基于雷达和光学影像监测土壤表层水分

－－——

３２０・－—— 江苏农业科学２０１２年第４０卷第５期

曾远文，陈浮，雷少刚，等．基于雷达和光学影像监测土壤表层水分［Ｊ］．江苏农业科学，２０１２，４０（５）：３２０—３２３

基于雷达和光学影像监测土壤表层水分

曾远文，陈 浮，雷少刚，王雨辰

（中国矿业大学／江苏省资源环境信息工程重点实验室，江苏徐州２２１ １ １６）

摘要：结合微波雷达与光学影像在监测表层土壤水分信息上的优势，提取了山西省西山矿区的表层土壤水分状

况。受地形、植被等因素的干扰，对雷达影像进行正射校正，去除地形起伏对雷达图像的影响，基于光学数据获取植被

含水量信息，并利用“水一云”模型去除植被覆盖对土壤后向散射的影响，运用去除地形和植被影响的后向散射系数，

结合现有的土壤水介电模型，计算得出了研究区的土壤表层水分信息。采用的研究方法避免了传统的土壤孔隙、地表

辐射等现场地表模型参数的获取，可实现大范围快速的表层土壤水分监测。

关键词：土壤水分；雷达影像；光学影像；“水一云”模型

中图分类号：￥１５２．７；Ｓ１２７ 文献标志码：Ａ 文章编号：１００２—１３０２（２０１２）０５～０３２０—０４

地表土壤水分是陆地和大气能量交换过程中的重要因

研究区位于吕梁山东麓，太原市西部，东、南邻太原一晋

子，对陆地表面蒸散、水的运移、碳循环有很强的控制作 中盆地，跨域太原市的古交市全部区域及尖草坪区、万柏林

用 Ｊ。土壤水分作为陆面水资源形成、转化、消耗过程中的 区、晋源区、清徐县、娄烦县的部分区域，以及吕梁市的交城县

基本研究参数，也是联系地表水与地下水的纽带，对气候变化

部分地域，面财务的工作内容 积约２ ８７５ ｋｍ２。

起着非常重要的调节作用 。大面积监测土壤水分在水文、 １．１．１地形研究区的西部为吕梁山脉，北部为云中山余

农业和气象科学领域具有重要的意义 。传统的土壤水分监

脉，东、南为太原盆地。总的地势为山区与谷地兼黄土丘陵和

测方法，主要是根据有限的测量站点测定土壤水分含量来监测

台地。在煤田中部，自西向东为狐僵山一三县岭一庙前山一

土壤水分，虽然测定的多个土层深度，精确性较高；但是测点稀

石千峰弧形分水岭，将煤田盆地分割为４个部分：（１）北部的

疏，代表的范围有限，数据收集实效性差，不能保证同步性。在 古交黄土丘陵区与汾河及其支流屯兰、原平、大川河谷地；（２）

宏观大区域尺度上土壤水分监测速度慢而且花费大量的人力 沿分水岭的中高山区；（３）东南部与盆地接壤的台地和丘陵

物力，监测范围有限，只能以点的数据代替面的数据 。不

区；（４）西部的西冶川、文峪河谷地。煤田内最大标高为狐僵

利于有关部门及时准确地掌握大范围的土壤水分隋况。

山２ ２０２．７ ｍ。沿分水岭往东依次为：三县岭１ ６３０．４２ ｍ，庙前

随着雷达技术的飞速发展，特别是雷达技术用于监测土 山１ ８６５．６０ ｍ，石千峰１ ７７５ ｍ，最小标高在文峪河出山口

壤水分具有全天时、全天候并对地物有一定的穿透能力等特 ７７０ ｍ。最大相对高差９００—１ ４００ ｍ，一般高差在３００—８００ ｍ

点，突破了传统测量方法获取土壤水分的局限，使得大面积土

之间。

壤水分实时或准实时动态监测成为可能 ，可通过雷达资

１．１．２植被研究区的西部狐僵山一带，森林茂密，植被良

料比较精确地知道大面积范围的土壤表层（０～５ ｃｍ）含水

好。近年绿化工作进展良好，研究区内的古交市区及其周边

量。用雷达数据提取地表土壤水分时，结果会受植被和地形

区域植被有所增加。

起伏的严重影响 。植被的遮盖使得土壤水分信息的获

１．２研究方法

取变得复杂，因为起遮盖作用的植被本身包含自己的湿度，从

合成孔径雷达的后向散射系数对土壤表层（０—５ ｃｍ）水

雷达图像获取的表面水分含量信息是植被湿度和土壤湿度的

分非常敏感。由于地表的复杂性，雷达后向散射系数受地形

组合 。雷达图像的成像原理决定了雷达图像一般是距离

起伏以及植被层的强烈影响，首先对雷达影像进行了正射校

图像，成像地区的地形起伏引起的雷达图像几何形变十分明

正，消除了地形起伏对影像的影响，然后利用“水一云”模型

显 。运用雷达数据提取土壤水分时去除地形起伏和植被

从总的雷达后向散射中去除植被的影响，得到直接来自土壤

的影响，对提高精度具有重要的意义。

表层的后向散射系数，结合现有的经验模型，由土壤表层的后

１研究区概况及研究方法

向散射系数计算得到土壤的含水率，制作研究区土壤含水率

分布图。研究技术路线如图１所示。

１．１研究区概况

１．３数据预处理

１．３．１雷达数据预处理（１）辐射定标。研究采用ＥＮＶＩ—

收稿日期：２０１２一Ｏ２—１５

ＳＡＴ ＡＳＡＲ雷达传感器在２０１０年８月２０日获取的Ｉｍａｇｅ模

基金项目：国家自然科学青年基金（编号：５１００４１００）；中国博士后科

式的ＳＬＣ的产品，极化方式为ＶＶ，入射角模式为ＩＳ２。雷达

学基金（编号：２０１００４８１１７４）；江苏省博士后科学基金（编号：

影像上通常记录的是ＤＮ值，实际运用中需要将ＤＮ值转换

１００２００３Ｂ）。

成后向散射系数 ，定标公式如下所示：

作者简介：曾远文（１９８９一），男，四川内江人，硕士研究生，主要研究

０ Ａ

领域为遥感与土壤生态监测。Ｅ—ｍａｉｌ：ｚｅｎｇ＿ｙｕａｎ＿ｗｅｎ＠１２６．ｃｏｒｎ。

ｉ虬“６Ｉ

－－——

３２２－－—— 江苏农业科学２０１２年第４０卷第５期

表１“水一云”模型中的植被参数

（２）植被含水量Ｍ 的计算

植被含水量Ｍ 作为“水一云”模型的重要输入参数，对

植被覆盖地区土壤水分的反演起着非常重要的作用；但是对

植被含水量的大面积测量和提取有一定的难度，对地表的植

土壤后向散射系数（ｄＢ）

Ｈ

ｉｇｈ：－０ ．０ ２４ ５

…：

被具有一定的破坏软件测试面试题 性，由于现在国内外还没有利用雷达信息

图６ 直接来自土壤的后向散射系数图

提取植被含水量的比较完善的模型，本研究选择光学的方法

来计算Ｍ 。利用光学遥感估测植物水含量有很大的潜力，可

以实时快速准确地监测或诊断出植物水分状况 。

根据Ｊａｃｋｓｏｎ等。如 和Ｃｈｅｎ等研究，建立了眠和ＮＤＷＩ

（归一化水分指数）之间的关系如下：

Ｍ ＝ａＮＤＷＩ＋ｂ （４）

根据Ｃｈｅｎ等的研究 ”和对研究区实际情况的综合考

虑，研究区当时的植被性状与大豆性状相似，可以确定参数ａ

和ｂ的值分别为１．７８和０．２８，所以植被含水量可以表示为：

Ｍ ＝１．７８ＮＤＷＩ＋０．２８ （５）

ＮＤＷＩ的数值可以根据研究区的光学影像直接提取出来 ，

公式如下：

一 昙 涮繁如柩 餐一号一辍 藤衽厘

ＮＤＷＩ＝ （６）

得到ＮＤＷＩ后，在ＥＮＶＩ中通过波段运算可以得到研究区的

植被含水量分布图（图５）。

植被含水￣（ｋｇ／ｍ ）

＿＜０．２５

躺０．２５～０．５０

—０．５０￣０．７５

嘲０．７５￣１．００

一１．００￣１．５０

一＞１．５０

图５植被含水量分布图

求出了植被含水量，结合雷达成像的入射角运用公式

ｒ ＝ｅｘｐ（一２ＢＭ ｓｅｃ０） （７）

可以得到ｒ 的值，为后续的工作做好准备。

２．２．２土壤表层后向散射系数的提取将得到的植被含水

量眠和ｆ 代入公式：

ｏｒ：＝Ａ・Ｍ ・ｃｏｓＯ－（１一 ） （８）

求出来自植被层的后向散射系数离职书模板 ，在总的消除了地形起伏影

响的后向散射系数图中运用公式 ？： 减去来自植被

下

的后向散射系数，得到了直接来自土壤表层的后向散射系数，

如图６所示。

图７中最上面的点画线表示植被含水量，实线和虚线分

别表示植被因素去除前后的后向散射系数。从图７可以看出，

植被层对后向散射系数的影响程度决定于植被含水量，植被含

水量高的地方植被层对后向散射系数的影响大，反之则小。

像元数 问题的答案的英文

图７ 植被因素去除前后地表后向散射系数比较

３研究区土壤含水率的计算

经过以上处理，从总的雷达后向散射中去除了地形和植

被因素的影响，重点内容是将处理后的后向散射系数结合现

有的经验模型，计算出研究区域的土壤含水率，制作土壤含水

率分布图。现阶段直接由土壤的后向散射系数计算出土壤含

水率的模型还不完善，本研究在计算研究区域土壤含水率的

时候引入了中间量——介电常数，通过建立土壤后向散射系

数和介电常数之间的关系算出介电常数的值，通过已有模型

运用得到的介电常数计算出研究区的土壤含水率。

根据Ｌｏｅｗ等研究，土壤的后向散射系数和土壤的介电常

数之间存在着一定的线性关系 ，表示为：

＝ａ＋ｂ・ｏｒ０（ｄＢ）＋Ｃ・ （ｄＢ） （９）

其中：ｇ表示土壤的介电常数， （ａＢ）是指用分贝表示的后

向散射系数，ａ．ｂ、Ｃ是和土地利用类型有关的参数，它们的取

值如表２所示。

表２土地利用类型参数

曾远文等：基于雷达和光学影像监测土壤表层水分 －——３２３・－——

本研究区虽然有植被覆盖，但是经过前面部分的处理已

经去除了植被对后向散射系数的影响，现在的土地利用类型

ＳＡＴ—ＡＳＡＲ与ＭＯＤＩＳ数据联合反演算法英英字典 研究［Ｊ］．干旱地区农

业研究，２００８，２６（３）：３９—４３．

相当于是裸地，研究区的土壤介电常数可以表示为：

ｓ＝３４．２＋４．４２・ｏｒ。（ａｎ）＋０．１５・ ２（ｄ口） （１０）

数和土壤含水率之间的关系 ，Ｒｏｔｈ公式如下：

Ｍ ＝一７．８ Ｘ １０一。＋４

４８ Ｘ １０一 一１．９５１０一 占 ＋

．

［４］李森．基于ＩＥＭ的多波段、多极化ＳＡＲ土壤水分反演算法研

究［Ｄ］．北京：中国农业科学院，２００７．

［５］刘增灿．微波散射测量及土壤水分反演研究［Ｄ］．成都：电子科

技大学，２００９．

实际工作中常用Ｒｏｔｈ等提出的Ｒｏｔｈ公式来分析介电常

［６］姜淼，李国春．微波遥感土壤湿度研究进展［Ｊ］．农业网络信

息，２００６（４）：２１—２４．

［７］张友静，王军战，鲍艳松．多源遥感数据反演土壤水分方法［Ｊ］．

水科学进展，２０１０，２１（２）：２２２—２２８．

３．６１ Ｘ１０－５ （１１）

公式中只有土壤含水率和介电常数２个未知数，可以直接用

来计算土壤含水率，结合上一节得到的介电常数分布图再一

次运用ＥＮＶＩ的波段运算，可以得到研究区的土壤含水率分

［８］何玲，汪志农，莫兴国．基于遥感信息预测土壤水分研究［Ｊ］．

水土保持研究，２００６，１３（２）：１６８—１７１．

布图（图８）。

土壤含水率（％）

瓣＜４

霸４￣８

■８￣１２

鞠ｌ２一ｌ６

■＞１６

图８研究区土壤含水率分布图

计算结果表明，研究区土壤含水率平均值为８．５８％，最

小值为１．０１％，最大值为３２．３５％，从土壤含水率分布图中可

以看到，研究区域土壤含水率小于４％的地方很少，基本上看

不出来，研究区域大部分地方的土壤含水率集中在８％一１２％

之间。

４结论

雷达遥感反演土壤水分的研究有了很大的发展，然而要

建立通用的土壤水分计算方法还比较困难，由于影响雷达后

向散射系数的各种因素如地表粗糙度及植被覆盖的复杂性，

各影响因素之间关系的不确定性，如何消除这些因素对反演

土壤水分的影响是我们将来研究工作的重点。在后续工作中

可以综合利用多源遥感数据，复合各种不同的反演模型来建

立符合区域性特点的雷达遥感土壤水分计算方法，提高土壤

水分计算的精度。

雷达监测土壤水分能较精确地估计地表层０—５ ａｍ深度

的土壤水分，而根系活动层土壤水分对植被的生长发育影响

更为重要，在今后的研究中能进行土壤水分剖面变化的研究，

为土壤水分监测和防旱抗旱提供科学的指导。

参考文献：

［１］陈权，李震，王磊．机载雷达和辐射计数据反演植被覆盖

区土壤水分的初步研究［Ｊ］．水科学进展，２００７，１８（５）：７５６

—

７６１．

［２］任鑫．多极化、多角度ＳＡＲ土壤水分反演教师年度考核登记表 算法研究［Ｄ］．北

京：中国科学院研究生院，２００３．

［３］刘万侠，刘旭拢，王娟，等．华南农作物覆盖区土壤水分ＥＮＶＩ—

［９］鲍艳松，刘良云，王纪华，等．利用ＡＳＡＲ图像监测土壤含水量和

小麦覆盖度［Ｊ］．遥感学报，２００６，１０（２）：２６３—２７１．

［１Ｏ］周鹏，丁建丽，王飞，等．植被覆盖地表土壤水分遥感反演

［Ｊ］．遥感学报，２０１０，１４（５）：９６６—９７３．

［１１］王冬红，王番，周华，等．ＳＡＲ影像的几何精纠正［Ｊ］．遥感

学报，２００６，１０（１）：６６—７０．

［１２］尤红建，丁赤飚，吴一戎．基于ＤＥＭ的星载ＳＡＲ图像模拟以及

用于图像精校正［Ｊ］．中国空间科学技术，２００６，２６（１）：６５—７１．

［１３］刘万侠，王娟，刘凯，等．植被覆盖地表主动微波遥感反演土

壤水分算法研究［Ｊ］．热带地理，２００７，２７（５）：４１１—４１５．

［１４］刘智，张永贺，王冬红，等．基于ＤＥＭ的ＳＡＲ图像模拟［Ｊ］．

测绘科学技术学报，２００８，２５（５）：３１７—３２０．

［１５］鲍艳松，刘良云，王纪华．综合利用光学、微波遥感数据反演土壤

湿度研究［Ｊ］．北京师范大学学报：自然科学报，２００７，４３（３）：

２２８—２３３．

［１６］Ａｔｔｅｍａ Ｅ Ｐ，Ｕｌａｂｙ Ｆ Ｔ．Ｖｅｇｅｔａｔｉｏｎ ｍｏｄｅｌｅｄ ａｓ ａ ｗａｔｅｒ ｃｌｏｕｄ［Ｊ］．

Ｒａｄｉｏ Ｓｃｉｅｎｃｅ，１９７８，１３（２）：３５７—３６４．

［１７］戈建军，王超，张卫国．土壤湿度微波遥感中的植被散射模型

进展［Ｊ］．遥感技术与应用，２００２，１７（４）：２０９—２１４．

［１８］Ｂｉｎｄｌｉｓｈ Ｒ，Ｂａｒｒｏｓ Ａ Ｐ．Ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｂａｃｋｓｃａｔｔｅｒ－

ｉｎｇｉｎ ｒａｄａｒ—ｂａｓｅｄ，ｓｏｉｌｍｏｉｓｔｕｒｅ ｅｓｔｉｍａｔｉｏｎ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ

Ｅｎｖｉｒｏｎｍｅｎｔ，２００１，７６（１）：１３０—１３７．

［１９］王洁，徐瑞松，马跃良，等．植被含水量的遥感反演方法及研究

进展［Ｊ］．遥感信息，２００８（１）：１００—１０５．

［２Ｏ］Ｊａｃｋｓｏｎ Ｔ Ｊ，Ｃｈｅｎ Ｄ Ｙ，Ｃｏｓｈ Ｍ，ｅｔ ａ１．Ｖｅｇｅｔａｔｉｏｎ ｗａｔｅｒ ｃｏｎｔｅｎｔ

ｍａｐｐｉｎｇ ｕｓｉｎｇ Ｌａｎｄｓａｔ ｄａｔａ ｄｅｒｉｖｅｄ ｎｏｒｍａｌｉｚｅｄ ｄｉｆｅｒｅｎｃｅ ｗａｔｅｒ ｉｎ—

ｄｅｘ ｆｏｒ ｃｏｒｎ ａｎｄ ｓｏｙｂｅａｎｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，

２００４，９２（４）：４７５—４８２．

［２１］Ｃｈｅｎ Ｄ Ｙ，Ｈｕａｎｇ Ｊ Ｆ，Ｊａｃｋｓｏｎ Ｔ Ｊ．Ｖｅｇｅｔａｔｉｏｎ ｗａｔｅｒ ｃｏｎｔｅｎｔ ｅｓｔｉｍａ—

ｔｉｏｎ ｆｏｒ ｃｏｒｎ ａｎｄ ｓｏｙｂｅａｎｓ ｕｓｉｎｇ ｓｐｅｃｉａｌ ｉｎｄｉｃｅｓ ｄｅｒｉｖｅｄ ｆｒｏｍ ＭＯ—

ＤＩＳ ｎｅａｒ—ａｎｄ ｓｈ０ｒｔ—ｗａｖｅ ｉｎｆｒａｒｅｄ ｂａｎｄｓ『Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ

Ｅｎｖｉｒｏｎｍｅｎｔ，２００５，９８（２英勇无敌 ）：２２５—２３６．

［２２］Ｇａｏ Ｂ Ｃ．ＮＤＷＩ—Ａ ｎｏｒｍａｌｉｚｅｄ ｄｉｆｅｒｅｎｃｅ ｗａｔｅｒ ｉｎｄｅｘ ｆｏｒ ｒｅｍｏｔｅ

ｓｅｎｓｉｎｇ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｌｉｑｕｉｄ ｗａｔｅｒ ｆｒｏｍ ｓｐａｃｅ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ

Ｅｎｖｉｒｏｎｍｅｎｔ，１９９６，５８（３）：２５７—２６６．

［２３］Ｌｏｅｗ Ａ，Ｌｕｄｗｉｇ Ｒ，Ｍａｕｓｅｒ Ｗ．Ｄｅｒｉｖａｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｓｏｉｌ ｍｏｉｓｔｕｒｅ

ｆｒｏｍ ＥＮＶＩＳＡＴ ＡＳＡＲ ｗｉｄｅ ｓｗａｔｈ ａｎｄ ｉｍａｇｅ ｍｏｄｅ ｄａｔａ ｉｎ ａｇｒｉｅｕｌｔｕｒ－

ｌａ ａｒｅａｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓ—

ｉｎｇ，２００６，４４（４）：８８９—８９９．

［４２］Ｒｏｔｈ Ｃ Ｈ，Ｍａｌｉｃｋｉ Ｍ Ａ，Ｐｌａｇｇｅ Ｒ．Ｅｍｐｉｉｒｃａｌ ｅｖｌａｕａｔｉｏｎ ｏｆ ｔｈｅ ｒｅｌａ—

ｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｓｏｉｌ ｄｉｅｌｅｃｔｒｉｃ ｃｏｎｓｔａｎｔ ｎａｄ ｖｏｌｕｍｅｔｒｉｃ ｗａｔｅｒ ｃｏｎｔｅｎｔ

ａｓ ｔｈｅ ｂａｓｉｓ ｆｏｒ ｃａｌｉｂｒａｔｉｎｇ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｍｅａｓｕｒｅｍｅｎｔｓ ｂｙ ＴＤＲ［Ｊ］．

Ｓｏｉｌ Ｓｃｉｅｎｃｅ，１９９奋力前行 ２．４３（１）：１—１３．