MODIS數據支持下的土壤濕度模型構建
——以河南商丘地區為例

王小潔，閔錦忠，薛豐昌，王 偉

(1. 南京信息工程大學大氣科學學院， 江蘇 南京 210044； 2. 南京信息工程大學地理與遙感學院， 江蘇 南京 210044)

MODIS數據支持下的土壤濕度模型構建
——以河南商丘地區為例

王小潔1，閔錦忠1，薛豐昌2，王 偉1

(1. 南京信息工程大學大氣科學學院， 江蘇 南京 210044； 2. 南京信息工程大學地理與遙感學院， 江蘇 南京 210044)

土壤濕度是農作物在生長過程中主要供水因子，實際測量土壤濕度較為復雜,衛星遙感成為反演和監測土壤濕度的重要手段。本文利用商丘地區2012和2013年MODIS數據，采用濾波方法減小云、氣溶膠影響下的MODIS產品噪聲，利用農田淺層土壤濕度指數(CSMI)與實測土壤相對濕度值進行了相關性分析，構建了適用于商丘地區的土壤濕度模型，并利用2013年的土壤實測數據對模型反演出來的土壤濕度進行了驗證。結果表明，CSMI指數能夠有效反演該地區0～50 cm深的土壤濕度值(通過了0.01的顯著性檢驗)。

土壤濕度反演；農田淺層土壤濕度指數(CSMI)；監測模型

土壤濕度一直是各個相關研究領域中重點研究的物理參數，土壤濕度不僅在農作物生長過程中有重要影響，還會影響氣候變化[1]。土壤濕度是植物生長中所需水分的重要來源，也是判斷是否干旱的基本條件之一[2]。目前我國的農田用水利用率低，為了能夠制定出合理的灌溉方案，提高水分利用率，就要準確掌握土壤濕度的含量及其變化[3]。

日常土壤濕度觀測通常利用傳統的人工觀測方法[4-6]，并根據觀測的數據建立監測模式。有的研究中根據實測數據利用不同的方法估算土壤濕度[7]，雖然能估算不同深度的土壤濕度，但只能得到單點數據，且耗費大量的人力物力。在大范圍非均勻地表條件下，此類監測方法不能準確表達土壤濕度的空間分布，實用性差。國內外學者研究發現歸一化植被指數(NDVI)在干旱監測中具有直觀性和易用性[8]，但是受植被覆蓋的影響大。因此杜曉等[9]根據水的光譜特性，提出了地表含水量指數(SWCI)，結果表明能較好地反映地表含水量和含水量的變化。張紅衛等[10]將兩個指數結合起來，構建了一個能監測0～50 cm土壤濕度的指數，監測研究區域的土壤含水量情況。而這些研究均適用于較大空間尺度上的反演監測，在監測小范圍區域內的土壤濕度時，與實際的土壤濕度情況存在較大誤差。因此，需要對小范圍的研究區域的土壤濕度進行監測。

本文選取MODIS數據，根據農田淺層土壤濕度指數(cropland soil moisture index，CSMI)，建立適用于商丘地區的土壤濕度模型。為了減小數據的噪聲，先利用Savitzky-Golay(S-G)濾波法，對CSMI指數的長時間序列數據進行濾波；然后，利用商丘地區2012年的實測土壤相對濕度數據和濾波后CSMI指數進行分析，建立土壤濕度反演模型；最后，通過2013年的實測土壤濕度數據，驗證和評價土壤濕度監測模型的精度。

一、資料與方法

1. 研究區域和數據集

研究區域位于商丘市，位于北緯33°98′—34°80′、東經114°82′—116°45′之間,是重要糧食產地。年平均氣溫14.2℃，年平均降水量623 mm。該研究區域受到降水時空分布不均和季風的影響，易受干旱影響。本文采用2012和2013年8 d地表反射率產品MOD09A1數據(其空間分辨率為500 m，共92景)，以及2012和2013年商丘地區的土壤相對濕度數據，構建了土壤濕度反演模型及驗證反演模型的準確性。

2. 圖像預處理

對MOD09A1產品進行拼接和重投影，將其轉換成WGS-84坐標系、Lambert Conformal Conic下的投影，并提取1、2、6、7通道反射率數據及其對應的QC(質量控制)數據。

遙感影像因為云、氣溶膠等因素的影響，使得遙感反演的地表數據都存在著很大的噪聲。重建地表數據能夠有效地減小數據中的噪聲[11]。學者研究表明S-G濾波法在指數重構上有較好的效果[12]。利用TIMESAT軟件讀入商丘2012和2013年的8 d合成數據，包括92景的反射率數據及其對應的QC(質量控制)影像數據。對圖像數據進行S-G濾波，處理后的數據作為土壤濕度遙感反演的數據源。

二、結果與分析

1. 數據重建

圖1為2012和2013年商丘地區小麥種植區某像元CSMI指數數據重構前后比較圖。從圖中可以看出在重建前CSMI指數的時間序列曲線波動比較大，數據存在著誤差；經過濾波后，CSMI指數的誤差值得到了修正。在實際應用中對遙感數據進行濾波處理能夠有效地去除數據噪聲，提高數據質量。

圖1 2012和2013年商丘地區小麥種植區某像元CSMI指數數據重構前后比較

2. 地表濕度反演模型

為了建立一個適用于商丘土壤濕度的反演模型，利用計算得到的CSMI指數分布圖像，根據觀測站點的經緯度提取對應像元的指數值，將提取的值用于分析CSMI指數與土壤濕度之間的關系。對2012年4個站的0～50 cm深的實測土壤濕度數據經過剔除缺測值和極端異常值后的共131個樣本來分析CSMI值和實測0～50 cm深的土壤濕度數據之間的關系，如圖2所示。通過對數據進行相關性分析，可以得出擬合的判定系數為0.62，F值為209.77，顯著性水平為0.002，通過了0.01的顯著性檢驗，表明了數據間有顯著的線性相關關系，這表明經過計算出來的CSMI指數與0～50 cm深的土壤濕度有較好的線性相關關系,也說明通過指數反演土壤濕度的結果較理想。

圖2 2012年商丘地區農田淺層土壤濕度指數和0～50 cm深土壤濕度散點

從圖2中可以看出研究區域內大部分點都符合相關性，但還存在部分離散點，而且在反演較高土壤濕度時，CSMI指數方法反演效果不好。通過試驗結果發現可能是CSMI指數在反演植被覆蓋度較小的土壤濕度時結果不精確，存在著一定程度上的偏差。

為了驗證該反演土壤濕度的模型的精確度和準確度，選用2013年的土壤濕度實測數據對模型進行驗證。從結果中可以看出，反演的土壤相對濕度與實測的相對濕度有著顯著的相關關系，可以看出反演模型在反演實際土壤相對濕度時結果較好，可以通過構建的土壤濕度監測模型來評判該地區干旱情況。從圖3可以看出，實測的土壤濕度值和模擬的土壤濕度值具有小于0.001的極顯著的相關關系，且RMSE為5.48%，決定系數為0.66，說明構建的土壤相對濕度反演模型是具有較高的精度。

圖3 實測和模擬的土壤相對濕度散點

表1為0～50 cm深土壤相對濕度反演值和實測值對比表。選取商丘地區內4個樣點2013年4個不同時段的MODIS數據產品對0～50 cm深的土壤相對濕度情況進行反演，并與對應實測的0～50 cm深的土壤相對濕度進行驗證。反演的土壤濕度與實測的土壤濕度之間的平均誤差為0.08，平均相對誤差較小?？梢哉f明，基于衛星數據反演土壤濕度能夠彌補無法實時監控土壤濕度的問題，反演研究區域內的土壤濕度，并且反演結果較為理想。

表1 2013年0～50 cm深土壤相對濕度反演結果精度對比表

三、總結與討論

本文利用具有較高時空分辨率的MODIS衛星數據產品，首先對衛星數據進行濾波，減小數據誤差，實現數據重構，然后利用重建后的數據，通過CSMI 指數構建適用于商丘地區的土壤相對濕度反演模型，最后對結果進行驗證。本文研究的主要結論如下：

1) 利用經過質量重構的農田淺層土壤濕度指數(CSMI)間接反映農田0～50 cm深的土壤濕度，尤其在反演小麥這種植被覆蓋率大的后期農田土壤濕度時，相關性高，但還是受到地形和地表覆蓋物的影響。

2) 通過實測的土壤濕度模型檢驗，可以看出實測的土壤濕度與反演的土壤濕度之間具有較高的線性相關相關關系(P<0.001)，并且均方根誤差較小，決定系數為0.66。反演結果與實測結果較為一致，平均相對誤差為0.08。說明通過MODIS衛星數據建立適用于商丘地區的小范圍的0～50 cm土壤濕度監測是可行的。

本文主要基于多期的遙感數據和地面觀測數據，建立在時間上具有較為精確的適用于商丘地區的土壤濕度的反演模型。通過該模型，反演出實際的土壤濕度，結果表明這個模型具有較好的適用性。但是土壤濕度會受到地形和邊界層大氣的影響，今后的研究工作中可以考慮采用更高時空分辨率的土壤濕度數據對地區的土壤濕度進行監測。

[1] 柴波, 余錦華, 劉晶淼, 等. 東北地區夏季旬土壤濕度推算模型的初步探討[J]. 氣象科學, 2012, 32(4): 430-436.

[2] 高小六，張慧慧. 粗糙度對被動微波遙感反演土壤水分影響的實驗研究[J]. 測繪通報, 2014(8):59-61.

[3] 鄧天宏. 河南省農田土壤濕度變化規律及動態預報研究 [D]. 南京: 南京信息工程大學, 2005.

[4] 時新玲, 王國棟. 土壤含水量測定方法研究進展[J]. 中國農村水利水電, 2003(10): 84-86.

[5] 張兵, 袁壽其, 成立. 節水灌溉自動化技術的發展及趨勢[J]. 排灌機械, 2003, 21(2): 37-41.

[6] TYLER S W. Neutron Moisture Meter Calibration in Large Diameter Boreholes[J]. Soil Science Society of America Journal, 1988, 52(3): 890-893.

[7] BISWAS B C, DASGUPTA S K. Estimation of Soil Moisture at Deeper Depth from Surface Layer Data[J]. Mausam, 1979, 30(4):511-516.

[8] J?NSSON P, EKLUNDH L. Seasonality Extraction by Function Fitting to Time-series of Satellite Sensor Data[J].IEEE Geoscience and Remote Sensing,2002, 40(8): 1824-1832.

[9] 杜曉, 王世新, 周藝, 等.一種新的基于MODIS的地表含水量模型構造與驗證[I]. 武漢大學學報(信息科學版), 2007,32(3):205-208.

[10] 張紅衛, 陳懷亮, 申雙和, 等. 基于 MODIS 數據的農田淺層土壤濕度指數的構造與應用 [C]∥第 26 屆中國氣象學會年會農業氣象防災減災與糧食安全分會場論文集.杭州：[s.n.]，2009.

[11] SHEN R, YU P, YAN J, et al. Retrieving Soil Moisture by TVDI Based on Different Vegetation Index: A Case Study of Shanxi Province[C]∥2012 International Conference on Computer Science and Electronics Engineering (ICCSEE).[S.l.]： IEEE, 2012:418-422.

[12] 嚴婧. 基于參數重建的土壤濕度遙感監測及系統研制[D]. 南京: 南京信息工程大學, 2013.

[13] 李曉光. 基于 MODIS-NDVI 的內蒙古植被覆蓋變化及其驅動因子分析[D].呼和浩特：內蒙古大學, 2014.

[14] 張學藝. 基于 EOS/MODIS 的幾種植被指數[J]. 安徽農業科學, 2009 (26): 12842-12845.

Construction of Soil Moisture Model Based on MODIS Data——A Case Study of Shangqiu Area，Henan

WANG Xiaojie，MIN Jinzhong，XUE Fengchang，WANG Wei

2016-05-17；

江蘇省自然科學基金(BK20151458)；江蘇省博士后科研基金(1101024B)；中國氣象局北京城市氣象科研所城市氣象科學研究基金(IUMKY&UMRF201103)

王小潔(1992—)，女，碩士生，主要從事土壤濕度反演研究。E-mail：jade_wang666@163.com

王小潔，閔錦忠，薛豐昌，等.MODIS數據支持下的土壤濕度模型構建——以河南商丘地區為例[J].測繪通報，2016(12)：48-50.

10.13474/j.cnki.11-2246.2016.0399.

P237

B

0494-0911(2016)12-0048-03

修回日期：2016-06-13