论文部分内容阅读
土壤粒径作为土壤最重要的属性之一,是影响土壤表面结构、土壤水力性质和植物养分可用性的重要因素。此外,了解土壤粒径大小的时空变化对于理解干旱和半干旱地区的地表渗透以及风和水的侵蚀也很有意义。因此,在不同区域尺度估算土壤粒径大小是十分有必要的。但在当前对土壤粒径的估算研究中,经验与半经验方法中主要是基于单波段反射信息。而区域内不同土壤类型之间的异质性或者变化的入射条件,都会改变反射,这会对基于反射信息估算土壤粒径造成影响。为了提高反射光谱数据估算土壤粒径的有效性,需要探索在不同光照几何条件下利用不同类型土壤的反射信息,建立与土壤粒径之间的关系,提高估算精度。因此,消除土壤类型以及入射角的影响对于准确估算土壤粒径是非常有必要的。本文基于高光谱反射数据,分析了土壤粒径与光谱之间的关系,证实了土壤类型和入射角度对反射光谱信息与土壤粒径之间关系的影响。为了消除土壤类型和光照条件对土壤粒径估算的影响,本研究构建了4种用于估算土壤粒径的光谱指数。结果表明:基于不同类型土壤反射光谱信息新提出的简单差值光谱指数SDSI(Simple Difference Spec tral Index),(R900-R2150),相较于单波段和其他光谱指数,与不同类型土壤粒径大小之间有很强的关系(R~2=0.88),并且不具有入射角度依赖性。利用SDSI指数在野外不同入射角条件下估算不同类型土壤粒径时,也有很高的估算精度(RMSE=0.12mm,RRMSE=6.2%)。结果证明:SDSI光谱指数在实验室和野外测量条件下都不受土壤类型和入射天顶角的影响,可以很好地估算土壤粒径。此外,由于组成SDSI指数的两波段R900和R2150位于大多数卫星的大气窗口波段,本研究则选取了常用于地表监测的三个卫星Landsat8(B5-865n m、B7-2200nm)、Sentinel-2A(B8a-865nm、B12-2190nm)、Landsat5(B4-840nm、B7-2223nm),通过对实验室和野外测量数据光谱重采样,基于卫星波段替代SDSI指数中的两个波段构建SD(Simple Difference)差值光谱指数(Landsat8:(B5-B7(R865-R2200))、Sentinel-2A:(B8a-B12(R865-R2190))、Landsat5:(B4-B7(R840-R2223))),建立了与土壤粒径的关系。研究表明,基于Landsat8、Sentinel-2A和Landsat5卫星构建的SD指数与土壤粒径之间均具有很强的相关性,R~2均大于0.85。将基于实验室建模数据集计算得到的指数估算模型应用于野外验证数据集,也取得了较好的估算结果(Landsat8:RMSE=0.19mm,RRMSE=9.8%;Sentinel2A:RMSE=0.19mm,RRMSE=9.8%;Landsat5:RMSE=0.19mm,RRMSE=9.7%)。这也表明,本研究所提出的SDSI指数不仅可以消除不同类型土壤以及入射角的影响,并将其重采样到卫星多光谱之后,也具有较高的土壤粒径估算精度。除了上述方法外,本研究还利用偏最小二乘回归方法PLSR(Partial Least Square Regression)建立了土壤粒径估算模型。结果表明,基于不同类型土壤粒径测量的原始反射光谱利用该方法建立的估算模型与土壤粒径也有较强的相关性(R~2=0.88),并且,模型的预测表现也较好(RMSE=0.18mm)。综上,本研究基于光谱指数与偏最小二乘回归方法建立了不同类型土壤粒径估算模型,发现通过光谱指数与利用偏最小二乘回归的方式建立的估算模型,消除了土壤类型与入射角度的影响,对于土壤粒径均有良好的估算表现。相较而言,新提出的SDSI光谱指数不仅使用了较少的波段,运算简便,并且在将其应用于野外测量数据集时,可以准确的反映土壤粒径的变化趋势。因此,SDSI指数(R900-R2150)是一种更为简便且有效的土壤粒径估算方法,有利于土壤质地分布的快速表征、还可为野外现场测量土壤粒径提供理论依据。