基于MODIS與GLDAS數(shù)據(jù)的湟水河流域土壤水反演

孫茂軍, 李霞, 李小剛, 謝小偉

1.青海省第一測繪院，西寧810001；2.武漢大學(xué)測繪學(xué)院，武漢430079

0 引言

土壤水是聯(lián)系地表水、地下水和大氣水的紐帶，在水資源的形成、轉(zhuǎn)換和利用中具有重要作用，監(jiān)測土壤水的變化可以為農(nóng)業(yè)生產(chǎn)、作物估產(chǎn)提供決策依據(jù)[1,2]。土壤水通常采用土壤濕度或土壤含水量來表達(dá)，主要說明土壤的含水量和持水能力。傳統(tǒng)的地表土壤水人工檢測時，勞動密集程度高、費時費力，并且空間連續(xù)性相對較差，不容易給出土壤水含水量的空間界限[3]。衛(wèi)星遙感數(shù)據(jù)覆蓋范圍廣，更新速度快，信息量豐富，價格便宜，基于衛(wèi)星遙感數(shù)據(jù)可以獲得較高分辨率的土壤水時空動態(tài)變化[3--5]。

國內(nèi)外學(xué)者已經(jīng)做了大量的土壤水遙感反演研究。Price提出了表觀熱慣量的方法，可以根據(jù)衛(wèi)星獲取的地表反射率及溫度計算熱慣量來估算土壤水含量[6]；Tramutol et al.給出了熱慣量與土壤水含量的關(guān)系模型[7]；張仁華等改進優(yōu)化了表觀熱慣量模型，總結(jié)了熱慣量方法反演土壤水的適用條件[8]；王玉娟等根據(jù)作物缺水指數(shù)法對不同植被類型覆蓋地區(qū)的土壤水含量進行了監(jiān)測[9]；Moran和Sandholt等發(fā)現(xiàn)溫度植被干旱指數(shù)與土壤水含量之間具有密切的相關(guān)性[10,11]；仝兆遠(yuǎn)、王鵬新等提出了條件植被溫度指數(shù)，分析了該指數(shù)在土壤水監(jiān)測方面的應(yīng)用和特點[4,12]；Oh et al.提出了采用后向散射系數(shù)計算土壤水含量的經(jīng)驗?zāi)Ｐ?，在此基礎(chǔ)上Sabburg等使用ERS--1數(shù)據(jù)估算了農(nóng)田地區(qū)的土壤體積含水量[13,14]；劉萬俠、李琴等結(jié)合水云模型，構(gòu)建了微波遙感獲取的地表后向散射系數(shù)與土壤水含量之間的關(guān)系，反演了植被覆蓋區(qū)地表的土壤水含量[15,16]。綜合以上研究，土壤水遙感反演方法總體可以分為3類：表觀熱慣量法、植被指數(shù)法以及散射系數(shù)法。其中，表觀熱慣量法簡單方便，但容易被云和植被干擾，適用于植被覆蓋度較低的研究區(qū)域；植被指數(shù)法相對精度較高但模型復(fù)雜，反演結(jié)果與植被指數(shù)的選取有很大關(guān)系，適用于有植被覆蓋的區(qū)域；散射系數(shù)法同樣簡單方便，有較高的穿透深度，但受地表粗糙度及覆蓋影響較大，而且數(shù)據(jù)獲取較為困難[17]。

湟水河流域植被覆蓋較少，表觀熱慣量法土壤水反演較為適合。筆者聯(lián)合MODIS和GLDAS水文模型數(shù)據(jù)，通過回歸分析建立降水空間分辨率的表觀熱慣量與GLDAS土壤水之間的反演模型，獲取高分辨率的土壤水時空分布，分析湟水河流域2014—2016年土壤水和降水時空動態(tài)，比較了其與降水量的關(guān)系。

1 研究區(qū)與方法

1.1 研究區(qū)

湟水河是黃河的一級支流，在青海省全長336 km，地理位置36°～37.5°N，100°～103.5°E，流域面積16 120 km2，占青海省總面積的2.24%(圖1)。湟水河流域是青海省人口密度最大的地區(qū)，也是青海省政治、經(jīng)濟、文化和交通中心，省會西寧市也位于該流域內(nèi)。湟水河流域?qū)儆诎敫珊档貐^(qū)，流域內(nèi)的平均年降雨量為486.4 mm。降雨量在空間分布上極不均勻，西寧至民和之間的湟水干流狹長環(huán)狀封閉地區(qū)的年降水量為250 mm～350 mm，而周圍山區(qū)的年降雨量在600 mm以上。流域內(nèi)多年平均氣溫一般為2.7℃～7.8℃，極端最高溫度為25.5℃～35.1℃，極端最低溫度為-32℃～-23℃，夏無酷暑，冬無嚴(yán)寒，是青海省最暖區(qū)域之一。

圖1 湟水河流域空間分布圖Fig.1 Spatial distribution map of Huangshui River basin

1.2 研究方法

表觀熱慣量反演采用2004—2016年MODIS數(shù)據(jù)，其中地表反射率和溫度數(shù)據(jù)分別采用MODIS數(shù)據(jù)三級產(chǎn)品中的500 m空間分辨率地表反射率8 d合成產(chǎn)品(MOD09A1)和 1 km空間分辨率地表溫度8 d合成產(chǎn)品(MOD11A2)。表觀熱慣量計算公式為[3]：

(1)

A=0.160α1+0.291α2+0.243α3+0.116α4+0.112α5+0.081α7-0.0015

(2)

式中：PATI為表觀熱慣量；A為反照率；Td和Tn分別為日間和夜間的溫度；α1、α2、α3、α4、α5、α7分別為MODIS數(shù)據(jù)1、2、3、4、5、7波段的反射率。

GLDAS包括NOAH、VIC、CLM以及MOSAIC四個版本的數(shù)據(jù)，土壤水的層數(shù)分別為4、3、10、3，對應(yīng)的深度可以達(dá)到2 m、1.9 m、3.43 m、3.5 m[18]。本文采用GLDAS--Noah水文模型數(shù)據(jù)提供的0～0.1 m的土壤水?dāng)?shù)據(jù)，空間分辨率為0.25°×0.25°，時間分辨率上表現(xiàn)為月解。研究區(qū)域內(nèi)的GLDAS--Noah土壤水與MODIS獲得的熱慣量的時間序列相關(guān)系數(shù)為0.78，相關(guān)性較好，能夠滿足熱慣量與土壤水反演建模要求。采用聯(lián)合GLDAS--Noah水文模型與表觀熱慣量反演土壤水的步驟為(圖2)：對MODIS數(shù)據(jù)計算得到的表觀熱慣量進行降空間分辨率處理，使其與GLDAS--Noah獲得的土壤水空間分辨率一致；通過回歸分析建立降空間分辨率的表觀熱慣量與GLDAS土壤水之間的反演模型；將原始計算得到的高分辨率表觀熱慣量代入到反演模型中進行計算，最終獲得高分辨率的土壤水。表觀熱慣量與土壤水之間的線性模型[6]為：

W=a+b×PATI

(3)

式中：W為土壤水；PATI為表觀熱慣量；a和b為模型系數(shù)。

圖2 土壤水反演技術(shù)路線Fig.2 Soil water inversion workflow

2 研究結(jié)果

2.1 誤差分析

圖3為湟水河流域GLDAS土壤水與熱慣量反演結(jié)果在每個格網(wǎng)上的殘差標(biāo)準(zhǔn)差分布圖。整個區(qū)域內(nèi)，二者之間的殘差標(biāo)準(zhǔn)差的平均值約為4.42mm(等效水高)，最大值為7.3 mm，最小值為2.9 mm，其中<5 mm的約占總數(shù)的85%以上，這與文獻[19]中得到的結(jié)果類似(殘差區(qū)間集中在±5mm的區(qū)域占總體80%以上)；同時通過計算得到，二者之間的相對誤差約為15%～30%，相關(guān)系數(shù)在0.33～0.76之間，該結(jié)果與文獻[20]中的結(jié)果基本相當(dāng)[20]；由此可以得到，本文反演結(jié)果是可靠的，故該模型可以用來獲取高分辨率的表層土壤水含量。

圖3 GLDAS土壤水與熱慣量反演結(jié)果之間的誤差分布圖Fig.3 Error distribution between GLDAS soil water and thermal inertia inversion results

2.2 表層土壤水時間序列

湟水河流域2014—2016年表層土壤水(0～10 cm)基本上在17～19 mm范圍內(nèi)波動(圖4)。2014—2016三年間流域土壤水總體表現(xiàn)為上升的趨勢，其中2014年2月表現(xiàn)為最低值，而在2016年9月表現(xiàn)為最高值。

湟水河流域表層土壤水與降水的對比表明(圖4)，表層土壤水與降水之間表現(xiàn)出較強的季節(jié)相關(guān)性，降水較多的月份土壤水含量較高，在降水較少的月份土壤水含量較低。主要體現(xiàn)在兩個方面：①在每年夏秋降水較多的時候土壤水含量增加，而在冬季和春季降水較少的時候土壤水含量減少；②在三年間，2016年的降水最多而該年的土壤水含量峰值也最大，同時2015年降水最少，對應(yīng)該年土壤水含量峰值也在三年間表現(xiàn)最小。由此可以得出，降水是引起表層土壤水含量周期性變化的主要原因。對于2016年5月降雨達(dá)到峰值時，土壤水并沒有表現(xiàn)為最高的現(xiàn)象，可能是因為后續(xù)的降雨雖然少于5月但相對上依然較多，導(dǎo)致土壤水進一步上升，具體的原因?qū)⒃诤罄m(xù)工作中進行研究分析。

圖4 湟水河流域表層土壤水變化及降雨數(shù)據(jù)2014—2016年時間序列Fig.4 Surface soil water variation and rainfall data from 2014 to 2016 in Huangshui River basin

2.3 表層土壤水空間分布

湟水河流域在2014、2015、2016三年內(nèi)每年3、6、9和12月的表層土壤水含量空間分布(圖5)表明，表層土壤水在每年的3月份較低，而在每年的9月較高。總體上，2014年3月含量最低，2014年6月含量相對2015年6月及2016年6月較高，同時在2015年間除了9月份整個區(qū)域的表層土壤水含量較高外，其他時間土壤水含量都相對較低。結(jié)合圖4可以發(fā)現(xiàn)，該現(xiàn)象主要歸結(jié)為降雨因素。從空間分布圖上可以看出，3月和6月表層土壤水含量較低的時段中，流域西北部表層土壤水含量最低。在表層土壤水呈現(xiàn)較高狀態(tài)的9月和12月，西北部區(qū)域的表層土壤水相對其他區(qū)域最低，東南部表層土壤水含量較高。通過查看當(dāng)?shù)氐乃募暗匚锴闆r，可以發(fā)現(xiàn)研究區(qū)域的西北部降水相對較多，并且植被覆蓋度也相對較高，這與本文的結(jié)果相吻合。

湟水河流域2014—2016年間表層土壤水變化趨勢空間分布圖(圖6)表明，流域東南部地區(qū)土壤水相對其他區(qū)域有較為明顯的增加，中部地區(qū)并沒有表現(xiàn)為一致的增加或減少，在靠近城區(qū)的地方表現(xiàn)為降低，而在其他地區(qū)表現(xiàn)為略微的增加。其中，西北部的土壤水減少與東南部的增加可能是受降水影響所致，而中部靠近城區(qū)的地方土壤水的減少可能是受人為活動影響所致。另外，湟水河流域的中北部和中南部有個異常增加的地區(qū)。通過與衛(wèi)星影像對比可以發(fā)現(xiàn)，該區(qū)域為水庫，可能導(dǎo)致反演結(jié)果存在異常。

圖5 湟水河流域不同年份在3、6、9、12月的土壤水含量Fig.5 Soil water content in different years of Huangshui River basin in March, June, September, and December

圖6 湟水河流域2014—2016年表層土壤水變化趨勢空間分布圖Fig.6 Spatial distribution of surface soil water variation trend in Huangshui River basin from 2014 to 2016

3 結(jié)論

(1)誤差分析結(jié)果表明，聯(lián)合GLDAS水文模型與表觀熱慣量進行表層土壤水反演是一種可行的方法。

(2)湟水河流域的表層土壤水整體在17～19 mm范圍內(nèi)波動，同時變化趨勢在2014—2016三年間表現(xiàn)為上升的趨勢。

(3)在一年的大部分時間內(nèi)，湟水河流域的東南部表層土壤水含量都相對較高，而西北部的表層土壤水含量相對較低。

(4)湟水河流域東南部地區(qū)的表層土壤水在2014—2016年間的變化趨勢表現(xiàn)為增加的狀態(tài)，相對其他區(qū)域較為明顯的是西北地區(qū)表現(xiàn)為降低的狀態(tài)，并且在靠近城區(qū)的地區(qū)表層土壤水含量也表現(xiàn)為降低。

(5)降水是引起表層土壤水含量周期性變化的主要原因。