孫亞楠 李仙岳 史海濱 崔佳琪 王維剛

(內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院， 呼和浩特 010018)

0 引言

土壤鹽漬化是制約農(nóng)業(yè)生產(chǎn)的重要因素，已成為全球關(guān)注的生態(tài)環(huán)境問題[1]。內(nèi)蒙古河套灌區(qū)地處我國西北干旱內(nèi)陸區(qū)，多年蒸發(fā)量是降雨量的11.16～17.69倍，耕地中有10.67萬hm2中度、重度鹽化耕地[2]。巴彥淖爾政府在近5年內(nèi)重點(diǎn)實(shí)施 “484萬畝改鹽增草興牧”工程，其目的是改良不同程度的土壤次生鹽堿化，提高土地生產(chǎn)力。土壤鹽分定量監(jiān)測是鹽堿地改良的依據(jù)和前提[3]，而傳統(tǒng)的實(shí)地采樣方法耗時(shí)長、成本高、取樣不連續(xù)，且由于土壤空間變異性等因素會(huì)導(dǎo)致對區(qū)域總體鹽分變化情況的判斷產(chǎn)生較大誤差。隨著遙感技術(shù)的發(fā)展，高光譜技術(shù)已經(jīng)能準(zhǔn)確反映地物光譜的細(xì)微特征[4]。通常將光譜分辨率在10-2λ的遙感信息稱為高光譜遙感(Hyperspectral)。與多光譜遙感相比，高光譜遙感波段數(shù)多，分辨率一般為10～20 nm，圖譜合一，通道連續(xù)，有利于地物精細(xì)分類和識別，并易于應(yīng)用各種光譜模型。目前利用高光譜遙感對水體水質(zhì)參數(shù)[5]、作物參數(shù)(如植被葉面積[6]、葉綠素[7]、氮營養(yǎng)[8]、磷含量[9-10]、產(chǎn)量[11])、土壤參數(shù)(如土壤重金屬[12-13]、土壤有機(jī)質(zhì)[14]、土壤水分[15]、土壤鹽分[16])都進(jìn)行了大量研究，研究表明，采用高光譜遙感或經(jīng)高光譜遙感校正后，相應(yīng)的遙感模型反演精度均明顯提高。

優(yōu)化土壤鹽分反演模型是提高土壤鹽漬化遙感精度的重要手段。目前針對鹽漬化土壤高光譜鹽分遙感反演模型精度的提升已經(jīng)作了大量研究，包括針對不同光譜預(yù)處理進(jìn)行的高光譜鹽分定量模型優(yōu)化[17-18]、高光譜-多光譜融合模型構(gòu)建[19-21]、高光譜-電磁感應(yīng)結(jié)合模型構(gòu)建[22-23]、偏振信息高光譜遙感模型優(yōu)化[24-25]等。研究表明，選擇的驗(yàn)證指標(biāo)不同，對高光譜鹽分反演的精度影響較大[26]，對光譜進(jìn)行光譜變換后，高光譜反射率與鹽分的相關(guān)性高于原始光譜[27-28]。

由于土壤鹽分分布廣，不同區(qū)域鹽分離子差異大、組成復(fù)雜，且土壤中過量的鹽分離子對植物的生殖生長和營養(yǎng)生長都有抑制作用，一些離子還會(huì)對植物有直接毒害，引起植物的形態(tài)和結(jié)構(gòu)發(fā)生變化[29]。因此，快速、準(zhǔn)確獲得不同土壤鹽分離子含量是選擇不同鹽漬化土壤改良方法的前提。同時(shí)詳細(xì)的鹽分指標(biāo)有助于提高鹽分遙感模型的精度[30-31]。目前對鹽分離子高光譜反演模型的研究均僅對光譜和鹽分離子采用單一回歸或基于支持向量機(jī)方法進(jìn)行構(gòu)建模型，無光譜指數(shù)參與模型構(gòu)建，而采用光譜變換和光譜指數(shù)及支持向量機(jī)反演的綜合方法較少，且均將土樣帶回實(shí)驗(yàn)室進(jìn)行光譜測定，而野外高光譜數(shù)據(jù)更符合實(shí)際。

本文在監(jiān)測野外高光譜的基礎(chǔ)上，通過對預(yù)處理的高光譜數(shù)據(jù)進(jìn)行11種光譜變換處理，利用逐步線性回歸篩選不同水溶性鹽基離子的特征波段，同時(shí)進(jìn)行特征指數(shù)篩選，并采用支持向量機(jī)模型建立基于特征波段及特征波段+特征光譜指數(shù)的水溶性鹽基離子的野外高光譜反演模型，旨在提高該區(qū)域水溶性鹽基離子的反演精度，為河套灌區(qū)及西北干旱鹽漬化地區(qū)鹽堿地改良提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

內(nèi)蒙古河套灌區(qū)位于我國西北干旱內(nèi)陸區(qū)，東西長250 km，南北寬約50 km，本文以灌區(qū)中心區(qū)域永濟(jì)灌域?yàn)槔_展研究。永濟(jì)灌域位于河套灌區(qū)中部，地理位置(107°13′～107°42′E，40°36′～41°13′N)東至豐濟(jì)干渠，西至黃濟(jì)干渠，南北長60 km，東西寬40 km，總土地面積18.36萬hm2，現(xiàn)灌溉面積約11.22萬hm2，年均降水量為145 mm，年均蒸發(fā)量為2 275 mm，屬于典型的溫帶大陸性干旱、半干旱氣候帶，干旱少雨，蒸發(fā)強(qiáng)烈。主要種植的農(nóng)作物有玉米、葵花、小麥、青椒、瓜類等，耕地中鹽堿化土壤面積約為50%，其中重度鹽化土和鹽土約占17%，鹽土類型主要為草甸鹽土，其中氯化鹽、硫酸鹽和鈉鹽含量高，鹽化土中所含鹽分并不是以單一鹽類存在，各種鹽類都聚積于同一土層，形成復(fù)雜的鹽分類型，土壤鹽堿化長期困擾該地區(qū)的農(nóng)業(yè)生產(chǎn)，是該地區(qū)農(nóng)業(yè)發(fā)展的主要障礙性因素。

1.2 土壤樣品采集及含量測定

土壤樣品采集時(shí)間選擇在春灌前2017年4月5—10日，此時(shí)土壤表層鹽分積聚量大，更易于進(jìn)行遙感反演。采樣點(diǎn)按網(wǎng)格布設(shè)，通過GPS經(jīng)緯度找點(diǎn)，并根據(jù)土地利用類型、作物種植結(jié)構(gòu)和道路通達(dá)等實(shí)際情況確定采樣點(diǎn)位置，實(shí)際采樣間距為2.5～10 km，采樣點(diǎn)為120個(gè)，去除由于光譜、鹽分等異常數(shù)據(jù)后，最終保留了90個(gè)具有代表性的鹽漬化土壤采樣點(diǎn)(圖1)。

圖1 研究區(qū)土壤采樣點(diǎn)分布Fig.1 Distribution of soil sampling points in study area

1.3 光譜采集及光譜數(shù)據(jù)處理

在選定的土樣采集區(qū)域，選擇無植被覆蓋土壤，先采用美國ASD(Analytical spectral device)公司FieldSpec 4 Hi-Res型地物光譜儀測定土壤光譜反射率，探頭視場角為25°，光譜范圍350～2 500 nm。選擇晴朗無風(fēng)天氣，測量時(shí)間為10:00—14:00，測定前先進(jìn)行白板校正，測定時(shí)保持探頭距離地面1 m[34]，每個(gè)采樣點(diǎn)測定兩次，各采樣點(diǎn)獲10條土壤光譜曲線。

表1 土壤全鹽量和離子組成(質(zhì)量比)描述性統(tǒng)計(jì)分析Tab.1 Descriptive statistical analysis of soil salt content and ion composition

為了消除測量時(shí)噪聲對光譜數(shù)據(jù)的影響，對光譜數(shù)據(jù)進(jìn)行均值化、去噪、平滑3種預(yù)處理(圖2)。主要利用儀器自帶的View Specpro軟件對每個(gè)采集點(diǎn)的10條光譜曲線進(jìn)行均值化處理，以平均值作為該點(diǎn)的實(shí)測反射率；并對1 340～1 450 nm、1 750～2 020 nm、2 330～2 500 nm水汽吸收波段進(jìn)行去除；同時(shí)利用Origin 9.0軟件中的Savitaky-Golay方法進(jìn)行平滑處理，經(jīng)過3步處理后最終得到土壤原始光譜特性曲線。另外為了減少背景噪聲的干擾，提高光譜靈敏度，對土壤原始光譜特性曲線進(jìn)行光譜變換，主要包括一階導(dǎo)數(shù)R′、二階導(dǎo)數(shù)R″、倒數(shù)1/R、倒數(shù)的一階導(dǎo)數(shù)(1/R)′、倒數(shù)的二階導(dǎo)數(shù)(1/R)″、對數(shù)lnR、對數(shù)的一階導(dǎo)數(shù)(lnR)′、對數(shù)的二階導(dǎo)數(shù)(lnR)″、平方根R0.5、平方根的一階導(dǎo)數(shù)(R0.5)′、平方根的二階導(dǎo)數(shù)(R0.5)″ 11種處理。

圖2 高光譜預(yù)處理結(jié)果Fig.2 Hyperspectral pretreatment

1.4 光譜指數(shù)的構(gòu)建

基于3種應(yīng)用比較廣泛的指數(shù)，包括差值指數(shù)(Difference indices，DI)、比值指數(shù)(Ratio indices，RI)、歸一化指數(shù)(Normalized difference indices，NDI)[35]和反演效果較好的鹽分指數(shù)S1、S2[36]構(gòu)建土壤水溶性鹽基離子光譜指數(shù)，計(jì)算式為

DI=Ri-Rj

(1)

NDI=(Ri-Rj)/(Ri+Rj)

(2)

RI=Ri/Rj

(3)

(4)

(5)

式中Ri、Rj、Rz——350～2 500 nm之間隨機(jī)選取的第i、j、z波段的光譜反射率

1.5 基于特征波段和特征光譜指數(shù)的SVM模型構(gòu)建

在進(jìn)行光譜預(yù)處理、光譜變換、敏感波段確定、特征波段篩選以及特征光譜指數(shù)篩選的基礎(chǔ)上，為了進(jìn)一步提高預(yù)測精度，采用支持向量機(jī)(SVM)基于特征波段和特征波段+特征光譜指數(shù)構(gòu)建高光譜水溶性鹽基離子的綜合反演模型。SVM模型利用Matlab R2016a軟件的libsvm3.1工具箱編程實(shí)現(xiàn)，SVM類型為v-SVR，核函數(shù)類型為RBF，采用網(wǎng)格搜索法尋找最優(yōu)參數(shù)，依據(jù)均方差最小原則確定懲罰參數(shù)C與RBF核參數(shù)g。將土壤水溶性鹽基離子含量由小到大排列，每隔一個(gè)樣本選取兩個(gè)樣本作為訓(xùn)練集，即從90個(gè)代表性土壤樣本中選取60個(gè)樣本作為訓(xùn)練集，30個(gè)樣本作為驗(yàn)證集。

1.6 模型評價(jià)指標(biāo)

以決定系數(shù)R2、均方根誤差RMSE[37]、相對分析誤差RPD對各模型模擬效果進(jìn)行評價(jià)。當(dāng)R2越趨近于1，說明模型擬合程度越好。RMSE越小，說明預(yù)測值與實(shí)測值相差越小，精度越高，模擬效果越好。反之，模型精度較差，模擬效果不好。當(dāng)RPD>2.5時(shí)，表明模型具有極好的預(yù)測能力，當(dāng)2.0≤RPD≤2.5時(shí)，表明模型具有很好的定量預(yù)測能力，當(dāng)1.8≤RPD<2.0時(shí)，表明模型具有定量的預(yù)測能力，當(dāng)1.4≤RPD<1.8時(shí)，表明模型可用于評估或相關(guān)性方面的預(yù)測，當(dāng)1.0≤RPD<1.4時(shí)，表明模型具有區(qū)別高低值的能力，當(dāng)RPD<1.0時(shí)，表明模型不具備預(yù)測能力[38]。

2 結(jié)果與分析

2.1 野外實(shí)測土壤原始光譜反射率與土壤水溶性鹽基離子含量的相關(guān)性

2.2 土壤水溶性鹽基離子的光譜最優(yōu)變換和特征波段的篩選

圖3 不同水溶性鹽基離子含量與原始光譜反射率的相關(guān)性Fig.3 Correlation between different water-soluble base ions and original spectral reflectance

表2 土壤水溶性鹽離子不同光譜變換形式的比較Tab.2 Comparison of different spectral transformation forms of water-soluble salt ions content

注：** 表示P<0.01，下同。

圖4 光譜反射率在最優(yōu)變換下與不同水溶性鹽基離子含量的相關(guān)性分析Fig.4 Correlation analysis between different soil salt ions content and spectral reflectance under optimal transformation

2.3 基于逐步回歸的土壤水溶性鹽基離子特征指數(shù)篩選

表3 最優(yōu)光譜變換下不同水溶性鹽基離子的特征波段及回歸模型Tab.3 Characteristic band and regression model of different salt ions under optimal spectral transformation

注：*表示P<0.05。

表5 高光譜特征光譜指數(shù)及回歸模型Tab.5 Regression model of hyperspectral spectral index

2.4 基于特征波段及特征波段+特征光譜指數(shù)的SVM綜合模型構(gòu)建

表6 基于SVM的高光譜綜合模型構(gòu)建及驗(yàn)證Tab.6 Construction and verification of hyperspectral integrated model based on SVM

圖5 基于特征波段+特征光譜指數(shù)的水溶性鹽基離子模型精度檢驗(yàn)Fig.5 Accuracy test of water-soluble salt-based ion model based on characteristic bands and spectral indices

3 討論

4 結(jié)論