胡强光，付 鑫

(辽宁江河水利水电工程建设监理有限公司，沈阳 110003)

0 前 言

土壤水遥感反演在当前已经逐步成为区域水循环和农业干旱研究的重要数据来源。多个研究成果表明，土壤水受到土壤温度的影响较为明显，尤其是纵向土壤含水量的分布受到土壤温度影响较大。近些年来，土壤水遥感反演大都主要针对温度较高时期土壤水的遥感反演计算。李伯祥基于Sentinel多源遥感数据对河南省景县农田土壤水分进行协同反演研究，研究结果表明在温度较高时期，多源遥感数据下的土壤水分反演精度较高，而温度较低时期，反演的精度很难达到理想的效果。赵淑鲜基基于粗糙度参数对土壤水分微波遥感反演算法进行适用性分析，分析结果表明粗糙度参数可一定程度的提升低温期土壤水分的反演精度，但总体精度还不能满足土壤墒情监测的规定要求。王龙通过研究表明具有较强物理基础理论的热惯通量模型可提升区域土壤水反演精度，在低温期也有较好的反演精度，但传统热惯通量模型并未能将高温期和低温期土壤水分进行分别反演，而是对整个时期土壤水进行遥感反演，存在均化的影响[1-3]。鞍山地区位于辽宁省，属于东北地区，冬季和春季，土壤温度均较低，尤其是春季，土壤水分对于农作物生长影响较为明显，为提高区域土壤水分监测精度，需要将土壤水遥感数据和地面墒情监测数据进行融合，从而实现区域土壤水分的全方位监测，从而满足春季旱情监测需求[4]。为此文章针对传统方法未能完全单一考虑低温期土壤水分模拟影响，对低温期土壤水遥感方法进行改进，并结合实测土壤水数据进行改进方法的探讨。研究成果对于提高北方低温期土壤水监测具有重要的意义。

1 改进方法

文章在传统热惯通量模型模型的基础上，分别进行高温期和低温期土壤水的反演，从而对传统遥感反演方法进行改进，改进方法对地表潜热和显热的条件进行了改进计算：

(1)

方程中Tmax土壤温度最大值，℃；a为陆面反射率；S0为参数值，一般取值为1367W·m-2；Cτ为太阳短波辐射；ω为太阳自转角，°；B为土壤蒸发潜热；A1为转换参数；Hx和LEx分别表示为土壤显热通量，w/m2。

陆面温度采用地表温度调整曲线进行计算，方程为：

(2)

(3)

式中：tm为陆面最大温度出现的时段，h；Pn和Pd分别为夜间和白天的时段长，h；Tmean为日平均温度，℃，文章采用MODIS遥感数据来对日平均温度进行反演；T2(t)为的遥感卫星过境时刻的陆面温度，℃。

通过建立土壤含水量与含水率之间的线性方程来对土壤含水量进行反演，线性方程为：

θ0(t)=R0(t)(θsat0-θres0)+θres0

(4)

式中：θ0(t)为对应t时刻的土壤含水量，%；θres0为剩余土壤含水量，%；θsat0为饱和含水量，%；R0为饱和土壤含水系数。建立底层和表层含水量之间的线性方程对深层含水量进行计算：

(5)

式中：C为土壤水扩散系数；θ1为地表3mm以下的土壤含水量，%；θ0为地表1mm-3mm土层含水量，%。

2 不同方法的对比探讨

2.1 区域概况

文章以鞍山地区为研究实例，鞍山地区位于辽宁的中部平原地区，区域多年平均土壤水分在20%-40%之间，在冬季和春季低温期，鞍山地区冻土层的厚度在45-50cm之间，而这一时期也是土壤水分含量较低的阶段，这一阶段土壤水分含量低于20%，尤其是在春季初始阶段，低温期土壤含水量很难满足农作物的正常生长需求。近些年来，随着土壤墒情监测力度的加大，截止到2020年，鞍山地区自动墒情监测站点达到20余处，人工观测墒情站点10余处，基本可满足区域土壤墒情的监测需求。当前，随着土壤水遥感反演技术的日趋成熟，通过土壤水遥感反演可实现区域土壤水空间分布的全覆盖，显著提升其在农业干旱监测的重要支撑作用，其这种方式时效性高且经济效益显著，相比于自动墒情站点、人工站点，这种方式的成本较低，近些年来，随着土壤水遥感反演精度的提升，这种方法推广应用程度也越来越高，为探讨土壤水遥感反演在辽宁地区的适用性，文章以鞍山地区为实例，并对传统反演方法进行改进，提出适合于北方地区低温期的土壤水反演改进方法，并结合实测墒情数据对改进方法的精度进行过探讨[5-7]。

2.2 资料概况

选取由中国科学院青藏高原研究所开发的基于微波数据同化的中国土壤水分数据集(ITP-SM)在辽宁鞍山地区开展遥感土壤水反演研究。该产品覆盖时段为2014-2018年，空间分辨率为0.25°，能够提供每天0-5cm，5-20cm和20-100cm深度的土壤含水量状况。

2.3 参数设置

基于微波数据同化的中国土壤水分数据集(ITP-SM)，模型需要针对不同土壤类型进行对应的土壤含水量参数设置，设置结果见表1。

表1 不同土壤类型参数设置

2.4 精度对比

结合鞍山地区4个土壤墒情监测站点土壤水实测数据对改进方法前后土壤水反演精度进行对比分析，结果见表2。

表2 土壤水反演精度分析结果

续表2 土壤水反演精度分析结果

从对比分析结果可看出，相比于改进前，采用改进后的方法后，各土壤水监测点与反演的土壤水之间的相对误差均可在±20%以内，相比于改进前，改进后的土壤水反演相对误差降低9.3%，这主要是因为改进后的土壤水遥感反演方法，可综合考虑土壤地表潜热和显热条件下对土壤水反演精度影响，可显著提升低温期土壤水的反演精度，而在北方地区，土壤低温期时间一般较长，而低温期土壤水反演精度的提升，也势必增加整个反演期土壤水的精度。均方根误差代表土壤水反演的系统偏差，从分析结果可看出，采用改进前后的土壤水反演方法的均方根误差均低于0.1，表明改进前后的土壤水遥感反演方法均不存在系统偏差，这主要是因为改进前后的土壤水反演方法均可实现土壤水分的系统模拟，但由于改进后的方法实现了低温期土壤水份精度的改善，使得其相对误差减小，因此对于高温期土壤水反演，改进前后的土壤水反演方法均适用。此外，从分析结果还可看出，不同土壤类型对于土壤水反演精度也有影响，砂土相比于黏土，土壤水反演精度更为稳定[8-9]。

3 结 论

1)改进后的方法可实现0-5cm，5-20cm和20-100cm深度的土壤含水量反演，可为区域干旱监测提供重要的数据支撑，并适用于北方低温期及冻土期土壤水反演。

2)土壤温度是土壤水遥感反演的重要影响因素，而土壤类型也对其反演精度产生一定程度的影响，砂土类型下土壤水反演稳定性要好于黏土，一般情况下，随着土壤深度的增加，土壤水遥感反演精度逐步降低。

3)改进前后的土壤水反演均方根误差均低于0.1，表明两种方法均未出现系统偏差，因此在高温期土壤水反演两种方法皆适用，但是低温期建议采用改进方法提高土壤水反演精度。