土壤粒度對(duì)基于近紅外離散波長(zhǎng)土壤全氮預(yù)測(cè)精度影響

周 鵬，王煒超，楊 瑋，冀榮華，李民贊

中國(guó)農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083

引 言

智慧農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)的發(fā)展方向，土壤快速檢測(cè)是實(shí)施智慧農(nóng)業(yè)的基礎(chǔ)。傳統(tǒng)的土壤參數(shù)檢測(cè)采用實(shí)驗(yàn)室化學(xué)分析方法，不僅費(fèi)時(shí)和費(fèi)力而且成本高昂，同時(shí)實(shí)驗(yàn)過(guò)程中用到的化學(xué)試劑也會(huì)對(duì)環(huán)境造成很大污染[1-2]。近紅外光譜法作為一種高效、成本低和無(wú)污染的方法，應(yīng)用于土壤參數(shù)預(yù)測(cè)至今已有近四十年[3-5]。通常在實(shí)驗(yàn)田進(jìn)行土壤樣本采集后，在實(shí)驗(yàn)室采用烘干法和研磨過(guò)篩處理，處理過(guò)的土壤樣本再進(jìn)行近紅外光譜檢測(cè)，最后采用不同的光譜分析算法對(duì)土壤全氮進(jìn)行建模研究[6-8]。

近年來(lái)，隨著變量施肥技術(shù)、智慧農(nóng)田管理及農(nóng)業(yè)可持續(xù)發(fā)展的需求，實(shí)時(shí)準(zhǔn)確的提供農(nóng)田土壤參數(shù)變得越發(fā)緊迫。基于此，基于近紅外波段離散波長(zhǎng)土壤參數(shù)實(shí)時(shí)快速檢測(cè)儀成為當(dāng)前的研究熱點(diǎn)[9-11]。傳統(tǒng)的實(shí)驗(yàn)室光譜分析儀及早期開發(fā)的土壤參數(shù)檢測(cè)儀都采用分光儀作為核心器件，分光儀不僅價(jià)格昂貴而且很不適應(yīng)農(nóng)田的惡劣環(huán)境[12-13]。而基于近紅外波段離散波長(zhǎng)進(jìn)行土壤參數(shù)檢測(cè)儀開發(fā)，不僅可以有效降低成本而且建立的土壤參數(shù)預(yù)測(cè)模型也都取得了較好的預(yù)測(cè)結(jié)果[14]。

基于近紅外波段離散波長(zhǎng)的土壤實(shí)時(shí)參數(shù)檢測(cè)儀也存在土壤粒度的嚴(yán)重干擾。實(shí)驗(yàn)室的研磨過(guò)篩消除土壤粒度干擾的方法不能夠應(yīng)用于這類土壤實(shí)時(shí)參數(shù)檢測(cè)儀，而針對(duì)連續(xù)近紅外光譜常用的微分方法等也不適用于近紅外波段離散波長(zhǎng)建模的情況。

為此，提出了一種新的方法。首先確定土壤粒度的特征波段，并采用SVM建立基于特征波段的土壤粒度分類模型。然后將該模型應(yīng)用于開發(fā)的基于近紅外波段離散波長(zhǎng)吸光度的土壤參數(shù)實(shí)時(shí)檢測(cè)儀，對(duì)吸光度進(jìn)行修正。最后分別建立基于近紅外波段離散波長(zhǎng)的原始吸光度和修正吸光度的土壤全氮預(yù)測(cè)模型，對(duì)提出的土壤粒度修正法進(jìn)行驗(yàn)證。

1 實(shí)驗(yàn)部分

1.1 土壤樣本采集

土壤樣本采集自中國(guó)農(nóng)業(yè)大學(xué)上莊實(shí)驗(yàn)站，實(shí)驗(yàn)站位于北京市海淀區(qū)上莊鎮(zhèn)辛立屯村東，占地66.66 hm2。實(shí)驗(yàn)田為一塊常年不施肥的標(biāo)準(zhǔn)田，土壤類型屬于華北地區(qū)常見的棕壤土，土壤樣本采集時(shí)間為2019年7月15號(hào)，表層土壤有大量農(nóng)作物殘余，因此每個(gè)土壤樣本在去除表層土壤(0～5 cm)后進(jìn)行采樣，采樣深度為5～25 cm(耕作層)。每個(gè)采樣點(diǎn)采集2～2.5 kg土壤，裝入雙層牛皮袋進(jìn)行密封。共計(jì)采集土壤樣本24個(gè)。

1.2 配置土壤樣本

為了獲得不同全氮濃度的土壤樣本，采樣的土壤首先在烘干箱烘干處理，溫度設(shè)定為85 ℃，時(shí)間為24 h。烘干后的土壤樣本分為6組，每組4個(gè)。利用尿素配置土壤氮素溶液，土壤氮素溶液濃度梯度分為6個(gè)等級(jí)(g·kg-1)： 0，0.04，0.08，0.12，0.16和0.2。在土壤樣本配置時(shí)，模擬上莊實(shí)驗(yàn)站農(nóng)田耕作層夏季平均土壤含水率(7%)，對(duì)土壤樣本進(jìn)行配置。土壤配置完成后，進(jìn)行烘干處理，對(duì)所有土壤樣本進(jìn)行過(guò)篩，分別為10目篩(2.0 mm)、20目篩(0.9 mm)、40目篩(0.45 mm)和80目篩(0.2 mm)。最終得到4組不同粒徑的土壤樣本，每組包含6個(gè)全氮濃度等級(jí)，每個(gè)全氮濃度等級(jí)包含4個(gè)土壤樣本。總計(jì)獲得96個(gè)不同粒徑和不同全氮濃度下的土壤樣本。

1.3 光譜數(shù)據(jù)檢測(cè)

96個(gè)土壤樣本，每個(gè)土壤樣本分成兩份，一份進(jìn)行土壤全氮濃度檢測(cè)，一份進(jìn)行近紅外光譜檢測(cè)。土壤全氮濃度采用瑞典福斯公司生產(chǎn)的FOSS KjeltecTM 2300型凱氏定氮儀進(jìn)行檢測(cè)，每個(gè)土壤樣本研磨后，稱取2.0 g裝入長(zhǎng)試管中，同時(shí)加入6.2 g催化劑，催化劑為K2SO4∶CuSO4·5H2O按30∶1混合研磨得到。最后在長(zhǎng)試管中加入20 mL濃硫酸后進(jìn)行硝化，硝化爐溫度設(shè)定為420 ℃，時(shí)間2.5 h。硝化完成后進(jìn)行冷卻，用凱氏定氮儀對(duì)土壤全氮濃度進(jìn)行檢測(cè)。

采用德國(guó)布魯克公司生產(chǎn)的MATRIX-Ⅰ型傅里葉變換近紅外光譜分析儀對(duì)土壤樣本進(jìn)行近紅外光譜采集。光譜采集前，需要對(duì)分析儀參數(shù)進(jìn)行設(shè)置，光譜采集范圍780～2 550 nm、光譜采樣間隔3 nm、掃描次數(shù)為64次。將大約20 g土壤樣本裝入直徑50 mm的石英比色皿中，放入分析儀的旋轉(zhuǎn)樣品池進(jìn)行光譜檢測(cè)。

1.4 光譜數(shù)據(jù)預(yù)處理

近紅外光譜通過(guò)式(1)進(jìn)行轉(zhuǎn)換

A=log101/R

(1)

式(1)中：R為土壤光譜反射率，A為土壤光譜吸光度。數(shù)據(jù)采用吸光度形式進(jìn)行分析。測(cè)得的土壤近紅外光譜，由于光譜檢測(cè)儀自身的原因會(huì)在近紅外起始波段產(chǎn)生噪聲，為了提高近紅外光譜的信噪比，將780～850 nm的光譜去除后進(jìn)行分析。同時(shí)采用S-G卷積平滑算法對(duì)近紅外光譜進(jìn)行去噪處理。

2 結(jié)果與討論

2.1 土壤樣本統(tǒng)計(jì)分析

表1對(duì)配制的96個(gè)土壤樣本進(jìn)行了統(tǒng)計(jì)分析。土壤全氮濃度值分布在0.003～0.206 g·kg-1范圍內(nèi)，以大約0.04 g·kg-1為土壤全氮濃度間隔，分為6個(gè)土壤全氮濃度等級(jí)，土壤全氮濃度等級(jí)梯度分布合理。雖然土壤樣本采集自常年不施肥的標(biāo)準(zhǔn)田，但是土壤樣本中還是殘留有土壤氮素。

表1 土壤樣本統(tǒng)計(jì)分析Table 1 Statistics of soil samples

2.2 基于土壤吸光度的土壤粒度分類研究

(1) 土壤粒度對(duì)近紅外光譜干擾

圖1為在全氮濃度為0.076 g·kg-1的土壤樣本在不同土壤粒度下的光譜曲線。從圖1可以得到，在同一氮素含量下，土壤光譜受土壤粒度干擾嚴(yán)重，土壤光譜隨土壤粒徑的增大，吸光度升高。因此在用近紅外光譜對(duì)土壤全氮進(jìn)行預(yù)測(cè)時(shí)，必須移除土壤粒度的干擾。土壤粒度的在線消除方法必須進(jìn)一步探索和研究。

圖1 同一氮素含量下不同土壤粒度的光譜曲線Fig.1 Spectral curves of soil with different particle sizes but same soil total nitrogen concentration

(2)土壤粒度特征波段提取

針對(duì)4個(gè)不同土壤粒度的樣本和全體樣本，分別計(jì)算了每個(gè)波長(zhǎng)處(850～2 500 nm)所有樣本間吸光度的光譜標(biāo)準(zhǔn)偏差，光譜標(biāo)準(zhǔn)偏差曲線如圖2所示。對(duì)應(yīng)于單獨(dú)每一條不同土壤粒度的光譜標(biāo)準(zhǔn)偏差曲線，在光譜范圍1 000～2 500 nm范圍內(nèi)，標(biāo)準(zhǔn)偏差都比850～1 000 nm范圍內(nèi)要大。因?yàn)閱为?dú)對(duì)應(yīng)每一條光譜標(biāo)準(zhǔn)差曲線都是在同一粒度下，所以排除土壤粒徑的干擾，而只有土壤全氮濃度不同，因此1 000～2 500 nm范圍為土壤全氮的敏感譜區(qū)。同時(shí)圖2中黑實(shí)線為全部96個(gè)土壤樣本的光譜標(biāo)準(zhǔn)偏差曲線，對(duì)比分析五條標(biāo)準(zhǔn)偏差曲線可得，總體曲線在1 320～1 390和1 810～1 860 nm波段范圍與其他單一粒度光譜標(biāo)準(zhǔn)差曲線變化趨勢(shì)明顯不同，這一變化表明上述兩個(gè)譜區(qū)是與土壤粒度的變化有很大關(guān)聯(lián)性，是土攘粒度的敏感譜區(qū)。因此本研究選擇兩個(gè)譜區(qū)的極值點(diǎn)1 361和1 870 nm作為土壤粒度的特征波段。

圖2 標(biāo)準(zhǔn)偏差光譜曲線Fig.2 Standard deviation spectra

(3)土壤粒度分類研究

96個(gè)土壤樣品分為兩組，每組48個(gè)土壤樣品。每組土壤樣品包括4個(gè)土壤粒度類別，每個(gè)土壤粒度類別包括6個(gè)不同土壤全氮濃度的土壤樣品，每個(gè)土壤全氮濃度有兩個(gè)土壤樣品。使用標(biāo)準(zhǔn)偏差法確定的兩個(gè)土壤粒度敏感波段1 381和1 870 nm對(duì)土壤粒度進(jìn)行分類研究，引入兩個(gè)敏感波段吸光度的比值Rp作為單一變量對(duì)土壤粒度進(jìn)行預(yù)測(cè)，RP通過(guò)式(2)計(jì)算

Rp=A1 870/A1 381

(2)

式(2)中：A1 870和A1 381分別為土壤在1 870和1 381 nm處的吸光度。利用SVM算法構(gòu)建土壤分類模型，經(jīng)過(guò)多次嘗試，SVM分類模型懲罰參數(shù)c為2，核函數(shù)為1時(shí)可取得最優(yōu)分類結(jié)果。

圖3為基于SVM的土壤粒度預(yù)測(cè)結(jié)果，四個(gè)土壤粒度類別中，土壤粒度為2.0和0.2 mm的分類準(zhǔn)確率為100%，土壤粒度為0.90 mm的分類準(zhǔn)確率為91.7%。而土壤粒度為0.45 mm的分類準(zhǔn)確率為83.3%，四個(gè)土壤類別整體分類準(zhǔn)確率為93.8%，分類精度較高，可以用于消除土壤樣本粒度對(duì)土壤吸光度測(cè)量的影響。

圖3 基于SVM的土壤粒度分類預(yù)測(cè)Fig.3 Prediction of soil particle size classification based on SVM

(4) 基于特征波段吸光度的土壤粒度修正模型

(3)

式(3)中，A1 870和A1 381為校正土壤光譜在1 870和1 361 nm處的吸光度，為作為基準(zhǔn)值的0.20 mm土壤在1 870和1 361 nm處的吸光度比值。

通過(guò)修正系數(shù)校正后的土壤光譜吸光度Ac用式(4)獲得

Ac=A×Pc

(4)

式(4)中：A為校正前的土壤吸光度，Ac為修正后的土壤吸光度。

2.3 土壤全氮分析儀土壤粒度影響消除及全氮預(yù)測(cè)評(píng)價(jià)研究

(1) 基于土壤粒度修正模型的土壤吸光度修正

選擇實(shí)驗(yàn)室開發(fā)的基于離散近紅外波段(1 070, 1 130, 1 245, 1 375, 1 550, 1 680 nm)的土壤全氮儀作為實(shí)驗(yàn)儀器[15]，通過(guò)分析土壤全氮含量預(yù)測(cè)精度，對(duì)提出的土壤粒度修正法進(jìn)行驗(yàn)證，以檢驗(yàn)其實(shí)際應(yīng)用效果。圖4(a)為土壤全氮濃度為0.068 g·kg-1時(shí)的單一土壤樣本在六個(gè)離散近紅外波長(zhǎng)處的吸光度值，包括五條曲線，分別為原始土壤，土壤粒度分別為2.0，0.9，0.45和0.2 mm時(shí)的土壤吸光度值。圖4(b)為經(jīng)過(guò)土壤粒度修正后的吸光度。對(duì)圖4(a)和圖4(b)進(jìn)行對(duì)比分析，例如在1 245 nm處，原始未經(jīng)修正的吸光度值與0.2 mm處的吸光度差值分別為0.074 7，0.051 6，0.008 7和0.0637，經(jīng)過(guò)修正后差值分別為0.028 3，0.013 1，-0.000 9和0.024 8，差值在修正后分別降低了62%，74%，111%和61%。結(jié)果表明土壤粒度修正系數(shù)可以顯著減小土壤粒度的干擾。

圖4 六個(gè)波段處的吸光度(a)： 原始吸光度； (b)： 校正后的吸光度Fig.4 Absorbance at six wavebands(a)： Original absorbance； (b)： Corrected absorbance

(2)土壤全氮建模研究

為了進(jìn)一步對(duì)土壤粒度修正法進(jìn)行評(píng)估，對(duì)土壤全氮進(jìn)行了建模研究。土壤樣本同樣采集自中國(guó)農(nóng)業(yè)大學(xué)上莊實(shí)驗(yàn)站一塊冬小麥和夏玉米輪作實(shí)驗(yàn)田，土壤類型屬于華北地區(qū)常見的棕壤土，每個(gè)土壤樣本在去除表層土壤(0～5 cm)后進(jìn)行采樣，采樣深度為5～25 cm(耕作層)。每個(gè)采樣點(diǎn)采集2～2.5 kg土壤，裝入雙層牛皮袋進(jìn)行密封，共計(jì)采集土壤樣本80個(gè)。

采集的80個(gè)土壤樣本在實(shí)驗(yàn)室進(jìn)行烘干處理(烘箱溫度設(shè)定為85 ℃，時(shí)間為24 h)。烘干的土壤樣本分為三份，一份用凱氏定氮儀進(jìn)行土壤全氮濃度檢測(cè)，一份進(jìn)行原始土壤樣本近紅外光譜檢測(cè)，第三份用80目篩子(0.2 mm)進(jìn)行過(guò)篩處理后進(jìn)行近紅外光譜檢測(cè)。

根據(jù)上述實(shí)驗(yàn)得到的原始及0.2 mm下的土壤光譜，提取六個(gè)離散近紅外波段處的吸光度對(duì)土壤全氮進(jìn)行建模研究，選用BP神經(jīng)網(wǎng)絡(luò)作為土壤全氮建模算法，模型結(jié)構(gòu)為6-13-1。圖5(a)，(b)和(c)分別為原始吸光度、修正后的吸光度和0.2 mm下的吸光度建立的土壤全氮模型預(yù)測(cè)結(jié)果。

圖5 基于不同土壤吸光度的土壤全氮模型預(yù)測(cè)結(jié)果(a)： 原始吸光度； (b)： 校正吸光度；(c)： 0.2 mm土壤吸光度>Fig.5 Prediction results of soil total nitrogen concentration based on different soil absorbances(a)： Original absorbance； (b)： Corrected absorbance；(c)： 0.2 mm soil absorbance

從圖5可以看出，0.2 mm粒度下的土壤樣本得到最好的結(jié)果，原始的土壤樣本得到最差的結(jié)果，而經(jīng)過(guò)土壤粒度修正系數(shù)法修正的土壤樣本預(yù)測(cè)精度較原始吸光度有較大提高，精度提高了25%。表2對(duì)基于不同土壤吸光度建立的土壤全氮模型進(jìn)行了詳細(xì)描述。相較于采用原始吸光度建立的模型，修正后的土壤吸光度模型有了較大提高，但是相較于0.2 mm土壤吸光度建立的模型，修正后的土壤吸光度建立的模型在精度上仍有9.3%的精度差異。

表2 基于不同土壤吸光度的BPNN模型準(zhǔn)確度統(tǒng)計(jì)Table 2 Accuracy statistics of the BPNN models based on different soil absorbances

綜上所述，提出的土壤粒度修正系數(shù)可以顯著減小土壤粒度對(duì)近紅外光譜預(yù)測(cè)土壤全氮造成的影響。同時(shí)相比于0.2 mm土壤吸光度建立的模型，仍然存在精度的差異。基于此，有必要繼續(xù)探索其他的土壤粒度干擾消除方法，以提高應(yīng)用近紅外光譜對(duì)土壤參數(shù)進(jìn)行預(yù)測(cè)的精度。

3 結(jié) 論

(1)提出了一種土壤粒度修正法以減小土壤粒度對(duì)基于離散近紅外波段離散波長(zhǎng)吸光度的預(yù)測(cè)模型的干擾。以標(biāo)準(zhǔn)偏差法得到的兩個(gè)土壤粒度特征波段1 361和1 870 nm的比值作為土壤粒度特征指標(biāo)，采用SVM建立土壤粒度分類模型，分類結(jié)果表明，四個(gè)土壤類別整體分類準(zhǔn)確率為93.8%，表明采用Rp對(duì)土壤粒度具有良好的分類效果。

(2)選擇開發(fā)的土壤全氮儀作為實(shí)驗(yàn)儀器，以粒度0.2 mm的吸光度作為基準(zhǔn)值，針對(duì)使用的六個(gè)近紅外波段(1 070, 1 130, 1 245, 1 375, 1 550, 1 680 nm)的吸光度驗(yàn)證了本修正法。結(jié)果表明修正后粒度為2.0，0.9和0.45 mm的吸光度以及原始吸光度與基準(zhǔn)吸光度的差分別降低了62%，74%，111%和61%。表明土壤粒度修正法可以顯著減小土壤粒度的干擾。