一种耦合多源数据的多层次被动微波土壤水分验证方法与流程

本发明涉及土壤水分验证，特别是涉及一种耦合多源数据的多层次被动微波土壤水分验证方法。

背景技术：

地表土壤水分是陆面水资源形成、转换、消耗过程研究中的基本参数，是联系地表水和地下水的纽带，也是研究地表能量交换的基本要素，对气候变化起着非常重要的作用。同时，土壤水分作为土壤学、水文学、生态学等领域关注的重要内容，通过对土壤水分时空模式的研究，可以更好地理解土壤物理水文学特性，从而有效地把水文学模型与气候、生态等模型在不同尺度上进行结合，加强对陆面过程的认识，是区域资源环境动态、农业干旱监测等方面应用的重要内容。在当前全球变化研究中，土壤水分作为陆地与大气系统之间物质与能量交换过程中的关键参量，其变化决定系统内部其他相关因素的变化过程，影响着整个陆地生态系统。

地表土壤水分在地球系统研究中的重要性要求精确、定量地估算地表土壤水分含量，因此其也成为当前地球科学研究的重要方向。遥感对地观测技术作为对地大范围空间探测手段，在获取空间分布的地表土壤水分方面相比基于地面站点观测具有十分显著的优势。特别是随着近年来遥感反演地表土壤水分方法和技术的进步，针对不同的光谱特征，主要发展出基于光学遥感如热红外遥感和基于微波遥感技术的地表土壤水分定量反演方法，并在全球不同地区取得了初步的应用。然而，由于光学遥感反演技术主要是根据地表土壤水分对地表水热过程的作用特征，通过地表温度、植被指数等参数间接反演其时空变化特征，其物理过程较为复杂、反演机理不够明确，虽然目前已经发展出基于地表温度——植被指数三角特征空间和地表土壤热惯量的土壤水分估算方法等，但是其反演结果仍然具有较大的不确定性，方法的应用仍然受到一定的限制。相比光学遥感反演方法，微波遥感技术探测地表土壤水分具有坚实的物理基础。目标物的介电常数是决定地物微波比辐射率的主要因素，而土壤水分又是决定土壤介电常数的主要因素。在微波波段，由于干燥土壤和水分在介电常数上的巨大差异导致土壤的比辐射率在湿土的0.6(30％体积土壤湿度)和干土的0.9(9％体积土壤湿度)之间变化，大量的理论模型和野外实验表明土壤的微波散射与辐射强烈地依赖于土壤的水分变化。也正是利用这一特征关系，微波土壤水分反演方法在地表土壤水分估算方法发挥着关键作用，也成为地表土壤水分最具发展潜力的反演途径。

对比上述两种地表土壤水分反演方法不难发现，微波遥感反演方法与光学遥感反演方法均存在一定有优缺点：光学遥感反演地表土壤水分有着较高的空间分辨率，但受云层的影响严重，造成了结果在空间上的不连续，其观测信号与地表土壤水分的间接关系制约了反演精度；而微波遥感虽然有着较好的物理基础，受云层的影响不大，其中被动微波传感器的空间分辨率相对较低，一般在数十公里级，面向区域或者流域尺度的应用受到一定限制，而且其中一个尤为突出的问题便是被动微波反演地表土壤水分精度的地面验证过程存在较大的不确定性。

回顾被动微波传感器的发展过程，自从第一个传感器skylabs-194于1973-1977投入运行以来，目前国际上先后发射了smmr、trmmtmi、amsr-e、smos、amsr-2和smap等多个被动微波传感器，并依此产生了一系列的被动微波土壤水分产品。这些数据的产品极大了丰富了全球地表土壤水分数据库，为开展全球气候变化研究提供关键数据。然而，在满足地表土壤水分数据从无到有的过程中，科学家也逐渐认识到高精度地表土壤水分产品精度对开展相关研究的重要性，也定量提出了被动微波土壤水分的反演精度目标是0.06m³/m³。因此，如何客观验证和评价现有微波土壤水分产品，进而进一步改进被动微波地表土壤水分产反演方法，提高反演精度是摆在被动微波地表土壤水分反演研究面前的一个重要问题。

从现有基于地面观测的被动微波土壤水分产品验证策略来看，地面观测数据与被动微波地表土壤水分产品之间的空间尺度差异是现有验证方法中必须面对的问题。传统的地面土壤水分测量仅能代表测量点有限范围(几平方米)，而被动微波地表土壤水分产品的空间尺度往往是数十公里，二者之间的空间尺度差异是显著且巨大的。在已有的验证工作中仅能将地面观测数据作为地面真值的近似，而非绝对真值。而目前一些典型的地面观测网络观测密度还非常有限，通常一个地面观测站点的footprint面积可达数百至上千平方公里。此外，地表土壤水分存在高度空间异质性特征，与地表的地形条件、土壤条件以及植被条件等都存在很大关联。因此，简单采用单一或者有限站点数据代表被动微波像元尺度相对真值，进而对其地表土壤水分进行验证分析，这一验证途径必然由于其空间不匹配或者空间代表性不够给验证结果带来很大的不确定，直接影响被动微波土壤水分反演方法的进步和发展。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种耦合多源数据的多层次被动微波土壤水分验证方法，实现了地面点观测到遥感面观测的有效转化，在此基础上将高分辨率土壤水分产品通过空间聚合获取被动微波土壤水分产品相同尺度的土壤水分数据作为验证依据，进而实现了被动微波土壤水分数据的准确验证。

本发明的目的是通过以下技术方案来实现的：一种耦合多源数据的多层次被动微波土壤水分验证方法，包括以下步骤：

s1.基于光学遥感数据，对关键地表参数进行遥感定量反演；

s2.对地表土壤水分遥感反演，得到地表土壤水分反演模型，将其应用于高分辨率遥感数据，进而得到相应的高分辨率地表土壤水分数据；

s3.生成粗分辨率地表土壤水分真值数据；

s4.进行被动微波土壤水分数据验证。

进一步地，所述步骤s1包括以下子步骤：

s101.对地表温度参数进行反演：

采用混合像元分解法来估算地表比辐射率ε，即先计算混合像元中各种地表类型所占的比例，然后再求出各地表类型的比辐射率并求和：

ε＝fc×rv×εv+(1-fc)×rs×εs+dε；

其中，fc为植被覆盖度；εv和εs分别为纯植被和纯裸土的地表比辐射率；rs和rv分别是裸土和植被的温度比率；dε代表地表散射效应和几何分布；

根据单通道算法的辐射传输方程，计算得到地表温度ts：

ts＝γ[(ψ1lsen+ψ2)/ε+ψ3]+δ；

其中，lsen为卫星上传感器观测到的辐亮度，ψ1，ψ2，ψ3为大气函数，表示为大气水汽含量的关系式，参数γ和δ由以下方式进行估计：

s102.对植被指数进行反演：

利用归一化植被指数ndvi作为植被生长态势的最佳指示因子，该指数被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值，以部分消除与地形和大气条件等有关的辐照度差异影响：

ndvi＝(ρnir-ρred)/(ρnir+ρred)；

其中，ρred为红波段地表反射率，ρnir为近红外波段的地表反射率；

s103.对地表反照率进行反演：

地表反照率是地表能量平衡研究中的一个重要参数，指在半球空间上反射的太阳辐射通量与入射的太阳辐射通量的比值，决定了下垫面能吸收多少太阳辐射，宽波段地表反照率α的计算方式如下：

α＝0.356α2+0.130α4+0.373α5+0.085α6+0.072α7-0.0018；

其中，α2，α4，α5，α6，α7分别代表landsat8的2，4，5，6，7波段的地表反射率；

s104.对水体指数进行反演：

水体指数，即植被水分指数ndwi，是基于中红外与近红外波段的归一化比值指数，计算方式如下：

ndwi＝(ρnir-ρswir)/(ρnir+ρswir)；

其中，ρnir和ρswir分别为近红外和短波红外地表反射率。

进一步地，所述步骤s2包括以下子步骤：

s201.将地表土壤水分表示为地表温度、植被指数和地表反照率的二次多项式表达式：

式中，ts为地表温度，ndvi为植被指数，alb为地表反照率，aijk为拟合系数；

s202.引入的反映植被水分胁迫的ndwi作为调整因子加入反演过程中，构建反演模型：

根据地面若干个站点的地表土壤水分数据以及其相应的地表参数，对模型中的各个系数进行标定，进而得到相应的土壤水分估算模型；

通过研究区的特征空间建立，寻找对应的裸土极干点、裸土极湿点、完全植被覆盖极干点和完全植被覆盖极湿点，提取对应像元点的地表参数值大小，建立约束方程参与系数标点回归，实现对系数标定过程的约束：

式中，约束条件由上至下依此对应裸土极干点、裸土极湿点、完全植被覆盖极干点和完全植被覆盖极湿点，smmin和smmax分别为最小和最大土壤水分，通过研究区的土壤质地条件获取；

s203.将地表土壤水分反演模型应用于高分辨率遥感数据，进而得到相应的高分辨率地表土壤水分数据，即作为地表土壤水分的相对真值。

进一步地，所述步骤s3包括以下子步骤：

基于反演获取的高分辨率土壤水分数据，采用空间聚合的方式，将其聚合到与被动微波土壤水分数据相匹配的空间尺度上，进而得到相应的粗分辨率土壤水分数据：

式中，为聚合后的粗分辨土壤水分数据，ssmh,i为粗分辨率像元内高分辨率像元i的土壤水分数据。

进一步地，所述步骤s4包括：

以获得的粗分辨率地表土壤水分数据作为地表土壤水分真值，开展对应粗分辨率被动微波土壤水分产品数据的验证分析，所述验证分析包括区域对比分析以及单一像元的长时间序列对比分析。

本发明的有益效果是：本发明通过光学遥感数据与地面观测数据，建立面向光学遥感地表土壤水分高精度反演，获取高空间分辨率且精度可靠的地表土壤水分数据，实现地面点观测到遥感面观测的有效转化，在此基础上将高分辨率土壤水分产品通过空间聚合获取被动微波土壤水分产品相同尺度的土壤水分数据作为验证依据，充分解决现有基于地面观测数据的被动微波土壤水分产品验证方法所面临的地面观测与遥感产品之间空间尺度极不匹配的问题，有效地实现被动微波土壤水分数据的准确验证。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，本发明采用遥感定量反演、定量模型构建、空间尺度上推与对比验证等多种技术，发展基于高空间分辨率光学遥感数据的被动微波地表土壤水分产品多层次验证方法，具体过程如下：

s1.高空间分辨率光学遥感关键地表参量遥感反演：

地表土壤水分光学遥感估算过程中，地表土壤水分往往与地表温度、植被指数、地表反照率以及水体指数相关，为准确建立地表土壤水分的估算模型，这些关键地表参数的遥感定量反演是本发明的关键步骤。各个参数的遥感定量反演算法简单介绍如下：

s101.地表温度反演：

作为地球表面研究领域不可或缺的基础资料和地-气相互作用过程中的重要物理量，地表温度能够直接影响地表感热、潜热等能量传输过程，准确估算其值对全球气候、农业、水文、生态、环境等各个领域都具有重要的意义。以landsat-8卫星数据为例，由于landsat8的tirs11波段定标参数误差大，因此本发明采用和sobrino提出的普适性单通道算法，主要考虑该算法需要的外界输入相对较少(只需输入地表比辐射率和大气水汽含量)，且与其他单窗算法反演精度相当。其中比辐射率采用混合像元分解法来估算地表比辐射率，即先计算混合像元中各种地表类型所占的比例，然后再求出各地表类型的比辐射率并求和。水体的比辐射率设为0.996，其他地表类型的比辐射根据裸土和植被的比例进行推算，估算方程如下：

ε＝fc×rv×εv+(1-fc)×rs×εs+dε；

式中fc为植被覆盖度，可通过植被指数进行估算；εv和εs分别为纯植被和纯裸土的地表比辐射率，本研究分别取值0.986和0.967；rs和rv分别是裸土和植被的温度比率；dε代表地表散射效应和几何分布，在非均匀地表时必须考虑，当地表水平时该项则可以忽略，它可根据植被的构成比例简单估算，表示为：

在获取地表比辐射率的基础上，根据单通道算法的辐射传输方程，即可计算得到地表温度：

ts＝γ[(ψ1lsen+ψ2)/ε+ψ3]+δ；

式中，lsen为卫星上传感器观测到的辐亮度(w·m^-2·sr^-1·μm^-1)，ε为地表比辐射率，ψ1，ψ2，ψ3为大气函数，可表示为大气水汽含量的关系式。参数γ和δ的计算如下：

s102.植被指数反演：

归一化植被指数(ndvi)作为植被生长态势的最佳指示因子，被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。因为它以比值的形式定义，能够部分消除与地形和大气条件等有关的辐照度差异影响，所以它对下垫面绿色植被状况的表达能力较强，也是目前为止众多植被指数中应用最广泛的一种。

ndvi＝(ρnir-ρred)/(ρnir+ρred)

其中，ρred为红波段地表反射率，ρnir为近红外波段的地表反射率。

s103.地表反照率反演：

地表反照率是地表能量平衡研究中的一个重要参数，指在半球空间上反射的太阳辐射通量与入射的太阳辐射通量的比值，决定了下垫面能吸收多少太阳辐射。本发明中采用较为通用的地表反照率估算方法，即将地表宽波段反照率表示为各窄波段地表反射率的多项式，即：

α＝0.356α2+0.130α4+0.373α5+0.085α6+0.072α7-0.0018

式中，α为宽波段地表反照率，α2，α4，α5，α6，α7分别代表landsat8的2，4，5，6，7波段的地表反射率。

s104.水体指数反演：

植被水分指数ndwi是基于中红外与近红外波段的归一化比值指数。与ndvi相比,它能有效地提取植被冠层的水分含量；在植被冠层受水分胁迫时，ndwi指数能及时地响应,这对于旱情监测具有重要意义。

ndwi＝(ρnir-ρswir)/(ρnir+ρswir)

其中，ρnir和ρswir分别为近红外和短波红外地表反射率。

s2.高空间分辨率地表土壤水分遥感反演

一般情况下，在研究区具有不同植被覆盖条件(完全裸露-完全覆盖)和不同土壤水分含量(极干-极湿)且研究区大气强迫条件相似的情况下，地表温度与植被指数往往形成三角形或者梯形的空间。在这个特征空间中，存在干边和湿边，即对应的地表土壤水分最小和最大值。

根据这一特征，前人通过数值模型与验证分析，提出了将地表土壤水分表示为地表温度、植被指数和地表反照率的二次多项式表达式，为地表土壤水分估算提供很好的思路。

ssm＝a000+a100ts+a010ndvi+a001alb+a200ts²+a020ndvi²

+a002alb²+a110ts·ndvi+a101ts·alb+a011alb·ndvi；

式中ts为地表温度，ndvi为植被指数，alb为地表反照率，aijk为拟合系数。

在本发明的土壤水分估算过程中，为了进一步提高原有模型的可靠性，我们引入的反映植被水分胁迫的ndwi作为调整因子加入反演过程中，得到新的反演模型：

ssm＝a0000+a1000ts+a0100ndvi+a0010alb+a1100ts·ndvi+a1010ts·alb+

a1001ts·exp(ndwi)+a0110alb·ndvi+a0101ndvi·exp(ndwi)；

根据以上地表土壤水分反演模型，根据地面若干个站点的地表土壤水分数据以及其相应的地表参数(从遥感反演的地表温度、植被指数、地表反照率、水体指数中提取)，便可对模型中的各个系数进行标定，进而得到相应的土壤水分估算模型。但是，在实际估算过程中，由于系数的获取仅仅依赖有限的地面观测站点，而地面观测站点的误差往往会左右系数的估算结果进而影响模型应用于高分辨率遥感数据获取区域土壤水分的精度。因此，本发明提出了参与干湿边极干极湿点约束的方式，即通过研究区的特征空间建立，寻找对应的裸土极干点、裸土极湿点、完全植被覆盖极干点和完全植被覆盖极湿点，提取对应像元点的地表参数值大小，建立约束方程参与系数标点回归，实现对系数标定过程的约束，具体约束条件如下所示：

式中约束条件由上至下依此对应裸土极干点、裸土极湿点、完全植被覆盖极干点和完全植被覆盖极湿点，smmin和smmax分别为最小和最大土壤水分，可通过研究区的土壤质地条件获取。

通过以上基于约束条件的回归方法，获取地表土壤水分反演模型，并将其应用于高分辨率遥感数据，进而得到相应的高分辨率地表土壤水分数据，即可作为地表土壤水分的相对真值。

s3.粗分辨率地表土壤水分真值数据生成

步骤s2反演结果实现了采用高分辨率光学遥感卫星数据对有限地面观测土壤水分的空间代表性的提升，避免了传统基于地面站点的验证方法中面临的地面观测数据与被动微波土壤水分数据之间巨大的空间尺度差异。

为了有效验证粗分辨率被动微波土壤水分产品，本发明基于反演获取的高分辨率土壤水分数据，采用空间聚合的方式，将其聚合到与被动微波土壤水分数据相匹配的空间尺度上，进而得到相应的粗分辨率土壤水分数据。聚合方法如下所示：

式中，为聚合后的粗分辨土壤水分数据，ssmh,i为粗分辨率像元内高分辨率像元i的土壤水分数据。

s4.被动微波土壤水分数据验证：

以步骤s3获得粗分辨率地表土壤水分数据作为地表土壤水分真值，便可开展对应粗分辨率被动微波土壤水分产品数据的验证分析，其中包括区域对比分析以及单一像元的长时间序列对比分析。

综上，本发明通过光学遥感数据与地面观测数据，建立面向光学遥感地表土壤水分高精度反演，获取高空间分辨率且精度可靠的地表土壤水分数据，实现地面点观测到遥感面观测的有效转化，在此基础上将高分辨率土壤水分产品通过空间聚合获取被动微波土壤水分产品相同尺度的土壤水分数据作为验证依据，充分解决现有基于地面观测数据的被动微波土壤水分产品验证方法所面临的地面观测与遥感产品之间空间尺度极不匹配的问题，有效地实现被动微波土壤水分数据的准确验证。

最后需要说明的是，以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。