基于ASAR数据的四湖地区干旱遥感反演
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于ASAR数据的四湖地区干旱遥感反演范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：利用ENVISAT-ASAR GM卫星监测数据，根据其后向散射系数与土壤水分呈明显正相关的特点，反演正常情况和干旱状况下江汉平原四湖地区农田土壤湿度的空间分布。通过正常情况和干旱情况的差异，计算出两个时间土壤水分的减少量，进而得出四湖地区干旱程度的空间分布。通过比较荆州气象局的干旱指数空间分布和荆州农业局的干旱面积数据资料发现，运用ENVISAT-ASAR GM卫星监测数据反演四湖地区干旱情况是可行的。
关键词：土壤水分；ENVISAT-ASAR GM数据；干旱；反演
中图分类号：X87 文献标识码：A 文章编号：0439-8114（2013）05-1044-05
Remotely Sensed Inversion of Drought in Four-Lake Region in 2011 Based
on ASAR Data
YOU Yang-yang1a，CHEN Yong-bao1b，JIN Wei-bin1a，2，XIONG Qin-xue1a
（1a. Engineering Research Center of Wetland Agriculture in the Middle Region of the Yangtze River， Ministry of Education of China；
1b.Department of Geochemistry， Yangtze University， Jingzhou 434025， Hubei， China；2. Hubei Key Laboratories of Economic Forest Germplasm Improvement and Resources Comprehensive Utilization / Huanggang Normal University， Huanggang 438000， Hubei， China）
Abstract： In this study， the ENVISAT ASAR GM satellite monitoring data was used to inverse the farmland soil moisture distribution of Four-lake region under normal and drought conditions， since the backscattering coefficient was significantly positive with soil moisture. With comparison of the differences of soil moisture under normal and drought conditions， the reduction of soil moisture in the two conditions was calculated to get the spatial distribution of the drought in Four-lake region. By comparison with the drought index spatial distribution from Jingzhou Weather Bureau and the arid area data from Agricultural Bureau of Jingzhou， the ENVISAT-ASAR GM satellite monitoring data was accurate to inverse the droughts in Four-lake region.
Key words： soil moisture； ENVISAT-ASAR GM satellite monitoring data； drought； inversion
土壤水分是植物生长发育的基本条件，也是研究植物水分胁迫，进行旱情监测、农作物估产等的一个重要指标。大面积监测土壤水分在水文、气象和农业科学领域具有重大意义。土壤水分监测一直是人们十分关注的问题，而大范围土壤水分实时监测是世界公认的难题。传统的土壤水分监测方法监测速度慢，而且花费大量的人力物力，监测范围有限，只能以点的数据代替面的数据，精度低。而微波遥感不受光照、气候条件的限制，可全天时、全天候工作，能够穿透云层，对植被覆盖区和松散盖层具有一定的穿透能力，可通过极化、相位、干涉等技术获得更多更精确的信息。因此，利用遥感数据反演土壤水分情况逐渐受到各国学者的关注，并取得了丰富的研究成果[1-6]。
四湖地区是我国长江中游平原湖区湿地类型分布区的重要组成部分，农业自然条件优越，粮棉鱼生产水平较高，在湖北省农业发展中占有举足轻重的地位[7]。2011年春季四湖地区出现了不同程度的干旱，1～4月降水异常偏少，北部偏少40%～50%，南部偏少50%～60%，尤其4月下旬降水量微乎其微，仅为1.6 mm，较常年同期偏少9成[8]。有效运用微波遥感数据反演四湖地区土壤水分情况，为四湖地区干旱灾后评估以及灾情分析提供了新思路。
1 材料与方法
1.1 研究区域概况
四湖地区位于湖北省江汉平原腹地，因境内有长湖、三湖、白露湖与洪湖四个湖泊而得名。地理位置东经112°00′-114°05′，北纬 29°21′-30°00′。行政区包括荆州市沙市区、荆州区、监利县、洪湖市的全部，荆州市江陵区、石首市及潜江市、荆门市的部分地区（图1）。四湖地区属我国长江中游平原湿地类型分布区的重要组成部分。本区地势自西北向东南倾斜，地面高程范围为20～120 m，略呈周边高、中间低的凹形地带。西北部地势较高，由40～120 m之间的低丘、低岗组成。中部及东南部为平原湖区，高程介于20～35 m之间。从宏观上看，全区地貌类型比较单一，但是基本上由一系列河间洼地所构成，因而具有“大平小不平”、微地貌形态差异明显的特点。不仅组成物质及形态有较大的差异，而且河间低湿平原内部为湖泊和湖垸所构成，亦具有四周高、中间低，呈盆、碟形态的特征[9]。
四湖地区属北亚热带季风湿润气候，年降雨量1 100～1 300 mm，在作物生长季节（4～10月）期间，降水量达到960 mm，占全年降水量的75.4%。总面积为11 547.5 km2，其中内垸面积10 375 km2，外滩面积1 172.5 km2，在册耕地面积约为4 330 km2，水域面积约为2 290 km2。四湖地区水系复杂、河网纵横，根据其排灌特点分为上、中、下三大排区。其中上区包括长湖、田关河以上地区，为丘陵岗地，汇流面积3 240 km2；长湖、田关河以下，洪湖、下新河、排涝河以上区域为中区，汇流面积5 980 km2；下区包括洪湖、下新河、排涝河以下地区，汇流面积1 155 km2[10]。
1.2 数据来源与预处理
1.2.1 ENVISAT-ASAR GM数据 环境卫星（ENVISAT）是欧洲太空局2002年发射的一颗太阳同步极轨卫星，可以提供关于大气、海洋、陆地和冰的测量信息及对环境、气候变化进行监测。ENVISAT上搭载的ASAR（Advanced Synthetic Aperture Radar） 传感器运行波长为5.6 cm，频率5.3 GHz。GM（Global Monitoring）模式扫描宽度为800 km，每3.5 d重访一次，世界时02∶30降轨和14∶30升轨访问四湖地区。ASA_GM_1P GM产品数据为HH极化产品，空间分辨率为1 km，品像元尺寸为500 m，可以从欧空局的网站（https：//oa-es.eo.esa.int）上下载。
1.2.2 数据预处理 本研究利用2010年4月和2011年4月ENVISAT-ASAR GM数据。处理软件为NEST 3C（The Next ESA SAR Toolbox）。运用MAP Project功能将坐标系统转换成WGS84地球模型模式数据，并将 DN值和入射角数据导出为 Geotif格式数据。预处理具体步骤为：运用NEST软件中的SUBSET功能，把四湖地区数据从原始数据中分离出来运用下列公式计算每个栅格点的后向散射系数σ0：
σ0=■·sinθ （1）
式中，σ0为后向散射系数；A为图像上的DN 值；θ为雷达入射角（度）； K为绝对定标因子。
γ0=■ （2）
式中，γ0为入射角校正后的后向散射系数。
由于雷达后向散射系数量级较小，并且随着地表参数的变化其变化较小，为了扩大散射系数的动态范围，通常以分贝表示[9]，即：
σ0（db）=10·lg（σ0） （3）
雷达影像上一般存在比较明显的斑点噪音，即在同一片均匀区域，分辨单元中有的呈亮点，有的呈暗点，使得图像灰度剧烈变化，从而降低了图像的分辨率和信噪比，影响了图像的可解译性，甚至导致地物特征的消失，因此还要对计算后的结果进行滤波。滤波选择ENVI自带功能Gamma自适应滤波，该滤波考虑了斑点的特点和地物目标散射特征的统计规律，在平滑斑点的同时还能很好地保护图像纹理；其次对入射角进行校正，校正公式为：
γi，j=■ （4）
式中，σ0i，j为第i，j个点的原始后向散射系统；γi，j为第i，j个点的校正后的后向散射系统；αi，j为入射角。
最后进行几何校正并转为TIF格式（运用NEST中的Write File功能），并在ENVI软件中进行定位处理。
1.3 地面土壤相对湿度观测方法
地面土壤相对湿度同步观测区设在长江大学西校区的西面面积大约1 km2的区域（东经111°56′，北纬30°28′附近），区域内全部为水稻土，前茬种植水稻，观测期间种植小麦，每10 d观测1次，每次取20个观测点，每个观测点分层次取0～10 cm、10～20 cm、20～30 cm土层土样，称湿土质量后置入烘箱内烘18 h后称干土质量，计算出土壤质量含水量。土壤相对湿度为土壤质量含水量占田间持水量的百分比，田间持水量数据采用环刀法观测，将计算出的相对含水量取各点平均，得出该观测区的各层土壤相对湿度（田间持水量为25.8%），观测点的空间分布见图2。
1.4 土壤干旱反演原理
1.4.1 四湖地区表层土壤湿度计算方法 很多研究表明[8，11-16]C波段HH极化的雷达后向散射系数与表层土壤湿度呈明显的线性正相关，对于大尺度、多时段雷达数据，一般用下列公式计算表层土壤湿度[11，16]：
ms（i，j）=■ （5）
式中，ms（i，j）为i，j栅格点的土壤相对湿度；σ（i，j）为i，j栅格点的后向散射系数；σwet（i，j）为i，j栅格点土壤相对湿度100%时的后向散射系数；σdry（i，j）为i，j栅格点土壤最干燥时的后向散射系数。
此公式已由SADC（the Southern African Development Community）投入业务运行 （http：//www.ipf.tuwien.ac.at/radar/share/index.php？go=home）。笔者认为此公式运用在干旱地区比较合适，在地下水位很浅的湿润地区行不通，主要原因是难以取得σdry（i，j）值，分析荆州农业气象试验站30年土壤湿度观测数据表明，冬歇期（11月至次年2月）表层土壤相对湿度最小值不会低于50%。图3为观测区域土壤相对湿度、ENVISAT-ASAR GM后向散射系数、日降水量在冬歇期变化情况，由图3可知，影响后向散射系数变化的主要因素为降水，7次观测中0～10 cm土层土壤相对湿度都大于50%，由此将上述公式改为：
ms（i，j）=A+B·■ （6）
影响农田后向散射最大值、最小值的主要因素为土壤属性与农田粗糙度[17]，将σmin设为同一土壤类型栅格点最低值的均值，将σmax设为同一土壤类型栅格点最高值的均值，而A、B值为常数，可通过土壤相对湿度观测数据与对应的后向散射系统线性回归计算获得。
根据MODIS中NDVI时序特征提取的四湖地区农田空间分布矢量图与四湖地区土壤类型图在ACRGIS中作的intersect操作，取得四湖地区农田内土壤分布图。在ENVI软件中作Builder Masking操作获得每个土壤类型的掩膜，统计各土壤类型后向散射系数的最大值和最小值，并取平均值，得出各土壤类型对应的σmin、σmax值，见表1。
1.4.2 干旱遥感指标确定 将2010年4月4日、7日、12日、18日、24日、26日、29日7景ASAR GM数据代入上述公式中，得到指定日期的土壤表层相对湿度的空间分布，并将这7景数据每个栅格点进行平均，得到2010年4月四湖地区土壤表层相对湿度的空间分布。同样将2011年4月2日、6日、13日、17日、24日、29日、5月2日7景ASAR GM数据代入上述公式中，得到指定日期的土壤表层相对湿度的空间分布，并将这7景数据每个栅格点进行平均，得到2011年4月四湖地区土壤表层相对湿度的空间分布。
运用下列公式计算2011年4月四湖地区土壤表层相对湿度的减少量：
D=■×100% （7）
式中，M2010为2010年4月土壤表层平均相对湿度；M2011为2011年4月土壤表层平均相对湿度。
2 结果与分析
2.1 四湖地区土壤表层含水量空间分布
由图4和图5土壤表层平均含水量对比可知， 2011年土壤水分相对于正常年份2010年部分地区有明显的减少，主要分布在潜江、洪湖、松滋、监利等地区。这与荆州农业气象局的报告是基本一致的，即少于历年平均降水量50%的地区有松滋、石首、监利和洪湖，其他地区也都有减少。同时也与荆州干旱指数分布图是一致的，中旱区主要有松滋、石首、监利和洪湖等地区。图6是运用ENVISAT-ASAR GM数据动态监控四湖地区干旱地区的空间分布。由图6大致可以看出，四湖上区含水量大致在5%～10%之间，东西方向的差异较大，主要是因为四湖地区的地形是西高东低，地下水的渗流也影响了该区域土壤含水量的分布；干旱严重区主要在中下区，同样南北差异较大，这主要是因为洪湖区人工湖泊的形成使得上区大部分地下水有了归宿，土壤中的水分在重力的作用下逐渐向洪湖汇集，致使北部的土壤水分更低。由表2可知，土壤湿度减少率大于25%的面积为454 km2，根据干旱土壤水分划分可知，这些地区属于干旱地区。而荆州农业气象站预报的受灾面积是492.27 km2，反演面积与实际受灾面积基本上是吻合的。
3 结论与讨论
运用ENVISAT-ASAR GM卫星监测数据反演四湖地区干旱情况，结果显示干旱指数空间分布和荆州市农业局的干旱面积数据资料分布在一定范围内是一致的，同样也存在一定的误差，可能的原因有以下3点。首先，农业气象站分析土壤水分是运用降雨量、蒸发量数据换算得出土壤湿度，而这些数据采集时通过单个测点采集，以点数据代替面数据；同时采集数据点相对固定，对于不同程度的降雨和蒸发而言，各数据采集点的权重相应发生变化，所以误差是不可避免的。其次，本研究对象是土壤，因而与土壤类型有关。如潜江一带主要是砂质土壤，它在气温、压强作用下，水分散失要比粘土大，所以降雨量的减少量幅度要比蒸发量增加幅度大，于是就会发生根据土壤水分监测出现中度干旱，而根据降雨量换算又只是轻微干旱的现象。最后，本研究采集的数据相对较少，且未考虑土壤和农作物种植类型，也会引入一定误差。在以后的研究中，将进一步补充观测数据，同时考虑土壤和农作物种植类型，以期进行更加深入和准确的研究。
参考文献：
[1] 熊文成，邵 芸.基于IEM模拟的干旱区多时相数据含水含盐量反演模型及分析[J]. 遥感学报，2006，10（1）：111-117.
[2] 张晓娟，张文吉，路晓荣，等.双频多极化SAR测量深层土壤湿度[J].电子与信息学报，2007，29（11）：2711-2714.
[3] 宋冬生，赵 凯，关 止.机载平台基于全球卫星定位系统的土壤湿度遥感[J].东北林业大学学报，2007，35（5）：94-96.
[4] NARAYANAN R M， HIRSAVE P P. Soil moisture estimation models using SIR-C SAR data： A case study in New Hampshire， USA[J]. Remote Sensing of Environment，2001，75（3）：385-396.
[5] ROMSHOO S A. Geostatistical analysis of soil moisture measurements and remotely sensed data at different spatial scales [J]. Environmental Geology，2004，45（3）：339-349.
[6] D’URSO G， MINACAPILLI M. A semi-empirical approach for surface soil water content estimation from radar data without a-priori information on surface roughness[J]. Journal of Hydrology，2006，321（1-4）：297-310.
[7] 金卫斌，胡秉民.中尺度流域的景观格局分析——以湖北四湖流域为例[J]. 长江流域资源与环境，2003，12（3）：275-279.
[8] 中国气象局荆州农业气象站， 江汉平原农业气象中心. 关于我市农业干旱情况的分析报告[R].重大农业气象信息专报，2011.
[9] 王学雷，吴宜进.江汉平原四湖地区湿地农业景观格局分析[J]. 华中农业大学学报，2001，20（2）：188-191.
[10] 金卫斌，胡秉民.湖北四湖流域景观结构变化对汛期湖泊水位影响的模拟分析[J].生态学报，2003，23（4）：642-648.
[11] European Space Agency. asar product handbook[R]. 2006.
[12] PRICE J C. On the analysis of thermal infrared imagery the limited utility of apparent thermal inertia[J]. Remote Sensing of Environment，1985，18（1）：59-73.
[13] WATSON K， POHN H A. Thermal inertia mapping from satellites discrimination of geologic units in oman[J]. Journal of Research of US Geological Survey，1974，2（2）：147-158.
[14] WATSON K， ROWEN L C， OFFIELD T W. Application of thermal modeling in the geologic Interpretation of IR images[J]. Remote Sensing of Environment，1971，3：2017-2041.
[15] KAHLE A B. Surface emittance， temperature， and thermal inertia derived from Thermal Infrared Multispectral Scanner（TIMS）data for Death Valley， California[J]. Geophysics，1987，52（7）：858-874.
[16] PRATT D A， ELLYETT C D. The thermal inertia approach to mapping of soil moisture and geology[J]. Remote Sensing of Environment， 1979，8（2）：151-168.
[17] SCHMUGGE T J， O`NEILL P E， WANG J R. Passive microwave soil moisture research[J]. IEEE Transactions on Geoscience and Remote Sensing，1986，24（1）：12-22.