基于物候特征的農(nóng)田土壤表層含水率遙感反演

張曉春，劉海若，嚴(yán)憶輝，唐 蓉，張 煜

（1.武漢大學(xué) 水資源與水電工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，武漢430072；2.長(zhǎng)江水利委員會(huì)長(zhǎng)江科學(xué)院 空間信息技術(shù)應(yīng)用研究所，武漢430010）

0 引 言

【研究意義】傳統(tǒng)的土壤含水率測(cè)定常以點(diǎn)代面進(jìn)行定點(diǎn)測(cè)量，但取樣點(diǎn)的選取對(duì)結(jié)果有較大影響，能代表的實(shí)際范圍也比較有限[1]。而基于遙感影像監(jiān)測(cè)土壤含水率具有監(jiān)測(cè)時(shí)空范圍大、分析速度快和經(jīng)濟(jì)高效等優(yōu)點(diǎn)[2]。遙感監(jiān)測(cè)土壤含水率方法主要分為光學(xué)遙感和微波遙感2 種監(jiān)測(cè)方法。光學(xué)遙感監(jiān)測(cè)有基于指數(shù)的方法，例如距平植被指數(shù)、植被狀態(tài)指數(shù)（VCI）、溫度植被干旱指數(shù)（TVDI）和垂直干旱指數(shù)（PDI）等，以及基于土壤熱慣量的方法[3]。光學(xué)遙感利用的波段主要為熱紅外和可見(jiàn)光—近紅外波段，對(duì)土層的穿透能力有限，一般只能監(jiān)測(cè)表層幾微米的土壤含水率，且光學(xué)影像受云雨天氣的影響較大。微波遙感中的微波波段可以監(jiān)測(cè)到土壤表層幾厘米到十幾厘米的土壤含水率，特別是星載合成孔徑雷達(dá)（SAR）的工作波段波長(zhǎng)比一般微波波段波長(zhǎng)長(zhǎng)，且不受云雨遮蓋的影響，具有全天候全天時(shí)優(yōu)點(diǎn)，但會(huì)受到地表植被覆蓋的影響[4-5]?？苫诠鈱W(xué)數(shù)據(jù)消除植被覆蓋的影響，并基于雷達(dá)數(shù)據(jù)反演得到土壤含水率分布圖，因此與使用單一數(shù)據(jù)相比，融合多種數(shù)據(jù)源能夠提高土壤含水率反演精度[6]。

【研究進(jìn)展】利用光學(xué)數(shù)據(jù)消除植被覆蓋影響的模型主要是半經(jīng)驗(yàn)?zāi)Ｐ停渲兴颇Ｐ蛻?yīng)用最為廣泛。Attema 等[7]以農(nóng)作物為研究對(duì)象，通過(guò)研究農(nóng)作物覆蓋地表植被后向散射特性，提出估算農(nóng)作物覆蓋地表土壤水分的“水云”模型（Water-Cloud Model）。水云模型將輻射傳輸模型中的植被冠層概化成水平均勻的云層，不考慮植被和土壤表層之間的多次散射，重要的變量?jī)H為冠層高度和云密度，因而可假設(shè)與冠層體積含水率成比例，能夠有效反演耕地土壤含水率。Baghdadi 等[8]基于哨兵一號(hào)衛(wèi)星影像和光學(xué)影像，在水云模型中添加NDVI數(shù)據(jù)作為輸入數(shù)據(jù)，研究不同極化條件下雷達(dá)信號(hào)數(shù)據(jù)的差異性。曾旭婧等[9]基于Sentine-1A（哨兵一號(hào)）雙極化雷達(dá)影像和Landsat 8光學(xué)影像，對(duì)不同植被覆蓋條件下的土壤含水率進(jìn)行研究，發(fā)現(xiàn)VV 極化圖像和雙極化組合在低植被覆蓋條件下更具有優(yōu)勢(shì)。胡佩敏等[10]利用ASAM GM 和MODIS 數(shù)據(jù)監(jiān)測(cè)湖北省四湖地區(qū)的土壤表層含水率的時(shí)空分布，結(jié)果表明該方法實(shí)際可行。張友靜等[11]利用ASAM APP 和TM 數(shù)據(jù)，基于水云模型下反演小麥覆蓋條件下的土壤含水率，與實(shí)測(cè)數(shù)據(jù)相比，其相關(guān)性可達(dá)90%以上。綜上所述，基于水云模型監(jiān)測(cè)農(nóng)作物覆蓋區(qū)的土壤含水率是可行的。

【切入點(diǎn)】Zribi 等[12]研究表明土壤相對(duì)體積含水率和遙感反演的后向散射系數(shù)具有良好的線性相關(guān)性。目前研究大多數(shù)是基于某一年的點(diǎn)測(cè)土壤含水率，通過(guò)線性回歸法建立后向散射系數(shù)與土壤含水率的關(guān)系，并基于遙感反演的后向散射系數(shù)獲取土壤含水率分布圖[13-14]。然而不同的作物在不同時(shí)期具有不同的需水量，不同物候時(shí)期的降水量也不同，且作物需水量和區(qū)域降水量直接關(guān)系到土壤含水率，因此需進(jìn)一步開(kāi)展農(nóng)田土壤水分研究[15]，考慮作物物候特征，將土壤后向散射系數(shù)轉(zhuǎn)換為土壤含水率。

【擬解決的關(guān)鍵問(wèn)題】選用Sentine-1 雷達(dá)影像和環(huán)境衛(wèi)星CCD 光學(xué)數(shù)據(jù)，對(duì)研究區(qū)表層土壤含水率進(jìn)行反演監(jiān)測(cè)，并輔以landsat 8 衛(wèi)星對(duì)環(huán)境衛(wèi)星影像進(jìn)行幾何校正。本研究首先對(duì)遙感影像進(jìn)行預(yù)處理，從Sentine-1 SAR 影像提取總體后向散射系數(shù)，并從環(huán)境衛(wèi)星影像提取NDVI植被指數(shù)，基于水云模型消除植被覆蓋的影響，推求出土壤的后向散射系數(shù)。然后根據(jù)作物的物候特征，利用土壤后向散射系數(shù)與土壤含水率之間的線性關(guān)系分生育階段推求土壤水分，最后用點(diǎn)測(cè)土壤含水率對(duì)遙感反演值進(jìn)行驗(yàn)證。

1 研究區(qū)與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

研究區(qū)域?yàn)榘不帐“霾菏泄替?zhèn)縣和亳州市利辛縣（圖1）。固鎮(zhèn)縣氣候?qū)賮啛釒Ш团瘻貛н^(guò)渡帶，氣候兼有南北之長(zhǎng)，四季分明，光照充足，年平均氣溫14.9 ℃，降水量871 mm，日照時(shí)間2 170 h。利辛縣區(qū)域總面積約2 005 km2。利辛縣屬暖溫帶半濕潤(rùn)季風(fēng)氣候區(qū)，且有明顯的過(guò)渡性特征，氣候溫和，光照充足，雨量適中，但集中于夏季，冬季時(shí)間長(zhǎng)并且較為干燥。安徽省區(qū)位優(yōu)勢(shì)明顯，常年農(nóng)作物種植面積超過(guò)860 萬(wàn)hm2，為全國(guó)糧食主產(chǎn)省。其中，固鎮(zhèn)縣與利辛縣均為傳統(tǒng)農(nóng)業(yè)大縣，種植業(yè)發(fā)達(dá)。2 個(gè)縣夏收和秋收主要作物為冬小麥和夏玉米，本研究在固鎮(zhèn)縣實(shí)測(cè)了冬小麥土壤含水率，在利辛縣實(shí)測(cè)了夏玉米土壤含水率，具有較長(zhǎng)時(shí)間序列的實(shí)測(cè)數(shù)據(jù)，具有一定的代表性。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 數(shù)據(jù)來(lái)源

1.2.1 遙感數(shù)據(jù)及預(yù)處理

1）哨兵一號(hào)數(shù)據(jù)

哨兵一號(hào)（Sentinel-1）衛(wèi)星由哨兵1-A 和哨兵1-B組成，均載有C 波段合成孔徑雷達(dá)。Sentinel-1 單顆衛(wèi)星重訪周期為12 d，2 顆衛(wèi)星組成系統(tǒng)的重訪周期為6 d。哨兵一號(hào)衛(wèi)星擁有干涉寬幅模式（IW）和波模式（WV）2 種主要工作模式，還有條帶模式（SM）和超寬幅模式（EW）2 種附加模式。哨兵數(shù)據(jù)來(lái)源于NASA EarthData 數(shù)據(jù)網(wǎng)站（https://earthdata.nasa.gov/）。研究選取2016年到2018年IW 模式和VV 極化條件下的110 幅景象。Sentinel-1 原始影像帶有因噪聲、輻射、地形起伏等因素造成的干擾，需對(duì)其進(jìn)行預(yù)處理。研究使用SNAP Desktop 軟件對(duì)110 幅雷達(dá)影像進(jìn)行處理，主要包括輻射校正、多視處理、斑點(diǎn)噪聲抑制、幾何校正、拼接和裁剪等步驟。

2）環(huán)境衛(wèi)星數(shù)據(jù)

環(huán)境衛(wèi)星系列衛(wèi)星由2 顆光學(xué)衛(wèi)星HJ-1A 和HJ-1B，以及1 顆雷達(dá)衛(wèi)星HJ-1C 組成。其中A 星和B 星均搭載CCD 相機(jī)。環(huán)境衛(wèi)星數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院的地理空間數(shù)據(jù)云網(wǎng)站（http://www.gscloud.cn/）。研究選擇固鎮(zhèn)縣2015年到2018年期間的55 幅CCD影像和利辛縣2020年的11 幅CCD 影像作為NDVI數(shù)據(jù)源。預(yù)處理步驟包括輻射定標(biāo)、大氣校正、幾何校正、圖像裁剪等。以Landsat 8 影像作為基準(zhǔn)影像，對(duì)環(huán)境衛(wèi)星影像進(jìn)行幾何校正，其中Landsat 8 數(shù)據(jù)來(lái)自USGS 網(wǎng)站（https://earthexplorer.usgs.gov/）。以上遙感影像均采用UTM/WGS84 投影系統(tǒng)。

1.2.2 地面點(diǎn)測(cè)數(shù)據(jù)

在固鎮(zhèn)縣和利辛縣均采集了地面點(diǎn)土壤含水率數(shù)據(jù)，其中固鎮(zhèn)縣僅有冬小麥種植區(qū)田間土壤含水率數(shù)據(jù)，利辛縣僅有夏玉米種植區(qū)土壤含水率數(shù)據(jù)。

固鎮(zhèn)縣土壤含水率實(shí)測(cè)數(shù)據(jù)在新馬橋灌排試驗(yàn)站（位置如圖2（a）所示）采集，采集方法是在試驗(yàn)田選取3 個(gè)點(diǎn)，在地表下0～10 cm 處用環(huán)刀取土，用鋁盒封存。在實(shí)驗(yàn)室用稱(chēng)質(zhì)量法測(cè)得土壤質(zhì)量含水率。取3 次測(cè)量的平均值，利用環(huán)刀法測(cè)定土壤體積質(zhì)量為1.36 g/cm3，并換算得到土壤體積含水率，測(cè)定的土壤田間持水率為40.6%。固鎮(zhèn)縣站點(diǎn)數(shù)據(jù)時(shí)間如表1 所示。

利辛縣實(shí)測(cè)數(shù)據(jù)的設(shè)備是智墑土壤監(jiān)測(cè)設(shè)備，設(shè)備基于頻域反射法（Frequency Domain Reflectometry，F(xiàn)DR），通過(guò)測(cè)量電解質(zhì)常量的變化測(cè)量土壤的體積含水率。研究區(qū)監(jiān)測(cè)點(diǎn)一和監(jiān)測(cè)點(diǎn)二分別設(shè)有智墑一號(hào)和智墑二號(hào)儀器，分別于2020年6月21日和8月24日安裝，按照1 h 間隔監(jiān)測(cè)土壤表層10 cm 體積含水率，保證數(shù)據(jù)測(cè)量時(shí)間與衛(wèi)星過(guò)境時(shí)間一致，監(jiān)測(cè)點(diǎn)經(jīng)緯度使用手持GPS 采集。利辛縣監(jiān)測(cè)點(diǎn)數(shù)據(jù)時(shí)間如表1 所示。

表1 2016—2020年試驗(yàn)區(qū)實(shí)測(cè)數(shù)據(jù)日期Table 1 Date of measured data in the test area from 2016 to 2020

以固鎮(zhèn)縣2017年和2018年實(shí)測(cè)土壤含水率作為擬合數(shù)據(jù)，2016年的實(shí)測(cè)數(shù)據(jù)作為遙感反演結(jié)果的驗(yàn)證數(shù)據(jù)。利辛縣共有2 個(gè)監(jiān)測(cè)點(diǎn)（位置如圖2（b）所示），采用較為新型的土壤監(jiān)測(cè)設(shè)備測(cè)得土壤含水率，以利辛縣監(jiān)測(cè)點(diǎn)一的數(shù)據(jù)作為擬合數(shù)據(jù)源，監(jiān)測(cè)點(diǎn)二的數(shù)據(jù)作為遙感反演結(jié)果的驗(yàn)證數(shù)據(jù)。

圖2 地面實(shí)測(cè)數(shù)據(jù)位置Fig.2 Location of ground measured data

1.2.3 種植結(jié)構(gòu)數(shù)據(jù)

首先基于2017年與2020年的landsat 8 影像對(duì)固鎮(zhèn)和利辛區(qū)域進(jìn)行監(jiān)督分類(lèi)，分出城鎮(zhèn)和水體部分，并通過(guò)掩膜提取后得到作物種植區(qū)。利用HJ 衛(wèi)星提取2017年固鎮(zhèn)縣地區(qū)長(zhǎng)時(shí)間序列影像以及2020年利辛縣地區(qū)長(zhǎng)時(shí)間序列影像的NDVI值，分別結(jié)合冬小麥與夏玉米的NDVI特征曲線進(jìn)行決策樹(shù)分類(lèi)，篩選出符合特征的農(nóng)作物種植區(qū)。通過(guò)查詢(xún)安徽省農(nóng)業(yè)統(tǒng)計(jì)年鑒以及政府統(tǒng)計(jì)公告，得到2017年固鎮(zhèn)縣種植冬小麥的總面積以及2020年利辛縣種植夏玉米的總面積，對(duì)分類(lèi)結(jié)果進(jìn)行修正，最終得到固鎮(zhèn)縣冬小麥種植區(qū)域和利辛縣冬小麥種植區(qū)域分布圖。農(nóng)業(yè)統(tǒng)計(jì)年鑒在中國(guó)知網(wǎng)的統(tǒng)計(jì)數(shù)據(jù)平臺(tái)下載（https://data.cnki.net/），政府統(tǒng)計(jì)公告從利辛縣人民政府官網(wǎng)得到（http://lxxxgk.bozhou.gov.cn/）。具體的區(qū)域提取精度如表2 所示。

2 研究方法

2.1 基于水云模型計(jì)算土壤后向散射系數(shù)

水云模型即植被散射理論模型，是Attema 等[7]基于輻射傳輸方程提出的經(jīng)典方程。該模型認(rèn)為雷達(dá)傳感器所接受的散射回波是由于植被和土壤之間散射而成，并假設(shè)植被中的植被層水分是均勻分布的。模型忽略植被與土壤表面的多次相互散射，模型中的變量?jī)H為植被高度和植被含水率[16]。水云模型用于去除植被對(duì)后向散射系數(shù)的影響，計(jì)算式為：

式中：σ0(θ)為總的后向散射系數(shù)；為土壤表層后向散射系數(shù)；為植被散射系數(shù)；γ2(θ)為植被雙層衰減因子（透過(guò)率）；θ為入射角（rad）；A、B值取決于植被類(lèi)型及電磁波頻率的經(jīng)驗(yàn)系數(shù)；mv為植被含水率（kg/m2）。

參數(shù)A、B值的大小與植被類(lèi)型密切相關(guān)，不同植被覆蓋條件下的A、B值有著較大的差異。研究區(qū)植被覆蓋條件相對(duì)較復(fù)雜，主要包括小麥、玉米和油菜等，且各自分布不集中。參考Bindlish 等[17]總結(jié)所得到的在不同地表覆蓋條件下的水云模型參數(shù)，選取其中所有植被的綜合方式能更好地反映研究區(qū)的實(shí)際情況，即A=0.001 2，B=0.091。

選取Jackson[18]的經(jīng)驗(yàn)?zāi)Ｐ陀?jì)算植被含水率：

式中：VMC為植被含水率；NDVI為歸一化植被指數(shù)。根據(jù)式（1）—式（4）和水云模型參數(shù)A、B值的選取，即可提取出在VV 極化條件下考慮作物覆蓋下的土壤后向散射系數(shù)：

計(jì)算土壤體積相對(duì)含水率和遙感反演的后向散射系數(shù)（分貝）的線性相關(guān)性時(shí)，需要將無(wú)單位的后向散射系數(shù)轉(zhuǎn)換成單位為分貝的后向散射系數(shù)：

式中：為土壤表層后向散射系數(shù)；為單位為分貝的土壤表層后向散射系數(shù)。

2.2 結(jié)合物候特征的土壤含水率遙感反演模型

2.2.1 基于后向散射系數(shù)的土壤含水率計(jì)算方程

本文土壤含水率（Soil Moisture，SM）統(tǒng)一用土壤相對(duì)體積含水率表示。土壤體積相對(duì)含水率和遙感反演的后向散射系數(shù)具有線性相關(guān)性[12]：

式中：C和D均為無(wú)單位的經(jīng)驗(yàn)系數(shù)；σ0soil-db為單位為分貝的土壤表層后向散射系數(shù)。

2.2.2 結(jié)合物候特征的時(shí)間分段方法

本文研究對(duì)象為農(nóng)作物區(qū)，研究區(qū)域作物類(lèi)型以及不同生長(zhǎng)期需水的不同會(huì)對(duì)表層土壤含水率產(chǎn)生不同程度的影響。作物需水量和區(qū)域降雨量也直接關(guān)系到土壤含水率的值，因此需要根據(jù)不同的時(shí)間段并結(jié)合作物物候特征來(lái)分別確定式（7）中系數(shù)C和D值。研究區(qū)域種植作物主要為夏玉米和冬小麥，以下將結(jié)合2 種作物的物候特征介紹分段方法。

作物系數(shù)Kc是指作物不同發(fā)育期中需水量與可能蒸散量的比值。冬小麥不同生育期具有不同的作物系數(shù)Kc，作物系數(shù)變化能反映出作物需水量的變化，而土壤含水率與作物需水量具有相關(guān)性。因缺少淮北平原生育期作物系數(shù)的研究資料，且淮北平原與黃淮海平原地理位置接近，因此，用黃淮平原冬小麥生育期作物系數(shù)[19]近似代替淮北平原冬小麥作物系數(shù)。如表3 所示，研究區(qū)域冬小麥種植期一般從10月初開(kāi)始一直到次年6月，生育期較長(zhǎng)。在冬小麥的生長(zhǎng)發(fā)育過(guò)程中，從播種期到分蘗期作物系數(shù)Kc值逐漸上升，需水量逐漸增多。從越冬期開(kāi)始，冬小麥停止生長(zhǎng)，作物系數(shù)Kc值降低，需水量達(dá)到低谷。返青期后氣溫逐漸恢復(fù)正常，冬小麥開(kāi)始重新生長(zhǎng)，作物需水量逐漸上升。根據(jù)冬小麥生育期作物需水特征的變化，將全生育期分為3 個(gè)階段：播種—分蘗期（10—12月）、越冬期（1—3月）、返青期—成熟期（4—6月）。在研究區(qū)實(shí)地田間調(diào)查也發(fā)現(xiàn)，一般6月開(kāi)始種植夏玉米，到10月收割，接著11月種植冬小麥，第二年4月左右收割。研究區(qū)域夏玉米種植期一般從6月開(kāi)始一直到9月底，生育期較短，將夏玉米全生育期劃分為一段。

表3 冬小麥全生育期作物系數(shù)（Kc）的變化[19]Table 3 Variation of crop coefficient(Kc)during the whole growth period of winter wheat

根據(jù)往年實(shí)測(cè)點(diǎn)土壤含水率，發(fā)現(xiàn)以上劃分的冬小麥3 個(gè)時(shí)間段和夏玉米全生育期內(nèi)相應(yīng)的土壤含水率變化規(guī)律較為明顯。冬小麥從播種開(kāi)始生長(zhǎng)發(fā)育，此時(shí)冬季降水少且作物需水量也小，土壤含水率維持在較低水平，隨后進(jìn)入越冬期。越冬期內(nèi)作物生長(zhǎng)緩慢，需水量低，土壤含水率變化平穩(wěn)。從返青期開(kāi)始作物生長(zhǎng)加快，作物需水量變大，土壤含水率迅速降低并持續(xù)最低。而夏玉米全生育期內(nèi)的土壤含水率基本維持在比較均衡的水平。同時(shí)，在氣候變化背景下，作物的生育期也存在年際變化。就華北平原地區(qū)冬小麥而言，在1961—2017年中各個(gè)生育期均有推遲變化的趨勢(shì)，平均推遲3～7 d，但各生育期所在月份幾乎不會(huì)產(chǎn)生變化[20]。故在以月為單位的函數(shù)中，作物物候特征及生育期變化可以忽略。

因此，本文將全年共劃分為4 個(gè)時(shí)間段來(lái)分別通過(guò)土壤后向散射系數(shù)計(jì)算土壤含水率。4 個(gè)時(shí)間段為：冬小麥的3 個(gè)生育期播種—分蘗期（10—12月）、越冬期（1—3月）、返青期—成熟期（4—6月），和夏玉米的全生育期（6—9月）。

2.2.3 結(jié)合物候特征的土壤含水率分生育階段估算模型

土壤含水率遙感反演模型采用分生育階段函數(shù)方法來(lái)轉(zhuǎn)換土壤后向散射系數(shù)，分別為冬小麥越冬期（overwintering period，OW）、冬小麥返青—成熟期（growing stage from reviving to maturity，RM）、夏玉米全生育期（whole grow phase of summer-sown corn，SC）、冬小麥播種—分蘗期（growing stage from sowing to tillering，ST），分生育階段函數(shù)為：

式中：Ci、Di分別為對(duì)應(yīng)生育期的經(jīng)驗(yàn)系數(shù)，其中i=1、2、3、4；SMST為冬小麥播種—分蘗期土壤含水率；SMOW為冬小麥越冬期土壤含水率；SMRM為冬小麥返青—成熟期土壤含水率；SMSC為夏玉米全生育期土壤含水率；σ0soil-db是單位為分貝的土壤表層后向散射系數(shù)。

3 結(jié)果與分析

3.1 去除植被前后的后向散射系數(shù)對(duì)比

通過(guò)水云模型去除地表植被覆蓋影響后，后向散射系數(shù)會(huì)衰減，并得到更為準(zhǔn)確的土壤后向散射系數(shù)。以固鎮(zhèn)縣2017年數(shù)據(jù)為例，去除植被影響前后的后向散射系數(shù)如圖3 所示。圖中實(shí)線為去除前的后向散射系數(shù)，虛線為去除后的后向散射系數(shù)，去除后的后向散射系數(shù)整體比去除前的值小。在利用水云模型分離出植被層散射和吸收的貢獻(xiàn)后，地表后向散射系數(shù)均有衰減，如圖3 所示，基于水云模型去除后的后向散射系數(shù)比去除前的減小5 db 左右，去除效果較好。

圖3 去除植被影響前后效果Fig.3 Effect before and after removing vegetation

3.2 結(jié)合物候特征的土壤含水率遙感反演經(jīng)驗(yàn)系數(shù)

基于2017年和2018年固鎮(zhèn)縣地區(qū)土壤含水率實(shí)測(cè)值和遙感計(jì)算的后向散射系數(shù)值擬合冬小麥3 個(gè)生育期的經(jīng)驗(yàn)系數(shù)值，基于2020年利辛縣監(jiān)測(cè)點(diǎn)一的土壤含水率實(shí)測(cè)值和遙感計(jì)算的土壤后向散射系數(shù)值擬合夏玉米生育期的經(jīng)驗(yàn)系數(shù)值，并對(duì)農(nóng)作物各生育期后向散射系數(shù)與土壤相對(duì)體積含水率數(shù)據(jù)進(jìn)行擬合后做統(tǒng)計(jì)分析，得到復(fù)相關(guān)系數(shù)R2、平均絕對(duì)誤差MAE和均方根誤差RMSE，最后得到遙感反演模型的系數(shù)如表4 所示。

表4 研究區(qū)不同作物生育期的系數(shù)值Table 4 Coefficient values of different crop growth periods in the study area

如表4 所示，固鎮(zhèn)縣冬小麥播種期—分蘗期時(shí)間段內(nèi)模擬精度不高，原因在于此時(shí)間段內(nèi)地表幾乎無(wú)植被覆蓋，冬小麥根系開(kāi)始生長(zhǎng)但此時(shí)根長(zhǎng)密度較低，導(dǎo)致土壤含水率受實(shí)時(shí)天氣等因素影響較大，模擬精度降低。具體的分生育階段函數(shù)為：

3.3 模型驗(yàn)證與精度評(píng)價(jià)

基于實(shí)測(cè)土壤含水率數(shù)據(jù)，對(duì)土壤含水率遙感反演模型進(jìn)行驗(yàn)證和精度評(píng)價(jià)，如圖4 所示。

冬小麥分生育階段土壤含水率模型以2015年11月至2016年5月固鎮(zhèn)縣新馬橋試驗(yàn)點(diǎn)的數(shù)據(jù)進(jìn)行驗(yàn)證。如圖4（a）所示，計(jì)算得2 組數(shù)據(jù)復(fù)相關(guān)系數(shù)R2為0.73，平均絕對(duì)誤差MAE=0.051，最大誤差MaxE=0.072，最小誤差MinE=0.025，均方根誤差RMSE=0.056。夏玉米土壤含水率模型以2020年利辛縣監(jiān)測(cè)點(diǎn)二采集的數(shù)據(jù)進(jìn)行驗(yàn)證。如圖4（c）所示，計(jì)算得2 組數(shù)據(jù)復(fù)相關(guān)系數(shù)R2達(dá)到0.82，平均絕對(duì)誤差MAE=0.069，最大誤差MaxE=0.112，最小誤差MinE=0.027，均方根誤差RMSE=0.078。2 種作物土壤含水率模擬精度滿(mǎn)足要求。

如圖4（b）所示，實(shí)測(cè)土壤含水率與反演土壤含水率總體趨勢(shì)幾乎相同，但存在差距。根據(jù)相關(guān)新聞（http://www.weather.com.cn/anhui/tqyw/01/2642620.s html）與研究資料[21]，安徽省2016年降水量為55 a來(lái)最多，4月起降水明顯增多，4—7月安徽省平均降雨較往年偏多近6 成，且6月左右暴雨洪澇災(zāi)害嚴(yán)重，因此實(shí)際土壤含水率較往年偏高，反演值較實(shí)測(cè)值偏低。

圖4 遙感反演精度驗(yàn)證Fig.4 Verification of remote sensing inversion accuracy

3.4 土壤含水率反演結(jié)果

根據(jù)上述分生育階段函數(shù)反演了固鎮(zhèn)縣2016—2018年農(nóng)作區(qū)的土壤含水率空間分布，以及利辛縣2020年農(nóng)作區(qū)的土壤含水率分布（圖5），在2017年固鎮(zhèn)縣冬小麥3 個(gè)生育期挑選3 幅土壤相對(duì)體積含水率圖，以及2020年利辛縣夏玉米生育期中的一幅土壤相對(duì)體積含水率圖，作為示例展示。

圖5 農(nóng)作物區(qū)土壤相對(duì)體積含水率Fig.5 Relative volumetric water content of each growth period

如圖5（a）—圖5（c）所示，從時(shí)間上冬小麥越冬期土壤含水率較低，其他生育期土壤含水率明顯高于越冬期土壤含水率，與冬小麥生育期需水特性符合。從空間上，固鎮(zhèn)縣東南方的土壤含水率略高于西北方，與固鎮(zhèn)縣自西北向東南傾斜的地勢(shì)吻合。如圖5（d）所示，從空間上，利辛縣東南方的土壤含水率略高于西北方，與利辛縣西北略高，東南略低的地勢(shì)吻合。

4 討論

傳統(tǒng)的烘干法監(jiān)測(cè)土壤含水率是各國(guó)公認(rèn)的最為準(zhǔn)確且經(jīng)典的方法，但監(jiān)測(cè)費(fèi)時(shí)費(fèi)力且具有很大的空間局限性。利用已建立的模型，可直接得到農(nóng)田區(qū)域的土壤含水率，在時(shí)間和空間尺度上都有更好的發(fā)展。在未來(lái)的研究中，利用大面積反演的土壤含水率，結(jié)合區(qū)域水文模型反演出農(nóng)田中水分變化，進(jìn)而求得農(nóng)田澇漬災(zāi)害，對(duì)農(nóng)業(yè)生產(chǎn)和災(zāi)害評(píng)估進(jìn)行指導(dǎo)。

基于水云模型結(jié)合物候特征反演土壤表層含水率，在地表植被覆蓋的條件下?lián)碛休^好精度。本研究中，安徽省固鎮(zhèn)縣冬小麥各生育期土壤含水率變化不一致，其中返青—拔節(jié)期土壤含水率變化最大，越冬期土壤含水率變化最小，同時(shí)冬小麥生育期出現(xiàn)日期與持續(xù)時(shí)間的年際波動(dòng)大，年內(nèi)變化趨勢(shì)不明顯的結(jié)果，與張佩[22]等針對(duì)淮北地區(qū)冬小麥發(fā)育期特征的研究結(jié)論相一致。這也是用不同年同測(cè)站的數(shù)據(jù)進(jìn)行驗(yàn)證精度不高，用同年不同測(cè)站的數(shù)據(jù)進(jìn)行驗(yàn)證精度較好的原因。由圖5 可知，反演的土壤含水率空間分布結(jié)果與區(qū)域地勢(shì)和地區(qū)氣候有較好的一致性，在地勢(shì)較低的地方含水率高，地勢(shì)較高的地方含水率相對(duì)較低，這進(jìn)一步表明，基于遙感數(shù)據(jù)反演的土壤含水率空間分布結(jié)果可靠。

固鎮(zhèn)縣冬小麥播種時(shí)間大多在10月初，在剛播種的一段時(shí)間內(nèi)，農(nóng)作物區(qū)土壤表面很少或無(wú)植被覆蓋而形成裸地，且通過(guò)遙感反演的土壤表層含水率隨天氣波動(dòng)大，進(jìn)一步削弱遙感數(shù)據(jù)反演的精度。相反，在較多植被覆蓋的生育期內(nèi)土壤含水率保持較為平穩(wěn)，反演精度高。實(shí)際應(yīng)用中，針對(duì)冬小麥播種期—分蘗期的生育階段，在接下來(lái)的工作中還需進(jìn)一步單獨(dú)進(jìn)行研究，選擇不同的土壤水分反演方式提高反演精度。從驗(yàn)證結(jié)果也可看出，結(jié)合物候特征的土壤表層含水率反演模型具有較好的精度，盡管用于模型反演的地面實(shí)測(cè)數(shù)據(jù)與區(qū)域較為有限，且影響反演精度的因素較多，但結(jié)果仍具有一定代表性，能為相關(guān)研究提供一些思路與參考。

5 結(jié)論

1）通過(guò)遙感數(shù)據(jù)計(jì)算2017年和2018年固鎮(zhèn)縣冬小麥種植區(qū)以及2020年利辛縣夏玉米種植區(qū)的后向散射系數(shù)，結(jié)合作物的不同物候特征分生育階段得到后向散射系數(shù)與土壤相對(duì)體積含水率之間的關(guān)系，相關(guān)系數(shù)分別達(dá)到0.80、0.91、0.79 和0.40，反演效果較好。

2）利用實(shí)測(cè)土壤相對(duì)體積含水率對(duì)模型進(jìn)行驗(yàn)證，結(jié)果表明該方法反演的土壤含水率在一般降雨年份內(nèi)具有較好的模擬精度，相關(guān)系數(shù)達(dá)到0.73 和0.82，可靠性較高。

3）本研究根據(jù)不同作物的物候特征進(jìn)行分生育階段求解可以提高模擬的精確度，為在農(nóng)作物覆蓋條件下進(jìn)行土壤含水率的反演提供了一定的依據(jù)，在農(nóng)業(yè)生產(chǎn)指導(dǎo)以及澇漬災(zāi)害預(yù)警方面具有一定的應(yīng)用前景。