倪隆康，何 文，顧大形*

（1.長(zhǎng)江大學(xué) 園藝園林學(xué)院，湖北 荊州 434025；2.廣西喀斯特植物保育與恢復(fù)生態(tài)學(xué)重點(diǎn)實(shí)驗(yàn)室/廣西壯族自治區(qū)中國(guó)科學(xué)院廣西植物研究所，廣西 桂林 541006）

【研究意義】土壤是地球生物圈重要的自然資源，也是植物生長(zhǎng)發(fā)育的載體。土壤生源要素豐度直接調(diào)節(jié)著植物和微生物的分布和生理過程，并最終影響生態(tài)系統(tǒng)功能[1]。傳統(tǒng)的土壤生源要素含量實(shí)驗(yàn)室測(cè)定方法如酸式消解法，存在耗時(shí)耗工的問題，并且對(duì)消解過程有較高的要求，導(dǎo)致測(cè)定的結(jié)果往往存在誤差[2]。同時(shí)，消解法也不利于在空間上提供連續(xù)土壤關(guān)鍵生源要素含量信息。高光譜遙感分析技術(shù)的快速發(fā)展，為在時(shí)間和空間上連續(xù)獲取土壤生源要素豐度信息提供了一個(gè)方便快捷的途徑[3]?！厩叭搜芯俊坷酶吖庾V遙感技術(shù)具有無損、快速獲取地物信息等優(yōu)勢(shì)[4]，國(guó)內(nèi)外大量學(xué)者利用高光譜反射率估算土壤的有機(jī)質(zhì)和礦物質(zhì)含量。有研究表明，紅壤土黏土礦物對(duì)土壤銅含量有較大影響，在830 nm、1 000 nm和2 250 nm波段土壤與銅有較強(qiáng)的相關(guān)性[5]。程先鋒等[6]利用高光譜對(duì)鉛鋅礦區(qū)土壤中多種元素含量進(jìn)行反演，發(fā)現(xiàn)實(shí)測(cè)光譜的逐步回歸方法的預(yù)測(cè)模型具有較高的精度，其決定系數(shù)均高于0.816。薛利紅等[7]在對(duì)土壤有機(jī)質(zhì)和全磷進(jìn)行高光譜反演的研究中發(fā)現(xiàn)，PLSR模型具有較高的預(yù)測(cè)精度且反演效果較為穩(wěn)定。P等[8]利用ASD地物光譜儀和HYMAP分別在2 206 nm和2 341 nm處的反射率測(cè)得粘土、碳酸鈣含量與Cr值之間存在著顯著關(guān)系。以上研究表明了利用高光譜反演預(yù)測(cè)土壤中元素含量的可行性和高效性[9-10]?！颈狙芯壳腥朦c(diǎn)】巖溶區(qū)基巖為碳酸鹽巖，在不斷風(fēng)化過程中，土壤因?yàn)殁}離子的不斷供給，延緩了土壤脫硅富鋁的速度，使上覆土壤存在高鈣、高pH值等特點(diǎn)[11]。富鈣性是巖溶區(qū)土壤較其它地區(qū)所獨(dú)有的特性[12]，并深刻地影響著各種生態(tài)過程。如高鈣環(huán)境下過多的鈣離子會(huì)直接損傷葉綠體從而影響植物的光合作用[13]。喀斯特地區(qū)富鈣的土壤性質(zhì)，直接影響著當(dāng)?shù)刂参锱c農(nóng)作物的生長(zhǎng)發(fā)育以及其它元素的生物代謝作用[14]，進(jìn)而影響著巖溶地區(qū)群落的演替和當(dāng)?shù)厣鷳B(tài)環(huán)境的恢復(fù)。因此，基于喀斯特地區(qū)的各項(xiàng)研究，土壤鈣含量指標(biāo)是十分重要的[15]。目前高光譜反演土壤元素的研究多聚焦在銅、鐵、鋅等土壤元素，而對(duì)土壤鈣的相關(guān)研究較少?！緮M解決的關(guān)鍵問題】本研究利用土壤光譜數(shù)據(jù)結(jié)合實(shí)驗(yàn)消解測(cè)得的土壤全鈣含量，采用不同方法進(jìn)行分析，一是利用光譜波段兩兩組合的方式構(gòu)建Ca光譜指數(shù)模型進(jìn)行反演；另外運(yùn)用主成分回歸分析建模，對(duì)喀斯特區(qū)土壤Ca含量進(jìn)行反演。最后對(duì)兩種方法結(jié)果進(jìn)行對(duì)比，以選出最佳Ca高光譜反演策略，為喀斯特地區(qū)土壤鈣元素含量的估測(cè)及其空間分布遙感提供技術(shù)和數(shù)據(jù)支持。

1 材料和方法

1.1 試驗(yàn)樣地

研究區(qū)域位于廣西壯族自治區(qū)境內(nèi)，屬于熱帶亞熱帶季風(fēng)性氣候。土壤取樣在廣西境內(nèi)的東北—西南喀斯特樣帶上進(jìn)行（圖1），在樣帶上選取不同植被類型覆蓋的7個(gè)典型巖溶區(qū)土壤為研究對(duì)象。取樣區(qū)域經(jīng)緯度的范圍為106°57′02″E～111°13′46″E和22°27′03″N～25°06′03″N。

圖1 研究區(qū)采樣點(diǎn)分布Fig.1 The distribution of sampling sites in karst area

樣點(diǎn)覆蓋廣西喀斯特地貌的多個(gè)發(fā)育階段和多種土壤類型，并以土壤、植被及地形狀況為主要參照選擇7個(gè)樣點(diǎn)。如表1所示，桂林市臨桂區(qū)會(huì)仙巖溶生態(tài)與水生態(tài)研究基地和全州縣白寶鄉(xiāng)和都安縣澄江鎮(zhèn)取樣點(diǎn)由于受到人為干擾和放牧的影響，生物多樣性相對(duì)較少，植被覆蓋度較差，多由一些低矮灌木和草本組成，石多土少、土薄易旱，代表退化的巖溶土壤狀態(tài)。而龍州縣弄崗國(guó)家級(jí)自然保護(hù)區(qū)是世界上罕見的保存完好的巖溶地區(qū)熱帶季雨林，以高大喬木為主，郁閉度高，土層厚、濕度大，代表巖溶土壤的原始狀態(tài)。富川縣朝東鎮(zhèn)福西村等樣點(diǎn)，則由于設(shè)立保護(hù)區(qū)人煙稀少等原因，當(dāng)?shù)刂脖桓采w度較高，多為喬灌草結(jié)合的自然保護(hù)林，物種多樣性豐富，代表生態(tài)恢復(fù)過程中的巖溶土壤狀態(tài)[16-17]。采樣區(qū)范圍主要選擇在山坡陽坡中段，取樣區(qū)域約200 m2，采用蛇形布點(diǎn)法進(jìn)行樣品采集。

表1 研究區(qū)概況Tab.1 Overview of research area

1.2 試驗(yàn)材料

1.2.1 試驗(yàn)材料的采集和處理 本試驗(yàn)于2018年7月至9月在7個(gè)試驗(yàn)樣地表層20 cm土壤進(jìn)行樣本采集，每個(gè)樣地取6個(gè)樣本。將樣本帶回實(shí)驗(yàn)室后，剔除碎石、植物根系等雜質(zhì)，經(jīng)風(fēng)干處理后用機(jī)器研磨過篩并分成兩份，一份用于土壤光譜的測(cè)定，另一份用于土壤Ca含量的消解測(cè)定，消解的方法采用H2SO4-H2O2消解法[18]，最后使用上海FP6431火焰光度計(jì)測(cè)定土壤Ca含量。

在黑暗的實(shí)驗(yàn)室內(nèi)采用美國(guó)ASD FieldSpec 4 Hi-Res光譜儀采集土壤反射光譜信息。該光譜儀的測(cè)定光譜范圍為350～2 500 nm，光譜分辨率最高為3 nm，350～1 000 nm的范圍采樣間隔為1.4 nm，1 001～2 500 nm范圍的采樣間隔為1.1 nm，共輸出2 151個(gè)光譜波段。測(cè)定時(shí)，將土樣均勻鋪在反射率近似為0的黑色墊板上，并刮平至1～2 mm厚，使土樣表面盡量平整均勻。用50 W鹵素?zé)糇鳛楣庠?，光源距離土壤樣品30 cm，光源的入射角為15°，探頭垂直于土樣平面，探頭與土壤樣品平面距離15 cm。試驗(yàn)中每5 min校正一次參考板以減小測(cè)量誤差。

1.2.2 光譜數(shù)據(jù)的處理 土壤光譜的原始數(shù)據(jù)中常存在隨機(jī)誤差，而且可能出現(xiàn)信號(hào)薄弱等問題，使其難以直接反映特征波段的特點(diǎn)[19]。采用光譜重采樣、去除包絡(luò)線及一階導(dǎo)數(shù)的方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理是光譜降噪和增強(qiáng)特征波段的常用手段[5，20-21]。所有數(shù)據(jù)處理均通過MatLab和SPSS 20.0實(shí)現(xiàn)。

1.2.3 光譜去包絡(luò)線 高光譜數(shù)據(jù)中相鄰的波段經(jīng)常高度相關(guān)，信息冗余并且不利于計(jì)算，而通過包絡(luò)線消除法可突出光譜曲線的反射和吸收特征，更有利于和其他光譜曲線進(jìn)行特征比較[22-23]。其表達(dá)式如下[24]：

其中λj是第j波段波長(zhǎng)；Rj是j波段的原始光譜反射率；Rend和Rstart是起始光譜反射率和末端光譜反射率；λend和λstart是起始點(diǎn)的波長(zhǎng)和末端點(diǎn)的波長(zhǎng)。

1.2.4 光譜一階導(dǎo)數(shù) 光譜導(dǎo)數(shù)是遙感研究中常用的光譜指標(biāo)，獲取土壤一階導(dǎo)數(shù)光譜具有一定的平滑去噪功能，可以消除部分共有的系統(tǒng)誤差[25]。所獲取的一階導(dǎo)數(shù)光譜形態(tài)會(huì)因干擾程度的不同而產(chǎn)生差異[26]。光譜數(shù)據(jù)一階導(dǎo)數(shù)計(jì)算公式如下[25]：

其中λi為inm波長(zhǎng)波段，ρ（λi）是波段λi的光譜反射率。

1.3 試驗(yàn)方法

1.3.1 相關(guān)性分析 相關(guān)性分析是光譜數(shù)據(jù)分析中經(jīng)常使用的方法，通過對(duì)不同數(shù)據(jù)的分析，來發(fā)現(xiàn)兩個(gè)變量的線性關(guān)系的強(qiáng)弱，本研究利用Pearson相關(guān)系數(shù)對(duì)土壤鈣含量差異的相關(guān)波段進(jìn)行指示。計(jì)算方法如下[19]：

其中λi和Y分別代表第i個(gè)波段的反射率和樣本Ca含量，δ為標(biāo)準(zhǔn)差，E表示期望值。

1.3.2 光譜指數(shù) 以實(shí)測(cè)的高光譜數(shù)據(jù)和土壤Ca含量為基礎(chǔ)，并總結(jié)前人對(duì)土壤高光譜反演的相關(guān)研究[27-28]，構(gòu)建土壤Ca的高光譜指數(shù)反演模型。通過對(duì)前人的研究進(jìn)行總結(jié)發(fā)現(xiàn)，土壤反演指數(shù)的模型主要有以下5種：差值光譜指數(shù)（difference spectral indices，DSI）、亮度光譜指數(shù)（brightness spectral indices，BSI）、比值鹽分指數(shù)（ratio salt indices，RSI）、鹽度指數(shù)（salt indices，SI）、歸一化光譜指數(shù)（normalized difference spectral indices，NDSI）。公式見表2[27]。

1.3.3 主成分回歸分析 主成分回歸分析（PCR）是一種去除高光譜共線性的有效手段，它可以通過主成分的變換，將一組存在相關(guān)性的變量轉(zhuǎn)換為線性不相關(guān)的變量，后進(jìn)行回歸分析。本研究根據(jù)不同預(yù)處理的光譜數(shù)據(jù)，根據(jù)累計(jì)貢獻(xiàn)率和特征根，選取6個(gè)主成分，分別進(jìn)行回歸分析。其計(jì)算方法如下[28]：

其中v1j為m個(gè)原始變量的相關(guān)系數(shù)第i個(gè)特征值對(duì)應(yīng)的特征向量；λi表示第i個(gè)波段反射率；n表示變量相關(guān)系數(shù)矩陣；j表示對(duì)應(yīng)的特征值向量；Y是Ca含量的估算值；an是第n個(gè)主成分變量對(duì)應(yīng)的Ca反演模型的系數(shù)。運(yùn)用回歸分析的方法選擇出對(duì)因變量高度解釋的主成分。

表2 光譜指數(shù)及公式Tab.2 Reflectance index and formula

1.4 評(píng)價(jià)方法

各模型的評(píng)判結(jié)果以決定系數(shù)R2、樣本均方根誤差RMSE以及P作為評(píng)價(jià)標(biāo)準(zhǔn)。最終根據(jù)建模和檢驗(yàn)參數(shù)來選取最佳光譜指數(shù)與最佳指數(shù)模型，并選擇基于土壤鈣含量的估算技術(shù)路線。

2 結(jié)果與分析

2.1 土壤Ca含量分布狀況

7個(gè)樣點(diǎn)中土壤Ca含量的統(tǒng)計(jì)分析結(jié)果表3所示。最低值為2.64 mg/kg，最高值達(dá)到91.26 mg/kg，平均值達(dá)到43.131 7 mg/kg，標(biāo)準(zhǔn)差為15.622 6。數(shù)據(jù)表明研究區(qū)內(nèi)土壤Ca含量較高，且變異性大。土壤中Ca含量變異性大主要是因?yàn)樗x樣區(qū)土壤本身差異性較大造成，且不同地區(qū)土壤溫度濕度條件等有所差異，造成土壤中Ca含量的富集情況不同。土壤樣品中較廣的Ca含量梯度，有利于提高光譜反演模型和反演方法的適用范圍。

表3 研究區(qū)土壤Ca含量描述性統(tǒng)計(jì)結(jié)果Tab.3 Statistic of soil Ca content in study area （mg/kg）

2.2 土壤Ca含量與各波段光譜反射率的相關(guān)關(guān)系

研究區(qū)的土壤樣本相關(guān)系數(shù)分布如圖2所示，通過對(duì)原始光譜進(jìn)行一階導(dǎo)數(shù)及去包絡(luò)線處理，土壤光譜與Ca含量的相關(guān)性有了較大幅度的提高。包絡(luò)線去除后光譜和一階導(dǎo)數(shù)光譜與Ca含量相關(guān)性較好的波段主要出現(xiàn)在兩個(gè)區(qū)域，一個(gè)位于570～608 nm，另一個(gè)區(qū)域位于2 260～2 350 nm。而在460 nm和945 nm附近也均表現(xiàn)出一定的相關(guān)性。

2.3 光譜指數(shù)分析

通過對(duì)400～2 500 nm的任意2個(gè)波段組合建立Ca的光譜指數(shù)（SI，BSI，RSI，NDSI，DSI）。其中，在一階導(dǎo)數(shù)的光譜反射率條件下，各光譜指數(shù)的R2分布如圖2所示。5種光譜指數(shù)與土壤Ca含量之間的相關(guān)系數(shù)總體較為一致，400～600 nm的波段與其他波段的組合均表現(xiàn)出較強(qiáng)的相關(guān)性，且以RSI指數(shù)的表現(xiàn)較為突出。同時(shí)，不同的光譜指數(shù)與Ca的相關(guān)系數(shù)最佳分布存在著一定的差異。如表4所示，原始光譜數(shù)據(jù)處理效果最好的是NDSI指數(shù)，它與Ca在敏感波段（603 nm，604 nm）處的決定系數(shù)為0.57，而DSI與RSI指數(shù)反演結(jié)果相同。通過平滑去噪的去包絡(luò)線光譜數(shù)據(jù)，DSI與RSI指數(shù)的反演結(jié)果依舊相同，但反演精度上有所提高，決定系數(shù)整體上升達(dá)到0.55，反演能力最強(qiáng)的仍為DNSI指數(shù)，決定性系數(shù)也為0.57，反演能力與原始光譜一致。

圖2 不同預(yù)處理光譜的相關(guān)系數(shù)分布Fig.2 Soil spectrum curves in different research areas

此外，經(jīng)過一階導(dǎo)數(shù)處理的光譜，各指數(shù)的反演效果均有較大提高，說明對(duì)土壤Ca含量反演而言，光譜的一階導(dǎo)數(shù)變換處理較為適合，一階導(dǎo)數(shù)變換去除的干擾信息多是對(duì)土壤Ca含量沒有影響的信息?；谝浑A導(dǎo)數(shù)光譜的反演模型中，表現(xiàn)較為突出的是RSI與NDSI指數(shù)，R2分別達(dá)到0.67和0.66，均方根誤差分別為26.34和17.22，都表現(xiàn)出較強(qiáng)的反演能力，適宜喀斯特區(qū)土壤Ca含量的快速診斷。

2.4 主成分回歸分析

主成分回歸分析結(jié)果如表5所示，3種處理方式的光譜都具有一定的反演能力。一階導(dǎo)數(shù)光譜的決定系數(shù)達(dá)到了0.57，去包絡(luò)線光譜的決定系數(shù)為0.49，未經(jīng)處理的原始光譜決定系數(shù)也能達(dá)到0.43，并且3種處理方式建模都能通過95%顯著性檢驗(yàn)。這證明了主成分回歸分析可以有效地應(yīng)用于對(duì)土壤Ca含量模型的反演。其中，經(jīng)過一階導(dǎo)數(shù)處理的光譜模型效果改善最為顯著，其次是去包絡(luò)線光譜。這說明了光譜數(shù)據(jù)經(jīng)過一階導(dǎo)數(shù)處理可有效避免選入原始光譜中的系統(tǒng)噪聲。

圖3 一階導(dǎo)數(shù)光譜下各指數(shù)的R2分布圖Fig.3 Categories based on R2with different type indices using first-order derivative spectra

表5 主成分回歸分析不同的光譜處理Tab.5 PCR analysis with different spectral processing

3 結(jié)論與討論

3.1 土壤Ca含量的光譜特征波段

在本研究中，高光譜反演土壤Ca含量的特征波段與其他學(xué)者的研究存在著明顯的相似性。本研究通過光譜指數(shù)分析識(shí)別出的特征波段為2 260～2 350 nm，與Lagacherie P等[8]在法國(guó)南部的石灰?guī)r和鈣質(zhì)砂巖土壤的2 206～2 341 nm波段、Csorba á等[29]在匈牙利北部的農(nóng)田用地和森林土壤中的2 200～2 340 nm和2 400 nm波段等土壤該敏感波段部分相吻合。但本研究也發(fā)現(xiàn)了在608 nm附近的光譜反射率也對(duì)土壤Ca較為敏感。這可能是由于本試驗(yàn)是以土壤全鈣作為反演對(duì)象，與前人進(jìn)行的碳酸鈣反演存在著一定差異導(dǎo)致。

3.2 不同光譜預(yù)處理的差異

以廣西喀斯特地區(qū)土壤為例，本研究通過指數(shù)分析和主成分回歸分析驗(yàn)證了不同預(yù)處理光譜的預(yù)測(cè)能力。結(jié)果發(fā)現(xiàn)，相對(duì)于原始光譜，去包絡(luò)線光譜指數(shù)DIS、RSI和SI在決定系數(shù)上有較大的提升，而且提取的波段也更加精準(zhǔn)在583～636 nm波段。BSI指數(shù)在決定系數(shù)上僅提升了0.04，提升較小且決定系數(shù)較低，特征波段的篩選較模糊。而NDSI指數(shù)雖然反演效果普遍較好，但不同處理提升不大，而且特征波段的篩選也較為相近。而經(jīng)過一階導(dǎo)數(shù)處理的光譜相對(duì)于前兩種處理有明顯的提升。其中BSI指數(shù)提升最大，比原始光譜的決定系數(shù)高出0.26，比去包絡(luò)線光譜的決定系數(shù)高出0.22；NDSI指數(shù)3種預(yù)處理差別不明顯但均能篩選出敏感波段。DSI和RSI兩種指數(shù)在相同光譜處理中所得的反演結(jié)果幾乎相同，因此在Ca反演方面兩種指數(shù)的無處理和去包絡(luò)線處理光譜無顯著差異。這與前人的研究存在一定的差異，郭鵬等[28]對(duì)土壤鹽分的高光譜反演認(rèn)為BSI指數(shù)為最優(yōu)指數(shù)。這可能是因?yàn)椴煌刂g的反演存在差異，同時(shí)BSI雖然在一階導(dǎo)數(shù)光譜中反演效果較好，但在無處理光譜和去包絡(luò)線光譜上則效果并不理想，說明了在不對(duì)原始數(shù)據(jù)進(jìn)行降噪處理的情況下BSI指數(shù)很難識(shí)別弱信號(hào)的特征波段。

3.3 土壤Ca含量反演模型選擇

本研究所使用的光譜指數(shù)法和主成分回歸分析法均有顯著效果。如RSI指數(shù)反演效果最好，決定系數(shù)達(dá)到0.67，并且直接篩選出了敏感波段607 nm和2 370 nm，波段指示意義明確。主成分回歸模型操作簡(jiǎn)單，主成分降維的優(yōu)勢(shì)比較突出，計(jì)算精度與指數(shù)差別不大，但回歸結(jié)果難以篩選出特征波段，指示意義不明確。目前高光譜反演常借助衛(wèi)星等進(jìn)行輔助研究，如曹雷等[30]通過衛(wèi)星數(shù)據(jù)對(duì)土壤鹽漬化的信息提取、徐祎凡等[31]通過環(huán)境一號(hào)衛(wèi)星的高光譜數(shù)據(jù)檢測(cè)太湖的富營(yíng)養(yǎng)化評(píng)價(jià)等多通過衛(wèi)星等航空儀器進(jìn)行輔助研究。然而由于衛(wèi)星搭載的限制，往往只能對(duì)有限波段的高光譜進(jìn)行數(shù)據(jù)采集，而高光譜指數(shù)模型可精確篩選敏感特征光譜，這對(duì)指導(dǎo)衛(wèi)星搭載的用于巖溶區(qū)土壤Ca含量遙感的高光譜傳感器的設(shè)計(jì)具有指導(dǎo)意義。