王曉菲

摘要：目前，農(nóng)田地表土壤水分監(jiān)測(cè)方法存在操作復(fù)雜、監(jiān)測(cè)范圍受限的問(wèn)題。對(duì)此，文章提出了一種基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)方法。首先，文章將土壤樣本的投影值與土壤的含量分級(jí)表進(jìn)行對(duì)照，判定土壤的基礎(chǔ)屬性；然后，通過(guò)離心法計(jì)算不同吸力下的土壤含水率，確定土壤體積含水量和土壤水勢(shì)的關(guān)系；最后，根據(jù)土壤水分的空間分布特征的分析結(jié)果，采用水云模型對(duì)農(nóng)田地表土壤中的水分狀況進(jìn)行監(jiān)測(cè)。實(shí)驗(yàn)結(jié)果表明，實(shí)驗(yàn)組在4種深度下土壤水分含量的監(jiān)測(cè)精度均高于95%，說(shuō)明文章方法監(jiān)測(cè)性能較好。

關(guān)鍵詞：水云模型；農(nóng)田地表；土壤水分監(jiān)測(cè)；多數(shù)據(jù)協(xié)同

中圖分類號(hào)：TP183文獻(xiàn)標(biāo)志碼：A

0 引言

農(nóng)田地表土壤水分監(jiān)測(cè)是農(nóng)業(yè)生產(chǎn)管理和水資源管理中至關(guān)重要的一環(huán)。隨著農(nóng)業(yè)現(xiàn)代化、信息技術(shù)和數(shù)據(jù)分析方法的不斷發(fā)展，針對(duì)農(nóng)田土壤水分進(jìn)行精準(zhǔn)監(jiān)測(cè)和預(yù)測(cè)的需求日益突出^[1]。李菁等^[2]研究了基于MODIS干旱指數(shù)與徑向基函數(shù)網(wǎng)絡(luò)（Radial Basis Function Network，RBFNN）方法的土壤水分遙感監(jiān)測(cè)，將MODIS遙感干旱監(jiān)測(cè)指數(shù)結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)協(xié)同反演土壤相對(duì)濕度。馬儀等^[3]基于無(wú)人機(jī)-衛(wèi)星遙感升尺度進(jìn)行土壤水分監(jiān)測(cè)，分別采用重采樣和TsHARP升尺度法構(gòu)建不同土壤深度下無(wú)人機(jī)-衛(wèi)星升尺度土壤含水率反演模型。但是上述方法存在成本高、操作復(fù)雜、監(jiān)測(cè)范圍受限等問(wèn)題，使得土壤水分監(jiān)測(cè)性能較差。

水云模型不僅可以結(jié)合遙感數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)等多源數(shù)據(jù)，實(shí)現(xiàn)對(duì)土壤水分的多源合成監(jiān)測(cè)，還能夠通過(guò)建立土壤水分模型，實(shí)現(xiàn)對(duì)未來(lái)一段時(shí)間內(nèi)土壤水分的預(yù)測(cè)，對(duì)農(nóng)田灌溉和作物種植提供有力支持。為此，本文研究了基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)。

1 農(nóng)田地表土壤水分監(jiān)測(cè)

首先，文章將土壤樣本的投影值與土壤的含量分級(jí)表進(jìn)行對(duì)照，判定土壤的基礎(chǔ)屬性；然后，利用離心法計(jì)算不同吸力下的土壤含水率；最后，采用水云模型建立土壤水分模型以實(shí)現(xiàn)土壤水分的預(yù)測(cè)，為農(nóng)業(yè)生產(chǎn)提供科學(xué)的決策支持。

1.1 土壤基礎(chǔ)屬性分析

收集農(nóng)田地表土壤后，本文對(duì)地表土壤的基礎(chǔ)屬性進(jìn)行分析計(jì)算。本文通過(guò)對(duì)比土壤樣本的投影值和土壤含量分級(jí)表，完成了對(duì)土壤基礎(chǔ)屬性的識(shí)別。

首先，假定｛x_ij|i=1，…，n，j=1，…，m｝是樣本集，x_ij是第i個(gè)樣本的第j個(gè)指標(biāo)值，使用每個(gè)指標(biāo)數(shù)據(jù)的最大值對(duì)該指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

然后，使用數(shù)量為x的多維單位向量a=a₁，a₂，…，a_m表示某一投影方向，利用式（1）可計(jì)算樣本i在該方向上的投影值。這種方式可以將多維的樣本數(shù)據(jù)投影到一個(gè)低維的空間中，從而簡(jiǎn)化數(shù)據(jù)的復(fù)雜性。

其中，Z_i為土壤基礎(chǔ)數(shù)據(jù)投影方向上的投影值。根據(jù)式（2）可得投影值的標(biāo)準(zhǔn)差S′（a），標(biāo)準(zhǔn)差是衡量數(shù)據(jù)離散程度的統(tǒng)計(jì)量，通過(guò)該指標(biāo)可獲得數(shù)據(jù)分布的廣度或?qū)挾龋溆?jì)算方式為：

其中，Z_i為土壤基礎(chǔ)數(shù)據(jù)投影方向上的投影值的平均值。而投影值的局部密度可以表征數(shù)據(jù)在某一特定區(qū)域內(nèi)的密集程度或稀疏程度，其計(jì)算方式為：

其中，D（a）表示上述土壤基礎(chǔ)數(shù)據(jù)投影值的局部密度，而r_ik=|z_i-z_k|，R為半徑，那么r_max+m/2≤R≤2m，函數(shù)f為投影系數(shù)。

投影指標(biāo)函數(shù)Q（a）可用S′（a）與D（a）的乘積來(lái)表示，結(jié)合投影值和局部密度，從而形成一個(gè)新的投影指標(biāo)函數(shù)。這個(gè)函數(shù)可以提供更多關(guān)于數(shù)據(jù)的信息，以觀察到土壤屬性在不同地區(qū)或不同類型土壤中的分布情況。即：

最后，基于最佳投影方向計(jì)算全國(guó)土壤基本屬性分級(jí)標(biāo)準(zhǔn)值的投影值，本文建立了基于投影值的等級(jí)評(píng)價(jià)和分區(qū)方法。

1.2 基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)

本節(jié)以上述的土壤屬性分析為基礎(chǔ)，對(duì)土壤中水分空間的分布特征進(jìn)行分析^[3]。通過(guò)對(duì)土壤水分空間分布特征進(jìn)行分析，可以獲得不同區(qū)域的土壤水分含量數(shù)據(jù)，這些數(shù)據(jù)對(duì)于構(gòu)建準(zhǔn)確性較高的土壤水分監(jiān)測(cè)模型至關(guān)重要，是模型構(gòu)建的基礎(chǔ)。

離心法基于土壤顆粒與水分間的物理相互作用原理，通過(guò)烘干、稱重和離心等操作，計(jì)算各吸力條件下的土壤含水率，并分析水分在土壤中的分布特征。首先，在農(nóng)田地表設(shè)置采樣點(diǎn)，選擇不同地區(qū)和深度的土層作為樣本^[4]。將新鮮土樣稱重后分樣，置于105～110 ℃烘箱中烘干8～10 h后恒重。通過(guò)離心使土樣水分平衡后稱重，計(jì)算不同吸力下的土壤含水率^[5-6]。該過(guò)程的計(jì)算公式為：

其中，θ_m為土壤重量含水量（cm²/cm²），g_w為土壤水重（g），g_s為干土重（g）。則通過(guò)指數(shù)關(guān)系式表示出土壤體積含水量θ和土壤水勢(shì)ψ的關(guān)系，其表達(dá)式為：

其中，θ為土壤體積含水率（cm²/cm²），θ_s為土壤飽和含水率（cm²/cm²），θ_r為土壤殘余含水率（cm²/cm²），ψ是土壤基質(zhì)勢(shì)，ψ_b是有空氣進(jìn)入時(shí)的土壤基質(zhì)勢(shì)，λ是系數(shù)。

基于上述土壤水分空間分布特征的分析結(jié)果，得到不同區(qū)域的土壤水分含量數(shù)據(jù)，以此為基礎(chǔ)數(shù)據(jù)，本文構(gòu)建了基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)模型。水云模型將地表土壤水分監(jiān)測(cè)問(wèn)題轉(zhuǎn)化為反演問(wèn)題，利用地表土壤屬性數(shù)據(jù)進(jìn)行推斷。核心參數(shù)是云量和云高，通過(guò)算法獲取，將遙感數(shù)據(jù)中的云量和云高與地表和植被參數(shù)聯(lián)系起來(lái)，得出土壤水分估計(jì)結(jié)果^[7]。水云模型如式（7—8）所示。

其中，σ⁰表示總后向散射系數(shù)，σ⁰_veg表示為地表植被后向散射系數(shù)，σ⁰_soil表示裸土后向散射系數(shù)，τ表示雙向衰減系數(shù)，A表示植被反射率，B表示衰減因子，V₁、V₂表示植被描述參數(shù)，θ表示入射角。

當(dāng)以植被含水率描述植被冠層時(shí)，可認(rèn)為冠層是由尺寸一致的、均質(zhì)的水云組成，則簡(jiǎn)化后的水云模型可表示為：

其中，D表示反映地表粗糙度、極化方式、頻率、入射角的參數(shù)，m_veg表示為植被冠層含水率，SM表示為土壤含水率。則土壤水分反演模型為：

通過(guò)計(jì)算該模型，本文所提方法可以精確地監(jiān)測(cè)和預(yù)測(cè)農(nóng)田地表土壤中的水分狀況。

2 實(shí)驗(yàn)論證

2.1 實(shí)驗(yàn)說(shuō)明

為驗(yàn)證設(shè)計(jì)監(jiān)測(cè)方法的有效性，本實(shí)驗(yàn)將160個(gè)土壤樣本數(shù)據(jù)按照2∶1原則分為建模集樣本與驗(yàn)證集樣本，并選用本文設(shè)計(jì)的基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)方法作為實(shí)驗(yàn)組，基于MODIS干旱指數(shù)與RBFNN的土壤水分監(jiān)測(cè)方法作為對(duì)照組進(jìn)行對(duì)比分析測(cè)試。

2.2 實(shí)驗(yàn)指標(biāo)

土壤水分含量的監(jiān)測(cè)精度是測(cè)量結(jié)果與真實(shí)值之間的接近程度，數(shù)值越接近100%表示測(cè)量結(jié)果與真實(shí)值的接近程度越高，準(zhǔn)確性越好，其計(jì)算表達(dá)式為：

其中，Nc表示監(jiān)測(cè)值，N表示實(shí)際值。

2.3 實(shí)驗(yàn)結(jié)果

2種方法在不同深度下的水分監(jiān)測(cè)結(jié)果如表1所示。

由表1可以看出，在不同的監(jiān)測(cè)深度下，實(shí)驗(yàn)組監(jiān)測(cè)精度均高于95%，而對(duì)照組的監(jiān)測(cè)精度最高僅為90.66%，最低為68.09%；采用本文設(shè)計(jì)方法時(shí)，平均監(jiān)測(cè)精度比對(duì)照組平均監(jiān)測(cè)精度提高了19.76%。由此可見(jiàn)，本文設(shè)計(jì)方法能夠更準(zhǔn)確地監(jiān)測(cè)農(nóng)田地表的土壤水分。

3 結(jié)語(yǔ)

本文對(duì)基于水云模型的農(nóng)田地表土壤水分監(jiān)測(cè)方法進(jìn)行了研究。首先，將土壤樣本的投影值與事先制定的土壤含量分級(jí)表進(jìn)行對(duì)比，確定土壤基礎(chǔ)屬性。然后，通過(guò)采用離心法在不同吸力條件下計(jì)算土壤含水率，進(jìn)一步確定土壤體積含水量和土壤水勢(shì)之間的關(guān)系。最后，利用基于水云模型對(duì)農(nóng)田地表土壤的水分狀況進(jìn)行監(jiān)測(cè)。實(shí)驗(yàn)結(jié)果表明：實(shí)驗(yàn)組監(jiān)測(cè)精度均高于95%，表明本文設(shè)計(jì)方法能夠更準(zhǔn)確地監(jiān)測(cè)農(nóng)田地表的土壤水分，得到貼合實(shí)際的地表農(nóng)田水分含量數(shù)據(jù)。

參考文獻(xiàn)

[1]沙莎，胡蝶，王麗娟，等.河南省土壤水分遙感監(jiān)測(cè)方法研究[J].氣象與環(huán)境科學(xué)，2023（1）：91-99.

[2]李菁，任義方，戴竹君，等.基于MODIS干旱指數(shù)與RBFNN方法的江蘇冬小麥需水關(guān)鍵期土壤水分遙感監(jiān)測(cè)應(yīng)用[J].干旱地區(qū)農(nóng)業(yè)研究，2022（6）：251-257.

[3]馬儀，黃組桂，賈江棟，等.基于無(wú)人機(jī)-衛(wèi)星遙感升尺度的土壤水分監(jiān)測(cè)模型研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2023（6）：307-318.

[4]張淑，周忠發(fā)，王玲玉，等.多時(shí)相SAR的喀斯特山區(qū)耕地表層土壤水分反演[J].自然資源遙感，2022（3）：154-163.

[5]趙學(xué)琳，王甜甜，孟文婷，等.毛烏素沙地楊柴和黑沙蒿灌叢土壤水分狀況及水量監(jiān)測(cè)[J].新疆農(nóng)業(yè)科學(xué)，2021（5）：937-946.

[6]王中金，吳蘇，吳東麗，等.低緯度高原宇宙線快中子土壤水分監(jiān)測(cè)方法適宜性研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2022（8）：1328-1335.

[7]王敏敏.無(wú)人機(jī)多光譜數(shù)據(jù)在農(nóng)田土壤水分遙感監(jiān)測(cè)分析[J].華東科技（綜合），2021（5）：15.

（編輯 王雪芬編輯）

Research on monitoring surface soil moisture in farmland based on water cloud model

Wang? Xiaofei

（School of Information Engineering， Zhoukou Vocational and Technical College， Zhoukou 466000， China）

Abstract：? At present， there are problems with complex operation and limited monitoring range in the monitoring methods of farmland surface soil moisture. Therefore， this paper proposes a monitoring method of farmland surface soil moisture based on water cloud model. Firstly， by comparing the projected values of soil samples with the soil content classification table， the basic soil properties are distinguished. Then， the soil moisture content under different suction forces is calculated using the centrifugal method to determine the relationship between soil volumetric moisture content and soil water potential. Finally， based on the analysis of the spatial distribution characteristics of soil moisture， a water cloud model is used to monitor the water status in the surface soil of farmland. The experimental results show that the monitoring accuracy of soil moisture content in the experimental group is higher than 95% at all four depths， indicating that the monitoring performance of the method proposed in this paper is good.

Key words： water cloud model; farmland surface; soil moisture monitoring; multi-data collaboration