基于干旱區(qū)地面實(shí)測(cè)熱紅外光譜的土壤含水量反演研究

丁建麗， 曾小箕， 李爭(zhēng)光

(1.新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院， 新疆 烏魯木齊 830046; 2.綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室， 新疆 烏魯木齊 830046)

在地球系統(tǒng)中，土壤含水量是陸地和大氣能量交換過(guò)程中的重要因子，對(duì)陸地表面蒸散、水的運(yùn)移、碳循環(huán)具有很強(qiáng)的控制作用，是氣候、生態(tài)、水文、農(nóng)業(yè)等領(lǐng)域衡量土壤干旱水平的重要指標(biāo)[1-2]。在干旱地區(qū)由于土壤水分蒸發(fā)較大，導(dǎo)致土壤缺水而干旱，易引起水土流失、植被退化、土壤沙化等生態(tài)環(huán)境惡化現(xiàn)象，因此對(duì)土壤水分實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)的研究具有重要意義。目前使用的測(cè)定土壤含水量的方法中，較為常用的有稱重法、濕度計(jì)法、時(shí)域反射法、中子法等，這些常用的方法都是以點(diǎn)為測(cè)定基礎(chǔ)的，雖然能夠精確地測(cè)定多個(gè)不同層次的土壤參數(shù)，但其不足之處也是顯而易見(jiàn)的，例如費(fèi)時(shí)，費(fèi)力，難以準(zhǔn)確科學(xué)地揭示出土壤參數(shù)的空間分布及其特征[3]。遙感技術(shù)的出現(xiàn)和發(fā)展，彌補(bǔ)了傳統(tǒng)方法上的不足之處，也為實(shí)現(xiàn)土壤特征參數(shù)的宏觀、實(shí)時(shí)、動(dòng)態(tài)的監(jiān)測(cè)提供了一些新的思路，然而進(jìn)行大面積的土壤特征參數(shù)定量反演一直都是科學(xué)界中公認(rèn)的難題[4-5]。相對(duì)其他遙感方法來(lái)說(shuō)，基于土壤的熱學(xué)特性，熱紅外波段對(duì)土壤水分更為敏感，目前也已逐漸成為監(jiān)測(cè)土壤含水量的主要方法之一[6-7]。

國(guó)內(nèi)外學(xué)者在熱紅外遙感進(jìn)行監(jiān)測(cè)土壤水分的研究中開(kāi)展了大量的工作。Myers等[8]和Watson等[9]最早提出了利用地表溫度日較差來(lái)推算熱慣量的模型，并成功地應(yīng)用了該模型。Price等[10]在研究中首次提出了表觀熱慣量(ATI)的概念，并通過(guò)衛(wèi)星傳感器的熱紅外輻射溫度差算出了熱慣量，進(jìn)一步估算出了土壤含水量。Nemani等[11]在研究植被冠層熱輻射時(shí)，證實(shí)了冠層溫度/植被指數(shù)(Ts/NDVI)對(duì)土壤含水量變化的敏感程度非常高，在利用熱紅外遙感技術(shù)反演土壤水分上也取得了一定的成果。隋洪智等[12]利用NOAA/AVHRR數(shù)據(jù)計(jì)算出熱慣量，得出了土壤表觀熱慣量與土壤含水量的線性關(guān)系。張可慧等[13]構(gòu)造出不同深度土壤含水量和NOAA/AVHRR的線性回歸模型和冪指數(shù)模型。趙杰鵬等[14]結(jié)合可見(jiàn)光紅外與被動(dòng)微波遙感的土壤水分協(xié)同反演。

本文通過(guò)結(jié)合野外和實(shí)驗(yàn)室實(shí)測(cè)的土壤熱紅外發(fā)射率數(shù)據(jù)，分析研究地表土壤含水量的光譜特征，并模擬計(jì)算得到MODIS，ASTER，HJ-1B衛(wèi)星的熱紅外波段與土壤含水量的回歸分析結(jié)果。這項(xiàng)研究可為該區(qū)域土壤退化和環(huán)境監(jiān)測(cè)提供熱紅外的理論基礎(chǔ)和部分技術(shù)支持，對(duì)加強(qiáng)新疆土壤水分監(jiān)測(cè)、促進(jìn)遙感技術(shù)在新疆生態(tài)環(huán)境監(jiān)測(cè)中的應(yīng)用具有重要意義[15]。

1 材料與方法

1.1 研究區(qū)概況

選擇渭干河—庫(kù)車河三角洲綠洲(簡(jiǎn)稱渭庫(kù)綠洲)為研究區(qū)，地理坐標(biāo)為83°15′—83°35′E，41°30′—41°40′N。渭庫(kù)綠洲位于塔里木盆地的中北部, 地處南疆腹地，是一個(gè)典型而完整的扇形平原綠洲，總面積達(dá)5.24×106hm2。屬大陸性暖溫帶極端干旱氣候,年均降水量與蒸發(fā)量比約為40∶1，蒸發(fā)強(qiáng)烈, 透水性差, 為典型的綠洲農(nóng)業(yè), 農(nóng)作物生長(zhǎng)全靠灌溉[16]。

1.2 數(shù)據(jù)獲取

本研究在綠洲內(nèi)部及綠洲外圍交錯(cuò)帶均勻選擇30個(gè)采樣點(diǎn)，其植被及地表土壤水分有著非常明顯的梯度變化，有助于通過(guò)遙感手段進(jìn)行各種土壤參數(shù)反演的研究。數(shù)據(jù)采集所采用的儀器是美國(guó)Design & Prototypes公司出產(chǎn)的便攜式FTIR光譜儀(102F機(jī)型)。測(cè)量期間盡量避免環(huán)境變化過(guò)大，選擇晴朗無(wú)風(fēng)的天氣，在室外自然光照條件下垂直或者小角度向下采用多點(diǎn)多地物，一點(diǎn)多次測(cè)量的方法，取單點(diǎn)多次測(cè)量結(jié)果的平均值為該地物的發(fā)射率光譜。測(cè)量時(shí)段范圍為07：00—09:00和20：00—22:00。

在野外土壤熱紅外光譜測(cè)量時(shí)，同時(shí)進(jìn)行土壤樣本的采樣。去除采樣點(diǎn)的表層浮土，選取地表以下約為5 cm的土壤，裝入鋁盒進(jìn)行密封編號(hào)，稱其鋁盒重量，并送回實(shí)驗(yàn)室進(jìn)行土壤含水量的測(cè)定[17]。同時(shí)取0—5 cm不同深度的混合土約200 g，密封后自然風(fēng)干碾碎，過(guò)0.5 mm細(xì)篩，取20 g進(jìn)行土壤樣本參量的測(cè)定，剩余的使用FTIR光譜儀對(duì)風(fēng)干后的土樣進(jìn)行輻射光譜測(cè)量。

1.3 光譜數(shù)據(jù)的預(yù)處理

1.3.1 土壤熱紅外光譜的分離獲取 熱紅外高光譜數(shù)據(jù)擁有大量的連續(xù)光譜波段，為解讀目標(biāo)物的熱特性提供了極其豐富的信息，也有助于對(duì)目標(biāo)進(jìn)行更為細(xì)致的識(shí)別和分類[18]，這就要求對(duì)地物溫度和發(fā)射率進(jìn)行分離計(jì)算。目前常采用的溫度/發(fā)射率分離算法有包絡(luò)線法、黑體擬合法、參考通道法、獨(dú)立變量迭代法、光譜平滑迭代法，除此之外還有針對(duì)熱紅外高光譜數(shù)據(jù)的一些方法。例如灰體法、發(fā)射率歸一化法、a剩余法和最大最小值發(fā)射率法等[19]。采用光譜平滑迭代法可以獲得較高的發(fā)射率分離精度，首先得到擬合后的發(fā)射率光譜曲線，然后修改擬合溫度來(lái)改變曲線的平滑度，最終得到一個(gè)最為平滑的曲線，該曲線即為此溫度下的土壤發(fā)射率光譜曲線。

1.3.2 光譜曲線去噪 由于實(shí)測(cè)土壤光譜中摻雜著大量的環(huán)境背景和儀器自身產(chǎn)生的噪聲，在進(jìn)行溫度/發(fā)射率分離后，如果直接用于其數(shù)據(jù)進(jìn)行分析建模會(huì)造成較大的誤差，因此需要對(duì)其光譜數(shù)據(jù)進(jìn)行光譜去噪。本文對(duì)所選取的土壤發(fā)射率光譜進(jìn)行一階微分處理，由于地物的熱紅外發(fā)射率對(duì)測(cè)量環(huán)境非常敏感，即使在測(cè)量中已經(jīng)減少外界不利因素的影響，依舊會(huì)存在噪聲。本文采用了五點(diǎn)移動(dòng)平均光滑的算法，去除了儀器在測(cè)量中因?yàn)椴ǘ螌?duì)相應(yīng)能量上的差異所產(chǎn)生的噪聲，并獲取了與原始光譜曲線總體趨勢(shì)相似的新光譜曲線，該光譜曲線更加平滑，更有利于對(duì)光譜特征的分析。

2 結(jié)果與討論

2.1 土壤含水量建模波段的確定

通過(guò)對(duì)不同含水量土壤的發(fā)射率光譜測(cè)量，對(duì)其光譜特征曲線進(jìn)行分析，土壤水分含量主要在8.0～8.2，8.7～8.9，9.5～11.9，12.5～13 μm的幾個(gè)波段區(qū)間里有明顯變化。如圖1a所示，由于水分含量不同，土壤發(fā)射率曲線出現(xiàn)了不同程度的上下起伏，尤其是在峰值點(diǎn)最為明顯。從曲線的整體上可以看出，土壤的發(fā)射率隨著含水量的增加而變大。在11～13 μm波段，光譜曲線的對(duì)比度在下降，曲線開(kāi)始趨直；在8.5～8.7和11.9～12.5 μm兩個(gè)波段區(qū)間內(nèi)，光譜出現(xiàn)不同程度的重疊交叉，說(shuō)明在該波段土壤發(fā)射率隨含水量的變化并不明顯。

圖1b是對(duì)30個(gè)不同含水量土壤樣品在每個(gè)波段對(duì)應(yīng)求取的發(fā)射率與含水量之間的相關(guān)系數(shù)?？煽闯鰣D1b中相關(guān)系數(shù)的變化同圖1a中光譜曲線的變化基本保持一致。土壤發(fā)射率隨含水量變化明顯的波段區(qū)間，其相關(guān)系數(shù)也高，光譜重疊現(xiàn)象比較明顯的區(qū)間相關(guān)系數(shù)較低。尤其在8.0，8.6和9.7 μm波長(zhǎng)附近，相關(guān)系數(shù)達(dá)到了0.35以上，說(shuō)明該波長(zhǎng)處，土壤發(fā)射率對(duì)水分含量最為敏感。

圖1 不同含水量土壤發(fā)射率光譜曲線及逐波段與土壤含水量的相關(guān)性

通過(guò)進(jìn)一步的主成分分析(表1)，發(fā)現(xiàn)上述3個(gè)相關(guān)系數(shù)最高的波長(zhǎng)點(diǎn)全都落在前兩個(gè)主成分對(duì)應(yīng)的波段范圍內(nèi)。累計(jì)貢獻(xiàn)率達(dá)到了94.52%的主成分所對(duì)應(yīng)的波段幾乎覆蓋了整個(gè)窗口，也就是說(shuō)土壤發(fā)射率隨水分變化的“信息”基本上存在于整個(gè)熱紅外波段內(nèi)。其中，9.45～11.90 μm的貢獻(xiàn)率達(dá)到57.13%，而8.26～8.45和8.71～8.83 μm兩個(gè)區(qū)間的貢獻(xiàn)率也達(dá)到了32.52%。

表1 土壤含水量敏感波段的主成分分析

2.2 土壤含水量發(fā)射率模型建立與分析

研究區(qū)土壤含水量和野外實(shí)測(cè)的土壤發(fā)射率光譜具有良好的相關(guān)性，本文嘗試建立土壤發(fā)射率與土壤含水量的統(tǒng)計(jì)模型，通過(guò)模擬MODIS，ASTER和HJ-1B衛(wèi)星的波段發(fā)射率和發(fā)射率比值數(shù)據(jù)與土壤含水量進(jìn)行回歸分析，實(shí)現(xiàn)了一定程度的量化，最后并用實(shí)測(cè)的土壤含水量對(duì)其模型進(jìn)行驗(yàn)證。

本文對(duì)研究區(qū)野外實(shí)測(cè)和室內(nèi)測(cè)定的土壤發(fā)射率數(shù)據(jù)按照不同的通道分段，最終選擇了MODIS的B30和B30/B32，ASTER的B12和B12/14，HJ-1B星紅外相機(jī)的B8作為自變量，土壤水分作為因變量，進(jìn)行回歸分析，回歸模型選擇線性、一元二次方程、對(duì)數(shù)函數(shù)、冪函數(shù)和指數(shù)函數(shù)，分析結(jié)果如表2所示。研究表明，由于土壤表面并不光滑，所以其溫度分布也不均勻，而且土壤結(jié)構(gòu)和狀態(tài)發(fā)生微小的變化也會(huì)引起表面溫度的改變，在實(shí)測(cè)土壤發(fā)射率光譜時(shí)，很難對(duì)其表面溫度進(jìn)行控制。但是通過(guò)發(fā)射率比值的運(yùn)算可抑制土壤樣品表面溫度對(duì)其發(fā)射率的影響，因此，通過(guò)發(fā)射率比值的方式可更好地進(jìn)行土壤水分的反演。從不同的傳感器上來(lái)看，通過(guò)ASTER的波段通道建立模型，整體精度上要大于MODIS，而HJ-1B星的效果最差，這主要取決于傳感器的波段通道是否與土壤含水量敏感波段具有良好的響應(yīng)關(guān)系，從波段選擇可看出，土壤的不同含水量的最佳敏感波段完全位于ASTER傳感器的波段通道內(nèi)。從模型類型上來(lái)看，如果只進(jìn)行R2檢驗(yàn)，則一元二次方程建立的模型效果最好；如果只做F檢驗(yàn)，則冪函數(shù)模型更優(yōu)；如果同時(shí)考慮兩個(gè)檢驗(yàn)方式，可看出線性模型的R2值和F值都比較高。考慮到模型的難易程度，本研究認(rèn)為線性模型是最佳選擇。圖2—3為B30/B32，B12/B14波段比值與土壤含水量的散點(diǎn)圖及線性回歸分析。

圖2 B30/B32波段比值與土壤含水量關(guān)系

圖3 B12/B14波段比值與土壤含水量關(guān)系

表2土壤發(fā)射率、發(fā)射率比值與土壤含水量之間的擬合模型

注：x為波段發(fā)射率值或波段比值； y為土壤含水量； R2值為相關(guān)系數(shù)檢驗(yàn)值； F值為方差齊性檢驗(yàn)值。

2.3 熱紅外發(fā)射率模型的精度驗(yàn)證

(1)

(2)

(3)

Pλ=σλ×Rλ

(4)

式中：Pλ——熱紅外光譜診斷指數(shù)；σλ——波段上發(fā)射率數(shù)值的均方差；Rλ——波段上發(fā)射率與土壤水分含量之間的相關(guān)系數(shù)。Rλ絕對(duì)值越大，說(shuō)明土壤參數(shù)在該波段和其發(fā)射率的相關(guān)性越高。

在確定土壤含水量對(duì)其發(fā)射率的影響時(shí)，本文通過(guò)分別計(jì)算Pλ，σλ，Rλ的絕對(duì)值，選取了綜合之后Pλ絕對(duì)值最大的6個(gè)波段(表3)。由表3中可見(jiàn)，土壤含水量在波長(zhǎng)為9.480 2～9.790 1 μm對(duì)時(shí)其發(fā)射率最為敏感，相比特征分析參數(shù)所獲得的敏感波段來(lái)說(shuō)，土壤水分光譜診斷指數(shù)提取的敏感波段更為集中，冗余度更低，因此可選擇該波段區(qū)間進(jìn)行反演土壤含水量。

表3 土壤含水量光譜診斷指數(shù)

表4 土壤含水量熱紅外發(fā)射率預(yù)測(cè)模型精度驗(yàn)證結(jié)果

圖4 土壤含水量實(shí)測(cè)值與預(yù)測(cè)值對(duì)比

3 結(jié) 論

(1)在熱紅外輻射傳輸模型理論的支持下，利用便攜式FTIR光譜儀，分別設(shè)計(jì)出野外與室內(nèi)實(shí)測(cè)土壤熱紅外光譜數(shù)據(jù)的方法。可人為地減少因環(huán)境輻射而引起的土壤發(fā)射率的變化；在室內(nèi)通過(guò)樣品的制備可以很好地分析土壤特征參數(shù)對(duì)其發(fā)射率的影響。

(2)對(duì)研究區(qū)的各樣點(diǎn)進(jìn)行了土壤發(fā)射率光譜的測(cè)量，通過(guò)對(duì)數(shù)據(jù)的分析，發(fā)現(xiàn)選擇植被覆蓋度低，類型比較均勻的自然裸土更適合進(jìn)行研究區(qū)土壤含水量的反演研究

(3)對(duì)野外實(shí)測(cè)的不同土壤含水量的土壤發(fā)射率光譜曲線研究發(fā)現(xiàn)，在8.0～8.2，8.7～8.9，9.5～11.9，12.5～13 μm的4個(gè)波段區(qū)間隨著土壤含水量的增加，土壤的發(fā)射率變化明顯，在12.1～12.5 μm波段，土壤發(fā)射率受含土壤水量的影響較小，而在8.0～8.2和9.3～9.7 μm波段隨著含水量的增加，土壤的發(fā)射率卻出現(xiàn)一定程度的降低。

(4)通過(guò)分析光譜特征參數(shù)與土壤含水量的關(guān)系，發(fā)現(xiàn)土壤含水量在波段9.480 2～9.790 1 μm對(duì)其發(fā)射率最為敏感。

(5)利用實(shí)測(cè)的光譜數(shù)據(jù)，建立了基于實(shí)測(cè)土壤熱紅外發(fā)射率光譜的土壤含水量反演模型，對(duì)比模型的結(jié)果，認(rèn)為模擬熱紅外傳感器波段比值數(shù)據(jù)與土壤含水量的相關(guān)性更高，而且模擬ASTER的波段比值數(shù)據(jù)要優(yōu)于模擬MODIS的波段比值數(shù)據(jù)。

(6)土壤發(fā)射率一般同時(shí)受多個(gè)因子的綜合影響，有必要對(duì)多因素復(fù)合作用下的土壤發(fā)射光譜特征進(jìn)行深入的研究。

[參考文獻(xiàn)]

[1]楊濤,宮輝力,李小娟,等.土壤水分遙感監(jiān)測(cè)研究進(jìn)展[J].生態(tài)學(xué)報(bào)，2010,30(22):6264-6277.

[2]余凡,趙英時(shí).ASAR和TM 數(shù)據(jù)協(xié)同反演植被覆蓋地表土壤水分的新方法[J].中國(guó)科學(xué)(D輯):地球科學(xué), 2011,21(3):532-540.

[3]薛輝,倪紹祥.我國(guó)土壤水分熱紅外遙感監(jiān)測(cè)研究進(jìn)展[J].干旱地區(qū)農(nóng)業(yè)研究,2006,24(6):168-172.

[4]仝兆遠(yuǎn),張萬(wàn)昌.土壤水分遙感監(jiān)測(cè)的研究進(jìn)展[J].水土保持通報(bào),2007,27(4):107-113.

[5]徐金鴻,徐瑞松,夏斌,等.土壤遙感監(jiān)測(cè)研究進(jìn)展[J].水土保持研究,2006,13(2):17-20.

[6]陳書林,劉元波,溫作民.衛(wèi)星遙感反演土壤水分研究綜述[J].地理科學(xué)進(jìn)展，2012,27(11):1192-1203.

[7]周鵬,丁建麗,王飛,等.植被覆蓋地表土壤水分遙感反演[J].遙感學(xué)報(bào)，2010,14(5):966-973.

[8]Myers V I, Heilman H D. Thermal IR for soil temperature studies[J]. Photogrammetric Engineering and Remote Sensing, 1969,35:1024-1032.

[9]Watson K, Rowan L C, Offield T W. Application of thermal modeling in the geologic interpretation of IR images(Thermal modeling for IR images geologic interpretation, discussing physical parameters role in materials natural environmental diurnal temperature behavior)[C]∥International Symposium on Remote Sensing of Environment, 7th, University of Michigan, Ann Arbor, Mich. 1971:2017-2041.

[10]Price J C, Li L. The potential of remotely sensed thermal infrared data to infer surface soil moisture and evaporation[J]. Water Resources Research, 1980,16(4):787-795.

[11]Nemani R R, Running S W, Pierce L. Developing satellite-derived estimates of surface moisture status[J]. Journal of Applied Meteorology, 1993,32(3):548-557.

[12]隋洪智,田國(guó)良,李付琴.農(nóng)田蒸散雙層模型及其在遙感干旱監(jiān)測(cè)中的應(yīng)用[J].遙感學(xué)報(bào),1997,1(3):220-224.

[13]張可慧,劉芳圓,劉劍峰,等.河北省土壤水分遙測(cè)研究[J].地理學(xué)與國(guó)土研究,2002,18(3):101-104.

[14]趙杰鵬,張顯峰,包慧漪,等.基于可見(jiàn)光紅外與被動(dòng)微波遙感的土壤水分協(xié)同反演[J].紅外與毫米波學(xué)報(bào),2012,31(2):137-142.

[15]張顯峰,趙杰鵬,劉羽.一種改進(jìn)的土壤水分微波遙感反演模型[J].地理科學(xué)進(jìn)展，2013,32(1):78-86.

[16]羅江燕,塔西甫拉提·特依拜,陳金奎.基于表觀反射率的渭—庫(kù)綠洲植被動(dòng)態(tài)變化分析[J].水土保持研究,2008,15(5):65-67.

[17]張軍紅,吳波,楊文斌,等.半干旱沙地3種土壤水分測(cè)定方法對(duì)比研究[J].水土保持通報(bào),2012,32(2):147-149.

[18]申柯婭.紅外光譜在仿古玉石鑒定中的應(yīng)用[J].光譜實(shí)驗(yàn)室,2010,27(4):1393-1397.

[19]程潔,柳欽火,李小文,等.基于相關(guān)性的熱紅外溫度與發(fā)射率分離算法[J].中國(guó)科學(xué), 2008,38(2):261-272.

[20]肖武,李小昱,李培武,等.基于近紅外光譜土壤水分檢測(cè)模型的適應(yīng)性[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(3):33-36.