麥霞梅，胡振琪，趙艷玲

(1.國家國防科技工業(yè)局重大專項(xiàng)工程中心，北京 100101; 2.中國礦業(yè)大學(xué)(北京) 土地復(fù)墾與生態(tài)重建研究所，北京 100083)

我國是煤炭產(chǎn)量最大的國家，煤炭采空后對礦區(qū)生態(tài)系統(tǒng)產(chǎn)生強(qiáng)烈干擾性，原有生態(tài)系統(tǒng)結(jié)構(gòu)和功能遭到破壞，生態(tài)環(huán)境因子相應(yīng)發(fā)生變化，如巖層結(jié)構(gòu)破壞、土壤含水量、土壤肥力、植被受損、景觀生態(tài)系統(tǒng)發(fā)生變化，土壤含水量是影響礦山植被系統(tǒng)恢復(fù)演替的關(guān)鍵環(huán)境因子[1]。尤其在東部高潛水位平原礦區(qū)，土地沉陷造成了大面積的積水[2]，進(jìn)而土壤含水量發(fā)生變化。土壤含水量對農(nóng)業(yè)生產(chǎn)具有不可替代性，直接影響農(nóng)作物產(chǎn)量，因此沉陷區(qū)土壤含水量可作為判定土地?fù)p毀程度的重要依據(jù)之一。

隨著遙感技術(shù)的快速發(fā)展，特別是高光譜、多光譜遙感技術(shù)的發(fā)展，利用遙感技術(shù)可以獲取地表的地物信息。遙感技術(shù)探測、識別和區(qū)分目標(biāo)的基礎(chǔ)就是利用地物反射電磁波信息的差異性，不同的地物反射光譜、反射強(qiáng)度和波譜曲線的形態(tài)都不同[3]。目前國內(nèi)外學(xué)者應(yīng)用遙感技術(shù)對土壤含水量進(jìn)行探測研究，根據(jù)熱量平衡、熱慣量的原理監(jiān)測土壤含水量[4-5];利用合成孔徑雷達(dá)(SAR)具有不受天氣影響、穿透能力較強(qiáng)、對含水量敏感等特性，所以通常采用SAR來監(jiān)測大面積土壤含水量[6-12]?，F(xiàn)有關(guān)于塌陷地土壤含水量研究對象大多是荒漠化干旱地區(qū)的土地，涉及高潛水位煤礦區(qū)沉陷地土壤含水量變化的遙感監(jiān)測研究較少。

由于土壤含水量不同，土壤對電磁波的吸收與反射強(qiáng)度也不同，正是利用這種差異性實(shí)現(xiàn)土壤含水量的遙感探測[13-19]。影響土壤含水量光譜特征反射率的因素很多，但在相同的土壤地質(zhì)環(huán)境下土壤含水量是影響光譜反射率特征的主要因素。本研究以山東濟(jì)寧市境內(nèi)礦區(qū)為研究區(qū)域，采用實(shí)地光譜儀數(shù)據(jù)采集與土壤含水量采樣測定相結(jié)合確定遙感探測的敏感波段及探測模型，基于高分二號衛(wèi)星影像進(jìn)行土壤含水量遙感反演，實(shí)現(xiàn)對高潛水位采煤塌陷地土壤含水量的遙感監(jiān)測，探求實(shí)時動態(tài)大范圍土壤含水量探測方法，為高潛水位煤礦區(qū)沉陷地農(nóng)作物估產(chǎn)、土地?fù)p毀等級評價、耕地?fù)p害補(bǔ)償?shù)忍峁﹨⒖家罁?jù)。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)位于山東省濟(jì)寧市東北部，東經(jīng)116.17°～117.00°，北緯35.17°～35.67°，兩個光譜采集和驗(yàn)證區(qū)，分別為興隆莊煤礦西部和南部的桲欏樹村東北和南張村東南的采煤沉陷地(圖1)。研究區(qū)土壤類型為褐土，雨水充足，地下水源豐富，埋深較淺平均約為3～5 m。由于煤炭資源開采，導(dǎo)致地面出現(xiàn)盆地狀下沉，地下潛水位抬高，盆底區(qū)域出現(xiàn)常年積水，四周呈坡地。

圖1 研究區(qū)位置Fig.1 Distribution of sampling sites in the study area

1.2 光譜數(shù)據(jù)采集

采樣時間為11月，研究區(qū)農(nóng)作物已全部收割，冬小麥剛播種，地表植被覆蓋度較少，長時間無降雨，土壤含水量受降雨及人工灌溉影響較小。

采樣儀器為ASD系列的Field spec FSR VNIR便攜式地物光譜探測儀。以常年積水區(qū)域?yàn)橹行?，采用射線型布網(wǎng)，沿射線垂直于沉陷區(qū)域斜坡方向間隔10～15 m均勻布點(diǎn)，每個采樣場地布設(shè)40～50個點(diǎn)，采取垂直測量的探測方法采集樣點(diǎn)的光譜反射率數(shù)據(jù)，每個樣點(diǎn)采集20組數(shù)據(jù)(圖2)。

圖2 采點(diǎn)分布Fig.2 Distribution of sampling sites

1.3 土壤樣品采集及測試

在樣點(diǎn)光譜反射率數(shù)據(jù)采集的同時，采集表層(<5 cm)的土壤樣品裝入鋁盒密封，并用手持GPS記錄該點(diǎn)坐標(biāo)。

1.4 遙感數(shù)據(jù)選擇

本研究采用我國自主研發(fā)的高分辨率光學(xué)遙感衛(wèi)星高分二號衛(wèi)星影像，與國際同類衛(wèi)星波段設(shè)置基本相同，衛(wèi)星有效載荷參數(shù)見表1。通過數(shù)據(jù)預(yù)處理、最佳波段組合，可較好地實(shí)現(xiàn)專題信息提取。影像獲取時間為2017-11-08。

表1高分二號衛(wèi)星有效載荷參數(shù)
Table1GF-2Payloadparameters

載荷譜段譜段范圍/μm空間分辨率/m全色0.45～0.90110.45～0.52多光譜20.52～0.59430.63～0.6940.77～0.89

2 數(shù)據(jù)分析

2.1 土壤含水量光譜數(shù)據(jù)敏感波段范圍

對每個采樣點(diǎn)的20組光譜數(shù)據(jù)剔除粗差后取均值并轉(zhuǎn)換為反射率，做光譜反射率與土壤含水量的相關(guān)分析，找到土壤含水量光譜數(shù)據(jù)敏感波段范圍。不同土壤含水量光譜反射率曲線如圖3所示。

圖3 不同土壤含水量光譜反射率曲線Fig.3 Soil moisture content spectrum curves

由圖3可以看出，土壤光譜反射率隨著波長的增長而增大，呈正相關(guān)關(guān)系;土壤光譜反射率隨著土壤含水量的增加而減小，光譜反射率與土壤含水量呈負(fù)相關(guān)關(guān)系;光譜特征曲線的斜率在波長450～750 nm區(qū)間增長較快，說明該波段范圍內(nèi)波段光譜反射率對于不同的土壤含水量反應(yīng)較為敏感。

通過對土壤含水量與實(shí)測水體光譜進(jìn)行相關(guān)性分析如圖4所示。

圖4 土壤含水量與光譜反射率的相關(guān)系數(shù)Fig.4 Correlation coefficient of Soil moisture content and spectral reflectance

由圖4 可以看出，在波長為675 nm附近出現(xiàn)最高負(fù)相關(guān)，在波長為950 nm附近出現(xiàn)最高正相關(guān)，說明在這些波段附近的遙感反射率與土壤含水量的相關(guān)性比較大。

2.2 土壤含水量遙感數(shù)據(jù)敏感波段

為實(shí)現(xiàn)土壤含水量的遙感探測，必須找到與高分二號衛(wèi)星遙感數(shù)據(jù)相應(yīng)的敏感波段。為便于與高分二號衛(wèi)星多光譜影像數(shù)據(jù)進(jìn)行對應(yīng)分析，將實(shí)測光譜波長按照波段范圍劃分為4段，即450～520，520～590，630～690，770～890 nm,再取各個波段范圍反射率的平均值。對土壤含水量與其光譜反射率進(jìn)行相關(guān)性分析(表2)。

表2土壤含水量與光譜反射率的相關(guān)性分析
Table2Correlationanalysisbetweensoilmoisturecontentandspectralreflectance

參數(shù)B1B2B3B4采樣區(qū)1含水量-0.172-0.412?-0.493??-0.319采樣區(qū)2含水量-0.397?-0.403?-0.471??-0.107

注:*置信水平為0.05的顯著相關(guān);**.置信水平為0.01的顯著相關(guān)。

由表2可知，兩個樣區(qū)B3波段數(shù)據(jù)與土壤含水量的相關(guān)性最大，相關(guān)程度為分別為0.493和0.471，均達(dá)到統(tǒng)計分析學(xué)理論置信度為0.01的相關(guān)水平。表明土壤含水量與B3波段的反射率具有顯著的負(fù)相關(guān)關(guān)系?？蓪3波段作為監(jiān)測土壤含水量最敏感的波段。

2.3 土壤含水量遙感探測反演模型

2.3.1 土壤含水量遙感反演模型建立

在確定遙感探測敏感波段的基礎(chǔ)上，為了獲得最優(yōu)的土壤含水量遙感探測反演模型，本研究分別建立了S曲線模型、逆函數(shù)模型，各模型如下:

S曲線模型:

W=eX+Y/B3

(1)

逆函數(shù)模型:

W=X+Y/B3

(2)

其中，W為土壤含水量;B3為GF-2衛(wèi)星影像第3波段反射率;X,Y為擬合系數(shù)。其目的就是從這些模型中選擇最佳光譜變量與土壤含水量的關(guān)系模型。各模型的相關(guān)系數(shù)及F檢驗(yàn)值見表3。

表3土壤含水量與光譜反射率的回歸分析
Table3Regressionanalysisofsoilmoisturecontentandspectralreflectance

模型S曲線逆函數(shù)X0.711-10.743Y0.2413.435R20.5220.438F30.52621.812

由表3可見，各模型的R2值均通過0.01極顯著檢驗(yàn)水平。選取最佳模型的標(biāo)準(zhǔn)是既要相關(guān)系數(shù)通過0.01極顯著檢驗(yàn)水平，又要其F值較大。因此S曲線模型與逆函數(shù)模型可作為探測土壤含水量模型。

2.3.2 反演模型分析

利用剩余的10個點(diǎn)對S曲線模型和逆函數(shù)模型進(jìn)行反演精度分析與擬合驗(yàn)證，以擬合系數(shù)R2和預(yù)測系數(shù)R2相對較高而平均相對誤差emr較小為原則，確定土壤含水量與光譜數(shù)據(jù)的遙感反演模型，得到結(jié)果見表4。

(3)

式中，emr為平均相對誤差;Xopi為觀測值;Xobi為預(yù)測值;n為變量個數(shù)。

反演精度結(jié)果見表4。S曲線模型比逆函數(shù)模型更接近實(shí)測值，平均相對誤差為0.189，小于逆函數(shù)模型，即S曲線模型的誤差較小。

表4不同模型的誤差對比分析
Table4Comparisonofdifferentmodels’error

模型擬合方程擬合R2預(yù)測R2emrS曲線W=e0.771+0.241/B30.5220.5040.189逆函數(shù)W=3.435/B3-10.7340.4380.4180.336

擬合分析結(jié)果如圖5所示，可以看出S曲線模型的擬合度明顯高于逆函數(shù)模型，因此本研究采用S曲線模型作為監(jiān)測土壤含水量與光譜反射率的遙感反演模型。

2.4 土壤含水率遙感探測結(jié)果

采用S曲線模型，利用ENVI平臺，應(yīng)用Basic Tools模塊中的Band Math窗口輸入S曲線模型函數(shù)，基于預(yù)處理的高分二號衛(wèi)星影像進(jìn)行沉陷區(qū)地土壤含水量遙感反演，反演結(jié)果如圖6所示。

圖6 土壤含水量空間分布等級Fig.6 Soil moisture content spatial distribution rank chart

由圖6可以看出，土壤含水量總體上呈現(xiàn)出距常年積水塌陷坑越遠(yuǎn)含水量越小的規(guī)律。這與實(shí)測土壤含水量統(tǒng)計分析所得的規(guī)律基本一致[20]。表明基于高分二號衛(wèi)星遙感影像，利用S曲線模型反演土壤含水量監(jiān)測技術(shù)可行。

3 結(jié) 論

(1)不同土壤含水量的光譜特征基本相似，光譜反射率隨著波長增長而增大，呈正相關(guān)關(guān)系;隨著土壤含水量增加而減小，呈負(fù)相關(guān)關(guān)系。

(2)基于高分二號衛(wèi)星遙感影像進(jìn)行土壤含水量遙感反演是可行的，B3波段能夠較好反演土壤含水量。

(3)建立了基于高分二號衛(wèi)星遙感影像進(jìn)行土壤含水量遙感反演S曲線模型。

(4)可使用高分二號衛(wèi)星遙感影像監(jiān)測沉陷地土壤含水量，并繪制研究區(qū)區(qū)土壤含水量的空間等級分布圖。