第六章 土壤遥感ppt课件.ppt

第6章土壤遥感 GeographyAnalysisforRemoteSensing 遥感地学分析 土壤遥感是应用遥感手段研究土壤科学的技术 土壤遥感能对某些土壤性状 水分含量 养分供应状况以及能对土壤盐渍化 沼泽化 风沙化 水土流失 土壤污染等变化进行动态监测 为合理开发 利用与管理土壤资源及时提供科学数据 内容提要 6 1土壤波谱特征及其变化规律6 1 1土壤的反射光谱特征6 1 2土壤的热红外辐射特征6 1 3土壤的微波辐射与散射特征6 2土壤遥感数据分析6 2 1多元统计分析6 2 2主成分分析6 2 3光谱混合分解模型6 3土壤遥感分析6 3 1土壤类型的遥感分析6 3 2土壤侵蚀调查与监测6 3 3土壤水分监测与干旱灾害预测 土壤波谱特征及其变化规律 1 反射光谱特征土壤是岩矿的风化产物 因而土壤和岩矿的光谱反射特性在整体上基本一致 即反射率从可见光的短波段起随波长的增加而逐渐抬升 土壤是岩矿经历不同的风化过程 又是在不同的生物气候因子和人类长期耕作活动的共同作用下形成的 因此 土壤类别是多种多样的 其光谱反射特性也必然相应地发生许多变化 按土壤光谱曲线在可见光至近红外区的整体形态与斜率变化情况看 可归纳为平直型 缓斜型 陡坎型和波浪型四大类 2 土壤反射光谱特征的影响因素土壤是一种极其复杂的多孔体系 由不同含量的矿物质 水分 气体和土壤有机质组成 土壤反射率由土壤的组成成分及其结构的内在的散射和吸收性质决定 土壤反射光谱受土壤地球化学 矿物成分 湿度 有机质 氧化铁含量 土壤结壳等 几何光学散射 几何 照明 微粒形状 大小 方位 粗糙度 以及外部环境 气候 风化程度 植被覆盖度 落叶 等因素的影响 土壤组分的影响 土壤由固相 矿物质 原生矿物和次生矿物 有机质 有机氮 脂肪 碳水化合物 糖类等 液相 土壤水分或溶液 和气相 土壤空气 三相物质有机组成 按容积计 矿物质占38 45 有机质占5 12 孔隙约占50 按重量计 矿物质的固相占90 以上 有机质占1 10 对土壤光谱影响较大的组分包括土壤水分 有机质 氧化铁 1 土壤水分含量对土壤光谱的影响土壤水分 来源于大气降水 地下水 灌溉水和大气凝结水 损耗于土壤蒸发 植物吸收 植物蒸腾和水的渗漏与径流土壤水分即土壤湿度 一般情况下 土壤水分含量与反射率呈反比 甚至可以认为土壤水分含量与反射率之间在一定范围内呈线性关系 一般含水量在10 25 反射率变化显著 而持水性差的土壤 其灵敏度范围可能小于10 在土壤光谱曲线中 1 45um和1 95um两个波段处有两个强吸收谷 在0 97um 1 2um与1 77um处有三个弱吸收谷总体讲 随着土壤含水量的提高 任意波长的反射率均会降低 而且其差异随波长的增加而加大 但当土壤含水量超过田间持水量时 由于土壤表面膜水层形成镜面反射 反而会提高反射率 因此 尽可能应用近红外波段来估计土壤水分含量 2 土壤矿物成分对土壤光谱的影响土壤矿物质基本来自岩石风化形成的成土母质 对土壤的形成与土壤肥力的发展有重要影响 可见光区的光谱主要由土壤成分中的Fe3 和Fe2 引起 Fe2 吸收波长位于0 43 0 45 0 51 0 55和1 0 1 1umFe3 吸收波长位于0 40 0 45 0 49 0 70 0 87um 氧化铁含量对土壤光谱的影响土壤中的部分含铁矿物被风化为铁的氧化物 如针铁矿 赤铁矿 褐铁矿 它们均以胶体状态覆于土壤颗粒表面 土壤在可见光波段的许多吸收特征都是铁氧化物引起 铁氧化物的存在导致土壤在整个波段范围的反射率下降 由于土壤中铁大量存在 几乎所有土壤的光谱反射率都朝着蓝波段方向下降 这种下降甚至可扩展至紫外 总体来说 氧化铁会导致可见光红波段 0 6 0 7 m 的反射率上升 近红外波段 0 85 0 9 m 反射率的下降 3 土壤有机质含量对土壤光谱的影响就同一类型的土壤而言 有机质含量的高低与土壤颜色的深浅有直接关系 有机质含量高时 土壤呈深褐色至黑色 有机质含量低时土壤呈浅褐色至灰色 通常颜色愈深的土壤 其光谱反射率愈低 而其相对肥力则愈高 沙土里有机质含量的差异 有两个光谱特征指标比较有机质含量的高低 其一是0 4 1 1um 特别是620 660nm 平均反射率的高低 有机质含量越高 反射率越低 其二是光谱曲线在0 6um处的形态 即0 6um处光谱曲线的 弓曲差 的大小 有机质含量越高 弓曲差 越小 曲线越平直 反之亦然 在含量0 5 5 时 估测精度较高 可见光和近红外是土壤有机质分类的最重要波段 4 土壤物理属性的影响物理属性包括 颜色 质地 结构 干湿度 孔隙度等 A 土壤质地的影响 土壤质地影响反射率的原因 影响土壤蓄水能力 较大颗粒之间能容纳更多的空气和水 土壤颗粒大小对土壤反射率有显著影响 颗粒越小 彼此的结合越紧密 土壤表面越光滑 反射率越大 但是 土壤质地对反射光谱的影响不仅与不同粒径组合及表面状况 糙度和阴影 有关 而且与不同粒径的化学组成也密切相关 因此 不能笼统地说 土壤颗粒越细 反射率越高 因为当颗粒细至黏粒时 土壤持水能力增加 反而会降低反射率 即不同粒径土壤的光谱差异随波长的增加而变大 波长由2 2um增大到2 65um时 土壤对太阳辐射的吸收至少增加14 6 可用2 2 2 65um光谱段来区别土壤质地差异 利用土壤黏粒在常温下风干后依然能吸附水分的持水特性 可以应用反射光谱1 9um处水分吸收峰的强弱来估计土壤中黏粒含量的多少 黏粒含量越高 该波长上的吸收峰越强 反射率越低 B 土壤结构对土壤光谱的影响土壤结构指土壤颗粒之间的胶结 接触关系 土壤结构有团粒状 块状 核状 柱状 棱状 片状结构等 粒径为0 45 2 5um的结构体由于孔隙而产生光的 险井 也被称为 微阴影 阴影存在导致其反射率降低 C 土壤松紧度 孔隙度和干湿度的影响土壤松紧度指土壤松疏和紧实的程度 分为很松 疏松 稍紧实 紧实 坚实 土壤孔隙度指土壤孔隙的多少 决定着土壤的通气透水特性 影响着土壤养分转化和温度状况 土壤孔隙度大小决定土壤中空气含量的变化 土壤的松紧度越松 土壤孔隙度越大 土壤的光谱反射率越低 我国主要的土壤反射光谱曲线类型 平直型 有机质含量高 颜色深暗的土壤 在可见光波段 斜率小而稳定 基本上呈一条与X轴有一个夹角不大的近似直线 在进入红外波段后 曲线稍有抬升和下降 但变幅一般也不大 案例 云南腾冲的泥炭土 火山灰土也具有平直形曲线 整条曲线的位置及在可见光波段的斜率都与有机质含量密切相关 火山灰土耕垦后自然植被消失 原来土壤中的生物积累过程中断 在当地水热条件作用下 有机物质迅速分解消耗 土壤剖面形态结构与土色渐趋于红壤类型 缓斜型 水耕熟化形成的水稻土 特征 自光谱的紫光端向红光端缓缓抬升 形成一条斜线 在0 45 m或0 62 m附近可能出现程度不等的小波折 这段的斜率一般在0 10上下 明显高出上述平直型 在0 62 m和0 9 m之后反射率上升趋缓形成两个拐点 这是士壤中含有一定量铁离子的反映 陡坎型 南方湿热条件下发育的红壤 南方湿热地区另两类重要土壤一一黄壤和砖红壤 其光谱曲线虽与红壤类同属陡坎型 但彼此又有些明显差异 干早荒漠地区土壤 如棕漠土 灰钙土等 一般约在0 6 m之前普遍高于其他各类土壤 以后斜率就急剧下降 有时出现负值 形成一条近似与X轴平行的似波浪起伏的曲线 故称之为波浪型 其波谷一般较宽 且较浅平 2 0 m之后反射率常降低不多 甚至略有增高 呈翘尾巴态 土壤反射光谱特征总结 已有的研究表明 450nm波段的光谱值与土壤水分含量有关 500 640nm波段与土壤中的氧化铁有关 620 660nm波段与土壤有机质含量呈负相关 Stoner等认为750 1300nm波段的反射率低 是与土壤中含大量的铁和黏重的质地有关 总的来说 土壤光谱反射特性的差异与变化都取决于土壤的组成与表面状态 其中最为重要的是腐殖质含量 含量愈高 反射率愈低 光谱的曲线愈趋低平 但应注意腐殖质的组分如胡敏酸 富里酸等之间的光谱特性差异颇大 对土壤光谱特性的影响也就有所不同 在自然界 土壤常为自然植被或栽种植物所覆盖 欲从空中获得主要反映土壤光谱特性的数据 必须选择合适的无植被或少植被覆盖的季节进行遥感成像 2 土壤的热红外特性 土壤的热红外和微波辐射 散射特性与岩矿有许多类似之处 但由于土壤是疏松的有机和无机复合体 固 液 气三相共存 成分多样 且处于相互消长 快速多变之中 故更为复杂 从使用FTIR 傅立叶红外光谱仪 测定的大量土壤样品在2 5 m 14 m的反射光谱曲线经过换算得出热红外区的比辐射率可以看出 不同土壤类型有一些差异 但不大 土壤含水量是造成土壤表面温度差异 乃至热红外辐射变化的主要因素 张仁华深入分析了土壤热红外发射率与土表温度和含水量等多要素之间的复杂关系 推导出了土壤含水量W与土壤热惯量的关系 接近直线方程 就可得出有一定可信度的土壤含水量 这将是热红外遥感的重要应用领域之一 3 土壤微波辐射 散射特性 土壤的微波辐射特性 与土壤含水量有很大关系 根据肖金凯的初步研究 不论何种土壤类型 在105 烘干状态下 其介电常数均在5左右 加水之后 介电常数近线性上升 不同类型土壤 上升幅度稍有差异 表明土壤的介电常数主要由土壤含水量决定 与土壤成分和性质有一定关系但不是很大 影响土壤微波后向散射系数的另两个重要因素是表层土粒粗细与土壤结构状况 二 土壤遥感数据分析 从遥感数据中获取大量土壤信息需要发展多种技术方法 土壤光学遥感中常用的有多元统计分析 主成分分析 光谱混合分解与光谱匹配等技术 1 多元统计分析 2 主成分分析 PCA 基于统计特征的多维正交线性变换 Y是新生成的主成分矩阵 X为原始变量矩阵 可以是室内光谱 也可以是遥感影像 T是由X的协方差矩阵的特征向量组成的正交矩阵 3 光谱混合分解模型即混合像元分解 分为线性和非线性两种 线性 每一像素的反射率等于各端元组分反射率的权重的和 非线性 土壤颗粒成分之间不是简单的线性混合而是均匀混合 非线性混合分解技术可以更真实的模拟像素端元组分 三 土壤遥感的应用 1 土壤类型的判读土壤类型的判别首先需要确定土类 土类由生物气候条件决定 因此解译时 要确定研究区的水平地理带以及垂直带性和非带性因素 与常规方法相比 制作的土壤类型图比较详实 内容详细 常规方法编制的南疆土壤图 根据监督分类结果绘制的南疆土壤类型图 2 土壤干旱遥感监测干旱 是指某地团长期没有降水或降水显著偏少造成空气干燥 土壤缺水甚至干涸的现象 干旱指标 确定干旱是否发生以及发生干旱严重程度的一种度量 干旱监测的评价指标 1 反映农业水分供应状况的物理量 如降水量 水分供求差 帕默尔指数等来评估干旱程度 2 反映作物生长与水分利用关系的物理量 如相对蒸散 水分亏缺量 作物水分应力指数等来判断水分亏缺的程度 3 土壤水分 干旱遥感监测的方法干旱没有唯一的标准 可以从各个方面去定义 但都离不开水和植被 遥感监测干旱也基于土壤水分和植被状况 对于裸地 卫星遥感的重点是土壤含水量对于有植被覆盖的区域 卫星遥感的重点是植被指数的变化及植被冠层蒸腾状况的变化 1 热惯量法主要用于裸露土壤 用热红外方法遥感湿度式中k为热传导系数 为密度 为比热容 因为热传导系数 密度 比热容对一种物体来说是固定不变的 所以热惯量也是地物的固有属性 地物昼夜的温差就是地物热惯量的表象 遥感数据获取热惯量 其中P为热惯量 即卫星间接遥感量 T0为每日最高温度和最低温度之差 A为全波段反照率 B为常数 热惯量P与土壤水分含量Sw关系 目前建立的热惯量与土壤水分含量之间的函数关系都是基于统计方法 且国内目前建立的多是线性模型 而幂函数模型比线性模型好 试验结果表明拟合精度也比其它函数形式的拟合精度高 幂函数形式为 式中 Sw为土壤水分 a b是拟合系数 最小二乘法拟合 P是热惯量 热惯量法的缺点 1 随着土层深度的增加 表观热惯量与土壤含水量之间的相关性逐渐降低 2 热惯量法反演土壤含水量需要对研究区昼夜两幅遥感图像进行严格配准 通过亮温得到昼夜温差 受云影响 很难得到同一研究区昼夜无云的图像 3 当土壤植被覆盖度高时 由于受到植被蒸腾及土壤水分交换的影响 反演土壤含水量时的精度会大大降低 2 植被供水指数法热惯量方法只对裸露土壤适用 因为在有植被覆盖情况下 特别是在植被覆盖度很高时 植被改变了土壤的热传导性质 而旱灾发生的季节 植被覆盖率年往往很高 为了对高植被覆盖区农作物的旱灾进行遥感监测 中国气象局国家卫星气象中心发展了 植被供水指数法 其物理意义是 当作物供水正常时 卫星遥感的植被指数在一定的生长期内保持在一定的范围 而卫星遥感的作物冠层温度也保持在一定的范围内 如果遇到干旱 作物供水不足 一方面作物的生长受到影响 卫星遥感的植被指数将降低 另一方面作物的冠层温度将会升高 这是由于干旱造成的作物供水不足 作物没有足够的水供给叶子表面的蒸发 蒸发带走热量 被迫关闭一部分气孔 致使植被冠层温度升高 植被供水指数的定义式为 VSWI NDVI Ts这里Ts是植被叶表温度 可由美国NOAA卫星或我国FY l卫星遥感得到的作物冠层温度 VSWI代表植被受旱程度的相对大 VSWI值越小表明作物冠层温度较高 植被指数较低 作物受旱程度越重 植被供水指数法 该方法综合考虑了作物受到干旱影响时在红光 近红外 热红外波段上的反应 具有较好的应用效果 此方法适用于植物蒸腾较强的季节 植被供水指数被广泛地应用到干旱的遥感监测中 最常用到的是NOAA AVHRR的数据资料 其中VSWI式中的Ts为第4通道的温度 3 植被指数法作物的长势可以直接反映出干旱的情况 当作物受旱缺水时 作物的生长将受到限制和影响 反映绿色植物生长和分布的特征函数 植被指数将会降低 所以监测各种植被指数的变化 也是干旱遥感监测的基本方法之一 常用的有 距平植被指数 条件植被指数 植被指数差异等方法 1 距平植被指数法它是用植被指数 NDVI 多年的旬 月 平均值作为背景值 然后用作物受灾旬或月的植被指数 NDVI 减去背景值 距平植被指数 AVI NDVIi NDVI式中 NDVIi为某一特定年某一时期 如旬 月等 NDVI的值 NDVI为多年该时期NDVI的平均值 AVI作为监测干旱的一种方法 它以某一地点某一时期多年的NDVI平均值为背景值 用当年该时期的NDVI减去背景值 即可计算出AVI的变化范围 即NDVI的正 负距平值 正距平反映植被生长较一般年份好负距平表示植被生长较一般年份差一般而言 距平植被指数为 0 1 0 2表示旱情出现 0 3 0 6表示旱情严重 2 条件植被指数VCI NDVIi NDVImin NDVImax NDVImin 100 式中 NDVIi为某一特定年第i个时期的NDVI值 NDVImax和NDVImin分别代表所研究年限内第i个时期NDVI的最大值和最小值 对VCI和AVI来说 地表覆盖类型的年际间变化可能影响到干旱监测的准确性 因而在解释监测结果时应该有可靠的最新的土地覆盖类型图 另外 它们仅仅考虑由于水分胁迫导致NDVI降低的状况 未考虑到其它因素如气温导致NDVI降低的现实 在VCI和AVI的定义中也未考虑NDVI与降水间的时间间隔 4 温度植被干旱指数法Sandholt等J首先提出了温度植被干旱指数 TemperatureVegetationDrynessIndex TVDI 的概念 在植被指数和地表温度的三角形特征空间中 可以提取到干边和湿边方程 由干边和湿边方程可以建立温度植被干旱指数 土壤干旱监测案例 黑龙江旱情监测图 2002年7月 10cm土壤水分图 20cm土壤水分图 50cm土壤水分图