彭一平，劉振華，王 璐*，趙 理，胡月明,5

(1. 華南農(nóng)業(yè)大學(xué)，廣東 廣州 510642；2. 國土資源部建設(shè)用地再開發(fā)重點實驗室，廣東 廣州 510642；3. 廣東省土地信息工程技術(shù)研究中心，廣東 廣州 510642；4. 廣東省土地利用與整治重點實驗室，廣東 廣州 510642；5. 青海大學(xué)農(nóng)牧學(xué)院，青海 西寧 810016)

【研究意義】土壤是農(nóng)業(yè)生產(chǎn)的重要載體，是陸地生態(tài)的關(guān)鍵組成部分。土壤鉀是土壤中含量最高的營養(yǎng)元素,也是植物生長必需的營養(yǎng)元素之一。在農(nóng)業(yè)生產(chǎn)的過程中，常因土壤鉀供應(yīng)不足而影響作物產(chǎn)量[1-2]。因此，借助現(xiàn)代的技術(shù)對土壤全鉀含量進(jìn)行快速的監(jiān)測尤為重要?！厩叭搜芯窟M(jìn)展】土壤全鉀傳統(tǒng)監(jiān)測方法是采用野外采樣調(diào)查，結(jié)合實驗室分析(火焰分光光度法，火焰原子吸收法、流動分析注射儀法和極譜法等方法)對土樣采用進(jìn)行全鉀測定[3],最后進(jìn)行空間插值從而得到區(qū)域土壤全鉀含量的分布。這些方法雖然測量土壤全鉀含量精度較高，但是過程繁瑣，需要耗費大量的人力、物力和財力，并且往往具有滯后性。而遙感技術(shù)具有快速、大范圍動態(tài)監(jiān)測的優(yōu)勢，已有研究表明，土壤鉀元素主要以礦物態(tài)形式存在，而原生礦物對土壤光譜具有一定的影響，因此利用光譜分析技術(shù)預(yù)測土壤鉀含量，理論上具有一定的可行性[4]。近年來，國內(nèi)外已有學(xué)者嘗試?yán)酶吖庾V遙感技術(shù)反演土壤鉀含量。Viscarra Rosse等針對不同波長，結(jié)合偏最小二乘回歸法對多種土壤屬性的含量進(jìn)行反演，結(jié)果表明交換性鉀在近紅外光譜反演效果最佳，其調(diào)整R2為0.47，均方根誤差(RMSE)為1.84，但其反演效果遠(yuǎn)不如有機(jī)碳、pH等土壤屬性[5]。胡芳對光譜數(shù)據(jù)的4種光譜指標(biāo)(反射率、反射率倒數(shù)的對數(shù)、反射率一階微分和波段深度)采用偏最小二乘回歸(PLSR)方法建立反演模型，并對其進(jìn)行了精度驗證。結(jié)果表明，波段深度為最優(yōu)的反演指標(biāo)，其決定系數(shù)R2>0.85，RMSE<0.1[6]。Debaene等采用PLS模型對多種土壤屬性(土壤速效鉀、速效磷、SOC等)進(jìn)行估算，結(jié)果表明土壤速效鉀和速效磷的反演效果不理想，其決定系數(shù)R2小于0.5[7]。胡國田等對美國密蘇里州8種類型土壤進(jìn)行正交信號校正(DOSC)處理，以未進(jìn)行DOSC處理數(shù)據(jù)為參照，運用偏最小二乘回歸(PLSR)分析方法建立土壤磷和鉀的反演模型。結(jié)果表明，DOSC處理后得到的反演模型，其精度顯著提高[8]。上述研究表明利用光譜分析技術(shù)估算土壤鉀含量的測定具有一定的可行性和準(zhǔn)確性，但是由于土壤鉀含量在不同的地區(qū)，其組成成分和含量差異很大，導(dǎo)致其預(yù)測效果隨土壤類型、測試環(huán)境、顆粒大小、土壤性質(zhì)等變化，很不穩(wěn)定，有必要針對不同地區(qū)對其進(jìn)行進(jìn)一步的研究[4]?！颈狙芯壳腥朦c】目前在利用光譜反演土壤全鉀含量的研究中，其建立的估算模型通常是不具備普適性。而華南地區(qū)作為主要我國農(nóng)業(yè)產(chǎn)區(qū)之一，尚未有研究利用高光譜技術(shù)構(gòu)建適用于該地區(qū)的土壤全鉀預(yù)測模型。【擬解決的關(guān)鍵問題】本文的研究目標(biāo)是分析實測土壤光譜數(shù)據(jù)與土壤全鉀含量之間的關(guān)系，構(gòu)建亞熱帶典型區(qū)域廣東省的土壤全鉀光譜反演模型，探討利用高光譜技術(shù)進(jìn)行區(qū)域土壤全鉀含量快速監(jiān)測的可行性，為農(nóng)業(yè)有效管理提供新的思路。

1 材料與方法

1.1 研究區(qū)概況

廣東地處中國大陸最南部，陸地范圍位于北緯20°09′～25°31′，東經(jīng)109°45′～117°20′。自東至西依次與福建省、江西省、湖南省、廣西壯族自治區(qū)接壤；毗鄰香港、澳門特別行政區(qū)；西南端隔瓊州海峽與海南省相望。根據(jù)2016年度土地變更調(diào)查，全省陸地面積17.97萬km2，約占全國陸地面積的1.87 %。廣東地表形態(tài)主要分為山地、丘陵、平原、臺地4種類型，地形總體呈北高南低之勢。山地丘陵居多，草地分布面積較小，平原分為三角洲平原和河谷沖積平原2種類型，約占土地總面積的23.4 %。廣東省屬于東亞季風(fēng)區(qū)，全省平均日照時數(shù)為1745.8 h，年平均氣溫22.3 ℃，年平均降水量為1777 mm，是中國光、熱和水資源最豐富的地區(qū)之一。

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1 土壤樣本采集及處理 土壤樣本的采集時間為2017年5月,在廣東省境內(nèi)共采集了75個土壤樣本，每個樣本重約300 g，所有采樣都是在土壤表層(0～20 cm)完成，采樣分布點如圖1所示。土壤樣本經(jīng)過剔除雜質(zhì)，風(fēng)干后，進(jìn)行碾磨并過0.2 mm土壤篩，最后將每個樣品均分為2份，分別用于測定土壤光譜反射率與土壤全鉀含量。

圖1 研究區(qū)土壤樣點分布Fig.1 Distribution of soil samples in the study area

表1 土壤全鉀含量描述性統(tǒng)計

為了測定土壤全鉀含量，每個樣本分別稱取土壤0.2 g，用H2SO4-HNO3-KMnO4法消解，測定方法為三酸消化-ICP測定法。測定的土壤全鉀含量描述性統(tǒng)計如表1所示。其變異系數(shù)為72.80 %，表明研究區(qū)的土壤全鉀含量為中等變異性。在隨后的數(shù)據(jù)處理中將75個樣本數(shù)據(jù)按照4∶1的比例隨機(jī)分為建模樣本與驗證樣本。

1.2.2 土壤光譜放射率測定及處理 本研究使用荷蘭Avantes公司生產(chǎn)的AvaField便攜式光譜儀對土壤光譜數(shù)據(jù)進(jìn)行測定，波段范圍為340.316～2511.179 nm，采樣間隔為0.6 nm，測定光源為50 W的鹵素?zé)簦晥鼋菫?0°，將探頭垂直接觸樣本進(jìn)行光譜數(shù)據(jù)采集，每個土樣的光譜測定重復(fù)5次，每次自動采集10條數(shù)據(jù)，利用AvaReader軟件剔除異常曲線后，取光譜反射率的算數(shù)平均值作為土樣的光譜反射率?？紤]到波段測試范圍兩端為光譜不穩(wěn)定區(qū)域，因此在本文中不予考慮。

1.3 研究方法

1.3.1 光譜數(shù)據(jù)分析 由于光譜儀波段之間對能量響應(yīng)上的差別，會使光譜曲線上存在許多突兀的“毛刺”噪聲，為了降低噪聲的影響，選用Savitzky-Golay平滑方法對光譜數(shù)據(jù)進(jìn)行平滑處理[6]。

由圖2可知，研究區(qū)域的土壤反射光譜曲線波形大致相同，呈上凸的拋物線型，在400～1100 nm光譜區(qū)間，隨著波長的增加，反射光譜曲線單調(diào)上

圖2 土壤光譜反射率Fig.2 Spectrum of soil samples

升，在1100 nm附近達(dá)到峰值后，光譜曲線變化較為平緩。在1400、1900和2200 nm附近存在3個明顯的吸收峰，深度略有差別，符合土壤光譜的曲線特征。

為了突出光譜曲線的吸收和反射特征，更好的篩選特征波段，本研究對光譜數(shù)據(jù)進(jìn)行了連續(xù)統(tǒng)去除處理。由圖3可以看出，光譜曲線吸收帶主要集中4個波段附近(500、1000、1400、1900和2200 nm)。根據(jù)前人研究可知，500 nm附近是主要是有機(jī)質(zhì)的光譜吸收區(qū)，1000 nm附近的吸收主要是礦物引起的，1400、1900和2200 nm附近的吸收主要是水分子振動引起的[9]。

1.3.2 構(gòu)建光譜指標(biāo) 通過對光譜進(jìn)行適當(dāng)變換，可消除或減弱背景噪聲的影響，突出光譜曲線的吸收和反射特征，減小土壤表面散射和吸收引起的信號強(qiáng)度的改變，提高光譜敏感度，從而提高模型的估算能力和穩(wěn)定性[10]。因此，本研究以平滑處理后的光譜曲線作為土壤樣品的光譜變換的原始光譜反射率，對其進(jìn)行3種光譜變換處理(一階微分、二階微分以及倒數(shù)對數(shù))，增強(qiáng)反射率與土壤全鉀含量的相關(guān)性，更有效的篩選波段。

1.3.3 模型建立與驗證 利用皮爾遜相關(guān)分析進(jìn)行特征指標(biāo)的篩選，以經(jīng)過篩選后的光譜數(shù)據(jù)作為函數(shù)的自變量，實驗室測得的土壤全鉀含量作為因變量，對土壤全鉀含量進(jìn)行曲線擬合。利用決定系數(shù)(R2)和均方根誤差(RMSE)驗證模型效果，其中決定系數(shù)(R2)用于衡量模型的穩(wěn)定性，決定系數(shù)越大，代表模型越穩(wěn)定；模型精度是由均方根誤差(RMSE)來反映，均方根誤差越小，預(yù)測能力越好[12]，R2與RMSE的計算公式分別如下式(1)、(2)所示：

圖3 土壤連續(xù)統(tǒng)去除光譜反射率Fig.3 Continuum removal of soil spectrum

表2 光譜指標(biāo)描述

a) 光滑處理， b) 一階微分，c)二階微分 和d)倒數(shù)對數(shù)a) REF; b) FDR; c)SDR and d)RL圖4 土壤光譜指標(biāo)與土壤全鉀含量的相關(guān)系數(shù)Fig.4 Correlation coefficient between soil total potassium content and spectral indices in soil

(1)

(2)

表3 光譜指標(biāo)與土壤全鉀含量的特征波段及相關(guān)系數(shù)

注：*表示相關(guān)性在0.05層上顯著(雙尾)，**表示相關(guān)性在0.01層上顯著(雙尾)。

Note：* Correlation is significant atP<0.05 level; **Correlation is significant atP<0.01 level.

2 結(jié)果與分析

2.1 土壤全鉀含量與光譜指標(biāo)的相關(guān)性分析

利用皮爾遜相關(guān)分析分別將反射率光譜平滑(REF)、一階微分(FDR)、二階微分(SDR)、倒數(shù)對數(shù)(RL)4種光譜指標(biāo)與土壤全鉀含量進(jìn)行相關(guān)性分析，結(jié)果如圖4所示，可知FDR與土壤全鉀含量的相關(guān)性明顯高于其他處理，其特征波段主要在500和1000 nm附近。

從圖4a～c可看出，4種光譜指標(biāo)與土壤全鉀含量的相關(guān)性大小為：FDR>SDR>RL>REF，其對應(yīng)的最高相關(guān)系數(shù)為0.50，0.25，0.22，0.20，由此表明反射率一階微分(FDR)與土壤全鉀含量的相關(guān)性最好，為最優(yōu)光譜指標(biāo)。由于不同光譜波段的信息可以互相補(bǔ)充，為了提高土壤全鉀與光譜指標(biāo)之間的相關(guān)性，本文對光譜數(shù)據(jù)進(jìn)行了波段組合，由表3可知，與未進(jìn)行波段組合處理相比，相關(guān)系數(shù)有了顯著的提高，其中反射率一階微分的波段組合相關(guān)系數(shù)達(dá)到0.634，其最優(yōu)的波段組合為R442.459nm+R1739.447nm+R965.768nm。

2.2 模型構(gòu)建

將篩選所得的特征波段和土壤全鉀含量分別作為自變量x與因變量y，采用6種常用的回歸模型，除去部分因自變量為負(fù)值而無法利用對數(shù)函數(shù)和冪函數(shù)擬合，其余的分別建立反射率光譜平滑(REF)、一階微分(FDR)、二階微分(SDR)、倒數(shù)對數(shù)(RL)最優(yōu)波段組合的土壤全鉀反演模型，如表4所示。

表4 反演模型對比分析

表5 土壤全鉀含量預(yù)測值與實測值的比較

從表4可以看出，不同光譜指標(biāo)的預(yù)測效果差異較大。在建模階段，R2介于0.12～0.65，RMSE介于4.850～7.978 g/kg；驗證階段，R2介于0.02～0.63；RMSE介于4.347～9.449 g/kg。通過比較分析，基于反射率一階微分(FDR)波段組合構(gòu)建的預(yù)測模型反演效果明顯優(yōu)于其他3種。進(jìn)一步比較反射率一階微分(FDR)波段組合所建立預(yù)測模型，其中，一元二次函數(shù)模型y=2E+06x2+11328x+16.372擬合效果最好，R2達(dá)到0.64，RMSE為4.850 g/kg，預(yù)測結(jié)果如圖5所示。

通過計算驗證數(shù)據(jù)集(n=15)的精度參數(shù)(R2和RMSE)，進(jìn)一步驗證最優(yōu)模型的預(yù)測效果。由表5可知，驗證樣本的預(yù)測平均值為10.30 g/kg，實測平均值11.95 g/kg，其對應(yīng)的標(biāo)準(zhǔn)差分別為4.81和7.29。驗證樣本R2為0.61，RMSE為6.87 g/kg。圖6為土壤全鉀含量實測值與預(yù)測值的比較，散點分布接近于1∶1線，可知此模型反演結(jié)果可靠。

3 討 論

本研究所得土壤全鉀含量與光譜變量最大相關(guān)系數(shù)與前人的研究有較大的差異[3-4,13-14]，主要原因是針對不同的地區(qū)，土壤類型差異大，其土壤屬性與反射率差異較大。但是由于經(jīng)費、時間等限制，本文僅選取廣東省作為華南地區(qū)典型區(qū)域，進(jìn)行土壤全鉀含量的高光譜反演研究，今后還需要在其他地區(qū)增加采樣點，以提高模型的可靠性；此外，本研究是利用采樣點實測光譜數(shù)據(jù)與土壤全鉀含量數(shù)據(jù)，進(jìn)而建立樣點尺度上的土壤全鉀預(yù)測模型，今后可考慮利用高光譜遙感影像，對土壤全鉀含量進(jìn)行區(qū)域尺度上的反演。

圖5 土壤全鉀含量最優(yōu)反演模型Fig.5 Optimal inversion model of soil total potassium content

4 結(jié) 論

本文對土壤光譜反射率數(shù)據(jù)進(jìn)行Savitzky-Golay平滑(REF)、一階微分(FDR)、二階微分(SDR)、倒數(shù)對數(shù)(RL)4種光譜變換處理后，利用皮爾遜相關(guān)性分析，篩選出各光譜變換處理的特征波段。為了充分利用光譜信息，對特征波段進(jìn)行了波段組合，結(jié)果表明，與單波段相比，波段組合能顯著提高光譜變量和土壤全鉀含量之間的相關(guān)性，其中反射率一階微分的波段組合R(442.459nm)+R(1739.447nm)+R(965.768nm)相關(guān)性最高，其相關(guān)系數(shù)達(dá)到0.634。本研究建立6種回歸模型對土壤全鉀含量進(jìn)行高光譜反演，通過對比分析，最佳反演模型是以反射率一階微分(FDR)的波段組合R(442.459nm)+R(1739.447nm)+R(965.768nm)為光譜指標(biāo)所建立的一元二次函數(shù)模型y=2E+06x2+11328x+16.372，建模時決定系數(shù)R2為0.64，RMSE為4.850 g/kg，驗證時決定系數(shù)R2為0.61，RMSE為6.874 g/kg。研究結(jié)果為土壤養(yǎng)分含量的高精度預(yù)測提供了可靠的參考依據(jù)。

圖6 土壤全鉀實測值與預(yù)測值Fig.6 The predicted values against the measured contents