干旱区土壤含水量光谱特征分析与反演

娄 径，徐建辉，周燕林，王 俊

(1.安徽省经济研究院，安徽合肥 230001；2.滁州学院地理信息与旅游学院，安徽滁州 293000)



干旱区土壤含水量光谱特征分析与反演

娄 径1，徐建辉2，周燕林1，王 俊1

(1.安徽省经济研究院，安徽合肥 230001；2.滁州学院地理信息与旅游学院，安徽滁州 293000)

摘要[目的]建立土壤含水量遥感监测模型。[方法]选取陕西省横山县作为研究区，以野外原位光谱测量数据和实验室内测得的土壤含水量为基础，进行高光谱数据处理，分析土壤含水量的光谱特征；对实测土壤光谱反射率进行倒数、对数、均方根及其一阶导数微分等光谱变化换，计算高光谱指数，并与土壤样本含水量进行相关性分析，筛选对土壤含水量敏感的光谱特征波段，利用多元线性回归分析建立土壤含水量监测模型。[结果]随着土壤含水量的增加，土壤光谱反射率呈减小趋势。土壤含水量与光谱指数的特征波段呈良好的线性关系，所有模型均通过了0.01水平的显著性检验。模型精度验证表明，预测值与实测含水量相关系数较高，特别是反射率倒数一阶微分模型，在0.01显著性水平下，相关系数为0.886。[结论]该研究建立的土壤含水量遥感反演模型可行有效，通过了有效性检验，在一定程度上可以用来反演研究区土壤含水量。

关键词干旱区；土壤含水量；高光谱；光谱特征；定量模型

土壤水分是决定农作物产量的重要因素之一，也是监控土地退化和干旱的重要指标。土壤水分信息的获取一直是农业、地理和环境等领域的热点问题。然而，传统的土壤水分测定方法，如烘干称重法[1]、中子水分仪法及张力计法等都是以点测量为基础，虽然精度较高，但是测量周期较长，过程复杂，难以快速获取数据。常规光学遥感监测技术[2-5]，监测波段少、光谱分辨率低，适合大面积土壤含水量的监测，对区域性或更小尺度的土壤含水量监测误差较大。高光谱技术凭借其极高的光谱分辨率，能快速获取研究对象的反射光谱信息，而且其分析速度快、效率高、成本低。目前高光谱技术已应用于很多领域，如环境监测[6-7]、地质调查[8-9]、精细农业[10-11]等。笔者研究了光谱对于土壤水分的敏感波段，建立了基于敏感波段的统计模型，反演了土壤含水量，旨在为高光谱遥感技术在土壤遥感中的应用化提供理论依据。

1材料与方法

1.1研究区概况陕西省横山县(108°56′～110°2′ E，37°22′～38°14′ N)位于陕西北部黄土高原北缘与毛乌素沙漠南缘交汇处，海拔890～1 535 m。受西伯利亚冷高压气候的影响，该区出露的岩层逐渐被剥蚀、搬运、沉积而呈现出“三沙七丘”的地貌景观，风沙区位于境内西北部，黄土丘陵沟壑区位于中部和东南部。该区主要土地利用类型为耕地、林地、牧草地、未利用地(沙地、废弃地)、建设用地等，主要土壤类型为黄绵土、绵沙土、黑垆土和风沙土。

1.2光谱数据采集与分析

1.2.1数据采集。不同含水量土壤光谱取样选在天气晴朗、无风无云的天气，10：00～14：00进行测定。光谱测定采用美国ASD FieldSpec FR野外光谱仪，其光谱测量的波长为350～2 500 nm，其中350～1 000 nm光谱分辨率为3 nm，1 000～2 500 nm光谱分辨率为10 nm。在横山县试验区选择地势较平坦、土壤裸露区作为样区，并考虑各种土地利用类型和土壤类型，每个样区内选择4～5个具有代表性的测点，每个测点采集1个表层土(约20 cm)土样，共采集84个土样。取土样前在该采样点重复测量5次，取平均值作为该点的光谱反射率。测量时光谱仪探头设置在距地面0.15 m处，选择3°视场角的探头垂直向下测量，以减少地面背景及其他地物对土壤光谱的影响，每次观测前进行标准白板校正。

1.2.2数据分析。采用Savizky-Golay滤波对原始土壤光谱曲线进行平滑去噪处理。为更好地分析光谱数据与土壤含水量之间的相关性，对平滑后土壤光谱反射率分别进行倒数、对数、倒数对数和均方根等数学变换，再分别对其进行一阶和二阶微分变换，从而消除基线漂移或平滑背景的干扰。

将去噪处理后的土壤光谱反射率、反射率进行一阶微分变换、反射率二阶微分变换、倒数变换、倒数一阶微分变换、倒数二阶微分变换、对数变换、对数一阶微分变换、对数二阶微分变换、倒数对数变换、倒数对数一阶微分变换、倒数对数二阶微分变换、均方根变换、均方根一阶微分变换和均方根二阶微分变换等15种数学变换，结果作为寻找对土壤含水量变化敏感的高光谱指数。

1.2.3相关性分析。通过逐波段计算土壤的高光谱指数与土壤含水量的相关系数，筛选土壤含水量的特征波段。相关系数计算公式如下：

(1)

1.3土壤含水量的测定在测定土壤光谱的同时采集深度为0～20 cm的土壤样品，并进行土壤保鲜包装后带回实验室，以防土壤水分蒸发。笔者采用质量含水量对土壤样品进行研究，质量含水量表示土壤中水分的质量与干土质量的比值，量纲为一。先在田间采集具有代表性的表层土壤样品，并将土壤样品放入铝盒立即盖好(预防水分蒸发影响测定结果)，称重(即土加铝盒重，记做m1)；实验室内，打开盖，于105～110 ℃条件下烘至恒重，再称重(即干土加盒重，记做m2)。3次重复采用质量含水量公式计算土壤含水量。计算公式如下：

土壤含水量(%)=(m1-m2)/(m1-m0) ×100

(1)

式中，m0为烘干空铝盒重量，g；m1为烘干前铝盒及土样质量，g；m2为烘干后铝盒及土样质量，g。

2结果与分析

2.1不同含水量土壤光谱特征从图1可以看出，不同土壤含水量的光谱曲线在形态上趋于一致，在1 400和1 900 nm附近存在有明显的波谷，在2 150 nm附近存在明显的波峰。随着土壤含水量的增大，土壤光谱反射率整体随之降低。

图1　不同含水量土壤光谱反射率曲线Fig.1　Spectral reflectivity curves of soil with different water content

2.2最佳波段选择与分析计算土壤的11种高光谱指数与土壤含水量的相关系数，在不同波段上变化差异较大(见图2)。

从图2可以看出，所有类型的光谱反射率和光谱指数进行一阶微分变换后，其与土壤含水量的相关性明显高于原始反射率和光谱指数，且既有明显的正相关关系，又有明显的负相关关系，在0.01水平上均通过显著性检验。这表明单一波段难以完全反映土壤含水量经过一阶微分变换后，放大了某些在原始光谱数据中细微的信息，因此微分变换后的波段与土壤含水量高度相关，据此可以筛选经过提取土壤含水量的特光谱波段。确定相关关系正负峰值对应的波段为不同变换形式土壤含水量的特征波段(表1)。

表1　光谱反射率及其变换形式与土壤含水量敏感波段

2.3土壤含水量光谱建模根据相关性分析的结果得到土壤光谱指标的特征波段，并建立相应的土壤含水量光谱模型。从采集的84个土壤样本中随机选取60个样本构建土壤含水量的光谱模型，以特征波段作为自变量，实测的土壤含水量作为因变量，在保证相关系数r尽可能大的提前下，进行多元线性回归，建立土壤含水量反演模型(表2)。

表2　不同自变量回归模型

由表2可知，土壤含水量与光谱指数的特征波段呈现良好的线性关系，所有模型均通过0.01水平显著性检验。根据回归系数R最大和均方根误差最小的原则，土壤含水量倒数一阶微分模型的反演效果最好，因此可采用该模型反演土壤含水量。

2.4模型验证由表2可知，倒数一阶微分模型的稳定性最好。采用未参与建模的24个土壤样本单元为准真值，对反演模型的预测能力进行检验。从模型的预测值和实测值的线性相关性分析(图3)可以看出，建模样本基本上聚集在对角线附近，样本相关系数R2=0.886，除了个别异常点，预测值和实测值的一致性良好。因此，该研究建立的土壤含水量遥感反演模型是有效的，且通过有效性检验，在一定程度上可以用来反演研究区土壤含水量。

图3　土壤含水量模型预测值与实测值的线性相关性分析Fig.3　The correlations between model predicted values and measured values of soil water content

3结论

(1)不同含水量大小的土壤光谱特征曲线在形态上基本趋于一致；随着土壤含水量的增加，土壤光谱反射率整体呈减小趋势。

(2)对实测的土壤光谱数据采用倒数等11种数学变换，并与土壤含水量进行相关性分析，得出倒数一阶微分变换的反射率与土壤含水量相关性最高，在1 655和2 197 nm相关系数最大。

(3)采用筛选出的特征波段为自变量，与土壤含水量进行线性回归，构建土壤含水量反演模型，模型精度验证结果表明，预测值与实测土壤含水量的相关系数较高。特别是反射率倒数一阶微分模型，在0.01的显著性水平下相关系数为0.886，说明土壤含水量遥感反演模型在研究区预测效果良好。

参考文献

[1] 鲍士旦.土壤农化分析[M].3版.北京：中国农业出版社，2003.

[2] 邓辉，周清波.土壤水分遥感监测方法进展[J].中国农业资源与区划，2004，25(3)：46-49.

[3] 刘培君，张琳，艾里西尔·库尔班，等.卫星遥感估测土壤水分的一种方法[J].遥感学报，1997，1(2)：135-138.

[4] 汪潇，张增祥，赵晓丽，等.遥感监测土壤水分研究综述[J].土壤学报，2007，44(1)：154-62.

[5] 姚春生，张增祥，汪潇，等.使用温度植被干旱指数法(TVDI)反演新疆土壤湿度[J].遥感技术与应用，2004，19(6)：473-478.

[6] 徐祎凡，施用，李云梅.基于环境一号卫星高光谱数据的太湖富营养化遥感评价模型[J].长江流域资源与环境，2014，23(8)：1111-1118.

[7] 赵少华，张峰，王桥，等.高光谱遥感技术在国家环保领域中的应用[J]. 遥感技术与应用，2013，33(12)：3344-3347.

[8] 李志忠，杨日红，党福星，等.高光谱遥感卫星技术及其地质应用[J].地质通报，2009，28(2)：271-277.

[9] 甘甫平，王润生.高光谱遥感技术在地质领域中的应用[J].国土资源遥感，2007(4)：57-60.

[10] 姚云军，秦其明，张自力，等.高光谱技术在农业遥感中的应用研究进展[J].农业工程学报，2008，24(7)：301-305.

[11] 唐延林，黄敬峰.农业高光谱遥感研究的现状与发展趋势[J].遥感技术与应用，2001，16(4)：247-251.

作者简介娄径(1972- )，男，安徽合肥人，副研究员，从事遥感、资源环境区划与管理研究。

收稿日期2016-04-08

中图分类号S 152.7+1

文献标识码A

文章编号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