江遠(yuǎn)東，李新國*，楊 涵，趙 慧

（1.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054；2.新疆干旱區(qū)湖泊環(huán)境與資源實(shí)驗(yàn)室，新疆 烏魯木齊 830054）

土壤鹽分是土壤鹽漬化程度的重要指標(biāo)，快速、準(zhǔn)確地獲取鹽漬化土壤的鹽分信息，對于資源的合理利用和可持續(xù)發(fā)展都具有重要意義［1-3］。西北地區(qū)干旱少雨和強(qiáng)烈的蒸散發(fā)，使土壤中的易溶性鹽分隨地表水向上運(yùn)移到土壤表層積累而形成大面積鹽漬化區(qū)域，影響著綠洲農(nóng)業(yè)的發(fā)展［4-5］。目前國內(nèi)外眾多學(xué)者利用高光譜技術(shù)研究分析土壤理化參數(shù)，已經(jīng)取得一定進(jìn)展［6-8］。Dehaan等［9］利用土壤和植被的光譜信息研究土壤鹽漬化的空間分布特征。也有研究通過選取特征波段建立統(tǒng)計(jì)分析模型和機(jī)器學(xué)習(xí)模型反演土壤鹽分含量，并取得良好的估算效果［10-13］。瞿明凱等［14］通過地理加權(quán)回歸（Geographically weighted regression，GWR）在土壤和環(huán)境科學(xué)上的應(yīng)用，表明GWR模型將數(shù)據(jù)空間位置嵌入線性回歸模型中，可以探測空間關(guān)系的非平穩(wěn)性，應(yīng)用前景廣泛。趙明松等［15］使用GWR模型對土壤有機(jī)質(zhì)進(jìn)行空間建模，結(jié)果表明GWR模型要優(yōu)于普通克里格插值法。袁婕等［16］使用GWR模型結(jié)合高光譜數(shù)據(jù)進(jìn)行鹽生植物葉片鹽離子含量的反演，結(jié)果表明鹽離子含量估算具有較高精度。使用傳統(tǒng)的建模方法時，默認(rèn)每個取樣點(diǎn)的環(huán)境因素與反射率的影響相同，即建模系數(shù)相同［17-18］。基于空間要素構(gòu)建基于GWR模型的土壤表層鹽分含量定量反演，闡明土壤鹽分含量與光譜參數(shù)間的相關(guān)關(guān)系，可以為區(qū)域土壤鹽分監(jiān)測與估算、土壤資源的可持續(xù)利用提供方法支撐。

1 研究區(qū)概況

博斯騰湖湖濱綠洲位于新疆焉耆盆地東南部，行政區(qū)劃隸屬于新疆博湖縣，地理范圍為41°45′～42°10′N，86°15′～86°55′E，是自然綠洲和人工綠洲之間的過渡區(qū)域，為典型山前湖泊綠洲，面積1360 km2［19］。年平均氣溫達(dá)9.0℃，無霜期約為200 d，年均蒸發(fā)量高于2000 mm，年均降水量83.5 mm，蒸降比最高可達(dá)40∶1［20］。研究區(qū)的土壤類型主要為沼澤土、灌耕潮土、草甸土、棕漠土、風(fēng)沙土以及鹽土，自然植被主要有蘆葦、楊樹、檉柳等，地下水平均埋深超過2.0 m。由于其地理位置獨(dú)特，地表蒸發(fā)強(qiáng)烈且降水稀少，地表水活躍以及地下水的補(bǔ)給，土壤母質(zhì)富含鹽分，土壤鹽分平均含量為2.84 g·kg-1，土壤鹽分類型主要為硫酸鹽型和氯化物型［21-22］。

2 數(shù)據(jù)采集與處理

2.1 土樣采集與預(yù)處理

根據(jù)研究區(qū)土壤鹽分狀況，采用GPS定位技術(shù)，結(jié)合研究區(qū)土壤類型和土地利用現(xiàn)狀以及植被覆蓋類型等因素布設(shè)采樣點(diǎn)，在每一采樣點(diǎn)采集5份表層土壤（0～10 cm），采用五點(diǎn)法采樣并混合均勻后，將樣品裝袋，共采集32個樣點(diǎn)，土壤樣品采集于2019年5月4日，利用手持GPS記錄采樣點(diǎn)坐標(biāo)。將土壤樣品帶回實(shí)驗(yàn)室在室溫條件下自然風(fēng)干，剔除土壤雜質(zhì)，物理研磨后過2 mm孔徑篩，分裝自封袋中用于土壤鹽分測定和土壤高光譜采集。

圖1 研究區(qū)采樣點(diǎn)示意圖

將預(yù)處理后的土樣按水土比為5∶1配置成土壤溶液，采用殘?jiān)娓煞y定土壤鹽分含量［23］，最終獲得32個土壤含鹽量數(shù)據(jù)樣本。將32個數(shù)據(jù)樣本按照土壤含鹽量高低排列，采用等距抽樣，每間隔3個選取1個數(shù)據(jù)作為檢驗(yàn)樣本，共選取8個樣本作為檢驗(yàn)集，其余24個樣本作為建模集。從表1可知，土壤樣品鹽分含量平均值為7.535 g·kg-1，變異系數(shù)為56.674%，呈中等變異性。

表1 土壤樣品鹽分含量描述性統(tǒng)計(jì)

采用ASD FieldSpec3地物光譜儀進(jìn)行光譜采集，儀器波長范圍為350～2500 nm，在350～1000、1000～2500 nm范圍內(nèi)光譜采樣間隔分別為1.38和2 nm。選擇晴朗無風(fēng)的天氣，在12：00～14：00進(jìn)行光譜測量，將光譜儀探測頭垂直放置在土樣上方約15 cm處，每個土樣測量10次，每間隔5 min進(jìn)行一次暗電流采集，每間隔10 min參照白板優(yōu)化定標(biāo)［24］。

2.2 光譜變換與鹽分指數(shù)構(gòu)建

取均值后的光譜曲線去除水分吸收帶波段1351～1420、1801～1975、2451～2500 nm［25］，對去除干擾波段的光譜曲線用Savitzky-Golay濾波方法進(jìn)行平滑處理。趙振亮等［26］采用原始光譜反射數(shù)據(jù)的17種變換結(jié)合相關(guān)分析，構(gòu)建土壤pH和EC的快速預(yù)測方程。丁建麗等［27］以新疆渭干河-庫車河三角洲綠洲為研究區(qū)監(jiān)測土壤鹽漬化，結(jié)果表明采用比值型指數(shù)、歸一化型指數(shù)、差值型指數(shù)可以準(zhǔn)確提取土壤狀況信息。本文將土壤高光譜反射率R進(jìn)行17種數(shù)學(xué)光譜變換，變換形式如圖2。土壤高光譜反射率R構(gòu)建兩類差值型鹽分指數(shù)（Difference salinity index，DSI），為兩個波段之和（DSI1）與兩個波段之差（DSI2）、比值型鹽分指數(shù)（Ratio salinity index，RSI）、歸一化型鹽分指數(shù)（Normalized difference salinity index，NDSI）、3種鹽分指數(shù)選取特征波段［16，25，27］。

圖2 光譜變換

2.3 模型方法

地理加權(quán)回歸模型（GWR）是對普通線性回歸模型（OLR）進(jìn)行空間擴(kuò)展，將樣點(diǎn)數(shù)據(jù)的地理位置嵌入到回歸模型參數(shù)中，使得參數(shù)可以進(jìn)行局部估計(jì)［14］。模型函數(shù)表示為：

空間權(quán)重矩陣是地理加權(quán)回歸模型（RWG）的核心，本文選擇高斯（Gauss）函數(shù)法，可以克服空間權(quán)函數(shù)不連續(xù)的缺點(diǎn)，函數(shù)形式如下：

式中，Wij為已知點(diǎn)j估計(jì)待測點(diǎn)i時的權(quán)重，dij為估算點(diǎn)i與樣點(diǎn)j間的歐氏距離，h為帶寬。其中，帶寬h越小，權(quán)重隨著距離的增加衰減越快；帶寬h越大，權(quán)重隨著距離的增加衰減越慢，由最小赤池信息量準(zhǔn)則（AIC）進(jìn)行確定［28］。

3 結(jié)果與分析

3.1 光譜變換特征波段選擇

從表2可知，一階、二階微分變換的特征波段主要集中在466～482、1669～1728、1979～2371 nm；一階、二階微分的相關(guān)系數(shù)整體高于光譜反射率R，說明光譜變換對土壤表層鹽分含量與光譜相關(guān)性有提高作用。

表2 光譜變換形式及其建模波段

3.2 鹽分指數(shù)特征波段選擇

二維相關(guān)系數(shù)圖能夠?qū)⑼寥利}分含量和光譜數(shù)據(jù)之間的相關(guān)性進(jìn)行可視化表達(dá)。利用DSI、RSI、NDSI分別建立光譜反射率與土壤鹽分含量的二維相關(guān)系數(shù)圖，選擇相關(guān)系數(shù)最優(yōu)的兩條波段為特征波段，進(jìn)行模型構(gòu)建選擇。

從圖3和表3可知，構(gòu)建鹽分指數(shù)選取特征波段時，特征波段主要集中在1700～1728、1992～2014、2375～2405 nm的近紅外區(qū)域，相關(guān)系數(shù)絕對值最大為0.824。

表3 鹽分指數(shù)特征波段

圖3 土壤鹽分含量與鹽分指數(shù)二維相關(guān)系數(shù)

3.3 GWR建模對比分析

通過光譜變換、構(gòu)建鹽分指數(shù)與鹽分的相關(guān)性，選取相關(guān)系數(shù)最高的4條特征波段，建立GWR模型，并與偏最小二乘回歸模型（Partial least squares regression，PLSR）的判定系數(shù)（R2）和均方根誤差（RMSE）進(jìn)行對比，R2越大，RMSE越小，模型的精度越高；反之，模型越不穩(wěn)定。另外，PLSR模型用RPD檢測模型的預(yù)測能力，RPD≥2表明模型具有極好的預(yù)測能力，1.4≤RPD＜2表明模型對樣本可進(jìn)行粗略估計(jì)，RPD＜1.4則表明模型無法估計(jì)樣本［29］。

由表4和圖4可知，采用GWR模型構(gòu)建鹽分指數(shù)DSI1優(yōu)選特征波段建立的估算模型，R2=0.934，光譜反射率R的R2=0.621，說明利用鹽分指數(shù)選取特征波段可以提高GWR模型的建模精度。使用PLSR模型光譜變換R′的R2=0.778，RPD=1.910，光譜反射率R的R2=0.495，且RPD＜1.400，說明光譜變換可以提高PLSR模型的建模精度。

圖4 基于不同模型的建模集土壤鹽分實(shí)測值和估算值

表4 GWR與PLSR模型對比

從圖5可知，采用GWR模型進(jìn)行檢驗(yàn)，DSI1選取的特征波段建立的估算模型R2=0.915，鹽分指數(shù)選取特征波段建立的估算模型效果更佳；RSI、R″和DSI2建立的估算模型R2均大于0.800，擬合效果良好。從圖6可知，對于PLSR模型，NDSI選取的特征波段建立的估算模型R2最大為0.790，RPD為1.873。

圖5 基于GWR模型的最優(yōu)實(shí)測值與估算值檢驗(yàn)

圖6 基于PLSR模型的最優(yōu)實(shí)測值與估算值檢驗(yàn)

續(xù)表

4 討論

已有大量的利用高光譜估算土壤鹽分研究，采用分?jǐn)?shù)階微分建立偏最小二乘回歸模型［19］，基于光譜變換的高光譜指數(shù)進(jìn)行偏相關(guān)關(guān)系分析［25］，建立多元線性回歸和主成分回歸的土壤含鹽量高光譜反演［30］等。本文將土壤表層含鹽量高光譜反射率采用17種數(shù)學(xué)光譜變換和構(gòu)建鹽分指數(shù)優(yōu)選特征波段，建立GWR模型估算土壤鹽分含量。光譜變換后與土壤鹽分在近紅外波段的相關(guān)性大于其他波段，這與Zhang等［31］研究新疆渭干河綠洲的地表鹽漬化土壤，發(fā)現(xiàn)近紅外波段與土壤鹽分含量相關(guān)性最大的結(jié)果基本一致。光譜變換和構(gòu)建鹽分指數(shù)優(yōu)選特征波段可以提高模型建模集和檢驗(yàn)集精度，與張賢龍等［25］基于光譜變換的高光譜指數(shù)土壤鹽分反演的研究結(jié)果基本一致?？紤]到地理要素的差異和空間異質(zhì)性，GWR模型將不同取樣點(diǎn)代入相應(yīng)系數(shù)即加入空間坐標(biāo)信息進(jìn)行分析，采用GWR模型對研究區(qū)進(jìn)行高光譜定量估算土壤表層鹽分含量取得較好的效果。由于樣本數(shù)量不夠多，可能影響模型精度；此外，樣本是物理研磨后過2 mm孔徑篩，再進(jìn)行光譜測量，與實(shí)地土壤環(huán)境存在差異?？蓢L試進(jìn)行實(shí)地光譜測量，構(gòu)建土壤含鹽量估算的GWR模型，進(jìn)一步研究該模型在不同樣本數(shù)量、不同條件下的普適性。

5 結(jié)論

土壤鹽分含量平均值為7.535 g·kg-1，變異系數(shù)為56.674%，呈中等變異性。土壤高光譜變換優(yōu)選特征波段主要集中在466～482、1669～1728、1979～2371 nm；構(gòu)建3種鹽分指數(shù)優(yōu)選的特征波段集中在1700～1728、1992～2014、2375～2405 nm。

采用PLSR模型，鹽分指數(shù)RSI的R2=0.823，RPD=2.166，光譜變換R′的R2=0.778，RPD=1.910，光 譜 反 射 率R的R2僅 為0.495，且RPD＜1.400；采用GWR模型，鹽分指數(shù)DSI1的R2=0.934，光譜變換 R′的R2=0.865，光譜反射率R的R2僅為0.621。

鹽分指數(shù)DSI1優(yōu)選特征波段建立GWR模型為最優(yōu)模型，建模精度R2為0.934，RMSE為1.186；檢驗(yàn)精度R2為0.915，RMSE為0.917。