基于Sentinel数据的组合极化反演土壤表层水分研究.pdf

第卷第 期水 利 科 学 与 寒 区 工 程V o l ,N o 年 月H y d r oS c i e n c ea n dC o l dZ o n eE n g i n e e r i n gO c t,王浩,孙爱华,魏征,等基于S e n t i n e l数据的组合极化反演土壤表层水分研究J水利科学与寒区工程,():基于S e n t i n e l数据的组合极化反演土壤表层水分研究王浩,孙爱华,魏征,陈鹤,林人财(中国电建集团昆明勘测设计研究院有限公司,云南 昆明 ;三峡大学,湖北 宜昌 ;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京 )摘要:土壤水分在农业生产发展中扮演着重要的角色,准确、实时地获取大范围的土壤水分对现代化农业建设有重要的意义.本文提出以S e n t i n e l (VV VH)的组合极化模式结合S e n t i n e l 和L a n d s a t 影像计算的归一化植被指数(ND V I)和归一化水指数(NDW I)进行大兴区的土壤水分反演研究.表明:()以S e n t i n e l 组合极化(VV VH)为 基 础 的 反 演 土 壤 水 分 的 方 式 可 以 实 现 对 该 地 区 土 壤 水 分 的 高 精 度 反 演.()ND V I在通过水云模型反演土壤水分过程中,去除植被影响的效果要优于NDW I.()S e n t i n e l 组合极化(VV VH)与ND V I结合反演土壤水分的相关性较高(r ),优于单极化与ND V I结合反演土壤水分的相关性(rVV ,rVH ).研究结论对于利用S e n t i n e l 双极化组合反演土壤水分有重要参考价值.关键词:S e n t i n e l;组合极化;多源遥感;植被指数;表层土壤水分中图分类号:S ;S 文献标志码:A文章编号:()收稿日期:基金项目:国家自然科学基金重点项目();中国水利水电科学研究院流域水循环模拟与调控国家重点实验室自主研究课题(S K L T S );中国水科院基本科研业务费专项项目(I D B ,I D B )作者简介:王浩(),男,湖北襄阳人,硕士研究生,研究方向为农业遥感.E m a i l:q q c o m.通信作者:孙爱华(),女,山东泰安人,讲师,研究方向为农田节水灌溉理论与技术.E m a i l:a i h u a c o m.数据与方法 研究区概况大兴 区 位 于 北 京 市 南 郊,位 于 N N,E E,地处华北平原东北部,海拔高度在 m.气候属暖温带半湿润大陆性季风气候,夏季最热月平均气温 ,冬季最冷月平均气温,年平均无霜期 d,年平均降水量为 mm,年平均日照时数为 h.大兴区域内土壤分风沙土、褐土、潮土、水稻土、沼泽土等种土类,主要作物为小麦、玉米、大豆、西瓜等.数据来源 S e n t i n e l 数据欧洲空间 局 在“哥 白 尼”计 划 中 分 别 发 射 了S e n t i n e l A和S e n t i n e l B,S e n t i n e l 卫星是欧洲极地 轨 道C波 段(频 率 为 GH z,波 长 为 c m)雷达成像系统,单个卫星每 d映射全球一次,双星座重返周期缩短为d.所用S e n t i n e l 数据为L 级斜距单视负数(S i n g l eL o o kC o m p l e x,S L C)产品,获取模式为干涉宽幅(i n t e r f e r o m e t r i cw i d e s w a t h,I W)模式,空间分辨率为m m,极化方式为VV极化和VH极化,该数据来源于S e n t i n e l卫星数据服务中心(h t t p s:/s c i h u b c o p e r n i c u s e u/).数据获取日期为 年月日,使用E NV I对原始数据进行预处理,包括滤波、辐射校正、几何校正和地理编码,完成后得到研究区的后向散射数据.S e n t i n e l 数据S e n t i n e l 由 A和 B两颗卫星组成,单星重访周期为 d,A/B双星重访周期为d,主要搭载的是多光谱成像仪(M S I),共有 个波段,光谱范围在 m,地面分辨率分别为 m、m和 m,幅宽 k m,可提供有关陆地植被生长、土壤覆盖状况、内河和沿海区域环境等信息.该数据来源于S e n t i n e l卫星数据服务中心(h t t p s:/s c i h u b c o p e r n i c u s e u/),数据的获取日期为 年月日,利用S e n c o r软件对L e v e l C级进行辐射定标和大气校正得到L e v e l C级数据,后续处理通过E NV I完成.L a n d s a t 数据美国航空航天局(NA S A)于 年月 日发射L a n d s a t 卫星,L a n d s a t 卫星上携带两个传感 器,分 别 是O L I陆 地 成 像 仪(O p e r a t i o n a lL a n dI m a g e r)和T I R S热红外传感器(T h e r m a l I n f r a r e dS e n s o r),重访周期为 d.本文采用的是O L I陆地成像仪,光谱范围为 m,分辨率分别为 m、m和 m.该数据来源于美 国 航 空 航 天 局 官 网(h t t p s:/g l o v i s u s g s g o v/),数据的获取日期为 年月日.利用E NV I软件对其进行辐射定标和大气校正.表层土壤水分数据为验证S e n t i n e l S A R数据反演土壤水分的精度,采用“手持式P r o C h e c kG S”仪器实测土壤水分来验证其精度,测量深度为地下 c m,本次共计测量 个地表点.选择地形开阔周围无遮挡物的耕地为取样点,用仪器测量其土壤含水率,并以该测量点为圆心,m为半径,在其周围均匀测量个点的土壤含水率,取其个点的平均含水率为该点的实际含水率,并用G P S记录该点的经纬度,各个取样点间距至少 m .研究方法 水云模型地表的植被覆盖会对微波信号有吸收和散射的作用,为了去除植被层对裸土后向散射系数的影响,引用水云模型去除植被影响,得到更精准的裸土后向散射系数.A t t e m a等为了简化农作物等低矮植被覆盖地表的散射机制,基于辐射传输方程提出了经典的水云模型,该模型的假设条件为:()代表植被的“云”由相同的水粒子组成,根据泊松过程均匀分布在整个空间中.()只需要考虑单次散射.()唯一重要的变量是“云”高和“云”密度,它们与体积含水量成比例.水云模型将植被覆盖地表总的后向散射系数描述为两部分:从植被层直接反射回来的体散射和土壤的表面散射.其方程见式()式():oVTs()VAc o sT()Te x pBmv/c o s()式中:o为地表总后向散射系数;V为植被层后向散射系数;T为植被双层衰减因子(透过率);s为裸土后向散射系数;A、B的值取决于植被类型和入射电磁波的频率;为电磁波入射角;mv为植被含水量.研究区的地表覆盖类型为裸土、白菜、玉米、果树,以及灌木,其中农作物以玉米为主,采样阶段玉米基本属于拔节期.由于是野外监测,玉米种植密度并不均一.本文参考部分文献后决定采用B i n d l i s h等 水云模型中不同地表覆盖形式参数(表),根据大兴的实际情况,选择综合利用方式设置A ,B .表半经验模型中不同土地利用方式的植被参数值参数综合方式草地冬小麦牧场A B 植被含水量mv是水云模型的重要输入参数,通过对光学影像S e n t i n e l 和L a n d s a t 进行波段运算,可以得到归一化植被指数(ND V I)和归一化水指数(NDW I),计算如式()、式():N D V IRN I RRR E DRN I RRR E D()N DW IRN I RRS W I RRN I RRS W I R()式中:RN I R为近红外波段反射率;RR E D为红光波段反射率;RSW I R为短波红外波段反射率.由于地表覆盖类型主要为夏玉米等低矮农作物,根 据J a c k s o n等 建 立 的 植 被 含 水 量 与ND V I和NDW I的关系,如式()、式():N D V I:mv N D V I N D V I()N DW I:mv N DW I N DW I ()式中:mv为植被含水量;ND V I为归一化植被指数;NDW I为归一化水指数.通用全局优化算法 s t O p t是七维高科有限公司开发的一套具有第 期王浩,等基于S e n t i n e l数据的组合极化反演土壤表层水分研究数学优化分析功能的计算机工具软件包.其操作简单、运行稳定、功能强大 ,它使用的通用全局优化算法(UG O)有较强的容错、寻优功能,广泛运用于非线性回归、曲线拟合、非线性复杂工程模型参数估算求解等领域.它不用给出确定的初始值,而是由软件随机生成,并通过全局优化算法计算出最优解.评价指标为了优选各生育期氮素诊断模型,选择相关系数r、均方根误差RM S E和平均偏差A D,对模型进行评价.r表示模型的拟合程度,r越大,模型 效 果 越 好;RM S E表 示 模 型 的 预 测 精 度,RM S E越小,模型的预测精度越高.指标的计算如式()、式()、式():rni(xix)(yiy)ni(xix)ni(yiy)()R MS Eni(xiyi)n()AD|xx|n()式中:r为 相 关 系 数;RMS E为 均 方 根 误 差;AD为平均偏差;xi为实测值;x为实测值的平均数;yi为模拟值;y为模拟值的平均数;n为数据个数.结果与分析对于S e n t i n e l S A R微波影像,以不同的VV极化或VH极化方式都可以得到一定的地物信息,可以凭此反演地表土壤水分.但是不同的极化方式反演得到的土壤水分结果是不同的,这就说明不同的极化方式得到的地物信息是不同的.基于V V极化模式数据的土壤水分反演以VV极 化 为 基 础 分 别 结 合S e n t i n e l 和L a n d s a t 影像的ND V I和NDW I,针对研究区反演土壤水分方式共有种:VVS e n t i n e l N D V I、VVL a n d s a t N D V I、VVS e n t i n e l N DW I、VVL a n d s a t N DW I.由四种S e n t i n e l 的VV极化模式与ND V I、NDW I指标构建的表层土壤水分估算模型(具体如表和图所示),研究结果表明,种组合方式下的相关系数r的范围是 、RM S E的范围是 c m/c m、AD的范围是 c m/c m,其中r在P 水平上显著相关.表明采用VV极化模式联合ND V I或NDW I均能够以较高精度解译北京市大兴区表层土壤水分.表V V极化后向散射数据与不同植被指数组合方案反演结果的精度评价序号组合方式rRMS E/c mc mAD/c mc mVVS e n t i n e l N D V I VVL a n d s a t N D V I VVS e n t i n e l N DW I VVL a n d s a t N DW I 对比这四种S e n t i n e l 的VV极化模式条件下的组合方式表明,VV极化模式和L a n d s a t 计算的指数ND V I相结合得到的反演效果最好,其中r为 ,RMS E和AD分别为 c m/c m和 c m/c m.因此,S e n t i n e l VV极化模式和L a n d s a t 的指数ND V I相结合能够较好地描述去除植被覆盖的裸土后向散射特性,有利于土壤水分的高精度反演.但从图中也可以看出,以VV极化模式为基础的反演土壤水分结果相对偏大(回归系数b范围是 ).基于V H极化模式数据的土壤水分反演以S e n t i n e l 的VH极化为基础分别结合S e n t i n e l 和L a n d s a t 影像的ND V I和NDW I,针对研 究 区 反 演 土 壤 水 分 方 式 共 有种:VHS e n t i n e l N D V I、VH L a n d s a t N D V I、VH S e n t i n e l N DW I、VHL a n d s a t N DW I.由种S e n t i n e l 的VH极化模式与ND V I、NDW I指标构建的表层土壤水分估算模型(具体如表和图所示),研究结果表明,四种组合方式下的相关系数r的范围是 、RMS E的范围是 c m/c m、AD的范围是 c m/c m,其中r在P 水平上显著相关.表明采用VH极化模式联合ND V I或NDW I均能够以较高精度解译北京市大兴区表层土壤水分.对比这种VH极化模式条件下的组合方式表明,VH极 化 模 式 和S e n t i n e l 计 算 的 指 数ND V I相 结 合 得 到 的 反 演 效 果 最 好,其 中r为 ,RMS E和AD分别为 c m/c m和水 利 科 学 与 寒 区 工 程第卷图组合 (a d)分别反演的土壤水分与实测土壤水分散点分布图表V H极化后向散射数据与不同植被指数组合方案反演结果的精度评价序号组合方式rRMS E/c mc mAD/c mc mVHS e n t i n e l N D V I VHL a n d s a t N D V I VHS e n t i n e l N DW I VHL a n d s a t N DW I c m/c m.因 此,S e n t i n e l VH极 化 模 式和S e n t i n e l 的指数ND V I相结合能够较好地描述去除植被覆盖的裸土后向散射特性,有利于土壤水分的高精度反演.但从图中也可以看出,以VH极化模式为基础的反演土壤水分结果相对偏小(回归系数b范围是 ).同时,横向对比VV极化模式与VH极化模式的各个组合也可以看出,S e n t i n e l VV极化模式下的后向散射数据带有更多信息,相对于VH模式下的反演结果,VV模式下反演土壤水分与实测土壤水分拟合效果更好,精度更高.基于V V和V H双极化模式加权计算的土壤湿度反演通过全局优化算法计算得到由VV极化和VH极化联合反演土壤水分的最佳参数比.参数最佳估算值a ,b ,c ;因此可以确定,针对北京市大兴区的S e n t i n e l 的最佳组合极化方式为(VV VH).以(VV VH)组合极化为基础分别结合S e n t i n e l 和L a n d s a t 影像的ND V I和NDW I,针对 研 究 区 反 演 土 壤 水 分 的 方 式 共 有 四 种:(VV VH)S e n t i n e l N D V I、(VV VH)L a n d s a t N D V I、(VV VH)S e n t i n e l N DW I、第 期王浩,等基于S e n t i n e l数据的组合极化反演土壤表层水分研究图组合 (a d)分别反演的土壤水分与实测土壤水分散点分布图(VV VH)L a n d s a t N DW I.由种S e n t i n e l 的(VV VH)组合极化模式与ND V I、NDW I指标构建的表层土壤水分估算模型(具体如表和图所示),研究结果表明,四种组合方式下的相关系数r的范围是 、RMS E的 范 围 是 c m/c m、AD的 范 围 是 c m/c m,其中r在P 水平上显著相关.表明采用(VV VH)组合极化模式联合ND V I或NDW I均能够以较高精度解译北京市大兴区表层土壤水分.对 比 这种S e n t i n e l 的(VV VH)组合极化模式条件下的组合方式,研究表 明,(VV VH)组 合 极 化 与L a n d s a t 计算的指数ND V I相结合,其中r为 ,虽然略小于组合极化与S e n t i n e l 计算的ND V I相结合的结果,但是组合极化与L a n d s a t 结 合 后RMS E为 c m/c m和AD为表双极化的后向散射数据与不同植被指数组合方案反演结果的精度评价序号组合方式rRMS E/c mc mAD/c mc m(VV VH)S e n t i n e l N D V I (VV VH)L a n d s a t N D V I (VV VH)S e n t i n e l N DW I (VV VH)L a n d s a t N DW I 水 利 科 学 与 寒 区 工 程第卷图组合 (a d)分别反演的土壤水分与实测土壤水分散点分布图 c m/c m却是大于与S e n t i n e l 结合的反演精度,因此,(VV VH)组合极化模式和L a n d s a t 的指数ND V I相结合能够较好地描述去除植被覆盖的裸土后向散射特性,有利于土壤水分的高精度反演.与上述反演土壤水分结果最好的VV极化模式相比,S e n t i n e l 的(VV VH)组合极化模式的相关性表现更好,精度更高.总体来说,S e n t i n e l 的(VV VH)组合极化反演土壤水分的方式相比于VV极化或VH极化的单极化反演土壤水分整体效果更好,能够更好地描述去除植被覆盖的裸土后向散射特性,可以适当弥补单一极化数据和植被指数在土壤水分反演中的信息缺失,有利于土壤水分的高精度反演.结论()以S e n t i n e l 的VV极化为基础的反演土壤水分研究中,VV极化结合L a n d s a t 计算的ND V I反演土壤水分效果较好,模拟精度较高(r为 ,RMS E为 c m/c m,AD为 c m/c m).()以S e n t i n e l 的VH极化为基础的反演土壤水分研究中,VH极化结合S e n t i n e l 计算的ND V I反演土壤水分效果较好,模拟精度较高(r为 ,RMS E为 c m/c m,AD为 c m/c m).()S e n t i n e l 的 组 合 极 化(VV VH)加权计算土壤后向散射数据反演土壤水分 的 方 法 可 行,并 且 反 演 效 果 较 好(r为 ,RMS E为 c m/c m,AD为第 期王浩,等基于S e n t i n e l数据的组合极化反演土壤表层水分研究 c m/c m),相对于单一极化反演土壤水分其相关性和精度更高.()S e n t i n e l S A R影像数据与S e n t i n e l 和L a n d s a t 光学影像计算的指数ND V I结合反演的土壤水分比与指数NDW I结合反演的效果更好,精度更高.说明在水云模型中指数ND V I去除植被影响的效果更好.参考文献:L e g a t e s,D a v i dR,M a h m o o d,e t a l S o i lm o i s t u r e:Ac e n t r a la n du n i f y i n gt h e m ei np h y s i c a lg e o g r a p h yJP r o g r e s si nP h y s i c a lG e o g r a p h y,():B e c kHE,J e uRD,S c h e l l e k e n s J,e t a l I m p r o v i n gC u r v eN u m b e rB a s e dS t o r m R u n o f fE s t i m a t e sU s i n gS o i lM o i s t u r eP r o x i e sJ I E E Ej o u r n a lo fs e l e c t e dt o p i c si na p p l i e de a r t ho b s e r v a t i o n sa n dr e m o t es e n s i n g,():X i u q i nF a n g,Q i u a nZ h u,L i l i a n gR e n,e t a l L a r g e s c a l ed e t e c t i o no f v e g e t a t i o nd y n a m i c s a n d t h e i rp o t e n t i a l d r i v e r su s i n gMO D I S i m a g e sa n dB F A S T:Ac a s es t u d y i nQ u e b e c,C a n a d aJ R e m o t eS e n s i n go fE n v i r o n m e n t,():夏燕秋,马金辉,屈创,等基于L a n d s a tE TM数据的白龙江流域土壤水分反演J干旱气象,():D a sK,P a u lPK S o i lm o i s t u r e r e t r i e v a lm o d e l b yu s i n gR I S A T ,C b a n dd a t ai nt r o p i c a ld r ya n ds u b h u m i dz o n eo fB a n k u r ad i s t r i c to f I n d i aJ T h eE g y p t i a nJ o u r n a lo fR e m o t eS e n s i n ga n dS p a c eS c i e n c e s,():田国良土壤水分的遥感监测方法J环境遥感,():,王龙,宫辉力,潘云,等基于S e n t i n e l S A R数据的锡林浩特市典型草原土壤水分反演J干旱气象,():曾旭婧,邢艳秋,单炜,等基于S e n t i n e l A与L a n d s a t数据的北黑高速沿线地表土壤水分遥感反演方法研究J中国生态农业学报,():A t t e m aEP W,U l a b yFTV e g e t a t i o nm o d e l e da saw a t e rc l o u dJ R a d i oS c i e n c e,():李新尧基于S e n t i n e l S A R数据的表层土壤水分遥感反演D西安:西北大学,R A J A TB i n d l i s h,ANAPB a r r o s P a r a m e t e r i z a t i o no f v e g e t a t i o nb a c k s c a t t e r i nr a d a r b a s e d,s o i lm o i s t u r ee s t i m a t i o nJR e m o t eS e n s i n go fE n v i r o n m e n t,():J a c k s o nTJ,V i n eD,H s uA Y,e ta l S o i lm o i s t u r em a p p i n ga t r e g i o n a l s c a l e su s i n gm i c r o w a v e r a d i o m e t r y:t h eS o u t h e r nG r e a tP l a i n sH y d r o l o g yE x p e r i m e n tJ I E E ET r a n s G e o s c i e n c ea n dR e m o t eS e n s i n g,():J a c k s o nH,D a o y iC h e n,M i c h a e lC o s h,e t a l V e g e t a t i o nw a t e rc o n t e n t m a p p i n gu s i n g L a n d s a td a t ad e r i v e dn o r m a l i z e dd i f f e r e n c ew a t e ri n d e xf o rc o r na n ds o y b e a n sJR e m o t eS e n s i n go fE n v i r o n m e n t,():D a n s o nFM,R o w l a n dCS,B a r e tFT r a i n i n gan e u r a l n e t w o r kw i t ha c a n o p y r e f l e c t a n c em o d e l t o e s t i m a t e c r o p l e a f a r e ai n d e xJ I n t e r n a t i o n a l J o u r n a lo fR e m o t eS e n s i n g,():孙立珍,赵乐乐基于MA T L A B和 s t O p t的非线性曲线拟合比较J现代计算机,():,水 利 科 学 与 寒 区 工 程第卷