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域中均得到了大量的應用，其能將復雜的數據以直觀的方式展現出來。該文先介紹了三維可視化技術在各個領域中的應用情況及相關的一些算法;在土壤鹽分的研究中，使用EM38-MK2大地電導率儀，通過表觀電導率數據建立土壤電導率反演模型，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，有學者提出了土壤鹽漬化問題是影響全球灌溉農業的主要問題之一[1]。此后，土壤的鹽漬化問題引起了越來越多的關注。在后期的研究中發現，土壤的生產力水平與土壤的質量狀況關系密切[2]。要想對鹽漬化土壤進行改良、管理和優化利用，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，環保與農業相關的部門對土壤鹽分數據的圖表有大量的業務需求，但是人工的數據與報表分析的效率過低且由于土壤的鹽分數據通常帶有深度屬性，因此二維圖表已經無法滿足三維土壤鹽分調查的需要。采用三維可視化技術則能直觀地表現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，能生動地表現出土壤鹽分三維信息上的變化。

2 三維可視化技術的應用

傳統的數據分析手段會對復雜的數據進行簡化，忽略了數據的真實結構，而通過三維可視化對高維數據的描繪，可以還原甚至增強數據的全局的結構以及具體的細節[4]。通過可視化的表達，能將難以理解的數據變為圖表，三維模型等更為直觀的表現形式。在1987年科學計算可視化首次提出以來[5]，這種通過計算機將復雜與抽象的數據轉變為直觀且更易于理解的方法，已被廣泛地應用在各個領域。陳士杰使用聲吶圖像與數據，并通過OpenGL編程接口實現了三維融合與仿真顯示，實現了海底管道的三維科學檢測[6];張開仲通過使用Micro-CT三維可視化模型，得出了媒體微觀結構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節相關區域進行三維重建，提高了肺部疾病的診斷效率[8];于雪潤探討了在地學的三維可視化中的關鍵算法、模型設計和軟件設計與實現[9];李書欽使用OpenGL與NURBS曲面造型技術，實現了冬小麥的生長可視化[10]。

在有關土壤或地質的研究方向上，三維可視化由于能更好且直觀地表現土壤中的各項參數，應用十分廣泛。在研究土壤污染的相關研究中，通過分析由三維可視化構建的模型，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率時，使用三維反距離權重方法實現土壤鹽分的三維空間插值，并采用虛擬現實建模語言（VRML）進行可視化實現[11]。在新的三維可視化工具中，應用JavaScript豐富的庫中的各種前端開發技術，可以使用Vue.js、D3.js、Raphael.js、Processing.js、EChart等技術實現在基于Web的可視化解決方案。使用Cesium技術，實現的土壤污染可視化系統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的應用，能夠為實際問題提供準確的技術支撐，提高數據的表現效果。

3 三維可視化中應用到的算法

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

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

[F（x，y，z）=i=1nwifi] （1）

其中，n為分散點的數量，fi為指定的分散點上的函數值，wi為每個分散點的權重函數。權重函數的公式為：

[wi=h-pi/i=1nh-pi] （2）

P為加權指數（任意的實數），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 土壤鹽分的數據處理方法

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測量土壤表觀電導率，能夠通過不同土壤深度的表觀電導率數據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分析結合的方法，該方法減少了工作量，提升了土壤鹽漬化信息獲取的效率。大地電導儀EM38-MK2能在地表從信號發射（T）發射出原生磁場，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）的比值與大地電導率（ECa）之間的線性關系[14]可以表示為：

[ECa=4（Hs/HP）/ωμ0S2] （4）

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

4.2 土壤樣品的處理 在反應土壤鹽漬化特性上，由于土壤鹽分與泥漿飽和溶液的電導率的情況有著直接的相關性，且EM38-MK2所測量的大地電導率實質為土壤中游離電解質的含量，所以使用飽和泥漿電導率（ECe）來反映其特征。在將土樣取得后，土樣需要經過風干、粉碎、過篩后使用。土壤電導率的測定需要配置1∶5的土水比浸提液，再進行回歸分析、檢驗數據正態分布狀況及進行半方差函數擬合。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）等數學模型，來確定θ與反演電導率之間的關系[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（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，說明模型預測能力強且穩定性好。指標公式如下：

均方根誤差：

[RMSE=1mi=1m（si-oi）2] （5）

其中，Si表示預測值，Oi表示實測值。

決定系數：

[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率數據后，使用指示克里格法對土壤鹽分三維離散數據進行指示變換。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）轉變成有二元響應的指示變量[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據。在后期可視化的過程中，可以通過該概率分布數據，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性的作用。

6 結語

對土壤進行三維可視化是數字農業的重要部分。對土壤鹽分進行調查與分析，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查分析最為重要的一個環節。本文在對土壤電導率進行三維建模后，將三維離散的土壤鹽分數據進行插值，最后通過三維可視化手段將結果展示出來，能更好地顯示出場景的連續性，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。

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展歷程與展望[J].土壤學報，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.數據可視化[M].北京：電子工業出版社，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的研究與實現[D].杭州：浙江大學，2020.

[7]張開仲.構造煤微觀結構精細定量表征及瓦斯分形輸運特性研究[D].徐州：中國礦業大學，2020.

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

[9]于雪潤.地學空間數據三維可視化關鍵算法研究及軟件研發[D].合肥：合肥工業大學，2019.

[10]李書欽.小麥生長模擬模型與三維可視化技術研究[D].北京：中國農業科學院，2017.

[11]李洪義， 顧呈劍，但承龍，等.基于VRML的土壤電導率三維空間變異性虛擬實現建模研究[J].土壤學報，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研究[D].杭州：浙江大學，2020.

[13]劉新路，馮春暉，吳家林，等.基于電磁感應數據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.

（責編：張宏民）

基金項目：中央高校專項基金中農-塔大聯合項目“基于近地傳感-模型耦合的南疆農田土壤鹽分監測與三維制圖”（ZNLH201904）;國家自然科學基金項目“鹽分對南疆土壤有機質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：農業工程與信息技術。 *通訊作者 ?收稿日期：2021-04-28