干旱區(qū)鹽漬地土壤含水量分布及其光譜特征研究

郭亮　沈志　申旭輝等

摘要 [目的] 為科學(xué)和合理種植作物以及提高作物產(chǎn)量提供參考數(shù)據(jù)。[方法] 采集研究區(qū)48個(gè)點(diǎn)的鹽漬地土壤，測(cè)得土壤含水量數(shù)據(jù)，并且在自然光源和人工光源條件下采集土壤光譜反射率數(shù)據(jù)，對(duì)反鹽期不同深度土壤的含水量進(jìn)行統(tǒng)計(jì)分析，研究土壤烘干前和烘干后的光譜反射率，對(duì)自然光源的土壤光譜反射率進(jìn)行一階、二階、三階、四階、五階和六階導(dǎo)數(shù)微分處理，剖析人工光源的土壤光譜反射率數(shù)據(jù)、自然光源的光譜反射率、導(dǎo)數(shù)微分變換后的光譜反射率數(shù)據(jù)與土壤含水量之間的相關(guān)分析，進(jìn)行一元一次、一元二次、指數(shù)、二元逐步回歸、偏最小二乘回歸（PLSR）函數(shù)的擬合，并用總均方根誤差（RMSE）以及顯著性水平驗(yàn)證擬合函數(shù)的精度。[結(jié)果] 表層土壤（0～10 cm）的含水量明顯低于10～30 cm深度的土壤含水量，且表層土壤含水量由于土壤鹽漬化程度的不同而存在差異，綠洲內(nèi)部和外圍的土壤含水量也存在明顯差異；干燥土壤的光譜反射率曲線比濕潤(rùn)土壤更高；人工光源、自然光源獲取的土壤光譜反射率數(shù)據(jù)與土壤含水量之間呈負(fù)相關(guān)關(guān)系，人工光源的相關(guān)性比自然光源的相關(guān)性略高；自然光源獲取的光譜反射率經(jīng)過導(dǎo)數(shù)微分形式的變換后與土壤含水量之間的相關(guān)性得到很好的提高；人工光源的最佳擬合方程為一元二次方程Y= 266.4X21680+352X1680 +1.9，RMSE為0.33，顯著性水平P<0.01；自然光源的最佳擬合方程為偏最小二乘方法的光譜反射率的四階形式，RMSE為089，顯著性水平P<0.01。[結(jié)論] 該研究能夠?yàn)楦珊祬^(qū)土壤含水量和光譜特征的關(guān)系的研究提供數(shù)據(jù)支撐，奠定高光譜技術(shù)在干旱區(qū)的應(yīng)用基礎(chǔ)。

關(guān)鍵詞 干旱區(qū)；土壤含水量；光譜反射率；偏最小二乘

中圖分類號(hào) S152.7 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2015）15-102-05

Study on Soil Moisture Distribution and Spectral Characteristics of Saline Soil in Arid Region

GUO Liang1，2， SHEN Zhi1， SHEN Xuhui1 et al

（1. Xinjiang Uygur Autonomous Region Environmental Monitoring Station， Urumchi， Xinjiang 830011；2. College of Resources and Environmental Science， Xinjiang University， Urumchi， Xinjiang 830046）

Abstract [Objective] The research aimed to provide the reference data for the scientific and regular plantation of the crop and the improvement of the crop yield. [Method] Saline soils in 48 points were collected in the study area， and the soil moisture data and soil spectral reflectance data in natural light and artificial light conditions were get to analyze moisture content of the soil at different depth statistically. Spectral reflectances before and after soil drying were studied. Differentiation processing of firstorder，secondorder， thirdorder， fourthorder， fifthorder and sixthorder derivative to soil spectral reflectance of natural light was used. Spectral reflectance data of artificial light and natural light soil were analyzed. Derivative differential conversion between spectral reflectance data and soil moisture was analyed， fitting various functions， and verified. [Result] The moisture of topsoil（0-10 cm）was significantly lower than that of the deeper soil. It decreased as the distance away from basin and the degree of salinity increased. Dry soil spectral reflectance was higher than the spectral reflectance curve of moist soil. Whether it was artificial light or natural light condition， there were a negative correlation between the spectral reflectance data and soil moisture， but the correlation of artificial light was slightly higher than the natural light. The best fitting function of artificial light source was quadratic equation with one unknown while RMSE was 0.33， and P<0.01， and the best fitting function of natural illumination was partial least squares while RMSE was 0.89， and P<0.01. [Conclusion] Accurate estimation of soil moisture content and its spectral features could provide a reference for planting crops scientifically and reasonably， and it could lay the foundation of hyperspectral data application.

Key words Arid region； Soil moisture content； Spectral reflectance； PLS

土壤含水量是土壤的重要組成部分，間接影響土壤的質(zhì)量，作用于農(nóng)作物的產(chǎn)量。對(duì)土壤含水量進(jìn)行方便、有效地測(cè)量，不僅可以有效地對(duì)耕地合理地灌溉，而且可以提高作物產(chǎn)量。土壤含水量一直是國(guó)內(nèi)外對(duì)研究的重點(diǎn)。Hummel等[1]用近紅外反射率傳感器研究土壤含水量與土壤有機(jī)質(zhì)。David等[2]在實(shí)驗(yàn)室內(nèi)采集不同含水量的土壤光譜反射率，并分析土壤含水量的光譜特征。Farifteh和他的團(tuán)隊(duì)[3]使用偏最小二乘回歸（Partial least squares regression，PLSR）和人工神經(jīng)網(wǎng)絡(luò)方法，研究土壤光譜反射率與土壤電導(dǎo)率之間的關(guān)系。Haubrock等[4]采集野外光譜數(shù)據(jù)，并使用歸一化土壤水分指數(shù)，研究光譜反射率與土壤表層含水量之間的關(guān)系。姚云軍等[5]建立了MODIS短波紅外土壤濕度指數(shù)，用寧夏土壤進(jìn)行驗(yàn)證指數(shù)。國(guó)內(nèi)學(xué)者趙杰鵬等[6]將被動(dòng)微波遙感與熱紅外遙感數(shù)據(jù)結(jié)合，對(duì)土壤水分進(jìn)行協(xié)同反演實(shí)驗(yàn)。張芳等[7]利用測(cè)量的高光譜反射率，研究堿化土壤的光譜特征。邵曉梅等[8]對(duì)土壤水分檢測(cè)、空間變異和預(yù)測(cè)等進(jìn)行分析，并且提出展望。吳劍等[9]基于Hyperion高光譜數(shù)據(jù)，利用土地退化指數(shù)法研究土地退化，并制圖，分析分類精度。張飛等[10]對(duì)渭庫(kù)綠洲的土壤光譜反射率進(jìn)行了含鹽量的光譜特征分析。劉偉東等[11]使用反射率、一階微分、差分方法，研究光譜反射率與土壤含水量之間的關(guān)系。何挺等[12]用一階、二階導(dǎo)數(shù)微分以及吸收特征峰，對(duì)光譜反射率與土壤含水量進(jìn)行研究。宋韜等[13]對(duì)光譜反射率與土壤含水量之間的關(guān)系建立一元回歸模型。吳代暉等[14]對(duì)國(guó)內(nèi)外使用高光譜遙感技術(shù)研究土壤含水量的研究進(jìn)行歸納與展望。筆者采集了不同地物類型、不同深度的土壤樣品，計(jì)算其含水量，進(jìn)行了不同深度鹽漬土含水量的統(tǒng)計(jì)分析；利用人工光源獲取的光譜反射率數(shù)據(jù)進(jìn)行線性函數(shù)、多項(xiàng)式函數(shù)、指數(shù)函數(shù)一元方程擬合和二元逐步回歸和偏最小二乘回歸的二元方程擬合。利用野外自然光源獲取的光譜反射率數(shù)據(jù)進(jìn)行一階、二階、三階、四階、五階、六階導(dǎo)數(shù)微分處理，再對(duì)其反射率數(shù)據(jù)進(jìn)行相同的一元和二元方程的擬合，并且用實(shí)測(cè)光譜反射率數(shù)據(jù)對(duì)擬合的函數(shù)進(jìn)行驗(yàn)證，選擇出最佳的擬合模型，探討土壤光譜反射率數(shù)據(jù)在含水量研究中的應(yīng)用價(jià)值。精確估算土壤含水量以及土壤含水量的光譜特征研究，可以為科學(xué)和合理種植作物以及提高作物產(chǎn)量提供參考數(shù)據(jù)，也可以為以后該區(qū)域高光譜數(shù)據(jù)的應(yīng)用奠定基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

克里雅河流域位于塔克拉瑪干沙漠南緣，昆侖山中段北麓，屬于大陸性暖溫帶干旱沙漠氣候，四季分明，溫差較大，降水稀少，蒸發(fā)量大，年平均氣溫 為12.4 ℃，無霜期為 200 d，年均降水量為44.7 mm，年平均蒸發(fā)量為 2 498 mm[15]。隨著強(qiáng)烈的地表蒸發(fā)，許多可溶性鹽類隨土壤毛細(xì)管上升至地表，造成農(nóng)田耕層鹽漬化，破壞土壤的理化性能。

1.2 土壤樣本的采集

2012年8～10月是新疆南疆地區(qū)鹽漬地的反鹽期。連續(xù)采集反鹽期的表層土壤，深度分別為0～10和10～30 cm。為了充分呈現(xiàn)鹽漬地土壤水分的光譜特征，選取的樣點(diǎn)盡量分布在不同程度的鹽漬地上。

1.3 土壤含水量的測(cè)定

把所取的土壤樣本裝入密封鋁盒中，進(jìn)行室內(nèi)土壤水分的測(cè)定。采用烘干法烘干土壤，烘干前后使用高精度電子天平梅特勒AL204稱取鋁盒前后的質(zhì)量，從而求算出土壤含水量。

1.4 土壤光譜數(shù)據(jù)的采集

使用美國(guó)ASD公司的FieldSpec3 Hi Res便攜式地物光譜儀，其波譜范圍為350～2 500 nm，光譜分辨率為3 nm @ 700 nm，8.5 nm @ 1 400 nm，6.5 nm @ 2 100 nm。將表層土壤0～10、10～30 cm的土壤進(jìn)行均勻混合，在自然光源（太陽(yáng)光）下采集5條新鮮混合土壤樣本的光譜反射率數(shù)據(jù)。在采集過程中，應(yīng)該選擇天氣晴朗、無云、風(fēng)速較小時(shí)進(jìn)行[16]。

在實(shí)驗(yàn)室內(nèi)，使用人工光源探槍（Artificial light source probe gun）采集5條新鮮混合土壤樣本的光譜反射率數(shù)據(jù)。待混合土壤烘干且達(dá)到室內(nèi)恒定溫度后，采集5條烘干后土壤的光譜反射率數(shù)據(jù)。

1.5 光譜數(shù)據(jù)的處理

對(duì)人工光源和自然光源所獲得的5條光譜反射率數(shù)據(jù)分別進(jìn)行算術(shù)平均，使用Percentile Filter平滑法對(duì)其進(jìn)行光譜平滑處理。將烘干前后土壤光譜反射率進(jìn)行對(duì)比，如圖1、2所示。烘干后的土壤光譜反射率曲線要比烘干前的高。將烘干后的土壤光譜反射率減去烘干前的土壤光譜反射率，得到的光譜反射率數(shù)據(jù)只受到土壤含水量的影響，大大消除了土壤母質(zhì)、土壤質(zhì)地、顏色以及外部環(huán)境的影響。

由于1 346～1 462、1 796～1 970、2 406～2 500 nm的光譜反射率受水汽的影響劇烈，將自然光源條件下所獲得光譜反射率數(shù)據(jù)中這部分波段的光譜反射率剔除[17-18]。將以上得到的光譜反射率作為自然光源的土壤光譜反射率數(shù)據(jù)。

導(dǎo)數(shù)微分技術(shù)常被用來降低噪聲[19-20]，提高光譜的信噪比。導(dǎo)數(shù)微分方法可以很好地提高地物地識(shí)別能力。對(duì)自然光源的土壤光譜反射率數(shù)據(jù)進(jìn)行一階、二階、三階、四階、五階、六階導(dǎo)數(shù)微分處理[21-22]。

2 結(jié)果與分析

2.1 土壤水分的統(tǒng)計(jì)分析

土壤水能夠?qū)⒌乇硭偷叵滤o密聯(lián)系在一起，是物質(zhì)傳輸和運(yùn)移的重要載體，也是衡量土壤肥力的主要因素之一[23-26]。在干旱區(qū)，土壤水分狀況能直接影響植被的生存狀況，對(duì)農(nóng)業(yè)生產(chǎn)和生態(tài)環(huán)境都具有決定性的作用[27]。

研究區(qū)鹽漬土壤分布廣泛，即使在綠洲覆蓋的地區(qū)，土壤也依然呈現(xiàn)輕度鹽漬化現(xiàn)象。所采集的土壤樣品均包含輕度鹽漬地、中度鹽漬地和重度鹽漬地等。綠洲覆蓋區(qū)域以及靠近綠洲外圍的土壤樣品鹽漬化程度較低，土壤含水量明顯高于裸露的鹽漬地。將48個(gè)采樣點(diǎn)的土壤含水量進(jìn)行統(tǒng)計(jì)分析。

表1表明，從輕度鹽漬地、中度鹽漬地到重度鹽漬地，土壤含水量差異較大，且不同深度含水量存在較明顯的差異。表層土壤（0～10 cm）的含水量明顯低于10～30 cm深度，且表層土壤含水量由于土壤鹽漬化程度的不同而存在差異，綠洲內(nèi)部和外圍的土壤含水量也存在明顯差異。變異系數(shù)能反映土壤水分的空間變異性大小和數(shù)據(jù)的離散程度，通常認(rèn)為0.01<變異系數(shù)<1，屬于中等變異性[28]；峰度系數(shù)能夠表明數(shù)據(jù)在中心的聚集程度，該研究中土壤含水量的峰度系數(shù)均不為0，所以不符合正態(tài)分布規(guī)律，表層土壤的含水量峰度絕對(duì)值僅為0.383 5，相對(duì)而言較接近正態(tài)分布特征；偏度系數(shù)反映所有樣品土壤含水量分布形狀，度量分布的偏斜程度和偏向，表層土壤含水量呈現(xiàn)正偏的趨勢(shì)，且正偏較顯著，而10～30 cm的土壤含水量只有非常輕微的負(fù)偏趨勢(shì)[29-30]。

在0～10 cm深度，植被覆蓋區(qū)以及水域周邊土壤含水量較大，而在遠(yuǎn)離河道的區(qū)域，土壤含水量也逐步降低。同時(shí)，鹽漬化土壤的鹽漬化程度不同，其含水量也伴隨著鹽漬化程度的增加而降低。但是，也存在個(gè)別表層土壤樣品由于非常容易受到外界環(huán)境干擾而導(dǎo)致個(gè)別土壤樣品含水量出現(xiàn)與整體土壤水分含量分布規(guī)律相悖的現(xiàn)象。

導(dǎo)致表層土壤和10～30 cm土壤含水量分布特征存在明顯差異的原因主要有：①表層土壤含水量與灌溉引流等人為因素，同時(shí)降水、蒸散發(fā)等自然因素密切相關(guān)，易受到外界因素的影響和干擾；②降水能夠濕潤(rùn)一定深度的土層，卻無法無限深入土層之中，同時(shí)最表面的土壤水分蒸發(fā)最快，導(dǎo)致不同土層深度的鹽漬土含水量差異很大；③研究區(qū)處于克里雅河流域周邊，采樣點(diǎn)有的靠近水域，有的則遠(yuǎn)離水域，鹽漬化程度也存在差異，8～10月處于返鹽期，鹽分析出，在土壤表層產(chǎn)生鹽殼、鹽結(jié)皮，故不同土壤樣品的含水量差異很大；④植物的生長(zhǎng)需要從土壤中獲取水分，植物根系的深度、蒸騰作用的強(qiáng)度、耐鹽保水的能力以及采樣點(diǎn)附近的植被覆蓋度等因素均對(duì)土壤含水量有所影響。

2.2 土壤光譜反射率與土壤含水量的相關(guān)分析

對(duì)人工光源的土壤光譜反射率數(shù)據(jù)、自然光源的光譜反射率、導(dǎo)數(shù)微分變換后的光譜反射率數(shù)據(jù)與土壤含水量進(jìn)行相關(guān)分析（圖3）。

人工光源的最大相關(guān)系數(shù)為-0.733，對(duì)應(yīng)波段為1 680 nm。相關(guān)系數(shù)的曲線較平滑，只有波段1 860～2 044、2 360～2 500 nm兩處有明顯的波谷。兩處波谷的波段范圍與自然光源下的水汽吸收帶的兩個(gè)波段范圍相似。自然光源的最大相關(guān)系數(shù)為-0.587，對(duì)應(yīng)波段為558 nm。自然光源的只有一個(gè)波峰，波段范圍在558 nm處。

對(duì)自然光源的原始光譜反射率數(shù)據(jù)、6種導(dǎo)數(shù)微分形式的光譜反射率與土壤含水量之間進(jìn)行相關(guān)分析。從表2可以看出，導(dǎo)數(shù)微分形式可以有效提高光譜反射率數(shù)據(jù)與土壤含水量之間的相關(guān)性。其中，一階導(dǎo)數(shù)微分形式的效果最顯著，相關(guān)系數(shù)為-0.815，對(duì)應(yīng)波段為425 nm。841、842 nm也有效地提高了兩者之間的相關(guān)性。人工光源和自然光源獲取的光譜反射率數(shù)據(jù)與土壤含水量之間的關(guān)系均為負(fù)相關(guān)，然而人工光譜獲取的光譜反射率數(shù)據(jù)與土壤含水量之間的相關(guān)系數(shù)明顯好于自然光源的。經(jīng)過導(dǎo)數(shù)微分變換后的光譜反射率與土壤含水量之間的相關(guān)性得到顯著提高，甚至超過人工光源的相關(guān)系數(shù)。

2.3 土壤光譜反射率與土壤含水量的回歸分析

根據(jù)相關(guān)分析的結(jié)果，選擇相關(guān)性最好的一個(gè)或兩個(gè)波段對(duì)人工光源的土壤光譜反射率數(shù)據(jù)與土壤含水量之間的關(guān)系進(jìn)行一元一次、一元二次、指數(shù)、二元逐步回歸、偏最小二乘回歸函數(shù)的擬合。

從表3可以看出，人工光源獲取的土壤光譜反射率與土壤含水量的擬合函數(shù)效果都很好，最佳擬合方程為一元二次方程Y= 266.4X21680+35.2X1680 +1.9，判定系數(shù)R2為0.646，總均方根誤差（RMSE）為0.33，顯著性水平P<0.01。指數(shù)方程的效果最差，R2為0.459，RMSE為0.63，顯著性水平P<0.05。其他擬合函數(shù)的總均方根誤差均在兩者之間。

同時(shí)，對(duì)自然光源的土壤光譜反射率以及6種導(dǎo)數(shù)微分形式的光譜反射率與土壤含水量之間的關(guān)系也進(jìn)行相同函數(shù)的擬合。在對(duì)兩種光源獲取的光譜反射率數(shù)據(jù)進(jìn)行擬合函數(shù)時(shí)使用48個(gè)樣本數(shù)據(jù)，再用13個(gè)典型樣本數(shù)據(jù)進(jìn)行驗(yàn)證。用RMSE和顯著性水平來驗(yàn)證以上擬合函數(shù)的精度。

從表4可以看出，土壤含水量與自然光源的土壤光譜反射率二者之間的最佳擬合函數(shù)為偏最小二乘回歸（PLSR）的光譜反射率的四階形式，其擬合函數(shù)的效果最為優(yōu)異，判定系數(shù)為0.668，總均方根誤差為089，顯著性水平P<0.01。使用二元逐步回歸方法而擬合的最佳函數(shù)為光譜反射率的六階導(dǎo)數(shù)微分形式，判定系數(shù)為0.657，總均方根誤差為094，顯著性水平P<0.01。在自然光源獲取的土壤光譜反射率與土壤含水量的擬合函數(shù)中，二元擬合效果比一元效果更為突出。偏最小二乘、一元一次、指數(shù)的最佳擬合函數(shù)均選擇了光譜反射率的四階導(dǎo)數(shù)微分形式。二元逐步回歸、一元二次的最佳擬合函數(shù)均選擇了光譜反射率的六階導(dǎo)數(shù)微分形式。四階、六階導(dǎo)數(shù)微分形式更能突出土壤光譜反射率與土壤含水量之間的相關(guān)性。二元逐步回歸和最小二乘擬合方程各有自己的優(yōu)勢(shì)，只是表現(xiàn)在不同階數(shù)的導(dǎo)數(shù)微分形式上。

人工光源采集的土壤光譜反射率數(shù)據(jù)的擬合方程的估算效果比自然光源的效果好。這種方式研究土壤光譜反射率與土壤含水量之間的關(guān)系更科學(xué)和精確，也便于以后研究土壤質(zhì)地、顏色等多因素與土壤光譜反射率之間的關(guān)系。采用自然光源獲取光譜反射率的擬合函數(shù)精度差一點(diǎn)，操作簡(jiǎn)單。在精度允許的范圍內(nèi)，可以直接使用自然光源的光譜反射率。

[18] PALACIOSORUETA A，USTIN S L.Multivariate statistical classification of soil spectra[J].Remote Sensing of Environment，1996，57（2）：108-118.

[19] 浦瑞良，宮鵬.高光譜遙感及其應(yīng)用[M].北京：高等教育出版社，2003.

[20] 童慶禧，張兵，鄭蘭芬.高光譜遙感的多學(xué)科應(yīng)用[M].北京：電子工業(yè)出版社，2004.

[21] 蘇紅軍，杜培軍，盛業(yè)華.高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究[J].計(jì)算機(jī)應(yīng)用研究，2008，25（2）：390-394.

[22] 張晉.土壤光譜特性的研究[D].楊凌：西北農(nóng)林科技大學(xué)，2008.

[23] CALOW R C，ROBINS N S.Groundwater management in drought prone areas of Africa[J].Water Resources Development，1997，3（2）：241-262.

[24] GRETEN D，HOFF H，BONDEAU A，et al.Contemporary “green” water flows：simulations with a dynamic global vegetation and water balance model[J].Physics and Chemistry of the Earth，2005，30：334-338.

[25] 魏彬，海米提·依米提，王慶峰，等.克里雅綠洲地下水埋深與土壤含水量的相關(guān)性[J].中國(guó)沙漠，2013，33（4）：1110-1116.

[26] 肖德安，王世杰.土壤水研究進(jìn)展與方向評(píng)述[J].生態(tài)環(huán)境學(xué)報(bào)，2009，30（3）：334-338.

[27] 張凱，馮起，呂永清，等.民勤綠洲荒漠帶土壤水分的空間分異規(guī)律研究[J].中國(guó)沙漠，2011，31（5）：1149-1155.

[28] 胡玲，彭世彰，丁加麗，等.灌區(qū)土壤水分空間變異及監(jiān)測(cè)方法研究[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，35（5/6）：489-491.

[29] 金秉福.粒度分析中偏度系數(shù)的影響因素及其意義[J].海洋科學(xué)，2012，36（2）：129-135.

[30] 闞興莉.關(guān)于偏度和峰度的討論[J].考試周刊，2009（52）：63.