土壤盐分三维可视化研究进展

叶轩诚 蒋青松

摘 要：三维可视化在各个领域中均得到了大量的应用，其能将复杂的数据以直观的方式展现出来。该文先介绍了三维可视化技术在各个领域中的应用情况及相关的一些算法;在土壤盐分的研究中，使用EM38-MK2大地电导率仪，通过表观电导率数据建立土壤电导率反演模型，是目前土壤盐分研究最常用的方法之一;针对模型可信度的判断，选取具有代表性的指标来检验，用指示克里格法与三维普通克里格法得出土壤盐分的三维概率分布。因此，三维可视化研究对土壤盐碱化治理具有一定的意义。

关键词：三维可视化;土壤盐分;反演模型;指示克里格法

中图分类号 S156.4 文献标识码 A文章编号 1007-7731（2021）15-0147-03

Research Progress on Three-dimensional Visualization of Soil Salinity

YE Xuancheng et al.

（College of Information Engineering， Tarim University， Alar 843300， China）

Abstract： Three-dimensional visualization has been widely used in various fields， and it can display complex data in an intuitive way. This paper first introduces the application of 3D visualization technology in various fields and some related algorithms; in the study of soil salinity， the EM38-MK2 geodetic conductivity meter is used to establish a soil conductivity inversion model through apparent conductivity data. It is currently one of the most commonly used methods for soil salinity research; several representative indicators are selected to test the reliability of the model; and the indicator Kriging method and the 3D ordinary Kriging method are selected to obtain The 3D probability distribution of soil salinity. At the end of the paper， it is pointed out that 3D visualization research has certain significance for soil salinization management.

Key words： Three-dimensional visualization; Soil salinity; Inversion model; Indicator kriging

1 引言

自20世纪70年代起，有学者提出了土壤盐渍化问题是影响全球灌溉农业的主要问题之一[1]。此后，土壤的盐渍化问题引起了越来越多的关注。在后期的研究中发现，土壤的生产力水平与土壤的质量状况关系密切[2]。要想对盐渍化土壤进行改良、管理和优化利用，对土壤的盐分剖面进行空间变异进行评估就显得尤为重要[3]。目前，环保与农业相关的部门对土壤盐分数据的图表有大量的业务需求，但是人工的数据与报表分析的效率过低且由于土壤的盐分数据通常帶有深度属性，因此二维图表已经无法满足三维土壤盐分调查的需要。采用三维可视化技术则能直观地表现出盐分在土壤中的三维趋势，作为一个三维自然综合体，土壤在不同方向上的变异性都有较大的差别。通过三维可视化技术，能生动地表现出土壤盐分三维信息上的变化。

2 三维可视化技术的应用

传统的数据分析手段会对复杂的数据进行简化，忽略了数据的真实结构，而通过三维可视化对高维数据的描绘，可以还原甚至增强数据的全局的结构以及具体的细节[4]。通过可视化的表达，能将难以理解的数据变为图表，三维模型等更为直观的表现形式。在1987年科学计算可视化首次提出以来[5]，这种通过计算机将复杂与抽象的数据转变为直观且更易于理解的方法，已被广泛地应用在各个领域。陈士杰使用声呐图像与数据，并通过OpenGL编程接口实现了三维融合与仿真显示，实现了海底管道的三维科学检测[6];张开仲通过使用Micro-CT三维可视化模型，得出了媒体微观结构的孔隙空间分布及演化特征[7];马思然使用光线投射算法对肺部结节相关区域进行三维重建，提高了肺部疾病的诊断效率[8];于雪润探讨了在地学的三维可视化中的关键算法、模型设计和软件设计与实现[9];李书钦使用OpenGL与NURBS曲面造型技术，实现了冬小麦的生长可视化[10]。

在有关土壤或地质的研究方向上，三维可视化由于能更好且直观地表现土壤中的各项参数，应用十分广泛。在研究土壤污染的相关研究中，通过分析由三维可视化构建的模型，能快速地判断潜在污染源的位置，加快工作效率。李洪义等在通过分析土壤的电导率时，使用三维反距离权重方法实现土壤盐分的三维空间插值，并采用虚拟现实建模语言（VRML）进行可视化实现[11]。在新的三维可视化工具中，应用JavaScript丰富的库中的各种前端开发技术，可以使用Vue.js、D3.js、Raphael.js、Processing.js、EChart等技术实现在基于Web的可视化解决方案。使用Cesium技术，实现的土壤污染可视化系统能为土壤问题的防治、处理与警告提供帮助[12]。通过三维可视化技术的应用，能够为实际问题提供准确的技术支撑，提高数据的表现效果。

3 三维可视化中应用到的算法

在三维结构的恢复过程中，根据所要构建的对象不同，有不同的算法。用隐函数方法（f（x，y，z）≥0）来描述三维欧氏空间实体在计算机图形学中常用到，而f（x，y，z）=0则可以表示边界。隐函数的剖切算法，在使用vtk Dataset Mapper中可以将处理完的数据映射至渲染引擎进行可视化呈现。

在土壤盐分研究中，反距离权重法（Inverse Distance Weighting， IDW），是常用的三维插值方法之一。而由反距离权重发展而来的三维反距离加权法（3D-IDW）是在面对三维散点内插的需求时最常用的技术之一。3D-IDW的公式如下：

[F（x，y，z）=i=1nwifi] （1）

其中，n为分散点的数量，fi为指定的分散点上的函数值，wi为每个分散点的权重函数。权重函数的公式为：

[wi=h-pi/i=1nh-pi] （2）

P为加权指数（任意的实数），一般默认为2，hi为散射点至插值点的距离，其公式为：

[hi=（x-xi）2+（y-yi）2+（z-zi）2] （3）

其中，（x，y，z）为插值点坐标，（xi，yi，zi）为散点坐标。

4 土壤盐分的数据处理方法

4.1 EM38-MK2工作原理 在土壤盐分剖面的三维可视化研究中，通过EM38-MK2测量土壤表观电导率，能够通过不同土壤深度的表观电导率数据来直接表征土壤盐分的剖面类型[13]。不同以往的田间采样与室内分析结合的方法，该方法减少了工作量，提升了土壤盐渍化信息获取的效率。大地电导仪EM38-MK2能在地表从信号发射（T）发射出原生磁场，再由信号接收端（R）接收在大地中由原生磁场生成的次生磁场。次生磁场（Hs）与原生磁场（Hp）的比值与大地电导率（ECa）之间的线性关系[14]可以表示为：

[ECa=4（Hs/HP）/ωμ0S2] （4）

式中：[ω=2πf]，f为发射频率（Hz）;S为发射端与接收端之间的距离（m）;[μ0]为空间磁场传导系数。

4.2 土壤样品的处理 在反应土壤盐渍化特性上，由于土壤盐分与泥浆饱和溶液的电导率的情况有着直接的相关性，且EM38-MK2所测量的大地电导率实质为土壤中游离电解质的含量，所以使用饱和泥浆电导率（ECe）来反映其特征。在将土样取得后，土样需要经过风干、粉碎、过筛后使用。土壤电导率的测定需要配置1∶5的土水比浸提液，再进行回归分析、检验数据正态分布状况及进行半方差函数拟合。EM38-MK2在实际测量时还能测出土壤体积含水量（θ，m3m-3），类似于盐分测量，针对θ的测量时，可以利用多元线性回归（MLR）、支持向量机（SVM）等数学模型，来确定θ与反演電导率之间的关系[15]。

5 基于三维可视化的土壤盐分评估方法

5.1 对模型的评估 利用模型对土壤盐分评判精度的重要指标：决定系数（Determination coefficient， R2）、均方根误差（Root mean square error， RMSE）、相对分析误差（Relative percent deviation，RPD）。RPD的值是判断模型预测精度的一个重要指标，当RPD<1.5，模型无效，RPD值每上升0.5，模型的精度就上升一个等级;RPD>3时，表明模型的精度极好。对于其他指标，R2值越大、RMSE值越小，说明模型预测能力强且稳定性好。指标公式如下：

均方根误差：

[RMSE=1mi=1m（si-oi）2] （5）

其中，Si表示预测值，Oi表示实测值。

决定系数：

[R2=i=1Nz（si）-z（si）ave（z*（si）-z*（si）ave）i=1Nz（si）-z（si）ave（z*（si）-z*（si）ave）22] （6）

标准误差（Standard error）：

[SD=i=1N（z（si）-z（si）ave）2n-1] （7）

相对分析误差：

[RPD=SDRMSE] （8）

5.2 对土壤盐分的评估 在通过分析不同时期土壤剖面电导率数据后，使用指示克里格法对土壤盐分三维离散数据进行指示变换。其用于估计待测值在给定位置U上不大于特定阈值Zk的概率。在指示克里格中，需要先将空间变量Z（u）转变成有二元响应的指示变量[16]：

[I（u，zk）=1，Z（u）≤zk，k=1，2....n0，otherwise] （9）

之后将不同时期的指示变换值使用三维普通克里格插值，以此得出土壤盐分的三维概率分布数据。在后期可视化的过程中，可以通过该概率分布数据，制作出土壤盐分的三维推测图像，对制定往后的土壤改良或灌溉计划都有指导性的作用。

6 结语

对土壤进行三维可视化是数字农业的重要部分。对土壤盐分进行调查与分析，是土壤盐碱化防治的重点，其中确定盐渍化土壤的分布与范围是调查分析最为重要的一个环节。本文在对土壤电导率进行三维建模后，将三维离散的土壤盐分数据进行插值，最后通过三维可视化手段将结果展示出来，能更好地显示出场景的连续性，补足土壤盐分在垂直方向上的变化情况，从而为土壤的盐碱化防治决策提供有力依据。

参考文献

[1]Maas E V， Hoffman G J.Crop salt tolerance：evaluation of existing data[C].Managing Saline Waterfor Irrigation， Proceedings of the International Salinity Conference，1977.

[2]杨劲松.中国盐渍土研究的发展历程与展望[J].土壤学报，2008，45（5）：837-845.

[3]M. Devkota， C.Martius， R K. Gupta， et al. Managing soil salinity with permanent bed planting in irrigated production systems in Central Aisa[J].Agriculture Ecosystems &Environment，2015，202：90-97.

[4]陈为，沈则潜，陶煜波，等.数据可视化[M].北京：电子工业出版社，2019：26-27.

[5]Defanti T A，Brown M D.Visualization in Scientific Computing[J].Advances in Computers，1991，33（10）：247-305.

[6]陈士杰.海底管道探测与三维可视化技术的研究与实现[D].杭州：浙江大学，2020.

[7]张开仲.构造煤微观结构精细定量表征及瓦斯分形输运特性研究[D].徐州：中国矿业大学，2020.

[8]马思然，杨媛媛，倪扬帆，等.肺结节智能检测和三维可视化系统设计与实现[J].计算机测量与控制，2020，28（9）：177-181.

[9]于雪润.地学空间数据三维可视化关键算法研究及软件研发[D].合肥：合肥工业大学，2019.

[10]李书钦.小麦生长模拟模型与三维可视化技术研究[D].北京：中国农业科学院，2017.

[11]李洪义， 顾呈剑，但承龙，等.基于VRML的土壤電导率三维空间变异性虚拟实现建模研究[J].土壤学报，2015，52（4）：776-782.

[12]尤其浩.基于WebGIS的土壤污染评价与三维可视化系统研究[D].杭州：浙江大学，2020.

[13]刘新路，冯春晖，吴家林，等.基于电磁感应数据棉田土壤盐分剖面时空变异特征研究.[J].中国土壤与肥料，2020，1：17-23.

[14]吕真真，杨劲松，刘广明.基于EM38-MK2的滨海土壤电导率精确解译模型[J].排灌机械工程，2014，32（10）：894-900.

[15]Ehsan Zare，Maryam Arshad，Dongxue Zhao， et al. Two-dimensional time-lapse imaging of soil wetting and drying cycle using EM38 data across aflood irrigation cotton field[J].Agricultural Water Management，2020，241：1-12.

[16]Goovaerts P. Geostatistics for natural resources evaluation[M]. Oxford University Press onDemand，1997.

（责编：张宏民）

基金项目：中央高校专项基金中农-塔大联合项目“基于近地传感-模型耦合的南疆农田土壤盐分监测与三维制图”（ZNLH201904）;国家自然科学基金项目“盐分对南疆土壤有机质高光谱特征与定量反演的影响及方法研究”（41361048）。

作者简介：叶轩诚（1996—），男，浙江义乌人，在读硕士，研究方向：农业工程与信息技术。 *通讯作者  收稿日期：2021-04-28