ASD | 利用短波红外波段通过干燥过程分割来估计土壤含水量

利用短波红外波段通过干燥过程分割来估计土壤含水量

土壤水分是直接影响蒸发、入渗和径流等多种环境过程的重要因素。而且，土壤水分在农业蒸散与粮食安全、湿地退化、干旱、陆气界面的能量交换等相关研究领域发挥着重要的作用。

地面测量能够提供易于校准和长时间连续获取的数据，但该种方法仅针对单个小区域，难以支持空间变化研究或实地研究。基于水和土壤介电特性的巨大差异，微波遥感被广泛应用于大空间尺度的土壤水分监测，但不适用于精准农业等多种研究。热遥感可以根据地表温度来估算土壤水分，但热遥感信号不单受到土壤含水量（SMC）的影响，湿度、风速、大气条件等其他参数也会影响估计结果。而光学遥感由于其精细的空间分辨率和利用诸如MODIS、Landsat系列和Sentinel任务等卫星数据进行大尺度监测潜力之间的平衡而引起了诸多关注。目前已经提出了许多指标和模型来阐明反射率特征随SMC的变化，并利用实验室、实地、机载和卫星数据从窄带和宽带的反射率来估计SMC。这些方法/指标主要针对从饱和到风干的各级SMC；然而，作者发现饱和到风干的单一关系映射会导致准确估计的错误印象。在整个干燥过程中，光谱反射率特征和SMCs之间的回归关系不一致导致对相对较低的SMCs估计的精度较低。

基于此，在本研究中， 来自南京大学、康奈尔大学和河南农业大学的研究团队提出了一种分割方法以更准确的估计SWC。作者监测了代表不同土壤特性的三种土壤样品的整个干燥过程，并通过蒸发速率变化确定其过渡点（如高SWC的阶段1干燥和低SWC的阶段2干燥）。建立了SMC估计指数，即短波归一化指数（SNI），基于辐射传输模型支持干燥过程中的SNI指数趋势。

图1 实验装置示意图。利用ASD Fieldspec®Pro光谱仪进行光谱辐射亮度采集。

【结果】

图2 a) 三种土壤样品蒸发速率变化与干燥时间的关系，b) 干燥过程中三种土壤在2150 nm处的反射率变化。 

c) 三种样品蒸发速率导数的最大值确定干燥阶段分割点。

图3 三种样品砂/土壤含水量与光谱反射率之间的线性和对数回归的R²，a) 石英砂，b) 圬工砂，

c) 伊萨卡土壤，d) 模拟大气透射率。在 a)、b) 和 c) 中，黑色虚线标记为1680 nm和2150 nm。

图4 a) 显示了SMC估计的验证结果。 b)、c) 和 d) 显示了三种样品的

 建模曲线（实线）、回归曲线（虚线）和验证数据集（空心圆圈）。

图5 a）SMC估计值和测量值关系图，其中SMC估计值使用SNI2在线性回归中计算，

B_water 在1980 nm处评估。 图 b)、c) 和 d) 显示了三种样品的建模曲线（实线）、

回归曲线（虚线）和验证数据集（空心圆圈）。

【结论】

利用单一回归关系和单一指数估计整个干燥过程的SMC对所有土壤类型并不是有效的。该研究证明了利用现有方法估计SMC结果不准确，以及在分割干燥过程中估计SMC的基本原理。监测整个干燥过程中3种不同土壤样品的光谱反射率和重量，将其分为两个阶段用于训练和验证。此外，基于辐射传输模型研究不同干燥阶段所提出指数和光通过水的路径长度之间的关系，并支持了经验方法建立的回归关系，尤其是对路径长度相对较短的土壤。结果表明，在分割思想下，SMC估计值和测量值之间的相关性明显提高，尤其是在SMC较低的情况下（阶段2干燥过程）。

蒸发速率变化决定了干燥过程的分割过渡点，所有的土壤类型并不是一个特定的SMC值；因此，理解蒸发和SMC变化导致的光谱反射率变化之间的关系是极其重要的。例如，在实际使用中，石英砂阶段2干燥可以忽略，但它却是伊萨卡土壤干燥的重要组成部分。

SN1/SN2指数结合可以有效估计三种样品的SMC。对于阶段1干燥，利用SNI1指数在1680 nm和2150 nm处的反射率预测SMC是有效的。在阶段2干燥中，尽管使用1930-2150 nm组合的SNI2指数实现了最佳相关性，但作者认为1980 nm比1930 nm更适合实地应用。这种波段选择是为了避免强烈的大气水汽吸收，以确保足够的地面反射辐射到达飞机或卫星传感器。相对于将阶段2干燥视为阶段1干燥延续的指标，相关关系显著改善。

作者得到了如下结论：

1.干燥过程分割对从光谱反射率数据准确估计SMC是很有必要的，尤其是对于具有较长阶段2干燥过程的土壤。例如本研究中的伊萨卡土壤。对于与伊萨卡土壤相似的土壤，基于整个干燥过程的SMC估计可能会导致阶段1或阶段2干燥的偏差，这取决于哪个阶段有更多的训练集。

2. 由于石英砂中光通过水的路径长度相对较长，因此当SMC较高时，SNI具有独特的特征。在圬工砂或伊萨卡土壤中，half-logistic型的SNI曲线不同于线性关系。当光程较长时，拟合关系应由线性回归变为对数回归。

3. 在阶段2干燥过程中，利用现有卫星系统常用的光谱波段组合难以准确估计SMC；使用高光谱数据可以获得更高的精度，可以提供近强水吸收波段的数据，如1930 nm。虽然由于大气水汽的吸收，1930 nm不能在实验室外有效地使用，但稍微偏离中心的波长(如1980 nm)仍然比水吸收波段范围外的波长表现更好。