好文推荐丨田块尺度(30米空间分辨率)地表温度和土壤湿度遥感监测
遥感人的成长家园
官网
主题词
地表温度、土壤水分、作物蒸腾、能量平衡、热红外、HUTS方法、ESTARFM方法、田块尺度、Landsat和MODIS数据、降尺度
论文标题
Estimation of surface soil moisture with downscaled land surface temperatures using a data fusion approach for heterogeneous agricultural land
发表期刊
Water Resources Research
论文全文链接
https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2018WR024162
研究背景
地表温度(Land Surface Temperature, LST)是卫星遥感监测地表水分和能量循环中一个十分重要的状态变量。LST和土壤表面水分 (Surface Soil Moisture, SSM)具有密切关系。作物蒸腾和土壤水分蒸发会导致作物冠层和地表温度下降；当土壤水分亏缺时，作物冠层和地表温度会上升。过去四十年，地表温度也被作为最重要的变量，应用于基于能量平衡或者温度‒植被指数特征空间的蒸散发和土壤湿度遥感反演中。
但长期以来，田块尺度强异质下垫面的地表温度和土壤湿度遥感估算一直是遥感水文和农业水资源管理中的重大挑战，尤其是热红外信息由于其波长较长、能量较短波波段小、卫星轨道和重访期限制、云覆盖等因素，遥感LST和SSM的空间分辨率和采样频率往往不能满足田块尺度强异质下垫面农业水资源管理的需求。
针对上述科学和应用难题，清华大学遥感水文与水资源团队龙笛研究员、白亮亮博士后和岩腊硕士生，通过融合多源遥感信息对地表温度进行时空降尺度，并结合能量平衡方程和温度‒植被特征空间法计算田块尺度(30米空间分辨率)强异质下垫面的SSM，解决以上难题。
研究方法
本文采用HUTS(High-resolution Urban Thermal Sharpener algorithm)和ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)算法，融合Landsat和MODIS可见光、近红外和地表温度信息，实现对MODIS 地表温度的降尺度，通过能量平衡方程和特征空间方法获取田块尺度土壤水分。图1是包括不同种植结构类型的农业研究区域。其中区域1位于内蒙古河套灌区，种植结构破碎。区域2位于华北平原河北省南部，种植结构较为均匀，以轮作为主。
图1 研究区域地理位置。区域1位于内蒙古河套灌区，种植结构破碎。区域2位于华北平原河北省南部，种植结构较为均匀，以轮作为主。
研究结果
1
地表温度降尺度
为获取30 m空间分辨率地表温度，文中结合HUTS和ESTARFM方法，对Landsat和MODIS可见光、近红外和地表温度数据进行融合。首先，通过HUTS方法实现Landsat 单一卫星平台地表温度的降尺度，该方法主要建立地表温度与植被指数和反照率的二元四次回归，使Landsat地表温度达到与可见光一致的分辨率。图2是根据HUTS方法获取的研究区域 30 m × 30 m 地表温度空间分布结果，降尺度后30 m 分辨率地表温度(LSTH)具有更丰富的纹理信息，可以有效地反映出其空间差异性。
图2 基于Landsat单一卫星地表温度、反照率和植被指数获取的30 m × 30 m 地表温度空间分布图。
其次，通过ESTARFM方法融合Landsat(红、近红外和地表温度，30 m × 30 m)和MODIS(红、近红外和地表温度，1 km × 1 km)来获得田块尺度地表温度(LSTE)。图3是研究区域中 MODIS 地表温度(MODIS LST，1 km × 1 km)、Landsat 单一卫星降尺度地表温度(LSTH, 30 m × 30 m)和多源卫星降尺度地表温度(LSTE, 30 m × 30 m) 结果，相比MODIS 1 km × 1 km 地表温度，LSTH 和LSTE 空间信息更加丰富。LSTE 与同期LSTH 一致，这一结果表明多源卫星降尺度后的LSTE 可以很好地反映30 m分辨率地表温度的空间特征和差异性。
图3 研究区域 MODIS 地表温度(第一行，1 km × 1 km)、Landsat 单一卫星降尺度地表温度(第二行，30 m × 30 m)和多源卫星降尺度地表温度(第三行，30 m × 30 m)空间对比。其中(a)和(b)分别代表区域1和区域2。
2
土壤水分估算
基于降尺度后的地表温度，通过能量平衡和温度植被特征空间法，实现了土壤水分的反演。图4 是研究区域 MODIS 土壤水分、Landsat 土壤水分(基于30 m分辨率 LSTH)和降尺度土壤水分(基于30 m 分辨率LSTE)空间分布。降尺度后的土壤水分空间信息比MODIS 土壤水分更加丰富，并且与同期Landsat 土壤水分空间分布一致。图5是MODIS 1 km × 1 km土壤水分和降尺度后30 m × 30 m土壤水分与观测值的对比结果，降尺度后的土壤水分与观测值散点更接近1:1线，R²从0.15提高到0.45，RMSE(MAE)从0.048 cm³/cm³(0.039 cm³/cm³)降低到0.038 cm³/cm³(0.032 cm³/cm³)，NRMSE从19％降低到15％。与MODIS 1 km × 1 km土壤水分相比，降尺度后30 m × 30 m土壤水分精度得到很大改善，更接近于实际观测的土壤水分。
图4 研究区域 MODIS 土壤水分(第一行，1 km × 1 km)、Landsat 土壤水分(第二行，30 m × 30 m) 和降尺度后土壤水分(第三行，30 m × 30 m)空间对比。其中(a)和(b)分别代表区域1和区域2。
图5 MODIS 1 km × 1 km土壤水分和降尺度后30 m × 30 m土壤水分与观测值的对比结果。
主要结论
本研究以地表温度时空降尺度为切入点，实现了田块尺度土壤水分的监测，满足了农业干旱评估、灌溉面积监测和灌溉制度优化等对高空间分辨率土壤水分的需求，同时一定程度提高了采样频次(基于晴空日的MODIS信息)。未来的研究工作将利用光学、热红外、微波等多源遥感信息，并结合地面和再分析数据，通过数据科学的方法，进一步实现地表温度、土壤水分和蒸散发在空间和时间上的连续监测，服务水文研究和水资源管理的需求。
关于本研究的具体研究方法和详细计算过程可以点击“阅读原文”进行查看。
由清华大学水利系白亮亮、岩腊、张才金、龙笛整理。
来源于：遥感水文与水资源
相关论文推荐
高彦春,龙笛.2008.遥感蒸散发模型研究进展.遥感学报,12(3):515-528
孟翔晨,历华,杜永明,曹彪,柳钦火,李彬.2018.Landsat 8地表温度反演及验证—以黑河流域为例.遥感学报,22(5):857-871
李召良,段四波,唐伯惠,吴骅,任华忠,阎广建,唐荣林,冷佩.2016.热红外地表温度遥感反演方法研究进展.遥感学报,20(5):899-920
董婷,孟令奎,张文.2015.MODIS短波红外水分胁迫指数及其在农业干旱监测中的适用性分析.遥感学报,19(2):319-327
程宇,陈良富,柳钦火,张颢,顾行发.2006.基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究.遥感学报,10(5):783-788
声明
欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。
本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。
QQ加群
《遥感学报》为关注论文写作和发表的亲们，搭建了专属QQ交流群，欢迎加入。进群需备注“单位+姓名+研究领域”，谢谢!
QQ：535215261
投稿网站：www.jors.cn
最新成果丨年度会议
热点研究丨招生招聘
电话：010-58887052
邮箱：jrs@radi.ac.cn
求鼓励，点好看呦