基于分?jǐn)?shù)階微分優(yōu)化光譜指數(shù)的土壤電導(dǎo)率高光譜估算

亞森江·喀哈爾,楊勝天,*,尼格拉·塔什甫拉提,張 飛

1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院, 烏魯木齊 830046 2 新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室, 烏魯木齊 830046

土壤鹽漬化作為荒漠化的一種表現(xiàn)形式,會引起生態(tài)、環(huán)境、社會和經(jīng)濟(jì)等一系列問題,這在干旱、半干旱區(qū)表現(xiàn)的尤為明顯[1],嚴(yán)重阻礙著區(qū)域生態(tài)文明建設(shè)的推進(jìn)；另一方面,鹽漬土作為重要的后備耕地資源,迫于人口劇增、糧食不足、環(huán)境惡化和生態(tài)破壞等的壓力,開發(fā)利用鹽漬土的局勢也已經(jīng)迫在眉睫[2]。要達(dá)到治理與利用大范圍鹽漬土的目的,必須及時(shí)獲取有關(guān)鹽漬土的可靠信息。因此,土壤鹽漬化成因、空間分布、變化規(guī)律、監(jiān)測方法、提高監(jiān)測精度和鹽漬化預(yù)警能力等成為地理學(xué)、生態(tài)學(xué)、農(nóng)學(xué)等學(xué)者們的研究熱點(diǎn)。

在土壤鹽漬化動態(tài)變化監(jiān)測中,具有尺度大、效率高和破壞小等特點(diǎn)的遙感技術(shù)近年來被廣泛應(yīng)用。其中,擁有更精細(xì)光譜波段信息的高光譜遙感對于提高土壤鹽漬化監(jiān)測精度提供了有效途徑,所以國內(nèi)外眾多學(xué)者利用高光譜數(shù)據(jù)進(jìn)行了大量土壤鹽漬化監(jiān)測理論與定量反演模型的研究。在1984年,Clark等[3]已經(jīng)初步開始利用高光譜反射率研究地物特征,為后續(xù)研究地物高光譜特征及高光譜遙感反演提供了理論基礎(chǔ)。Csillag等[4- 6]通過對不同鹽分含量土壤在400—2500nm范圍光譜進(jìn)行測定,分析歸納了不同鹽分含量土壤高光譜敏感吸收特征波段,指出大氣對土壤鹽漬化的高光譜診斷特征產(chǎn)生一定的影響,土壤鹽分含量的反演應(yīng)集中于波譜形狀,而與高光譜吸收帶參數(shù)關(guān)系較少。陳皓銳等[7]測定內(nèi)蒙古河套灌區(qū)沙壕渠灌域沙壤土樣品的高光譜曲線并進(jìn)行平滑處理、相關(guān)分析和去包絡(luò)線處理,分別采用偏最小二乘回歸法和穩(wěn)健估計(jì)法構(gòu)建土壤電導(dǎo)率的估算模型,為大面積快速獲取含鹽土壤電導(dǎo)率和鹽漬化特征提供了參考。姚遠(yuǎn)[8]基于EM38測得的鹽漬土電導(dǎo)率數(shù)據(jù)和高光譜儀測得的鹽漬土高光譜反射率數(shù)據(jù),對高光譜反射率進(jìn)行11種光譜變換后與電導(dǎo)率數(shù)據(jù)作相關(guān)分析,選取相關(guān)性最好的變換形式及響應(yīng)波段計(jì)算5種鹽分指數(shù),并篩選最優(yōu)高光譜指數(shù),以此建立區(qū)域土壤鹽漬化監(jiān)測模型。彭杰等[9]利用土壤樣品高光譜數(shù)據(jù)以及室內(nèi)測定的鹽分和電導(dǎo)率數(shù)據(jù),分析耕作土壤鹽分含量與電導(dǎo)率之間的關(guān)系,比較高光譜信息對二者的敏感性以及高光譜反演模型的精度,發(fā)現(xiàn)對于耕作土壤而言,電導(dǎo)率與鹽分含量之間沒有顯著的相關(guān)性,因此不能利用電導(dǎo)率數(shù)據(jù)進(jìn)行土壤鹽漬化的高光譜遙感監(jiān)測。

綜上所述,以往對于土壤鹽漬化高光譜定量估算的研究是通過全波段反射率及其對應(yīng)的數(shù)學(xué)變換在一維層面上選取單個(gè)敏感波段或多個(gè)敏感波段,并利用多種回歸方法建立預(yù)測模型,模型精度有待進(jìn)一步提高,且基于兩波段優(yōu)化組合算法進(jìn)行光譜指數(shù)的波段二維層面優(yōu)化的應(yīng)用研究相對較少?；诖?本研究以新疆艾比湖流域?yàn)檠芯堪袇^(qū),進(jìn)行野外土壤采樣,室內(nèi)土壤高光譜采集及理化分析等工作,嘗試運(yùn)用土壤原始高光譜反射率及對應(yīng)的5種數(shù)學(xué)變換,對簡化光譜指數(shù)(nitrogen planar domain index, NPDI) 進(jìn)行波段優(yōu)化計(jì)算,分析基于不同形式變換光譜的優(yōu)化光譜指數(shù)與鹽漬土電導(dǎo)率的相關(guān)性,通過變量重要性準(zhǔn)則(variable importance in projection, VIP)篩選最優(yōu)高光譜參數(shù),并利用偏最小二乘回歸(partial least square regression, PLSR)分析法建立土壤電導(dǎo)率高光譜定量估算模型,為土壤鹽漬化動態(tài)監(jiān)測及星載傳感器等相關(guān)研究提供科學(xué)支持和應(yīng)用參考。

1 研究區(qū)概況

圖1 研究區(qū)位置與采樣點(diǎn)分布Fig.1 Location of study area and distribution of sampling sites

地處新疆博爾塔拉境內(nèi)的艾比湖流域,區(qū)域年平均氣溫7.7℃、年均降水量102 mm,潛在蒸散量達(dá)1447 mm,典型土壤為灰漠土、灰棕漠土及風(fēng)沙土等,是典型的干旱半干旱地區(qū)鹽漬化代表區(qū)[10]。艾比湖作為新疆最大的咸水湖,湖水主要依賴地表徑流補(bǔ)給,近十幾年來,由于地表徑流被引入灌區(qū)、滲漏地下和消耗于地面蒸發(fā)與植物蒸騰的量增多,艾比湖入不敷出,湖泊面積嚴(yán)重萎縮,干涸湖底面積不斷增加,湖濱荒漠化及周邊區(qū)域土壤鹽漬化程度不斷加劇,加之阿拉山口全年8級以上大風(fēng)達(dá)164d,常年侵蝕大面積裸露湖床及鹽殼,使艾比湖日漸成為中國西北部沙塵暴、鹽塵暴的主要策源地之一,嚴(yán)重影響天山北坡綠洲生態(tài)文明建設(shè)與可持續(xù)發(fā)展。

2 實(shí)驗(yàn)材料與數(shù)據(jù)采集

2.1 土壤樣品采集與分析

土壤樣品的采集時(shí)間為2016年10月15日至10月23日,針對艾比湖流域典型自然鹽漬化土壤,設(shè)置5 m×5 m樣方(圖1),利用GPS記錄每個(gè)樣方位置,采用5點(diǎn)混合法進(jìn)行樣品采集,土壤樣品采樣深度為0—10 cm,共計(jì)57個(gè)土壤樣品。土壤樣品帶回實(shí)驗(yàn)室并進(jìn)行自然風(fēng)干、研磨后,通過2 mm孔篩分為兩部分,分別用于室內(nèi)高光譜數(shù)據(jù)采集及土壤電導(dǎo)率和含鹽量分析。其中,土壤樣本的電導(dǎo)率和全鹽量測定方法參照《土壤農(nóng)業(yè)化學(xué)分析方法》,土壤電導(dǎo)率在土水比例為1∶5的土壤懸濁液中利用德國WTW(WissenschaftlichTechnischeWerkst?tten)公司生產(chǎn)的inoLab? Cond 7310臺式電導(dǎo)率測試儀進(jìn)行測定,全鹽量采用水浴烘干法進(jìn)行測定。

2.2 高光譜測定及預(yù)處理

本研究通過美國ASD(Analytical Spectral Devices)公司生產(chǎn)的FieldSpec3型高光譜儀測定土壤室內(nèi)高光譜數(shù)據(jù),波段范圍為350—2500 nm。高光譜波段在350—1000 nm區(qū)間的采樣間隔為1.4 nm,在1000—2500 nm區(qū)間的采樣間隔為2 nm,全波段范圍重采樣間隔為1 nm。將處理好的土壤樣品分別裝入黑色盛樣皿(直徑12 cm,深1.8 cm)中,對裝滿的土壤進(jìn)行表面平滑處理。測定樣品的光源為50 W鹵素?zé)?測量時(shí)距土壤樣品表面為50 cm,光源的天頂角為15°,待測土壤樣品表面與探頭的距離為5 cm。每測定兩個(gè)土壤樣品后進(jìn)行一次白板校正,每個(gè)土壤樣品重復(fù)測定5次,取5條高光譜曲線的算術(shù)平均值作為該樣品的實(shí)際高光譜反射率[11]。

將ASD FieldSpec3高光譜儀測定的土壤高光譜數(shù)據(jù)通過ViewSpec Pro軟件處理與導(dǎo)出,為了降低噪聲引起的影響,去除信噪較低的邊緣波段(350—399 nm及2401—2500 nm),利用Savitzky-Golay濾波方法對57個(gè)土壤樣品的高光譜數(shù)據(jù)(400—2400 nm)進(jìn)行平滑去噪預(yù)處理。

2.3 研究方法

本研究利用Li等[12]提出的三波段光譜指數(shù)(NPDI)歸一化比值算法,其計(jì)算公式為NPDI=(RNIR/RRED-1)/[(RNIR-RRED)/(RNIR+RRED)],為進(jìn)一步發(fā)揮高光譜數(shù)據(jù)的優(yōu)勢,將光譜指數(shù)從三波段組合降級到兩波段組合,計(jì)算公式變?yōu)?Ri+Rl)/Rl,其中i與l作為土壤高光譜反射率?；诖?本文使用自主開發(fā)的《高光譜數(shù)據(jù)兩波段組合軟件 V1.0》(No: 2018R11S177501),將兩波段優(yōu)化算法應(yīng)用于全波段范圍進(jìn)行光譜指數(shù)波段優(yōu)化。通過該算法計(jì)算57個(gè)土壤樣品的原始高光譜反射率R以及對應(yīng)的5種光譜變換(倒數(shù)變換、對數(shù)變換、對數(shù)倒數(shù)變換、平方根變換、分?jǐn)?shù)階微分變換)在波段400—2400 nm之間進(jìn)行所有可能兩波段組合的優(yōu)化光譜指數(shù)(NPDIs)。分?jǐn)?shù)階微分變換處理在《高光譜數(shù)據(jù)分?jǐn)?shù)階微分計(jì)算軟件 V1.0》(No: 2016SR006487)中完成。為了選取模型最佳自變量參數(shù),本文將變量投影重要性準(zhǔn)則應(yīng)用到其中,VIP值代表自變量對模型擬合的程度,自變量對因變量的解釋作用相同,則自變量的VIP均接近于1。Wold[13]建議VIP值小于1的自變量對因變量的貢獻(xiàn)較小,可以考慮剔除。因此,本研究自變量VIP的閾值為大于等于1?；赑LSR建模方法的優(yōu)點(diǎn),VIP技術(shù)主要用于樣本較少且?guī)讉€(gè)自變量間相關(guān)性較強(qiáng)的情形,在一定程度上彌補(bǔ)了傳統(tǒng)線性回歸的不足[14]。

3 分析與討論

3.1 土壤電導(dǎo)率統(tǒng)計(jì)分析

由表1可知,建模集和驗(yàn)證集對應(yīng)的土壤電導(dǎo)率最大值分別為55.70mS/cm和48.30mS/cm,最小值分別為0.20mS/cm和0.07mS/cm,均值分別為11.27mS/cm和11.18mS/cm,變異系數(shù)分別為123.64%和117.50%；研究區(qū)所有采樣點(diǎn)土壤電導(dǎo)率平均值為11.32mS/cm,變異系數(shù)為122.70%,介于建模集與驗(yàn)證集之間,數(shù)據(jù)離散程度屬于強(qiáng)變異性系數(shù)(C.V>100%)。

表1 土壤電導(dǎo)率的統(tǒng)計(jì)分析

3.2 土壤電導(dǎo)率與含鹽量的相關(guān)性分析

表2是57個(gè)土壤樣品的電導(dǎo)率和含鹽量數(shù)據(jù),從中可以看出,含鹽量的變異系數(shù)也大于100%,表現(xiàn)為較強(qiáng)空間變異性。土壤電導(dǎo)率與含鹽量的決定系數(shù)達(dá)到0.99(圖2),表現(xiàn)為極顯著相關(guān)關(guān)系,因此在本研究中土壤電導(dǎo)率可以很好地指示土壤含鹽量。

3.3 土壤高光譜曲線特征分析

基于上述分析,本文利用鹽漬土的分級標(biāo)準(zhǔn)[16]對土壤樣品高光譜反射率進(jìn)行歸類、求平均,繪制不同電導(dǎo)率的土壤高光譜曲線(圖3),以此大致分析土壤高光譜反射率對土壤電導(dǎo)率的響應(yīng)。本研究區(qū)不同鹽漬土高光譜反射率曲線的波動基本一致,土壤樣品的高光譜反射率與其電導(dǎo)率未呈現(xiàn)明顯的正負(fù)相關(guān)關(guān)系。從圖3a中可知,在可見光及近紅外波段(400—1500 nm)范圍內(nèi)高光譜曲線呈平緩上升態(tài)勢,并在1400 nm、1950 nm、2350 nm左右處有3個(gè)比較明顯的水分吸收譜段?？傮w而言,重度鹽漬土高光譜反射率偏低,非鹽漬土高光譜反射率偏高；除600—700 nm波段范圍,不同土壤電導(dǎo)率的高光譜反射率曲線較易區(qū)分,且在1200—1600 nm波段區(qū)間,4種鹽漬土的高光譜曲線差異性最大(圖3)。

表2 土壤電導(dǎo)率和含鹽量的統(tǒng)計(jì)分析

圖2 土壤電導(dǎo)率和含鹽量的相關(guān)性Fig.2 Correlation between soil conductivity and salt content

圖3 土壤高光譜特征及不同鹽漬化程度的土壤高光譜反射率Fig.3 Spectral reflectance of soil and soil spectral reflectance with different salinization degreeSSC: 土壤含鹽量soil salt content)

3.4 優(yōu)化光譜指數(shù)與土壤電導(dǎo)率相關(guān)性分析

圖4 不同高光譜數(shù)據(jù)變換下NPDIs與土壤電導(dǎo)率相關(guān)性二維等勢圖Fig.4 Two dimensional contour map of NPDIs and soil electrical conductivity under different hyperspectral data transformationsNPDIs: 簡化光譜指數(shù)nitrogen planar domain indices

高光譜數(shù)據(jù)變換Hyperspectral data transformation顯著性檢驗(yàn)Test of significance數(shù)量Amount最大值Maximum value/(r)波段組合Band combination/(inm,lnm)原數(shù)據(jù)Original data/(R)(r≥0.870,ρ<0.01)340.876(2011,1890),(2011,1891)對數(shù)Logarithmic/(lgR)(r≥0.646,ρ<0.01)350.650(2027,1881)對數(shù)倒數(shù)Logarithmic reciprocal/(1/lgR)(r≥0.870,ρ<0.01)750.876(2016,1887),(2027,1883)倒數(shù)Reciprocal/(1/R)(r≥0.870,ρ<0.01)550.880(2009,1892),(2010,1892),(2011,1891)平方根Square root/(R)(r≥0.870,ρ<0.01)410.877(2011,1891),(2010,1892)1.6階微分1.6 order differential/(FOD)(r≥0.870,ρ<0.01)250.888(2020,1893)

3.5 土壤電導(dǎo)率PLSR估算模型建立及精度分析

偏最小二乘回歸法是當(dāng)前應(yīng)用最為廣泛的高光譜建模方法,為PLSR法更深入地分析數(shù)據(jù),在建立研究區(qū)土壤電導(dǎo)率PLSR估算模型之前,本文利用VIP技術(shù)進(jìn)一步對自變量進(jìn)行篩選,圖5展示了VIP準(zhǔn)則篩選過程與對應(yīng)波段組合。由圖5可知,基于原始高光譜反射率及其5種變換優(yōu)化的NPDI在自變量選擇的情況上基本一致,篩選出的自變量數(shù)分別為17、17、28、21、23、15個(gè),較原有的敏感波段組合數(shù),VIP準(zhǔn)則篩選效果明顯,剔除了對模型貢獻(xiàn)小及相對累贅的參數(shù)。

當(dāng)前，針對我國經(jīng)濟(jì)體制改革而言，其最大障礙即為企業(yè)活力的缺乏。究其原因，主要有如下方面，其一，企業(yè)在具體體制上比較陳舊，產(chǎn)權(quán)不清，政企不分，造成了企業(yè)會計(jì)出現(xiàn)主體錯(cuò)位的情況。而積極構(gòu)建現(xiàn)代企業(yè)制度，乃是奇特體制改革的基本方向。其二，企業(yè)管理不當(dāng)，經(jīng)營疲軟。在整個(gè)企業(yè)管理架構(gòu)中，人們越發(fā)注重會計(jì)人員理財(cái)管理，且已經(jīng)成為企業(yè)管理的重點(diǎn)，因此，積極加強(qiáng)會計(jì)管理，同樣是企業(yè)發(fā)展的基本趨勢。

圖5 不同高光譜數(shù)據(jù)變換下基于變量VIP值篩選最佳模型自變量Fig.5 Filtering the best model independent variables based on variable VIP valuesunder different hyperspectral data transformations

3.6 討論

鹽漬土的形成與水鹽運(yùn)移有密切聯(lián)系,土壤水鹽運(yùn)移模型可以模擬區(qū)域土壤水鹽運(yùn)移過程,預(yù)報(bào)土壤水鹽動態(tài)變化,對于改造和利用鹽漬土具有重要的作用[18]。表層土壤水鹽是土壤水鹽運(yùn)移模型的重要邊界條件參數(shù),準(zhǔn)確的表層土壤水鹽信息可以提高水鹽運(yùn)移模型的模擬與預(yù)測精度。通過高光譜遙感監(jiān)測土壤電導(dǎo)率便可以及時(shí)高效地掌握表層土壤鹽分的狀況,這是因?yàn)閷τ谧匀煌寥蓝?盡管電導(dǎo)率和含鹽量都可以反映出土壤鹽漬化的程度,但相關(guān)研究[17,19]表明土壤高光譜信息對土壤電導(dǎo)率的響應(yīng)較含鹽量敏感,以土壤電導(dǎo)率替代含鹽量進(jìn)行土壤鹽漬化高光譜估算研究是一種精度更高、速度更快的方法。

表4 偏最小二乘回歸建模精度分析

RPD: 相對分析誤差Relative prediction deviation;AIC: 最小信息準(zhǔn)則Akaike information criterion;FOD: 分?jǐn)?shù)階微分Fractional order differentially;VIP: 重要值

傳統(tǒng)的高光譜處理方法對土壤電導(dǎo)率高光譜建模時(shí),敏感波段通常是在一維層面上以土壤電導(dǎo)率與高光譜反射率的相關(guān)性分析來確定,相關(guān)性越高,波段的敏感程度越高。對高光譜反射率的預(yù)處理目的就是提高土壤電導(dǎo)率與反射率之間的相關(guān)性,并進(jìn)一步提高預(yù)測模型的精度[20-22]。高光譜豐富的波段信息為兩波段優(yōu)化算法提供了更多的可能組合,海量光譜數(shù)據(jù)的兩波段優(yōu)化算法能充分提取與土壤電導(dǎo)率相關(guān)性最大的波段組合,在復(fù)雜的高光譜參數(shù)中達(dá)到快速尋優(yōu)的效果,深度挖掘高光譜數(shù)據(jù)從而進(jìn)一步提高土壤電導(dǎo)率的高光譜估算精度,減少環(huán)境因素等對建模的影響[23-28]。于是本文想探討的主要問題就是對高光譜反射率的預(yù)處理是否同樣能夠有利于優(yōu)化光譜指數(shù)更好地估算土壤電導(dǎo)率。

圖6 基于1.6階微分預(yù)處理估算模型的實(shí)測與預(yù)測插值圖Fig.6 Validation interpolation diagrambased onFODpreconditioning estimation modelEC: 電導(dǎo)率Electrical conductivity，F(xiàn)OD: 分?jǐn)?shù)階微分Fractional order differentially

分?jǐn)?shù)階微分在階數(shù)上對整數(shù)階微分的概念進(jìn)行了擴(kuò)展,相比整數(shù)階微分,具有記憶性、遺傳性以及非局部性,在系統(tǒng)控制與診斷、數(shù)字濾波、信號與圖像處理等領(lǐng)域有著較為廣泛的應(yīng)用。在光譜分析領(lǐng)域,近期的相關(guān)研究指出,對于高光譜這類具有海量信息的高維數(shù)據(jù)源,分?jǐn)?shù)階微分也能夠很好地挖掘潛在信息,彌補(bǔ)整數(shù)階微分可能造成某些信息丟失的不足,并極大地?cái)U(kuò)充光譜數(shù)據(jù)預(yù)處理的方法,為高光譜研究提供一個(gè)全新的角度[29- 32]。但是,分?jǐn)?shù)階微分在單波段高光譜預(yù)處理中存在的一個(gè)問題是：它雖然可以較好地增加敏感波段的數(shù)量,卻不能有效地提高相關(guān)性。因此,本文將分?jǐn)?shù)階微分與傳統(tǒng)光譜變換方法進(jìn)行對比研究,探究分?jǐn)?shù)階微分在優(yōu)化光譜指數(shù)中的效用,發(fā)現(xiàn)分?jǐn)?shù)階微分預(yù)處理方法可以有效地提高優(yōu)化光譜指數(shù)相關(guān)性的極值。

為比較一維與二維高光譜數(shù)據(jù)處理效果的差異,繪制了高光譜反射率及其不同數(shù)學(xué)變換后在一維層面上與土壤電導(dǎo)率進(jìn)行相關(guān)性分析得出的最大相關(guān)系數(shù)圖。由圖7可知,傳統(tǒng)光譜變換的相關(guān)性提升效果不明顯,平方根變換的相關(guān)性最高為0.633,對數(shù)倒數(shù)、倒數(shù)變換的相關(guān)性明顯降低,最低為-0.566,而在優(yōu)化光譜指數(shù)中表現(xiàn)較差的對數(shù)變換沒有太大的降低；在分?jǐn)?shù)階微分變換中,多數(shù)都有提升效果,最高的為一階微分變換,達(dá)到-0.673,這與優(yōu)化光譜指數(shù)的結(jié)果形成了鮮明的差異,最低的為二階微分,僅達(dá)-0.436,而在二維層面表現(xiàn)最好的1.6階微分在一維中沒有起到相同的作用；從相關(guān)性質(zhì)方面來看,原數(shù)據(jù)、對數(shù)和平方根變換呈正相關(guān),對數(shù)倒數(shù)、倒數(shù)變換呈負(fù)相關(guān),這與優(yōu)化光譜指數(shù)的結(jié)果相異,分?jǐn)?shù)階微分的相關(guān)性質(zhì)以一階微分為界,0.2-0.8階為正相關(guān),1.0—2.0階為負(fù)相關(guān)。綜上所述,不管在一維層面上還是二維層面上,合適的高光譜數(shù)據(jù)預(yù)處理方法都在一定程度上對提高相關(guān)性有所幫助,分?jǐn)?shù)階微分總體上優(yōu)于傳統(tǒng)預(yù)處理方法,而且優(yōu)化光譜指數(shù)對比于傳統(tǒng)的高光譜處理方法來說具有明顯的優(yōu)勢[33-34]。

圖7 不同預(yù)處理下單波段高光譜數(shù)據(jù)與電導(dǎo)率的最大相關(guān)系數(shù)Fig.7 Maximum correlation coefficient of single-band hyperspectral data and conductivity under different pretreatments

與已有研究[35-42]相比,本文的研究特色在于：將高光譜數(shù)據(jù)分析從傳統(tǒng)的一維層面上升至二維層面,并結(jié)合分?jǐn)?shù)階微分預(yù)處理進(jìn)行光譜指數(shù)波段優(yōu)選,用于建立土壤電導(dǎo)率估算模型,以提高土壤電導(dǎo)率反演精度,為土壤鹽漬化相關(guān)研究提供一種新的思路和方法。而且本文得到的優(yōu)化光譜參數(shù)可為快速準(zhǔn)確尋求衛(wèi)星傳感器中監(jiān)測干旱、半干旱地區(qū)土壤電導(dǎo)率的最佳波段提供依據(jù),此外,波段的優(yōu)化也可以為設(shè)計(jì)特定波段的主動傳感器提供理論基礎(chǔ),進(jìn)一步減少高光譜海量數(shù)據(jù)處理的工作量,為實(shí)現(xiàn)土壤鹽分信息的高效監(jiān)測服務(wù)。最后,研究區(qū)雖然屬于典型的干旱、半干旱區(qū),但是干旱、半干旱區(qū)乃至中國具有區(qū)域異質(zhì)性[43],這就會不可避免地導(dǎo)致本研究確定的土壤電導(dǎo)率反演優(yōu)化光譜參數(shù)仍有一定的地域局限性,因此,比較光譜指數(shù)優(yōu)化算法在不同地區(qū)的最佳參數(shù)并找出普適性高光譜參數(shù),將是值得研究的方向。

4 結(jié)論

(2)原數(shù)據(jù)及其不同數(shù)學(xué)變換后發(fā)現(xiàn),主要位于2040 nm和1880 nm左右波段范圍組合的簡化光譜指數(shù)(NPDI)與土壤電導(dǎo)率之間相關(guān)性顯著提高。