基于Sentinel-2A影像的OPTRAM模型及其改进模型的土壤水分估算研究

朱燕香,潘剑君,白浩然,康翔

(南京农业大学资源与环境科学学院,江苏 南京 210095)

土壤水分在农业生产、气象变化和水文过程中具有重要作用,是干旱监测和管理的关键[1]。土壤水分传统研究耗时耗力,且研究区域受限[2],而遥感技术为大范围、多时空监测土壤水分提供了有力手段,同时还具有快速、及时和便捷等优点[3]。遥感技术发展至今,各国为监测地表土壤水分已发射多种高时空分辨率的卫星,如欧洲土壤湿度与海洋盐度(SMOS)卫星[4]、高级散射仪(ASCAT)[5]以及主被动微波卫星SMAP[6]等。

近年来,国内外学者对土壤水分监测进行了大量的研究[7-10]。条件植被温度指数(VTCI)是利用条件植被指数、条件温度指数以及距平植被指数对研究区年度间相对干旱程度进行监测的指数[11]。詹志明等[12]利用近红外波段和红光波段反射率建立光谱特征空间,根据土壤水分在该特征空间的分布规律,提出遥感干旱监测新指数——垂直干旱指数(PDI),改进的垂直干旱指数(MPDI)[13]是在垂直干旱指数的基础上加入植被覆盖度后提出的干旱监测指标。吴春雷等[14]根据垂直干旱指数和垂直植被指数的空间分布规律提出了植被调整垂直干旱指数(VAPDI)。

传统的梯形模型(thermal-optical trapezoid model,TOTRAM)是一种将热遥感数据和光学遥感数据相结合反演土壤水分的模型。如:由Sandholt基于地表温度(Ts)与归一化植被指数(NDVI)之间关系的空间数据关系,提出的温度植被干旱指数(TVDI)[15]。它存在2个明显的问题:模型所用遥感数据必须同时包含光学波段和热红外波段,故不适用于不提供热波段数据的卫星(例如:Sentinel-2);地表温度不仅受土壤水分的影响,还受大气条件如风速、空气温度和空气湿度等影响[16]。……