干旱區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.安徽省經濟研究院，安徽合肥 230001；2.滁州學院地理信息與旅游學院，安徽滁州 293000)

?

干旱區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.安徽省經濟研究院，安徽合肥 230001；2.滁州學院地理信息與旅游學院，安徽滁州 293000)

摘要[目的]建立土壤含水量遙感監測模型。[方法]選取陜西省橫山縣作為研究區，以野外原位光譜測量數據和實驗室內測得的土壤含水量為基礎，進行高光譜數據處理，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、對數、均方根及其一階導數微分等光譜變化換，計算高光譜指數，并與土壤樣本含水量進行相關性分析，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測模型。[結果]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的特征波段呈良好的線性關系，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，預測值與實測含水量相關系數較高，特別是反射率倒數一階微分模型，在0.01顯著性水平下，相關系數為0.886。[結論]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土壤含水量。

關鍵詞干旱區；土壤含水量；高光譜；光譜特征；定量模型

土壤水分是決定農作物產量的重要因素之一，也是監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業、地理和環境等領域的熱點問題。然而，傳統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，雖然精度較高，但是測量周期較長，過程復雜，難以快速獲取數據。常規光學遙感監測技術[2-5]，監測波段少、光譜分辨率低，適合大面積土壤含水量的監測，對區域性或更小尺度的土壤含水量監測誤差較大。高光譜技術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。目前高光譜技術已應用于很多領域，如環境監測[6-7]、地質調查[8-9]、精細農業[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計模型，反演了土壤含水量，旨在為高光譜遙感技術在土壤遙感中的應用化提供理論依據。

1材料與方法

1.1研究區概況陜西省橫山縣(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，該區出露的巖層逐漸被剝蝕、搬運、沉積而呈現出“三沙七丘”的地貌景觀，風沙區位于境內西北部，黃土丘陵溝壑區位于中部和東南部。該區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)、建設用地等，主要土壤類型為黃綿土、綿沙土、黑壚土和風沙土。

1.2光譜數據采集與分析

1.2.1數據采集。不同含水量土壤光譜取樣選在天氣晴朗、無風無云的天氣，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。在橫山縣試驗區選擇地勢較平坦、土壤裸露區作為樣區，并考慮各種土地利用類型和土壤類型，每個樣區內選擇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數據分析。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據與土壤含水量之間的相關性，對平滑后土壤光譜反射率分別進行倒數、對數、倒數對數和均方根等數學變換，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、倒數變換、倒數一階微分變換、倒數二階微分變換、對數變換、對數一階微分變換、對數二階微分變換、倒數對數變換、倒數對數一階微分變換、倒數對數二階微分變換、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種數學變換，結果作為尋找對土壤含水量變化敏感的高光譜指數。

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

(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。筆者采用質量含水量對土壤樣品進行研究，質量含水量表示土壤中水分的質量與干土質量的比值，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(預防水分蒸發影響測定結果)，稱重(即土加鋁盒重，記做m1)；實驗室內，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次重復采用質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量，g；m2為烘干后鋁盒及土樣質量，g。

2結果與分析

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種高光譜指數與土壤含水量的相關系數，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進行一階微分變換后，其與土壤含水量的相關性明顯高于原始反射率和光譜指數，且既有明顯的正相關關系，又有明顯的負相關關系，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過一階微分變換后，放大了某些在原始光譜數據中細微的信息，因此微分變換后的波段與土壤含水量高度相關，據此可以篩選經過提取土壤含水量的特光譜波段。確定相關關系正負峰值對應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相關性分析的結果得到土壤光譜指標的特征波段，并建立相應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，在保證相關系數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的特征波段呈現良好的線性關系，所有模型均通過0.01水平顯著性檢驗。根據回歸系數R最大和均方根誤差最小的原則，土壤含水量倒數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，倒數一階微分模型的穩定性最好。采用未參與建模的24個土壤樣本單元為準真值，對反演模型的預測能力進行檢驗。從模型的預測值和實測值的線性相關性分析(圖3)可以看出，建模樣本基本上聚集在對角線附近，樣本相關系數R2=0.886，除了個別異常點，預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土壤含水量。

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

3結論

(1)不同含水量大小的土壤光譜特征曲線在形態上基本趨于一致；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據采用倒數等11種數學變換，并與土壤含水量進行相關性分析，得出倒數一階微分變換的反射率與土壤含水量相關性最高，在1 655和2 197 nm相關系數最大。

(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，構建土壤含水量反演模型，模型精度驗證結果表明，預測值與實測土壤含水量的相關系數較高。特別是反射率倒數一階微分模型，在0.01的顯著性水平下相關系數為0.886，說明土壤含水量遙感反演模型在研究區預測效果良好。

參考文獻

[1] 鮑士旦.土壤農化分析[M].3版.北京：中國農業出版社，2003.

[2] 鄧輝，周清波.土壤水分遙感監測方法進展[J].中國農業資源與區劃，2004，25(3)：46-49.

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

[4] 汪瀟，張增祥，趙曉麗，等.遙感監測土壤水分研究綜述[J].土壤學報，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法(TVDI)反演新疆土壤濕度[J].遙感技術與應用，2004，19(6)：473-478.

[6] 徐祎凡，施用，李云梅.基于環境一號衛星高光譜數據的太湖富營養化遙感評價模型[J].長江流域資源與環境，2014，23(8)：1111-1118.

[7] 趙少華，張峰，王橋，等.高光譜遙感技術在國家環保領域中的應用[J]. 遙感技術與應用，2013，33(12)：3344-3347.

[8] 李志忠，楊日紅，黨福星，等.高光譜遙感衛星技術及其地質應用[J].地質通報，2009，28(2)：271-277.

[9] 甘甫平，王潤生.高光譜遙感技術在地質領域中的應用[J].國土資源遙感，2007(4)：57-60.

[10] 姚云軍，秦其明，張自力，等.高光譜技術在農業遙感中的應用研究進展[J].農業工程學報，2008，24(7)：301-305.

[11] 唐延林，黃敬峰.農業高光譜遙感研究的現狀與發展趨勢[J].遙感技術與應用，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、資源環境區劃與管理研究。

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