土壤鹽分三維可視化研究進展

葉軒誠 蔣青松

摘 要：三維可視化在各個領(lǐng)域中均得到了大量的應(yīng)用，其能將復(fù)雜的數(shù)據(jù)以直觀的方式展現(xiàn)出來。該文先介紹了三維可視化技術(shù)在各個領(lǐng)域中的應(yīng)用情況及相關(guān)的一些算法;在土壤鹽分的研究中，使用EM38-MK2大地電導(dǎo)率儀，通過表觀電導(dǎo)率數(shù)據(jù)建立土壤電導(dǎo)率反演模型，是目前土壤鹽分研究最常用的方法之一;針對模型可信度的判斷，選取具有代表性的指標來檢驗，用指示克里格法與三維普通克里格法得出土壤鹽分的三維概率分布。因此，三維可視化研究對土壤鹽堿化治理具有一定的意義。

關(guān)鍵詞：三維可視化;土壤鹽分;反演模型;指示克里格法

中圖分類號 S156.4 文獻標識碼 A文章編號 1007-7731（2021）15-0147-03

Research Progress on Three-dimensional Visualization of Soil Salinity

YE Xuancheng et al.

（College of Information Engineering， Tarim University， Alar 843300， China）

Abstract： Three-dimensional visualization has been widely used in various fields， and it can display complex data in an intuitive way. This paper first introduces the application of 3D visualization technology in various fields and some related algorithms; in the study of soil salinity， the EM38-MK2 geodetic conductivity meter is used to establish a soil conductivity inversion model through apparent conductivity data. It is currently one of the most commonly used methods for soil salinity research; several representative indicators are selected to test the reliability of the model; and the indicator Kriging method and the 3D ordinary Kriging method are selected to obtain The 3D probability distribution of soil salinity. At the end of the paper， it is pointed out that 3D visualization research has certain significance for soil salinization management.

Key words： Three-dimensional visualization; Soil salinity; Inversion model; Indicator kriging

1 引言

自20世紀70年代起，有學(xué)者提出了土壤鹽漬化問題是影響全球灌溉農(nóng)業(yè)的主要問題之一[1]。此后，土壤的鹽漬化問題引起了越來越多的關(guān)注。在后期的研究中發(fā)現(xiàn)，土壤的生產(chǎn)力水平與土壤的質(zhì)量狀況關(guān)系密切[2]。要想對鹽漬化土壤進行改良、管理和優(yōu)化利用，對土壤的鹽分剖面進行空間變異進行評估就顯得尤為重要[3]。目前，環(huán)保與農(nóng)業(yè)相關(guān)的部門對土壤鹽分數(shù)據(jù)的圖表有大量的業(yè)務(wù)需求，但是人工的數(shù)據(jù)與報表分析的效率過低且由于土壤的鹽分數(shù)據(jù)通常帶有深度屬性，因此二維圖表已經(jīng)無法滿足三維土壤鹽分調(diào)查的需要。采用三維可視化技術(shù)則能直觀地表現(xiàn)出鹽分在土壤中的三維趨勢，作為一個三維自然綜合體，土壤在不同方向上的變異性都有較大的差別。通過三維可視化技術(shù)，能生動地表現(xiàn)出土壤鹽分三維信息上的變化。

2 三維可視化技術(shù)的應(yīng)用

傳統(tǒng)的數(shù)據(jù)分析手段會對復(fù)雜的數(shù)據(jù)進行簡化，忽略了數(shù)據(jù)的真實結(jié)構(gòu)，而通過三維可視化對高維數(shù)據(jù)的描繪，可以還原甚至增強數(shù)據(jù)的全局的結(jié)構(gòu)以及具體的細節(jié)[4]。通過可視化的表達，能將難以理解的數(shù)據(jù)變?yōu)閳D表，三維模型等更為直觀的表現(xiàn)形式。在1987年科學(xué)計算可視化首次提出以來[5]，這種通過計算機將復(fù)雜與抽象的數(shù)據(jù)轉(zhuǎn)變?yōu)橹庇^且更易于理解的方法，已被廣泛地應(yīng)用在各個領(lǐng)域。陳士杰使用聲吶圖像與數(shù)據(jù)，并通過OpenGL編程接口實現(xiàn)了三維融合與仿真顯示，實現(xiàn)了海底管道的三維科學(xué)檢測[6];張開仲通過使用Micro-CT三維可視化模型，得出了媒體微觀結(jié)構(gòu)的孔隙空間分布及演化特征[7];馬思然使用光線投射算法對肺部結(jié)節(jié)相關(guān)區(qū)域進行三維重建，提高了肺部疾病的診斷效率[8];于雪潤探討了在地學(xué)的三維可視化中的關(guān)鍵算法、模型設(shè)計和軟件設(shè)計與實現(xiàn)[9];李書欽使用OpenGL與NURBS曲面造型技術(shù)，實現(xiàn)了冬小麥的生長可視化[10]。

在有關(guān)土壤或地質(zhì)的研究方向上，三維可視化由于能更好且直觀地表現(xiàn)土壤中的各項參數(shù)，應(yīng)用十分廣泛。在研究土壤污染的相關(guān)研究中，通過分析由三維可視化構(gòu)建的模型，能快速地判斷潛在污染源的位置，加快工作效率。李洪義等在通過分析土壤的電導(dǎo)率時，使用三維反距離權(quán)重方法實現(xiàn)土壤鹽分的三維空間插值，并采用虛擬現(xiàn)實建模語言（VRML）進行可視化實現(xiàn)[11]。在新的三維可視化工具中，應(yīng)用JavaScript豐富的庫中的各種前端開發(fā)技術(shù)，可以使用Vue.js、D3.js、Raphael.js、Processing.js、EChart等技術(shù)實現(xiàn)在基于Web的可視化解決方案。使用Cesium技術(shù)，實現(xiàn)的土壤污染可視化系統(tǒng)能為土壤問題的防治、處理與警告提供幫助[12]。通過三維可視化技術(shù)的應(yīng)用，能夠為實際問題提供準確的技術(shù)支撐，提高數(shù)據(jù)的表現(xiàn)效果。

3 三維可視化中應(yīng)用到的算法

在三維結(jié)構(gòu)的恢復(fù)過程中，根據(jù)所要構(gòu)建的對象不同，有不同的算法。用隱函數(shù)方法（f（x，y，z）≥0）來描述三維歐氏空間實體在計算機圖形學(xué)中常用到，而f（x，y，z）=0則可以表示邊界。隱函數(shù)的剖切算法，在使用vtk Dataset Mapper中可以將處理完的數(shù)據(jù)映射至渲染引擎進行可視化呈現(xiàn)。

在土壤鹽分研究中，反距離權(quán)重法（Inverse Distance Weighting， IDW），是常用的三維插值方法之一。而由反距離權(quán)重發(fā)展而來的三維反距離加權(quán)法（3D-IDW）是在面對三維散點內(nèi)插的需求時最常用的技術(shù)之一。3D-IDW的公式如下：

[F（x，y，z）=i=1nwifi] （1）

其中，n為分散點的數(shù)量，fi為指定的分散點上的函數(shù)值，wi為每個分散點的權(quán)重函數(shù)。權(quán)重函數(shù)的公式為：

[wi=h-pi/i=1nh-pi] （2）

P為加權(quán)指數(shù)（任意的實數(shù)），一般默認為2，hi為散射點至插值點的距離，其公式為：

[hi=（x-xi）2+（y-yi）2+（z-zi）2] （3）

其中，（x，y，z）為插值點坐標，（xi，yi，zi）為散點坐標。

4 土壤鹽分的數(shù)據(jù)處理方法

4.1 EM38-MK2工作原理 在土壤鹽分剖面的三維可視化研究中，通過EM38-MK2測量土壤表觀電導(dǎo)率，能夠通過不同土壤深度的表觀電導(dǎo)率數(shù)據(jù)來直接表征土壤鹽分的剖面類型[13]。不同以往的田間采樣與室內(nèi)分析結(jié)合的方法，該方法減少了工作量，提升了土壤鹽漬化信息獲取的效率。大地電導(dǎo)儀EM38-MK2能在地表從信號發(fā)射（T）發(fā)射出原生磁場，再由信號接收端（R）接收在大地中由原生磁場生成的次生磁場。次生磁場（Hs）與原生磁場（Hp）的比值與大地電導(dǎo)率（ECa）之間的線性關(guān)系[14]可以表示為：

[ECa=4（Hs/HP）/ωμ0S2] （4）

式中：[ω=2πf]，f為發(fā)射頻率（Hz）;S為發(fā)射端與接收端之間的距離（m）;[μ0]為空間磁場傳導(dǎo)系數(shù)。

4.2 土壤樣品的處理 在反應(yīng)土壤鹽漬化特性上，由于土壤鹽分與泥漿飽和溶液的電導(dǎo)率的情況有著直接的相關(guān)性，且EM38-MK2所測量的大地電導(dǎo)率實質(zhì)為土壤中游離電解質(zhì)的含量，所以使用飽和泥漿電導(dǎo)率（ECe）來反映其特征。在將土樣取得后，土樣需要經(jīng)過風(fēng)干、粉碎、過篩后使用。土壤電導(dǎo)率的測定需要配置1∶5的土水比浸提液，再進行回歸分析、檢驗數(shù)據(jù)正態(tài)分布狀況及進行半方差函數(shù)擬合。EM38-MK2在實際測量時還能測出土壤體積含水量（θ，m3m-3），類似于鹽分測量，針對θ的測量時，可以利用多元線性回歸（MLR）、支持向量機（SVM）等數(shù)學(xué)模型，來確定θ與反演電導(dǎo)率之間的關(guān)系[15]。

5 基于三維可視化的土壤鹽分評估方法

5.1 對模型的評估 利用模型對土壤鹽分評判精度的重要指標：決定系數(shù)（Determination coefficient， R2）、均方根誤差（Root mean square error， RMSE）、相對分析誤差（Relative percent deviation，RPD）。RPD的值是判斷模型預(yù)測精度的一個重要指標，當RPD<1.5，模型無效，RPD值每上升0.5，模型的精度就上升一個等級;RPD>3時，表明模型的精度極好。對于其他指標，R2值越大、RMSE值越小，說明模型預(yù)測能力強且穩(wěn)定性好。指標公式如下：

均方根誤差：

[RMSE=1mi=1m（si-oi）2] （5）

其中，Si表示預(yù)測值，Oi表示實測值。

決定系數(shù)：

[R2=i=1Nz（si）-z（si）ave（z*（si）-z*（si）ave）i=1Nz（si）-z（si）ave（z*（si）-z*（si）ave）22] （6）

標準誤差（Standard error）：

[SD=i=1N（z（si）-z（si）ave）2n-1] （7）

相對分析誤差：

[RPD=SDRMSE] （8）

5.2 對土壤鹽分的評估 在通過分析不同時期土壤剖面電導(dǎo)率數(shù)據(jù)后，使用指示克里格法對土壤鹽分三維離散數(shù)據(jù)進行指示變換。其用于估計待測值在給定位置U上不大于特定閾值Zk的概率。在指示克里格中，需要先將空間變量Z（u）轉(zhuǎn)變成有二元響應(yīng)的指示變量[16]：

[I（u，zk）=1，Z（u）≤zk，k=1，2....n0，otherwise] （9）

之后將不同時期的指示變換值使用三維普通克里格插值，以此得出土壤鹽分的三維概率分布數(shù)據(jù)。在后期可視化的過程中，可以通過該概率分布數(shù)據(jù)，制作出土壤鹽分的三維推測圖像，對制定往后的土壤改良或灌溉計劃都有指導(dǎo)性的作用。

6 結(jié)語

對土壤進行三維可視化是數(shù)字農(nóng)業(yè)的重要部分。對土壤鹽分進行調(diào)查與分析，是土壤鹽堿化防治的重點，其中確定鹽漬化土壤的分布與范圍是調(diào)查分析最為重要的一個環(huán)節(jié)。本文在對土壤電導(dǎo)率進行三維建模后，將三維離散的土壤鹽分數(shù)據(jù)進行插值，最后通過三維可視化手段將結(jié)果展示出來，能更好地顯示出場景的連續(xù)性，補足土壤鹽分在垂直方向上的變化情況，從而為土壤的鹽堿化防治決策提供有力依據(jù)。

參考文獻

[1]Maas E V， Hoffman G J.Crop salt tolerance：evaluation of existing data[C].Managing Saline Waterfor Irrigation， Proceedings of the International Salinity Conference，1977.

[2]楊勁松.中國鹽漬土研究的發(fā)展歷程與展望[J].土壤學(xué)報，2008，45（5）：837-845.

[3]M. Devkota， C.Martius， R K. Gupta， et al. Managing soil salinity with permanent bed planting in irrigated production systems in Central Aisa[J].Agriculture Ecosystems &Environment，2015，202：90-97.

[4]陳為，沈則潛，陶煜波，等.數(shù)據(jù)可視化[M].北京：電子工業(yè)出版社，2019：26-27.

[5]Defanti T A，Brown M D.Visualization in Scientific Computing[J].Advances in Computers，1991，33（10）：247-305.

[6]陳士杰.海底管道探測與三維可視化技術(shù)的研究與實現(xiàn)[D].杭州：浙江大學(xué)，2020.

[7]張開仲.構(gòu)造煤微觀結(jié)構(gòu)精細定量表征及瓦斯分形輸運特性研究[D].徐州：中國礦業(yè)大學(xué)，2020.

[8]馬思然，楊媛媛，倪揚帆，等.肺結(jié)節(jié)智能檢測和三維可視化系統(tǒng)設(shè)計與實現(xiàn)[J].計算機測量與控制，2020，28（9）：177-181.

[9]于雪潤.地學(xué)空間數(shù)據(jù)三維可視化關(guān)鍵算法研究及軟件研發(fā)[D].合肥：合肥工業(yè)大學(xué)，2019.

[10]李書欽.小麥生長模擬模型與三維可視化技術(shù)研究[D].北京：中國農(nóng)業(yè)科學(xué)院，2017.

[11]李洪義， 顧呈劍，但承龍，等.基于VRML的土壤電導(dǎo)率三維空間變異性虛擬實現(xiàn)建模研究[J].土壤學(xué)報，2015，52（4）：776-782.

[12]尤其浩.基于WebGIS的土壤污染評價與三維可視化系統(tǒng)研究[D].杭州：浙江大學(xué)，2020.

[13]劉新路，馮春暉，吳家林，等.基于電磁感應(yīng)數(shù)據(jù)棉田土壤鹽分剖面時空變異特征研究.[J].中國土壤與肥料，2020，1：17-23.

[14]呂真真，楊勁松，劉廣明.基于EM38-MK2的濱海土壤電導(dǎo)率精確解譯模型[J].排灌機械工程，2014，32（10）：894-900.

[15]Ehsan Zare，Maryam Arshad，Dongxue Zhao， et al. Two-dimensional time-lapse imaging of soil wetting and drying cycle using EM38 data across aflood irrigation cotton field[J].Agricultural Water Management，2020，241：1-12.

[16]Goovaerts P. Geostatistics for natural resources evaluation[M]. Oxford University Press onDemand，1997.

（責(zé)編：張宏民）

基金項目：中央高校專項基金中農(nóng)-塔大聯(lián)合項目“基于近地傳感-模型耦合的南疆農(nóng)田土壤鹽分監(jiān)測與三維制圖”（ZNLH201904）;國家自然科學(xué)基金項目“鹽分對南疆土壤有機質(zhì)高光譜特征與定量反演的影響及方法研究”（41361048）。

作者簡介：葉軒誠（1996—），男，浙江義烏人，在讀碩士，研究方向：農(nóng)業(yè)工程與信息技術(shù)。 *通訊作者 ?收稿日期：2021-04-28