基于反射光譜的宅基地復墾區土壤養分元素含量估算研究

石磊

摘 要：隨著新型農村居民區建設的不斷發展，農民搬離原有居住區或遺棄村中舊房，導致村內大量舊宅基地閑置，荒草叢生，形成了大量廢棄地坑窯洞。宅基地復墾改變了原有地形地貌，對已經熟化的土壤耕層進行了翻動。但目前，對生土在耕作后磷、鉀等營養元素的含量變化研究較少。由此，本研究對原始反射光譜進行NOR、MSC、SNV處理后，分別進行一、二階微分、反射率倒數對數變換，并采用偏最小二乘回歸法分別建立了P、K兩種重金屬元素的最優高光譜估算模型。研究表明，研究區土壤中P較為豐富，K為豐富;進行微分變換可以提高土壤中養分元素與反射光譜的相關性，使用其形成相關性較高的組合波段，使模型的穩定性和預測能力提高。

關鍵詞：宅基地復墾;Vis-NIR;養分元素;反射光譜

中圖分類號：S151.9 文獻標識碼：A 文章編號：1003-5168（2019）23-0144-03

Estimation of Soil Nutrient Element Content in Reclamation Area

of Homestead Based on Reflectance Spectrum

SHI Lei1，2，3，4

（1.Shaanxi Institute of Land Engineering Construction Co. Ltd.，Xi'an Shaanxi 710075;2.Institute of Shaanxi Land Engineering and Technology Co.， Ltd.，Xi'an Shaanxi 710075;3.Key Laboratory of Degraded and Unused Land Consolidation Engineering， Ministry of Land and Resources，Xi'an Shaanxi 710075;4.Shaanxi Provincial Land Consolidation Engineering Technology Research Center，Xi'an Shaanxi 710075）

Abstract： With the continuous development of new rural residential area construction， farmers move out of the original residential area or abandon the old houses in the village， resulting in a large number of old residential land idle， overgrown with weeds， forming a large number of abandoned pits and caves. Homestead reclamation has changed the original topography and topography， turning the ripened soil tillage. However， there are few studies on the changes of phosphorus， potassium and other nutrient elements in raw soil after tillage. In this study， NOR， MSC and SNV were used to process the original reflectance spectra， and the first and second order differential and reciprocal logarithmic transformation of reflectance were performed respectively. The optimal Hyperspectral Estimation Models of P and K heavy metals were established by partial least squares regression. The results show that P is abundant and K is abundant in the soil of the study area. Differential transformation can improve the correlation between soil nutrient elements and reflectance spectra， and use it to form a combination band with high correlation， so as to improve the stability and prediction ability of the model.

Keywords： homestead reclamation;Vis-NIR;nutrient elements;reflective spectrum

宅基地復墾是指依據土地利用總體規劃以及土地整治開發規劃方案，對荒廢或者利用率極低的宅基地，復墾為耕地的行為[1]。在空心村土地整理實施過程中，改變了原有地形地貌，對已經熟化的土壤耕層進行了翻動。但目前，對生土在耕作后磷、鉀等營養元素的含量變化研究較少[2]。目前，人們主要通過對待測樣品進行化學實驗，并通過計算得出土壤P、K含量[3，4]。傳統檢測方法中的化學實驗較為煩瑣，且成本較高，不同的元素需要不同的前處理與實驗儀器，在大規模的土壤質量調查研究中效率較低。而高光譜技術可檢測的信息豐富、方便快捷，且不破壞供試土壤樣品的理化結構，因此，被廣泛應用于土壤氮、磷、鉀等元素含量的預測[5，6]。近年來，國內外學者在利用高光譜反演土壤有機質、氮、磷、鉀等方面進行了大量研究，為本研究提供了諸多借鑒[7]。Vis-NIR光譜和化學計量學的結合為準確、快速監測土壤在處理過程中的性質（磷、鉀元素）變化提供了一種理想的方法，而無需化學分析。目的是建立澄城縣空心村土壤質量定量模型，評價土壤光譜對土壤理化性質的預測能力。

1 材料與方法

1.1 土樣采集

采用“S”布點法進行土壤樣品采集，去除表層雜質，使用反射探頭對土壤進行反射光譜測量，總計49個土壤樣品。將土壤樣品去除其他雜質，在自然條件下風干后混合均勻，取300g樣品并過孔徑0.149mm篩用于室內氮、磷、鉀含量測定。磷（P）、鉀（K）元素統計特征如表1所示。

1.2 光譜數據測定

選定測試樣點位置，使用便攜式ASD HR地物光譜儀對樣點進行土壤反射光譜測定。地物光譜儀波長范圍為300 ～2 500nm，采樣帶寬為1.3nm（350～ 1 000nm）和2nm（1 000～2 500nm），重采樣間隔為1nm，前端2cm的視野區可以避開土壤中的雜質干擾反射。

2 數據分析

2.1 光譜微分變換

對原始反射光譜進行反射率倒數對數、一階、二階微分變換，分析土壤光譜反射率，對其做3種變換，用于尋找適宜于不同元素的響應區域。一階、二階微分變換增加反射率與測試元素間的相關性，也可限制或消除部分線性、接近線性的背景的影響。以一階微分[ρ'λi]、二階微分[ρ''λi]分別表示土壤原始光譜反射率，并進行變換。計算公式為：

[ρλi=ρλi+1-ρλi-1/Δλ]? ? ? ? ? ? ? ? ? ? （1）

[ρλi=ρλi+1-ρλi-1/Δλ]? ? ? ? ? ? ? ? ? ? ? ? ?（2）

式中，[λi]為波長[i]nm的波段，[Δλ=λi+1-λi=10 nm]，[i]=400，410，…，2 450nm。

對數變換不但增強了可見光光譜的差異性，而且減少了光照條件下乘性因素的影響，對光譜數據做倒數的對數變換[log1ρλi]。

2.2 數據建模與驗證

TQ Analyst根據馬氏距離隨機將全部數據集分為建模集和驗證集，并采用PLS法建立預測模型。模型結果采用決定系數[R2]、均方根誤差RMSE進行驗證。計算公式如下：

[R2=i=1nyi-yi2i=1nyi-yi2]? ? ? ? ? ? ? ? ? ? ? ? ?（3）

[RMSE=1ni=1nyi-yi2]? ? ? ? ? ? ? ? ? ? ?（4）

式中，[yi]和[yi]分別為檢驗樣本的觀測值和預測值;[yi]為樣本觀測值的平均值;[m]為校正集的樣品數量;[n]為驗證樣本數量。

3 結果與討論

3.1 土壤養分元素含量分析

供試土壤類型為土，共采集土壤樣品49個。其中，土壤pH值介于7.59～8.29，屬于堿性土壤。土壤中P的含量介于44.78～172.64mg·kg-1，根據農用地質量分等標準，表現為較豐富。土壤中的K的含量介于9.23～84.62mg·kg-1，根據農用地質量分等標準，表現為豐富。

3.2 模型的建立

原始反射光譜作為對照組，對反射光譜數據經過SNV、MSC、NOR處理，分別進行一、二階微分和反射率倒數對數變換后均進行Savitzky–Golay平滑，采用PLSR建立對應的估算模型，并使用決定系數和均方根誤差進行檢驗。

針對不同光譜指標R、R+SG、R+SG+FD、R+SG+SD和R+SG+MSC，采用偏最小二乘回歸法分別建立估算模型。通過與參照組對比：經過預處理及微分變換后建立的回歸模型，無論是建模精度還是預測精度，均比基于原始數據建立的模型效果要好。

4 結論

本研究對原始反射光譜進行NOR、MSC、SNV處理后，分別進行一、二階微分、反射率倒數對數變換，并采用偏最小二乘回歸法分別建立了P、K兩種重金屬元素的最優高光譜估算模型。通過模型模擬計算，得到以下結論。

①研究區土壤中P較為豐富，K為豐富，對區域內的農作物生長有較大促進作用。

②對反射光譜數據經過SNV、MSC、NOR處理，分別進行一、二階微分和反射率倒數對數變換，降低了土壤顆粒表面散射、粒徑大小不均勻等因素對光譜反射的影響。進行微分變換可以提高土壤中養分元素與反射光譜的相關性，使用其形成相關性較高的組合波段，使模型的穩定性和預測能力提高。

參考文獻：

[1]Yang Z， Liu Y， Wu W， et al. Effects of rural–urban development transformation on energy consumption and CO2 emissions： A regional analysis in China[J]. Renewable & Sustainable Energy Reviews，2015（53）：863-875.

[2]Liu Y. Revitalize the world's countryside[J].Nature，2017（7667）：275-277.

[3]周清，周斌，張楊珠，等.成土母質對水稻土高光譜特性及其有機質含量光譜參數模型影響的研究初探[J].土壤學報，2004（6）：905-911.

[4]陳玉福，孫虎，劉彥隨.中國典型農區空心村綜合整治模式[J].地理學報，2010（6）：727-735.

[5]Li C， Wu K. Driving forces of the villages hollowing based on geographically weighted regression model： a case study of Longde County， the Ningxia Hui Autonomous Region， China[J]. Natural Hazards，2017（3）：1059-1079.

[6]Al-abbas A H， Swain P H， BAaumgardner M F. Relating organic matter and clay content to the multispectral radiance of soils[J]. Soil Science，1972（6）：477-485.

[7] Siebielec G， Mccarty G W， Stuczynski T I. Near- and mid-infrared diffuse reflectance spectroscopy for measuring soil metal content[J].Journal of Environmental Quality，2004（6）：2056-2069.