基于多時(shí)相遙感影像的農(nóng)安縣土壤有機(jī)質(zhì)含量估算

摘 要： 精準(zhǔn)獲取農(nóng)田土壤碳儲量對確保國家糧食安全及應(yīng)對氣候變化具有重要意義。土壤有機(jī)質(zhì)（Soil OrganicMatter，SOM）作為土壤碳庫的重要組成部分，采用遙感影像估算SOM的精度受單時(shí)相、多時(shí)相影像的影響程度，及究竟選取多少景影像進(jìn)行SOM的估算較為合適尚不清楚。本研究以吉林省長春市農(nóng)安縣為研究區(qū)，以2013-2018 年Landsat 8 遙感影像作為數(shù)據(jù)源，選取歸一化植被指數(shù)（Normalized Difference Vegetation Index， NDVI）、比值植被指數(shù)（Ratio Vegetation Index ，RVI）、有機(jī)碳指數(shù)（Soil Organic Carbon Index ，SOCI）等光譜指數(shù)，并提取高程、坡度、坡向、地形濕度指數(shù)（Topographic Wetness Index ，TWI）等地形因子，及糧食產(chǎn)量、化肥施用量等農(nóng)田管理措施，采用隨機(jī)森林算法篩選后的指示因子作為模型的輸入變量，構(gòu)建SOM估算模型。結(jié)果表明：相較于使用單時(shí)相衛(wèi)星影像提取的指示因子，使用多時(shí)相衛(wèi)星影像能更好的利用影像多時(shí)相信息，對SOM的估算精度較高。隨著使用影像年份的增加，模型反演精度會達(dá)到上限，本研究中使用數(shù)據(jù)年限為3 年，后續(xù)增加使用影像的數(shù)量，反演精度基本不變。使用3 年影像進(jìn)行SOM反演的模型驗(yàn)證集精度R2為0.682，RMSE為3.152 g/kg。本研究成果不僅對應(yīng)用多時(shí)相遙感影像進(jìn)行SOM精準(zhǔn)估算具有重要意義，也對農(nóng)田土壤質(zhì)量的提升及農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。

關(guān)鍵詞： 土壤有機(jī)質(zhì)；多光譜影像；多時(shí)相；隨機(jī)森林；貢獻(xiàn)率

中圖法分類號： S127 文獻(xiàn)標(biāo)識碼： A 文章編號： 1000-2324（2024）03-0304-10

土壤是地球表層系統(tǒng)的重要組成物質(zhì)，是人類賴以生存的資源。土壤有機(jī)質(zhì)（Soil OrganicMatter， SOM）是組成土壤的主要成分之一，盡管其在土壤中的占比僅有5%左右，但其對土壤結(jié)構(gòu)的形成，土壤肥力的提升以及土壤的物理、化學(xué)特征具有重要影響［1］。此外，SOM是大氣二氧化碳潛在的碳源和碳匯，在全球碳循環(huán)中扮演著重要角色［2］。我國作為一個(gè)人口大國，農(nóng)業(yè)一直關(guān)乎國民經(jīng)濟(jì)發(fā)展。隨著我國人口增漲和城鎮(zhèn)化進(jìn)程不斷加快，糧食生產(chǎn)壓力與日俱增。這對SOM的定量估算提出了新的要求。傳統(tǒng)的SOM獲取主要在田間尺度，依靠野外采樣、室內(nèi)化學(xué)分析等過程得到采樣點(diǎn)的SOM含量［3］，該方法采樣時(shí)間較長，且室內(nèi)分析較為費(fèi)時(shí)費(fèi)力。隨著遙感技術(shù)不斷發(fā)展，所獲取的衛(wèi)星影像在時(shí)空分辨率及幅寬等方面獲得重大突破，具有覆蓋度廣、周期短、受天氣條件影響小等特點(diǎn)，為大規(guī)模SOM預(yù)測提供了有力的數(shù)據(jù)支持［4， 5］。因此，多光譜遙感已成為大區(qū)域SOM定量估算的有效途徑。

近年來，學(xué)者們以衛(wèi)星多光譜影像為數(shù)據(jù)源在SOM反演方面進(jìn)行了大量研究，部分學(xué)者將某一景，或幾景多光譜影像作為數(shù)據(jù)源對SOM進(jìn)行反演。王銳［6］等以Landsat 8 的單景遙感影像和SOM實(shí)測樣本為數(shù)據(jù)源，采用多元回歸分析的方法，建立了SOM 反演模型，精度為R2=0.741，但使用單景遙感影像作為數(shù)據(jù)源，結(jié)果受影像質(zhì)量影響較大，對建模的準(zhǔn)確性有一定的干擾。劉煥軍［7］等以黑龍江省勝利農(nóng)場耕地范圍為研究區(qū)，獲取Sentinel-2A 和Landsat 8 的兩期裸土影像作為數(shù)據(jù)源，構(gòu)建光譜反射率差與反射率比光譜指數(shù)，以隨機(jī)森林算法篩選出的波段和光譜指數(shù)作為輸入量，構(gòu)建SOM反演模型。秦發(fā)侶［8］等基于杞麓湖盆地四個(gè)時(shí)相的密集土壤采樣數(shù)據(jù)，應(yīng)用普通克里格方法預(yù)測該區(qū)域四個(gè)時(shí)相耕作表層的SOM 空間分布。Yang［9］等從NDVI 時(shí)間序列中提取物候指數(shù)并用于農(nóng)田SOC含量預(yù)測。目前，有研究使用單時(shí)相影像、多時(shí)相影像為數(shù)據(jù)源進(jìn)行土壤屬性反演，鮮有對比單時(shí)相影像，年內(nèi)多時(shí)相影像，以及多年多時(shí)相遙感影像對SOM反演精度影響的研究，因此本研究旨在探究使用遙感影像的時(shí)間長度對SOM反演精度的影響，以期用較少的影像獲得較高的SOM含量估算精度。

傳統(tǒng)的多光譜遙感反演SOM的方法，主要是利用光譜數(shù)據(jù)建模，即將傳感器的不同波段進(jìn)行數(shù)學(xué)運(yùn)算組合，通過線性建模方法構(gòu)建SOM反演模型，以此預(yù)測研究區(qū)SOM含量以及空間分布情況。但土壤屬性與指示因子間多為復(fù)雜的非線性關(guān)系，僅用線性模型進(jìn)行SOM反演可能會存在解釋不足的問題。魯梅［10］等分別以多光譜影像的單波段、多波段為數(shù)據(jù)源，對比了線性回歸與隨機(jī)森林方法對SOM的反演精度，發(fā)現(xiàn)隨機(jī)森林方法在建立模型數(shù)據(jù)集時(shí)的精度和穩(wěn)定性高于線性回歸方法。Curtis［11］等使用逐步回歸法、偏最小二乘法、主成分分析法、隨機(jī)森林等8種統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)算法對玉米種植區(qū)的土壤氮素需求量進(jìn)行了預(yù)測，結(jié)果發(fā)現(xiàn)機(jī)器學(xué)習(xí)模型的預(yù)測精度更高，上述研究表明，大多數(shù)情況下使用機(jī)器學(xué)習(xí)方法，可以得到更穩(wěn)定、精確的反演結(jié)果。

因此，本研究基于多時(shí)相遙感影像，并結(jié)合土壤屬性、光譜數(shù)據(jù)、地形因子、農(nóng)田管理措施，采用隨機(jī)森林算法，構(gòu)建吉林省農(nóng)安縣的SOM含量反演模型。通過將年內(nèi)單時(shí)相影像，年內(nèi)多時(shí)相影像，以及多年多時(shí)相影像作為數(shù)據(jù)源，進(jìn)行SOM估算，以期通過較少的影像年份獲得較高的SOM估算精度，研究對東北黑土區(qū)SOM含量的精準(zhǔn)估算具有重要意義。

1 數(shù)據(jù)和研究區(qū)

1.1 研究區(qū)概況

研究區(qū)位于吉林省中部的農(nóng)安縣（圖1），地理位置東經(jīng)124°31-125°45′，北緯43°55′-44°55′，屬中溫帶大陸性氣候，地帶性土壤類型主要為黑土、黑鈣土，地方性土壤類型主要有草甸土、沖積土等。四季分明，年均氣溫6 ℃ ，年均降雨量507.7 mm，年平均日照時(shí)數(shù)2 590 h。有效積溫2 800 ℃；無霜期145 d［12， 13］。

1.2 土壤數(shù)據(jù)

土壤樣本數(shù)據(jù)包含2013-2018 年分別實(shí)地采集1 016、954、934、981、598、991個(gè)，采樣時(shí)間分別為：2013 年10 月初、2014 年10 月中旬、2015 年10月中旬、2016 年10 月下旬、2017 年10 月中旬、及2018 年10 月下旬，6 年共獲取點(diǎn)位數(shù)量為5 474 個(gè)，各年樣點(diǎn)空間分布見圖2。土壤樣品的采集方法為五點(diǎn)采樣法［14］，將采樣土壤混勻后用四分法保留土樣；采樣深度為20 cm；采樣點(diǎn)基本均勻分布在整個(gè)研究區(qū)內(nèi)。SOM含量通過重鉻酸鉀容量法測得土壤中二氧化碳含量，求得土壤有機(jī)碳含量后換算；土種數(shù)據(jù)來自于全國第二次土壤普查；土壤pH值采用電位法測得。

1.3 影像獲取及光譜指數(shù)構(gòu)建

本研究采用的遙感影像為Landsat 8 多光譜影像數(shù)據(jù)，下載自谷歌地球引擎（https：//developers. google. cn /earth-engine/，GEE），獲取2013-2018 年間3-10 月農(nóng)安縣無云影像，其中每年裸土期影像約1-2 景，植被覆蓋影像3-4 景，每年間各月份影像數(shù)量見圖3。其中，陸地成像儀（Operational Land Imager， OLI）包含9 個(gè)波段：8 個(gè)多光譜波段，分辨率30 m；1 個(gè)全色波段，分辨率15 m［15］，數(shù)據(jù)下載時(shí)已通過GEE 平臺進(jìn)行過影像拼接、大氣校正與輻射校正等預(yù)處理。本研究的目標(biāo)是估算2018 年農(nóng)安縣的SOM含量，通過對比單時(shí)相、年內(nèi)多時(shí)相、年際多時(shí)相影像為數(shù)據(jù)源的建模精度，探討不同時(shí)間長度的影像對估算SOM含量精度的差異。

根據(jù)前人文獻(xiàn)研究，選擇土壤有機(jī)碳指數(shù)（Soil Organic Carbon Index ，SOCI）以及常用的估算SOM含量的14 種指數(shù)，通過Envi 5.3 軟件進(jìn)行提取，各光譜指數(shù)的公式見表1。

1.4 地形數(shù)據(jù)獲取

地形數(shù)據(jù)來自于91 衛(wèi)圖企業(yè)版，下載吉林省ALOS 12.5 m精度高程數(shù)據(jù)，通過Arc gis 10.2軟件，進(jìn)行重采樣得到30 m精度的高程數(shù)據(jù)，隨后用農(nóng)安縣縣界按掩膜提取農(nóng)安縣DEM數(shù)據(jù)，并提取農(nóng)安地區(qū)地形相關(guān)指示因子，即坡度、坡向、坡長、平面曲率、剖面曲率、地形濕度指數(shù)（Topographic Wetness Index，TWI）數(shù)據(jù)，TWI 指數(shù)［21］提取公式如下：