多源遥感数据反演土壤水分方法张友静1,王军战2,鲍艳松3(1河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098;2中国科学院寒区旱区环境与工程研究所,甘肃兰州730000;3南京信息工程大学大气物理学院,江苏南京210044摘要:基于ASARAPP影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用TM和MODIS影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现TM影像提取的归一化水分指数(NDWI反演精度较好,相关系数达到087。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为09,均方根误差为383%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。关键词:土壤含水量;多源遥感数据;水云模型;ASAR;多尺度中图分类号:P3389文献标志码:A文章编号:10016791(201002022207收稿日期:20090309基金项目:国家自然科学基金资助项目(40701130;40830639作者简介:张友静(1955-,男,江苏南京人,教授,主要从事遥感机理与方法研究。Emai:lzhangy@jhhueducn土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是Ulaby利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量[1]。80年代后,Dobson和Ulaby利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感[2]。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物理光学模型、两尺度模型和积分方程模型AIEM。Doboson等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量[34]。2000年以来,随着Rardrsa,tENVISATASAR传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化[56]。研究表明ASAR数据在半干旱区农田土壤湿度反演方面具有独特的优势[79]。在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型或数值模拟求解植被对微波的散射信号[9],具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点[911]。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。第21卷第2期2010年3月水科学进展ADVANCESINWATERSCIENCEVol21,No2Mar.,20101土壤水分估算模型11水云模型农作物微波后向散射模型一般可分为经验模型、理论模型和半经验模型3类。在半经验模型中,最具有影响力和应用最广泛的是Attema和Ulaby建立的水云(watercloud模型[12]。该模型将辐射传输模型中的植被冠层概化成水平均匀的云层;不考虑植被和土壤表层之间的多次散射;重要的变量仅为冠层高度和云密度,因而可假设与冠层体积含水量成比例。因此,总的后向散射包括冠层自身散射、地表散射和冠层与地表的交互散射。在不考虑雷达阴影时,水云模型可由下式表达:0=0veg+T20soil,0veg=AMvcos(1-T2,T2=exp(-2BMvsec(1式中...