山東潮鹽土土壤含水量高光譜特征分析及預(yù)測方法

崔兆韻， 吳 茜

(1.泰安農(nóng)業(yè)氣象試驗站， 山東 泰安 271000； 2.山東農(nóng)業(yè)大學 信息科學與工程學院， 山東 泰安 271018)

土壤濕度是生態(tài)、氣候、水文和農(nóng)業(yè)等眾多領(lǐng)域的關(guān)鍵變量之一，也是保護耕地政策的重要影響因素[1]。為適應(yīng)精準農(nóng)業(yè)快速、及時獲取土壤水分信息的要求，傳統(tǒng)的土壤水分測量方法，如取土烘干、張力計法、中子水分儀法等均以點測量為基礎(chǔ)，存在范圍有限、工作量大、時間周期長的缺點，不能快速及時的獲取土壤含水信息[2-3]。目前，國內(nèi)外諸多從事土壤研究的工作者已開始致力于對土壤光譜特征的研究，對野外高光譜土壤特性的研究也有了較快發(fā)展，應(yīng)用光譜技術(shù)獲取土壤有效信息已經(jīng)成為研究的熱點方向，土壤測試方法也逐步由傳統(tǒng)化學方法轉(zhuǎn)為光譜分析法[4-5]。隨著國內(nèi)外學者對高光譜與土壤含水量間關(guān)系的研究，光譜數(shù)據(jù)處理技術(shù)不斷成熟。研究表明，高光譜反射率數(shù)據(jù)在波段為350～2 500 nm時能夠反映土壤水分參數(shù)的微小差異，可以反應(yīng)土壤含水量[6]。隨土壤含水量的增加，土壤光譜反射率在整個波長范圍內(nèi)降低，尤其在760 nm、970 nm、1 190 nm、1 450 nm、1 940 nm和2 950 nm等水分吸收波段。光譜處理使用倒數(shù)、對數(shù)、平方根、一階微分、包絡(luò)線、反包絡(luò)線、小波分析等方法，建立了估測模型線性回歸模型、BP神經(jīng)網(wǎng)絡(luò)模型、模糊識別模型等[7-8]。但總體而言，多數(shù)研究是基于室內(nèi)土壤樣本，對室內(nèi)土壤的研究在一定程度上改變了土壤結(jié)構(gòu)，缺乏一定的適用性。室外樣本為表層土壤，環(huán)境復(fù)雜，取得土壤數(shù)據(jù)能反映野外真實的環(huán)境；對室外土壤的研究結(jié)果能夠更直接應(yīng)用于遙感反演，更具有合理性。因此，筆者選擇室外表層土壤樣本為研究對象，采用多元逐步回歸(SMLR)提取土壤含水量特征波段，探索土壤反射光譜特征值與土壤水分含量間的關(guān)系，為室外土壤樣本水分含量的測定提供依據(jù)。

1 數(shù)據(jù)獲取與處理

1.1 研究區(qū)概況

試驗田位于山東省東營市汀羅鎮(zhèn)。汀羅鎮(zhèn)坐落于利津縣境東北部，距縣城45 km，東營市土壤以潮土、褐土、砂姜黑土、水稻土及鹽土為主，潮土、鹽土是東營市主要的耕種土壤，試驗采取的土壤樣本為潮鹽土。

1.2 室外土壤樣本采集

為了采集不同含水率的土壤樣本，2015年6月10日下午，根據(jù)劃分的采樣單元，平均每個采樣單元為900 m2，采用網(wǎng)格布點方式(圖1)，間隔30 m，采取的樣本為表層土壤，共采集82個樣本，再進行有效樣本的篩選與處理。

光譜數(shù)據(jù)采集使用美國SVC HR-768i便捷式地面光譜儀，帶有GER軟件，可在大多數(shù)筆記本和臺式電腦上聯(lián)合使用。提供獨立工作模式、電腦工作模式和PDA模式3種控制模式。試驗采用PDA模式。

1.3 土壤光譜數(shù)據(jù)預(yù)處理

1.3.1 土壤樣本篩選 由于在室外直接對表層土壤進行采集，受外界氣候、溫度等條件的影響，雖然采集樣本的光譜特征差異相對較小，但仍然存在異常樣本。因此，應(yīng)進行有效樣本的統(tǒng)計分析。

聚類分析是將所有研究對象按照相對同質(zhì)原則進行劃分的統(tǒng)計分析技術(shù)。其基本方法為比較樣本間的性質(zhì)差異，將性質(zhì)相近的歸為一類。試驗采用快速聚類法(K-Mean聚類法)進行有效樣本的統(tǒng)計分析。該方法按照指定的分類數(shù)量以及分類種數(shù)進行分類，此過程在SPSS中完成。分類結(jié)果將所有樣本分為3類，其中最多樣本的類別為42個，因此選定此類別數(shù)據(jù)計算和處理。

1.3.2 光譜變換 受光譜儀器本身構(gòu)造特性影響，光譜儀工作波段中兩端波段(如340～399 nm及2 500～2 520 nm)反射率信噪比極低，數(shù)據(jù)噪音較大。為增強提取信息的可信度，從原始光譜數(shù)據(jù)中去除此兩段數(shù)據(jù)，將其余(400～2 500 nm)共2 101個波段數(shù)據(jù)作為土樣的試驗光譜反射數(shù)據(jù)。

1.4 數(shù)據(jù)處理與分析方法

多元逐步回歸分析(SMLR)是多元線性回歸分析中選擇回歸變量的一種數(shù)學方法，利用回歸法按一定顯著水平篩選統(tǒng)計檢驗顯著的波長，再進行多元線性回歸計算。其基本思想是將回歸變量逐個選入，選入的條件是其偏回歸平方和顯著；每選入一個新的變量后，對已選入的各變量逐一進行顯著性檢驗，并剔除不顯著變量。當回歸方程中的所有自變量對因變量均有顯著影響而不需要剔除時，再考慮從未選入方程的自變量中挑選有顯著影響的新變量進入方程，引入或剔除1個變量均稱為1步，不斷重復(fù)這一過程，直至無法剔除已引入的變量，也無法再引入新的自變量時，逐步回歸過程結(jié)束。該方法篩選的顯著波段數(shù)較多，獲得的自變量較多且不具有多重共線性的特點，因此可以建立優(yōu)模型。

式中，W為土壤含水量，a0、ai為回歸系數(shù)，N為用于建模的波段數(shù)，Rri為波長ri處的輸入光譜值。

2 結(jié)果與分析

2.1 光譜變換

2.2 土壤含水量高光譜特征

2.2.1 土壤光譜波形 由圖3所示，80個樣本的光譜反射率與土壤含水量的變化曲線，去除有明顯誤差的樣本，剩下按照土壤不同濕度將其分成6個區(qū)間，不同土壤含水量反射光譜曲線如圖4。雖然不同土壤含水量所對應(yīng)的光譜曲線有高低，但是曲線趨勢大體一致。光譜反射率隨土壤水分含量增加而降低，同一土壤樣本反射率隨波長值增大基本呈上升趨勢。所有樣本的土壤光譜曲線走向一致，基本平行，土壤的反射率在18～100，光譜曲線在400～2 450 nm，具有一定的波動性。土壤曲線整體表現(xiàn)出400～700 nm波段反射率呈不斷上升趨勢；700～1 900 nm波段反射率較高，隨波長增加反射率值緩慢上升；到1 945 nm附近出現(xiàn)波動，且達到峰值；1 900～2 500 nm波段反射率隨波長的增加呈下降趨勢。

2.2.2 土壤反射率標準差對光譜的影響 由圖5可見，所有樣本光譜反射率在300～2 500 nm波長上的標準差，利用標準差數(shù)值分析土壤樣本在整個波長區(qū)間上的光譜差異，標準差越大，即土壤水分在土壤光譜中的差異貢獻越大。在400～680 nm的紫光黃光波段，標準差持續(xù)上升，在680～720 nm間呈現(xiàn)1個波峰；750～1 350 nm間反射率標準差基本保持不變，曲線走向平緩；1 550 nm處出現(xiàn)較小波峰，在1 945 nm波段呈明顯波峰，隨后反射率標準差緩慢下降；2 216 nm處出現(xiàn)較小的波谷，隨后又緩慢上升。由此可見，光譜反射率在300～2 500 nm波長上標準差整體呈上升趨勢，但幅度較小，說明在整個波段區(qū)間內(nèi)土壤水分對土壤反射率均有影響，其影響也緩慢增大。可見，在波峰出現(xiàn)處對應(yīng)的680 nm、1 945 nm、2 450 nm波段，其土壤水分對反射率的影響較大，是進行模型建立優(yōu)先考慮的特征波段。

2.3 基于多元逐步回歸分析的估測模型建立

表1 反射率及其不同導數(shù)變換形式與土壤水分含量的多元逐步回歸模型(n=42)

注：y為土壤水分含量；x為下標波段反射率及其變換值。

為進一步檢驗?zāi)Ｐ皖A(yù)測精度和可靠性，對基于R’光譜變換的最佳模型，利用20個檢驗樣本的高光譜數(shù)據(jù)對該部分最佳模型進行驗證(圖6)，其擬合方程為y=0.940 2x+0.305 6，方程R2為0.96，RMSE為1.23。表明，該模型對土壤含水量的預(yù)測具有較好的準確性。

3 總結(jié)與討論

試驗利用高光譜數(shù)據(jù)進行室外表層土壤含水量的高光譜估測模型的建立表明，在建模過程中，SMLR作為特征光譜波段提取方法，具有很好的預(yù)測能力。雖然構(gòu)建過程相對復(fù)雜，但可以利用計算機編程技術(shù)實現(xiàn)半自動化計算。

試驗得出如下結(jié)論：1) 確定了室外土壤樣本水分的特征波段為344～388 nm、662～675 nm、819～829 nm、873～884 nm、1 004 nm、1 436 nm、1 914 nm、1 954 nm、2 016～2 140、2 335～2 460 nm。2) 建立了基于特征波段的土壤含水量預(yù)測模型，其擬合方程為y=0.9402x+0.3056，該模型對土壤含水量的預(yù)測具有較好的準確性，可為土壤含水量的準確、快速估測技術(shù)提供參考。