基于光譜指數(shù)優(yōu)選的土壤鹽分定量光譜估測(cè)

郭 鵬， 李 華， 陳紅艷， 劉亞秋， 蓋岳峰， 任 濤

(1.山東農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院， 山東 泰安 271018；2.山東菏澤水利工程總公司， 山東 菏澤 274000； 3.山東凱文科技職業(yè)學(xué)院, 山東 濟(jì)南 250200；4.山東頤通土地房地產(chǎn)評(píng)估測(cè)繪有限公司， 山東 濟(jì)南 250000； 5.山東省泰安市農(nóng)業(yè)局， 山東 泰安 271018)

黃河三角洲地區(qū)是中國(guó)濱海鹽堿地分布的重要地帶，多數(shù)土壤鹽漬化，嚴(yán)重制約著黃河三角洲地區(qū)高效生態(tài)農(nóng)業(yè)的發(fā)展，快速、準(zhǔn)確獲取鹽漬土信息是鹽漬土治理和利用的必要前提[1-3]。基于高光譜數(shù)據(jù)開展鹽漬土信息的定量分析已成為研究熱點(diǎn)，并取得了積極的成績(jī)[4-6]。王麗娜等[7]在分析鹽漬土光譜曲線變化規(guī)律的基礎(chǔ)上，確定(1 490～1 608,1 900～1 950 nm)作為黃河三角洲鹽分敏感范圍，利用主成分回歸方法估測(cè)黃河三角洲地區(qū)土壤鹽分含量。朱赟等[8]在土壤修復(fù)過程中針對(duì)8種光譜數(shù)據(jù)集，基于相關(guān)系數(shù)的極值和不同相關(guān)系數(shù)范圍兩種方法篩選土壤最佳敏感波段，利用偏最小二乘法以全波段與最佳響應(yīng)波段兩種方法建立土壤含鹽量的光譜反演模型。

現(xiàn)有研究中有許多是基于光譜指數(shù)構(gòu)建的鹽分定量估測(cè)模型，而且光譜指數(shù)的構(gòu)建與篩選有兩種思路：一是先進(jìn)行相關(guān)分析選取敏感波段，利用敏感波段構(gòu)建光譜指數(shù)然后進(jìn)行模型的建立及其驗(yàn)證，如張同瑞等[9]基于野外敏感光譜波段構(gòu)建光譜指數(shù)，進(jìn)而構(gòu)建了18種模型并進(jìn)行驗(yàn)證優(yōu)選，最終確定以土壤調(diào)整植被指數(shù)(soil adjust vegetation radiation，SAVI)的線性模型為最佳的黃河三角洲地區(qū)鹽分狀況反演及分析模型；蔡?hào)|全[10]探究了不同鹽漬化程度下土壤的光譜特征規(guī)律采用相關(guān)分析獲得了敏感特征波段、通過多元線性回歸分析構(gòu)建了土壤全鹽含量高光譜估測(cè)模型，并建立了土壤波譜庫(kù)、采用波譜角分類法獲得了土壤鹽漬化信息。二是對(duì)全部波段兩兩組合直接構(gòu)建光譜指數(shù)，然后利用相關(guān)分析篩選敏感的光譜指數(shù)和波段，進(jìn)而進(jìn)行模型的建立及其驗(yàn)證。如黃帥等[11]通過光譜分析技術(shù)計(jì)算高光譜指數(shù)，與土壤樣本含鹽量進(jìn)行相關(guān)性分析，篩選出土壤含鹽量的光譜特征指數(shù)和波段，基于逐步多元線性回歸(multiple line regression，MLR)和偏最小二乘回歸(partial least squares regression，PLSR)建立土壤鹽分動(dòng)態(tài)監(jiān)測(cè)模型。如蒲智等[12]運(yùn)用統(tǒng)計(jì)方法分析了5種高光譜指數(shù)與土壤含鹽量的定量關(guān)系，確定了能提高鹽漬土含鹽量估算精度的最佳光譜指數(shù)及定量預(yù)測(cè)模型。可見，現(xiàn)有研究多是單獨(dú)基于其中一種思路開展研究，對(duì)于兩者的對(duì)比和優(yōu)選未見報(bào)道。因此，本文擬分別采取兩種思路進(jìn)行建模：一種是基于篩選的敏感波段構(gòu)建光譜指數(shù)進(jìn)行建模；另一種是先波段兩兩組合構(gòu)建光譜指數(shù)，然后基于篩選的敏感光譜指數(shù)進(jìn)行建模，進(jìn)而對(duì)兩種結(jié)果進(jìn)行對(duì)比。優(yōu)選基于光譜指數(shù)的鹽漬土鹽分最佳定量模型，從而提出鹽漬土鹽分快速準(zhǔn)確估測(cè)的技術(shù)路線，為研究區(qū)土壤鹽分定量、快速遙感監(jiān)測(cè)提供理論基礎(chǔ)和技術(shù)參考，從而為鹽漬土的治理、利用提供數(shù)據(jù)支持。

1 材料與方法

1.1 研究區(qū)概況

以山東省墾利縣為研究區(qū)，該區(qū)位于黃河最下游入?？谔帲瑬|瀕渤海，地處37°24′—38°10′N，118°15′—119°19′E，縣域呈西南、東北走向，南北縱距55.5 km，東西橫距96.2 km。屬溫帶季風(fēng)氣候區(qū)，受海水影響所致，土壤為濱海潮鹽土，鹽分組成以鈉型鹽氯化物為主，主要鹽分離子是Cl-,Na+和Ca2+。該地區(qū)基本涵蓋了黃河三角洲的不同的鹽漬化程度、微地貌類型、土壤地質(zhì)，具有代表性。

1.2 土壤樣本采集及土樣室內(nèi)分析

2014年10月5—9日野外采集土樣，根據(jù)研究區(qū)耕地面積和土壤鹽漬化狀況，均勻布局采樣點(diǎn)。采樣深度為0—20 cm，記錄GPS位置和相應(yīng)環(huán)境信息，取土1 kg左右，裝入密封袋內(nèi)，共采集土樣96個(gè)。將采集的土樣自然風(fēng)干、敲碎，剔除其他侵入體，過篩(2 mm)，并混合均勻，分成2份。土壤鹽分及其組分的測(cè)定使用電導(dǎo)率，Cl-采用硝酸銀容量法測(cè)定，Na+采用火焰光度法測(cè)定，Ca2+采用原子吸收分光光度法測(cè)定[13-15]。

1.3 光譜測(cè)定

采用美國(guó)ASD Fieldspec 4光譜儀[16-17]于室內(nèi)采集土壤高光譜數(shù)據(jù)，該光譜儀光譜范圍為350～2 500，350～1 000 nm范圍內(nèi)光譜采樣間隔為1.4 nm，光譜分辨率為3 nm，在1 000～2 500 nm范圍內(nèi)光譜采樣間隔為2 nm，光譜分辨率為10 nm。光譜重采樣間隔為1 nm，共輸出2 151個(gè)波段。

光譜測(cè)定在等同于暗室的實(shí)驗(yàn)室內(nèi)進(jìn)行，將盛樣皿內(nèi)土壤稍稍刮平，使其表面盡量平整，將裝滿土樣的盛樣皿放在反射率近似為0的黑色橡膠墊上，采用功率為50 W鹵素?zé)糇鳛楣庠?，探頭視場(chǎng)角為25°，光源入射角度為45°，光源距離為30 cm，探頭距離為15 cm。每次采集目標(biāo)光譜前后都進(jìn)行參考板校正，在視場(chǎng)范圍內(nèi)重復(fù)測(cè)量10次，為降低土樣光譜各向異性的影響，測(cè)量時(shí)轉(zhuǎn)動(dòng)盛樣皿3次，每次轉(zhuǎn)動(dòng)角度約90，獲取土樣4個(gè)方向的光譜曲線，取算術(shù)平均后得到該土樣的反射光譜數(shù)據(jù)[18-20]。

1.4 光譜預(yù)處理

為消除土樣高光譜數(shù)據(jù)的噪聲影響，對(duì)可見光到近紅外(350～1 300 nm)波段，采用移動(dòng)平均法去噪，對(duì)短波紅外(1 301～2 500 nm)采用 9 點(diǎn)加權(quán)抽樣平滑去噪；將去噪后的光譜數(shù)據(jù)去除受外界噪聲影響較大的邊緣波段350～399 nm 和2 451～2 500 nm兩段數(shù)據(jù)，將其余波段(400～2 450 nm)數(shù)據(jù)作為土樣的實(shí)際光譜反射數(shù)據(jù)；對(duì)光滑后的反射率進(jìn)行一階導(dǎo)數(shù)變換，并將樣點(diǎn)的一階導(dǎo)數(shù)光譜作為輸入光譜。

1.5 基于敏感波段的光譜指數(shù)構(gòu)建

首先對(duì)研究樣本的土壤鹽分及其主要離子含量與反射率的一階導(dǎo)數(shù)光譜進(jìn)行逐波段的相關(guān)分析，計(jì)算相關(guān)系數(shù)，按照相關(guān)系數(shù)高且顯著的原則，選取各自的敏感波段；其次根據(jù)鹽分及其主要離子敏感波段的交叉情況選取具有極值相關(guān)系數(shù)的波段作為特征敏感波段；最后利用特征敏感波段構(gòu)建光譜指數(shù)：鹽度指數(shù)(salt indices，SI)、亮度光譜指數(shù)(brightness spectral indices，BSI)、差值光譜指數(shù)(difference spectral indices，DSI)、比值鹽分指數(shù)(ratio salt indices，RSI)和歸一化光譜指數(shù)(normalized difference spectral indices，NDSI)。光譜指數(shù)公式見表1。

表1 鹽分光譜指數(shù)及其公式

1.6 敏感光譜指數(shù)篩選

采用表1中的公式計(jì)算400～2 000 nm任意2波段組合而成的SI,BSI,DSI,RSI和NDSI，分析它們與土壤鹽分及主要離子含量的關(guān)系，用等勢(shì)圖表示，分別選擇相關(guān)系數(shù)較大的指數(shù)為敏感光譜指數(shù)。具體算法通過Matlab R2014a,SPSS 20.0,Excel 2010軟件實(shí)現(xiàn)。

1.7 估測(cè)模型構(gòu)建與驗(yàn)證

2 結(jié)果與分析

2.1 土壤樣本描述性統(tǒng)計(jì)分析

對(duì)96個(gè)土樣的鹽分及其主要離子含量進(jìn)行描述性統(tǒng)計(jì)分析(表2)。土樣鹽分含量為0.14%～3.08%，平均值為0.95%，標(biāo)準(zhǔn)差為0.88%，變異系數(shù)為0.92%，表明研究區(qū)土壤鹽分含量普遍較高，鹽漬化程度不同；鹽分離子中Cl-,Na+含量較高，且變異性較大，應(yīng)能較好地反映土壤鹽漬化程度。

表2 鹽分及主要離子統(tǒng)計(jì)分析%

2.2 基于敏感波段的光譜指數(shù)

基于研究樣本的土壤鹽分及其主要離子含量與反射率一階導(dǎo)數(shù)的相關(guān)分析結(jié)果(如圖1所示)，可見具有較高相關(guān)系數(shù)的敏感波段集中于1 070～1 955和2 010～2 366 nm，而且多有交叉。按照相關(guān)系數(shù)高且顯著的原則，選取敏感波段為1 493,1 801,1 911和2 289 nm，根據(jù)敏感波段的交叉情況選取具有極值相關(guān)系數(shù)的波段作為特征敏感波段(1 493,1 911 nm)，最后利用特征敏感波段構(gòu)建光譜指數(shù)(SI,BSI,DSI,RSI和NDSI)。

圖1 土壤含鹽量與一階導(dǎo)數(shù)光譜的相關(guān)系數(shù)

2.3 基于光譜指數(shù)的土壤鹽分及其離子估測(cè)模型

基于光譜指數(shù)，采用隨機(jī)森林(RF)方法構(gòu)建土壤鹽分及主要離子含量的高光譜估測(cè)模型(表3)。對(duì)比光譜指數(shù)的表現(xiàn)，各個(gè)光譜指數(shù)與土壤鹽分及其主要離子的決定系數(shù)、均方根誤差、相對(duì)誤差的平均值分別為：SI為0.56,0.18,1.86；BSI為0.32,0.04,1.02；DSI為0.45,0.98,1.56；RSI為0. 41,0.11,1.18；NDSI為0.58,0.35,1.82?？梢姽庾V指數(shù)最佳是BSI，其次是RSI,DSI，最后是SI,NDSI。

2.4 敏感光譜指數(shù)的篩選

計(jì)算400～2 000 nm任意2波段組合而成的上述5種光譜指數(shù)，光譜指數(shù)與土壤鹽分及其主要離子含量的相關(guān)系數(shù)用abs等勢(shì)圖來(lái)表示，以鹽分與5種光譜指數(shù)的等勢(shì)圖為例，在SI，BSI，NDSI，RSI，DSI中光譜指數(shù)與土壤鹽分及其主要離子含量之間的相關(guān)系數(shù)總體較為一致，總體表現(xiàn)為近紅波段與可見光波段光譜指數(shù)與鹽分的相關(guān)性較好，敏感的光譜范圍為1 430～1 862，1 934～2 150 nm，涵蓋思路一篩選的敏感波段(1 493和1 911 nm)，更有助于鹽分及其主要離子光譜特征的分析(表3)。

不同光譜指數(shù)與鹽分相關(guān)系數(shù)最大值及最佳分布有一定差異，以鹽分與5種光譜指數(shù)的相關(guān)系數(shù)、值域分析為例：SI與鹽分的相關(guān)系數(shù)值在波段(1 200，1 650 nm)達(dá)到0.6左右，在(1 800，1 613 nm)相關(guān)系數(shù)達(dá)到最大值0.75左右；BSI在波段(1 215，1 615 nm)相關(guān)系數(shù)值達(dá)到0.7左右，在(1 750，1 620 nm)相關(guān)系數(shù)最大值達(dá)到0.8左右；DSI在波段(1 150，1 550 nm)相關(guān)系數(shù)值達(dá)到0.6左右，在(1 700，1 500 nm)相關(guān)系數(shù)達(dá)到最大0.7左右；RSI在(1 200，600 nm)相關(guān)系數(shù)值達(dá)到0.5，在(1 700，600 nm)相關(guān)系數(shù)最大值達(dá)到0.6左右；NDSI在波段(1 150，550 nm)相關(guān)系數(shù)值達(dá)到0.5左右，在(1 650，600 nm)相關(guān)系數(shù)最大值達(dá)到0.7左右。說(shuō)明5種光譜指數(shù)與土壤鹽分及其主要離子有著比較密切的關(guān)系，因此，選定5種光譜指數(shù)相關(guān)系數(shù)值大的波段為敏感光譜指數(shù)SI(1 800，1 613 nm)，BSI(1 750，1 620 nm)，DSI(1 700，1 500 nm)，RSI(1 700，600 nm)和NDSI(1 650，600 nm)，分別作為輸入變量構(gòu)建鹽分及其主要離子含量估測(cè)模型。

表3 基于光譜指數(shù)的鹽分及其離子模型比較

2.5 基于敏感光譜指數(shù)的土壤鹽分及其主要離子估測(cè)模型

基于敏感光譜指數(shù)，采用隨機(jī)森林(RF)方法構(gòu)建土壤鹽分及主要離子含量的高光譜估測(cè)模型(表4)。各個(gè)光譜指數(shù)與土壤鹽分及其主要離子的平均值分別為：SI為0.86,0.38,1.76；BSI為0.32,0.02,1.01；DSI為0.55,0.96,2.56；RSI為0.42,0.21,1.16；NDSI為0.96,0.84,1.92?？梢姽庾V指數(shù)最佳是BSI，其次是RSI，DSI，最后是SI，NDSI?？梢姽庾V指數(shù)最佳是BSI，其次是RSI，DSI，最后是SI，NDSI。

綜上，確定黃河三角洲鹽漬土最佳光譜指數(shù)為BSI(1 750，1 620 nm)，土壤鹽分及其主要離子最佳定量模型為基于BSI(1 750，1 620 nm)的隨機(jī)森林模型；土壤鹽分及其主要離子定量分析的最佳路線為：首先任意波段兩兩組合構(gòu)建光譜指數(shù)，然后利用相關(guān)分析篩選土壤鹽分及其主要離子的敏感光譜指數(shù)，進(jìn)而構(gòu)建其隨機(jī)森林估測(cè)模型。

表4 基于敏感光譜指數(shù)的鹽分及其離子模型

圖2為思路二基于BSI鹽分及其主要離子的RF模型的預(yù)測(cè)值和實(shí)測(cè)值的散點(diǎn)圖?？梢?，樣本較為均勻地分布在1∶1線的兩側(cè)，表明預(yù)測(cè)值和實(shí)測(cè)值整體呈現(xiàn)較好的線性關(guān)系。

圖2 鹽分及其主要離子RF模型預(yù)測(cè)值和實(shí)測(cè)值關(guān)系

3 討 論

在以往的研究中，張同瑞等[9]以山東省無(wú)棣縣“渤海糧倉(cāng)”項(xiàng)目核心示范區(qū)為研究區(qū)，采用思路一的方法進(jìn)行土壤含鹽量模型的建立及其驗(yàn)證，研究得出以土壤調(diào)整植被指數(shù)(soil adjust vegetation radiation，SAVI)為因變量構(gòu)建的模型估測(cè)效果最好，相關(guān)系數(shù)R2為0.797。黃帥等[11]以新疆渭干河—庫(kù)車河三角洲綠洲為例，采用思路二的方法進(jìn)行土壤鹽分模型的建立及其驗(yàn)證，研究表明偏最小二乘回歸模型的預(yù)測(cè)值和實(shí)測(cè)值一致性很好，相關(guān)系數(shù)R2為0.873?？梢姡叭搜芯恳脖砻鞑捎盟悸范＝Y(jié)果的精度優(yōu)于思路一，本文研究結(jié)果亦是如此。這可能是由于思路一先采用相關(guān)分析篩選到2個(gè)波段再組合建模，而思路二先兩兩組合信息再篩選光譜指數(shù)，模型入選變量在綜合波段信息的基礎(chǔ)上再利用相關(guān)分析篩選更有針對(duì)性。

本文以黃河三角洲山東省墾利縣為研究區(qū)，構(gòu)建了5種光譜指數(shù)(SI,BSI,DSI,RSI和NDSI)，并進(jìn)行了對(duì)比，研究表明，對(duì)該研究區(qū)土壤鹽分定量估測(cè)，亮度指數(shù)BSI表現(xiàn)最佳。然而關(guān)紅等[24]在對(duì)龜裂堿土鹽堿化信息提取分析中，表明協(xié)同鹽分指數(shù)SI和植被指數(shù)MSAVI構(gòu)造的土壤鹽漬化指數(shù)模型模擬效果很好，由此可見不同的光譜指數(shù)對(duì)不同區(qū)域土壤鹽分定量估測(cè)是不同的。因此本研究篩選的光譜指數(shù)對(duì)于其他差異較大鹽漬土的適用性還有待研究核實(shí)。

4 結(jié) 論

(2) 確定土壤鹽分及其主要離子定量分析的最佳路線。本文采用兩種思路構(gòu)建并優(yōu)選光譜指數(shù)，一方面，模型精度表明采用思路二建模的結(jié)果明顯優(yōu)于思路一；另一方面，思路二明確的光譜范圍(1 430～1 862和1 934～2 150 nm)涵蓋思路一篩選的敏感波段(1 493和1 911 nm)，更有利于鹽分及其主要離子的光譜特征分析。因此，本文確定土壤鹽分及其主要離子定量分析的最佳路線為：首先任意波段兩兩組合構(gòu)建光譜指數(shù)，然后利用相關(guān)分析篩選土壤鹽分及其主要離子的敏感光譜指數(shù)，進(jìn)而構(gòu)建其隨機(jī)森林估測(cè)模型。