基于光譜指數優選的土壤鹽分定量光譜估測

郭 鵬， 李 華， 陳紅艷， 劉亞秋， 蓋岳峰， 任 濤

(1.山東農業大學 資源與環境學院， 山東 泰安 271018；2.山東菏澤水利工程總公司， 山東 菏澤 274000； 3.山東凱文科技職業學院, 山東 濟南 250200；4.山東頤通土地房地產評估測繪有限公司， 山東 濟南 250000； 5.山東省泰安市農業局， 山東 泰安 271018)

黃河三角洲地區是中國濱海鹽堿地分布的重要地帶，多數土壤鹽漬化，嚴重制約著黃河三角洲地區高效生態農業的發展，快速、準確獲取鹽漬土信息是鹽漬土治理和利用的必要前提[1-3]。基于高光譜數據開展鹽漬土信息的定量分析已成為研究熱點，并取得了積極的成績[4-6]。王麗娜等[7]在分析鹽漬土光譜曲線變化規律的基礎上，確定(1 490～1 608,1 900～1 950 nm)作為黃河三角洲鹽分敏感范圍，利用主成分回歸方法估測黃河三角洲地區土壤鹽分含量。朱赟等[8]在土壤修復過程中針對8種光譜數據集，基于相關系數的極值和不同相關系數范圍兩種方法篩選土壤最佳敏感波段，利用偏最小二乘法以全波段與最佳響應波段兩種方法建立土壤含鹽量的光譜反演模型。

現有研究中有許多是基于光譜指數構建的鹽分定量估測模型，而且光譜指數的構建與篩選有兩種思路：一是先進行相關分析選取敏感波段，利用敏感波段構建光譜指數然后進行模型的建立及其驗證，如張同瑞等[9]基于野外敏感光譜波段構建光譜指數，進而構建了18種模型并進行驗證優選，最終確定以土壤調整植被指數(soil adjust vegetation radiation，SAVI)的線性模型為最佳的黃河三角洲地區鹽分狀況反演及分析模型；蔡東全[10]探究了不同鹽漬化程度下土壤的光譜特征規律采用相關分析獲得了敏感特征波段、通過多元線性回歸分析構建了土壤全鹽含量高光譜估測模型，并建立了土壤波譜庫、采用波譜角分類法獲得了土壤鹽漬化信息。二是對全部波段兩兩組合直接構建光譜指數，然后利用相關分析篩選敏感的光譜指數和波段，進而進行模型的建立及其驗證。如黃帥等[11]通過光譜分析技術計算高光譜指數，與土壤樣本含鹽量進行相關性分析，篩選出土壤含鹽量的光譜特征指數和波段，基于逐步多元線性回歸(multiple line regression，MLR)和偏最小二乘回歸(partial least squares regression，PLSR)建立土壤鹽分動態監測模型。如蒲智等[12]運用統計方法分析了5種高光譜指數與土壤含鹽量的定量關系，確定了能提高鹽漬土含鹽量估算精度的最佳光譜指數及定量預測模型。可見，現有研究多是單獨基于其中一種思路開展研究，對于兩者的對比和優選未見報道。因此，本文擬分別采取兩種思路進行建模：一種是基于篩選的敏感波段構建光譜指數進行建模；另一種是先波段兩兩組合構建光譜指數，然后基于篩選的敏感光譜指數進行建模，進而對兩種結果進行對比。優選基于光譜指數的鹽漬土鹽分最佳定量模型，從而提出鹽漬土鹽分快速準確估測的技術路線，為研究區土壤鹽分定量、快速遙感監測提供理論基礎和技術參考，從而為鹽漬土的治理、利用提供數據支持。

1 材料與方法

1.1 研究區概況

以山東省墾利縣為研究區，該區位于黃河最下游入海口處，東瀕渤海，地處37°24′—38°10′N，118°15′—119°19′E，縣域呈西南、東北走向，南北縱距55.5 km，東西橫距96.2 km。屬溫帶季風氣候區，受海水影響所致，土壤為濱海潮鹽土，鹽分組成以鈉型鹽氯化物為主，主要鹽分離子是Cl-,Na+和Ca2+。該地區基本涵蓋了黃河三角洲的不同的鹽漬化程度、微地貌類型、土壤地質，具有代表性。

1.2 土壤樣本采集及土樣室內分析

2014年10月5—9日野外采集土樣，根據研究區耕地面積和土壤鹽漬化狀況，均勻布局采樣點。采樣深度為0—20 cm，記錄GPS位置和相應環境信息，取土1 kg左右，裝入密封袋內，共采集土樣96個。將采集的土樣自然風干、敲碎，剔除其他侵入體，過篩(2 mm)，并混合均勻，分成2份。土壤鹽分及其組分的測定使用電導率，Cl-采用硝酸銀容量法測定，Na+采用火焰光度法測定，Ca2+采用原子吸收分光光度法測定[13-15]。

1.3 光譜測定

采用美國ASD Fieldspec 4光譜儀[16-17]于室內采集土壤高光譜數據，該光譜儀光譜范圍為350～2 500，350～1 000 nm范圍內光譜采樣間隔為1.4 nm，光譜分辨率為3 nm，在1 000～2 500 nm范圍內光譜采樣間隔為2 nm，光譜分辨率為10 nm。光譜重采樣間隔為1 nm，共輸出2 151個波段。

光譜測定在等同于暗室的實驗室內進行，將盛樣皿內土壤稍稍刮平，使其表面盡量平整，將裝滿土樣的盛樣皿放在反射率近似為0的黑色橡膠墊上，采用功率為50 W鹵素燈作為光源，探頭視場角為25°，光源入射角度為45°，光源距離為30 cm，探頭距離為15 cm。每次采集目標光譜前后都進行參考板校正，在視場范圍內重復測量10次，為降低土樣光譜各向異性的影響，測量時轉動盛樣皿3次，每次轉動角度約90，獲取土樣4個方向的光譜曲線，取算術平均后得到該土樣的反射光譜數據[18-20]。

1.4 光譜預處理

為消除土樣高光譜數據的噪聲影響，對可見光到近紅外(350～1 300 nm)波段，采用移動平均法去噪，對短波紅外(1 301～2 500 nm)采用 9 點加權抽樣平滑去噪；將去噪后的光譜數據去除受外界噪聲影響較大的邊緣波段350～399 nm 和2 451～2 500 nm兩段數據，將其余波段(400～2 450 nm)數據作為土樣的實際光譜反射數據；對光滑后的反射率進行一階導數變換，并將樣點的一階導數光譜作為輸入光譜。

1.5 基于敏感波段的光譜指數構建

首先對研究樣本的土壤鹽分及其主要離子含量與反射率的一階導數光譜進行逐波段的相關分析，計算相關系數，按照相關系數高且顯著的原則，選取各自的敏感波段；其次根據鹽分及其主要離子敏感波段的交叉情況選取具有極值相關系數的波段作為特征敏感波段；最后利用特征敏感波段構建光譜指數：鹽度指數(salt indices，SI)、亮度光譜指數(brightness spectral indices，BSI)、差值光譜指數(difference spectral indices，DSI)、比值鹽分指數(ratio salt indices，RSI)和歸一化光譜指數(normalized difference spectral indices，NDSI)。光譜指數公式見表1。

表1 鹽分光譜指數及其公式

1.6 敏感光譜指數篩選

采用表1中的公式計算400～2 000 nm任意2波段組合而成的SI,BSI,DSI,RSI和NDSI，分析它們與土壤鹽分及主要離子含量的關系，用等勢圖表示，分別選擇相關系數較大的指數為敏感光譜指數。具體算法通過Matlab R2014a,SPSS 20.0,Excel 2010軟件實現。

1.7 估測模型構建與驗證

2 結果與分析

2.1 土壤樣本描述性統計分析

對96個土樣的鹽分及其主要離子含量進行描述性統計分析(表2)。土樣鹽分含量為0.14%～3.08%，平均值為0.95%，標準差為0.88%，變異系數為0.92%，表明研究區土壤鹽分含量普遍較高，鹽漬化程度不同；鹽分離子中Cl-,Na+含量較高，且變異性較大，應能較好地反映土壤鹽漬化程度。

表2 鹽分及主要離子統計分析%

2.2 基于敏感波段的光譜指數

基于研究樣本的土壤鹽分及其主要離子含量與反射率一階導數的相關分析結果(如圖1所示)，可見具有較高相關系數的敏感波段集中于1 070～1 955和2 010～2 366 nm，而且多有交叉。按照相關系數高且顯著的原則，選取敏感波段為1 493,1 801,1 911和2 289 nm，根據敏感波段的交叉情況選取具有極值相關系數的波段作為特征敏感波段(1 493,1 911 nm)，最后利用特征敏感波段構建光譜指數(SI,BSI,DSI,RSI和NDSI)。

圖1 土壤含鹽量與一階導數光譜的相關系數

2.3 基于光譜指數的土壤鹽分及其離子估測模型

基于光譜指數，采用隨機森林(RF)方法構建土壤鹽分及主要離子含量的高光譜估測模型(表3)。對比光譜指數的表現，各個光譜指數與土壤鹽分及其主要離子的決定系數、均方根誤差、相對誤差的平均值分別為：SI為0.56,0.18,1.86；BSI為0.32,0.04,1.02；DSI為0.45,0.98,1.56；RSI為0. 41,0.11,1.18；NDSI為0.58,0.35,1.82。可見光譜指數最佳是BSI，其次是RSI,DSI，最后是SI,NDSI。

2.4 敏感光譜指數的篩選

計算400～2 000 nm任意2波段組合而成的上述5種光譜指數，光譜指數與土壤鹽分及其主要離子含量的相關系數用abs等勢圖來表示，以鹽分與5種光譜指數的等勢圖為例，在SI，BSI，NDSI，RSI，DSI中光譜指數與土壤鹽分及其主要離子含量之間的相關系數總體較為一致，總體表現為近紅波段與可見光波段光譜指數與鹽分的相關性較好，敏感的光譜范圍為1 430～1 862，1 934～2 150 nm，涵蓋思路一篩選的敏感波段(1 493和1 911 nm)，更有助于鹽分及其主要離子光譜特征的分析(表3)。

不同光譜指數與鹽分相關系數最大值及最佳分布有一定差異，以鹽分與5種光譜指數的相關系數、值域分析為例：SI與鹽分的相關系數值在波段(1 200，1 650 nm)達到0.6左右，在(1 800，1 613 nm)相關系數達到最大值0.75左右；BSI在波段(1 215，1 615 nm)相關系數值達到0.7左右，在(1 750，1 620 nm)相關系數最大值達到0.8左右；DSI在波段(1 150，1 550 nm)相關系數值達到0.6左右，在(1 700，1 500 nm)相關系數達到最大0.7左右；RSI在(1 200，600 nm)相關系數值達到0.5，在(1 700，600 nm)相關系數最大值達到0.6左右；NDSI在波段(1 150，550 nm)相關系數值達到0.5左右，在(1 650，600 nm)相關系數最大值達到0.7左右。說明5種光譜指數與土壤鹽分及其主要離子有著比較密切的關系，因此，選定5種光譜指數相關系數值大的波段為敏感光譜指數SI(1 800，1 613 nm)，BSI(1 750，1 620 nm)，DSI(1 700，1 500 nm)，RSI(1 700，600 nm)和NDSI(1 650，600 nm)，分別作為輸入變量構建鹽分及其主要離子含量估測模型。

表3 基于光譜指數的鹽分及其離子模型比較

2.5 基于敏感光譜指數的土壤鹽分及其主要離子估測模型

基于敏感光譜指數，采用隨機森林(RF)方法構建土壤鹽分及主要離子含量的高光譜估測模型(表4)。各個光譜指數與土壤鹽分及其主要離子的平均值分別為：SI為0.86,0.38,1.76；BSI為0.32,0.02,1.01；DSI為0.55,0.96,2.56；RSI為0.42,0.21,1.16；NDSI為0.96,0.84,1.92。可見光譜指數最佳是BSI，其次是RSI，DSI，最后是SI，NDSI。可見光譜指數最佳是BSI，其次是RSI，DSI，最后是SI，NDSI。

綜上，確定黃河三角洲鹽漬土最佳光譜指數為BSI(1 750，1 620 nm)，土壤鹽分及其主要離子最佳定量模型為基于BSI(1 750，1 620 nm)的隨機森林模型；土壤鹽分及其主要離子定量分析的最佳路線為：首先任意波段兩兩組合構建光譜指數，然后利用相關分析篩選土壤鹽分及其主要離子的敏感光譜指數，進而構建其隨機森林估測模型。

表4 基于敏感光譜指數的鹽分及其離子模型

圖2為思路二基于BSI鹽分及其主要離子的RF模型的預測值和實測值的散點圖。可見，樣本較為均勻地分布在1∶1線的兩側，表明預測值和實測值整體呈現較好的線性關系。

圖2 鹽分及其主要離子RF模型預測值和實測值關系

3 討 論

在以往的研究中，張同瑞等[9]以山東省無棣縣“渤海糧倉”項目核心示范區為研究區，采用思路一的方法進行土壤含鹽量模型的建立及其驗證，研究得出以土壤調整植被指數(soil adjust vegetation radiation，SAVI)為因變量構建的模型估測效果最好，相關系數R2為0.797。黃帥等[11]以新疆渭干河—庫車河三角洲綠洲為例，采用思路二的方法進行土壤鹽分模型的建立及其驗證，研究表明偏最小二乘回歸模型的預測值和實測值一致性很好，相關系數R2為0.873。可見，前人研究也表明采用思路二建模結果的精度優于思路一，本文研究結果亦是如此。這可能是由于思路一先采用相關分析篩選到2個波段再組合建模，而思路二先兩兩組合信息再篩選光譜指數，模型入選變量在綜合波段信息的基礎上再利用相關分析篩選更有針對性。

本文以黃河三角洲山東省墾利縣為研究區，構建了5種光譜指數(SI,BSI,DSI,RSI和NDSI)，并進行了對比，研究表明，對該研究區土壤鹽分定量估測，亮度指數BSI表現最佳。然而關紅等[24]在對龜裂堿土鹽堿化信息提取分析中，表明協同鹽分指數SI和植被指數MSAVI構造的土壤鹽漬化指數模型模擬效果很好，由此可見不同的光譜指數對不同區域土壤鹽分定量估測是不同的。因此本研究篩選的光譜指數對于其他差異較大鹽漬土的適用性還有待研究核實。

4 結 論

(2) 確定土壤鹽分及其主要離子定量分析的最佳路線。本文采用兩種思路構建并優選光譜指數，一方面，模型精度表明采用思路二建模的結果明顯優于思路一；另一方面，思路二明確的光譜范圍(1 430～1 862和1 934～2 150 nm)涵蓋思路一篩選的敏感波段(1 493和1 911 nm)，更有利于鹽分及其主要離子的光譜特征分析。因此，本文確定土壤鹽分及其主要離子定量分析的最佳路線為：首先任意波段兩兩組合構建光譜指數，然后利用相關分析篩選土壤鹽分及其主要離子的敏感光譜指數，進而構建其隨機森林估測模型。