李淑華，郝星耀，周清波，高秉博，潘瑜春

(1.中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081； 2.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097； 4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，北京 100097；5.北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心，北京 100097)

?

·技術(shù)方法·

基于三明治估計的全國土壤墑情估計方法*

李淑華1， 3， 4， 5，郝星耀2， 3， 4， 5，周清波1※，高秉博2， 3， 4， 5，潘瑜春2， 3， 4， 5

(1.中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081； 2.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097； 4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，北京 100097；5.北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心，北京 100097)

土壤墑情監(jiān)測對于科學灌溉、抗旱資源調(diào)配均意義重大，文章針對全國范圍墑情監(jiān)測中由于監(jiān)測點數(shù)據(jù)少、分布不均及數(shù)據(jù)點之間關(guān)系松散等導致的空間估計效果較差的問題，對全國范圍的土壤墑情空間分布規(guī)律與空間估計方法展開研究。采用適用于分層異質(zhì)性表面進行空間估計的三明治估計方法，以全國縣域土壤墑情監(jiān)測數(shù)據(jù)為采樣數(shù)據(jù)，以全國降水柵格數(shù)據(jù)與土壤分類數(shù)據(jù)作為分區(qū)數(shù)據(jù)，以縣行政區(qū)作為報告單元，實現(xiàn)土壤墑情監(jiān)測點數(shù)據(jù)到面數(shù)據(jù)的上推。采用交叉驗證方法對三明治估計效果進行驗證，并與距離反比、克呂金、自然臨近點和樣條4種常規(guī)插值方法進行對比。結(jié)果表明：三明治估計的誤差均值為1.66%，誤差標準差為25.16%，墑情等級估計準確率為60.7%； 與其它對比方法相比，三明治估計的結(jié)果在誤差均值與誤差標準差上并沒有表現(xiàn)更好，三明治估計的誤差均值小于樣條插值方法但大于其它方法，誤差標準差與距離反比、克呂金及自然臨近點方法接近。總體來看，三明治估計能夠獲得與一般插值方法類似的估計效果，但是由于其更符合土壤墑情空間分布以及采樣數(shù)據(jù)情況，因此其結(jié)果更可靠和易于解釋，能更好地滿足全國土壤墑情監(jiān)測的應(yīng)用需要。

三明治估計 土壤墑情 空間插值 異質(zhì)性表面 分區(qū)

0 引言

土壤水分的空間分布模式對于氣象、水土保持、農(nóng)田保護和景觀管理等相關(guān)工作都具有重要的意義。在一個區(qū)域內(nèi)進行土壤墑情監(jiān)測，可以為農(nóng)業(yè)生產(chǎn)中的科學灌溉提供決策基礎(chǔ)，在省或全國范圍內(nèi)進行土壤墑情監(jiān)測，對于水資源管理和抗旱政策制定及實施至關(guān)重要。但是受土壤性質(zhì)、氣候條件等因素影響，土壤水分的時間空間變化很大，大面積連續(xù)監(jiān)測比較困難[1]。

當前用于土壤水分測量的方法主要分為直接稱重與其他間接測量方法兩類，其中常用的間接測量方法有時域反射法(TDR)、頻域反射法(FDR)、探地雷達(GPR)及遙感(RS)等。在上述測量方法中，直接稱重、TDR、FDR方法是單點觀測，GPR與RS方法是區(qū)域觀測。探地雷達一天能夠觀測最多500m×500m的區(qū)域，在大范圍應(yīng)用時經(jīng)濟性不高[2]。遙感技術(shù)為大范圍地獲取土壤墑情相關(guān)參數(shù)提供了同步、時效性高且經(jīng)濟的觀測方法，被認為是土壤墑情監(jiān)測最為高效的一種方法。但土壤水分的遙感估計值容易受到地形與植被的影響，且特定的遙感技術(shù)與反演模型通常只能應(yīng)用于一種特定的條件[3-5]，這些不足限制了遙感技術(shù)在大空間尺度下進行土壤墑情監(jiān)測。土壤墑情的單點觀測值比區(qū)域觀測值更加精確，但是單點數(shù)據(jù)須采用空間估計方法上推到區(qū)域才能獲得更大空間范圍內(nèi)的土壤墑情數(shù)據(jù)?？臻g插值是最常用的空間估計方法，其中在土壤墑情監(jiān)測中應(yīng)用最為廣泛的是克呂金(kriging)插值[6-8]。在較大的空間尺度下，土壤水分呈現(xiàn)較強的分區(qū)異質(zhì)性，不能滿足普通克呂金插值方法的前提條件，因此其估計結(jié)果可靠性并不高。分區(qū)克呂金等改進方法則需要大量的采樣點，現(xiàn)實條件難以滿足。此外，土壤墑情常常需要按照不同的單元進行統(tǒng)計報告，簡單的分層采樣和推斷不能實現(xiàn)一次采樣多單元報告。

文章針對全國尺度的土壤墑情監(jiān)測問題進行研究，從大空間尺度下的土壤水分空間分布特征出發(fā)，利用全國土壤墑情監(jiān)測站點數(shù)據(jù)，采用三明治空間估計方法實現(xiàn)監(jiān)測點數(shù)據(jù)到全國范圍的上推，并采用交叉驗證的方法對估計性能進行了檢驗。

1 數(shù)據(jù)與方法

1.1 土壤墑情數(shù)據(jù)

1.1.1 空間分布特點

土壤墑情由土壤中水分的輸入與輸出決定。對于農(nóng)田土壤，水分輸入主要來源于灌溉與降水。灌溉對農(nóng)田土壤墑情的影響范圍通常在一個較小的區(qū)域，在更大區(qū)域乃至全國范圍，降水是土壤水分輸入的主要來源[9]。土壤水分的主要輸出方式為蒸發(fā)與下滲， 2種方式的強度都極大地受到土壤質(zhì)地的影響。因此在較大的空間范圍，降水與土壤類型形成了影響土壤墑情分布最為重要的兩個因素。

在全國范圍，較長時間內(nèi)降水分布呈現(xiàn)很強的空間規(guī)律性，例如各地的年均降水量變化通常不大。但在較短的時期，降水分布則更多呈現(xiàn)斑塊狀，這就意味著即使空間分布相鄰的2個斑塊，其降水也可能存在很大差異。例如，某一縣域降水10mm，但其相鄰縣沒有降水，此時該相鄰縣之間的土壤墑情就會產(chǎn)生很大的差異。這種情況下采用一般的空間插值方法進行估計是非常困難的。土壤類型的空間分布同樣存在著斑塊性而非漸變或者同質(zhì)，因此臨近監(jiān)測單元之間的土壤類型與土壤水流動特性也可能存在很大差異。

根據(jù)前面的分析可知，土壤墑情的空間分布由降水與土壤類型的空間分布決定，在全國范圍較短時期內(nèi)，其分布更接近于分層異質(zhì)表面，即土壤墑情的分布表面能夠劃分為多個同質(zhì)的分區(qū)。具有相同降水量和土壤類型的區(qū)域可以劃分為1個分區(qū)，在分區(qū)內(nèi)土壤墑情基本一致，分區(qū)內(nèi)的土壤墑情等級相同，并且能夠采用分區(qū)內(nèi)采樣點的均值進行估計。劃分土壤墑情同質(zhì)分區(qū)需要的包括降水與土壤類型等先驗知識通常都比較容易獲得。

空間差值是最常用的空間估計方法之一，分為確定性與地統(tǒng)計方法兩類。確定性插值方法(例如反距離插值)是基于與采樣信息之間的相似度，或者基于整個光滑表面來構(gòu)造一個擬合表面。地統(tǒng)計方法(例如克呂金)在采樣點之間量化空間自相關(guān)，然后在預(yù)測點周圍建立采樣點的空間模型。采用非確定性的插值方法進行空間估計時，在采樣點處的估計值與測量值并不必然相等，有時甚至會差異較大。在較小的空間范圍內(nèi)，這些差值方法對于土壤墑情分布的估計是有效的[10， 11]。在平穩(wěn)隨機函數(shù)的假設(shè)之下，克呂金插值給出了中間值的線性無偏最優(yōu)預(yù)測。但受土壤墑情空間分布的影響，在較大空間范圍內(nèi)普通克呂金插值方法的估計性能會顯著下降。分區(qū)克呂金對于分層異質(zhì)表面是有效的，但在每個同質(zhì)分區(qū)內(nèi)定義半變異函數(shù)與計算范圍都需要大量的采樣點(通常超過150個)，由于采集費用較高，通常采樣數(shù)很難達到要求，同時采樣過程耗時的增加對于監(jiān)測與預(yù)測也非常不利。

1.1.2 數(shù)據(jù)采樣點

土壤墑情采樣數(shù)據(jù)來自農(nóng)業(yè)部全國土壤墑情監(jiān)測系統(tǒng)，采樣數(shù)據(jù)以縣為基本單元進行統(tǒng)計整理，數(shù)據(jù)采用烘干法測量，每月兩次，月值采用兩次測量的均值表示。每個縣的墑情數(shù)據(jù)通過計算若干個采樣點的均值獲得，這些采樣點代表了全縣的土壤墑情狀況。采樣點數(shù)據(jù)包含了4個深度的值： 20cm、40cm、60cm及80cm。為了降低影響因子的復雜度，該文僅采用20cm深度的土壤墑情數(shù)據(jù)進行計算，因為這個深度的土壤墑情對于降水與土壤類型的影響最為顯著，其它深度土壤墑情將在后續(xù)研究中分析。該文計算所用數(shù)據(jù)為2015年5月月均值數(shù)據(jù)，采樣數(shù)據(jù)分布在全國24個省市的112個不同的縣內(nèi)，大部分西部非農(nóng)產(chǎn)區(qū)沒有采樣分布(圖1)。

圖1 采樣數(shù)據(jù)分布

從圖2中可以看出，監(jiān)測數(shù)據(jù)主要分布在東部地區(qū)，且覆蓋區(qū)域較小。在經(jīng)典空間估計方法中，采樣樣本需要足夠大且采樣點分布應(yīng)該為簡單隨機或系統(tǒng)抽樣，才能保證結(jié)果的可靠性。在土壤墑情監(jiān)測中，采樣規(guī)模大小受經(jīng)濟與時效性限制，采樣點的空間分布也很難保證隨機性或者系統(tǒng)性。一個縣是否能夠為全國范圍的墑情監(jiān)測提供有效的數(shù)據(jù)很大程度上取決于其經(jīng)濟與技術(shù)發(fā)展水平。因此，全國墑情監(jiān)測系統(tǒng)中的采樣數(shù)據(jù)不能滿足經(jīng)典空間估計的數(shù)據(jù)要求。

1.2 三明治估計方法

1.2.1 架構(gòu)與特點

三明治估計方法是王勁峰研究員提出的一種用于估計分層異質(zhì)表面并進行多單元報告的空間估計方法，該方法的估計模型由報告層、分區(qū)層及采樣層組成，因此被稱為三明治估計[11]。分區(qū)層是將研究區(qū)分為多個空間屬性同質(zhì)分區(qū)，采樣單元隨機分布在各區(qū)中，分區(qū)的值可以通過采樣均值進行估計，分區(qū)采樣誤差能夠通過誤差傳導計算得到。采樣數(shù)據(jù)通過分區(qū)層傳遞到了具有很多報告單元的報告層，從采樣層到分區(qū)層再到報告層，信息流攜帶著估計均值與采樣誤差[12]逐層傳遞。三明治估計的核心思想包括分層采樣與從相同屬性類中借力。三明治估計框架提供了一種非常直接且相對簡單的方法來解決多報告單元問題與在多邊形系統(tǒng)之間傳輸數(shù)據(jù)[12]。該方法能夠提供與分區(qū)克呂金、分層貝葉斯估計同樣質(zhì)量的估計，且更容易在地理信息環(huán)境中實現(xiàn)應(yīng)用。在三明治估計中，采樣數(shù)據(jù)通過分區(qū)層傳導，而分區(qū)層與報告層之間是相互獨立的，因此采樣層中采樣單元不必遵循特定的空間分布。在分區(qū)層中，每個分區(qū)被認為是一個同質(zhì)區(qū)域，在分區(qū)內(nèi)采樣數(shù)據(jù)的分布對分區(qū)估計也沒有任何影響。因此，該文所采用的全國土壤墑情采樣數(shù)據(jù)的樣本數(shù)量與分布對于三明治估計是合格的。需要特別注意的是，如果某一分區(qū)中不包含任何采樣數(shù)據(jù)，那么這個分區(qū)就無法獲得估計值。

1.2.2 分區(qū)層和報告層

如何在分區(qū)層劃分分區(qū)是實現(xiàn)三明治估計的關(guān)鍵。根據(jù)土壤墑情空間分布特征與主要影響因素，結(jié)合數(shù)據(jù)獲取難易程度，該文采用降水與土壤類型作為分區(qū)因素[13， 14]，可保證得到的分區(qū)斑塊破碎程度適中，有利于估計計算。根據(jù)分區(qū)同質(zhì)性的要求，具有相同土壤類型與相似降水量的區(qū)域可認為具有相同的墑情水平。

該文采用的土壤分類數(shù)據(jù)是由中國科學院土壤研究所繪制的全國土壤分類圖，進行分區(qū)計算的基本單元為土壤類型二級分類(圖2)。

圖2 土壤分類

圖3 降水量分級

降水數(shù)據(jù)從中國氣象數(shù)據(jù)共享網(wǎng)獲得，為了與土壤墑情監(jiān)測數(shù)據(jù)匹配，采用2015年5月累積降水量，原始數(shù)據(jù)為0.5度的經(jīng)緯格網(wǎng)柵格數(shù)據(jù)，通過分級并轉(zhuǎn)為矢量圖層后作為分區(qū)的基礎(chǔ)數(shù)據(jù)(圖3)。

土壤墑情監(jiān)測主要的應(yīng)用包括灌溉決策與抗旱資源部署，在這些工作中基本組織單元為行政區(qū)劃，因此該文報告層采用縣行政單元作為數(shù)據(jù)分析和評價的單元。

1.2.3 計算流程

實現(xiàn)三明治估計的數(shù)據(jù)處理流程主要包括3個步驟：采樣數(shù)據(jù)處理、生成分區(qū)單元及計算報告單元(圖4)。

圖4 土壤墑情三明治估計的數(shù)據(jù)處理流程

首先需要對采樣數(shù)據(jù)進行處理，為進一步的計算做準備。每個縣的土壤墑情值是來自于多個監(jiān)測點，其均值代表了整個縣的均值，將這些值通過統(tǒng)一的行政區(qū)代碼關(guān)聯(lián)到全國縣行政區(qū)圖上，然后將行政區(qū)矢量圖轉(zhuǎn)為柵格，柵格單元值為土壤墑情值。

然后使用降水數(shù)據(jù)與土壤類型數(shù)據(jù)生成分區(qū)單元。原始的降水數(shù)據(jù)為柵格數(shù)據(jù)，單位為毫米。為了獲得降水同質(zhì)區(qū)，將原始降水量分為5個等級，相同降水量等級的區(qū)域可認為降水基本相同。將分級的降水柵格數(shù)據(jù)轉(zhuǎn)為矢量，與土壤分類矢量圖層進行疊加，生成的新圖層分區(qū)層，分區(qū)層中每個矢量單元內(nèi)具有形同的土壤類型和降水等級。

最后一步是通過分區(qū)統(tǒng)計方法計算報告單元值。將采樣數(shù)據(jù)傳輸?shù)椒謪^(qū)層的過程中，輸出數(shù)據(jù)采用柵格，因為柵格數(shù)據(jù)可以用作報告層計算的輸入數(shù)據(jù)。在數(shù)據(jù)從分區(qū)層傳輸?shù)綀蟾鎸拥倪^程中，數(shù)據(jù)輸出格式采用統(tǒng)計表，以方便報告單元結(jié)果的統(tǒng)計。

整個數(shù)據(jù)處理過程可以采用ArcGIS中的分析工具來進行建模(圖5)，實現(xiàn)自動化的數(shù)據(jù)處理流程，其中標①圖框表示外部輸入數(shù)據(jù)，標②圖框表示數(shù)據(jù)處理過程，標③圖框表示數(shù)據(jù)處理結(jié)果，并且可作為后續(xù)數(shù)據(jù)處理過程的輸入數(shù)據(jù)。

圖5 數(shù)據(jù)處理流程建模

1.2.4 誤差評價方法

采樣數(shù)據(jù)通過2次分區(qū)統(tǒng)計傳導至報告層，三明治估計中的3層相互獨立，因此從采樣層傳輸?shù)綀蟾鎸拥恼`差能夠通過誤差傳導規(guī)則進行計算。

假設(shè)，采樣點數(shù)據(jù)值為ysi，i=1， 2，…，N，采樣數(shù)據(jù)方差為σs，分區(qū)層中每個分區(qū)的估計值與方差可表示為：

(1)

(2)

(3)

類似于分區(qū)單元的估計量，報告層中每個單元的估計量能夠用以下方程進行表達：

(4)

(5)

(6)

根據(jù)上述的推導，可以根據(jù)樣本數(shù)據(jù)計算報告層的方差。但是，在實際的土壤墑情估計中，更多關(guān)心的是一次估計的準確性，因此該文案例采用交叉驗證的方式來計算估計誤差，并采用誤差均值與誤差方差來對結(jié)果可靠性進行了評價。

2 結(jié)果與討論

2.1 三明治估計結(jié)果

使用降水數(shù)據(jù)和土壤類型數(shù)據(jù)計算的到三明治估計的分區(qū)層，結(jié)果見圖6。

圖6 生成分區(qū)單元的數(shù)據(jù)輸入輸出

按照三明治估計方法將采樣數(shù)據(jù)通過分區(qū)層傳遞到報告層，結(jié)果見圖7。

圖7 土壤墑情數(shù)據(jù)在不同層間的傳遞

在報告層中，共獲得2519個縣報告單元的估計值，有效報告單元的分布以及墑情級別與采樣數(shù)據(jù)的分布基本一致。采用交叉驗證方法對三明治估計結(jié)果準確性進行驗證，即從采樣數(shù)據(jù)中依次剔除1個縣域采樣數(shù)據(jù)后進行計算，計算未參與計算縣的估計值與采樣值之差作為誤差，最終得到誤差的均值為1.66，誤差標準差為25.16。在全國范圍的墑情監(jiān)測中常使用土壤墑情等級而非土壤含水量，因此將交叉驗證結(jié)果進行分級后對比，估計值等級與采樣值等級相同的數(shù)量占全部采樣數(shù)據(jù)的比例為60.7%，等級差異小于等于1級的比例為76.9%。

從報告單元范圍來看，三明治估計有效地實現(xiàn)了對采樣覆蓋范圍內(nèi)無值區(qū)域的估計，在采樣未覆蓋區(qū)域沒有估計值，符合空間估計規(guī)律。從誤差評價結(jié)果來看，誤差均值不為0表明估計結(jié)果存在一定程度的偏差。三明治估計也屬于統(tǒng)計學方法，因此采樣點的估計值與測量值之間存在一定差異，加之價值估計方法本身的誤差，導致等級預(yù)測準確率并不高，但等級差超過1級的僅為少數(shù)。全國范圍的墑情監(jiān)測重點關(guān)注墑情的分布趨勢和數(shù)據(jù)覆蓋，因此三明治估計的總體效果基本能夠滿足監(jiān)測需要。

2.2 對比分析

為了驗證三明治估計的效果，同時采用了距離反比、克呂金、自然臨近點和樣條4種常用插值方法進行估計計算，同樣采用交叉驗證方法來獲取誤差均值與誤差標準差兩個評價指標，誤差均值表示了系統(tǒng)誤差的大小，誤差標準差表示了估計的穩(wěn)定性，結(jié)果見圖8。

圖8 不同估計方法的交叉驗證結(jié)果

從結(jié)果可以看出，與距離反比、克呂金、自然臨近點及樣條插值方法的結(jié)果相比，三明治估計的結(jié)果在誤差均值與誤差標準差上并沒有表現(xiàn)更好，三明治估計的誤差均值小于樣條插值方法，但大于其它方法，誤差標準差與距離反比、克呂金及自然臨近點接近。總體上，三明治估計方法并沒有明顯優(yōu)于其它4種方法，但從空間估計的理論上分析，三明治估計更符合土壤墑情的分布規(guī)律與采樣數(shù)據(jù)的現(xiàn)實條件，同時三明治估計方法更加直接與易于理解，因此后續(xù)通過進一步改進三明治估計，應(yīng)該能獲得明顯優(yōu)于一般空間插值的估計結(jié)果。

3 結(jié)論

在全國范圍空間尺度下土壤墑情的分布表現(xiàn)為分層異質(zhì)性，因此基于空間相關(guān)的空間插值方法就失去了利用采樣數(shù)據(jù)估計未知區(qū)域的理論基礎(chǔ)。另外受限于采樣代價采樣數(shù)據(jù)量常常不能滿足分區(qū)抽樣的要求，且數(shù)據(jù)分布不均勻，這就導致了在全國范圍進行土壤墑情監(jiān)測非常困難。對于實現(xiàn)利用采樣數(shù)據(jù)來估計未知區(qū)域的目標，三明治估計是一種簡單可行的實現(xiàn)方式，其主要優(yōu)勢在于：采樣數(shù)據(jù)通過分區(qū)層傳輸?shù)綀蟾鎸佣侵苯邮褂茫@種機制提供了有效的從其它屬性相似單元借力的可能而不僅是空間相似區(qū)域，同質(zhì)分區(qū)內(nèi)通過簡單的加權(quán)平均方法就能實現(xiàn)； 三明治估計在不進行重采樣的條件下就能夠?qū)崿F(xiàn)改變報告單元，在只能夠進行一次采樣，但需要進行不同報告單元數(shù)據(jù)的情況下非常經(jīng)濟有效。

實例計算結(jié)果表明，在土壤墑情月值估計中三明治估計與常用的插值方法表現(xiàn)類似，但三明治估計在計算簡便性與多單元報告上的優(yōu)勢明顯，同時三明治估計在實際應(yīng)用中更容易被理解與接受。因此總體而言，三明治估計方法在全國范圍中長期土壤墑情估計中具有很大的應(yīng)用潛力。

在先驗知識與數(shù)據(jù)的支持下，分區(qū)單元將估計限定到了一個相對穩(wěn)定的分區(qū)內(nèi)進行，但分區(qū)層的引入給估計過程帶來了兩個可預(yù)見的問題：首先，因為分區(qū)值是通過采樣數(shù)據(jù)均值進行估計，采樣數(shù)據(jù)中的極值有可能被平均，分區(qū)單元會消除這些特征值，盡管這些極值本身有時對于土壤墑情監(jiān)測有著特殊意義； 其次，三明治估計的效果受分區(qū)質(zhì)量的影響較大，土壤墑情是一個動態(tài)指標，因此分區(qū)也應(yīng)該動態(tài)且與采樣匹配，另外氣象因子對土壤墑情影響可能存在的滯后效應(yīng)也應(yīng)被納入考慮以實現(xiàn)更合理的分區(qū)層。

[1] 劉明超， 秦其明，吳春雷，等.一種基于誤差分級的土壤水分數(shù)據(jù)同化方法.干旱區(qū)資源與環(huán)境, 2012，(11)： 139～144

[2] Dobriyal Pariva，Qureshi Ashi，Badola Ruchi，et al.A review of the methods available for estimating soil moisture and its implications for water resource management.Journal of Hydrology, 2012，(10)： 110～117

[3] Tao Yang，Huili Gong，Xiaojuan Li，et al.Progress of soil moisture monitoring by remote sensing.Acta Ecologica Sinica， 2010, 30(22): 6264～6277

[4] 鄧輝， 周清波.土壤水分遙感監(jiān)測方法進展.中國農(nóng)業(yè)資源與區(qū)劃, 2004，25(3)： 46～49

[5] 王利民， 劉佳，鄧輝，等.我國農(nóng)業(yè)干旱遙感監(jiān)測的現(xiàn)狀與展望.中國農(nóng)業(yè)資源與區(qū)劃, 2008，29(6)： 4～8

[6] 王紅全， 李超.汾西灌區(qū)冬小麥田間土壤含水量空間分布研究.太原理工大學學報， 2009, 40(6): 636～639

[7] 楊紹輝， 王一鳴，孫凱，等.土壤墑情(旱情)監(jiān)測與預(yù)測預(yù)報系統(tǒng)的設(shè)計與開發(fā).中國農(nóng)業(yè)大學學報， 2007, 12(4): 75～79

[8] Zhang Man，Li Minzan，Wang Weizhen，et al.Temporal and spatial variability of soil moisture based on WSN.Mathematical and Computer Modelling， 2013, 58(3): 826～833

[9] Tuttle Samuel E.，Salvucci Guido D.A new approach for validating satellite estimates of soil moisture using large-scale precipitation：Comparing AMSR-E products.Remote Sensing of Environment， 2014， 142： 207～222

[10]Nasta P.，Sica B.，Chirico G.B.，et al.Analysis of Near-surface Soil Moisture Spatial and Temporal Dynamics in an Experimental Catchment in Southern Italy.Procedia Environmental Sciences， 2013, 142(2): 188～197

[11]劉述強， 張長利，高君峰，等.土壤水分空間變異性的研究.東北農(nóng)業(yè)大學學報， 2008, 39(8): 122～126

[12]Wang jin-Feng，Haining Robert，Liu Tie-Jun，et al.Sandwich spatial estimation for multi-unit reporting on a stratified heterogeneous surface.Environment and Planning， 2013， 45： 2515～2534

[13]Cho Eunsang，Choi Minha.Regional scale spatio-temporal variability of soil moisture and its relationship with meteorological factors over the Korean peninsula.Journal of Hydrology， 2014, 516(8): 317～329

[14]Letian Zhu，Yuanxin Liu，F(xiàn)eng Jiao.Time Series Analysis of Spatial Variability of Soil Moisture in Loess Hilly Region.Procedia Earth and Planetary Science, 2012，(5)： 346～353

NATIONWIDE SOIL MOISTURE ESTIMATION BASED ON SANDWICH SPATIAL ESTIMATION METHOD IN CHINA*

Li Shuhua1， 3， 4， 5，Hao Xingyao2， 3， 4， 5，Zhou Qingbo1※，Gao Bingbo2， 3， 4， 5，Pan Yuchun2， 3， 4， 5

(1.Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing 100081，China；2.Beijing Research Center for Information Technology in Agriculture，Beijing 100097，China；3.National Engineering Research Center for Information Technology in Agriculture，Beijing 100097，China；4.Key Laboratory of Agri-informatics，Ministry of Agriculture，Beijing100097，China；5.Beijing Engineering Research Center of Agricultural Internet of Things，Beijing 100097，China)

Soil moisture monitoring is essential for scientific irrigation and drought resisting resource deployment. But in the current technology circumstance, it is difficult to survey soil moisture in large scale. The indirect estimation and derivation are main approaches to obtain soil moisture information. Remote sensing and spatial interpolation provide effective schemes to estimate soil moisture with affordable sampling quantity. But these two methods have some flaws in large scale application. Remote sensing estimation is susceptible to the effects of topography and vegetation. Further, specific remote sensing techniques and retrieval model can only be applied to a particular condition. On the other hand, ordinary interpolation methods are not applicable in large scale because the sampling points are insufficient and relationship between known points and unknown points is loose. In this paper, the spatial distribution characteristic of soil moisture in large scale was analyzed usingthe sandwich estimation method and the soil moisture surface was zoned into homogeneous subareas based on relevant knowledge and data. The soil type zones and precipitation data were used to partition the estimation region into some homogeneous zones, in which the soil moisture could be regarded asthe same. The reporting units were independent to the zoning and sampling layer, and could be changed without resampling or recalculate homogeneous zones. In order to evaluate the performance of sandwich estimation, cross validation method was used and compared with the other four empirical interpolation methods, including IDW, kriging, natural neighbor and spline. The results showed that the mean error was 1.66%, the standard deviation was 25.16%, the accuracy rate of moisture level estimation was 60.7%; the sandwich method effectively estimated the no-value area and was correspond with sampling data. The comparison results showed that the sandwich estimation had same performance asother methods. The mean error of sandwich estimation was less than that of the spine interpolation. The standard deviation of sandwich method was close to that of IDW, kriging, and natural neighbor. Overall, the sandwich estimation performed as well as other interpolation methods which frequently used in soil moisture monitoring. But the sandwich estimation was far superior for computational simplicity and multi-unit reporting. The sandwich estimation method can be better applied in the soil moisture estimation in nation-wide.

sandwich estimation； soil moisture； spatial interpolation； heterogeneous surface； zoning

10.7621/cjarrp.1005-9121.20161001

2015-10-08

李淑華(1979—)，女，河北衡水人，博士、助理研究員。研究方向：農(nóng)業(yè)物聯(lián)網(wǎng)與云服務(wù)技術(shù)應(yīng)用。

※通訊作者：周清波(1965—)，男，湖南沅江人，研究員、博士生導師。研究方向：農(nóng)業(yè)遙感。Email：zhouqingbo@caas.cn

*資助項目：國家高技術(shù)研究發(fā)展計劃(863 計劃)“作物需水信息采集與智能控制灌溉技術(shù)”(2011AA100509)； 國家農(nóng)業(yè)信息化工程技術(shù)研究中心開放課題“基于點對數(shù)頻率分布函數(shù)的空間變異函數(shù)構(gòu)建方法研究”(KF2012N08-055)

S152.7

A

1005-9121[2016]10-0001-08