Print

出版日期: 2016-07-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20165177
2016 | Volumn20 | Number 4





                              上一篇|





下一篇
基础理论
土壤水分及粗糙度对比辐射率的影响
expand article info 田静1 , 米素娟1,2 , 何洪林3 , 张仁华1 , 马英1 , 董雪1,2
1. 中国科学院地理科学与资源研究所 陆地水循环及地表过程重点实验室, 北京 100101
2. 中国科学院研究生院, 北京 100101
3. 中国科学院地理科学与资源研究 所生态系统网络观测鱼模拟重点实验室, 北京 100101
收稿日期: 2015-07-31; 修改日期: 2016-02-25; 优先数字出版日期: 2016-07-25
基金项目: 国家自然科学基金项目（编号：41271380）
第一作者简介: 田静(1979-),女,副研究员,主要从事定量遥感及应用方面的研究。E-mail:tianj.04b@igsnrr.ac.cn
中图分类号: TP722.5
文献标识码: A
文章编号: 1007-4619(2016)04-0561-9

摘要

比辐射率是影响地表温度遥感反演精度的主要因素，是定量热红外遥感领域研究的核心内容，其与土壤质地、土壤成分、土壤水分和土壤粗糙度关系密切。首先通过试验方法初步研究了土壤水分和土壤粗糙度对土壤比辐射率的影响。其次采用傅里叶变换红外光谱仪观测不同水分条件下土壤比辐射率波谱。最后采用基于改变两次环境观测原理的一种主被动漫射式实时比辐射率测定装置观测不同粗糙度条件下8-14 μm土壤比辐射率均值的变化。结果表明，土壤比辐射率随土壤水分的增加而增加，其中影响最显著波段范围是3.3-5.3 μm，这个波段范围内波段平均比辐射率干土与湿土差异大于0.2；影响最小的波段范围是11-15 μm，这个波段范围内波段平均比辐射率干土与湿土差异在0-0.015之间；在热红外波段，8-9.5 μm是土壤水分对比辐射率影响最大的波段，干土与湿土比辐射率差异大于0.05；土壤比辐射率随着粗糙度的增加略有增加，干土和湿土都有此规律。

关键词

土壤比辐射率 , 土壤水分 , 土壤粗糙度 , 波谱变化

Effect of soil water content and soil roughness on the thermal infrared emissivity of bare soil
expand article info TIAN Jing1 , MI Sujuan1,2 , HE Honglin3 , ZHANG Renhua1 , MA Ying1 , DONG Xue1,2
1.Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographical Sciences and Natural Resources Research(IGSNRR), Chinese Academy of Sciences(CAS), Beijing 100101, China
2.Key Laboratory of Ecosystem Network Observation and Modeling, IGSNRR, CAS, Beijing 100101, China
3.Key laboratory of Ecosystem Network Ovservation and Modeling, Institute of Geographical Sciences and National Resources Research(IGSNRR), Chinese A cademy of Sciences(CAS), Beijng 100101, China

Abstract

Surface emissivity primary influences the accuracy of land surface temperature retrieval using remote sensing methods. This parameter is important in thermal infrared remote sensing. This paper aims to investigate the effects of soil water content and roughness on the thermal infrared emissivity of bare soil through an experimental method. This work can provide useful information for developing a soil emissivity retrieval method via remote sensing. The spectral emissivity of two soils (loam and sandy loam) with different soil water contents was measured by a Nicolet IS10 Fourier-transform infrared spectrometer with an integrating sphere. Data were used to analyze the effects of soil water content on soil spectral emissivity. The average emissivity of both soil types with different particle sizes of 8-14 μm was determined using an active-passive diffuse emissivity measuring device. This device can determine the effects of soil water content on the average soil emissivity for 8-14 μm particles. Soil emissivity increases with increasing soil water content because of the high emissivity of water. The average emissivity of loam soil with water contents of 0%, 13.7%, 26.1%, and 43.4%are 0.81, 0.92, 0.93, and 0.95, respectively, for wavelengths from 3 μm to 11 μm, as well as 0.73, 0.89, 0.93, and 0.96, respectively, for wavelengths from 3.3 μm to 5.3 μm. Moreover, the average emissivity of sandy loam soil with water contents of 0%, 8.8%, 25.3%, and 28.6% are 0.82, 0.92, 0.94, and 0.95,respectively, for the wavelengths from 3 μm to 11 μm, as well as0.75, 0.89, 0.95, and 0.96, respectively, for wavelengths from 3.3 μm to 5.3 μm. For the effects of soil roughness on emissivity, the results show that the average emissivities from 8-14 μm are 0.916, 0.934, and 0.937 for particles with sizes less than 0.6, 0.6-1, and 1-2 mm, respectively, for the dry sandy loam soil, as well as 0.936, 0.951, and 0.959, respectively, for the dry loam soil. Soil emissivity increases with increasing soil moisture. Wavelengths from 3.3 μm to 3.5 μm are the most affected by soil moisture. In this wavelength range, the band-average difference in soil emissivity between dry and wet soils is higher than 0.2. The wavelengths with minimal effect include 11 μm to 15 μm, when the band-average difference in soil emissivity between dry and wet soils is lower than 0.015. For the thermal infrared atmospheric window waveband (8-14 μm), wavelengths from 8 μm to 9.5 μm are the most influenced by soil moisture. In this range, the band-average difference for soil emissivity is 0.05. Soil emissivity slightly increases with increasing particle size for dry and wet soils. Furthermore, soil emissivity increases by more than 0.05 for bands 10, 11, and 12 of ASTER data with increasing soil water content.

Key words

soil emissivity , soil water content , soil roughness , soil spectrμm

1 引 言

比辐射率是影响地表温度遥感反演精度的主要因素，是定量热红外遥感领域研究的核心内容。由于自然界的物体都不是绝对黑体，地表热辐射的能量除了是地表温度的函数，还是地表比辐射率的函数，因此遥感传感器所观测的地表热辐射能量中存在地表温度和比辐射率固有的耦合性。有效地实现了地表温度和比辐射率的分离，是所有试验观测和遥感反演地表温度和比辐射率方法的核心(Li和Becker，1993；Li等，2000； Wan和Li，1997)。正是由于比辐射率的未知性，使得目前遥感反演地表温度只能采取各种假设条件来破除由不同观测通道热辐射传输方程组成的方程组的病态特征，实现地表温度和比辐射率的分离(Gillespie等，1998)。如果比辐射率已知，地表温度的遥感反演将得到最大程度的简化(Wang等，2015)。同时，比辐射率也是遥感进行岩矿识别和矿物成分分析的重要指标，在地质应用中具有重要价值(张立福等，2011)。

比辐射率与土壤成分、表层土壤水分和土壤粗糙度有密切关系，弄清这些因素对比辐射率的影响对建立准确的识别和分析方法至关重要(肖青等，2003)。自然界地表主要以植被、水体、岩石和土壤为主，绿色植被和水体通常具有较高的比辐射率且变化范围不大，相对而言，土壤和岩石的比辐射率变化较大(Rubio等，1997；Salisbury等，1992)。比辐射率与土壤水分的关系，土壤比辐射率随波长的变化规律这些基础性的研究只有通过试验手段才能开展，因此本研究主要基于试验观测进行土壤水分和土壤粗糙度对比辐射率的影响研究。

2 比辐射率的测量方法

本研究使用两种方法进行地表比辐射率的观测。

方法一的基本原理是通过改变两次环境辐射照度(冷环境和热环境)，利用8—14 μm波段的红外测温仪进行观测。这种观测原理已经广泛应用于地表比辐射率的观测中(张仁华，2009；Tian等，2008)。冷热环境下的辐射方程为

$ {L_{\rm c}}({\lambda})= {\varepsilon _{\text{s}}}B({T_{\text{s}}}，\;{\lambda})+(1 - {\varepsilon _{\text{s}}}){E_{\text{c}}}({\lambda}) $ (1)
$ {L_{\text{h}}}({\lambda})= {\varepsilon _{\text{s}}}B({T_{\text{s}}}，\;{\lambda})+(1 - {\varepsilon _{\text{s}}}){E_{\text{h}}}({\lambda}) $ (2)

式中，L为红外测温仪观测到的包含目标物发射和反射的8—14 μm波段的热辐射能量，${\varepsilon _{\text{s}}}$为目标物比辐射率，B(T)为温度为T时的黑体辐射能量，Ts为目标物温度，E为环境辐照度(包含冷热辐射板、红外辐射计物镜、主腔体壁等总体等效辐照度)，下标c和h分别代表冷环境和热环境。观测过程中冷热环境的切换时间极短，因此可以假设目标物的温度在这极短的时间内不发生变化，即Ts不变，则合并式(1)和式(2)，可以估算出${\varepsilon _{\text{s}}}$为式(3)。

$ {\varepsilon _{\text{s}}} = 1 - \frac{{{L_{\text{c}}} - {L_{\text{h}}}}}{{{E_{\text{c}}} - {E_{\text{h}}}}} $ (3)

式中，Ec和Eh的获取主要采用在冷热环境下对金板观测得到，金板的比辐射率很小，通常认为接近于0。这种方法能够观测8—14 μm波段的比辐射率平均值。本研究使用的试验装置为研究组自主设计的主被动漫射式实时比辐射率测定装置。

由于比辐射率也是波长的函数，为了进一步研究不同水分条件下土壤比辐射率的波谱特征，研究中还使用了由美国Thermo Fisher公司生产的Nicolet IS10型傅里叶变换红外光谱仪及其积分球附件(方法二)开展观测。有效波段范围为3—15 μm，波谱分辨率通常设置为4 cm-1，波谱精度0.01 cm-1，分束器为涂锗的溴化钾分束器，使用DTGS检测器，可做到40张谱图/s，灵敏度优于45000∶1。积分球为3英寸大小，镀金材质，通过导线与主机直接连接即可观测。以碳化硅作为辐射源，经过干涉仪调制后经过积分器照射在目标物，之后再反射给检测器，检测器检测到输出信号后直接输出目标物的反射率波谱。利用基尔霍夫定律，即对于不透明的物体，反射率与比辐射率之和等于1，由此从观测的目标物反射率就可以计算出目标物的比辐射率波谱。这种方法通常被认为具有较高的观测精度，不确定性只有0.002(Hulley等，2010；Sobrino等，2009；Mira等，2009)。仪器的不足就是它只能用于室内观测且观测视场较小。

本试验中利用傅里叶变换红外光谱仪进行土壤水分对比辐射率波谱的影响研究，利用主被动漫射式实时比辐射率测定装置进行粗糙度对比辐射率的影响研究。

3 试验中土壤样品的处理

研究中主要以土壤水分和土壤粗糙度对比辐射率的影响为目标开展工作。土壤样品分两种质地类型：壤土，砂壤土。每种土壤类型人工设置4个土壤水分等级和3种粗糙度等级。其中利用土壤粒径对土壤粗糙度进行定量描述。

试验中，两种类型土壤颗粒组成及实验中观测的土壤质量含水量(SM)和粒径(mm)如表 1所示。

表 1 土壤颗粒组成、土壤质量含水量SM和粒径统计表
Table 1 Statistics of the particle composition,the mass water content(SM)and the particle size of soils

下载CSV 
砂粒/% 粉粒/% 粘粒/% SM-1/% SM-2/% SM-3/% SM-4/% 粒径-1/ mm 粒径-2/ mm 粒径-3/ mm
壤土 38.4 47 14.6 0 13.7 26.1 43.3 < 0.6 0.6—1 1—2
砂壤土 69.0 19.7 10.3 0 8.8 25.3 28.6

其中，土壤质量含水量采用称重法确定。将原始土壤过2 mm土筛后在105 ℃下烘干处理，再人工加水达到控制土壤水分的目的，通过人工搅拌的方式使土壤水分均匀，过程中利用高精度电子秤确定干土和水的重量，从而确定土壤质量含水量。土壤粗糙度的处理采用土筛控制，即将土壤分别用0.6 mm，1 mm和2 mm的土筛进行过筛处理，获得不同粒径大小的土壤样品。

需要特别说明的是试验过程中土壤样品的含水量上下层较均匀，且每个等级水分的土壤样品都是单独处理而成。这与只用一个土壤样品，土壤水分的变化通过自然蒸发形成有本质区别。因为自然蒸发的土壤表面水分与深层水分有较大差异，而土壤比辐射率只与表层水分有关，因此如果土层较厚，如大于5 cm，用自然蒸发的方法控制土壤水分来研究土壤水分对比辐射率的影响会存在误导。

4 试验结果

本文分3个部分探讨土壤水分和粗糙度对比辐射率的影响。其中，4.1节和4.3节使用的数据来自IS10傅里叶变换红外光谱仪观测的3—15 μm的比辐射率光谱。4.2节使用的数据来自改变两次环境照度的主被动漫射式实时比辐射率测定装置观测的8—14 μm比辐射率的平均值。

4.1 土壤水分对比辐射率的影响

图 1显示了利用傅里叶变换红外光谱仪观测得到的两种土壤在不同土壤水分情况下的比辐射率波谱曲线。图 1中可见，随着土壤水分的增加，土壤比辐射率也逐渐增加，这是由于水的比辐射率高于土壤本身的比辐射率所致。从波谱曲线的差异性可以看出，在全部波段上，土壤水分含量越大，比辐射率波谱曲线变化越小，曲线越平坦。在3—11 μm区间，不同土壤水分比辐射率的差异十分明显。4个水分梯度从低至高，壤土在这个区间的平均比辐射率依次为0.81，0.92，0.93，0.95，砂壤土依次为0.82，0.92，0.94，0.95。尤其在3.3—5.3 μm范围内差异最大。4个水分梯度从低至高，壤土在这个区间的平均比辐射率依次为0.73，0.89，0.93，0.96，砂壤土依次为0.75，0.89，0.95，0.96。3.5—5.5 μm波段范围是遥感应用中红外大气窗口所在波段，本实验结果显示土壤比辐射率在这个区域对表层土壤水分具有最大的敏感性。在5.3—11 μm这个区间内，干土的比辐射率与含水分的土壤比辐射率仍有明显差别，但3个水分梯度的湿土比辐射率较接近。在11—15 μm范围内，4个水分梯度的比辐射率差异最小。


图 1 不同土壤水分条件土壤比辐射率3—15 μm波谱曲线
Fig. 1 Emissivity spectra(3—15 μm)of the soil with different water content

以上结果表明，在11 μm至15 μm波段范围内，土壤水分对比辐射率的影响最小。影响最大的是3.3 μm至5.3 μm的波段范围，干土与湿土比辐射率波段平均值最大差异大于0.2，在4 μm处差异甚至达到0.3。试验中的两种土壤类型均具有相同的特征。

图 2以MODIS的中红外波段(见表 2)为参考，给出了不同波段土壤比辐射率随土壤水分的变化情况。图 2中可见，由干土变为湿土时，每个波段两种土壤的比辐射率都有显著增加，壤土增加约0.3，砂壤土增加约0.25。之后，随着土壤水分的增加，壤土比辐射率明显减少，砂壤土略有增加后有较大的下降。这说明，在中红外波段，干土变为湿土的比辐射率会有明显增加，而当湿土的水分进一步增加时，比辐射率会逐渐减小。波段20，21和23的减小幅度较大，壤土下降约0.1，砂壤土下降略大于0.1。波段24和25下降幅度较小，壤土和砂壤土都下降了约0.03，且它们的变化曲线基本完全重合。


图 2 MODIS 5个中红外波段土壤比辐射率随土壤水分的变化
Fig. 2 Change of soil emissivity with soil water content for five Mid-infrared bands of MODIS

表 2 MODIS的中红外波段和ASTER热红外波段
Table 2 Mid-infrared bands of MODIS and thermal infrared bands of ASTER

下载CSV 
传感器类型 波段 波段范围/μm
MODIS 20 3.660—3.840
21 3.929—3.989
23 4.020—4.080
24 4.433—4.498
25 4.482—4.549
ASTER 10 8.125—8.475
11 8.475—8.825
12 8.925—9.275
13 10.25—10.95
14 10.95—11.65

遥感应用中，遥感传感器常用的热红外大气窗口是8—14 μm的波段范围，图 3更清晰地显示了这个范围内土壤水分对比辐射率的影响。在8—9.5 μm的波段范围内，两种类型土壤，干土与湿土的比辐射率差值约为0.05。随着波长的增加，差异逐级减小。除干土外，其余3个水分梯度的土壤比辐射率较接近，差异在0—0.015范围内变化。此现象说明土壤水分变化的初期，水分对土壤比辐射率的影响十分显著，随着土壤水分的增加，影响变小。另外图 2还显示，在8—12 μm的范围内，湿土的比辐射率都高于干土。而在12.3—14 μm范围内，干土的比辐射率高于湿土。在肖青等人(2003)利用BOMAN傅里叶变换红外光谱仪观测同一种类型不同土壤水分的比辐射率时也有这样的现象。


图 3 不同土壤水分条件土壤比辐射率8—14 μm波谱曲线
Fig. 3 Emissivity spectra (8—14 μm) of the soil with different water content

为与目前普遍应用的遥感卫星的热红外波段相对应，本文针对Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)传感器的5个热红外波段，给出了土壤比辐射率随土壤水分在这些波段的变化情况(图 4)。

图 4中可见，土壤从干土变为湿土时，比辐射率在各波段都有明显上升，其中波段10增加最多，大于0.05，其余依次是波段11，12，13和14。对于3个土壤水分梯度的湿土，同一波段的比辐射率随土壤水分变化小于0.01，变化不明显，说明比辐射率对土壤水分增加的初期最敏感，之后敏感性大幅度降低。另外，干土时波段10，11和12的比辐射率明显小于波段13和14。但对于湿土，波段10，11和12的比辐射率确明显变得高于波段13和14，由此证明土壤由干变湿对波段10，11和12的影响最大。与图 2相比，中红外比辐射率的增加和下降的变化幅度都明显大于热红外波段。显示的共同特点都是比辐射率在土壤由干变湿时变化最大，土壤水分再进一步增加时变化幅度减小，尤其在热红外波段。


图 4 ASTER 5个热红外波段土壤比辐射率随土壤水分的变化
Fig. 4 Change of soil emissivity with soil water content for five thermal infrared bands of ASTER

4.2 土壤粗糙度对比辐射率的影响

表 3列出了两个梯度土壤水分条件下，利用主被动漫射式实时比辐射率测定装置观测到的3种粗糙度情况下两种土壤的8—14 μm波段平均的比辐射率结果。很明显，土壤比辐射率随着粗糙度的增加而略有增加，对于干土和湿土(15%质量含水量)都有相同的趋势。另外，利用主被动漫射式实时比辐射率测定装置观测到的8—14 μm土壤比辐射率值也显示，在3种粗糙度情况下，湿土的比辐射率都要高于干土，这与4.1节中的结果一致。

表 3 3种粗糙度情况下两种土壤的比辐射率值
Table 3 Emissivity values of two soil types with three different roughness

下载CSV 
粗糙度/mm 砂壤土 壤土
干土 15%质量含水量 干土 15%质量含水量
< 0.6 0.916 0.924 0.936 0.954
0.6—1 0.934 0.942 0.951 0.959
1—2 0.937 0.955 0.959 0.964

4.3 土壤水分与比辐射率的关系模型检验

通过对多种类型土壤的土壤水分对比辐射率影响研究，Mira等人(2007，2010)提出了两个利用土壤水分估算比辐射率的经验模型，如式(4)(5)所示：

$ {\varepsilon _i} = {a_i} + {b_i}{\theta _v} + {c_i}\theta _v^2 $ $ {\varepsilon _i} = {a_i} + {b_i}{\theta _v} + {c_i}{\text{ln}}\left({{\theta _v}} \right) $ (4)

式中，a，b，c分别是经验系数，θv是土壤质量含水量，下标i是其观测使用的CE-312辐射仪的波段号(4个波段分别为8—14 μm，11.5—12.5 μm，10.5—11.5μm，8.2—9.2 μm)。按照土壤质地，与本研究最接近的土壤类型，Mira等人(2007，2010)得到的式(4)和(5)中对应CE-312 4个波段的a，b，c值，相关系数(R2)和标准(σ)如表 4所示。

表 4 式(4)(5)中的回归系数
Table 4 Regression coefficients of Eq.(4)and Eq.(5)

下载CSV 
波段 式(4) 式(5)
a b c R2 σ a b c R2 σ
砂壤土 1 0.932 0.291 -0.500 0.999 0.0003 0.968 0 0.012 0.76 0.009
2 0.943 0.230 -0.380 0.989 0.002 1.01 -0.05 0.019 0.91 0.006
3 0.938 0.230 -0.340 0.995 0.0019 1.004 -0.04 0.018 0.97 0.003
4 0.918 0.270 -0.310 0.997 0.0019 0.959 0 0.0179 0.96 0.005
壤土 1 0.901 0.100 -0.031 0.991 0.003 0.975 0 0.0146 0.88 0.005
2 0.910 0.080 -0.025 0.986 0.003 0.98 0.009 0.008 0.96 0.002
3 0.897 0.110 -0.040 0.988 0.003 0.979 0.013 0.01 0.98 0.002
4 0.895 0.110 -0.040 0.985 0.895 0.963 0 0.02 0.90 0.007

利用式(4)(5)及表 2中的系数和土壤水分含量可以估算比辐射率值，将其与试验观测值进行对比进行了这2个模型的检验。其中试验观测值取对应CE-312辐射仪4个波段范围的平均值。图 5显示了比辐射率观测值与估算值的散点图。


图 5 比辐射率估算值与实测值散点图
Fig. 5 Scatter plots of the estimated soil emissivity and the measured values

从相关系数R2来看，式(5)的估算结果明显优于式(4)，壤土和砂壤土的R2分别为0.61和0.56，而式(4)的R2只有0.18和0.19。但不合理的是式(4)(5)的估算值与观测值均呈负相关。从式(4)(5)可以看出，随着土壤水分的增加，比辐射率也应该增加，但根据实测结果，除由干土变为湿土时，土壤比辐射率有明显增加外，其余3个土壤水分梯度的湿土，比辐射率变化较小，并没有大的增加趋势，甚至有略微下降趋势，图 3清晰地显示了这种变化过程，这可能是造成估算值与观测值出现负相关现象的原因。这种现象也说明了式(4)(5)的不确定性，即在比辐射率随土壤水分变化不敏感的阶段，比辐射率可能不再随土壤水分的增加而增加，这时将不存在式(4)(5)所显示的比辐射率随土壤水分增加而增加的关系，这时估算值就会出现较大偏差。当然，不同土壤类型土壤水分与比辐射率的回归系数将不同，这也是造成估算误差的重要原因之一，也是所有经验模型的共同问题。

5 讨 论

本节主要讨论了本实验观测结果与国内外其他学者研究结果的对比。

5.1 土壤水分对比辐射率影响的对比

总结上述本试验得到的观测结果显示，在热红外大气窗口范围内(8—14 μm)，8—9.5 μm波段是土壤水分对比辐射率影响最大的区域，这个波段范围内两种类型土壤比辐射率都随土壤水分增加而增加，这个规律已经得到普遍共识。许多试验研究也都观测到了相同的结果，如肖青等人(2003)对不同水分条件下土壤比辐射率的观测也得出在8—9.5 μm范围内土壤比辐射率随土壤水分增加而增加的结论；Mira等人(2007)利用具有4个波段的CIMEL CE-312红外辐射计对6种土壤的观测结果显示，8.2—9.2 μm范围内比辐射率随土壤水分增加的增幅最大。Hulley等人(2010)利用Nicolet 520型傅里叶变换红外光谱仪观测两种沙土比辐射率随土壤水分的变化也显示，在8—9.5 μm波段，湿土比干土的比辐射率增加最多，为10%—15%。

在9.5—14 μm范围内，本试验的观测结果显示，干土与3个梯度的湿土在9.5—11 μm范围内比辐射率有较明显的差别，干土比辐射率最低，差异在0.02—0.04之间。在11—14 μm范围内含有水分的土壤比辐射率较接近，差异在0—0.015范围内。而在12.3—14 μm范围内，干土的比辐射率出现了略微高于湿土的现象。肖青等的结论是在11—13 μm范围内，不同含水量的土壤比辐射率基本保持不变。Mira等人(2007)的观测结果是在CE-312红外辐射计的第2、3波段，比辐射率都随土壤水分的增加也有小幅增加。Hulley等人(2010)的观测结果是在11—12 μm范围内，湿土的比辐射率仅比干土高0—3%。由此可见，11 μm之后的波段土壤水分对比辐射率的影响较小。

另外本试验和肖青等人(2003)的观测结果都显示，在12.3—14 μm范围内干土比辐射率出现了略高于湿土的现象。由于观测仪器覆盖波段范围不够，Mira等人(2007)对此现象没有提及。虽然Hulley等人(2010)也是利用傅里叶光谱仪开展观测，但文献中只给出了3—13 μm的结果。这一现象是否是所有土壤的共性，还需要通过更多土壤类型的观测进一步探索。

在短波红外的大气窗口波段(3—5 μm)，本试验的结果显示，在这一波段土壤水分对比辐射率的影响最大，明显大于热红外波段。干土与湿土的比辐射率波段平均值差异大于0.2，在4 μm处差异甚至达到0.3。Hulley等人(2010)的观测也得到了与本研究相似的结果，3—5 μm波段干沙土和湿沙土的比辐射率大于热红外波段，差异达到0.3—0.35。

5.2 土壤粗糙度对比辐射率影响的对比

对于土壤粗糙度对比辐射率的影响，肖青等人(2003)的观测显示沙子的比辐射率随粒径的减小而有规律地增加，而土壤的比辐射率随粒径变化并不明显。本研究的结果与此结果不同，试验结果显示干土和湿土随其粒径的增加，比辐射率都呈增加的趋势。这与对石英含量多的沙子随粒径的变化观测结果相反。说明土壤成分可能对粒径对比辐射率的影响有较大影响。在Sánchez等人(2011)对经过漫灌浇水出现裂隙的土壤的比辐射率观测发现，土壤裂隙的出现会使比辐射率升高。如果把土壤裂隙的出现看作一种土壤粗糙度的增加，那么这个结果与本研究中土壤粒径增加比辐射率随之略有增加的结果一致。对此结论，仍需要对更多的土壤样品进行观测进一步确定。

6 结 论

基于一种主被动漫射式实时比辐射率测定装置和傅里叶变换红外光谱仪，本文初步探讨了土壤水分和粗糙度对土壤比辐射率的影响。研究结果显示，(1) 土壤水分对比辐射率影响的最显著波段范围是3.3—5.3 μm。在这个波段范围内，平均比辐射率干壤土与26.1%质量含水量的壤土比辐射率，干砂壤土与25.3%质量含水量的砂壤土比辐射率相差大于0.2；(2) 影响最小的波段范围是11—15 μm波段范围，在这个范围内，除干土外，其余3个梯度土壤水分下土壤比辐射率较接近，差异在0—0.015范围内变化；(3) 热红外波段，8—9.5 μm是土壤水分对比辐射率影响最大的波段；(4) 干土与湿土的比辐射率在所有波段都显示有明显差异，而随着土壤水分的增加差异明显变小，说明土壤水分变化的初期，水分对土壤比辐射率的影响十分显著，随着土壤水分的增加，影响变小；(5) 土壤比辐射率随着粗糙度的增加而有增加趋势，对于干土和湿土(15%质量含水量)都有此规律；(6) 土壤由干变湿，对ASTER的波段10，11和12的影响最大，比辐射率增幅大于0.05；(7) 通过对2种土壤水分与比辐射率间经验模型的对比发现，式(5)明显好于式(4)，但较适合应用于比辐射率随土壤水分有明显增加的初期阶段。

本试验结果是对土壤水分和粗糙度对比辐射率影响的初步探讨，仍有许多问题有待进一步提高和细化，如更多土壤类型的观测，土壤成分的影响，更多土壤水分和粗糙度等级的观测，土壤水分与粗糙度对比辐射率影响的定量化等，将是未来工作的主要内容。

参考文献(References)

  • Gillespie A, Rokugawa S, Matsunaga T, Cothern J S, Hook S andKahle A B.1998.A temperature and emissivity separation algorithm for advanced spaceborne thermal emission and reflection radiometer (ASTER) images. IEEE Transactions onGeoscience andRemote Sensing, 36 (4) : 1113–1126 . [DOI:10.1109/36.700995]
  • Hulley G C, Hook S J, Baldridge A M.2010.Investigating the effects of soil moisture on thermal infrared land surface temperature and emissivity using satellite retrievals and laboratory measurements. Remote Sensing of Environment, 114 (7) : 1480–1493 . [DOI:10.1016/j.rse.2010.02.002]
  • Li Z L, Becker F.1993.Feasibility of land surface temperature and emissivity determination from AVHRR data. Remote Sensing of Environment, 43 (1) : 67–85 . [DOI:10.1016/0034-4257(93)90065-6]
  • Li Z L, Petitcolin F, Zhang R H.2000.A physically based algorithm for land surface emissivity retrieval from combined midinfrared and thermal infrared data. , 43 (S1) : 23–33 . [DOI:10.1007/BF02916575]
  • Mira M, Schmugge T J, Valor E, Caselles V, Coll C.2009.Comparison of thermal infrared emissivities retrieved with the two-lid box and the TES methods with laboratory spectra. IEEE Transactions on Geoscience and Remote Sensing, 47 (4) : 1012–1021 . [DOI:10.1109/TGRS.2008.2008901]
  • Mira M, Valor E, Boluda R, Caselles V, Coll C.2007.Influence of soil water content on the thermal infrared emissivity of bare soils:implication for land surface temperature determination. Journal of Geophysical Research, 112 (F4) : [DOI:10.1029/2007JF000749]
  • Mira M, Valor E, Caselles V, Rubio E, Coll C, Galve J M, Niclòs R, Sánchez J M, Boluda R.2010.Soil moisture effect on thermal infrared (8-13μm) emissivity. IEEE Transactions on Geoscience and Remote Sensing, 48 (5) : 2251–2259 . [DOI:10.1109/TGRS.2009.2039143]
  • Rubio E, Caselles V, Badenas C.1997.Emissivity measurements of several soils and vegetation types in the 8-14, μm wave band:analysis of two field methods. Remote Sensing of Environment, 59 (3) : 490–521 . [DOI:10.1016/S0034-4257(96)00123-X]
  • Salisbury J W, D'Aria D M.1992.Emissivity of terrestrial materi-als in the 8-14μm atmospheric window. Remote Sensing of Environment, 42 (2) : 83–106 . [DOI:10.1016/0034-4257(92)90092-X]
  • Sánchez J M, French A N, Mira M, Hunsaker D J, Thorp K R, Valor E, Caselles V.2011.Thermal infrared emissivity dependence on soil moisture in field conditions. IEEE Transactions on Geoscience and Remote Sensing, 49 (11) : 4652–4659 . [DOI:10.1109/TGRS.2011.2142000]
  • Sobrino J A, Mattar C, Pardo P, Jiménez-Muñoz J C, Hook S J, Baldridge A, Ibañez R.2009.Soil emissivity and reflectance spectra measurements. Applied Optics, 48 (19) : 3664–3670 . [DOI:10.1364/AO.48.003664]
  • Tian J, Zhang R H, Su H B, Sun X M, Chen S H, Xia J.2008.An automatic instrument to study the spatial scaling behavior of emissivity. Sensors, 8 (2) : 800–816 . [DOI:10.3390/s8020800]
  • Wan Z M, Li Z L.1997.A physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data. IEEE Transactions on Geoscience and Remote Sensing, 35 (4) : 980–996 . [DOI:10.1109/36.602541]
  • Wang H S, Xiao Q, Li H, Du Y M, Liu Q H.2015.Investigating the impact of soil moisture on thermal infrared emissivity using ASTER data. IEEEGeoscience and Remote Sensing Letters, 12 (2) : 294–298 . [DOI:10.1109/LGRS.2014.2336912]
  • Xiao Q, Liu Q H, Li X W, Chen L F, Liu Q, Xin X Z.2003.A field measurement method of spectral emissivity and research on the feature of soil thermal infrared emissivity. Journal of Infrared Millimeter Waves, 22 (5) : 373–378 .
  • ( 肖青, 柳钦火, 李小文, 陈良富, 刘强, 辛晓洲. 2003. 热红外发射率光谱的野外测量方法与土壤热红外发射率特性研究. 红外与毫米波学报, 22 (5) : 373–378. )
  • Zhang L F, Zhang X W, Huang Z Q, Yang H, Zhang F Z.2011.Quantitative estimation of CaO content in surface rocks using hyperspectral thermal infrared emissivity. Spectroscopy and Spectral Analysis, 31 (11) : 2940–2943 .
  • ( 张立福, 张学文, 黄照强, 杨杭, 张飞舟. 2011. 基于高光谱热红外发射率光谱的地表岩石CaO含量定量估计. 光谱学与光谱分析, 31 (11) : 2940–2943. )
  • Zhang R H. Thermal Infrared Remote Sensing Models and Its Field Experiments Foundations. Beijing: Science Press 2009 : 90 -100.
  • ( 张仁华. 2009. 定量热红外遥感模型及地面实验基础. 北京: 科学出版社 : 90 -100. )