基于Sentinel多源数据的晋南农田地表土壤水分反演

doi:10.11924/j.issn.1000-6850.casb20191000776

中国农学通报 ›› 2020, Vol. 36 ›› Issue (20): 51-58.doi: 10.11924/j.issn.1000-6850.casb20191000776

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于Sentinel多源数据的晋南农田地表土壤水分反演

刘正春¹, 冯美臣², 徐立帅¹, 荆耀栋¹, 毕如田¹()

¹山西农业大学资源环境学院,山西晋中 030801
²山西农业大学旱作农业工程研究所,山西晋中 030801

收稿日期:2019-10-30 修回日期:2019-12-02 出版日期:2020-07-15 发布日期:2020-07-20
通讯作者: 毕如田
作者简介:刘正春,女,1986年出生,山西应县人,讲师,硕士,研究方向：农业遥感。通信地址：030801 山西太谷铭贤南路1号山西农业大学资源环境学院,Tel：0354-6288226,E-mail：chun_5560@qq.com。
基金资助:
山西省重点研发计划项目“旱作小麦水分高效利用及化肥精准施用技术研究”(201803D221005-2);山西省软科学研究项目“山西省新型城镇化空间结构优化研究”(2016041027-1)

Soil Moisture Retrieval of Farmland in Southern Shanxi: Based on Sentinel Multi-source Data

Liu Zhengchun¹, Feng Meichen², Xu Lishuai¹, Jing Yaodong¹, Bi Rutian¹()

¹College of Resources and Environment, Shanxi Agricultural University, Jinzhong Shanxi 030801
²Institute of Dry Farming Engineering, Shanxi Agricultural University, Jinzhong Shanxi 030801

Received:2019-10-30 Revised:2019-12-02 Online:2020-07-15 Published:2020-07-20
Contact: Bi Rutian

摘要/Abstract

摘要：

通过遥感数据反演农田地表土壤水分,对农作物干旱、长势监测及估产有重要指导作用。以山西省闻喜县冬小麦种植区为研究区,利用水云模型去除植被影响,建立土壤直接后向散射系数与土壤含水量的关系,反演闻喜县2018年3月19日冬小麦种植区土壤水分。结果表明：协同Sentinel-1微波和Sentinel-2光学影像数据能够去除植被影响提高土壤水分反演精度,VV极化决定系数R²提高0.0914,均方根误差RMSE减少0.0895%。闻喜县中部河谷平原以及东南和西北部的台地土壤处于轻度干旱状态,西南部丘陵和东部山地土壤处于中度干旱状态。反演的土壤水分空间分布结果与地形起伏、灌溉条件和地力等级有较好的空间一致性,地形起伏低、灌溉条件良好的农田土壤水分含量高。

关键词: 土壤水分, 冬小麦春旱, 水云模型, Sentinel数据, 地力等级

Abstract:

Using remote sensing data to retrieve soil moisture of farmland is essential for monitoring agricultural drought and crop status, and predicting crop yield. Taking the winter wheat planting area in Wenxi of Shanxi as the study area, we wiped off vegetation influence by “water-cloud model”, established the relationship between soil backscattering coefficient and soil moisture to retrieve the soil moisture of the winter wheat planting area of Wenxi on March 19 ^th 2018. The results showed that: fusion image of microwave (Sentinel-1 image) combined with visible spectrum remote sensing image (Sentinel-2 image) could remove vegetation influence to improve the retrieval accuracy of soil moisture, VV polarization determination coefficient R ² was increased by 0.0914, and the RMSE was decreased by 0.0895%; the soil at middle valley plain and southeastern and northwestern tablelands of Wenxi was mildly drought, while it was moderately drought at the southwestern hills and eastern mountain lands. The spatial distribution of soil moisture retrieved is highly consistent with hypsographic condition, irrigation condition and farmland productivity grade, with low-lying terrains and favorable irrigation condition corresponding to regions of high soil moisture.

Key words: soil moisture, winter wheat spring drought, water-cloud model, Sentinel data, productivity grade

中图分类号:

S365

刘正春, 冯美臣, 徐立帅, 荆耀栋, 毕如田. 基于Sentinel多源数据的晋南农田地表土壤水分反演[J]. 中国农学通报, 2020, 36(20): 51-58.

Liu Zhengchun, Feng Meichen, Xu Lishuai, Jing Yaodong, Bi Rutian. Soil Moisture Retrieval of Farmland in Southern Shanxi: Based on Sentinel Multi-source Data[J]. Chinese Agricultural Science Bulletin, 2020, 36(20): 51-58.

图/表 9

图1. 研究区Sentinel-1影像及采样点位置图

图2. 研究区冬小麦种植区域图

参数	综合方式	草地	冬小麦	牧场
A	0.0012	0.0009	0.0018	0.0014
B	0.091	0.032	0.138	0.084

表1. 半经验模型中不同土地利用方式的植被参数值

图3. 后向散射系数图

图4. 后向散射系数与土壤含水量关系图 (a)去除植被影响前VV极化后向散射系数,(b)去除植被影响前VH极化后向散射系数,(c)去除植被影响后VV极化后向散射系数,(d)去除植被影响后VH极化后向散射系数

图5. 去除植被影响前后土壤水分反演结果验证 (a)去除植被影响前VV极化后向散射反演,(b)去除植被影响前VH极化后向散射反演,(c)去除植被影响后VV极化后向散射反演,(d)去除植被影响后VH极化后向散射反演

图6. 冬小麦种植区土壤含水量图

干旱程度	土壤水分
偏湿	湿,土壤重量含水量大于20%
适宜	潮湿,土壤重量含水量在15%~20%
轻旱	湿润,土壤重量含水量在12%~15%
中旱	半干旱,土壤重量含水量8%左右
重旱	干旱,土壤重量含水量在5%以下

表2. 土壤含水率与农田干旱程度分级标准[22]

图7. 闻喜县耕地基础数据图

参考文献 29

[1]	Legates D R, Mahmood R, Levia D F, et al. Soil moisture: A central and unifying theme in physical geography[J]. Progress in Physical Geography, 2010,35(1):65-86.
[2]	韩念龙, 陈圣波, 汪自军, 等. 被动微波反演裸露区土壤水分综述[J]. 吉林大学学报:地球科学版, 2007(S1):155-159.
[3]	马红章, 张临晶, 孙林, 等. 光学与微波数据协同反演农田区土壤水分[J]. 遥感学报, 2014,18(3):673-685.
[4]	蔡亮红, 丁建丽, 魏阳. 基于多源数据的土壤水分反演及空间分异格局研究[J]. 土壤学报, 2017,54(5):1057-1067.
[5]	周鹏, 丁建丽, 王飞, 等. 植被覆盖地表土壤水分遥感反演[J]. 遥感学报, 2010,14(5):959-973.
[6]	Said S, Kothyari U C, Arora M K. Vegetation effects on soil moisture estimation from ERS-2 SAR images[J]. International Association of Scientific Hydrology Bulletin, 2012,57(3):517-534.
[7]	Wang H Q, Magagi R, Goita K. Polarimetric decomposition of C-band SAR data for soil moisture retrieval over agricultural fields[A].IEEE International Geoscience and Remote Sensing Symposium [C].IEEE, 2016: 1687-1690.
[8]	孔金玲, 李菁菁, 甄珮珮, 等. 微波与光学遥感协同反演旱区地表土壤水分研究[J]. 地球信息科学学报, 2016,18(6):857-863.
[9]	Moran M S, Hymer DC, Qi J G, et al. Soil moisture evaluation using multi-temporal synthetic aperture radar (SAR) in semiarid rangeland[J]. Agricultural & Forest Meteorology, 2000,105(1):69-80.
[10]	曾旭婧, 邢艳秋, 单炜, 等. 基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 中国生态农业学报, 2017,25(1):118-126.
[11]	Holtgrave A K, Förster M, Greifeneder F, et al. Estimation of Soil Moisture in Vegetation-Covered Floodplains with Sentinel-1 SAR Data Using Support Vector Regression[J]. Journal of Photogrammetry Remote Sensing & Geoinformation Science, 2018,86(2):85-101.
[12]	李伯祥, 陈晓勇, 徐雯婷, 等. 基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分[J]. 水土保持研究, 2019,26(5):39-44.
[13]	毕如田, 王镔, 王晋民. 基于MAPGIS的耕地地力评价系统的建立及应用[J]. 山西农业大学学报:自然科学版, 2005(2):97-101.
[14]	Ramon T, Paul S, Dirk G, et al. GMES Sentinel-1 mission[J]. Remote Sensing of Environment, 2012,120(6):9-24.
[15]	苏伟, 侯宁, 李琪, 等. 基于Sentinel-2遥感影像的玉米冠层叶面积指数反演[J]. 农业机械学报, 2018,49(1):151-156.
[16]	李鑫川. 多源遥感数据冬小麦LAI估算研究[D]. 南京:南京信息工程大学, 2013: 44-46.
[17]	李振海. 基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报[D]. 杭州:浙江大学, 2016: 55-60.
[18]	Attema E P W, Ulaby F T. Vegetation modeled as a water cloud[J]. Radio Science, 1978,13(2):357-364. doi: 10.1029/RS013i002p00357 URL
[19]	Bindlish R, Barros A P. Parameterization of vegetation backscatter in radar-based, soil moisture estimation[J]. Remote Sensing of Environment, 2001,76(1):130-137. doi: 10.1016/S0034-4257(00)00200-5 URL
[20]	张佳华, 许云, 姚凤梅, 等. 植被含水量光学遥感估算方法研究进展[J]. 中国科学:技术科学, 2010,40(10):1121-1129.
[21]	Jackson T J, Chen D Y, Cosh M, et al. Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans[J]. Remote Sensing of Environment, 2004,92(4):475-482. doi: 10.1016/j.rse.2003.10.021 URL
[22]	宫德衬. 小麦抗旱性生理指标研究[D]. 烟台:烟台大学, 2014: 27-33.
[23]	韩玲, 张延成. 光学与微波数据协同反演植被覆盖区土壤水分[J]. 水资源与水工程学报, 2018,29(4):230-235.
[24]	姜红, 玉素甫江·如素力拜合提尼沙·阿不都克日木, 等. 基于支持向量机回归算法的土壤水分光学与微波遥感协同反演[J]. 地理与地理信息科学, 2017,33(6):30-36.
[25]	林利斌, 鲍艳松, 左泉, 等. 基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分[J]. 遥感技术与应用, 2018,33(4):750-758.
[26]	余凡, 赵英时. ASAR和TM数据协同反演植被覆盖地表土壤水分的新方法[J]. 中国科学:地球科学, 2011,41(4):532-540.
[27]	刘强, 杜今阳, 施建成, 等. 青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 中国科学:地球科学, 2013,43(10):1677-1690.
[28]	蔡庆空, 李二俊, 陶亮亮, 等. PROSAIL模型和水云模型耦合反演农田土壤水分[J]. 农业工程学报, 2018,34(20):117-123.
[29]	何连, 秦其明, 任华忠, 等. 利用多时相Sentinel-1 SAR数据反演农田地表土壤水分[J]. 农业工程学报, 2016,32(3):142-148.

基于Sentinel多源数据的晋南农田地表土壤水分反演

Soil Moisture Retrieval of Farmland in Southern Shanxi: Based on Sentinel Multi-source Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	沈菊, 辛萍萍, 杨起楠, 乌云珠拉. 柴达木盆地东部浅层土壤水分增量对降水的响应[J]. 中国农学通报, 2022, 38(35): 54-61.
[2]	陈亚军, 安学武, 杨玉辉. 新型自动土壤水分传感器与传统FDR法传感器性能对比分析[J]. 中国农学通报, 2022, 38(11): 123-128.
[3]	姜蓝齐, 王萍, 姜丽霞, 宫丽娟, 李秀芬, 张恒翀, 王晓迪. 温度植被干旱指数(TVDI)在农业干旱监测中的应用[J]. 中国农学通报, 2021, 37(29): 132-139.
[4]	王志军, 王碧胜, 孙筱璐, 徐梦杰, 杨晓慧, 侯靳锦, 房全孝. 胶东半湿润区滴灌制度对冬小麦农田土壤水分、作物生长及水分利用的影响[J]. 中国农学通报, 2021, 37(27): 6-15.
[5]	魏玉涛, 刘明欢, 刘可, 普薇如. 多尺度土壤水监测研究进展[J]. 中国农学通报, 2021, 37(26): 140-145.
[6]	王祺, 马全林, 陈芳, 魏林源, 张卫星. 沙生经济植物沙米出苗土壤水分阈值研究[J]. 中国农学通报, 2021, 37(26): 98-104.
[7]	宁和平, 刘丽, 栾振斌, 罗王军. 甘南合作地区牧草生长季土壤水分气候变化特征[J]. 中国农学通报, 2021, 37(14): 116-122.
[8]	张洁, 丁志强, 李俊红, 姚宇卿, 吕军杰, 蔡典雄, 吴会军. 半湿润偏旱区长期定位小麦水肥耦合效应研究——平水年小麦产量及土壤水分变化研究[J]. 中国农学通报, 2020, 36(17): 84-88.
[9]	赵鑫, 朱超, 翟胜, 田晓飞, 张清心, 辛一凡, 孙树臣. 土壤水分对长柄扁桃生长特性及蒸散发的影响[J]. 中国农学通报, 2020, 36(13): 48-52.
[10]	齐月,蒋菊芳,胡蝶,王润元,王鹤龄. 关键生育期持续水分胁迫对春玉米土壤水分动态变化和产量的影响[J]. 中国农学通报, 2019, 35(29): 41-46.
[11]	许婷婷＃,石程仁＃,戴良香,张冠初、,慈敦伟,丁红,张智猛. 施用钙肥对盐碱地花生开花期后土壤水分、盐分和速效养分运移的影响[J]. 中国农学通报, 2019, 35(24): 73-81.
[12]	魏萍. 2002—2017年黄河谷地旱地土壤水分变化趋势[J]. 中国农学通报, 2019, 35(23): 72-77.
[13]	张弢,李万荣,张敏. 河西地区啤酒大麦需水规律及土壤水分变化特征研究[J]. 中国农学通报, 2019, 35(14): 89-93.
[14]	黄晓龙,郭旭,杜冰,吴薇. 气象因子对四川不同质地浅层土壤水分的关联分析[J]. 中国农学通报, 2018, 34(7): 134-140.
[15]	汪倩倩,汪权方,王新生,张雨,王渊,唐文澜,全璟. 地面资料稀缺区域的农田土壤水分微波与光学遥感协同反演方法研究[J]. 中国农学通报, 2018, 34(36): 117-123.