李彪++王耀強(qiáng)

摘要：快速獲取大范圍地表土壤水分空間分布是一個(gè)迫切需要解決的科學(xué)問(wèn)題，而主動(dòng)微波遙感能夠彌補(bǔ)傳統(tǒng)光學(xué)遙感與被動(dòng)微波遙感監(jiān)測(cè)土壤水分的不足。以河套灌區(qū)沙壕渠試驗(yàn)站土壤水分雷達(dá)監(jiān)測(cè)為案例，利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，建立雷達(dá)后向散射系數(shù)反演土壤水分的人工智能模型，經(jīng)實(shí)測(cè)數(shù)據(jù)檢驗(yàn)?zāi)軌驖M足工程需要，可促進(jìn)微波遙感在土壤水分監(jiān)測(cè)中的應(yīng)用與開(kāi)拓。

關(guān)鍵詞：寒旱灌區(qū)；土壤水分；雷達(dá)反演

中圖分類號(hào)： S127；S152.7；P628+.2文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2015）02-0347-04

收稿日期：2014-03-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：51169016）。

作者簡(jiǎn)介：李彪（1988—），男，河北保定人，碩士研究生，主要從事寒旱灌區(qū)土壤水鹽耦合遙感監(jiān)測(cè)敏感性研究。E-mail：lb8239@163.com。

通信作者：王耀強(qiáng)，教授，主要從事“3S”技術(shù)在農(nóng)業(yè)水土中的應(yīng)用研究。E-mail：wyqshun@aliyun.com。內(nèi)蒙古河套灌區(qū)是黃河流域寒旱地區(qū)特大型節(jié)水灌區(qū)之一，為及時(shí)掌握灌區(qū)環(huán)境影響因素的分布和變化趨勢(shì)，防治土壤鹽漬化等環(huán)境問(wèn)題，對(duì)灌區(qū)節(jié)水工程實(shí)施后的土壤水環(huán)境要素的時(shí)空分布規(guī)律研究十分重要。受氣象因素、地下水埋深、土壤質(zhì)地、灌溉排水制度、農(nóng)業(yè)種植方式和人類活動(dòng)變化等因素的影響，灌區(qū)土壤水分分布既具有隨機(jī)性，又具有一定的空間結(jié)構(gòu)性，使得土壤水環(huán)境成為一個(gè)復(fù)雜系統(tǒng)。

遙感（RS）技術(shù)具有宏觀、動(dòng)態(tài)、快速、大面積觀測(cè)的特點(diǎn)，已被用于土壤水分監(jiān)測(cè)。土壤水分遙感反演的主要手段有可見(jiàn)光-近紅外、熱紅外和微波遙感，學(xué)者們研究開(kāi)發(fā)了不少模型與方法，如熱慣量法、熱紅外法、植被供水指數(shù)法、作物缺水指數(shù)法、綠度指數(shù)法等，選擇不同傳感器、不同波段、不同模型，各自具有使用范圍和局限性[1-6]。如何獲取大范圍地表土壤水分時(shí)空分布信息是一個(gè)迫切需要解決的問(wèn)題，傳統(tǒng)的測(cè)量方法、光學(xué)遙感和被動(dòng)微波遙感獲取土壤水分都存在一定的限制。

微波遙感具有全天時(shí)、全天候和較好穿透性，適用范圍廣，成為遙感監(jiān)測(cè)土壤水分最有前途的方法。由于微波波段的土壤介電常數(shù)與土壤含水量有密切關(guān)系，土壤含水量不同，介電常數(shù)和雷達(dá)回波信號(hào)也不同。主動(dòng)微波遙感利用雷達(dá)后向散射系數(shù)反演土壤水分，其中合成孔徑雷達(dá)SAR已成為國(guó)際對(duì)地觀測(cè)領(lǐng)域最重要的前沿之一。許多國(guó)內(nèi)外學(xué)者對(duì)雷達(dá)信號(hào)后向散射系數(shù)與土壤含水量的關(guān)系進(jìn)行了研究，從土壤的混合介電模型到裸露地表的散射模正演理論模型，其中包括 Kirchhoff 模型（幾何光學(xué)模型GOM、物理光學(xué)模型POM）、小擾動(dòng)模型SPM和積分方程模型IEM；再到針對(duì)裸露、稀疏植被地表土壤水分反演的經(jīng)驗(yàn)、半經(jīng)驗(yàn)?zāi)Ｐ?，其中包括Oh模型、Doboson 模型和Shi模型；一直到植被覆蓋地表土壤的水分反演模型，目前普遍接受的是美國(guó)密西根大學(xué)微波實(shí)驗(yàn)室發(fā)展的基于輻射傳輸方程的MIMICS模型[7-9]。

國(guó)內(nèi)使用微波探測(cè)土壤水分仍處于探索階段，李杏朝同步測(cè)量土壤水分、土壤后向散射系數(shù)，監(jiān)測(cè)土壤水分相對(duì)誤差為12%[10]。楊虎通過(guò)建立模型，消除了植被覆蓋、地表粗糙度及雷達(dá)信號(hào)入射角對(duì)后向散射系數(shù)的影響，利用多時(shí)相 50 m 分辨率的Radarsat ScanSAR 雷達(dá)后向散射圖像反演了地表土壤水分，與實(shí)測(cè)土壤含水量的對(duì)比均方根RMSE為044。任鑫對(duì)多極化、多角度SAR土壤水分反演算法進(jìn)行了研究，利用AIEM模型模擬裸露地表C波段SAR信號(hào)的后向散射特征，在此基礎(chǔ)上分析了雷達(dá)信號(hào)后向散射系數(shù)與土壤含水量、地表粗糙度的關(guān)系，利用非線性回歸建立了經(jīng)驗(yàn)的裸露地表后向散射模型，根據(jù)不同極化、不同角度的雷達(dá)圖像數(shù)據(jù)組合，提出了7種土壤水分反演算法，反演結(jié)果與實(shí)測(cè)土壤含水量相關(guān)性好，89%的實(shí)測(cè)點(diǎn)反演誤差小于4%，均方根誤差RMSE為2.7%[11]。李森基于IEM模型，對(duì)多極化、多波段SAR土壤水分反演算法進(jìn)行了研究，在比較Oh模型、Doboson 模型和IEM模型3種經(jīng)典散射模型的基礎(chǔ)上，利用積分方程理論模型IEM模擬地表散射特性，分析了均方根高度、相關(guān)長(zhǎng)度、土壤含水量等地表參數(shù)與入射角、極化方式等系統(tǒng)參數(shù)對(duì)雷達(dá)后向散射特征的影響，揭示了后向散射系數(shù)隨這些參數(shù)變化而變化的規(guī)律，探討了理想的反演水分參數(shù)，提出了利用小、大入射角同極化（VV或HH）后向散射系數(shù)差反演地表組合粗糙度參數(shù)的經(jīng)驗(yàn)?zāi)Ｐ停瑥亩⒘撕笙蛏⑸湎禂?shù)反演地表土壤水分的經(jīng)驗(yàn)?zāi)Ｐ?，在河北南部平原試?yàn)區(qū)取得較好的應(yīng)用效果[12]。研究結(jié)果表明，主動(dòng)微波遙感能夠彌補(bǔ)光學(xué)遙感、被動(dòng)微波遙感在土壤水分監(jiān)測(cè)應(yīng)用中的不足，是流域尺度土壤水分監(jiān)測(cè)應(yīng)用的新方法和新手段。

本研究以黃河大型灌區(qū)（河套）土壤水分監(jiān)測(cè)試驗(yàn)的區(qū)域性水土資源空間變異為案例，重點(diǎn)分析雷達(dá)后向散射特性與含鹽土壤水分的關(guān)系，建立后向散射系數(shù)反演土壤水分的人工智能模型，以促進(jìn)微波遙感在土壤水分監(jiān)測(cè)中的應(yīng)用與開(kāi)拓。

1案例分析

1.1采樣系統(tǒng)設(shè)計(jì)

內(nèi)蒙古河套灌區(qū)水鹽運(yùn)移屬于垂直入滲蒸發(fā)型，降水量少、蒸發(fā)量大，在強(qiáng)烈的蒸發(fā)作用下，水分?jǐn)y帶鹽分向地表運(yùn)移積聚，春季反鹽是灌區(qū)土壤次生鹽漬化的重要因素。灌區(qū)每年從4月中旬灌溉，到11月中下旬結(jié)束，根據(jù)作物需水規(guī)律進(jìn)行灌溉，用水量最大的是秋澆，起壓鹽保墑作用。灌區(qū)土壤年內(nèi)水鹽運(yùn)移變化復(fù)雜。了解夏灌（4—6月）前、秋澆（10月中旬至11月中下旬）前土壤水鹽的分布狀況對(duì)灌區(qū)農(nóng)業(yè)生產(chǎn)和土壤改良有著深刻影響，并對(duì)年際間水鹽動(dòng)態(tài)時(shí)空變異規(guī)律研究有一定的代表性。

研究區(qū)域設(shè)在黃河河套灌區(qū)內(nèi)的沙壕渠試驗(yàn)區(qū)。提前購(gòu)置2013年3月15日RADARSAT2精細(xì)四極化雷達(dá)影像一景，與野外采樣時(shí)間對(duì)應(yīng)，相幅25 km×25 km，地面分辨率 8 m。在室內(nèi)樣點(diǎn)初步布設(shè)的基礎(chǔ)上，滿足合理采樣數(shù)的要求下，野外用手持GPS接收機(jī)定位獲取69個(gè)采樣點(diǎn)的WGS84坐標(biāo)，每個(gè)樣點(diǎn)處均勻取5個(gè)土樣以取平均，取土深度為0～20 cm，土樣的測(cè)定分析項(xiàng)目為含水率和全鹽量，以反映土壤的水鹽變化。同時(shí)在每個(gè)采樣點(diǎn)測(cè)定典型地物（如鹽生植被、鹽漬地土壤等）光譜曲線，為以后的光譜分析奠定基礎(chǔ)，并對(duì)采樣點(diǎn)的自然景觀進(jìn)行拍照。采樣點(diǎn)布置見(jiàn)圖1。endprint

1.2試驗(yàn)數(shù)據(jù)分析

本試驗(yàn)購(gòu)置的RADARSAT2精細(xì)四極化雷達(dá)影像為SLC格式，雷達(dá)影像獨(dú)特的成像機(jī)理使得后處理較為復(fù)雜。對(duì)于定量遙感分析，雷達(dá)處理主要包括雷達(dá)影像定標(biāo)、幾何校正和濾波等。通過(guò)定標(biāo)，將雷達(dá)影像像元亮度值轉(zhuǎn)換為后向散射系數(shù)，該處理過(guò)程較為復(fù)雜，本研究使用ENVI4.8軟件的雷

達(dá)處理模塊完成影像后處理工作，獲取了研究區(qū)四極化后向散射系數(shù)影像圖[13-14]。四極化后向散射系數(shù)見(jiàn)表1。

2雷達(dá)土壤水分反演模型建立

植物—土壤—水分系統(tǒng)自身的復(fù)雜性造成了遙感水分監(jiān)測(cè)的難度，特別是隨機(jī)分布的地表使得雷達(dá)入射波與地表的散射現(xiàn)象異常復(fù)雜，現(xiàn)有的水分遙感反演研究多采用一定的數(shù)學(xué)方法建立理論、經(jīng)驗(yàn)、半經(jīng)驗(yàn)的散射模型來(lái)反演地表參數(shù)，反演模型的適用范圍受不同波段、不同入射角、不同極化方式、不同地表粗糙度和植被覆蓋的限制。BP神經(jīng)網(wǎng)絡(luò)被廣泛證明是一種非線性函數(shù)逼近的優(yōu)秀理論與方法，而土壤水分空間分布與后向散射特性存在著復(fù)雜的非線性函數(shù)關(guān)系，運(yùn)用成熟的BP技術(shù)可以研究其非線性函數(shù)逼近問(wèn)題，為本領(lǐng)域的研究提供一種新的思維方法和建模手段[15-19]。

用于土壤水鹽估值的神經(jīng)網(wǎng)絡(luò)應(yīng)具有僅僅根據(jù)函數(shù)或映射的實(shí)例學(xué)習(xí)未知的映射或函數(shù)的能力。網(wǎng)絡(luò)一旦學(xué)會(huì)了這個(gè)映射或與其十分相似后，該網(wǎng)絡(luò)即可應(yīng)用于僅有部分映射為已知的場(chǎng)合，用于估計(jì)映射的另一部分。用于逼近函數(shù)或映射的神經(jīng)網(wǎng)絡(luò)可被認(rèn)為是一種數(shù)據(jù)變換結(jié)構(gòu)。

由于網(wǎng)絡(luò)結(jié)構(gòu)不唯一且收斂速度慢，建模過(guò)程需針對(duì)具體情況確定網(wǎng)絡(luò)層數(shù)、各層的神經(jīng)元數(shù)、擬合誤差、學(xué)習(xí)速率等復(fù)雜問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)通常采用3層結(jié)構(gòu)，擬合精度的提高可通過(guò)增加各層的神經(jīng)元數(shù)實(shí)現(xiàn)，本研究選用3層BP網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱含層、輸出層。輸入層和輸出層的神經(jīng)元數(shù)由輸入和輸出變量個(gè)數(shù)確定，輸入層由7個(gè)神經(jīng)元組成，包括采樣點(diǎn)大地坐標(biāo)B、L和大地高H這3個(gè)非遙感因子和4個(gè)后向散射系數(shù)。BP網(wǎng)絡(luò)神經(jīng)元數(shù)的確定主要是指隱含層神經(jīng)元數(shù)的確定，目前尚無(wú)成熟的理論可依，一般使用試算法，按照神經(jīng)元數(shù)和訓(xùn)練次數(shù)較少、又能滿足訓(xùn)練誤差精度要求的原則，經(jīng)反復(fù)試算，找到最少隱含層神經(jīng)元數(shù)為14個(gè)神經(jīng)元。輸出層為1個(gè)神經(jīng)元，對(duì)應(yīng)為采樣點(diǎn)的含水率。隱含層采用雙曲正切Sigmoid激活函數(shù)，輸出層采用線性激活函數(shù)。擬合目標(biāo)誤差采用10%，學(xué)習(xí)速率決定了訓(xùn)練中權(quán)值的變化量，針對(duì)標(biāo)準(zhǔn)BP訓(xùn)練方法可能陷入局部誤差極小值的缺點(diǎn)，用十幾種訓(xùn)練函數(shù)進(jìn)行試算，最后選用自適應(yīng)修改學(xué)習(xí)速率算法中的快速訓(xùn)練函數(shù)traingda進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。

利用MATLAB語(yǔ)言，并使用神經(jīng)網(wǎng)絡(luò)工具箱的函數(shù)編寫(xiě)計(jì)算程序，利用試驗(yàn)區(qū)內(nèi)59個(gè)采樣點(diǎn)數(shù)據(jù)，建立起3層BP神經(jīng)網(wǎng)絡(luò)模型，選用快速訓(xùn)練函數(shù)traingda進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，訓(xùn)練誤差滿足精度要求后，用剩余10個(gè)采樣數(shù)據(jù)進(jìn)行外部檢驗(yàn)。繪出訓(xùn)練誤差收斂圖（圖2）、內(nèi)外部誤差檢驗(yàn)圖（圖3、圖4）。計(jì)算用MATLAB源程序代碼如下：

3結(jié)論

本研究利用河套灌區(qū)夏灌前的四極化RADARSAT SAR雷達(dá)數(shù)據(jù)，通過(guò)試驗(yàn)研究土壤含水量與雷達(dá)后向散射系數(shù)的響應(yīng)關(guān)系，建立不同極化后向散射系數(shù)、非遙感因子與土壤含水量的人工神經(jīng)網(wǎng)絡(luò)模型，經(jīng)檢驗(yàn)?zāi)M誤差接近含水率測(cè)定誤差5%，可用于快速監(jiān)測(cè)大范圍裸露地表土壤水分[20]。

參考文獻(xiàn)：

[1]Jimenez L O，Medina J R，Diaz E R，et al. Integration of spatial and spectral information by means of nnsupervised extraction and classification for homogeneous objects applied to multispectral and hyperspectral data[J]. IEEE Transactions on Geoscience and Remote Sensing，2005，43（4）：844-851.

[2]Metternicht G. Assessing temporal and spatial changes of salinity using fuzzy logic remote sensing and GIS. Foundations of an expert system[J]. Ecological Modelling，2001，144：163-177.

[3]Jackson T J，Gasiewski A J，Oldak A，et al. Soil moisture retrieval using the C-band polarimetric scanning radiometer during the Southern Great Plains 1999 Experiment[J]. IEEE Transactions on Geoscience and Remote Sensing，2002，40（10）：2151-2161.

[4]Holah N，Baghdadi N，Zribi M，et al. Potential of ASAR/ENVISAT for the characterization of soil surface parameters over bare agricultural fields[J]. Remote Sensing of Environment，2005，96（1）：78-86.

[5]Zeleke T B，Si Bing C. Characterizing scale-dependent spatial relationships between soil properties using multifractal techniques[J]. Geoderma，2006，134（3/4）：440-452.endprint

[6]Wang J Engman E T ，ONeill P ，et al.Evaluation of current soil moisture algorithms from SIR-C image data[J]. Remote Sensing of Enviroment，1997，59（2）：308-320.

[7]詹志明，馮兆東. 區(qū)域遙感土壤水分模型的方法初探[J]. 水土保持研究，2002，9（3）：227-230.

[8]楊勝天，劉昌明，王鵬新. 黃河流域土壤水分遙感估算[J]. 地理科學(xué)進(jìn)展，2003，22（5）：454-462.

[9]何文壽，劉陽(yáng)春，何進(jìn)宇. 寧夏不同類型鹽漬化土壤水溶鹽含量與其電導(dǎo)率的關(guān)系[J]. 干旱地區(qū)農(nóng)業(yè)研究，2010，28（1）：111-116.

[10]李杏朝. 微波遙感監(jiān)測(cè)土壤水分的研究初探[J]. 遙感技術(shù)與應(yīng)用，1995，10（4）：1-8.

[11]任鑫. 多極化、多角度SAR土壤水分反演算法研究[D]. 北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2004：55-57.

[12]李森. 基于IEM的多波段、多極化SAR土壤水分反演算法研究[D]. 北京：中國(guó)農(nóng)業(yè)科學(xué)院，2007：23-35.

[13]胡慶榮. 含水含鹽土壤介電特性實(shí)驗(yàn)研究及對(duì)雷達(dá)圖像的響應(yīng)分析[D]. 北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2003：35-47.

[14]熊文成. 含水含鹽土壤介電特性實(shí)驗(yàn)及反演研究[D]. 北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2005：45-49.

[15]劉全明，陳亞新，魏占民，等. 基于人工智能計(jì)算技術(shù)的區(qū)域性土壤水鹽環(huán)境動(dòng)態(tài)監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2006，22（10）：1-6.

[16]劉全明. 非參數(shù)統(tǒng)計(jì)理論與人工智能技術(shù)在水土空間變異中的應(yīng)用研究[D]. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2009：34-37.

[17]姚榮江，楊勁松，鄒 平，等. 區(qū)域土壤水鹽空間分布信息的BP神經(jīng)網(wǎng)絡(luò)模型研究[J]. 土壤學(xué)報(bào)，2009，46（5）：788-794.

[18]舒寧. 微波遙感原理[M]. 武漢：武漢測(cè)繪科技大學(xué)出版社，2000：75-92.

[19]邵蕓，呂遠(yuǎn)，董慶，等. 含水含鹽土壤的微波介電特性分析研究[J]. 遙感學(xué)報(bào)，2002，6（6）：416-423.

[20]李震，廖靜娟. 合成孔徑雷達(dá)地表參數(shù)反演模型與方法[M]. 北京：科學(xué)出版社，2011：77-100.曹曉艷，代嫣然，馮玉琴，等. 江南河網(wǎng)地區(qū)典型河道二干河水質(zhì)時(shí)空分異特征及污染源解析[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（2）：351-355.endprint