基于主動微波遙感的土壤含水量估測方法研究

劉釔廷 李旭 吳保升 涂巧針

摘 要 農(nóng)作物長勢與土壤含水量密切相關(guān)，因此在農(nóng)作物生長過程中能夠及時準確地估測土壤水分十分重要。研究主動微波遙感不同極化方式提取后向散射系數(shù)與地表土壤含水量之間的關(guān)系，建立土壤水分估測模型;通過分析不同地微波遙感信號基礎上，建立土壤后向散射系數(shù)與土壤含水量的半經(jīng)驗模型，擬合VV極化、VH極化數(shù)據(jù)與土壤含水量實測數(shù)據(jù)。實驗結(jié)果表明：VV極化的決定系數(shù)R2=0.74，VH極化的決定系數(shù)R2=0.19，相較于VH極化，VV極化的穿透性強、土壤水分含量變化更加敏感，適合用于土壤旱情監(jiān)測，有助于把握最佳灌溉時機。

關(guān)鍵詞 土壤水分;主動微波遙感;后向散射系數(shù);半經(jīng)驗模型;旱情監(jiān)測

中圖分類號：S-03 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2021.34.035

農(nóng)作物生長離不開土壤水分，它是作物生存的重要物質(zhì)基礎之一。土壤水分在地球上水循環(huán)運動中充當著十分重要的角色，也是水文、氣象和農(nóng)業(yè)相關(guān)研究中重要數(shù)據(jù)之一[1]。當面對大面積區(qū)域的土壤水分測量時，傳統(tǒng)測量方法會耗費大量人力、物力及時間。因此，對土壤水分含量準確和高效的監(jiān)測是農(nóng)業(yè)水管理及農(nóng)作物旱情預測的一個重要內(nèi)容。同時，在針對干旱區(qū)流域水文模型、農(nóng)作物生長監(jiān)測等方面問題也能起到一定作用。

利用微波遙感影像中提取數(shù)據(jù)監(jiān)測土壤水分的技術(shù)到今天已經(jīng)發(fā)展了40余年[2]，由于微波估測土壤水分涉及地表粗糙度、植被覆蓋度和土壤質(zhì)地等多個方面的參數(shù)[3]，而獲取這些參數(shù)往往會受到一定的限制，如何充分利用微波數(shù)據(jù)源的各種輔助信息（如頻率、極化方式等），降低對實地測量數(shù)據(jù)的依賴性，快速、便捷地獲取大范圍區(qū)域土壤水分分布情況是一直以來的研究熱點。搭載合成孔徑雷達的主動微波遙感具有全天不間斷工作、覆蓋率高和信號穿透能力強的重要優(yōu)勢，使其成為土壤水分含量監(jiān)測的有效手段之一，并且在各種土壤水分監(jiān)測研究中應用十分廣泛。目前國外和國內(nèi)已有許多學者對其進行研究并且建立了相應的經(jīng)驗模型和半經(jīng)驗模型[4-5]。由于微波遙感的不同極化方式，在植被覆蓋程度較高的區(qū)域會使得信號在穿透植被層的過程中衰減，導致土壤水分含量估測精度下降[6]。地表植被層的覆蓋程度差異及植被種類不同使得這些估測模型的精度不一，導致土壤水分信息的獲取也變得復雜。因此，選擇一個穿透性強的極化方式，對消除植被覆蓋對土壤水分監(jiān)測的影響十分重要。本文研究如何從地表雷達總的后向散射中分離出植被散射和吸收的貢獻，對不同極化方式下植被微波散射機制進行分析，從雷達總的后向散射中分離植被層的貢獻，進而去除植被影響，估測具有植被覆蓋地表的土壤水分。

1? 材料與方法

1.1? 研究區(qū)域

研究區(qū)域位于新疆維吾爾自治區(qū)阿拉爾市八團，平均海拔920～1 100 m，屬大陸性暖溫帶極端干旱氣候。2020年平均蒸發(fā)量為2 420.23 mm，平均降水量為43.1 mm，蒸降比約為54∶1。研究區(qū)域內(nèi)地勢平坦，農(nóng)田主要種植棉花、冬小麥，伴有其他鹽生灌叢和泌鹽植物，如鹽穗木、駱駝刺、檉柳及胡楊。

1.2? 衛(wèi)星數(shù)據(jù)來源

本文使用的主動微波遙感數(shù)據(jù)為Sentinel-1A Level-1產(chǎn)品中的地距多視（Ground Range Detected，GRD）產(chǎn)品，使用歐空局（European Space Agency，ESA）提供的哨兵應用平臺（SeNtinel Application Plat-form，SNAP）軟件對Sentinel-1A遙感圖像進行濾波、輻射定標和地理編碼等預處理，得到VV和VH兩種極化方式的后向散射系數(shù)。

1.3? 土壤采樣及測量

在進行土壤采樣時，樣點分布盡可能地做到規(guī)則分布，采集深度為5～10 cm，采樣的時間為2021年3月29日。采樣點為21個，樣本帶回實驗室，獲得土壤含水量數(shù)據(jù)，通過計算獲得土壤體積含水量，如表1所示?？梢钥闯觯?1個樣品的所處的區(qū)間范圍為0.04～0.36 cm3·cm-3，其中標準偏差為0.07 cm3·cm-3，平均值為0.16 cm3·cm-3。

1.4? 土壤水分反演半經(jīng)驗模型建立

由于土壤被植被覆蓋會造成微波信號的衰減，導致反演結(jié)果偏低。因此，挑選出穿透力強的極化方式來降低植被覆蓋層的影響是十分有必要的。Attema和Ulaby通過對經(jīng)典的輻射傳輸方程的研究，進一步提出了水云模型方程[7]，水云模型方程把植被覆蓋層視為一個水平均勻的云層，不考慮植被與土壤表面之間發(fā)生的多次散射，其中方程的變量僅為植被高度、植被含水量和土壤濕度[8]。水云模型在植被覆蓋區(qū)域的土壤含水量估測方面的研究中應用廣泛。

將21個實地采集的土壤樣品隨機分為建模組和精度驗證組，其中取8個土壤樣品數(shù)據(jù)用于求解估測模型的擬合系數(shù)，從而建立植被覆蓋區(qū)域的土壤含水量估測半經(jīng)驗模型;另外13個土壤樣品的數(shù)據(jù)用于后續(xù)參與對估測結(jié)果的精度分析，兩組樣本點的具體統(tǒng)計信息如表2所示。

2? 結(jié)果與分析

通過基于Sentinel-1遙感數(shù)據(jù)VV極化和VH極化的土壤水分含量估測的精度分析，結(jié)果如表3。13個精度驗證組的土壤水分實測值和估測值的對比分析結(jié)果如圖1所示，選取判定系數(shù)R2、均方根誤差RMSE、平均絕對誤差MAE、最大誤差值MaxE和最小誤差值MinE作為土壤水分含量估測精度驗證指標。

由表3可知，VV和VH極化方式的土壤水分絕對誤差在0.05以內(nèi)，最小絕對誤差為0.00和0.02，最大絕對誤差為0.12和0.19。其中VV極化參與建立的模型相關(guān)系數(shù)為R2=0.74，均方根誤差為0.07，表明該模型與實測數(shù)據(jù)具有良好的相關(guān)性和較小的誤差。

在微波遙感中VV極化方式的反演精度優(yōu)于VH極化方式，主要是由于同極化方式（VV或HH）對表面散射比較敏感，而土壤正是以表面散射為主;植被覆蓋層的散射以體散射為主，交叉極化方式（VH或HV）對體散射很敏感。因此，在穿透植被層時VH極化方式容易被植被層所影響，從而導致估測精度下降。

由圖1可知，利用水云模型建立的土壤水分含量估測半經(jīng)驗模型可以較好地模擬研究區(qū)域地表的微波散射特征，模型簡單實用，提取的后向散射系數(shù)與土壤水分實測數(shù)據(jù)具有較好的相關(guān)性。與VH極化方式相比，VV極化方式的穿透性更強，可以有效地估測植被覆蓋區(qū)域的土壤水分含量，能更好地表征研究區(qū)土壤水分的空間分布情況。

3? 小結(jié)與討論

本文用從Sentinel-1A主動微波遙感數(shù)據(jù)中提取的雷達后向散射系數(shù)及土壤水分含量實測數(shù)據(jù)，將其代入水云模型中從而建立可實現(xiàn)土壤水分含量估測的半經(jīng)驗模型，實現(xiàn)了使用主動微波遙感估測植被覆蓋區(qū)的農(nóng)田土壤水分。

在利用主動微波遙感估算土壤水分含量時，土壤上方的植被覆蓋層會使雷達信號衰減，進而對估測精度造成影響。因此，從遙感數(shù)據(jù)中提取合適的極化方式數(shù)據(jù)進行建模預測對土壤水分含量估測結(jié)果十分重要。

基于Sentinel-1的VV極化方式?jīng)Q定系數(shù)R2達到0.74，VH極化方式的決定系數(shù)R2為0.19。實驗表明，通過對比兩種極化方式下的土壤水分含量估測半經(jīng)驗模型的精度可以確定VV極化方式的土壤水分估測精度要明顯好于VH極化方式的估測精度。這主要是因為VV極化方式具有較強的穿透性，不易受到植被層散射的影響，而且對土壤自身含水量的變化十分敏感。

本研究對比分析了利用主動微波遙感估測土壤水分含量中兩種極化方式的優(yōu)劣，但是實驗范圍較小和樣品數(shù)較少，還需要進一步研究。本研究表明，VV極化方式可以有效地估測土壤水分，但后續(xù)研究中可考慮利用多種極化方式組合估測土壤水分，以提升估測精準度。

參考文獻：

[1]? 袁葦，李宗謙，劉寧.不同微波遙感模態(tài)和不同數(shù)據(jù)組合的等濕度區(qū)域分布與土壤濕度的反演[J].中國工程科學，2004（6）：50-56.

[2]? 王春梅，余濤，孟慶巖，等.基于全極化雷達數(shù)據(jù)反演夏玉米覆蓋農(nóng)田表層土壤含水量[J].水資源與水工程學報，2014，25（2）：29-34，41.

[3]? 李震，郭華東，施建成.綜合主動和被動微波數(shù)據(jù)監(jiān)測土壤水分變化[J].遙感學報，2002（6）：481-484，539.

[4]? 熊文成，邵蕓.基于IEM模擬的干旱區(qū)多時相數(shù)據(jù)含水含鹽量反演模型及分析[J].遙感學報，2006（1）：111-117.

[5]? 廖靜娟，郭華東，邵蕓，等.干旱-半干旱地區(qū)地表特征探測的成像雷達干涉測量方法與模型[J].遙感學報，2002（6）：430-434，540.

[6]? 劉偉，施建成，王建明.極化分解技術(shù)在估算植被覆蓋地區(qū)土壤水分變化中的應用[J].遙感信息，2005（4）：3-6.

[7]? E P W. Attema， Fawwaz T Ulaby. Vegetation modeled as a water cloud[J]. John Wiley & Sons， Ltd，1978，13（2）：357-364.

[8]? 余凡，翟亮，張承明.主被動遙感系協(xié)同反演地表土壤水分方法[M].北京：測繪出版社，2016：86-91.

（責任編輯：易? 婧）

收稿日期：2021-08-27

作者簡介：劉釔廷（1996—），男，北京昌平人，塔里木大學信息工程學院農(nóng)業(yè)工程與信息技術(shù)專業(yè)2020級在讀碩士研究生，主要從事農(nóng)業(yè)遙感監(jiān)測研究。E-mail： liuyiting7777@163.com。

*為通信作者，E-mail： lixu2866@126.com。

3788501908275