亞森江·喀哈爾,楊勝天,*,尼格拉·塔什甫拉提,張 飛

1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院, 烏魯木齊 830046 2 新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室, 烏魯木齊 830046

土壤鹽漬化作為荒漠化的一種表現(xiàn)形式,會(huì)引起生態(tài)、環(huán)境、社會(huì)和經(jīng)濟(jì)等一系列問題,這在干旱、半干旱區(qū)表現(xiàn)的尤為明顯[1],嚴(yán)重阻礙著區(qū)域生態(tài)文明建設(shè)的推進(jìn)；另一方面,鹽漬土作為重要的后備耕地資源,迫于人口劇增、糧食不足、環(huán)境惡化和生態(tài)破壞等的壓力,開發(fā)利用鹽漬土的局勢(shì)也已經(jīng)迫在眉睫[2]。要達(dá)到治理與利用大范圍鹽漬土的目的,必須及時(shí)獲取有關(guān)鹽漬土的可靠信息。因此,土壤鹽漬化成因、空間分布、變化規(guī)律、監(jiān)測(cè)方法、提高監(jiān)測(cè)精度和鹽漬化預(yù)警能力等成為地理學(xué)、生態(tài)學(xué)、農(nóng)學(xué)等學(xué)者們的研究熱點(diǎn)。

在土壤鹽漬化動(dòng)態(tài)變化監(jiān)測(cè)中,具有尺度大、效率高和破壞小等特點(diǎn)的遙感技術(shù)近年來被廣泛應(yīng)用。其中,擁有更精細(xì)光譜波段信息的高光譜遙感對(duì)于提高土壤鹽漬化監(jiān)測(cè)精度提供了有效途徑,所以國(guó)內(nèi)外眾多學(xué)者利用高光譜數(shù)據(jù)進(jìn)行了大量土壤鹽漬化監(jiān)測(cè)理論與定量反演模型的研究。在1984年,Clark等[3]已經(jīng)初步開始利用高光譜反射率研究地物特征,為后續(xù)研究地物高光譜特征及高光譜遙感反演提供了理論基礎(chǔ)。Csillag等[4- 6]通過對(duì)不同鹽分含量土壤在400—2500nm范圍光譜進(jìn)行測(cè)定,分析歸納了不同鹽分含量土壤高光譜敏感吸收特征波段,指出大氣對(duì)土壤鹽漬化的高光譜診斷特征產(chǎn)生一定的影響,土壤鹽分含量的反演應(yīng)集中于波譜形狀,而與高光譜吸收帶參數(shù)關(guān)系較少。陳皓銳等[7]測(cè)定內(nèi)蒙古河套灌區(qū)沙壕渠灌域沙壤土樣品的高光譜曲線并進(jìn)行平滑處理、相關(guān)分析和去包絡(luò)線處理,分別采用偏最小二乘回歸法和穩(wěn)健估計(jì)法構(gòu)建土壤電導(dǎo)率的估算模型,為大面積快速獲取含鹽土壤電導(dǎo)率和鹽漬化特征提供了參考。姚遠(yuǎn)[8]基于EM38測(cè)得的鹽漬土電導(dǎo)率數(shù)據(jù)和高光譜儀測(cè)得的鹽漬土高光譜反射率數(shù)據(jù),對(duì)高光譜反射率進(jìn)行11種光譜變換后與電導(dǎo)率數(shù)據(jù)作相關(guān)分析,選取相關(guān)性最好的變換形式及響應(yīng)波段計(jì)算5種鹽分指數(shù),并篩選最優(yōu)高光譜指數(shù),以此建立區(qū)域土壤鹽漬化監(jiān)測(cè)模型。彭杰等[9]利用土壤樣品高光譜數(shù)據(jù)以及室內(nèi)測(cè)定的鹽分和電導(dǎo)率數(shù)據(jù),分析耕作土壤鹽分含量與電導(dǎo)率之間的關(guān)系,比較高光譜信息對(duì)二者的敏感性以及高光譜反演模型的精度,發(fā)現(xiàn)對(duì)于耕作土壤而言,電導(dǎo)率與鹽分含量之間沒有顯著的相關(guān)性,因此不能利用電導(dǎo)率數(shù)據(jù)進(jìn)行土壤鹽漬化的高光譜遙感監(jiān)測(cè)。

綜上所述,以往對(duì)于土壤鹽漬化高光譜定量估算的研究是通過全波段反射率及其對(duì)應(yīng)的數(shù)學(xué)變換在一維層面上選取單個(gè)敏感波段或多個(gè)敏感波段,并利用多種回歸方法建立預(yù)測(cè)模型,模型精度有待進(jìn)一步提高,且基于兩波段優(yōu)化組合算法進(jìn)行光譜指數(shù)的波段二維層面優(yōu)化的應(yīng)用研究相對(duì)較少?；诖?本研究以新疆艾比湖流域?yàn)檠芯堪袇^(qū),進(jìn)行野外土壤采樣,室內(nèi)土壤高光譜采集及理化分析等工作,嘗試運(yùn)用土壤原始高光譜反射率及對(duì)應(yīng)的5種數(shù)學(xué)變換,對(duì)簡(jiǎn)化光譜指數(shù)(nitrogen planar domain index, NPDI) 進(jìn)行波段優(yōu)化計(jì)算,分析基于不同形式變換光譜的優(yōu)化光譜指數(shù)與鹽漬土電導(dǎo)率的相關(guān)性,通過變量重要性準(zhǔn)則(variable importance in projection, VIP)篩選最優(yōu)高光譜參數(shù),并利用偏最小二乘回歸(partial least square regression, PLSR)分析法建立土壤電導(dǎo)率高光譜定量估算模型,為土壤鹽漬化動(dòng)態(tài)監(jiān)測(cè)及星載傳感器等相關(guān)研究提供科學(xué)支持和應(yīng)用參考。

1 研究區(qū)概況

圖1 研究區(qū)位置與采樣點(diǎn)分布Fig.1 Location of study area and distribution of sampling sites

地處新疆博爾塔拉境內(nèi)的艾比湖流域,區(qū)域年平均氣溫7.7℃、年均降水量102 mm,潛在蒸散量達(dá)1447 mm,典型土壤為灰漠土、灰棕漠土及風(fēng)沙土等,是典型的干旱半干旱地區(qū)鹽漬化代表區(qū)[10]。艾比湖作為新疆最大的咸水湖,湖水主要依賴地表徑流補(bǔ)給,近十幾年來,由于地表徑流被引入灌區(qū)、滲漏地下和消耗于地面蒸發(fā)與植物蒸騰的量增多,艾比湖入不敷出,湖泊面積嚴(yán)重萎縮,干涸湖底面積不斷增加,湖濱荒漠化及周邊區(qū)域土壤鹽漬化程度不斷加劇,加之阿拉山口全年8級(jí)以上大風(fēng)達(dá)164d,常年侵蝕大面積裸露湖床及鹽殼,使艾比湖日漸成為中國(guó)西北部沙塵暴、鹽塵暴的主要策源地之一,嚴(yán)重影響天山北坡綠洲生態(tài)文明建設(shè)與可持續(xù)發(fā)展。

2 實(shí)驗(yàn)材料與數(shù)據(jù)采集

2.1 土壤樣品采集與分析

土壤樣品的采集時(shí)間為2016年10月15日至10月23日,針對(duì)艾比湖流域典型自然鹽漬化土壤,設(shè)置5 m×5 m樣方(圖1),利用GPS記錄每個(gè)樣方位置,采用5點(diǎn)混合法進(jìn)行樣品采集,土壤樣品采樣深度為0—10 cm,共計(jì)57個(gè)土壤樣品。土壤樣品帶回實(shí)驗(yàn)室并進(jìn)行自然風(fēng)干、研磨后,通過2 mm孔篩分為兩部分,分別用于室內(nèi)高光譜數(shù)據(jù)采集及土壤電導(dǎo)率和含鹽量分析。其中,土壤樣本的電導(dǎo)率和全鹽量測(cè)定方法參照《土壤農(nóng)業(yè)化學(xué)分析方法》,土壤電導(dǎo)率在土水比例為1∶5的土壤懸濁液中利用德國(guó)WTW(WissenschaftlichTechnischeWerkst?tten)公司生產(chǎn)的inoLab? Cond 7310臺(tái)式電導(dǎo)率測(cè)試儀進(jìn)行測(cè)定,全鹽量采用水浴烘干法進(jìn)行測(cè)定。

2.2 高光譜測(cè)定及預(yù)處理

本研究通過美國(guó)ASD(Analytical Spectral Devices)公司生產(chǎn)的FieldSpec3型高光譜儀測(cè)定土壤室內(nèi)高光譜數(shù)據(jù),波段范圍為350—2500 nm。高光譜波段在350—1000 nm區(qū)間的采樣間隔為1.4 nm,在1000—2500 nm區(qū)間的采樣間隔為2 nm,全波段范圍重采樣間隔為1 nm。將處理好的土壤樣品分別裝入黑色盛樣皿(直徑12 cm,深1.8 cm)中,對(duì)裝滿的土壤進(jìn)行表面平滑處理。測(cè)定樣品的光源為50 W鹵素?zé)?測(cè)量時(shí)距土壤樣品表面為50 cm,光源的天頂角為15°,待測(cè)土壤樣品表面與探頭的距離為5 cm。每測(cè)定兩個(gè)土壤樣品后進(jìn)行一次白板校正,每個(gè)土壤樣品重復(fù)測(cè)定5次,取5條高光譜曲線的算術(shù)平均值作為該樣品的實(shí)際高光譜反射率[11]。

將ASD FieldSpec3高光譜儀測(cè)定的土壤高光譜數(shù)據(jù)通過ViewSpec Pro軟件處理與導(dǎo)出,為了降低噪聲引起的影響,去除信噪較低的邊緣波段(350—399 nm及2401—2500 nm),利用Savitzky-Golay濾波方法對(duì)57個(gè)土壤樣品的高光譜數(shù)據(jù)(400—2400 nm)進(jìn)行平滑去噪預(yù)處理。

2.3 研究方法

本研究利用Li等[12]提出的三波段光譜指數(shù)(NPDI)歸一化比值算法,其計(jì)算公式為NPDI=(RNIR/RRED-1)/[(RNIR-RRED)/(RNIR+RRED)],為進(jìn)一步發(fā)揮高光譜數(shù)據(jù)的優(yōu)勢(shì),將光譜指數(shù)從三波段組合降級(jí)到兩波段組合,計(jì)算公式變?yōu)?Ri+Rl)/Rl,其中i與l作為土壤高光譜反射率?；诖?本文使用自主開發(fā)的《高光譜數(shù)據(jù)兩波段組合軟件 V1.0》(No: 2018R11S177501),將兩波段優(yōu)化算法應(yīng)用于全波段范圍進(jìn)行光譜指數(shù)波段優(yōu)化。通過該算法計(jì)算57個(gè)土壤樣品的原始高光譜反射率R以及對(duì)應(yīng)的5種光譜變換(倒數(shù)變換、對(duì)數(shù)變換、對(duì)數(shù)倒數(shù)變換、平方根變換、分?jǐn)?shù)階微分變換)在波段400—2400 nm之間進(jìn)行所有可能兩波段組合的優(yōu)化光譜指數(shù)(NPDIs)。分?jǐn)?shù)階微分變換處理在《高光譜數(shù)據(jù)分?jǐn)?shù)階微分計(jì)算軟件 V1.0》(No: 2016SR006487)中完成。為了選取模型最佳自變量參數(shù),本文將變量投影重要性準(zhǔn)則應(yīng)用到其中,VIP值代表自變量對(duì)模型擬合的程度,自變量對(duì)因變量的解釋作用相同,則自變量的VIP均接近于1。Wold[13]建議VIP值小于1的自變量對(duì)因變量的貢獻(xiàn)較小,可以考慮剔除。因此,本研究自變量VIP的閾值為大于等于1?；赑LSR建模方法的優(yōu)點(diǎn),VIP技術(shù)主要用于樣本較少且?guī)讉€(gè)自變量間相關(guān)性較強(qiáng)的情形,在一定程度上彌補(bǔ)了傳統(tǒng)線性回歸的不足[14]。

3 分析與討論

3.1 土壤電導(dǎo)率統(tǒng)計(jì)分析

由表1可知,建模集和驗(yàn)證集對(duì)應(yīng)的土壤電導(dǎo)率最大值分別為55.70mS/cm和48.30mS/cm,最小值分別為0.20mS/cm和0.07mS/cm,均值分別為11.27mS/cm和11.18mS/cm,變異系數(shù)分別為123.64%和117.50%；研究區(qū)所有采樣點(diǎn)土壤電導(dǎo)率平均值為11.32mS/cm,變異系數(shù)為122.70%,介于建模集與驗(yàn)證集之間,數(shù)據(jù)離散程度屬于強(qiáng)變異性系數(shù)(C.V>100%)。

表1 土壤電導(dǎo)率的統(tǒng)計(jì)分析

3.2 土壤電導(dǎo)率與含鹽量的相關(guān)性分析

表2是57個(gè)土壤樣品的電導(dǎo)率和含鹽量數(shù)據(jù),從中可以看出,含鹽量的變異系數(shù)也大于100%,表現(xiàn)為較強(qiáng)空間變異性。土壤電導(dǎo)率與含鹽量的決定系數(shù)達(dá)到0.99(圖2),表現(xiàn)為極顯著相關(guān)關(guān)系,因此在本研究中土壤電導(dǎo)率可以很好地指示土壤含鹽量。

3.3 土壤高光譜曲線特征分析

基于上述分析,本文利用鹽漬土的分級(jí)標(biāo)準(zhǔn)[16]對(duì)土壤樣品高光譜反射率進(jìn)行歸類、求平均,繪制不同電導(dǎo)率的土壤高光譜曲線(圖3),以此大致分析土壤高光譜反射率對(duì)土壤電導(dǎo)率的響應(yīng)。本研究區(qū)不同鹽漬土高光譜反射率曲線的波動(dòng)基本一致,土壤樣品的高光譜反射率與其電導(dǎo)率未呈現(xiàn)明顯的正負(fù)相關(guān)關(guān)系。從圖3a中可知,在可見光及近紅外波段(400—1500 nm)范圍內(nèi)高光譜曲線呈平緩上升態(tài)勢(shì),并在1400 nm、1950 nm、2350 nm左右處有3個(gè)比較明顯的水分吸收譜段?？傮w而言,重度鹽漬土高光譜反射率偏低,非鹽漬土高光譜反射率偏高；除600—700 nm波段范圍,不同土壤電導(dǎo)率的高光譜反射率曲線較易區(qū)分,且在1200—1600 nm波段區(qū)間,4種鹽漬土的高光譜曲線差異性最大(圖3)。

表2 土壤電導(dǎo)率和含鹽量的統(tǒng)計(jì)分析

圖2 土壤電導(dǎo)率和含鹽量的相關(guān)性Fig.2 Correlation between soil conductivity and salt content

圖3 土壤高光譜特征及不同鹽漬化程度的土壤高光譜反射率Fig.3 Spectral reflectance of soil and soil spectral reflectance with different salinization degreeSSC: 土壤含鹽量soil salt content)

3.4 優(yōu)化光譜指數(shù)與土壤電導(dǎo)率相關(guān)性分析

圖4 不同高光譜數(shù)據(jù)變換下NPDIs與土壤電導(dǎo)率相關(guān)性二維等勢(shì)圖Fig.4 Two dimensional contour map of NPDIs and soil electrical conductivity under different hyperspectral data transformationsNPDIs: 簡(jiǎn)化光譜指數(shù)nitrogen planar domain indices

高光譜數(shù)據(jù)變換Hyperspectral data transformation顯著性檢驗(yàn)Test of significance數(shù)量Amount最大值Maximum value/(r)波段組合Band combination/(inm,lnm)原數(shù)據(jù)Original data/(R)(r≥0.870,ρ<0.01)340.876(2011,1890),(2011,1891)對(duì)數(shù)Logarithmic/(lgR)(r≥0.646,ρ<0.01)350.650(2027,1881)對(duì)數(shù)倒數(shù)Logarithmic reciprocal/(1/lgR)(r≥0.870,ρ<0.01)750.876(2016,1887),(2027,1883)倒數(shù)Reciprocal/(1/R)(r≥0.870,ρ<0.01)550.880(2009,1892),(2010,1892),(2011,1891)平方根Square root/(R)(r≥0.870,ρ<0.01)410.877(2011,1891),(2010,1892)1.6階微分1.6 order differential/(FOD)(r≥0.870,ρ<0.01)250.888(2020,1893)

3.5 土壤電導(dǎo)率PLSR估算模型建立及精度分析

偏最小二乘回歸法是當(dāng)前應(yīng)用最為廣泛的高光譜建模方法,為PLSR法更深入地分析數(shù)據(jù),在建立研究區(qū)土壤電導(dǎo)率PLSR估算模型之前,本文利用VIP技術(shù)進(jìn)一步對(duì)自變量進(jìn)行篩選,圖5展示了VIP準(zhǔn)則篩選過程與對(duì)應(yīng)波段組合。由圖5可知,基于原始高光譜反射率及其5種變換優(yōu)化的NPDI在自變量選擇的情況上基本一致,篩選出的自變量數(shù)分別為17、17、28、21、23、15個(gè),較原有的敏感波段組合數(shù),VIP準(zhǔn)則篩選效果明顯,剔除了對(duì)模型貢獻(xiàn)小及相對(duì)累贅的參數(shù)。

當(dāng)前，針對(duì)我國(guó)經(jīng)濟(jì)體制改革而言，其最大障礙即為企業(yè)活力的缺乏。究其原因，主要有如下方面，其一，企業(yè)在具體體制上比較陳舊，產(chǎn)權(quán)不清，政企不分，造成了企業(yè)會(huì)計(jì)出現(xiàn)主體錯(cuò)位的情況。而積極構(gòu)建現(xiàn)代企業(yè)制度，乃是奇特體制改革的基本方向。其二，企業(yè)管理不當(dāng)，經(jīng)營(yíng)疲軟。在整個(gè)企業(yè)管理架構(gòu)中，人們?cè)桨l(fā)注重會(huì)計(jì)人員理財(cái)管理，且已經(jīng)成為企業(yè)管理的重點(diǎn)，因此，積極加強(qiáng)會(huì)計(jì)管理，同樣是企業(yè)發(fā)展的基本趨勢(shì)。

圖5 不同高光譜數(shù)據(jù)變換下基于變量VIP值篩選最佳模型自變量Fig.5 Filtering the best model independent variables based on variable VIP valuesunder different hyperspectral data transformations

3.6 討論

鹽漬土的形成與水鹽運(yùn)移有密切聯(lián)系,土壤水鹽運(yùn)移模型可以模擬區(qū)域土壤水鹽運(yùn)移過程,預(yù)報(bào)土壤水鹽動(dòng)態(tài)變化,對(duì)于改造和利用鹽漬土具有重要的作用[18]。表層土壤水鹽是土壤水鹽運(yùn)移模型的重要邊界條件參數(shù),準(zhǔn)確的表層土壤水鹽信息可以提高水鹽運(yùn)移模型的模擬與預(yù)測(cè)精度。通過高光譜遙感監(jiān)測(cè)土壤電導(dǎo)率便可以及時(shí)高效地掌握表層土壤鹽分的狀況,這是因?yàn)閷?duì)于自然土壤而言,盡管電導(dǎo)率和含鹽量都可以反映出土壤鹽漬化的程度,但相關(guān)研究[17,19]表明土壤高光譜信息對(duì)土壤電導(dǎo)率的響應(yīng)較含鹽量敏感,以土壤電導(dǎo)率替代含鹽量進(jìn)行土壤鹽漬化高光譜估算研究是一種精度更高、速度更快的方法。

表4 偏最小二乘回歸建模精度分析

RPD: 相對(duì)分析誤差Relative prediction deviation;AIC: 最小信息準(zhǔn)則Akaike information criterion;FOD: 分?jǐn)?shù)階微分Fractional order differentially;VIP: 重要值

傳統(tǒng)的高光譜處理方法對(duì)土壤電導(dǎo)率高光譜建模時(shí),敏感波段通常是在一維層面上以土壤電導(dǎo)率與高光譜反射率的相關(guān)性分析來確定,相關(guān)性越高,波段的敏感程度越高。對(duì)高光譜反射率的預(yù)處理目的就是提高土壤電導(dǎo)率與反射率之間的相關(guān)性,并進(jìn)一步提高預(yù)測(cè)模型的精度[20-22]。高光譜豐富的波段信息為兩波段優(yōu)化算法提供了更多的可能組合,海量光譜數(shù)據(jù)的兩波段優(yōu)化算法能充分提取與土壤電導(dǎo)率相關(guān)性最大的波段組合,在復(fù)雜的高光譜參數(shù)中達(dá)到快速尋優(yōu)的效果,深度挖掘高光譜數(shù)據(jù)從而進(jìn)一步提高土壤電導(dǎo)率的高光譜估算精度,減少環(huán)境因素等對(duì)建模的影響[23-28]。于是本文想探討的主要問題就是對(duì)高光譜反射率的預(yù)處理是否同樣能夠有利于優(yōu)化光譜指數(shù)更好地估算土壤電導(dǎo)率。

圖6 基于1.6階微分預(yù)處理估算模型的實(shí)測(cè)與預(yù)測(cè)插值圖Fig.6 Validation interpolation diagrambased onFODpreconditioning estimation modelEC: 電導(dǎo)率Electrical conductivity，F(xiàn)OD: 分?jǐn)?shù)階微分Fractional order differentially

分?jǐn)?shù)階微分在階數(shù)上對(duì)整數(shù)階微分的概念進(jìn)行了擴(kuò)展,相比整數(shù)階微分,具有記憶性、遺傳性以及非局部性,在系統(tǒng)控制與診斷、數(shù)字濾波、信號(hào)與圖像處理等領(lǐng)域有著較為廣泛的應(yīng)用。在光譜分析領(lǐng)域,近期的相關(guān)研究指出,對(duì)于高光譜這類具有海量信息的高維數(shù)據(jù)源,分?jǐn)?shù)階微分也能夠很好地挖掘潛在信息,彌補(bǔ)整數(shù)階微分可能造成某些信息丟失的不足,并極大地?cái)U(kuò)充光譜數(shù)據(jù)預(yù)處理的方法,為高光譜研究提供一個(gè)全新的角度[29- 32]。但是,分?jǐn)?shù)階微分在單波段高光譜預(yù)處理中存在的一個(gè)問題是：它雖然可以較好地增加敏感波段的數(shù)量,卻不能有效地提高相關(guān)性。因此,本文將分?jǐn)?shù)階微分與傳統(tǒng)光譜變換方法進(jìn)行對(duì)比研究,探究分?jǐn)?shù)階微分在優(yōu)化光譜指數(shù)中的效用,發(fā)現(xiàn)分?jǐn)?shù)階微分預(yù)處理方法可以有效地提高優(yōu)化光譜指數(shù)相關(guān)性的極值。

為比較一維與二維高光譜數(shù)據(jù)處理效果的差異,繪制了高光譜反射率及其不同數(shù)學(xué)變換后在一維層面上與土壤電導(dǎo)率進(jìn)行相關(guān)性分析得出的最大相關(guān)系數(shù)圖。由圖7可知,傳統(tǒng)光譜變換的相關(guān)性提升效果不明顯,平方根變換的相關(guān)性最高為0.633,對(duì)數(shù)倒數(shù)、倒數(shù)變換的相關(guān)性明顯降低,最低為-0.566,而在優(yōu)化光譜指數(shù)中表現(xiàn)較差的對(duì)數(shù)變換沒有太大的降低；在分?jǐn)?shù)階微分變換中,多數(shù)都有提升效果,最高的為一階微分變換,達(dá)到-0.673,這與優(yōu)化光譜指數(shù)的結(jié)果形成了鮮明的差異,最低的為二階微分,僅達(dá)-0.436,而在二維層面表現(xiàn)最好的1.6階微分在一維中沒有起到相同的作用；從相關(guān)性質(zhì)方面來看,原數(shù)據(jù)、對(duì)數(shù)和平方根變換呈正相關(guān),對(duì)數(shù)倒數(shù)、倒數(shù)變換呈負(fù)相關(guān),這與優(yōu)化光譜指數(shù)的結(jié)果相異,分?jǐn)?shù)階微分的相關(guān)性質(zhì)以一階微分為界,0.2-0.8階為正相關(guān),1.0—2.0階為負(fù)相關(guān)。綜上所述,不管在一維層面上還是二維層面上,合適的高光譜數(shù)據(jù)預(yù)處理方法都在一定程度上對(duì)提高相關(guān)性有所幫助,分?jǐn)?shù)階微分總體上優(yōu)于傳統(tǒng)預(yù)處理方法,而且優(yōu)化光譜指數(shù)對(duì)比于傳統(tǒng)的高光譜處理方法來說具有明顯的優(yōu)勢(shì)[33-34]。

圖7 不同預(yù)處理下單波段高光譜數(shù)據(jù)與電導(dǎo)率的最大相關(guān)系數(shù)Fig.7 Maximum correlation coefficient of single-band hyperspectral data and conductivity under different pretreatments

與已有研究[35-42]相比,本文的研究特色在于：將高光譜數(shù)據(jù)分析從傳統(tǒng)的一維層面上升至二維層面,并結(jié)合分?jǐn)?shù)階微分預(yù)處理進(jìn)行光譜指數(shù)波段優(yōu)選,用于建立土壤電導(dǎo)率估算模型,以提高土壤電導(dǎo)率反演精度,為土壤鹽漬化相關(guān)研究提供一種新的思路和方法。而且本文得到的優(yōu)化光譜參數(shù)可為快速準(zhǔn)確尋求衛(wèi)星傳感器中監(jiān)測(cè)干旱、半干旱地區(qū)土壤電導(dǎo)率的最佳波段提供依據(jù),此外,波段的優(yōu)化也可以為設(shè)計(jì)特定波段的主動(dòng)傳感器提供理論基礎(chǔ),進(jìn)一步減少高光譜海量數(shù)據(jù)處理的工作量,為實(shí)現(xiàn)土壤鹽分信息的高效監(jiān)測(cè)服務(wù)。最后,研究區(qū)雖然屬于典型的干旱、半干旱區(qū),但是干旱、半干旱區(qū)乃至中國(guó)具有區(qū)域異質(zhì)性[43],這就會(huì)不可避免地導(dǎo)致本研究確定的土壤電導(dǎo)率反演優(yōu)化光譜參數(shù)仍有一定的地域局限性,因此,比較光譜指數(shù)優(yōu)化算法在不同地區(qū)的最佳參數(shù)并找出普適性高光譜參數(shù),將是值得研究的方向。

4 結(jié)論

(2)原數(shù)據(jù)及其不同數(shù)學(xué)變換后發(fā)現(xiàn),主要位于2040 nm和1880 nm左右波段范圍組合的簡(jiǎn)化光譜指數(shù)(NPDI)與土壤電導(dǎo)率之間相關(guān)性顯著提高。