土壤湿度指数预测沈阳市浅层地下水

2019-01-16吴迪

水利规划与设计 2018年12期

吴迪

(辽宁省沈阳水文局，辽宁沈阳 110094)

埋深及地下水富集程度是影响土壤湿度的主要因素，表层在埋深较浅，且地下水富集程度较高时，其毛细管水可得到较高的补给，含水量处于较高水平。土壤含水量随地下水富集程度的降低而逐渐减少，毛细管水的补给及含水量不能满足植物生长基本需求，进而导致土壤干旱。地下水的富集程度在一定程度上可表示为土壤湿度，地下水存在的参数因子可选取土壤湿度进行表征。当前，对土壤水分利用遥感数据进行推演的理论方法相对比较成熟，并取得了丰富的成果。在地下水勘测评估中应用较多方法和技术为土壤湿度反演模型，如Komarov等[1]依据实地调查资料对水库周边的浅层地下水位采用2.25μm和27μm波段进行遥感反演研究；郭娇等[2]研究表明其地下水位低于3m的自然带模型表现出较好的反演效果和较强的实用性。李巨芬等[3]采用Landsat影响对辽宁省凌源市山区土壤湿度进行提取，并对该区域浅层地下水富集区依据相关数据资料进行了圈定和划分；李薇等对毛乌素沙漠的地表湿度信息采用MODIS数据进行提取；程训强等[3]以低丘红壤区为研究对象对浅层地下水埋深与不同将于类型之间的作用影响进行研究；MA Xiaodong等[4]对地下水水文、土壤水位及植被变化之间的相关关系利用塔里木河下游监测数据进行研究分析；霍艾迪等[5]利用MODIS卫星遥感数据对沙漠区域的地下水水位分布状况进行研究分析；罗浩等[6]对黄河三角洲土壤相对含水量采用表观热惯量法和温度植被干旱指数法，并依据有关数据进行了评估，依据地下水埋深与土壤相对含数量之间的相关关系构建了线性方程。

干旱半干旱区域具有空气湿度法、降水量少、蒸散发量大依据毛细分布较为理想等特征，因此对土壤湿度利用遥感技术进行反演，从而得到的地下水为与土壤湿度之间的相关性较为显著；而气候湿润区域受人工灌溉以及大气降水等因素影响其土壤剖面水分变化较大，地下水与土壤湿度之间的相关性不明显[7]。采用单一土壤湿度指数法无法对丰水期或枯水期以及不同年份降水量进行全面、客观的表征，其地下水储存状况利用该方法无法进行全面的反映。因此，本文对多年地表土壤湿度信息利用修正化水体归一指数法，并结合2010—2016年Landsat TM多光谱数据进行分析，并对区域地下水信息依据相关数据进行寻找，采用实地考察的方法对预测结果进行了验证。

1 区域概况及数据选取

1.1 研究区域概况

沈阳市位于温带半湿润大陆性季风气候区，总面积约1.3万km2，全市年降雨水量约600～800mm，降雨量受季风气候影响主要集中在夏季，冬、夏季年均气温为6.2～9.7℃，冬季寒冷漫长且降雪量较低，夏季短暂且暴雨较为集中；境内大小河流共27条，主要有绕阳河、辽河、北沙河、浑河、秀水河等，水资源总量约32.6亿m3，春季河流的流量相对较低，有时可出现干谷现象，水位在汛期暴涨，且流速较急，为季节性河流。尚屯水库、团结水库、黑牛屯水库等为沈阳市河流湖泊的主要水库[8]。

1.2 数据的选取

本文数据从中科院国际数据服务平台遥感图像LANDSAT5 TM下载，对沈阳市2010—2016年的降水资料、气温等气象数据资料进行收集，为降低信息提取受降水作用影响，选取了前7日无降水时期进行成像，且成像各类地物无显著差异性，质量较好。考虑到沈阳市特有的地理位置以及冬季可能存在大范围的冻土层对地表信息造成影响，本文选取的时间为每年4—10月，共有18景。进行几何精度矫正时所采用的地形图精度为1∶5万，并将其结果与1∶20万的水文地质图进行对比分析。

1.3 数据预处理

由于中科院数据处于L1T级别，即对此数据已经进行了地形和几何矫正，因此对该数据无需进行预处理。对TM多光谱数据采用FLAASH模块进行大气矫正，并以此消除大气对数据结果的影响。然后对研究区域的地理位置采用subset image工具进行裁剪处理，最终对系统模块利用ERDAS IMAGINE 9.2图像进行处理，并与1∶5万地形图进行对比，控制点选取相同的地理坐标，对精度进行几何矫正。

2 土壤湿度提取方法

2.1 水体差异指数

利用归一化水体差异指数法对地表湿度信息进行提取，该方法于1996年由Mcfeeters提出并用于信息分类的方法，其中波段间比值为分类的主要判别依据和基础。它是用于水域边界界定、地表湿度信息提取的主要方法，其中NDWI可采用下式计算：

(1)

式中，GREEN、NIR—绿波段和近红外波段。

在建立NDWI指数时Mcfeeters仅仅对植被因素进行了考虑，而忽视了对人工地物、土壤、植被阴影等因素影响。人工地物、阴影以及水体在NDWI图像上较易出现混乱，对其准确区分存在一定困难。

2.2 差异指数的修正

李薇[8]等对地物光谱曲研究表明，式(1)近红外波段在利用中红外波段进行替换时可明显增强水体信息，相应的阴影、土壤、植被、人工地物等因素得到压制。所以，她利用修正归一化水体差异指数法对NDWI进行了修正，基本公式如下：

(2)

式中，GREEN、MIR—绿波段和中红外波段。

针对图像其TM2波段的0.520～0.605μm范围，可利用GREEN进行表征，而TM5波段的1.550～1.750μm范围可利用MIR进行表征，式(2)可转化为：

(3)

考虑到沈阳区域特征和气候环境实际状况，对土壤及人工建筑因素可采用MNDWI进行较好的表征和处理，所以本文对土壤湿度信息的提取方法采用MNDWI法。

3 土壤湿度信息的提取

3.1 MNDWI提取土壤湿度

采用Modeler模块对研究区域空间进行建模，建模提取效果如图1所示。

图1 研究区域建模提取效果

由图1可知，图像明显分为暗色调和亮色调，裸土、岩土、植被的数值相对较低，为暗色调，河流、湖泊、水库等数值相对较大，为亮色调。地表湿度信息可在一定程度上由介于暗和亮色调之间的中间色调进行表征，浅层地下水的富集区域存在于该区域。所以浅层地下水的指标要素可通过MNDWI图像中的中间色调寻找出来，并根据指标要素来对浅层地下水分布、富集程度加以确定和判别。

3.2 最优密度分割

为了对土壤湿度信息进行更好的表征和反应，本文采用多阈值分割法对灰度图像进行处理，以期获得更好的“中间色调”。密度分割法是对不同物地的分类效果在图像上进行增强的有效方法，它与多级阈值法相类似，可结合概率分布特征和图像灰度值进行分割点的提取，并将其划分为几个级别进行登记，以此代表不同的地物覆盖类型[9]。分割点的合理选取是该方法的核心，尤其是在无多峰时或双峰分布时对图像直方图进行分割点的选取存在较大困难。结合有序量最优分割理论，对遥感图像的彩色度进分割处理，并以此改进其变化，最优密度分割法利用计算机编程进行自动求解。最优分割法在不同的分割段数存在一定的差异，其中合理的分割可通过分河段内的离差平方总和分割的段数变化曲线进行最终分析和确定。

首先对NMDWI直方图进行分析研究，结果显示，存在某一狭窄空间涵盖了MNDWI的大部分值，不能对地表湿度信息进行很好的表征，分割存在一定困难。因此在进行最优密度分割前需对其进行拉伸处理，在0～225范围内确保ND值完全覆盖，并以此对图像的地物特征对比度进行加强。上述处理方法可利用最优密度分割法对MNDWI图像以及水文信息进行处理与提取，其中分割段选取为13段，最终求得分割段数与各段内离差平方和与最优分割0区间之间的变化关系，结果如图2所示。由图2可以看出，段内力差平方总和增量在分割段数为6段以后突然增大，由此可知，第6分割段为曲线的一个明显点，曲线在该观点后逐渐趋于平缓。所以选取6段对图像灰度值进行分割最为合理。

图2 最优密度分割曲线

3.3 土壤湿度信息分级

采用掩膜处理法对ND值较大的地表水土和ND值较小的干燥区进行除去，并以此提高土壤湿度较高的水文信息，采用黑色对富水区进行突出显示，结果见表1。

表1 最优6段分割法的MDNWI计算结果

4 实例验证

地下水埋深是影响地表浅层土壤含水量的关键因素，浅层土壤含水量在地下水储量丰富且潜水位较高时可通过毛细管水的补给作用处于较高的储量；而土壤含水量在地下水储量较低且前水位下降时，毛细管水的补给作用明显降低，甚至中断。所以在干旱半干旱区域土壤中的毛细补给作用以及土壤水分含量可直观的反应地下水水位的高低[10]。地表水可通过毛细管的作用上升至地下水水位以上的浅层土壤中，为遥感监测的物理基础；地表浅层土壤的水分含量状况可采用地表土壤的反射光谱特征进行表征，所以地下水信息可利用遥感信息进行反映。本研究选择了沈阳市浑南区，对土壤湿度较大区域的浅层地下水状况进行了验证分析，其中实地水井调查结果以及水文地质图为验证数据资料的主要来源，然后对遥感信息提取土壤湿度，并对地下水进行预测可行性和准确性采用部分数据进行研究和论证。

验证区域位于沈阳市区的西部，该区域为第四系的Q3、Q4分布，地层剖面厚度约40m，结合水文地质特征和相关资料，该区域为沈阳市主要含水层，冲击砂砾岩石以及卵石含水层为该区域的主要岩性特征，岩层分选磨圆较好且结构松散，地下水水位约3～6m，处于较浅水平，单点用水量相对较大。依据调查结果和水文地质图可知，地下水富集区预测结果表现出较强的准确性和可靠性，预测结果与水文地质实际状况保持良好的一致性。地下水位受水库修建作用的影响，水位可在一定程度上呈上升趋势，因此相对于水文地质图利用遥感数据提取的浅层地下富水区面积相对较大[11]。