植被覆盖地表土壤水分反演研究进展

冉艳艳

陕西地建土地勘测规划设计院有限责任公司，陕西 西安，710075；

摘 要：传统土壤水分测量手段在对大范围地表监测时会耗费较大成本，而遥感技术为大范围地、实时地进行土壤水分测量提供了新的解决方案。其中，SAR技术因具有穿透性强、对土壤水分敏感等特性在土壤水分领域备受关注。使用SAR反演土壤水分时，主要受到植被覆盖和地表粗糙度两个因素的影响，当前主要方法是选择适用的植被微波散射模型以去除植被的影响，再选择适用的裸土微波散射模型，通过模型中后向散射系数、地表粗糙度和土壤水分之间的数学关系来反演土壤水分，以消除地表粗糙度的影响。

关键词：植被含水量，植被覆盖度，水云模型

0引言

水是地球上最常见的物质，并且是生命存在的基本条件，被誉为“生命之源”，而土壤水作为一种水的重要载体对地表和大气有着至关重要的影响[1]。土壤水分也被称为土壤湿度，土壤中的水分主要来自降水和人工灌溉，同时也有少部分来自地下水的上升[2]。无论是在理论研究还是实际生产中，土壤水分都扮演了重要的角色。在理论研究中，土壤水分对地球生态系统中的水、碳和能量的循环有重要的影响，同时土壤水分对地表的蒸腾、散发作用有很强的控制作用，在研究全球尺度的生态循环时，土壤水分也是至关重要的影响因子[3]；土壤中的水分是土壤中微生物生存所必需的物质来源，也是地表动植物重要的能量来源，直接地影响地表植被的生长情况；在建立生态环境评价系统时，土壤水分也可以作为重要指标参与评定生态的稳定性[3]。另外，大范围的土壤水分产品在解决水循环、水文和植被生长等方面的问题时有重要作用。

1 国内外研究现状

利用主动微波遥感技术估算地表的土壤水分已经有了几十年的研究历史，国内外学者经过了大量实验研究发现SAR反演土壤水分的精度主要受到植被覆盖和地表粗糙度的影响。在有植被的区域，微波信号在到达裸土地表前后会被植被衰减，同时地表粗糙度也会影响微波的回波信号，降低了微波对土壤水分的敏感性。所以目前基于SAR反演土壤水分的研究主要有两方面内容：一是如何使用SAR数据实现高精度地土壤水分反演；二是如何去除植被对SAR反演土壤水分的影响。

2基于SAR反演土壤水分的研究现状

在国际上，通过大量的实验数据发现在裸土区域，土壤水分和地表粗糙度是影响裸土地表的雷达回波信号的主要因素，并且对不同条件（不同雷达入射角、不同地表粗糙度）下土壤水分和微波信号之间的关系进行了总结。不少学者提出了一系列地表微波散射理论模型应用于土壤水分反演，理论模型中各参数有实际的物理含义，而且对传感器类型不做要求，具有适用范围较广的优点而受到重视。AIEM模型模拟地表的后向散射系数更加精确，对SAR反演土壤水分产生了较大的影响，后续大量相关研究都是基于这两个模型展开的。近年来，通过IEM模型或AIEM模型，分别使用不同的SAR数据反演研究区土壤水分，一定程度上去除了地表粗糙度的影响，取得了较好的效果。神经网络算法具有不依赖物理模型并可以逼近任意非线性公式的优点，引起了不少学者的关注并应用于土壤水分反演，相关研究主要集中于近几年。Santi通过平滑滤波器的强度调制分解了辐射测量数据和SAR数据，并输入人工神经网络算法，有效地利用了主被动微波数据的协同作用。Alexakis通过使用多时间序列的微波和光学数据进行实验，对归一化植被指数（NDVI）、雷达后向散射系数、地表温度和雷达传感器的系统参数（入射角）对土壤水分的敏感性进行了分析，并使用人工神经网络方法反演了希腊西克里特岛的土壤水分。

国内现阶段的土壤水分反演研究同样主要是基于AIEM模型来进行的。余凡、孔金玲、陈晶等人都使用AIEM模型和相应研究区的实测数据对土壤水分、地表粗糙度以及雷达后向散射系数三者的关系进行了模拟，然后把两个地表粗糙度参数整合为一个新的参数，建立新参数、土壤水分和后向散射系数之间的方程组，求解方程组解算得到土壤水分值。韩玲等在使用上述方法得出土壤水分反演方程组后，使用了改进的粒子群算法来解算方程组，提高了反演精度。甄佩佩等采用粗糙度定标公式和交叉极化分别替换两个粗糙度参数，并将***视为已知值输入到AIEM模型得到土壤水分和后向散射系数的数学关系，使用 Radarsat-2数据反演得到了鄂尔多斯风沙滩地区的土壤水分。

3 去除植被层影响的研究现状

在国际上，为了去除地表植被覆盖影响，学者们建立了一系列的植被微波散射模型来描述微波信号在植被覆盖地表的散射过程。其中，比较知名而且应用较广的有密歇根模型和水云模型。此外，光学数据相比SAR数据对植被信息更加敏感，通常会使用光学数据作为数据输入源来去除植被对雷达信号的贡献。通过水云模型结合光学数据模拟得到植被项的后向散射系数，计算得到裸土的后向散射系数进而反演得到农田的土壤水分。在使用SAR数据反演土壤水分之前，首先使用辅助数据根据研究区的潮湿程度和植被覆盖程度对研究区进行了粗略的分类，对于不同的地区设置不同的反演参数，相较于在反演前不加任何约束的方法结果相比，精度有所改善。

在国内，相关研究也主要通过协同使用光学和SAR数据的方法来反演植被覆盖地区的土壤水分。对MIMICS模型进行了简化，减少了参数的输入，并用TM数据反演得到叶面积指数（LAI）输入模型去除了植被影响，并引入植被均方根高度去除了雷达阴影效应，最后基于AIEM模型通过遗传算法得到土壤水分。赵昕等以呼伦贝尔农田为研究区，采用Landsat8数据反演得到植被冠层含水量输入水云模型去除了微波回波信号中的植被的部分，基于Radarsat-2数据通过耦合模型进行土壤水分反演，并发现 HH极化数据的反演精度要优于其他极化数据。林利斌等采用风云三号气象卫星去除了植被对哨兵1号SAR卫星后向散射系数的贡献，并用实测值与后向散射系数进行线性拟合建立反演模型，反演了滁州市的土壤水分且效果较好。王春梅等并没有使用光学数据来去除植被影响，而是使用多极化雷达数据反演植被含水量并输入水云模型，减少了辅助数据本身的误差，然后通过线性回归方法求解土壤水分，反演了夏玉米农田的土壤水分。除了使用光学辅助和多极化数据去除植被影响，使用重复观测SAR数据也可以一定程去除粗糙度和植被的影响。

4结论

本文首先介绍了土壤水分在地球生态系统中的作用，以及在不同学科中的研究意义；其次，分析了不同的土壤水分测量方法的优缺点，并着重介绍了SAR技术对于进行大范围地监测土壤水分的优势；接着，对SAR反演土壤水分的方法和去除植被影响的方法的国内外研究的现状进行了综述；最后对本文的选题依据、研究内容、结构和技术路线进行了阐述。

参考文献

[1]刘伟. 植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 中国科学院遥感应用研究所, 2005.

[2]张建国. 土壤与农作[M]. 中国水利水电出版社, 2003.

[3]王璐, 胡月明, 赵英时,等. 克里格法的土壤水分遥感尺度转换[J]. 地球信息科学学报, 2012, 14(4):465-473.

[4]杨虎. 植被覆盖地表土壤水分变化雷达探测模型和应用研究[D]. 中国科学院研究生院(遥感应用研究所), 2003.