基于水云模型的農田地表土壤水分監測研究

王曉菲

摘要：目前，農田地表土壤水分監測方法存在操作復雜、監測范圍受限的問題。對此，文章提出了一種基于水云模型的農田地表土壤水分監測方法。首先，文章將土壤樣本的投影值與土壤的含量分級表進行對照，判定土壤的基礎屬性；然后，通過離心法計算不同吸力下的土壤含水率，確定土壤體積含水量和土壤水勢的關系；最后，根據土壤水分的空間分布特征的分析結果，采用水云模型對農田地表土壤中的水分狀況進行監測。實驗結果表明，實驗組在4種深度下土壤水分含量的監測精度均高于95%，說明文章方法監測性能較好。

關鍵詞：水云模型；農田地表；土壤水分監測；多數據協同

中圖分類號：TP183文獻標志碼：A

0 引言

農田地表土壤水分監測是農業生產管理和水資源管理中至關重要的一環。隨著農業現代化、信息技術和數據分析方法的不斷發展，針對農田土壤水分進行精準監測和預測的需求日益突出^[1]。李菁等^[2]研究了基于MODIS干旱指數與徑向基函數網絡（Radial Basis Function Network，RBFNN）方法的土壤水分遙感監測，將MODIS遙感干旱監測指數結合徑向基函數神經網絡協同反演土壤相對濕度。馬儀等^[3]基于無人機-衛星遙感升尺度進行土壤水分監測，分別采用重采樣和TsHARP升尺度法構建不同土壤深度下無人機-衛星升尺度土壤含水率反演模型。但是上述方法存在成本高、操作復雜、監測范圍受限等問題，使得土壤水分監測性能較差。

水云模型不僅可以結合遙感數據、氣象數據、土壤數據等多源數據，實現對土壤水分的多源合成監測，還能夠通過建立土壤水分模型，實現對未來一段時間內土壤水分的預測，對農田灌溉和作物種植提供有力支持。為此，本文研究了基于水云模型的農田地表土壤水分監測。

1 農田地表土壤水分監測

首先，文章將土壤樣本的投影值與土壤的含量分級表進行對照，判定土壤的基礎屬性；然后，利用離心法計算不同吸力下的土壤含水率；最后，采用水云模型建立土壤水分模型以實現土壤水分的預測，為農業生產提供科學的決策支持。

1.1 土壤基礎屬性分析

收集農田地表土壤后，本文對地表土壤的基礎屬性進行分析計算。本文通過對比土壤樣本的投影值和土壤含量分級表，完成了對土壤基礎屬性的識別。

首先，假定｛x_ij|i=1，…，n，j=1，…，m｝是樣本集，x_ij是第i個樣本的第j個指標值，使用每個指標數據的最大值對該指標進行標準化處理。

然后，使用數量為x的多維單位向量a=a₁，a₂，…，a_m表示某一投影方向，利用式（1）可計算樣本i在該方向上的投影值。這種方式可以將多維的樣本數據投影到一個低維的空間中，從而簡化數據的復雜性。

其中，Z_i為土壤基礎數據投影方向上的投影值。根據式（2）可得投影值的標準差S′（a），標準差是衡量數據離散程度的統計量，通過該指標可獲得數據分布的廣度或寬度，其計算方式為：

其中，Z_i為土壤基礎數據投影方向上的投影值的平均值。而投影值的局部密度可以表征數據在某一特定區域內的密集程度或稀疏程度，其計算方式為：

其中，D（a）表示上述土壤基礎數據投影值的局部密度，而r_ik=|z_i-z_k|，R為半徑，那么r_max+m/2≤R≤2m，函數f為投影系數。

投影指標函數Q（a）可用S′（a）與D（a）的乘積來表示，結合投影值和局部密度，從而形成一個新的投影指標函數。這個函數可以提供更多關于數據的信息，以觀察到土壤屬性在不同地區或不同類型土壤中的分布情況。即：

最后，基于最佳投影方向計算全國土壤基本屬性分級標準值的投影值，本文建立了基于投影值的等級評價和分區方法。

1.2 基于水云模型的農田地表土壤水分監測

本節以上述的土壤屬性分析為基礎，對土壤中水分空間的分布特征進行分析^[3]。通過對土壤水分空間分布特征進行分析，可以獲得不同區域的土壤水分含量數據，這些數據對于構建準確性較高的土壤水分監測模型至關重要，是模型構建的基礎。

離心法基于土壤顆粒與水分間的物理相互作用原理，通過烘干、稱重和離心等操作，計算各吸力條件下的土壤含水率，并分析水分在土壤中的分布特征。首先，在農田地表設置采樣點，選擇不同地區和深度的土層作為樣本^[4]。將新鮮土樣稱重后分樣，置于105～110 ℃烘箱中烘干8～10 h后恒重。通過離心使土樣水分平衡后稱重，計算不同吸力下的土壤含水率^[5-6]。該過程的計算公式為：

其中，θ_m為土壤重量含水量（cm²/cm²），g_w為土壤水重（g），g_s為干土重（g）。則通過指數關系式表示出土壤體積含水量θ和土壤水勢ψ的關系，其表達式為：

其中，θ為土壤體積含水率（cm²/cm²），θ_s為土壤飽和含水率（cm²/cm²），θ_r為土壤殘余含水率（cm²/cm²），ψ是土壤基質勢，ψ_b是有空氣進入時的土壤基質勢，λ是系數。

基于上述土壤水分空間分布特征的分析結果，得到不同區域的土壤水分含量數據，以此為基礎數據，本文構建了基于水云模型的農田地表土壤水分監測模型。水云模型將地表土壤水分監測問題轉化為反演問題，利用地表土壤屬性數據進行推斷。核心參數是云量和云高，通過算法獲取，將遙感數據中的云量和云高與地表和植被參數聯系起來，得出土壤水分估計結果^[7]。水云模型如式（7—8）所示。

其中，σ⁰表示總后向散射系數，σ⁰_veg表示為地表植被后向散射系數，σ⁰_soil表示裸土后向散射系數，τ表示雙向衰減系數，A表示植被反射率，B表示衰減因子，V₁、V₂表示植被描述參數，θ表示入射角。

當以植被含水率描述植被冠層時，可認為冠層是由尺寸一致的、均質的水云組成，則簡化后的水云模型可表示為：

其中，D表示反映地表粗糙度、極化方式、頻率、入射角的參數，m_veg表示為植被冠層含水率，SM表示為土壤含水率。則土壤水分反演模型為：

通過計算該模型，本文所提方法可以精確地監測和預測農田地表土壤中的水分狀況。

2 實驗論證

2.1 實驗說明

為驗證設計監測方法的有效性，本實驗將160個土壤樣本數據按照2∶1原則分為建模集樣本與驗證集樣本，并選用本文設計的基于水云模型的農田地表土壤水分監測方法作為實驗組，基于MODIS干旱指數與RBFNN的土壤水分監測方法作為對照組進行對比分析測試。

2.2 實驗指標

土壤水分含量的監測精度是測量結果與真實值之間的接近程度，數值越接近100%表示測量結果與真實值的接近程度越高，準確性越好，其計算表達式為：

其中，Nc表示監測值，N表示實際值。

2.3 實驗結果

2種方法在不同深度下的水分監測結果如表1所示。

由表1可以看出，在不同的監測深度下，實驗組監測精度均高于95%，而對照組的監測精度最高僅為90.66%，最低為68.09%；采用本文設計方法時，平均監測精度比對照組平均監測精度提高了19.76%。由此可見，本文設計方法能夠更準確地監測農田地表的土壤水分。

3 結語

本文對基于水云模型的農田地表土壤水分監測方法進行了研究。首先，將土壤樣本的投影值與事先制定的土壤含量分級表進行對比，確定土壤基礎屬性。然后，通過采用離心法在不同吸力條件下計算土壤含水率，進一步確定土壤體積含水量和土壤水勢之間的關系。最后，利用基于水云模型對農田地表土壤的水分狀況進行監測。實驗結果表明：實驗組監測精度均高于95%，表明本文設計方法能夠更準確地監測農田地表的土壤水分，得到貼合實際的地表農田水分含量數據。

參考文獻

[1]沙莎，胡蝶，王麗娟，等.河南省土壤水分遙感監測方法研究[J].氣象與環境科學，2023（1）：91-99.

[2]李菁，任義方，戴竹君，等.基于MODIS干旱指數與RBFNN方法的江蘇冬小麥需水關鍵期土壤水分遙感監測應用[J].干旱地區農業研究，2022（6）：251-257.

[3]馬儀，黃組桂，賈江棟，等.基于無人機-衛星遙感升尺度的土壤水分監測模型研究[J].農業機械學報，2023（6）：307-318.

[4]張淑，周忠發，王玲玉，等.多時相SAR的喀斯特山區耕地表層土壤水分反演[J].自然資源遙感，2022（3）：154-163.

[5]趙學琳，王甜甜，孟文婷，等.毛烏素沙地楊柴和黑沙蒿灌叢土壤水分狀況及水量監測[J].新疆農業科學，2021（5）：937-946.

[6]王中金，吳蘇，吳東麗，等.低緯度高原宇宙線快中子土壤水分監測方法適宜性研究[J].中國生態農業學報（中英文），2022（8）：1328-1335.

[7]王敏敏.無人機多光譜數據在農田土壤水分遙感監測分析[J].華東科技（綜合），2021（5）：15.

（編輯 王雪芬編輯）

Research on monitoring surface soil moisture in farmland based on water cloud model

Wang? Xiaofei

（School of Information Engineering， Zhoukou Vocational and Technical College， Zhoukou 466000， China）

Abstract：? At present， there are problems with complex operation and limited monitoring range in the monitoring methods of farmland surface soil moisture. Therefore， this paper proposes a monitoring method of farmland surface soil moisture based on water cloud model. Firstly， by comparing the projected values of soil samples with the soil content classification table， the basic soil properties are distinguished. Then， the soil moisture content under different suction forces is calculated using the centrifugal method to determine the relationship between soil volumetric moisture content and soil water potential. Finally， based on the analysis of the spatial distribution characteristics of soil moisture， a water cloud model is used to monitor the water status in the surface soil of farmland. The experimental results show that the monitoring accuracy of soil moisture content in the experimental group is higher than 95% at all four depths， indicating that the monitoring performance of the method proposed in this paper is good.

Key words： water cloud model; farmland surface; soil moisture monitoring; multi-data collaboration