黃河三角洲地區(qū)地下水埋深遙感反演

羅 浩，王 紅，施長惠

(河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098)

0 引言

黃河三角洲是我國三大河口三角洲之一，對我國的經(jīng)濟(jì)、農(nóng)業(yè)等有至關(guān)重要的意義。黃河三角洲地區(qū)地下水水位高是該地區(qū)土壤鹽堿化的重要原因之一［1］。地下水位高、礦化度大還會引起生態(tài)環(huán)境退化，自然保護(hù)區(qū)鳥類數(shù)量減少等問題［2－3］。對黃河三角洲地區(qū)地下水空間分布情況進(jìn)行分析研究，對保持當(dāng)?shù)厣鷳B(tài)平衡、防止土壤次生鹽堿化以及優(yōu)化調(diào)控區(qū)域水鹽運(yùn)動等都具有重要的作用［4］。

傳統(tǒng)的地下水位監(jiān)測方法費(fèi)時(shí)費(fèi)力，而且控制點(diǎn)少，代表性差，無法實(shí)現(xiàn)大面積動態(tài)監(jiān)測。遙感技術(shù)作為宏觀、綜合、動態(tài)、快速監(jiān)測和評價(jià)自然資源的有效手段，為快速、大面積監(jiān)測地下水提供了新的探測手段［4］。目前對地下水進(jìn)行遙感探測的主要方法有環(huán)境因素遙感分析法、熱紅外地表異常監(jiān)測法和建立遙感信息定量反演模型［5］。環(huán)境因素遙感分析法基于理論知識和實(shí)地考察，如Finch 等［6］結(jié)合流域、水系和植被光譜特征，以目視判讀為主推斷出地下水存儲帶，但是該方法精度不高，應(yīng)用效果相對較低;熱紅外地表異常監(jiān)測法利用地面溫度判斷地下水的存在，較為困難，目前尚未有成功案例;遙感信息定量反演模型通過實(shí)驗(yàn)的、數(shù)學(xué)的或物理的模型將遙感信息與觀測地表目標(biāo)參量聯(lián)系起來，建立從遙感圖像能識別和測定的與地下水有密切關(guān)系的水文因素和地下水位的定量評價(jià)模型。該方法案例較多，如David［7］根據(jù)年度降水量和總蒸散量，對17 a 間的地下水變化進(jìn)行了擬合分析;塔西甫拉提等［8］利用衛(wèi)星遙感數(shù)據(jù)，采用遙感－數(shù)學(xué)－模型學(xué)融合的研究方法，建立干旱區(qū)域土壤水分和地下水位的實(shí)驗(yàn)方程，提出了評價(jià)地下水位分布的遙感模型——GLDRS;霍艾迪、郭嬌等［9－10］利用GLDRS模型對干旱區(qū)和非干旱區(qū)的地下水位分布進(jìn)行遙感反演，研究結(jié)果符合實(shí)際情況。但GLDRS 模型采用光學(xué)遙感法分析像元中的土壤反射光譜來計(jì)算土壤含水量，在高植被覆蓋區(qū)的土壤含水量與地下水位的計(jì)算結(jié)果可能存在較大誤差。

本次遙感反演地下水的主要依據(jù)是地下水與植被、溫度、土壤相對含水量等遙感信息的相關(guān)性。黃河三角洲地區(qū)的土壤類型主要為鹽土(約51%)、濱海潮土(約44.5%)、褐土(約3.5%)和少量的黑土［11］。地下水極易通過土壤毛細(xì)管作用影響地表淺層土壤含水量［12］:當(dāng)?shù)叵滤裆钶^淺時(shí)，表層土壤能夠保持較高的含水量;地下水埋深較高時(shí)，表層土壤含水低，這使得本文建立土壤相對含水量與地下水埋深分布的關(guān)系模型具備了理論依據(jù)［8～10］。在反演地表土壤相對含水量時(shí)，分別對高植被覆蓋區(qū)與低植被覆蓋區(qū)的土壤相對含水量進(jìn)行反演，以提高地下水埋深的反演精度。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

黃河三角洲位于山東省東營市境內(nèi)的黃河入?？?，E 117°30'～119°20'，N 36°55'～38°16'之間，面積約6 010 km2。該地區(qū)屬于溫帶季風(fēng)型大陸性氣候，年平均氣溫11～13℃，年平均降水量為530～630 mm，其中70%的降水集中在夏季，多年平均蒸發(fā)量為1 800～2 300 mm，蒸降比約為3∶1。近年來由于農(nóng)業(yè)生產(chǎn)、油田開發(fā)等的用水量大增，導(dǎo)致區(qū)域內(nèi)地下水位降低，生態(tài)需水難以得到充分保證;同時(shí)土壤鹽堿化與海水入侵等問題依然嚴(yán)重，大片淡水濕地因缺水而萎縮，其典型和珍稀的生態(tài)環(huán)境難以得到有效保護(hù)［13］。分析黃河三角洲地區(qū)地下水空間分布狀況，對該地區(qū)保持生態(tài)平衡具有重要意義。

1.2 數(shù)據(jù)源

本研究選取的遙感數(shù)據(jù)為2012年5月1 日(Day 122)和5月4 日(Day125)2 期MODIS L1B 原始數(shù)據(jù)，空間分辨率有250 m，500 m 和1 000 m 共3種。數(shù)據(jù)從地球觀測系統(tǒng)計(jì)劃的NASA 網(wǎng)站上下載，并使用MODISSWATHTOOLS 軟件進(jìn)行了重投影參數(shù)設(shè)置，使用ENVI 對其進(jìn)行大氣校正等預(yù)處理。

圖1 研究區(qū)地貌類型及采樣點(diǎn)分布［11］Fig.1 Landform types of study area and the sample points distribution［11］

采用的土壤水分?jǐn)?shù)據(jù)為土壤相對含水量，由野外采集所得，數(shù)據(jù)采集時(shí)間為2012年4月30 日—5月4 日。采用剖面取土的方法對每個(gè)樣點(diǎn)(圖1)分別在地表10cm，20cm，30cm處取樣，將取得的土樣放入鋁盒中，同時(shí)測量樣點(diǎn)處地下水埋深，并使用GPS 進(jìn)行樣點(diǎn)的精確定位。對采集完成的土樣進(jìn)行稱重，并在實(shí)驗(yàn)室烘干(烘干箱溫度設(shè)定為105°，烘干時(shí)間7 h)，然后再稱量干土和鋁盒的共同質(zhì)量，最后共獲取59個(gè)有效樣點(diǎn)處的數(shù)據(jù)。

2 研究方法

首先對MODIS 圖像進(jìn)行處理，得到比輻射率、植被指數(shù)、地表溫度、地表反照率等數(shù)據(jù)，使用植被溫度指數(shù)模型與熱慣量模型反演地表土壤相對含水量;然后確定地表土壤相對含水量對地下水埋深反演的最佳深度;最后建立土壤相對含水量與地下水埋深之間的關(guān)系模型，反演得到地下水埋深分布圖。

2.1 溫度植被指數(shù)模型

應(yīng)用遙感手段反演土壤相對含水量時(shí)，如果單獨(dú)以遙感獲取的地表溫度作為指標(biāo)，在植被覆蓋不完全條件下，較高的土壤背景溫度會嚴(yán)重干擾土壤濕度信息［14］。植被指數(shù)提供了綠色植被的生長狀況和覆蓋度信息，但它對短暫的水分協(xié)迫不敏感，具有一定的滯后作用［15］。結(jié)合植被指數(shù)和地表溫度的綜合信息，可消除土壤背景的影響，能夠較好地計(jì)算植被覆蓋區(qū)的土壤相對含水量［14］。

2.1.1 地表溫度計(jì)算

選取覃志豪［16～17］提出的適用于MODIS 數(shù)據(jù)的劈窗算法反演地表溫度。該算法以地表熱輻射傳導(dǎo)方程為基礎(chǔ)，通過對兩個(gè)熱紅外通道的數(shù)據(jù)建立方程來反演地表溫度。在針對某些已知地表比輻射率的地表進(jìn)行局地反演時(shí)，可達(dá)到較高的反演精度，且有較高的反演效率，是目前應(yīng)用非常廣泛的陸地表面溫度反演算法［18］。

在用劈窗算法反演地表溫度時(shí)，大氣透過率和地表比輻射率是該算法的關(guān)鍵參數(shù)。利用MODIS第2，19 波段計(jì)算得到大氣水分含量后，根據(jù)大氣輻射傳輸模型LOWTRAN 來模擬大氣透過率與大氣水分含量的關(guān)系，最后進(jìn)行大氣透過率的溫度校正和視角校正，得到精度較高的大氣透過率參數(shù)，再根據(jù)此參數(shù)計(jì)算得到研究區(qū)地表溫度。

2.1.2 溫度植被干旱指數(shù)

一般情況下，陸地表面溫度與植被指數(shù)呈顯著的負(fù)相關(guān)關(guān)系［19～20］，當(dāng)研究區(qū)域的植被覆蓋度和土壤水分條件變化范圍較大時(shí)，Moran 等［20］發(fā)現(xiàn)以遙感資料得到的溫度(Ts)和植被指數(shù)(NDVI)分別為橫、縱坐標(biāo)得到的散點(diǎn)圖呈梯形，這就是所謂的溫度植被指數(shù)空間。Sandhol 等［21］在簡化的三角形Ts－NDVI 特征空間的基礎(chǔ)上，進(jìn)一步提出了溫度植被干旱指數(shù)(temperature vegetation dryness index，TVDI)的概念，表示為

式中:a，b，c 和d 分別為Ts－NDVI 特征空間中干邊和濕邊線性回歸方程的擬合系數(shù);Tmax和Tmin分別為地表最高溫度和最低溫度。在Ts－NDVI 特征空間中，TVDI 越大，土壤表層水分越少，土壤相對越干旱。對干邊和濕邊散點(diǎn)的分布進(jìn)行線性擬合結(jié)果作為濕邊和干邊的分布位置較為合理。

在計(jì)算TVDI 的過程中，首先需要確定干邊、濕邊方程對應(yīng)的參數(shù)，計(jì)算研究區(qū)內(nèi)植被指數(shù)條件下地表溫度的極大值與極小值，通過線性回歸的方法獲取Ts－NDVI 特征空間的干邊、濕邊的方程。陸地表面水體以外地物NDVI 的范圍主要介于0～1.0之間，因此，在計(jì)算分析Ts－NDVI 特征空間時(shí)主要針對此范圍進(jìn)行Ts－NDVI 關(guān)系分析。

2.2 表觀熱慣量模型

在植被覆蓋區(qū)，使用TVDI 法反演土壤含水量時(shí)需要確定植被覆蓋度的閾值，低于此閾值時(shí)，TVDI計(jì)算精度不高［22］，而熱慣量模型在低植被覆蓋區(qū)與土壤濕度有很高的相關(guān)性，能夠很好地用于反演土壤相對含水量［23］。

熱慣量(thermal inertia，TI)是熱力學(xué)中的一個(gè)不變的物理量，是地物阻止其溫度變化幅度的一種特征，熱特征不同的物體具有不同的熱慣量［24］。地表熱慣量可以通過對土壤反照率和反映日溫度變化的最高與最低溫度的測量來獲得［25］。Price［26－27］在地表熱能量平衡方程的基礎(chǔ)上，簡化潛熱蒸散發(fā)形式，引入地表綜合參數(shù)B 的概念，結(jié)合熱慣量法和熱慣量的遙感成像機(jī)理，提出以下模型

式中:P 為表觀熱慣量;A 為土壤反照率;ΔT 為晝夜溫差;S 為太陽常數(shù)(1.37 ×103J·m－2);τ 為大氣透過率;C1為太陽赤緯和當(dāng)?shù)鼐暥鹊暮瘮?shù);ω 為地球自轉(zhuǎn)頻率;B 為表征土壤反射率、空氣比濕、土壤比濕等地表綜合參數(shù)。其中SτC1為入射的太陽總輻射量，可用Q 表示。對于一般均勻的大氣條件、平坦的地表來說，τ 和B 可認(rèn)為是常數(shù)，則式(4)可簡化成

式中的Q(1－ A)表示地表對太陽輻射的凈收入。若不考慮研究區(qū)緯度、太陽偏角、日照時(shí)數(shù)，而只考慮地表反照率和溫差，則上式可以簡化為

即表觀熱慣量(apparent thermal inertia，ATI)。在表觀熱慣量計(jì)算中包含了2個(gè)重要參數(shù):晝夜溫差和土壤反照率。利用晝夜圖像計(jì)算得到的溫度相減可得到晝夜溫差;利用MODIS 窄波段、寬波段的轉(zhuǎn)換系數(shù)和1—7 波段的地表反射率可以得到地表土壤反照率A，即

把A 和ΔT 代入式(6)，可以得到2012年5月研究區(qū)的表觀熱慣量。

2.3 地下水埋深反演

本次實(shí)驗(yàn)選取的圖像成像時(shí)間為研究區(qū)降水量極少的時(shí)段，同時(shí)也避開了當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)灌溉時(shí)間(本次野外數(shù)據(jù)采集階段，大部分農(nóng)田離最近的灌水時(shí)間已超過了2 星期，極少部分農(nóng)田的灌溉時(shí)間也已過了1 星期左右)，這時(shí)地表淺層土壤含水量直接受控于地下水埋深［4］。因此，可以根據(jù)反映地表土壤干濕情況的指數(shù)(TVDI，ATI)來進(jìn)行地表土壤相對含水量和地下水埋深分布的遙感反演。

溫度植被干旱指數(shù)法(TVDI)適用于反演植被覆蓋區(qū)域的土壤相對含水量［14］，表觀熱慣量法(ATI)適用于反演裸土區(qū)域的土壤相對含水量［23］。在對研究區(qū)土壤相對含水量進(jìn)行遙感估算時(shí)對2 種方法進(jìn)行了分析，選出了較為精確的反演結(jié)果。為得到研究區(qū)地下水分布情況，還分析了不同深度處的土壤相對含水量和地下水埋深之間的關(guān)系，建立了相關(guān)的數(shù)學(xué)模型，再利用反演得到的整個(gè)研究區(qū)的土壤相對含水量計(jì)算地下水埋深。

3 結(jié)果與分析

3.1 土壤相對含水量反演

根據(jù)劈窗算法計(jì)算得到的溫度顯示，2012年5月初黃河三角洲白天平均溫度為26.67 ℃，最高溫度為27～35 ℃，日溫差可達(dá)7～16 ℃。濕地、河流、大型水域等由于水面比熱容大，相對于周圍溫度要低4 ℃左右。查閱黃河三角洲的氣象資料得知，2012年5月1 日—5月4 日之間該地區(qū)降雨較少(日降水量低于1 mm)，最高氣溫為25～34 ℃，最低氣溫12～18 ℃，平均氣溫25.7 ℃。兩者對比表明，劈窗算法的計(jì)算結(jié)果準(zhǔn)確度較高。

根據(jù)溫度(Ts)和植被指數(shù)(NDVI)計(jì)算研究區(qū)的Ts－NDVI 特征空間(圖2)。

圖2 Ts-NDVI 特征空間Fig.2 Ts-NDVI space

隨著NDVI 的增加，對應(yīng)干邊和濕邊的變化趨勢具有明顯拐點(diǎn)(斜率正負(fù)的變化)。在建立干邊、濕邊線性擬合方程時(shí)，須對不同NDVI 像元處的變化狀況進(jìn)行分析:若從NDVI=0 處開始計(jì)算干邊濕邊，計(jì)算的結(jié)果不準(zhǔn)確且不能構(gòu)成準(zhǔn)確的Ts－NDVI特征空間［27］。目視判讀可知，在NDVI=0.35處，濕邊變化趨勢有明顯的拐點(diǎn)，在NDVI≥0.35處開始計(jì)算的干邊濕邊能很好地構(gòu)成Ts－NDVI特征空間，可以使用溫度植被指數(shù)法來估算土壤相對含水量;NDVI ＜0.35 的區(qū)域占研究區(qū)總面積的26.65%，主要為河流、湖泊和沿海灘涂，這些地區(qū)土壤相對含水量高，需要另外分析。最終計(jì)算出干邊、濕邊的擬合結(jié)果(圖3)。

圖3 干、濕地的擬合結(jié)果Fig.3 Fitting results of the dry edge and wet edge

使用TVDI 法計(jì)算得到的研究區(qū)TVDI 值主要位于0～1 之間。其中水域的面積占研究區(qū)的2%，TVDI ＜0，這部分像元擬合時(shí)不需要考慮。本次研究選取了41個(gè)樣點(diǎn)(該部分樣點(diǎn)位于NDVI≥0.35區(qū)域內(nèi))，對各樣點(diǎn)土壤相對含水量數(shù)據(jù)與該點(diǎn)的TVDI 值進(jìn)行插值分析，其余點(diǎn)作為驗(yàn)證點(diǎn)。結(jié)果如圖4 所示。

圖4 不同深度處土壤相對含水量與TVDI 的相關(guān)性Fig.4 Correlation between TVDI and soil moisture in different depth

從圖4 可以看出:TVDI 值越高，土壤相對含水量越低。對TVDI 與10 cm，20 cm，30 cm 深度處的土壤相對含水量的相關(guān)性進(jìn)行分析，其對數(shù)函數(shù)均通過了α=0.001水平的t 檢驗(yàn)，其中TVDI 值與10 cm深度處的土壤相對含水量相關(guān)性最好，決定系數(shù)R2=0.772 3。因此可以根據(jù)10 cm 處的土壤相對含水量與TVDI 值的回歸方程，計(jì)算得到圖像中的地表土壤相對含水量。

同時(shí)對NDVI ＜0.35 的區(qū)域使用表觀熱慣量模型反演土壤相對含水量。首先計(jì)算得到整個(gè)研究區(qū)的表觀熱慣量，熱慣量值主要集中在0.06～0.1 之間，大于0.1 的區(qū)域?yàn)樗?，將NDVI ＜0.35 的區(qū)域提取出來。此區(qū)域主要為沿海灘涂，ATI ＞0.1，區(qū)域內(nèi)有12個(gè)采樣點(diǎn)，樣點(diǎn)測得的10 cm 處土壤相對含水量在22.2%～53.9%之間。根據(jù)熱慣量法反演得到的土壤相對含水量與實(shí)測值之間差異較大，ATI 值與土壤相對含水量之間的擬合方程沒有通過置信度α=0.001 水平的t 檢驗(yàn)，顯著性P ＞0.5，R2=0.217。

已有研究表明，TVDI 能夠較好地反映全國4—10月的土壤水分情況［28］。本次研究中高、低植被覆蓋區(qū)的土壤相對含水量均較高，Ts－NDVI特征空間較好地反映了整個(gè)研究區(qū)的土壤含水量情況:高NDVI 地區(qū)蒸發(fā)量隨著NDVI 增大而增大;但是在低NDVI 的沿海灘涂地區(qū)，蒸發(fā)量隨著NDVI 降低而增大。在計(jì)算研究區(qū)的土壤相對含水量時(shí)，對低植被覆蓋區(qū)單獨(dú)擬合干邊、濕邊，并計(jì)算得到了TVDI值。最后根據(jù)土壤相對含水量與地下水埋深關(guān)系，計(jì)算了整個(gè)研究區(qū)土壤相對含水量的分布狀況。

3.2 地下水埋深反演

3.2.1 用土壤相對含水量反演地下水埋深

為了確定反演地下水埋深的最佳深度，需要對不同深度處(10 cm，20 cm，30 cm)的土壤相對含水量和地下水埋深的相關(guān)性進(jìn)行分析，結(jié)果如圖5所示。

圖5 不同深度土壤相對含水量與地下水埋深之間的關(guān)系Fig.5 Correlation between soil moisture in different depth and groundwater depth

由圖5 可知，在10 cm 深度處研究區(qū)土壤相對含水量與地下水埋深之間的相關(guān)性最好，20 cm 處次之，30 cm 處最差。根據(jù)土壤相對含水量與地下水埋深的關(guān)系模型計(jì)算得到研究區(qū)2012年5月1日的地下水埋深分布圖(圖6)。

圖6 土壤相對含水量反演地下水埋深Fig.6 Groundwater depth inversion with soil moisture

由圖6 可知，研究區(qū)地下水埋深在0～3.5 m 之間，平均值1.22 m。

3.2.2 用TVDI 反演地下水埋深

由于10 cm，20 cm 深度處的土壤相對含水量和地下水埋深位之間的相關(guān)性關(guān)分析通過了α=0.001 水平的t 檢驗(yàn)，可以使用由TVDI 估算得到的研究區(qū)10 cm深度處的土壤相對含水量來反演地下水埋深。TVDI 直接反映了土壤含水量的高低，所以TVDI 可以間接反映地下水的埋深情況。對TVDI 與地下水埋深之間的關(guān)系進(jìn)行分析，結(jié)果如圖7 所示。

圖7 TVDI 與地下水埋深的相關(guān)性Fig.7 Correlation between TVDI and groundwater depth

由圖7 可知，TVDI 與地下水埋深之間的相關(guān)性較高，決定系數(shù)R2=0.789 7，在缺少地表實(shí)測土壤相對含水量的情況下，可以首先根據(jù)TVDI 值來反演地下水埋深，然后計(jì)算整個(gè)研究區(qū)地下水埋深，制作水深分布圖(圖8)。

圖8 TVDI 反演地下水埋深Fig.8 Groundwater depth inversion with TVDI

分析圖8 可知，利用TVDI 反演得到的地下水分布情況與圖6 一致，但數(shù)值上存在一定差異:地下水埋深最低值0 m，最高值3.92 m，平均埋深1.12 m。在黃河兩岸，地下水埋深向兩側(cè)遞減;在沿海區(qū)域，地下水埋藏較淺。結(jié)合圖1 的地貌圖可以看出，地下水的埋深分布受到地貌的影響，使用插值方法和TVDI 法反演的地下水埋深分布圖與范曉梅［9］使用Modflow 模型模擬的的春季的黃河三角洲地下水位分布一致。

3.2.3 反演結(jié)果驗(yàn)證

在得到研究區(qū)地下水埋深分布圖后，選取2012年其余18個(gè)點(diǎn)的點(diǎn)位數(shù)據(jù)對反演結(jié)果進(jìn)行了驗(yàn)證。根據(jù)實(shí)測樣點(diǎn)的經(jīng)緯度值，從反演的結(jié)果圖像上選出對應(yīng)的地下水埋深值，對實(shí)測數(shù)據(jù)和反演結(jié)果進(jìn)行比較，如圖9 所示。

圖9 實(shí)測地下水埋深與遙感反演結(jié)果比較Fig.9 Comparison between measured groundwater depth and remote sensing retrieval results

由圖9 可知，根據(jù)土壤相對含水量反演得到的地下水埋深精度較高，均方根誤差為0.431;根據(jù)TVDI 反演得到的地下水埋深精度略低，均方根誤差為0.439。Ts－NDVI 空間中干邊濕邊的擬合結(jié)果對反演精度影響最大;反演結(jié)果中較為精確的點(diǎn)位于沿海灘涂，該區(qū)域位于研究區(qū)中最濕潤的地區(qū)，土壤相對含水量高，地下水埋深小于1 m，計(jì)算得到的地下水埋深數(shù)據(jù)與實(shí)測值差異小;在黃河兩岸，反演得到的地下水埋藏較深，該地區(qū)主要為棉田和居民區(qū)，受人類活動的影響，該地區(qū)的地下水埋深反演結(jié)果誤差相對其他地區(qū)為大;部分實(shí)測樣點(diǎn)處的數(shù)據(jù)對1 km×1 km 范圍內(nèi)的土壤相對含水量和地下水埋深數(shù)據(jù)的代表性不夠好(如驗(yàn)證點(diǎn)中有7，8，10 號點(diǎn)位于居民區(qū)附近)，反演結(jié)果與實(shí)測值相差較大;在較干旱地區(qū)，各樣點(diǎn)之間10 cm 深度處的土壤相對含水量相差不大，反演得到的地下水埋深分布與實(shí)際情況存在較大誤差，使用20 cm 深度處土壤相對含水量數(shù)據(jù)反演的結(jié)果可能會相對精確些，但研究區(qū)干旱區(qū)所占面積很少，對整個(gè)研究區(qū)并不適用。由于研究區(qū)地下水觀測井較少，使用土鉆所能測得的地下水埋深最大值為2.5 m，在地下水埋深較深的地區(qū)的反演結(jié)果未能驗(yàn)證。

4 結(jié)論

1)在地下水埋藏深度較淺的區(qū)域，通過MODIS 圖像對地下水埋深進(jìn)行遙感反演是可行的，該方法能夠簡單快速地得到大范圍地區(qū)地下水埋深分布狀況。

2)用溫度植被指數(shù)法反演土壤相對含水量時(shí)，溫度和降水情況對結(jié)果影響很大，需要選取前后幾天無降水時(shí)的圖像。在Ts－NDVI 特征空間中觀察得到的干邊很大程度上受研究區(qū)土壤相對含水量的影響，不能代表理論上的最干旱情況。

3)高植被覆蓋區(qū)與低植被覆蓋區(qū)尚沒有理想的區(qū)分方法。在土壤含水量高的低植被覆蓋區(qū)，熱慣量法反演得到的結(jié)果精度不高。

4)在缺少實(shí)測的土壤含水量數(shù)據(jù)時(shí)，可以根據(jù)反映土壤相對含水量高低的因子(TVDI，ATI 等)間接地反演地下水埋深分布狀況。

［1］張效龍，孫永福，劉敦武.黃河三角洲地區(qū)地下水分析［J］.海洋地質(zhì)動態(tài)，2005，21(6):26－28.Zhang X L，Sun Y F，Liu D W.Analysis of groundwater in the Yellow River Delta areas［J］.Marine Geology Letters，2005，21(6):26－28.

［2］陳利頂，傅伯杰.黃河三角洲地區(qū)人類活動對景觀結(jié)構(gòu)的影響分析［J］.生態(tài)學(xué)報(bào)，1996，16(4):337－344.Chen L X，F(xiàn)u B J.Analysis of impact of human activity on landscape structure in Yellow River Delta［J］.Acta Ecologica Sinica，1996，16(4):337－344.

［3］郗金標(biāo)，宋玉民.黃河三角洲生態(tài)系統(tǒng)特征與演替規(guī)律［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2002，30(6):100－102.Xi J B，Song Y M.The characteristics and succession law of ecosystem in Yellow River Delta［J］.Journal of Northeast Forestry University，2002，30(6):100－102.

［4］姚榮江，楊勁松，劉廣明.黃河三角洲地區(qū)典型地塊地下水特征的空間變異性研究［J］.土壤通報(bào)，2006，37(6):1071－1075.Yao R J，Yang J S，Liu G M.Spatial variability of groundwater properties in some typical areas of the Yellow River Delta［J］.Chinese Journal of Soil Science，2006，37(6):1071－1075.

［5］阿布都瓦斯提·吾拉木，秦其明.地下水遙感監(jiān)測研究進(jìn)展［J］.農(nóng)業(yè)工程學(xué)報(bào)，2004，20(1):184－188.Ghulam A，Qin Q M.Overview on methods and theories of remote sensing monitoring and exploration of groundwater［J］.Transactions of the Chinese Society of Agricultural Engineering，2004，20(1):184－188.

［6］Finch J W.Location of high yielding groundwater sites in zimbabwe use of remote sensed data［C］//Remote Sensing:An Operational Technology for the Mining and Petroleum Industries，1990，147－152.

［7］Groeneveld D.Remotely－ sensed groundwater evapotranspiration from alkaliscrubaffected by declining water table［J］.Journal of Hydrology，2008，356(3－4):294－303.

［8］塔西普拉提·特依拜，阿布都瓦斯提·吾拉木.綠洲—荒漠交錯(cuò)帶地下水位分布的遙感模型研究［J］.遙感學(xué)報(bào)，2002，6(4):299－305.Tiyip T，Ghulam A.Research on model of groundwater level distribution in the oasis and desert ecotone using remote sensing［J］.Journal of Remote Sensing，2002，6(4):299－305.

［9］Huo A D，Chen X H，Li H K，et al.Development and testing of a remote sensing－based model for estimating groundwater levels in Aeolian desert areas of China［J］.Canadian Journal of Soil Science，2011，91(1):29－37.

［10］郭 嬌，石建省，葉 浩，等.黃河三角洲地下水位分布的遙感模型研究［J］.水文地質(zhì)工程地質(zhì)，2009，36(2):19－24.Guo J，Shi J S，Ye H，et al.Remote sensing modeling of groundwater level distribution in the Yellow River Delta［J］.Hudrogeology and Engineering Geology，2009，36(2):19－24.

［11］劉高煥，Drost H J.黃河三角洲可持續(xù)發(fā)展圖集［M］.北京:測繪出版社，1997:6－7.Liu G H，Drost H J.Atlas of the Yellow River Delta［M］.Beijing:The Publishing House of Serveying and Mapping，1997:6－7.

［12］范曉梅.黃河三角洲土壤鹽漬化時(shí)空動態(tài)及水鹽運(yùn)移過程模擬［D］.北京:中國科學(xué)院研究生院，2010.Fang X M.The soatiotemporal dynamics of saline soils and combing water and salt siimulation in the Yellow River Delta［D］.Beijing:Chinese Academy of Sciences，2010.

［13］陳維峰，周維芝，史衍璽.黃河三角洲濕地面臨的問題及其保護(hù)［J］.農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2003，22(4):499－5024.Chen W F，Zhou W Z，Shi Y X.Crisis of wetlands in the Yellow River Delta and its protection［J］.Journal of Agro－Environmental Science，2003，22(4):499－502.

［14］姚春生，張?jiān)鱿?，?瀟.使用溫度植被干旱指數(shù)法(TVDI)反演新疆土壤濕度［J］.遙感技術(shù)與應(yīng)用，2004，19(6):473－478.Yao C S，Zhang Z X，Wang X.Evaluating soil moisture status in Xinjiang using the temperature vegetation dryness index［J］.Remote Sensing Technology and Application，2004，19(6):473－478.

［15］Son N T，Chen C F，Chen C R，et al.Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data［J］.International Journal of Applied Earth Observation and Geoinformation，2012，18:417－427.

［16］覃志豪，高懋芳，秦曉敏，等.農(nóng)業(yè)旱災(zāi)監(jiān)測中的地表溫度遙感反演方法——以MODIS 數(shù)據(jù)為例［J］.自然災(zāi)害學(xué)報(bào)，2005，14(4):64－71.Qin Z H，Gao M F，Qin X M，et al.Methodology to retrieve land surface temperature from MODIS data for agricultural drought monitoring in China［J］.Journal of Natural Disasters，2005，14(4):64－71.

［17］毛克彪，覃志豪，施建成，等.針對MODIS 影像的劈窗算法研究［J］.武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2005，30(8):703－707.Mao K B，Qin Z H，Shi J C，et al.The Research of split－window algorithm on the MODIS［J］.Editorial Board of Geomatics and Information Science of Wuhan University，2005，30(8):703－707.

［18］俞 宏，石漢青.利用分裂窗算法反演陸地表面溫度的研究進(jìn)展［J］.氣象科學(xué)，2002，22(4):494－499.Yu H，Shi H Q.Progress in split－window algorithms for retrieving land surface temperature［J］.Scientia Meteorological Sinica，2002，22(4):494－499.

［19］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):71－79.

［20］Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface－air temperatureand spectural vegetation index［J］.Remote Sensing of Environment，1994，49(3):246－263.

［21］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.

［22］Carlson T N，Gillies R R，Perry M A.A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover［J］.Remote Sensing Reviews，1994，9(1/2):161－173.

［23］Price J C.The limited utility of apparent thermal inertia original research article［J］.Remote Sensing of Environment，1985，18(1):59－73.

［24］Watson K，Pohn H A.Thermal inertia mapping from satellites discrimination of geologic units in Oman［J］.Journal of Research of U.S.Geological Survey，1974，2(2):147－158.

［25］Pratt D A，F(xiàn)oster S J，Ellyett C D.A calibration procedure for fourier series thermal inertia model［J］.Photogram－metric Engineering and Remote Sensing，1980，46(4):529－538.

［26］Price J C.Using spatial context in satellite data to infer regional scale evapotranspi－ration［J］.IEEE Transactions on Geoscience and Remote Sensing，1990，28(5):940－948.

［27］Price J C.Thermal inertia mapping:A new view of the earth［J］.Journal of Geophysical Research，1982，82(18):2582－2590.

［28］冉 瓊.全國土壤濕度及其變化的遙感反演與分析［D］.北京:中國科學(xué)院研究生院，2005.Ran Q.Retrieval of soil moisture status in China and analysis of spatial and temporal distribution characteristics［D］.Beijing:Chinese Academy of Sciences，2005.