留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Landsat-8影像的干旱区土壤水分含量反演研究

杨丽萍 侯成磊 赵美玲 白宇兴 苏志强

杨丽萍, 侯成磊, 赵美玲, 白宇兴, 苏志强. 基于Landsat-8影像的干旱区土壤水分含量反演研究[J]. 土壤通报, 2021, 52(1): 47 − 54 doi: 10.19336/j.cnki.trtb.2020033101
引用本文: 杨丽萍, 侯成磊, 赵美玲, 白宇兴, 苏志强. 基于Landsat-8影像的干旱区土壤水分含量反演研究[J]. 土壤通报, 2021, 52(1): 47 − 54 doi: 10.19336/j.cnki.trtb.2020033101
YANG Li-ping, HOU Cheng-lei, ZHAO Mei-ling, BAI Yu-xing, SU Zhi-qiang. Study on Soil Moisture Content Inversion in an Arid Area Based on Landsat-8 Imagery[J]. Chinese Journal of Soil Science, 2021, 52(1): 47 − 54 doi: 10.19336/j.cnki.trtb.2020033101
Citation: YANG Li-ping, HOU Cheng-lei, ZHAO Mei-ling, BAI Yu-xing, SU Zhi-qiang. Study on Soil Moisture Content Inversion in an Arid Area Based on Landsat-8 Imagery[J]. Chinese Journal of Soil Science, 2021, 52(1): 47 − 54 doi: 10.19336/j.cnki.trtb.2020033101

基于Landsat-8影像的干旱区土壤水分含量反演研究

doi: 10.19336/j.cnki.trtb.2020033101
基金项目: 国家自然科学基金项目(41371220)及陕西省科技厅基金项目(2020ZDLSF06-07)资助
详细信息
    作者简介:

    杨丽萍(1968−),女,陕西耀县人,博士,副教授,主要从事环境遥感及3S应用研究。E-mail: zylpyang@chd.edu.cn

  • 中图分类号: S152

Study on Soil Moisture Content Inversion in an Arid Area Based on Landsat-8 Imagery

  • 摘要: 土壤水分含量的精确监测对区域生态环境保护与可持续发展具有重要意义。本文以内蒙西部额济纳旗东南的居延泽地区为研究区,基于多期Landsat-8遥感影像和野外实测不同深度的土壤水分含量数据,构建了温度植被干旱指数(TVDI)、垂直干旱指数(PDI)、归一化干旱监测指数(NPDI)和土壤湿度监测指数(SMMI)等四种干旱指数模型,探讨了上述模型在居延泽地区土壤水分含量反演中的精度与适用性,选取精度较优的TVDI模型反演了研究区2015年至2017年的土壤水分含量,并使用随机森林分类法将研究区分为沙地、盐碱地、裸地、植被和滩涂五种地类,探讨了不同地类的土壤水分含量差异。结果表明四种干旱指数均与土壤水分含量实测值呈负相关;从拟合精度看,四种干旱指数均与表层土壤水分含量具有最高的拟合精度,且随着土层深度的增加,拟合精度逐渐变劣。其中TVDI综合表现最优,尤其在表层,R2可达到0.76;研究区不同地类的土壤水分含量存在差异,呈现出从沙地、盐碱地、裸地、植被到滩涂依次升高的规律。
  • 图  1  研究区地理位置

    Figure  1.  Location of the study area

    图  2  采样点分布图

    Figure  2.  Map of sampling sites

    图  3  TVDIPDINPDISMMI与不同土层土壤实测水分含量之间的关系

    Figure  3.  Relationship between TVDI, PDI, NPDI, SMMI and measured soil moisture content at different depths

    图  4  TVDI模型土壤水分含量反演结果

    Figure  4.  Retrieved soil moisture content using TVDI model

    表  1  土壤体积含水量分类统计

    Table  1.   Statistics of soil moisture content

    地类Land type2015年8月28日August 28, 20152016年7月29日July 29, 20162017年9月2日September 2, 2017
    像元比例(%)Pixel ratio平均土壤水分含量(%)Average soil moisture content像元比例(%)Pixel ratio平均土壤水分含量(%)Average soil moisture content像元比例(%)Pixel ratio平均土壤水分含量(%)Average soil moisture content
    裸地 12.73 4.65 12.33 5.07 12.47 5.57
    沙地 63.59 2.13 68.59 2.19 65.69 2.88
    盐碱地 18.36 4.10 15.63 4.37 12.53 4.15
    滩涂 1.21 31.76 0.52 21.11 2.32 47.70
    植被 1.42 9.24 0.61 15.75 2.72 18.33
    水体 2.69 2.32 4.26
    下载: 导出CSV
  • [1] Cui Y, Long D, Hong Y, et al. Validation and reconstruction of FY-3B/MWRI soil moisture using an artificial neural network based on reconstructed MODIS optical products over the Tibetan Plateau[J]. Journal of Hydrology, 2016, 543: 242 − 254. doi: 10.1016/j.jhydrol.2016.10.005
    [2] Brocca L, Moramarco T, Melone F, et al. Assimilation of surface and Root-Zone ASCAT soil moisture products into rainfall-Runoff Modeling[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(7): 2542 − 2555. doi: 10.1109/TGRS.2011.2177468
    [3] Hassaballa A A, Althuwaynee O F, Pradhan B. Extraction of soil moisture from RADARSAT-1 and its role in the formation of the 6 December 2008 landslide at Bukit Antarabangsa, Kuala Lumpur[J]. Arabian Journal of Geosciences, 2014, 7(7): 2831 − 2840. doi: 10.1007/s12517-013-0990-6
    [4] Dusseux P, Corpetti T, Hubert-moy L, et al. Combined use of multi-temporal optical and radar satellite images for grassland monitoring[J]. Remote Sensing, 2014, 6(7): 6163 − 6182. doi: 10.3390/rs6076163
    [5] Zhao W, Sánchez N, Lu H, et al. A spatial downscaling approach for the SMAP passive surface soil moisture product using random forest regression[J]. Journal of Hydrology, 2018, 563: 1009 − 1024. doi: 10.1016/j.jhydrol.2018.06.081
    [6] Sandholt I, Rasmussen K, Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2): 213 − 224.
    [7] Wan Z, Wang P, Li X. Using MODIS Land Surface Temperature and Normalized Difference Vegetation Index products for monitoring drought in the southern Great Plains, USA[J]. International Journal of Remote Sensing, 2004, 25(1): 61 − 72. doi: 10.1080/0143116031000115328
    [8] Jain S K, Keshri R, Goswami A, et al. Identification of drought-vulnerable areas using NOAA AVHRR data[J]. International Journal of Remote Sensing, 2009, 30(10): 2653 − 2668. doi: 10.1080/01431160802555788
    [9] Patel N R, Anapashsha R, Kumar S, et al. Assessing potential of MODIS derived temperature/vegetation condition index (TVDI) to infer soil moisture status[J]. International Journal of Remote Sensing, 2009, 30(1): 23 − 39. doi: 10.1080/01431160802108497
    [10] Chen J, Wang C, Jiang H, et al. Estimating soil moisture using Temperature-Vegetation Dryness Index (TVDI) in the Huang-huai-hai (HHH) plain[J]. International Journal of Remote Sensing, 2011, 32(4): 1165 − 1177. doi: 10.1080/01431160903527421
    [11] 曹 雷, 丁建丽, 牛增懿. 基于TVDI的艾比湖地区土壤水分含量时空变化分析[J]. 水土保持研究, 2016, 23(3): 43 − 47.
    [12] 刘 婕, 王明霞, 毋兆鹏. 遥感模型支持下的精河流域绿洲0 - 10 cm土壤水分含量时空分布特征[J]. 水土保持研究, 2016, 23(3): 95 − 99.
    [13] 王 娟, 张 优, 张 杰, 等. 基于TVDI的山地平原过渡带土壤水分含量反演−以绵竹市为例[J]. 水土保持研究, 2018, 25(2): 151 − 156.
    [14] 詹志明, 秦其明, 阿布都瓦斯提·吾拉木, 等. 基于NIR-Red光谱特征空间的土壤水分含量监测新方法[J]. 中国科学. D辑: 地球科学, 2006, 36(11): 1020 − 1026.
    [15] 阿布都瓦斯提·吾拉木. 基于n维光谱特征空间的农田干旱遥感监测[D]. 北京: 北京大学, 2006, 1 - 227.
    [16] 冯海霞, 秦其明, 李滨勇, 等. 基于SWIR-Red光谱特征空间的农田干旱监测新方法[J]. 光谱学与光谱分析, 2011, 31(11): 3069 − 3073. doi: 10.3964/j.issn.1000-0593(2011)11-3069-05
    [17] 刘 英, 吴立新, 马保东. 基于TM/ETM + 光谱特征空间的土壤湿度遥感监测[J]. 中国矿业大学学报, 2013, 42(2): 296 − 301.
    [18] 葛少青, 张 剑, 孙 文, 等. 三种干旱指数在干旱区沼泽湿地土壤水分含量遥感反演中的应用[J]. 生态学报, 2018, 38(7): 2299 − 2307.
    [19] 龚家栋, 程国栋, 张小由, 等. 黑河下游额济纳地区的环境演变[J]. 地球科学进展, 2002, 17(4): 491 − 496. doi: 10.3321/j.issn:1001-8166.2002.04.005
    [20] 耿建伟, 赵 晖, 王兴繁, 等. 历史时期额济纳盆地水系与绿洲演变过程及其机制研究[J]. 第四纪研究, 2016, 36(5): 1204 − 1215. doi: 10.11928/j.issn.1001-7410.2016.05.15
    [21] 张甘霖, 龚子同. 土壤调查实验室分析方法[M]. 北京: 科学出版社, 2012.
    [22] 张玉君. Landsat8简介[J]. 国土资源遥感, 2013, 25(1): 176 − 177.
    [23] 季国华, 胡德勇, 王兴玲, 等. 基于Landsat 8数据和温度-植被指数的干旱监测[J]. 自然灾害学报, 2016, 25(2): 43 − 52.
    [24] 覃志豪, 李文娟, 徐 斌, 等. 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感, 2004, 16(3): 28 − 32, 36, 41.
    [25] 王 玲, 刘咏梅, 常 伟, 等. 基于Landsat 8 OLI影像的延河流域土壤线提取及其应用研究[J]. 水土保持通报, 2017, 37(1): 161 − 165.
    [26] 朱 琳, 刘 健, 张晔萍, 等. FY-3A/MERSI数据在中国北方干旱监测中的应用[J]. 遥感学报, 2010, 14(5): 1004 − 1016.
    [27] Cutler A, Cutler D R, Stevens J R. Random Forests[J]. Machine Learning, 2004, 45(1): 157 − 176.
    [28] 崔浩浩, 张 冰, 冯 欣, 等. 不同土体构型土壤的持水性能[J]. 干旱地区农业研究, 2016, 34(4): 1 − 5. doi: 10.7606/j.issn.1000-7601.2016.04.01
  • 加载中
图(4) / 表(1)
计量
  • 文章访问数:  104
  • HTML全文浏览量:  67
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-03-31
  • 修回日期:  2020-11-06
  • 刊出日期:  2021-03-05

目录

    /

    返回文章
    返回