基于TM遥感数据的土壤墒情监测方法研究——以河南省白沙灌区为例

孙喜梅等

摘要土壤墒情的监测是水文学、气象学以及农业科学领域研究的主要内容之一。该研究以河南省白沙灌区为研究对象，研究光学与热红外遥感数据融合的农田土壤含水量遥感模型与方法，应用 TM 影像穗帽变换，获取湿度分量，同时结合TM第6波段反演的植被冠层温度信息，进行分析、建模和反演土壤墒情。结果表明，该方法反演的土壤含水量与实测结果相关性较好，具有较高的土壤墒情反演精度，为灌区合理灌溉和水资源高效利用提供了技术支持。

关键词土壤墒情 ； TM遥感影像； 穗帽变换； 冠层温度

中图分类号S126文献标识码

A文章编号0517-6611（2015）05-336-02

The Method of Soil Moisture Monitoring Based on TM Remote Sensing Data— Taking Baisha Irrigation District， Henan Province as an Example

SUN Xi-mei1， LI Chao-yang2， REN Yan1

（1. College of Environment & Water Conservancy， Zhengzhou University， Zhengzhou， Henan 450001； 2. Yudong Waster Conservancy Bureau of Henan Province， Kaifeng， Henan 475002）

Abstract The monitoring of soil moisture is a major content in research fields of hydrology， meteorology and agricultural science. The remote sensing model and approach that integrate optics and thermal infrared remote sensing data for sensing soil moisture of farmland was studied by regarding Baisha irrigation district as the research object. TM images Kautlr-Thomas Transformation was applied to attain humidity constituent. Meanwhile， temperature of plant canopies inverted by the sixth wave band of TM was combined to analyze， model and invert soil moisture. The results showed that soil moisture inverted by such approach has a good correlation and a higher soil moisture inversion accuracy. Therefore， it can provide technical support for reasonable irrigation and efficient use of water resource in irrigation areas.

Key words Soil moisture； TM remote sensing data； Kautlr-Thomas Transformation； Canopy temperature

基金项目河南省基础研究计划项目（132300410031）；河南省高校科技创新团队支持计划（13IRTSTHN030）。

作者简介孙喜梅（1963- ），女，河南郸城人，工程师，从事水利信息技术研究。

收稿日期2014-11-25

我国是一个水资源短缺的国家，干旱灾害是我国主要的自然灾害之一。土壤含水量不仅是旱情监测的重要指标，也是研究洪水预报和土地退化的重要因子。传统的土壤墒情监测方法是基于测站的点测量方式，只能获得测点上的数据，难以迅速而及时地得到大面积同步的土壤墒情信息，使得大范围的旱情监测和评估缺乏时效性和代表性。遥感作为一种现代对地观测技术，具有实时、动态、信息量大等优点，广泛运用于地球资源调查及全球环境变化监测中。在遥感技术的发展中，对土壤含水量的遥感反演是定量遥感的一个重要发展方向[1]。我国土壤水分遥感监测的研究大体从20 世纪80 年代中期开始，以农田土壤水分交换及水分消耗、旱情监测为重点。基于遥感技术对土壤墒情监测研究的方法，目前仍有许多问题没有解决，比如土壤含水量的垂直分布问题，估算的精度问题等[2]。

1遥感数据的获取

以河南省白沙灌区为研究对象，提出一种利用穗帽变换的计算湿度、热红外波段反演温度相结合的反演土壤墒情方法。TM 数据的3个可见光、1个近红外、2个短波红外波段都对水分敏感[3]，而经穗帽变换后可以得到和土壤含水量密切相关的第三分量——湿度分量。植被冠层的温度变化在一定程度上反映了土壤墒情的信息，尤其是高植被覆盖的灌区作物。TM 的热红外波段可用来反演冠层温度。这样湿度和温度信息来源相同，减小了误差，可以得到具有一定精度的土壤墑情监测结果。

2土壤墒情反演过程

2.1TM数据的穗帽变换

TM 的多个波段对水分具有一定的敏感性，而多光谱影像各波段之间具有一定的相关性，对TM影像进行穗帽变换，提取研究需要的湿度分量进行旱情监测。穗帽变换后的TM影像中，第一分量反映了各波段辐射水准的总和，认为是亮度分量；第二分量在一般地区表征了植被覆盖度的高低和植物活性的强弱，认为是绿度分量；第三分量则认为地表面湿度状况的指标，称作湿度分量，地表湿度越高，此值越大。

该研究利用辐射校正和几何校正后的TM影像进行穗帽变换，获取其湿度的信息进行土壤墒情的分析和反演。穗帽变换的转换系数是固定的，它独立于单个图像，不同图像产生的亮度和绿度可以互相比较。当植被成熟和逐渐凋落时，其在绿色度图像特征减少，在湿度上的信息增强。

2.2植被冠层温度

热红外遥感最重要的应用之一是反演土地表面温度（Land Surface Temperature，LST），对裸土来说土地表面温度是土壤表面温度，高植被覆盖的土地表面温度被认为是植物冠层的表面温度。当前，釆用TM6数据反演地表温度有3种方法：辐射传导方程法、单窗算法和单通道算法。辐射传导方程法需要卫星过境时刻的实时大气剖面数据，且计算过程复杂，在实际中较少应用。单窗算法和单通道算法仅需基本的气象资料就可实现地表温度的反演，相比辐射传导方程法，单窗算法和单通道算法所需参数资料少，计算过程容易实现。该研究选用了单通道算法。对于 LandsatTM6，其计算公式如下：

Ts=γ1φ11L+φ2ε+φ3+δ（1）

式中，Ts是土地表面温度，高植被覆盖下的灌区即为作物冠层温度；ε是地表发射率，利用 NDVI 获取；L是卫星高度上遥感传感器测得的辐射强度；γ、δ、φ是中间变量，可以通过计算得到。

2.3灌区土壤墒情反演

研究结果表明，作物在充分供水条件下冠层温度-气温差变化较平缓；缺水时变化较大。冠层温度-气温差能反映土壤水分变化状况和作物水分亏缺程度。实验发现TM影像通过穗帽变换得到的第三分量在影像上的像元值与地表湿度呈正相关，像元值越大，相对应的灌区含水量越高。该研究将湿度与温度结合反演土壤墒情。在灌区农田小气候环境下，冠层温度和地表湿度之间有高度的相关性，应用这一特性，结合穗帽变换湿度分量和冠层温度-气温差，得到公式（2）：

H=TCΔT （2）

式中，H表示农田的相对湿润程度，此值越小，农田越干旱，反之则越湿润；TC表示 TM 穗帽变换湿度分量；ΔT表示反演的植被冠层温度与卫星过境时气温的差值。

3土壤墒情反演结果及分析

3.1土壤墒情反演的结果

采用河南省白沙灌区2007年5月19日的TM数据，利用公式（2）得到的湿度大小关系的单波段影像见图1。

图1是一个土壤墒情大小相对关系，若要定量地获取土壤墒情结果，还需要与相应地面点实测土壤含水量值进行拟合。实验中，搜集到白沙灌区地面实测点数据18个，此处取 10个点用作数据拟合，另外8个点作为验证使用。利用拟合结果，对图1土壤湿度影像图进行运算，定量表示湿度的信息。根据土壤含水量等级，用不同的颜色表示不同的土壤含水量，生成土壤含水量等级分布结果，如图2所示。

3.2结果分析

对白沙灌区2007年5月19日得到的土壤墒情进行分析，分别计算其不同墒情等级所占面积及所占百分比，并把反演值与实测值进行比较。计算得到的墒情统计结果见表1。

8个测点的实测值与反演值的比较见表2。

从表2可看出，该方法反演土壤墒情结果与实测数据的误差分析显示，平均误差不超过16%，用于灌区土壤含水量监测具有较高精度。

4结语

以河南省白沙灌区为例，研究基于多光谱数据各波段之间的相关性以及 TM 数据多个波段对水分的敏感特性，利用穗帽变换得到表示湿度的分量；同时，由于植被冠层缺水时温度升高的特性，因此利用 TM 第 6 波段，采用单通道法对冠层温度进行计算，得到冠层温度与气温之间的温差，为湿度分量加入温度信息，二者集成计算土壤含水量。反演结果与实测值对比，相关系数在 0.7 以上（n=10），相关性较好，该方法能较准确地反演土壤墒情。

参考文献

[1]

ROSNAY P D，CALVET J C，KERR Y，et al.SMOSREX：A long term field campaignexperiment for soil moisture and land surface processes remote sensing[J].Remote Sensing of Environment，2006，102：377-389.

[2] 贾坤，姚云军，魏香琴，等.植被覆盖度遥感估算研究进展[J].地理科学进展，2013，28（7）：774-782.

[3] 赵汗青. 基于SPOT-4/VEGETATION 数据的中国植被覆盖动态变化研究[J].测绘空间地理信息，2013，33（1）：164-166.

[4] JIAPAER G L，CHEN X，BAO A M. A comparison of methods for estimating fractional vegetation cover in arid regions[J].Agricultural and Forest Meteorology，2011，151：1698-1710.

責任编辑卢瑶责任校对况玲玲