干旱區(qū)土壤含水量光譜特征分析與反演

婁 徑，徐建輝，周燕林，王 俊

(1.安徽省經(jīng)濟研究院，安徽合肥 230001；2.滁州學(xué)院地理信息與旅游學(xué)院，安徽滁州 293000)

?

干旱區(qū)土壤含水量光譜特征分析與反演

婁 徑1，徐建輝2，周燕林1，王 俊1

(1.安徽省經(jīng)濟研究院，安徽合肥 230001；2.滁州學(xué)院地理信息與旅游學(xué)院，安徽滁州 293000)

摘要[目的]建立土壤含水量遙感監(jiān)測模型。[方法]選取陜西省橫山縣作為研究區(qū)，以野外原位光譜測量數(shù)據(jù)和實驗室內(nèi)測得的土壤含水量為基礎(chǔ)，進行高光譜數(shù)據(jù)處理，分析土壤含水量的光譜特征；對實測土壤光譜反射率進行倒數(shù)、對數(shù)、均方根及其一階導(dǎo)數(shù)微分等光譜變化換，計算高光譜指數(shù)，并與土壤樣本含水量進行相關(guān)性分析，篩選對土壤含水量敏感的光譜特征波段，利用多元線性回歸分析建立土壤含水量監(jiān)測模型。[結(jié)果]隨著土壤含水量的增加，土壤光譜反射率呈減小趨勢。土壤含水量與光譜指數(shù)的特征波段呈良好的線性關(guān)系，所有模型均通過了0.01水平的顯著性檢驗。模型精度驗證表明，預(yù)測值與實測含水量相關(guān)系數(shù)較高，特別是反射率倒數(shù)一階微分模型，在0.01顯著性水平下，相關(guān)系數(shù)為0.886。[結(jié)論]該研究建立的土壤含水量遙感反演模型可行有效，通過了有效性檢驗，在一定程度上可以用來反演研究區(qū)土壤含水量。

關(guān)鍵詞干旱區(qū)；土壤含水量；高光譜；光譜特征；定量模型

土壤水分是決定農(nóng)作物產(chǎn)量的重要因素之一，也是監(jiān)控土地退化和干旱的重要指標。土壤水分信息的獲取一直是農(nóng)業(yè)、地理和環(huán)境等領(lǐng)域的熱點問題。然而，傳統(tǒng)的土壤水分測定方法，如烘干稱重法[1]、中子水分儀法及張力計法等都是以點測量為基礎(chǔ)，雖然精度較高，但是測量周期較長，過程復(fù)雜，難以快速獲取數(shù)據(jù)。常規(guī)光學(xué)遙感監(jiān)測技術(shù)[2-5]，監(jiān)測波段少、光譜分辨率低，適合大面積土壤含水量的監(jiān)測，對區(qū)域性或更小尺度的土壤含水量監(jiān)測誤差較大。高光譜技術(shù)憑借其極高的光譜分辨率，能快速獲取研究對象的反射光譜信息，而且其分析速度快、效率高、成本低。目前高光譜技術(shù)已應(yīng)用于很多領(lǐng)域，如環(huán)境監(jiān)測[6-7]、地質(zhì)調(diào)查[8-9]、精細農(nóng)業(yè)[10-11]等。筆者研究了光譜對于土壤水分的敏感波段，建立了基于敏感波段的統(tǒng)計模型，反演了土壤含水量，旨在為高光譜遙感技術(shù)在土壤遙感中的應(yīng)用化提供理論依據(jù)。

1材料與方法

1.1研究區(qū)概況陜西省橫山縣(108°56′～110°2′ E，37°22′～38°14′ N)位于陜西北部黃土高原北緣與毛烏素沙漠南緣交匯處，海拔890～1 535 m。受西伯利亞冷高壓氣候的影響，該區(qū)出露的巖層逐漸被剝蝕、搬運、沉積而呈現(xiàn)出“三沙七丘”的地貌景觀，風(fēng)沙區(qū)位于境內(nèi)西北部，黃土丘陵溝壑區(qū)位于中部和東南部。該區(qū)主要土地利用類型為耕地、林地、牧草地、未利用地(沙地、廢棄地)、建設(shè)用地等，主要土壤類型為黃綿土、綿沙土、黑壚土和風(fēng)沙土。

1.2光譜數(shù)據(jù)采集與分析

1.2.1數(shù)據(jù)采集。不同含水量土壤光譜取樣選在天氣晴朗、無風(fēng)無云的天氣，10：00～14：00進行測定。光譜測定采用美國ASD FieldSpec FR野外光譜儀，其光譜測量的波長為350～2 500 nm，其中350～1 000 nm光譜分辨率為3 nm，1 000～2 500 nm光譜分辨率為10 nm。在橫山縣試驗區(qū)選擇地勢較平坦、土壤裸露區(qū)作為樣區(qū)，并考慮各種土地利用類型和土壤類型，每個樣區(qū)內(nèi)選擇4～5個具有代表性的測點，每個測點采集1個表層土(約20 cm)土樣，共采集84個土樣。取土樣前在該采樣點重復(fù)測量5次，取平均值作為該點的光譜反射率。測量時光譜儀探頭設(shè)置在距地面0.15 m處，選擇3°視場角的探頭垂直向下測量，以減少地面背景及其他地物對土壤光譜的影響，每次觀測前進行標準白板校正。

1.2.2數(shù)據(jù)分析。采用Savizky-Golay濾波對原始土壤光譜曲線進行平滑去噪處理。為更好地分析光譜數(shù)據(jù)與土壤含水量之間的相關(guān)性，對平滑后土壤光譜反射率分別進行倒數(shù)、對數(shù)、倒數(shù)對數(shù)和均方根等數(shù)學(xué)變換，再分別對其進行一階和二階微分變換，從而消除基線漂移或平滑背景的干擾。

將去噪處理后的土壤光譜反射率、反射率進行一階微分變換、反射率二階微分變換、倒數(shù)變換、倒數(shù)一階微分變換、倒數(shù)二階微分變換、對數(shù)變換、對數(shù)一階微分變換、對數(shù)二階微分變換、倒數(shù)對數(shù)變換、倒數(shù)對數(shù)一階微分變換、倒數(shù)對數(shù)二階微分變換、均方根變換、均方根一階微分變換和均方根二階微分變換等15種數(shù)學(xué)變換，結(jié)果作為尋找對土壤含水量變化敏感的高光譜指數(shù)。

1.2.3相關(guān)性分析。通過逐波段計算土壤的高光譜指數(shù)與土壤含水量的相關(guān)系數(shù)，篩選土壤含水量的特征波段。相關(guān)系數(shù)計算公式如下：

(1)

1.3土壤含水量的測定在測定土壤光譜的同時采集深度為0～20 cm的土壤樣品，并進行土壤保鮮包裝后帶回實驗室，以防土壤水分蒸發(fā)。筆者采用質(zhì)量含水量對土壤樣品進行研究，質(zhì)量含水量表示土壤中水分的質(zhì)量與干土質(zhì)量的比值，量綱為一。先在田間采集具有代表性的表層土壤樣品，并將土壤樣品放入鋁盒立即蓋好(預(yù)防水分蒸發(fā)影響測定結(jié)果)，稱重(即土加鋁盒重，記做m1)；實驗室內(nèi)，打開蓋，于105～110 ℃條件下烘至恒重，再稱重(即干土加盒重，記做m2)。3次重復(fù)采用質(zhì)量含水量公式計算土壤含水量。計算公式如下：

土壤含水量(%)=(m1-m2)/(m1-m0) ×100

(1)

式中，m0為烘干空鋁盒重量，g；m1為烘干前鋁盒及土樣質(zhì)量，g；m2為烘干后鋁盒及土樣質(zhì)量，g。

2結(jié)果與分析

2.1不同含水量土壤光譜特征從圖1可以看出，不同土壤含水量的光譜曲線在形態(tài)上趨于一致，在1 400和1 900 nm附近存在有明顯的波谷，在2 150 nm附近存在明顯的波峰。隨著土壤含水量的增大，土壤光譜反射率整體隨之降低。

圖1　不同含水量土壤光譜反射率曲線Fig.1　Spectral reflectivity curves of soil with different water content

2.2最佳波段選擇與分析計算土壤的11種高光譜指數(shù)與土壤含水量的相關(guān)系數(shù)，在不同波段上變化差異較大(見圖2)。

從圖2可以看出，所有類型的光譜反射率和光譜指數(shù)進行一階微分變換后，其與土壤含水量的相關(guān)性明顯高于原始反射率和光譜指數(shù)，且既有明顯的正相關(guān)關(guān)系，又有明顯的負相關(guān)關(guān)系，在0.01水平上均通過顯著性檢驗。這表明單一波段難以完全反映土壤含水量經(jīng)過一階微分變換后，放大了某些在原始光譜數(shù)據(jù)中細微的信息，因此微分變換后的波段與土壤含水量高度相關(guān)，據(jù)此可以篩選經(jīng)過提取土壤含水量的特光譜波段。確定相關(guān)關(guān)系正負峰值對應(yīng)的波段為不同變換形式土壤含水量的特征波段(表1)。

表1　光譜反射率及其變換形式與土壤含水量敏感波段

2.3土壤含水量光譜建模根據(jù)相關(guān)性分析的結(jié)果得到土壤光譜指標的特征波段，并建立相應(yīng)的土壤含水量光譜模型。從采集的84個土壤樣本中隨機選取60個樣本構(gòu)建土壤含水量的光譜模型，以特征波段作為自變量，實測的土壤含水量作為因變量，在保證相關(guān)系數(shù)r盡可能大的提前下，進行多元線性回歸，建立土壤含水量反演模型(表2)。

表2　不同自變量回歸模型

由表2可知，土壤含水量與光譜指數(shù)的特征波段呈現(xiàn)良好的線性關(guān)系，所有模型均通過0.01水平顯著性檢驗。根據(jù)回歸系數(shù)R最大和均方根誤差最小的原則，土壤含水量倒數(shù)一階微分模型的反演效果最好，因此可采用該模型反演土壤含水量。

2.4模型驗證由表2可知，倒數(shù)一階微分模型的穩(wěn)定性最好。采用未參與建模的24個土壤樣本單元為準真值，對反演模型的預(yù)測能力進行檢驗。從模型的預(yù)測值和實測值的線性相關(guān)性分析(圖3)可以看出，建模樣本基本上聚集在對角線附近，樣本相關(guān)系數(shù)R2=0.886，除了個別異常點，預(yù)測值和實測值的一致性良好。因此，該研究建立的土壤含水量遙感反演模型是有效的，且通過有效性檢驗，在一定程度上可以用來反演研究區(qū)土壤含水量。

圖3　土壤含水量模型預(yù)測值與實測值的線性相關(guān)性分析Fig.3　The correlations between model predicted values and measured values of soil water content

3結(jié)論

(1)不同含水量大小的土壤光譜特征曲線在形態(tài)上基本趨于一致；隨著土壤含水量的增加，土壤光譜反射率整體呈減小趨勢。

(2)對實測的土壤光譜數(shù)據(jù)采用倒數(shù)等11種數(shù)學(xué)變換，并與土壤含水量進行相關(guān)性分析，得出倒數(shù)一階微分變換的反射率與土壤含水量相關(guān)性最高，在1 655和2 197 nm相關(guān)系數(shù)最大。

(3)采用篩選出的特征波段為自變量，與土壤含水量進行線性回歸，構(gòu)建土壤含水量反演模型，模型精度驗證結(jié)果表明，預(yù)測值與實測土壤含水量的相關(guān)系數(shù)較高。特別是反射率倒數(shù)一階微分模型，在0.01的顯著性水平下相關(guān)系數(shù)為0.886，說明土壤含水量遙感反演模型在研究區(qū)預(yù)測效果良好。

參考文獻

[1] 鮑士旦.土壤農(nóng)化分析[M].3版.北京：中國農(nóng)業(yè)出版社，2003.

[2] 鄧輝，周清波.土壤水分遙感監(jiān)測方法進展[J].中國農(nóng)業(yè)資源與區(qū)劃，2004，25(3)：46-49.

[3] 劉培君，張琳，艾里西爾·庫爾班，等.衛(wèi)星遙感估測土壤水分的一種方法[J].遙感學(xué)報，1997，1(2)：135-138.

[4] 汪瀟，張增祥，趙曉麗，等.遙感監(jiān)測土壤水分研究綜述[J].土壤學(xué)報，2007，44(1)：154-62.

[5] 姚春生，張增祥，汪瀟，等.使用溫度植被干旱指數(shù)法(TVDI)反演新疆土壤濕度[J].遙感技術(shù)與應(yīng)用，2004，19(6)：473-478.

[6] 徐祎凡，施用，李云梅.基于環(huán)境一號衛(wèi)星高光譜數(shù)據(jù)的太湖富營養(yǎng)化遙感評價模型[J].長江流域資源與環(huán)境，2014，23(8)：1111-1118.

[7] 趙少華，張峰，王橋，等.高光譜遙感技術(shù)在國家環(huán)保領(lǐng)域中的應(yīng)用[J]. 遙感技術(shù)與應(yīng)用，2013，33(12)：3344-3347.

[8] 李志忠，楊日紅，黨福星，等.高光譜遙感衛(wèi)星技術(shù)及其地質(zhì)應(yīng)用[J].地質(zhì)通報，2009，28(2)：271-277.

[9] 甘甫平，王潤生.高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J].國土資源遙感，2007(4)：57-60.

[10] 姚云軍，秦其明，張自力，等.高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進展[J].農(nóng)業(yè)工程學(xué)報，2008，24(7)：301-305.

[11] 唐延林，黃敬峰.農(nóng)業(yè)高光譜遙感研究的現(xiàn)狀與發(fā)展趨勢[J].遙感技術(shù)與應(yīng)用，2001，16(4)：247-251.

作者簡介婁徑(1972- )，男，安徽合肥人，副研究員，從事遙感、資源環(huán)境區(qū)劃與管理研究。

收稿日期2016-04-08

中圖分類號S 152.7+1

文獻標識碼A

文章編號0517-6611(2016)13-099-03

Spectral Characteristics Analysis and Inversion of Soil Water Content in Arid Area

LOU Jing1, XU Jian-hui2, ZHOU Yan-lin1et al

(1. Anhui Economic Research Institute, Hefei, Anhui 230001; 2. School of Geographic Information and Tourism, Chuzhou University, Chuzhou, Anhui 293000)

Abstract[Objective] The aim was to establish soil water content remote sensing monitoring model. [Method] Taking Hengshan County in Shaanxi Province as the study area, based on measured spectral data in the field and measured soil water content in the laboratory, hyperspectral data was processed, spectral characteristics of soil water content were analyzed; spectral transformation of reciprocal, logarithm, root mean square and reciprocal first order differential was conducted on measured soil spectral reflectivity, the correlation between hyperspectral index and soil sample water content was analyzed. The spectrum characteristic wave band for soil moisture content was screened out, soil water content monitoring model was analyzed by using multiple linear regression. [Result] With the increase of soil water content, the spectral reflectance of soil decreased. The characteristic bands of soil moisture content and spectral index showed a good linear relationship, and all the models were tested by 0.01 levels of significance. The correlation coefficient between the predicted value and the measured water content was higher, especially for the first order differential model of the reflectivity, and the correlation coefficient was 0.886 under the significant level of 0.01. [Conclusion] The soil moisture retrieval model established in this study is feasible and effective, and can be used to retrieve the soil moisture content in the study area to a certain extent.

Key wordsArid area; Soil water content; High spectral; Spectral characteristics; Quantitative model