路 中,雷國(guó)平,2,馬泉來(lái),郭晶鵬,王居午

(1.東北農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院,哈爾濱 150030; 2.東北大學(xué) 土地管理研究所,沈陽(yáng) 110004)

土壤水分是影響陸面和大氣界面之間水分和能量交換的關(guān)鍵因子之一，是陸面生態(tài)系統(tǒng)水循環(huán)的核心變量之一[1]，同時(shí)也是植物生長(zhǎng)發(fā)育的重要基礎(chǔ)條件[2]。土壤水分的監(jiān)測(cè)對(duì)于農(nóng)業(yè)旱災(zāi)監(jiān)測(cè)、作物長(zhǎng)勢(shì)監(jiān)測(cè)和作物估產(chǎn)等方面具有重要的現(xiàn)實(shí)意義和科學(xué)價(jià)值[3]。因而快速且準(zhǔn)確的提取大區(qū)域面積內(nèi)的土壤水分信息是目前研究土壤水分反演研究的熱點(diǎn)之一[4]。

區(qū)域旱情的監(jiān)測(cè)準(zhǔn)確性取決于對(duì)土壤水分信息的監(jiān)測(cè)[5]。而目前，獲取土壤水分信息的方法主要有傳統(tǒng)人工實(shí)地監(jiān)測(cè)和遙感技術(shù)監(jiān)測(cè)，其中遙感技術(shù)克服了傳統(tǒng)方法中時(shí)效性差、范圍小，難以大尺度、動(dòng)態(tài)地監(jiān)測(cè)土壤水分狀況的缺點(diǎn)，它可以及時(shí)、有效地監(jiān)測(cè)土壤墑情和土壤表層水分狀況[6-7]，因此受到許多學(xué)者的廣泛關(guān)注和研究。自20世紀(jì)60年代末以來(lái)，遙感技術(shù)開(kāi)始應(yīng)用于土壤水分的監(jiān)測(cè)，至今已有半個(gè)多世紀(jì)的發(fā)展，其研究方法逐漸趨于完善[8]，并形成了基于不同原理的土壤水分遙感反演的方法，主要有可見(jiàn)光—近紅外法、熱紅外法、微波法等[9]。近年來(lái)，相關(guān)學(xué)者研究表明TDVI 指數(shù)與土壤濕度之間具有明顯的相關(guān)關(guān)系[10]，認(rèn)為T(mén)DVI指數(shù)可以更好的反映土壤濕度的變化情況，尤其是對(duì)10 cm土壤濕度變現(xiàn)較為敏感[11]，并且驗(yàn)證了TVDI 指數(shù)進(jìn)行大區(qū)域、長(zhǎng)期干旱監(jiān)測(cè)是可行的[12-13]。此外，為了提高了土壤濕度反演的精度，學(xué)者利用S-G濾波的方法對(duì)MODIS 數(shù)據(jù)進(jìn)行重構(gòu)，彌補(bǔ)影像因受云和大氣影響而產(chǎn)生的不足[14]，在此基礎(chǔ)上利用TDVI 指數(shù)進(jìn)行干旱監(jiān)測(cè)。綜合這些表明TDVI 指數(shù)在實(shí)現(xiàn)大區(qū)域干旱監(jiān)測(cè)上具有較大的潛力，但是由于MODIS等遙感數(shù)據(jù)分辨率過(guò)高，難以獲得區(qū)域內(nèi)精細(xì)化的土壤水分情況。

隨著Landsat 8數(shù)據(jù)的相繼出現(xiàn)，其數(shù)據(jù)相較之前其他的遙感影像具有高分辨率、多波段和豐富的信息量，因而受到了許多學(xué)者的青睞；研究表明Landsat 8數(shù)據(jù)結(jié)合溫度植被干旱指數(shù)(TDVI)可以客觀的反映研究區(qū)域內(nèi)干旱情況，并且提高了土壤含水量反演精度[15]。然而由于Landsat 8數(shù)據(jù)受到云和大氣的影響，造成數(shù)據(jù)產(chǎn)生大量的噪聲，這樣限制了Landsat 8數(shù)據(jù)的應(yīng)用，尤其是在獲取Landsat 8時(shí)間序列數(shù)據(jù)時(shí)，因云和大氣而產(chǎn)生的影響對(duì)研究的準(zhǔn)確性和可靠性產(chǎn)生了極大的影響。在考慮研究區(qū)數(shù)據(jù)獲取情況和時(shí)間特征的基礎(chǔ)上，本文選取溫度植被干旱指數(shù)(TDVI)進(jìn)行土壤濕度的反演，通過(guò)S-G濾波對(duì)Landsat 8時(shí)間序列數(shù)據(jù)進(jìn)行處理，以彌補(bǔ)因受云影響而導(dǎo)致的數(shù)據(jù)缺陷，提高數(shù)據(jù)質(zhì)量，構(gòu)建土壤濕度反演模型，進(jìn)行基于Landsat 8時(shí)間序列數(shù)據(jù)的旱情監(jiān)測(cè)。

松嫩平原北部地區(qū)是我國(guó)重要的商品糧生產(chǎn)基地之一[16]，其耕地分布廣泛。但由于研究區(qū)域地處寒溫帶半干旱氣候區(qū)，且區(qū)域內(nèi)降雨分布不均勻[17]，加劇了研究區(qū)域內(nèi)的旱情。近年來(lái)，由于研究區(qū)域持續(xù)高溫少雨、大風(fēng)天氣多、氣候異常、農(nóng)業(yè)旱情發(fā)展迅速，旱情形勢(shì)十分嚴(yán)峻[18]，嚴(yán)重影響了當(dāng)?shù)氐募Z食生產(chǎn)安全。因此，本文以松嫩平原北部為研究區(qū)域，基于Landsat 8 數(shù)據(jù)，求得2013年、2014年和2015年中5—10月份研究區(qū)域內(nèi)的NDVI和LST時(shí)間序列數(shù)據(jù)；利用S-G濾波對(duì)求得的時(shí)間序列數(shù)據(jù)進(jìn)行重構(gòu)，彌補(bǔ)因受云影響而造成的數(shù)據(jù)缺失或者噪聲。然后，基于重構(gòu)的2014年5—10月份內(nèi)不同月份的NDVI和LST數(shù)據(jù)，構(gòu)建“干濕邊”模型，計(jì)算TDVI指數(shù)，分析研究區(qū)域內(nèi)月尺度上干旱分布情況。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)域?yàn)樗赡燮皆辈康貐^(qū)，位于黑龍江省的西部，地理位置介于45°46′—48°56′N(xiāo)，122°24′—126°41′E。該研究區(qū)域地處寒溫帶半干旱氣候區(qū)，并且由于受到大興安嶺余脈背風(fēng)坡的影響，使這里成為黑龍江省降雨量最少的地區(qū)之一，研究區(qū)域內(nèi)多年平均降雨量為350～500 mm。此外由于研究區(qū)域內(nèi)降雨量多分布于7—9月份，占全部降雨量的70%左右，致使研究區(qū)域內(nèi)極易出現(xiàn)季節(jié)性氣候干旱，素有“十年九春旱”之稱(chēng)。研究區(qū)靠近小興安嶺的丘陵臺(tái)地區(qū)，起于小興安嶺山區(qū)，止于松嫩平原，位于兩者的過(guò)渡區(qū)，波狀起伏臺(tái)地暨漫川漫崗區(qū)域是該區(qū)主要地形特征。耕地是當(dāng)前研究區(qū)最主要的土地利用類(lèi)型，林地主要分布在坡度較陡，不適合耕作的地區(qū)分布。主要經(jīng)濟(jì)作物是馬鈴薯、玉米、大豆等東北地區(qū)常見(jiàn)作物，部分地區(qū)有亞麻、甜菜等經(jīng)濟(jì)作物。研究區(qū)內(nèi)的土壤主要由黑土、黑鈣土和草甸土構(gòu)成，其他的暗棕壤等有零星分布，是開(kāi)展黑土區(qū)研究的重點(diǎn)地區(qū)。

1.2 數(shù)據(jù)源

遙感數(shù)據(jù)是由USGS 官網(wǎng)提供的Landsat 8 影像數(shù)據(jù)，該文主要利用了Landsat 8影像數(shù)據(jù)中的Red(波段3)、Nir(波段4)和TIRS10(波段10)，其中前兩個(gè)波段數(shù)據(jù)是由陸地成像儀(OLI)提供，而波段10數(shù)據(jù)由熱紅外傳感器(TRIS)提供，其空間分辨率為30 m。關(guān)于成像日期的選擇，本文選取2013年到2015年中5月份到10月份之間影像，其中每個(gè)月份均選擇1幅影像，每幅影像盡量處于各月的月初且云量較少。此外本文還選用了由GCOM-W1衛(wèi)星提供的土壤濕度數(shù)據(jù)，其數(shù)據(jù)由AMSR2傳感器提供，其分辨率本研究采用的是10 km，成像時(shí)間與Landsat 8數(shù)據(jù)成像時(shí)間相對(duì)應(yīng)。

地面土壤濕度實(shí)測(cè)數(shù)據(jù)主要由中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥cdc.cma.gov.cn/)提供，其可靠性得到了廣泛的認(rèn)可。本文主要選用2014年的土壤濕度數(shù)據(jù)，深度分別為10 cm和20 cm，其日期和遙感影像的日期相對(duì)應(yīng)。

2 方法與模型

2.1 時(shí)間序列NDVI 和LST 數(shù)據(jù)計(jì)算

為了探討不同生長(zhǎng)時(shí)間段內(nèi)區(qū)域旱情的分布特征，本文只關(guān)注植被生長(zhǎng)季節(jié)內(nèi)的時(shí)間段，即5—10月。因此，選取2013年至2015年間5—10月份的Landsat 8時(shí)間序列數(shù)據(jù)作為遙感反演的數(shù)據(jù)源，進(jìn)行NDVI和LST時(shí)間序列數(shù)據(jù)的計(jì)算。

關(guān)于歸一化植被指數(shù)(NDVI)的計(jì)算，本文采用目前應(yīng)用比較普遍的計(jì)算公式，其公式如下：

(1)

式中：p4；p5分別表示為近紅外波段和紅波段的反射率值，即Landsat 8數(shù)據(jù)中OLI 傳感器提供的第4、5波段的反射率值。

對(duì)于地表溫度指數(shù)(LST)的計(jì)算，本文采用覃志豪提出的單窗算法進(jìn)行計(jì)算[19]，選用更適合進(jìn)行單波段反演地表溫度的第十波段[20]，進(jìn)行地表溫度的反演。其公式如下：

(2)

式中：a=-67.355 351；b=0.458 606；C=ε·τ；D=(1-τ)·[1 +(1-ε)·τ]；ε為地表比輻射率；τ為大氣透過(guò)率；Tsensor為傳感器的亮度溫度(K)；Tα為大氣平均作用溫度(K)。

2.2 S-G濾波重構(gòu)NDVI 和LST時(shí)間序列數(shù)據(jù)

由于受到云和大氣的影響，使Landsat 8 數(shù)據(jù)產(chǎn)生一定的誤差，尤其是對(duì)于時(shí)間序列數(shù)據(jù)的應(yīng)用，其產(chǎn)生的誤差是不可忽略的。為了彌補(bǔ)因受云影響而產(chǎn)生的數(shù)據(jù)誤差，本文利用S-G濾波對(duì)數(shù)據(jù)進(jìn)行重構(gòu)，提高數(shù)據(jù)的質(zhì)量。

S-G濾波是由Savitzky和Golay于1964年提出的，該濾波是通過(guò)利用最小二乘算法來(lái)擬合一組相鄰的值或者相關(guān)的光譜值，以此來(lái)平滑和重構(gòu)這組值，達(dá)到減少數(shù)據(jù)因云和大氣影響而產(chǎn)生的誤差或者噪聲[21]。也可以將S-G濾波理解為一種移動(dòng)窗口的加權(quán)平均算法，即以研究區(qū)域內(nèi)每個(gè)像元為單元，利用給定的高階多項(xiàng)式對(duì)每個(gè)單元在不同時(shí)期的像元值進(jìn)行最小二程擬合，重新構(gòu)建這組數(shù)據(jù)，以此來(lái)彌補(bǔ)數(shù)據(jù)本身的不足[22]。S-G濾波處理數(shù)據(jù)的公式為：

(3)

式中：Yj*為重構(gòu)的時(shí)間序列數(shù)據(jù)；Y為原始的時(shí)間序列數(shù)據(jù)；Ci為濾波擬合的系數(shù)，即原始時(shí)間序列數(shù)據(jù)的權(quán)重；N為濾波器處理數(shù)據(jù)長(zhǎng)度，即滑動(dòng)窗口所包括的數(shù)據(jù)個(gè)數(shù)(2m+1)；m為移動(dòng)窗口的大小。

本文利用TIMESAT程序包中的S-G濾波對(duì)NDVI和LST時(shí)間序列數(shù)據(jù)進(jìn)行重構(gòu)，TIMESAT程序包是由J?nsson和Eklundh[23]共同開(kāi)發(fā)的，因其提供了簡(jiǎn)便的操作界面和可視化的效果預(yù)覽而受到廣泛的青睞，其主要應(yīng)用于物候信息時(shí)間序列的重構(gòu)和植被生長(zhǎng)信息時(shí)間序列的重構(gòu)[24-27]。在利用TIMESAT程序包重構(gòu)數(shù)據(jù)的過(guò)程中，需要設(shè)定兩個(gè)參數(shù)：一個(gè)是窗口寬度m；另一個(gè)是多項(xiàng)式擬合的階數(shù)d。其窗口寬度m主要表示濾波應(yīng)用最小二乘法擬合數(shù)據(jù)時(shí)數(shù)據(jù)的寬度，m值越大濾波處理數(shù)據(jù)的結(jié)果越平滑，m值越小則不能有效去除數(shù)據(jù)的噪聲。多項(xiàng)式擬合的階數(shù)d代表濾波方程的階數(shù)，較低的階數(shù)結(jié)果太過(guò)于平滑，數(shù)據(jù)的誤差更大；階數(shù)太高增大了原數(shù)據(jù)噪聲的影響，這樣污染了其他的像元。這里參考Chen[28]和黎治華等[29]的研究結(jié)果將濾波的參數(shù)分別設(shè)置為(m=4，d=6)、(m=2，d=3)分別對(duì)NDVI和LST 時(shí)間序列數(shù)據(jù)數(shù)據(jù)進(jìn)行重建。

2.3 地表土壤濕度反演模型構(gòu)建

為了分析研究區(qū)域內(nèi)植被生長(zhǎng)日期內(nèi)不同月份的區(qū)域干旱情況，參考李正國(guó)等[30]研究的成果，本文選用TDVI 指數(shù)進(jìn)行研究區(qū)域土壤濕度的反演，構(gòu)建土壤濕度反演模型。溫度植被指數(shù)的形成經(jīng)歷了一下幾個(gè)過(guò)程：首先，Goetz和Carlson等[31-32]證明了NDVI 指數(shù)和LAT指數(shù)之間存在著明顯的負(fù)相關(guān)關(guān)系。然后，Gillies[33]、Price[34]、Carlson等[35]研究發(fā)現(xiàn)在大區(qū)域范圍內(nèi)，由NDVI 指數(shù)數(shù)據(jù)和LST 指數(shù)數(shù)據(jù)構(gòu)成的散點(diǎn)圖呈現(xiàn)三角形(圖1)。

在此基礎(chǔ)上，Sandholt[36]等提出基于簡(jiǎn)化三角形特征空間的溫度植被干旱指數(shù)(TVDI)(圖1)。如圖所示，三角形上邊界為干邊，代表在NDVI 相同時(shí)對(duì)應(yīng)的Ts的最大值擬合的趨勢(shì)線(xiàn)，表示最干旱的情況；三角的下邊界為“濕邊”，代表在NDVI 相同時(shí)對(duì)應(yīng)Ts的最小值擬合的趨勢(shì)線(xiàn)，表示最濕潤(rùn)的情況。此外，在NDVI 相同時(shí)隨著地表溫度Ts的降低，代表土壤濕度越高。其TDVI 指數(shù)具體表達(dá)式為下：

(4)

式中：Ts為研究區(qū)域內(nèi)的地表溫度(K)；Tsmin為濕邊上的地表溫度(K)；Tsmax為干邊上的地表溫度。“干濕邊”可以利用式(5)，(6) 計(jì)算。

圖1 TDVI 原理示意

Tsmax=a1+b1×NDVI

(5)

Tsmin=a2+b2×NDVI

(6)

式中：(a1，b1)、(a2，b2)分別為“干濕邊”模型的系數(shù)，由“干濕邊”附近的NDVI 和LST，通過(guò)線(xiàn)性擬合得到。

3 結(jié)果和分析

3.1 定性分析S-G濾波處理NDVI 和LST 時(shí)間序列數(shù)據(jù)的效果

為探討S-G濾波處理NDVI和LST時(shí)間序列數(shù)據(jù)的效果，本文基于TIMESAT 3.2 軟件，分別選取未受云影響和受云影響中NDVI和LST時(shí)間序列數(shù)據(jù)中的像元，通過(guò)設(shè)置濾波參數(shù)使重構(gòu)的效果最佳，分析他們經(jīng)S-G濾波重構(gòu)前后像元值的特征(圖2)。

圖2 受云和未受云影響下濾波擬合時(shí)間序列數(shù)據(jù)效果對(duì)比

由圖2知，整體來(lái)看，無(wú)論是未受云影響的數(shù)據(jù)還是受到云影響的數(shù)據(jù)均表現(xiàn)出來(lái)周期性的波動(dòng)，波動(dòng)的周期為一年，并且在每個(gè)周期中最小值均出現(xiàn)在各年時(shí)間序列數(shù)據(jù)中的起始和末端，最大值均大約出現(xiàn)在各年時(shí)間序列數(shù)據(jù)中的中間，這符合植被生長(zhǎng)期間NDVI和LST數(shù)據(jù)的漸變規(guī)律。從未受云影響的時(shí)間序列數(shù)據(jù)中可以看出，NDVI和LST數(shù)據(jù)均表現(xiàn)單周期的波動(dòng)，并且每年的波動(dòng)幅度和頻率大致相同，符合植被生長(zhǎng)和溫度變化的規(guī)律；從受云影響的時(shí)間序列數(shù)據(jù)中可以看出，受云影響的數(shù)據(jù)波動(dòng)的幅度和頻率出現(xiàn)了變化，具體表現(xiàn)有波動(dòng)的幅度出現(xiàn)異常值(圖2B)和在大周期波動(dòng)規(guī)律的基礎(chǔ)上出現(xiàn)了小幅度的波動(dòng)(圖2D)等現(xiàn)象，這些均為受到云影響的結(jié)果。從經(jīng)過(guò)S-G濾波處理過(guò)的時(shí)間序列數(shù)據(jù)中可以看出，對(duì)于未受云影響的數(shù)據(jù)，S-G濾波重構(gòu)后的數(shù)據(jù)與原數(shù)據(jù)基本吻合，符合原數(shù)據(jù)的變化規(guī)律；對(duì)于受到云影響的數(shù)據(jù)，S-G濾波重構(gòu)后的數(shù)據(jù)不僅表現(xiàn)出來(lái)植被生長(zhǎng)和溫度變化的漸變規(guī)律，而且可以有效彌補(bǔ)因受云影響而造成的數(shù)據(jù)誤差，這樣提高了NDVI和LST時(shí)間序列數(shù)據(jù)的質(zhì)量，為實(shí)現(xiàn)區(qū)域基于Landsat 8 時(shí)間序列數(shù)據(jù)的區(qū)域旱情監(jiān)測(cè)提供了可能。

3.2 地表土壤濕度反演模型

本文以重構(gòu)后的NDVI和LST時(shí)間序列數(shù)據(jù)為數(shù)據(jù)源，在ENVI-IDL的環(huán)境下，對(duì)于每一期的數(shù)據(jù)分別提取相同NDVI值條件下對(duì)應(yīng)LST數(shù)據(jù)的最大值和最小值，構(gòu)建TS-NDVI特征空間“干邊”和“濕邊”，并對(duì)每個(gè)時(shí)期數(shù)據(jù)的“干邊”和“濕邊”進(jìn)行方程的擬合。在ArcGIS的環(huán)境下，結(jié)合擬合的“干濕邊”方程，根據(jù)式(4)處理每個(gè)時(shí)期的NDVI和LST影像數(shù)據(jù)得到相應(yīng)的TDVI圖像。

為了驗(yàn)證地表土壤濕度反演模型反演土壤濕度的有效性，構(gòu)建土壤濕度反演模型，本文分別將研究區(qū)域內(nèi)2014年5月—10月的TDVI圖像與相應(yīng)的實(shí)測(cè)的土壤濕度數(shù)據(jù)進(jìn)行相關(guān)分析，且參考前人研究的成果，選取10 cm土壤濕度數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)圖3。

圖3 TDVI 指數(shù)和10 cm土壤濕度散點(diǎn)圖

從圖3中可看出，TDVI數(shù)據(jù)與實(shí)測(cè)的10cm土壤濕度數(shù)據(jù)具有明顯的相關(guān)關(guān)系，其相關(guān)系數(shù)的平方(R2)變化范圍為0.53～0.66，且經(jīng)統(tǒng)計(jì)檢驗(yàn)，他們的顯著水平(P)均小于0.05，表明在0.05的置信度水平上TDVI指數(shù)與土壤濕度由很強(qiáng)的負(fù)相關(guān)性，由此可知利用TDVI指數(shù)建立土壤濕度模型能夠很好地反映松嫩平原北部各個(gè)生長(zhǎng)日期內(nèi)的土壤濕度狀況。

3.3 模型驗(yàn)證及精度評(píng)價(jià)

為了驗(yàn)證上述土壤濕度反演模型，本文隨機(jī)提取由GCOM-W1衛(wèi)星提供的研究區(qū)域內(nèi)相應(yīng)日期的土壤濕度數(shù)據(jù)信息，提取點(diǎn)的個(gè)數(shù)為120，考慮到衛(wèi)星提供土壤濕度數(shù)據(jù)的分辨率，隨機(jī)點(diǎn)的間隔不得少于10 km，以此對(duì)模型進(jìn)行驗(yàn)證，結(jié)果如圖4所示。

從圖4中可以看出，通過(guò)溫度植被指數(shù)反演的10 cm土壤濕度數(shù)據(jù)和由GCOM-W1 衛(wèi)星提供的地表土壤濕度數(shù)據(jù)具有明顯的相關(guān)關(guān)系，其相關(guān)系數(shù)的平方(R2)分別為0.736和0.603，置信度水平均為0.001，從均方根誤差(RMSE)的角度上來(lái)看。經(jīng)過(guò)S-G濾波處理后數(shù)據(jù)的RMSE為2.14%，明顯高于未經(jīng)S-G濾波處理的數(shù)據(jù)，其RMSE為2.97%。這說(shuō)明利用S-G濾波處理過(guò)后的時(shí)間序列數(shù)據(jù)構(gòu)建土壤濕度反演模型具有更高的反演精度。

圖4 實(shí)際和反演10 cm土壤濕度數(shù)據(jù)之間的散點(diǎn)圖

3.4 農(nóng)業(yè)干旱時(shí)空性分布特征

根據(jù)相關(guān)的研究和研究區(qū)域的實(shí)際特征表明，研究區(qū)域內(nèi)區(qū)域干旱的情況與20 cm土壤濕度關(guān)系密切，因此，為了分析研究區(qū)域旱情的時(shí)空分布特征并且進(jìn)一步驗(yàn)證土壤濕度反演的精度，本文利用研究區(qū)域內(nèi)10 cm土壤濕度數(shù)據(jù)和20 cm土壤濕度數(shù)據(jù)的關(guān)系(圖5)，分別將反演的10 cm土壤濕度數(shù)據(jù)和由GCOM-W1衛(wèi)星提供的10 cm土壤濕度數(shù)據(jù)推算到20 cm的土壤濕度數(shù)據(jù)，然后將反演的土壤水分?jǐn)?shù)據(jù)與GCOM-W1衛(wèi)星提供的土壤濕度數(shù)據(jù)進(jìn)行比較(圖6)，分析利用S-G濾波處理后的Landsat 8 遙感數(shù)據(jù)建立的土壤濕度反演模型的研究精度和研究區(qū)域的干旱分布特征。

圖5 10 cm與20 cm土壤濕度之間的散點(diǎn)圖

從圖5可以看出，10 cm土壤濕度數(shù)據(jù)與20 cm土壤濕度數(shù)據(jù)具有密切的關(guān)系，這與鮑艷松等人的研究成果相同。因此，由反演的10 cm土壤濕度數(shù)據(jù)推算20 cm的土壤濕度數(shù)據(jù)對(duì)于研究的精度影響不大。

基于推算的20 cm土壤濕度數(shù)據(jù)，參考王素萍等(2013)提出的依據(jù)20 cm土壤濕度數(shù)據(jù)建立的干旱等級(jí)劃分方法，將研究區(qū)域干旱劃分為5 個(gè)等級(jí)：適宜(R>60)、輕旱(50

從圖6中可以看出，經(jīng)由土壤濕度反演模型得到的干旱等級(jí)分布圖和由GCOM-W1提供土壤濕度數(shù)據(jù)得到的干旱等級(jí)分布圖表現(xiàn)出來(lái)的旱情分布特征基本一致，這進(jìn)一步證明利用S-G濾波重構(gòu)的Landsat 8時(shí)間序列數(shù)據(jù)來(lái)構(gòu)建土壤濕度模型具有較高的精度。此外，從反演的研究區(qū)域內(nèi)5月到10月區(qū)域旱情的變化規(guī)律來(lái)看，研究區(qū)域內(nèi)旱情主要分布于5—6月份，即研究區(qū)域旱情主要分布在播種期和幼苗期，因位研究區(qū)域內(nèi)的降雨量主要集中在7—9月份，這符合研究區(qū)域的氣候變化特征。由此可知，經(jīng)由S-G濾波處理后的遙感影像數(shù)據(jù)可以有效的彌補(bǔ)由于云量而受影響的造成的不足，實(shí)現(xiàn)研究區(qū)域內(nèi)基于Landsat 8時(shí)間序列的旱情監(jiān)測(cè)。

圖6 反演得到的和GCOM-W1衛(wèi)星提供數(shù)據(jù)得到的區(qū)域干旱等級(jí)圖

3 結(jié) 論

(1) 經(jīng)過(guò)S-G濾波處理過(guò)后的時(shí)間序列數(shù)據(jù)，可以有效彌補(bǔ)因受云影響而產(chǎn)生的不足，提高時(shí)間序列數(shù)據(jù)的質(zhì)量。

(2) 研究區(qū)域5—10月內(nèi)10 cm土壤濕度數(shù)據(jù)與對(duì)應(yīng)的溫度植被干旱指數(shù)具有很好的線(xiàn)性關(guān)系，可以有效反演研究區(qū)域內(nèi)的土壤濕度。經(jīng)過(guò)研究表明：經(jīng)S-G濾波處理后的遙感影像數(shù)據(jù)可以更好的反演土壤濕度，具有較小的均方根誤差(RMSE=2.14%)。

(3) 經(jīng)過(guò)反演得到的研究區(qū)域旱情的分布特征和由GCOM-W1衛(wèi)星提供土壤濕度數(shù)據(jù)得到的研究區(qū)域旱情分布特征表現(xiàn)基本一致，這表明經(jīng)由S-G濾波處理后的Landsat 8時(shí)間序列數(shù)據(jù)可以有效的彌補(bǔ)由于受到云和大氣影響而造成的不足，實(shí)現(xiàn)利用Landsat 8時(shí)間序列數(shù)據(jù)對(duì)研究區(qū)域進(jìn)行區(qū)域旱情的監(jiān)測(cè)。

本研究利用Landsat 8 數(shù)據(jù)進(jìn)行松嫩平原北部區(qū)域旱情的監(jiān)測(cè)，研究證明利用經(jīng)過(guò)S-G濾波處理后的Landsat 8數(shù)據(jù)建立的土壤濕度反演模型可以有效提高數(shù)據(jù)的質(zhì)量，較為精確的進(jìn)行基于Landsat 8時(shí)間序列的區(qū)域旱情的監(jiān)測(cè)，但是由于Landsat 8數(shù)據(jù)提供的時(shí)間序列數(shù)據(jù)中可用的影像數(shù)據(jù)有限，這可能影響了S-G濾波處理的效果。此外，由于研究區(qū)域內(nèi)野外勘測(cè)點(diǎn)比較少，這樣影響了數(shù)據(jù)的驗(yàn)證精度，在以后的研究中應(yīng)當(dāng)更加完善數(shù)據(jù)，增加反演模型的精度。