基于Landsat-8影像的农田土壤含水量反演研究

doi:10.11924/j.issn.1000-6850.casb2024-0178

中国农学通报 ›› 2024, Vol. 40 ›› Issue (32): 129-134.doi: 10.11924/j.issn.1000-6850.casb2024-0178

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于Landsat-8影像的农田土壤含水量反演研究

武英洁¹^,²(), 朱永超³(), 孔祥宁¹^,⁴

¹ 山东省气象防灾减灾重点实验室，济南 250031
² 山东省气象数据中心，济南 250031
³ 中国气象局气象探测中心，北京 100081
⁴ 山东省气候中心，济南 250031

收稿日期:2024-03-11 修回日期:2024-08-18 出版日期:2024-11-15 发布日期:2024-11-12
通讯作者:
朱永超，男，1987年出生，河南商丘人，高级工程师，博士，主要从事气象探测资料处理算法研究。通信地址：100081 北京市海淀区中关村南大街46号中国气象局气象探测中心，Tel：010-58995649，E-mail：zhuyc@cma.gov.cn。
作者简介:
武英洁，女，1997年出生，山东日照人，助理工程师，硕士，主要从事卫星遥感数据处理算法、农业气象研究。通信地址：250031 山东省济南市天桥区无影山路12号山东省气象局，Tel：0531-81603772，E-mail：17863803936@163.com。
基金资助:
山东省气象局科研项目“基于多源数据和机器学习的土壤水分估测”(2022SDQN04)

Soil Moisture Inversion in Farmland Based on Landsat-8 Imagery

WU Yingjie¹^,²(), ZHU Yongchao³(), KONG Xiangning¹^,⁴

¹ Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong, Jinan 250031
² Shandong Meteorological Data Center, Jinan 250031
³ Meteorological Observation Centre, China Meteorological Administration, Beijing 100081
⁴ Shandong Climate Center, Jinan 250031

Received:2024-03-11 Revised:2024-08-18 Published:2024-11-15 Online:2024-11-12

摘要/Abstract

摘要：

快速实时地获取大范围土壤含水量可以为科学有效地应对干旱提供强有力的数据支撑。研究选择河北省定兴县和易县的冬小麦种植区作为研究区域，基于多光谱遥感数据Landsat-8和野外实测土壤含水量数据，构建了垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI)、温度植被旱情指数(TVDI) 3种干旱指数模型来反演研究区土壤含水量，并分析反演结果的精度和适用性。研究结果表明：3种干旱指数计算结果显示研究区整体偏干，不同干旱指数的空间分布存在差异，其中PDI和另外2种干旱指数的差异最大；3种干旱指数均与土壤含水量实测值呈负相关，其中MPDI、TVDI和土壤含水量之间存在较为明显的线性相关关系，从拟合精度来看MPDI表现最优，因此被用于反演研究区的土壤含水量。反演结果显示研究区的含水量整体偏少，主要介于12%~15%，含水量的空间分布特征和地表覆盖特征一致。研究结果证明了MPDI指数在冬小麦冬季干旱监测方面具有较大的应用潜力。

关键词: 冬小麦, Landsat-8, 反演, 土壤含水量, 干旱指数, 多光谱遥感, 垂直干旱指数(PDI), 改进型垂直干旱指数(MPDI), 温度植被旱情指数(TVDI), 干旱监测

Abstract:

The rapid and real-time acquisition of soil moisture in a large range can provide powerful data support for dealing with drought. In this paper, three drought index models, namely perpendicular drought index (PDI), modified perpendicular drought index (MPDI) and temperature vegetation dryness index (TVDI), were constructed to discuss the accuracy and applicability of soil moisture inversion in the winter wheat planting area in Dingxing and Yixian of Hebei based on multi-spectral remote sensing data Landsat-8 and field measured soil moisture data. Three drought index models indicated that the study area was dry, and the spatial distribution of different drought indices was different, among which the difference between PDI and the other two drought indices was the biggest. All the three drought indices were negatively correlated with measured soil moisture, and MPDI, TVDI had obvious linear correlation with soil moisture. MPDI had the highest fitting degree and was used to invert the soil moisture. The inversion results showed that the soil moisture in the study area was relatively low, mainly ranging from 12% to 15%, and the spatial distribution characteristics of soil moisture were consistent with that of land cover. Our study indicated that the MPDI index had great potential for drought monitoring in the winter wheat planting area in winter.

Key words: winter wheat, Landsat-8, inversion, soil moisture, drought index, multi-spectral remote sensing, namely perpendicular drought index (PDI), modified perpendicular drought index (MPDI), temperature vegetation dryness index (TVDI), drought monitoring

武英洁, 朱永超, 孔祥宁. 基于Landsat-8影像的农田土壤含水量反演研究[J]. 中国农学通报, 2024, 40(32): 129-134.

WU Yingjie, ZHU Yongchao, KONG Xiangning. Soil Moisture Inversion in Farmland Based on Landsat-8 Imagery[J]. Chinese Agricultural Science Bulletin, 2024, 40(32): 129-134.

图/表 5

图1. 研究区Landsat-8影像及采样点分布图

图2. 3种干旱指数的计算结果

图3. 3种干旱指数与实测土壤含水量之间的关系

干旱指数	拟合方程	R	RMSE/%
PDI	y=-15.361x+20.450	0.115	3.139
MPDI	y=-11.868x+14.557	0.618	2.485
TVDI	y=-11.014x+23.089	0.463	2.801

表1. 土壤含水量反演模型精度

图4. 研究区土壤含水量反演结果图

参考文献 28

[1]	CROW W T, KUSTAS W P, PRUEGER J H. Monitoring root-zone soil moisture through the assimolation of a thermal remote sensing-based soil moisture proxy into a water balance model[J]. Remote sensing environment, 2008, 112(4):1268-1281.
[2]	刘正春, 冯美臣, 徐立帅, 等. 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. doi: 10.11924/j.issn.1000-6850.casb20191000776
[3]	古书鸿, 胡家敏, 古堃, 等. 基于土壤含水量模拟的贵州山区旱地农业干旱监测方法[J]. 干旱气象, 2017, 35(1):29-35.
[4]	YAO N, LI Y, LEI T, et al. Drought evolution, severity and trends in mainland China over 1961-2013[J]. Science of the total environment, 2018,616-617:73-89.
[5]	房世波, 阳晶晶, 周广胜. 30年来我国农业气象灾害的变化趋势和分布特征[J]. 自然灾害学报, 2011, 20(5):69-73.
[6]	李莹, 高歌, 叶殿秀, 等. 2011年中国气候概况[J]. 气象, 2012, 38(4):464-471.
[7]	房世波, 齐月, 韩国军, 等. 1960—2010年中国主要麦区冬春气象干旱趋势及其可能影响[J]. 中国农业科学, 2014, 47(8):1754-1763.
[8]	雷俊, 赵福年, 卢国阳, 等. 黄土高原半干旱区春小麦产量变动的影响因子分析[J]. 中国农学通报, 2022, 38(32):55-62. doi: 10.11924/j.issn.1000-6850.casb2021-1098
[9]	杨丽萍, 侯成磊, 赵美玲, 等. 基于Landsat-8影像的干旱区土壤水分含量反演研究[J]. 土壤通报, 2021, 52(1):47-54.
[10]	李占杰, 陈基培, 刘艳民, 等. 土壤水分遥感反演研究进展[J]. 北京师范大学学报(自然科学版), 2020, 56(3):474-481.
[11]	覃湘栋, 庞治国, 江威, 等. 土壤水分微波反演方法进展和发展趋势[J]. 地球信息科学学报, 2021, 23(10):1728-1742. doi: 10.12082/dqxxkx.2021.210104
[12]	刘影, 姚艳敏. 土壤含水量高光谱遥感定量反演研究进展[J]. 中国农学通报, 2016, 32(7):127-134. doi: 10.11924/j.issn.1000-6850.casb15090128
[13]	RICHARDSON A J, WIEGAND C L. Distinguishing vegetation from soil background information[J]. Photogrammetric engineering & remote sensing, 1977, 43(12):1541-1552.
[14]	詹志明, 秦其明, 阿布都瓦斯提·吾拉木, 等. 基于NIR-Red光谱特征空间的土壤水分监测新方法[J]. 中国科学(D辑:地球科学), 2006(11):1020-1026.
[15]	GHULAM A, QIN Q, TEYIP T, et al. Modified perpendicular drought index(MPDI): A real-time drought monitoring method[J]. ISPRS journal of photogrammetry and remote sensing, 2007, 62(2):150-164.
[16]	PRICE J C. The potential of remotely sensed thermal infrared data to infer surface soil moisture and evaporation[J]. Water resources research, 1980, 16(4):787-795.
[17]	SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote sensing of environment, 2002, 79(2/3):213-224.
[18]	韩丽娟, 王鹏新, 王锦地, 等. 植被指数-地表温度构成的特征空间研究[J]. 中国科学(D辑:地球科学), 2005(4):371-377.
[19]	冯海霞, 秦其明, 蒋洪波, 等. 基于HJ-lA/1B CCD数据的干旱监测研究[J]. 农业工程学报, 2011, 27(S1):358-365.
[20]	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.
[21]	胡君. 基于Landsat影像的江苏省土壤水分反演[J]. 测绘与空间地理信息, 2023, 46(2):85-88.
[22]	秦其明, 游林, 赵越, 等. 基于二维光谱特征空间的土壤线自动提取算法[J]. 农业工程学报, 2012, 28(3):167-171.
[23]	CARLSON T N, GILLIES R R, PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote sensing reviews, 1994, 9(1/2):161-173.
[24]	游绚, 晏路明. 基于ETM+影像辐射传导方程算法的地表温度反演[J]. 科技情报开发与经济, 2009, 19(27):13-136.
[25]	杨学斌, 秦其明, 姚云军, 等. PDI与MPDI在内蒙古干旱监测中的应用和比较[J]. 武汉大学学报(信息科学版), 2011, 36(2):195-198.
[26]	杜灵通, 候静, 胡悦, 等. 基于遥感温度植被干旱指数的宁夏2000-2010年旱情变化特征[J]. 农业工程学报, 2015, 31(14):209-216.
[27]	朱琳, 刘健, 张晔萍, 等. FY-3A/MERSI数据在中国北方干旱监测中的应用[J]. 遥感学报, 2010, 14(5):1004-1016.
[28]	王杰, 李卫朋. 基于灵活的时空融合模型的植被覆盖度与植被指数关系[J]. 草业科学, 2017, 34(2):264-272.

基于Landsat-8影像的农田土壤含水量反演研究

Soil Moisture Inversion in Farmland Based on Landsat-8 Imagery

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 28

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]	丁豪, 高海涛, 毕香君, 李升东. 不同播种方式对冬小麦产量构成和旗叶光合特性的影响[J]. 中国农学通报, 2024, 40(9): 9-19.
[2]	于淑慧, 朱国梁, 牟小翎, 董浩, 史桂芳, 郑铮, 张卫建. 花生与绿肥轮作对土壤含水量和土壤肥力的影响[J]. 中国农学通报, 2024, 40(8): 74-79.
[3]	杨庆楠, 高士军, 张何普, 徐金忠. 秸秆覆盖对土壤水热状况的影响[J]. 中国农学通报, 2024, 40(8): 80-85.
[4]	段国辉, 田文仲, 高海涛, 杨洪强, 张少澜, 董中东, 温红霞, 吕树作, 顾晶晶. 不同灌水对黄淮冬小麦茎秆、产量及水分利用效率的影响[J]. 中国农学通报, 2024, 40(5): 1-8.
[5]	薛志伟, 郜峰, 黄青青, 杨春玲. 农田土壤—小麦系统重金属迁移特征和风险评估[J]. 中国农学通报, 2024, 40(30): 48-54.
[6]	韩明明, 李文倩. 秸秆还田和氮肥基追比对冬小麦产量及氮效率的影响[J]. 中国农学通报, 2024, 40(29): 39-44.
[7]	郝展宏, 叶松林, 蔡东玉, 张丽娟, 米国华. 冬小麦-夏玉米周年“四密一稀”浅埋滴灌水肥药一体化绿色生产技术[J]. 中国农学通报, 2024, 40(29): 59-64.
[8]	吴东丽, 刘聪, 郭超凡, 丁明明, 吴苏, 阙艳红, 姜明梁, 李雁. 基于多源遥感数据与模型对比的冬小麦土壤含水量区域监测研究[J]. 中国农学通报, 2024, 40(25): 147-154.
[9]	王锦杰, 陈昊, 庞礴, 周航, 沈伟, 颜雅琼, 徐敏. 基于多源卫星的黄淮海平原冬小麦种植丰度定量评估[J]. 中国农学通报, 2024, 40(25): 155-164.
[10]	尹逊栋, 吕广德, 亓晓蕾, 陈永军, 牟秋焕, 孙盈盈, 孙宪印, 米勇, 钱兆国, 崔兆韵, 邹俊丽. 播期对不同穗型冬小麦生长及产量的影响[J]. 中国农学通报, 2024, 40(24): 9-16.
[11]	武术兰, 任频频, 侯术海, 王树森, 宋佰联, 黄峰. 鲁西平原冬小麦水分生产力时空格局及其变化分解[J]. 中国农学通报, 2024, 40(23): 7-15.
[12]	韩明明, 牟群, 李文倩, 陈军, 吕连杰, 张海军, 安霞, 李晓宇, 常振凯. 秸秆还田条件下氮磷钾养分管理对冬小麦籽粒灌浆特性及产量的影响[J]. 中国农学通报, 2024, 40(23): 1-6.
[13]	薛远赛, 彭科研, 陈希彦, 李秋芹, 张艳, 邹士国, 朱静行, 韩伟. 沟播对中轻度盐碱地小麦土壤养分、叶片荧光动力学参数及产量的影响研究[J]. 中国农学通报, 2024, 40(22): 1-7.
[14]	陈英丽, 毕建杰. 灌溉和干旱及氮素水平对孕穗期冬小麦冠层光分布影响[J]. 中国农学通报, 2024, 40(21): 12-19.
[15]	焦润安, 李旭华, 齐月, 雷俊, 苟志文, 臧亚军, 薛潇. 黄土高原半干旱雨养农业区冬小麦气候适宜度评价——以通渭县为例[J]. 中国农学通报, 2024, 40(17): 73-80.