基于高光譜特征的土壤含水量遙感反演方法-萊森光學(xué)

0引言

隨著遙感技術(shù)的廣泛應(yīng)用，微波、熱紅外和光學(xué)遙感估算土壤含水量的潛力也被大家所認(rèn)可。在微波遙感（5～1000mm）估算土壤含水量與波長后向散射系數(shù)有關(guān)，其在大范圍的應(yīng)用中效果明顯，但是不足之處是它的空間分辨率較低，不適用于小尺度以及野外測(cè)量；

對(duì)于熱紅外遙感（3.5～14μｍ）監(jiān)測(cè)反演土壤含水量，一般來說，當(dāng)與能夠提供植被指數(shù)的光學(xué)傳感器協(xié)同使用時(shí)， 其估算精度較高，但反演計(jì)算過程中涉及多種復(fù)雜的導(dǎo)數(shù)，反演解算過程較為繁瑣，研究小范圍的土壤含水量情況下不推薦使用該方法，更推薦在大面積情況下使用； 高光譜分辨率的光學(xué)遙感（400～2500nm），通常稱為高光譜遙感 （ hyperspectral remote sensing，HRS），由于土壤含水量 θ 與土壤的高光譜反射率 R之間的相關(guān)性較大，將其與地面、機(jī)載和高空傳感系統(tǒng)結(jié)合使用，可以在不同時(shí)空尺度上估算出土壤含水量。 因此，HSR被認(rèn)為是解決上述估計(jì)土壤含水量 θ 存在空間分辨率低、適用范圍小等問題上最有前途的遙感技術(shù)之一。

土壤含水量與光譜反射率關(guān)系

圖 1 θ－R的變化關(guān)系

圖1反映的是土壤反射率隨波長的變化關(guān)系。從圖1可看出不同波長所對(duì)應(yīng)土壤的反射率不盡相同，在1450nm和1900nm波長附近土壤反射率較低，出現(xiàn)了明顯的波谷，在1300nm和1700nm波長附近土壤反射率達(dá)到了一個(gè)較高值，出現(xiàn)了較為明顯的波峰。

圖2 θ－R關(guān)系的不同分類方法

將建立θ－R關(guān)系的方法分為以下4類：光譜反射率法（Ⅰ類）、函數(shù)法（Ⅱ類）、模型法（Ⅲ類）和機(jī)器學(xué)習(xí)法（Ⅳ類）。 圖2描述了現(xiàn)有θ－R關(guān)系的不同分類方法。

波譜反射率法

相對(duì)反射率法：

劉偉東等證明了簡(jiǎn)單線性和非線性函數(shù)估算土壤含水量的效用，并描述了土壤在每個(gè)波段的反射率 R 與相對(duì)反射率 R*（在非干燥條件下）之間的關(guān)系，公式為：

式中 a０ ，b０ ，c０ ，d０ 和 e０ 為輔助參數(shù)。 在低于臨界水平的低濕度條件下，即在干燥條件下（θ ＝０），R*＝１時(shí)，上述方程可修改為：

函數(shù)法

Whiting等將反高斯函數(shù) g（λ）與土壤光譜反射面相結(jié)合來估算土壤含水量，其反射面積A和振幅Z的參數(shù)與θ相關(guān)聯(lián)。當(dāng)使用短波紅外波長進(jìn)行計(jì)算時(shí)，輔助參數(shù)與反射面積A高度相關(guān)，2800nm左右的波長范圍對(duì)其影響較大。 g（λ），A和Z的計(jì)算公式分別為：

式中：λ０和 λi分別為光譜反射面中心和拐點(diǎn)處的波長；σ為從光譜反射面區(qū)域中心到拐點(diǎn)的距離；erf（*）為誤差函數(shù)。

模型法

光學(xué)模型：

Nolet等針對(duì)小面積濕潤土壤反映出來的土壤反射率的變化很小，因而忽略了該部分造成的影響，并提出了一個(gè)基于蘭伯特定律的針對(duì)沿海海灘砂礫進(jìn)行分析的簡(jiǎn)單指數(shù)模型，公式為：

式中 β為濕潤的海灘砂礫發(fā)生散射造成光譜反射率降低的影響因子。

機(jī)器學(xué)習(xí)法

深度學(xué)習(xí)法包括幾種統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方法,即多元線性回歸法( multiple linear regression,MLR)?逐步多元線性回歸法(stepwise multiple linear regres-sion,SMLR)?主成分回歸法(principal component re-gression, PCR)? 偏最小二乘回歸法 ( partial leastsquares regression,PLSR),支持向量機(jī)回歸法( sup-port vector machine regression ,SVMR)?多元自適應(yīng)回歸樣條法 ( multiple adaptive regression spline ,MARS)和人工神經(jīng)網(wǎng)絡(luò)法(artificial neural network,ANN)?

結(jié)論及展望

根據(jù)不同土壤光譜反射率與土壤含水量之間的關(guān)系，本文將 θ －R 研究方法分成４ 類，并從精度、復(fù)雜性、輔助數(shù)據(jù)要求、不同遙感模式下的可操作性以及對(duì)土壤類型的依賴性等方面分析了它們的潛力和局限性。 大多數(shù)方法在試驗(yàn)區(qū)范圍內(nèi)能有效證明 θ －R 之間的關(guān)系，但方法的遷移性和擴(kuò)展性還需要更多的實(shí)驗(yàn)驗(yàn)證。 其中反射率指數(shù)法（除了差分法和導(dǎo)數(shù)法）、函數(shù)法和模型法在計(jì)算上有優(yōu)勢(shì)，但它們需要獲得先驗(yàn)的土壤信息。 在沒有土壤信息的情況下，需要通過使用全部光譜反射率來估算土壤含水量，此時(shí)機(jī)器學(xué)習(xí)法更具優(yōu)勢(shì)，但是也取決于機(jī)器學(xué)習(xí)法在數(shù)據(jù)建模中使用的光譜數(shù)量的多少，數(shù)量過多則會(huì)影響計(jì)算效率。

歡迎關(guān)注公眾號(hào)：萊森光學(xué)，了解更多光譜知識(shí)。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃昊宇