覃湘栋，庞治国*，江 威,3

(1.中国水利水电科学研究院，北京 100038；2.水利部防洪抗旱减灾工程技术研究中心，北京 100038；3.中国再保险 (集团) 股份有限公司博士后工作站，北京 100033)

土壤水分，即土壤含水量，一般指土壤非饱和带中的水分含量，虽然在全球水资源总量中的占比极小(0～0.05%)，但却通过控制蒸发影响着地表与大气间的水汽和能量交换，是地表水循环与能量循环的关键参数。精确土壤水分数据的获取对于气候变化[1]、区域水资源管理[2]、作物估产[3]、干旱预测与评价[4]、洪水预警[5]和水文过程[6]等研究都有着非常重要的意义。

相较于传统的站点观测，遥感反演具有观测范围广、观测结果空间连续和成本低廉等优势，是土壤水分大范围监测最为有效的手段。目前遥感土壤水分反演根据使用数据不同可以划分为光学反演、微波反演和协同反演，后两者相关研究较多[7-8]，综述文献丰富[9-10]，但有关光学反演的研究近年来相对较少，综述文献也较为匮乏[11]。所以本文总结并对比了各种光学反演方法的优缺点并指出反演方法的发展趋势，为今后的土壤水分光学遥感反演研究提供参考。

土壤水分光学遥感反演研究发展较早，在20世纪50年代星载传感器还没有投入应用之际，研究者就通过实验室测定数据指出水分吸收的5个主要波段并开始通过吸收率与土壤水分的经验关系进行土壤含水量的计算[12-13]。随着星载传感器的应用，遥感数据逐渐丰富，多个波段、多种指数被应用于土壤水分光学反演[14-15]，基于此研究者开发了多种反演方法，如热惯量法、指数法等。为更好梳理这些反演方法，本文首先总结出反演研究常使用的遥感数据，而后对反演方法进行分类总结对比，最后指出土壤水分光学反演所面临的挑战。

1 土壤水分反演光学遥感数据

土壤水分反演光学遥感数据主要包括可见光近红外数据和热红外数据，分别提供地表反射率和地表温度信息。图1展示了土壤水分反演常用光学遥感数据的来源及其搭载平台的在轨成像时间。

图1 土壤水分反演常用光学遥感数据来源

总结图1中遥感数据的主要参数见表1，可以明显看出随着传感器技术的发展，近年来光学数据的空间分辨率不断提升。结合反演研究而谈，土壤水分光学遥感反演早期主要使用的是NOAA数据和MODIS数据低分辨率数据，并开展了较多大尺度土壤水分反演工作[16-17]。随着Landsat和Sentinel等数据的出现以及对更高分辨率的土壤水分产品的需求，近年来以这两类数据开展高分辨率土壤水分光学反演研究居多[18-19]。此外，不同于Worldview、Quickbird等商业数据，Landsat和Sentinel数据的免费开放共享也是其广泛应用于土壤水分反演研究的重要原因。

表1 光学数据遥感荷载主要参数

2 基于光学遥感数据土壤水分反演方法

2.1 光学数据土壤水分反演方法概述

光学数据土壤水分反演是从可见光-近红外和热红外波段提取与土壤水分相关的敏感信息进行土壤水分计算。根据提取信息不同，可以将反演方法分为反射率法、指数法和热惯量法，见图2。而针对各种方法采用的数据源、反演参数以及优劣势对比，见表2。由于反射率与土壤水分相对较弱的相关性，其方法的使用相对较少，目前土壤水分光学反演研究主要还是以热惯量法和指数法为主[11]。

图2 光学数据反演分类示意

表2 光学数据反演方法对比

2.2 反射率法

反射率法反演的理论依据是不同湿度状态的土壤在水分吸收光谱区间的反射率差异，见图3，基于此构建地表反射率与土壤水分的经验或半经验关系，实现土壤水分的定量反演。基于反射率开展土壤水分反演研究最早出现在实验室中[20]，构建的经验模型仅对特定土样适用，无法适应野外大区域反演，所以研究者开始尝试引入土壤质地[21]、植被效应[22]等其他环境参数，试图提高反演的精确度以及扩大方法的适用范围。到了21世纪初，研究者逐渐注重利用多波段反射率组合构建相关性较稳定的反射率指标以弱化其他环境参数对反演结果的不良影响。为此，较多学者开始构建土壤水分和反射率指标的线性或非线性经验方程实现土壤水分反演[23-24]，但反演方法的空间适用性仍然满足不了现实需求。为了更好的量化环境参数对反演精度影响，部分研究者提出了一些半经验和机理反演模型，如高斯半经验模型[25]、KM双通量辐射传输模型[26]、多层辐射传输模型[27]等。这些反演模型虽然计算较为复杂，在土壤水分反演中使用较少，但能够较好地模拟土壤水分与反射率的非线性关系，避免了经验模型复杂的定标过程，是今后反射率法土壤水分反演发展的方向。除此以外，近年来高光谱数据逐渐丰富，研究者指出其较高的光谱分辨率可以直接获取土壤水分敏感响应波段，在反射率法土壤水分反演上具有很大的应用潜力[28-29]。

图3 实验室内不同土壤湿度的土样反射率光谱曲线示意[26]

综上所述，反射率法土壤水分反演是从实验室内测量逐渐推广至野外测量，从简单经验拟合向机理模拟发展，反演方法的适用范围逐渐扩大，反演精度不断提升。但是目前反射率法土壤水分产品仍然较少，主要原因为多数反射率法反演研究的探测深度有限，仅能反演地表几毫米深的土壤水分，这使得反演结果的使用价值受限。其次，光学数据受云雾天气影响严重，数据的可用性也是目前反射率法土壤水分产品生产的重要难题。

2.3 指数法

指数法是通过光学遥感数据构建指示地表温度或植被状态的指数指标，与土壤水分建立转换关系的反演方法。研究最初发现土壤水分控制着植被蒸散进而影响着叶片与大气的温度差，并通过实测数据的验证指出这种影响是线性的[30-31]，因此，相继提出了作物水分胁迫指数[32]和植被供水指数[33]来表征作物区的土壤水分状态，也有使用表征植被状态的指数代替温度指数构建类似的指标，如距平植被指数[34]、植被条件指数[35]等。这之后研究通过分析归一化植被指数与地表温度(LST)的特征空间分布，定义温度植被指数[36](NDVI/LST)，并通过进一步细化其空间分布特征，提出了目前土壤水分反演最为常用的温度植被干旱指数[37](TDVI)。表3中列出了几种常见的土壤水分指数，这些指数广泛应用于干旱评估和土壤水分估算。至于这些指数与具体土壤水分的转换，大多通过经验拟合来实现[38-40]。

表3 表征土壤水分状态的指数

综上所述，指数法土壤水分反演大多基于经验拟合的计算方式，且目前多数研究还是通过不同指数或反射率间的特征空间分布特点建立与土壤水分相关性更佳的指数指标，对于指数与土壤水分的机理转换研究很少，所以指数与土壤水分转换的理论基础较为薄弱。

2.4 热惯量法

土壤热惯量是一种描述土壤抵抗温度变化能力的参数，与土壤含水量密切相关，而热惯量可以通过热红外遥感反演获取，进而可以转换得到土壤水分，见图4。综上，热惯量法土壤水分反演主要由2个步骤构成：地表热惯量反演和热惯量与土壤水分之间转换。

图4 基于热惯量反演土壤水分流程

首先是地表热惯量反演，热惯量的物理计算公式见式(1)。但这些参数显然很难通过遥感获取，所以多数研究基本是通过温度日夜温差来计算地表热惯量。相关研究追溯到20世纪70年代，研究者结合地表边界条件、地表能量平衡公式求解一维热传导方程最终得出地表温度与地表热惯量的转换关系[45-46]；而后研究者进一步细化地表潜、显热计算，得出遥感计算地表热惯量的一般方法[47]，但是这种热惯量计算需要较多的辅助参数，如地表风速、地表粗糙度以及空气湿度等。而后，研究者致力于降低反演对辅助数据的依赖提升模型的可行性，提出了一种仅需要1 d内最高气温的时间和卫星观测的昼夜温差的热惯量模型[48]，该模型利用日温度变化相位信息基于地表温度傅里叶级数的二阶近似计算蒸发潜热，克服了以往热惯量计算需要大量辅助数据的缺点。但这种模型中日最高温度的时间较难通过遥感获取，部分研究提出通过拟合1 d内4次过境遥感反演的地表温度日变化趋势推算该参数[49]，但是其对卫星日过境频率要求较高，很难得到广泛应用；还有部分研究提出引入理想化的地表温度日变化正弦曲线能够解决该参数的获取问题和卫星过境时刻观测温度与昼夜积极温不吻合问题[50-51]，但方法仍需地基测量温度数据进行辅助。除此之外，研究者也考虑反演植被覆盖区的土壤热惯量，如将地表热量平衡双层模型带入热惯量计算模型计算植被覆盖区的土壤热惯量[52]；如使用混合像元法分离地表温度中植被影响获取土壤温度计算土壤热惯量[53]等。

(1)

式中 TI——地表热惯量；k——热导率,W/(m·K)；ρ——体积密度,kg/m3；c——比热容,J/(kg·K)。

相较于前者，热惯量与土壤水分转换研究相对较少，主要有机理分析和统计拟合2种转换方式。机理分析通过分析土壤水分对土壤比热、热导率等物理性质的影响确定土壤热惯量与土壤水分的转换关系，目前主要的机理模型有Murray和Verhoef模型[53]、Lu模型[54]；而统计拟合主要分析热惯量与土壤水分的经验关系确定两参数之间的转换公式，2种方式对比见表4。

表4 土壤水分与热惯量转换方法对比

综上所述，热惯量法土壤水分反演方法的机理支撑逐渐提升，适用范围不断扩大，可行性显著增强。但是热惯量法也存在一些问题，在蒸散量大的区域反演精度较差、无法反演植被密集区的土壤水分等，今后的研究仍需要解决这些问题。

3 土壤水分光学遥感反演方法面临的挑战

总结上述反演研究，可以发现目前土壤水分光学反演整体呈现出从经验拟合向机理分析的方向改进。研究通过挖掘更多遥感信息、增加更多的参数改善原有方法，使得方法适用范围和反演精度不断提升，在实验室调查和现场实验中取得较好的效果。但土壤水分光学遥感反演方法仍然面临着一些挑战，主要有光学反演方法受天气影响严重、反演结果代表的有效土壤深度有限以及反演方法对地表异质性考虑不足，下面将分别进行叙述。

首先是光学反演方法受云雾天气影响严重，反射率法、指数法和热惯量法3种方法都需要从光学数据中提取地表信息(地表温度、地表植被状态等)，云雾覆盖会严重阻碍提取过程和提取精度。为解决此问题，多数研究者开展去云算法研究，但这些算法大多基于云覆盖周围影像的插值或往期该位置无云影像的替代运算，算法去云结果与云覆盖时段当地实际光谱信息有误差，最终导致土壤水分的反演精度偏低。今后研究应当注重去云机理算法的研发，提高整体光学数据的可用性。

其次，土壤水分光学反演结果所代表的有效深度过小，多数方法仅能反演地表几毫米以上的土壤水分，严重影响反演结果的使用价值。从机理上分析，原因是光学传感器使用的波长较短，对于地表的穿透深度有限。今后的研究应当注重分析所提取的遥感信息与更深层土壤水分的相关关系，或引入土壤水分垂直方向变化趋势增加光学遥感土壤水分反演的有效深度，提高反演结果的应用价值。

最后，反演方法对地表异质性考虑不足。虽然3种反演方法随着研究深入，考虑的因素逐渐增多，如植被因素、土壤质地因素等，在实地实验中反演精度不断提升，但相对于实际地表的复杂程度和光学数据受影响因素数量，反演方法所考虑的环境条件相对理想化，致使无法准确反演地表异质性较强区域的土壤水分，加之云雾影响光学数据的可用性，土壤水分光学反演在大范围土壤水分监测中应用较少，光学遥感土壤水分产品也处于空缺的状态。今后的研究应当注重光学遥感过程的机理研究，定量分析多种环境参数对土壤水分反演的影响，开发准确性与适用性较高的土壤水分光学反演机理模型，推广土壤水分光学反演在大范围土壤水分监测中的应用。

4 结语

土壤水分光学反演是土壤水分遥感反演中重要的组成部分，光学相对于微波具有更长的历史数据，针对光学反演的研究不仅有助于研究者获取更长时序的土壤水分历史信息，也促进了未来土壤水分产品多元化发展。本文首先介绍了土壤水分反演常用的光学遥感数据，后根据与土壤水分建立相关关系的对象不同对光学反演方法进行分类总结叙述，最终提出土壤水分光学遥感反演所面临的挑战。主要目的是为了帮助研究者更详细的了解土壤水分光学遥感反演的数据、方法和主要问题，推动高精度的土壤水分光学遥感产品的生产。