遥感在土壤碳储量估算中的应用

遥感在土壤碳储量估算中的应用引言精准农业(PrecisionAgriculture)是当今世界农业发展的趋势，是由信息技术支持的根据空间变异，定位、定时、定量地实施一整套现代化农事操作技术与管理的系统。随着精准农业的发展迫切要求遥感技术能够为其提供快速、准确的地表信息，如土壤水分含量、有机质、氮和磷含量、质地特性等。因此发展支持“精准农作”土壤参数快速测量技术是当今农业科技创新的一个热点。土壤碳库是陆地生态系统碳库的主体，在全球碳平衡中具有重要作用。土壤有机碳库的微小变化，可能通过向大气释放碳素导致大气CO2等温室气体的不断增加，从而使全球气温升高速率加快。如何利用遥感数据和技术精确估算土壤碳的变化，分析陆地土壤碳储量的空间格局及其变异性，从而为预测未来陆地生态系统碳固定能力提供理论依据，具有重要的理论意义和实际应用意义。精准农业—3S集成精准农业=RS+GPS+GIS+精准农业机械卫星遥感航空遥感地面遥感差分GPS播种灌溉施肥撒药收获数据库:空间属性知识库：模型方法库：数学算法专家系统决策系统传感遥测遥感技术遥感技术是根据电磁波的理论，应用各种传感器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测识别的一种综合技术。任何物体都具有光谱特性。具体地说，不同地物具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同，同一物体对不同光谱的反映也有明显差别。即使是同一物体，在不同的时间和地点，由于太阳光照射角度不同，它们反射和吸收的光谱也各不相同。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。绿光段一般用来探测地下水、岩石和土壤的特性；红光段探测植物生长变化及水污染等；红外段探测土地、矿产及资源。此外，还有微波段，用来探测气象云层及海底生物群落。地物光谱曲线2016年全世界植被指数覆盖图遥感技术应用一、获取地理数据遥感技术应用二、获取地球资源信息遥感技术应用三、应急灾害遥感估算土壤碳储量的可行性遥感(RemoteSensing)被作为一门新兴的综合性探测技术科学,建立在现代物理学、空间科学、电子计算机技术、数学和地球科学理论的基础上,己在地理学、地质学、生态学、环境科学、大气科学和海洋学等学科领域得到了广泛的应用。在地球上进行资源和环境调查时,依靠传统的地面调查非常困难。而遥感可以在短时间内对同一地区进行重复探测,获取大面积同步观测数据,并且不受地形阻隔等限制,因而能够研究地球表面不同周期的动态变化。遥感估算土壤碳储量的可行性从20世纪70年代早期美国陆地卫星Landsat数据的使用开始，各种传感器的卫星多光谱测量开始广泛应用于土壤调查中，各种传感器的卫星多光谱测量，即TM(ThematicMappe)、SPOT多线列(MLA)、全色线列(PLA)、印度遥感卫星(IRS)线性成像自扫描传感器(LISS-l,-II和-III)、广域传感器(WiFS)和全色PAN传感器开始广泛应用于土壤调查中。常用遥感方法一、遥感影像直接估算法二、植被指数法三、光谱测定分析法一、遥感影像直接估算法土壤表层有机碳含量是土壤制图、土壤特性解译和进行农业施肥的一个重要土壤属性,因而利用遥感影像如何直接获取土壤有机质含量成为当前土壤学研究的一个热点。为了确定能否利用航空遥感影像数据测量裸露地表的土壤有机碳含量,Chen等通过分析地表土壤有机碳含量与蓝、绿、红波段的图像亮度值之间的统计关系，建立了一个对数方程预测地表有机碳含量:公式中R、G、B分别表示红、绿、蓝波段的图像亮度值。研究结果显示,裸露地表的高分辨率遥感影像能够定量化分析土壤表层有机碳含量的空间变异性。但是该方法也存在两点局限性:一是由于其它土壤特性(例如铁含量的存在)产生一些“噪音”;二是该方法只能应用于地表裸露的土壤，进一步的研究需要考虑更多的非可见光波段的使用。1.利用彩色航空、航天影像和光谱值来估算土壤有机质的研究。Frazier和Cheng使用Landsat—TM波段率制作有机质含量图,发现TM1、3、4和5波段是最重要的。Frazier和Jarvis评价了测量的土壤属性与观测的TM反射数据之间的联系。利用Landsat—TM测量而估计的土壤表面反射性对于估算裸露土壤表层有机碳是潜在的精确和有效的方法。2.利用遥感影像获取土地覆被面积的变化。Wang等利用不同土地覆被类型的植被碳密度,分析了土地覆被变化及其对陆地碳循环的影响,但由于缺乏相关数据该研究忽视了土壤有机碳储量的变化。以上研究说明,利用高分辨率遥感影像信息直接或间接地估算裸地土壤有机碳储量的空间变异在土壤碳循环研究中具有相当大的潜力,如何优化两者之间的关系,建立土壤有机碳光谱模型将是未来土壤有机碳储量估算中的一个行之有效的方法。然而,遥感影像估算土壤有机碳含量方法仍存在许多困难,例如对森林覆盖下的森林土壤调查以及土壤性质分析就很困难。二、植被指数估算法遥感为土壤普查、估测生物圈的动态变化提供了一个强有力的工具。遥感估算土壤碳储量研究的长期目标是确定和推导植被冠层覆盖下的土壤特征。然而，由于目前技术的局限性，植被冠层覆盖下的土壤理化性质（例如土壤有机碳、养分含量和排水类型）不能直接使用卫星或航空影像数据来观测和计算。尽管多种卫星传感器并没有直接测量土壤有机碳的能力，但是允许对与土壤碳模型有关的大部分参数进行评价(例如植被状态、土壤含水量、生物量、反照率等)。因此，为了从遥感数据中获得土壤特征信息必须依靠替代指数，如植被状况或反照率、生物量估计、地表土壤含水量或温度，并与模型相结合来评估土壤性质。陆地碳循环过程、模型和遥感的结合基于植被指数建立土壤有机碳光谱模型的第一步，就是揭示不同土壤对植被所产生的不同光谱响应。遥感技术在这个方面的应用是推导归一化差异植被指数(NormalDifferenceVegetationIndex,NDVI)。NDVI对绿色植被表现敏感，常被用来进行区域和全球的植被状态研究,但其易受大气和土壤背景的影响,对于研究植被覆盖稀疏的地区效果较差。Smith等、Levine等在美国缅因州国际纸业集团的北方森林实验站开展了类似研究,并测试和开发了模型，建立了NDVI与土壤有机碳之间的关系。Ott使用Person瞬间相关检验了土壤表层(50cm)土壤碳与NDVI中位值之间的相关关系，统计分析显示了一个较小但显著的负相关关系(r=-0.63,p=0.053,n=10)。该站点的土壤有机碳随着NDVI的降低而增长,这种关系可能在北方寒温带森林地区是唯一的，代表较慢的矿化速率，说明碳正在积累，比旺盛生长的植被有着更低的NDVI值。控制土壤碳累积的因素也能通过一定的遥感技术间接预测碳状况。例如，土壤湿度代表排水类型，显示了与NDVI中位值有着显著的正相关关系(r=0.75，p=0.025，n=10)。Conover使用Spearman'srank相关系数检验解释排水类型的排列,发现NDVI最高值与排水情况较好的土壤相联系,而NDVI最低值与有机碳大量积累但排水条件很差的土壤有一定关系。Mattikalli等研究了美国俄克拉荷马州沃希托河流域的微波遥感影像与剖面土壤特性之间的关系团。通过多时段的微波遥感影像获取亮度温度(BrightnessTemperatureTB)来计算土壤含水量的变化，并对土壤的剖面特性(土壤水压传导率Ksat)进行了估算。结果显示，土壤含水量及其变化与土壤质地之间有着直接的关系，沙质土和壤质土具有明显的土壤含水量和排水量特性，由微波遥感获得的表层土壤含水量可以用来估算土壤剖面的水压特性。该结果对于土壤的水压特性研究具有重要意义。目前这些研究还集中在小区域,尚未扩展到更大的空间尺度，需要开展更多的不同区域或国家尺度的研究，来有效地验证NDVI与土壤有机碳以及土壤含水量之间的关系。未来的研究中,需要改善土壤有机碳和遥感数据之间的模拟关系,比如土地管理历史的信息(例如树木砍伐、杀虫剂使用、植树、干扰时间)等。立地年龄或干扰历史应作为控制因素来确定它们对NDVI的影响。此外,可以将NDVI考虑为景观水平上的单一变量,这种作法优于在土壤制图单元中靠植被群落类型来隔离NDVI。同时土壤碳的遥感估算还需要一定数量的采样数据,否则很难从统计角度上解决土壤对NDVI或其他植被属性的影响。其他方法例如使用模型预测土壤属性,是未来研究获取足够地面验证数据的一个选择。土壤有机碳蓄积量遥感模型三、光谱测定分析法光谱分析方法能获取扫描样品的平均组成,时间以分钟或秒计算,仪器购买后分析费用大大降低。这样,一个土壤样品的平均构成可能靠对样品从顶部到底部的扫描得到。例如经过试管的旋转,能够扫描完整的土壤样品表面,获得平均碳含量。采样样品的扫描有多种方法:旋转的样品杯(2cm直径)、样品传送模块、聚乙烯袋包装样品(10cm长)、光纤试管(fiber-opticprobe)等,以获取不同扫描和干扰状态下土壤有机碳含量与反射光谱之间的数学关系。在实验室对测量的土壤光谱数据进行微分光谱处理后,可以用逐步回归的方法筛选一些对预测土壤有机碳含量重要的波段。通过光谱测定方法获取的土壤信息是对航空遥感影像方法的宝贵补充,因为它能够提供与影像不同的地面客观辐射能信息。研究发现，在实验室测定0.4—2.4μm范围内有机质含量变化的土壤光谱时，近红外波长范围0.8—2.4μm没有因土壤有机质存在而引起的吸收峰。预测土壤有机质含量时，可见光区域比近红外区域更有用。此外，研究还发现土壤有机质在0.5—1.1μm波长区域内的反射存在显著的差异侧。当土壤有机质含量增加时，整个短波区域光谱反射一般是减少的。当土壤有机质含量高于2%时，由于有机质光谱反射的降低可能会掩盖土壤光谱其他特征的吸收。含量在0.5—5%时，估测精度较高。由于土壤质地与土壤有机质含量有重要的关系，通过遥感手段获取土壤质地，也可以从侧面反映土壤有机碳储量的情。Coleman等使用手持式辐射计建立光谱与有机质之间的关系，发现TM1、2、3和7波段是淤泥含量(SiltContent)关键性识别波段，TM2、6波段是识别粘土含量的关键性波段。预测土壤有机质含量(%)的最佳波段为0.62μm和0.56μm，其预测模型：公式中O为土壤有机质含量(%)，K为待定系数。研究结果表明,土壤光谱的实验室控制测量对于描述土壤性质、光谱特征、土壤分类、发生学和土壤调查是有意义的。近红外反射(NIR,750—250nm)光谱是一项重要的分析技术,具有快速、简便的优点,并且能够同时对多种土壤成分进行分析。土壤值的标定由吸收光谱和实验室分析而建立的回归方程实现。研究结果表明,NIRS在测量植物和调落物成分以及调落物分解方面是一项很有潜力的技术。此外,NIRS还可以快速测量大量样本的”12C/13C”同位素比。虽然和标准的化学方法相比,NIRS方法在准确度上有所降低,但由于其提供了一种简单快捷的测量方法,因而在农业经济碳储量的估测中已得到了良好的应用。因此认为,虽然在土壤标定方面NIRS还存在一些偏差,但由于其具有使用快速、操作简便和仪器可靠等优点,使得该技术可以合理地应用于大景观尺度的土壤制图以进行土壤碳监测。研究还显示,中红外光谱段(2500—25000nm或400—40000cm-1)的分辨率可能比近红外光谱的分辨率高。近红外和中红外光谱的确定需要相关土壤碳量光谱信息的标准化,可以通过使用多变量统计程序或过程例如逐步回归、主成分回归和最小二乘法(PLS)来实现。在确定土壤碳含量特别是样品的多样性增加时,中红外则表现出更大的分辨率。土壤反射光谱特性是土壤的基本特性之一,它与土壤的物理性质有着密切的关系,研究不同土壤的反射光谱特性是土壤遥感的一项基础工作,在土壤遥感波段的选择和图像解译上具有重要意义。关于土壤反射光谱特性的诸多研究,从不同侧面论证了土壤反射光谱特性与影像特征的相关性、最佳波段的选择、影响光谱的因素等。这些研究成果为应用遥感信息进行土壤调查及理化性质的分析提供了依据。复杂的土壤光谱特征需要发展各种光谱分析技术和土壤遥感信息提取