1、土壤水分与干旱遥感监测土壤水分与干旱遥感监测第一节第一节 土壤类型遥感分析土壤类型遥感分析 第二节第二节 土壤水分遥感土壤水分遥感第二节第二节 干旱遥感监测干旱遥感监测l土壤类型的空间分布规律土壤类型的空间分布规律地带性土壤地带性土壤隐域性土壤隐域性土壤l土壤类型决定性因素直接因素(土壤的光谱特征)l间接因素间接因素地带性气候因素地带性气候因素地貌因素地貌因素地质条件地质条件地形起状特征地形起状特征 新疆南部的土壤遥感解译中,根据影像划分出山地、山前洪积扇、冲积平原、荒漠平原、片状绿洲,线状绿洲等地理单元,并进一步划分了沿河、湖滨等地区,在此基础上进行土壤解译、制图。与常规方法制作的土壤图比较
2、,内容详细得多。一、遥感数据中的土壤含水量信息遥感数据中的土壤含水量信息1,可见光波段的土壤含水量信息 根据地物波谱的测定,在可见光部分干燥土壤的反射光谱比潮温土壤的反射光谱平行抬高一段反射率。随着含水量的多寡,抬高的距离大小不同。因此,早期遥感研究中有用可见光波段测定土壤含水量的尝试。近红外波段对水的反映灵敏,水对近红外光完全吸收。因此含水量高的土壤在近红外波段上呈暗色调,地物波谱曲线不是平行降低,而是陡坡降低。因此早期与可见光波段同时使用推测土壤含水量。中红外波段对高温反应灵敏,是林火的探测波段。反之,土壤十分干燥时温度较高,在中红外遥感影像上有反映。也就是说,如果求土壤的干燥度时,用中红
3、外波段效果较好。热红外波段对常温反映灵敏,土壤温度与湿度关系密切,因此热红外遥感数据中也包含了土壤含水量的信息。微波波段对水的反映极其灵敏,很薄的水层就可以屏蔽微波辐射。因此许多国内外的学者都认为微波是探测土壤含水量最佳的波段。马蔼乃等(2000)根据对各个波段的研究,首先发现微波对水的反映极其灵敏,但是对土壤含水量的反映却不十分灵敏。因为水面十分光滑的,而土面的粗糙度与微波波长十分接近,使得土壤含水量的信息强度被淹没在粗糙度的信息强度之中。l 物体的热惯量P是物体固有的属性,它的表达式为:kP l 式中k为热传导系数,为密度,为比热容。因为热传导系数、密度、比热容对一种物体来说是固定不变的,
4、所以热惯量也是地物的固有属性。l 土壤因为含水量的变化,使得热传导系数、密度、比热容都发生变化,从而使得热惯量变化,这是确定无疑的。但从遥感数据不可能直接提取出热惯量,也不可能直接提取热传导系数、密度、比热容。l 地物在吸收短波太阳辐射后以长波的方式发射,地温增高。白昼地物吸收太阳能量而增温;夜间地物发射能量而减温。地物昼夜的温差就是地物热惯量的表象。l 例如水体,由于热惯量大,昼夜温差小;岩石热惯量小,昼夜温差大;各种含水量不同的土壤热惯量介于水体与岩石的热惯量之间,热惯量的大小也介于水体与岩石的热惯量之间。l 遥感波段中可见光与近红外中的全部太阳波谱的能量,减去地物在所有谱段内的反照率能量
5、,就产生昼夜温差的能量。称为表观热惯量遥感信息模型ATI:nTAkATI1l 式中A为反照率,T为昼夜温差,k,n为地理参数。A可由可见光与近红外所有波段遥感数据之和求出,T为白昼热红外遥感数据减去夜间热红外遥感数据求出。ATI可以用水体在遥感影像上的数据为最大值,干沙沙漠的数据为最小值,从而求解k,n。l 撒哈拉沙漠、塔克拉玛干沙漠、澳大利亚沙漠、北美沙漠与它们附近的水体所求解出来的k,n是不相同的,因为在上述公式中还有一些地理环境因素没有考虑到,而被包括在其中了。l 根据上式可以计算出表观热惯量的影像图(ATI图)。表观热惯量与真实热惯量之间是正变的关系,前者是无量纲的相对值,后者是有量纲
6、、有单位的物理量。真实热惯量的单位是J/(m2s1/2K)。两者在数值上虽然不相等,但是表达的都是热惯量。在遥感技术中,通常采用相对值来表示物理量。l 既然我们用表观热惯量替代了真实热惯量,因此对于土壤含水量,也应该可以用表观土壤含水量来替代真实土壤含水量。现在给出表观土壤含水量ASW的表达式:21)()()(0asadDATIaASWl 式中d为土壤颗粒粒径,D为土壤土层厚度,s为土壤的密度,为水的密度。a0,a1,a2,的为地理参数。将土壤颗粒粒径、土壤土层厚度、土壤密度内插成影像化的图像,与遥感图像配准。在影像()上或地面上(配准),确定最干燥的土壤、最湿润的土壤以及中等含水量的土壤,作
7、为标准,求出地理参数a0,a1,a2。由此求出的表观土壤含水量ASW也是无量纲的相对值。TA1l 上式的含义是表观土壤含水量是表观热惯量的函数,是相对土壤密度的函数,也是相对土层厚度的函数。由于水的密度是1,所以土壤密度除以水的密度,该因子团成为无量纲相似准则。颗粒粒径表示土壤的空隙度,土层厚度表示所测土壤含水量的深度范围,颗粒粒径除以土层厚度表示相对土层厚度,即土层有几倍的粒径厚度,也是无量纲因子团。由于世界各地的土壤种类不同,所处地理环境不同,所以a0,a1,a2各处是不同的,也是以图像表示的。同样地,表观土壤含水量也是虚拟的。l 真实土壤含水量是在地面上实测的土壤含水量。实测土壤含水量在
8、地面上的取样面积只有几平方厘米,遥感是监测不到的。l 遥感监测土壤含水量是大面积范围上的工作,往往用气象卫星的数据,每1个像元是1km2的面积,地面上实测的土壤含水量根本无法与之比较。1km2上需要实测几百个点的土壤含水量,取其均值,还要随机统计方法正确,才能两相比较。l 地面上实测的土壤含水量很难做到同步实测。某个点的含水量与相邻点的含水量观测时间往往相差几个小时,甚至相差几天。l 遥感计算出来的表观土壤含水量是同一瞬间的,完全同步的。l 土壤含水量是一个无量纲的百分含量(%),遥感数据也是无量纲的灰度,因此容易误认为两者既然都是无量纲的,可以直接进行统计分析。其实不然,土壤含水量是真实的物
9、理量数据,而从遥感影像上求出的表观土壤含水量是虚拟的相对数据。既然不同,为什么可以用遥感计算出来的表观土壤含水量来替代实测的土壤含水量呢?l 根据在极少数有可能对比的点上取到的实测土壤含水量资料的研究表明,遥感所计算的表观土壤含水量与实测的土壤含水量成正变关系,即表观土壤含水量大,实测的土壤含水量也大;表观土壤含水量小,实测的土壤含水量也小。正因为如此,所以上式是一个通用的表观土壤含水量公式。其中没有地形与植被的影响,可以认为该两项因素已经包括在a0里面了,这样便于产业部门应用。l 如果把地形因素与植被因素也考虑进去,那么表观土壤含水量的方程要复杂得多,即:54321)()(sin)()()(
10、)(0aaaasaNDVIHhdDATIaASWl 式中h为相对高程,H为绝对高程,sin为坡度,NDVI植被指数。l 我国每年都有干旱发生。据不完全统计,我国各种受灾面积中,旱灾占61%,水灾占24%,冰雹灾占9%,霜冻灾占6%。l 为了合理使用水资源,有效地抗旱救灾,必须迅速知道那里受旱,程度如何,而l1 干旱概念 l 通常干旱是指某地团长期没有降水或降水显著偏少造成空气干燥、土壤缺水甚至干涸的现象。l 从农业生产的角度看,干旱的发生是一个很复杂的过程,它受到多种因素的制约。l首先是气象因素,除了降水量以外,降水的强度、气温、光照、风速也在一定程度上影响干旱的强度。l其次是农业生产本身的特
11、点,这里有农林牧结构、耕作制度、农作物种类、生育时期以及耕作措施等等。l此外还有某些自然地理条件,如土壤、水文、地形地貌等等;l最后是社会经济条件,如灌溉条件、保持土壤水分所需要的物质条件等等。l l 干旱的原因比较复杂,除了降水量持续偏少外,还与作物对水分的要求,人类补充水分亏缺的能力以及土壤持水、保水等因素有关。因此,人们从各个方面来定义干旱,确定干旱的指标。l 世界气象组织根据各国对干旱指标的研究,一共列出55个指标,这些指标可以概括为以下几个类型:同一个国家,不同的气候区域也会有不同的标准。同一个国家,不同的气候区域也会有不同的标准。l 降水;l 降水与平均温度比;l 土壤水分和作物参
12、数;l 气候指标和蒸散量估算;l 综合指标。l 干旱没有唯一的标准,可以从各个方面去定义,但都离不开水和植被。遥感监测干旱也基于土壤水分和植被状况。l 对于裸地,卫星遥感的重点是土壤含水量l 对于有植被覆盖的区域,卫星遥感的重点是植被指数的变化及植被冠层蒸腾状况的变化。l 热惯量法主要用于裸露土壤。它是用热红外方法遥感湿度,基于热传导方程:22ZTktTaCkl 其中:为热传导度,Ca为热容量,为土壤密度,Z为 土壤深度,t 为时间,T为土壤温度 l 此热传导方程的边界条件为:l 其中,为日平均温度,T0为Ocm的地表温度日较差,为角频率 tTTTsin00Tl 解方程后,得到热惯量表达式:l
13、 0)1(TABPl 其中P为热惯量,即卫星间接遥感量,T0为每日最高温度和最低温度之差,人为全波段反照率,B为常数。l 通常用统计方法建立土壤水分遥感模型,但目前国内建立的多是线性模型,而幂函数模型比线性模型好,因此它的物理意义与上述公式的数字表达式相一致,试验结果表明拟合精度也比其它函数形式的拟合精度高,幂函数形式为:PbaSwl 式中,为土壤水分,是拟合系数(最小二乘法拟合),P是热惯量。l 植被长势受到许多因素的影响。在干旱年份,水对植被长势起关键作用。水分亏缺,植被长势不好,叶面积指数下降,叶子内的叶绿素减少,它对太阳的近红外光的反射能力降低,卫星遥感得到的植被指数会明显降低。以此来
14、表明干旱程度,就是监测干旱的植被指数法。l 热惯量方法只对裸露土壤适用,因为在有植被覆盖情况下,特别是在植被覆盖度很高时,植被改变了土壤的热传导性质,而旱灾发生的季节,植被覆盖率年往往很高。为了对高植被覆盖区农作物的旱灾进行遥感监测,中国气象局国家卫星气象中心发展了“植被供水指数法”。l 其物理意义是:l 当作物供水正常时,卫星遥感的植被指数在一定的生长期内保持在一定的范围,而卫星遥感的作物冠层温度也保持在一定的范围内;l 如果遇到干旱,作物供水不足,一方面作物的生长受到影响,卫星遥感的植被指数将降低,另一方面作物的冠层温度将会升高,这是由于干旱造成的作物供水不足,作物没有足够的水供给叶子表面
15、的蒸发(蒸发带走热量),被迫关闭一部分气孔,致使植被冠层温度升高。l 植被供水指数的定义式为:VSWINDVIT5 l 这里T5是美国NOAA卫星或我国FYl卫星遥感到的作物冠层温度。l 为了监测大范围作物干旱,中国气象局国家卫星气象中心还发展了距平植被指数法。它是用植被指数(NDVI)多年的旬(月)平均值作为背景值,然后用作物受灾旬或月的植被指数(NDVI)减去背景值。l 求旬、月植被指数,每旬需30多条轨道卫星资料,每月需90多条轨道卫星资料,才能消去云的影响,监测全国范围的干旱。经过进一步的工作,可以做出每旬的全国范围具有国界省界标志的植被态势图像或数字打印图,以供植被长势干旱状况分析判
16、断。对于中国,该图范围可为东经74135,北纬1257,图像空间分辨率约为6km。l旱情遥感监测评估l 距平植被指数:l AVI=NDVIi-NDVIl 式中,NDVIi为某一特定年某一时期(如旬、月等)NDVI 的值,NDVI为多年该时期NDVI的平均值。l AVI 作为监测干旱的一种方法,它以某一地点某一时期多年的NDVI 平均值为背景值,用当年该时期的NDVI 减去背景值,即可计算出AVI 的变化范围,即NDVI 的正、负距平值。正距平反映植被生长较一般年份好,负距平表示植被生长较一般年份差。l 一般而言,距平植被指数为0.10.2表示旱情出现,0.30.6 表示旱情严重。对1992年河
17、南省的旱情(大旱)研究后认为,在山区应用距平植被指数的效果比降水距平好,并认为是由于山区降水容易流失所致。l条件植被指数(Vegetation Condition Index,VCI):l 式中,NDVIi为某一特定年第i 个时期的NDVI值,NDVImax和NDVImin分别代表所研究年限内第i 个时期NDVI 的最大值和最小值。l VCI=(NDVIiNDVImax)/(NDVImax-NDVImin)*100 l 分母部分是在研究年限内第i 个时期植被指数的最大值和最小值之差,它在一定意义上代表了NDVI 的最大变化范围,反映了当地植被的生境;l 分子部分在一定意义上表示了某一特定年第i
18、个时期的当地气象信息,若NDVImax和NDVImin之间差值小,表示该时段作物长势很差。l 有学者发现应用VCI 动态地监测干旱的范围及其边界比应用其它方法如NDVI 和降水量的监测更有效、更实用。同时认为NDVI 适用于研究大尺度范围的气候变异,而VCI 适用于估算区域级的干旱程度。l 对VCI 和AVI 来说,地表覆盖类型的年际间变化可能影响到干旱监测的准确性,因而在解释监测结果时应该有可靠的最新的土地覆盖类型图。另外,它们仅仅考虑由于水分胁迫导致NDVI 降低的l状况,未考虑到其它因素如气温导致NDVI 降低的现实。l 如在澳大利亚新南威尔士州的南部高地,5月份通常发生水文干旱,经过秋
19、季降水,土壤水分得到了恢复,但草地干旱可能持续到8 月份,而8 月份的干旱通常是由气温造成的 l 在VCI 和AVI 的定义中也未考虑NDVI 与降水间的时间间隔。Liu 等认为月累积降水量与月累积NDVI 的时间间隔约为1 月,Di 等通过模拟认为日降水量与日NDVI 的时间间隔为1523 天。其他方法还有:其他方法还有:6,条件植被温度指数法条件植被温度指数法7,植被指数日较差校正法植被指数日较差校正法8,植被指数温度斜率法,植被指数温度斜率法9,微波遥感方法等,微波遥感方法等10cm土壤水分图20cm土壤水分图50cm土壤水分图黑龙江省旱情监测图黑龙江省旱情监测图(2019年年7月月8日)日)2019年2月28日图例干旱监测