土壤水分是表示一定深度土层的土壤干湿程度的物理量, 是监测土地退化和干旱的重要指标, 同时也是水文学、气象学、土壤学、生态学以及农业科学等研究领域中的一个重要参数。一方面它影响地表与大气界面的水分和能量交换, 其变化会引起土壤热学特性、地表光学特性的改变, 从而影响气候的变化;另一方面它是植物和作物赖以生存的主要源泉, 其大小决定着植物或作物根系的发育, 对进行大尺度精准农业的水分调节, 节水灌溉具有重要意义。
遥感技术不仅能对农作物长势进行大面积、实时、非破坏性监测, 从而实现精准农业的发展对地表土壤水分信息快速、及时的掌握, 还能为精准农业的发展提供动态监测和分析作物的健康状况与影响作物产量等必要的技术支持。目前获取土壤水分含量的方法主要有田间实测法、土壤水分模型法和遥感法三种。其中传统的田间实测法和土壤水分模型法, 因测点稀、速度慢、范围有限, 无法满足精准农业中对土壤水分信息快速获取的需求。而遥感估测土壤水分的方法原理是通过测量土壤表面发射或反射的电磁能量, 研究遥感信息与土壤水分含量之间的关系, 并建立相关的信息模型, 从而反演出土壤水分情况, 恰恰克服了前二种估测方法的实时性差、单点测量空间变异性差、不能宏观表现等缺陷, 为精准农业中大面积快速获取土壤水分信息、实时准确监测提供科学依据。
如何快速、准确地获取区域地表土壤含水量信息是定量遥感研究的热点之一, 也是目前遥感技术应用研究的前沿领域。国内外用遥感技术监测土壤水分的方法有很多, 目前在该领域的研究主要集中在光学遥感 (即可见光-近红外、热红外遥感) 和微波遥感波段进行。主要方法有:基于可见光-近红外土壤水分光谱法、基于热红外遥感的温度法、植被指数法、基于可见光及热红外遥感的植被指数-冠层温度法、微波遥感监测土壤水分法、高光谱遥感监测土壤水分法。
Bowers等人早在1965年就发现裸地土壤湿度的增加会引起土壤发射率的降低, 这为后来利用土壤水分光谱法方法进行土壤水分的遥感监测研究提供了理论依据。土壤水分光谱法正是应用遥感估算光学植被度, 分解象元排除法来提取土壤水分光谱信息。国内外学者在这方面做了大量工作, 有的根据水的吸收率曲线提出使用中红外波段来监测土壤湿度, 采用MODIS数据并结合实地调查资料, 建立了MODIS第7通道的反射率与地面湿度的线性光学。另有学者利用遥感资料估算“光学植被覆盖度”, 然后利用像元分解法分离植被与土壤信息, 提取土壤水分光谱信息。该方法需要根据不同环境、不同土壤组分建立相应的遥感反演模型, 应用比较局限, 大面积推广较难。
热红外遥感最重要的应用之一是反演土地表面温度。具有代表性的有热惯量法、区域蒸散法、亮温指数法 (LST) 、温度状态指数法 (TCI) 、条件温度指数法和归一化温度指数法。热惯量法反演土壤水分的模型研究, 主要集中在对于土壤热惯量的解析式计算、从热平衡与热传导方程的化简与计算、环境因子的影响等多方面着手, 得到了大量的热惯量模式, 建立了较为完善的土壤水分反演模型。蒸散法根据能量流的传输原理, 对实际蒸散 (E) 与潜在蒸散 (Ep) 的比值与土壤水分的关系进行研究, 其理论基础来源于P-M彭曼公式。针对不同的下垫面情况发展了单层、双层和多层模型。利用卫星一次过境观测的辐射温度值, 计算地表辐射温度以及蒸散, 结合当地气象台站数据计算出作物缺水指数 (CWSI) , 建立了土壤水分与作物缺水指数的回归方程。随后又有D SI指数、区域缺水指数 (R WS I) 相关研究, 在遥感的定性及半定量阶段估算地表蒸散和干旱程度的精确估算上做了相关探讨。温度状态指数 (TCI) 和亮温指数 (BTI) 强调了温度与植物生长的关系, 提出了亮度温度, 以通过对NDVI、亮温与土壤水分的统计分析来建立三者间的数理关系, 从而利用遥感反演的亮温和ND VI计算土壤水分含量, 建立了土壤相对湿度和N DV I、亮温的回归模型。归一化温度指数 (NDTI) 可消除地表温度季节变化的影响, 通过能量平衡一空气动力学阻抗模型计算, 需要卫星过境时刻的气温、太阳辐射、相对湿度、风速和叶面积指数等数据。该方法也主要适用于裸地或植被生长早期。
植被指数法是研究土壤湿度与遥感植被信息相互关系的重要手段。研究表明归一化植被指数 (N D V I) 、距平植被指数 (AV I) 、植被状态指数 (V CI) 、标准植被指数 (SVI) 等都与土壤湿度有一定关系。一般来讲, 当作物缺水时, 作物的生长将受到影响, 植被指数将会降低。国内学者也利用VCI研究了我国土壤湿度状况, 应用VCI结合常规资料进行综合分析, 对我国干旱状况进行宏观动态监测。但该方法较适用于高植被覆盖区域, 仍有很多限制性因子和条件。
科学家发现只利用植被指数或冠层温度法监测土壤水分状况, 都有各自的局限性, 于是二者集成起来, 创建了植被指数 (NDVI) 与地表温度 (Ts) 进行干旱监测的综合模型。通过Ts/N DVI特征空间建立的土壤水分或干旱程度估测模型主要有比率法 (温度植被指数TVI和植被供水指数VSWI) 、水分亏缺指数 (WDI) 、条件植被温度指数 (VTCI) 和温度植被干旱指数 (TVDI) 。仅考虑温度的影响, 精度不高, 条件植被温度指数模型的缺点是对研究区域选择的要求较高, 必须满足土壤表层含水量应从萎蔫含水量到田间持水量的条件, 对研究区环境背景 (如气象条件、地表覆盖类型、土壤属性、水系分布和灌溉状况以及作物栽培等) 的了解程度要求较高。
微波遥感具有全天时、全天候、多极化和对植被及土壤有一定的穿透能力、对大气气溶胶和云覆盖的敏感性相对光学遥感弱等特点, 被广泛应用于土壤水分反演中。微波遥感反演土壤水分主要有主动微波法和被动微波法两种。 (1) 国内外许多学者采用主动微波遥感土壤湿度法研究了土壤水分和雷达参数间的线性关系, 指出遥感监测土壤水分含量受土壤表面粗糙度、土壤纹理结构的影响, 重点指出植被对主动微波遥感土壤水分的影响。 (2) 被动微波遥感土壤水分根据亮温与土壤水分具有较好的线性关系, 引入田间持水力FC (Field Capacity) , 建立亮温与FC之间的线性关系, 发展了一些较成熟的算法。有学者利用改进的IE M模型, 得到了与实际土壤湿度相关性高达0.9 5的反演结果。也有学者基于BSM模型与人工神经网络进行了土壤湿度的反演, 及时在先验知识具有不确定时仍能保证一定的准确度。微波遥感监测土壤水分虽然具有坚实的物理基础和独特优势, 但是其受植被覆盖的影响较大, 消除植被影响是微波遥感监测土壤水分的主要难点。虽然有可部分剔除植被影响而获得土壤水分信息, 但因大气—植被—土壤系统的复杂性, 遥感图像反演算法使用的难度很大。
国内外学者在可见光-近红外区域利用高光谱遥感监测土壤含水量做了大量的研究工作, 根据土壤光谱曲线随土壤含水量的变化而变化的规律, 采用反射率法等方法建立各种相关指标进行土壤水分定量反演。对土壤含水量的早期研究, 主要集中于土壤含水量较低的情况, 所以认为土壤反射率随着土壤含水量的增加而降低, 土壤含水量与水分在吸收波段的吸收强度之间具有较好的线性相关。随着研究的进一步深入和扩展, 发现对于可见光到短波红外所有波段而言, 当土壤含水量低于田间持水量时, 土壤反射率随着土壤含水量的增加而降低;而当土壤含水量高于田间持水量时, 土壤反射率随着土壤含水量的增加反而增加。有学者利用Geo-SALL模型, 模拟了不同植物含水量情况下, 以及不同含水量土壤作为下垫面的冠层反射率, 发现植被含水量变化引起的光谱差异与土壤含水量变化引起的光谱差异不同, 可见高光谱遥感有希望能够区分两者带来的影响。一般的多光谱传感器不足监测许多光谱吸收特征在吸收深度一半处的宽度为20nm～40nm地物的土壤含水量, 而高光谱遥感所获得的波段宽度一般在10nm以内, 其连续的反射率光谱曲线可以表达地物细微的变化。但正是其波段多而窄, 容易受到外界因素的影响, 描述土壤含水量和土壤反射率的实验研究方法更有其不可避免的问题需要继续探讨。
遥感技术凭借其长期、快速、实时、动态监测等优势, 国内外学者分别利用可见光、近红外、红外、微波等多种波段, 发展了各种土壤水分定量反演的物理模型、经验或半经验模型和方法, 展示了其巨大的应用价值。但是, 从已有的模型或方法中可以发现, 任何一种方法都具有一定的应用局限性, 如果想完全发挥遥感在土壤水分监测中的应用价值, 本文认为以下两个或许是可能的发展方向: (1) 多源遥感数据源的土壤水分定量协同反演研究。 (2) 随着高光谱传感器技术的进步, 高光谱遥感将在土壤水分定量估测中具有巨大的应用潜力。
摘要：土壤水分作为土壤的重要组成部分, 对农业、水文、气象等方面具有很高的应用价值, 在该领域的探索与研究一直比较活跃, 遥感技术的发展为实时快速获取土壤水分信息提供了新的手段, 已成为目前遥感技术应用研究的前沿领域, 本文系统总结和分析了国内外土壤水分的遥感定量估测方法, 并最后提出了该领域可能的发展方向, 相信对从事相关工作的研究人员会有一定的参考价值。
关键词：遥感,土壤水,定量,反演
