一、引言

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)。土壤水分也是研究植物水分脅迫、監(jiān)測(cè)作物旱情的最基本因子。為了提高土壤水分利用率，減少無(wú)效蒸發(fā)，節(jié)約農(nóng)業(yè)用水，因此需要對(duì)土壤水分進(jìn)行監(jiān)測(cè)。黃河三角洲是我國(guó)高效生態(tài)經(jīng)濟(jì)區(qū)，對(duì)該區(qū)域進(jìn)行準(zhǔn)確、實(shí)時(shí)地遙感土壤水分監(jiān)測(cè)，對(duì)于區(qū)域農(nóng)業(yè)生產(chǎn)及社會(huì)經(jīng)濟(jì)建設(shè)具有重要意義。

土壤水分模型方法通過(guò)建立水分平衡方程求解土壤水分，可提供適時(shí)的土壤水分信息，但實(shí)驗(yàn)需要大量相關(guān)參數(shù)，估測(cè)誤差較大。用遙感反演手段獲取土壤含水量，具有范圍大、時(shí)間分辨率高的特點(diǎn)，彌補(bǔ)了傳統(tǒng)方法上的不足。高光譜遙感技術(shù)憑借其極高的光譜分辨率，快速獲取地面土壤的反射光譜信息，為土壤水分監(jiān)測(cè)提供了一種新的技術(shù)手段。因此，地面實(shí)測(cè)高光譜與多光譜遙感影像相結(jié)合，為土壤水分狀況的定量反演和遙感監(jiān)測(cè)提供了新的思路。

本研究以黃河三角洲為研究區(qū)，從室外高光譜以及土壤含水量實(shí)測(cè)數(shù)據(jù)入手，采用波譜組合和多元逐步線性回歸分析方法，建立基于高光譜的土壤含水量估測(cè)模型，并將其應(yīng)用到LandSat8遙感影像，反演區(qū)域土壤含水量狀況，為土壤含水量的遙感定量反演提供技術(shù)參考。

2、材料與方法

2.1研究區(qū)概況

黃河三角洲北臨渤海灣，東靠萊州灣，具有獨(dú)特的地理位置和氣候特征。本研究選擇黃河三角洲典型區(qū)墾利縣，黃河為該縣主要淡水來(lái)源，也是地下水的主要補(bǔ)給源。但地下水埋深淺，礦化度高，難以利用。墾利縣位于黃河三角洲的扇形區(qū)邊緣，具有典型的三角洲地貌特征，整個(gè)地勢(shì)西南高，東北低，形成了崗、坡、洼相間的復(fù)雜的地貌類(lèi)型及砂、壤、黏相間的多種土體構(gòu)型。土壤為潮土和鹽土兩大類(lèi)型，質(zhì)地輕，養(yǎng)分貧乏，鹽化程度較高。自然植被多為耐鹽堿的草本植物和灌木，農(nóng)田作物以小麥、玉米、水稻和棉花為主。

2.2實(shí)地調(diào)查與采樣

本研究于2014年4月28日至4月30日，在墾利縣進(jìn)行實(shí)地調(diào)查與采樣。在全縣均勻布設(shè)61個(gè)樣本點(diǎn)（不含灘涂區(qū)域），見(jiàn)圖1。選取約900m²的平整地塊，其土壤類(lèi)型、地表覆蓋狀況接近，每個(gè)地塊采集3個(gè)表層（0～20cm）土樣。土樣裝入密封袋進(jìn)行編號(hào)，同時(shí)記錄采樣點(diǎn)的土地利用類(lèi)型、植被類(lèi)型、植被覆蓋度、土壤類(lèi)型等情況，并記錄采樣點(diǎn)坐標(biāo)。

圖1野外實(shí)測(cè)樣點(diǎn)分布圖

2.3高光譜數(shù)據(jù)采集與處理

土壤高光譜測(cè)定可采用萊森光學(xué)的iSpecField-WNIR系列地物光譜儀，光譜范圍為350～2500nm。將野外采回的土樣保持原狀，在室外自然光照條件下對(duì)純土壤進(jìn)行光譜測(cè)定，測(cè)量期間選擇晴朗

無(wú)風(fēng)的天氣。將盛樣皿內(nèi)土壤稍稍刮平，使其表面盡量平整。將裝滿土樣的盛樣皿放在反射率近似為0的黑色橡膠墊上，每次采集目標(biāo)光譜前后均進(jìn)行參考板校正，在視場(chǎng)范圍內(nèi)重復(fù)測(cè)量10次，取平均土壤光譜反射率。為消除高頻噪聲的影響，本研究采用9點(diǎn)加權(quán)移動(dòng)平均法對(duì)高光譜反射率數(shù)據(jù)進(jìn)行平滑去噪處理。

2.4土壤含水量測(cè)定

土壤含水量采用質(zhì)量含水量表示，待光譜測(cè)定完畢之后以烘干法進(jìn)行測(cè)定。過(guò)程如下：取鋁盒在105℃烘箱中放置2h后，稱(chēng)重W，按需取約10g表層土樣放入鋁盒中，加蓋后稱(chēng)重（鋁盒加土壤重量），記為W1，去蓋放入烘箱中，在105℃條件下烘8h，至恒重，取出加蓋后稱(chēng)重（鋁盒加干土的重量），記為W2。計(jì)算公式為：土壤質(zhì)量含水量（%）＝（W1-W2）/（W2-W）×100%取三次重復(fù)，求其平均值即為該土壤質(zhì)量含水量。

2.5光譜數(shù)據(jù)擬合與波段組合

本研究采用兩種方法將實(shí)測(cè)的高光譜窄波段反射率擬合為L(zhǎng)andSat8寬波段反射率。一是選用LandSat8影像波段中心波長(zhǎng)反射率，采用高光譜相對(duì)應(yīng)的波長(zhǎng)反射率進(jìn)行擬合；二是選用LandSat8各波段范圍對(duì)應(yīng)的高光譜的平均反射率進(jìn)行擬合。具體見(jiàn)表1。

表1波段擬合方法

波段組合是地物參數(shù)遙感反演常用的方法，通過(guò)波段組合形成包含多波段信息的新的光譜參量。本研究采用4種波段組合方式，分別對(duì)兩兩波段反射率進(jìn)行4種運(yùn)算，生成光譜參量反演地表土壤含水量。

2.6估測(cè)模型的構(gòu)建

本研究共采集108個(gè)土壤含水量數(shù)據(jù)，其中有效數(shù)據(jù)99個(gè)，隨機(jī)選取建模樣本集69個(gè)，驗(yàn)證樣本集30個(gè)。分別對(duì)中心波長(zhǎng)反射率和波段平均反射率按上述4種方式進(jìn)行波段組合，將組合生成的光譜參量與土壤含水量進(jìn)行相關(guān)性分析，篩選相關(guān)性較大的光譜參量作為敏感光譜參量。

分別將4種波段組合篩選的光譜參量進(jìn)行多元逐步線性回歸分析，建立單一形式波段組合估測(cè)模型；然后選取4種組合的所有敏感光譜參量，建立多形式波段組合估測(cè)模型。

以驗(yàn)證樣本集，對(duì)估測(cè)模型進(jìn)行檢驗(yàn)，并繪制估測(cè)值與實(shí)測(cè)值之間擬合圖。采用擬合系數(shù)R2、均方根誤差RMSE、相對(duì)誤差RE對(duì)擬合效果進(jìn)行綜合評(píng)定，以檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性與適用性。

三、結(jié)果

3.1不同含水量土壤的光譜特征

圖2為不同含水量土壤的光譜特征曲線，其中波段1350nm～1450nm和1800nm～1950nm因受大氣水汽吸收強(qiáng)烈而剔除。可以看出，

（1）隨著含水量的增加，土壤反射率總體呈下降趨勢(shì)，這一結(jié)論與以往文獻(xiàn)中提到的一般變化規(guī)律相同。

（2）不同土壤含水量光譜曲線總體變化比較平緩，形態(tài)上相似，基本平行。

（3）不同含水量的土壤光譜反射率表現(xiàn)為強(qiáng)度上的差異，在波長(zhǎng)較短的部分，反射率隨土壤水分增加變化迅速，而在波長(zhǎng)較長(zhǎng)的部分，反射率變化相對(duì)平緩。

（4）結(jié)合LandSat8OIL的7個(gè)波段分析：433～453nm曲線斜率較陡，且隨含水量的升高，曲線斜率在變小，且在450附近有微小的凸起；450～515nm間，曲線斜率先減小，后增大；525～600nm間斜率一直上升，在600nm附近，曲線斜率開(kāi)始下降；630～680nm間曲線呈緩慢上升趨勢(shì)；845～885nm曲線斜率接近于0，到達(dá)1700nm左右反射率緩慢下降，且不同含水量反射率差異較明顯；1560～1660nm曲線緩慢上升，不同含水量的反射率差距也較大；2100～2200nm之間光譜反射率先上升后下降，在2150nm附近有明顯的反射峰，并且具有2200nm處的特征吸收帶。可見(jiàn)，土壤含水量與LandSat8OIL的7個(gè)波段之間均有一定的相關(guān)性。

圖2不同含水量的土壤光譜曲線

3.2基于中心波長(zhǎng)反射率的土壤含水量高光譜估測(cè)模型

通過(guò)比值、差值、上加下減和上減下加波段組合各形成42、21、21、21個(gè)光譜參量，共計(jì)105個(gè)。通過(guò)相關(guān)性分析，選取相關(guān)性較大的光譜參量共計(jì)31個(gè)，作為敏感光譜參量參與模型的構(gòu)建。

分別以4種波譜組合的敏感光譜參量為自變量，以土壤含水量為因變量，利用多元逐步線性回歸，建立基于波段單一組合形式光譜參量的土壤含水量高光譜估測(cè)模型。結(jié)果表明4種波段組合方式光譜參量建立的模型sig=0.000＜0.05，模型均達(dá)到了顯著水平。其中以差值組合方式的光譜參量建立的估測(cè)模型決定系數(shù)R2最大，為0.473（表2）。由分析結(jié)果可見(jiàn)，以一種波段組合的敏感光譜參量建立的回歸模型效果均不理想。因此本研究嘗試綜合應(yīng)用4種波段組合的31個(gè)敏感光譜參量，以土壤含水量為因變量，建立基于波段多種組合形式光譜參量的土壤含水量估測(cè)模型。最佳模型為Y=38.933-5.310×R₆₅₅/R₄₄₀+242.787×（R₁₆₁₀-R₂₂₀₀）+293.990×（R₅₆₀-R₆₅₅），模型決定系數(shù)R²=0.635，明顯優(yōu)于基于波段單一組合形式光譜參量建立的模型（表2）。

表2基于中心波長(zhǎng)反射率的土壤含水量估測(cè)模型

3.3基于波段平均反射率的土壤含水量高光譜估測(cè)模型

分別以4種波段組合的敏感光譜參量為自變量，建立基于波段單一組合形式光譜參量的土壤含水量估測(cè)模型。結(jié)果表明，模型sig=0.000＜0.05，均達(dá)到了顯著水平。其中以差值組合方式的光譜參量建立的估測(cè)模型的決定系數(shù)R²最大（表3）。對(duì)于波段平均反射率，以一種波段組合的敏感光譜參量建立的回歸模型效果也不理想。同樣綜合選取4種波段組合的30個(gè)敏感光譜參量，建立基于波段多種組合形式光譜參量的土壤含水量估測(cè)模型，決定系數(shù)R²達(dá)0.701，遠(yuǎn)高于基于波段單一組合形式光譜參量建立的模型（表3）。

表3基于波段平均反射率的土壤含水量估測(cè)模型

3.4土壤含水量的最優(yōu)高光譜估測(cè)模型

綜合以上分析，中心波長(zhǎng)反射率和波段平均反射率的最佳估測(cè)模型均為基于4種波段組合光譜參量建立的模型，決定系數(shù)R²分別為0.635和0.701，總均方根誤差RMSE分別為2.61和2.54，相對(duì)誤差RE分別為10.37%和9.63%。圖3為兩個(gè)模型預(yù)測(cè)值與實(shí)際值的擬合圖，結(jié)果表明波段平均反射率模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)含水量的擬合度R²達(dá)到0.56，高于中心波長(zhǎng)反射率模型的0.46。綜合分析波段平均反射率的最佳高光譜估測(cè)模型預(yù)測(cè)精度更高，因此將其作為土壤含水量高光譜估測(cè)最佳模型。

圖3基于中心波長(zhǎng)反射率（a）和波段平均反射率（b）最優(yōu)模型土壤含水量預(yù)測(cè)值與實(shí)際值的擬合圖

3.5土壤含水量的遙感反演

將所有采樣點(diǎn)各波段的波段平均反射率進(jìn)行平均，作為室外實(shí)測(cè)各波段平均反射率；在LandSat8經(jīng)過(guò)線性混合像元分解的土壤遙感影像上，根據(jù)野外采樣記錄的GPS坐標(biāo)，找到各個(gè)采樣點(diǎn)在遙感影像上的對(duì)應(yīng)點(diǎn)，同樣求取所有樣點(diǎn)各波段反射率的均值，作為遙感影像反射率（圖4）。

圖4波段平均反射率與遙感影像反射率的對(duì)比

由圖4中可見(jiàn)，室外實(shí)測(cè)波段平均反射率均低于遙感影像反射率，主要是由于實(shí)測(cè)為純土壤樣品，而遙感影像則反映地表信息，雖剔除植被影響但反射率可能仍包含少量植被信息，使其平均值較高；此外考慮到時(shí)相的差別，由于采樣時(shí)間和LandSat8影像時(shí)間相差1～4d，由于水分蒸發(fā)，遙感地表反射率也會(huì)較高。但兩者變化趨勢(shì)一致，相關(guān)性達(dá)到0.989。因此，將室外實(shí)測(cè)土壤含水量高光譜估測(cè)模型應(yīng)用于遙感影像反演，具有切實(shí)可行性。在以上分析基礎(chǔ)上，根據(jù)兩者關(guān)系，對(duì)遙感影像反射率做適當(dāng)訂正，以便提高反演結(jié)果。考慮比值處理可以消除部分時(shí)相誤差，相對(duì)精度較高，因此，本文采用比值均值訂正方法。首先計(jì)算遙感影像與實(shí)測(cè)相應(yīng)點(diǎn)位各個(gè)波段反射率的比值，然后取所有點(diǎn)位各波段比值的均值，作為訂正系數(shù)。遙感影像各個(gè)波段反射率除以各波段的比值均值，得到訂正后的遙感影像。借助ENVI基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)方法，結(jié)合ArcGIS進(jìn)行分類(lèi)后處理，得到反演后的墾利縣土壤含水量分布圖（圖5a），同時(shí)，利用實(shí)測(cè)點(diǎn)位土壤含水量插值得到實(shí)測(cè)樣點(diǎn)含水量分布圖（圖5b）。由于采樣時(shí)未涉及到黃河三角洲自然保護(hù)區(qū)，為了確保插值和反演結(jié)果的可比性，因此將遙感反演土壤含水量分布圖與實(shí)測(cè)樣點(diǎn)含水量預(yù)測(cè)分布圖中的黃河三角洲自然保護(hù)區(qū)部分去除，然后分別統(tǒng)計(jì)兩圖各等級(jí)土壤含水量的面積比例（表4），對(duì)反演結(jié)果進(jìn)行分析驗(yàn)證。

圖5遙感反演土壤含水量分布圖（a）與實(shí)測(cè)樣點(diǎn)含水量預(yù)測(cè)分布圖（b）

從圖5看出，研究區(qū)中部含水量較低，而黃河、水庫(kù)、養(yǎng)魚(yú)養(yǎng)蝦池附近土壤含水量較高，呈現(xiàn)出以其為中心，向四周擴(kuò)散含水量遞減的趨勢(shì)；含水量大多集中在15%～25%，含水量在30%以上分布較少，從表4可知兩者各含水量區(qū)間百分比變化趨勢(shì)一致，15%～20%區(qū)間面積百分比差距大，分析原因可能是由于含水量在此區(qū)間的采樣點(diǎn)較多導(dǎo)致插值時(shí)分布在此區(qū)間的面積比例較大；其余區(qū)間百分比數(shù)值大體一致。對(duì)比圖5與表4，土壤含水量遙感反演結(jié)果與插值結(jié)果在空間分布與數(shù)值統(tǒng)計(jì)上均具有一致性和統(tǒng)一性，因此，土壤含水量的遙感反演結(jié)果符合研究區(qū)實(shí)際，有較好的可信度和真實(shí)性。

表4土壤含水量遙感反演分布圖與實(shí)測(cè)樣點(diǎn)含水量插值圖面積比例比較

四、結(jié)論

本研究采用中心波長(zhǎng)反射率和波段平均反射率兩種擬合方法，利用室外實(shí)測(cè)高光譜窄波段反射率數(shù)據(jù)模擬LandSat8衛(wèi)星寬波段反射率，進(jìn)而通過(guò)波段組合，選取敏感光譜參量，應(yīng)用多元逐步線性回歸方法分別建立土壤含水量高光譜單一形式波段組合與多形式波段組合估測(cè)模型，最佳估測(cè)模型為基于波段平均反射率和多形式波段組合方式敏感光譜參量的回歸模型。室外實(shí)測(cè)反射率和遙感影像反射率的相關(guān)性極顯著，證明基于室外實(shí)測(cè)高光譜數(shù)據(jù)建立的土壤含水量估測(cè)模型可以應(yīng)用于遙感影像的反演，經(jīng)訂正可取得較好的效果。由于驗(yàn)證的地面數(shù)據(jù)和遙感影像存在1～4d的時(shí)相差，因此定量反演的直接驗(yàn)證尚有一定誤差，但作為趨勢(shì)分析是可行的。此外由于研究區(qū)域較小，且土壤質(zhì)地均為壤質(zhì)，本次研究采用土壤質(zhì)量含水量反演土壤水分空間變化，今后研究應(yīng)盡量采用土壤體積含水量，因?yàn)樵谳^大區(qū)域應(yīng)用中，土壤體積含水量對(duì)土壤水分的定量反演和空間分布趨勢(shì)的比較更加重要。本研究初步嘗試了利用線性混合象元分解方法剔除遙感影像中的植被信息，反演效果有所提高，今后的研究應(yīng)著重于對(duì)多因素復(fù)合作用下的土壤反射光譜特征進(jìn)行深入的探索。

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學(xué)專(zhuān)門(mén)用于野外遙感測(cè)量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，獨(dú)有的光路設(shè)計(jì)，噪聲校準(zhǔn)技術(shù)、可以實(shí)時(shí)自動(dòng)校準(zhǔn)暗電流，采用了固定全息光柵一次性分光，測(cè)試速度快，最短積分時(shí)間最短可達(dá)20μs，操作靈活、便攜方便、光譜測(cè)試速度快、光譜數(shù)據(jù)準(zhǔn)確，廣泛應(yīng)用于遙感測(cè)量、農(nóng)作物監(jiān)測(cè)、森林研究、海洋學(xué)研究和礦物勘察等各領(lǐng)域。