基于高光譜的土壤全氮含量估測(cè)

張 強(qiáng)，張國(guó)龍，張 澤，呂 新

（石河子大學(xué)農(nóng)學(xué)院，新疆石河子832003）

基于高光譜的土壤全氮含量估測(cè)

張 強(qiáng)，張國(guó)龍，張 澤，呂 新

（石河子大學(xué)農(nóng)學(xué)院，新疆石河子832003）

針對(duì)不同土壤特性的光譜相關(guān)分析，研究其與土壤全氮含量之間的關(guān)系，篩選出可以預(yù)測(cè)土壤全氮含量的最佳光譜特征參量，并構(gòu)建相關(guān)估算模型。研究表明，土壤光譜反射率與土壤全氮含量之間呈較好的相關(guān)性。其中，全氮含量與土壤原始光譜反射率在1 867 nm處呈極顯著負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.939 2；基于NDI預(yù)測(cè)土壤全氮含量的估算模型中，以指數(shù)函數(shù)關(guān)系模型（yTN＝0.000 5e4.7003xNDI，R2＝0.798 2）為預(yù)測(cè)土壤全氮含量的最優(yōu)模型，基于歸一化光譜指數(shù)NDI在預(yù)測(cè)土壤全氮含量時(shí)表現(xiàn)出較好的效果。

高光譜；土壤；全氮；估測(cè)模型

目前，精準(zhǔn)農(nóng)業(yè)技術(shù)在全國(guó)得到了快速發(fā)展，新疆作為主要的棉花種植大省，兵團(tuán)近年來(lái)在精準(zhǔn)農(nóng)業(yè)方面也取得了一定的進(jìn)展，但是目前精準(zhǔn)檢測(cè)技術(shù)仍屬于較薄弱的環(huán)節(jié)。因此，發(fā)展支持“精準(zhǔn)農(nóng)業(yè)”的主要土壤信息快速測(cè)量技術(shù)的研究是當(dāng)今科技創(chuàng)新的一個(gè)熱點(diǎn)。

本研究擬利用光譜分析技術(shù)，對(duì)農(nóng)田土壤中的全氮含量采集與處理，針對(duì)不同土壤特性的光譜相關(guān)分析，探索高光譜遙感數(shù)據(jù)與土壤全氮含量之間的關(guān)系[1-2]，最終構(gòu)建相關(guān)估測(cè)模型并且進(jìn)行驗(yàn)證。通過(guò)模型實(shí)現(xiàn)特定條件下的土壤全氮含量快速無(wú)損的檢測(cè)[3-4]，旨在為精準(zhǔn)施肥提供參考依據(jù)，推進(jìn)精準(zhǔn)農(nóng)業(yè)技術(shù)的進(jìn)一步發(fā)展。

1 材料和方法

1.1 研究區(qū)概況

試驗(yàn)地設(shè)在新疆農(nóng)墾科學(xué)院試驗(yàn)地（45°20′N(xiāo)，86°40′E）。試驗(yàn)地面積為1 hm2，平均海拔450.8m，年平均氣溫為6.5～7.2℃，年降水量為125.0～207.7mm，無(wú)霜期為168～171 d，≥0℃的活動(dòng)積溫為4 023～4 118℃，≥10℃的活動(dòng)積溫為3 570～3 729℃。試驗(yàn)地土壤為灰色壤土，pH值8.46～8.72，有機(jī)質(zhì)含量13.8～21.6 g/kg，堿解氮66～144 mg/kg，有效磷14.2～36.6 mg/kg，速效鉀110～218mg/kg，試驗(yàn)地前茬為棉花，分別于2013年11月和2014年11月待作物收獲后裸土測(cè)量。

1.2 試驗(yàn)方法

1.2.1 土壤光譜測(cè)試方法 試驗(yàn)使用美國(guó)ASD公司Field Spec Pro VNIR 2500型光譜輻射儀，測(cè)定范圍為350～1 000 nm，波長(zhǎng)精度為1 nm；掃描時(shí)間為0.1 s，觀測(cè)通道為單通道光纖傳輸，非同步參考板測(cè)定[5-8]。

1.2.1.1 野外光譜測(cè)定方法 選擇晴朗無(wú)云之日，于2013年10月31日和11月1—5日的14:00對(duì)在新疆農(nóng)墾科學(xué)院選擇的100個(gè)樣本點(diǎn)進(jìn)行測(cè)定。利用GPS對(duì)測(cè)定的樣本點(diǎn)進(jìn)行定位。田間測(cè)定時(shí)視場(chǎng)角設(shè)為25°，光譜儀探頭距地表約100 cm，每次測(cè)定10條曲線，掃描時(shí)間為0.2 s。測(cè)定前后用白板進(jìn)行校正[9]。

1.2.1.2 室內(nèi)光譜測(cè)定方法 進(jìn)行室內(nèi)光譜反射率的測(cè)量，首先將處理好的土樣置于直徑15 cm深2 cm的容器中，以5°視場(chǎng)角的光纖探頭在天頂距土壤樣本表面30 cm處，光源為距土壤表面50 cm能夠提供天頂角為15°的1 000 W鹵光燈光源的平行光，以白色參考板獲取絕對(duì)反射率；每個(gè)樣品在視場(chǎng)范圍內(nèi)重復(fù)測(cè)定10次，各處理測(cè)定前后用白板進(jìn)行校正[10]。計(jì)算公式如下。

1.2.2 土壤室內(nèi)測(cè)定方法 采用GPS定位進(jìn)行采樣（圖1），所有土壤樣品采樣深度均為0～20 cm，樣品經(jīng)風(fēng)干、研磨并通過(guò)1 mm孔篩，裝入容器，用于土壤的實(shí)驗(yàn)室理化性狀分析及光譜測(cè)定[11-12]。

采用凱氏蒸餾法測(cè)定土壤全氮含量，計(jì)算公式如下。

式中，V表示滴定土壤樣品酸標(biāo)準(zhǔn)溶液的體積（mL）；V0表示滴定空白酸標(biāo)準(zhǔn)溶液的體積（mL）；C表示酸標(biāo)準(zhǔn)溶液的濃度（mol/L）；0.014為氮原子的毫摩爾質(zhì)量；m為風(fēng)干試樣質(zhì)量（g）。

1.2.3 高光譜分析技術(shù)

1.2.3.1 高光譜數(shù)據(jù)的變換 使用常用的高光譜變換形式對(duì)所獲得的光譜數(shù)據(jù)進(jìn)行變換，主要有微分變換、對(duì)數(shù)變換及對(duì)數(shù)的微分變換等[13]。本試驗(yàn)采用反射率的平方根以及其相應(yīng)的一階微分和二階微分進(jìn)行計(jì)算，其方法如下。

式中，λi為各波段波長(zhǎng)，R′（λi），R″（λi）分別為波長(zhǎng)的一階微分光譜和二階微分光譜，Δλ是波長(zhǎng)λi＋1到λi的間隔。

1.2.3.2 光譜數(shù)據(jù)預(yù)處理 采用移動(dòng)平均法對(duì)頻率較高的數(shù)據(jù)進(jìn)行去噪，即對(duì)測(cè)定樣本某一點(diǎn)前后光譜取平均值，作為該點(diǎn)的測(cè)定值[14]。計(jì)算公式為：

式中R′i為該樣本第i點(diǎn)的反射率值（均值），k＝1，2，3，……，n。

由于上述方法只對(duì)可見(jiàn)光到近紅外（350～1 300 nm）的去噪效果較好，短波紅外去噪則使用多點(diǎn)光譜抽樣平滑的方法進(jìn)行，本試驗(yàn)所用的實(shí)際為9點(diǎn)加權(quán)抽樣平滑的方法[15]，其計(jì)算公式如下。

式中，R′i是經(jīng)平滑后的樣本反射率值，i－4，i－3，i－2，i－1，i，i＋1，i＋2，i＋3，i＋4分別表示以i為中心的9個(gè)測(cè)點(diǎn)。

1.2.3.3 采用的統(tǒng)計(jì)模型類(lèi)型 為了通過(guò)光譜方法來(lái)估測(cè)土壤特征參數(shù)，需要建立由土壤高光譜變量為自變量的回歸估算模型[16-17]。本研究擬采用的回歸模型主要有：線性函數(shù)（y＝a＋bx）；對(duì)數(shù)函數(shù)（y＝a＋b ln x）；指數(shù)函數(shù)（y＝a·expbx）；冪函數(shù)（y＝axb）；一元二次函數(shù)（y＝ax2＋bx＋c）；一元三次函數(shù)（y＝ax3＋bx2＋cx＋d）。

其中，y代表擬合值，x代表光譜變量，a，b，c，d均為常數(shù)。

2 結(jié)果與分析

2.1 土壤全氮含量特征波段篩選

根據(jù)光譜反射率的不同變換形式與土壤全氮含量的相關(guān)關(guān)系，初步篩選了敏感波段[18]，通過(guò)相關(guān)分析，可以初步篩選到有關(guān)土壤全氮含量達(dá)到顯著相關(guān)水平的敏感波段（表1）。

經(jīng)過(guò)篩選，土壤全氮含量與其光譜反射率倒數(shù)的二階導(dǎo)數(shù)形式相對(duì)于其他變換形式相關(guān)性最好，在1 615 nm處，達(dá)到最大正相關(guān)系數(shù)0.995 0；反射率對(duì)數(shù)的二階微分和反射率倒數(shù)的一階微分變換形式的相關(guān)性也較好。

表1 土壤全氮含量的光譜敏感波段篩選

從表1可以看出，全氮含量與土壤原始光譜反射率在1 867 nm處呈極顯著負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.939 2；在所有的反射率光譜變換形式中，以反射率倒數(shù)的二階導(dǎo)數(shù)與全氮含量相關(guān)性最好，在1 029 nm處呈最大負(fù)相關(guān)，相關(guān)系數(shù)為-0.995 03；敏感波段為610，1 248，1 331，1 533，1 615，1 659，1 800，1 984，2316，2 456，2 497 nm。

2.2 基于NDI的土壤全氮（TN）含量估算模型的建立

試驗(yàn)以NDI為自變量、土壤全氮含量為因變量，采用上述6種統(tǒng)計(jì)模型計(jì)算方法建立相應(yīng)的土壤全氮含量預(yù)測(cè)模型（圖2）。

從圖2可以看出，用歸一化光譜指數(shù)NDI預(yù)測(cè)土壤全氮含量的6種估計(jì)模型中，指數(shù)函數(shù)模型的復(fù)相關(guān)系數(shù)最高，為R2＝0.798 2；冪函數(shù)模型方程的復(fù)相關(guān)系數(shù)次之，為R2＝0.745 3；再次是一元三次函數(shù)和一元二次函數(shù)模型的復(fù)相關(guān)系數(shù)也較高，分別為R2＝0.568 1，R2＝5 655；對(duì)數(shù)函數(shù)模型的復(fù)相關(guān)系數(shù)最低，為R2＝0.285 8。不同的統(tǒng)計(jì)模型均具有較高的復(fù)相關(guān)系數(shù)，因此，可以通過(guò)光譜技術(shù)較好的估測(cè)土壤全氮含量，同時(shí)通過(guò)NDI預(yù)測(cè)土壤全氮含量是可行的，其與土壤全氮含量之間的關(guān)系如下。

2.3 基于NDI預(yù)測(cè)土壤全氮（TN）含量擬合模型的檢驗(yàn)

通過(guò)驗(yàn)證樣本對(duì)建立的6種預(yù)測(cè)土壤全氮的模型進(jìn)行了檢驗(yàn)，由表2可知，指數(shù)函數(shù)建立的估算模型方程預(yù)測(cè)效果最好，其預(yù)測(cè)值與實(shí)測(cè)值的擬合度為0.798 2，較其他模型高，且具有最小均方根差0.000 2，可見(jiàn)，土壤全氮的光譜預(yù)測(cè)值與其實(shí)側(cè)值之間具有很好的相關(guān)性，可用來(lái)較精確地預(yù)測(cè)土壤中的全氮含量；以?xún)绾瘮?shù)建立的相關(guān)數(shù)學(xué)模型其預(yù)測(cè)值與實(shí)測(cè)值的擬合度為0.745 3也較高；而以對(duì)數(shù)函數(shù)和簡(jiǎn)單線性函數(shù)建立的模型方程預(yù)測(cè)結(jié)果偏低。

表2 基于NDI預(yù)測(cè)土壤全氮含量（TN）的擬合模型（n＝25）

3 結(jié)論

土壤光譜反射率與土壤全氮含量之間呈較好的相關(guān)性。其中，全氮含量與土壤原始光譜反射率在1 867 nm處呈現(xiàn)極顯著負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.939 2；在所有的反射率光譜變換形式中，以反射率倒數(shù)的二階導(dǎo)數(shù)與TN相關(guān)性最好，在1 029 nm處呈最大負(fù)相關(guān)，相關(guān)系數(shù)為-0.995 03；敏感波段為610，1 248，1 331，1 533，1 615，1 659，1 800，1 984，2 316，2 456，2 497 nm；光譜反射率經(jīng)過(guò)對(duì)數(shù)及倒數(shù)變換后，并沒(méi)有明顯改善其與土壤全氮含量的相關(guān)性，反而在某些波段的相關(guān)性有所減弱；而微分變換后使得部分波段與TN的相關(guān)性得到加強(qiáng)，敏感波段增加。

基于NDI預(yù)測(cè)土壤全氮含量的估算模型中，以指數(shù)函數(shù)關(guān)系模型（yTN＝0.000 5e4.7003xNDI，R2＝0.798 2）為預(yù)測(cè)土壤全氮含量的最優(yōu)模型；基于歸一化光譜指數(shù)NDI在預(yù)測(cè)土壤全氮含量時(shí)表現(xiàn)出較好的效果。

［1］常慶瑞.遙感技術(shù)導(dǎo)論[M].北京：科學(xué)出版社，2004.

［2］吳昀昭，田慶久，季峻峰，等.土壤光學(xué)遙感的理論、方法與應(yīng)用[J].遙感信息，2003（1）：39-47.

［3］徐金鴻，徐瑞松，夏斌，等.土壤遙感監(jiān)測(cè)研究進(jìn)展[J].水土保持研究，2006，13（2）：17-20.

［4］Price S D.Satellite remote sensingof primary production:comparison of results for Sahelian grasslands[J].Int J Remote Sensing，1991，12（6）：1301-1311.

［5］Chong D L S.Relating the global vegetation index to net primary productivity and actual evapotranspiration over Africa[J].Int J Remote Sensing，1993，14（8）：1517-1546.

［6］Xiao QG，Chen W Y，Du P，et al.Monitoring the ecological transect in east Asiamonsoon region by meteor logical satellite remote sensing[J].Acta Botanica Sinica，1997，39（9）：826-830.

［7］馮云山.吉林省主要土壤光譜特征的研究 [J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，1988，10（4）：42-46．

［8］馮云山，吳培祥，劉亞娟，等.土壤反射光譜特性研究[J].吉林農(nóng)業(yè)大學(xué)報(bào)，1989，11（2）：72-76.

［9］Arshad M A，Coen G M.Characterization ofsoil quality：physical and chemical criteria[J].Am Alternative Agric，1992，7：12-16．

［10］王紹慶.土壤和水體反射光譜特性及其應(yīng)用[M]//童慶喜.中國(guó)典型地物波譜及其特征分析.北京：科學(xué)出版社，1990：611-618.

［11］徐彬彬.中國(guó)陸地背景和土壤光譜反射特性地理分區(qū)的初步研究[J].環(huán)境遙感，1991（6）：142-151.

［12］劉磊，沈潤(rùn)平，丁國(guó)香.基于高光譜的土壤有機(jī)質(zhì)含量估算研究[J].光譜學(xué)與光譜分析，2011（3）：762-766.

［13］李偉，張書(shū)慧，張倩，等.近紅外光譜法快速測(cè)定土壤堿解氮、速效磷和速效鉀含量[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（1）：55-59.［14］魏娜，姚艷敏，陳佑啟.高光譜遙感土壤質(zhì)量信息監(jiān)測(cè)研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào)，2008，24（10）：491-496.

［15］畢衛(wèi)紅，陳俊剛，白立春.基于近紅外光譜技術(shù)預(yù)測(cè)土壤中的全氮含量[J].分析儀器，2006（3）：47-49．

［16］張雪蓮，李曉娜，武菊英，等.不同類(lèi)型土壤總氮的近紅外光譜技術(shù)測(cè)定研究[J].光譜學(xué)與光譜分析，2010，30（4）：906-910.

［17］張春桂，張星，陳敏艷，等.福建近岸海域懸浮泥沙濃度遙感定量監(jiān)測(cè)研究[J].自然資源學(xué)報(bào)，2008，23（1）：150-160.

［18］盧艷麗，白由路，王磊，等.黑土土壤中全氮含量的高光譜預(yù)測(cè)分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，2 6（1）：256-261.

Predicting of Soil Total Nitrogen Content Based on Hyperspectral Data

ZHANG Qiang，ZHANG Guolong，ZHANG Ze，Lü Xin
（College ofAgronomy，Shihezi University，Shihezi 832003，China）

According to spectral correlation analysis of different soil characteristics,the paper studied the relationship between spectra of differentsoil characteristicsand soil total nitrogen content,selected the optimum parameters of spectral characteristics for predicting the total nitrogen content in soil,and built the relevantpredictingmodel.The results showed that therewas a good correlation between soil spectral reflectance and soil total nitrogen content.Among them,the total nitrogen contentand original soil spectral reflectance were very significant negative correlation at 1 867 nm,the correlation coefficient reached-0.939 2.Predicting model based on NDI to predictsoil total nitrogen content,the index function relationmodel（yTN＝0.000 5e4.7003xNDI,R2＝0.798 2）was the optimal model predict the soil total nitrogen content,the optimal model based on the normalized spectral index NDI in prediction of soil total nitrogen content showed abettereffect.

hyperspectral;soil;total nitrogen;estimatingmodel

S153.6＋1

A

1002-2481（2016）07-0972-05

10.3969/j.issn.1002-2481.2016.07.19

2016-03-23

國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目（2012AA101902）；國(guó)際科技合作項(xiàng)目（2015DFA11660）；校級(jí)項(xiàng)目（RCZX201522）

張 強(qiáng)（1990-），男，山西晉城人，在讀碩士，研究方向：作物信息技術(shù)與精準(zhǔn)農(nóng)業(yè)。呂 新為通信作者。