等），每種模型都有其適用條件，其中，線性模型簡(jiǎn)單且易于處理，被認(rèn)為是最簡(jiǎn)單和應(yīng)用最廣泛的模型。

2.2 地表參數(shù)的反演

2.2.1 植被指數(shù)（NDVI）的反演 土壤水分遙感反演的過(guò)程中，NDVI是必不可少的因子之一，NDVI是單位像元內(nèi)的植被類型、覆蓋形態(tài)、生長(zhǎng)狀況等的綜合反映，其大小取決于植被覆蓋度和葉面積指數(shù)等要素；NDVI對(duì)植被覆蓋度的檢測(cè)幅度較寬，有較好的時(shí)間和空間適應(yīng)性，但研究發(fā)現(xiàn)，在低植被覆蓋的區(qū)域，NDVI受土壤背景的影響較大，在高植被覆蓋的區(qū)域，NDVI值會(huì)出現(xiàn)飽和現(xiàn)象，NDVI飽和后，如果地表蒸散繼續(xù)增加，NDVI也無(wú)法反映地表干濕狀況，此時(shí)RVI值增加的速度高于NDVI增加速度，即RVI對(duì)高植被區(qū)具有較高的靈敏度，可以有效去除土壤背景的影響，同時(shí)也增強(qiáng)了在高植被覆蓋區(qū)域的敏感性，因此，可以考慮在適當(dāng)情況下用RVI代替NDVI。許國(guó)鵬[34]提出了改進(jìn)的植被指數(shù)（MTVDI），MTVDI可以增加植被信息的動(dòng)態(tài)范圍，較好地降低土壤背景對(duì)植被指數(shù)的影響，有利于更客觀地進(jìn)行對(duì)土壤水分的監(jiān)測(cè)與評(píng)估。Jakson等[35]研究發(fā)現(xiàn)，只有水分脅迫嚴(yán)重阻礙作物生長(zhǎng)時(shí)，才會(huì)引起植被指數(shù)的明顯變化；崔林麗等[36]研究發(fā)現(xiàn)，中國(guó)東部植被指數(shù)對(duì)土壤水分變化的響應(yīng)大約滯后3旬左右。由于不同的植被類型造成了植被指數(shù)的內(nèi)部差異，相同的NDVI還需要結(jié)合土壤類型以及不同作物、不同生育期進(jìn)行區(qū)別對(duì)待。

2.2.2 地表溫度的反演 從遙感方法監(jiān)測(cè)區(qū)域土壤水分的方法中可以看到，地表溫度除了作為一個(gè)主要參數(shù)外，同時(shí)其他許多參數(shù)都可以轉(zhuǎn)化為地表溫度的函數(shù)，因此，遙感監(jiān)測(cè)土壤水分的精度很大程度上取決于地表溫度的反演精度。目前，遙感用于海洋表面溫度的反演已經(jīng)取得了成功，用于陸地表面溫度的反演研究也很多[37]。從20世紀(jì)60年代初期到現(xiàn)在，出現(xiàn)的表面溫度反演算法可以歸納為4種：?jiǎn)瓮ǖ婪ā⒍嗤ǖ婪?、單通道多角度法和多通道多角度算法。目前，基于劈窗技術(shù)的多通道算法應(yīng)用最廣[38]，其精度在1～2 K之間。另外，目前用于地表溫度反演的算法還是建立在同溫均勻像元的假設(shè)基礎(chǔ)之上，將混合像元作為整體來(lái)反演的地表溫度也只是缺少物理意義的平均溫度，而真正具有物理意義的混合像元組分溫度才是遙感所要反演的。隨著熱紅外遙感數(shù)據(jù)反演方法的進(jìn)一步改進(jìn)和完善，地表溫度的反演精度有望得到進(jìn)一步提高。同時(shí)，以地表溫度為水分脅迫指標(biāo)的監(jiān)測(cè)方法雖然具有較高的時(shí)效性，但最高和最低溫度獲取有一定的困難，且獲取的溫度信息必然受植被覆蓋的影響，如何消除植被對(duì)溫度的影響仍需進(jìn)一步深入研究。

2.3 監(jiān)測(cè)模型的選擇

對(duì)于不同的傳感器、不同的區(qū)域、不同作物物候期，其土壤水分反演的模型和參數(shù)是不同的。在現(xiàn)有監(jiān)測(cè)方法中，基于土壤熱慣量的土壤水分監(jiān)測(cè)方法，由于受到植被影響，通常在裸土或低植被覆蓋地區(qū)具有較好的應(yīng)用；基于植被指數(shù)的土壤水分監(jiān)測(cè)方法，在中、高植被覆蓋度區(qū)域具有相對(duì)較好的應(yīng)用效果，可從植被長(zhǎng)勢(shì)和冠層含水量2個(gè)方面進(jìn)行土壤水分監(jiān)測(cè)，同時(shí)還需綜合其他環(huán)境因素的影響；基于蒸散模型的土壤水分監(jiān)測(cè)方法具有較強(qiáng)的理論基礎(chǔ)，但是由于模型中的地表熱力學(xué)參數(shù)通常利用經(jīng)驗(yàn)獲取，限制了其應(yīng)用。其中，前2類模型本質(zhì)上都是機(jī)理性的，由于需要建立土壤水分與模型結(jié)果的相關(guān)關(guān)系，而不是直接反映土壤水分，因此，與蒸散模型相比，機(jī)理性相對(duì)弱些，同時(shí)蒸散模型理論上適合于從作物發(fā)育早期到作物發(fā)育后期的不同作物生育期。微波遙感以其高精度被認(rèn)為是最終解決土壤水分監(jiān)測(cè)的方法，但由于其受微波成像機(jī)理等因素所限，目前微波遙感數(shù)據(jù)在時(shí)間分辨率上還達(dá)不到光學(xué)遙感數(shù)據(jù)的精度，且微波遙感成本高、業(yè)務(wù)推廣還存在一定困難。

不同地區(qū)的土壤熱慣量、溫度植被指數(shù)、蒸散強(qiáng)度差別很大，所代表的土壤濕度可比性較差，甚至沒(méi)有可比性。因而，不同氣候、不同土壤、不同作物情況下的土壤水分監(jiān)測(cè)模型及參數(shù)也不盡相同，為提高遙感土壤水分監(jiān)測(cè)的準(zhǔn)確性，一方面可以根據(jù)作物不同生育期、關(guān)鍵需水期進(jìn)行植被分區(qū)，以作物類型、土層含水量、相對(duì)土壤濕度、降水蒸發(fā)量、土壤質(zhì)地和田間持水量等指標(biāo)建立分區(qū)指標(biāo)集，并在此基礎(chǔ)上，建立全國(guó)土壤水分遙感監(jiān)測(cè)分區(qū)；另一方面，針對(duì)不同的土壤水分遙感分區(qū)，篩選滿足不同作物發(fā)育期的監(jiān)測(cè)方案，建立土壤墑情分級(jí)標(biāo)準(zhǔn)，從而保證區(qū)域旱情監(jiān)測(cè)的精度。

2.4 精度驗(yàn)證

目前，傳統(tǒng)的土壤水分遙感監(jiān)測(cè)方法很難在像元級(jí)進(jìn)行有效的驗(yàn)證，國(guó)內(nèi)外土壤水分反演精度評(píng)估主要是利用土壤墑情觀測(cè)站的單點(diǎn)實(shí)測(cè)數(shù)據(jù)與同期的遙感反演結(jié)果進(jìn)行比較來(lái)驗(yàn)證遙感監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性，且遙感反演方法均是以假設(shè)下墊面均勻條件為前提，如果氣象因子和研究區(qū)下墊面非均一，點(diǎn)上的數(shù)據(jù)就不具備區(qū)域尺度的代表性。另外，多尺度、多時(shí)相、多源數(shù)據(jù)的不確定性研究和精度評(píng)價(jià)的研究比較少見(jiàn)，也較少涉及區(qū)域尺度的不同驗(yàn)證體系方面的精度評(píng)價(jià)研究。顯然，一方面完善不同作物區(qū)域的地面土壤墑情觀測(cè)站點(diǎn)的設(shè)置，提高單點(diǎn)驗(yàn)證方式的精度；另一方面，建立地面“點(diǎn)”數(shù)據(jù)與遙感“面”數(shù)據(jù)尺度轉(zhuǎn)換及精度驗(yàn)證的技術(shù)方法體系，是目前提高土壤水分遙感監(jiān)測(cè)檢驗(yàn)精度的主要發(fā)展方向。

3 研究展望

在過(guò)去的30多年間，土壤水分遙感監(jiān)測(cè)發(fā)展了許多理論和模型，但這些模型和方法要么太復(fù)雜，不適合業(yè)務(wù)化運(yùn)行和推廣；要么與實(shí)測(cè)數(shù)據(jù)還有較大的差距，還不能完全滿足農(nóng)業(yè)生產(chǎn)的需求。長(zhǎng)期以來(lái)制約遙感方法在區(qū)域土壤水分估算中深入廣泛應(yīng)用的關(guān)鍵技術(shù)主要有：（1）利用NDVI作為水分指示指標(biāo)一方面是容易飽和，另一方面是對(duì)環(huán)境變化的反映表現(xiàn)出一定的滯后性；不同的植被類型造成了植被指數(shù)的內(nèi)部差異，且完全植被覆蓋度的界定不清楚，不適合全生育期的監(jiān)測(cè)，有一定的局限性。（2）基于蒸散土壤水分監(jiān)測(cè)方法模型復(fù)雜、且大量參數(shù)的確定沒(méi)有確切的辦法，使其很難推廣到業(yè)務(wù)實(shí)踐中。另一方面，隨著非遙感參數(shù)的大量引入，應(yīng)加大部門間的數(shù)據(jù)共享力度。（3）對(duì)于微波遙感的土壤水分監(jiān)測(cè)，雖然在裸土條件下微波遙感測(cè)定土壤表層的土壤含水量已有較高精度，但其仍然存在如何消除植被影響以及如何估算土壤剖面含水量的問(wèn)題。綜合利用主動(dòng)和被動(dòng)微波遙感，可以提高微波遙感監(jiān)測(cè)土壤水分的精度。

［1］Watson K，Pohn H A.Thermal inertia mapping from satellites discrimination of geologic unitsin oman[J].Journal of Research Geology Surving，1974，2（2）：147-158.

［2］Price JC.Thermal inertiamapping：anew view of the Earth[J].Journal of Geophysical Research，1982，87：2582-2590.

［3］Price JC.On the analysis of thermal infrared imagery：the Limited utility of apparent thermal inertia[J].Remote Sensing of Environment，1985，18（1）：59-73.

［4］劉良明，李德仁.基于輔助數(shù)據(jù)的遙感干旱分析[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1999，24（4）：300-305.

［5］劉振華，趙英時(shí).一種改進(jìn)的遙感熱慣量模型初探[J].中國(guó)科學(xué)院研究生院學(xué)報(bào)，2005，22（3）：380-385.

［6］張仁華，孫曉敏，朱治林.以微分熱慣量為基礎(chǔ)的地表蒸發(fā)全遙感信息模型及在甘肅沙坡頭地區(qū)的驗(yàn)證[J].中國(guó)科學(xué)：D輯，2002，21（5）：599-607.

［7］武玉葉，李德全.土壤水分脅迫對(duì)冬小麥葉片滲透調(diào)節(jié)及葉綠體超微結(jié)構(gòu)的影響[J].華北農(nóng)學(xué)報(bào)，2001，16（2）：87-93.

［8］肖乾廣，陳維英，盛永偉.用氣象衛(wèi)星監(jiān)測(cè)土壤水分的試驗(yàn)研究[J].應(yīng)用氣象學(xué)報(bào)，1994，5（3）：312-317.

［9］ Kogon F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].International Journal of Remote Sensing，1990，11（8）：1405-1420.

［10］Kogan F N.Application of vegetation index and brightnesstemperature for drought detection[J].Advances in Space Research，1995，15（11）：91-100.

［11］Price J C.Using spatial context in satellite data to infer regional scaleevapotranspiration[J].IEEETransactionson Geoscienceand Remote Sensing，1990，28：940-948.

［12］ 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，1994，49：246-263.

［13］Sandholt L，Rasmussen K，Andersen J.A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J].Remote Sensing of Enviromrent，2002，79：213-224.

［14］齊述華，王長(zhǎng)耀，牛錚.利用溫度植被旱情指數(shù)（TVDI）進(jìn)行全國(guó)旱情監(jiān)測(cè)研究[J].遙感學(xué)報(bào)，2003，7（5）：420-428.

［15］楊鶴松，王鵬新，孫威.條件植被溫度指數(shù)在華北平原干旱監(jiān)測(cè)中的應(yīng)用[J].北京師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，43（3）：314-318.

［16］趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003：445-456.

［17］Idso SB，Jackson R D，Pinter PJJr，et al.Normalizing the stress degreeday for environmental variability[J].Agricultural Meteorology，1981，24：45-55.

［18］Jackson RD，Idso SB，Reginato RJ.Canopy temperatureas acrop water stress indicator[J].Water Resource Research，1981，17：1133-1138.

［19］辛?xí)灾?，田?guó)良，柳欽火.地表蒸散定量遙感的研究進(jìn)展[J].遙感學(xué)報(bào)，2003，7（3）：233-240.

［20］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)，1994，1（3）：220-224.

［21］ 劉永忠，李齊霞，孫萬(wàn)榮，等.氣候干旱與作物干旱指標(biāo)體系[J].山西農(nóng)業(yè)科學(xué)，2005，33（3）：50-53.

［22］Schmugge T J，Gloersen P，Wilheit T，et al.Remote sensing of soil moisture with microwave radiometers[J].J G R，1974，79（2）：317-323.

［23］Schmugge TJ.Remotesensingof surfacesoil moisture[J].Journal of Applied Meteorology，1978，17：1549-1557.

［24］TengWL，Wang JR，Doraiswamy PC.Relationship between satellitemicrowaveradiometric data，antecedent precipitation index，and regional soil-moisture[J].International Journal of Remote Sensing，1993，14：2483-2500.

［25］Ahmed NU.Estimating soil moisture from 6.6 GHz dual polarization，and/or satellite derived vegetation index[J].International Journal of Remote Sensing，1995，16（4）：687-708.

［26］Njoku EG，Li L.Retrieval of land surfaceparameters usingpassive microwave measurements at 6-18 GHz[J].IEEE Trans Geosci Remote Sensing，1999，37（1）：79-93.

［27］張鐘軍.用離散的植被模型分析地物的微波輻射[J].遙感信息，2003（3）：12-14.

［28］肖國(guó)杰，李國(guó)春.遙感方法進(jìn)行土壤水分監(jiān)測(cè)的現(xiàn)狀與進(jìn)展[J].西北農(nóng)業(yè)學(xué)報(bào)，2006，15（1）：121-126.

［29］Sabburg JM.Evaluation of an Australian ERS-1 SARscenepertaining to soilmoisture measurement[J].Proc Int Geosciences and Remote Sensing Symp，1994，3：1424-1426.

［30］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.

［31］李杏朝.微波遙感監(jiān)測(cè)土壤水分的研究初探[J].遙感技術(shù)與應(yīng)用，1995，10（4）：1-8.

［32］李震，郭華東，施建成.綜合主動(dòng)和被動(dòng)微波數(shù)據(jù)監(jiān)測(cè)土壤水分變化[J].遙感學(xué)報(bào)，2002，6（6）：481-484.

［33］周鵬，丁建麗，王飛，等.植被覆蓋地表土壤水分遙感反演[J].遙感學(xué)報(bào)，2010，14（5）：959-973.

［34］許國(guó)鵬，李仁東，梁守真，等.基于改進(jìn)型溫度植被干旱指數(shù)的旱情監(jiān)測(cè)研究[J].世界科技研究與發(fā)展，2006，28（6）：51-55.

［35］Jackson R D，Slaler PN，Pinter PJ.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.

［36］崔林麗，史軍，楊引明，等.中國(guó)東部植被NDVI對(duì)氣溫和降水的旬響應(yīng)特征[J].地理學(xué)報(bào)，2009，64（7）：850-860.

［37］Herr Y H，Lagouarde JP，Imbermon J.Accurateland surfacetemperature retrieval from AVHRR data with use of an improved splitwindows algorithm [J].Remote Sensing of Environment，1992，41：197-209.

［38］孟鵬，胡勇，鞏彩蘭.用劈窗算法反演地表溫度的通道問(wèn)題討論[J].國(guó)土資源遙感，2012（4）：16-20.