荒漠草原区土壤水分ELM-ESTARFM遥感反演模型构建与应用

土壤水分的高时空分辨率和高精度评估对干旱监测具有重要意义。为探究我国内蒙古荒漠草原区土壤水分遥感反演最优模型，基于Landsat和MODIS数据进行改进型自适应反射率时空融合（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model，ESTARFM），结合下垫面因子、地形因子、气象因子、植被因子等多要素环境因子，通过极限学习机（Extreme learning machine，ELM）和随机森林（Random forest，RF）两种方法构建土壤含水率反演模型，并与Landsat（未进行融合）构建的土壤含水率反演模型进行对比，最终筛选得到最优土壤含水率反演模型，并对研究区不同土地利用类型土壤含水率分布特征进行应用分析。结果表明：归一化植被指数是土壤含水率环境因子相关分析中最重要的预测因子（0～10、10～20、20～30 cm土壤深度处R²=0.85、0.82、0.79），其次为降水量（R²=0.73、0.68、0.71）、高程（R²=0.71、0.70、0.71）、水体指数（R²=0.69、0.69、0.68）、归一化盐分指数（R²=0.68、0.67、0.65）。与未进行时空融合所构建的模型相比，利用ESTARFM时空融合所构建的模型精度均有所提升，考虑ESTARFM时空融合时，ELM模型的R²、RMSE、MAE分别为0.89、6.58%、3.93%，RF模型的R²、RMSE、MAE分别为0.78、7.25%、4.95%;未考虑ESTARFM时空融合时，ELM模型的R²、RMSE、MAE分别为0.75、7.37%、5.24%，RF模型的R²、RMSE、MAE分别为0.71、7.48%、5.30%。表明ELM模型比RF模型的土壤含水率反演效果更好，且ELM-ESTARFM为土壤含水率反演最优模型。在此基础上，运用改进后的ELM-ESTARFM遥感反演模型监测了乌审旗全域土壤含水率，发现研究区北部和西北部的土壤含水率较高，南部地区的土壤含水率较低；对于不同土壤深度，土壤含水率由大到小依次为耕地、林地、草地、沙地，耕地区域0～10、10～20、20～30 cm土层含水率分别为18.92%、19.34%、21.84%，林地为11.80%、11.87%、12.40%，草地为10.97%、11.02%、12.22%，沙地为5.07%、5.35%、5.67%。

Construction and application of ELM-ESTARFM remote sensing inversion model for soil moisture in desert steppe area