含鹽土壤鹽漬化雷達反演模擬研究

劉全明

(內(nèi)蒙古農(nóng)業(yè)大學(xué)水資源與水土工程研究所，內(nèi)蒙古呼和浩特 010018)

含鹽土壤鹽漬化雷達反演模擬研究

劉全明

(內(nèi)蒙古農(nóng)業(yè)大學(xué)水資源與水土工程研究所，內(nèi)蒙古呼和浩特 010018)

準(zhǔn)確、快速提取大范圍地表土壤鹽漬化空間分布是一個迫切需要解決的科學(xué)難題。本文以河套灌區(qū)解放閘灌域土壤鹽分雷達監(jiān)測為例，研究基于RADARSAT-2數(shù)據(jù)的鹽漬化信息提取，利用成熟的BP神經(jīng)網(wǎng)絡(luò)技術(shù)，建立四極化雷達影像灰度值反演土壤鹽分的人工智能模型，經(jīng)實測數(shù)據(jù)檢驗?zāi)軌蛟谝欢ǔ潭壬蠞M足鹽漬化監(jiān)測的需要，優(yōu)于傳統(tǒng)鹽漬土分類方法，可促進微波遙感在土壤鹽漬化監(jiān)測中的開拓應(yīng)用。

寒旱灌區(qū)；土壤鹽漬化；雷達反演

一、引 言

遙感技術(shù)由于具有觀測范圍廣、實時性強等特點適合用來研究土壤鹽漬化。國外鹽漬化研究始于20世紀(jì)70年代，國內(nèi)研究晚10多年。學(xué)者們在鹽漬化土壤光譜特征、遙感數(shù)據(jù)源及鹽漬化專題信息提取等方面取得不少成就：經(jīng)歷了從遙感圖像目視解譯到基于影像光譜特征的數(shù)字遙感圖像計算機自動分類處理的歷程；使用了熱紅外、可見光、多光譜及高光譜、微波等多源遙感數(shù)據(jù)源；采用目視解譯，數(shù)字圖像處理，基于地學(xué)知識發(fā)現(xiàn)、綜合地理信息分類等方法?？簯c等基于SPOT、ASTER多平臺數(shù)據(jù)和DEM、土壤樣品分析等多源數(shù)據(jù)，采用光譜角度制圖遙感分類方法對西部干旱試驗區(qū)鹽漬化分布進行了分類制圖[1]。布和敖斯?fàn)柼岢隽嘶谥R發(fā)現(xiàn)和決策規(guī)則基礎(chǔ)的鹽堿地GIS和遙感分類方法，經(jīng)對華北平原黑龍港地區(qū)鹽堿地分類研究發(fā)現(xiàn)，該方法具有簡化數(shù)據(jù)運算過程、減少人為誤差及節(jié)約時間的特點[2]。龐治國利用3S技術(shù)進行了吉林大安市鹽漬化調(diào)查與評價。吐爾遜·艾山使用BP神經(jīng)網(wǎng)絡(luò)進行了干旱區(qū)鹽堿土鹽分遙感反演[3]。關(guān)元秀等使用遙感監(jiān)測黃河三角洲鹽堿地動態(tài)變化[4]，在建立GIS與地下水動力模型的松散耦合系統(tǒng)的基礎(chǔ)上，結(jié)合土壤鹽漬化驅(qū)動力分析，建立了鹽漬化預(yù)測模型。駱玉霞等在GIS支持下，利用TM圖像進行了土壤鹽漬化分級[5]。王飛等建立了基于NDVI-SI特征空間的土壤鹽漬化遙感模型[6]。王靜等利用ANN技術(shù)和高光譜遙感進行了鹽漬土鹽分預(yù)測[7]，采用BP人工神經(jīng)網(wǎng)絡(luò)，結(jié)合實測鹽漬土光譜信息和含鹽量，對鹽漬土鹽分遙感反演模型進行了初步探討。周文佐采用數(shù)理統(tǒng)計方法，建立了土壤鹽漬化分時段預(yù)報模型，進行了黃河三角洲水鹽運動研究。張飛等作了干旱區(qū)綠洲土壤鹽漬化程度遙感定量評價工作。光學(xué)遙感不論是目視判讀還是計算機自動分類，都要依賴于鹽堿土的光譜響應(yīng)特征，而單純通過光譜響應(yīng)來提取土壤鹽堿化信息，具有一定局限性，且反演精度難以保證[8]。

在微波波段，土壤鹽分變化會影響土壤介電常數(shù)及土壤表面后向散射系數(shù)。這就為通過雷達遙感監(jiān)測土壤含鹽量的變化提供了可能，也解決了遙感數(shù)據(jù)源有限的問題，利用雷達影像進行鹽漬化監(jiān)測值得提倡。胡慶榮通過含水含鹽土壤介電特性試驗研究，把經(jīng)典的Doboson土壤混合介電模型擴展為含水含鹽土壤的混合介電模型，分析了吉蘭泰雷達圖像對土壤含鹽量的響應(yīng)[9]。熊文成通過建立含水含鹽(NaCl)土壤的介電常數(shù)模型，建立了土壤含水量、含鹽量與介電常數(shù)虛部的關(guān)系，然后得到反演模型，即得到了介電常數(shù)與雷達后向散射系數(shù)的關(guān)系[10]。

人工神經(jīng)網(wǎng)絡(luò)被廣泛用于解決各種非線性問題，以多波段、多極化雷達影像灰度值為神經(jīng)網(wǎng)絡(luò)參數(shù)值的嘗試用于土壤水鹽反演問題的研究。本文以黃河大型灌區(qū)(河套)解放閘灌域的區(qū)域性水土資源空間變異為案例，重點分析雷達影像灰度值與含鹽土壤鹽分的關(guān)系，建立不同極化雷達影像灰度值反演土壤鹽分的人工智能模型，以豐富鹽漬化監(jiān)測的理論與方法，并積極促進微波遙感在土壤鹽漬化監(jiān)測中的應(yīng)用與開拓。

二、案例分析

1.采樣系統(tǒng)設(shè)計

內(nèi)蒙古河套灌區(qū)水鹽運移屬于垂直入滲蒸發(fā)型，降雨量少、蒸發(fā)量大，在強烈的蒸發(fā)作用下，水分?jǐn)y帶鹽分向地表運移積聚，春季反鹽是灌區(qū)土壤次生鹽漬化的重要因素。灌區(qū)每年從4月中旬灌溉，到11月中下旬結(jié)束，根據(jù)作物需水規(guī)律進行灌溉，用水量最大的是秋澆，起壓鹽保墑作用。灌區(qū)土壤年內(nèi)水鹽運移變化復(fù)雜，了解夏灌(4—6月)前、秋澆(10中旬—11月中下旬)前土壤水鹽的分布狀況對灌區(qū)農(nóng)業(yè)生產(chǎn)和土壤改良有著深刻影響，并對年際間水鹽動態(tài)時空變異規(guī)律研究有一定的代表性。

研究區(qū)域設(shè)在黃河河套灌區(qū)內(nèi)的解放閘灌域。提前購置2012年11月29日RADARSAT-2精細(xì)四極化SGX格式雷達影像一景，與野外采樣時間對應(yīng)，相幅25 km×25 km，地面分辨率8 m。在室內(nèi)初步布設(shè)樣點的基礎(chǔ)上，野外用手持GPS接收機定位獲取50個可用采樣點的WGS-84經(jīng)緯度坐標(biāo)，在滿足合理采樣數(shù)的要求下，每個樣點處均勻取3個土樣取平均以消除取樣代表性誤差。取土深度為表土0～10 cm，土樣的測定分析項目為全鹽量，以反映土壤的鹽分變化。同時在每個采樣點測定了地表粗糙度，典型地物如鹽生植被、鹽漬地土壤等光譜曲線，為以后的光譜分析積累數(shù)據(jù)，并對采樣點的自然景觀進行拍照。采樣點布置如圖1所示。

圖1 沙壕渠試驗區(qū)采樣點雷達影像圖

2.試驗數(shù)據(jù)分析

本試驗購置的RADARSAT-2精細(xì)四極化雷達影像為SGX格式，雷達影像獨特的成像機理使得后處理較為復(fù)雜。對于定量遙感分析，雷達處理主要包括雷達影像定標(biāo)、幾何校正、斜距轉(zhuǎn)地距和濾波等。鑒于雷達圖像的DN值直觀地反映了地表后向散射系數(shù)，而DN值與后向散射系數(shù)存在著對應(yīng)關(guān)系，但其轉(zhuǎn)換處理較復(fù)雜，由于技術(shù)條件所限，本文未作定標(biāo)處理，直接使用中科院地面觀測站處理好的四極化灰度雷達影像圖，建立雷達灰度DN值(0—255)反演土壤鹽分含量的BP人工神經(jīng)網(wǎng)絡(luò)模型。土樣鹽分含量與四極化灰度值見表1。

表1 沙壕渠土壤四極化雷達影像灰度DN值與鹽分含量數(shù)據(jù)表

續(xù)表1

三、雷達土壤鹽分反演模型建立

由于植物—土壤—水分系統(tǒng)自身的復(fù)雜性，造成了遙感鹽分監(jiān)測的難度，特別是隨機分布的地表使得雷達入射波與地表的散射現(xiàn)象異常復(fù)雜，現(xiàn)有的鹽分遙感反演研究尚為學(xué)術(shù)界難題。BP神經(jīng)網(wǎng)絡(luò)被廣泛證明是一種非線性函數(shù)逼近的優(yōu)秀理論與方法，而土壤鹽分空間分布與后向散射特性存在著復(fù)雜的非線性函數(shù)關(guān)系，運用成熟的BP技術(shù)可以研究其非線性函數(shù)逼近問題，為本領(lǐng)域的研究提供了一種新的思維方法和建模手段。

由于BP神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)不唯一且收斂速度較慢的特點，在BP建模過程需針對具體情況確定網(wǎng)絡(luò)層數(shù)、各層的神經(jīng)元數(shù)、擬合誤差、學(xué)習(xí)速率等關(guān)鍵參數(shù)。經(jīng)優(yōu)化試驗，本文選用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱含層、輸出層。土壤鹽分含量隨樣點地理空間位置不同，而存在鹽分的空間變異性，同時土壤含鹽量與雷達灰度值有著復(fù)雜的響應(yīng)關(guān)系，綜合考慮多因素，確定輸入層由7個神經(jīng)元組成，包括采樣點大地坐標(biāo)B、L、大地高H 3個非遙感地理因子和4個灰度值DNHH、DNVV、DNHV、DNVH。隱含層神經(jīng)元數(shù)的確定目前尚無成熟的理論可依，一般使用試算法，按照神經(jīng)元數(shù)和訓(xùn)練次數(shù)較少、又能滿足訓(xùn)練誤差精度要求的原則，經(jīng)大量試算比對，獲取最少隱含層神經(jīng)元數(shù)為14個神經(jīng)元。輸出層為1個神經(jīng)元，對應(yīng)為采樣點的全鹽量。隱含層采用雙曲正切Sigmoid激活函數(shù)，輸出層采用線性激活函數(shù)。擬合目標(biāo)誤差采用0.05 mg/g，學(xué)習(xí)速率決定了訓(xùn)練中權(quán)值的變化量，針對標(biāo)準(zhǔn)BP訓(xùn)練方法可能陷入局部誤差極小值的缺點，用十幾種訓(xùn)練函數(shù)進行試算，最后選用自適應(yīng)修改學(xué)習(xí)速率算法中的快速訓(xùn)練函數(shù)traingda進行網(wǎng)絡(luò)的訓(xùn)練。

本文使用Matlab神經(jīng)網(wǎng)絡(luò)工具箱的函數(shù)編寫B(tài)P神經(jīng)網(wǎng)絡(luò)模型的計算程序，用試驗區(qū)內(nèi)50個采樣點數(shù)據(jù)，建立起3層BP神經(jīng)網(wǎng)絡(luò)模型，并選用快速訓(xùn)練函數(shù)traingda進行網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練。訓(xùn)練誤差滿足精度要求后，繪出訓(xùn)練誤差收斂圖(如圖2所示)、內(nèi)部誤差檢驗圖(如圖3所示)。計算用Matlab源程序代碼如下

圖2所示網(wǎng)絡(luò)經(jīng)64 325步學(xué)習(xí)訓(xùn)練達到0.05 mg/g擬定訓(xùn)練誤差目標(biāo)，可用于模擬估計。

圖2 土壤鹽分訓(xùn)練誤差收斂圖

圖3所示土壤鹽分模擬內(nèi)部檢驗最大誤差-2.58 cmol/kg(該點鹽分含量為明顯特異值，干擾并嚴(yán)重降低了內(nèi)部檢驗精度)，最小誤差為0；內(nèi)部檢驗平均絕對誤差值為0.30 cmol/kg，誤差小于0.30 cmol/kg的點數(shù)占64%。

圖3 土壤鹽分模擬內(nèi)部檢驗誤差圖

四、結(jié)束語

本文利用河套灌區(qū)夏灌前的四極化RADARSAT SAR雷達數(shù)據(jù)，通過試驗研究土壤全鹽量與雷達影像灰度值的響應(yīng)關(guān)系，建立了不同極化灰度值、非遙感因子與土壤全鹽量的人工神經(jīng)網(wǎng)絡(luò)模型，經(jīng)檢驗?zāi)M誤差64%均小于平均絕對誤差，其模擬結(jié)果用于快速監(jiān)測大范圍裸露地表土壤鹽漬化分布是可行的。這對指導(dǎo)灌區(qū)鹽漬化防治與農(nóng)業(yè)生產(chǎn)具有非常重要的科學(xué)意義與實用價值。由于缺乏微波網(wǎng)絡(luò)分析儀，無法同步測量土壤介電常數(shù)，進而未能應(yīng)用介電模型分析土壤鹽分的響應(yīng)特性，并耦合經(jīng)驗?zāi)Ｐ团c人工智能模型以提高鹽分模擬精度，這也是今后工作所努力的方向。

[1] 亢慶，于嶸，張增祥，等.基于多源數(shù)據(jù)的土地鹽堿化遙感快速監(jiān)測[J].遙感信息應(yīng)用技術(shù)，2005(6)：42-45.

[2] 布和敖斯?fàn)?基于知識發(fā)現(xiàn)和決策規(guī)則的鹽堿地遙感分類方法研究[J].中國圖象圖形學(xué)報：A輯，1999，4(11)：965-969.

[3] 吐爾遜·艾山.基于BP神經(jīng)網(wǎng)絡(luò)的干旱區(qū)鹽堿土鹽分遙感反演模型研究[D].烏魯木齊：新疆大學(xué)，2008.

[4] 關(guān)元秀，劉高煥.黃河三角洲鹽堿地動態(tài)變化遙感監(jiān)測[J].國土資源遙感，2003(2)：19-22.

[5] 駱玉霞，陳煥偉.GIS支持下的TM圖像土壤鹽漬化分級[J].遙感信息，2001(4)：12-15.

[6] 王飛，丁建麗，伍漫春.基于NDVI-SI特征空間的土壤鹽漬化遙感模型[J].農(nóng)業(yè)工程學(xué)報，2010，26(8)：168-174.

[7] 王靜，劉湘南，黃芳，等.基于ANN技術(shù)和高光譜遙感的鹽漬土鹽分預(yù)測[J].農(nóng)業(yè)工程學(xué)報，2009，25(12)：161-166.

[8] 張飛，塔西甫拉提·特依拜，丁建麗，等.干旱區(qū)綠洲土壤鹽漬化程度遙感定量評價[J].生態(tài)環(huán)境學(xué)報，2009，18(5)：1822-1829.

[9] 胡慶榮.含水含鹽土壤介電特性實驗研究及對雷達圖像的響應(yīng)分析[D].北京：中國科學(xué)院遙感所，2003.

[10] 熊文成.含水含鹽土壤介電特性實驗研究及反演研究[D].北京：中國科學(xué)院遙感所，2005.

[11] FARIFTEH J，F(xiàn)ARSHAD A，GEORGER R J.Assessing Salt-affected Soils Using Remote Sensing，Solute Modelling，and Geophysics[J].Geoderma，2006，130(3-4)：191-206.

[12] SHAO Yun，HU Qingrong，GUO Huadong，et al.Effect of Dielectric Properties of Moist Salinized Soils on Backscattering Coefficients Extracted from RADARSAT Image [J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(8)：1879-1888.

[13] HOLAH T N，BAGHDADI N，ZRIBI M，et al.Potential of ASAR/ENVISAT for the Characterization of Soil Surface Parameters over Bare Agricultural Fields[J].Remote Sensing Environment，2005，96(1)：78-86.

[14] JESTER W，KILK A.Soil Surface Roughness Measurement Methods，Applicability，and Surface Representation[J].Catena，2005，64(2-3)：174-192.

[15] 翁永玲，龔鵬.土壤鹽漬化遙感應(yīng)用研究進展[J].地理科學(xué)，2006，26(3)：369-375.

[16] 江紅南.基于3S技術(shù)的干旱區(qū)土壤鹽漬化時空演變研究[D].烏魯木齊：新疆大學(xué)，2007.

[17] 姚榮江，楊勁松，鄒平，等.區(qū)域土壤水鹽空間分布信息的BP神經(jīng)網(wǎng)絡(luò)模型研究[J].土壤學(xué)報，2009，46(5)：788-794.

[18] 李震，廖靜娟.合成孔徑雷達地表參數(shù)反演模型與方法[M].北京：科學(xué)出版社，2011.

[19] 劉全明.非參數(shù)統(tǒng)計理論與人工智能技術(shù)在水土空間變異中的應(yīng)用研究[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2009.

[20] 邵月紅.多普勒雷達降水反演及其與改進的區(qū)域氣候模式RIEMS的同化研究[J].測繪學(xué)報，2011，40 (5)：670.

On Radar Inversion and Simulation of Salty Soil Salinization

LIU Quanming

P237

B

0494-0911(2014)09-0043-04

2013-06-28

國家自然科學(xué)基金(51249007)；內(nèi)蒙古自然科學(xué)基金(2013MS0609)；內(nèi)蒙古農(nóng)業(yè)大學(xué)博士科研啟動基金(BJ09-25)

劉全明(1973—)，男，內(nèi)蒙古四子王旗人，博士，副教授，主要從事水土資源的空間變異理論與應(yīng)用研究。

劉全明.含鹽土壤鹽漬化雷達反演模擬研究[J].測繪通報，2014(9)：43-46.

10.13474/j.cnki.11-2246.2014.0290