一種簡便的遙感土壤水分監測方法與流程
2023-07-13 09:30:32 1
本發明涉及土壤水分監測方法，是一種基於遙感數據的簡便的土壤水分監測方法。
背景技術：
土壤水分是表示土壤退化或乾旱的重要表徵參量，也是氣候、水文、生態、農業等領域衡量乾旱程度的重要指標，是影響全球氣候和環境變化的重要因素。因此，了解土壤水分大小和狀況在土地規劃和管理，以及農牧業生產中具有十分重要的現實意義。遙感土壤水分反演是一種監測土壤水分的方法，大範圍的土壤水分監測是農業過程研究和環境因子評價的重要組成部分，而區域尺度甚至全球範圍的土壤水環境反演又是陸地過程模式研究中必不可少的一個參量，傳統的土壤水分監測方法大多是野外實地觀測，其中最準確的屬質量法，能得出精確的土壤水分的質量百分比，但是消耗大量的時間和人力。還有利用土壤水分不同其相應的導電性能也不同的特點發展起來的嵌入式傳感器測量法，能夠節省大量的時間和勞動力，但是仍然是實驗點上的監測而不能推廣到大範圍的面上。以上這些傳統的監測手段都具有相同的缺點，既費時、費力，又可測點少，代表性差，從而導致時間解析度低，無法實現大面積、大範圍土壤水分的實時動態監測。
隨著遙感技術的不斷發展，在20世紀80年代遙感監測土壤水分克服了傳統方法的缺陷，使大範圍區域土壤水分監測成為可以實現的目標。首先，在國外有利用可見光和紅外遙感監測土壤水分的研究，如利用NDVI監測乾旱指數、植被狀態指數(VCI)、熱慣量和每日蒸發量模型、以及繪製土壤水分和地理圖的熱慣量方法等。到20世紀90年代中後期，隨著NOAA/AVHRR和MODIS數據的普遍應用，光學和熱紅外波段的遙感反演也逐漸成熟。也有利用不同空間和時間及光譜解析度的衛星數據(AVHRR、TM、SPOT等)下Ts(地表溫度)、NDVI斜率與土壤溼度的關係。另外也有部分研究指出位於短波紅外波段的MODIS第6波段和第7波段對水分變化較敏感，以此構建的土壤溼度指數也可以用於土壤水分的估算，也有僅用第7波段做的分析，發現該波段與土壤水分間也有較好的線性相關性。
技術實現要素：
為了解決現有技術中存在的問題，本發明提供一種簡便的遙感土壤水分監測方法，克服現有技術中計算土壤水分含量計算量大、前期處理過程複雜的問題。
本發明採用的技術方案是：一種簡便的遙感土壤水分監測方法，包括以下步驟：
首先確定所需數據及實驗區域；然後利用MODIS遙感反射率數據，提取研究區內各實驗點對應的第7波段反射率數據，從地面觀測數據中選取與衛星數據過境時段一致的實測數據，利用統計軟體進行衛星第7波段反射率數據與實測地表土壤水分數據的回歸分析，得到最優回歸模型後，對回歸方程進行顯著性檢驗，確定用於反演土壤水分的模型方程式。
本發明的有益效果是：與現有技術相比，本發明利用單波段計算土壤水分含量具有計算量更小，所需前期處理過程更少的特點，大大減化數據收集和預處理的前期過程基礎上，保證了監測結果的準確度，適用於更大範圍的土壤水分含量的計算。
附圖說明
圖1為本發明的土壤水分監測模型構建流程圖；
圖2為8個實驗點實測土壤水分與衛星數據值間的散點圖；
圖3為具體實施實測土壤水分與模型估算結果間的比較圖；
圖4為具體實施例的某區域的春季土壤水分模型反演圖；
圖5為具體實施例的某區域的夏季土壤水分模型反演圖。
具體實施方式
下面結合附圖和具體實施例對本發明進行詳細描述。
本發明的相關技術——線性回歸分析模型，在研究兩個變量之間相關性時應用較多。分析MODIS第7波段地表反射率數據和野外觀測土壤水分數據的關係發現，7個觀測點的值基本上都在擬合直線附近波動，從而可以認為二者的關係基本上是線性負相關的，而這些點與直線的偏離是由其它一切不確定因素影響造成的，根據第7波段與土壤含水量這種線性相關關係，可以假定回歸方程：
Y＝β0+β1X+ε (1)
為線性模型方程，其中，β0+β1X表示土壤水分Y隨第7波段地表反射率的變化而變化的部分；ε是隨機誤差，是其它一切不確定因素影響的總和，其值是不可觀測的。在這裡假定ε～N(0，σ2)，
線性回歸方程中各參數β0、β1最小二乘估計值的計算公式如下：
最後對方程做顯著性水平檢驗發現，在給定的顯著性水平(α＝0.05)下，回歸方程均通過了回歸參數和回歸方程的檢驗，殘差的標準差也很小，非常顯著，但相關係數R2較小(<0.55)，說明所得的回歸方程並非為最優回歸方程，需要再次考慮對回歸方程的改進和進一步優化。
在進一步詳細考慮各觀測點實驗數值與衛星數據之間的關係，若考慮曲線擬合可以發現所有觀測點的要素相關係數R2均會有顯著提高，表明兩者的關係不僅僅用簡單的線性方程加以確定，因此需要建立變量和自變量間新的回歸方程進行分析，並且在新的方程中把曲線擬合的關係加以考慮，在經過反覆的試驗分析後，最終可以將反映兩者關係的回歸方程假設為曲線擬合回歸方程的形式，其中ε同樣是隨機誤差，為一切不確定因素影響的總和，其值是不可觀測的，β0、β1最小二乘估計值計算公式與(2)式給出的一致。在這裡假定ε～N(0，σ2)，可以作為反演模型使用，並對回歸方程的參數和方程進行檢驗，結果表明，與原模型相比(表1)，該模型的相關係數R2得到顯著提高，平均每個點提高了0.19，因此，考慮第7波段反射率與土壤水分間的曲線擬合關係是可行的，回歸方程的殘差標準差也得到了更好的控制，回歸方程的各參數、方程、殘差標準差、相關係數均非常顯著，並在給定的顯著性水平下，都分別通過了T和P檢驗。對所有樣本觀測點的數據建立回歸方程，得到可以用來反演土壤水分的最終模型回歸方程，回歸方程參數能通過(P<0.001)檢驗，相關係數為0.62，也通過了顯著性水平檢驗，因此，回歸方程可以作大範圍土壤水分反演模型。
表1各觀測點土壤水分反演回歸方程及相關係數、顯著性檢驗結果
註：顯著性檢驗:0『***』0.001『**』0.01『*』0.05『.』0.1『』1
本發明的技術方案執行如圖1所示的流程：首先確定MODIS衛星第7波段的反射率值和衛星過境對應時間實測土壤水分值，然後對二者畫散點圖並進行相關性分析，確定回歸方程，並對回歸方程和方程的係數進行檢驗。最後對回歸方程反演的土壤水分值做驗證分析，得到最優的回歸模型為Y＝0.42395-2.37897x+3.96745x2,其中Y表示模型計算的土壤水分值，x表示的是MODIS衛星第7波段的反射率值，該模型通過了0.001顯著性檢驗，表明模型用於土壤水分監測研究效果較好。
現以藏北地區的土壤水分反演為例，說明構建模型的具體過程。首先，將下載的MODIS衛星數據在ENVI遙感圖像處理軟體中進行反射率提取，並選擇與衛星過境時間相一致的實測土壤水分數據。
利用統計分析工具，做出實測值與衛星反射率間的散點圖如圖2所示。利用最終得到的最優模型結果與實測的土壤水分做相關性驗證檢驗如圖3所示，反演結果較好，可以滿足大區域尺度的土壤水分監測。
最後利用該模型對那曲地區聶榮縣和那曲縣春季和夏季的土壤水分做了反演如圖4、5所示。
以上所述僅是本發明的優選實施方式，應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。