無人機多光譜遙感的山原紅壤主要養分含量的反演研究

李亞強，楊棟淏，刀 劍，王建雄

(云南農業大學 水利學院/云南省高校農業遙感與精準農業工程研究中心，云南 昆明 650201)

山原紅壤主要分布于云南高原的中部，是近代地質時期形成的一種地帶性古土壤。自第三紀末期以來，伴隨著新構造運動，大面積間歇性均衡抬升隆起，形成高原面。作為云南特有的土壤，這種土體較為深厚，各種速效養分以山原紅壤表層最多[1]。相對于土壤的多光譜遙感來說，國內的研究多以土壤有機質的反演估算為主[2-9]，而且取得了較高的反演精度。例如李志偉等[10]利用常規分析的反演對土壤養分進行了速測。陳德寶等[11]以LandSat 8陸地成像儀(OLI)多光譜遙感影像為數據源，結合實地采樣數據，可以定量反演吉林地區土壤有機質含量。馬馳[12]、王銳[13]等用LandSat 8(L8)多光譜遙感影像和地面樣點測土配方數據對重慶市江津區的耕地土壤有機質進行定量反演，同時還可以通過升尺度方法優化土壤監測[14]。王騰軍等[15]利用LandSat 8/OLI多光譜衛星影像，實現了土壤重金屬含量的高精度反演。郭二旺等[16]用LandSat 8和Sentinel-1A數據建立了土壤墑情反演模型，取得較好的相關性。張智韜等[17]用無人機遙感影像技術對植被覆蓋下的土壤含鹽量進行了監測，并篩選出了最優的反演模型。這些為區域的土地質量監測、土地資源的可持續利用提供了數據支持，很好地提高了數據現勢性和工作效率。

1 研究區概況

本文以云南省昆明市云南農業大學后山試驗田為研究對象，以此對研究區域內的土壤進行數據采集。云南農大試驗田位于北緯25°8′和東經102°45′，地勢走向為北高南低，海拔為1923.05～1959.17m。試驗地塊周圍人員建筑植被較少，視野開闊，有利于無人機多光譜影像數據的獲取。根據平整后的地形，將試驗地塊分為2級階梯，并選取合適的面積共2.33 hm2的長方形區域作為試驗對象來對表層土進行采集。

2 土壤理化性質和光譜數據的采集

通過對試驗田土壤顏色、干濕度等因素的鑒定，明確為山原紅壤。采集土壤樣品均為0～20 cm的表層土，每個樣品約2 kg。剔除其他非土壤侵入體后，于室內用2 mm孔徑過濾篩過濾，對所采土樣的有機質、速效氮、速效磷、速效鉀、全氮共5種養分進行分析。使用掛載派諾特鏡頭的大疆M100無人機飛行器，經灰板校正后，在晴朗少云天氣對試驗地塊進行多光譜影像采集。飛行高度為60 m，飛行航向重疊度為70%，旁向重疊度為75%，飛行速度在12 m/s以下，拍照間隔時間為2 s。手持無人機多光譜相機對白板上放置好的20個土樣進行多光譜影像的室內采集，進一步得到土壤樣本的REG、RED、NIR、GRE的多光譜影像。

2.1 土壤光譜指數和反射率的構建

將室內處理好的土壤樣本多光譜數據影像導入ArcGIS軟件中處理。根據采樣的土壤樣本點位坐標，導入軟件后獲得樣本在多光譜影像對應位置的反射率。

對原始光譜進行合成，選取歸一化植被指數(NDVI)、比值植被指數(RVI)、差值植被指數(DVI)、紅邊歸一化植被指數(NDVI705)、紅綠比值指數(RG)、綠通道植被指數(GNDVI)、葉面葉綠素指數(LCI)、歸一化差異紅邊指數(NDRE)、土壤調節植被指數(OSAVI)共9種常見光譜合成指數，其計算公式如表1所示。

表1 光譜指數及其相關的計算公式

2.2 反演模型的檢驗

用2個回歸評價指標對山原紅壤的建模分析進行評估：擬合優度的可決系數(Coefficient of Determination)R2值和均方根誤差(Root Mean Squared Error)RMSE。R2的最大值為1，R2值越接近1，RMSE越小，建立的模型精度越好，從而能更好地預測土壤主要養分的回歸模型的反演效果。

3 數據分析與結果概述

3.1 山原紅壤主要養分和光譜特性

將檢測得出的20個山原紅壤樣本的主要養分有機質(SOM)、速效氮(N)、速效磷(P)、速效鉀(K)、全氮(AN)各自的含量導入SPSS 25軟件中，進行描述性統計分析和標準化變換，得到表2。

表2 土壤樣本養分信息表

土壤主要養分變異系數從大到小依次為速效磷>速效鉀>水解性氮>全氮>有機質，其中速效磷的變異系數最大，為51.73%，說明速效磷樣本之間離散程度較大，這與前人的研究結果一致。這5種土壤類型中均沒有變異系數超過100%的強變異性數據，其中有機質變異系數最小，為22.72%。通過ArcGIS軟件提取土樣覆蓋區域的各波段反射率土壤平均放射值作為指標，并計算土樣各波段反射率得到合成光譜指數，利用Origin 2017軟件繪制反射率折線(圖1、圖2)。

由圖1、圖2可知，紅外波段的光譜反射較為敏感，綠波段敏感度最弱。在剔除異常數據后，紅外波段、紅波段、紅邊波段、綠波段的平均放射率分別為0.38、0.24、0.26、0.19。

圖1 山原紅壤4個波段的原始反射率

圖2 合成光譜指數

除比值植被指數(RVI)與紅綠比值指數(RG)有較為明顯范圍變化外，其余指數均位于-0.5～0.5范圍內。其中，紅綠比值指數的平均值最大，為1.33，比值植被指數的平均值為1.21。LCI和NDRE值為負數，平均值分別為-0.19與-0.15(表3)。

表3 合成光譜指數

3.2 山原紅壤光譜反射率與光譜指數的相關分析

將標準化處理后的4個波段反射率與土壤主要養分導入SPSS 25軟件中進行分析，得表4。

表4 單波段反射率的相關系數

在山原紅壤的有機質、速效氮、速效磷、速效鉀、全氮5種主要養分指標中，有機質和速效磷與多光譜中4個波段均無相關性，將其剔除不做相關分析。速效氮與紅外波段之間相關系數為0.494，顯著性為0.027，大于0.01。速效鉀和近紅外及綠光波段之間相關系數分別為0.492與0.607，顯著性值為0.028與0.005，而且與綠光波段表現出高度相關。全氮與紅邊波段的相關系數為0.564，呈現中度相關趨勢，顯著性值為0.01。速效鉀與其相關的兩組波段變量顯著性檢驗值均小于0.05，初步估測具有統計學分析意義。

進一步選取NDVI、DVI、RG等9種常用多光譜合成指數，分別與土壤主要養分含量進行3種系數的相關性分析研究。其中有機質、速效氮、速效磷、全氮與合成光譜指數的相關性較弱，速效鉀卻與OSAVI、NDVI、RVI、RG、DVI指數存在較強的相關性。相對于單波段，合成光譜的相關系數出現了較強相關性，且顯著性值小于0.05。

3.3 土壤主要養分含量反演模型及檢驗分析

選取N、K、AN與RED、NIR、REG、GRE進行回歸分析。將數據導入SPSS 25軟件中進行線性、二次項、三次項、對數、立方、復合等主要模型的估測，結果見表5。

表5 4個波段曲線回歸模型

經過擬合建模后，N、K、AN的模型R2系數均小于0.5，AN的模型R2值最佳為0.451。結果表明：單波段的擬合的養分含量模型均無法較好地表示多光譜土壤反射率與養分含量之間的關系。在對土壤主要養分與多光譜原始反射率進行相關分析后發現，僅有速效鉀這一養分的含量與NIR、GRE兩波段存在相關性，選取以NIR和GRE為自變量，K為因變量建立山原紅壤的雙變量回歸模型以此得到表6。

表6 速效鉀的雙變量模型

表6中組合變量的多元線性模型和非線性模型R2系數仍然較低，無法選定為K的土壤放射率回歸模型。此時建立土壤養分速效鉀與合成波段OSAVI、NDVI、RVI、RG、DVI的線性、二次項、三次項、對數、立方、復合等主要模型的估測，結果見表7。

表7 速效鉀的合成光譜曲線回歸模型

建模后各回歸模型均以三次項模型的R2值最高。OSAVI的R2值為0.605，NDVI的R2值為0.598，RVI的R2值為0.462，RG的R2值為0.381，DVI的R2值為0.592。可以看出，合成光譜指數對土壤主要養分的建模效果比較好。

在表8中選取R2、RMSE對擬合曲線進行驗證計算。

表8 速效鉀的合成光譜多元逐步回歸模型

3.4 土壤主要養分含量反演地圖

將處理后的無人機多光譜影像導入ArcGIS軟件中進行波段合成處理，并進行擬合模型的代入計算。最終選擇擬合模型中R2值最大，RMSE檢驗值較低的回歸模型為最終估算模型，由此可獲得估測的試驗地塊速效鉀含量示意圖(圖3)。

圖3 速效鉀含量估測圖

由于構建模型僅對原始山原紅壤具有適用性，因而在使用模型函數進行計算時，植被、道路等地物出現了養分含量極值，該養分含量不能作為該類物質的屬性估測值。此次估測模型僅對圖3中框選的土壤表面無植被的原始山原紅壤區域具有適用性。

4 結論與展望

在山原紅壤的原始多光譜遙感探測中，紅外波段的光譜反射較為敏感，其土壤反射率值遠高于其他3個波段，綠光反射敏感度最低。在合成9種多光譜指數的對比分析中，比值植被指數與紅綠比值指數波動比較明顯，其他合成指數值波動范圍均位于-0.5～0.5范圍內。將各波段原始反射率、合成土壤光譜指數分別與土壤主要養分進行相關性分析發現，有機質、速效氮、速效磷、全氮與多光譜指數相關性較低，合成波段的相關系數明顯高于單波段。

本文應用了曲線回歸、多元線性逐步回歸等方法對所有存在顯著相關性的土壤養分與多光譜指數進行了回歸分析。研究發現，單波段的土壤養分回歸模型R2系數較低，經均方差檢驗后差值較大，無法較好地擬合土壤多光譜指數與土壤養分的關系，造成這一結果的原因可能是分析山原紅壤樣本量較少、土壤的顆粒大小與水分的影響或無人機的多光譜相機分辨率不夠高導致。在合成光譜的土壤養分回歸分析中，對速效鉀進行了多次合成光譜的回歸模型分析，R2值檢驗為0.641，均方根誤差檢驗為49.74。建立的模型對實測土壤值有較好的反演效果，具有很好的研究意義。