基于高光譜的梭梭幼苗生境土壤氮素含量估算模型研究

王 澤，軒俊偉，任 財，麻 浩，羅艷麗，鄧 策，梁 燕，范亞楠

（1. 新疆農業大學草業與環境科學學院/新疆土壤與植物生態過程實驗室，新疆 烏魯木齊 830052；2. 新疆吉木薩爾縣農業農村局，新疆 吉木薩爾 831700；3. 新疆生產建設兵團林業工作管理總站，新疆 烏魯木齊 830013）

【研究意義】受成土母質、氣候、地形、生物等成土因子的影響，土壤是時空連續的變異體［1］，不僅是陸地生態的關鍵組成部分，而且能夠為植被的生長提供養分［2］。氮素是植物從土壤中吸收量最大的礦質元素，是植物生長發育所必需的大量營養元素之一，同時也是自然界中各種生態系統生產力高低的主要限制因子［3］。關于土壤和植物養分監測的研究方法中，傳統的室內化學分析方法需要破壞樣本，且耗時長、工作量大，在大范圍快速診斷土壤和植物養分方面具有較大的局限性，而高光譜技術作為現代科技的新興手段，具有快速、經濟、無損、大尺度等特點［4-6］，能獲得比傳統遙感手段更連續和完整的光譜信息，從而更加精準地獲取一些農學信息，在估測水稻［7］、玉米［8］、小麥［9］和甘蔗［10］等大田作物的營養狀況方面已得到廣泛應用。因此，應用高光譜遙感技術，選擇適宜反演模型和光譜指標定量反演土壤和植物養分含量，對于精確診斷和實時調控區域尺度范圍內的土壤和植物養分水平具有重要意義。【前人研究進展】近年來國內外學者在不同土壤類型或作物高光譜曲線特征、土壤或植物養分與光譜反射率關系以及土壤和植物養分定量反演等方面，開展了很多研究，取得較大進展。如張娟娟等［11］分析了我國5種不同類型土壤全氮及速效氮含量與近紅外光譜反射率間的關系，發現相關性最高的敏感波段為1 879～1 890 nm與2 050～2 100 nm，建立的線性回歸模型具有較高的預測精度；李焱等［12］基于不同利用方式土壤光譜和養分數據，分析土壤高光譜反射率及其變形與全氮含量的相關性，建立的反射率二階微分預測模型的擬合系數最高為0.956，均方根誤差最低為0.045，其模型的穩定性和預測精度高，可更好地快速預測土壤全氮含量；Rajeev等［13］研究指出植被的氮素吸收波段主要在紅邊和短波紅外光譜范圍，如430、640、910、1 510、2 060、2 350 nm波段；李萍等［14］采取逐步回歸法對葉片氮素含量與葉片光譜參數之間的相關性進行分析，在庫爾勒香梨葉片氮素含量與敏感波長720 nm處的原始光譜和敏感波長703 nm處的一階微分光譜構建的線性模型，決定系數R2值均＞0.90；諶俊旭等［15］基于不同氮素水平田間試驗，分析大豆葉片光譜與氮素含量的關系，大豆冠層光譜一階導數變換后紅邊幅值呈現先增加后降低的趨勢，隨葉片氮積累量的增加和減小出現“紅移”與“藍移”現象，構建線性模型的R2達0.847、乘冪模型的R2達0.872，能較精確地估測大豆冠層葉片氮素狀況；張瀟元等［16］利用高光譜植被指數對作物葉氮含量進行定量反演，反演冬小麥葉氮含量的最優中心波長隨植被指數和作物種類的不同而有所差異，應用多指數聯合反演模型，可顯著提高反演精度，并且聯合反演模型在不同高光譜傳感器下有一定普適性。【本研究切入點】目前在高光譜遙感估算建模研究中，前人研究主要集中在土壤或植物體上，在綠洲農田生態系統中的研究較多［17-19］，而在荒漠生態系統中高光譜遙感應用研究較少，尤其是缺乏荒漠植物與其生境土壤相互結合的高光譜遙感應用研究，而荒漠生態系統又是氣候變化最為敏感的區域，其植被變化對氣候適應具有重要指示作用［20］。【擬解決的關鍵問題】以古爾班通古特沙漠梭梭（Haloxylon ammodendron）幼苗及其生境土壤為研究對象，研究荒漠區梭梭幼苗植株冠層光譜特征，利用幼苗植株氮素含量和土壤氮素含量間的關系，分析幼苗植株冠層光譜特征與生境土壤氮素含量間的相關性，篩選幼苗植株冠層光譜與土壤氮素含量相關性較強的敏感波段，建立基于高光譜的梭梭幼苗生境土壤氮素含量最佳估算模型，為新疆準噶爾盆地荒漠區植物與土壤養分狀況的實時監測與精確診斷提供重要依據和技術支撐。

1 材料與方法

1.1 研究區概況

試驗區位于準噶爾盆地古爾班通古特沙漠的東部，地處古爾班通古特沙漠與吉木薩爾縣交錯帶，地勢南高北低，屬中溫帶大陸性半荒漠干旱氣候，夏季炎熱，冬季酷寒而漫長。全年平均氣溫6～10 ℃，有5個月平均氣溫在0 ℃以下，極端最高氣溫達40 ℃以上，極端最低氣溫則低于-40 ℃，≥10 ℃的活動年積溫為3 000～3 500 ℃，年降水量100～150 mm，蒸騰量1 900～2 500 mm，全年日照時數3 100～3 200 h，無霜期150～170 d，地下水位3～5 m；冬春季有降雪，積雪深度達10～35 cm、時間長達3～4個月，春夏季盛行西風、西北風以及東北風，從沙漠中部到邊緣的大風天數為25～77 d不等。植被組成主要以梭梭和白梭梭為代表，常見的還有白皮沙拐棗、蛇麻黃、白刺等荒漠植物，以及在春季萌發的多種短命、類短命植物，土壤質地為沙土，以風沙土為主［21］。

1.2 研究方法

2017年春季，在古爾班通古特沙漠東部吉木薩爾縣林業管護站周邊荒漠區，選取具有代表性的梭梭生長試驗區（88°50′09.95″～88°48′13.18″E，44°32′10.04″～44°25′54.26″N），每隔2 km設置1個50 m×50 m的監測樣方，共6個樣方，每個樣方內標記野生梭梭幼苗30株作為試材。采用土壤與植物相結合的研究方法，把土壤和植物對應統一成一個整體進行研究，分別在梭梭幼苗生長的萌芽期（4月21日）、同化枝生長期（7月18日）和枝條生長后期（8月30日），測定樣方內標記的梭梭幼苗植株冠層光譜，并采集相應的土壤和幼苗植株樣品帶回實驗室測定氮素含量。

1.2.1 梭梭幼苗植株冠層光譜的測定 采用便攜式光譜儀（美國，SVC HR-768型）進行測定，該儀器的光譜范圍為350～2 500 nm，通道數768，在350～1 000 nm范圍內的光譜帶寬≤3.5 nm，1 000～1 500 nm和1 500～2 100 nm 范圍內的光譜帶寬≤16 nm，最小積分時間1 ms。選擇天氣晴朗無云的白天，測量時間為12: 00～16: 00，測量方式為漫反射式，采用視場角為8°的探頭，為確定幼苗植株冠層在光譜儀的觀測視角內，測量時保持光譜儀距離土壤或植株樣本表面垂直上方50 cm處；測定前應進行系統配置優化和白板校正，在測試過程中每隔10 min對儀器進行一次優化與校正。以10個光譜為一采樣光譜，每次記錄10個光譜，取平均值。在試驗區6個監測樣方內，每個時期每個樣方采集30株標記的梭梭幼苗植株冠層的光譜，整個幼苗生長期內共采集540條植株光譜曲線。

1.2.2 生境土壤氮素和植株氮素含量的測定 分別于梭梭幼苗生長的不同時期，在每個監測樣方內，隨機采集標記幼苗生境周圍0～30 cm土層的土壤樣品10個，整個幼苗生長期共采集180個土壤樣品，帶回實驗室風干處理并化驗分析，采用堿解擴散法［22］測定土壤速效氮含量。每個時期每個樣方隨機選取長勢一致無病害的梭梭幼苗10株，整株挖出后用保鮮袋封裝帶回實驗室置于冰箱中備存，整個生長期共采集180個幼苗植株樣品；在實驗室將不同生長期采集的幼苗植株樣品進行殺青烘干處理，并將烘干后的幼苗植株樣品剪碎、粉碎過篩，裝袋備用。植株樣品通過H2SO4-H2O2消解后，采用奈式比色法［23］測定幼苗植株全氮含量。

1.2.3 數據分析 利用光譜儀配套軟件、SPSS軟件和Excel對所測定的光譜原始數據進行統計分析處理。考慮到因系統誤差致使光譜曲線首尾兩端噪音較大，而截取400～1 800 nm的光譜數據建立梭梭幼苗生境土壤氮素含量的估算模型。植株冠層光譜在波長inm處的一階微分光譜計算公式為：

R′（λi）=〔R（λi+1）-R（λi-1）〕/ 2Δλ

式中，λi為inm波段的波長，R′（λi）為反射率在λi的一階微分，R（λi+1）為波長λi+1處的植物光譜反射率，Δλ是波長λi+1到波長λi的間隔，在實際計算中，一般用光譜的差分作為微分的有限近似［24］。

估算模型精度檢驗的均方根誤差（RMSE）和相對誤差（RE）的計算公式［25］如下：

式中，yi和yi'分別為土壤速效氮含量實測值和模型計算的估算值，n為檢驗樣本數，RMSE、RE值越小，則模型精度越高。

2 結果與分析

2.1 梭梭幼苗植株冠層光譜特征分析

不同生長期梭梭幼苗植株冠層反射光譜特征見圖1。由圖1可知，萌芽期、同化枝生長期和枝條生長后期，梭梭幼苗植株冠層表現出明顯的光譜差異，在不同波段區域光譜響應不同，在400～1 800 nm范圍內，梭梭幼苗植株冠層反射率整體上隨吸收波長的增加呈先增加后減小再增加的趨勢，在1 320～1 660 nm波段出現明顯的峰谷變化。梭梭幼苗植株冠層光譜曲線在近紅外波段701、956、1 142、1 436 nm處對光的吸收均較其他波段強，且在這4個波段附近出現波谷；在616、782、1 093、1 332、1 705 nm處存在強烈反射，光譜曲線在這5個波段附近出現波峰。不同生長期梭梭幼苗植株冠層光譜反射率大小特征表現為同化枝生長期＞枝條生長后期＞萌芽期，其中，同化枝生長期和枝條生長后期梭梭幼苗植株冠層的光譜反射率顯著高于萌芽期。

圖1 不同生長期梭梭幼苗植株冠層光譜反射率Fig. 1 Canopy spectral reflectance of H. ammodendron seedlings in different growth periods

2.2 梭梭幼苗植株氮素含量與生境土壤氮素含量的相關性分析

植物從土壤中吸收的氮素營養主要來源于土壤中的速效氮，土壤速效氮含量是土壤氮素有效性的重要指示指標［26］。由生長期內梭梭幼苗植株全氮含量與土壤速效氮含量的相關性分析（表1）可知，從萌芽期至枝條生長后期，幼苗植株全氮含量的變化特征表現為先增加后降低再增加的趨勢，最大值出現在同化枝生長期、為14.21 g/kg，較含量最低的萌芽期高77.18%，差異顯著，而幼苗生境土壤速效氮含量的變化特征與幼苗植株全氮的一致，同化枝生長期時達到最大值15.27 mg/kg，較萌芽期高61.25%，差異顯著。不同生長期幼苗植株氮素含量與土壤氮素含量之間的特征呈正相關，各時期的相關系數均≥0.936，且相關性均達到極顯著水平，表明梭梭幼苗植株氮素含量水平能夠較好的反映其生境土壤氮素養分狀況。

表1 梭梭幼苗植株氮素含量與土壤氮素含量之間的相關系數Table 1 Correlation coefficient between the total nitrogen content of H.ammodendron seedlings and soil nitrogen content

2.3 梭梭幼苗植株冠層反射光譜與土壤氮素含量的相關性分析

不同光譜數據的數學轉換，能消除部分大氣、土壤背景、凋落物等低頻光譜成分對目標的影響，能更好地揭示植被光譜的內在特性，有利于相關信息的定量反演［27］。在梭梭幼苗植株氮素含量與生境土壤氮素養分狀況具有較高相關性的基礎上，對梭梭幼苗植株冠層的原始反射光譜做一階微分、對數一階和倒數一階等數學轉換，分析幼苗植株冠層光譜相應數學轉換后的反射率與幼苗生境土壤氮素含量的相關性，以期篩選出與幼苗生境土壤氮素含量相關性最強的波段。

幼苗植株冠層原始光譜反射率與生境土壤氮素含量的相關性分析結果見圖2A。在400～1 800 nm波段內，植株冠層原始光譜反射率與生境土壤氮素含量呈正相關，其中在555、757、880、1 038、1 251 nm處呈極顯著正相關，相關系數分別為0.903、0.942、0.964、0.948、0.913，以880 nm處的相關系數最大，為最強敏感波長。

幼苗植株冠層原始光譜反射率的一階微分與生境土壤氮素含量的相關性分析見圖2B。植株冠層光譜反射率一階微分與土壤氮素含量在403～485、509～538、677～806、1 489～1 616 nm波段范圍內均呈顯著正相關，其中在敏感波段范圍內的428、516、751、801、1 534 nm處均呈極顯著正相關，相關系數分別為0.956、0.912、0.981、0.947、0.958，以751 nm處的相關系數最大，為最強敏感波長。

幼苗植株冠層原始光譜反射率的對數一階微分與生境土壤氮素含量的相關性分析見圖2C。光譜反射率對數一階微分的相關性結果與原始光譜近似，在400～1 800 nm波段內，光譜反射率的一階微分與土壤氮素含量呈正相關，其中在572、755、879、1 062、1 243 nm處呈極顯著正相關，相關系數分別為0.927、0.967、0.970、0.946、0.919，以879 nm處的相關系數最大，為最強敏感波長。

幼苗植株冠層原始光譜反射率的倒數一階微分與生境土壤氮素含量的相關性分析見圖2D。相關性結果與原始光譜相反，在400～1 800 nm波段內，植株冠層光譜反射率倒數一階微分與土壤氮素含量呈負相關，其中在546、720、879、1 149、1 321 nm處呈極顯著負相關，相關系數分別為0.928、0.938、0.969、0.935、0.909，以879 nm處的相關系數最大，為最強敏感波長。以上結果表明，在各光譜轉換的敏感波段范圍內，可選用最強敏感波長建立幼苗生境土壤速效氮含量的估測模型。

圖2 梭梭幼苗植株冠層光譜與生境土壤氮素含量的相關性Fig. 2 Correlation between the canopy spectral of H. ammodendron seedlings and soil nitrogen content

2.4 梭梭幼苗生境土壤氮素含量估測模型的建立

在光譜反射率與幼苗生境土壤速效氮含量相關性較強的敏感波段范圍內，以最強敏感波長處的植株冠層原始、一階微分、對數一階微分和倒數一階微分的光譜反射率為自變量，以土壤速效氮含量為因變量，建立回歸模型。土樣總數為180個，采用150個樣品的土壤速效氮含量數據用于構建反演模型，30個土壤樣品數據用于驗證模型的精度。回歸模型的建模精度采用決定系數R2、檢驗R2、均方根誤差（RMSE）及相對誤差（RE）進行評價。

由表2可知，構建各模型的決定系數R2均在0.930以上，模型的檢驗R2均在0.60以上，表明模型的預測精度較高，其中幼苗植株冠層原始光譜反射率一階微分與土壤氮素含量在677～806 nm敏感波段建立的線性回歸模型的決定系數R2和檢驗R2最高，分別為0.963和0.937。不同估測模型的RMSE和RE的大小順序均表現為幼苗植株冠層光譜反射率一階微分＜倒數一階微分＜對數一階微分＜原始光譜，其中幼苗植株冠層光譜一階微分反演模型的RMSE和RE值最小，分別為0.921和1.89%，其模擬估算方程的估測值與實測值的擬合性較好。

為了驗證模型的可靠性，利用非建模的30個土壤速效氮含量實測數據對估測模型進行驗證，由結果（圖3）可知，幼苗植株冠層光譜一階微分反演模型的檢驗R2值最大，為0.927（圖3B），明顯高于其他模型，模型的估測值與實測值的相關性最高，估測效果整體上較好。綜上所述，幼苗植株冠層光譜一階微分反演模型Y=133.186X751+8.803，其決定系數最大，相對誤差最小，擬合效果最優，精度最高，預測結果較為理想，可作為梭梭幼苗生境土壤氮素含量的最優估算模型。

表2 梭梭幼苗植株冠層光譜與其生境土壤氮素含量估算模型Table 2 Estimation model for the canopy spectral of H.ammodendron seedlings and soil nitrogen content in its habitats

圖3 梭梭幼苗生境土壤氮素含量估算模型的檢驗Fig. 3 Precision tests of estimation models for soil nitrogen content in H.ammodendron seedlings habitats

3 討論

荒漠區由于受到人為放牧、采集藥材的干擾，土壤表面經常有動物糞便、植物枯枝落葉，加之荒漠區風沙大，氣候干旱少雨，致使地表短命植物和覆蓋物處于不斷變化中，造成荒漠土壤環境的復雜性、多變性，對于利用遙感直接監測荒漠土壤地表光譜和土壤養分含量及其動態變化帶來一定難度，而且通常測的是植物和土壤的混合光譜，并不是土壤的實際光譜。荒漠區不同的土壤和氣候條件會引起地表植物形態和生長的差異，最終會反映在植物冠層光譜反射率的差異上。因此，將土壤與植物相結合對應統一成一個整體，通過遙感監測荒漠區植物的冠層光譜，利用植物冠層光譜與土壤養分之間的相關關系，可以用來實現荒漠區植物生境土壤養分的快速、無損定量反演。

不同生長期梭梭幼苗植株冠層具有明顯的光譜差異，在近紅外波段701～1 142 nm范圍存在強烈反射，這與其他植物植株的光譜反射特征一致［28-29］，在近紅外波段光譜反射率較強。幼苗植株冠層光譜不同形式轉換后，與生境土壤氮素含量呈極顯著相關的敏感波段主要集中在700～1 200 nm范圍內，與植株光譜反射率與植株氮素含量相關性較強的敏感波段范圍基本吻合，這與潘文超等［30］的研究結果相似，在近紅外波段700～1 300 nm范圍內，棉花植株冠層反射光譜與土壤氮素含量間呈正相關，但不同地區土壤氮素含量估測的最佳模型有所不同。利用幼苗植株冠層原始光譜反射率一階微分在敏感波段677～806 nm建立的土壤氮素含量估算模型的決定系數R2、檢驗R2高于原始光譜及其他光譜形式轉換建立的反演模型，而模型的均方根誤差和相對誤差低于其他反演模型，表明幼苗植株冠層光譜反射率一階微分反演模型的擬合性最優、精度最高、誤差最小，可較穩定地預測土壤氮素含量。

4 結論

本研究利用敏感波段范圍內的梭梭幼苗植株冠層原始、一階微分、對數一階微分和倒數一階微分的光譜反射率建立的不同土壤速效氮含量估算模型，通過精度檢驗，確定基于植株冠層光譜反射率一階微分的反演模型Y=133.186X751+8.803，其決定系數最大、相對誤差最小、擬合效果最優、精度最高，預測結果較為理想，可作為梭梭幼苗生境土壤氮素含量的最優估算模型。