基于可見-近紅外光譜與化學屬性的土壤來源地判別*

張欣躍 趙玉國? 劉 峰 曾 榮 高 鴻 林 卡 張甘霖

（1土壤與農業可持續發展國家重點實驗室（中國科學院南京土壤研究所），南京 210008）

（2 中國科學院大學，北京 100049）

（3 南京信息工程大學地理科學學院，南京 210044）

（4 南京師范大學地理科學學院 南京師范大學虛擬地理環境教育部重點實驗室，南京 210023）

土壤受發生環境的影響，存在高度空間異質性［1-2］。直接表現為土壤化學屬性的區域差異。這種土壤化學性質的差異已被應用于法庭土壤學中。一百多年前，Georg Popp作為第一個向法庭提交土壤地質材料的科學家來幫助刑事案件偵查，隨后法庭地質學逐漸在理論和實踐中取得了較大進展［3］。土壤的成分組成可以用來預測土壤的來源位置［4］，Menchaca等［5］利用土壤的顏色、粒度等屬性開發了南加州的表土變異性取證數據庫，從而確定土壤樣本證據的來源位置。利用土壤的基本化學屬性數據進行土壤物證材料的空間溯源是法庭物證領域的重要方向［6-7］。

但在實際案例中，土壤物證材料往往是痕量、微量存在，不易獲得上述應用中所需的化學分析指標，而土壤光譜能夠綜合反映部分土壤化學屬性，且測量快速、便捷、所需樣品量少，且無損［8］?，F今，土壤光譜已經廣泛地應用于土壤屬性的預測、制圖等方面，特別是在土壤有機質、全氮、Fe、水分、部分黏土礦物等具有光譜響應的屬性上獲得較高的預測精度［8-11］。研究表明土壤光譜用于分類很有前景［11,9］，Bellinaso等［11］建立了巴西幾個農業區的光譜庫，利用光譜主成分及每個剖面的光譜曲線圖，來指示不同的土壤類型及剖面分類。土壤光譜也被用來指示土壤所在區域。吳豪翔和王人潮［12］均通過對南方山地丘陵的幾種土壤光譜進行研究，選出10個特定波段的光譜來指示相應地區的土壤。徐彬彬等［13］通過對全國土壤光譜反射特性的研究，找出了我國土壤的分布規律，建立了土壤光譜與時空特征間的相關關系。但是，土壤光譜應用于物證溯源的研究尚少，基于土壤發生學的理解和土壤空間變異規律，借助土壤光譜這一綜合性指標來指示土壤物證材料的來源地在法庭物證領域是否具有應用前景，以及土壤光譜的物證溯源能夠達到怎樣的空間精度，是一個具有實際價值的挑戰性工作［14］。

本研究的目標是，基于土壤可見-近紅外光譜與土壤化學屬性數據，采用隨機森林方法，分別從省域間尺度與省域內尺度上對土壤的來源地進行判別，判別未知土壤樣點的來源，并探討不同的判別因子對結果的影響。

1 材料與方法

1.1 研究區概況

本研究選取黑龍江、安徽和江蘇三個省份以及安徽省的定遠、宣城與蒙城三個縣作為研究區。黑龍江省介于121°11′～135°05′E，43°26′～53°33′N之間，屬溫帶大陸性季風氣候，主要土壤類型為黑土、白漿土、草甸土、沼澤土等。安徽省介于114°54′～119°37′E，29°41′～34°38′N之間，屬暖溫帶與亞熱帶的過渡地區，主要土壤類型有水稻土、紅壤、砂姜黑土等。江蘇省地跨116°18′～121°57′E，30°45′～35°20′N，同屬于溫帶向亞熱帶的過渡性氣候，主要土壤類型有：水稻土、潮土、棕壤、黃棕壤等。選擇土壤類型相似的安徽省與江蘇省，以及土壤差異較大的黑龍江省，比對模型方法在土壤類型相似與差異較大的省域間的應用精度。

1.2 土壤樣本采集

為了盡可能避免樣品數量對建模結果的影響，三省采集數量相當的樣點：安徽100個，黑龍江98個，江蘇89個（利用部分樣點（77個）化學數據進行建模），樣點分布如圖1a，其位置的確定均采用綜合地理單元法。按照中國土壤系統分類標準中土綱級別，對采集的樣點分類，樣點土壤類型見表1。為探索不同尺度下樣點判別精度，本研究還選取了安徽的定遠、宣城與蒙城三地各23、22、21個點，來進一步探究省域內樣點的判別情況，樣點分布如圖1b，對應土壤類型見表2。在法庭土壤學中，獲取的土壤物證多為表層土壤，本研究選取表層（依據土壤發生劃分層次標準）土壤進行研究。

1.3 土壤光譜與化學數據的測定與處理

本研究中使用的土壤化學數據主要有：pH、有機質、全磷、全鉀、速效磷、CEC。測定方法分別為：pH由水浸提法測定、有機質由重鉻酸鉀-硫酸消化法測定、全磷采用酸溶-鉬銻抗比色法測定、全鉀采用酸溶-火焰光度法測定、速效磷的測定根據不同的土壤性質選擇不同的方法測定（中性和石灰性土壤采用碳酸氫鈉浸提-鉬銻抗比色法，酸性土壤采用氟化銨、鹽酸浸提-鉬銻抗比色法）、CEC采用乙酸銨-EDTA交換法測定［15］。

光譜測定在室內完成，將采集的表層土樣經室內風干、去雜、研磨過60目篩，然后將過篩后的土樣置于烘箱中，45℃條件下烘24 h。采集光譜前，將烘好的土樣置于干燥器中待測。測量時取適量土樣（約1.2～1.5g）于樣品池，利用Cary 5000分光光度計采集光譜數據，采集的波段范圍為350～2 500 nm。在可見光波段（350～700 nm）和近紅外波段（700～2 500 nm）的光譜分辨率分別為＜0.048 nm和＜0.2 nm，光譜的重采樣間隔為1 nm，共采集2 151個波段。

圖1 研究區位置和土壤樣點分布圖Fig.1 Study area and distribution of soil sampling sites

表1 黑龍江、安徽和江蘇三省樣點土壤類型Table 1 Soil types of the samples collected in Heilongjiang, Anhui and Jiangsu Provinces

表2 定遠、宣城和蒙城三縣市樣點土壤類型Table 2 Soil type of the soil samples collected in Dingyuan, Xuancheng and Mengcheng Counties

光譜數據的處理主要是吸收峰與主成分的提取。吸收峰特征參數是光譜經連續統去除后提取的，能反映對應波段相應物質含量，比如，Viscarra和Behrens［16］在2 300 nm附近存在一個與有機質相關的C-H的特征峰，Fabrizzi等［17］發現700～800 nm區域與土壤腐殖質以及色素密切相關。本研究提取連續統去除后的光譜吸收峰的部分相關特征參數來進行研究。具體步驟如下：（1）在The Unscrambler中對所有樣點的光譜進行異常值剔除；（2）對光譜進行連續統去除，來提取分析土壤光譜吸收峰。連續統是一個逐點直線連接光譜上局部光譜反射極值點的凸殼，連續統去除法處理后的反射率等于在光譜吸收特征處的每個波段的反射率值除以連續統直線上相對應波段處的反射均值［18］。（3）計算連續統去除后前十個吸收峰（按深度排序）的部分特征參數：吸收峰的起始位置波長、終止位置波長、深度、寬度、面積、偏度、吸收峰最深處對應的波長共七個參數。

獲取光譜主成分，以10 nm為采樣間隔，對所有樣點350 ～ 2 500 nm波段的光譜進行重采樣，然后提取主成分。在提取出的主成分中，前7個主成分方差累計貢獻率達99.9%，故取前七個主成分用于建模分析。土壤光譜數據的處理均在R語言計算環境中實現。

1.4 研究方法

本研究選擇了隨機森林方法來對土壤樣點進行區分，從省域間（黑龍江、安徽與江蘇）和省域內（安徽的定遠、宣城與蒙城）兩個尺度展開研究，分別利用化學數據、光譜數據作為判別因子，來判別未知樣點的來源地。

判別因子從化學數據、光譜數據、化學與光譜組合三種數據組合中獲取，其中光譜數據包括350～2 500 nm波段全波段的光譜反射率（下文簡稱全波段）、吸收峰的7個特征參數（下面簡稱吸收峰）、光譜的前7個主成分（下文簡稱主成分）、吸收峰與主成分的組合（下文簡稱吸收峰與主成分）?；瘜W與光譜組合包括化學數據與全波段（下文簡稱化學與全波段）、化學數據與吸收峰（下文簡稱化學與吸收峰）、化學數據與主成分（下文簡稱化學與主成分）以及化學數據與吸收峰及主成分（下文簡稱化學、吸收峰與主成分）。通過不同數據的組合，探究最佳的模型判別因子。

分類器選擇隨機森林方法，隨機森林模型（Random forest model）是一種對于大多數問題均有效的通用模型，可以處理分類和連續的特征［19］。RF利用bootsrap重抽樣方法從原始樣本中抽取多個樣本，對每個bootsrap樣本進行決策樹建模，然后對多棵決策樹的預測進行投票，得出最終預測結果，RF可以處理大量的數據，運算速度快，且不容易過擬合［20］。

對判別結果選擇留一驗證法進行驗證，利用平衡精度（Balanced Accuracy）來衡量每一類別的判別精度，平衡精度是類別靈敏度（Sensitivity）與特效度（Specificity）的平均值，靈敏度衡量了分類器對正例的識別能力，例如安徽省判別正確樣點占安徽總樣點的比率；特效度衡量了分類器對負例的識別能力，例如，判別正確的非安徽樣點占所有非安徽樣點的比率。平衡精度則綜合了正例與負例的判別精度。對于模型總精度根據精度以及Kappa 系數來衡量，其中精度為正確判別樣點數占總樣點數的比例，精度值越大說明樣點判別結果越好。Kappa系數代表一致性的強弱程度，當Kappa系數小于0時，一致性程度極差；0～0.2之間一致性程度微弱；0.21～0.4之間一致性弱；0.41～0.6之間一致性中度；0.61～0.8之間一致性顯著（或一致性高）；0.81～1.0之間一致性極佳［21-22］。

2 結果與討論

2.1 基于土壤光譜建模判別

利用土壤光譜建模，對未知土壤樣點的來源地進行判別。首先，比較三省可見-近紅外波段光譜（圖2），可以看出，三省光譜存在一定差異。以全波段、吸收峰、主成分、吸收峰與主成分四種判別因子數據方案分別建立隨機森林模型，判別結果的混淆矩陣詳見表3。

全波段、吸收峰、主成分三種不同光譜處理方法中，吸收峰建模整體精度最高，為0.81， Kappa系數為0.72，表現出較好的一致性，而且三省精度差別相對較小，安徽與江蘇的判別精度也最高，利用吸收峰的相關參數能夠對三省樣點做出精度相對均一的判別。結合主成分與吸收峰兩種數據方案，安徽與江蘇的錯判點有所降低，各省判別精度均有所提升，且整體精度達到了0.82，Kappa系數為0.72，說明主成分與吸收峰能夠反映土壤不同的信息，結合建模能達到更好的判別結果。

圖2 黑龍江、安徽和江蘇三省可見-近紅外光譜Fig.2 Vis-NIR spectrum of Heilongjiang, Anhui and Jiangsu Provinces

表3 光譜數據建模判別結果混淆矩陣Table 3 Confusion matrix of the performances of the spectral data based model

三省中黑龍江的判別結果相對較好，錯判點均少于10個，其中利用主成分判別結果最佳，錯判點為4個，精度達到0.95。黑龍江省土壤類型主要是黑土、草甸土等，有機質含量高，而江蘇、安徽省多為水稻土、紅壤等富含鐵元素，這說明，光譜主成分可以很好地代表不同類型土壤的光譜信息，從而對土壤來源地進行判別，這與Zeng等［23］的研究吻合，光譜主成分可以用于輔助土壤分類。所以利用光譜主成分來對三省樣點進行判別，與安徽、江蘇土壤類型相差較大的黑龍江省的樣點得到了很好的判別，而安徽省與江蘇省則相對較差。

通過計算基尼值平均降低量（Mean Decrease Gini，MDG），對判別因子的重要性進行分析。MDG通過基尼（Gini）指數計算每個變量對分類樹每個節點上觀測值的異質性的影響，從而比較變量的重要性，該值越大表示該變量的重要性越大［24］。模型判別因子的MDG（前10位）統計如表4所示。

根據表4，統計重要性高的吸收峰特征參數對應的波段，發現主要集中在500～800 nm、800～1 300 nm以及2 200～2 495 nm附近的波段。有研究表明大部分有機質光譜響應波段均集中在600～800 nm波段［18］；鐵元素決定了760～1 300 nm波段內的光譜特性［18］；2 200 nm波段附近存在Al-OH黏土礦物的吸收帶。黑龍江省多黑土、草甸土等富含有機質，而安徽省、江蘇省多為水稻土、紅壤等，土壤中鐵元素含量較多。從而導致電磁波特性的差異，影響模型的判別，對土壤樣點的來源地判別起到了主要作用。

表4 光譜判別因子基尼值平均降低量（MDG）統計Table 4 Discriminant MDG statistics of spectral factors

以上分析可見，利用土壤可見-近紅外光譜基本上可以對土壤樣點來源地做出有效的判別。當土樣化學數據難以獲取時，可以通過光譜手段對其進行判別。

2.2 基于化學屬性建模判別

土壤光譜對樣點來源地進行判別能夠達到較好的結果，當土壤樣品量足夠，可以獲取其化學數據時，可以利用土壤的部分化學數據來輔助土壤樣點的來源地判別。利用土壤化學屬性建立隨機森林模型，得到判別結果混淆矩陣（表5）。模型判別因子的MDG（前10位）統計如圖3。

表5 化學數據建模判別結果混淆矩陣Table 5 Confusion matrix of the predictions of the soil chemical property data-based model

圖3 化學判別因子基尼值平均降低量（MDG）統計Fig.3 Discriminant MDG statistics of chemical factors

表5判別結果顯示，利用土壤化學數據對土壤樣品來源地判別整體精度可達0.87，Kappa系數為0.81，其中黑龍江的驗證結果最好，為0.93。在影響判別結果的因子中，全鉀和全磷的重要性最大（圖3），計算原始化學數據的均值、標準差等繪制正態分布圖（圖4），圖中顯示安徽的全鉀與黑龍江省和江蘇省的差異較大，而江蘇省的全磷與安徽省和黑龍江省的也有較大差異，同樣黑龍江省有機質含量與其他兩省也存在一定差異。因而，在模型判別中，全鉀、全磷、有機質重要性顯著，與重要性計算結果一致。

2.3 化學數據與光譜數據結合建模判別

將化學數據與光譜數據組合建模進行來源地判別。分別利用化學與吸收峰、化學與主成分，以及三者組合建立隨機森林模型，樣點判別結果混淆矩陣詳見表6。

圖4 三省化學數據正態分布圖Fig.4 Normal distribution of soil chemical property data in three provinces

表6 化學與光譜數據建模判別結果混淆矩陣Table 6 Confusion matrix of the performances of chemical property and spectral data based models

表6混淆矩陣顯示，利用化學與主成分相結合建模，黑龍江的錯判樣點只有1個，安徽與江蘇錯判點分別為7個與13個，兩省間互判錯誤的點分別為5個與9個。三省各自的精度與三省整體精度均達到了0.9以上，整體精度為0.92，Kappa系數為0.88，表現出極佳的一致性。較之前單獨利用化學數據、光譜數據判別結果有了進一步提升。綜合三者建模后，判別精度變化不大。統計判別因子重要性（前十）見表7。

表7 判別因子MDG統計Table 7 MDG statistics of discriminant factors

重要的判別因子（表7）主要有全磷、全鉀、光譜的第一主成分，其次還有光譜第一個與第二個吸收峰的相關參數、有機質等，其中吸收峰對應的為350～600 nm與1 800～2 200 nm附近的波段，有研究表明，氧化鐵在300～580 nm可見光區可形成很強的鐵譜帶［18］，1 800～2 200 nm則受AL-OH黏土礦物吸收帶的影響?；瘜W與主成分判別結果較吸收峰與主成分要好，可能是因為吸收峰對應的礦物、鐵元素等屬性較化學數據判別效果差，使得結合化學與主成分的判別精度更佳。

基于以上分析，利用光譜前七個主成分與化學數據相結合對安徽省、黑龍江省與江蘇省樣點進行判別，驗證精度能夠達到0.92，說明在省域間大范圍內可以對樣點的來源地做出很好地判別。

2.4 省內不同縣市樣本的建模判別

在省級尺度可以對土壤來源進行很好地區分，省內縣級尺度間的土壤變異更小，本研究嘗試是否可以溯源到具體的縣。在省內尺度對安徽省三個縣的樣本進行了來源地判別。判別結果的混淆矩陣及精度見表8。

表8 模型判別結果Table 8 Performances of the Models

由表8的混淆矩陣可以看出，在省域內建模，化學數據建模結果并未優于光譜數據，而且利用化學與主成分和利用主成分與吸收峰建模的判別精度只有0.1之差，說明在安徽省域范圍內，可以利用光譜來取代化學數據建模。計算二者建模判別因子的MDG，在只用光譜數據的模型中，光譜第七主成分與第一個吸收峰特征參數重要性較高，第七主成分對應光譜的600 nm附近、1 900 nm附近與2 100 nm附近波段，吸收峰主要對應350～600 nm附近與1 800～2 100 nm附近波段，即受鐵譜帶、黏土礦物吸收帶的影響；化學數據與主成分建模中，重要性較高的為光譜第七主成分與土壤全磷。

同樣，利用原始化學數據均值、標準差等繪制化學屬性正態分布圖（圖5），圖中顯示宣城與蒙城的全磷含量有差異，蒙城、定遠和宣城的pH也存在明顯差異，所以在省內判別時，全磷與pH的重要性比較大，與MDG計算結果一致。

圖5 三縣化學數據正態分布圖Fig.5 Normal distribution of soil chemical property data of three counties

3 結 論

基于土壤化學數據與可見光-近紅外光譜數據，采用隨機森林方法，對土壤來源地進行了判別與分析，主要結論如下：利用土壤可見-近紅外光譜與化學數據可以對跨省及省內兩種尺度下的土壤樣本來源地進行有效判別。其中，跨省尺度下，光譜主成分和化學數據結合建模判別精度最佳，當土壤物證材料量少，化學數據難以獲取時，可以結合利用光譜主成分和吸收峰建模；省內尺度下可以利用光譜來替代化學數據進行建模判別。兩種尺度下判別因子有差異，可以根據尺度差異選取不同的判別因子進行建模。受本研究所采用的數據集所限，雖然跨省與省內尺度下土壤樣本可以得到有效判別，但是能夠反映土壤屬性的指標還有很多，還需探究更多的判別因子，尋求模型在判別精度上的進一步提高。本研究是基于跨省和省內較大尺度展開的研究，關于對更進一步的局地土壤樣本來源地的判別，值得進一步研究。