CN114354545A - 一种考虑有机质影响的土壤水分遥感反演方法 - Google Patents

Abstract

一种考虑有机质影响的土壤水分遥感反演方法，涉及涉及农业环境检测技术领域，针对现有技术中反演方法不能适用于所有的土壤水分测定的问题，本申请通过一定数学建模方法及统计规律分析得出土壤质量含水量SMCg与土壤颗粒平均水层厚度(L*ε)的关系，并进一步去除土壤有机质含量对反演效果的影响，从而实现土壤高光谱遥感数据快速获得土壤含水量数据，且可结合遥感技术将土壤水含量直观显示于遥感地图，从而为农业、林业和畜牧业提供丰富的土壤水分资料，便于对农业生产进行科学规划，为制定农业生产计划提供依据。并且本申请可以适用于所有的土壤水分测定。

Description

一种考虑有机质影响的土壤水分遥感反演方法

技术领域

本发明涉及涉及农业环境检测技术领域，具体为一种考虑有机质影响的土壤水分遥感反演方法。

背景技术

土壤水分是水文学、气象学、土壤学、生态学和农业科学领域的重要参数，是植物生长和生存的物质基础，它不仅影响林木、大田作物、蔬菜、果树的产量，还影响陆地表面植物的分布。同时也是陆面生态水文循环的重要组成部分，对农业的发展起着重要的作用。

遥感是应用探测仪器且不与探测目标相接触，记录目标的电磁波特性，通过分析揭示出物体的特征性质及其变化的综合性探测技术。遥感技术具有范围广和信息传输快等优点，根据不同的任务，遥感技术可选用不同波段和遥感仪器来获取信息，利用不同波段对物体不同的穿透性，还可获取地物内部信息。

辐射传输方程模型是根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。它是基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。机理模型的优点是参数具有非常明确的物理意义。模型参数易于调整，所得的模型具有很强的适应性。其缺点是对于某些对象，人们还难以写出它的数学表达式，或者表达式中的某些系数还难以确定时，就不能适用。机理模型往往需要大量的参数，这些参数如果不能很好地获取，也会影响到模型的模拟效果。

大范围土壤水分的监测与反演是农业研究和生态环境评价的重要组成部分，区域或全球范围的土壤水环境反演是陆面过程模式研究中必不可少的参数之一。因此土壤水分的遥感反演是一项具有重大意义的研究课题。

目前土壤水分遥感反演方法大致可分为可见光—近红外法(包括反射率法、植被指数法)，热红外法(包括热惯量法、温度—植被指数法)，微波法，雷达法。但是由于土壤在纹理和结构等方面的不同无法获得被研究的土壤的性质。因此，一种遥感反演方法不能适用于所有的土壤水分测定。

发明内容

本发明的目的是：针对现有技术中反演方法不能适用于所有的土壤水分测定的问题，提出一种考虑有机质影响的土壤水分遥感反演方法。

本发明为了解决上述技术问题采取的技术方案是：

一种考虑有机质影响的土壤水分遥感反演方法，包括以下步骤：

步骤一：获取土壤样本，然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM，并得到土壤样本的光谱数据；

步骤二：制造梯度含水量的土壤样本，然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg；

步骤三：将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理，得到滤波处理后的光谱数据R_meas；

步骤四：基于土壤中光的多层辐射传输过程，得到一个只含有土壤平均水层厚度为未知参数的反射率模型R_mod；

步骤五：利用python的minimize函数、滤波处理后的光谱数据R_meas以及反射率模型R_mod求优化函数

的最小值，得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε，根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI，即PSI＝L*ε，其中，λ为波长，n_λ为波长数量，λ₁为波长求和上限，λ₂为波长求和下限；

步骤六：利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系；

步骤七：将土壤样本有机质含量SOM作为权重，结合平均水层厚度和土壤含水量之间的数学关系，得到土壤含水量遥感反演模型；

步骤八：利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。

进一步的，所述反射率模型R_mod表示为：

R_mod＝ε*R_ws+(1-ε)*R_d，其中

ε为湿土粒占土壤的百分比，R_ws为光照到湿土粒上的多级发射率，R_d为光照到干土粒只有一次反射，r₁₂为气水界面向空气中反射的反射率，T_w为水对光的吸收作用，t₁₂为气水界面向水中折射的折射率，r₂₁为气水界面向水中反射的反射率，t₂₁为气水界面向空气中的折射率。

进一步的，所述数学关系表示为：

其中，SMCg是土壤含水量，a和b为未知参数，a和b根据不同质地的土壤确定。

进一步的，所述步骤一的具体步骤为：

利用分层抽样法采集二十份土壤样本，并将每份土壤样本分成两组，测量第一组二十份土壤样本的高光谱数据，并测得光谱数据记为R_meas，再将全部土壤样本烘干测高光谱数据记为R_d。

进一步的，所述步骤二的具体步骤为：

将第二组二十份土壤样本充分混合，然后用小喷壶喷水，制造梯度含水量的土样，之后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg。

进一步的，所述滤波处理中光谱数据范围为400nm到2500nm，间隔为1nm。

进一步的，所述波长数量n_λ为2101。

进一步的，所述步骤六中数学关系通过SPSS软件建立。

本发明的有益效果是：

本申请通过一定数学建模方法及统计规律分析得出土壤质量含水量SMCg与土壤颗粒平均水层厚度(L*ε)的关系，并进一步去除土壤有机质含量对反演效果的影响，从而实现土壤高光谱遥感数据快速获得土壤含水量数据，且可结合遥感技术将土壤水含量直观显示于遥感地图，从而为农业、林业和畜牧业提供丰富的土壤水分资料，便于对农业生产进行科学规划，为制定农业生产计划提供依据。并且本申请可以适用于所有的土壤水分测定。

附图说明

图1为本申请的原理图；

图2为土壤含水量预测回归模型logistic曲线图；

图3为预测模型logistic曲线拟合效果分析示意图；

图4为曲线预测PSI/logSOM示意图。

具体实施方式

需要特别说明的是，在不冲突的情况下，本申请公开的各个实施方式之间可以相互组合。

具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的一种考虑有机质影响的土壤水分遥感反演方法，包括以下步骤：

步骤一：获取土壤样本，然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM，并得到土壤样本的光谱数据；

步骤二：制造梯度含水量的土壤样本，然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg；

步骤三：将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理，得到滤波处理后的光谱数据R_meas；

步骤四：基于土壤中光的多层辐射传输过程，得到一个只含有土壤平均水层厚度为未知参数的反射率模型R_mod；

步骤五：利用python的minimize函数、滤波处理后的光谱数据R_meas以及反射率模型R_mod求优化函数

的最小值，得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε，根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI，即PSI＝L*ε，其中，λ为波长，n_λ为波长数量，λ₁为波长求和上限，λ₂为波长求和下限；

步骤六：利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系；

步骤七：将土壤样本有机质含量SOM作为权重，结合平均水层厚度和土壤含水量之间的数学关系，得到土壤含水量遥感反演模型；

步骤八：利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。

为了更好的测定土壤水分，本申请在现有的土壤水分遥感反演方法及其模型上基于土壤物理、化学和光谱特征进行了改进。

现有的遥感反演方法因其参数建模技术和手段的不同，模型得到的反演方程往往受到时间、空间、植被覆盖、土壤条件等条件限制。在大尺度区域反演情况下，得到的水层厚度—土壤水分重量图像均有着不同程度的差异，这样的方法不能适应大尺度复杂区域的土壤水分反演，故本申请在现有的遥感反演方法的基础上根据实际情况对模型进行了改进。

基于土壤反射率的多层辐射传输模型，本申请提出一种由土壤反射率光谱估算土壤含水量的方法。该模型把湿润的土壤看成覆盖着一层薄膜水的干燥土粒，通过模拟光在土壤中的反射折射投射吸收等过程，计算出土壤的平均水膜厚度，并将其与土壤质量含水量联系起来，从而实现土壤含水量的遥感估算，具体步骤如下：

第一步：在某地区利用分层抽样法采集二十份土样土壤，在实验室测量其土壤有机质含量，土壤有机质含量等理化性质，并将每份土样分成两组。

第二步：在实验室测量第一组二十份土样的高光谱数据，测得光谱数据记为R_meas，再将全部土样烘干测高光谱数据记为R_d，数据范围为400nm-2500nm。

第三步：将第二组二十份土样充分混合，用小喷壶喷水，制造梯度含水量的土样，对每个含水量梯度按照第二步的步骤进行操作。

第四步：我们的模型将整块土壤看作湿土与干土的连续统一结合体，光照到干土粒只有一次反射即为R_d，湿土粒表面包裹着一层水膜，水膜厚度为L，湿土粒占土壤的百分比为ε。光照到湿土粒上，在水膜表面有部分光直接被反射回空气中(r₁₂)，另一部分光则以折射t₁₂入水膜，穿过水膜到达土粒表面经一次反射R_d，而水对光的有两次吸收作用(T_w)。光到达水气交界处时，一部分光以折射的形式进入空气，另一部分则通过反射回到水膜中参与后续的辐射传输过程。(详见图1)

第五步：基于土壤中光的多层辐射传输过程，得到一个只含有土壤平均水层厚度为未知参数的反射率模型R_mod＝ε*R_ws+(1-ε)*R_d，其中

第六步：编写python程序对实际测量的的反射率数据与模型中得到的反射率数据的均方根求其最小值，利用

得到模型预测的土壤平均水层厚度。

第七步：通过SPSS软件利用梯度含水量的土样建立平均水层厚度和土壤含水量之间的数学关系，

第八步：将土壤有机质含量看作吸收光的物质，将其含量的对数作为权重乘到平均水层厚度上，得到考虑多因素的土壤含水量遥感反演模型

第九步：根据得到的遥感模型对当地土壤含水量信息进行测量和预测。

实施例：

第一步：在一块样地内取20个不同的土样，在实验室中测出其土壤质量含水量SMCg和有机质含量SOM并获得其光谱数据。

第二步：取其中一块土样烘干，并用喷壶向土样喷水，制造梯度含水量的土壤样本，测土壤在不同梯度含水量时的光谱数据并记录其质量含水量。

第三步：对前两步获得的光谱数据进行滤波处理，光谱数据范围为400nm到2500nm，间隔为1nm，记为测量反射率R_meas

第四步：据机理模型模拟光在土壤中的辐射传输过程，土壤模型反射率为R_mod＝ε*R_ws+(1-ε)*R_d

第五步：利用python的minimize函数，通过求优化函数

的最小值，找到模型反射率光谱与测量反射率光谱最接近时L和ε的值，PSI＝L*ε即为土壤平均水层厚度。

第六步：试图建立梯度含水量的土壤的土壤质量含水量SMCg和土壤平均水层厚度PSI之间的关系，利用SPSS软件中自动建模的功能，建立土壤含水量预测回归模型logistic曲线(如图2和图3所示)，以相关系数R²为参考标准，确定函数关系如下：

通过数学变换得：

SMC_g＝-24.71+0.06375ln(L*ε)

使用此方程即可实现使用光谱数据预测土壤质量含水量的功能，但并未考虑到土壤有机质对光谱数据造成的影响。

第七步：我们考虑将logSOM作为权重，加到上述式子中，以相关系数R²为参考标准，最终确定考虑有机质的质量含水量预测函数如下：

SMC_g＝-0.8284+0.06375ln(L*ε*log SOM)

使用此公式即可由光谱数据获得较为精确的得到考虑土壤有机质影响的土壤含水量预测值。

图3中自变量为土壤含水率。

需要注意的是，具体实施方式仅仅是对本发明技术方案的解释和说明，不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的，仍应落入本发明的保护范围内。

Claims (8)

1.一种考虑有机质影响的土壤水分遥感反演方法，其特征在于包括以下步骤：

步骤一：获取土壤样本，然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM，并得到土壤样本的光谱数据；

步骤二：制造梯度含水量的土壤样本，然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg；

步骤三：将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理，得到滤波处理后的光谱数据R_meas；

步骤四：基于土壤中光的多层辐射传输过程，得到一个只含有土壤平均水层厚度为未知参数的反射率模型R_mod；

步骤五：利用python的minimize函数、滤波处理后的光谱数据R_meas以及反射率模型R_mod求优化函数

的最小值，得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε，根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI，即PSI＝L*ε，其中，λ为波长，n_λ为波长数量，λ₁为波长求和上限，λ₂为波长求和下限；

步骤六：利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系；

步骤七：将土壤样本有机质含量SOM作为权重，结合平均水层厚度和土壤含水量之间的数学关系，得到土壤含水量遥感反演模型；

步骤八：利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。

2.根据权利要求1所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述反射率模型R_mod表示为：

R_mod＝ε*R_ws+(1-ε)*R_d，其中

ε为湿土粒占土壤的百分比，R_ws为光照到湿土粒上的多级发射率，R_d为光照到干土粒只有一次反射，r₁₂为气水界面向空气中反射的反射率，T_w为水对光的吸收作用，t₁₂为气水界面向水中折射的折射率，r₂₁为气水界面向水中反射的反射率，t₂₁为气水界面向空气中的折射率。

3.根据权利要求2所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述数学关系表示为：

其中，SMCg是土壤含水量，a和b为未知参数，a和b根据不同质地的土壤确定。

4.根据权利要求3所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述步骤一的具体步骤为：

利用分层抽样法采集二十份土壤样本，并将每份土壤样本分成两组，测量第一组二十份土壤样本的高光谱数据，并测得光谱数据记为R_meas，再将全部土壤样本烘干测高光谱数据记为R_d。

5.根据权利要求4所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述步骤二的具体步骤为：

将第二组二十份土壤样本充分混合，然后用小喷壶喷水，制造梯度含水量的土样，之后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg。

6.根据权利要求5所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述滤波处理中光谱数据范围为400nm到2500nm，间隔为1nm。

7.根据权利要求6所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述波长数量n_λ为2101。

8.根据权利要求7所述的一种考虑有机质影响的土壤水分遥感反演方法，其特征在于所述步骤六中数学关系通过SPSS软件建立。

Images