论文部分内容阅读
土壤水分是土壤的重要组成部分,在地-气间物质、能量交换中起着重要作用,是农作物生长发育的基本条件和农作物产量预报的重要参数,也是水文学、气象学等科学研究领域重要的环境因子。土壤水分与干旱的遥感监测是目前遥感技术应用研究的前沿领域,也是遥感反演领域存在的关键科学问题之一。
本文首先全面分析了可见光-热红外遥感、微波遥感领域现有土壤水分遥感反演方法,指出了单一遥感手段获取土壤水分的局限性,和建立稳定的、较少依赖非遥感数据的土壤水分反演模型的重要性。在此基础上,提出将不同反演方法集成以及不同遥感数据源协同反演土壤水分,是解决上述问题的潜在和有效途径。这可以充分发挥不同方法、不同遥感数据源在土壤水分反演中的优势,弥补单一方法、单一数据源在土壤水分反演中的不足。
本文分别以天山北坡及位于天山北坡内部的子区域——三工河流域为研究区,对上述研究思路进行尝试性的实践。首先针对研究区复杂的地形和多样的地表景观,分别建立了基于MODIS数据的土壤水分ATI-NDVI(表观热惯量-植被指数)反演模型和基于MODIS与AMSR-E数据的土壤水分协同反演策略。模型和反演策略在三工河流域和天山北坡的土壤水分验证与反演的实践中表明:
1、LST-NDVI(地表温度,植被指数)特征空间法不适合应用于地形起伏较大地区的土壤水分反演,精度总体不理想。本文提出的将热惯量与LST-NDVI法相结合的表观热惯量.植被指数(ATI-NDVI)特征空间法在土壤水分反演中取得了较为满意的效果。平原区的土壤水分反演总体误差小于0.04m3/m3,R2为0.7935;在中山带森林、高山灌丛、高山草地、绿洲农田,土壤水分反演精度较高,误差分别为0.0419m3/m3,0.0403m3/m3,0.0378m3/m3和0.0324m3/m3:高山草地土壤水分反演结果优于前山带干草原的土壤水分反演结果;但在荒漠地区的土壤水分反演结果较差。而且,ATI-NDVI特征空间法不需要过多的辅助数据,只需要土壤质地数据,因此,ATI-NDVI特征空间法是一个完全基于遥感数据获取土壤水分的方法,与其他方法相比,更为简便、实用。
2、基于Njoku& Chan(2006)建立的亮温极化比与土壤水分、地表粗糙度和植被含水量关系的模型,依据地表微波辐射特性的分析结论,本文提出基于MODIS与AMSR-E数据协同反演土壤水分的协同策略,并应用于天山北坡土壤水分反演。中山带森林、绿洲的土壤水分协同反演结果好于荒漠、前山带干草原的土壤水分反演结果。这也说明在干旱区水分条件较好的地区,本文提出的协同反演方法的反演效果较好。
3、与本文提出的ATI-NDVI土壤水分反演方法相比,基于MODIS与AMSR-E数据的土壤水分协同反演方法获得的荒漠区土壤水分更接近于土壤水分实测值。这表明将MODIS与AMSR-E数据协同反演土壤水分的方法能够弥补利用单一遥感数据源MODIS反演土壤水分方法的不足。
4、通过土壤水分协同反演结果和AMSR-E土壤水分产品分别与地面实测土壤水分比较,表明AMSR-E土壤水分产品对干旱区土壤水分的估算整体偏低,而由MODIS与AMSR-E数据协同反演的土壤水分结果优于AMSR-E土壤水分产品。