遙感在土壤碳儲量估算中的應用引言精準農(nóng)業(yè)(PrecisionAgriculture)是當今世界農(nóng)業(yè)發(fā)展的趨勢，是由信息技術支持的根據(jù)空間變異，定位、定時、定量地實施一整套現(xiàn)代化農(nóng)事操作技術與管理的系統(tǒng)。隨著精準農(nóng)業(yè)的發(fā)展迫切要求遙感技術能夠為其提供快速、準確的地表信息，如土壤水分含量、有機質、氮和磷含量、質地特性等。因此發(fā)展支持“精準農(nóng)作”土壤參數(shù)快速測量技術是當今農(nóng)業(yè)科技創(chuàng)新的一個熱點。土壤碳庫是陸地生態(tài)系統(tǒng)碳庫的主體，在全球碳平衡中具有重要作用。土壤有機碳庫的微小變化，可能通過向大氣釋放碳素導致大氣CO2等溫室氣體的不斷增加，從而使全球氣溫升高速率加快。如何利用遙感數(shù)據(jù)和技術精確估算土壤碳的變化，分析陸地土壤碳儲量的空間格局及其變異性，從而為預測未來陸地生態(tài)系統(tǒng)碳固定能力提供理論依據(jù)，具有重要的理論意義和實際應用意義。精準農(nóng)業(yè)—3S集成

精準農(nóng)業(yè)

=RS+GPS+GIS+精準農(nóng)業(yè)機械差分GPS播種灌溉施肥撒藥收獲數(shù)據(jù)庫:空間屬性知識庫：模型方法庫：數(shù)學算法專家系統(tǒng)決策系統(tǒng)傳感遙測遙感技術遙感技術是根據(jù)電磁波的理論，應用各種傳感器對遠距離目標所輻射和反射的電磁波信息，進行收集、處理，并最后成像，從而對地面各種景物進行探測識別的一種綜合技術。

任何物體都具有光譜特性。具體地說，不同地物具有不同的吸收、反射、輻射光譜的性能。在同一光譜區(qū)各種物體反映的情況不同，同一物體對不同光譜的反映也有明顯差別。即使是同一物體，在不同的時間和地點，由于太陽光照射角度不同，它們反射和吸收的光譜也各不相同。遙感技術通常是使用綠光、紅光和紅外光三種光譜波段進行探測。綠光段一般用來探測地下水、巖石和土壤的特性；紅光段探測植物生長變化及水污染等；紅外段探測土地、礦產(chǎn)及資源。此外，還有微波段，用來探測氣象云層及海底生物群落。地物光譜曲線2016年全世界植被指數(shù)覆蓋圖遙感技術應用一、獲取地理數(shù)據(jù)遙感技術應用二、獲取地球資源信息遙感技術應用三、應急災害

遙感估算土壤碳儲量的可行性

遙感(RemoteSensing)被作為一門新興的綜合性探測技術科學,建立在現(xiàn)代物理學、空間科學、電子計算機技術、數(shù)學和地球科學理論的基礎上,己在地理學、地質學、生態(tài)學、環(huán)境科學、大氣科學和海洋學等學科領域得到了廣泛的應用。在地球上進行資源和環(huán)境調查時,依靠傳統(tǒng)的地面調查非常困難。而遙感可以在短時間內對同一地區(qū)進行重復探測,獲取大面積同步觀測數(shù)據(jù),并且不受地形阻隔等限制,因而能夠研究地球表面不同周期的動態(tài)變化。

遙感估算土壤碳儲量的可行性

從20世紀70年代早期美國陸地衛(wèi)星Landsat數(shù)據(jù)的使用開始，各種傳感器的衛(wèi)星多光譜測量開始廣泛應用于土壤調查中，各種傳感器的衛(wèi)星多光譜測量，即TM(ThematicMappe)、SPOT多線列(MLA)、全色線列(PLA)、印度遙感衛(wèi)星(IRS)線性成像自掃描傳感器(LISS-l,-II和-III)、廣域傳感器(WiFS)和全色PAN傳感器開始廣泛應用于土壤調查中。

常用遙感方法一、遙感影像直接估算法二、植被指數(shù)法三、光譜測定分析法一、遙感影像直接估算法

土壤表層有機碳含量是土壤制圖、土壤特性解譯和進行農(nóng)業(yè)施肥的一個重要土壤屬性,因而利用遙感影像如何直接獲取土壤有機質含量成為當前土壤學研究的一個熱點。為了確定能否利用航空遙感影像數(shù)據(jù)測量裸露地表的土壤有機碳含量,Chen等通過分析地表土壤有機碳含量與藍、綠、紅波段的圖像亮度值之間的統(tǒng)計關系，建立了一個對數(shù)方程預測地表有機碳含量:公式中R、G、B分別表示紅、綠、藍波段的圖像亮度值。研究結果顯示,裸露地表的高分辨率遙感影像能夠定量化分析土壤表層有機碳含量的空間變異性。但是該方法也存在兩點局限性:一是由于其它土壤特性(例如鐵含量的存在)產(chǎn)生一些“噪音”;二是該方法只能應用于地表裸露的土壤，進一步的研究需要考慮更多的非可見光波段的使用。1.利用彩色航空、航天影像和光譜值來估算土壤有機質的研究。Frazier和Cheng使用Landsat—TM波段率制作有機質含量圖,發(fā)現(xiàn)TM1、3、4和5波段是最重要的。Frazier和Jarvis評價了測量的土壤屬性與觀測的TM反射數(shù)據(jù)之間的聯(lián)系。利用Landsat—TM測量而估計的土壤表面反射性對于估算裸露土壤表層有機碳是潛在的精確和有效的方法。2.利用遙感影像獲取土地覆被面積的變化。Wang等利用不同土地覆被類型的植被碳密度,分析了土地覆被變化及其對陸地碳循環(huán)的影響,但由于缺乏相關數(shù)據(jù)該研究忽視了土壤有機碳儲量的變化。以上研究說明,利用高分辨率遙感影像信息直接或間接地估算裸地土壤有機碳儲量的空間變異在土壤碳循環(huán)研究中具有相當大的潛力,如何優(yōu)化兩者之間的關系,建立土壤有機碳光譜模型將是未來土壤有機碳儲量估算中的一個行之有效的方法。然而,遙感影像估算土壤有機碳含量方法仍存在許多困難,例如對森林覆蓋下的森林土壤調查以及土壤性質分析就很困難。二、植被指數(shù)估算法

遙感為土壤普查、估測生物圈的動態(tài)變化提供了一個強有力的工具。遙感估算土壤碳儲量研究的長期目標是確定和推導植被冠層覆蓋下的土壤特征。然而，由于目前技術的局限性，植被冠層覆蓋下的土壤理化性質（例如土壤有機碳、養(yǎng)分含量和排水類型）不能直接使用衛(wèi)星或航空影像數(shù)據(jù)來觀測和計算。盡管多種衛(wèi)星傳感器并沒有直接測量土壤有機碳的能力，但是允許對與土壤碳模型有關的大部分參數(shù)進行評價(例如植被狀態(tài)、土壤含水量、生物量、反照率等)。因此，為了從遙感數(shù)據(jù)中獲得土壤特征信息必須依靠替代指數(shù)，如植被狀況或反照率、生物量估計、地表土壤含水量或溫度，并與模型相結合來評估土壤性質。陸地碳循環(huán)過程、模型和遙感的結合

基于植被指數(shù)建立土壤有機碳光譜模型的第一步，就是揭示不同土壤對植被所產(chǎn)生的不同光譜響應。遙感技術在這個方面的應用是推導歸一化差異植被指數(shù)(NormalDifferenceVegetationIndex,NDVI)。NDVI對綠色植被表現(xiàn)敏感，常被用來進行區(qū)域和全球的植被狀態(tài)研究,但其易受大氣和土壤背景的影響,對于研究植被覆蓋稀疏的地區(qū)效果較差。

Smith等、Levine等在美國緬因州國際紙業(yè)集團的北方森林實驗站開展了類似研究,并測試和開發(fā)了模型，建立了NDVI與土壤有機碳之間的關系。Ott使用Person瞬間相關檢驗了土壤表層(50cm)土壤碳與NDVI中位值之間的相關關系，統(tǒng)計分析顯示了一個較小但顯著的負相關關系(r=-0.63,p=0.053,n=10)。該站點的土壤有機碳隨著NDVI的降低而增長,這種關系可能在北方寒溫帶森林地區(qū)是唯一的，代表較慢的礦化速率，說明碳正在積累，比旺盛生長的植被有著更低的NDVI值。

控制土壤碳累積的因素也能通過一定的遙感技術間接預測碳狀況。例如，土壤濕度代表排水類型，顯示了與NDVI中位值有著顯著的正相關關系(r=0.75，p=0.025，n=10)。Conover使用Spearman'srank相關系數(shù)檢驗解釋排水類型的排列,發(fā)現(xiàn)NDVI最高值與排水情況較好的土壤相聯(lián)系,而NDVI最低值與有機碳大量積累但排水條件很差的土壤有一定關系。Mattikalli等研究了美國俄克拉荷馬州沃希托河流域的微波遙感影像與剖面土壤特性之間的關系團。通過多時段的微波遙感影像獲取亮度溫度(BrightnessTemperatureTB)來計算土壤含水量的變化，并對土壤的剖面特性(土壤水壓傳導率Ksat)進行了估算。結果顯示，土壤含水量及其變化與土壤質地之間有著直接的關系，沙質土和壤質土具有明顯的土壤含水量和排水量特性，由微波遙感獲得的表層土壤含水量可以用來估算土壤剖面的水壓特性。該結果對于土壤的水壓特性研究具有重要意義。目前這些研究還集中在小區(qū)域,尚未擴展到更大的空間尺度，需要開展更多的不同區(qū)域或國家尺度的研究，來有效地驗證NDVI與土壤有機碳以及土壤含水量之間的關系。

未來的研究中,需要改善土壤有機碳和遙感數(shù)據(jù)之間的模擬關系,比如土地管理歷史的信息(例如樹木砍伐、殺蟲劑使用、植樹、干擾時間)等。立地年齡或干擾歷史應作為控制因素來確定它們對NDVI的影響。此外,可以將NDVI考慮為景觀水平上的單一變量,這種作法優(yōu)于在土壤制圖單元中靠植被群落類型來隔離NDVI。同時土壤碳的遙感估算還需要一定數(shù)量的采樣數(shù)據(jù),否則很難從統(tǒng)計角度上解決土壤對NDVI或其他植被屬性的影響。其他方法例如使用模型預測土壤屬性,是未來研究獲取足夠地面驗證數(shù)據(jù)的一個選擇。土壤有機碳蓄積量遙感模型

三、光譜測定分析法

光譜分析方法能獲取掃描樣品的平均組成,時間以分鐘或秒計算,儀器購買后分析費用大大降低。這樣,一個土壤樣品的平均構成可能靠對樣品從頂部到底部的掃描得到。例如經(jīng)過試管的旋轉,能夠掃描完整的土壤樣品表面,獲得平均碳含量。采樣樣品的掃描有多種方法:旋轉的樣品杯(2cm直徑)、樣品傳送模塊、聚乙烯袋包裝樣品(10cm長)、光纖試管(fiber-opticprobe)

等,以獲取不同掃描和干擾狀態(tài)下土壤有機碳含量與反射光譜之間的數(shù)學關系。在實驗室對測量的土壤光譜數(shù)據(jù)進行微分光譜處理后,可以用逐步回歸的方法篩選一些對預測土壤有機碳含量重要的波段。通過光譜測定方法獲取的土壤信息是對航空遙感影像方法的寶貴補充,因為它能夠提供與影像不同的地面客觀輻射能信息。

研究發(fā)現(xiàn)，在實驗室測定0.4—2.4μm范圍內有機質含量變化的土壤光譜時，近紅外波長范圍0.8—2.4μm沒有因土壤有機質存在而引起的吸收峰。預測土壤有機質含量時，可見光區(qū)域比近紅外區(qū)域更有用。此外，研究還發(fā)現(xiàn)土壤有機質在0.5—1.1μm波長區(qū)域內的反射存在顯著的差異側。當土壤有機質含量增加時，整個短波區(qū)域光譜反射一般是減少的。當土壤有機質含量高于2%時，由于有機質光譜反射的降低可能會掩蓋土壤光譜其他特征的吸收。含量在0.5—5%時，估測精度較高。由于土壤質地與土壤有機質含量有重要的關系，通過遙感手段獲取土壤質地，也可以從側面反映土壤有機碳儲量的情。

Coleman等使用手持式輻射計建立光譜與有機質之間的關系，發(fā)現(xiàn)TM1、2、3和7波段是淤泥含量(SiltContent)關鍵性識別波段，TM2、6波段是識別粘土含量的關鍵性波段。預測土壤有機質含量(%)的最佳波段為0.62μm和0.56μm，其預測模型：公式中O為土壤有機質含量(%)，K為待定系數(shù)。研究結果表明,土壤光譜的實驗室控制測量對于描述土壤性質、光譜特征、土壤分類、發(fā)生學和土壤調查是有意義的。

近紅外反射(NIR,750—250nm)光譜是一項重要的分析技術,具有快速、簡便的優(yōu)點,并且能夠同時對多種土壤成分進行分析。土壤值的標定由吸收光譜和實驗室分析而建立的回歸方程實現(xiàn)。研究結果表明,NIRS在測量植物和調落物成分以及調落物分解方面是一項很有潛力的技術。此外,NIRS還可以快速測量大量樣本的”12C/13C”同位素比。雖然和標準的化學方法相比,NIRS方法在準確度上有所降低,但由于其提供了一種簡單快捷的測量方法,因而在農(nóng)業(yè)經(jīng)濟碳儲量的估測中已得到了良好的應用。因此認為,雖然在土壤標定方面NIRS還存在一些偏差,但由于其具有使用快速、操作簡便和儀器可靠等優(yōu)點,使得該技術可以合理地應用于大景觀尺度的土壤制圖以進行土壤碳監(jiān)測。

研究還顯示,中紅外光譜段(2500—25000nm或400—40000cm-1)的分辨率可能比近紅外光譜的分辨率高。近紅外和中紅外光譜的確定需要相關土壤碳量光譜信息的標準化,可以通過使用多變量統(tǒng)計程序或過程例如逐步回歸、主成分回歸和最小二乘法(PLS)來實現(xiàn)。在確定土壤碳含量特別是樣品的多樣性增加時,中紅外則表現(xiàn)出更大的分辨率。土壤反射光譜特性是土壤的基本特