近年来随着全球气候变化，我国也越来越多的出现极端干旱与极端降水等情况，土壤含水量的不规律突变对农作物的生长、森林资源保护与城市园林的养护也带来了新的挑战。
多光谱遥感反演技术的优势
地表土壤水分的获取方法包括地面仪器测定、遥感反演和数据同化。传统的地面测定方法，如取土烘干法、中子水分仪法、张力计法等，均是以点状测量为基础，虽然精度高，但监测范围有限且工作量大，难以满足大区域范围土壤含水量监测的实际需求。多光谱遥感反演技术具有宏观、快速、动态、经济的特点，可以实现大尺度自动化周期性监测。
多光谱遥感反演技术中的TVDI
（温度植被干旱指数）
Sandhnon 等首先提出了TVDI（温度植被干旱指数, Temperature Vegetation Dryness Index）的概念，作为同时与NDVI(归一化植被指数)和LST(地表温度)相关的TVDI，是一种基于光学与热红外遥感数据进行植被覆盖区域表层土壤水分反演的方法。该指数可用于干旱监测，尤其是监测特定年内某一时期整个区域的相对干旱程度，并可用于研究干旱程度的空间变化特征。
LST-NDVI特征空间
研究表明TVDI模型对监测干旱有比较好的效果，可直接对土壤湿度进行表征，也可以建立TVDI与土壤湿度之间的经验模型，进行土壤含水量反演。TVDI的值域范围是[0,1]，干边上的点对应的TVDI值为1，湿边上对应的TVDI值为0。湿边是对应土壤湿度为田间持水量的等值线，干边对应土壤湿度理论极限值为0。TVDI值越小，则表示土壤湿度越大，越靠近湿边。
实验数据选取江西某地区的Landsat8遥感影像，采用ENVI 5.3 SP1软件进行TVDI的计算。首先对Landsat8数据进行预处理，包括图像融合、辐射校正和大气校正，以更好地保留原始影像的光谱信息量。
Landsat8遥感影像预处理流程
在ENVI 5.3 SP1工具箱中，采用图像融合工具，将30 m分辨率的多光谱数据和15 m的全色数据进行融合，从而得到15 m分辨率的多光谱数据。输出结果如下图所示，左图为原始多光谱，右图为融合影像，可见分辨率显著提高。
融合影像输出结果对比
辐射定标是实现遥感信息定量化的基本前提，通过辐射定标将图像像元值转换为对应像元的辐射率或者反射率等物理量。采用辐射定标工具，对以上融合的多光谱数据进行辐射定标。输出结果如下图所示，左图为多光谱融合影像，右图为辐射校正后影像，可以看出辐射校正后影像更加明鲜亮，植被更加突出。
辐射校正输出结果对比
目前通常基于大气辐射传输模型MODTRA对Landsat8数据进行大气校正，具体采用ENVI5.3中的大气校正工具，对上述辐射亮度值数据进行处理。输出结果如下图所示，左图为辐射校正影像，右图为大气校正图像，可见大气校正图像使水体更易辨识，而对植被分类无影响，所以一般情况下做辐射校正就可以满足要求。
大气校正输出结果对比
使用 ENVI 5.3 SP1中的波段计算工具，并加载经过大气校正的 Landsat8 数据。NDVI 计算公式为: NDVI=(NIR-R)/(NIR+R)，其中NIR 为近红外波段，R 为红光波段。此处要注意数据类型，本次采用的数据类型是整型，所以要进行数据类型转换，计算结果如下图所示。
NDVI输出结果对比
采用Landsat LST工具，计算大气剖面参数，并将大气传输参数、上行辐亮度参数、下行辐亮度参数结果输入到地表温度反演面板，得到地表温度反演结果。
地表温度反演工具面板
最后基于TVDI计算模块，分别输入上述NDVI和LST影像，计算TVDI干湿边方程，并将得到的TVDI图像导入到ArcMap中进行重分类，根据研究区域的地理环境选择适宜的分级标准，得到研究区域的干旱程度分级图。
TVDI VTCI工具面板
常用的TVDI分级标准
研究区域干旱程度分级图
结语
地表土壤水分作为一个非常重要的水文参数影响着陆气相互作用过程。通过TVDI结果可以直接对大范围的土壤干湿程度进行表征，具有速度快，周期短等优势，为森林干早监测、农业生产、园林灌溉养护、水资源规划等方面的研究提供了有力的技术支持。
撰稿 | 崔锦甜 自然资源园林研究部高级研究员
编辑 | 李姝敏
图片 | 网络
清研智谈
清研智观
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.