干旱区盐渍地土壤含水量分布及其光谱特征研究

郭亮　沈志　申旭辉等

摘要 [目的] 为科学和合理种植作物以及提高作物产量提供参考数据。[方法] 采集研究区48个点的盐渍地土壤，测得土壤含水量数据，并且在自然光源和人工光源条件下采集土壤光谱反射率数据，对反盐期不同深度土壤的含水量进行统计分析，研究土壤烘干前和烘干后的光譜反射率，对自然光源的土壤光谱反射率进行一阶、二阶、三阶、四阶、五阶和六阶导数微分处理，剖析人工光源的土壤光谱反射率数据、自然光源的光谱反射率、导数微分变换后的光谱反射率数据与土壤含水量之间的相关分析，进行一元一次、一元二次、指数、二元逐步回归、偏最小二乘回归（PLSR）函数的拟合，并用总均方根误差（RMSE）以及显著性水平验证拟合函数的精度。[结果] 表层土壤（0～10 cm）的含水量明显低于10～30 cm深度的土壤含水量，且表层土壤含水量由于土壤盐渍化程度的不同而存在差异，绿洲内部和外围的土壤含水量也存在明显差异；干燥土壤的光谱反射率曲线比湿润土壤更高；人工光源、自然光源获取的土壤光谱反射率数据与土壤含水量之间呈负相关关系，人工光源的相关性比自然光源的相关性略高；自然光源获取的光谱反射率经过导数微分形式的变换后与土壤含水量之间的相关性得到很好的提高；人工光源的最佳拟合方程为一元二次方程Y= 266.4X21680+352X1680 +1.9，RMSE为0.33，显著性水平P<0.01；自然光源的最佳拟合方程为偏最小二乘方法的光谱反射率的四阶形式，RMSE为089，显著性水平P<0.01。[结论] 该研究能够为干旱区土壤含水量和光谱特征的关系的研究提供数据支撑，奠定高光谱技术在干旱区的应用基础。

关键词 干旱区；土壤含水量；光谱反射率；偏最小二乘

中图分类号 S152.7 文献标识码 A 文章编号 0517-6611（2015）15-102-05

Study on Soil Moisture Distribution and Spectral Characteristics of Saline Soil in Arid Region

GUO Liang1，2， SHEN Zhi1， SHEN Xuhui1 et al

（1. Xinjiang Uygur Autonomous Region Environmental Monitoring Station， Urumchi， Xinjiang 830011；2. College of Resources and Environmental Science， Xinjiang University， Urumchi， Xinjiang 830046）

Abstract [Objective] The research aimed to provide the reference data for the scientific and regular plantation of the crop and the improvement of the crop yield. [Method] Saline soils in 48 points were collected in the study area， and the soil moisture data and soil spectral reflectance data in natural light and artificial light conditions were get to analyze moisture content of the soil at different depth statistically. Spectral reflectances before and after soil drying were studied. Differentiation processing of firstorder，secondorder， thirdorder， fourthorder， fifthorder and sixthorder derivative to soil spectral reflectance of natural light was used. Spectral reflectance data of artificial light and natural light soil were analyzed. Derivative differential conversion between spectral reflectance data and soil moisture was analyed， fitting various functions， and verified. [Result] The moisture of topsoil（0-10 cm）was significantly lower than that of the deeper soil. It decreased as the distance away from basin and the degree of salinity increased. Dry soil spectral reflectance was higher than the spectral reflectance curve of moist soil. Whether it was artificial light or natural light condition， there were a negative correlation between the spectral reflectance data and soil moisture， but the correlation of artificial light was slightly higher than the natural light. The best fitting function of artificial light source was quadratic equation with one unknown while RMSE was 0.33， and P<0.01， and the best fitting function of natural illumination was partial least squares while RMSE was 0.89， and P<0.01. [Conclusion] Accurate estimation of soil moisture content and its spectral features could provide a reference for planting crops scientifically and reasonably， and it could lay the foundation of hyperspectral data application.

Key words Arid region； Soil moisture content； Spectral reflectance； PLS

土壤含水量是土壤的重要组成部分，间接影响土壤的质量，作用于农作物的产量。对土壤含水量进行方便、有效地测量，不仅可以有效地对耕地合理地灌溉，而且可以提高作物产量。土壤含水量一直是国内外对研究的重点。Hummel等[1]用近红外反射率传感器研究土壤含水量与土壤有机质。David等[2]在实验室内采集不同含水量的土壤光谱反射率，并分析土壤含水量的光谱特征。Farifteh和他的团队[3]使用偏最小二乘回归（Partial least squares regression，PLSR）和人工神经网络方法，研究土壤光谱反射率与土壤电导率之间的关系。Haubrock等[4]采集野外光谱数据，并使用归一化土壤水分指数，研究光谱反射率与土壤表层含水量之间的关系。姚云军等[5]建立了MODIS短波红外土壤湿度指数，用宁夏土壤进行验证指数。国内学者赵杰鹏等[6]将被动微波遥感与热红外遥感数据结合，对土壤水分进行协同反演实验。张芳等[7]利用测量的高光谱反射率，研究碱化土壤的光谱特征。邵晓梅等[8]对土壤水分检测、空间变异和预测等进行分析，并且提出展望。吴剑等[9]基于Hyperion高光谱数据，利用土地退化指数法研究土地退化，并制图，分析分类精度。张飞等[10]对渭库绿洲的土壤光谱反射率进行了含盐量的光谱特征分析。刘伟东等[11]使用反射率、一阶微分、差分方法，研究光谱反射率与土壤含水量之间的关系。何挺等[12]用一阶、二阶导数微分以及吸收特征峰，对光谱反射率与土壤含水量进行研究。宋韬等[13]对光谱反射率与土壤含水量之间的关系建立一元回归模型。吴代晖等[14]对国内外使用高光谱遥感技术研究土壤含水量的研究进行归纳与展望。笔者采集了不同地物类型、不同深度的土壤样品，计算其含水量，进行了不同深度盐渍土含水量的统计分析；利用人工光源获取的光谱反射率数据进行线性函数、多项式函数、指数函数一元方程拟合和二元逐步回归和偏最小二乘回归的二元方程拟合。利用野外自然光源获取的光谱反射率数据进行一阶、二阶、三阶、四阶、五阶、六阶导数微分处理，再对其反射率数据进行相同的一元和二元方程的拟合，并且用实测光谱反射率数据对拟合的函数进行验证，选择出最佳的擬合模型，探讨土壤光谱反射率数据在含水量研究中的应用价值。精确估算土壤含水量以及土壤含水量的光谱特征研究，可以为科学和合理种植作物以及提高作物产量提供参考数据，也可以为以后该区域高光谱数据的应用奠定基础。

1 材料与方法

1.1 研究区概况

克里雅河流域位于塔克拉玛干沙漠南缘，昆仑山中段北麓，属于大陆性暖温带干旱沙漠气候，四季分明，温差较大，降水稀少，蒸发量大，年平均气温 为12.4 ℃，无霜期为 200 d，年均降水量为44.7 mm，年平均蒸发量为 2 498 mm[15]。随着强烈的地表蒸发，许多可溶性盐类随土壤毛细管上升至地表，造成农田耕层盐渍化，破坏土壤的理化性能。

1.2 土壤样本的采集

2012年8～10月是新疆南疆地区盐渍地的反盐期。连续采集反盐期的表层土壤，深度分别为0～10和10～30 cm。为了充分呈现盐渍地土壤水分的光谱特征，选取的样点尽量分布在不同程度的盐渍地上。

1.3 土壤含水量的测定

把所取的土壤样本装入密封铝盒中，进行室内土壤水分的测定。采用烘干法烘干土壤，烘干前后使用高精度电子天平梅特勒AL204称取铝盒前后的质量，从而求算出土壤含水量。

1.4 土壤光谱数据的采集

使用美国ASD公司的FieldSpec3 Hi Res便携式地物光谱仪，其波谱范围为350～2 500 nm，光谱分辨率为3 nm @ 700 nm，8.5 nm @ 1 400 nm，6.5 nm @ 2 100 nm。将表层土壤0～10、10～30 cm的土壤进行均匀混合，在自然光源（太阳光）下采集5条新鲜混合土壤样本的光谱反射率数据。在采集过程中，应该选择天气晴朗、无云、风速较小时进行[16]。

在实验室内，使用人工光源探枪（Artificial light source probe gun）采集5条新鲜混合土壤样本的光谱反射率数据。待混合土壤烘干且达到室内恒定温度后，采集5条烘干后土壤的光谱反射率数据。

1.5 光谱数据的处理

对人工光源和自然光源所获得的5条光谱反射率数据分别进行算术平均，使用Percentile Filter平滑法对其进行光谱平滑处理。将烘干前后土壤光谱反射率进行对比，如图1、2所示。烘干后的土壤光谱反射率曲线要比烘干前的高。将烘干后的土壤光谱反射率减去烘干前的土壤光谱反射率，得到的光谱反射率数据只受到土壤含水量的影响，大大消除了土壤母质、土壤质地、颜色以及外部环境的影响。

由于1 346～1 462、1 796～1 970、2 406～2 500 nm的光谱反射率受水汽的影响剧烈，将自然光源条件下所获得光谱反射率数据中这部分波段的光谱反射率剔除[17-18]。将以上得到的光谱反射率作为自然光源的土壤光谱反射率数据。

导数微分技术常被用来降低噪声[19-20]，提高光谱的信噪比。导数微分方法可以很好地提高地物地识别能力。对自然光源的土壤光谱反射率数据进行一阶、二阶、三阶、四阶、五阶、六阶导数微分处理[21-22]。

2 结果与分析

2.1 土壤水分的统计分析

土壤水能够将地表水和地下水紧密联系在一起，是物质传输和运移的重要载体，也是衡量土壤肥力的主要因素之一[23-26]。在干旱区，土壤水分状况能直接影响植被的生存状况，对农业生产和生态环境都具有决定性的作用[27]。

研究区盐渍土壤分布广泛，即使在绿洲覆盖的地区，土壤也依然呈现轻度盐渍化现象。所采集的土壤样品均包含轻度盐渍地、中度盐渍地和重度盐渍地等。绿洲覆盖区域以及靠近绿洲外围的土壤样品盐渍化程度较低，土壤含水量明显高于裸露的盐渍地。将48个采样点的土壤含水量进行统计分析。

表1表明，从轻度盐渍地、中度盐渍地到重度盐渍地，土壤含水量差异较大，且不同深度含水量存在较明显的差异。表层土壤（0～10 cm）的含水量明显低于10～30 cm深度，且表层土壤含水量由于土壤盐渍化程度的不同而存在差异，绿洲内部和外围的土壤含水量也存在明显差异。变异系数能反映土壤水分的空间变异性大小和数据的离散程度，通常认为0.01<变异系数<1，属于中等变异性[28]；峰度系数能够表明数据在中心的聚集程度，该研究中土壤含水量的峰度系数均不为0，所以不符合正态分布规律，表层土壤的含水量峰度绝对值仅为0.383 5，相对而言较接近正态分布特征；偏度系数反映所有样品土壤含水量分布形状，度量分布的偏斜程度和偏向，表层土壤含水量呈现正偏的趋势，且正偏较显著，而10～30 cm的土壤含水量只有非常轻微的负偏趋势[29-30]。

在0～10 cm深度，植被覆盖区以及水域周边土壤含水量较大，而在远离河道的区域，土壤含水量也逐步降低。同时，盐渍化土壤的盐渍化程度不同，其含水量也伴随着盐渍化程度的增加而降低。但是，也存在個别表层土壤样品由于非常容易受到外界环境干扰而导致个别土壤样品含水量出现与整体土壤水分含量分布规律相悖的现象。

导致表层土壤和10～30 cm土壤含水量分布特征存在明显差异的原因主要有：①表层土壤含水量与灌溉引流等人为因素，同时降水、蒸散发等自然因素密切相关，易受到外界因素的影响和干扰；②降水能够湿润一定深度的土层，却无法无限深入土层之中，同时最表面的土壤水分蒸发最快，导致不同土层深度的盐渍土含水量差异很大；③研究区处于克里雅河流域周边，采样点有的靠近水域，有的则远离水域，盐渍化程度也存在差异，8～10月处于返盐期，盐分析出，在土壤表层产生盐壳、盐结皮，故不同土壤样品的含水量差异很大；④植物的生长需要从土壤中获取水分，植物根系的深度、蒸腾作用的强度、耐盐保水的能力以及采样点附近的植被覆盖度等因素均对土壤含水量有所影响。

2.2 土壤光谱反射率与土壤含水量的相关分析

对人工光源的土壤光谱反射率数据、自然光源的光谱反射率、导数微分变换后的光谱反射率数据与土壤含水量进行相关分析（图3）。

人工光源的最大相关系数为-0.733，对应波段为1 680 nm。相关系数的曲线较平滑，只有波段1 860～2 044、2 360～2 500 nm两处有明显的波谷。两处波谷的波段范围与自然光源下的水汽吸收带的两个波段范围相似。自然光源的最大相关系数为-0.587，对应波段为558 nm。自然光源的只有一个波峰，波段范围在558 nm处。

对自然光源的原始光谱反射率数据、6种导数微分形式的光谱反射率与土壤含水量之间进行相关分析。从表2可以看出，导数微分形式可以有效提高光谱反射率数据与土壤含水量之间的相关性。其中，一阶导数微分形式的效果最显著，相关系数为-0.815，对应波段为425 nm。841、842 nm也有效地提高了两者之间的相关性。人工光源和自然光源获取的光谱反射率数据与土壤含水量之间的关系均为负相关，然而人工光谱获取的光谱反射率数据与土壤含水量之间的相关系数明显好于自然光源的。经过导数微分变换后的光谱反射率与土壤含水量之间的相关性得到显著提高，甚至超过人工光源的相关系数。

2.3 土壤光谱反射率与土壤含水量的回归分析

根据相关分析的结果，选择相关性最好的一个或两个波段对人工光源的土壤光谱反射率数据与土壤含水量之间的关系进行一元一次、一元二次、指数、二元逐步回归、偏最小二乘回归函数的拟合。

从表3可以看出，人工光源获取的土壤光谱反射率与土壤含水量的拟合函数效果都很好，最佳拟合方程为一元二次方程Y= 266.4X21680+35.2X1680 +1.9，判定系数R2为0.646，总均方根误差（RMSE）为0.33，显著性水平P<0.01。指数方程的效果最差，R2为0.459，RMSE为0.63，显著性水平P<0.05。其他拟合函数的总均方根误差均在两者之间。

同时，对自然光源的土壤光谱反射率以及6种导数微分形式的光谱反射率与土壤含水量之间的关系也进行相同函数的拟合。在对两种光源获取的光谱反射率数据进行拟合函数时使用48个样本数据，再用13个典型样本数据进行验证。用RMSE和显著性水平来验证以上拟合函数的精度。

从表4可以看出，土壤含水量与自然光源的土壤光谱反射率二者之间的最佳拟合函数为偏最小二乘回归（PLSR）的光谱反射率的四阶形式，其拟合函数的效果最为优异，判定系数为0.668，总均方根误差为089，显著性水平P<0.01。使用二元逐步回归方法而拟合的最佳函数为光谱反射率的六阶导数微分形式，判定系数为0.657，总均方根误差为094，显著性水平P<0.01。在自然光源获取的土壤光谱反射率与土壤含水量的拟合函数中，二元拟合效果比一元效果更为突出。偏最小二乘、一元一次、指数的最佳拟合函数均选择了光谱反射率的四阶导数微分形式。二元逐步回归、一元二次的最佳拟合函数均选择了光谱反射率的六阶导数微分形式。四阶、六阶导数微分形式更能突出土壤光谱反射率与土壤含水量之间的相关性。二元逐步回归和最小二乘拟合方程各有自己的优势，只是表现在不同阶数的导数微分形式上。

人工光源采集的土壤光谱反射率数据的拟合方程的估算效果比自然光源的效果好。这种方式研究土壤光谱反射率与土壤含水量之间的关系更科学和精确，也便于以后研究土壤质地、颜色等多因素与土壤光谱反射率之间的关系。采用自然光源获取光谱反射率的拟合函数精度差一点，操作简单。在精度允许的范围内，可以直接使用自然光源的光谱反射率。

[18] PALACIOSORUETA A，USTIN S L.Multivariate statistical classification of soil spectra[J].Remote Sensing of Environment，1996，57（2）：108-118.

[19] 浦瑞良，宫鹏.高光谱遥感及其应用[M].北京：高等教育出版社，2003.

[20] 童庆禧，张兵，郑兰芬.高光谱遥感的多学科应用[M].北京：电子工业出版社，2004.

[21] 苏红军，杜培军，盛业华.高光谱遥感数据光谱特征提取算法與分类研究[J].计算机应用研究，2008，25（2）：390-394.

[22] 张晋.土壤光谱特性的研究[D].杨凌：西北农林科技大学，2008.

[23] CALOW R C，ROBINS N S.Groundwater management in drought prone areas of Africa[J].Water Resources Development，1997，3（2）：241-262.

[24] GRETEN D，HOFF H，BONDEAU A，et al.Contemporary “green” water flows：simulations with a dynamic global vegetation and water balance model[J].Physics and Chemistry of the Earth，2005，30：334-338.

[25] 魏彬，海米提·依米提，王庆峰，等.克里雅绿洲地下水埋深与土壤含水量的相关性[J].中国沙漠，2013，33（4）：1110-1116.

[26] 肖德安，王世杰.土壤水研究进展与方向评述[J].生态环境学报，2009，30（3）：334-338.

[27] 张凯，冯起，吕永清，等.民勤绿洲荒漠带土壤水分的空间分异规律研究[J].中国沙漠，2011，31（5）：1149-1155.

[28] 胡玲，彭世彰，丁加丽，等.灌区土壤水分空间变异及监测方法研究[J].沈阳农业大学学报，2004，35（5/6）：489-491.

[29] 金秉福.粒度分析中偏度系数的影响因素及其意义[J].海洋科学，2012，36（2）：129-135.

[30] 阚兴莉.关于偏度和峰度的讨论[J].考试周刊，2009（52）：63.