內(nèi)蒙古河套灌區(qū)土壤墑情信息的多極化雷達(dá)響應(yīng)分析

李生勇　霍軼珍　朱冬梅

摘要：以內(nèi)蒙古河套灌區(qū)磴口縣為研究區(qū)，結(jié)合Radarsat-2四極化雷達(dá)遙感數(shù)據(jù)對(duì)土壤墑情進(jìn)行響應(yīng)分析。研究結(jié)果表明，同極化后向散射系數(shù)同土壤墑情的響應(yīng)性高于交叉極化，以同極化均值和交叉極化均值作為參量建立回歸模型進(jìn)而對(duì)研究區(qū)反演分析，經(jīng)實(shí)測(cè)數(shù)據(jù)檢驗(yàn)，該方法能夠在一定程度上滿足土壤水分監(jiān)測(cè)的需要，優(yōu)于傳統(tǒng)土壤水分分類方法。

關(guān)鍵詞：雷達(dá)遙感；土壤水分；后向散射系數(shù)；河套灌區(qū)；模型建立；精度分析

中圖分類號(hào)：S152.7；S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）08-1931-05

DOI：10.14088/j.cnki.issn0439-8114.2016.08.008

Abstract： The Dengkou county in Inner Mongolia Hetao irrigation district was chosen as the study area， combined with Radarsat-2 four polarization radar remote sensing data analysis of soil moisture. The results showed that the response of backscatter coefficient of the same polarization to the soil moisture was higher than cross polarization. The regression model was established with the mean of same polarization and cross polarization as parametric， with the model inversion analysis in the studied area， it was indicated that the measured data with tested method could meet the requirements of soil moisture，which was superior to the traditional soil moisture classification method.

Key words：radar remote sensing；soil moisture；backscatter coefficient；Hetao irrigation district；model building；precision analysis

土壤水分是土壤生物、陸地植物等賴以生存的重要物質(zhì)資源之一，在全球水循環(huán)中發(fā)揮著重要的作用[1]。大面積土壤水分的監(jiān)測(cè)是農(nóng)業(yè)水管理以及農(nóng)作物旱情預(yù)報(bào)的一個(gè)重要內(nèi)容[2]，土壤墑情代表了土壤含水量信息，傳統(tǒng)的土壤墑情測(cè)量方法如時(shí)域反射計(jì)法或稱重法都是基于點(diǎn)的測(cè)量方法，此類方法需要野外實(shí)地采集土壤樣本和室內(nèi)試驗(yàn)后處理過程，不僅費(fèi)時(shí)費(fèi)力，而且無法在有限的時(shí)間內(nèi)獲取較大范圍的地表土壤墑情時(shí)空分布信息，因此傳統(tǒng)的土壤水分測(cè)量方法很難在大范圍的耕地評(píng)價(jià)中應(yīng)用[3]。遙感技術(shù)發(fā)展日益成熟，這為準(zhǔn)確、高效地對(duì)土壤墑情監(jiān)測(cè)提供了可能，學(xué)者也對(duì)遙感監(jiān)測(cè)土壤墑情做了大量的研究。從20世紀(jì)70年代開始，國(guó)外學(xué)者就已經(jīng)逐步開始利用遙感技術(shù)對(duì)地表土壤水分進(jìn)行監(jiān)測(cè)分析。Schmugge等[4]通過試驗(yàn)研究分析得出土壤含水量與土壤亮溫具有很好的相關(guān)關(guān)系，并進(jìn)一步研究了土壤水分對(duì)土壤微波輻射的影響，而ONeill[5]建立了土壤含水量和土壤亮溫的線性關(guān)系。Njoku等[6]利用輻射傳輸方程，建立了土壤亮度溫度與體積含水量之間的非線性方程，而且利用最小二乘法和迭代法求出了容積含水量等參數(shù)。為了建立微波遙感后向散射系數(shù)與土壤含水量之間的關(guān)系，許多學(xué)者做了大量的試驗(yàn)研究，Ulaby等[7]就土壤含水量與雷達(dá)頻率、雷達(dá)入射角做了相關(guān)性研究，Weimann[8]通過大量試驗(yàn)研究，建立了土壤水分與雷達(dá)后向散射系數(shù)以及地表粗糙度的關(guān)系，并對(duì)反演精度做了驗(yàn)證分析。在中國(guó)，學(xué)者們對(duì)于土壤水分微波遙感技術(shù)的研究相比國(guó)外起步較晚，始于20世紀(jì)80年代，而且早期的研究都是圍繞土壤相關(guān)參數(shù)的反演進(jìn)行的，自20世紀(jì)90年代后期中國(guó)土壤水分遙感反演技術(shù)在理論和應(yīng)用方面得到了突飛猛進(jìn)的發(fā)展，國(guó)內(nèi)學(xué)者利用熱慣量、地表溫度、地表粗糙度、雷達(dá)后向系數(shù)、植被指數(shù)等作為參數(shù)建立了一些土壤水分的反演經(jīng)驗(yàn)?zāi)Ｐ?，黃楊等[9]對(duì)地表微波反射特性做了大量研究，建立了土壤水分和地表參數(shù)的相關(guān)性；唐登銀[10]基于能量平衡理論，利用干旱指數(shù)法對(duì)土壤表面參數(shù)進(jìn)行了反演研究；張仁華[11]也對(duì)土壤墑情監(jiān)測(cè)的理論與方法做了大量研究。20世紀(jì)90年代以后微波遙感技術(shù)在土壤墑情監(jiān)測(cè)模型的研究中得到了迅速發(fā)展，李杏朝[12]同步測(cè)量土壤水分、土壤后向散射系數(shù)，監(jiān)測(cè)土壤水分相對(duì)誤差為12%；鮑艷松等[13]通過TM光學(xué)遙感數(shù)據(jù)去除了植被散射和衰減的影響，然后利用ASAR和TM數(shù)據(jù)建立在冬小麥覆蓋情況下土壤水分反演模型，并且在實(shí)際應(yīng)用中得到了很好的結(jié)果。綜上所述，國(guó)內(nèi)外學(xué)者利用遙感監(jiān)測(cè)土壤墑情已經(jīng)取得了一定成績(jī)，為本研究提供了借鑒，但采用四極化精細(xì)模式的雷達(dá)影像數(shù)據(jù)分析極化方式對(duì)土壤水分響應(yīng)分析的研究很少，且研究區(qū)域選擇在干旱的河套灌區(qū)，研究成果對(duì)河套灌區(qū)灌溉制度的制定有一定的理論指導(dǎo)意義。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

磴口縣地處內(nèi)蒙古河套地區(qū)西南部，是巴彥淖爾市的旗縣之一，地理坐標(biāo)為東經(jīng)106°9′-107°10′，北緯40°9′-40°57′，屬于中溫帶干旱大陸性季風(fēng)氣候，平均氣溫為8.5 ℃，氣候比較干燥[14]；研究區(qū)以荒漠植被小灌木為主，地域遼闊，地勢(shì)平坦，土質(zhì)條件較好，是典型的河套灌區(qū)之一；河套灌區(qū)水鹽運(yùn)移屬于垂直入滲蒸發(fā)型，降雨量少，蒸發(fā)量大，在強(qiáng)烈的蒸發(fā)作用下，水分?jǐn)y帶鹽分向地表運(yùn)移積聚，春季返鹽是灌區(qū)土壤次生鹽漬化的重要因素。灌區(qū)每年從4月中旬灌溉，到11月中下旬結(jié)束，根據(jù)作物需水規(guī)律進(jìn)行灌溉，用水量最大的是秋澆，起壓鹽保墑作用。灌區(qū)土壤年內(nèi)水鹽運(yùn)移變化復(fù)雜。了解夏灌（4～6月）前、秋澆（10中旬至11月中下旬）前土壤水鹽的分布狀況對(duì)灌區(qū)農(nóng)業(yè)生產(chǎn)和土壤改良有著深刻影響，并對(duì)年際間水鹽動(dòng)態(tài)時(shí)空變異規(guī)律研究有一定的代表性。

1.2 數(shù)據(jù)源

Radarsat-2是由MAD（MacDonald Dettwiler and Associates Ltd）和CAS（Canadian Space Agency）于2007年共同出資開發(fā)的星載合成孔徑多極化雷達(dá)系統(tǒng)，雷達(dá)頻率為C波段，該波段可提取地表0～5 cm的土壤信息[15]。雷達(dá)影像接收時(shí)間為2015年1月10日，影像為四極化精細(xì)模式（HH+HV+VH+VV極化），標(biāo)稱分辨率為8 m，處理級(jí)別為SLC， 一景影像的覆蓋面積為25 km×25 km，微波入射角范圍為35.310 939 8°-36.881 595 6°，影像的覆蓋區(qū)為裸露地表，加之季節(jié)原因，處理影像時(shí)不考慮植被覆蓋的影響。

在磴口縣試驗(yàn)區(qū)采集與RADARSAT-2影像時(shí)相一致的50個(gè)土壤樣本，每個(gè)土壤樣本取4個(gè)重復(fù)，樣本以邊長(zhǎng)小于8 m的正方形組成，并用手持GPS定位儀記錄土壤樣本中心點(diǎn)的地理坐標(biāo)信息。室內(nèi)試驗(yàn)通過烘干法測(cè)定土壤的質(zhì)量含水量，土壤樣點(diǎn)含水量最終以4個(gè)樣本的平均值代表，土壤樣本采樣點(diǎn)分布如圖1所示。

2 影像數(shù)據(jù)處理

2.1 雷達(dá)影像處理

雷達(dá)影像不同于可見光遙感，其采用相干微波源照射，各散射中心回波的相干疊加，造成合成矢量的振幅和相位都有一定起伏，最終得到的雷達(dá)影像出現(xiàn)相干噪聲[16]，為了抑制雷達(dá)影像的斑點(diǎn)噪聲，對(duì)影像采取多視、濾波處理；雷達(dá)影像的SLC格式屬于斜距坐標(biāo)，通過地理編碼處理，影像做了相應(yīng)的地距轉(zhuǎn)換，處理完的影像可以設(shè)置為WGS-84坐標(biāo)系；結(jié)合研究區(qū)的DEM數(shù)據(jù)，通過輻射定標(biāo)處理之后，雷達(dá)影像上的每一個(gè)像元值由亮度值轉(zhuǎn)換成后向散射系數(shù)值，利用定標(biāo)公式可以很好地完成亮度值與后向散射系數(shù)值之間的轉(zhuǎn)換，公式如下[17]：

2.2 雷達(dá)影像配準(zhǔn)

利用谷歌衛(wèi)星地圖下載器，下載與雷達(dá)影像區(qū)域相同的Google Earth影像，該下載器可以完好地保留影像的地理坐標(biāo)信息。影像配準(zhǔn)是將圖像糾正在某種地理編碼的坐標(biāo)系統(tǒng)中，使得它與某個(gè)參考影像具有相同的幾何屬性，此次影像配準(zhǔn)選擇Google Earth影像作為參考影像，在配準(zhǔn)過程中盡量選擇易于分辨的特征點(diǎn)（路的交叉點(diǎn)、房子的拐角等），特征點(diǎn)盡可能地均勻分布在整幅影像中，糾正結(jié)果最終小于0.5個(gè)像元，滿足精度要求，將采集的土壤樣本位置信息與雷達(dá)影像相結(jié)合，提取采樣點(diǎn)的后向散射系數(shù)值，最后對(duì)采樣點(diǎn)覆蓋區(qū)域進(jìn)行裁剪。

3 數(shù)據(jù)分析

3.1 單極化后向散射系數(shù)與含水率響應(yīng)分析

河套灌區(qū)屬于典型的干旱寒冷地區(qū)，季節(jié)間溫差較大，地區(qū)蒸發(fā)量遠(yuǎn)大于降水量，對(duì)地表土壤水分的時(shí)空分布變化規(guī)律進(jìn)行實(shí)時(shí)監(jiān)測(cè)尤為重要。河套灌區(qū)秋澆具有壓鹽保墑的作用，在秋灌前后土壤鹽分含量會(huì)產(chǎn)生較大的變化，在凍結(jié)期，土壤水分、鹽分會(huì)向凍結(jié)層移動(dòng)；在融解期，由于蒸發(fā)量大于降水量，鹽分會(huì)在地表聚集。鹽漬化土壤的雷達(dá)影像響應(yīng)程度會(huì)在不同時(shí)期產(chǎn)生變化，對(duì)土壤鹽分進(jìn)行監(jiān)測(cè)必須考慮土壤水分的空間分布和變化規(guī)律。雷達(dá)影像的均一性比較差，最大值和最小值相差很大，在提取雷達(dá)后向散射系數(shù)值時(shí)可以圍繞采樣點(diǎn)中心提取多個(gè)值最后取平均，均值不是最好的辦法，但卻是最常用和最簡(jiǎn)單的方法，均值可以代替采樣點(diǎn)的后向散射系數(shù)值[18]。部分采樣點(diǎn)數(shù)據(jù)見表1。

了解土壤水分變化與雷達(dá)影像散射特征的關(guān)系十分重要，將4種極化方式的后向散射系數(shù)值與土壤含水率分別做響應(yīng)分析，結(jié)果見圖2。

從圖2可知，土壤水分與同種極化方式（HH、VV）的響應(yīng)性明顯強(qiáng)于交叉極化方式（HV、VH）；而極化方式HH、VV與土壤水分的響應(yīng)性相差不多，HH極化方式的R2是0.054 2，VV極化方式的R2是0.055 5；極化方式HV、VH與土壤水分的響應(yīng)性也十分接近，HV極化方式的R2是0.024 2，VH極化方式的R2是0.025 4。呈現(xiàn)這種現(xiàn)象的原因與雷達(dá)成像的原理緊密相關(guān)，同種極化的成像方式類似，交叉極化方式的成像方式類似。

3.2 組合極化后向散射系數(shù)與含水率響應(yīng)分析

對(duì)于單極化雷達(dá)影像數(shù)據(jù)提取的土壤含水量信息量相對(duì)較少，研究的結(jié)果會(huì)受到一定影響。此次試驗(yàn)獲取了雷達(dá)精細(xì)四極化數(shù)據(jù)，可以對(duì)極化方式進(jìn)行組合，進(jìn)一步分析不同極化組合對(duì)地物后向散射特性的響應(yīng)。因?yàn)橥N極化方式對(duì)土壤水分的響應(yīng)性有別于交叉極化方式，對(duì)土壤樣本的4種極化方式做均值處理并繪制柱狀圖，結(jié)果見圖3。從圖3可知，HH極化與VV極化的值大于-15.0，而且均值接近；HV極化與VH極化的值小于-20.0，兩者的值也很接近。

那么可以將同種極化方式的后向散射系數(shù)作為組合，交叉極化方式的后向散射系數(shù)作為組合，分析這兩種組合的后向散射系數(shù)值同土壤含水率的響應(yīng)關(guān)系，結(jié)果見圖4。

從圖4可知，同種極化方式的均值同土壤含水率的響應(yīng)強(qiáng)于交叉極化方式的均值，R2分別是0.081 4和0.029 6；同種極化方式組合均值對(duì)土壤含水率的響應(yīng)相對(duì)于單極化方式有了明顯提高，交叉極化方式組合均值同樣呈現(xiàn)這樣的特征，那么可以考慮以這兩種均值方式作為參量建立土壤含水率的反演模型。

3.3 回歸分析

以極化組合（HH+VV）/2、（HV+VH）/2作為變量來建立模型，研究雷達(dá)圖像的后向散射系數(shù)和土壤含水量的關(guān)系，將同極化組合均值設(shè)為變量S1，即S1=（HH+VV）/2，交叉極化組合設(shè)為變量S2，即S2=（HV+VH）/2，土壤含水量設(shè)為變量S，利用其中40個(gè)土壤樣點(diǎn)的含水量數(shù)據(jù)進(jìn)行S、S1、S2回歸分析模擬，如圖5所示，建立的回歸方程為S=25.038 4+0.673 41 S1-0.226 32 S2，R2為0.822 9。

4 精度分析

4.1 對(duì)RADARSAT-2影像進(jìn)行決策樹分類

根據(jù)建立的土壤水分回歸方程，通過ENVI決策樹方法對(duì)影像進(jìn)行分類，分類結(jié)果見圖6，墑情分類統(tǒng)計(jì)見表2。由表2可知，墑情等級(jí)為0.1～0.2的所占比重最大，為56.05%；其次為墑情等級(jí)為0.2～0.3的，所占比重為33.02%；墑情等級(jí)在0.3以上的最少，而且這些區(qū)域多有魚塘或沼澤地。結(jié)果表明，研究區(qū)為典型的干旱地區(qū)，分類結(jié)果與實(shí)地考察現(xiàn)象比較吻合，分類結(jié)果較為準(zhǔn)確。

4.2 精度檢驗(yàn)

利用回歸模型對(duì)研究區(qū)進(jìn)行了土壤不同墑情等級(jí)分類，為了驗(yàn)證模型以及分類結(jié)果的可靠性，用剩余的10個(gè)采樣點(diǎn)作為精度的檢驗(yàn)，根據(jù)土壤采樣點(diǎn)的地理位置信息與土壤墑情分類圖相匹配，提取10個(gè)土壤采樣點(diǎn)對(duì)應(yīng)的反演值，并與實(shí)測(cè)值進(jìn)行比較分析，結(jié)果見表3。由表3可知，多數(shù)土壤樣本點(diǎn)的相對(duì)誤差小于10%，反演精度比較可觀。

5 結(jié)論

干旱是影響河套灌區(qū)農(nóng)業(yè)生產(chǎn)的重要因素之一，因雷達(dá)數(shù)據(jù)具有全天候、全天時(shí)、受天氣和氣候影響較小的優(yōu)點(diǎn)，常被用作土壤水分信息提取的基礎(chǔ)數(shù)據(jù)，這對(duì)河套灌區(qū)制定灌溉制度、合理利用水資源十分有意義。研究采用四極化精細(xì)模式C波段的Radarsat-2數(shù)據(jù)對(duì)研究區(qū)域進(jìn)行監(jiān)測(cè)，彌補(bǔ)了可見光遙感提取土壤水分信息的受限性。經(jīng)過對(duì)雷達(dá)影像的處理，準(zhǔn)確獲取了土壤的后向散射系數(shù)值。分析不同極化方式的后向散射系數(shù)同土壤含水量的關(guān)系，發(fā)現(xiàn)同極化方式對(duì)土壤水分的響應(yīng)性明顯高于交叉極化方式。通過分析極化方式組合同土壤含水量的關(guān)系，得出組合均值均能提高對(duì)土壤的響應(yīng)性。以均值極化組合作為變量，建立了回歸模型S=25.038 4+0.673 41 S1-0.226 32 S2，R2為0.822 9。通過決策樹利用模型對(duì)研究區(qū)進(jìn)行了鹽漬化分類，并對(duì)分類結(jié)果及模型精度做了驗(yàn)證，結(jié)果多數(shù)樣本點(diǎn)的相對(duì)誤差小于10%，說明反演精度較高，研究成果可以作為磴口縣土壤水分監(jiān)測(cè)的理論基礎(chǔ)。

雷達(dá)影像對(duì)土壤介電常數(shù)比較敏感，而介電常數(shù)的實(shí)部和土壤含水率有一定的關(guān)系，本研究未能有效地分析土壤介電常數(shù)的影響，建立的回歸模型也未除去介電常數(shù)的干擾；而且研究成果是針對(duì)河套灌區(qū)建立的，是不是存在普適性，還需進(jìn)一步驗(yàn)證，這也是今后工作的重點(diǎn)。

參考文獻(xiàn)：

[1] 張友靜，王軍戰(zhàn)，鮑艷松.多源遙感數(shù)據(jù)反演土壤水分方法[J].水科學(xué)進(jìn)展，2010，21（2）：222-227.

[2] 姜良美.基于微波遙感農(nóng)田土壤水分反演研究[D].湖南湘潭：湖南科技大學(xué)，2012.

[3] 高 峰，王介民，孫成權(quán)，等.微波遙感土壤濕度研究進(jìn)展[J].遙感技術(shù)與應(yīng)用，2001，16（2）：97-102.

[4] SCHMUGGE T，GLOERSEN P， WILHEIT T， et al. Remote sensing of soil moisture with microwave radiometers[J]. Journal of Geophysical Research，1974，79（2）：317-323.

[5] ONEILL P E.Microwave remote sensing of soil moisture：A comparison of results from different truck and aircraft platforms[J]. International Journal of Remote Sensing，1985，6（7）：1125-1134.

[6] NJOKU E G， LI L. Retrieval of land surface parameters using passive microwave measurements at 6-18 GHz[J]. IEEE Trans Geosci Remote Sensing， 1999， 37（1）：79-93.

[7] ULABY F T， ASLAM A， DOBSON M C. Effect of vegetation cover on the radar sensitivity to soil moisturel[J]. IEEE Transaction on Geoscience and Remote Sensing， 1982， GE-20（4）：476-481.

[8] WEIMANN A， SCHONERMARK M V， SCHUMANN A， et al. Soil moisture estimation with ERS-1 SAR data in the East German Loess soil area[J]. International Journal of Remote Sensing， 1998， 19（2）：237-243.

[9] 黃 楊，楊習(xí)榮，耿淮濱.土壤含水量與其微波反射特性關(guān)系的研究[J].環(huán)境遙感，1986，1（2）：101-106.

[10] 唐登銀.一種以能量平衡為基礎(chǔ)的干旱指數(shù)[J].地理研究，1986， 6（2）：21-31.

[11] 張仁華.以作物光譜與熱紅外信息為基礎(chǔ)上的復(fù)合估產(chǎn)模式[J].科技通報(bào)，1989，34（17）：1331-1334.

[12] 李杏朝.微波遙感監(jiān)測(cè)土壤水分的研究初探[J].遙感技術(shù)與應(yīng)用，1995，10（4）：1-8.

[13] 鮑艷松，劉良云，王紀(jì)華，等.利用ASAR圖像監(jiān)測(cè)土壤含水量和小麥覆蓋度[J].遙感學(xué)報(bào)，2006，10（2）：263-271.

[14] 劉 芳，郝玉光，張景波，等.磴口縣土地景觀變化遙感監(jiān)測(cè)研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，30（3）：112-116.

[15] ZHOU P，DING J L，WANG F，et al. Retrieval method of soil water content in vegetation covering areas based on multi-source remote sensing data[J]. Journal of Remote Sensing， 2010， 14（5）：959-965.

[16] 王 超，張 紅，陳 曦，等.全極化合成孔徑雷達(dá)圖像處理[M].北京：科學(xué)出版社，2008.

[17] 喻忠偉.基于BP人工神經(jīng)網(wǎng)絡(luò)和Radarsat-2遙感影像的土壤墑情監(jiān)測(cè)研究[D].鄭州：鄭州大學(xué)，2013.

[18] 韋建波.RADARSAT-2數(shù)據(jù)再干旱區(qū)鹽漬地信息提取中的應(yīng)用[D].烏魯木齊：新疆大學(xué)，2009.