基于航空高光譜反演的黑土地質(zhì)量綜合評價研究

趙寧博， 楊佳佳， 趙英俊， 秦凱*， 楊越超， 李明

(1.核工業(yè)北京地質(zhì)研究院，遙感信息與圖像分析技術(shù)國家級重點(diǎn)實(shí)驗室，北京 100029；2.中國地質(zhì)調(diào)查局沈陽地質(zhì)調(diào)查中心，沈陽 110034)

土壤質(zhì)量通常指土壤在生態(tài)系統(tǒng)中保持生物生產(chǎn)力、維持環(huán)境質(zhì)量及促進(jìn)動植物健康的能力[1]。土壤質(zhì)量評價主要從土壤肥力質(zhì)量、環(huán)境質(zhì)量和健康質(zhì)量三個維度[2-3]開展，評價指標(biāo)涵蓋土壤物理、化學(xué)和生物學(xué)指標(biāo)。土壤質(zhì)量評價結(jié)果可以直接指導(dǎo)土地利用規(guī)劃、農(nóng)業(yè)生產(chǎn)、土壤環(huán)境保護(hù)工作，同時也是污染土壤治理修復(fù)、土壤污染生態(tài)效應(yīng)評價及地球化學(xué)災(zāi)害預(yù)測研究的基礎(chǔ)[4]。

我國東北地區(qū)的黑土地性狀好、肥力高，非常適合農(nóng)作物生長，是我國重要的糧食生產(chǎn)基地。但近年來黑土地腐殖層變薄、肥力下降、水土流失等現(xiàn)象已經(jīng)引起了廣泛關(guān)注[5-7]，黑土地的退化將直接影響農(nóng)業(yè)生態(tài)系統(tǒng)和農(nóng)業(yè)可持續(xù)發(fā)展，因此必須科學(xué)及時地開展土壤質(zhì)量評價工作，為黑土地的保護(hù)與可持續(xù)利用提供有效決策依據(jù)。

目前，我國黑土地的土壤質(zhì)量評價主要采用地球化學(xué)調(diào)查手段，局限性表現(xiàn)為地面采樣耗費(fèi)較多人力物力，樣品分析工作周期較長，在大比例尺調(diào)查時局限性表現(xiàn)的更為明顯。遙感技術(shù)憑借時效性強(qiáng)、數(shù)據(jù)覆蓋面廣等優(yōu)勢，能夠?qū)Φ厍蚧瘜W(xué)調(diào)查進(jìn)行有效補(bǔ)充，逐漸在評價工作中發(fā)揮作用。根據(jù)遙感數(shù)據(jù)的特點(diǎn)，在土壤質(zhì)量評價中主要有兩方面應(yīng)用，一是利用多光譜影像提取植被指數(shù)(normalized differential vegetation index，NDVI)[8]、土壤退化指數(shù)(ratio vegetation index，RVI)[9]、土壤水分指數(shù)(difference vegetation index，DVI)[9]、地形因子[10]、土地利用[11]等信息；二是利用高光譜數(shù)據(jù)提取土壤有機(jī)質(zhì)[12-15]、養(yǎng)分元素[16]、重金屬元素[17-18]、含鹽量[19]、質(zhì)地[20]等指標(biāo)。

相比于多光譜遙感，高光譜遙感提取土壤理化性質(zhì)的能力更強(qiáng)，能夠獲得更為全面的土壤質(zhì)量指標(biāo)數(shù)據(jù)。目前，土壤質(zhì)量調(diào)查中主要采用的是地面高光譜技術(shù)，數(shù)據(jù)為散點(diǎn)形式且工作周期較長，航空高光譜技術(shù)改善了地面調(diào)查方式下數(shù)據(jù)獲取周期長及覆蓋面不足的劣勢，且具有“圖譜合一”的特征，提高了在土壤質(zhì)量評價中的實(shí)際應(yīng)用能力。本文以黑龍江省海倫典型黑土區(qū)為例，利用航空高光譜數(shù)據(jù)從土壤肥力、土壤環(huán)境和農(nóng)作物長勢幾個維度提取相關(guān)信息，構(gòu)建土壤質(zhì)量綜合評價模型，初步探討航空高光譜技術(shù)在黑土地質(zhì)量評價中的應(yīng)用能力和效果，為田塊尺度的黑土地質(zhì)量快速評價提供技術(shù)支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于我國黑龍江省海倫地區(qū)，坐標(biāo)126°29′10″—127°4′40″E、47°31′10″—47°35′40″N。海倫地處松嫩平原東北端，小興安嶺西麓，地形為丘陵、漫崗，屬中溫帶大陸性氣候。

海倫地區(qū)位于我國東北黑土區(qū)的中心區(qū)域，主要土壤類型為黑土、暗棕壤和草甸土等，是黑土地研究領(lǐng)域中的代表性區(qū)域。該地區(qū)已經(jīng)開展了1∶5萬多目標(biāo)地球化學(xué)研究，航空高光譜與地球化學(xué)的有機(jī)結(jié)合能夠為黑土地關(guān)鍵帶的綜合建模提供支撐，便于開展黑土質(zhì)量評價工作。

1.2 數(shù)據(jù)獲取與預(yù)處理

1.2.1航空高光譜數(shù)據(jù) 設(shè)備采用CASI-1500和SASI-600高光譜成像系統(tǒng)，由加拿大Itres公司生產(chǎn)。CASI-1500傳感器譜段范圍為380～1 050 nm，空間分辨率1.5 m，波段數(shù)72個；SASI-600傳感器譜段范圍為950～2 450 nm，空間分辨率為3.75 m，波段數(shù)100個。為了保證航空高光譜數(shù)據(jù)質(zhì)量，挑選晴朗無云的天氣飛行，飛行時間設(shè)定為當(dāng)天10：00—14：00。數(shù)據(jù)分兩期獲?。旱谝黄诖螌?shí)際獲取日期為2018年5月29日，地面處于裸土期，用于反演土壤質(zhì)量參數(shù)；第二期次實(shí)際獲取時間為2018年7月31日，為夏季農(nóng)作物成熟期，用于反演農(nóng)作物質(zhì)量參數(shù)。

數(shù)據(jù)預(yù)處理主要包括輻射定標(biāo)、幾何校正、大氣糾正和光譜重建。航空成像光譜測量系統(tǒng)配備了輻射定標(biāo)軟件RCX(radiometric calibration xpress) 9.3.5.1和幾何校正軟件Geocor 3.0。首先利用RCX軟件進(jìn)行輻射定標(biāo)，然后利用Geocor軟件對原始GPS數(shù)據(jù)和基站數(shù)據(jù)進(jìn)行差分處理，提取GPS時間并處理傳感器姿態(tài)數(shù)據(jù)，對傳感器姿態(tài)數(shù)據(jù)與GPS定位數(shù)據(jù)進(jìn)行時間同步與集成，最后利用幾何校正信息對輻射定標(biāo)后的數(shù)據(jù)進(jìn)行幾何校正。然后在ENVI5.3軟件中繼續(xù)進(jìn)行幾何精校正處理，利用高分2號影像作為參考數(shù)據(jù)，利用控制點(diǎn)校正的方法完成幾何精校正，進(jìn)一步提升數(shù)據(jù)的幾何精度。

在此基礎(chǔ)上，利用ENVI5.3軟件中大氣輻射傳輸模型和地空回歸方法對航空高光譜遙感數(shù)據(jù)重建光譜。首先在ENVI的FLAASH模塊中利用大氣輻射傳輸模型進(jìn)行校正，然后利用地面黑、白兩種定標(biāo)布的光譜測量數(shù)據(jù)在ENVI的empirical line模塊中進(jìn)行地空回歸校正，進(jìn)一步消除因輻射定標(biāo)、波段間相對定標(biāo)、波段配準(zhǔn)、大氣參數(shù)選取等誤差因素而造成的光譜誤差，最終獲得地物光譜反射率。

為了更全面地提取研究指標(biāo)的光譜特征，利用ENVI5.3軟件擴(kuò)展工具中的Image Derivate模塊反射率數(shù)據(jù)進(jìn)行一階導(dǎo)數(shù)變換，Continuum Removal模塊進(jìn)行去連續(xù)統(tǒng)變換。

本次數(shù)據(jù)反演及質(zhì)量評價僅限于研究區(qū)內(nèi)的旱田范圍，因此在高光譜影像中提取旱田范圍用于后續(xù)數(shù)據(jù)處理，地物分類提取方法采用ENVI軟件擴(kuò)展工具中的隨機(jī)森林法。首先在影像內(nèi)建立感興趣區(qū)(region of interest，ROI)，ROI均勻分布于全區(qū)范圍，保證覆蓋到各種地物類型，然后利用隨機(jī)森林模型對選取的ROI進(jìn)行訓(xùn)練，獲得研究區(qū)的地物分類數(shù)據(jù)，最后利用ENVI軟件中的Majority Analysis工具分類數(shù)據(jù)進(jìn)行后處理，去除細(xì)小斑塊。

1.2.2地面數(shù)據(jù) 在航空數(shù)據(jù)獲取時同步開展地面調(diào)查，調(diào)查點(diǎn)包括38個土壤調(diào)查點(diǎn)及22個農(nóng)作物調(diào)查點(diǎn)。地面獲取的數(shù)據(jù)指標(biāo)類型即為參與土壤質(zhì)量評價的指標(biāo)類型，地面數(shù)據(jù)用于后續(xù)的航空高光譜反演建模及驗證。指標(biāo)選取的依據(jù)包括：①以土地質(zhì)量地球化學(xué)評價規(guī)范[21]為基礎(chǔ)，選取通用的土壤養(yǎng)分和環(huán)境指標(biāo)，保證評價結(jié)果的科學(xué)性和通用性。②突出航空高光譜的優(yōu)勢，結(jié)合評價目標(biāo)拓展土壤理化性質(zhì)和農(nóng)作物長勢方面的指標(biāo)。

根據(jù)上述指標(biāo)選取依據(jù)，地面共獲取了包括土壤肥力、土壤環(huán)境和農(nóng)作物長勢三個類別共15項指標(biāo)： ①土壤肥力指標(biāo)。包括有機(jī)質(zhì)(SOM)、全氮(N)、全磷(P)、全鉀(K)、硒(Se)、鍺(Ge)、陽離子交換量(cation exchange capacit，CEC)；②土壤環(huán)境指標(biāo)。土壤環(huán)境指標(biāo)包括重金屬污染和土壤退化兩類。重金屬元素參照規(guī)范[22]選取了砷(As)、鉻(Cr)、鎘(Cd)、汞(Hg)、鉛(Pb)五種元素。土壤退化指標(biāo)選取了全鹽量，代表土壤鹽堿化程度。③農(nóng)作物長勢指標(biāo)。包括葉綠素含量和葉面積指數(shù)，在第二期次農(nóng)作物航空高光譜調(diào)查時同步測量。

1.2.3土壤指標(biāo)化學(xué)分析 SOM采用硫酸亞鐵銨容量法[23]滴定，儀器為酸式滴定管；采用凱氏定氮法[24]測定N含量，儀器為上海市歐公司生產(chǎn)的全自動凱氏定氮儀；采用X射線熒光光譜法[25]測量P和K含量，儀器為荷蘭帕納科公司生產(chǎn)的Axios-mAX 波長色散型X射線熒光光譜儀；采用電感耦合等離子體發(fā)射光譜法[26]測量Se、Ge、Hg、As、Pb、Cd、Cr含量，儀器為美國賽默飛世爾公司生產(chǎn)的ELEMENT XR 等離子體質(zhì)譜儀；采用乙酸銨法[27]測定CEC，儀器為上海赫田公司生產(chǎn)的電動離心機(jī)；采用浙江托普儀器公司生產(chǎn)的SPAD502PLUS葉綠素儀測定葉綠素含量；采用英國Delta-T公司生產(chǎn)的SUNSCAN冠層分析儀測定葉面積指數(shù)。

1.3 土壤質(zhì)量參數(shù)反演

本次評價所采用的各類土壤質(zhì)量參數(shù)數(shù)據(jù)均為航空高光譜數(shù)據(jù)反演所得。航空數(shù)據(jù)的光譜分辨率較高，通過不同土壤質(zhì)量參數(shù)的光譜特征對其含量進(jìn)行反演。將航空數(shù)據(jù)與地面采樣點(diǎn)進(jìn)行空間疊加，在航空數(shù)據(jù)中以采樣點(diǎn)位置為中心，周圍3×3個像元范圍的光譜平均后作為該點(diǎn)的光譜數(shù)據(jù)。

采用偏最小二乘法建模。在建模時，特征波段選擇直接關(guān)系著模型的精度和穩(wěn)定性，由于土壤成分和性質(zhì)較為復(fù)雜，針對同一指標(biāo)，土壤類型或區(qū)域不同時相應(yīng)的特征波段也不盡相同。在選擇特征波段時，首先利用全部波段參與建模，然后根據(jù)模型系數(shù)曲線選擇峰值區(qū)域的波段再次建模，不斷優(yōu)化調(diào)整特征波段的，最終根據(jù)建模和驗證精度選擇最優(yōu)模型。

將總樣本數(shù)量的2/3用于建模，1/3用于驗證，根據(jù)樣本的空間分布均勻挑選建模和驗證樣本，以減少模型誤差。

1.4 土壤質(zhì)量綜合評價

以土壤及農(nóng)作物多項質(zhì)量參數(shù)的航空高光譜反演數(shù)據(jù)為基礎(chǔ)，通過建立評價模型最終獲得研究區(qū)的土壤質(zhì)量綜合評價指數(shù)。選取層次分析法(analytical hierarchy process)作為評價方法將土壤質(zhì)量評價系統(tǒng)結(jié)構(gòu)化，形成遞階層次結(jié)構(gòu)模型，然后對每一層次中的各因素進(jìn)行較客觀的逐對比較和判斷，最后通過排序結(jié)果來分析和解決問題。層次分析法所采用的軟件為YAAHP10.1。

1.4.1評價層次結(jié)構(gòu) 根據(jù)選取的評價指標(biāo)建立層次結(jié)構(gòu)(圖1)，分為目標(biāo)層、中間層和指標(biāo)層三個層次。目標(biāo)層為土壤質(zhì)量，即評價工作的最終目標(biāo)。中間層包括土壤肥力、土壤環(huán)境和農(nóng)作物長勢三個大類，土壤肥力又包括大量元素和微量有益元素類別；土壤環(huán)境包括重金屬污染和土壤退化兩類。指標(biāo)層即上文中選取的SOM、N、P、K等各項土壤養(yǎng)分、環(huán)境、農(nóng)作物長勢類別中的具體指標(biāo)。

圖1 評價模型層次結(jié)構(gòu)

1.4.2權(quán)重計算 權(quán)重計算是建立評價模型的重要步驟之一。根據(jù)咨詢專家、參考現(xiàn)有規(guī)范和統(tǒng)計資料對判斷矩陣中各指標(biāo)的重要性進(jìn)行兩兩比較，按照9標(biāo)度方法[28]進(jìn)行打分，構(gòu)建出比較判斷矩陣。根據(jù)建立的判斷矩陣，采用和積法分別計算出最大特征值所對應(yīng)的特征向量，所求特征向量即為相對權(quán)重值。權(quán)重計算完成后需要計算一致性比率(consistent ratio，CR)，當(dāng)CR=0時，表明權(quán)重分配具有完全一致性；當(dāng)CR<0.1時,具有滿意一致性,說明權(quán)重分配合理；否則就要調(diào)整判斷矩陣，直到具有滿意的一致性為止。本次判斷矩陣的CR計算結(jié)果為0.017 6，通過一致性檢驗。最終權(quán)重計算結(jié)果見表1。

表1 模型權(quán)重計算結(jié)果

1.4.3評價單元的確定 通常根據(jù)評價數(shù)據(jù)比例尺的不同，評價單元可以按照規(guī)則網(wǎng)格、土地利用現(xiàn)狀調(diào)查圖斑、實(shí)際地塊等不同方式劃分，本研究憑借航空數(shù)據(jù)的高空間分辨率優(yōu)勢，評價單元采用最高精度劃分方式，即研究區(qū)的實(shí)際地塊。地塊數(shù)據(jù)以研究區(qū)第二次全國土地調(diào)查數(shù)據(jù)為基礎(chǔ)，并與航空高光譜影像進(jìn)行疊加后檢查地塊空間劃分方式的變化，經(jīng)檢查后整體上地塊劃分無明顯變化，并對個別地塊發(fā)生改變的區(qū)域進(jìn)行了修改完善。

1.4.4指標(biāo)評分 通過制定打分標(biāo)準(zhǔn)對每種指標(biāo)進(jìn)行評分，分值區(qū)間為0～1分。評分標(biāo)準(zhǔn)制定以相關(guān)規(guī)范中的標(biāo)準(zhǔn)為基礎(chǔ)，并考慮不同指標(biāo)特征進(jìn)行科學(xué)劃分，具體評分標(biāo)準(zhǔn)如下。

①土壤肥力指標(biāo)評價標(biāo)準(zhǔn)。肥力指標(biāo)中SOM、N、P、K的評價標(biāo)準(zhǔn)參照規(guī)范[21]中的規(guī)定，評級由高至低包括五類等級：一等(1.0分)、二等(0.8分)，三等(0.6分)、四等(0.4分)、五等(0.2分)。需要說明的是，P和K采用的是全量，而不是有效態(tài)含量。速效磷和速效鉀是能夠被植物吸收的部分，與土壤肥力的關(guān)系比全量更為密切，但是通常情況下有效態(tài)含量占全量的比重很小，過低的含量會大大提高其光譜特征的獲取難度，從而影響反演精度。本研究的重點(diǎn)是在保證反演精度的前提下構(gòu)建綜合評價體系，后續(xù)將進(jìn)一步開展對速效磷和速效鉀等指標(biāo)的高光譜反演研究。

有益元素Se和Ge的評價標(biāo)準(zhǔn)采用隸屬度函數(shù)模型。隸屬度函數(shù)模型針對不同類型評價目標(biāo)包分為戒上型、戒下型或峰值型三類。Se和Ge均具有生物學(xué)的兩面性，在一定含量范圍內(nèi)對人體和動植物生長有益，過量則會造成損害，基于該特性，如果研究區(qū)指標(biāo)含量中存在明顯過量級別時宜采用峰值型函數(shù)，如果沒有過量級別存在則采用戒上型函數(shù)。Se和Ge元素的過量臨界值標(biāo)準(zhǔn)分別采用3.0和5.8 mg·kg-1[29]，根據(jù)研究區(qū)統(tǒng)計結(jié)果，Se最大值為0.43 mg·kg-1，Ge最大值為1.69 mg·kg-1，均低于過量的臨界值，因此隸屬度函數(shù)模型采用戒上型，通過隸屬度函數(shù)計算得到Se和Ge的評分。

目前CEC較為常用的評價標(biāo)準(zhǔn)分為三個等級，CEC≥20 cmol·kg-1代表保肥能力強(qiáng)；1017～20)，0.8分；三等(>13～17)，0.6分；四等(>10～13)，0.4分；五等(≤10)，0.2分。

②土壤環(huán)境指標(biāo)評價標(biāo)準(zhǔn)。土壤重金屬元素As、Cr、Cd、Hg、Pb的分級標(biāo)準(zhǔn)同樣參照規(guī)范[21]。

土壤全鹽量數(shù)值通過電導(dǎo)率法測定，因此參照相關(guān)電導(dǎo)率數(shù)值的分級標(biāo)準(zhǔn)[30]制定評分規(guī)則。

③農(nóng)作物長勢指標(biāo)評價標(biāo)準(zhǔn)

農(nóng)作物長勢指標(biāo)包括葉綠素含量和葉面積指數(shù)，這兩種指標(biāo)含量均與農(nóng)作物長勢呈正相關(guān)，因此采用戒上型隸屬度函數(shù)模型進(jìn)行計算評價。

1.4.5土壤質(zhì)量分級 評價單元賦值包括兩個步驟：①在ArcGIS軟件中將評價所采用的矢量點(diǎn)文件與指標(biāo)反演的柵格文件進(jìn)行空間分析，將矢量點(diǎn)所在空間位置對應(yīng)的柵格數(shù)值賦予該點(diǎn)；②將矢量點(diǎn)文件與地塊圖斑進(jìn)行空間分析，同一地塊中所有矢量點(diǎn)數(shù)據(jù)取平均值作為該地塊的數(shù)值。

將所有評價指標(biāo)的數(shù)據(jù)賦予地塊圖斑后，依照上文所述的相應(yīng)評價標(biāo)準(zhǔn)進(jìn)行單指標(biāo)得分計算，然后依照如下計算方式獲得綜合評價得分。

式中，F(xiàn)綜為綜合評價得分，F(xiàn)i為第i個指標(biāo)評價得分，Wi為第i個指標(biāo)權(quán)重。

綜合評價得分的分值區(qū)間為0～1.0，共分為五個等級：一等(優(yōu)質(zhì))土壤，>0.9～1.0；二等(良好)土壤，>0.7～0.9；三等(中等)土壤，>0.5～0.7；四等(差等)土壤，>0.3～0.5；五等(劣等)土壤，≤0.3。

2 結(jié)果與分析

2.1 模型關(guān)鍵參數(shù)分析

2.1.1光譜數(shù)學(xué)變換形式對建模的影響 分別采用光譜反射率、反射率一階導(dǎo)數(shù)和反射率去連續(xù)統(tǒng)變換數(shù)據(jù)作為模型自變量參與計算，各指標(biāo)對應(yīng)的模型決定系數(shù)(R2)見表2。針對每一種指標(biāo)，反射率一階導(dǎo)數(shù)變換對應(yīng)的建模和驗證精度均遠(yuǎn)低于反射率相對應(yīng)的精度；基于反射率去連續(xù)統(tǒng)建立的模型中，N、Ge、Cr和Hg的建模精度優(yōu)于反射率對應(yīng)的模型精度，但是所有指標(biāo)的驗證精度均低于反射率對應(yīng)的精度。

表2 基于不同光譜形式建立的模型R2

一階導(dǎo)數(shù)和去連續(xù)統(tǒng)變換均有提升微弱光譜特征的作用，但此次建模效果并不如原始光譜反射率，尤其是基于一階導(dǎo)數(shù)變換的模型精度最低。原因是航空光譜受到大氣傳輸?shù)纫蛩氐挠绊?，?shù)據(jù)信噪比要低于地面光譜，一階導(dǎo)數(shù)和去連續(xù)統(tǒng)變換在增強(qiáng)光譜特征的同時也提高了噪聲的影響，因此最終選用原始反射率數(shù)據(jù)進(jìn)行建模。

2.1.2特征波段分析 首先利用全部波段參與運(yùn)算，然后基于回歸系數(shù)曲線挑選具有代表性的峰值波段作為特征波段再次運(yùn)算，根據(jù)模型精度進(jìn)行波段的優(yōu)化調(diào)整，直至模型達(dá)到最優(yōu)。以SOM為例，根據(jù)圖2挑選了570、943、1 085、1 175、1 505、1 670、1 775、2 105、2 225和2 390 nm作為特征波段，利用上述特征波段再次建模并觀察波段回歸系數(shù)，最終將570 nm剔除波段組合后模型精度達(dá)到最優(yōu)。根據(jù)上述方法對各指標(biāo)進(jìn)行特征波段選擇與模型優(yōu)化，各指標(biāo)的特征波段及最終模型精度見表3，R2均達(dá)到較高水平，說明優(yōu)化后的模型精度得到提升。

圖2 SOM模型回歸系數(shù)

2.2 反演模型精度分析

評價指標(biāo)反演的可靠性是后續(xù)土壤質(zhì)量評價的基礎(chǔ)。從表3可以看出，SOM的建模R2為0.813，驗證R2為0.726，兩項均為所有指標(biāo)中最高；N、P、K、Se、CEC的建模R2均超過了0.7，驗證R2均超過了0.6；養(yǎng)分指標(biāo)中Ge元素的建模R2稍低，為0.667；As、Cr、Cd、Hg、Pb幾種重金屬元素及全鹽量的建模R2處于0.6～0.7區(qū)間，驗證R2處于0.5～0.6區(qū)間。葉綠素和葉面積指數(shù)兩種農(nóng)作物長勢指標(biāo)的建模R2均超過了0.7，驗證R2均超過了0.6。

表3 各指標(biāo)特征波段與模型最終精度

從全部指標(biāo)反演精度的橫向?qū)Ρ葋砜?，整體上土壤養(yǎng)分和農(nóng)作物長勢指標(biāo)的模型精度要稍高于重金屬元素，一方面因為重金屬元素不像有機(jī)質(zhì)等成分具有明顯的光譜特征，另一方面研究區(qū)內(nèi)重金屬元素含量較低，一定程度上影響了通過土壤礦物等組分進(jìn)行間接反演的效果。對比各指標(biāo)的建模R2和驗證R2，沒有出現(xiàn)驗證R2顯著降低的情況，說明反演沒有明顯的過擬合現(xiàn)象。

2.3 反演結(jié)果分析

通過反演結(jié)果(圖3)觀察研究區(qū)各指標(biāo)的空間分布狀態(tài)?？梢钥闯?，SOM高值區(qū)主要集中于愛民鄉(xiāng)，低值區(qū)主要位于海北鎮(zhèn)，其他區(qū)域處于中間狀態(tài)；N和SOM的空間分布規(guī)律接近，這是由于土壤中的氮素絕大多數(shù)是貯藏在有機(jī)質(zhì)中的有機(jī)態(tài)含氮化合物，其次是被黏土礦物吸附的銨態(tài)氮、硝態(tài)氮和亞硝態(tài)氮，因此兩者關(guān)系密切；P高值區(qū)主要分布于研究區(qū)南部，向榮鄉(xiāng)-長發(fā)鎮(zhèn)-東林鄉(xiāng)一帶；K的分布較為均勻，空間變異程度較低。Se元素高值區(qū)主要分布于長發(fā)鎮(zhèn)、向榮鄉(xiāng)和愛民鄉(xiāng)；Ge元素分布狀態(tài)較為均勻，在海北鎮(zhèn)稍高；陽離子交換量的分布形態(tài)與有機(jī)質(zhì)類似。

圖3 部分指標(biāo)含量反演分布

重金屬元素As、Cr、Cd、Hg、Pb的含量均低于規(guī)范[22]規(guī)定的風(fēng)險管控值，而在空間分布的相對趨勢上，Hg元素的分布較為均勻，Pb及其他三種元素的相對高值區(qū)均位于研究區(qū)南部。葉綠素和葉面積指數(shù)的分布規(guī)律較為接近，整體上分布狀態(tài)較為均勻，高值區(qū)相對集中于長發(fā)鎮(zhèn)和東林鄉(xiāng)。

2.4 土壤質(zhì)量綜合評價結(jié)果分析

評價范圍為研究區(qū)的旱田范圍，將所研究的地塊按照等級進(jìn)行分級顯示，其余區(qū)域(水田、居民地等)以遙感影像作為底圖，最終評價結(jié)果如圖4所示。結(jié)果統(tǒng)計顯示，研究區(qū)地塊等級均在二等及以上，可見該區(qū)土壤質(zhì)量整體較高。其中一等(優(yōu)質(zhì))地塊面積占全區(qū)的58.63%，二等(良好)地塊面積占全區(qū)的41.37%。在空間分布上，兩個等級地塊分布較為均勻，呈交錯分布狀態(tài)。

圖4 研究區(qū)土地質(zhì)量綜合評價結(jié)果

通過單指標(biāo)評價結(jié)果進(jìn)一步分析土壤綜合等級的影響因素。根據(jù)單指標(biāo)評分，SOM、N、K和CEC四種養(yǎng)分指標(biāo)評級均以一等為主，其中SOM一等地塊占比98.23%，N一等地塊占比96.34%，P一等地塊占比100%，CEC一等地塊占比98.65%；P和Se以二等地塊為主，分別占比95.31%和97.45%。

五種重金屬元素及全鹽量的評級中一等地塊均占比100%，表明研究區(qū)土壤重金屬污染及鹽堿化的威脅較小，土壤環(huán)境質(zhì)量較高。農(nóng)作物數(shù)據(jù)由于是單期影像，因此主要評價空間上不同地塊之間的長勢差異性，評價結(jié)果顯示葉綠素一等地塊面積占比53.26%，二等地塊占比46.74%，葉面積指數(shù)一等地塊面積占比46.35%，二等地塊占比53.65%。

根據(jù)地面數(shù)據(jù)驗證航空高光譜評價結(jié)果的準(zhǔn)確性。由于評價單元達(dá)到了地塊級，所以挑選與評價單元相匹配的最大比例尺的地面數(shù)據(jù)，地面驗證數(shù)據(jù)比例尺達(dá)到1∶10 000，分布區(qū)域主要位于長發(fā)鎮(zhèn)，面積占研究區(qū)總面積的21.3%，該部分地面數(shù)據(jù)并未參與前期的建模及土地質(zhì)量評價，因此可以保證驗證的客觀性。地面數(shù)據(jù)的綜合評價方法與航空數(shù)據(jù)評價方法完全一致，以地塊為單元對比兩類數(shù)據(jù)評價等級的一致性，二者一致率達(dá)到97.6%，表明航空高光譜評價結(jié)果可靠。

3 討論

本研究基于航空高光譜技術(shù)構(gòu)建土壤質(zhì)量綜合評價模型，將航空高光譜與地球化學(xué)調(diào)查進(jìn)行有機(jī)結(jié)合，發(fā)揮了航空高光譜技術(shù)空間及光譜分辨率高、時效性強(qiáng)等優(yōu)勢。土地質(zhì)量地球化學(xué)評價工作在大尺度(地塊級)調(diào)查中的比例尺通常需達(dá)到1∶10 000及以上，而本次航空高光譜數(shù)據(jù)空間分辨率為3.75 m，具備數(shù)據(jù)“全覆蓋”的特征，數(shù)據(jù)精度有較大優(yōu)勢。土壤質(zhì)量評價中單純依靠地面調(diào)查工作將會耗費(fèi)大量的人力、物力，工期較長，而航空高光譜調(diào)查能夠有效縮減工作周期，一次飛行即可獲得全區(qū)數(shù)據(jù)，能夠有效減弱由于不同數(shù)據(jù)獲取周期引起的系統(tǒng)誤差。同時，所處研究區(qū)此前開展的地面調(diào)查數(shù)據(jù)能夠用于綜合研究，提升數(shù)據(jù)的利用率。

數(shù)據(jù)反演質(zhì)量是評價的基礎(chǔ)，目前常用的反演建模方法[31-37]包括多元逐步線性回歸、支持向量機(jī)、偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等多種方法。本研究選擇建模方法的原則是方法應(yīng)用效果較為成熟并且樣本需求量較少，以便于后續(xù)土壤航空高光譜調(diào)查工作的工程性推廣，最終選用了偏最小二乘法。偏最小二乘法結(jié)合了建模類型的預(yù)測分析方法和非模型式的數(shù)據(jù)內(nèi)側(cè)分析方法，在一個算法下同時進(jìn)行數(shù)據(jù)結(jié)構(gòu)簡化(主成分分析)、回歸建模(多元線性回歸)以及兩組變量之間的相關(guān)性分析(單相關(guān)分析)，簡化了多維復(fù)雜數(shù)據(jù)的分析難度。此次評價指標(biāo)中有機(jī)質(zhì)、養(yǎng)分和農(nóng)作物指標(biāo)的建?？傮w上獲得了較好的反演效果，各項指標(biāo)的驗證精度與建模精度對比沒有明顯的下降，表明建模沒有出現(xiàn)明顯的過擬合現(xiàn)象，為評價工作提供了較可靠的數(shù)據(jù)基礎(chǔ)。

利用航空高光譜反演獲取了土壤肥力、環(huán)境與農(nóng)作物長勢等多項土壤質(zhì)量指標(biāo)，基于層次分析法構(gòu)建了土壤質(zhì)量綜合評價模型。綜合評價模型考慮了影響土壤質(zhì)量的多方面因素，在為地方農(nóng)業(yè)生產(chǎn)及規(guī)劃提供決策依據(jù)時兼顧了全面性與簡潔性，使整個調(diào)查系統(tǒng)更為完善。

目前基于航空高光譜技術(shù)開展土壤質(zhì)量的綜合評價尚處于起步階段，后續(xù)工作可對以下方面進(jìn)行改進(jìn)和完善：①土地質(zhì)量參數(shù)反演方法。不同質(zhì)量參數(shù)的光譜特征不盡相同，機(jī)理較為復(fù)雜，可借助深度學(xué)習(xí)方法充分研究光譜機(jī)理，進(jìn)一步提升反演精度；②評價指標(biāo)補(bǔ)充完善。本研究篩選了一系列指標(biāo)進(jìn)行綜合建模，但還需要充分挖掘航空高光譜對土壤質(zhì)量參數(shù)的反演能力，擴(kuò)充及優(yōu)化評價指標(biāo)和模型結(jié)構(gòu)，提升評價的綜合性和客觀性。