基于多源衛(wèi)星遙感產(chǎn)品的土壤濕度融合與降尺度研究

何涯舟，張 珂，晁麗君，王 晟

(1.河海大學水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210098；2.河海大學水文水資源學院，江蘇 南京 210098)

土壤濕度(即土壤含水量，通常以體積含水量來度量)可通過控制地表能量通量、土壤熱容量等途徑影響水文過程，在大氣與陸地的能量交換中發(fā)揮著重要的作用，更是地表產(chǎn)匯流過程的關(guān)鍵控制因子[1-4]，也是干旱監(jiān)測、水文情勢預(yù)測研究中的關(guān)鍵影響因素。

自20世紀70年代末以來，全球范圍內(nèi)已有多個機構(gòu)針對不同的傳感器發(fā)布了多種微波衛(wèi)星遙感土壤濕度數(shù)據(jù)產(chǎn)品[5]，如歐洲太空局于2009年11月發(fā)射的土壤濕度與海水鹽度(soil moisture and ocean salinity，SMOS)衛(wèi)星[6]，其利用L波段相干輻射計獲得地表微波輻射，使其能每隔3 d獲得全球范圍內(nèi)的土壤濕度觀測數(shù)據(jù)；日本宇航局(Japan Aerospace Exploration Agency，JAXA)發(fā)射的地球水環(huán)境變動監(jiān)測衛(wèi)星上搭載的AMSR2(Advanced Microwave Scanning Radiometer 2)衛(wèi)星[7-8]；NASA于2015年發(fā)射的土壤濕度主被動觀測(Soil Moisture Active and Passive，SMAP)衛(wèi)星[9-10]，采用L波段主動、被動微波輻射計與合成孔徑雷達來探測地球表層的土壤濕度；中國發(fā)射的風云三號系列衛(wèi)星(FY3B及FY3C)[11]等。

Ray等[12]對AMSR-E、AMSR2、SMOS、SMAP等4種衛(wèi)星遙感土壤濕度產(chǎn)品在美國德克薩斯州的適用性進行了驗證，結(jié)果表明，SMAP數(shù)據(jù)的相關(guān)系數(shù)介于0.37～0.92之間，其反演效果最好。Mishra等[13]利用基于SMAP土壤濕度數(shù)據(jù)的土壤濕度虧缺指數(shù)，結(jié)合土壤特征信息對農(nóng)業(yè)干旱進行了量化，結(jié)果表明，SMAP土壤濕度數(shù)據(jù)很好地捕捉到了原位土壤濕度的動態(tài)變化。Kumar等[14]對AMSR-E、ASCAT、SMOS、AMSR2、SMAP等5種衛(wèi)星遙感土壤濕度產(chǎn)品采用基于信息理論的評價方法，對產(chǎn)品的時間序列、測量誤差、數(shù)據(jù)的隨機性和規(guī)律性進行了綜合分析，結(jié)果表明，除了SMAP以外的其他4種產(chǎn)品對土壤濕度的反演都存在低估的情況。綜上所述，若直接采用某種遙感土壤濕度產(chǎn)品進行適用性評價會存在一定的誤差。

由于各種衛(wèi)星的工作方式及數(shù)據(jù)處理方式不同，且受地面地理環(huán)境與植被覆蓋的影響，導(dǎo)致單一衛(wèi)星產(chǎn)品無法準確反映某一確定區(qū)域的實際土壤濕度狀態(tài)及空間分布情況。若采用某種方式將多種衛(wèi)星產(chǎn)品各自優(yōu)勢互補，則可以在單一衛(wèi)星無法準確探測相關(guān)數(shù)據(jù)的情況下，綜合尋求某一確定研究區(qū)域的最佳估計值。本文在秦淮河流域開展了多源衛(wèi)星遙感土壤濕度產(chǎn)品的融合研究，并對融合土壤濕度進行降尺度處理。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)概況

秦淮河流域(圖1)面積約為2 631 km2，長寬各約50 km，位于118°43′E～119°18′E、31°35′N～32°07′N之間。流域地形呈鍋形，四周丘陵山區(qū)占流域總面積的80%；中間腹部為低洼圩區(qū)和河湖水面，占流域總面積的20%。地勢從南向北傾斜，上游坡度和扇面大，中下游坡度較緩。秦淮河流域共有大小16條支河匯入，是一個典型的一干多支樹狀型河道，且大都為山丘河道，具有源短、坡陡、流急、匯流快的特點，出口處受江潮頂托，排水不暢，歷史上洪澇災(zāi)害不斷。

圖1 研究區(qū)位置和DEM空間分布Fig.1 Location of study area and spatial distribution of DEM

1.2 數(shù)據(jù)

秦淮河流域墑情站點較少，橋頭站位于南京市溧水區(qū)方便水庫附近，在研究區(qū)范圍內(nèi)數(shù)據(jù)情況較好。本文采用橋頭站2016年3月15日至2017年11月29日的逐日土壤濕度數(shù)據(jù)。

采用SMOS、SMAP、AMSR2衛(wèi)星于2016年1月至2018年12月共同觀測期作為研究時段。衛(wèi)星遙感土壤濕度產(chǎn)品分別為：SMOS衛(wèi)星L2級MIR_SMUDP2土壤濕度產(chǎn)品，數(shù)據(jù)格式為NetCDF；SMAP衛(wèi)星L3級土壤濕度產(chǎn)品，數(shù)據(jù)格式為HDF5；AMSR-2衛(wèi)星L3級土壤濕度產(chǎn)品，數(shù)據(jù)格式為HDF5。

表1 3種衛(wèi)星遙感土壤濕度產(chǎn)品相關(guān)信息

由于衛(wèi)星遙感土壤濕度產(chǎn)品空間分辨率不一致，因此先采用雙線性插值法，將空間分辨率為36 km×36 km的SMAP數(shù)據(jù)插值成與SMOS、AMSR2數(shù)據(jù)一致的25 km×25 km分辨率，同時將3種衛(wèi)星遙感土壤濕度產(chǎn)品的地理坐標統(tǒng)一投影到WGS1984坐標。用于融合的SMAP、SMOS、AMSR2數(shù)據(jù)的時間段為2016年1月至2018年12月，空間分辨率為25 km×25 km，數(shù)據(jù)空間范圍為118°50′E～119°50′E、31°50′N～32°50′N。

2 研 究 方 法

2.1 融合方法

由于缺少SMOS、SMAP、AMSR2等3種衛(wèi)星遙感土壤濕度產(chǎn)品在中國地區(qū)應(yīng)用的誤差信息，因此在計算時給予三者相同的權(quán)重。在進行加權(quán)平均過程中，由于各衛(wèi)星運行軌道與繞地周期不同，且相對于空間尺度較小的秦淮河流域，土壤濕度遙感數(shù)據(jù)存在不同程度的缺測。對于3種衛(wèi)星均無觀測數(shù)據(jù)的時段，融合產(chǎn)品中作為空值處理；對于僅有一種衛(wèi)星觀測數(shù)據(jù)的網(wǎng)格，取該衛(wèi)星觀測數(shù)據(jù)值；對于兩者及以上的衛(wèi)星均有觀測數(shù)據(jù)的網(wǎng)格，對多衛(wèi)星觀測數(shù)據(jù)進行加權(quán)平均。綜合來說，對具有多衛(wèi)星同步觀測條件的時段觀測數(shù)據(jù)，采用加權(quán)平均的方式生成融合土壤濕度產(chǎn)品。

2.2 基于地形濕度指數(shù)降尺度方法

目前，大多數(shù)衛(wèi)星遙感土壤濕度產(chǎn)品的空間分辨率較低，運用于中小型流域水文模型和災(zāi)害預(yù)測研究的適用性較差，因此采用降尺度的方法，將低空間分辨率的數(shù)據(jù)轉(zhuǎn)化成高空間分辨率的數(shù)據(jù)。比較常用的降尺度方法是將低分辨率的微波產(chǎn)品與高分辨率的傳感器相結(jié)合，如合成孔徑雷達(SAR)及光學/熱紅外產(chǎn)品[15]，或采用基于模型、地理信息的方法進行衛(wèi)星遙感土壤濕度數(shù)據(jù)的降尺度處理[16-18]，或采用基于研究區(qū)域下墊面條件，如植被覆蓋和土壤質(zhì)地等因素，建立下墊面條件與土壤濕度之間的關(guān)系以得到高空間分辨率的產(chǎn)品[19]。

本文采用基于下墊面條件因素的地形濕度指數(shù)(topographic wetness index，I)作為低空間分辨率遙感觀測數(shù)據(jù)與高空間分辨率下墊面條件數(shù)據(jù)之間的聯(lián)系。定義濕度系數(shù)Kw作為土壤濕度和地形濕度指數(shù)間的轉(zhuǎn)換參數(shù)，濕度系數(shù)初值由土壤濕度與其面上均值的比值確定：

(1)

定義系數(shù)C為Kw的函數(shù)，對于不同的地形坡面形態(tài)采用不同的公式計算：

(2)

其中Ka=(1-Keα)/(1-Keα0)

式中：A為坡向；Ka為坡度和坡向的函數(shù)；α為坡度；α0為區(qū)域平均坡度；Ke為與坡向相關(guān)的系數(shù)，對于西向坡面Ke=-0.003，對于南向坡面Ke=0.005，對于東向坡面Ke=0.002，對于北向坡面Ke=-0.01；?為曲率。

根據(jù)不同的地形坡面形態(tài)采用不同公式計算C，再建立C25與I25之間的關(guān)系，采用線性回歸方式對兩者進行擬合，得到系數(shù)ρ和q的值：

C25=ρI25+q

(3)

利用I90(I90表示90 m×90 m空間分辨率條件下的地形濕度指數(shù)值)計算C90，結(jié)合式(2)計算高分辨率下的Kw，將高分辨率Kw值帶入：

Si,m,90=Kw,i,m,90×Si,m,25

(4)

式中：Si,m,90為第m個25 km×25 km分辨率網(wǎng)格內(nèi)所包含的所有90 m×90 m分辨率網(wǎng)格中的第i個土壤濕度值，m3/m3；Si,m,25為第m個25 km×25 km分辨率網(wǎng)格內(nèi)采用距離平方倒數(shù)法插值成90 m×90 m分辨率矩陣網(wǎng)格數(shù)據(jù)中的第i個土壤濕度值，m3/m3；Kw,i,m,90為第m個25 km×25 km分辨率網(wǎng)格內(nèi)所包含的所有90 m×90 m分辨率網(wǎng)格中的第m個土壤濕度系數(shù)。

3 結(jié)果與分析

3.1 多源衛(wèi)星遙感產(chǎn)品融合與適用性

由于遙感反演數(shù)據(jù)質(zhì)量受到多因素的影響，與實測值相比往往具有一定的偏差。因此為分析融合產(chǎn)品的適用性，采用由江蘇省水文水資源勘測局提供的墑情自動站——橋頭站的實測土壤濕度數(shù)據(jù)與衛(wèi)星遙感土壤濕度產(chǎn)品、融合土壤濕度進行誤差分析，以選擇該流域質(zhì)量更好的產(chǎn)品。采用均方根誤差(root mean squared error，RMSE)來衡量其適用性。

圖2 衛(wèi)星遙感土壤濕度產(chǎn)品與實測值對比Fig.2 Boxplots of comparison between gauged soil moisture and remote sensing products

將2016—2017年站點實測表層(10 cm)土壤濕度數(shù)據(jù)按時段劃分為春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—次年2月)。由表2可知，AMSR2數(shù)據(jù)在2016年及2017年春、冬兩季土壤濕度均值在0.04～0.06 m3/m3之間，與站點實測值相比明顯偏低；在夏、秋兩季的反演值雖然有所提升，但仍表現(xiàn)為低估。因此SMOS、SMAP、AMSR2等3種衛(wèi)星集合平均產(chǎn)品(SSA)對土壤濕度的估計受AMSR2數(shù)據(jù)的影響，其值明顯偏低。反觀由SMOS、SMAP等2種衛(wèi)星集合平均的產(chǎn)品，2016年秋季與站點實測均值一致，2017年秋季平均值僅高估0.07 m3/m3，與實測數(shù)據(jù)具有較強的一致性。圖2也反映出相同的結(jié)果，盡管SMOS、SMAP等2種衛(wèi)星集合平均值在其他季節(jié)與實測值相比存在一定的高估，但相較于三衛(wèi)星融合產(chǎn)品及其他衛(wèi)星數(shù)據(jù)能更好地反映實際土壤濕度情況，且與單一衛(wèi)星相比其觀測時段得到了延長。AMSR2數(shù)據(jù)與實測數(shù)據(jù)相比整體誤差較大，均方根誤差為0.28 m3/m3；SMOS、SMAP數(shù)據(jù)融合產(chǎn)品(SS)的均方根誤差最低為0.16 m3/m3，優(yōu)于SSA產(chǎn)品，且相較于單一衛(wèi)星觀測時段更長，數(shù)據(jù)質(zhì)量更好(表3)。

表2 衛(wèi)星遙感產(chǎn)品與站點實測土壤濕度季節(jié)與日均值

表3 衛(wèi)星遙感產(chǎn)品與站點實測土壤濕度均方根誤差

以上結(jié)果表明，AMSR2衛(wèi)星遙感反演土壤濕度產(chǎn)品相較于其他產(chǎn)品及橋頭站實測數(shù)據(jù)，其值對土壤濕度存在明顯的低估，而在春、冬兩季低估表現(xiàn)得更為明顯。結(jié)合已有相關(guān)研究，AMSR2衛(wèi)星遙感土壤濕度反演產(chǎn)品在我國大部分時間都存在明顯的低估，同時存在一定的恒定偏差[20-21]。因此認為AMSR2衛(wèi)星遙感土壤濕度數(shù)據(jù)在本研究流域中的適用性不佳，而SMOS、SMAP兩種衛(wèi)星數(shù)據(jù)融合產(chǎn)品(SS)與橋頭站實測數(shù)據(jù)相比，具有較小的均方根誤差，在日均值和季節(jié)均值上都更為接近實測結(jié)果，優(yōu)化了單顆衛(wèi)星監(jiān)測時段間隔大、監(jiān)測數(shù)據(jù)不準確等缺點，表明SS具有更好的適用性。

圖3為采用克里金插值法后的融合產(chǎn)品土壤濕度時空特征圖，表現(xiàn)了2016—2017年秦淮河流域土壤濕度的時空變化。融合產(chǎn)品較好地反映了土壤濕度四季分明的變化特征，即一般情況下夏季土壤濕度值最高，春秋兩季次之，冬季最低；且在研究區(qū)域表現(xiàn)為1 a中流域南部土壤濕度普遍高于北部，相對而言流域西北部土壤濕度在更多時間內(nèi)處于低值的狀態(tài)。結(jié)合地形地貌特征，流域西北部靠近城市區(qū)域，硬化區(qū)較多，且人口密集，受人為因素影響較大，土壤濕度確應(yīng)長期處于低值狀態(tài)；而流域南部為秦淮河干流流經(jīng)區(qū)域，多為山地、河谷地貌，且植被覆蓋情況較流域北部好，因此土壤濕度長期處于較濕狀態(tài)。

圖3 克里金插值下的土壤濕度融合產(chǎn)品時空特征Fig.3 Spatiotemporal distribution of merged soil moisture by using Kriging interpolation

3.2 降尺度結(jié)果分析

采用基于地形濕度指數(shù)降尺度方法將25 km×25 km分辨率的融合產(chǎn)品降尺度到90 m×90 m，采用90 m×90 m分辨率數(shù)據(jù)對秦淮河流域衛(wèi)星遙感觀測土壤濕度狀態(tài)以季節(jié)劃分，對秦淮河流域范圍內(nèi)土壤濕度的時空變化進行分析(圖4)。全年秦淮河流域河道及河岸附近一定范圍內(nèi)土壤濕度均處于相對高值狀態(tài)，但在一定程度上仍然可反映土壤濕度隨季節(jié)的變化，表現(xiàn)為夏季最高，春秋兩季次之，冬季最低。整體上看，流域南部較為濕潤，北部相對較干燥，夏季時流域西北部及東南部土壤濕度較大，處于濕潤狀態(tài)，春季和冬季時流域西北部則表現(xiàn)為相對較干旱。

圖4 地形濕度指數(shù)降尺度下土壤濕度融合產(chǎn)品時空特征Fig.4 Spatiotemporal distribution of soil moisture by downscaling the merged product with topographic wetness index

降尺度后的融合衛(wèi)星遙感土壤濕度數(shù)據(jù)能夠在一定程度上根據(jù)研究區(qū)域的地形地貌特征較好地反映與河流、山脈等實際情況相結(jié)合的土壤濕度狀態(tài)。一般而言，土壤濕度與地形濕度指數(shù)表現(xiàn)為線性關(guān)系，且地形濕度指數(shù)的空間變化與土壤濕度的空間變化也表現(xiàn)為線性關(guān)系。從流域內(nèi)的山脈、河流等角度分析，在坡度趨近于零的區(qū)域，地形濕度指數(shù)表現(xiàn)為高值，而在這些區(qū)域往往是地勢平緩的坡腳或者位于河谷、河岸等地形上處于下凹或低點的位置，這些區(qū)域往往常年處于土壤濕度相對較高的狀態(tài)；而對于坡度較大的區(qū)域，受到重力因素的影響，其值往往常年處于較低狀態(tài)，表明地形濕度指數(shù)與土壤濕度具有一定的相關(guān)關(guān)系。

4 結(jié) 語

本文以秦淮河流域SMOS、SMAP、AMSR2衛(wèi)星遙感土壤濕度為數(shù)據(jù)源，采用集合平均方式對其進行融合，在此基礎(chǔ)上對融合土壤濕度數(shù)據(jù)進行了降尺度處理。研究結(jié)果表明：SMOS、SMAP兩個衛(wèi)星遙感數(shù)據(jù)融合產(chǎn)品(SS)在2016年秋季與站點實測均值一致，在2017年秋季平均僅高估0.07 m3/m3，與實測數(shù)據(jù)具有較強的一致性，均方根誤差最低為0.16 m3/m3。而AMSR2產(chǎn)品在秦淮河流域的適用性不佳，相較于其他產(chǎn)品及橋頭站實測數(shù)據(jù)，其對土壤濕度存在明顯的低估，在2016年及2017年春、冬兩季土壤濕度均值在0.04～0.06 m3/m3之間，與站點實測相比明顯偏低，在夏、秋兩季雖有所提升，但仍表現(xiàn)為低估。與實測數(shù)據(jù)相比，多源衛(wèi)星遙感融合產(chǎn)品的精度優(yōu)于單顆衛(wèi)星，具有更好的適用性；基于地形濕度指數(shù)降尺度處理后，獲得了更適合于中小型流域土壤濕度狀態(tài)分析及分布式水文模型的高分辨率土壤濕度衛(wèi)星遙感反演融合產(chǎn)品。