基于小波變換的GNSS ZTD與土壤水含量相關性初探

王軒,婁澤生

(1.河南理工大學 測繪與國土信息工程學院,河南 焦作454000;2.天津城建大學 地質與測繪學院,天津300384)

0 引 言

我國是一個傳統(tǒng)農業(yè)大國,土壤水含量對于農業(yè)生產和保障糧食生產具有重要意義.土壤水含量是農業(yè)干旱最主要的檢測指標,客觀、準確、及時地了解土壤水含量對農業(yè)生產具有重要意義[1]．蒸騰蒸發(fā)是土壤水消耗的重要因素之一[2-3],土壤相對濕度受大氣等因素影響[4]且與空氣濕度等氣象要素相關[5],土壤水含量正異常造成蒸發(fā)加大,能夠影響空氣濕度[6],同樣基于常規(guī)氣象觀測對于反演土壤水含量具有很強可實踐性[7],而大氣水汽含量與全球衛(wèi)星導航系統(tǒng)天頂對流層延遲(GNSS ZTD)有很好的相關性[8],GNSS ZTD可以反演大氣可降水含量,ZTD變化可以反映水汽的可降水變化[9]．目前利用GNSS研究土壤水含量主要方法是利用GNSS信號的干涉、反射建立反演模型[10-12],沒有利用GNSS信號解算后數據與土壤水含量開展相關方面研究,本文利用通過Gamit軟件解算GNSS信號得到的ZTD數據與土壤水含量進行相關性研究．通過對GNSS數據的處理應用,利用ZTD與土壤水含量的相關性,可用于土壤水含量反演,為反演土壤水含量提供參考價值,也為農業(yè)研究和農業(yè)生產提供參考依據．

1 數據來源和研究方法

1.1 數據來源

研究數據主要包括:GNSS對流層延遲數據和土壤水含量數據

1)GNSS ZTD數據:ZTD數據來源于中國大陸環(huán)境構造監(jiān)測網絡,數據包括站點名稱,站點坐標,數據采集時間,ZTD數據(單位為:mm)等信息．數據采集密度為12次/天,0點開始完成第一次后2小時/次,等間隔時間采集數據,ZTD數據在時間上與土壤水含量數據能夠保持一致.因土壤水含量采集試驗區(qū)域位置原因,本文只采用中國大陸環(huán)境構造監(jiān)測網絡NMEL站點進行相關分析,數據采集坐標如表1所示,能夠保證數據的時空有效性．

2)土壤水含量數據:土壤水含量來源于中科院遙感與數字地球研究所閃電河流域土壤水分檢測試驗區(qū),試驗區(qū)位于內蒙古自治區(qū)正藍旗．數據包括采集時間,采集深度,土壤溫度和土壤水分(單位為:m3·m-3)含量等信息．數據采集密度為144次/分鐘,0點開始第一次后10 min/次等間隔時間采集．為保證土壤水數據與GNSS ZTD數據時序性一致,將土壤水含量數據提取為12次/天．因GNSS數據與土壤水含量數據不完整,本文截取2018年11月—2019年1月數據進行分析,GNSS數據采集站點坐標和土壤水含量數據采集點坐標及采集時間等信息詳見表1,其中S03和S05站點缺少2018-12-22—2019-01-01土壤水數據,本文將該時間段數據舍去未作分析．

表1 GNSS和土壤水含量數據采集時間和站點坐標

1.2 研究方法

本文主要運用小波變換的方法分解ZTD數據,小波變換是一種分析信號時間-頻率的方法,在時頻兩域表現信號特征．本文選用DbN小波對ZTD數據做小波變換,分解后得到高頻項和低頻項,高頻項主要由干擾噪聲、異常突變、周期變化和隨機波動等構成,而低頻項反映了ZTD的主要特征及演變趨勢．本文運用其低頻項與土壤水含量數據進行相關性分析,本文選擇緊支撐標準正交小波DbN小波系,Db7小波來分解ZTD數據,分解層數為10層．

1.3 相關性分析

相關性分析是指兩個或多個具有相關性的變量元素進行分析,從而衡量兩個變量因素的相關密切程度．本文利用SPSS軟件進行相關性分析,選用Pearson相關系數和雙尾顯著性檢驗．Pearson相關值在-1和+1之間,大于0為正相關,小于0為負相關,等于0則表示不相關,絕對值越大表示相關程度越高．同時看相關性檢驗值是否小于0.05,小于0.05意味著兩個變量存在顯著相關關系,如果大于等于0.05,意味著無關系．

2 ZTD與土壤水含量相關性分析

2.1 GNSS ZTD與土壤水含量比較分析

由圖1(b)、(d)可知,GNSS ZTD與土壤水含量變化趨勢基本相同,從2018-11-03—2019-01-26都呈波動下降后趨于穩(wěn)定趨勢．由圖1(b)、(d)可以看出，GNSS ZTD變化相對于土壤水含量有延遲．而由圖1(a)和圖1(c)可以看出，2019年GNSS ZTD大幅升高,而土壤水含量變化不明顯,趨勢平穩(wěn)．查看GNSS ZTD異常時間，發(fā)現正藍旗2018-11-03—2018-11-04、2018-11-14、2018-12-05、2018-12-31和2019-01-14均發(fā)生降水,降水發(fā)生前GNSS ZTD會升高[13]．所以由圖1可看出GNSS ZTD與土壤水含量的變化趨勢基本一致,可以進行相關性分析．

(a)L04 (b)S03

(c)S04 (d)S05圖1 GNSS ZTD與土壤水含量

由表2可知GNSS ZTD與土壤水含量存在統(tǒng)計相關性,但相關系數較低,不能利用GNSS ZTD數據進行土壤水含量方面研究工作,所以本文先利用小波分解GNSS ZTD數據,再將其低頻項特性,與土壤水含量進行相關性分析．

表2 不同站點、深度土壤水含量與GNSS ZTD相關性

注:所有相關性實驗檢驗值都為0.00<0.01．

2.2 小波分解后GNSS ZTD與土壤水含量比較分析

由圖2(a)、(b)、(d)可知GNSS ZTD經小波分解后的趨勢項與土壤水含量變化趨勢基本相同,在本文研究時間段內都呈下降趨勢,由圖2(a)可看出GNSS ZTD經小波分解后趨勢項呈上凸式下降,與土壤水含量的變化趨勢相同;由圖2(b)(d)可以看出經小波分解后的GNSS ZTD變化趨勢呈下凹式下降,與土壤水含量變化趨勢相同．結合圖2(a)、(b)、(d)可以看出小波分解后的GNSS ZTD與50 cm土壤水含量變化趨勢吻合程度較高．

(a)L04 (b)S03

(c)S04 (d)S05圖2 小波分解后GNSS ZTD趨勢項和土壤水含量

由表2、表3對比分析可知,小波分解后GNSS ZTD與土壤水含量相關性大幅提高,且于50 cm土壤處相關性最高．L04、S03和S05站土壤水含量與GNSS ZTD存在正相關關系,但是S04站土壤水含量與GNSS ZTD為負相關關系．結合圖2(c)可以看出經小波分解后GNSS ZTD的趨勢項呈上升趨勢,而該站點土壤水含量呈下降趨于平緩趨勢．造成該現象的原因為：2018-11-03—2018-11-04、2018-11-14、2018-12-05、2018-12-31和2019-01-14發(fā)生降水,降水會造成該地區(qū)空氣濕度增加[2,6],而試驗區(qū)冬季降水以雪的形式發(fā)生,不能快速滲入土壤補充土壤水含量,造成兩者相關性為負值．

表3 小波分解后GNSS ZTD與土壤水含量相關性

注:顯著性檢驗值都為0.00<0.01．

3 結 論

本文利用GNSS ZTD與土壤水含量數據,運用小波變換后進行相關性分析,得到結論:研究區(qū)域月時間尺度內,GNSS ZTD與土壤水含量存在相關性,降水等天氣變化能夠在短時間影響其相關性,小波分解后GNSS ZTD的低頻趨勢項與土壤水含量相關性較高,能夠體現出土壤水含量的變化趨勢．

因土壤水含量數據較少,本文所作研究為GNSS ZTD與土壤水含量月時間尺度內的相關性,且本文研究區(qū)域較小,大區(qū)域范圍的長時序研究更能體現其相關性．