基于Sentinel-1与Sentinel-2数据耦合水云模型的土壤水量平衡模型田间尺度灌溉量估算

《Remote Sensing of Environment》：Field-scale irrigation estimation using Sentinel-1 and Sentinel-2 data within a soil water balance model coupled to the Water Cloud Model

　　

中文摘要：
灌溉是区域和全球水循环的关键组成部分，占全球淡水抽取量的70%及其消耗量的90%。尽管灌溉面积仅占耕地面积的20%，但灌溉农业贡献了全球粮食生产的40%。由于人口增长、粮食需求上升、生活水平提高和饮食结构改变，未来灌溉需水量可能进一步增加。此外，气候变化预计将加剧许多地区的水资源紧张状况。然而，关于灌溉发生地点、时间和水量的信息目前仍然稀缺且存在不确定性。

本研究提出了一种新颖的建模框架，在不依赖地面实测数据的前提下，于田块尺度上联合估算灌溉量和土壤含水量。该模型将Sentinel-1（S1）雷达后向散射系数（??0）与Sentinel-2（S2）光学数据（两者共享10 m空间采样）整合到耦合框架中，并在田块尺度上进行聚合，以抑制斑点噪声同时保持田块内土壤水分和植被条件的均质性。??0通过水云模型（WCM）模拟，并与基于FAO-56水量平衡的两层土壤水量平衡（SWB）模型耦合，后者可估算表层和根区土壤含水量，并包含喷灌灌溉方案。两个模型通过将SWB估算的表层土壤含水量作为WCM的输入来模拟??0从而实现耦合。

该框架引入了三项关键创新：第一，SWB模型通过与WCM耦合显式受合成孔径雷达（SAR）后向散射观测约束；第二，灌溉量作为模型的未知输入，在WCM(SWB)框架内直接估算，而非从反演的土壤含水量中间接推断；第三，植被在两个模型中通过使用Sentinel-2 NDVI作为WCM中的植被描述符和SWB中作物系数的近似值保持一致表征。此外，研究人员还评估了不同后向散射偏差校正方法、校准策略和时间数据聚合选择对灌溉量和??0模型估算的敏感性和稳健性。该模型在意大利北部波河平原Fosdondo灌溉区（38块田地，约1100公顷）的2018年进行了应用测试。结果表明，该框架能够在田块尺度上有效反演灌溉量，最佳结果（日、周、双周尺度的Pearson相关系数r分别为0.43、0.88、0.95）通过无偏??0观测和全年校准期获得，无需依赖现场实测数据。

论文解读：

**一、研究背景与科学问题**

灌溉在全球和区域水循环中占据核心地位，消耗了全球约70%的淡水抽取量和90%的淡水消耗量，并以仅20%的耕地面积贡献了全球40%的粮食产量。然而，关于灌溉发生位置、时间和水量的精确信息在全球范围内仍然稀缺且充满不确定性。传统的地面观测数据通常覆盖范围有限，主要局限于由灌区管理机构负责的区域，且时间跨度短，自报式信息在灌溉时间记录上存在不确定性。

近年来，遥感观测技术已成为跨尺度检测、制图和量化灌溉的关键工具。特别是合成孔径雷达（SAR）的微波观测，因其全天候、不受云层影响的优势，对土壤表层含水量和植被含水量具有高度的敏感性，已被广泛应用于灌溉信息反演。然而，现有的大多数应用主要依赖于网格化微波观测数据或土壤含水量产品，在异质性农业景观（如田块小而分散、作物类型混合、灌溉方式多样）中，其空间分辨率（通常为1 km）难以满足农业精细化管理的需求。由于观测和生物地球物理变量在均匀网格上的平均化处理，引入了与灌溉信号同量级的不确定性，严重影响了灌溉检测和量化的精度。因此，开展不依赖地面实测数据的田间尺度灌溉量估算方法研究，对于提升异质性农业区域的灌溉管理水平和水资源优化配置具有重要意义。

**二、研究目标与技术方法**

本研究的目标是在不依赖地面实测数据的条件下，在田块尺度上联合估算灌溉量和土壤含水量。研究人员提出了一种新颖的建模框架，该框架通过耦合水云模型（WCM）与两层土壤水量平衡（SWB）模型，实现了对哨兵-1（Sentinel-1）雷达后向散射系数（??0）的模拟与同化。

该研究使用了以下主要关键技术与方法：
1. **双模型耦合框架**：构建了WCM(SWB)耦合模型，将SWB模拟的表层土壤含水量作为WCM的输入，通过模拟雷达后向散射并与Sentinel-1观测对比，实现模型参数的联合率定，使得灌溉量的估算无需依赖地面实测土壤含水量。
2. **基于贝叶斯理论的参数校准**：采用基于马尔可夫链蒙特卡洛（MCMC）采样的贝叶斯框架，对WCM的四个经验参数和SWB的七个物理参数进行联合校准，以获得各参数的后验分布，并量化估计不确定性。
3. **多源遥感数据融合与处理**：整合Sentinel-1的VV极化后向散射数据和Sentinel-2的归一化植被指数（NDVI），两者共享10 m空间分辨率。研究中同时应用了两种轨道偏差去除程序（直方图匹配HIST和逐月偏差去除MBR）及原始数据（RAW）进行对比，并探讨了两种校准策略（全年校准法与季节性校准法），共形成六组实验。
4. **概率灌溉方案**：SWB模型内嵌阈值触发的喷灌灌溉方案，其灌溉启动阈值（irrithr）和灌溉量系数（irricf）均为可校准参数，能够灵活表征不同田块的灌溉实践（从无灌溉到恢复田间持水量）。
5. **替换词样本来源**：研究区域位于意大利北部波河平原的Fosdondo灌溉区（约1100公顷，38块独立灌溉田块），作物包括甜菜、玉米、黍、大豆、南瓜、梨树和葡萄园。模型驱动数据采用MERIDA气象再分析资料（7 km分辨率）和SoilGrids土壤特性数据（250 m分辨率）。

**三、研究结果**

**（一）模型模拟能力评估（对应原文4.1节）**
通过对比模拟与观测的??0时间序列，评估了模型性能。结果表明，模型能较好地捕捉Sentinel-1 ??0的时间动态（以HIST观测集为例，Pearson相关系数R=0.77，偏差为0.02 dB）。对比六组实验发现，全年校准方法在各观测集中的中位数指标上均优于季节性方法，HIST观测集在所有评估指标（Pearson-r、偏差、KGE）上平均表现最佳。参数校准结果显示，部分参数（如A、C、irrithr、irricf）在不同实验间具有较好的一致性，而B和D参数及SWB土壤参数（Ksat、??、??fc、??w）则存在显著差异，反映了不同校准策略和偏差去除方法对参数估计的影响。

**（二）灌溉量反演结果（对应原文4.2节）**
在灌溉检测方面，通过设定5 mm阈值，所有实验均能正确识别出主要灌溉区，并将未灌溉的21号田块成功识别出来。在灌溉量估算方面，将各田块模拟灌溉量聚合到灌区尺度，与实测数据进行对比。结果显示，所有实验在周和双周尺度上均表现出与观测数据的强线性相关性（Pearson-r > 0.8，KGE > 0.6），且偏差较低。年度灌溉总量估算值与观测值（71.1 mm）接近，但存在一定范围的不确定性。实验表明，使用无偏??0观测集（HIST和MBR）和全年校准策略可获得更优的灌溉估算精度。

**四、讨论与结论**

**（一）讨论部分总结**
论文的讨论部分详细分析了模型性能的驱动因素。在参数方面，全年校准与季节性校准对SWB物理参数（如??fc、??w）的估计差异，可能源于模型将土壤和植被的联合水分效应“混淆”为高土壤含水量。灌溉参数irrithr的校准值（约0.3-0.4）与文献报道的波河流域最优阈值一致，反映了模型的合理性。模型不确定性主要来源于：WCM经验参数的结构性局限（如NDVI在作物生长后期与生物量的非线性关系）、10 cm表层土壤厚度与C波段（1-2 cm）实际穿透深度的不匹配、以NDVI近似作物系数Kc导致的蒸散量低估，以及驱动数据（MERIDA再分析降水）本身的偏差。论文还强调了模型在传感器上的通用性，指出了其在常绿作物、淹水田块和陡峭地形等复杂条件下的应用限制，并基于敏感性实验确定了平均重访时间约3天为本方法获取准确灌溉估算的临界阈值。

**（二）研究结论**
本研究提出了一种在田间尺度上估算灌溉量的新方法，该方法将Sentinel-1的同极化SAR后向散射观测??0，通过贝叶斯框架整合到耦合了水云模型（WCM）的土壤水量平衡（SWB）模型中。模型采用两层水量平衡方案，同时考虑了灌溉，其输出的土壤含水量作为WCM的输入。灌溉方案配备了可校准的概率参数，用于确定单个田块的灌溉时间和灌溉量，且参数可校准为零以描述无灌溉情况，反映了灌区管理实践的现实不确定性。植被使用Sentinel-2的归一化植被指数（NDVI）进行描述，同时作为WCM中的植被描述符和SWB中的作物系数，确保了两个模型间植被表征的一致性。该耦合模型WCM(SWB)仅需气象再分析数据输入和从免费土壤数据中获取的初始土壤参数，并通过Sentinel-1观测进行校准，实现了模型参数率定对现场实测土壤含水量和植被数据的独立性。

模型在意大利波河平原Fosdondo灌溉区的38块田地上进行了逐田块应用验证。结果显示，使用无偏??0观测和全年校准期可获得最佳结果：日、周和双周尺度的Pearson-r值分别为0.43、0.88和0.95，偏差分别为0.15 mm/天、1.08 mm/7天和2.25 mm/15天。该研究结果证明该模型能够在多种农业田块上以高计算效率反演灌溉量，且无需依赖现场实测数据。研究强调了偏差去除技术在改善不同观测几何条件差异和植被物候引起的季节性偏差方面的重要性，并指出联合校准SWB与WCM以确保模型间土壤含水量和植被表征的一致性，是实现准确灌溉估算的关键。