基于不同變換形式的干旱區土壤鹽分高光譜特征反演

李 娟, 陳 超, 王 昭

(1.陜西省土地工程建設集團有限責任公司, 西安 710075;2.西北農林科技大學 林學院, 陜西 楊凌 712100; 3.國土資源部退化及未利用土地整治重點實驗室, 西安 710075)

土壤鹽漬化可造成土壤板結、肥力衰退、作物生產力下降、生態環境惡化，是制約糧食安全、農業發展及生態持續改善的主要因素之一[1-3]。對鹽漬化土壤進行合理開發利用、改良、治理，要求能夠快速、準確、動態地獲取大面積鹽漬化土壤的鹽分信息。傳統土壤鹽漬化的監測采用定點采樣測定方法，耗時長、破壞性及代表性較差，而且對財力也會造成一定的損失，并且無法快捷地獲得動態數據。高光譜遙感憑借其波段多且連續、信息豐富、定量反演精度高等顯著優點，很好地克服了傳統人工地面監測方法的不足，已成為土壤鹽漬化監測領域的一種先進手段[4-5]。

構建土壤鹽分高光譜定量反演模型是土壤鹽漬化高光譜遙感監測的重要內容之一。已有大量研究對不同地區的鹽漬化土壤進行了鹽分高光譜定量反演[6]。何挺等[7-9]以吉林省西部的長嶺縣為研究區，采用神經網絡構建了鹽漬土鹽分高光譜預測模型，決定系數達到0.90；還有研究[10-12]以黃河三角洲東部的永安鎮為研究區，利用野外實測的高光譜數據建立的神經網絡預測模型的預測精度為62.5%。這些研究高光譜遙感監測土壤鹽漬化狀況的研究可為后續研究者提供參考，但目前針對土壤鹽分所建立的高光譜預測模型，都是基于某一特定區域數據所建，而不同區域的成土母質、土壤含鹽量、鹽分離子組成狀況等因素存在一定的差異，導致某一特定地區所建立鹽分高光譜預測模型很難推廣到其他地區。本研究主要是對耕作、灌溉條件等一致的土壤鹽漬化通過定量測定后，與光譜擬合，利用偏最小二乘回歸法進行建模與定量反演，這對預測鹽堿地鹽分含量及鹽堿化程度可提供理論依據，對指導鹽堿地治理及種植具有重要意義。

1 材料與方法

1.1 研究區概況

以陜北省定邊縣為研究區，該區位于毛烏素沙地南緣，是黃土高原與內蒙古鄂爾多斯荒漠草原過渡地帶。典型的溫帶半干旱大陸性季風氣候，春季多風，夏季干旱，秋季陰雨，冬季嚴寒，日照充足，年均氣溫7.9℃，平均降雨量316.9 mm，主要集中在7—9月三個月；平均蒸發量2 490.9 mm，研究區域地勢總體平緩開闊，地下水位較高，土壤鹽漬化嚴重。

1.2 測定項目與方法

(1) 土壤光譜測定。以研究區域中心為起點，沿東、南、西、北四個方向采樣，每個方向的樣點分布于一條直線上，樣點之間的距離為60 m左右，共計取樣點120個。選擇晴朗無風天氣，利用美國ASD 公司生產的FieldSpec 4型地物光譜儀(波長范圍為350～2 500 nm光譜,采樣間隔1.5 nm，光譜分辨率為3.5 nm。采用ASD光譜儀標準配置7.5°視場角)在10：30—13：30測定所選地表植被和粗糙度相當的土壤點進行光譜反射率測定。測量時傳感器探頭垂直向下，距離地面垂直高度約15 cm左右。光譜采樣每10個為一組，每次測定兩組，以其平均值作為該取樣點土壤光譜反射值。為減少大氣變化影響，在每組測量前后都及時進行標準白板校正。

(2) 土壤樣品采集。在采集光譜曲線的土壤點采集表層土壤，每個土樣采集重量為1 kg左右，共采集土樣80個，土樣帶回實驗室后，清除小石塊及作物殘留物等雜質，于實驗室自然風干。風干后的樣品經研磨過2 mm篩，用于鹽分含量和電導率的測定。

(3) 土壤鹽分參數鹽測定。測定土樣的全鹽量和電導率，測定方法參照《土壤農業化學分析方法》[4]。土壤電導率采用水土比為5∶1，利用雷磁電導率儀直接進行測定。全鹽量采用水浴烘干法進行測定。本次采集80個土壤樣品的電導率和含鹽量數據特征見表1。

表1 土樣電導率和全鹽量數據特征

1.3 數據處理

(1) 高光譜數據的處理運用ViewSpecPro 軟件進行，首先加載顯示樣點的光譜曲線(10條)，判斷并剔除離群異常值，取剩余曲線的算術平均值作為該樣點的高光譜特征值。土壤光譜反射率變化格式分別為反射率、反射率的倒數、反射率的對數、反射率的一階微分和反射率倒數的一階微分，字母分別表示為R,1/R,lgR,(lgR)′和(1/lgR)′。

(2) 去噪處理。由于高光譜儀不同波段間能量響應上的差異性，采集的光譜曲線存在高頻噪聲，表現為光譜曲線出現許多細小毛刺，因此，需要對光譜曲線進行平滑處理。常用的光譜平滑方法有靜態平均法、移動平均法、傅里葉級數近似等，本論文采用9點加權移動平均法對光譜反射率數據進行平滑去噪處理，根據距離中心點的距離遠近對每個點賦予不同的權值，離中心點越近，權值越高[7-8]。

(3) 模型精度檢驗。利用偏最小二乘回歸進行分析，以決定系數(Determination coefficient，R2)評價土壤參數與原始光譜反射率特征光譜參量間的擬合效果。以實測值與模型預測值均方根誤差(Root mean square error，RMSE)對模型驗證精度進行評價。

式中：x表示模型擬合值；y表示田間觀測值。

采用Microsoft Excel 2010對數據、圖表進行處理，采用SPSS(PASW Statistics 18)統計分析軟件對數據進行統計分析，并使用Duncan新復極差法(SSR)進行多重比較。

2 結果與分析

2.1 土壤鹽分參數相關性分析

土壤的電導率和含鹽量均可從不同方面反映土壤鹽漬化程度，電導率反映的是土壤中鹽基離子或分子的數量，含鹽量反映的是土壤中鹽基離子或分子的質量[13-15]。圖1為不同取樣點電導率與含鹽量的相關性情況，電導率(x)與含鹽量(y)之間存在正相關關系y=2.49x+5.84，且相關性較高，R2=0.96，達到顯著水平，這與以前的研究結果[12-16]一致，即自然土壤的電導率和含鹽量之間具有較好的相關性，電導率測定比較方便快捷，可根據兩者之間的線性關系，計算土壤含鹽量，而彭杰等[13]研究電導率和含鹽量不一定存在較好相關性，這主要由于對于耕作土壤由于耕作、灌溉及管理因素不同引起土壤鹽分組成的差異性，從而導致電導率和含鹽量相關性減弱，即針對自然或者管理措施一致性的土壤，可利用電導率數據對含鹽量數據進行快捷高效的反演研究。

2.2 土壤光譜特征與鹽分參數相關性分析

部分樣點數據經過ViewSpecPro軟件加載運行后，對異樣數據點進行剔除，對重復點進行算數平均后得出350～2 500 nm間土樣光譜特點，各土壤樣品的電導率和全鹽含量與光譜反射率的相關系數如圖2所示。通過圖2可看出，各樣品的電導率和全鹽與反射率的相關系數表現趨勢一致，呈現峰值和峰谷，并且在1 800～2 100 nm和2 300～2 500 nm水汽帶出現密集波動，該區域不被作為評價區域。各光譜與電導率之間相關系數的取值范圍為0.60～0.80；與全鹽含量相關系數的取值范圍為0.54～0.74。在整個350～2 500 nm波段，土壤指標與光譜反射率擬合特征相關性不顯著，在350～1 000 nm相關系數變化較大，相關性較好，故選取特征波段，對光譜特征的對數、倒數、一階微分和對數一階微分進行變換，選取敏感波段及系數進行遴選。

圖1土壤電導率和全鹽的相關性分析

圖2光譜反射率與電導率和全鹽含量相關系數分析

2.3 電導率與光譜變換特征精度分析

選取各土壤樣品電導率數值在350～1 000 nm波段的反射率進行反演精度擬合分析，本部分的數據采取與多元逐步線性回歸建模時相同的預處理。確定回歸所用成分的個數是影響偏最小二乘回歸模型性能的關鍵步驟。簡單的方法是直接根據提取成分對目標變量方差的解釋程度進行判斷，與常見的主成分分析成分個數確定方法類似，但這種選擇方法往往有失客觀，不易得到最優預測模型。因此需要尋找一種更為客觀和可靠的方法來進行成分個數的選擇。為了避免“過擬合”現象，本研究通過逐一剔除交叉驗證R2的方法來優選引入主成分的個數，以利于模型的泛化。圖3取主成分個數與建模決定系數之間的關系并且驗證其反演精度。

光譜特征參量類型數據經過變換后，其在向量空間中的模式發生改變，對于后續的建立模型影響較大。本研究對反射率光譜的4種變換形式(倒數、對數、倒數的一階微分、對數的一階微分)分別建立了與土壤電導率之間的PLSR模型。4種變換形式通過PLSR建立的電導率預測模型的評價指標見表2。針對本研究的土壤樣品光譜數據，所有變換形式中倒數的一階微分變換對于提高模型預測性能最為顯著，檢驗R2達到0.922 3，RMSE達到0.185 8，比原始光譜有比較大的提高，預測精度提高且準確率比較高；倒數變換下的效果最差，其建模和驗證模型的R2最低，說明該模型的預測精度變化幅度最大，效果最差。

圖3 土壤電導率預測值與實測值比較

2.4 全鹽量與光譜變換特征精度分析

全鹽量的測定是定量描述土壤鹽漬化程度的重要指標，但是對其的測定比較費時和費力，如果能較好地預測該指標的數量，對快速分析土壤鹽分含量具有積極的促進作用。通過對土壤樣品350～1 000 nm波段的光譜反射率在4種變換方式下，利用偏最小二乘回歸對其進行分析，利用建模處理，分析擬合模型和預測模型的區別，利用R2和RMSE檢驗和評價模型的精確度。不同變換形式下，土壤全鹽含量預測值和實測值的關系見圖4，整體擬合模型的精確度較土壤電導率較小，且表現也不盡相同。這主要是由于土壤樣品的差異性和選擇變換模式的靈敏度而決定的。

光譜的4種變換形式(倒數、對數、倒數的一階微分、對數的一階微分)分別建立了與土壤全鹽含量之間的PLSR模型。4種變換形式通過PLSR建立的電導率含量預測模型的評價指標見表3。光譜反射率的一階微分和其對數一階微分建模擬合模型精度較其他變換形式的建模較好，R2取值為0.90～0.92，且與其他處理間差異顯著(p<0.05)，但是驗證模型則綜合考慮R2和RMSE，以光譜反射率和其對數一階微分變換模式最佳，精度較高，其預測值(y)與實測值(x)之間的關系為y=2.34+0.76x；用偏最小二乘法進行土壤全鹽含量高光譜模型研究結果表明，采用不同的光譜預處理方法，運用PLSR建模所得模型的預測效果均較好，說明采用PLSR方法建立的模型具有一定的穩定性和可靠性，且在全鹽量預測中主要以對數一階微分建模為主，預測效果最佳。

圖4 土壤全鹽含量預測值與實測值比較

3 結論與討論

通過采集干旱地鹽堿地土壤耕作層80個土壤樣品，并分別測定土壤鹽分參數即電導率和全鹽含量，分析土壤樣品鹽分參數的相關性，并且對土壤鹽分參數即全鹽量和電導率與土壤光譜特征之間的關系進行了統計分析，遴選了340～1 000 nm土壤光譜的反射率，并且選擇光譜4種變換方式，對不同變換方式下土壤全鹽量與電導率的高光譜定量反演精度進行了對比、分析和篩選。

(2) 土壤鹽分參數與土壤高光譜反射率的相關性曲線的表現趨勢一致，敏感及特征波段所在位置相似。土壤鹽分參數電導率與光譜數據的相關性顯著高于全鹽量。

(3) 利用偏最小二乘回歸模型，以土壤樣品電導率和全鹽量建模時，其建模集和預測集的決定系數均大于以全鹽量所建模型對應的決定系數；同時全鹽量所建模型的均方根差則大于電導率所建模型的該指標。

參考文獻：

[1] 王遵親,祝壽全,俞仁培,等.中國鹽漬土[M].北京:科學出版社,1993.

[2] 楊勁松.中國鹽漬土研究的發展歷程與展望[J].土壤學報,2008.45(5):837-845.

[3] Metternicht G I, Zinck J A. Remote sensing of soil salinity: potentials and constraints[J]. Remote Sensing of Environment, 2003,85(1):1-20.

[4] 鮑士旦.土壤農化分析[M].北京:中國農業出版社,2000:183-188.

在閩西北地區洋桔梗常見蟲害有斑潛蠅、蚜蟲、薊馬、青蟲。斑潛蠅發生期可用20%斑潛凈微乳劑1000倍液噴灑。蚜蟲可用30%蚜虱凈1000～1500倍液進行噴灑。薊馬和青蟲，以預防為主，施藥時注意葉背面噴藥。薊馬一般中后期比較多，特別是花期，可用10%可濕性粉劑吡蟲啉、阿維啶蟲脒乳油(啶蟲脒3%+阿維菌素1%復配混劑)1500倍液等防治。青蟲整個生長周期都要防治，可用可濕性粉劑甲維蟲螨腈(含9.5%蟲螨腈、0.5%甲氨基阿維菌素苯甲酸鹽)防治[6]。

[5] 丁建麗,伍漫春,劉海霞,等.基于綜合高光譜指數的區域土壤鹽漬化監測研究[J].光譜學與光譜分析,2012,32(7):1918-1922.

[6] 史舟,王乾龍,彭杰,等.中國主要土壤高光譜反射特性分類與有機質光譜預測模型[J].中國科學:地球科學,2014.44(5):978-988.

[7] 何挺,王靜,林宗堅,等.土壤有機質光譜特征研究[J].武漢大學學報:信息科學版,2006(11):975-979.

[8] 何挺,王靜,林宗堅,等.土壤氧化鐵光譜特征研究[J].地理與地理信息科學,2006，22(2):30-34.

[9] 陳增文.基于高光譜的土壤有機碳含量估算研究[D].福州:福建師范大學,2009.

[10] 陳鵬飛,劉良云,王紀華,等.近紅外光譜技術實時測定土壤中總氮及磷含量的初步研究[J].光譜學與光譜分析,2008，28(2):295-298.

[11] 李曉明,王曙光,韓霽昌.基于PLSR的陜北土壤鹽分高光譜反演[J].國土資源遙感,2014,26(3):113-116.

[12] 張曉光,黃標,季峻峰,等.基于可見近紅外高光譜的東北鹽漬土鹽分定量模型研究[J].光譜學與光譜分析,2012,32(8):2075-2079.

[13] 彭杰,王家強,向紅英,等.土壤含鹽量與電導率的高光譜反演精度對比研究[J].2014,34(2):510-514.

[14] 劉煥軍,張柏,王宗明,等.基于反射光譜特征的土壤鹽堿化評價[J].紅外與豪米波學報,2008,27(2):138-142.

[15] Dehaan R L, Taylor G R. A remote-sensing method of mapping soils and surficial lags from a deeply weathered and region, near Cobar, NSW, Australia[J]. Geochemistry Exploration Environment Analysis, 2004,4(2):99-112.

[16] 王靜,何挺,李玉環.基于高光譜遙感技術的土地質量信息挖掘研究[J].遙感學報,2005,9(4):438-445.

[17] 程街亮.土壤高光譜遙感信息提取與二向反射模型研究[D]. 杭州:浙江大學,2008.

[18] 程朋根,吳劍,李大軍,等.土壤有機質高光譜遙感和地統計定量預測[J].農業工程學報,2009,25(3):142-147.

[19] 彭杰,劉煥軍,史舟,等.鹽潰化土壤光譜特征的區域異質性及鹽分反演[J].農業工程學報,2014,30(17):167-174.