南方丘陵稻田土壤全磷、有效磷高光譜特征與反演模型

張佳佳　郭熙　趙小敏

摘要：以土壤高光譜反射率為研究對(duì)象，對(duì)江西省贛州市興國(guó)縣不同全磷、有效磷含量稻田土壤的光譜曲線特征進(jìn)行研究。對(duì)比分析了同一種光譜反射率變換形式下土壤全磷、有效磷與高光譜反射率的相關(guān)性，提取了全磷和有效磷的高光譜敏感波段，建立了基于反射光譜特征的南方丘陵稻田土壤全磷、有效磷高光譜反演模型。結(jié)果表明，在350～1 100 nm這一波段，土壤全磷、有效磷含量與光譜反射率相關(guān)性呈同增同減，在1 101～1 700 nm這一波段，土壤有效磷含量與光譜反射率相關(guān)性要大于土壤全磷。通過(guò)分析興國(guó)縣稻田土壤全磷、有效磷含量與光譜反射率18種數(shù)學(xué)變換的相關(guān)系數(shù)，提取全磷的敏感波段為534、1 090 nm，有效磷的敏感波段為365、1 631、2 223 nm。通過(guò)SPSS軟件進(jìn)行不同線性擬合，發(fā)現(xiàn)多項(xiàng)式回歸模型能較好地預(yù)測(cè)全磷、有效磷含量，預(yù)測(cè)相對(duì)分析誤差（RPD）分別為1.43、1.54，能夠?yàn)榈咎锿寥廊?、有效磷含量預(yù)估提供參考。

關(guān)鍵詞：土壤全磷；有效磷；高光譜特征；反演模型

中圖分類號(hào)： S153 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2016）07-0522-04

土壤作為農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的重要載體，為人類的生存與發(fā)展提供了豐富的物質(zhì)生產(chǎn)資料。擁有能夠生長(zhǎng)植物的肥力是土壤區(qū)別于其他土地的關(guān)鍵因素之一，土壤肥力與各類養(yǎng)分含量的多寡是自然和人類活動(dòng)長(zhǎng)期形成的。氮磷鉀被視為農(nóng)作物生長(zhǎng)所必需的3種養(yǎng)分元素，土壤全磷與有效磷是土壤養(yǎng)分中不可或缺的一類，有效磷能夠有效促進(jìn)光合作用，參與作物營(yíng)養(yǎng)元素的運(yùn)輸和同化產(chǎn)物的形成，施用磷肥能夠使作物根系發(fā)達(dá)、籽粒飽滿[1]。土壤中磷含量的適宜量是影響作物生長(zhǎng)和產(chǎn)量的重要指標(biāo)，也是指導(dǎo)農(nóng)業(yè)精準(zhǔn)施肥的重要參考，在農(nóng)業(yè)生產(chǎn)中占有重要位置。農(nóng)田耕作土壤中的磷元素大部分以難溶性化合物的形式存在，能直接被作物利用的有效磷比例很低，在有些地區(qū)磷已成為限制作物高產(chǎn)的重要因素[2]，因此定量化了解土壤中磷的含量很有必要。傳統(tǒng)的實(shí)驗(yàn)室化學(xué)分析辦法程序復(fù)雜、耗資大、持續(xù)時(shí)間長(zhǎng)、費(fèi)時(shí)費(fèi)力，難以滿足現(xiàn)代精準(zhǔn)農(nóng)業(yè)對(duì)土壤養(yǎng)分實(shí)時(shí)監(jiān)測(cè)的要求。

高光譜遙感技術(shù)擁有快捷、精準(zhǔn)、無(wú)損化等特征，而土壤本身具有的物理、化學(xué)等理化特性能夠反映高光譜曲線特征，這就為利用土壤高光譜遙感技術(shù)測(cè)算土壤養(yǎng)分含量提供了可能[3]。20世紀(jì)20年代以來(lái)，國(guó)內(nèi)外相關(guān)學(xué)者一直致力于土壤高光譜特征研究，經(jīng)過(guò)多年發(fā)展，可見光、近紅外、中紅外高光譜技術(shù)在土壤學(xué)領(lǐng)域已得到了較為廣泛的利用和實(shí)踐。研究證明，350～2 500 nm波段范圍內(nèi)的高光譜反射數(shù)據(jù)能較為準(zhǔn)確地反映土壤理化參數(shù)，可通過(guò)建立相應(yīng)模型來(lái)反演土壤理化參數(shù)[4-7]。Bogrekci等利用可見光-近紅外光譜對(duì)不同類型土壤風(fēng)干樣本和鮮樣的磷含量進(jìn)行了預(yù)測(cè)，應(yīng)用偏最小二乘法來(lái)預(yù)測(cè)其均方根偏差分別為9.4%、12.9%。Bogrekci等比較了釆用紫外區(qū)、可見光區(qū)、近紅外區(qū)域?qū)Σ煌愋屯寥溃╞asinger fine sand，immokalee fine sand，myakka fine sand）全磷及水溶性磷含量的預(yù)測(cè)能力，結(jié)果表明，采用近紅外區(qū)域?qū)α椎念A(yù)測(cè)能力最好[8]。Mouazen等通過(guò)偏最小二乘法建立了土壤有效磷含量的預(yù)測(cè)模型，發(fā)現(xiàn)利用可見光-近紅外波段預(yù)測(cè)速效磷是可能的[9]。磷作為土壤中的一種主要營(yíng)養(yǎng)元素，由于在可見光-近紅外區(qū)域沒有明顯的吸收，對(duì)光譜影響微弱，以往雖對(duì)磷已有較多研究，但取得的結(jié)果并不理想[10]；因此，磷含量與土壤高光譜之間的關(guān)聯(lián)性尚待深入研究。本研究以江西省贛州市興國(guó)縣稻田土壤高光譜反射率為對(duì)象，利用SVC HR-768地物波譜儀測(cè)定43個(gè)采樣點(diǎn)的高光譜反射率，運(yùn)用SPSS、Origin等統(tǒng)計(jì)學(xué)軟件分析樣點(diǎn)全磷、有效磷養(yǎng)分含量與高光譜反射率敏感波段相關(guān)性，采用多項(xiàng)式回歸模型來(lái)預(yù)測(cè)全磷和有效磷含量，以期為高光譜遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)土壤養(yǎng)分參數(shù)快速獲取方面提供新的案例支持。

1 材料與方法

1.1 研究區(qū)域與土樣采集

1.1.1 區(qū)域概況 研究區(qū)域?yàn)榕d國(guó)縣，包括永豐鄉(xiāng)、隆平鄉(xiāng)、鼎龍鄉(xiāng)、長(zhǎng)崗鄉(xiāng)、社富鄉(xiāng)、高興鎮(zhèn)等6個(gè)鄉(xiāng)鎮(zhèn)。興國(guó)縣地處江西省贛南丘陵區(qū)的北端，縣境東經(jīng)115°01′～115°51′、北緯26°03′～26°41′，屬中亞熱帶季風(fēng)濕潤(rùn)氣候。全年氣候溫和，光照充足，雨量豐沛，無(wú)霜期長(zhǎng)，四季分明，氣候特點(diǎn)可概括為：春早夏長(zhǎng)秋短冬遲。地貌主要以低山丘陵居多，部分地區(qū)有低山、中山?？h境母巖主要有第四紀(jì)紅色黏土、砂頁(yè)巖、粉砂巖、大理巖、千枚巖等?？h域范圍內(nèi)的土壤類型以紅壤、黃壤、水稻土、紫色土為主。興國(guó)縣為典型的南方丘陵稻田土區(qū)，常年水稻種植面積在4.9×104 hm2以上，總產(chǎn)在265×104 t左右，年人均占有量為340 kg左右。

1.1.2 土壤樣本的野外采集 根據(jù)土地利用現(xiàn)狀圖和土壤類型圖疊加后的綜合信息，確定采集水稻土表層土壤樣本43個(gè)，采樣深度為0～20 cm。樣本采集過(guò)程中時(shí)刻注意盡量使每個(gè)樣本的采集深度、采集質(zhì)量趨同；樣本的上層土壤與下層土壤比例相近。將采集好的土壤樣本裝袋編號(hào)，帶回實(shí)驗(yàn)室風(fēng)干、磨碎及過(guò)2 mm篩處理后分成2份，其中一份用于土壤全磷、有效磷含量的測(cè)定，另一份用于高光譜反射率的測(cè)定。

1.2 方法

1.2.1 光譜數(shù)據(jù)具體處理方法 為了方便尋找土壤全磷的高光譜敏感波段，對(duì)土壤樣本的原始反射光譜曲線進(jìn)行消除包絡(luò)線、重采樣方法、連續(xù)統(tǒng)去除方法、光譜微分技術(shù)及光譜數(shù)據(jù)變換方法等預(yù)處理方法，可以提高其相關(guān)性[11-12]。

1.2.1.1 重采樣處理方法 利用SVCR-768地物波譜儀自帶的光譜數(shù)據(jù)處理軟件SVC-HR768對(duì)原始光譜數(shù)據(jù)進(jìn)行重采樣處理，重采樣的間隔為1 nm，導(dǎo)出重采樣數(shù)據(jù)。由于SVCR-768地物波譜儀測(cè)定土壤樣點(diǎn)的反射光譜數(shù)據(jù)在 1 000、1 900 nm附近的連接處以及前后邊緣波段350～399 nm、2 451～2 500 nm處噪聲比較大，導(dǎo)致經(jīng)過(guò)重采樣處理所得的原始光譜曲線在相鄰波段間存在信息冗余。因而，本研究將光譜數(shù)據(jù)以每10 nm為一個(gè)單位對(duì)其進(jìn)行算術(shù)平均運(yùn)算，經(jīng)過(guò)運(yùn)算處理后，其光譜曲線在保證了更加平滑的基礎(chǔ)上依舊保存著原光譜曲線的主要特征，對(duì)導(dǎo)出的每個(gè)土樣的光譜曲線去除前后噪聲較大的邊緣波段350～380 mn和2 451～2 500 nm波段。

1.2.1.2 連續(xù)統(tǒng)去除法 連續(xù)統(tǒng)處理的方法也叫去除包絡(luò)線法，是一種典型的光譜分析法，其概念為：逐點(diǎn)直線連接隨著波長(zhǎng)變化的吸收或反射凸出的“峰”值點(diǎn)，使得折線在“峰”值點(diǎn)上的外角大于180°。它能顯著地突出光譜曲線的吸收和反射特征，并將其歸一化到一致的光譜背景上，有助于與其他光譜曲線進(jìn)行比較，從而提取出敏感波段進(jìn)行分類識(shí)別比較，去除包絡(luò)線后的光譜曲線變?yōu)楣庾V波段深度曲線。光譜波段深度曲線計(jì)算公式為：

R′（λ）=1-R（λ）/Rc（λ）。

（1）

式中：R′、R、Rc分別為光譜波段深度、原始光譜、光譜包絡(luò)線，λ為波長(zhǎng)。

1.2.1.3 光譜一階微分方法 對(duì)光譜進(jìn)行低階微分處理，對(duì)不同的背景和噪聲有去除作用。微分光譜可剔除基線漂移或平緩背景干擾，同時(shí)可提供比原始光譜更高的分辨率和更清晰的光譜輪廓變換，其基本處理方法為：先確定導(dǎo)數(shù)窗口寬度Δλ，然后再根據(jù)導(dǎo)數(shù)的定義計(jì)算波長(zhǎng)y的導(dǎo)數(shù)，再逐步移動(dòng)依次計(jì)算所有波長(zhǎng)的導(dǎo)數(shù)，由此得出導(dǎo)數(shù)光譜。土壤高光譜在波長(zhǎng)i處的一階微分光譜采用下式計(jì)算：

ρ′（λi）=[ρ（λi+1）-ρ（λi-1）]/（2Δλ）；

（2）

式中：λ為波長(zhǎng)，λi=351，352，…，2 499 nm；ρ（λi）為波長(zhǎng)i的光譜反射系數(shù)，實(shí)際計(jì)算中，一般用光譜的差分作為微分的有限近似。通過(guò)對(duì)原始反射率光譜進(jìn)行低階微分變換可以發(fā)現(xiàn)，光譜曲線隨波長(zhǎng)的變化更加明顯。

1.2.2 模型建立與驗(yàn)證 采用模型方程的決定系數(shù)R2、均方根誤差RMSE、相對(duì)分析誤差RPD來(lái)衡量土壤全磷、有效磷反演模型的預(yù)測(cè)精度。決定系數(shù)R2數(shù)值越大，均方根誤差RMSE越小，則表明所建模型的精度越高。當(dāng)RPD>2時(shí)，表明模型具有很好的預(yù)測(cè)能力；當(dāng)1.4

2 結(jié)果與分析

2.1 土壤全磷、有效磷含量的測(cè)定

在實(shí)驗(yàn)室分別測(cè)定樣點(diǎn)土壤的全磷與有效磷含量，表1為樣點(diǎn)土壤全磷與有效磷含量的描述性統(tǒng)計(jì)。

偏度一般用于衡量樣本分布的對(duì)稱程度，用α來(lái)表示。當(dāng)偏度α=0時(shí)為正態(tài)分布；當(dāng)偏度α>0時(shí)為正偏斜；當(dāng)偏度α0時(shí)，代表分布比正態(tài)分布更集中在平均數(shù)周圍，分布呈現(xiàn)尖峰狀態(tài)；當(dāng)β=0時(shí)，分布為正態(tài)分布；當(dāng)β

2.2 土壤全磷、有效磷光譜特征分析

為了解樣點(diǎn)土壤全磷與有效磷含量在同一高光譜波段的相關(guān)性，本研究選取樣點(diǎn)土壤全磷含量、有效磷含量與樣點(diǎn)土壤光譜反射率重采樣去包絡(luò)線處理后進(jìn)行相關(guān)性分析，對(duì)比研究土樣全磷、有效磷含量與土樣光譜反射率的相關(guān)系數(shù)隨著波長(zhǎng)變化的關(guān)系，結(jié)果如圖1所示。

從圖1可以看出，原始光譜曲線經(jīng)重采樣去包絡(luò)線處理后在345～546 nm、812～1 348 nm、1 369～1 717 nm、1 732～

1 799 nm、1 811～1 903 nm、1 909～1 917 nm、1 925～

2 348 nm 處全磷含量的光譜反射率相關(guān)系數(shù)低于有效磷含量的光譜反射率相關(guān)系數(shù)；從546～623 nm、1 349～1 368 nm、1 718～1 731 nm、1 718～1 731 nm、1 800～1 810 nm、1 918～1 924 nm處全磷含量的光譜反射率相關(guān)系數(shù)高于有效磷的相關(guān)系數(shù)；624～812 nm、2 349～2 513 nm處兩者含量光譜反射率曲線走向基本一致。

2.3 土壤全磷、有效磷含量高光譜反射率敏感波段的選擇

為更好地研究土壤全磷、有效磷含量與其高光譜反射率曲線的相關(guān)性，對(duì)土壤采樣點(diǎn)的光譜反射率進(jìn)行了18種數(shù)學(xué)變換，從中尋找對(duì)全磷、有效磷含量較為敏感的光譜波段。反射率經(jīng)過(guò)變換運(yùn)算后對(duì)其進(jìn)行統(tǒng)計(jì)分析，一方面可以減弱噪聲對(duì)目標(biāo)光譜的干擾；另一方面可以變非線性關(guān)系為線性關(guān)系[14-15]。由于原始數(shù)據(jù)反射率（自變量）與全磷、有效磷含量（因變量）兩者之間并非線性關(guān)系，經(jīng)過(guò)變換運(yùn)算后再和全磷、有效磷含量進(jìn)行線性回歸，其實(shí)質(zhì)為非線性關(guān)系線性化處理。土壤全磷、有效磷與波長(zhǎng)反射率通過(guò)多種變換計(jì)算其相關(guān)系數(shù)，以此來(lái)篩選出相關(guān)系數(shù)在一定波段內(nèi)比較平穩(wěn)且相關(guān)系數(shù)高的波段，利用此波段來(lái)做繁衍模型。表2、表3為變換方法及其得出的相關(guān)系數(shù)最值和對(duì)應(yīng)波段。

通過(guò)以上18種變換可以看出，選取各種變換中相關(guān)系數(shù)較高且穩(wěn)定的波段為敏感波段，因此全磷的敏感波段為534 nm 處基于重采樣一階微分運(yùn)算和1 090 nm處基于重采樣倒數(shù)、對(duì)數(shù)、平方根、立方根的一階微分計(jì)算；有效磷的敏感波段為365 nm處基于重采樣一階微分運(yùn)算、1 631 nm處基于重采樣倒數(shù)的一階微分運(yùn)算和2 223 nm處基于重采樣去包絡(luò)線運(yùn)算。

2.4 反演模型的建立

對(duì)經(jīng)過(guò)預(yù)處理后得到的光譜反射率與土壤全磷、有效磷含量的相關(guān)性進(jìn)行分析，得到南方典型水稻土土壤全磷的特征波段為534、1 090 nm；土壤有效磷的特征波段為365、1 631、2 223 nm。本研究選取光譜反射率重采樣一階微分變換中與土壤全磷含量相關(guān)系數(shù)最高的波段534 nm（相關(guān)系數(shù)為-0.702）和土壤有效磷含量相關(guān)系數(shù)最高的波段365 nm（相關(guān)系數(shù)為0.677）進(jìn)行回歸方程擬合，建立其預(yù)測(cè)模型（表4、表5、圖2、圖3）。

4種模型中多項(xiàng)式回歸方程模型對(duì)于預(yù)測(cè)全磷與有效磷含量比較準(zhǔn)確。全磷多項(xiàng)式回歸方程為y=17.363x2-9.170 8x+1.183 4，其相對(duì)分析誤差RPD=1.430 7，大于14；

有效磷多項(xiàng)式回歸方程為y=34 983x2-2 699.2x+67.578，其相對(duì)分析誤差RPD=1.541，也大于1.4，說(shuō)明該模型可以較粗略地預(yù)測(cè)水稻土全磷、有效磷含量，但是模型還有待進(jìn)一步改善。

3 結(jié)論與討論

由于土壤全磷與有效磷在化學(xué)成分上存在差異，所以在同一種光譜處理方法下土壤全磷、有效磷含量與光譜反射率的相關(guān)性曲線走勢(shì)也存在一定差異，總體來(lái)看，土壤有效磷含量與光譜反射率的相關(guān)性要高于土壤全磷。土壤全磷光譜反射率相關(guān)系數(shù)在波長(zhǎng)534 nm處達(dá)到最大值，為-0.702，在多個(gè)微分處理方法中在1 090 nm左右波段相關(guān)系數(shù)比較穩(wěn)定，且都達(dá)到0.65以上；土壤有效磷光譜反射率相關(guān)系數(shù)在波長(zhǎng)365 nm處達(dá)到最大值，為0.677。研究發(fā)現(xiàn)，全磷和有效磷光譜反射率敏感波段為534、365 nm，并基于多項(xiàng)回歸建立了預(yù)測(cè)模型，模型的相對(duì)分析誤差（RPD）分別為1.430 7、1.541，能夠粗略地預(yù)測(cè)南方丘陵水稻土全磷、有效磷含量，但是本研究的土壤樣本取自南方丘陵區(qū)的江西省興國(guó)縣，土壤類型為水稻土，所建立的土壤全磷、有效磷估算模型對(duì)其他地區(qū)、其他類型土壤是否適用，有待進(jìn)一步研究。此次研究土壤樣本數(shù)量較少，土壤光譜反射特征受眾多因素影響，比如鐵、全氮、全鉀、有機(jī)質(zhì)等，本研究?jī)H考慮了全磷與有效磷來(lái)建立模型進(jìn)行預(yù)測(cè)有一定的局限性。因此，在以后的研究中，如何將多種因素有機(jī)結(jié)合起來(lái)，建立更加精準(zhǔn)的南方稻田土壤養(yǎng)分含量預(yù)測(cè)模型，是后續(xù)工作需要著重探究的。

參考文獻(xiàn)：

[1]陳婷婷，王 嬌.土壤磷素對(duì)作物產(chǎn)量的影響[J]. 農(nóng)技服務(wù)，2012，29（11）：1247.

[2]孫宏飛.厭氧培養(yǎng)的水稻土中磷酸鐵及磷的化學(xué)行為[D]. 楊凌：西北農(nóng)林科技大學(xué)，2006.

[3]陳紅艷.土壤主要養(yǎng)分含量的高光譜估測(cè)研究[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2012.

[4]鄧 晶，杜昌文，周健民，等. 紅外光譜在土壤學(xué)中的應(yīng)用[J]. 土壤，2008，40（6）：872-877.

[5]彭 杰，張楊珠，周 清，等. 土壤理化特性與土壤光譜特征關(guān)系的研究進(jìn)展[J]. 土壤通報(bào)，2009，40（5）：1204-1208.

[6]劉煥軍，張 柏，楊 立，等. 土壤光學(xué)遙感研究進(jìn)展[J]. 土壤通報(bào)，2007，38（6）：1196-1202.

[7]Sullivan D G，Shaw J N，Rickman D，et al. Using remote sensing data to evaluate surface soil properties in Alabama ultisols[J]. Soil Science，2005，170（12）： 954-968.

[8]Bogrekci I，Lee W S. Comparison of ultraviolet，visible，and near infrared sensing for soil phosphorus[J]. Biosystems Engineering，2007，96： 293-299.

[9]Mouazen A M，Maleki M R，Baerdemaeker J D，et al. On-line measurement of some selected soil properties using a VIS-NIR sensor[J]. Soil & Tillage Research，2007，93： 13-27.

[10]陳鵬飛，劉良云，王紀(jì)華，等. 近紅外光譜技術(shù)實(shí)時(shí)測(cè)定土壤中總氮及磷含量的初步研究[J]. 光譜學(xué)與光譜分析，2008，28（2）：295-298.

[11]蘇紅軍，杜培軍，盛業(yè)華. 高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究[J]. 計(jì)算機(jī)應(yīng)用研究，2008，25（2）：390-394.

[12]郭 熙，葉英聰，謝碧裕，等. 南方丘陵稻田土堿解氮高光譜特征及反演模型研究[J]. 國(guó)土資源遙感，2015，27（2）：94-99.

[13]Chang C W，Laird D A. Near-infrared reflectance spectroscopic analysis of soil C and N[J]. Soil Science，2002，167（2）：110-116.

[14]鄭光輝.江蘇部分地區(qū)土壤屬性高光譜定量估算研究[D]. 南京：南京大學(xué)，2010.

[15]高 會(huì)，陳紅艷，劉慧濤，等. 基于高光譜的魯西北平原土壤有效磷含量快速檢測(cè)研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2013，21（6）：752-757.