基于差異化光譜指數的鹽漬土水分含量預測①
——以濱海鹽土為例

劉　婭，潘賢章，王昌昆，李燕麗，石榮杰，李志婷

（1 中國科學院土壤環境與污染修復重點實驗室（南京土壤研究所），南京　210008；2 中國科學院大學，北京　100049）

?

基于差異化光譜指數的鹽漬土水分含量預測①
——以濱海鹽土為例

劉婭1，2，潘賢章1*，王昌昆1，李燕麗1，2，石榮杰1，2，李志婷1，2

（1 中國科學院土壤環境與污染修復重點實驗室（南京土壤研究所），南京210008；2 中國科學院大學，北京100049）

摘要：以濱海鹽土為研究對象，通過添加不同濃度的鹽溶液并模擬蒸發過程，獲取不同含水、含鹽量的土壤樣品，并測定土壤光譜和土壤含水量，分別運用光譜指數法和偏最小二乘回歸法（PLSR）對土壤含水量進行預測。結果表明：由2 027 nm和1 878 nm構建的土壤水分差異化光譜指數（NDMI2027，1878）是預測土壤水分的最優指數，且適用于任何等級的鹽漬化土壤，其建模集和驗證集的預測結果均優于PLSR方法，驗證集R2達0.99，RMSE僅為21.84 g/kg，可比較準確地預測鹽漬化土壤的含水量。

關鍵詞：濱海鹽土；土壤含水量；可見-近紅外光譜；光譜指數；預測

土壤水分不僅是土壤的重要組分之一，更是植物生長、發育的必要條件，且對熱量平衡、土壤溫度、農業墑情等具有重要意義。對鹽漬化土壤而言，土壤鹽分狀況更與水分含量密切相關，“鹽隨水來，鹽隨水去”已經成為基本的認知，因此，對鹽漬化土壤含水量的準確、快速和低成本監測更為重要。常用的土壤水分監測方法中，中子儀及張力計等對土壤和環境適應性有限，且需要校正，成本較高［1］。近年來，時域（TDR）、頻域反射儀（FDR）等野外快速測定土壤含水量的方法已被廣泛采用，但是由于其測定主要依賴于土壤介電常數與土壤體積含水量之間的關系，因而在測定高鹽土壤含水量時容易出現較大誤差［2］。

近年來，由于高光譜遙感可快速獲取地面土壤的反射光譜信息，為土壤水分監測研究提供了一種新的途徑。有學者通過對不同含水量狀態下黃河三角洲鹽漬土含水量及光譜進行分析，認為552、862、1 201、1 430、2 029和2 218 nm構建的BP神經網絡土壤含水量預測模型優于多元線性回歸分析模型［3］。另有研究人員對不同含水、含鹽量條件下土壤含水量及土壤光譜進行了研究，結果表明一階微分后1 300 nm和1 970 nm構建的差值光譜指數可準確反演土壤含水量，且不受土壤含鹽量的影響［4］。還有研究表明土壤含水量可作為反演土壤含鹽量的一個變量，參與鹽分反演方程的構建［5］。但前人研究對含鹽土壤含水量的預測精度有限，且難以實現對土壤水分的快速、準確、低成本預測。

因此，本研究通過對40個不同含鹽量的濱海鹽土樣品，從水分飽和到風干過程中19次觀測結果（共760組數據）的分析，研究了反射光譜與濱海鹽土土壤含水量之間的關系，提出了土壤水分差異化光譜指數，可較準確地預測濱海鹽土土壤水分，為土壤含水量的快速、準確獲取提供了一種方法。

1　材料與方法

1.1供試土壤與實驗設計

供試的基礎土壤為采自江蘇省鹽城市的 4個土樣，均屬濱海鹽土亞類，由沿海地區的鹽漬淤泥發育而成。濱海鹽土含鹽量高，尤其是Cl-和Na+較多，pH值較高，是采樣區內濱海鹽土的典型代表。采集的4個土樣經風干后，挑出瓦礫、植被根茬等異物，用木棒碾碎后過2 mm篩后待用。供試的4個土壤的基本理化性質如表1所示。

表1　基礎土壤理化性質Table 1　Basic properties of the tested soils

為獲取不同含鹽量、含水量等級，對4個基礎土壤均添加不同濃度的NaCl溶液，并將其置于室內自然蒸發，直至土壤含水量與光譜不再變化，整個蒸發過程中每隔12 h測量土壤光譜和水分含量一次。每個基礎土壤均設置10個鹽分梯度，共制備土壤樣品40個。過篩后的土壤，分別裝入40個直徑6.5 cm，深2.5 cm，底部有小孔的鋁盒內，表面用直尺刮平，底部分別放入盛有蒸餾水、1.5、3、6、9、12、16、20、30和35 g/kg的NaCl溶液的培養皿中潤濕，直到表層濕潤達到飽和，放置24 h后待表層的自由水消失后，開始定時測定其質量含水量及反射光譜。制備后土壤樣品的含水、含鹽量范圍如表2所示。

表2　制備樣品的含水、含鹽量Table 2　Soil water and salt contents of the prepared samples

1.2土壤含鹽量數據獲取

土壤含鹽量通過計算得到，鋁盒重為 W1，盛滿干土后的重量（鋁盒重+干土重）為W2，放入培養皿中吸取不同濃度鹽溶液之后的重量（鋁盒重+土重+鹽溶液重）為W3，鹽溶液濃度是配制時已知記為c，則該樣品吸收溶液中鹽的質量為m=（W3-W2） ×c，則土壤含鹽量ssc（g/kg）可以由下式表示：

式中：mo為土壤中原始含鹽量。

1.3土壤含水量數據獲取

土壤含水量為質量含水量，單位為g/kg。每次測量光譜的同時也稱取樣品的重量記為Wi，該樣品第i次測量的含水量記為θi，該樣品中鹽的質量為m，則某個樣品第i次觀測時的含水量可由下式計算得到：

1.4光譜數據測量

光譜采集采用美國產ASD FieldSpec 3 Hi-Res地物光譜儀在暗室中進行，該光譜儀光譜范圍為350 ～2 500 nm，350 ～ 1 050 nm之間采樣間隔為1.4 nm，1 000 ～ 2 500 nm之間采樣間隔為2 nm，重采樣間隔為1 nm。采用8°視場角探頭，探頭到土樣表面距離為25 cm，光源為兩盞50W的鹵素燈，其到樣品表面的距離為40 cm，光源照射方向與垂直方向夾角為45°。為消除陰影影響，每個樣品采集4個方向的光譜，按90°間隔旋轉樣品盒，每個方向采集5條光譜曲線，共20條曲線，以20條光譜曲線的平均值代表該樣品的光譜［6］。每次測量前先做暗電流校正，然后用25 cm × 25 cm的漫反射標準參考板（Labsphere生產）進行校正。由于350 ～ 399 nm與2 400 ～ 2 500 nm噪音比較大且不能反映土壤真實的光譜信息，本研究去除上述波段，光譜研究范圍為400 ～ 2 400 nm。

1.5光譜數據預處理

光譜儀不同波段對能量的響應有所差別，測量所得的光譜曲線進而存在噪聲，表現為光譜曲線上有很多毛刺，曲線不光滑。尤其是2 300 ～ 2500 nm范圍，由于光譜儀自身原因，反射率變化劇烈，信噪比很低，因此，需對所測光譜進行平滑優化處理，以減小噪聲干擾。本文采用的平滑方式為Savitzky-Golay多項式平滑法［7］。

1.5.1光譜指數法高光譜波段眾多，不同的波段組合方式往往可生成新的反演土壤含水量的指數。研究表明，不同的波段組合可以增強地物的光譜反射特性。本文采用波段組合方式生成歸一化水分光譜指數（NDMI），其計算公式為：

式中：Rm和Rn分別為兩個波段的反射率。

1.5.2偏最小二乘回歸法偏最小二乘回歸（PLSR）吸收了主成分分析中提取主成分的思想，實現了數據結構的簡化［8］，解決了自變量之間多重相關的問題，同時克服了主成分分析對自變量有較強解釋能力但對因變量解釋能力不足的缺點［6］，近年來受到國內外學者的青睞。

1.6模型評價方法

為了客觀且準確地評價所建模型的建模及預測精度，本研究選用以下參數對其預測結果進行評價。決定系數（R2），均方根誤差（RMSE）。其中RMSE的計算公式為：

式中：iμ為實測值，iμ∧為預測值，n為建模集樣本數。

2　結果與分析

2.1不同含水量下光譜變化

以供試土壤中某一土壤樣品為例（含鹽量為17.69 g/kg），圖1指示了其蒸發過程中土壤反射率隨含水量的變化。在土壤從濕潤到風干的過程中（含水量19.68 ～ 495.23 g/kg），隨著含水量的減少，光譜反射率逐漸升高，且水分吸收峰的深度逐漸變淺，這與土壤水分對光譜的吸收減弱有關，這一結論與國內外很多學者的結論一致［9-11］。隨含水量的減少，光譜曲線形狀沒有變化，整個過程中的曲線基本平行，僅表現為反射率高低的變化。蒸發初期，即土壤含水量較高時，光譜反射率隨土壤含水量變化較緩慢，且1 400、1 900和2 200 nm處的吸收峰較深；在蒸發末期，光譜反射率的變化也較緩慢，上述 3個吸收峰變淺。

圖1　不同含水量（g/kg）鹽土光譜曲線Fig. 1　Reflectance spectra of saline soil with different soil moisture

2.2NDMI建模及驗證結果

將400 ～ 2 400 nm波段范圍內所有波段兩兩組合成 NDMI形式，并與土壤含水量構建一元線性回歸方程，所得方程的決定系數（R2）如圖2所示。決定系數較高的區域基本都在短波紅外區（1 300 ～ 2 400 nm），在水分的兩個特殊吸收波段1 400 nm和1 900 nm以及礦物的特殊吸收波段2 200 nm附近表現更為顯著，尤其是1 400 ～ 1 900 nm和2 000 ～ 2 200 nm波段范圍內相互組合而構成的NDMI，R2均在0.95以上。

圖2　土壤含水量與NDMI的線性決定系數（R2）等勢圖Fig. 2　The contour map of the coefficient of R2between soil water content and NDMI

分析結果表明由2 027 nm和1 878 nm波段構建的 NDMI反演含水量的結果最好，所得 R2最高，因此將上述兩個波段組合提取出來，并計算NDMI2027，1878，以具體分析該指數預測土壤含水量的能力。分別將 4個基礎土壤所對應的土壤含水量與NDMI建立線性回歸模型，結果如圖3所示。4個基礎土壤所建立的模型決定系數均為0.99，P值均小于0.001，達極顯著水平，且各基礎土壤所建線性回歸方程的斜率和截距相差不大，表明該指數有很好的穩定性。

圖3　四種基礎土壤質量含水量與NDMI2027，1878的關系Fig. 3　Regression relationships between NDMI2027，1878and moisture contents of four basic soils

將所有 760組數據按含水量降序排序，每隔兩個樣品取出一個作為獨立驗證集，其他作為建模集，并用獨立驗證集對建模集所得模型進行驗證，結果如圖 4所示。建模集所建線性回歸方程為y = 2502.57x + 7.10，方程決定系數R2為0.98，P＜0.001達極顯著水平（圖4a）。將上述回歸方程用于驗證集土壤含水量的反演，含水量實測值與預測值線性回歸方程的R2達0.99，RMSE僅為21.84 g/kg，含水量實測值與預測值的散點基本都分布在 1︰1線附近（圖 4b）。表明所建模型可以比較準確地反演土壤含水量，NDMI2027，1878是反演土壤含水量的最優指數。

圖4　建模集NDMI2027，1878與土壤含水量的回歸關系（a）和驗證集實測含水量與預測含水量的關系（b）Fig. 4　Regression relationships between NDMI2027，1878and water contents of calibration dataset （a）and relationship between measured soil water contents and predicted soil water contents （b）

2.3PLSR建模及驗證結果

采用2.2節同樣的建模集和驗證集劃分方式，用PLSR方法對建模集進行分析，并用驗證集對所建立的PLSR模型進行驗證，結果如圖5所示。建模集含水量實測值與預測值線性回歸的R2為0.96，RMSE為 29.99 g/kg，含水量實測值與預測值的散點基本都分布在1︰1線附近（圖5a）。驗證集的R2為0.96，RMSE為29.80 g/kg，實測值與預測值散點均勻分布在1︰1線周圍（圖5b）。表明PLSR方法也可以準確反演土壤含水量，但是和NDMI2027，1878光譜指數相比，結果稍差。

圖5　建模集（a）和驗證集（b）的PLSR模型結果Fig. 5　Relationship between measured soil water content and predicted soil water content in （a） calibration and （b） prediction

2.4NDMI與土壤含鹽量的關系

為檢驗土壤含鹽量是否對NDMI指數造成干擾，將土壤含鹽量與 NDMI指數做線性回歸，所建方程的決定系數等勢圖如圖6所示。結果表明NDMI與土壤含鹽量并沒有顯著相關性，所有模型的決定系數均未超過0.60，大部分在0 ～ 0.02之間，水分反演所用的最優NDMI組合NDMI2027，1878與土壤含鹽量所建方程的決定系數R2為0。說明NDMI2027，1878指數并不受土壤含鹽量的干擾，僅與土壤含水量有顯著相關關系。

圖6　土壤含鹽量與NDMI的線性決定系數（R2）等勢圖Fig. 6　The contour map of the coefficient of R2between soil salt content and NDMI

為進一步檢驗土壤含鹽量與 NDMI2027，1878的關系，按照王遵親等［12］制定的鹽漬土等級劃分標準，將所有樣品分為非鹽漬化土壤、輕度鹽漬化土壤、中度鹽漬化土壤、重度鹽漬化土壤和鹽土5級，然后對每個級別的土壤含水量與 NDMI2027，1878分別建立線性擬合模型，結果如圖7所示，每個鹽漬化等級的土壤含水量與 NDMI2027，1878均有較高相關性，R2均為0.98，同樣證明NDMI2027，1878與土壤含水量之間的線性關系在不同的含鹽量條件下都存在，受土壤含鹽量的影響很小。

圖7　五個鹽漬化等級的土壤含水量與NDMI2048，1878的關系Fig. 7　The relationship between soil moisture content and NDMI2027，1878of soil salt contents in five grades

3　討論

鹽漬化土壤含水量與土壤含鹽量有密切的關系，對作物生長及農業墑情監測也有重要意義，快速、準確獲取鹽漬土的含水量一直是國內外學者研究的熱點。本文分別用差異化水分光譜指數法和偏最小二乘回歸分析法對土壤含水量進行預測，結果表明2 027 nm與1 878 nm波段組合而成的水分光譜指數NDMI2027，1878是土壤水分預測的最優波段組合，其預測結果略優于PLSR法的預測結果，且光譜指數法相比PLSR方法所需波段少，更簡單、易操作。

研究表明1 900 nm為水分極強的吸收譜帶［13］，由于1 878 nm位于土壤水分的特殊吸收峰附近，而2 027 nm位于反射率由吸收峰最低值逐漸升高的位置，因此兩個波段組合更能反映土壤含水量的變化狀況。劉洋等［14］研究表明2 060 nm處光譜反射率以及1 870 nm處倒數對數的微分值對含水量有很強的響應，并對含水量進行等級劃分，不同等級采用不同的模型預測土壤含水量，所得模型最高R2為0.945。本文采用的波段與劉洋等［14］探尋的特征波段位置類似，模型適用于文中所有含水量范圍（19.54 ～ 515.53 g/kg），無需對含水量分級，且結果略優于劉洋等［14］所得最優結果。另有學者研究表明建立多元線性回歸模型時，經反射率對數一階微分變換后的數據1 432、1 546、1 760、1 916、2 060 nm 波段組合反演土壤含水量的精度最高［15］，與本研究的2 027 nm和1 878 nm也有接近的波段，微弱的波段差異可能由于研究所用的土壤類型不同導致，上述研究所用土壤為沙土和黃綿土，而本研究所用土壤為濱海鹽土。綜上，NDMI2027，1878是準確預測鹽漬化土壤含水量的最佳選擇。

野外實測土壤光譜易受到空氣中水汽的影響，在水分的特殊吸收峰會出現噪聲，信噪比較低，后續分析中一般會切除1 351 ～ 1 450 nm和1 800 ～ 1 950 nm，這將影響到NDMI2027，1878中1 878 nm處反射率。隨著技術的進步，高密度接觸式反射探頭的出現有效克服了這一難題，它不僅能夠消除天氣狀況對光譜測試的限制作用，也有利于隨時隨地創造人工暗室條件，有效避免雜散光的影響，也使得本研究提出的 NDMI2027，1878土壤水分高光譜指數有更廣泛的應用前景。

本研究僅以濱海鹽土為研究對象，結果表明所得差異化水分指數 NDMI2027，1878適用于濱海鹽土土壤水分的預測，但該指數是否適用于其他土壤類型及研究區還需進一步驗證。

4　結論

本研究以4個濱海鹽土為研究對象，通過添加不同濃度的鹽溶液，采用室內模擬蒸發法，獲取不同含水量范圍內（19.54 ～ 515.53 g/kg）的土壤光譜數據760組，采用兩兩組合的方式逐波段建立 NDMI指數，并與土壤含水量建立線性回歸關系，從中選擇最優的光譜指數，其為 NDMI2027，1878，所建模型驗證集 R2達0.99，RMSE為21.84 g/kg，略優于PLSR的建模結果，且NDMI2027，1878受土壤含鹽量的干擾很小。本研究為鹽漬化土壤含水量的快速、準確獲取提供了有效的方法。

致謝：部分數據來自于中國土壤數據庫，特此感謝。

參考文獻：

［1］ 張學禮， 胡振琪， 初士立. 土壤含水量測定方法研究進展［J］. 土壤通報， 2005， 36（1）： 118-123

［2］ 曹巧紅， 龔元石. 土壤電導率對時域反射儀測定土壤水分的影響［J］. 土壤學報， 2001， 38（4）： 483-490

［3］ 王麗娜. 基于高光譜技術的黃河三角洲鹽堿土水鹽含量估測研究［D］. 山東泰安： 山東農業大學， 2013

［4］ Wang Q， Li P， Pu Z， Chen X. Calibration and validation of salt-resistant hyperspectral indices for estimating soil moisture in arid land［J］. Journal of Hydrology， 2011，408（3/4）： 276-285

［5］ 劉婭， 潘賢章， 王昌昆， 等. 土壤濕潤條件下基于光譜對稱度的鹽漬土鹽分含量預測［J］. 光譜學與光譜分析，2013， 33（10）： 2 771-2 776

［6］ 劉婭， 潘賢章， 王昌昆， 等. 基于可見-近紅外光譜的濱海鹽土土壤鹽分預測方法［J］. 土壤學報， 2012， 49（4）：824-829

［7］ 王淼， 解憲麗， 周睿， 等. 基于可見光-近紅外漫反射光譜的紅壤有機質預測及其最優波段選擇［J］. 土壤學報，2011， 48（5）： 1 083-1 089

［8］ 張婷婷. 基于PLS模型的農業土壤成分高光譜遙感反演研究［D］. 吉林長春： 吉林大學， 2010

［9］Lobell DB， Asner GP. Moisture effects on soil reflectance［J］. Soil Science Society of America Journal， 2002， 66（3）：722-727

［10］ 魏娜. 土壤含水量高光譜遙感監測方法研究［D］. 北京：中國農業科學院， 2009

［11］ Stoner E R， Baumgardner M F. Physicochemical， site， and bidirectional reflectance factor characteristics of uniformly moist soils［M］. Indiana. 1980

［12］ 王遵親， 祝壽泉， 俞仁培. 中國鹽漬土［M］. 北京： 北京科學出版社， 1993

［13］ Ben-Dor E. Quantitative remote sensing of soil properties［J］. Advances in Agronomy， 2002， 75： 173-243

［14］ 劉洋， 丁瀟， 劉煥軍， 等. 黑土土壤水分反射光譜特征定量分析與預測［J］. 土壤學報， 2014， 51（5）： 1 021-1 026

［15］ 王曉. 土壤含水量高光譜特性與估測模型研究［D］. 山東泰安： 山東農業大學， 2012

Prediction of Saline Soil Moisture Content Based on Differential Spectral Index： A Case Study of Coastal Saline Soil

LIU Ya1，2， PAN Xianzhang1*， WANG Changkun1， LI Yanli1，2， SHI Rongjie1，2， LI Zhiting1，2
（1 Key Laboratory of Soil Environment and Pollution Remediation， Institute of Soil Science， Chinese Academy of Sciences，
Nanjing210008， China； 2 University of Chinese Academy of Sciences， Beijing100049， China）

Abstract：Soil samples with various salt and moisture contents were artificially prepared by adding different amount of NaCl solutions to costal saline soil to simulate the evaporation process. During the evaporation process， soil moisture contents and soil spectra were regularly collected， and then analyzed using spectral indices and partial least squares regression （PLSR） to quantify soil moisture content. The results showed that the differential moisture index derived from the reflectance value of 2 027 nm and 1 878 nm was the best index to predict soil moisture content， and the indexes obtained from NDMI2027，1878in both calibration and validation process were slightly better than these from PLSR， with the determined coefficient （R2） of the prediction as high as 0.99. The root mean square error （RMSE） was only 21.84 g/kg， and not affected by the salinity grades. It could be concluded that soil moisture content can be accurately predicted by NDMI2027，1878.

Key words：Saline soil； Soil moisture content； Vis-NIR spectroscopy； Spectral index； Prediction

中圖分類號：S151.9

DOI：10.13758/j.cnki.tr.2016.02.026

基金項目：①國家自然科學基金項目（41071140）、中國科學院戰略性先導科技專項（XDB15040300）和土壤學科領域基礎科學數據整合與集成應用項目（XXH12504-1-02）資助。

* 通訊作者（panxz@issas.ac.cn）

作者簡介：劉婭（1986—），女，山東菏澤人，博士研究生，主要從事土壤遙感方面的研究。E-mail： liuya@issas.ac.cn