基于MODIS的郑州市土壤水分反演

高 攀，王纪军，宋 轩*

(1.中国气象局/河南省农业气象保障与应用技术重点开放实验室，河南郑州 450003;2.郑州大学水利与环境学院，河南郑州 450000)

郑州市作为河南省省会，面积广阔，而土壤水分观测站点稀少，全区目前有观测数据的土壤水分站点16个，因此常规观测手段很难全面了解土壤水分以及旱情分布情况，通过遥感手段开展相关观测是目前较为有效的解决方法。开展遥感土壤水分监测，关键是要选择合适的反演模型，提高反演精度。因此，笔者基于MODIS数据，在植被覆盖度较高的时期，采用植被干旱指数法来反演土壤水分，在植被覆盖度较低的时期，采用表观热惯量法进行郑州市土壤水分反演，保证土壤水分遥感监测的连续性，旨在为研究郑州市土壤水分的空间分布提供理论依据和数据支持。

1 研究区概况与数据来源

1.1研究区概况郑州市位于河南省中部，地理位置界于112°42′～114°13′E、34°16′～34°58′N，总面积7 446 km2(图1)。属于暖温带大陆性季风气候。郑州总的地势为西南高、东北低，呈阶梯状下降。主要土壤类型有褐土、潮褐土、棕壤土、红黏土和潮土等。

1.2遥感数据来源使用的MODIS数据来源于美国USGS站点16 d合成的1 km分辨率的MOD13A2数据和8 d合成的1 km分辨率的MOD11A2数据。由于USGS 2016年1、7、8、10月数据异常，研究使用2016年2、3、4、5、6、9、11、12共8个时期的影像。

2 基于温度植被干旱指数模型的土壤水分反演

2.1温度植被干旱指数温度植被干旱指数(temperature-vegetation dryness index，TVDI)是基于地表温度(TS)和归一化植被指数(NDVI)用于土壤水分监测的表征相对干旱程度的指数，该指数由Sandholt等[5]提出。TVDI越大，土壤水分越低，TVDI越小，土壤水分越高[6]。TVDI计算公式：

(1)

式中，Tsmin表示最小地表温度，对应的是湿边；TS是任意像元的地表温度；Tsmax=a+bNDVI为某一NDVI对应的最高温度，即干边，a、b是干边拟合方程的系数。

2.2关键参数的获取

2.2.1植被指数。植被指数表征绿色植被覆盖度，最常用的是归一化植被指数(normalized difference vegetation index，NDVI)，其计算公式：

图1 郑州市地理位置Fig.1 Geographical location of Zhengzhou City

(2)

其中，NDVI为归一化植被指数；CH1、CH2分别为MODIS的红光和近红外波段的反射率。

平台在刚刚投入使用时，煤矿企业需重视对员工情绪的安抚工作，消除员工对共享平台存在的反感情绪，让他们能够接受并使用共享平台，同时领导层也需要支持与鼓励对平台的建设与使用，让企业从上至下均能够积极配合对共享平台的使用。

2.2.2地表温度。地表温度是用来反映地表物理过程中的关键指标，由于遥感反演无法得到精确的地表温度，一般情况下，使用反演的冠层温度近似地代替地表温度。该研究采用针对MODIS探测仪特性而设计的白天/夜间MODIS地表温度获取方法[7]，即：

TS=1.034 6T31+2.577 9(T31-T32)

(3)

式中，TS为冠层温度；T31、T32分别为MODIS的31、32波段的亮温。

2.2.3地表温度与植被指数的关系。植被指数能够反映绿色植被的覆盖度状况，地表温度能够反映土壤的水分信息，将二者的信息进行结合，能够为一定区域内的土壤水分监测提供依据。研究表明，地表温度(TS)和植被指数(NDVI)之间存在密切的负相关关系[8]。提取郑州市区域内相同NDVI下的所有不同像元对应的所有地表温度中的最大和最小温度，获得2016年4、5、9、11、12月的地表温度与植被指数的关系，即TS/NDVI的特征空间。

2.2.4干湿边的确定。利用TS/NDVI特征空间关系中相应的最大和最小陆地表面温度，通过回归拟合分别得到2016年4、5、9、11、12月5个月的干湿边方程(表1)。

2.2.5郑州市温度植被干旱指数分布。根据式(3)，分别得到5个时期郑州市的TVDI分布，并以温度植被干旱指数(TVDI)值对土壤水分含量进行分级(图2)。

表1 TS-NDVI特征空间的干边和湿边方程

3 基于热贯量模型的土壤水分反演

3.1土壤热惯量土壤热惯量反映了土壤的热特性，与土壤水分关系密切。同一类型的土壤土壤水分越高，热惯量越大，二者之间存在明显的正相关关系[9]。由于真实的热惯量不易获得，通常用能反映真实热惯量相对大小的表观热惯量(ATI)来表征。根据作物生长规律可知，2、3、6月植被覆盖度较低，此时期采用热惯量模型反演土壤水分较为适合。该研究采用Cosh等[10]的方法计算表观热惯量，即

(4)

式中，ATI为表观热惯量；C为太阳辐射校正系数；α0为宽波段反照率；ΔLST0为午间地表温度与午夜地表温度的温差，K。其中，C的计算公式：

C=sinθcosφ(1-tanθ2tanφ2)+cosθcosφcos-1(-tanθtanφ)

(5)

式中,θ为地理纬度；φ为太阳赤纬。

3.2关键参数的获取宽波段反照率α0采用Liang[11]的方法，计算公式：

α0=0.16α1+0.291α2+0.243α3+0.116α4+0.112α5+0.081α7-0.001 5

(6)

式中，αi(i= 1，2，3，4，5，7)为MODIS各波段的反射率。

午间地表温度与午夜地表温度的温差ΔLST0的计算公式：

ΔLST0=ΔLST0,d-ΔLST0,n

(7)

式中，ΔLST0,d为午间地表温度，ΔLST0,n为午夜地表温度，K0。

图2 2016年4、5、9、11、12月郑州市TVDI分布Fig.2 Distribution of TVDI in Zhengzhou in April，May，September，November and December of 2016

3.3郑州市表观热惯量分布基于式(5)、(6)和(7)，反演得到了郑州市2016年2、3和6月3个月的表观热惯量ATI分布，并以ATI值对土壤水分含量进行分级，结果见图3。

4 结论

该研究利用MODIS影像反演2016年8个月郑州市地表土壤水分，结果表明，根据遥感获取的信息分析郑州市土壤水分的空间分布与气象资料、年降水量分布规律和年平均相对水分分布规律相吻合，可以用来分析郑州市土壤水分的空间分布。在作物生长的不同时期，选择使用植被干旱指数法和热惯量法来反演土壤水分，可以保证土壤水分连续的不间断的有效监测。MODIS数据的空间分辨率为1 000 m，遥感反演图像较为精细，能够满足地市级一般业务服务需求，且具有高时间分辨率和高光谱分辨率的优势，可以进一步加入实测数据对反演结果进行订正之后，只需要在晴空条件下，获取一景白日过境的MODIS卫星数据，即可实现对地表土壤水分的快速判别，方便土壤水分遥感监测业务化运行。

图3 2016年2、3和6月郑州市ATI分布Fig.3 ATI distribution in zhengzhou in February，March and June of 2016