引用本文
宋子豪, 韩阳, 韦晨阳, 陈新, 顾谦益, 刘自平, 刘莎莎. 受石油污染的农田土和湿地土的偏振光谱特征对比[J]. 光谱学与光谱分析, 2022,42(8): 2603-2609.
SONG Zi-hao, HAN Yang, WEI Chen-yang, CHEN Xin, GU Qian-yi, LIU Zi-ping, LIU Sha-sha. Comparison of Polarized Spectral Characteristics Between Petroleum-Polluted Cropland Soil and Wetland Soil[J]. Spectroscopy and Spectral Analysis, 2022,42(8): 2603-2609.
Doi:10.3964/j.issn.1000-0593(2022)08-2603-07  
Permissions
Copyright©2022, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
受石油污染的农田土和湿地土的偏振光谱特征对比
宋子豪, 韩阳*, 韦晨阳, 陈新, 顾谦益, 刘自平, 刘莎莎
长白山地理过程与生态安全教育部重点实验室, 东北师范大学地理科学学院, 吉林 长春 130024
*通讯作者 e-mail: hany025@nenu.edu.cn

作者简介: 宋子豪, 2000年生,东北师范大学地理科学学院2019级本科生 e-mail: songzh593@nenu.edu.cn

收稿日期: 2021-12-09 修回日期: 2022-05-05
基金: 国家自然科学基金项目(41301364),吉林省科技厅自然科学基金项目(20210101101JC),国家重点研发计划项目(2018YFC1801203)资助
摘要

遥感技术依据传感器所接收到的探测目标所反射或主动向外发射的电磁波特征进行地表物体的识别和研究, 是一种重要的对地观测手段, 其中光学遥感和热红外遥感是常用的遥感技术手段。 偏振是一种常见的光学现象, 在商业和科技领域有着广泛应用。 经过数十年的发展, 偏振光遥感已成为近年来受到广泛关注和应用的对地观测手段。 传统的光学遥感依赖光强信息对地物进行探测和识别, 所得的地物识别和信息提取结果往往不够全面, 而利用偏振光信息可以弥补传统光学遥感方法的不足之处, 人们可以从地物的偏振信息中得到其更重要的性质和特征。 土壤是一种复杂的自然地理综合体, 在生态系统中发挥着重要作用, 因此土壤遥感能够在环境监测和污染治理方面发挥重要作用。 在实验室条件下, 洁净干燥土壤本身的光谱反射率没有明显的吸收谷和反射峰, 而在自然条件下土壤的光谱特性与含水量、 表面粗糙程度和有机质含量等因素有关。 近年来许多研究发现, 石油对土壤偏振光谱特性的影响十分显著, 尤其在可见光-近红外波段, 石油的偏振光谱响应十分明显, 因此可以利用该现象并运用遥感技术大范围多时相地探测地表被石油污染的情况。 许多研究发现石油的浓度和种类等因素能够影响土壤的偏振光谱特征, 进一步地, 可以猜想石油对不同类型的土壤可能会有不同的探测影响效果。 故在吉林油田的镇赉石油厂实地采集受到石油污染的农田土和湿地土, 通过多角度偏振光谱测量并结合定性和定量的分析对比两种土壤样本的偏振光谱特征, 分析石油对两种土壤类型的影响。 实验结果表明, 因含水量和土壤结构的差异, 以及土壤颗粒间石油成分的存在使得两种土壤样本的偏振光谱特征有着显著差异, 并且导致了二者偏振反射率的实验测量值与运用理论模型计算出的预测值存在明显的偏移。

关键词: 石油污染; 偏振; 多角度
中图分类号:TP79 文献标志码:A
Comparison of Polarized Spectral Characteristics Between Petroleum-Polluted Cropland Soil and Wetland Soil
SONG Zi-hao, HAN Yang*, WEI Chen-yang, CHEN Xin, GU Qian-yi, LIU Zi-ping, LIU Sha-sha
Laboratory of Geographical Processes and Ecological Security in Changbai Mountains, Ministry of Education, School of Geographical Sciences, Northeast Normal University, Changchun 130024, China
*Corresponding author
Abstract

Remote Sensing Technology is an important and useful method to monitor the Earth's surface by receiving the electromagnetic waves reflected or radiated from the targets, and optical and thermal remote sensing is the most common remote sensing methods. Polarization is a ubiquitous optical phenomenon which has commercial and technological applications.After decades of development, polarization remote sensing has become a widely applied technology in Earth observation. Depending on intensity information, traditional optical remote sensing has many disadvantages on target identification and information extraction, but it could be modified by appending polarization information to it, so that, the features and characteristics of the targets could be obtained from polarization information. Soil is a complex substance that plays an important role in the ecosystem. Hence itself is helpful to apply remote sensing on the soil to monitor the environment and treat pollution. Ideally, the soil do not obviously reflect or absorb electromagnetic waves in any range of wavelength, while the moisture, organic matters and roughness usually influences the spectrum characteristic of soil.According to recent studies, it is significant that petroleum an influences the polarized spectrum characteristics of the soil. Especially in the red and infrared spectral regions, the spectral response of petroleum is so pretty obvious, that the pollution on the Earth's surface could be detected by remote sensing of a wide range and multiple periods.In addition, it is reasonable for us to assume thatthe influence on viewing effect of petroleum might vary in different soil types. In this paper, the petroleum-polluted soils were respectively sampled from a wetland and a cropland in Zhenlai Petroleum Factory, located in Jilin Petroleum Field. By multiangle measurement, we managed to compare the polarized spectrum characteristics of each kind of soil sample and analyze the influences on themwith quantitative and qualitative methods. The results suggest it is obvious the polarized spectrum characteristics of wetland soil differ from another one, because of the difference in moisture and structure, together with the existence of petroleum, for which the measured polarized reflectance value has a significant shift from the predicted polarized reflectance value.

Keyword: Petroleum pollution; Polarization; Multiangle
引言

遥感技术被广泛应用于地学等领域的研究工作, 通过遥感影像可解读出地物的空间关系和地物属性等重要信息。 光学遥感和热红外遥感是最常用的遥感技术手段, 但它们所反映出的地物信息仍然是不全面的。 偏振光遥感是近年来受到广泛关注的对地观测手段, 其物理基础在于自然界的不同地物或者相同地物的不同状态都可以产生不同的偏振态, 并且这种差异由含水量、 粒径、 孔隙度等理化性质决定的。 因此, 偏振图像可以得到相对于传统强度图像更多的信息。 在人们所使用的遥感监测系统中, 可见光、 红外、 紫外光、 微波辐射计和荧光等探测器都发挥了显著的作用。 经过长期实践研究, 一般认为红外探测器的效果最为显著, 在近红外波段, 比较被污染地物和周围地物的光谱即可有效地确定污染区域。

光的反射的方向依赖于入射方向, 且光线入射角度和观测角度的变化会导致物体表面反射率的变化, 这就是二向性反射。 二向性反射是自然界中物体对电磁波反射的基本宏观现象。 自20世纪70年代以来, 多角度偏振光遥感随着人们对二向性反射的研究逐渐深入而得到了长足发展, 因此近年来越来越多的研究者将偏振光信息用于地球表层信息的遥感工作。 Li等[1]利用偏振信息预测叶片中的叶绿素含量; Li等[2]通过多角度偏振测量的方法研究夜间植被; Wang等[3]单独过滤出激光雷达获取到的偏振信息以探测大气层的温度; 杨威等[4]将改进的梯度方向直方图(光谱梯度方向直方图)与“ 光谱总反射率” 应用到偏振光谱识别研究中, 实现了对5种干枯植物与3种裸土的识别; Alexander Gilerson等[5]使用搭载了偏振镜头的高光谱成像仪对水面进行成像和光学参数反演, 并发现水面反射光的线偏振度和观测角存在函数关系。

土壤是一种复杂的自然地理综合体, 因此土壤的光谱会受到各种因素的影响, 如土壤的结构、 盐度、 含水量的差异都会导致土壤光谱的差异, 这也是国内外众多学者研究土壤遥感的出发点之一。 土壤偏振信息是伴随土壤的二向性反射产生的, 土壤对电磁波的反射率取决于波长、 探测角、 方位角和光线入射角等因素。 可见光、 近红外、 热红外、 微波等不同的波段范围的电磁波均可用于土壤遥感的研究。 王凌志、 韩阳和潘倩等通过多角度偏振高光谱信息对农田土壤肥力进行反演, 得出了农田土肥力和光谱反射比、 光谱吸光度等参数的一系列相关关系的结论[6]; 众多学者利用偏振光谱研究土壤湿度, 得出了在500~700 nm波段湿度和偏振度呈正比关系的结论; Konstantin Muzalevskiy和Anatoly Zeyliger应用Sentinel-1B传感器探测到的偏振信息和神经网络进一步分析和反演土壤水分[7]。 由此可见, 偏振信息的广泛应用对利用土壤光谱数据来分析土壤属性具有重大意义。

随着工业的发展, 石油得到了越来越广泛的运用, 但在石油的运输和使用过程中, 难免会造成泄漏从而使石油污染土壤, 在环境治理中人们常常需要识别石油污染土壤的具体范围。 传统的实地采样— 实验室分析法费时费力且效率低下, 而遥感技术凭借其时效性强、 探测范围大、 受地面条件限制少、 信息量大等优势逐步成为了人们首选的识别方法。 在可见光-近红外波段, 石油的光谱响应十分明显, 所以在工程上可以运用遥感技术探明某地的石油沉积层[8], 并且土壤表面反射光的偏振特性与土壤中的石油含量密切相关。 该结果为运用遥感方法识别石油污染土壤提供了基础。

本工作将在前人一系列研究成果的基础上, 从定性和定量两种方法入手, 经过实地采集, 研究受石油污染的农田土壤和湿地土壤的偏振光谱特性之差异。

1 原理

太阳光经过地表反射后的反射光是部分偏振光, 它包含了光强和偏振度两个方面的信息; 偏振反射率就是反映反射光中的偏振信息。 一般地, 偏振光可以用起偏镜获取。 偏振反射率不仅可以极大地反映地表的光学特性, 还可以用于获取气溶胶边界条件在光学上的特性[9]。 根据前人的研究, 偏振反射率遵循各向异性的分布模式[10], 因此, 偏振反射率的多角度空间分布特性可以用双向偏振分布函数(bidirectional polarized distribution function, BPDF)来描述。 与双向反射分布函数(bidirectional reflectance distribution function, BRDF)不同, 双向偏振分布函数在可见光-近红外波段对波长的变化不敏感[11]。 不同尺度下的多角度偏振测量, 如近地面遥感测量、 航天测量等, 极大地推动了各种双向偏振分布函数模型的发展, 使其广泛应用于地表反演工作。

鉴于双向偏振分布函数的重要性, 建立合适的预测模型成为了研究的重点之一。 双向偏振分布函数模型可以大致地分为基于简化辐射传输方程和蒙特卡洛模拟的物理模型和通过结合物理方法和统计方法的半经验模型[11]。 尽管物理模型有着更严谨的理论基础, 但其预测结果往往不够理想。 在需要考虑到多重散射的情况时, 利用物理方法会导致复杂的计算。 因此, 利用半经验模型来反演地表的真实情况是更优的选择。

1.1 Litvinov模型

Litvinov模型是一种半经验模型, 由Pavel Litvinov在2010年首次提出[11], 主要用于反演土壤和植被表面。 它的特点在于, 在原理上, 作者从立体的角度研究土壤的光学特性, 加入了遮蔽函数来模拟土壤颗粒因光源位置不同而相互遮蔽所带来的影响, 并考虑到了土壤颗粒的体积散射效应, 使得模型更加贴近于实际情况; 在技术上, 作者通过RSP(research scanning polarimeter)获取地表的多角度、 多时相的偏振反射信息。 因此与其他半经验模型相比, Litvinov模型具有更高的拟合精度, 且在Yang等[11]的研究中得到了验证。 该模型的数学表达式如(1)式所示, 其中Rp为偏振反射率

Rp=απFp(γ, N)4cosθ(μs+μv)f(σ, θ)fsh(γ, kr)(1)

式(1)中, Fp(γ , N)为菲涅耳方程, 其完整形式如式(2)所示。

Fp(γ, N)=12Nμt-μiNμt+μi2-Nμi-μtNμi+μt2(2)

式(2)中, γ 为入射方向和反射方向之间的散射角, N为折射率, 取值为1.5。 μs和μv和μi分别为入射天顶角, 探测天顶角和入射角的余弦值。 α , σ 和kr是三个自由参量, 与实验样本类型所对应的α , σ 2和kr分别为3.366, 0.274和0.652。

反射角θ i, 折射角θ r和散射角γ 可以分别通过式(3)、 式(4)和式(5)得到

θi=(π-γ)2(3)

sinθi=Nsinθr(4)

cosγ=-cosθscosθv-sinθssinθvcosφ(5)

式(4)中, θ s和θ v分别为入射天顶角和探测天顶角, φ 为入射光和探测位置的相对方位角。

式(1)中的函数f(σ , θ )是高斯分布函数。 其中, 自由参量σ 2取0.274, θ 为入射方向和探测方向之间的夹角, 其完整数学表达式如式(7)所示

f(σ, θ)=exp-tan2θ2σ22πσ2cos3θ(6)

cosθ=μs+μv2μi(7)

为了削弱前向散射的影响, 在式(1)中加入了遮蔽函数, 它在后向散射方向上取得最大值, 因此可以抑制前向散射方向上的偏振反射率值。 其完整的表达式如式(8)所示

fsh(γ, kr)=1+coskr(π-γ)23(8)

式(8)中所用的自由参数kr用于控制阴影区域宽度, 取值范围是0< kr< 1。 本实验所选用的样本类型对应的kr值为0.652。

使用Litvinov模型来拟合实验测量得到的数据, 并以此作为评价两种土样的光谱特性差异的指标之一。 为了评价实验测量值和模型所预测的理论值的拟合程度, 选取均方根误差(root mean square error, RMSE)和相关系数(correlation coefficient)作为评价指标。

1.2 均方根误差

均方根误差RMSE能够反映测量值和预测值的偏离程度, 其公式如式(9)所示, 其中yi和 y^i分别代表实际测量值和模型预测值, m为样本的数量。 均方根误差是一个大于0的指标, 其值越接近于0, 则说明模型的拟合效果越好。

RMSE=1m∑i=1m(yi-y^i)2(9)

1.3 相关系数

相关系数被用来度量两个变量的相关性, 取值范围为-1到1。 假设有两个随机变量X和Y, 方差分别为Var(X)和Var(Y), 两个变量间的协方差为Cov(X, Y)。 若这两个变量越接近于-1或1, 那么说明变量X和变量Y的相关性越强。 相关系数r(X, Y)的表达式如式(10)所示

r(X, Y)=Cov(X, Y)Var(X)Var(Y)(10)

1.4 偏振度

偏振度(degree of polarization, DOP), 描述的是光束中偏振部分的光强与整体光强的比值。 在物理上, 可以将偏振光在任何一个方向上的光强看作两个相互垂直的线偏振光的光强在该方向上的投影之和, 也可以用偏振反射率代替光强计算偏振度。 本实验选用偏振镜头的0° 偏振角和90° 偏振角作为基准, 其数学表达式如式(11)所示

DOP=R90°-R0°R90°+R0°(11)

式(11)中, R90° 为偏振角度为0° 时的偏振反射率, R0° 为偏振角度为90° 时的偏振反射率。

2 实验部分
2.1 研究区域

土壤样本均采集于中国吉林省白城市镇赉县, 该区域位于松嫩平原西部, 经纬度位置为东经122° 47'— 124° 04', 北纬45° 28'— 46° 18'。 松嫩平原的气候是典型的半干旱季风气候。 年降水量420~460 mm自东向西递减到350~420 mm左右。 年蒸发量则从1 200~1 600 mm自东向西递增到1 500~1 900 mm左右。 截至2020年6月, 镇赉县已探明石油储量2.7亿吨, 原油可开采量1.5亿吨, 发达的石油工业为当地的经济发展做出了巨大贡献, 但是同时也造成了该地严重的石油污染问题。

2.2 样品采集和处理

两种土壤样本均受到了不同程度的石油污染。 对农田土进行风干, 将土壤粉末过20目的筛子以筛选出足够细小的颗粒, 若土壤颗粒不能过筛, 则将其研磨, 重复上述步骤。 对于湿地土, 由于采集的样品湿度过大, 质地十分黏重, 将其风干后虽然其粒径满足实验需求但是仍含有较多水分, 不适合过筛, 故直接将其用于测量。 因为湿地土样本没有过筛, 所以其中混杂了少量的砖块、 砾石碎屑物等杂质, 且含水量较高。

2.3 仪器

光谱测量平台是由东北师范大学地理科学学院赵云升教授课题组和中国科学院长春光学精密机械研究所共同研制的室内大型BRDF测量装置, 该仪器主要由四个部分组成, 分别是光源系统、 探测架、 载物台以及控制系统。 光源采用卤钨灯。 载物台的中央用以放置实验样本, 沿着载物台平面径向安装了探测架。 探测架上安装了探测头, 并且可以在探测头前追加偏振镜头。 控制系统可以实现在2π 空间控制探测架和载物台的旋转, 以改变探测天顶角和探测方位角: 探测天顶角由探测器在竖直面内运动的角度决定, 其角度变化范围是0° ~90° ; 探测方位角由探测器在载物台所在水平面内运动的角度决定, 其变化范围是0° ~360° , 二者的精度均为0.5° , 从控制系统的显示屏上和载物台边缘所标注的刻度上可以分别读取探测天顶角和探测方位角。

光谱数据的采集用美国ASD光谱仪公司生产的ASD Field 3野外便携式高光谱仪。 将ASD光谱仪、 BRDF测量装置和计算机三者用光纤连接, 即可将实时测得的光谱数据传输到计算机。

2.4 光谱测量

将两种土壤样品根据实际需要进行多角度、 多偏振方向测量。 多偏振方向指的是在探测器前附加偏振度为0° , 45° 和90° 三个特殊角度的偏振镜头, 测量不同偏振度下的偏振反射率。 多角度具体指的是保持光源位置不变, 入射方位角是0° , 入射天顶角为40° , 改变探测架的天顶角和方位角, 分别测量探测架在不同方位角和天顶角的组合下的偏振反射率。 其中探测天顶角的范围是0° ~60° , 每组间隔为10° 。 由于40° 时入射光线被探测设备遮挡, 故用32° 的探测天顶角代替40° 的探测天顶角; 探测方位角的范围是10° ~180° , 间隔为10° 。 以每个探测天顶角和方位角的组合为单位, 获取土壤样本的偏振反射率。 由于石油的光谱响应在可见光-近红外波段最显著, 探测头在此波段下接收到的噪声较小, 因此本实验选取两种土壤样本在800 nm波段处的偏振反射率。

为了获取土壤样本的光谱数据, 在使用前需要对仪器进行适当校正。 首先, 在正式使用BRDF测量装置时, 都要用10~30 min预热光源。 其次, 在探测头前端安装偏振镜头, 并根据偏振镜头上的刻度将偏振度调至0° 。 之后, 打开计算机上的RS3操作软件, 设定好参数, 将白板放置在光源下进行反射率定标, 若在反射率等于1.0处出现一条大致平直的图线, 那么就说明定标工作完成。 取下白板, 将样品放置在光源下, 设定好探测架的天顶角和方位角。 当计算机屏幕上的图线稳定时, 即可保存光谱。 在不同的探测方位角和天顶角组合下, 采集5个光谱数据。 注意每隔20~30 min左右取下样本, 换上白板, 重新对光谱进行优化、 定标, 以确保光谱数据的准确性。 改变偏振度大小或土壤样本后, 重复上述过程。 为了减少其他光线的干扰, 实验全程在暗室进行。

2.5 数据处理与分析

将实验获得的光谱数据在计算机中打开。 首先对五条光谱数据做连接处的平滑处理, 之后取五条光谱数据的均值另存到文件系统中。 将上一步所得的反射率数据导入到数据处理软件中。 首先根据输入的数据分别做出两种土壤样本在不同偏振度下的偏振反射率云图, 其次将实验测得的偏振反射率和Litvinov模型所预测的理论值拟合, 最后计算两种土壤样本的偏振度大小。

3 结果与讨论
3.1 不同样本的偏振光谱特征的定性分析

我们将偏振实验数据进行整理, 将方位为0° ~360° 、 0° ~70° 探测方向得到的偏振反射光谱运用Origin软件进行绘图。 从图1可得出, 在不同的偏振角度下, 农田土样本的前向反射率均小于后向反射率, 而湿地土样本的后向反射率均小于前向反射率。 同时, 在不同的偏振角度下, 农田土样本的偏振反射率整体上均大于湿地土样本的偏振反射率。

图1 两种土样在不同偏振角度下的偏振反射率分布云图
(a), (b), (c)分别为农田土在偏振角度为0° , 45° 和90° 时的偏振反射率分布云图; (d), (e), (f)分别为湿地土在偏振角度为0° , 45° 和90° 时的偏振反射率分布云图Fig.1 The polar contours of polarized reflectances of both soil samples in different degrees of polarization
(a), (b), (c): Degrees of polarization of 0° , 45° and 90° for cropland soil, respectively; (d), (e), (f): Degrees of polarization of 0° , 45° and 90° for wetland soil, respectively

造成这种差异的主要原因是农田土样本和湿地土样本的含水量存在显著差异, 且农田土样本和湿地土样本的粒径也存在显著差异。 土壤的含水量和粒径大小都会影响土壤的反射特性。 湿地土样本的含水量远大于农田土样本的含水量, 导致湿地土的偏振反射率整体上较小于农田土。 一般情况下, 当光照射到土样表面时, 在0° 方位角处, 即后向散射方向, 土壤颗粒之间的相互遮蔽效果最小, 使得土壤颗粒直接向光源入射的方向反射光线; 当探测器与光源的相对方位角逐渐增大到180° 方位, 即前向散射方向时, 土壤颗粒之间的遮蔽效果越来越强, 导致探测器的方位角越接近于180° , 其接受到的反射光就会越来越少, 到方位角达到180° 时, 由于遮蔽效应最强, 故此时探测器接收到的辐射量达到最小值[15]。 但是, 若土壤样品的含水量较大, 那么光在照射到土壤表面时, 会因为土壤水的存在而发生镜面反射现象, 使得前向散射方向的偏振反射率大于后向散射的偏振反射率。 对于湿地土样, 其粒径较大, 质地松散湿润, 光照到土壤表面时一方面会发生镜面反射现象, 从而导致了前向散射大于后向散射。

3.2 偏振度对比分析

分别计算两种土样在7种不同的探测天顶角下的偏振度, 可得图2所示的结果。 从该结果可以得出两方面的信息, 其一是两种土样之间偏振度数值大小的差异, 其二是两种土样偏振度的空间分布格局特征。 首先, 在后向散射方向, 即相对方位角范围在0° ~90° 和270° ~360° 区间内, 农田土的偏振度的绝对值明显大于湿地土的偏振度的绝对值, 而在前向散射方向, 即相对方位角范围在90° ~270° 区间内, 这种特征就不是特别明显。 其次, 两种土壤样品的数据点大部分都小于0, 说明两种土壤样品的反射光的偏振角在总体上都偏向于0° 方向, 并且农田土在这方面的特征更明显。

图2 两种土样在不同探测天顶角下的偏振度折线图
探测天顶角分别为: (a) 0° ; (b) 10° ; (c) 20° ; (d) 30° ; (e) 32° ; (f) 50° ; (g) 60° Fig.2 The line charts of DOP of both soil samples in different viewing zenith angles
The viewing zenith angles: (a) 0° ; (b) 10° ; (c) 20° ; (d) 30° ; (e) 32° ; (f) 50° ; (g) 60°

造成这种现象的原因是这样的: 土壤表面的偏振光是因为表面发生了镜面反射现象而产生的。 对于含水量高且不含石油成分的土壤, 土壤颗粒依靠范德华力和氢键强烈地吸附水膜和一些极性离子, 使得土壤颗粒之间的黏性显著提升, 从宏观上就表现为土壤表面平整光滑, 这是产生镜面反射的有利条件。 然而, 若含水量高的土壤内含有石油等油类物质, 那么土壤颗粒之间的空隙会因水分子与油分子之间的相斥作用而加大, 这样就从微观层面破坏了镜面反射, 使偏振度下降。 一方面, 实验所采用的湿地土样本质地黏重, 含水量高, 土壤内所含的油分子和水分子相互排斥而削弱了镜面反射, 导致了湿地土的偏振度的降低。 另一方面, 农田土样本质地干燥细腻且表面平整, 本身就有利于镜面反射的发生, 又因为土壤样本内含有一定量的石油, 油分子包裹在土壤颗粒表面, 使土壤表面更加光滑, 更有利于镜面反射的产生。 此消彼长, 导致了农田土的偏振度绝对值在后向散射方向要明显偏大。 而在前向散射方向上这种现象不明显的原因可能在于, 湿地土样本因为其含水量较高, 镜面反射出的光相较于农田土样本的要更多, 探测器在180° 方位角附近得以接收到更多从湿地土样本表面反射出的光线, 从而拉近了两种土壤样本之间的偏振度差距。

3.3 偏振模型定量分析

运用Litvinov模型所计算出的理论值和测量值相拟合, 得到图3所示的结果。 从拟合结果可以看出, 不论是农田土样本还是湿地土样本, 实际测得的偏振反射率都与模型的预测值存在明显的偏离。 其原因在于, Litvinov模型计算得出的偏振反射率本身由光源和探测器的空间位置决定, 而与土壤自身的成分、 结构和理化性质等方面无关, 本实验所采用的土壤样本均受到过不同程度的石油污染, 土壤颗粒被油分子包裹, 从而令土壤颗粒表面更加光滑。 光滑的表面更容易产生镜面反射, 而镜面反射的存在恰恰是偏振光产生的关键。 因此在这样的条件下, 土壤表面的偏振反射率会显著大于模型的理论值。 由于湿地土样本含水量较高, 削弱了油分子对偏振反射率的增强作用, 使得该样本偏振反射率的实验测量值高于模型预测值占全体实验测量值的比例, 要低于农田土样本的结果。

图3 两种土样偏振反射率的实际观测值和模型的拟合结果
(a)— (c)分别代表湿地土0° ~90° 偏振角度下的拟合结果; (d)— (f)分别代表农田土0° ~90° 偏振角度下的拟合结果Fig.3 The fitting result of polarized reflectances of both soil samples
(a)— (c): Wetland soil in DOP from 0° to 90° ; (d)— (f): Cropland soil in DOP from 0° to 90°

然而, 还存在部分的实验测量值低于模型预测值, 符合这一特征的实验测量值大多位于前向散射方向。 这也和模型本身的特点有关。 Litvinov模型设置了遮蔽函数, 该函数使得散射角越大, 即越接近于前向散射方向, 其取值就越小, 这样就起到了抑制前向散射方向上偏振反射率值的效果。 自由参量kr的取值和土壤种类有关。 实际上, 本文所选用的kr值, 是模型建立者在经历大量实际测量工作后, 所得测量结果的中位数, 反映的是一般情况, 而本实验中的研究对象是受过石油污染的土壤样本, 因此可以视作一种特殊情况。 湿地土样本含水量较高, 其镜面反射现象显著因此散射角较大, 从而遮蔽函数对其偏振反射率预测值的抑制作用更加强烈。 另外, 湿地土样本颗粒较大, 并且其中含有少量的砖块、 砾石碎屑等杂质, 这些杂质所产生的遮蔽效果比一般土壤颗粒更明显。 农田土样本由于其质地干燥细腻, 实验测得的偏振反射率低于模型预测值的比例相对较少。 综合以上两种因素的影响, 湿地土样本的实验测量值有一部分低于模型预测值, 需要调整kr的取值以提升模型的拟合效果。

4 结论

通过研究两种土壤样本的偏振反射率和偏振度, 可以得出: 含水量的差异是导致农田土样本和湿地土样本的偏振光谱特性产生差异的主要原因, 另外, 两者在结构方面的差异也使得两种土样拥有不同的偏振光谱特征。

首先, 农田土样本的偏振反射率在总体上要大于湿地土样本的偏振反射率, 原因在于实地采集到的湿地土含水量较大。 并且, 两种土样的含水量差异也影响到了二者偏振反射率的空间分布格局。 一般情况下, 尤其是干燥的土壤, 后向散射现象要比前向散射现象更显著, 而含水量较大的湿地土样本表面产生的镜面反射现象更显著, 最终导致了前向散射比后向散射更明显。 其次, 两种土壤样本的偏振度也有明显差异, 农田土样本的偏振度大于湿地土样本的偏振度。 因为二者含水量的差异, 导致二者偏振度的差异在前向散射方向上没有在后向散射方向上那样显著。

从模型拟合结果来看, 两种土壤样本的实验测量值和模型预测值都存在着明显的偏移, 农田土的偏移情况更明显。 原因在于两种土壤样本所含有的石油成分令土壤表面的镜面反射现象更加显著, 从而使一部分实验测得的偏振反射率高于模型的预测值, 但是湿地土样本含水量更高, 使得油分子对偏振反射率的增强效果在一定程度上被削弱; 在Litvinov模型中, 存在遮蔽函数以抑制前向散射方向上的偏振反射率预测值, 其中的自由参量kr的取值和所测量的地表类型有关。 本实验所使用的两种土壤样本, 尤其是湿地土样本, 粒径较大且含有杂质, 土壤颗粒的遮蔽效果相对模型所预测的要强, 导致了一部分实验测量值低于模型的预测值, 需要根据实际情况调整自由参量kr的取值。

综上所述, 农田土样本和湿地土样本由于各自的结构、 含水量和含油量等方面的性质不同, 导致了二者的偏振光谱特征存在明显差异。

参考文献
[1] Li Xiao, Sun Zhongqiu, Lu Shan, et al. Remote Sensing of Environment, 2021, 253: 112230. [本文引用:1]
[2] Li Siyuan, Jiao Jiannan, Wang Chi, et al. Remote Sensing, 2021, 13(17): 3510. [本文引用:1]
[3] Wang Jun, Peng Jingzhe, Chen Ning, et al. Applied Optics, 2021, 60(8): 2109. [本文引用:1]
[4] YANG Wei, HOU Kun, ZHAO Yun-sheng(杨威, 侯鲲, 赵云升). Journal of Infrared and Millimeter Waves(红外与毫米波学报), 2019, 38(3): 365. [本文引用:1]
[5] Gilerson Alexand er, Carrizo Carlos, Ibrahim Amir, et al. Applied Optics, 2020, 59(10): C8. [本文引用:1]
[6] WANG Ling-zhi, HAN Yang, PAN Qian, et al(王凌志, 韩阳, 潘倩, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2018, 38(1): 240. [本文引用:1]
[7] Muzalevsky K, Zeyliger A. Remote Sensing, 2021, 13(17): 3480. [本文引用:1]
[8] Emetere M E. Journal of Petroleum Science and Engineering, 2019, 181: 106228. [本文引用:1]
[9] Wang H, Zhao M R, Yang L K. Earth Space Sci. , 2019, 6: 2241. [本文引用:1]
[10] Yang B, Zhao H M, Chen W. Journal of Quantitative Spectroscopy & Radiative Transfer, 2019, 236: 106578. [本文引用:1]
[11] Yang B, Zhao H M, Chen W. Journal of Quantitative Spectroscopy and Radiative Transfer, 2017, 202: 13. [本文引用:4]
[12] LIU Ying, YAO Yan-min, SI Hai-qing(刘影, 姚艳敏, 司海青). Chinese Journal of Agricultural Resources and Regional Planning(中国农业资源与区划), 2017, 38(1): 51. [本文引用:1]