作物杂志,2023, 第1期: 233–238 doi: 10.16035/j.issn.1001-7283.2023.01.035

• 农业信息技术 • 上一篇    

土壤水分的高光谱响应特性及定量监测研究

张海涛(), 闫晓斌, 冯美臣, 杨武德, 肖璐洁, 宋晓彦, 张美俊, 王乐乐, 王超()   

  1. 山西农业大学农学院,030801,山西晋中
  • 收稿日期:2021-10-12 修回日期:2021-12-01 出版日期:2023-02-15 发布日期:2023-02-22
  • 通讯作者: 王超,主要从事光谱遥感研究,E-mail:wcqxx2005@126.com
  • 作者简介:张海涛,主要从事土壤光谱遥感研究,E-mail:zhanghaitao0211@163.com
  • 基金资助:
    国家自然科学基金项目(31871571);山西省应用基础研究计划项目(202203021211275);山西省现代农业小麦产业技术体系(2022-07);山西省重点研发项目(201903D211002)

Hyperspectral Response Characteristics and Monitor on Soil Water

Zhang Haitao(), Yan Xiaobin, Feng Meichen, Yang Wude, Xiao Lujie, Song Xiaoyan, Zhang Meijun, Wang Lele, Wang Chao()   

  1. College of Agriculture, Shanxi Agricultural University, Jinzhong 030801, Shanxi, China
  • Received:2021-10-12 Revised:2021-12-01 Online:2023-02-15 Published:2023-02-22

摘要:

为及时、准确地监测土壤含水量(SMC),采用室内条件下人工模拟不同SMC环境的方法,通过测定各时间段的SMC及其对应的土壤光谱反射率,运用连续投影算法(SPA)提取土壤水分的特征波长,结合多元线性回归(MLR)方法,构建SMC的高光谱定量监测模型。结果表明,光谱反射率随着样本SMC的增加而逐渐降低,二者存在明显的负相关关系;采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm;构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果(校正集的R2=0.930、RMSE=8.845、RPD=3.794,验证集的R2=0.927、RMSE=8.799、RPD=3.581)。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。

关键词: 土壤水分, 高光谱, 连续投影算法―多元线性回归(SPA-MLR), 监测模型

Abstract:

In order to timely and accurately monitor the soil water content (SMC), using the method of artificial simulation of different SMC environments under indoor conditions, by measuring the SMC and its corresponding soil spectral reflectance, using the continuous projection algorithm (SPA) to extract the characteristic wavelength of soil moisture, combined with multiple linear regression (MLR) method, constructed the hyperspectral quantitative monitoring model of SMC. The results showed that the spectral reflectance gradually decreased with the increase of SMC, and there was an obvious negative correlation between them. These spectral wavelengths of 422, 629, 817, 976, 1121, 1258, 1359, 1448, 1830 and 2022nm extracted by the method of SPA were proved to be closely related with the SMC. The combined method of SPA-MLR was adopted to construct the predictive model of SMC based on the extracted spectral wavelengths and it achieved good accuracy and stability (calibration set: R2=0.930, RMSE=8.845, RPD=3.794; validation set: R2=0.927, RMSE=8.799, RPD=3.581). The research results would provide some practical exploration and theoretical reference for the efficient monitoring of SMC with the hyperspectral technology.

Key words: Soil moisture, Hyperspectral, Successive projection algorithm-multiple linear regression (SPA- MLR), Monitor model

表1

土壤样本的理化性质

编号
Number
全碳
Total carbon (%)
全氮
Total nitrogen (mg/g)
容重
Bulk density (g/cm3)
黏粒含量
Clay content (%)
沙粒含量
Sand content (%)
1 0.583 4.318 1.293 22.875 77.125
2 0.236 3.669 1.167 15.376 84.624
3 1.084 4.081 1.268 30.112 69.888
4 0.897 1.395 1.574 38.163 61.837
5 0.806 3.268 1.292 26.084 73.916
6 1.293 2.328 1.394 26.829 73.171
7 1.303 3.421 1.343 28.107 71.893
8 1.491 3.192 1.387 26.884 73.116
9 1.397 2.464 1.480 35.202 64.798
10 2.955 2.828 1.467 32.694 67.306

表2

土壤含水量的描述性统计分析

样本数
Sample
范围
Range
最小值
Min.
最大值
Max.
平均值
Average
标准差
SD
偏度
Skewness
峰度
Kurtosis
总样本Total sample 88 106.978 0.021 106.999 24.981 32.899 0.968 -0.487
校正集Calibration set 66 106.978 0.022 106.999 25.691 33.554 0.962 -0.479
验证集Validation set 22 91.471 0.021 91.492 22.853 31.510 1.035 -0.459

图1

不同土壤含水量条件下的高光谱的特性

图2

土壤含水量与光谱的相关性和土壤水分的高光谱特征波段

图3

土壤水分的光谱监测模型的1:1拟合图 虚线为1:1拟合线,实线为实测值和预测值拟合线

[1] 陈东, 银永安, 王永强, 等. 中国农业节水灌溉技术现状及其发展对策. 作物研究, 2018, 32(4):330-333.
[2] 廖佐毅, 张庐陵, 廖章一, 等. 浅析我国农业节水灌溉技术研究及进展. 南方农机, 2021, 52(7):84-86.
[3] 康绍忠. 水安全与粮食安全. 中国生态农业学报, 2014, 22(8):880-885.
[4] 韩东, 王鹏新, 张悦, 等. 农业干旱卫星遥感监测与预测研究进展. 智慧农业, 2021, 3(2):1-14.
[5] 李睿, 娄运生, 张震, 等. 节水灌溉和遮光强度对水稻生长发育的耦合影响. 中国农业气象学, 2018, 39(11):14-26.
[6] 吕平. 精准农业节水灌溉技术推广与应用. 山西水利科技, 2020(2):60-64.
[7] 卢艳丽, 白由路, 王磊, 等. 农田不同粒级土壤含水量光谱特征及定量预测. 中国农业科学, 2018, 51(9):1717-1724.
[8] Wu S W, Wang C K, Liu Y, et al. Inversion and mapping of the moisture content in soil profiles based on hyperspectral imaging technology. Spectroscopy and Spectral Analysis, 2019, 39(9):2847-2854.
[9] 朱亚星. 土壤水分敏感波段优选与耕层土壤含水量估测研究. 武汉:华中师范大学, 2018.
[10] 杨涛, 宫辉力, 李小娟, 等. 土壤水分遥感监测研究进展. 生态学报, 2010, 30(22):6264-6277.
[11] Wang C, Feng M C, Yang W D, et al. A new method to decline the SWC effect on the accuracy for monitoring SOM with hyperspectral technology. Spectroscopy and Spectral Analysis, 2015, 35(12):3495-3499.
[12] Lin L X, Wang Y J, Xiong J B. Hyperspectral extraction of soil available nitrogen in nan mountain coal waste scenic spot of Jinhuagong mine based on enter-PLSR. Spectroscopy and Spectral Analysis, 2014, 34(6):1656-1659.
pmid: 25358182
[13] 刘焕军, 王翔, 张小康, 等. 松嫩平原主要土壤类型含水量高光谱预测模型. 土壤通报, 2018, 49(1):38-44.
[14] Li X X, Liang B W, Bai X B, et al. Research progress of spectroscopy in the detection of soil moisture content. Spectroscopy and Spectral Analysis, 2020, 40(12):3705-3710.
[15] Kahaer Y, Tashpolat N, Shi Q, et al. Possibility of zhuhai-1 hyperspectral imagery for monitoring salinized soil moisture content using fractional order differentially optimized spectral indices. Water, 2020, 12(12):3360.
doi: 10.3390/w12123360
[16] 李晨, 张国伟, 周治国, 等. 滨海盐土土壤水分的高光谱参数及估测模型. 应用生态学报, 2016, 27(2):525-531.
[17] 李美婷. 新疆不同质地土壤含水量光谱特征分析. 乌鲁木齐:新疆农业大学, 2012.
[18] 翟浩然, 李西灿, 钟浩, 等. 耕层土壤含水量间接光谱估测模型. 中国农学通报, 2020, 36(11):86-91.
[19] 刘焕军, 张柏, 宋开山, 等. 黑土土壤水分光谱响应特征与模型. 中国科学院研究生院学报, 2008, 25(4):503-509.
[20] 郝千萍. 石灰性褐土及玉米对菌糠配施生物炭的响应研究. 晋中:山西农业大学, 2019.
[21] 刘秀英, 王力, 宋荣杰, 等. 黄绵土风干过程中土壤含水率的光谱预测. 农业机械学报, 2015, 46(4):266-272.
[22] 娄径, 徐建辉, 周燕林, 等. 干旱区土壤含水量光谱特征分析与反演. 安徽农业科学, 2016, 44(13):99-101,126.
[23] 刘洋, 丁潇, 刘焕军, 等. 黑土土壤水分反射光谱特征定量分析与预测. 土壤学报, 2014, 51(5):1021-1026.
[24] Lobell D B, Asner G P. Moisture effects on soil reflectance. Soil Science Society of America Journal, 2002, 66(3):722-727.
doi: 10.2136/sssaj2002.7220
[25] Peng J, Shen H, He S W, et al. Soil moisture retrieving using hyperspectral data with the application of wavelet analysis. Environmental Earth Sciences, 2013, 69(1):279-288.
doi: 10.1007/s12665-012-1955-x
[26] Sun Y J, Zheng X P, Qin Q M, et al. Modeling soil spectral reflectance with different mass moisture content. Spectroscopy and Spectral Analysis, 2015, 35(8):2236-2240.
[27] Xia K, Xia S S, Shen Q, et al. Optimization of a soil particle content prediction model based on a combined spectral index and successive projections algorithm using Vis-NIR spectroscopy. Spectroscopy, 2020, 35(12):24-34.
[28] Liu F, He Y. Apllication of successive projections algorithm for variable selection to determine organic acids of plum vinegar. Food Chemistry, 2009, 115(4):1430-1436.
doi: 10.1016/j.foodchem.2009.01.073
[29] 李萍, 赵庚星, 高明秀, 等. 黄河三角洲土壤含水量状况的高光谱估测与遥感反演. 土壤学报, 2015, 52(6):1262-1272.
[30] 尹业彪, 李霞, 赵钊, 等. 沙质土壤含水率高光谱预测模型建立及分析. 遥感技术与应用, 2011, 26(3):355-359.
[1] 王会文, 李蕾, 余少波, 王强, 冯玉, 任爱霞, 林文, 孙敏, 高志强. 干旱年型深翻与探墒沟播对旱地小麦产量形成的贡献[J]. 作物杂志, 2020, (6): 116–122
[2] 纪景纯, 刘建立, 牛玉洁, 宣可凡, 蒋一飞, 邓皓东, 李晓鹏. 基于全波段高光谱的冬小麦生长参数估算方法比较[J]. 作物杂志, 2020, (6): 180–188
[3] 任永峰,路战远,赵沛义,高宇,刘广华,栗艳芳. 不同种植方式对旱地马铃薯水分利用及的影响[J]. 作物杂志, 2019, (5): 120–124
[4] 董哲,杨武德,张美俊,朱洪芬,王超. 基于高光谱遥感的玉米叶片SPAD值估算模型研究[J]. 作物杂志, 2019, (3): 126–131
[5] 陈瑛瑛,王徐艺凌,朱宇涵,武威,刘涛,孙成明. 水稻穗部氮素含量高光谱估测研究[J]. 作物杂志, 2018, (5): 116–120
[6] 王晓娟,赵圆峰,王娟玲,翟广谦,刘恩科,董春林,闫六英,张伟,姜春霞,张正. 不同覆盖方式对大棚滴灌番茄水分利用和经济效益的影响[J]. 作物杂志, 2018, (2): 103–107
[7] 于小彬,蒙美莲,刘素军,张婷婷,孟丽丽,焦瑞枣,陈有君. 施肥对马铃薯农田土壤水分时空变化及产量的影响[J]. 作物杂志, 2016, (3): 151–157
[8] 张昊,郝春雷,孟繁盛,慈艳华,郑伟,张丽研,边丽梅,董喆,霍剑锋. 膜下滴灌条件下不同灌水量对玉米产量及土壤水分的影响[J]. 作物杂志, 2016, (1): 105–109
[9] 王亚路, 滑丽娜, 田伟丽, 等. 不同水分处理对设施马铃薯氮淋洗、水分及氮利用效率的影响[J]. 作物杂志, 2015, (6): 99–105
[10] 包开花, 蒙美莲, 陈有君, 等. 覆膜方式和保水剂对旱作马铃薯土壤水热效应及出苗的影响[J]. 作物杂志, 2015, (4): 102–108
[11] 米俊珍, 刘景辉, 李立军, 等. 保水材料对旱作谷子苗期生长特性及土壤水分的影响[J]. 作物杂志, 2014, (4): 105–111
[12] 华劲松. 花荚期土壤水分胁迫对芸豆光合生理及产量性状的影响[J]. 作物杂志, 2013, (2): 111–114
[13] 孙培良, 杨士恩, 徐法彬, 刘顼, 李又君, 冯彩波. 鲁西北平原农田土壤水分对小麦产量的影响[J]. 作物杂志, 2012, (4): 65–69
[14] 李晶, 车代弟, 李馨园, 陈龙涛, 顾万荣. 种植方式对寒地冬小麦土壤水分利用及产量的影响[J]. 作物杂志, 2012, (3): 86–88
[15] 张雷, 李小燕, 牛芬菊, 等. 旱地微垄地膜覆盖沟播栽培对土壤水分和胡麻产量的影响[J]. 作物杂志, 2011, (4): 95–97
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!