蔡亮紅 丁建麗? 魏 陽

（1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046）

（2 新疆大學(xué)綠洲生態(tài)教育部重點實驗室，烏魯木齊 830046）

基于多源數(shù)據(jù)的土壤水分反演及空間分異格局研究*

蔡亮紅1，2丁建麗1，2?魏 陽1，2

（1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046）

（2 新疆大學(xué)綠洲生態(tài)教育部重點實驗室，烏魯木齊 830046）

溫度植被干旱指數(shù)（TVDI）是一種通過反演土壤水分來反映土壤干旱狀況的重要方法。在TVDI的基礎(chǔ)上引入數(shù)字高程模型（DEM）數(shù)據(jù)對地表溫度進行校正，能夠減少地形起伏對能量二次分配的影響。用閾值將研究區(qū)分割成不同土地利用類型，結(jié)合野外同步實測數(shù)據(jù)，用分段反演模型反演渭-庫綠洲土壤水分分布圖，并對渭-庫綠洲土壤水分的空間格局和分異規(guī)律進行分析。結(jié)果表明：（1）地形校正后的TVDI能夠更好地反映土壤水分狀況；（2）土壤水分總體上從西至東，由北向南降低，在綠洲內(nèi)部較為穩(wěn)定，在交錯帶變化較為劇烈，土壤水分垂直變異系數(shù)呈現(xiàn)冪函數(shù)遞減的整體變化趨勢；（3）針對研究區(qū)不同土地利用類型用分段反演模型進行反演，有效地實現(xiàn)優(yōu)勢互補，總體上提高了土壤水分的反演精度，在區(qū)域土壤水分研究中值得關(guān)注和應(yīng)用。

溫度植被干旱指數(shù)（TVDI）；地形校正；土壤水分；空間格局

土壤水分是土壤—植被—大氣連接的關(guān)鍵因子，是土壤系統(tǒng)中物質(zhì)和能量循環(huán)的載體，對土壤特性、植被生長分布以及區(qū)域生態(tài)系統(tǒng)有著重要的影響［1-2］。同時隨著全球氣候變暖、干旱發(fā)生頻繁，土壤水分短缺已成為干旱區(qū)限制植物生長發(fā)育與分布的關(guān)鍵因素［3］。傳統(tǒng)的土壤水分信息獲取主要利用地面觀測站進行監(jiān)測，常見的方法有稱重烘干法、中子法、電磁技術(shù)、時域反射計（TDR）法等［4-5］，其主要優(yōu)點是精度高、取樣靈活，但是由于采樣點數(shù)目有限，很難實現(xiàn)大范圍、連續(xù)的觀測，并且人力、物力投入較大，為了獲取大范圍空間連續(xù)的土壤水分信息，多分辨率、多時相、近實時的遙感技術(shù)成為解決該問題的手段之一。但是土壤水分遙感監(jiān)測一直是國內(nèi)外遙感應(yīng)用研究領(lǐng)域的熱點和難題之一［6-8］。自20世紀(jì)60年代來，國內(nèi)外對遙感監(jiān)測土壤水分方法進行了大量的研究，取得了許多成果。主要方法包括熱慣量法［9］、蒸散量計算法［10］、基于可見光與熱紅外波段的特征空間方法［11］和微波遙感方法［12］，其中可見光與熱紅外波段的特征空間監(jiān)測土壤干濕狀況是具有一定研究基礎(chǔ)的土壤水分估算模型［13］。目前利用地表溫度—植被覆蓋指數(shù)（Ts-NDVI）特征空間進行旱情監(jiān)測已取得一定的進展，但對于覆蓋較好的天然植被和農(nóng)作物，使用NDVI 造成的紅光飽和問題比較嚴(yán)重，背景的土壤噪聲也在一定程度上損害了NDVI的空間一致性［14］，Qi等［15］在此基礎(chǔ)上采用土壤調(diào)節(jié)植被指數(shù)（Modified Soil-Adjusted Vegetation Index，MSAVI）對其進行改進，取得了較好的效果；伍漫春等［16］的研究也表明Ts-MSAVI能夠更好地反映區(qū)域土壤水分狀況，是一種更有效的土壤水分監(jiān)測方法。此外，冉瓊等［17］用數(shù)字高程模型（DEM）對全國地表溫度進行訂正，結(jié)果表明經(jīng)過DEM 校正獲取的溫度植被干旱指數(shù)能更好地反映土壤濕度；劉海隆等［18］和柯靈紅等［19］通過研究西北地區(qū)不同的遙感數(shù)據(jù)均得出了地表溫度隨海拔高度的增高而降低，隨坡度的增加而減小，隨地勢起伏度的增加而降低的結(jié)論。因此在Ts-MSAVI的基礎(chǔ)上引入DEM進行校正能否提高土壤水分反演精度值得研究的。

渭—庫綠洲位于干旱與極端干旱地區(qū)，土壤水分是綠洲—荒漠生態(tài)系統(tǒng)穩(wěn)定性的重要指標(biāo)［20］，全面揭示綠洲—荒漠土壤水分的運移規(guī)律顯得十分重要。為了更好地提高TVDI模型反演土壤水分的精度，本研究以Landsat8數(shù)據(jù)為基礎(chǔ)，利用DEM數(shù)據(jù)對地表溫度數(shù)據(jù)進行地形校正，采用基于MSAVI的溫度植被干旱指數(shù)方法分段反演研究區(qū)2015年7月土壤表層水分狀況，來反映其土壤干濕狀況，同時采用同步采樣獲取的土壤表層水含量實測數(shù)據(jù)驗證該方法的可行性，并應(yīng)用實測數(shù)據(jù)進一步分析渭—庫綠洲地區(qū)土壤水分的空間分布格局。

1 材料與方法

1.1 研究區(qū)概況

渭—庫綠洲位于新疆南部塔里木盆地中北部，屬阿克蘇地區(qū)，轄新和、庫車、沙雅3縣，地理坐標(biāo)41°06′～41°38′N、81°26′～83°17′E，地勢北高南低，自西北向東南傾斜，溝壑相間，是一個典型而完整的山前沖積扇平原（圖1）。氣溫日較差大，年平均氣溫10.5～14.4℃，極端最高氣溫41.5℃，潛在蒸發(fā)量2 420mm，多年平均降水量為43mm，蒸降比約54∶1，降水較少，屬于干旱與極端干旱地區(qū)。土壤主要為潮土和草甸土［21］。天然植被以蘆葦（Phragimitesaustralis）、駱駝刺（Allhagisparisifolia）、花花柴（Karelinacaspica）等為主。

1.2 實測樣品數(shù)據(jù)與影像數(shù)據(jù)

2015年7月10日至23日采集38個采樣點的野外實測數(shù)據(jù)，每個采樣點采集0～10、10～20、20～40、40～60、60～80、80～100cm共六層土壤樣本，共采集到228個土壤樣本。其中綠洲內(nèi)采樣點18個，交錯帶內(nèi)的采樣點20個，采用烘干法測定土壤含水量，溫度控制在105℃。為了與野外實測數(shù)據(jù)相結(jié)合，選擇的影像數(shù)據(jù)為野外采樣時間段內(nèi)的Landsat8遙感數(shù)據(jù)，獲取時間為2015年7月15日，DEM數(shù)據(jù)的來源為中國科學(xué)院數(shù)據(jù)中心的ASTER GDEM 數(shù)據(jù)，分辨率為30 m。

圖1 研究區(qū)樣點分布圖Fig. 1 Distribution of sampling sites in the study area

地形校正法是目前應(yīng)用最為廣泛的C校正模型，前期數(shù)據(jù)處理包括幾何精校正和COST模型大氣校正，幾何精校正誤差（RMS）小于0.5，然后用矢量邊界進行裁剪。利用DEM數(shù)據(jù)在ENVI軟件中計算得到坡度、坡向數(shù)據(jù)，同時為了消除大氣散射和地表相鄰點反射光折射造成的像元亮度值（DN值）和太陽入射角α之間的余弦關(guān)系，本研究在二階校正模型的基礎(chǔ)上利用IDL（Interactive Data Language）語言進行改進，并經(jīng)過二次校正才能得到校正結(jié)果。MSAVI是在ENVI軟件中采用波段運算計算得到。

1.3 TVDI原理

地表溫度是地球表面能量平衡和溫室效應(yīng)的一個很好的指示指標(biāo)，它能反映土壤水分狀況，是區(qū)域和全球尺度地表物理過程中的一個關(guān)鍵因子。植被指數(shù)（VI）是由傳感器可見光和近紅外通道探測數(shù)據(jù)的線性或非線性組合計算而來，能夠提供綠色植被生長狀況和分布信息。利用Ts-VI反演土壤水分的原理，是基于水分蒸發(fā)和植被蒸騰對地表溫度的降低作用。Sandholt等［22］因此發(fā)展了溫度植被干旱指數(shù)（TVDI）的土壤水分監(jiān)測方法，其表達(dá)式如下所示：

式中，Ts為任意像元的地表溫度，本研究中用Landsat8數(shù)據(jù)，其中以Band10波段獲取輻射亮溫；Tsmax= a1+ b1×VI為某一VI值對應(yīng)的最高地表溫度，即特征空間干邊，a1、b1為干邊擬合方程的系數(shù)；Tsmin= a2+ b2×VI為某一VI對應(yīng)的最低地表溫度，對應(yīng)于圖中Ts-VI空間的濕邊，a2、b2為濕邊擬合方程的系數(shù)。干邊上像元干旱指數(shù)為1，濕邊上像元干旱指數(shù)為0，計算得到任何一點TVDI值介于0和1之間。TVDI越大，土壤水分越低，干旱程度越高；反之干旱程度越輕。

1.4 灰度直方圖分割

基于直方圖的灰度圖像分割是一種簡單有效的分割方法，對圖像內(nèi)容簡單、目標(biāo)與背景灰度差較大的影像能取得較好地分割效果，其思路是利用影像生成灰度直方圖，統(tǒng)計直方圖的分布特性，針對直方圖的波峰或波谷運用不同的準(zhǔn)則來獲取最佳閾值［23-24］。由于閾值分割對噪聲比較敏感，為準(zhǔn)確獲取研究區(qū)的二值化圖像，本文在分割前先對影像進行平滑處理，去除干擾噪聲。常用的圖像平滑方法主要有均值平滑、中值濾波和高斯模糊濾波?？紤]到中值濾波在抑制噪聲的同時能夠有效保留邊緣信息，故本文采用中值濾波方法對圖像進行平滑處理。通過計算目標(biāo)圖像直方圖的峰值個數(shù)，進一步判斷圖像直方圖的類型（單峰直方圖、雙峰直方圖和多峰直方圖），然后針對不同類型的直方圖選取有效的閾值分割方法。

2 結(jié) 果

2.1 地表溫度的地形校正

圖2為研究區(qū)的數(shù)字高程圖，由于研究區(qū)地勢北高南低，自西北向東南傾斜，溝壑相間的特點決定了局部微地形是影響研究區(qū)植被、土壤、氣候等各方面地域分異的主要控制因素。由圖3可知，經(jīng)過地形校正后的Ts-MSAVI值與38個實測土壤表層含水量數(shù)據(jù)的決定系數(shù)高于地形校正前，R2從0.44提高至0.53，均達(dá)到0.01的顯著水平，擬合結(jié)果表明，利用DEM校正后的Ts-MSAVI反映土壤水分的效果較DEM校正前的好。

圖2 研究區(qū)數(shù)字高程圖Fig. 2 DEM of the study area

圖3 土壤含水量實測值和地形校正前后TVDI的擬合效果對比Fig. 3 Relationships between soil moisture content and TVDI before and after topographic correction

2.2 特征空間干、濕邊的確定

根據(jù)式1可知，本研究中VI為植被指數(shù)，a、b、c、d分別為干邊和濕邊線性擬合方程的系數(shù)，提取干濕邊的方法如下：VI值從0至1，以0.01為步長，提取具有相同植被指數(shù)（值域，如0.01～0.02）所有像元對應(yīng)Ts值的最大值和最小值，分別與其對應(yīng)的VI值組成點對，然后采用最小二乘法進行線性方程擬合，形成干邊和濕邊。此過程利用IDL語言編程實現(xiàn)，自動提取干濕邊。這種干濕邊提取方法將特征空間上下邊緣的點對均加入到擬合過程中，可以在一定程度上克服噪聲點的影響，能更好地接近真實的干濕邊。擬合得到的濕邊方程為Tsmin=28.3539x+275.773（R2=0.84），干邊擬合方程為Tsmax=-18.3282x+312.373（R2=0.92）。

2.3 土壤水分遙感監(jiān)測結(jié)果的精度驗證

利用3 8個土壤樣本中的3 0個實測表層（0～10 cm）土壤含水量數(shù)據(jù)與相應(yīng)的TVDI數(shù)據(jù)進行建模分析，建模集中位于綠洲內(nèi)和交錯帶內(nèi)的采樣點各15個，剩余8個樣點用于檢驗?；谶b感數(shù)據(jù)提取土壤干濕狀況的時相與采樣時間基本吻合，且本文旨在監(jiān)測全區(qū)的土壤干濕空間分布及分異規(guī)律而不是獲取土壤絕對濕度，因此采用采樣點的實測數(shù)據(jù)驗證TVDI反映的研究區(qū)土壤干濕狀況是可行的［25］。

利用整個研究區(qū)采樣點的實測土壤表層含水量數(shù)據(jù)與相應(yīng)TVDI數(shù)據(jù)進行相關(guān)性分析。從圖4c可以看出，研究區(qū)30個采樣點的實測土壤表層含水量數(shù)據(jù)與相應(yīng)TVDI數(shù)據(jù)進行相關(guān)性分析，決定系數(shù)R2達(dá)到0.52，達(dá)到0.01的顯著水平；從圖4a和圖4b可知，分別利用交錯帶和綠洲內(nèi)的15個采樣點的實測含水量數(shù)據(jù)與相應(yīng)TVDI數(shù)據(jù)進行相關(guān)性分析，決定系數(shù)R2分別為0.55、0.59，均達(dá)到0.01顯著水平。說明溫度植被干旱指數(shù)能夠反映土壤水分狀況變化趨勢，作為旱情評價指標(biāo)有一定的合理性。隨著土壤含水量增大，TVDI值呈現(xiàn)明顯的減小趨勢。

從圖4可知，不同的土地利用類型的實測土壤表層含水量數(shù)據(jù)與相應(yīng)TVDI值的決定系數(shù)R2是不同的，按大小排序為：綠洲＞交錯帶＞整體，總體而言，綠洲和交錯帶的土壤水分的反演精度均較整個研究區(qū)的反演精度高。由圖1可知，河流和湖泊等在研究區(qū)西部的綠洲地區(qū)分布較廣，而在研究區(qū)東部的交錯帶地區(qū)分布較為稀少，因此可知在綠洲內(nèi)植被覆蓋較好，相對于綠洲而言，交錯帶內(nèi)植被稀少、裸地較多，一定程度上降低了反演精度，所以在綠洲內(nèi)基于地形校正后的TVDI反演土壤表層水分的精度較交錯帶的反演精度高。

2.4 綠洲和交錯帶分割閾值的確定

整個研究區(qū)內(nèi)不同的土地利用類型（綠洲和綠洲—荒漠交錯帶）的土壤水分的補給來源是不一樣，在相同的氣象條件下，同一地區(qū)的不同區(qū)域由于人類活動的影響和土層結(jié)構(gòu)的不同導(dǎo)致土壤含水量與溫度植被干旱指數(shù)（TVDI）呈現(xiàn)出不同的相關(guān)性。因此在研究區(qū)采用同一個模型反演土壤水分狀況是不符合實際情況的。由圖4可知，整體的反演精度最低，綠洲的反演精度最高，由于整個研究區(qū)內(nèi)同時存在綠洲和綠洲—荒漠交錯帶，導(dǎo)致整體上TVDI直方圖不是一個標(biāo)準(zhǔn)的正態(tài)分布，而是呈雙峰直方圖分布，在兩個波峰之間存在一個波谷。為了更好地提高溫度植被干旱指數(shù)（TVDI）模型反演整個研究區(qū)土壤水分的精度，將研究區(qū)按分割閾值分為綠洲和交錯帶，并且用分段函數(shù)來表示整個研究區(qū)土壤水分的反演模型。

鄢雪英等［26］利用MODIS數(shù)據(jù)對中亞土庫曼斯坦典型綠洲荒漠化進行研究，研究中將TVDI=0.61作為綠洲和交錯帶的分割閾值，而本研究利用Landsat8數(shù)據(jù)對渭-庫綠洲進行分析，并在Matlab12a中根據(jù)TVDI灰度直方圖將研究區(qū)進行圖像分割，發(fā)現(xiàn)當(dāng)TVDI=0.4856時分割效果最佳，根據(jù)野外采樣點及其野外實地考察可知，圖像分割結(jié)果與實地考察結(jié)果的一致性較好，利用圖4a和圖4b中的回歸方程及上述判定的閾值建立土壤水分（Y）的反演模型，即Y= -0.5493X+0.3461，TVDI＜0.4856；Y= -0.4084X+ 0.4071，TVDI≥0.4856。為了檢驗反演結(jié)果的精度，將檢驗樣點的TVDI代入上述反演模型，計算出檢驗樣點的預(yù)測土壤含水量，然后對檢驗點的反演值和實測值進行相關(guān)性分析，結(jié)果表明，用分段模型反演的土壤含水量與實測值之間的決定系數(shù)R2=0.72，RMSE=0.03；用原始模型反演的土壤含水量與實測值之間的決定系數(shù)R2=0.64，RMSE=0.04，以上兩個模型均達(dá)到0.01顯著水平。用閾值分割后的分段模型對整個研究區(qū)的反演精度較原始模型高。

圖4 實測土壤含水量與地形校正后TVDI的關(guān)系Fig. 4 Relationship between measured soil moisture content and TVDI after topographic correction

2.5 土壤水分空間格局

2.5.1土壤水分整體狀況 根據(jù)Son等［27］的干旱分級標(biāo)準(zhǔn)，將TVDI值按其大小分為5個類別以表示不同程度的干旱與土壤含水量的關(guān)系：濕潤（0～0.2）、正常（0.2～0.4）、輕度干旱（0.4～0.6）、中度干旱（0.6～0.8）、嚴(yán)重干旱（0.8～1.0），利用ARCGIS制作了研究區(qū)2015年7月的旱情等級分布圖，并疊加上河流、城鎮(zhèn)圖（圖5）。

從TVDI旱情等級分布圖反映的渭—庫綠洲土壤水分來看，研究區(qū)土壤干濕存在明顯的空間分異規(guī)律：河流及其附近區(qū)域?qū)儆跐駶櫟貐^(qū)，干涸的河道屬于中度干旱，而規(guī)模較大的城鎮(zhèn)由于建設(shè)用地較多屬于輕度干旱。土壤水分總體上從西至東，由北到南降低。潤地區(qū)面積為1.04×105hm2，主要集中在沙雅縣、新和縣和庫車縣河流附近的農(nóng)田；正常地區(qū)面積為2.33×105hm2，分布在綠洲內(nèi)離河流相對較遠(yuǎn)的農(nóng)田；輕度干旱地區(qū)面積為1.67×105hm2，主要分布在城鎮(zhèn)及其周邊地區(qū)和研究區(qū)東南部的交錯帶內(nèi)；中度干旱地區(qū)面積為1.98×105hm2，主要分布在研究區(qū)的東部及東南部交錯帶內(nèi)，在綠洲內(nèi)部也有零星的分布，主要為裸露的農(nóng)田和干涸的河道；嚴(yán)重干旱地區(qū)面積為2.5×104hm2，主要分布在庫車縣墩闊坦鄉(xiāng)東部地區(qū)的交錯帶內(nèi)，少數(shù)分布在研究區(qū)南部交錯帶內(nèi)。

2.5.2土壤水分空間分異特征 根據(jù)野外實地調(diào)查和上述灰度直方圖分割結(jié)果，大致將研究區(qū)的土地利用類型分為綠洲和綠洲—荒漠交錯帶，土壤水分在水平方向上的分布與土地利用類型和地形保持著較好的一致性：研究區(qū)地勢由西北向東南傾斜，在研究區(qū)東部的綠洲內(nèi)主要為農(nóng)田、草地、林地，在西部的交錯帶內(nèi)有少數(shù)的農(nóng)田，大部分為裸地和稀疏植被。植被與地形之間的匹配關(guān)系在很大程度上與土壤水分狀況有關(guān)，是對研究區(qū)自然環(huán)境條件長期相互適應(yīng)的結(jié)果。

研究區(qū)內(nèi)38個樣點0～100 cm剖面6個土層平均土壤含水量的變異系數(shù)，土壤水分表現(xiàn)出明顯的空間分異特征（整體、綠洲和交錯帶的變異系數(shù)分別為33%、28%和36%），這種土壤水分的空間分布格局可能與研究區(qū)的土地利用方式、植被類型、地形要素等有關(guān)。整體上，土壤水分分布格局是對不同尺度上的生命因素（植被類型、生長年限、人為活動等）和非生命因素（質(zhì)地、地形、時間等）的綜合響應(yīng)，同時又決定著相應(yīng)尺度上的一系列物理（如土壤侵蝕搬運、土壤結(jié)構(gòu)漲縮）、化學(xué)（如可溶性物質(zhì)的遷移、氮素的硝化/反硝化）和生物（如微生物活性、根系吸水）過程［28］。

土壤水分的變異系數(shù)表明了各土層土壤水分運動的活躍程度。土壤水分變異系數(shù)越大，意味著該層土壤水分運動越活躍，土壤干、濕交替越頻繁［29］。土壤含水量隨降水量、蒸散發(fā)量大小而波動變化，越接近地表，這種波動越明顯，同時土壤水分的剖面分布格局還受土地利用的顯著影響。研究區(qū)內(nèi)的采樣點按土地利用類型分為綠洲內(nèi)的采樣點和交錯帶內(nèi)的采樣點，共38個采樣點，根據(jù)各層土壤含水量變異系數(shù)的分布曲線可知，隨土層深度的加深，土壤水分變異系數(shù)呈現(xiàn)冪函數(shù)遞減的整體變化趨勢。表層（0～10cm）土壤水分變異系數(shù)最高，之后持續(xù)下降，而且下降的速率均較表層和次表層快。具體來看，由于采樣季節(jié)是植被茂盛時期，植被覆蓋度較高，加上人為對農(nóng)田的有效管理，導(dǎo)致綠洲剖面土壤水分變異系數(shù)最低；在交錯帶由于植被稀少、溫度較高，持續(xù)的高溫不斷消耗土壤水分，導(dǎo)致土壤水分蒸散發(fā)層范圍內(nèi)土壤水分變異系數(shù)較大。

圖5 旱情等級分布圖Fig. 5 Distribution map of TVDI、River and Town

3 討 論

目前利用Ts-NDVI特征空間進行旱情監(jiān)測已取得一定的進展，但對于覆蓋較好的天然植被和農(nóng)作物，使用NDVI 造成的紅光飽和問題比較嚴(yán)重，背景的土壤噪聲也在一定程度上損害了NDVI的空間一致性［14］，而土壤調(diào)節(jié)植被指數(shù)MSAVI相對NDVI更能描述植被覆蓋度和土壤背景的優(yōu)勢［15］，伍漫春等［16］研究也表明Ts-MSAVI能夠更好地反映區(qū)域土壤水分狀況，是一種更有效的土壤水分監(jiān)測方法。本研究采用Landsat8數(shù)據(jù)對渭—庫綠洲旱情進行研究，在Ts-MSAVI的基礎(chǔ)上利用DEM數(shù)據(jù)對研究區(qū)的地表溫度數(shù)據(jù)進行地形校正，消除地形起伏和覆被類型對地表溫度的影響，校正后的TVDI與土壤含水量的R2達(dá)到0.53，而劉立文等［30］利用MODIS產(chǎn)品數(shù)據(jù)和DEM數(shù)據(jù)對吉林省農(nóng)業(yè)旱情進行研究，校正后的TVDI與土壤含水量的R2達(dá)到了0.55，這是由于數(shù)據(jù)源和研究區(qū)的不同，導(dǎo)致R2有所不同，但是總體上是較為接近的；綠洲內(nèi)的植被蓋度較高，多為農(nóng)作物，如棉花、小麥等，但在交錯帶內(nèi)地表覆被主要為天然鹽生植被，如蘆葦（Phragimitesaustralis）、駱駝刺（Allhagisparisifolia）、花花柴（Karelinacaspica）等，在影像上表現(xiàn)為枝葉稀疏，并且與裸露的土地交錯分布，容易造成異物同譜現(xiàn)象?？傮w而言，交錯帶內(nèi)植被稀少，甚至在荒漠化比較嚴(yán)重的地區(qū)全為裸地，容易造成像元的混分。由于研究區(qū)內(nèi)同時存在不同的土地利用類型（綠洲和荒漠），本研究用灰度直方圖對研究區(qū)分割后進行分段反演，結(jié)果表明，用分段模型反演的土壤含水量與實測值之間的決定系數(shù)R2=0.72，RMSE=0.03；而用原始模型反演的土壤含水量與實測值之間的決定系數(shù)R2=0.64，RMSE=0.04，分段模型的反演精度要高于原始模型，說明用統(tǒng)一的反演模型會將不同土地利用類型之間的差異平均化，導(dǎo)致用統(tǒng)一的反演模型的精度要小于分段模型的精度，因此，不同土地利用類型不能一起作Ts-MSAVI空間特征來計算TVDI指數(shù)，這與Smith和Choudhury［31］和陳艷華和張萬昌［32］的研究結(jié)果一致。而用灰度直方圖對研究區(qū)進行分割時，將綠洲內(nèi)的少數(shù)城鎮(zhèn)誤分為交錯帶，降低了反演精度，但是研究區(qū)城鎮(zhèn)面積較小對整體結(jié)果的影響不大，最終反演結(jié)果較好。用閾值分割后的分段模型對整個研究區(qū)的反演精度較原始模型高，所以選擇合適的分割閾值進行分割是一種提高反演精度的手段。

渭—庫綠洲地勢北高南低，自西北向東南傾斜，溝壑相間，屬于干旱與極端干旱地區(qū)［21］。結(jié)合圖2和圖5可知，研究區(qū)土壤干濕存在明顯的空間分異規(guī)律，總體上從西到東，由北到南土壤含水量逐漸降低，在這種總體趨勢上疊加局部地形影響的土壤干濕變化，這與張喆等［33］的研究結(jié)果一致；土壤水分的變異系數(shù)表明了土壤水分運動的活躍程度。土壤水分變異系數(shù)越大，意味著土壤水分運動越活躍，土壤干、濕交替越頻繁，根據(jù)研究區(qū)內(nèi)各樣點剖面6個土層平均土壤含水量的變異系數(shù)可知，土壤水分表現(xiàn)出明顯的空間分異特征，土壤水分在綠洲內(nèi)部較為穩(wěn)定，在交錯帶變化較為劇烈（整體、綠洲和交錯帶的變異系數(shù)分別為33%、28%和36%），這種土壤水分的空間分布格局可能與研究區(qū)的土地利用方式、植被類型、地形要素等有關(guān)；根據(jù)各層土壤水分變異系數(shù)分布可知，越接近地表，土壤水分的變異系數(shù)越大，同時不同土地利用類型中相同土層的土壤水分垂直變異系數(shù)的大小不一樣，但是總體趨勢是相同的，即隨著土層深度的加深，土壤水分變異系數(shù)呈現(xiàn)冪函數(shù)遞減的整體變化趨勢，這與寧婷和郭忠升［29］的研究結(jié)果一致。

總體而言，遙感即使在反演土壤水分上表現(xiàn)出較好的優(yōu)勢，但是在監(jiān)測土壤水分到監(jiān)測干旱之間仍然存在一個較難過渡的過程，因為干旱的發(fā)生有著極其復(fù)雜的機理，在受到各種自然因素如降水、溫度、地形等影響的同時也受到人為灌溉等因素的影響。單純的遙感方法無法達(dá)到反映干旱特征的目的。綜合多源數(shù)據(jù)的干旱綜合監(jiān)測模型是研究復(fù)雜的干旱監(jiān)測問題的新途徑，在解決干旱監(jiān)測的復(fù)雜問題中有著較大的應(yīng)用潛力。本研究尚屬可行性研究，在單期影像的Ts-MSAVI的基礎(chǔ)上引入DEM數(shù)據(jù)進行地表溫度的校正，并且進一步用灰度直方圖對研究區(qū)進行分割，用分段函數(shù)來反演土壤水分空間分布。根據(jù)野外實地采樣和考察發(fā)現(xiàn)，研究區(qū)土壤水分反演結(jié)果與實地情況較為一致。但單期的影像不能說明研究結(jié)果的普遍性，在后續(xù)的研究中將會進一步考慮采用多期遙感數(shù)據(jù)做動態(tài)分析。

4 結(jié) 論

本研究利用DEM數(shù)據(jù)對地表溫度進行校正，提取TVDI反映渭—庫綠洲土壤水分狀況，用分段模型反演渭—庫綠洲土壤水分，并基于同步時間內(nèi)的實地采集數(shù)據(jù)進行驗證，取得了較好結(jié)果。并進一步分析渭—庫綠洲土壤水分的空間格局和分異特征：利用DEM校正后的Ts-MSAVI反映土壤水分的效果較未采用DEM的好；總體上從西到東，由北到南土壤含水量降低，在這種總體趨勢上疊加局部地形影響的土壤干濕變化；土壤水分在綠洲內(nèi)部較為穩(wěn)定，在交錯帶變化較為劇烈；土壤含水量垂直變異系數(shù)呈現(xiàn)冪函數(shù)遞減的整體變化趨勢；利用Landsat8遙感數(shù)據(jù)，以灰度直方圖分割閾值進行分割，針對研究區(qū)不同土地利用類型用分段反演模型進行反演，有效地實現(xiàn)優(yōu)勢互補，總體上提高了土壤水分的反演精度，在區(qū)域土壤水分研究中值得關(guān)注和應(yīng)用。

［1］ 李萍，趙庚星，高明秀，等. 黃河三角洲土壤含水量狀況的高光譜估測與遙感反演. 土壤學(xué)報，2015，52（6）：1262—1272 Li P，Zhao G X，Gao M X，et al.Hyperspectra-l estimation and remote sensing retrieval of soil water regime in the Yellow River Delta（In Chinese）.Acta Pedologica Sinica，2015，52（6）：1262—1272

［2］ 張靜，王力，韓雪，等. 黃土塬區(qū)農(nóng)田蒸散的變化特征及主控因素. 土壤學(xué)報，2016，53（6）：1421—1432 Zhang J，Wang L，Han X，et al. Evapotranspiration of farmland on loess table and its major influencing factors（In Chinese）. Acta Pedologica Sinica，2016，53（6）：1421—1432

［3］ 李林芝，張德罡，辛?xí)云?，? 呼倫貝爾草甸草原不同土壤水分梯度下羊草的光合特性. 生態(tài)學(xué)報，2009，29（10）：5271—5279 Li L Z，Zhang D G，Xin X P，et al. Photosynthetic characteristics ofLeymus chinensisunder different soil moisture grades in Hulunber prairie（In Chinese）.Acta Ecologica Sinica，2009，29（10）：5271—5279

［4］ 劉昌明，孫睿. 水循環(huán)的生態(tài)學(xué)方面：土壤—植被—大氣系統(tǒng)水分能量平衡研究進展. 水科學(xué)進展，1999，10（3）：251—259 Liu C M，Sun R. Ecological aspects of water cycle：Advances in soil-vegetation-atmosphere of energy and water fluxes（In Chinese）. Advances in Water Science，1999，10（3）：251—259

［5］ 鄧輝，周清波. 土壤水分遙感監(jiān)測方法進展. 中國農(nóng)業(yè)資源與區(qū)劃，2004，25（3）：46—49 Deng H，Zhou Q B.Advances in remote sensing monitoring of soil moisture（In Chinese）. Journal of China Agricultural Resources and Regional Planning，2004，25（3）：46—49

［6］ 邵曉梅，嚴(yán)昌榮，徐振劍. 土壤水分監(jiān)測與模擬研究進展. 地理科學(xué)進展，2004，23（3）：58—66 Shao X M，Yan C R，Xu Z J. Progress in monitoring and simulation of soil moisture（In Chinese）. Progress In Geography，2004，23（3）：58—66

［7］ 肖飛，杜耘，凌峰，等. 長江中游四湖流域湖泊變遷與湖區(qū)土壤空間格局的關(guān)聯(lián)分析. 濕地科學(xué)，2012，10（1）：8—14 Xiao F，Du Y，Ling F，et al. Analysis of relation between change of lakes and the spatial pattern of soils in the lake district in Sihu drainage basin，middle reaches of Yangtze River（In Chinese）. Wetland Science，2012，10（1）：8—14

［8］ Gao J，Hua O，Lei G，et al. Effects of temperature，soil moisture，soil type and their interactions on soil carbon mineralization in Zoigê alpine wetland，Qinghai-Tibet Plateau. Chinese Geographical Science，2011，21（1）：27—35

［9］ 余濤，田國良. 熱慣量法在監(jiān)測土壤表層水分變化中的研究. 遙感學(xué)報，1997，1（1）：24—31 Yu T，Tian G L. The application of thermal inertia method the monitoring of soil moisture of North China Plain based on NOAA-AVHRR data（In Chinese）.Journal of Remote Sensing，1997，1（1）：24—31

［10］ 隋洪智，田國良，李付琴. 農(nóng)田蒸散雙層模型及其在干旱遙感監(jiān)測中的應(yīng)用. 遙感學(xué)報，1997，1（3）：220—224 Sui H Z，Tian G L，Li F Q. Two-layer model for monitoring drought using remote sensing（In Chinese）.Journal of Remote Sensing，1997，1（3）：220—224

［11］ 夏虹，武建軍，劉雅妮，等. 中國用遙感方法進行干旱監(jiān)測的研究進展. 遙感信息，2005（1）：55—58 Xia H，Wu J G，Liu Y N，et al.Satellite remote sensing of winter wheat seedtime and its application（In Chinese）. Remote Sensing Information，2005（1）：55—58

［12］ 孫麗，陳煥偉，趙立軍，等. 遙感監(jiān)測旱情的研究進展. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報，2004，23（1）：202—206 Sun L，Chen H W，Zhao L J，et al.The advances of drought monitoring by remote sensing（In Chinese）.Journal of Agro-environmental Science，2004，23（1）：202—206

［13］ 汪瀟，張增祥，趙曉麗，等. 遙感監(jiān)測土壤水分研究綜述. 土壤學(xué)報，2007，44（1）：157—163 Wang X，Zhang Z X，Zhao X L，etal.Review of research on soil moisture monitoring by remote sensing（In Chinese）. Acta Pedologica Sinica，2007，44（1）：157—163

［14］ Huete A，Didan K，Shimabokuro K，et al. Regional amazon basin and global analyses of MODIS vegetation indices：Early results and comparisons with AVHRR//Geoscience and Remote Sensing Symposium.Proceedings. IGARSS 2000. IEEE 2000 International.2000：88—103

［15］ Qi J，Chehbouni A，Huete A R，et al. A modified soil adjusted vegetation index. Remote Sensing of Environment，1994，48（2）：119—126

［16］ 伍漫春，丁建麗，王高峰. 基于地表溫度-植被指數(shù)特征空間的區(qū)域土壤水分反演. 中國沙漠，2012，32（1）：148—154 Wu M C，Ding J L，Wang G F. Regional soil moisture inversion based on surface temperature and vegetation index characteristic spaces（In Chinese）. Journal of Desert Research，2012，32（1）：148—154

［17］ 冉瓊，張增祥，張國平，等. 溫度植被干旱指數(shù)反演全國土壤濕度的DEM訂正. 中國水土保持科學(xué)，2005，3（2）：32—36 Ran Q，Zhang Z X，Zhang G P，et al. DEM correction using TVDI to evaluate soil moisture status in China（In Chinese）. Science of Soil and Water Conservation，2005，3（2）：32—36

［18］ 劉海隆，王玲，包安明. 基于遙感的天山山區(qū)地表溫度與下墊面的關(guān)系研究. 石河子大學(xué)學(xué)報：自然科學(xué)版，2011，29（2）：224—229 Liu H L，Wang L，Bao A M. The relationship between land surface temperature and underlying surface in Tianshan Mountains Region based on remote sensing（In Chinese）. Journal of Shihezi University（Natural Science），2011，29（2）：224—229

［19］ 柯靈紅，王正興，宋春橋，等. 青藏高原東北部MODIS地表溫度重建及其與氣溫對比分析. 高原氣象，2011，30（2）：277—287 Ke L H，Wang Z X，Song C Q，etal. Reconstruction of MODIS Land surface temperature in northeast Qinghai-Xizang Plateau and its comparison with air temperature（In Chinese）. Plateau Meteorology，2011，30（2）：277—287

［20］ 喬平林，張繼賢，林宗堅. 石羊河流域水質(zhì)環(huán)境遙感監(jiān)測評價研究. 國土資源遙感，2003，15（4）：39—41 Qiao P L，Zhang J X，Lin Z J. The application of remote sensing technique tomonitoring and evaluating water pollutionin the Shiyang River valley（In Chinese）.Remote Sensingfor Land & Resources，2003，15（4）：39—41

［21］ 丁建麗，瞿娟，孫永猛，等. 基于MSAVI-WI特征空間的新疆渭干河—庫車河流域綠洲土壤鹽漬化研究. 地理研究，2013，32（2）：223—232 Ding J L，Qu J，Sun Y M，et al.The retrieval model of soil salinization information in arid regionbased on MSAVI-WI feature space：A case study of the delta oasis in Weigan-Kuqawatershed（In Chinese）. Geographical Research，2013，32（2）：223—232

［22］ Sandholt I，Rasmussen K，Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment，2002，79（2/3）：213—224

［23］ 盧建華. 基于直方圖閾值法的遙感圖像分割算法研究.福州：福建農(nóng)林大學(xué)，2013 Lu JH.Research on remote sensing image segmentation algorithm based on histogram threshold method（In Chinese）. Fuzhou：Fujian Agriculture and Forestry University，2013

［24］ 吳曉東，馮伍法，張繼領(lǐng)，等. 基于多峰灰度直方圖分割的遙感影像碼頭目標(biāo)提取. 影像技術(shù)，2016，28（2）：46—47 Wu X D，F(xiàn)eng W F，ZhangJ L，etal. Target extraction from remote sensing images based on multi peak histogram segmentation（In Chinese）.Image Technology，2016，28（2）：46—47

［25］ 宋春橋，游松財，劉高煥，等. 基于TVDI的藏北地區(qū)土壤濕度空間格局. 地理科學(xué)進展，2011，30（5）：569—576 Song C Q，You S C，Liu G H，et al. The spatial pattern of soil moisture in northern Tibet based on TVDI method（In Chinese）. Progress in Geography，2011，30（5）：569—576

［26］ 鄢雪英，丁建麗，張喆，等. 中亞土庫曼斯坦典型綠洲荒漠化動態(tài)遙感監(jiān)測. 自然災(zāi)害學(xué)報，2014，23（2）：103—110 Yan X Y，Ding J L，Zhang Z，et al.Dynamic remote sensing monitoring of desertification of a typical oasis in Turkmenistan of Central Asia（In Chinese）. Journal of Natural Disasters，2014，23（2）：103—110

［27］ Son N T，Chen C F，Chen C R，et al. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data.International Journal of Applied Earth Observation &Geoinformation，2012，18（2）：417—427

［28］ Wang Y Q，Shao M A，Liu Z P，et al. Regional spatial pattern of deep soil water content and its influencing factors. Hydrological Sciences Journal，2012，57（2）：265—281

［29］ 寧婷，郭忠升. 半干旱黃土丘陵區(qū)撂荒坡地土壤水分循環(huán)特征. 生態(tài)學(xué)報，2015，35（15）：5168—5174 Ning T，Guo Z S. Characteristics of the soil water cycle in an abandoned sloping field in the semi-arid Loess Hilly Region（In Chinese）. Acta Ecologica Sinica，2015，35（15）：5168—5174

［30］ 劉立文，張吳平，段永紅，等. TVDI模型的農(nóng)業(yè)旱情時空變化遙感應(yīng)用. 生態(tài)學(xué)報，2014，34（13）：3704—3711 Liu L W，Zhang W P，DuanY H，et al.Terrain corrected TVDI for agricultural drought monitoring using MODIS data（In Chinese）. Acta Ecologica Sinica，2014，34（13）：3704—3711

［31］ Smith R C G，Choudhury B J. Analysis of normalized difference and surface temperature observations over southeastern Australia. International Journal of Remote Sensing，1991，12（10）：2021—2044

［32］ 陳艷華，張萬昌. 植被類型對溫度植被干旱指數(shù)（TVDI）的影響研究—黑河綠洲區(qū)為例. 遙感技術(shù)與應(yīng)用，2007，22（6）：700—706 Chen Y H，ZhangWC. Evaluating effects of vegetation types on temperature vegetation drought index（TVDI）in the Heihe Oasis Region（In Chinese）. Remote Sensing Technology and Application，2007，22（6）：700—706

［33］ 張喆，丁建麗，李鑫，等. TVDI用于干旱區(qū)農(nóng)業(yè)旱情監(jiān)測的適宜性. 中國沙漠，2015，35（1）：220—227 Zhang Z，Ding J L，Li X，et al.Suitablity of TVDI used to monitor agricultural drought in arid area（In Chinese）. Journal of Desert Research，2015，35（1）：220—227

Spatial Variation and Inversion of Soil Moisture Based on Multi-Source Data

CAI Lianghong1，2DING Jianli1，2?WEI Yang1，2
（1College of Resources &Environmental Science，Xinjiang University，Urumqi830046，China）
（2Key Laboratory of Oasis Ecology，Urumqi830046，China）

【Objective】Soil moisture is a key variable in parameterization of a land surface. Soil moisture content varies spatially and temporally，and plays an important role in material and energy exchanges occurring in the earth-atmosphere interface. It is a basic indicator for prediction of crop growth and crop yield，and also an important parameter in the numerical weather prediction model that helps efficiently forecast improvement in the physics of land surface processes on regional or global scales. However，it is very difficult to obtain an accurate soil moisture parameter just through field measurement temporally and spatially，especially at large spatial scales. Remote sensing technology has widely been used in estimation of soil moisture contents for it features capability of observing a large area synchronously，timely and economically. In the present study，a total of 39 soil samples were collected from an oasis in the Weigan-Kuqa Delta，Xinjiang of China.【Method】Temperature Vegetation Dryness Index（TVDI）is an important tool that can be used to reflect soil moisture regime through inversion. In this study DEM data were introduced to correct the data of land surface temperature（Ts）on the basis of the researches on TVDI in an attempt to mitigate the impact of undulation in land relief on secondary distribution of energy. The study area was divided into different land use types by threshold. Based on the synchronously field measured data，a piecewise inversion model was used to inverse soil moisture distribution in the delta oasis，and then spatial distribution pattern of soil moisture in the studied area and rules of its variation were further analyzed.【Result】Results show as follows:（1）Based on TVDI，DEM was introduced for terrain correction. Comparing the data before and after the terrain correction demonstrates that Modified Soil-Adjusted Vegetation Index（MSAVI）and the determination coefficient of the field measured soil moisture content in the topsoil layer were higher after the correction than before the correction. After the correction，R2rose from 0.44 to 0.53，and all were above the 0.01 significance level；（2）The soil moisture regime of the delta oasis reflected in the classification maps of TVDI demonstrates an apparent rule of spatial variation of soil moisture that on the whole，soil moisture declines from west to east and from north to south. Based on the variation coefficient of the mean soil moisture contents in the six soil layers of the 0～100 cm soil profiles different in land use type in the study area，soil moisture variation coefficient of the oasis and ecotone was 28% and 36%，respectively. From the distribution of the soil moisture variation coefficients of the soil layers in the soil moisture vertical variation coefficient map，it is discerned that the closer to the surface，the higher the variation coefficient，and that the vertical variation coefficient of soil moisture varied with land use type even in the same soil layers. However，the overall trend was quite similar，that is，it declines with soil depth；（3）By comparing the piecewise inversion model with the original model in inversion，it is learnt that the determination coefficient between the measured soil moisture and that predicted using the piecewise model and original model was 0.72 and 0.64，with RMSE being 0.03 and 0.04，respectively. Obviously，the coefficient of determination increased by 0.08 and RMSE decreased by 0.01. 【Conclusion】Based on all the above-described findings，it could be concluded as follows：（1）In this study，DEM elevation data were used for terrain correction of TVDI，and the corrected TVDI better reflected the soil moisture regime；（2）On the whole，soil moisture declines from west to east and from north to south，and remains quite consistent in the oasis，but varies drastically in the ecotone. Soil moisture vertical variation coefficient varied as a whole，showing a declining trend of a power function；（3）By comparing the piecewise inversion model and the original model in inversion，it is learnt that the piecewise inversion model should be used to invert soil moisture in soils different in land use，which may effectively supplement each other，thus improving accuracy of the inversion as a whole. It is，therefore，worthy of attention and application in researches on regional soil moisture regime.

TVDI；Terrain correction；Soil moisture；Spatial pattern

S152.7

A

10.11766/trxb201702080579

* 國家自然科學(xué)基金項目（U1303381，41261090）和自治區(qū)重點實驗室專項基金（2016D03001）Supported by the National Natural Science Foundation of China（Nos.U1303381，41261090）and the Xinjiang Uygur Autonomous Region Key Laboratory Special Fund（No.2016D03001）

? 通訊作者 Corresponding author，E-mail：watarid@xju.edu.cn

蔡亮紅（1991—），男，貴州遵義人，碩士研究生，主要從事干旱區(qū)遙感應(yīng)用方面的研究。E-mail：1173716776@qq.com

2017-02-08；

2017-04-18；優(yōu)先數(shù)字出版日期（www.cnki.net）：2017-06-16

（責(zé)任編輯：檀滿枝）