干旱区土壤含水量光谱特征分析与反演

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015 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。

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）。

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）。

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。

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.

推荐访问： 反演 光谱 干旱 特征 分析