基于不同變換形式的干旱區(qū)土壤鹽分高光譜特征反演

李 娟, 陳 超, 王 昭

(1.陜西省土地工程建設(shè)集團有限責(zé)任公司, 西安 710075;2.西北農(nóng)林科技大學(xué) 林學(xué)院, 陜西 楊凌 712100; 3.國土資源部退化及未利用土地整治重點實驗室, 西安 710075)

土壤鹽漬化可造成土壤板結(jié)、肥力衰退、作物生產(chǎn)力下降、生態(tài)環(huán)境惡化，是制約糧食安全、農(nóng)業(yè)發(fā)展及生態(tài)持續(xù)改善的主要因素之一[1-3]。對鹽漬化土壤進行合理開發(fā)利用、改良、治理，要求能夠快速、準(zhǔn)確、動態(tài)地獲取大面積鹽漬化土壤的鹽分信息。傳統(tǒng)土壤鹽漬化的監(jiān)測采用定點采樣測定方法，耗時長、破壞性及代表性較差，而且對財力也會造成一定的損失，并且無法快捷地獲得動態(tài)數(shù)據(jù)。高光譜遙感憑借其波段多且連續(xù)、信息豐富、定量反演精度高等顯著優(yōu)點，很好地克服了傳統(tǒng)人工地面監(jiān)測方法的不足，已成為土壤鹽漬化監(jiān)測領(lǐng)域的一種先進手段[4-5]。

構(gòu)建土壤鹽分高光譜定量反演模型是土壤鹽漬化高光譜遙感監(jiān)測的重要內(nèi)容之一。已有大量研究對不同地區(qū)的鹽漬化土壤進行了鹽分高光譜定量反演[6]。何挺等[7-9]以吉林省西部的長嶺縣為研究區(qū)，采用神經(jīng)網(wǎng)絡(luò)構(gòu)建了鹽漬土鹽分高光譜預(yù)測模型，決定系數(shù)達到0.90；還有研究[10-12]以黃河三角洲東部的永安鎮(zhèn)為研究區(qū)，利用野外實測的高光譜數(shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測精度為62.5%。這些研究高光譜遙感監(jiān)測土壤鹽漬化狀況的研究可為后續(xù)研究者提供參考，但目前針對土壤鹽分所建立的高光譜預(yù)測模型，都是基于某一特定區(qū)域數(shù)據(jù)所建，而不同區(qū)域的成土母質(zhì)、土壤含鹽量、鹽分離子組成狀況等因素存在一定的差異，導(dǎo)致某一特定地區(qū)所建立鹽分高光譜預(yù)測模型很難推廣到其他地區(qū)。本研究主要是對耕作、灌溉條件等一致的土壤鹽漬化通過定量測定后，與光譜擬合，利用偏最小二乘回歸法進行建模與定量反演，這對預(yù)測鹽堿地鹽分含量及鹽堿化程度可提供理論依據(jù)，對指導(dǎo)鹽堿地治理及種植具有重要意義。

1 材料與方法

1.1 研究區(qū)概況

以陜北省定邊縣為研究區(qū)，該區(qū)位于毛烏素沙地南緣，是黃土高原與內(nèi)蒙古鄂爾多斯荒漠草原過渡地帶。典型的溫帶半干旱大陸性季風(fēng)氣候，春季多風(fēng)，夏季干旱，秋季陰雨，冬季嚴(yán)寒，日照充足，年均氣溫7.9℃，平均降雨量316.9 mm，主要集中在7—9月三個月；平均蒸發(fā)量2 490.9 mm，研究區(qū)域地勢總體平緩開闊，地下水位較高，土壤鹽漬化嚴(yán)重。

1.2 測定項目與方法

(1) 土壤光譜測定。以研究區(qū)域中心為起點，沿東、南、西、北四個方向采樣，每個方向的樣點分布于一條直線上，樣點之間的距離為60 m左右，共計取樣點120個。選擇晴朗無風(fēng)天氣，利用美國ASD 公司生產(chǎn)的FieldSpec 4型地物光譜儀(波長范圍為350～2 500 nm光譜,采樣間隔1.5 nm，光譜分辨率為3.5 nm。采用ASD光譜儀標(biāo)準(zhǔn)配置7.5°視場角)在10：30—13：30測定所選地表植被和粗糙度相當(dāng)?shù)耐寥傈c進行光譜反射率測定。測量時傳感器探頭垂直向下，距離地面垂直高度約15 cm左右。光譜采樣每10個為一組，每次測定兩組，以其平均值作為該取樣點土壤光譜反射值。為減少大氣變化影響，在每組測量前后都及時進行標(biāo)準(zhǔn)白板校正。

(2) 土壤樣品采集。在采集光譜曲線的土壤點采集表層土壤，每個土樣采集重量為1 kg左右，共采集土樣80個，土樣帶回實驗室后，清除小石塊及作物殘留物等雜質(zhì)，于實驗室自然風(fēng)干。風(fēng)干后的樣品經(jīng)研磨過2 mm篩，用于鹽分含量和電導(dǎo)率的測定。

(3) 土壤鹽分參數(shù)鹽測定。測定土樣的全鹽量和電導(dǎo)率，測定方法參照《土壤農(nóng)業(yè)化學(xué)分析方法》[4]。土壤電導(dǎo)率采用水土比為5∶1，利用雷磁電導(dǎo)率儀直接進行測定。全鹽量采用水浴烘干法進行測定。本次采集80個土壤樣品的電導(dǎo)率和含鹽量數(shù)據(jù)特征見表1。

表1 土樣電導(dǎo)率和全鹽量數(shù)據(jù)特征

1.3 數(shù)據(jù)處理

(1) 高光譜數(shù)據(jù)的處理運用ViewSpecPro 軟件進行，首先加載顯示樣點的光譜曲線(10條)，判斷并剔除離群異常值，取剩余曲線的算術(shù)平均值作為該樣點的高光譜特征值。土壤光譜反射率變化格式分別為反射率、反射率的倒數(shù)、反射率的對數(shù)、反射率的一階微分和反射率倒數(shù)的一階微分，字母分別表示為R,1/R,lgR,(lgR)′和(1/lgR)′。

(2) 去噪處理。由于高光譜儀不同波段間能量響應(yīng)上的差異性，采集的光譜曲線存在高頻噪聲，表現(xiàn)為光譜曲線出現(xiàn)許多細小毛刺，因此，需要對光譜曲線進行平滑處理。常用的光譜平滑方法有靜態(tài)平均法、移動平均法、傅里葉級數(shù)近似等，本論文采用9點加權(quán)移動平均法對光譜反射率數(shù)據(jù)進行平滑去噪處理，根據(jù)距離中心點的距離遠近對每個點賦予不同的權(quán)值，離中心點越近，權(quán)值越高[7-8]。

(3) 模型精度檢驗。利用偏最小二乘回歸進行分析，以決定系數(shù)(Determination coefficient，R2)評價土壤參數(shù)與原始光譜反射率特征光譜參量間的擬合效果。以實測值與模型預(yù)測值均方根誤差(Root mean square error，RMSE)對模型驗證精度進行評價。

式中：x表示模型擬合值；y表示田間觀測值。

采用Microsoft Excel 2010對數(shù)據(jù)、圖表進行處理，采用SPSS(PASW Statistics 18)統(tǒng)計分析軟件對數(shù)據(jù)進行統(tǒng)計分析，并使用Duncan新復(fù)極差法(SSR)進行多重比較。

2 結(jié)果與分析

2.1 土壤鹽分參數(shù)相關(guān)性分析

土壤的電導(dǎo)率和含鹽量均可從不同方面反映土壤鹽漬化程度，電導(dǎo)率反映的是土壤中鹽基離子或分子的數(shù)量，含鹽量反映的是土壤中鹽基離子或分子的質(zhì)量[13-15]。圖1為不同取樣點電導(dǎo)率與含鹽量的相關(guān)性情況，電導(dǎo)率(x)與含鹽量(y)之間存在正相關(guān)關(guān)系y=2.49x+5.84，且相關(guān)性較高，R2=0.96，達到顯著水平，這與以前的研究結(jié)果[12-16]一致，即自然土壤的電導(dǎo)率和含鹽量之間具有較好的相關(guān)性，電導(dǎo)率測定比較方便快捷，可根據(jù)兩者之間的線性關(guān)系，計算土壤含鹽量，而彭杰等[13]研究電導(dǎo)率和含鹽量不一定存在較好相關(guān)性，這主要由于對于耕作土壤由于耕作、灌溉及管理因素不同引起土壤鹽分組成的差異性，從而導(dǎo)致電導(dǎo)率和含鹽量相關(guān)性減弱，即針對自然或者管理措施一致性的土壤，可利用電導(dǎo)率數(shù)據(jù)對含鹽量數(shù)據(jù)進行快捷高效的反演研究。

2.2 土壤光譜特征與鹽分參數(shù)相關(guān)性分析

部分樣點數(shù)據(jù)經(jīng)過ViewSpecPro軟件加載運行后，對異樣數(shù)據(jù)點進行剔除，對重復(fù)點進行算數(shù)平均后得出350～2 500 nm間土樣光譜特點，各土壤樣品的電導(dǎo)率和全鹽含量與光譜反射率的相關(guān)系數(shù)如圖2所示。通過圖2可看出，各樣品的電導(dǎo)率和全鹽與反射率的相關(guān)系數(shù)表現(xiàn)趨勢一致，呈現(xiàn)峰值和峰谷，并且在1 800～2 100 nm和2 300～2 500 nm水汽帶出現(xiàn)密集波動，該區(qū)域不被作為評價區(qū)域。各光譜與電導(dǎo)率之間相關(guān)系數(shù)的取值范圍為0.60～0.80；與全鹽含量相關(guān)系數(shù)的取值范圍為0.54～0.74。在整個350～2 500 nm波段，土壤指標(biāo)與光譜反射率擬合特征相關(guān)性不顯著，在350～1 000 nm相關(guān)系數(shù)變化較大，相關(guān)性較好，故選取特征波段，對光譜特征的對數(shù)、倒數(shù)、一階微分和對數(shù)一階微分進行變換，選取敏感波段及系數(shù)進行遴選。

圖1土壤電導(dǎo)率和全鹽的相關(guān)性分析

圖2光譜反射率與電導(dǎo)率和全鹽含量相關(guān)系數(shù)分析

2.3 電導(dǎo)率與光譜變換特征精度分析

選取各土壤樣品電導(dǎo)率數(shù)值在350～1 000 nm波段的反射率進行反演精度擬合分析，本部分的數(shù)據(jù)采取與多元逐步線性回歸建模時相同的預(yù)處理。確定回歸所用成分的個數(shù)是影響偏最小二乘回歸模型性能的關(guān)鍵步驟。簡單的方法是直接根據(jù)提取成分對目標(biāo)變量方差的解釋程度進行判斷，與常見的主成分分析成分個數(shù)確定方法類似，但這種選擇方法往往有失客觀，不易得到最優(yōu)預(yù)測模型。因此需要尋找一種更為客觀和可靠的方法來進行成分個數(shù)的選擇。為了避免“過擬合”現(xiàn)象，本研究通過逐一剔除交叉驗證R2的方法來優(yōu)選引入主成分的個數(shù)，以利于模型的泛化。圖3取主成分個數(shù)與建模決定系數(shù)之間的關(guān)系并且驗證其反演精度。

光譜特征參量類型數(shù)據(jù)經(jīng)過變換后，其在向量空間中的模式發(fā)生改變，對于后續(xù)的建立模型影響較大。本研究對反射率光譜的4種變換形式(倒數(shù)、對數(shù)、倒數(shù)的一階微分、對數(shù)的一階微分)分別建立了與土壤電導(dǎo)率之間的PLSR模型。4種變換形式通過PLSR建立的電導(dǎo)率預(yù)測模型的評價指標(biāo)見表2。針對本研究的土壤樣品光譜數(shù)據(jù)，所有變換形式中倒數(shù)的一階微分變換對于提高模型預(yù)測性能最為顯著，檢驗R2達到0.922 3，RMSE達到0.185 8，比原始光譜有比較大的提高，預(yù)測精度提高且準(zhǔn)確率比較高；倒數(shù)變換下的效果最差，其建模和驗證模型的R2最低，說明該模型的預(yù)測精度變化幅度最大，效果最差。

圖3 土壤電導(dǎo)率預(yù)測值與實測值比較

2.4 全鹽量與光譜變換特征精度分析

全鹽量的測定是定量描述土壤鹽漬化程度的重要指標(biāo)，但是對其的測定比較費時和費力，如果能較好地預(yù)測該指標(biāo)的數(shù)量，對快速分析土壤鹽分含量具有積極的促進作用。通過對土壤樣品350～1 000 nm波段的光譜反射率在4種變換方式下，利用偏最小二乘回歸對其進行分析，利用建模處理，分析擬合模型和預(yù)測模型的區(qū)別，利用R2和RMSE檢驗和評價模型的精確度。不同變換形式下，土壤全鹽含量預(yù)測值和實測值的關(guān)系見圖4，整體擬合模型的精確度較土壤電導(dǎo)率較小，且表現(xiàn)也不盡相同。這主要是由于土壤樣品的差異性和選擇變換模式的靈敏度而決定的。

光譜的4種變換形式(倒數(shù)、對數(shù)、倒數(shù)的一階微分、對數(shù)的一階微分)分別建立了與土壤全鹽含量之間的PLSR模型。4種變換形式通過PLSR建立的電導(dǎo)率含量預(yù)測模型的評價指標(biāo)見表3。光譜反射率的一階微分和其對數(shù)一階微分建模擬合模型精度較其他變換形式的建模較好，R2取值為0.90～0.92，且與其他處理間差異顯著(p<0.05)，但是驗證模型則綜合考慮R2和RMSE，以光譜反射率和其對數(shù)一階微分變換模式最佳，精度較高，其預(yù)測值(y)與實測值(x)之間的關(guān)系為y=2.34+0.76x；用偏最小二乘法進行土壤全鹽含量高光譜模型研究結(jié)果表明，采用不同的光譜預(yù)處理方法，運用PLSR建模所得模型的預(yù)測效果均較好，說明采用PLSR方法建立的模型具有一定的穩(wěn)定性和可靠性，且在全鹽量預(yù)測中主要以對數(shù)一階微分建模為主，預(yù)測效果最佳。

圖4 土壤全鹽含量預(yù)測值與實測值比較

3 結(jié)論與討論

通過采集干旱地鹽堿地土壤耕作層80個土壤樣品，并分別測定土壤鹽分參數(shù)即電導(dǎo)率和全鹽含量，分析土壤樣品鹽分參數(shù)的相關(guān)性，并且對土壤鹽分參數(shù)即全鹽量和電導(dǎo)率與土壤光譜特征之間的關(guān)系進行了統(tǒng)計分析，遴選了340～1 000 nm土壤光譜的反射率，并且選擇光譜4種變換方式，對不同變換方式下土壤全鹽量與電導(dǎo)率的高光譜定量反演精度進行了對比、分析和篩選。

(2) 土壤鹽分參數(shù)與土壤高光譜反射率的相關(guān)性曲線的表現(xiàn)趨勢一致，敏感及特征波段所在位置相似。土壤鹽分參數(shù)電導(dǎo)率與光譜數(shù)據(jù)的相關(guān)性顯著高于全鹽量。

(3) 利用偏最小二乘回歸模型，以土壤樣品電導(dǎo)率和全鹽量建模時，其建模集和預(yù)測集的決定系數(shù)均大于以全鹽量所建模型對應(yīng)的決定系數(shù)；同時全鹽量所建模型的均方根差則大于電導(dǎo)率所建模型的該指標(biāo)。

參考文獻：

[1] 王遵親,祝壽全,俞仁培,等.中國鹽漬土[M].北京:科學(xué)出版社,1993.

[2] 楊勁松.中國鹽漬土研究的發(fā)展歷程與展望[J].土壤學(xué)報,2008.45(5):837-845.

[3] Metternicht G I, Zinck J A. Remote sensing of soil salinity: potentials and constraints[J]. Remote Sensing of Environment, 2003,85(1):1-20.

[4] 鮑士旦.土壤農(nóng)化分析[M].北京:中國農(nóng)業(yè)出版社,2000:183-188.

在閩西北地區(qū)洋桔梗常見蟲害有斑潛蠅、蚜蟲、薊馬、青蟲。斑潛蠅發(fā)生期可用20%斑潛凈微乳劑1000倍液噴灑。蚜蟲可用30%蚜虱凈1000～1500倍液進行噴灑。薊馬和青蟲，以預(yù)防為主，施藥時注意葉背面噴藥。薊馬一般中后期比較多，特別是花期，可用10%可濕性粉劑吡蟲啉、阿維啶蟲脒乳油(啶蟲脒3%+阿維菌素1%復(fù)配混劑)1500倍液等防治。青蟲整個生長周期都要防治，可用可濕性粉劑甲維蟲螨腈(含9.5%蟲螨腈、0.5%甲氨基阿維菌素苯甲酸鹽)防治[6]。

[5] 丁建麗,伍漫春,劉海霞,等.基于綜合高光譜指數(shù)的區(qū)域土壤鹽漬化監(jiān)測研究[J].光譜學(xué)與光譜分析,2012,32(7):1918-1922.

[6] 史舟,王乾龍,彭杰,等.中國主要土壤高光譜反射特性分類與有機質(zhì)光譜預(yù)測模型[J].中國科學(xué):地球科學(xué),2014.44(5):978-988.

[7] 何挺,王靜,林宗堅,等.土壤有機質(zhì)光譜特征研究[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2006(11):975-979.

[8] 何挺,王靜,林宗堅,等.土壤氧化鐵光譜特征研究[J].地理與地理信息科學(xué),2006，22(2):30-34.

[9] 陳增文.基于高光譜的土壤有機碳含量估算研究[D].福州:福建師范大學(xué),2009.

[10] 陳鵬飛,劉良云,王紀(jì)華,等.近紅外光譜技術(shù)實時測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] 李曉明,王曙光,韓霽昌.基于PLSR的陜北土壤鹽分高光譜反演[J].國土資源遙感,2014,26(3):113-116.

[12] 張曉光,黃標(biāo),季峻峰,等.基于可見近紅外高光譜的東北鹽漬土鹽分定量模型研究[J].光譜學(xué)與光譜分析,2012,32(8):2075-2079.

[13] 彭杰,王家強,向紅英,等.土壤含鹽量與電導(dǎo)率的高光譜反演精度對比研究[J].2014,34(2):510-514.

[14] 劉煥軍,張柏,王宗明,等.基于反射光譜特征的土壤鹽堿化評價[J].紅外與豪米波學(xué)報,2008,27(2):138-142.

[15] Dehaan R L, Taylor G R. A remote-sensing method of mapping soils and surficial lags from a deeply weathered and region, near Cobar, NSW, Australia[J]. Geochemistry Exploration Environment Analysis, 2004,4(2):99-112.

[16] 王靜,何挺,李玉環(huán).基于高光譜遙感技術(shù)的土地質(zhì)量信息挖掘研究[J].遙感學(xué)報,2005,9(4):438-445.

[17] 程街亮.土壤高光譜遙感信息提取與二向反射模型研究[D]. 杭州:浙江大學(xué),2008.

[18] 程朋根,吳劍,李大軍,等.土壤有機質(zhì)高光譜遙感和地統(tǒng)計定量預(yù)測[J].農(nóng)業(yè)工程學(xué)報,2009,25(3):142-147.

[19] 彭杰,劉煥軍,史舟,等.鹽潰化土壤光譜特征的區(qū)域異質(zhì)性及鹽分反演[J].農(nóng)業(yè)工程學(xué)報,2014,30(17):167-174.