基于歸一化光譜指數(shù)的土壤含水率反演研究

徐金華

(廣東江河流禹工程設(shè)計(jì)有限公司，廣東 深圳 518100)

0 前 言

可用水量是全球糧食生產(chǎn)的主要決定因素，其中的關(guān)鍵部分是土壤水分。鑒于未來氣候變化的潛在風(fēng)險(xiǎn)，使農(nóng)業(yè)生產(chǎn)系統(tǒng)的管理適應(yīng)土壤水分將變得越來越重要[1]。土壤水分(SMC)的信息可用于指導(dǎo)一系列管理決策，由其是確定灌溉的水量和時(shí)間。在旱地耕作土地中，可以將其與季節(jié)預(yù)測(cè)結(jié)合使用，根據(jù)來年的水資源利用率確定目標(biāo)產(chǎn)量，確定肥料用量。在干旱地區(qū)的放牧區(qū)中，它可以根據(jù)儲(chǔ)存的土壤水分確定草料量以此來確定放養(yǎng)率。除了對(duì)農(nóng)業(yè)的重要性外，土壤水分在許多學(xué)科中是重要的組成部分，例如水文學(xué)、氣象學(xué)、生態(tài)學(xué)。因此，有必要快速有效地監(jiān)測(cè)土壤含水率。

近紅外光譜(高光譜)技術(shù)是一種快速、經(jīng)濟(jì)高效和生態(tài)友好的技術(shù)，可以在實(shí)驗(yàn)室和野外提供眾多波段的高光譜數(shù)據(jù)。高光譜在同時(shí)估算各種土壤特性方面具有巨大潛力[2-3]。近年來，雖各種定量方法已應(yīng)用于高光譜數(shù)據(jù)以估計(jì)SMC含量，例如多元線性回歸(MLR)、主成分回歸(PCR)和偏最小二乘回歸(PLSR)[4-5]。但這些方法往往需要用到許多光譜變量，導(dǎo)致模型具有較多的不確定性。而光譜指數(shù)可以從許多光譜數(shù)據(jù)中提取有效的光譜變量，用此類指數(shù)建模既可以簡(jiǎn)化模型，也可以得到更為有效的模型。因此，本文利用歸一化光譜指數(shù)，結(jié)合一元線性回歸建立用于預(yù)測(cè)土壤含水率的估算模型，以期為精準(zhǔn)農(nóng)業(yè)及其他需要快速檢測(cè)土壤含水率的工作提供參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)域?yàn)閺V東深圳地區(qū)，位于廣東省中南沿海地區(qū)，珠江入海口之東偏北，所處緯度較低，屬亞熱帶海洋性氣候。年平均氣溫22.4 ℃，雨量充足，每年4—9月為雨季，年降雨量1 933.3 mm，2019年，深圳市農(nóng)作物播種面積1.23萬(wàn) hm2(18.41萬(wàn)畝)，該地區(qū)主要農(nóng)作物為水稻，因此，有效監(jiān)測(cè)土壤含水率，對(duì)該地區(qū)的精準(zhǔn)農(nóng)業(yè)發(fā)展是必要的。

1.2 研究材料采集及土壤樣本含水率的測(cè)定

本次研究以深圳地區(qū)采集的150個(gè)不同含水率的土樣為研究樣本，采樣深度為0～20 cm。收集時(shí)剔除浸入體，然后將土樣放入采樣袋中密封、編號(hào)、稱重并帶回實(shí)驗(yàn)室。從采樣袋內(nèi)取40 g左右有代表性的土樣放入鋁盒內(nèi)，蓋上蓋稱重，并記錄鋁盒的編號(hào)和重量。將沒加蓋的鋁盒放入干燥箱內(nèi)，在105 ℃、24 h恒溫條件下用干燥法測(cè)得土壤樣本質(zhì)量含水率ωm。其中土壤樣本質(zhì)量含水率ωm的公式為

(1)

式中：M1為土樣質(zhì)量(含鋁盒)，g；M2為干燥后土樣質(zhì)量(含鋁盒)，g；M3為空鋁盒質(zhì)量，g。

1.3 光譜測(cè)定

利用ASD FieldSpec 3光譜儀，測(cè)量土樣的光譜反射率。該光譜儀的基本數(shù)據(jù)參數(shù)為350～1 000 nm為1.4 nm，1 000～2 500 nm為2 nm，重采樣間隔為1 nm。將150份土壤樣品裝入直徑為10 cm，深度為2 cm的黑色容器中，填充后將表面刮平后，進(jìn)行光譜測(cè)量[6]。

1.4 光譜數(shù)據(jù)預(yù)處理

剔除邊緣波段350～400 nm和2 401～2 500 nm，這部分?jǐn)?shù)據(jù)具有較高的噪聲，無法用于土壤含水率的預(yù)測(cè)。再通過Savitzky-Golay(SG)濾波法對(duì)光譜數(shù)據(jù)(400～2 400 nm)進(jìn)一步去噪。通過光譜10 nm間隔重采樣，降低光譜數(shù)據(jù)的冗余，得到400～2 400 nm@10 nm，共201個(gè)波長(zhǎng)用以分析計(jì)算。此外，利用Matlab R2018軟件計(jì)算光譜的一階微分(FD)及二階微分(SD)，以此降低基線漂移的影響，突出曲線特征，其公式見(2)、(3)。

(2)

(3)

式中:Rλi-1、Rλi和Rλi+1為400～2 400 nm中3個(gè)相鄰波段。

1.5 光譜指數(shù)構(gòu)建

本文選取歸一化光譜指數(shù)來嘗試預(yù)測(cè)土壤含水率[7]。具體公式如下：

(4)

式中:Rλ1和Rλ2為400～2 400 nm中任意兩波段，且Rλ1≠Rλ2。

1.6 建模策略及模型評(píng)價(jià)

利用K-S算法將150個(gè)樣本分為2個(gè)樣本集，其中90個(gè)樣本用于建模，其余60個(gè)樣本用以精度驗(yàn)證。土壤含水率的特征見圖1。由圖可知，3個(gè)樣本集的最大值及最小值接近，平均值在22%左右。從圖中3個(gè)小提琴子圖的形狀可以看出3個(gè)樣本集之間的樣本分布基本一致，這為后面的分析建模提供了一定的基礎(chǔ)。

圖1 描述樣本特征的小提琴圖

(5)

(6)

(7)

式中:S.D為觀測(cè)值的方差；RMSE為均方根誤差。

2 結(jié)果與分析

2.1 不同土壤含水率的光譜曲線分析

利用公式(2)、(3)計(jì)算一階微分光譜及二階微分光譜，結(jié)果如圖。圖2為不同預(yù)處理后的光譜曲線，圖a中的原始光譜曲線，具有兩個(gè)明顯的吸收谷1 400，1 900 nm[8]。這兩個(gè)吸收谷與土壤水分有著相當(dāng)強(qiáng)的聯(lián)系，故這兩個(gè)吸收谷也被稱為水分吸收谷。經(jīng)過一階微分處理后，可以顯著消除光譜曲線的基線漂移現(xiàn)象，即光譜的反射率值逐漸接近于0。此外，一階微分曲線的特征相比于原始的光譜曲線更加豐富，這有利于提取感興趣的光譜信息。同樣的經(jīng)過二階微分處理后也有類似的效果，不過由于基線漂移的顯著消除，曲線的噪聲也得到凸顯，可能會(huì)對(duì)后面的建模預(yù)測(cè)產(chǎn)生影響。

圖2 不同預(yù)處理的土壤光譜曲線圖

2.2 光譜指數(shù)的構(gòu)建與分析

利用歸一化光譜指數(shù)公式(4)，計(jì)算所有光譜指數(shù)。并將計(jì)算后的光譜指數(shù)與對(duì)應(yīng)的土壤含水率進(jìn)行相關(guān)性分析。利用分析得到的相關(guān)系數(shù)矩陣?yán)L圖，得到圖3～5。這3個(gè)圖分別代表基于不同光譜曲線的光譜指數(shù)與土壤含水率的相關(guān)系數(shù)矩陣。由圖可知，不同波段組合而成的光譜指數(shù)效果有所不同。基于原始光譜的光譜指數(shù)，與土壤含水率的相關(guān)性最高可達(dá)0.88，該指數(shù)由1 420 nm和1 360 nm兩個(gè)波段組合；基于一階微分光譜的光譜指數(shù)，與土壤含水率的相關(guān)性最高可達(dá)0.87，該指數(shù)由1 900 nm和1 410 nm兩個(gè)波段組合；基于二階微分光譜的光譜指數(shù)，與土壤含水率的相關(guān)性最高可達(dá)0.78，該指數(shù)由1 890 nm和1 870 nm兩個(gè)波段組合；3個(gè)指數(shù)的具體形式如下：

圖3 基于不同光譜指數(shù)建模的預(yù)測(cè)精度比較圖

(8)

(9)

(10)

這些指數(shù)都由于水分吸收波段1 400 nm和1 900 nm附近的波段所組成。這說明本文所構(gòu)建的光譜指數(shù)在機(jī)理上是可行的。所以本文利用3個(gè)指數(shù)分別構(gòu)建模型。

圖4 基于不同光譜指數(shù)建模的預(yù)測(cè)精度比較圖

圖5 基于不同光譜指數(shù)建模的預(yù)測(cè)精度比較圖

2.3 模型的建立與分析

表1 基于光譜指數(shù)的偏最小二乘回歸建模與預(yù)測(cè)效果表

為了進(jìn)一步分析比較3個(gè)模型的差異，本文繪制了模型實(shí)測(cè)與預(yù)測(cè)值的散點(diǎn)見圖6。由圖可知，模型NDI-FD的散點(diǎn)分布更加集中，且其擬合線與1∶1直線的重合度高。綜上分析，NDI-FD模型(y=0.71x+0.49)可以被用于土壤含水率的預(yù)測(cè)。在實(shí)際生產(chǎn)過程中，可以利用光譜儀獲取土樣光譜數(shù)據(jù)，利用文中所述流程計(jì)算NDI-FD光譜指數(shù)，將其帶入公式y(tǒng)=0.71x+0.49，即可快速獲得土壤含水率。

圖6 基于不同光譜指數(shù)建模的預(yù)測(cè)精度比較圖

3 結(jié) 論

以廣東深圳地區(qū)的土壤為研究樣本，用歸一化光譜指數(shù)分別構(gòu)建土壤含水率一元線性模型，通過對(duì)模型對(duì)比分析，得到以下結(jié)論：

(1) 一階微分光譜可以有效去除外界噪聲，降低光譜基線漂移。而基于一階微分光譜提取的歸一化指數(shù)對(duì)土壤含水率更敏感。

(2) 基于原始反射率的歸一化指數(shù)(NDI-R)與土壤含水率的相關(guān)性最好，其相關(guān)系數(shù)值可達(dá)0.89，達(dá)到極顯著水平。

(3) 由一階微分光譜的歸一化指數(shù)(NDI-FD)所構(gòu)建的一元回歸模型(y=0.71x+0.49)，經(jīng)驗(yàn)證明可以有效預(yù)測(cè)土壤含水率，其RPD值可達(dá)3.09，達(dá)到定量預(yù)測(cè)水平。

該模型的建立為水土保持監(jiān)測(cè)及精準(zhǔn)農(nóng)業(yè)提供了一定的參考。