宰松梅，高亞楠，仵 峰，楚運旺，劉生東

（1.華北水利水電大學，鄭州450046；2.河南省節(jié)水農業(yè)重點實驗室，鄭州450046）

0 引 言

土壤含水率是農學、地質學、工程學、生態(tài)學、水文學和生物學等研究的重要依據[1-5]，對指導農業(yè)生產、工程建設、水土保持和防治地質災害等具有重要意義[6，7]。土壤水是作物生長重要的調節(jié)因子[8]，適宜的農田土壤水分狀況，可達到節(jié)水增產的功效。因此，掌握農田土壤水分時空分布特征，對實現(xiàn)農田土壤精確管理具有指導意義[9]，土壤含水率的測定如今已成為農業(yè)生產不可或缺的一項關鍵技術[10]。半個多世紀以來，對土壤水分測量方法的探索一直沒有停止，科技的進步促進了土壤水分測量儀器和方法的改進，使得各種測量技術層出不窮。傳統(tǒng)的測量方法有烘干法和張力計法，專用測量儀器主要有射線法和介電法等[11]。根據測量原理和實現(xiàn)途徑的不同，介電法又可分為時域反射法(TDR)、時域傳輸法(TDT)、相域反射法( PDR)、頻域反射法(FDR)[12]、駐波率法( SWR)和探地雷達法(GPR)等，其精度與適用范圍也各不相同，這些方法有適用于實驗室的，也有用于田間條件的。但由于土壤性質千差萬別，且田間變異性也很大，以上各技術在普適性和便捷性等方面仍存在不少的爭論。

土壤含水率受很多因素的制約，精準測量土壤含水率需要考慮土壤的孔隙率、飽和度和礦物質百分比等因素[13，14]。在提出用中子法測量土壤含水率之后，電阻法基本上被淘汰[15]。但中子法在測定土壤淺層含水率時具有較大誤差，當遇到土壤有機質含量高、層狀土壤或處于干燥或濕潤周期時，也會影響中子法的檢測結果[16]；且中子儀產生的輻射會影響身體健康，同時也會污染環(huán)境。介電法對土壤質地的變化并不是很敏感[17]，在使用前需要對土壤水分傳感器進行率定。目前，TDR 和FDR 在國際上的應用比較廣泛[12]，但其計算公式對土壤的飽和度、礦物質百分比和孔隙率等不敏感，且TDR 對于鹽堿土的含水率測量有一定的局限性。新興的宇宙射線快中子法，能夠實現(xiàn)區(qū)域土壤水分觀測[18]，在生態(tài)系統(tǒng)條件穩(wěn)定的情況下，宇宙射線法的估算結果與淺層土壤水分觀測值最為接近[19]。根據電磁波頻譜可對波段進行劃分，不同波段的微波遙感可結合相關模型反演出土壤含水率。C波段數(shù)據可通過模擬土壤介電特性反演土壤水分[20]，基于L 波段利用主被動協(xié)同的方法可提高裸土土壤水分的反演精度[21]。在小范圍內測量時，對于不同質地的土壤，目前還沒有一種方法可以完全精準測量土壤含水率。

土壤水分含量影響土壤的光譜特征[22]，借助無人機遙感等技術可反映土壤光譜特性從而反演出土壤含水率[23，24]。目前，已有研究證明，基于光學影像顏色提取的土壤有機質含量預測是可行的[25]，利用土壤顏色量化土壤含水率的研究，也證明了土壤光譜反射特性在測量土壤水分時的實用性[26]，并且通過構建模型，可實現(xiàn)對不同質量含水率的較高精度的模擬[27]。Gadi等研究了在6種不同土壤容重下紅壤顏色（灰度）與土壤率（含水率都偏大）的變化特征[26]；研究證明，利用土壤顏色可以量化土壤水分梯度，Yoshimoto[28]等對不同粒度分布的兩種土壤進行了測試，結果可行。利用土壤顏色量化土壤含水率的研究，主要通過采集土壤數(shù)字影像，采用RGB 值以及灰度值來表示土壤顏色[29，30]；由于土壤質地的色差和含水率梯度均可以引起土壤的顏色變化，所以采用影像法測定土壤含水率不僅過程復雜且易產生誤差。CIELAB 色彩空間是由國際照明協(xié)會（法語：Commission Internationale de l′Eclairage，采用法語簡稱為CIE）提出的用來描述人眼可見的所有顏色最完備的色彩模型。采用CIELAB 色彩空間描述土壤顏色時，可以進行色差的計算，且無需采集影像。本文擬利用分光測色儀測定的土壤顏色L、a、b 值來率定土壤含水率，分別對沙壤土、磚紅壤、沙姜黑土、火山灰土和壤土這5種不同質地的土壤進行試驗，通過觀察不同含水率梯度下5種土壤的顏色變化，以期找到一種快速測定土壤含水率的測量方法，為農田干旱監(jiān)測、土壤侵蝕、農作物產量預測以及地表溫度研究提供參考，促進精準農業(yè)的實施以及對生態(tài)系統(tǒng)的保護，實現(xiàn)農業(yè)的綠色發(fā)展。

1 材料與方法

試驗于2019年10-11月在華北水利水電大學河南省節(jié)水農業(yè)重點實驗室（34°47′5.91″N，113°47′20.15″E）進行。該地屬溫帶季風氣候，試驗期間平均氣溫18 ℃，濕度14%～26%。實驗室有大田試驗區(qū)及24個測坑，分別裝填8種采自河南省不同區(qū)域的土壤，經過多年的沉實作用，土層穩(wěn)定。選擇沙壤土、磚紅壤、沙姜黑土、火山灰土和壤土這5種不同質地的土壤進行試驗。

不同于電磁波段中的L 波段，CIELAB 色彩空間中L 值表示顏色的亮暗，它的變化范圍是從0（理想黑）到100（理想白），接近人眼的評價效果，a 和b 值代表色度尺寸，a 是正值，代表物體是紅色，a 是0，代表物體是灰色，a 是負值，代表物體是綠色；b是正值，代表物體是黃色，b是0，代表物體是灰色，b是負值，代表物體是藍色。

試驗中測定土壤顏色的儀器為杭州彩譜便攜式CS-650 分光測色儀（見圖1）。為了檢驗該儀器對同一土樣測定結果的重現(xiàn)性，測定時，同一土樣隨機選取6 個不同位置的觀測點，將觀測點1的數(shù)據作為標準，其他觀測點的顏色數(shù)據與標準觀測點作差值，用ΔL、Δa、Δb分別表示三顏色值的區(qū)別，采用ΔE表示色差。

ΔE計算公式為：

ΔE 越接近于0 表示顏色差別越小，各觀測點之間的顏色差別越小，說明測量值的重現(xiàn)性越好。0＜ΔE＜0.25屬于理想匹配，表示各觀測點色差非常小或者沒有；0.25＜ΔE＜0.5 時，表示各觀測點存在微小誤差，屬于可接受的匹配。使用分光測色儀進行測量時，儀器自動顯示ΔE，可舍去ΔE＞0.5 的觀測點。經檢驗，各觀測點土壤顏色特征值的重現(xiàn)性較好，試驗中對于同一個土樣的土壤顏色特征值取5個觀測點的平均值。

試驗前，采用灌水的方法創(chuàng)造不同的含水率梯度，先灌水至田間持水量，待土壤水分再分布達到充分后，選取5種不同質地的土壤挖開剖面進行取樣。采集土樣時，由濕潤峰以外區(qū)域依次靠近濕潤區(qū)中心取樣，每種土壤各取8個不同梯度的含水率。將土樣放在分光測色儀的配套容器中，壓制成容積一定、容重相同的餅狀土樣，再用分光測色儀進行測色，用烘干法測定的土壤含水率作為標準。

根據測量的土壤顏色L、a、b 值與烘干法得到的含水率，直觀分析同種土壤不同含水率以及相同含水率條件下不同土壤的色度差別，利用統(tǒng)計軟件，分析不同含水率梯度與三顏色L、a、b的相關性，再通過顯著性檢驗和誤差分析，分析其可靠性。選取與土壤含水率相關性較高的顏色變量，通過回歸分析建立含水率預測模型，并從模型的穩(wěn)定性和準確性兩方面對模型進行評價，采用相關系數(shù)R2和均方根誤差RMSE(root mean square error)作為檢驗指標。

RMSE計算公式為：

式中：yi為含水率實測值，%；為預測值，%；n為樣本數(shù)。

從原始采樣數(shù)據中，選取一部分土樣作為建模數(shù)據庫，剩下的土樣作為檢驗數(shù)據庫。選取不同的土樣作為建模數(shù)據，比較分析模型預測效果及其穩(wěn)定性。建模時選取不同顏色作為自變量，進行單變量、雙變量、多變量回歸分析，并研究對其它土質的適用性。

使用Microsoft Excel 2019 軟件進行數(shù)據處理和繪圖；用IBM SPSS Statistics 25 軟件對試驗數(shù)據進行相關性分析、顯著性檢驗、主成分分析以及線性回歸分析。

2 結果與分析

在不同含水率條件下各土樣的土壤顏色對比見圖2。由圖2可見，同種土壤的顏色隨含水率升高而逐漸加深，肉眼可見其光學差異明顯。這也佐證了通過土壤顏色特性快速測定土壤含水率的可行性。

2.1 不同含水率條件下5種類型土壤的光學特征

人工采集土樣時，不同土質土樣的含水率梯度不盡相同。選取幾組不同土壤在含水率相同條件下的光學特征值進行對比，結果如表1所示。

由表1可以看出，在含水率相近時，壤土、火山灰土與沙壤土的L值相差不大，說明其顏色深淺程度相似，而磚紅壤與沙姜黑土的L值較小，說明其顏色較深，色度偏黑；a值都為接近于0 的正值，說明幾種土壤的顏色是紅色，色度偏灰；b值為較a 大的正值，說明5 種土質顏色都偏黃色。與圖2 的直觀效果一致。

每種土質分別選取含水率低、中、高3個水平的顏色值進行分析，由表1可以看出，隨著土壤含水率的增加，L值總體呈下降趨勢，在光學上表現(xiàn)為越來越接近理想黑，也就是肉眼可見的顏色逐漸加深；a、b 值均沒有明顯的變化趨勢，但一直是正值。

每種土質分別選取含水率低、中、高3個水平的顏色值進行分析，由表1可以看出，隨著土壤含水率的增加，L值總體呈下降趨勢，在光學上表現(xiàn)為越來越接近理想黑，也就是肉眼可見的顏色逐漸加深；a、b 值均沒有明顯的變化趨勢，但一直是正值。

分別對5 種土質的L、a、b 值與含水率進行擬合，擬合相關程度R2及光學特征變化情況如表2所示。

可見，土壤顏色的變化因土壤類別表現(xiàn)出不一樣的規(guī)律，說明土壤顏色同時能顯現(xiàn)出土質以及含水率的差別，為此，進行相關性檢驗和主成分分析作進一步深入研究。

2.2 模型建立的相關分析

2.2.1 相關性分析及顯著性檢驗

以沙壤土為例，不同樣本數(shù)條件下，沙壤土三顏色值與含水率的皮爾遜相關性及顯著性分析結果見表3。

由表3 可以看出，沙壤土的三顏色L、a、b 值與其含水率之間具有一定的相關性，其中L值與含水率的相關性最高，其顯著性水平為0.01，且隨著樣本數(shù)的增加，相關系數(shù)的絕對值越來越接近于1，說明沙壤土在含水率變化時，土壤的亮暗程度會受到較大影響，這與相關圖片的視覺效果吻合，即含水率越大，土樣顏色越深。隨著樣本數(shù)的增加，a值與含水率的相關性一直不顯著。b值在樣本數(shù)增大為40時提升為顯著性水平。

表1 不同含水率條件下5種土壤的光學特征值

表2 不同土壤的顏色變化初步分析

表3 沙壤土顏色相關性檢驗

2.2.2 主成分分析

相關性分析結果表明，L與含水率的皮爾遜相關值并沒有達到0.85，故單獨用L值來描述土壤含水率并不可行。以沙壤土為例，對40 個土樣的顏色參數(shù)L、a、b 進行主成分分析，得到相關性矩陣、KMO 和巴特利特檢驗、總方差解釋等信息。變量間的相關性越高，越適合做主成分分析。當KMO＞0.5，P＜0.05時，則適合做主成分分析。

主成分分析結果表明，在相關性矩陣中，變量a 與b 的相關性高達0.862，適合做主成分分析，且L 與a 兩者總共可以解釋總變異的99.14%。故沙壤土含水率可用L、a值作二元回歸分析。

其余4種土質也采用同樣的分析方法，結果不盡相同。由于篇幅所限，不再一一列舉。

2.3 沙壤土含水率與L、a二元線性回歸分析

在選取部分數(shù)據作為建模樣本時，可根據土樣采集的時間先后選取，這樣可以減少外界溫度濕度等對土樣的影響，且這樣的建模樣本中含水率分布比較均勻，含水率梯度從大到小都有。

以沙壤土為例，在不同樣本數(shù)下，含水率與L、a 的二元線性回歸結果如表4所示。

表4 沙壤土二元線性回歸模型檢驗參數(shù)

由表4可知，隨著樣本數(shù)的增加，建模數(shù)據集的R2越來越接近于1，且RMSE 越來越小，說明擬合程度更高。同時驗證數(shù)據集的檢驗參數(shù)也更穩(wěn)定。樣本數(shù)選取為40 時所做的二元線性回歸總體效果最好，其預測模型檢驗參數(shù)R2和RMSE分別為0.87和5.17。

圖3為二元回歸時含水率預測值和實際值的散點圖，可見圖中散點分布在對角線兩側，預測值和實際值的擬合程度R2為0.978，進一步說明了線性回歸的合理性。

2.4 不同類型土壤光學特征含水率分析

火山灰土、壤土、沙姜黑土和磚紅壤等4種土壤的分析結果見表5。

表中主成分分析的結果為線性回歸分析所選擇的參數(shù)?？梢娡寥蕾|地不同時，主成分提取的參數(shù)也不同，提取的參數(shù)即為線性回歸分析的兩個自變量。使用2個顏色值描述土壤含水率時可以達到較好的擬合效果，但是每種土壤的選擇參數(shù)和回歸方程都不同。

表5 不同類型土壤顏色-含水率分析結果

2.5 不同類型土壤含水率預測結果

基于不同的土壤類型其水分梯度與顏色L、a、b的相關性不盡相同，且圖3也驗證了線性回歸的合理性。

故為了檢驗所建回歸方程對于其他土類的拓展性，選取沙壤土40 個土樣與含水率做三元（L、a、b）線性回歸分析，其線性回歸方程如下：

常量與變量a、b 的系數(shù)處于極顯著水平(P＜0.001)，R2=0.866，RMSE=4.230。該回歸方程對其他4 種土壤的檢驗結果如表6所示。

通過表6 可以看出，根據沙壤土建立的模型對于其他4 種土壤具有一定的適用性，也具有較好的預測效果。由于試驗中對磚紅壤、沙姜黑土、火山灰土、壤土4種土壤的樣本數(shù)不如沙壤土的多，增加一定的樣本數(shù)量可進一步驗證模型的預測效果。在測試時要注意保證含水率具有均勻的變化梯度，以及建模時仍要比較分析如何選取樣本作為建模數(shù)據集?？偟膩碚f，分光測色儀作為獲取土壤顏色的工具，具有快速測定土壤含水率的潛力。

表6 沙壤土模型對其他土類的檢驗參數(shù)

3 結論與展望

利用分光測色儀測定了5種土壤在不同含水率條件下的三顏色值L、a、b，并進行了相關性及回歸分析和驗證，得出如下主要結論：

（1）土壤顏色L、a、b值與其含水率之間具有一定的相關性。隨土壤含水率升高，L值總體呈下降趨勢，表現(xiàn)為土壤顏色逐漸加深；a、b值均為正值，但變化規(guī)律不明顯。

（2）土壤的L、a、b值與土壤含水率的相關程度隨土壤質地變化而不同。沙壤土、沙姜黑土、火山灰土和壤土的L值隨含水率變化有明顯改變，但磚紅壤的L值改變不明顯。沙壤土的L 值與其含水率的相關系數(shù)在0.77 以上，土壤含水率對L 值的影響達極顯著水平，但其皮爾遜相關值并沒有達到0.85；a值與含水率的相關性不顯著；在樣本數(shù)增大為40 時其b 值與含水率的相關性提升為顯著。

（3）主成分分析結果表明，沙壤土、沙姜黑土、火山灰土的L、b 值與含水率相關度高，而磚紅壤和壤土則為a、b值。采用二元線性回歸進行擬合時，5種土壤均可以達到較好的擬合效果，而采用L、a、b值共同描述時僅能使擬合程度提高0.006。故僅對1 種土壤進行擬合時，建議采用二元線性回歸。

（4）沙壤土含水率與三顏色值的三元線性回歸方程對磚紅壤、沙姜黑土、火山灰土、壤土4 種土壤具有一定的適用性，其相關系數(shù)R2均大于0.81，RMSE均小于14。

利用土壤三顏色值L、a、b可以快速判斷土壤含水率。由于土壤的顏色信息受有機質、孔隙率、土壤容重等諸多因素的影響，量化后的數(shù)據存在一定波動。如何分析這些因素的影響，更加全面的對模型進行優(yōu)化，有待進一步研究。已有研究通過量化數(shù)碼照片中顏色信息來估算土壤pH 值，這表明數(shù)字照片具有提取土壤堿化信息的潛力；也有通過Photoshop軟件提取土壤相片RGB 值來構建土壤顏色和土壤有機質的量化關系的研究表明，對土壤顏色的現(xiàn)場快速提取有利于對土壤有機質含量等相關研究提供基本資料和數(shù)據支撐[31]。目前，在選取獲取土壤顏色信息的工具時，也可以考慮數(shù)碼相機和手機等攝影設備，再結合Photoshop 軟件分析土壤顏色圖像，將土壤表面顏色信息量化。

分光測色儀攜帶方便，價格適中，利用分光測色儀獲取土壤顏色信息，不僅可以節(jié)省人力，還易于操作；利用SPSS進行統(tǒng)計分析易于學習；兩者的結合有望為快速測定土壤含水率提供一種可選途徑。利用分光測色原理快速測定土壤含水率的方法，在多次數(shù)測定小范圍土壤含水率時具有較大的應用價值，可為評價不同灌溉方式的灌水效果提供依據，大量節(jié)省人力物力，且經濟性高，易于操作，在農學、地質學、工程學、生態(tài)學、水文學和生物學等相關研究中具有重要意義。