论文部分内容阅读
土壤湿度作为自然地理条件中的重要因素，参与水循环、能量交换、生态系统构建，为植被和土壤生物生存提供物质基础。土壤水分的缺失限制着地方生态环境建设和社会的发展，尤其是对于干旱半干旱地区而言，快速及时的土壤湿度空间监测具有重要意义。目前，通过遥感和GIS的技术来实现对土壤湿度的监测已经被广泛重视，其中被动微波遥感高级微波辐射计AMSR-E的土壤湿度数据具有较高时间分辨率，对土壤水分敏感，数据处理简单，但空间分辨率低（25~40km），一般只能用于大尺度的土壤湿度监测。星载可见光和热红外数据空间分辨率高达100m~1km，但是受天气作用的限制，因此如何整合被动微波和光学数据，有效发挥两者各自优势，利用降尺度方法获得较高分辨率的土壤湿度数据，捕捉微波土壤湿度变异性，成为土壤湿度定量遥感研究的关键问题之一。本文以吉林省西部为研究区，旨在利用降尺度算法提高被动微波土壤湿度数据空间分辨率，实现更小尺度上土壤湿度的空间分布监测与分析。在收集和处理2003-2012年SPOT-VGT逐旬影像数据，AMSR-E土壤湿度产品2005年4月中旬逐日数据、研究区实测气象站点的相对土壤湿度和绝对土壤湿度数据基础上，首先利用SPOT-VGT数据的多光谱波段信息证实了短波红外SWIR波段在土壤湿度监测上的有效性，并构建了六种不同的干旱指数VSDI、LSWI、MSI、GVMI、NDVI和RVI，通过不同指数与实测站点土壤湿度的相关分析，确定最适宜用于土壤湿度监测的干旱指数VSDI。其次，以2005年4月中旬25km尺度下的VSDI和AMSR-E土壤湿度的相关性进行曲线估计，构建了两者的拟合关系，证明S曲线拟合效果最好，相关系数达0.673。第三，基于降尺度算法转换尺度得到吉林省西部地区1km空间分辨率下的土壤湿度，经精度验证发现降尺度土壤湿度值和实测值相关性显著，降尺度精度较高，降尺度算法产生的结果较好地反映了区域土壤湿度分布差异，但降尺度土壤湿度对实际湿度有一定程度的低估。最后，对1km土壤湿度空间分布数据进行分析，结果表明2005年4月中旬吉林省西部地区土壤呈中度干旱状态，东西方向上差异明显，西低东高，南北方向上差异不大；扶余县地表土壤墒情最佳，土壤湿度最高，通榆县土壤处于最干旱状态，湿度值最低；湿地土壤湿度值最高，林地、耕地、未利用地次之，灌丛区最低。