摘 要：土壤湿度作为路面研究过程的重要物理参数之一，在地表和大气之间的物质能量转换中扮演重要的角色，也是影响土壤风蚀的重要因素，同时，土壤湿度在农作物生长方面还发挥着至关重要的作用。本研究是选取2000-2015年的MODIS1A2和MODIS3A2数据，利用温度植被指数方法结合农业气象站点观测数据反演大安市的土壤相对湿度。并揭示研究区生长季（4-10月）土壤相对湿度时空动态分布特征及内在变化规律。结果表明大安市16年来土壤相对湿度呈现升高趋势，其中4、10月份呈现减小趋势，5-9月份呈现升高趋势。本研究结果可为大安市农业部门合理种植及农业水文灾害系统管理提供科学理论依据。
关键字：大安市;土壤相对湿度;温度植被指数
1研究区概况
大安市是吉林省白城市县级市，地处松嫩平原中心。总面积4879平方千米，平均海拔150~200米。研究区位于半干旱半湿边界区，属于典型的温带大陆性气候。降水一般情况是集中在夏季，从东南向西北逐渐减少，年平均蒸发量为1250-1650毫米，大量蒸发和低降水使气候干燥。平原面积广阔，约23.75×104平方千米，其中耕地面积占5.59×104km2，该土壤肥沃，多为黑土和黑钙土，土质主要为沙壤土，具有较差的保水持水能力。该区域主要盛产大豆、小麦、玉米、甜菜、亚麻、马铃薯等，吉林省和国家重要的商品粮基地，其粮食商品率所占比例高达30%以上。因此，对大安市进行土壤湿度变化趋势的监测对于推动农业发展保障粮食产量和安全具有重要意义。
2数据来源与预处理
本研究从中国气象数据共享网上获取了2000-2013年大安市和松嫩平原地区23个气象站点观测的0-10 cm土壤相对湿度数据（中国农作物生长发育和农田土壤湿度旬值数据集）用于与MODIS影像结合反演土壤相对湿度，由于观测数据集未经质量控制，经过剔除筛选，最终保留20个站点的数据，并采用SPSS22.0的最大期望算法进行数据补全。以及分辨率为0.0625°的2014-2015年的中国气象局陆面数据同化系统（CLDAS-V2.0）实时产品数据集中0-10厘米的土壤相对湿度数据集，并利用Arcgis软件提取出保留站点位置的土壤相对湿度。
除此以外，研究采用2015年4月下旬的野外人工采集数据用于对反演结果进行验证，共321个采样点。为了保证实测数据的准确性，每个采样点利用环刀三次重复操作得到质量较为稳定的数值取平均，并进行称重、烘干、计算等得到321个样本点土壤相对湿度。
3研究方法
Sandholt对前人Nemani、Moran 、Price、Calson等人的研究结果进行不断的改进、简化提出了温度植被干旱指数（Tempreature Vegetation Dryness Index，TVDI）用以监测旱情及土壤湿度。表达式如下：
.png)
其中：为任意像元地表温度；表示的是最小地面温度，对应的是湿边；表示的是最大地面温度，对应的是干边。
先对应相同时期对应的NDVI数据和LST数据，NDVIZ是归一化指数，LST是陆地表面温度，并提取某一NDVI值所对应的LST的最大值、最小值，对NDVI和LST最大最小值进行线性拟合，得到干边以及湿边所对应的线性拟合方程。进而计算每个像元所对应的TVDI值。因为已有研究表明，在植被覆盖度较低时，NDVI不能够很好的反映出植被生长状况，故本研究只取NDVI>0.2的区域拟合TVDI特征方程。从反演的TVDI影像中提取与20个气象站点坐标位置相吻合的TVDI像元值，并与获取的相对土壤湿度进行线性关系拟合，得到相对土壤湿度与TVDI的一元线性关系模型，从而进一步反演得到时空连续的大安市的土壤相对湿度数值[7]。
4结果与分析
4.1土壤相对湿度反演结果与验证
为了验证土壤相对湿度反演方法的可行性及反演结果的准确性，研究选取与实测数据采集日期相对应的2015年第129天的MODIS影像，用ENVI/IDL提取出任意NDVI值所对应的最大和最小温度值，制成散点图（图1-a），能够发现和NDVI呈现出显著的相关关系，且较为顺利地拟合出了一条直线，相比之下，和NDVI的相关关系略弱，但依然能够很好的拟合出线性方程。利用干湿边拟合出的方程，在Arcgis10.1中运用栅格计算器工区计算出2015年第129天TVDI（图1-a），并提取出与气象站点位置对应的TVDI值，进行土壤相对湿度建模（图1-b）及反演（图1-b）。对比图1A、B，温度植被指数同土壤相对湿度呈现负相关关系，即TVDI值越大，RH值则越小。
.png)
图1 2015年第129天大安市土壤相对湿度反演
在土壤相对湿度反演结果影像中，提取出与采样点地理空间位置对应的反演数值，同实测数值进行相关性分析，发现二者具有良好的相关性，且有305个采样点相关系数通过了0.01水平（双侧）显著性检验。进而对提取出的反演数值和实际测量数值进行均方根误差检验，计算RMSE数值为11.53，表明土壤相对湿度的反演结果能够较好的反映实际土壤水分情况，可以作为可靠依据进一步研究。遂用此方法依次对16年影像逐年进行反演。
4.2大安市土壤相对湿度变化规律
首先是年际变化特征，对2000-2015年反演所建立的时间序列的大安市土壤相对湿度数据进行统计整合，得到研究区年际土壤相对湿度变化结果，可以看出，研究区土壤相对湿度在16年间呈现波动变化，虽然在个别年份土壤相对湿度值呈现出下降趋势，但总体上呈现出抖动上升的趋势，即2000-2015年间土壤整体上呈现出变湿润的趋势。其中，2000、2001、2007、2011四年土壤相对湿度值较小，表明以上年份土壤水分缺失严重。2002、2006、2013、2014、2015的年均土壤相对湿度均值在55.5%以上，表明该五年研究区土壤含水量相对充足，呈现逐渐转湿的趋势。
然后是月际变化特征为了细化年度内生长季不同月份的土壤相对湿度情况，将生长季4-10月逐月进行研究，对生长季每个月份的土壤相对均值RHmean进行一元线性回归分析，得到了4月、10月的RHmean随着年份推移呈现出逐渐降低的趋势，其余生长季月份则呈现出逐渐升高的趋势。然而7个月份的大部分的一元线性回归方程都没有显著性检验，故研究利用集合经验模态分析方法分别对生长季的每个月份进行分解处理，最终算出了能够反映每个月份土壤相对湿度内在变化趋势的残余分量（图2），且每个月份的残余分量的贡献率分别是17.03%、5.16%、7.01%、45.13%、16.97%、4.89%、9.47%。
结合残余趋势分量随时间的变化趋势可得出结论：2000-2015年间，随着年份推移，4月和10月份的土壤湿度从总体上来说表现为出变干的趋势：其中4月份的变幅较小，且整体数值较低，10月份虽然呈现出明显的降低趋势，但是其均值为57.78，表明，16年里生长季期间大安市4月份土壤缺水现象较为严重，而10月份仅仅在个别年份出现轻微土壤缺水的现象；5月和6月则以2007年为时间节点呈现出土壤湿度先变干后变湿的变化趋势，且2000年到2015年整体呈现出了越来越趋于湿润的变化趋势，5月变化幅度较轻微，6月份自2007年至2015年升高趋势明显；7月虽然先呈现变湿后逐渐转干的趋势，但是总体土壤湿度增大，8、9月份也呈现出持续变湿润的状态，该三个月份为大安市的雨季，推测其变化趋势主要受到夏季降水量的影响。
5总结
本文基于大安市可适用的TVDI指数及气象站点土壤相对湿度数据进行反演，得到了研究区时空变化连续的数据集，也就是2016年的土壤相对湿度变化，并利用线性分析、集合经验模态分解、经验正交函数等方法探讨了大安市的时空动态变化规律。研究表明，在时间尺度上，大安市土壤相对湿度的年际变化一致性较好，虽然2000、2004、2007、2011、2014年出现略微下降的趋势，但是整体呈现上升趋势。就月际尺度而言，16年来尽管10月份土壤变干幅度明显大于4月份，但从月际平均值的比较来看4月份的干旱形势则更为严峻；在空间尺度上，由于受到气候因素的影响，发生土壤缺水较为严重且时间频率较高的区域出现在研究区西南部，而中旱程度的区域则较多发生在大安市中部；近16年来土壤相对湿度变化的空间模态主要为全区基本一致、南北相反、东西互异的格局，其方差累计贡献率达到67.30%；对物候期关键月份的分解结果也很好的在细节上刻画了土壤相对湿度变化的时空特征。大安市虽地处于平原中心，但是随着最近几年全球气候变化的影响，降雨量减少，气温上升，加上人口持续增长，生态格局和及生态环境都发生了剧烈的变化，自然资源开发强度愈演愈烈，直接导致大安市的生态环境遭到破坏。本次工作实现了大安市土壤相对湿度时间空间连续的动态变化监测研究，有助于掌控农业区土壤相对湿度发生规律及变化特征，为农业部门精准防灾减灾工作提供了可信的理论依据，也有助于大安市的农业发展和生态防护。
参考文献：
[1]周斌,李辑,林俊杰,李雨鸿,苏航,王婷.辽宁省春季土壤相对湿度特征及影响因素[J].生态学杂志,2015,34(06):1630-1637.
[2]安雪丽,武建军,周洪奎,李小涵,刘雷震,杨建华.土壤相对湿度在东北地区农业干旱监测中的适用性分析[J].地理研究,2017,36(05):837-849.
[3]曾丽红,宋开山,张柏,等.1960年以来松嫩平原生长季干旱特征分析[J].干旱区资源与环境, 2010, 24(9):114-122.