基于高光譜數(shù)據(jù)的農(nóng)田土壤養(yǎng)分含量估測模型研究

祁亞琴，張顯峰，張立福，呂 新，張 澤，陳 劍，李新偉，王 飛，彭 奎

(1.北京大學(xué)地球與空間科學(xué)學(xué)院/遙感研究所生態(tài)遙感實驗室，北京 100871；2.石河子大學(xué)/新疆兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，新疆石河子 832003；3.中國科學(xué)院遙感與數(shù)字地球研究所高光譜研究室，北京 100094)

0 引 言

【研究意義】實現(xiàn)土壤信息化與數(shù)字化管理是農(nóng)業(yè)精準(zhǔn)管理的前提。而快速、實時、準(zhǔn)確、無損地監(jiān)測農(nóng)田土壤主要養(yǎng)分(全氮TN、全磷TP、全鉀TK)含量的信息是未來實現(xiàn)精準(zhǔn)農(nóng)業(yè)的關(guān)鍵技術(shù)之一。傳統(tǒng)的分析方法既耗資又費時，需要快速、準(zhǔn)確的監(jiān)測地表信息的新方法。目前，高光譜遙感技術(shù)極高的光譜分辨率，具備定量獲取土壤化學(xué)組分含量的潛力[1]，可通過土壤的反射率模擬土壤組成和成分變化，推算出土壤水肥狀況[2]，制定灌溉、施肥管理等處方?jīng)Q策[3]，達到減少浪費，保護生態(tài)環(huán)境的目的，為探索適合新疆及兵團特色的精準(zhǔn)農(nóng)業(yè)的實施提供技術(shù)支持，具有十分重要的意義[4]。【前人研究進展】20世紀(jì)初，利用高光譜遙感技術(shù)開展了監(jiān)測土壤信息方面的應(yīng)用研究，表明土壤的營養(yǎng)元素含量與土壤反射率光譜之間存在良好的相關(guān)性，Bendor等[5]通過對土壤近紅外波段光譜的分析，估算了碳酸鹽等6種土壤指標(biāo)；并用近紅外分析法預(yù)測了蒙脫石中Fe、A1、Mg和Si的含量；Chodak等[6]利用線性回歸分析，研究了森林土壤生化物質(zhì)之間的關(guān)系。彭玉魁等[7]采用近紅外光譜分析法對中國黃土區(qū)總氮含量進行了評價；徐永明等[8]通過對光譜曲線的去包絡(luò)分析強化吸收特征，提取土壤的主要吸收帶，宋海燕等[9]采用近紅外光譜儀經(jīng)一階導(dǎo)數(shù)處理預(yù)測了土壤OM和pH含量，預(yù)測相關(guān)系數(shù)達0.8以上，發(fā)現(xiàn)土壤顆粒大小嚴(yán)重影響土壤N含量的預(yù)測能力，對P、K的預(yù)測效果不是很好；李偉等[10]用近紅外光譜分析法預(yù)測土壤堿解氮含量；于飛健等[11]發(fā)現(xiàn)近紅外光譜與土壤全氮、堿解氮具有良好的相關(guān)性，用近紅外光譜法估算土壤全氮、堿解氮的含量是可行的?！颈狙芯壳腥朦c】國內(nèi)外對于土壤的物理化學(xué)參數(shù)的估算研究己有不少，但這些模型適用于其他地區(qū)時，則產(chǎn)生很大的誤差。基于高光譜遙感技術(shù)在新疆及兵團農(nóng)區(qū)的有關(guān)土壤理化參數(shù)的反演研究少有報道。研究基于高光譜數(shù)據(jù)的農(nóng)田土壤養(yǎng)分含量估測模型?！緮M解決的關(guān)鍵問題】研究土壤光譜數(shù)據(jù)的基本特征，對其敏感波段進行篩選，通過診斷指數(shù)與土壤全氮、全磷、全鉀含量相關(guān)分析，建立快速反演土壤特征參量的數(shù)學(xué)模型。

1 材料與方法

1.1 材 料

試驗于2014～2015年在新疆農(nóng)墾科學(xué)院試驗地(45°20′N，86°40′E)進行，面積為1 hm2，平均海拔450.8 m，年平均氣溫6.5～7.2℃，年降水量125.0～207.7 mm，無霜期168～171 d，≥0℃的活動積溫4 023～4 118℃，≥10℃的活動積溫3 570～3 729℃。試驗地供試土壤為灰色壤土，pH值8.46～8.72，有機質(zhì)含量13.8～21.6 g/kg，堿解氮66～144 mg/kg，有效磷 14.2～36.6 mg/kg，速效鉀 110～218 mg/kg，試驗地前茬小麥。

1.2 方 法

1.2.1 土壤光譜測試

采用美國ASD公司 Field Spec Pro VNIR 2500型光譜輻射儀對新疆農(nóng)墾科學(xué)院5個試驗區(qū)100個樣本點進行了土壤光譜測試。野外光譜測試時設(shè)定視場角為25°，探測器頭部垂直向下距被測土壤表面部約100 cm，每個處理測定10～15條曲線(取其平均值作為該測試點的光譜反射值)，光譜曲線掃描設(shè)定時間0.2 s。測量前、后都立即進行白板校正。

1.2.2 土壤室內(nèi)測定

采用《土壤農(nóng)業(yè)化學(xué)分析方法》測定和提取分析土壤化學(xué)指標(biāo)信息，具體方法略[12-13]。

1.2.3 高光譜參數(shù)及提取

在高光譜遙感數(shù)據(jù)中，由于光譜的近似連續(xù)性，利用數(shù)據(jù)變換形式(對數(shù)變換、微分變換)可構(gòu)建光譜參數(shù)、光譜吸收指數(shù)等[14]可以模擬、反演它的生物物理、化學(xué)參數(shù)。所構(gòu)建的高光譜指數(shù)，例如某一波長λ0的歸一化光譜指數(shù)NDI可表示為：

(1)

式中R1、R2分別表示1、2兩個波段的光譜反射率。

2 結(jié)果與分析

2.1 基于NDI預(yù)測土壤全氮TN含量反演模型的建立

研究表明，利用驗證樣本(n=25)對基于歸一化光譜指數(shù)NDI建立的6種預(yù)測土壤全氮含量的模型進行了檢驗，以指數(shù)函數(shù)建立的估算模型方程預(yù)測效果最好，其預(yù)測值與實測值的擬合度為0.798 2，較其他模型最高，且具有最小均方根差RMSE為0.000 2，TN 的光譜預(yù)測值與其實側(cè)值之間具有良好的相關(guān)性，此方程的估計精度高，通過此方程可以較精確的估算出土壤全氮含量；以冪函數(shù)建立的相關(guān)數(shù)學(xué)模型其預(yù)測值與實測值的擬合度為0.745 3也較高；而以對數(shù)函數(shù)和簡單線性函數(shù)建立的模型方程預(yù)測結(jié)果偏低。表1

表1 基于NDI預(yù)測土壤全氮含量TN擬合模型
Table 1 The fitting model of Soil total nitrogen TN based on NDI (n=25)

方程類型Modeltype模型方程Modelequation擬合方程Regressionequation相關(guān)系數(shù)CorrelationCoefficient(R)復(fù)相關(guān)系數(shù)Multiplecorrelationcoefficient(R2)均方根差Root-mean-square-error(RMSE)簡單線性函數(shù)Simplelinearfunctiony=a+bxy=-0.0293+0.1312x0.6771**0.42850.2623冪函數(shù)Powerfunctiony=axby=0.0315x1.80410.8633**0.74530.0006對數(shù)函數(shù)Logarithmicfunctiony=a+bln(x)y=0.0771+0.0426ln(x)0.5346**0.28580.1558指數(shù)函數(shù)Exponentialfunctiony=a·exp(bx)y=0.0005·exp(4.7003x)0.8934**0.79820.0002一元二次函數(shù)Quadraticfunctiony=ax2+bx+cy=0.2847x2-0.1856x+0.02280.7852**0.61660.0059一元三次函數(shù)Cubicfunctiony=ax3+bx2+cx+dy=0.1451x3+0.0261x2-0.061x+0.00930.7537**0.56810.0024

注：**表示置信度達a<0.01 (R=0.449)

Note:**indicatesaconfidence level ofa<0.01 (R=0.449)

2.2 基于NDI的土壤全磷(TP)含量反演模型的建立

研究表明，利用驗證樣本(n=25)對基于歸一化光譜指數(shù)NDI建立的6種預(yù)測土壤全磷含量的模型進行了檢驗，以一元三次函數(shù)建立的估算模型方程預(yù)測效果最好，其預(yù)測值與實測值的擬合度為0.563 1最高，且具有最小均方根差RMSE為0.152 3，TP 的光譜預(yù)測值與其實側(cè)值之間具有較好的相關(guān)性，以一元二次函數(shù)和對數(shù)函數(shù)建立的相關(guān)數(shù)學(xué)模型其預(yù)測值與實測值的擬合度也較高；而以冪函數(shù)和指數(shù)函數(shù)建立的模型方程預(yù)測結(jié)果偏低。 表2

表2 基于NDI預(yù)測土壤全磷含量TP的擬合模型
Table 2 The fitting model of Soil total phosphorus TP based on NDI (n=25)

方程類型Modeltype模型方程Modelequation擬合方程Regressionequation相關(guān)系數(shù)CorrelationCoefficient(R)復(fù)相關(guān)系數(shù)Multiplecorrelationcoefficient(R2)均方根差Root-mean-square-error(RMSE)簡單線性函數(shù)Simplelinearfunctiony=a+bxy=0.1506+4.9757x0.7132**0.50870.1615冪函數(shù)Powerfunctiony=axby=5.3242x0.9360.6851**0.46940.1612對數(shù)函數(shù)Logarithmicfunctiony=a+bln(x)y=2.3171+0.7323ln(x)0.7317**0.53540.1571指數(shù)函數(shù)Exponentialfunctiony=a·exp(bx)y=0.3376·exp(6.2703x)0.6583**0.43340.1665一元二次函數(shù)Quadraticfunctiony=ax2+bx+cy=-45.195x2+18.548x-0.78930.7410**0.54910.1547一元三次函數(shù)Cubicfunctiony=ax3+bx2+cx+dy=802.27x3-412.32x2+72.357x-3.31890.7504**0.56310.1523

注：**表示置信度達a<0.01 (R=0.449)

Note:**indicates a confidence level ofa<0.01 (R=0.449)

2.3 基于NDI的土壤全鉀(TK)含量反演模型的建立

研究表明，利用驗證樣本(n=25)對基于歸一化光譜指數(shù)NDI建立的6種預(yù)測土壤全鉀含量的模型進行了檢驗，以一元三次函數(shù)建立的估算模型方程預(yù)測效果最好，其預(yù)測值與實測值的擬合度為0.515 0最高，且具有最小均方根差RMSE為2.053 9，TK的光譜預(yù)測值與其實側(cè)值之間具有較好的相關(guān)性，以一元二次函數(shù)和對數(shù)函數(shù)建立的相關(guān)數(shù)學(xué)模型其預(yù)測值與實測值的擬合度也較高；而以冪函數(shù)和指數(shù)函數(shù)建立的模型方程預(yù)測結(jié)果最低。 表3

表3 基于NDI預(yù)測土壤全鉀含量TK擬合模型
Table 3 The fitting model of Soil total potassium TK based on NDI (n=25)

方程類型Modeltype模型方程Modelequation擬合方程Regressionequation相關(guān)系數(shù)CorrelationCoefficient(R)復(fù)相關(guān)系數(shù)Multiplecorrelationcoefficient(R2)均方根差Root-mean-square-error(RMSE)簡單線性函數(shù)Simplelinearfunctiony=a+bxy=14.463+105.35x0.6007**0.36082.3580冪函數(shù)Powerfunctiony=axby=23.953x0.06930.6693**0.44802.1077對數(shù)函數(shù)Logarithmicfunctiony=a+bln(x)y=22.633+1.0916ln(x)0.6896**0.47562.1357指數(shù)函數(shù)Exponentialfunctiony=a·exp(bx)y=14.277·exp(6.5163x)0.5680**0.32262.4047一元二次函數(shù)Quadraticfunctiony=ax2+bx+cy=-3769.7x2+332.32x+14.0370.7057**0.49802.3430一元三次函數(shù)Cubicfunctiony=ax3+bx2+cx+dy=80189x3-11471x2+490.57x+13.8790.7176**0.51502.0539

注：**表示置信度達a<0.01 (R=0.449)

Note:**indicates a confidence level ofa<0.01 (R=0.449)

2.4 精度評價

通過反演結(jié)果可以看出，土壤主要養(yǎng)分估算模型的預(yù)測值(n=25，求其平均值)與實測值(n=25，求其平均值)之間都具有較高的相關(guān)性。其中，土壤全鉀含量的預(yù)測值與實測值之間的相對誤差較大，為29.703 9%，其估算模型的預(yù)測精度也較低，僅為70.296 1%。表4

表4 基于NDI預(yù)測土壤特征參量模型驗證
Table 4 Validation the fitting model of soil characteristic parameters based on NDI (n=25)

特征參量Characteristicparameters(g/kg)估算模型Estimationmodel預(yù)測值Predictedvalue實測值Measuredvalue相對誤差Relativeerror(%)預(yù)測精度ForecastAccuracy(%)全氮含量TNYTN=0.0005e4.7003XNDI0.570.6321.8578.14全磷含量TPYTP=802.27x3NDI-412.32x2NDI+72.357xNDI-3.31891.021.1024.3375.66全鉀含量TKYTK=80189x3NDI-11471x2NDI+490.57xNDI+13.87921.7319.4029.7070.29

3 討 論

通過歸一化光譜指數(shù)NDI建立了土壤養(yǎng)分含量的高光譜遙感監(jiān)測模型，并對所建立的各類模型進行了精度檢驗和評價?；贜DI可以較好的估算土壤全氮、全磷、全鉀含量，這些利用統(tǒng)計方法建立的經(jīng)驗?zāi)Ｐ?，簡單實用，將對特定區(qū)域、特定土壤信息預(yù)測有較好的效果[15]。

4 結(jié) 論

參考文獻(References)

[1] 王人潮,蘇海萍,王深法.浙江省主要土壤光譜反射特性及其模糊分類在土壤分類中的應(yīng)用研究[J].浙江農(nóng)業(yè)大學(xué)學(xué)報,1986,12(4):464-471.

WANG Ren-chao, SU Hai-ping, WANG Shen-fa. (1986). Spectral Reflectance Characteristics and Its Fuzzy Classification Applied to Soil Classification in Zhejiang Province [J].JournalofZhejiangAgriculturalUniversity, 12(4):464-471. (in Chinese)

[2] 張仁華.實驗遙感模型及地面基礎(chǔ)[M].北京:科學(xué)出版社,1992.

ZHANG Ren-hua. (1992).ExperimentalRemoteSensingModelandGroundFoundation[M]. Beijing: Science Press. (in Chinese)

[3] 劉良云.高光譜遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用研究[R].中國科學(xué)院遙感應(yīng)用研究所博士后出站報告,2002:38-45.

LIU Liang-yun. (2002).ApplicationofHyperspectralRemoteSensinginPrecisionAgriculture[R]. Postdoctoral Report of Institute of Remote Sensing Applications, Chinese Academy of Sciences: 38-45. (in Chinese)

[4] 鄭蘭芬,童慶禧,王晉年，等.高光譜分辨率遙感進展,遙感科學(xué)進展[M].北京:科學(xué)出版社,1995:1-175.

ZHENG Lan-fen, TONG Qin-xi, WANG Jin-nian, et al. (1995).ProgressinRemoteSensingofHyperspectralResolution,AdvancesinRemoteSensingScience[M]. Beijing: Science Press: 1-175. (in Chinese)

[5] Bendor, E., & Banin, A. (1995). Near-infrared analysis as a rapid method to simultaneously evaluate several soil properties.SoilScienceSocietyofAmericaJournal, 59(2): 364-372.

[6] Chodak, M., Ludwig, B., Khanna, P., & Beese, F. (2015). Use of near infrared spectroscopy to determine biological and chemical characteristics of organic layers under spruce and beech stands.JournalofPlantNutritionandSoilScience,165(1): 27-33.

[7] 彭玉魁,張建新,何緒生，等.土壤水分、有機質(zhì)和總氮含量的近紅外光譜分析研究[J].土壤學(xué)報,1998,(35):554-559.

PENG Yu-kui, ZHANG Jiang-xin, HE Xu-sheng, et al. (1998). Analysis of Soil Moisture, Organic Matter and Total Nitrogen by Near Infrared Spectroscopy [J].ActaPedologicaSinica, (35):554-559. (in Chinese)

牧區(qū)經(jīng)濟貧困落后與草原生態(tài)安全之間存在著互為因果、互相強化的惡性循環(huán)關(guān)系[23]。天祝屬于純牧業(yè)縣，在經(jīng)濟的發(fā)展過程中應(yīng)該考慮其草原生態(tài)環(huán)境，首先應(yīng)該加強控制實際的載畜量，降低超載率，防止退化草原的持續(xù)惡化，同時還應(yīng)注重草原牧區(qū)科教事業(yè)的發(fā)展[23]，提高該區(qū)域農(nóng)牧民的受教育水平。鑒于天祝牧區(qū)高寒草原生態(tài)安全的敏感性和脆弱性，在未來的發(fā)展中各級政府尤其要重視該地區(qū)草原生態(tài)安全，制定相關(guān)政策保障該地區(qū)高寒草原的生態(tài)安全。

[8] 徐永明,藺啟忠,黃秀華，等.利用可見光、近紅外反射光譜估算土壤總氮含量的實驗研究[J].地理與地理信息科學(xué),2005,21(1):19-22.

XU Yong-ming, Lin Qi-zhong, HUANG Xiu-hua, et al. (2005). Experimental Study on Estimating Total Nitrogen in Soil Using Visible Light and Near Infrared Reflectance Spectroscopy [J].GeographyandGeo-informationScience, 21(1):19-22. (in Chinese)

[9] 宋海燕.基于光譜技術(shù)的土壤、作物信息獲取及其相互關(guān)系的研究[D].杭州：浙江大學(xué)博士學(xué)位論文.2005:1-130.

SONG Hai-yan. (2005).Simulationofsoilandcropinformationandtheirrelationshipbasedonspectraltechniques[D]. PhD Dissertation. Zhejiang University, Hanzhou: 1-130. (in Chinese)

[10] 李偉,張書慧,張倩,等.近紅外光譜法快速測定土壤堿解氮、速效磷和速效鉀含量[J].農(nóng)業(yè)工程學(xué)報,2007,23(1):55-59.

LI Wei, ZHANG Shu-hui, ZHANG Qian, et al. (2007). Rapid Determination of Soil Available Nitrogen, Available Phosphorusand Available Potassium by Near Infrared Spectroscopy [J].JournalofAgriculturalEngineering, 23(1):55-59. (in Chinese)

YU Fei-jian, MIN Shun-geng, JU Xiao-tang, et al. (2002). Analysis of Soil Organic Matter and Nitrogen by Near Infrared Spectroscopy [J].AnalysisLaboratory, 21(3): 49-51. (in Chinese)

[12] 魯如坤.土壤農(nóng)業(yè)化學(xué)分析方法[M].北京:中國農(nóng)業(yè)科技出版社, 2000.

LU Ru-kun. (2000).Soilagriculturalchemicalanalysis[M]. Beijing : China Agricultural Science and Technology Publishing House. (in Chinese)

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

BAO Shi-dan.(2000).AnalysisofSoilAgriculture[M]. Beijing: China Agricultural Press. (in Chinese)

[14] 劉磊,沈潤平,丁國香.基于高光譜的土壤有機質(zhì)含量估算研究 [J]. 光譜學(xué)與光譜分析，2011,(3):762-766.

LIU Lei, SHEN Run-ping, DING Guo-xiang. (2011). Estimation of Soil Organic Matter Based on Hyperspectral Spectra and Spectral Analysis [J].SpectroscopyandSpectralAnalysis, (3):762-766. (in Chinese)

[15]陳彥,呂新.基于FCM的綠洲農(nóng)田養(yǎng)分管理分區(qū)研究[J].中國農(nóng)業(yè)科學(xué),2008,(7):2016-2024.

Yan Chen,Xin LV.(2008). Partition based on FCM oasis farmland nutrient management study [J]. Chinese Agriculture Science ,(7):2016-2024.