任申萍， 呂成文， 陳東來(lái)， 鄧浩然

(安徽師范大學(xué) 地理與旅游學(xué)院，安徽 蕪湖 241003)

土壤水分是農(nóng)作物生長(zhǎng)發(fā)育的必要條件，也是土壤墑情評(píng)價(jià)的重要指標(biāo)，快速準(zhǔn)確地預(yù)測(cè)土壤水分對(duì)精準(zhǔn)農(nóng)業(yè)的發(fā)展具有十分重要的意義[1]。高光譜技術(shù)作為近年來(lái)土壤地理學(xué)的研究熱點(diǎn)之一，廣泛應(yīng)用于土壤水分的預(yù)測(cè)研究中[2]。熊靜玲等采用多元散射校正結(jié)合對(duì)數(shù)一階微分變換對(duì)樣本光譜數(shù)據(jù)進(jìn)行預(yù)處理，篩選敏感波長(zhǎng)，構(gòu)建基于支持向量機(jī)的土壤含水率高光譜估測(cè)模型[3]。于雷等在經(jīng)Savitzky-Golay平滑和連續(xù)統(tǒng)去除對(duì)原始光譜數(shù)據(jù)預(yù)處理后，優(yōu)選水分敏感波長(zhǎng)，采用偏最小二乘回歸方法建立模型[4]。其他相關(guān)文獻(xiàn)還有很多[5-8]。從這些文獻(xiàn)討論的問(wèn)題看，多關(guān)注到模型算法，從光譜數(shù)據(jù)預(yù)處理到模型構(gòu)建，期望通過(guò)不斷改進(jìn)模型算法來(lái)提高預(yù)測(cè)效果。

土壤高光譜是土壤屬性特征的綜合反映，包含了豐富的土壤信息[9-10]。在土壤屬性光譜預(yù)測(cè)建模中，僅僅關(guān)注模型算法，忽視其他相關(guān)屬性對(duì)被預(yù)測(cè)屬性光譜特征的影響是不夠的。尚璇等在研究中發(fā)現(xiàn)，預(yù)測(cè)土壤有機(jī)質(zhì)時(shí)應(yīng)剔除水對(duì)反射率的影響[11]。Kuang等研究認(rèn)為含水量、粉粒和砂粒對(duì)土壤總氮和有機(jī)碳光譜預(yù)測(cè)時(shí)起負(fù)向影響，土壤粘粒起正向作用[12]。宋海燕等運(yùn)用正交信號(hào)處理(orthogonal signal correction，OSC)方法對(duì)光譜數(shù)據(jù)處理，以減少質(zhì)地對(duì)土壤有機(jī)質(zhì)光譜預(yù)測(cè)的影響[13]。質(zhì)地是土壤的重要物理屬性之一，質(zhì)地對(duì)土壤含水量高光譜預(yù)測(cè)建模影響如何，目前相關(guān)報(bào)道還不多見(jiàn)。本文以巢湖流域土壤樣本為例就上述問(wèn)題進(jìn)行討論，以期為相關(guān)研究工作提供參考。

1 材料與方法

1.1 土樣制備

巢湖流域位于安徽省江淮地區(qū)中部，在116°24′18″E～117°55′38″E，30°58′58″N～32°04′48″N之間，流域面積約為9196 km2。流域地形西南高東北低，總體漸向巢湖傾斜，高海拔區(qū)主要分布在西南部，最高峰海拔高度近1400 m。土地利用類型以水田、旱地、林地為主，土壤類型有馬肝田、黃白田、馬肝土、黃白土、砂礫土等。

土壤樣本源于課題組在巢湖流域的相關(guān)工作。根據(jù)土樣質(zhì)地組成差異，選取了3組，每組20個(gè)，共60個(gè)土樣作為研究樣本。樣本組Ⅰ的砂粒含量<10%，粉粒含量65%～80%，粘粒含量20%～30%；樣本組Ⅱ的砂粒含量均<10%，粉粒含量75%～90%，粘粒含量10%～20%；樣本組Ⅲ的砂粒含量20%～35%，粉粒含量50%～65%，粘粒含量10%～20%。每個(gè)土壤樣本在采集時(shí)均記錄有詳細(xì)的經(jīng)緯度位置、地形地貌及土地利用方式等信息。

1.2 土樣水分梯度設(shè)計(jì)與光譜測(cè)量

圖1 實(shí)驗(yàn)流程Fig.1 Experiment flow

取60個(gè)直徑8cm、深2cm的鋁盒，對(duì)鋁盒編號(hào)并用天平稱得原始盒重，將過(guò)20目篩的土樣依次置于相應(yīng)編號(hào)鋁盒內(nèi)，裝滿后刮平表面。從鋁盒邊緩緩注入純水，在注入過(guò)程中盡量保證土壤表面全部均勻濕潤(rùn)，直至土壤達(dá)過(guò)飽和狀態(tài)，靜置土樣，待鋁盒土表自由水消失后(約注水之后24h)備測(cè)。隨土樣水分逐日蒸發(fā)，形成水分梯度。用光譜儀測(cè)量土樣光譜反射率，同時(shí)用天平稱量相應(yīng)土樣土重，備求土壤含水率。測(cè)量頻率為每隔24h對(duì)全部土樣測(cè)量1遍，共持續(xù)7天，獲得不同含水率土樣光譜數(shù)據(jù)420條。最后將所有土樣放入105℃烘箱中烘12h，取出后稱量相應(yīng)土重。實(shí)驗(yàn)基本流程如圖1所示。

用烘干法獲取土壤水分?jǐn)?shù)據(jù)，準(zhǔn)確度高，也是目前國(guó)際上最常用測(cè)定土壤水分的標(biāo)準(zhǔn)方法[14]。土樣含水率是指土樣在烘干至恒重時(shí)所失去的水分質(zhì)量與烘干土質(zhì)量的比值，用百分?jǐn)?shù)表示。計(jì)算公式如下：

土壤含水率=(mi-md)/(md-m0) ×100%

式中：m0為空鋁盒重量(g)；md為烘干后土樣加鋁盒的重量(g)；mi為每天測(cè)完光譜后土樣加鋁盒的重量(g)。

光譜測(cè)量采用美國(guó)ASD公司生產(chǎn)的FieldSpec 4型地物光譜儀。光譜測(cè)量在暗室內(nèi)進(jìn)行，光源使用入射角度為45°的鹵素?zé)?，采?°視場(chǎng)角的光纖探頭垂直放置于土壤樣品的正上方，并距離土樣表面15cm。每個(gè)樣品從5個(gè)方向進(jìn)行共計(jì)10次光譜測(cè)量，并將光譜曲線進(jìn)行算術(shù)平均。

參照相關(guān)文獻(xiàn)[15]，剔除含水率高于50%的土樣光譜數(shù)據(jù)，每個(gè)土樣包括不同含水率光譜數(shù)據(jù)5～7條，60個(gè)土樣最終保留有效光譜數(shù)據(jù)共計(jì)382條。去除土樣高光譜數(shù)據(jù)中噪聲較大、信噪比低的兩端波段，保留400～2400nm光譜數(shù)據(jù)用于研究，并運(yùn)用Savitzky-Golay卷積平滑法進(jìn)行平滑去噪處理[16]。

1.3 樣本組土樣質(zhì)地分異度計(jì)算

根據(jù)土壤質(zhì)地組成變量(砂粒、粉粒及粘粒含量)構(gòu)建三維特征空間，用平均重心距離表示樣本組土樣質(zhì)地分異度。參照有關(guān)文獻(xiàn)[17]，平均重心距離定義為樣本組各樣點(diǎn)到樣本組重心的平均距離。計(jì)算方法如下：

(1)

1.4 樣本組模型構(gòu)建與驗(yàn)證

按以下兩種方式，設(shè)計(jì)了6個(gè)樣本組。①根據(jù)土樣質(zhì)地組成差異將全部土樣分為3個(gè)樣本組：樣本組Ⅰ、組Ⅱ、組Ⅲ，每組20個(gè)土樣，包括不同含水率土樣光譜數(shù)據(jù)依次為128條、125條、129條。②在樣本組Ⅰ、組Ⅱ、組Ⅲ的基礎(chǔ)上，通過(guò)抽樣重組構(gòu)成3個(gè)新樣本組，以擴(kuò)大樣本組土樣質(zhì)地分異度。重組方法：在樣本組Ⅰ、組Ⅱ、組Ⅲ中各隨機(jī)抽出10個(gè)土樣，然后兩兩組合，構(gòu)成樣本組A(源于樣本組Ⅰ、組Ⅱ)、樣本組B(源于樣本組Ⅱ、組Ⅲ)，樣本組C(源于樣本組Ⅰ、組Ⅲ)。重組后，樣本組A、組B、組C各有20個(gè)土樣，包括不同含水率土樣光譜數(shù)據(jù)依次為125條、124條、127條。

采用偏最小二乘回歸方法(PLSR)建模。按照土壤含水量高低對(duì)土樣進(jìn)行升序排列，每3個(gè)土樣中選擇1個(gè)土樣作為預(yù)測(cè)樣本集，其余土樣作為建模樣本集。相關(guān)建模工作在The Unscrambler 9.7軟件中完成。

模型的預(yù)測(cè)精度評(píng)價(jià)指標(biāo)主要有：決定系數(shù)(R2)、均方根誤差(RMSE)和相對(duì)分析誤差(RPD)。R2反映模型建立和驗(yàn)證的穩(wěn)定性，R2越接近1，說(shuō)明模型的穩(wěn)定性越好、擬合程度越高。RMSE用來(lái)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力，RMSE越小則模型預(yù)測(cè)能力越好。模型評(píng)價(jià)參數(shù)RPD是標(biāo)準(zhǔn)差與均方根誤差的比值，當(dāng)RPD<1.4時(shí)，說(shuō)明模型無(wú)法對(duì)樣品進(jìn)行預(yù)測(cè)；當(dāng)1.4≤RPD<2時(shí)，說(shuō)明模型可對(duì)樣品做粗略的估測(cè)；當(dāng)RPD≥2時(shí)，說(shuō)明模型具有極好的預(yù)測(cè)能力[18]。

2 結(jié)果與討論

2.1 土樣反射光譜曲線特征分析

圖2 不同含水量下土樣光譜反射率曲線(52號(hào)土樣)Fig.2 Reflection spectrum under different soil moisture level (NO.52)

各土樣光譜曲線隨含水量變化趨勢(shì)類似，以52號(hào)土樣為例，分析不同含水量下土壤反射光譜曲線(圖2)。各光譜曲線特征總體相近，在可見(jiàn)光波段土壤光譜曲線表現(xiàn)為“陡坎式”上升，至近紅外波段曲線變化趨于平緩，在1400nm和1900nm附近分別存在強(qiáng)吸收峰，在2200nm附近存在弱吸收峰。隨著土樣含水量的減少，其光譜曲線整體上趨于抬升。在含水量較高時(shí)，相鄰光譜曲線間隔相對(duì)較小，并且隨著含水量的增加，光譜曲線逐漸接近，水分變化對(duì)光譜曲線的影響相對(duì)較小；當(dāng)含水量處于低值時(shí)，相鄰光譜曲線間隔相對(duì)增大，反射光譜曲線會(huì)因水分的變化而發(fā)生顯著抬升或下降。該現(xiàn)象在前人研究中也得到驗(yàn)證[15]。

2.2 質(zhì)地差異對(duì)樣本組建模的影響

基于公式(1)計(jì)算了樣本組Ⅰ、組Ⅱ、組Ⅲ及樣本組A、組B、組C在三維特征空間的平均重心距離，結(jié)果依次為4.27、4.17、4.01、7.97、16.33和15.41。樣本組Ⅰ、組Ⅱ、組Ⅲ土樣質(zhì)地分異度相近且相對(duì)較小，樣本組A、組B、組C土樣質(zhì)地分異度相對(duì)較大。

運(yùn)用偏最小二乘回歸方法(PLSR)分別構(gòu)建樣本組Ⅰ、組Ⅱ、組Ⅲ以及樣本組A、組B、組C土壤含水量高光譜預(yù)測(cè)模型，采用交叉驗(yàn)證方法來(lái)確定最佳主分量，建模結(jié)果見(jiàn)表1。

表1 不同樣本組土壤含水量PLSR建模結(jié)果Table 1 PLSR modeling results of soil moisture content in different sample groups

由表1可知，6個(gè)樣本組建模集R2在 0.872～0.944間，預(yù)測(cè)集R2在 0.823～0.927間，RPD均高于2.0，模型穩(wěn)定性好、擬合程度高，都具有極好的預(yù)測(cè)能力，表明質(zhì)地差異對(duì)樣本組土壤含水量光譜預(yù)測(cè)模型穩(wěn)定性及預(yù)測(cè)力影響不大，但在模型預(yù)測(cè)精度上，不同樣本組間有一定差異。

比較樣本組Ⅰ、組Ⅱ、組Ⅲ模型預(yù)測(cè)精度，考察土樣質(zhì)地組成的影響。表1顯示，樣本組Ⅱ模型預(yù)測(cè)精度優(yōu)于樣本組Ⅰ、組Ⅲ，表明樣本組土樣質(zhì)地組成對(duì)模型預(yù)測(cè)結(jié)果有影響，樣本組土樣粉粒含量高可能更有益于提高模型預(yù)測(cè)精度。

對(duì)重組前后樣本組模型預(yù)測(cè)精度進(jìn)行比較，考察土樣質(zhì)地分異度的影響。樣本組A源于樣本組Ⅰ、組Ⅱ，其模型預(yù)測(cè)精度均低于其來(lái)源樣本組Ⅰ、組Ⅱ，與樣本組A質(zhì)地分異度更大有關(guān)；樣本組B源于樣本組Ⅱ、組Ⅲ，樣本組C源于樣本組Ⅰ、組Ⅲ，樣本組B和樣本組C模型預(yù)測(cè)精度也均低于其來(lái)源樣本組，其原因與樣本組A相同?？梢?jiàn)，質(zhì)地分異度對(duì)樣本組模型預(yù)測(cè)結(jié)果有影響，質(zhì)地分異度小，有益于提高模型預(yù)測(cè)精度。

2.3 討論

上述分析表明，不同質(zhì)地分組土壤含水量光譜預(yù)測(cè)模型均有較好的穩(wěn)定性和預(yù)測(cè)力，但在模型預(yù)測(cè)精度上不同樣本組間有一定的差異。由圖3可見(jiàn)，土樣粘粒含量與光譜反射率在可見(jiàn)光段呈正相關(guān)性，粉粒含量與光譜反射率在全波段呈正相關(guān)性，砂粒含量與光譜反射率在全波段呈顯著負(fù)相關(guān)性，但整體上質(zhì)地與光譜反射率的相關(guān)性較低，其系數(shù)絕對(duì)值在0～0.25之間波動(dòng)，土樣含水量與光譜反射率相關(guān)系數(shù)絕對(duì)值在 0.6～0.9之間。一方面，質(zhì)地對(duì)土壤含水量光譜預(yù)測(cè)建模的影響是客觀存在的，另一方面，土壤含水量與土壤光譜反射率高相關(guān)性相對(duì)削弱了質(zhì)地的影響，使模型保持較高的穩(wěn)定性和預(yù)測(cè)力。

圖3 土壤含水量、質(zhì)地與光譜反射率的相關(guān)性曲線Fig.3 Correlation of soil moisture,texture and spectral reflectance

3 結(jié)論

選取巢湖流域60個(gè)土壤樣本，通過(guò)水分梯度實(shí)驗(yàn)與光譜測(cè)量，獲得有效土樣高光譜數(shù)據(jù)382條，在此基礎(chǔ)上，討論了質(zhì)地差異對(duì)土壤含水量PLSR高光譜預(yù)測(cè)模型的影響，主要結(jié)論如下：

(1)不同質(zhì)地分組的土壤含水量高光譜預(yù)測(cè)模型均具有較好穩(wěn)定性和預(yù)測(cè)力，但在模型預(yù)測(cè)精度上有一定差異。

(2)質(zhì)地組成、質(zhì)地分異度對(duì)樣本組模型預(yù)測(cè)精度有一定的影響，樣本組土樣質(zhì)地分異度小、土樣粉粒含量比例高有益于提高土壤含水量模型預(yù)測(cè)精度。

(3)土壤含水量與土壤光譜反射率相關(guān)系數(shù)絕對(duì)值在0.6～0.9間，質(zhì)地與土壤光譜反射率相關(guān)系數(shù)絕對(duì)值在0～0.25之間，土壤含水量與土壤光譜反射率高相關(guān)性相對(duì)削弱了質(zhì)地對(duì)土壤含水量高光譜預(yù)測(cè)建模的影響，使模型保持較高的穩(wěn)定性和預(yù)測(cè)力。