2. 新疆干旱区湖泊环境与资源验室, 新疆 乌鲁木齐 830054
2. Key Laboratory of Lake Environment and Resources in Arid Areas of Xinjiang, Urumqi 830054, China
土壤湿度是表示一定深度土层的土壤干湿程度的物理量,是水文、气象和农业科学中的重要参数[1-3]。土壤湿度也可作为判定作物生长状况、土壤水分监测、土地退化监测的重要依据[4-6]。实时、有效地监测土壤湿度能够为目标区域土壤干湿度控制提供有效依据,且对于全球极端气象情况预警有一定的价值[7-8]。本文利用高分辨率遥感数据(Landsat 8 OLI)和野外实测数据,重点探讨高分辨率数据在焉耆盆地土壤湿度反演中的可行性和适用性,尝试使用TVDI反演2016年9—11月的土壤湿度,并结合野外不同深度土壤同步采样的湿度数据进行验证,进而分析焉耆盆地的时空分布状况,以期为进一步改善焉耆盆地水资源保护和生态环境质量提供重要的科学依据。
1 研究区概况焉耆盆地位于新疆巴音郭楞蒙古自治州(如图 1所示),总面积达8932km2,海拔为1050~2000m,地势西高东低,北高南低[9]。焉耆盆地位于干旱与半干旱地带,属于暖温带大陆性干旱气候,年降水量为75~200mm,山区及绿洲平原区的多年平均气温为-4.84℃~8.6℃,相对湿度为50%~60%,年蒸发量为2000~2500mm[10]。盆地热量与光照资源丰富,是一个典型的绿洲与荒漠交错区域。
![]() |
图 1 研究区和采样点分布 |
对2016年9月5日、10月7日、11月8日成像的Landsat 8 OLI遥感影像数据进行预处理后,分别计算NDVI、MSAVI和Ts,进一步反演土壤湿度。
土地利用分类是在中国科学院资源环境科学数据中心的土地利用分类数据基础上进行重分类获取的。
2.1.2 实测数据2016年10月1日—7日期间,采样前后一个星期天气状况稳定,在该研究区均匀地布置了80个与卫星同步的土壤水分采样点,分布于不同的土地利用类型。利用土壤三参数仪WatchDog 2000获取0~5cm、5~10cm、10~20cm、20~30cm深度层的土壤体积含水率(相对值),并通过GPS记录采样点的位置信息。选其中一部分采样点进行取土封存后,再使用烘干称重法测得土壤容重及土壤轻质和土壤重量的含水率,并对土壤三参数仪的测定值进行修正。
2.2 研究方法 2.2.1 温度植被干旱指数通过Ts-NDVI特征空间获取土壤的水分胁迫指数,用于对地表土壤湿度进行估测。根据文献[11]有关土壤湿度的分析得出:在Ts-NDVI的特征空间中等值线较多, 因而提出温度植被干旱指数(TVDI)这一概念(如图 2所示),计算公式为
![]() |
图 2 研究区Ts-MSAVI特征空间 |

式中,Ts为地表温度;Tsmin为最小地表温度,对应湿边方程;Tsmax为最大地表温度,对应干边方程。计算公式为


式中,a、b、c、d为干边湿边方程的系数。TVDI作为土壤湿度分级标准,将土壤湿度分为5个层次,分别为极湿润(0 < TVDI≤0.2)、湿润(0.2 < TVDI≤0.4)、正常(0.4 < TVDI≤0.6)、干旱(0.6 < TVDI≤0.8)、极干旱(0.8 < TVDI≤1)。
2.2.2 改进的修正土壤调整植被指数(MSAVI)采用MSAVI代替NDVI,MSAVI的计算公式为

式中,Rred为红波段反射率;Rnir为近红外波段反射率。
2.2.3 地表温度基于Landsat 8第10波段(K1=774.89W/(m2∙μm∙sr),K2=1321.08K)反演地表温度过程,参考文献[12-13]新型Landsat 8卫星影像的反射率和地表温度反演方法。采用80个实地监测地表温度数据对反演结果进行验证,Ts和反演值的决定系数R=0.4288,Ts反演结果符合实际情况,能够满足试验精度要求。
3 结果与分析 3.1 Ts-MSAVI特征空间及干湿边的拟合根据反演结果(MSAVI为横坐标,地表温度为纵坐标)在MSAVI取值0~1范围内,通过数据预处理,获取9—11月的Ts-MSAVI的特征空间,如图 2所示。地表温度在271.01~327.05K之间,当MSAVI>0,MSAVI值增大时,地表温度的最大值变小、最小值变大,且最大值和最小值与MSAVI呈近似线性关系。从时间上看,9—11月,特征空间的干边和湿边形状发生了变化,地表温度的最大值和最小值均有减小趋势。
根据Ts-MSAVT特征空间,拟合得到干边、湿边方程,具体结果见表 1,由干边方程与湿边方程比例系数的绝对值可知,对焉耆盆地而言,干边拟合的地表温度对植被指数的变化更加敏感,其R2的平均值为0.88。
空间特征 | 干边方程 | R2 | 湿边方程 | R2 |
2016-09-05 | y=-25.1x+322.75 | 0.88 | y=6.89x+293.15 | 0.76 |
2016-10-07 | y=-26.5x+307.98 | 0.89 | y=6.36x+294.28 | 0.86 |
2016-11-08 | y=-23.4x+291.16 | 0.89 | y=9.69x+275.06 | 0.92 |
据TVDI计算公式,分别计算各像元TVDIm(如图 3所示)。由图 3可知,9月焉耆盆地中部土壤湿度较高,南部和东部属于干旱区;10月南部和东部土壤湿度略微减小,博湖西南部土壤湿度较高,研究区中部土壤湿度正常;11月研究区西北部分干旱程度增大,其他部分土壤湿度整体增大。
![]() |
图 3 TVDIm等级分布 |
在Landsat 8 OLI影像图上找出对应的像素点,并计算该像素点的TVDIm。建立以TVDIm为横坐标,实测土壤湿度值为纵坐标的散点图(如图 4所示)。对TVDIm和不同土层土壤湿度的线性拟合结果经过F检验,线性回归方程显著(p < 0.05),即TVDIm在焉耆盆地能更好地反映土壤湿度状况。在不同层上,10~20cm土层土壤湿度与TVDIm的相关性最高;然后是0~5cm土层;5~10cm土层次之;20~30cm土层相关性最低。这说明TVDIm能更稳定地反映和指示10~20cm土壤湿度。但与其他土壤湿度相比,20~30cm土层土壤湿度数据之间相对分散,可能是由于Landsat 8 OLI图像的空间分辨率为30m,TVDIm用于反映单位像素表层土壤湿度的总体情况,然而,野外考察获取的实测土壤湿度是点数据,遥感反演的数值和地面实测值之间存在一定的误差。
![]() |
图 4 TVDIm与不同土层实测土壤湿度的相关性 |
图 5为Ts与TVDIm时空分布对比分析,该区域内Ts与TVDIm总体呈下降趋势; 9月最高Ts主要分布在研究区东南部;最低Ts主要在中部区域且分散分布,土壤湿度除了博斯腾湖外,旁边湿地、研究区中部较高,东南部分最低。10月Ts空间分布由边缘向中部逐渐降低,土壤湿度的空间分布与之相反。11月研究区Ts总体为西北高、东南低,土壤湿度为东南部大于西北部。由图 5可见,Ts越低,TVDIm越小,土壤湿度越高;Ts越高,TVDIm越大,土壤湿度越低。
![]() |
图 5 Ts与TVDIm时空分布 |
Ts与MSAVI构成的特征空间受多种因素的影响,其中一个重要的影响因素是土地利用类型(如图 6)。由图 6可知,9—11月水体的TVDIm值属于湿润,湿地的TVDIm值属于轻度湿润,耕地、林地、草地、盐碱地的TVDIm值属于正常,其他土地利用类型的TVDIm值属于干旱。除了水体外,9—11月湿地的TVDIm值最低,土壤湿度最高。
![]() |
图 6 土地利用类型和TVDIm的关系 |
根据TVDI的计算公式,获得焉耆盆地的土壤湿度。遥感数据反演得到的焉耆盆地土壤湿度空间格局基本一致。从焉耆盆地土壤湿度反演结果来看,地表裸露或植被覆盖率低的地区TVDIm较高,表明土壤含水量低,土壤干燥;在湖区,沿湖流的TVDIm低,土壤相对湿润;在植被覆盖率高的区域,TVDIm较低,土壤湿度状况正常。根据9—11月的土壤湿度反演结果对比分析可知,除博斯腾湖流域和湖区外,焉耆盆地中部TVDIm相对较小,土壤湿度相对湿润,均在0.6以下;焉耆盆地南部的土壤湿度相对干燥。焉耆盆地边缘远离河流、库、湖泊,是无植被覆盖的荒漠地带,土壤湿度接近于1,极度干旱。在焉耆盆地的中部,土壤湿度较为稳定,而在焉耆盆地的边缘地区绿洲与荒漠的交错地带,土壤湿度变化剧烈,呈现明显的差异性。
4 讨论与结论 4.1 讨论利用Landsat 8 OLI数据,选用MSAVI并采用TVDI法反演土壤湿度,方法简易可行,比较适合焉耆盆地区域,在一定程度上能够反映焉耆盆地的总体土壤湿度情况。根据上述观测结果对比分析发现,TVDI方法在土壤干湿度方面的作用十分明显且可行,并且与其他研究结果表现出一致性[1]。此外,虽然根据本文的研究结果,TVDIm与10~20cm土层相关性最高,且与其他学者的研究结果一致[14-16],但是这些研究并没有考虑NDVI对植被覆盖程度高低的指示灵敏度不同的影响。本文利用MSAVI指数减弱了土壤背景对植被指数的影响,对焉耆盆地土壤湿度进行准确的反演。同时也存在一定的不足,由于各方面的限制,如水体区域采用TVDI法结果可能存在一定的误差;本文构建的TVDI只利用了MSAVI指数;可进一步利用多种植被指数与地表温度构建特征空间进行分析,并考虑利用多种因子组合建立反演土壤湿度的模型,使反演结果更具可靠性和科学性。
4.2 结论本文基于Landsat 8 OLI数据计算了Ts、MSAVI,利用TVDI方法反演了2016年9—11月焉耆盆地的土壤湿度,并运用野外同步观测的不同深度表层土壤湿度数据对TVDI进行了定量验证。发现TVDI与土壤湿度显著相关,可用于反演不同深度的土壤湿度。试验结果表明:①当焉耆盆地土壤湿度增加时,TVDI逐渐减少。经过F检验,0~5cm、5~10cm、10~20cm和20~30cm各层土壤湿度的线性回归结果均达显著水平,TVDI可作为土壤湿度的一个指示。②不同土层中,TVDI与10~20cm土层实测土壤湿度的相关性最高,TVDI更能稳定地反映和指示10~20cm土壤湿度状况。③Ts是影响TVDI的关键要素,总体上土壤湿度与Ts呈负相关性。④不同土地利用土壤湿度的分布总体上水体、湿地土壤湿度值最高,耕地、草地、林地、盐碱地次之,裸岩、沙地最低。9—11月除水体外,焉耆盆地的其他土地类型中,湿地的TVDIm值最低,林地、草地、耕地的TVDIm值属于正常,其他土地利用类型的TVDIm值属于干旱。
[1] |
陈明星, 张玉虎. 基于4种植被指数TVDI模型的三江平原土壤湿度反演[J]. 水土保持研究, 2019, 26(3): 93-100, 107. |
[2] |
李宁. 三江源区地表土壤湿度的遥感反演[D]. 北京: 中国地质大学(北京), 2020.
|
[3] |
胡洪涛. 基于遥感的白沙河流域土壤含水量反演[D]. 北京: 中国地质大学(北京), 2020.
|
[4] |
李彩瑛, 阎建忠, 刘林山, 等. 基于TVDI的羌塘高原夏季土壤湿度变化分析[J]. 地理研究, 2017, 36(11): 2101-2111. |
[5] |
于健, 杨国范, 王颖, 等. 基于MODIS数据反演阜新地区土壤水分的研究[J]. 遥感技术与应用, 2011, 26(4): 413-419. |
[6] |
薛天翼, 白建军. 基于TVDI和气象数据的陕西省春季旱情时空分析[J]. 水土保持研究, 2017, 24(4): 240-246. |
[7] |
倪波顺, 高阳华, 李月臣, 等. 基于FY-3A/VIRR数据的重庆市干旱监测研究[J]. 西南大学学报(自然科学版), 2014, 36(7): 143-148. |
[8] |
QI J, CHEHBOUNI A, HUETE A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994, 48(2): 119-126. DOI:10.1016/0034-4257(94)90134-1 |
[9] |
哈丽旦·司地克, 玉素甫江·如素力, 麦麦提吐尔逊·艾则孜. 焉耆盆地气候变化和人类活动对生态系统服务价值的影响研究[J]. 中国生态农业学报, 2016, 24(5): 684-694. |
[10] |
姜红, 玉素甫江·如素力, 热伊莱·卡得尔, 等. 基于神经网络模型的干旱区绿洲土壤盐渍化评价分析[J]. 地球信息科学学报, 2017, 19(7): 983-993. |
[11] |
SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2): 213-224. |
[12] |
徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015, 58(3): 741-747. |
[13] |
陈峰, 赵小锋, 全元, 等. 利用时空信息的单波段地表温度遥感反演[J]. 遥感学报, 2014, 18(3): 657-672. |
[14] |
王纯枝, 毛留喜, 何延波, 等. 温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究[J]. 土壤通报, 2009, 40(5): 998-1005. |
[15] |
熊世为, 李卫国, 贾天山, 等. 基于HJ卫星数据的土壤含水量反演及其旱情预测[J]. 江苏农业学报, 2014, 30(5): 1044-1050. DOI:10.3969/j.issn.1000-4440.2014.05.019 |
[16] |
高培霞, 张吴平, 梁爽, 等. 基于温度植被干旱指数(TVDI)的土壤干湿反演[J]. 灌溉排水学报, 2018, 37(10): 123-128. |