無人機(jī)多光譜遙感的山原紅壤主要養(yǎng)分含量的反演研究

李亞強(qiáng)，楊棟淏，刀 劍，王建雄

(云南農(nóng)業(yè)大學(xué) 水利學(xué)院/云南省高校農(nóng)業(yè)遙感與精準(zhǔn)農(nóng)業(yè)工程研究中心，云南 昆明 650201)

山原紅壤主要分布于云南高原的中部，是近代地質(zhì)時期形成的一種地帶性古土壤。自第三紀(jì)末期以來，伴隨著新構(gòu)造運動，大面積間歇性均衡抬升隆起，形成高原面。作為云南特有的土壤，這種土體較為深厚，各種速效養(yǎng)分以山原紅壤表層最多[1]。相對于土壤的多光譜遙感來說，國內(nèi)的研究多以土壤有機(jī)質(zhì)的反演估算為主[2-9]，而且取得了較高的反演精度。例如李志偉等[10]利用常規(guī)分析的反演對土壤養(yǎng)分進(jìn)行了速測。陳德寶等[11]以LandSat 8陸地成像儀(OLI)多光譜遙感影像為數(shù)據(jù)源，結(jié)合實地采樣數(shù)據(jù)，可以定量反演吉林地區(qū)土壤有機(jī)質(zhì)含量。馬馳[12]、王銳[13]等用LandSat 8(L8)多光譜遙感影像和地面樣點測土配方數(shù)據(jù)對重慶市江津區(qū)的耕地土壤有機(jī)質(zhì)進(jìn)行定量反演，同時還可以通過升尺度方法優(yōu)化土壤監(jiān)測[14]。王騰軍等[15]利用LandSat 8/OLI多光譜衛(wèi)星影像，實現(xiàn)了土壤重金屬含量的高精度反演。郭二旺等[16]用LandSat 8和Sentinel-1A數(shù)據(jù)建立了土壤墑情反演模型，取得較好的相關(guān)性。張智韜等[17]用無人機(jī)遙感影像技術(shù)對植被覆蓋下的土壤含鹽量進(jìn)行了監(jiān)測，并篩選出了最優(yōu)的反演模型。這些為區(qū)域的土地質(zhì)量監(jiān)測、土地資源的可持續(xù)利用提供了數(shù)據(jù)支持，很好地提高了數(shù)據(jù)現(xiàn)勢性和工作效率。

1 研究區(qū)概況

本文以云南省昆明市云南農(nóng)業(yè)大學(xué)后山試驗田為研究對象，以此對研究區(qū)域內(nèi)的土壤進(jìn)行數(shù)據(jù)采集。云南農(nóng)大試驗田位于北緯25°8′和東經(jīng)102°45′，地勢走向為北高南低，海拔為1923.05～1959.17m。試驗地塊周圍人員建筑植被較少，視野開闊，有利于無人機(jī)多光譜影像數(shù)據(jù)的獲取。根據(jù)平整后的地形，將試驗地塊分為2級階梯，并選取合適的面積共2.33 hm2的長方形區(qū)域作為試驗對象來對表層土進(jìn)行采集。

2 土壤理化性質(zhì)和光譜數(shù)據(jù)的采集

通過對試驗田土壤顏色、干濕度等因素的鑒定，明確為山原紅壤。采集土壤樣品均為0～20 cm的表層土，每個樣品約2 kg。剔除其他非土壤侵入體后，于室內(nèi)用2 mm孔徑過濾篩過濾，對所采土樣的有機(jī)質(zhì)、速效氮、速效磷、速效鉀、全氮共5種養(yǎng)分進(jìn)行分析。使用掛載派諾特鏡頭的大疆M100無人機(jī)飛行器，經(jīng)灰板校正后，在晴朗少云天氣對試驗地塊進(jìn)行多光譜影像采集。飛行高度為60 m，飛行航向重疊度為70%，旁向重疊度為75%，飛行速度在12 m/s以下，拍照間隔時間為2 s。手持無人機(jī)多光譜相機(jī)對白板上放置好的20個土樣進(jìn)行多光譜影像的室內(nèi)采集，進(jìn)一步得到土壤樣本的REG、RED、NIR、GRE的多光譜影像。

2.1 土壤光譜指數(shù)和反射率的構(gòu)建

將室內(nèi)處理好的土壤樣本多光譜數(shù)據(jù)影像導(dǎo)入ArcGIS軟件中處理。根據(jù)采樣的土壤樣本點位坐標(biāo)，導(dǎo)入軟件后獲得樣本在多光譜影像對應(yīng)位置的反射率。

對原始光譜進(jìn)行合成，選取歸一化植被指數(shù)(NDVI)、比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)、紅邊歸一化植被指數(shù)(NDVI705)、紅綠比值指數(shù)(RG)、綠通道植被指數(shù)(GNDVI)、葉面葉綠素指數(shù)(LCI)、歸一化差異紅邊指數(shù)(NDRE)、土壤調(diào)節(jié)植被指數(shù)(OSAVI)共9種常見光譜合成指數(shù)，其計算公式如表1所示。

表1 光譜指數(shù)及其相關(guān)的計算公式

2.2 反演模型的檢驗

用2個回歸評價指標(biāo)對山原紅壤的建模分析進(jìn)行評估：擬合優(yōu)度的可決系數(shù)(Coefficient of Determination)R2值和均方根誤差(Root Mean Squared Error)RMSE。R2的最大值為1，R2值越接近1，RMSE越小，建立的模型精度越好，從而能更好地預(yù)測土壤主要養(yǎng)分的回歸模型的反演效果。

3 數(shù)據(jù)分析與結(jié)果概述

3.1 山原紅壤主要養(yǎng)分和光譜特性

將檢測得出的20個山原紅壤樣本的主要養(yǎng)分有機(jī)質(zhì)(SOM)、速效氮(N)、速效磷(P)、速效鉀(K)、全氮(AN)各自的含量導(dǎo)入SPSS 25軟件中，進(jìn)行描述性統(tǒng)計分析和標(biāo)準(zhǔn)化變換，得到表2。

表2 土壤樣本養(yǎng)分信息表

土壤主要養(yǎng)分變異系數(shù)從大到小依次為速效磷>速效鉀>水解性氮>全氮>有機(jī)質(zhì)，其中速效磷的變異系數(shù)最大，為51.73%，說明速效磷樣本之間離散程度較大，這與前人的研究結(jié)果一致。這5種土壤類型中均沒有變異系數(shù)超過100%的強(qiáng)變異性數(shù)據(jù)，其中有機(jī)質(zhì)變異系數(shù)最小，為22.72%。通過ArcGIS軟件提取土樣覆蓋區(qū)域的各波段反射率土壤平均放射值作為指標(biāo)，并計算土樣各波段反射率得到合成光譜指數(shù)，利用Origin 2017軟件繪制反射率折線(圖1、圖2)。

由圖1、圖2可知，紅外波段的光譜反射較為敏感，綠波段敏感度最弱。在剔除異常數(shù)據(jù)后，紅外波段、紅波段、紅邊波段、綠波段的平均放射率分別為0.38、0.24、0.26、0.19。

圖1 山原紅壤4個波段的原始反射率

圖2 合成光譜指數(shù)

除比值植被指數(shù)(RVI)與紅綠比值指數(shù)(RG)有較為明顯范圍變化外，其余指數(shù)均位于-0.5～0.5范圍內(nèi)。其中，紅綠比值指數(shù)的平均值最大，為1.33，比值植被指數(shù)的平均值為1.21。LCI和NDRE值為負(fù)數(shù)，平均值分別為-0.19與-0.15(表3)。

表3 合成光譜指數(shù)

3.2 山原紅壤光譜反射率與光譜指數(shù)的相關(guān)分析

將標(biāo)準(zhǔn)化處理后的4個波段反射率與土壤主要養(yǎng)分導(dǎo)入SPSS 25軟件中進(jìn)行分析，得表4。

表4 單波段反射率的相關(guān)系數(shù)

在山原紅壤的有機(jī)質(zhì)、速效氮、速效磷、速效鉀、全氮5種主要養(yǎng)分指標(biāo)中，有機(jī)質(zhì)和速效磷與多光譜中4個波段均無相關(guān)性，將其剔除不做相關(guān)分析。速效氮與紅外波段之間相關(guān)系數(shù)為0.494，顯著性為0.027，大于0.01。速效鉀和近紅外及綠光波段之間相關(guān)系數(shù)分別為0.492與0.607，顯著性值為0.028與0.005，而且與綠光波段表現(xiàn)出高度相關(guān)。全氮與紅邊波段的相關(guān)系數(shù)為0.564，呈現(xiàn)中度相關(guān)趨勢，顯著性值為0.01。速效鉀與其相關(guān)的兩組波段變量顯著性檢驗值均小于0.05，初步估測具有統(tǒng)計學(xué)分析意義。

進(jìn)一步選取NDVI、DVI、RG等9種常用多光譜合成指數(shù)，分別與土壤主要養(yǎng)分含量進(jìn)行3種系數(shù)的相關(guān)性分析研究。其中有機(jī)質(zhì)、速效氮、速效磷、全氮與合成光譜指數(shù)的相關(guān)性較弱，速效鉀卻與OSAVI、NDVI、RVI、RG、DVI指數(shù)存在較強(qiáng)的相關(guān)性。相對于單波段，合成光譜的相關(guān)系數(shù)出現(xiàn)了較強(qiáng)相關(guān)性，且顯著性值小于0.05。

3.3 土壤主要養(yǎng)分含量反演模型及檢驗分析

選取N、K、AN與RED、NIR、REG、GRE進(jìn)行回歸分析。將數(shù)據(jù)導(dǎo)入SPSS 25軟件中進(jìn)行線性、二次項、三次項、對數(shù)、立方、復(fù)合等主要模型的估測，結(jié)果見表5。

表5 4個波段曲線回歸模型

經(jīng)過擬合建模后，N、K、AN的模型R2系數(shù)均小于0.5，AN的模型R2值最佳為0.451。結(jié)果表明：單波段的擬合的養(yǎng)分含量模型均無法較好地表示多光譜土壤反射率與養(yǎng)分含量之間的關(guān)系。在對土壤主要養(yǎng)分與多光譜原始反射率進(jìn)行相關(guān)分析后發(fā)現(xiàn)，僅有速效鉀這一養(yǎng)分的含量與NIR、GRE兩波段存在相關(guān)性，選取以NIR和GRE為自變量，K為因變量建立山原紅壤的雙變量回歸模型以此得到表6。

表6 速效鉀的雙變量模型

表6中組合變量的多元線性模型和非線性模型R2系數(shù)仍然較低，無法選定為K的土壤放射率回歸模型。此時建立土壤養(yǎng)分速效鉀與合成波段OSAVI、NDVI、RVI、RG、DVI的線性、二次項、三次項、對數(shù)、立方、復(fù)合等主要模型的估測，結(jié)果見表7。

表7 速效鉀的合成光譜曲線回歸模型

建模后各回歸模型均以三次項模型的R2值最高。OSAVI的R2值為0.605，NDVI的R2值為0.598，RVI的R2值為0.462，RG的R2值為0.381，DVI的R2值為0.592。可以看出，合成光譜指數(shù)對土壤主要養(yǎng)分的建模效果比較好。

在表8中選取R2、RMSE對擬合曲線進(jìn)行驗證計算。

表8 速效鉀的合成光譜多元逐步回歸模型

3.4 土壤主要養(yǎng)分含量反演地圖

將處理后的無人機(jī)多光譜影像導(dǎo)入ArcGIS軟件中進(jìn)行波段合成處理，并進(jìn)行擬合模型的代入計算。最終選擇擬合模型中R2值最大，RMSE檢驗值較低的回歸模型為最終估算模型，由此可獲得估測的試驗地塊速效鉀含量示意圖(圖3)。

圖3 速效鉀含量估測圖

由于構(gòu)建模型僅對原始山原紅壤具有適用性，因而在使用模型函數(shù)進(jìn)行計算時，植被、道路等地物出現(xiàn)了養(yǎng)分含量極值，該養(yǎng)分含量不能作為該類物質(zhì)的屬性估測值。此次估測模型僅對圖3中框選的土壤表面無植被的原始山原紅壤區(qū)域具有適用性。

4 結(jié)論與展望

在山原紅壤的原始多光譜遙感探測中，紅外波段的光譜反射較為敏感，其土壤反射率值遠(yuǎn)高于其他3個波段，綠光反射敏感度最低。在合成9種多光譜指數(shù)的對比分析中，比值植被指數(shù)與紅綠比值指數(shù)波動比較明顯，其他合成指數(shù)值波動范圍均位于-0.5～0.5范圍內(nèi)。將各波段原始反射率、合成土壤光譜指數(shù)分別與土壤主要養(yǎng)分進(jìn)行相關(guān)性分析發(fā)現(xiàn)，有機(jī)質(zhì)、速效氮、速效磷、全氮與多光譜指數(shù)相關(guān)性較低，合成波段的相關(guān)系數(shù)明顯高于單波段。

本文應(yīng)用了曲線回歸、多元線性逐步回歸等方法對所有存在顯著相關(guān)性的土壤養(yǎng)分與多光譜指數(shù)進(jìn)行了回歸分析。研究發(fā)現(xiàn)，單波段的土壤養(yǎng)分回歸模型R2系數(shù)較低，經(jīng)均方差檢驗后差值較大，無法較好地擬合土壤多光譜指數(shù)與土壤養(yǎng)分的關(guān)系，造成這一結(jié)果的原因可能是分析山原紅壤樣本量較少、土壤的顆粒大小與水分的影響或無人機(jī)的多光譜相機(jī)分辨率不夠高導(dǎo)致。在合成光譜的土壤養(yǎng)分回歸分析中，對速效鉀進(jìn)行了多次合成光譜的回歸模型分析，R2值檢驗為0.641，均方根誤差檢驗為49.74。建立的模型對實測土壤值有較好的反演效果，具有很好的研究意義。