預(yù)處理對(duì)土壤有機(jī)質(zhì)光譜估算的影響

楊 莎 ，王 超 ，楊武德 ，馮美臣 ，劉婷婷 ，喬星星 ，李廣信 ，張 煊 ，徐 菁，張 月

（1.山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，山西太谷030801；2.沁水縣綜合檢驗(yàn)檢測(cè)中心，山西沁水048200；3.山西省農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，山西太原030031）

土壤有機(jī)質(zhì)（SOM）是表征土壤質(zhì)量的重要參考指標(biāo)，且其與作物生長(zhǎng)緊密相關(guān)。如何準(zhǔn)確地獲取SOM信息是改變土壤的生產(chǎn)力水平、調(diào)控農(nóng)田肥力和作物生長(zhǎng)的關(guān)鍵。SOM質(zhì)量指標(biāo)的傳統(tǒng)測(cè)定方法成本高、操作復(fù)雜，難以滿足現(xiàn)代農(nóng)業(yè)快速發(fā)展的需求[1]。目前，低成本、快速、無(wú)害的光譜技術(shù)被應(yīng)用于農(nóng)業(yè)、化工和食品等領(lǐng)域[2-4]，也可用于分析土壤有機(jī)質(zhì)含量及性質(zhì)方面[5]。

目前，已有諸多研究者利用近紅外光譜監(jiān)測(cè)SOM指標(biāo)的研究方法取得了良好成果。ZORNOZA等[6]對(duì)土壤多個(gè)屬性進(jìn)行光譜監(jiān)測(cè)，結(jié)果證實(shí)，SOM與光譜之間的相關(guān)性最好。GALVA等[7]研究證明了SOM引起光譜在550～700 nm處的吸收。由此表明，土壤高光譜包含著豐富的信息，被廣泛應(yīng)用于估測(cè)土壤的理化性質(zhì)[8]，采用高光譜監(jiān)測(cè)SOM是可行的。在已有研究中，研究者通過(guò)采用不同光譜變換結(jié)合建模方法建立預(yù)測(cè)模型，但缺乏對(duì)多種預(yù)處理結(jié)合建模的了解。

本研究以晉南農(nóng)田土壤為對(duì)象，通過(guò)對(duì)光譜數(shù)據(jù)進(jìn)行變換，分析SOM含量與土壤光譜的相關(guān)性，以確定敏感光譜波長(zhǎng)；并采用多種預(yù)處理方法相結(jié)合建立多元逐步回歸模型，以期實(shí)現(xiàn)SOM含量的光譜監(jiān)測(cè)。

1 材料和方法

1.1 材料

試驗(yàn)在晉南麥區(qū)共采集0～20 cm土層土樣169個(gè)，用密封袋將其帶回實(shí)驗(yàn)室，陰干后過(guò)2 mm篩，備用。

1.2 方法

1.2.1 光譜數(shù)據(jù)處理 為解決因土壤表面吸收、散射引起的信號(hào)強(qiáng)度的線性或非線性變換及信號(hào)噪聲問(wèn)題，去除350～399、2 401～2 500 nm這2個(gè)光譜區(qū)域，對(duì)原波段光譜反射率（R）進(jìn)行一階微分（1st）、多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變換（SNV）、多元散射校正與一階微分相結(jié)合（MSC＋1st）以及標(biāo)準(zhǔn)正態(tài)變換與一階微分相結(jié)合（SNV＋1st）變換。

1.2.2 光譜波長(zhǎng)選擇 為簡(jiǎn)化模型、提高精度，利用對(duì)SOM含量與光譜反射率的不同變換形式進(jìn)行相關(guān)性分析，并根據(jù)相關(guān)系數(shù)最大且需通過(guò)P＝0.01顯著性檢驗(yàn)的標(biāo)準(zhǔn)來(lái)確定敏感波長(zhǎng)。

1.2.3 估測(cè)模型的建立 采用多元逐步回歸（MLR）建立SOM高光譜線性估測(cè)模型，其中，自變量為所有篩選出的敏感波長(zhǎng)，因變量為SOM含量。1.2.4 模型評(píng)價(jià)參數(shù) 模型的檢驗(yàn)采用決定系數(shù)（R2），均方根誤差（RMSE）與相對(duì)分析誤差（RPD），模型的R2越大、RMSE越小和RPD越高，表明模型估算效果好和模型穩(wěn)健度越高[9]。

1.3 測(cè)定項(xiàng)目及方法

使用美國(guó)ASD光譜儀測(cè)定各土壤樣本的高光譜數(shù)據(jù)；采用重鉻酸鉀容量法-外加熱法測(cè)定SOM含量[10]。

1.4 數(shù)據(jù)分析

應(yīng)用The Unscramble X 10.4軟件分析數(shù)據(jù)，使用Origin 9進(jìn)行作圖。

2 結(jié)果與分析

2.1 SOM含量的描述性統(tǒng)計(jì)分析

將169個(gè)土壤樣本隨機(jī)分為建模集（110個(gè)）和驗(yàn)證集（59個(gè)）。各數(shù)據(jù)集SOM的描述性統(tǒng)計(jì)分析如表1所示。

表1 樣本集SOM含量的描述性統(tǒng)計(jì)分析

由表1可知，SOM樣本集最大值為15.471 g/kg，最小值為0.411 g/kg，表明取樣點(diǎn)的SOM含量相差較大。總樣本集的變異系數(shù)為47.86%；建模樣本集和驗(yàn)證樣本集的變異系數(shù)分別為48.08%和47.38%，屬于中等變異，表明SOM含量較離散。

2.2 SOM與土壤光譜的響應(yīng)分析

為探究SOM與土壤高光譜的響應(yīng)特性，研究了不同SOM水平下的原始光譜，結(jié)果如圖1所示。由圖1可知，不同SOM含量下的土壤樣本光譜反射率不同，但其反射率曲線整體變化趨勢(shì)相似，且光譜反射率隨SOM含量的升高而降低，表明土壤光譜與SOM含量密切相關(guān)，且二者呈負(fù)相關(guān)。

2.3 SOM與土壤光譜的相關(guān)性及光譜特征提取分析

將原始光譜進(jìn)行 1st、SNV、MSC、SNV＋1st與MSC＋1st處理，并分析原始光譜和預(yù)處理光譜與SOM含量的相關(guān)性，結(jié)果圖2所示。從圖2可以看出，R與SOM含量的最大相關(guān)系數(shù)為-0.590，篩選出的敏感波長(zhǎng)為 598、597、599、595、600 nm；R 經(jīng)1st變換后與SOM含量的最大相關(guān)系數(shù)分別為0.630、-0.627、-0.626、-0.625 和 -0.623，篩選出的敏感波長(zhǎng)分別為 837、567、547、563、556 nm；SNV變換后與SOM含量的最大相關(guān)系數(shù)分別為-0.651、-0.650、-0.650、-0.650和 -0.650，篩選出的敏感波長(zhǎng)分別為678、672、674、673、669 nm；MSC變換后與SOM含量的最大相關(guān)系數(shù)分別為-0.647、-0.647、-0.647、-0.646和-0.646，篩選出的敏感波長(zhǎng)分別為678、677、674、673、672 nm；SNV＋1st變換后與 SOM含量最大相關(guān)系數(shù)分別為-0.684、-0.648、-0.648、-0.643和-0.642，篩選出的敏感波長(zhǎng)分別為580、567、571、560、535 nm；MSC＋1st變換后與 SOM含量的最大相關(guān)系數(shù)分別為-0.684、-0.650、-0.649、-0.645和-0.645，篩選出的敏感波長(zhǎng)分別為580、567、571、535、560 nm。可以看出，R 與 SOM含量的相關(guān)系數(shù)最低，但經(jīng)不同預(yù)處理后，部分波長(zhǎng)反射率與SOM含量的相關(guān)性均有所提高，其中，與SOM含量相關(guān)性最高的預(yù)處理為MSC＋1st變換，其次為SNV＋1st變換，最低的為1st變換。

2.4 SOM光譜監(jiān)測(cè)

根據(jù)圖2中各項(xiàng)處理選擇的波長(zhǎng)進(jìn)行MLR建模，模型表現(xiàn)如表2所示。

表2 土壤SOM含量估測(cè)模型

由表2可知，1st預(yù)處理后建立的校正模型R2為0.60，RMSE為1.86，RPD為1.61，各項(xiàng)參數(shù)值均較好，但其驗(yàn)證模型的RPD為1.38，小于1.40，故該模型不可用；SNV與MSC預(yù)處理后構(gòu)建的驗(yàn)證模型R2分別為0.76與0.74，RMSE均為2.07，RPD均為1.47，模型比較穩(wěn)定，但其校正模型的RPD都為1.38，小于1.40，故該模型不可靠；SNV＋1st與MSC＋1st變換后構(gòu)建的校正模型R2分別為0.56與0.58，RPD分別為1.46與1.57，均高于SNV與MSC模型參數(shù)。在驗(yàn)證模型中，SNV＋1st模型的R2最大，為0.78；MSC＋1st模型的 RMSE 最低，為 2.00，而 RPD最大，為1.52。故這2種模型各項(xiàng)參數(shù)值均較好，模型穩(wěn)定可靠，預(yù)測(cè)精度比較高。但是無(wú)論在校正模型還是驗(yàn)證模型中，MSC＋1st的RPD均高于SNV＋1st，故選定MSC＋1st為最佳預(yù)處理方式。

3 結(jié)論與討論

3.1 SOM的光譜特性分析

徐明星等[11]研究表明，光譜反射率與SOM呈負(fù)相關(guān)。沈強(qiáng)等[12]從不同SOM含量的反射率曲線相似性得出，SOM含量并不是光譜反射率存在差異的主要原因。經(jīng)分析可知，SOM含量與光譜反射率成反比，且光譜曲線還受土壤顏色、鹽分、含水量、氧化鐵、氧化錳含量的影響[13]。有研究表明，根據(jù)敏感波長(zhǎng)建立的預(yù)測(cè)模型精度更高，對(duì)未知SOM含量的土樣解釋性一般更好[14]。本研究發(fā)現(xiàn)，R經(jīng)1st、SNV＋1st、MSC＋1st變換后的敏感波長(zhǎng)均含有567 nm，經(jīng)SNV＋1st、MSC＋1s 變換后都含有 580、567、571、560、535 nm波長(zhǎng)，經(jīng)SNV，MSC變換后的特征波長(zhǎng)含有672、673、674、678 nm，這些波長(zhǎng)對(duì)光譜預(yù)測(cè)SOM含量的響應(yīng)最明顯，與SOM含量具有緊密的關(guān)系。此外，韓春蘭等[15]證實(shí)了光譜區(qū)域445～605 nm能夠敏感響應(yīng)SOM。石樸杰等[16]確定了SOM的敏感區(qū)域（545～585 nm）。此外，也有研究證實(shí)，590～770 nm的波長(zhǎng)可以用于表征SOM[2]。以上所有特征波長(zhǎng)均屬于可見(jiàn)光部分（380～780 nm），表明可見(jiàn)光部分的波長(zhǎng)對(duì)SOM含量響應(yīng)較敏感。

3.2 光譜預(yù)處理對(duì)SOM光譜監(jiān)測(cè)的影響

與原始光譜相比，光譜預(yù)處理后可提高其與SOM含量的相關(guān)性，其中，經(jīng)1st變換后的波長(zhǎng)837 nm與SOM含量的相關(guān)系數(shù)可達(dá)0.630，這可能是因?yàn)槲⒎肿儞Q使曲線的傾斜效應(yīng)和基線偏移減少，增強(qiáng)了光譜變換和壓縮的影響，最終使得相關(guān)系數(shù)得以提高[17]。MSC變換可以消除大小不一的樣品顆粒對(duì)光譜曲線的影響[18]，故R經(jīng)MSC變換后的波長(zhǎng)678 nm與SOM的相關(guān)系數(shù)高達(dá)-0.647；SNV處理能有效降低土樣表面散射、增強(qiáng)光譜吸收信息[19]，因此R經(jīng)SNV變換后的波長(zhǎng)678 nm與SOM的相關(guān)系數(shù)高達(dá)-0.651；因MSC＋1st變換后580 nm處的波長(zhǎng)相關(guān)系數(shù)提高到了-0.684，在本研究與S0M的相關(guān)性分析中達(dá)到最大，可得R經(jīng)不同組合預(yù)處理后也可明顯提高與SOM的相關(guān)性。另外，王永敏等[2]研究提出，通過(guò)對(duì)R進(jìn)行數(shù)據(jù)變換可以有效提高土壤光譜反射率與其SOM的相關(guān)性，但不合適的變換亦可使其相關(guān)性下降。本研究表明，R的所有波長(zhǎng)反射率與SOM的相關(guān)系數(shù)均通過(guò)了顯著性檢驗(yàn)（P＜0.01），而在 1st、SNV、MSC、SNV＋1st與MSC＋1st相關(guān)系數(shù)中，均有大量波長(zhǎng)與SOM含量的相關(guān)系數(shù)未通過(guò)顯著性檢驗(yàn)，故波長(zhǎng)經(jīng)不合適變換后與SOM的相關(guān)性下降。

本研究表明，R經(jīng)SNV＋1st與MSC＋1st預(yù)處理后，特征波長(zhǎng)相同、相關(guān)系數(shù)圖形相似，表明SNV＋1st與MSC＋1st對(duì)于預(yù)測(cè)光譜模型具有相似的效果，且MSC＋1st與SOM相關(guān)性高于SNV＋1st。MSC＋1st模型較SNV＋1st模型精度更高，可能是由于R經(jīng)不同預(yù)處理后篩選出的與SOM相關(guān)性更高的特征波長(zhǎng)更適合構(gòu)建預(yù)測(cè)模型。在MLR模型中，MSC＋1st模型精度最高。表明多種預(yù)處理方法結(jié)合與單一預(yù)處理方法相比，構(gòu)建的模型精度更高，預(yù)測(cè)效果更好。原因是由于單一預(yù)處理方法無(wú)法全面地排除干擾因素，而多種預(yù)處理方法相結(jié)合構(gòu)建模型，能顯著消除無(wú)關(guān)因素，提高敏感波長(zhǎng)與SOM的相關(guān)性[20]。

綜合以上可知，SOM含量與光譜反射率密切相關(guān)，且成反比，最佳特征波長(zhǎng)為 580、567、571、560、535、672、673、674、678 nm，其中，MSC＋1st為最佳預(yù)處理方式。MSC＋1st耦合MLR構(gòu)建的驗(yàn)證模型R2為 0.74，RMSE 為 2.00，RPD為 1.52，模型精度最佳，預(yù)測(cè)效果最好。研究結(jié)果可為未來(lái)大樣本SOM含量估算提供一定的理論依據(jù)。