基于NDVI分區(qū)的全國草地生態(tài)系統(tǒng)覆蓋區(qū)土壤水分遙感反演

楊 娜, 郭興國

(1.濟(jì)南市勘察測繪研究院, 濟(jì)南 250100; 2.三峽大學(xué) 水利與環(huán)境學(xué)院, 湖北 宜昌 443002)

草地生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)中的敏感成員，在發(fā)展畜牧業(yè)、維持生物多樣性、維持生態(tài)系統(tǒng)平衡等方面發(fā)揮著重要作用，但其發(fā)育與演替受氣候、人類活動等影響較為嚴(yán)重[1-2]。據(jù)氣象報告顯示過去幾十年間氣候經(jīng)歷了明顯變化，這勢必會對我國(尤其在干旱半干旱地區(qū))草地生長產(chǎn)生顯著影響，進(jìn)而影響全球的物質(zhì)循環(huán)和能量流動，對生態(tài)系統(tǒng)的穩(wěn)定性產(chǎn)生重要影響[3-4]。土壤水分是表示土壤干旱程度的重要物理量，是地表和大氣—水熱過程的重要紐帶，是監(jiān)測土地退化的一個重要指標(biāo)[5-8]，其含量雖僅占全球水循環(huán)分量的0.005%左右，卻影響著地—?dú)饨缑骈g的物質(zhì)循環(huán)和能量交換[9]，特別對干旱事件和高溫?zé)崂说男纬珊桶l(fā)展及其嚴(yán)重程度有重大驅(qū)動作用[10]。傳統(tǒng)的土壤水分測量方法(如烘干稱重法)是利用探針或重量測量法測定不同深度的土壤水分[11-13]，雖可得到較為精確的土壤水分?jǐn)?shù)據(jù)，但數(shù)據(jù)代表性差、獲取過程勞民傷財，獲得的基于站點(diǎn)的數(shù)據(jù)已不能準(zhǔn)確刻畫大尺度范圍內(nèi)土壤水分的時空變化[13-16]。20世紀(jì)70年代中期，遙感技術(shù)因具有時效快、范圍廣、長期動態(tài)監(jiān)測及高時空分辨率等優(yōu)點(diǎn)，被廣泛應(yīng)用在土壤水分的反演工作中[17-21]。利用遙感監(jiān)測土壤水分的方法有可見光—近紅外法(如反射率法、植被指數(shù)法)、熱紅外法(如表觀熱慣量法)、微波法(被動微波遙感法和主動微波遙感法)和多源遙感法等[21-30]。其中，可見光—近紅外法雖具有高空間和時間分辨率、大范圍長時間動態(tài)監(jiān)測的優(yōu)勢，但因其穿透能力較弱，且易受到天氣、植被覆蓋類型等的影響，使反演精度較低[5]。熱紅外法僅適用于裸土和植被覆蓋度低的區(qū)域，在植被覆蓋度高的區(qū)域因植被覆蓋了土壤的信息，嚴(yán)重影響土壤水分反演精度[10,31-32]。土壤水分遙感反演方法很多，但對不同下墊面(可謂裸土、部分植被覆蓋和全植被覆蓋區(qū)域)需使用不同的反演模型[33]。雖目前已有很多學(xué)者對土壤水分遙感反演做了大量工作，但因研究數(shù)據(jù)、研究區(qū)、植被類型和起始年份不同而存在差異[30-33]。而土壤水分研究作為草地生態(tài)系統(tǒng)動態(tài)監(jiān)測的一項長期性、經(jīng)常性的工作，被列為生態(tài)保護(hù)與修復(fù)工程的重要任務(wù)之一，引入土壤水分探究在生態(tài)保護(hù)與修復(fù)工程措施下草地覆蓋動態(tài)及其對氣候變化的響應(yīng)情況，對掌握和評價生態(tài)保護(hù)與修復(fù)等工程的所取得的效果有重大意義。

鑒于此，本文以全國草地生態(tài)系統(tǒng)為研究區(qū)，鑒于表觀熱慣量和溫度植被干旱指數(shù)模型優(yōu)缺點(diǎn)，基于2012年、2016年已有的實(shí)測數(shù)據(jù)與反演結(jié)果在精度驗證的基礎(chǔ)上確定NDVI閾值，建立土壤水分遙感反演模型。并使用該模型反演2016年全國草地生態(tài)系統(tǒng)0—10 cm土壤水分，分析土壤水分時空分布格局，以期為我國生態(tài)環(huán)境改善、畜牧業(yè)管理措施及未來生態(tài)環(huán)境建設(shè)提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

草地類型數(shù)據(jù)源于中國生態(tài)系統(tǒng)評估與生態(tài)安全數(shù)據(jù)庫(http:∥www.ecosystem.csdb.cn/ecosys/)提供的草地生態(tài)系統(tǒng)數(shù)據(jù)。由中國科學(xué)院生態(tài)環(huán)境研究中心依據(jù)《中國生態(tài)系統(tǒng)》的分類方法，采用6級分類單位將草地生態(tài)系統(tǒng)分為了草原生態(tài)系統(tǒng)(分布于我國溫帶地區(qū)，如東北，華北地區(qū)，青藏高原，黃土高原等)、草叢生態(tài)系統(tǒng)(主要分布在在熱帶和亞熱帶，向北可以分布到華北地區(qū)。)、草甸生態(tài)系統(tǒng)(普遍分布于我國北方各省區(qū)及青藏高原)、高寒生態(tài)系統(tǒng)(廣泛分布在青藏高原以及外緣山地，北起祁連山，南至橫斷山、天山北坡、瑪納斯河上游的大中大坂)四大類。中國草地生態(tài)系統(tǒng)總面積達(dá)3.9億hm2，占世界草地總面積的13%，占全國國土面積的41%(圖1)。

1.2 數(shù)據(jù)來源

DEM數(shù)據(jù)：DEM數(shù)據(jù)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/sources/accessdata/310?pid=302)的SRTM產(chǎn)品數(shù)據(jù)，分辨率為90 m。

土壤水分實(shí)測數(shù)據(jù)：2012年土壤水分實(shí)測數(shù)據(jù)由地球大數(shù)據(jù)科學(xué)工程數(shù)據(jù)共享服務(wù)系統(tǒng)(http:∥data.casearth.cn/)提供，多為人工觀測，觀測頻率為5～15 d一次，觀測深度有0—10，0—20，0—40，0—80，0—120 cm。2016年土壤水分實(shí)測數(shù)據(jù)由寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心(http:∥westdc.westgis.ac.cn/data/)提供的大沙龍站和峨堡站及國家青藏高原科學(xué)數(shù)據(jù)中心(http:∥www.tped-atabase.cn/portal/MetaDataInfo.jsp?MetaDataId=249 456)提供包含寒冷半干旱的那曲站、寒冷潮濕的瑪曲站、寒冷干旱的阿里站和獅泉站，每隔15 min觀測一次距地面5 cm，10 cm，30 cm，50 cm，80 cm處的土壤水分。

土壤濕度產(chǎn)品數(shù)據(jù)：由中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/ data/ cdcdetail/ dataCode)提供的“CLDASV2.0”產(chǎn)品。土壤相對濕度產(chǎn)品數(shù)據(jù)有0—10 cm，0—20 cm，0—50 cm觀測深度數(shù)據(jù)。利用中國區(qū)域業(yè)務(wù)的質(zhì)量控制后的土壤水分自動站觀測資料對其評估，結(jié)果表明：CLDAS-V2.0土壤相對濕度產(chǎn)品與地面實(shí)際觀測相關(guān)系數(shù)0.8左右，均方根誤差小于0.1，偏差為0.1。

遙感數(shù)據(jù)：遙感數(shù)據(jù)包括MOD09GA(時間分辨率為1 d，空間分辨率為500 m的地表反射率數(shù)據(jù)，提供1～7波段的反射率、質(zhì)量評價等數(shù)據(jù))，MOD11A1和MYD11A1(時間分辨率為 1 d、空間分辨率為 1 km的陸地表面溫度 ，包含晝夜地表面溫度和對應(yīng)的質(zhì)量控制數(shù)據(jù))，所有數(shù)據(jù)均由Google Earth Engine平臺處理并下載。投影為Albers正軸等面積雙標(biāo)準(zhǔn)緯線圓錐投影，并利用質(zhì)量控制文件對MOD09GA和MOD11A1數(shù)據(jù)進(jìn)行質(zhì)量控制，最大限度減少云等其他噪聲影響。使用MOD09GA數(shù)據(jù)提供的波段分別計算得到NDVI和EVI。NDVI，EVI計算公式見(1)，(2)：

NDVI=(NIR-R)/(NIR+R)

(1)

EVI=2.5(NIR-R)/(NIR+6R-7.5B+1)

(2)

式中:NIR為MOD09GA數(shù)據(jù)對應(yīng)的近紅外波段;R為紅光波段;B為藍(lán)光波段。

2 研究方法

2.1 遙感數(shù)據(jù)處理方法

2.1.1 地表溫度的地形訂正 不同海拔高度下，地表溫度受氣溫和大氣湍流的影響。當(dāng)研究區(qū)有明顯地形起伏時，隨高程增加，氣溫降低，地溫也降低，不經(jīng)高程訂正，高程高區(qū)地表溫度低，會造成對該區(qū)域土壤濕度的高估。對地表溫度數(shù)據(jù)(LST)使用DEM數(shù)據(jù)對其進(jìn)行訂正，訂正見公式(1)[7,16,26]。

Td=Ts+aH

(3)

式中:Td為經(jīng)DEM訂正后的地表溫度值;Ts為原始的地表溫度值;H數(shù)字高程(DEM)值;a表示地表溫度隨海拔高度增加而降低的程度,結(jié)合相關(guān)參考文獻(xiàn),本文的a取值為-0.6/100℃。

2.1.2 遙感數(shù)據(jù)缺失值填充 因NASA提供的 MODIS LST標(biāo)準(zhǔn)產(chǎn)品采用的是劈窗算法和晝夜地表溫度反演算法，在晴空條件下經(jīng)度可達(dá)1 K，但熱紅外波段易受云和其他干擾因素影響，使獲得的數(shù)據(jù)存在大量數(shù)據(jù)缺失，需對數(shù)據(jù)做填充。本文是采用上午星(Terra，從北向南于地方時10∶30左右通過赤道)獲得的MOD11A1數(shù)據(jù)和下午星(Aqua，從南向北于地方時13∶30左右通過赤道)獲得的MYD11 A1數(shù)據(jù)，在質(zhì)量控制文件的控制下，分別對兩種數(shù)據(jù)的對應(yīng)的白天數(shù)據(jù)和夜晚數(shù)據(jù)進(jìn)行最大值合成，實(shí)現(xiàn)數(shù)據(jù)填充。

2.2 土壤水分遙感反演方法

2.2.1 溫度植被干旱指數(shù)(TVDI) Price[34]、Sandholt[35]等研究發(fā)現(xiàn)植被覆蓋度與土壤水分之間的變化范圍較大時，NDVI與LST間構(gòu)成的散點(diǎn)圖是一個三角形。并在大量研究下提出了溫度植被干旱指數(shù)(TVDI)的概念，指出TVDI是利用Ts-NDVI特征空間提取的水分脅迫指標(biāo)來估算陸面表層土壤水分的一種方法，Moran等[36]對Ts-NDVI特征空間的研究中發(fā)現(xiàn)地表最低溫度與植被覆蓋度和植被覆蓋類型存在一定的關(guān)系。TVDI的計算公式如下所示：

(4)

式中:Ts為地表溫度;Tsmax為最高地表溫度;Tsmin為最低地表溫度。干濕邊方程如下所示。

Tsmax=a1+b1×NDVI

(5)

Tsmin=a2+b2×NDVI

(6)

式中:a1,b1,a2,b2分別為干濕邊擬合方程的系數(shù);NDVI為歸一化植被指數(shù)。

TVDI的數(shù)據(jù)獲取與處理過程較為簡單，但NDVI對土壤背景變化較為敏感，當(dāng)植被覆蓋度過低，NDVI難以指示區(qū)域內(nèi)植物生物量，植被覆蓋度過高，NDVI增加延緩而呈飽和狀態(tài)，對植被檢測靈敏度下降[37]，導(dǎo)致反演的土壤水分與實(shí)際值偏差較大。因此，本文在NDVI高于某個值之后，采用基于增強(qiáng)型植被指數(shù)(EVI)的TVDI反演該區(qū)域土壤水分。

2.2.2 表觀熱慣量模型(ATI) 土壤熱慣量是土壤的一種熱特性，是引起土壤表層溫度變化快慢的內(nèi)在因素，與土壤水分有密切關(guān)系[37-39]。Price[34]于1985年提出了表觀熱慣量(ATI)的概念，考慮到在一定條件下入射的太陽輻射可視為常數(shù)，公式如下:

ATI=1-A/ΔT

(7)

式中:ATI為表觀熱慣量;A為全波段地表反照率;ΔT為最大地表溫差。本研究采用馬里大學(xué)Liang的寬波段反射率算法[38],公式為:

A=0.16a1+0.291a2+0.243a3+0.116a4+

0.112a5+0.08a7-0.0015

(8)

式中:ai(i=1,2,3,4,5,7)為MODIS數(shù)據(jù)產(chǎn)品對應(yīng)的波段地物反射率。采用ATI模型的方法反演土壤相對濕度簡單方便,但只適合于裸土和低植被覆蓋區(qū)域,沒有考慮到地表蒸發(fā)的影響[39]。

2.3 土壤水分關(guān)系模型的建立

本文采用的土壤目前最為廣泛的線性模型，建立每天采樣點(diǎn)的實(shí)測數(shù)據(jù)與對應(yīng)的遙感反演的TVDI值或ATI值的關(guān)系模型，進(jìn)而反演研究區(qū)每天的土壤水分值，然后以每天的土壤濕度值為基礎(chǔ)合成2016年全國草地的各月內(nèi)每旬的土壤水分?jǐn)?shù)據(jù)[39,40-42]。

W=d·X+c

(9)

式中:W為各觀測深度的土壤水分值;d為回歸模型系數(shù)；c為回歸模型常數(shù)項;X為表觀熱慣量值或溫度干旱植被指數(shù)值。

3 結(jié)果與分析

3.1 確定NDVI閾值

為選取出適合本研究的NDVI閾值，參考前人閾值設(shè)置[37,43-45]，選取343組土壤水分實(shí)測數(shù)據(jù)。選取NDVI小于0.15的采樣點(diǎn)22個、0.15～0.18的20個、0.18～0.2的40個、0.2～0.215的采樣點(diǎn)35個、0.215～0.25的40個、0.7～0.75的51個、0.75～0.78的45個、0.78～0.8的60個、0.8～0.82的20個、0.82～0.85的10個。在不同的閾值設(shè)置下，使用不同模型進(jìn)行反演，計算站點(diǎn)土壤水分含水量與不同深度實(shí)測土壤水分的相對誤差。結(jié)果發(fā)現(xiàn)NDVI≤0.2時，不同深度的土壤水分采用ATI反演的土壤水分與實(shí)測值之間的相對誤差小于基于NDVI的溫度干旱植被模型的相對誤差，且隨著土層深度的加深，相對誤差呈現(xiàn)增加趨勢，即ATI模型適合于地表的土壤水分反演，隨著深度的加深，ATI和TVDI的相對誤差均呈現(xiàn)增加趨勢，因此在NDVI≤0.2時采用ATI模型反演精度較高；NDVI≥0.78時，采用基于EVI的TVDI與實(shí)測數(shù)據(jù)的相對誤差較小，且在土層深度小于40 cm時，其相對誤差并沒有隨著深度的加深而加大，但當(dāng)深度大于40 cm之后，基于EVI的TVDI反演的土壤水分與實(shí)測土壤水分之間的誤差迅速增加。NDVI∈[0.2,0.78]時，采用基于NDVI的TVDI模型反演土壤水分精度較高(圖2)。根據(jù)以上確定的閾值，對NDVI<0.2的82個點(diǎn)、0.20.78的90個點(diǎn)的土壤水分實(shí)測數(shù)據(jù)與對應(yīng)的ATI、基于NDVI計算的TVDI和基于EVI的TVDI建立一元線性回歸模型，公式見表1。

表1 土壤水分模型

3.2 土壤水分反演模型

通過每日的中國草地覆蓋區(qū)域的NDVI值，借助于GEE(Google Earth Engine)平臺通過設(shè)定不同的NDVI閾值，分別獲得NDVI<0.2，0.2≤NDVI≤0.78，NDVI>0.78的遙感影像，并使用NDVI<0.2的影像對MOD09GA的B1-B7波段進(jìn)行裁剪，以便于使用ATI模型反演得到土壤水分。然后對遙感反演得到的土壤水分采用平均值法將日數(shù)據(jù)合成月數(shù)據(jù)，并采用最小二乘法點(diǎn)對點(diǎn)的回歸擬合各月ATI、基于NDVI計算的TVDI和基于EVI計算的TVDI和實(shí)測數(shù)據(jù)的0—10 cm的土壤水分，由于存在短暫的降雨等情況，土壤水分的變化可能不連續(xù)，在擬合過程中剔除極端值，計算得到不同NDVI值得情況下的土壤水分反演模型。可以看出，中國草地覆蓋區(qū)域土壤水分于ATI，TVDI呈現(xiàn)除不同程度的相關(guān)性，并對各月回歸擬合得到的土壤水分反演模型進(jìn)行統(tǒng)計檢驗，檢驗結(jié)果表明各月擬合結(jié)果均通過了0.01的假設(shè)檢驗，具備統(tǒng)計學(xué)意義，模型反演效果較好(表2)。

表2 土壤水分與 ATI、基于NDVI的TVDI、基于EVI的TVDI回歸擬合模型

3.3 土壤水分反演值、CLDASV2.0產(chǎn)品與實(shí)測值散點(diǎn)圖

從散點(diǎn)圖(圖3)可以看出遙感反演土壤水分與不同來源地面實(shí)測土壤水分比較，本文研究結(jié)果與其具有很好的一致性，但CLDASV2.0土壤水分產(chǎn)品數(shù)據(jù)與地面實(shí)測數(shù)據(jù)之間偏差較大：(1) 地面實(shí)測的土壤水分集中在5%～35%，遙感反演的土壤水分也集中在5%～35%，與地面實(shí)測土壤水分的R2=0.7853(p<0.01)， RMSE=3.9841。但在25%～30%間時，大部分遙感反演值比地面觀測值高，在土壤水分大于30%時，地面觀測土壤水分比遙感反演值低，但大部分站點(diǎn)與地面實(shí)測值誤差小于5%，這一誤差仍在可接受范圍之內(nèi)；(2) CLDASV2.0土壤水分產(chǎn)品值集中在5%～25%，與地面實(shí)測土壤水分的R2=0.5553(p<0.01)， RMSE=7.321 8%。在5%～10%間時，大部分CLDASV2.0土壤水分產(chǎn)品值低，土壤水分介于15%～20%間時，CLDASV2.0土壤水分產(chǎn)品值遠(yuǎn)低于地面觀測值。CLDASV2.0土壤水分產(chǎn)品值與地面實(shí)測值之間的差距較大。

圖3 土壤水分遙感反演值、CLDASV2.0土壤水分產(chǎn)品值與站點(diǎn)實(shí)測數(shù)據(jù)比較

3.4 遙感反演與CLDASV2.0產(chǎn)品的空間尺度分析

分析2016年草地遙感反演的土壤水分含水量年均值分布圖(圖4A)：全年草地土壤水分集中在0%～40%。總體來看，內(nèi)蒙古土壤水分高于新疆、青海、西藏和四川。土壤水分最低值分布在昆侖山脈的西藏與青海交界處、天山山脈北坡，為0～10%，新疆與西藏交界處土壤水分分布在30%～40%。同是昆侖山脈，但地域差異性尤其明顯。中國南方地區(qū)土壤水分集中在30%～40%，比北方草地普遍高，這與南北降水、氣溫差異有關(guān)，中國南部的土壤水分常年比北方土壤水分高。與“CLDASV2.0”產(chǎn)品的0—10 cm的土壤水分(圖4B)相比，“CLDASV2.0”產(chǎn)品的土壤水分在北方地區(qū)集中在10%～20%，只有西藏少部分地區(qū)、新疆塔里木盆地分布在0～10%?？傮w來看，遙感反演的土壤水分較“CLDASV2.0”產(chǎn)品數(shù)據(jù)在數(shù)值上存在較小差異，但在空間分布上保持較高的一致性。

3.5 土壤水分空間分布

通過平均法對每日土壤水分空間數(shù)據(jù)合成月土壤水分空間分布數(shù)據(jù)(圖5)，發(fā)現(xiàn)：全國草地土壤水分存在明顯的時空差異性。從全局來看，在2016年1月全國草地土壤水分由西北向東南增加，最低值(0～10%)出現(xiàn)在青海、西藏及新疆和內(nèi)蒙古地區(qū)，最高值集中在南方各省的大部分區(qū)域。從局部分布來看，在喜馬拉雅山脈、昆侖山脈、岡底斯山脈、橫斷山脈、天山山脈、祁連山山脈及陰山山脈地區(qū)的土壤水分較同一省份內(nèi)的其他區(qū)域的土壤水分高，高出約10%。究其原因可能是該地區(qū)海拔較高，在9月、10月份，氣溫較低，土壤蒸發(fā)量較少，土壤保濕度比其他地區(qū)較低，1月份仍存有往年的土壤水分和積雪，因此土壤水分較高。

圖4 全國草地0-10 cm土壤水分年均值分布

2月的土壤水分較1月平均高出約20%，空間變化與1月份較為相似，但很多地區(qū)的土壤水分緩慢增加，增加不明顯；3月全國草地土壤水分迅速降低，4月變化區(qū)域基本是在3月的基礎(chǔ)上緩慢增長。5月到6月內(nèi)蒙古區(qū)域的土壤水分顯著提高，從20%～30%提高到70%～90%，其他地區(qū)的土壤水分也從0～40%提高到30%～70%。據(jù)中國氣象數(shù)據(jù)網(wǎng)提供的降水量在線產(chǎn)品數(shù)據(jù)顯示，2016年5月降水量比3月、4月份的降水量增加很多；6月到7月的土壤水分下降了約10%；在7月到9月中國北方草地土壤水分普遍提高，據(jù)調(diào)查數(shù)據(jù)顯示，2016年8月北方地區(qū)降雨量比往年偏多近7%，夏、秋季降水分別偏多了10%和6%，夏季暴雨過程頻繁，其中，黑龍江、四川、甘肅、青海、寧夏等地區(qū)屬于異常豐年，因此導(dǎo)致土壤水分在8月、9月大大提高。9月到11月，土壤水分顯著降低，11月到12月土壤水分集中在0～50%，與前幾月相比較低。

3.6 時間分布特征

通過比較土壤水分遙感反演值與CLDASV2.0土壤水分產(chǎn)品值的月平均值變化特征發(fā)現(xiàn)二者雖存在一定差異，但月際變化基本保持一致的變化趨勢：(圖6)全國草地土壤水分年內(nèi)呈現(xiàn)由“升—降”的變化周期與產(chǎn)品數(shù)據(jù)、平均降水量變化趨于一致，特別在夏季，降水量對土壤水分有直接影響。7月、8月土壤水分比其他月高，1—6月與9—12月土壤水分偏低。其中“升—降”的第一個周期為1—7月為上升趨勢，1—6月變化較小，基本在20%之內(nèi)，7月、8月突增到25%；第二周期為8—12月呈下降趨勢，下降趨勢比1—7月的上升趨勢顯著。從季節(jié)變化特征來看，土壤水分最大值出現(xiàn)在8月，最小值出在3月。按季節(jié)看，全國整體土壤水分的最高值出現(xiàn)在夏季(7月、8月份)，其次是秋(9月、10月、11月份)和冬季(12月、1月、2月份)，最低值出現(xiàn)在是春季(3月份)。

4 討論與結(jié)論

4.1 討 論

針對NDVI對不同植被覆蓋狀況下敏感性不同的問題，本文對比分析了不同NDVI閾值設(shè)置下采用不同的土壤水分反演模型對土壤濕度狀況的監(jiān)測效果，得到了合理的結(jié)論，NDVI≤0.2時，采用ATI模型監(jiān)測土壤水分效果更好，0.20.78時，采用基于EVI的TVDI監(jiān)測土壤水分精度較高。這一研究結(jié)果與前人發(fā)現(xiàn)的NDVI對土壤背景的變化較為敏感，當(dāng)NDVI<0時，可認(rèn)為地表濕度為100%，但是當(dāng)植被覆蓋度<20%時，NDVI對區(qū)域內(nèi)的植被很難有指示意義，植被覆蓋度>80%時，NDVI呈現(xiàn)飽和狀態(tài)，NDVI值得增加出現(xiàn)緩慢得延遲趨勢，對植被檢測得靈敏度下降的研究結(jié)論基本保持一致。因此，使用單一的TVDI指數(shù)獲取土壤水分干濕信息時，會由于NDVI對植被檢測的靈敏度的原因而對植被覆蓋較高區(qū)域效果較好，但在植被稀疏、荒漠或者裸土地區(qū)、植被覆蓋度很高區(qū)域效果可能不佳。張順謙[46]、盧遠(yuǎn)[47]、楊曦[48]等提出用EVI取代NDVI，降低NDVI易于飽和對TVDI的影響，結(jié)果發(fā)現(xiàn) EVI-LST構(gòu)建的TVDI特征空間更具有優(yōu)勢，但在植被覆蓋度較低的裸土、荒漠地區(qū)的模擬精度提高并不是很好。戴睿等[49]研究發(fā)現(xiàn)TVDI-NDVI的相關(guān)系數(shù)總體高于TVDI-EVI。楊茹等[50]基于LANDSAT數(shù)據(jù)計算不同植被指數(shù)建立TVDI反演土壤水分，發(fā)現(xiàn)TVDI-NDVI的反演精度高于TVDI-EVI反演精度，因此，在直接使用EVI替代NDVI建立TVDI模型反演土壤水分的精度上仍存在爭議。而ATI被很多研究證明在植被覆蓋度較低的地區(qū)反演的土壤水分精度較高[37]。

因此，本研究綜合考慮了ATI和TVDI模型優(yōu)勢，反演2012年、2016年草地土壤水分，并以實(shí)測土壤水分和反演土壤水分的相對誤差為判斷指標(biāo)，確定NDVI閾值，建立2016年全國草地0—10 cm土壤水分反演模型，并基于實(shí)測數(shù)據(jù)對遙感反演土壤水分、CLDASV2.0產(chǎn)品數(shù)據(jù)的精度對比并分析2016年全國草地生態(tài)系統(tǒng)覆蓋區(qū)域土壤水分時空變化特征、發(fā)現(xiàn)：基于本文提出的模型反演的土壤水分與地面實(shí)測土壤水分的R2=0.7853(p<0.01)，RMSE=3.9841，且集中分布范圍較為一致；CLDASV2.0土壤水分產(chǎn)品與地面實(shí)測土壤水分的R2=0.5553(p<0.01)，RMSE=7.321 8%，遠(yuǎn)低于地面觀測值。并從遙感反演土壤水分產(chǎn)品與 “CLDASV2.0”產(chǎn)品數(shù)據(jù)對比發(fā)現(xiàn)，土壤水分值上存在較小差異，但在空間分布上保持較高的一致性，兩者的時間變化趨勢基本保持一致，相關(guān)系數(shù)較高。就草地類型來看，草原生態(tài)系統(tǒng)、草甸生態(tài)系統(tǒng)和高寒稀疏植被和凍原生態(tài)系統(tǒng)分布區(qū)域，“CLDASV2.0”產(chǎn)品值明顯低于遙感反演值。崔園園等[51]通過研究CLDAS在東北地區(qū)的適用性發(fā)現(xiàn)CLDAS在對極值的描述上有所欠缺；劉歡歡[52]、于月明[53]等研究發(fā)現(xiàn)CLDAS的土壤水分監(jiān)測結(jié)果具有較高的使用價值，但在不同地區(qū)的偏差不盡相同，系統(tǒng)性的偏干/偏濕站點(diǎn)分布區(qū)域明顯，呈東部偏干、西部偏濕的態(tài)勢；甄熙等[54]研究發(fā)現(xiàn)CLDAS能夠很好地反映土壤相對濕度的空間分布狀況，但在數(shù)值上存在一定偏差；黃曉龍等通過實(shí)測站點(diǎn)對CLDAS對比發(fā)現(xiàn)CLDAS在某一些地區(qū)與實(shí)測值存在較大差異，誤差來源主要與輻照度為受數(shù)據(jù)采集時間、局地環(huán)境和云影響有較大關(guān)系。這些研究結(jié)論能夠解釋本研究遙感反演產(chǎn)品與CLDAS在數(shù)值上存在的差異(如草原生態(tài)系統(tǒng)、草甸生態(tài)系統(tǒng)和高寒稀疏植被和凍原生態(tài)系統(tǒng)分布區(qū)域，究其原因可能是該區(qū)域地形復(fù)雜，云量影響等引起)，而兩者在時間變化趨勢和空間分布特征較為一致。

圖5 全國草地生態(tài)系統(tǒng)覆蓋區(qū)0-10 cm土壤水分空間分布

圖6 全國草地土壤相對濕度月均值與各月降水量均值分布

本研究在不同植被覆蓋狀況下選取不同的模型反演土壤水分，雖在一定程度上提高土壤濕度狀況反演的準(zhǔn)確性，但是土壤濕度受多種因素的影響，下一步可以考慮使用數(shù)據(jù)同化、機(jī)器學(xué)習(xí)建立綜合多種影響因素的土壤濕度狀況監(jiān)測模型，進(jìn)一步提高監(jiān)測的準(zhǔn)確性。在本研究過程中主要使用MODIS產(chǎn)品的數(shù)據(jù)，雖能夠監(jiān)測大尺度的土壤濕度狀況，也取得了較好的結(jié)果，但MODIS影響容易受云、雨雪天氣、地形等影響，且分辨率較低，后期可以考慮基于大數(shù)據(jù)處理平臺GEE上實(shí)現(xiàn)利用高分辨率的雷達(dá)影像建立土壤水分模型，已達(dá)到更為細(xì)致的研究。

4.2 結(jié) 論

(1) 可將NDVI作為不同植被覆蓋度下遙感信息模型的判別閾值，在NDVI≤0.2的像元上，采用適于植被覆蓋較低的ATI模型進(jìn)行土壤水分遙感反演；NDV≥0.78時，采用能夠避免NDVI飽和的問題的EVI的TVDI模型反演土壤水分；在0.2

(2) 模型反演的土壤水分與地面實(shí)測土壤水分的R2=0.7853(p<0.01)，RMSE=3.9841。CLDASV2.0土壤水分產(chǎn)品與地面實(shí)測土壤水分的R2=0.5553(p<0.01)，RMSE=7.3218%。

(3) 全國草地0—10 cm土壤水分由西北向東南增加，最低值(0%～10%)出現(xiàn)在青海、西藏、新疆和內(nèi)蒙古地區(qū)，最高值集中在南方大部分地區(qū)。時間分布上全年草地土壤水分集中在0～40%，春冬季節(jié)土壤水分較少，平均在0～60%，夏季較高，大部分像元集中在30%～80%，秋天次之，集中在0～70%。