基于极化雷达的裸露地表土壤水分反演研究

徐 智，李 彪

(内蒙古机电职业技术学院,呼和浩特 010070)

基于极化雷达的裸露地表土壤水分反演研究

徐 智，李 彪

(内蒙古机电职业技术学院,呼和浩特 010070)

为准确、快速提取大范围裸露地表土壤水分空间分布,以河套平原巴彦淖尔市杭锦后旗陕坝镇灌区土壤水分四极化精细模式雷达监测为例,研究基于RADARSAT-2数据土壤水分提取的技术与方法,选择AIEM模型作为研究区裸露地表土壤水分反演模型的基础,建立适合河套灌区裸露地表土壤水分微波散射的经验模型。应用经验模型对河套灌区地表水分进行反演研究并与实测数据进行相关性分析。结果表明:极化组合VV-VH的相关程度高达0.931 1,经验模型能够满足土壤水分监测的需要,优于传统土壤水分分类方法,促进了极化微波遥感在土壤水分监测中的开拓应用。

雷达影像；土壤水分；经验模型；极化组合；河套灌区

2015,32(11):125-129,140

1 研究背景

研究区陕坝镇是典型的干旱寒冷灌区之一,地表土壤水分的蒸发与流失会导致土壤盐渍化、植被退化、耕地退化、土壤荒漠化的严重后果,这不仅影响当地农业经济的发展,更会慢慢地破坏生态系统。对于河套地区,能够精确、实时地对地表土壤水分进行大面积的监测,提高土壤水分利用效率,保持生态环境平衡具有非常重要的意义。

微波遥感空间分辨率高、波长较长、不受天气条件的影响及对云层雾层有一定的穿透性,周期性短,而且对地表面有穿透能力,因此,应用微波遥感监测技术可为定量估计土壤水分提供更为有效的数据源。对于遥感监测土壤水分,微波遥感监测技术已经被国内外认可[1],也为大面积地表土壤水分的监测提供了比较有效的方法。近些年来国内外许多学者对微波遥感监测地表土壤水分进行了非常系统的研究,从土壤的混合介电模型研究,到地表后向散射特征的正演模型研究,包括理论模型、经验模型、半经验模型3大类,其中理论模型有Kirchoff模型(包括几何光学模型GOM和物理光学模型POM)、小扰动模型(SPM)、积分方程模型(IEM)以及改进后高级积分模型(AIEM)；经验模型包括Oh模型和Dobios模型；半经验模型只有Shi模型。到目前为止,已经有很多研究学者利用这些理论、经验、半经验模型和在已研究出来的成果的基础上得到比较好的研究成果。Oh等[2-4]提出了基于后向散射系数比的半经验反演模型；Dubois等[5-7]学者建立了同极化方式的后向散射系数半经验反演模型；Zribi等[8-10]学者以IEM模型模拟数据为基础,通过对IEM单次面散射模型进行简化,建立了适用于高频波段的简化模型；Shi等[11-12]以IEM模型模拟数据为基础,利用L波段数据建立了基于极化幅度的经验反演模型；王树果等[13]通过多时相ASAR数据对黑河流域中游地表土壤水分进行反演,获得了较好的结果；鲍艳松等[14]通过TM光学遥感数据去除了植被散射和衰减的影响,然后利用ASAR和TM数据建立在冬小麦覆盖情况下土壤水分反演模型,并且在实际应用中得到了很好的结果；李宗谦等[15]提出了随机地表粗糙度散射模型即双谱模型(bi-spectrum scattering model,BSM),该模型对地面粗糙度适用范围又进一步扩大,而且模拟精度很好。近几年余凡、陈晶等[16-17]利用AIEM模型也建立了一种实用的经验模型,也都取得了良好的成果。综上所述,结合单极化或双极化数据,利用L雷达波段建立的模型已经取得了一定成绩,那么如何利用C波段四极化精细模式雷达影像数据建立适合河套灌区的后向散射经验模型,对河套灌区大面积地表土壤水分监测及盐渍地治理具有迫切的现实意义。

2 数据来源及处理

2.1 研究区概况

研究区地处内蒙古巴彦淖尔市杭锦后旗陕坝镇,主要由洪积平原、冲击平原和河漫滩3种地形构成,地势东北低、西南高,海拔在1 032～1 050 m之间,属于河套平原。河套地区位于内陆的干旱地带,常年干旱少雨、地表土壤水分低、年蒸散量较大,气候属于大陆性蒙古草原型气候[18],年日照时间长,昼夜温差大,农作物一年一熟,主要作物有玉米、大豆、向日葵、小麦等,采样区域地理位置为:东经106°43′～107° 15′,北纬40°48′～40°59′,样本采样点分布见图1。

图1 样本采样点分布Fig.1 Distribution of sample points

2.2 野外数据采集及处理

提前购置一景2013年3月17日的RADARSAT-2精细四极化雷达影像,采集土样的时间与卫星通过实验区的时间保持同步,采集土样的深度在2～10 cm,在实验区共取60个样点,每个采样点取5个重复,利用GPS记录采样点的位置信息。利用剖面板(在样点东西、南北2个方向测量地表土壤的剖面),以获取地表粗糙度ZS所需的2个参数,即均方根高度S(cm)和相关长度L(cm)。地表粗糙度ZS= S2/L。土样室内的测定分析项目为含水率,野外用铝盒收集土壤样品,现场称重记为K1,回到实验室对铝盒进行烘干处理再次称重记为K2,土壤含水率= (K1-K2)/(K2-铝盒重)×100%,部分样点的数据信息如表1所示。

2.3 雷达数据信息及处理

2.3.1 雷达数据信息

该研究区所用雷达数据为RADARSAT-2四极化精细模式数据,标称分辨率为8 m的SLC(single look complex)影像,工作波段为C波段,中心波长为5.7 cm,频率为53 GHz,一景影像的观测范围为25 km×25km,入射角范围35.310 939 8°～36.881 595 6°,雷达经过实验区的时间为2013年3月17日,此时杭锦后旗陕坝镇地表状态为春耕前期的裸露地表,基本无植被覆盖。

2.3.2 雷达数据处理

雷达数据不同于可见光、红外的遥感影像,处理起来比较复杂。用ENVI 4.8对原始的SLC雷达影像进行多视、滤波、地理编码、定标处理后,得到具有后向散射系数的雷达影像,然后利用实地Google Earth影像,对雷达影像进行配准,最终得到一幅地理坐标与实地相一致的、能反应实地后向散射系数的雷达影像。

雷达数据采用相干微波源照射,各散射中心回波的相干叠加,造成合成矢量的振幅和相位都有一定的起伏,而且其幅度和相位与回波的方向有很大关系。这样,相当于相干电磁波照射目标时,其散射回来的总回波并不完全由地物目标的后向散射系数决定,而是围绕这些后向散射系数值有很大的随机起伏,使SAR(Synthetic Aperture Radar)对目标后向散射系数的测量产生一定偏差,在最终得到的图像中出现相干斑噪声[19]。为了抑制SAR图像的斑点噪声,对影像采取多视、滤波处理。影像配准是将图像纠正在某种地理编码的坐标系统中,使得它与某个参考影像具有相同的几何属性,图像配准包括选取地面控制点(GCP)和几何纠正2个步骤。选取GCP点尽量选取影像上易于分辨的特征点(路的交差点、房角点等),GCP点应尽可能地均匀分布在整幅影像上。最后根据位置信息提取采样点对应的后向散射系数,由于雷达数据的均一性比较差,因此本研究选取采样点含水率均值来分析含水率和后向散射系数的变化规律。

表1 部分样点的数据信息Table 1 Part of the sample data

2.4 研究方法

2.4.1 AIEM(advanced integral equation model)模型

AIEM模型的预测值与大量实测数据具有较好的一致性,被广泛应用于随机粗糙地表散射的模拟[20],AIEM模型模拟不管是模拟同极化微波后向散射特征,还是模拟交叉极化的微波后向散射特征都能较好刻画地表微波散射特征。AIEM单次散射的后向散射系数表达式为

式中:pq代表极化方式；k1是介质1中的自由空间波数；S是土壤表层均方根高度；Wn(ksx-kx,ksy-ky)是地表相关函数的n阶傅里叶变换；kz,ksz,ksx,kx,ksy, ky为入射方位角函数；I为菲涅尔反射系数；W为地表粗糙度相关函数。

2.4.2 经验模型

前人研究表明在微波波段,土壤电磁波的地表散射特性直接与地表粗糙度、水分含量有很大关系。韩桂红研究基于多极化C波段数据,借助AIEM模拟一定入射角以及地表粗糙度的地表散射特征,寻求雷达后向散射系数与雷达系统参数、地表粗糙度参数以及土壤水分量之间的关系,建立了有效的地表参数及含水量反演的经验模型[22]。因为研究区所用影像数据及研究区概况和该模型十分吻合,所以此次研究选取该经验模型,利用四极化RadarSsat -2数据对裸露地表土壤的含水量进行反演,其经验模型公式为:

式中:Zs为地表组合粗糙度(cm)；Δδ0为同一区域不同极化方式的后向散射系数之差；pq分别为极化方式；Apq(θ),Bpq(θ),Cpq(θ),Mpq(θ),Npq(θ)是只和入射角有关的函数；Mv为地表含水率(%)；δ0pq为四极化后向散射系数(dB)。其中:

为了满足实验精度的要求,必须考虑地表粗糙度对后向散射系数的影响,地表粗糙度经验模型的建立满足了在考虑地表粗糙度的情况下建立经验模型,而不用野外测量地表粗糙度,大大降低实验的难度,即含水率经验模型中将地表粗糙度只作为中间变量。经实验数据分析得到入射角函数的相关系数,如表2、表3所示,那么借助含水率经验模型和处理后雷达影像数据的后向散射系数,即可容易得出研究区域土壤水分空间分布情况。

表2 含水量经验模型中角度函数相关系数值Table 2 Angle function coefficient values in empirical model of moisture

表3 粗糙度经验模型中角度函数相关系数值Table 3 Angle function coefficient values in empirical model of surface roughness

3 结果与分析

3.1 土壤含水量反演

经验模型是在AIEM模型裸露地表后向散射特征的基础上建立的,应用在裸露地表时反演结果精度较高,研究区实验时间在春耕前,基本没有植被覆盖,借助经验模型和影像数据反演不同极化组合方式下研究区土壤含水率情况,得出土壤水分空间分布如图2所示。

图2 反演土壤水分空间分布Fig.2 Spatial distribution of soil moisture inversion

从经验模型反演得出的研究区土壤水分空间分布图可知,在研究区西北部主要是山体,其余部分以耕地为主,总体上土壤含水量分布在10%～30%之间,研究区的中部和西部含水量较高,该区域存在灌溉渠系、河流、湖泊等；含水量较低的区域存在山地、居民地等。反演结果和实际野外考察情况基本吻合,由此可知,反演得到的土壤水分空间分布图大体趋势是准确的。

3.2 精度评价

在研究区选取野外观测的40个表层土壤的实测数据进行验证,定量评价经验模型的反演精度,由于购置的雷达影像入射角在一个很小的范围内,可以不考虑角度变化,如图3不同极化组合方式下实测值与反演值的散点图,从图中可以看出VV-VH极化组合的相关程度最高,达到0.931 1,满足研究区要求的反演精度；HH-HV极化组合的相关性也基本达到精度要求；而HH-VV极化组合的相关程度最低,只有0.585 3,反演精度不是很高。

3.3 分 析

图3 实测含水量和反演含水量散点图Fig.3 Scatter plot of soil moisture of measured results and inversion results

研究将AIEM模型应用到干旱区盐渍地裸露地表中,建立了C波段雷达影像后向散射系数同土壤水分、组合粗糙度参数之间的非线性关系,结合雷达数据极化组合方式的不同,提出土壤水分反演方案,得到巴彦淖尔市陕坝镇地表土壤水分空间分布图,利用研究区实测土壤含水量数据对经验模型反演结果进行了精度评价。结果表明:HH-VV,HH-HV, VV-VH 3种极化组合方式下,模型的反演结果和实测数据的相关性都比较好,反演精度最高的极化组合方式为VV-VH,土壤水分反演值和实测值的相关性达到0.931 1,反演结果能准确地反映研究区地表土壤水分空间分布情况。经验模型对于盐渍地地表土壤水分反演取得了较好的结果,这与前人研究结果基本吻合,说明经验模型在研究区地表水分反演中取得了很好的结果。

模型是在给定的雷达系统参数和地表参数下建立的,该模型还存在一定问题。建立的经验模型反演小粗糙度(S＜1.5cm,L∈(4,18))的盐渍地地表精度较高,地表有较大粗糙度时反演精度较低[23],反演结果存在不确定性；该经验模型是在C波段雷达影像基础上建立的,是不是适合其他波段的雷达影像需要进一步的分析研究,模型的完善是下一步工作的重点。

4 结 论

本研究借助后向散射经验模型对巴彦淖尔市陕坝镇裸露地表土壤水分进行反演,得到3种不同极化组合方式下土壤水分空间分布图,并对反演结果进行了精度评价。结果表明:VV-VH极化组合方式与反演数据相关性最高,达到0.931 1,满足研究区精度要求。经验模型不需要粗糙度参数即可对地表进行大面积土壤水分的监测,可以获得较好的结果,达到省时省力、节约经费的目的。因此四极化雷达数据在大面积土壤水分监测中有较好的应用前景。

参考文献：

[1]SHI J C,CHEN K S,LI Q,et al.A Parameterized Surface Reflectivity Model and Estimation of Bare Surface Soil Moisture with L-band Radiometer[J].IEEE Transactions Geoscience and Remote Sensing,2003,40(12): 2831-2841.

[2]OH Y,SARABANDI K,ULABY F T.An Empirical Model and An Inversion Technique for Radar Scattering from Bare Soil Surfaces[J].IEEE Transactions on Geoscience and Remote Sensing,1992,30(2):370-381.

[3]OH Y,SARABANDI K,ULABY F T.An Inversion Algorithm for Retrieving Soil Moisture and Surface Roughness from Polarimetric Radar Observation[C]//Geoscience and Remote Sensing Society.Proceedings of IEEE International Geoscience and Remote Sensing Symposium, Pasadena,California,United States,1994,3(1):1582-1584.

[4]OH Y.Quantitative Retrieval of Soil Moisture Content and Surface Roughness from Multipolarized Radar Observations of Bare Soil Surfaces[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(4):596-601.

[5]DOBSON M C,ULABY F T.Active Microwave Soil Moisture Research[J].IEEE Transactions on Geoscience and Remote Sensing,1986,24(1):23-36.

[6]DOBSON M C,ULABY F T,HALLIKAINEN M T,et al.Microwave Dielectric Behavior of Wet Soil[J].IEEE Transactions on Geoscience and Remote Sensing,1985, 23(1):35-46.

[7]DUBOIS P C,ZYL J V,LINGMAN T.Measuring Soil Moisture with Imaging Radars[J].IEEE Transactions on Geoscience and Remote Sensing,1995,33(4):915-926.

[8]ZRIBI M,BAGHDADI N.Analysis of Surface Roughness Heterogeneity and Scattering Behavior for Radar Measurements[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(9):2438-2444.

[9]ZRIBI M,DECHAMBRE M.A New Empirical Model to Retrieve Soil Moisture and Roughness from C-band Radar Data[J].RemoteSensingofEnvironment,2003, 84(1):42-52.

[10]ZRIBI M,HÉGARAT-MASCLE S L,OTTLÉ C,et al. Surface Soil Moisture Estimation from the Synergistic Use of the(Multi-incidence and Multi-resolution)Active Microwave ERS Wind Scatterometer and SAR Data[J]. Remote Sensing of Environment,2003,86(1):30-41.

[11]SHI J C,LI Z,LI X W.Evaluate Usage of Decomposition Technique in Estimation of Soil Moisture with Vegetated Surface by Multi-temporal Measurements Data[J].Journal of Remote Sensing,2002,6(6):412-416.

[12]SHI J,WANG J,HSU A.Estimation of Bare Surface Soil Moisture and Surface Roughness Parameters Using LBand SAR Image Data[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(5):1254-1266.

[13]王树果,李 新,韩旭军,等.利用多时相ASAR数据反演黑河流域中游地表土壤水分[J].遥感技术与应用, 2009,24(5):582-587.(WANG Shu-gou,LI Xin,HAN Xu-jun,et al.Derivation of Surface Soil Moisture in the Middle Stream of Heihe River Basin Using Multi-temporal ASAR Images[J].Remote Sensing Technology and Application,2009,24(5):582-587.(in Chinese))

[14]鲍艳松,刘良云,王纪华,等.利用ASAR图像监测土壤含水量和小麦覆盖度[J].遥感学报,2006,10(2): 263-271.(BAO Yan-song,LIU Liang-yun,WANG Jihua,et al.Estimation of Soil Water Content and Wheat Coverage with ASAR Image[J].Journal of Remote Sensing,2006,10(2):263-271.(in Chinese))

[15]李宗谦,冯孔豫.从雷达后向散射系数反演土壤湿度与复介电常数[J].中国科学(E辑),1997,27(3):243-248.(LI Zong-qian,FENG Kong-yu.Inversion of Soil Moisture and the Complex Dielectric Constant by Radar Scattering Coefficient[J].Science in China(Series E). 1997,27(3):243-248.(in Chinese))

[16]余 凡,赵英时.合成孔径雷达反演裸露地表土壤水分的新方法[J].武汉大学学报(信息科学版),2010, 35(3):317-321.(YU Fan,ZHAO Ying-shi.A New Method for Soil Moisture Inversion by Synthetic Aperture Radar[J].Geomatics and Information Science of Wuhan University.2010,35(3):317-321.(in Chinese))

[17]陈 晶,贾 毅,余 凡.双极化雷达反演裸露地表土壤水分[J].农业工程学报,2013,29(10):109-115. (CHEN Jing,JIA Yi,YU Fan.Soil Moisture Inversion by Radar with Dual-polarization[J].Transactions of the ChineseSocietyofAgriculturalEngineering,2013, 29(10):109-115.(in Chinese))

[18]刘秉旺,张茂盛,陈龙生,等.内蒙古河套灌区土壤盐渍化成因研究[J].西部资源,2013,(3):172-173.(LIU Bing-wang,ZHANG Mao-sheng,CHEN Long-sheng,et al.Research on Inner Mongolia Hetao Irrigation Area of Soil Salinization[J].Western Resources,2013,(3): 172-173.(in Chinese))

[19]王 超,张 红,陈 曦,等.全极化合成孔径雷达图像处理[M].北京:科学出版社,2008:55-56.(WANG Chao,ZHANG Hong,CHEN Xi,et al.Image Processing of Radar with Full Polarization Synthetic Aperture[M]. Beijing:Science Press,2008:55-56.(in Chinese))

[20]余 凡,李海涛,张承明,等.利用双极化微波遥感数据反演土壤水分的新方法[J].武汉大学学报,2014, 39(2):225-228.(YU Fan,LI Hai-tao,ZHANG Chengming,et al.A New Approach for Surface Soil Moisture Retrieving Using Two-polarized Microwave Remote Sensing Data[J].Geomatics and Information Science of Wuhan University,2014,39(2):225-228.(in Chinese))[21]ULABY F T,MOORE R K,FUNG A K.Microwave Remote Sensing Active and Passive[M].Norwood,Massachusetts:Artech House Press,1981.

[22]韩桂红.干旱区盐渍土极化雷达土壤水分反演研究[D].乌鲁木齐:新疆大学,2013.(HAN Gui-hong.Soil Surface Moisture Inversion Research on Saline Soil by Polarized Radar in Arid Areas[D].Urumuqi:Xinjiang University,2013.(in Chinese))

[23]陈 晶,贾 毅,余 凡.双极化雷达反演裸露地表土壤水分[J].农业工程学报,2013,29(10):109-115. (CHEN Jing,JIA Yi,YU fan.Soil Moisture Inversion by Radar with Dual-polarization[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(10): 109-115.(in Chinese))

(编辑:刘运飞)

Research on Soil Moisture Inversion at Bare Ground Surface Using the Polarization Radar

XU Zhi,LI Biao
(Inner Mongolia Technical College of Mechanics and Electrics,Huhhot 010070,China)

To retrieve the spatial distribution of bare surface's soil moisture at a large scale accurately and instantly,based on a commercial satellite named RADARSAT-2,the authors studied the technique and method of soil moisture retrieving.An irrigation zone of Hetao Plain,located in Shanba town,Hanggin county,Bayannur city, was taken as an example for soil moisture with four-polarized radar refined monitoring.According to advanced integral equation model(AIEM),an empirical model of bare soil moisture with microwave scattering was established, which was suitable for Hetao irrigation area.The empirical model of surface water inversion in Hetao irrigation area was applied,and it was compared with the measured data through correlation analysis.The results indicate that relevant coefficient of polarization combination VV-VH is as high as 0.9311.The model can meet the requirements of soil moisture monitoring,superior to traditional soil moisture classification methods.Finally,it promotes the application of polarized microwave remote sensing in soil moisture monitoring.

radar image；soil moisture；empirical model；polarization combination；Hetao irrigation area

S152.7；P628.2

A

1001-5485(2015)11-0125-05

10.11988/ckyyb.20140832

2014-09-20；

2014-11-25

徐 智(1964-),男,内蒙古呼和浩特人,副教授,主要从事水利工程测绘研究,(电话)13847120211(电子信箱)597660430@qq.com。

李 彪(1988-),男,河北保定人,硕士,主要从事灌区土壤水盐藕合遥感监测敏感性研究,(电话)18698463119(电子信箱)lb8239@ 163.com。