應用BPNN及可見-近紅外光譜檢測土壤有機碳

曾凱翔，陳奕鴻，黃佳麗，周偉東，薛秀云

（華南農業大學電子工程學院、人工智能學院，廣州510642）

0 引言

土壤有機碳是土壤養分中一項重要的指標，快速檢測土壤有機碳含量是現在精準農業、測土配方施肥的關鍵。傳統的土壤有機碳（OC）含量分析方法為實驗室化學分析法，使用儀器一般為原子吸收光譜儀、色譜儀等光譜分析儀器，測量前期準備長，數據處理復雜，測量時效性差[1]。從上世紀開始，國外便有利用可見-近紅外光譜分析土壤有機碳的探索研究，可見-近紅外光譜分析法具有簡便、快速、時效性強等優點，應用前景廣泛。隨著新的儀器和新的光譜分析算法出現，利用光譜分析技術對農田土壤有機碳含量進行分析的能力逐漸提高[2-3]。國內外學者利用光譜分析土壤有機碳的研究，證明了VNIRS分析技術可用于土壤有機碳的快速檢測[4]，從理論和工程兩方面為建立較為準確的土壤有機碳含量檢測模型奠定了基礎。

土壤有機碳含量檢測模型一般利用某一特定時間、特定地點、特定土壤類型的樣本進行建模訓練，而當其中某一條件變化時，土壤樣本與建模樣本不匹配，模型檢測效果減弱。模型傳遞能力是目前阻礙可見-近紅外光譜檢測技術應用的難點[5]。本文利用BPNN建立土壤有機碳含量檢測模型，并與PLS、SVM模型對比，應用GA提取光譜特征波長，通過對不同類型土壤進行建模，分析模型的傳遞能力。

1 材料與方法

1.1 LUCAS土壤數據庫

數據采用LUCAS土壤數據進行。LUCAS數據庫是歐盟在2008-2012年間開展的歐洲土地利用及覆蓋統計調查所收集的數據集[6]，其中包括19036個土壤樣本及其相關理化性質數據，樣本點分布于歐洲23個國家，土地類型耕地、林地、草地等。土壤樣本的OC含量根據ISO 10694-1995干燒法進行檢測，對土壤樣本進行風干、過篩等預處理后，使用FOSS XDS近紅外光譜分析儀對其光譜反射率進行測量，光譜波段為400-2500nm，波長間隔為0.5nm。研究選取LUCAS數據庫中3個不同區域不同種類的土壤樣本集進行研究分析，其中土壤樣本數量分別為107（樣本集1）、107（樣本集2）、101（樣本集3），土壤樣本集中有機碳含量基本信息統計見表1。

1.2 數據處理方法

土壤有機碳含量檢測模型的建立如圖1所示，主要分為異常樣本剔除、數據預處理、特征波長提取、建模分析四個部分。

圖1 檢測模型結構

（1）異常樣本剔除

在光譜獲取以及土壤有機碳含量檢測的過程中，光譜儀本身誤差或人為測量誤差等會造成個別土壤樣本光譜數據或土壤有機碳含量與其他正常樣本存在較大誤差，剔除此類異常樣本能有效提升模型的檢測精度[7]。主成分分析法（PCA）是一種常用降維算法，能有效保存原始光譜信息的同時對數據進行降維，從而易于判斷出異常樣本。

圖2為對樣本集3的光譜數據進行PCA后的效果圖，設置0.95的置信區間，超出置信區間的樣本判斷為異常樣本；土壤有機碳含量數據異常樣本利用3倍標準差法進行剔除。對異常樣本進行剔除后，獲得原始樣本集。

圖2 PCA效果圖

（2）數據預處理

有機碳含量模型檢測精度與光譜信息的質量密切相關，環境因素的影響、土壤本身的結構狀態和光譜儀的工作質量都會對光譜信息產生影響，光譜的預處理能夠有效減輕這些影響[8]。光譜的預處理主要針對三個方面：隨機噪聲、基線漂移與譜峰重疊、光散射。

Savitzky-Golay濾波（SG平滑）是針對隨機噪聲的一種常用算法[9]，SG平滑方法本質上是利用一個局部多項式回歸來確定各個數據點的平滑值，能夠有效地保留光譜數據的譜峰高度和寬度等特征。一階微分算法可以消除光譜測量背景的干擾，解決基線漂移與譜峰重疊的問題，同時增強光譜數據的特征信息。

（3）特征波長提取

光譜儀在收集光譜數據的過程中冗雜數據也被加以收集，光譜數據特征波段的提取是為了找出波長中與待測土壤有機碳含量變化最為敏感的波段，避免冗雜數據對建模精度與效率帶來影響。常用的特征波長提取算法有連續投影算法（SPA）、競爭性自適應重加權算法（CARS）、遺傳算法（GA）等。

本文采用遺傳算法（GA）進行特征波長提取。遺傳算法是一種模擬自然進化選擇過程隨機搜索最優解的方法，可以有效地選取出與目標組分最具相關性的波段，降低建模難度與模型復雜度，提高建模精度與建模效率。

（4）模型建立方法

多元校正計量學方法是可見-近紅外光譜分析技術常用建模方法[10]，其中包括多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘法（PLS）、機器學習算法最小二乘支持向量機（SVM）、人工神經網絡BPNN等。

本文采用BPNN算法對土壤樣本的光譜數據進行檢測模型建立，并通過與PLS、SVM對比分析模型效果。最后利用交叉檢測的方法分析模型的傳遞能力。

（5）模型評價方法

模型評價指標包括決定系數（R2）和均方根誤差（RMSE），其中決定系數（R2）越接近1，說明模型的檢測能力越強，均方根誤差（RMSE）越小，說明模型檢測效果越好[11]。本文采用交叉驗證的方法對模型進行驗證并得出評價指標。

2 結果與評價

2.1 土壤光譜數據分析

計算3種樣本集的平均譜，由圖3可知，土壤平均光譜曲線整體趨勢相似，但由于土壤類型不同，樣本集光譜吸光度存在一定差異，光譜曲線間存在交錯。

圖3 3種樣本集的平均光譜

將光譜數據進行SG平滑處理，通過對比不同的窗口寬度與多項式階數對模型的精確度的影響，選擇窗口寬度為11和多項式階數為3作為最終平滑參數。對平滑后的光譜數據進行一階微分處理，得到一階微分光譜。取光譜800nm-1200nm進行放大，由圖4、圖5對比可以看出，經過一階微分后的光譜特征變得明顯，土壤有機碳含量越高，吸光度變化趨勢越大。將處理后的光譜數據作為原始光譜進行建模。

圖4 局部波段平均譜

2.2 校正模型建立及其對比

對預處理后的光譜數據利用PLS建立校正模型，通過選用不同的潛變量（LVs）進行對比，得到各樣本集校正模型的最佳潛變量個數，采用最佳潛變量個數的3種樣本集PLS模型效果如表2所示。樣本集的PLS模型交叉驗證效果如圖6所示。

圖5 局部波段一階微分譜

圖6 PLS模型效果圖

SVM、BPNN模型以PCA主成分作為輸入變量。將預處理后的光譜數據利用主成分分析算法（PCA）進行降維，得到主成分變量。取光譜數據PCA前7個主成分進行SVM、BPNN建模訓練。SVM模型采用徑向基核函數（RBF kernel function）作為核函數進行模型訓練，選用不同的SVM模型懲罰系數C和γ進行建模，將精確度最高的一組C和γ作為模型的最佳參數。通過對比，最終選擇C=100；γ=0.01進行SVM建模訓練。BPNN模型訓練函數選擇trainlm函數，采用5層BP神經網絡進行模型訓練，激活函數選擇tanh函數，設置模型最大迭代系數為10000次、模型學習率為0.125。不同樣本集的SVM、BPNN模型效果如表2。各樣本集的SVM、BPNN模型交叉驗證效果如圖7、圖8所示。

圖7 SVM模型效果圖

圖8 BPNN模型效果圖

從不同樣本集有機碳含量檢測模型可以看出，PLS、SVM、BPNN三種模型均有較好的檢測效果，能夠對土壤有機碳含量進行較為精確的定量檢測，其中PLS的R2分別為0.832、0.924、0.968，RMSEV分別為3.36、3.74、5.53；SVM的R2分別為0.851、0.935、0.983，RMSEV分別為3.30、3.49、4.12；BPNN的R2分別為0.866、0.950、0.980，RMSEV分別為2.99、3.04、4.37。總體而言，BPNN模型檢測效果較佳，能夠有效地提高土壤有機碳含量檢測模型精度、降低模型的RMSEV，SVM模型效果僅次于BPNN；相比SVM，BPNN在樣本集1和樣本集2中表現更好，而SVM在樣本集3中表現更好，這是不同種類土壤間存在的差異所造成的，說明不同種類土壤樣本的最佳檢測模型會有所不同。具體建模過程中，由于BPNN、SVM需要進行模型迭代訓練，算法更復雜、運行速度較慢；PLS模型檢測效果相對較差，但相比BPNN模型和SVM模型算法，PLS具有算法更簡單、運算速度更快的優勢，在對檢測精度要求相對較低而時效性要求更高的前提下，PLS模型優勢明顯。相比于土壤樣本集2、3，土壤樣本集1的精度較差，RMSEV卻更低，這是由于土壤樣本集1中的土壤有機碳含量數值更為集中。

表2 3種樣本集建模效果

2.3 GA提取特征波長及其效果

將原始光譜數據作為輸入利用GA進行特征波長選取，GA主要參數設置為：最大繁殖代數100，交叉概率0.5，變異概率0.01。由于GA作為一種全局概率搜索算法在運算過程中依賴隨機數的產生，本文利用GA進行多次特征波長選取，以消除隨機性對選取效果的影響，最終獲得提取特征變量后的光譜數據。

GA在提取過程中對原始光譜各波段的選取頻率如圖9所示，對篩選后的光譜數據分別進行PLS、SVM、BPNN建模，模型效果如表3所示。由結果分析可知，提取特征波段后的光譜數據量僅為原始光譜數據量的25%，極大地減小的模型的復雜度，提高計算機運算效率；同時，GA不僅能將原始光譜中的冗雜波段剔除，對模型的效果也有所提升，其中GA-PLS的R2分別為0.835、0.942、0.971，RMSEV分別為3.32、3.24、5.25；GA-SVM的R2分別為0.860、0.987、0.985，RM-SEV分別為3.19、1.65、4.01；GA-BPNN的R2分別為0.875、0.965、0.984，RMSEV分別為2.89、2.52、3.93。經過GA提出光譜特征波段后，檢測模型的R2提高，RMSEV減小，精度提升效果明顯。

表3 提取特征波長后建模效果

圖9 GA對各波段的選取頻率

2.4 模型傳遞能力分析

為了研究檢測模型對不同種類土壤的有機碳含量是否同樣具有檢測能力，分析檢測模型的傳遞能力。利用土壤樣本集的PLS、SVM、BPNN模型對剩余兩個土壤樣本集的有機碳含量進行交叉檢測，檢測結果如表4所示。

表4 交叉檢測結果

由結果分析可以看出，由于不同地區土壤的類型、性質等不同，原土壤有機碳含量檢測模型對其檢測能力較差。BPNN模型相對于SVM、PLS模型適用性更高，模型傳遞能力更強，說明模型的傳遞能力與原模型的精度有關，原模型的檢測能力越強，模型的傳遞能力也相對越強。研究表明，根據具體種類的土壤光譜數據進行建模分析，是獲得高精度、誤差小的土壤有機碳含量檢測模型更為有效的方法。

3 結語

過去的相關研究中，利用可見-近紅外光譜檢測土壤有機碳含量存在研究樣本種類單一、模型傳遞能力研究不足等問題[12]。本文利用土壤種類豐富的LUCAS數據庫，對可見-近紅外光譜檢測土壤有機碳含量及其模型傳遞能力進行研究，主要結論如下：

（1）恰當的光譜預處理能有效提高對土壤有機碳含量的檢測精度。其中，SG平滑算法結合一階微分算法對光譜數據進行預處理效果良好，能夠有效地降低光譜的隨機噪聲，突出光譜特征信息。

（2）BPNN、PLS、SVM模型對土壤有機碳含量的檢測均有較好效果。SVM、BPNN作為機器學習算法，在檢測能力上優于PLS，而在模型復雜度與運算速度上，PLS優于SVM、BPNN。

（3）GA算法可以有效地提取出光譜的特征波長，在大量降低光譜數據量、減小建模復雜度的同時，有效提升模型的精度，減小檢測誤差。

（4）PLS、SVM、BPNN模型傳遞能力不佳，對于不同種類的土壤有機碳含量均難以獲得良好檢測效果。BPNN、SVM由于本身模型精度較高，傳遞能力優于PLS，模型傳遞能力與原模型精度相關。根據具體土壤類型光譜數據進行建模分析是獲取精度更高、誤差更小的土壤有機碳含量檢測模型的有效方案。