桂北桉樹人工林紅壤速效鉀含量高光譜反演模型研究

趙雋宇 石媛媛 覃祚玉 潘波 黃小芮 唐健

摘要 以桂北桉樹人工林紅壤為研究對象，測定了不同土壤速效鉀含量樣品的光譜數據，分析其光譜特征，采用PLS法建立反演模型。結果表明：該區域紅壤速效鉀含量的光譜敏感波段集中于400～600、1 450、2 200 nm等區域。經過一階導數變換后，能顯著減少原始光譜數據中的冗余信息，提高光譜指標與土壤速效鉀含量之間的相關性。R、FDR 2種光譜指標的全波段建模結果均優于顯著性波段的建模結果，最優模型為全波段-FDR-PLS，模型R2=0.86 RMSE=2.718。該研究結果可為廣西土壤數字制圖、精準變量施肥以及土壤速效鉀實時監測等近地遙感推廣應用服務。

關鍵詞 可見-近紅外光譜;近地遙感;線性模型;人工林;土壤信息

中圖分類號 S 714.8? 文獻標識碼 A

文章編號 0517-6611（2021）21-0154-03

doi：10.3969/j.issn.0517-6611.2021.21.037

開放科學（資源服務）標識碼（OSID）：

Hyperspectral Inversion Model of Available Potassium Content in Red Soil of Eucalyptus Plantation in Northern Guangxi

ZHAO Juan-yu? SHI Yuan-yuan? QIN Zuo-yu 2 et al

（1.Guangxi Zhuang Autonomous Region Forestry Research Institute，Nanning，Guangxi 530002; 2.Guangxi Research and Development Center for New Forestry Fertilizer，Nanning，Guangxi 530002）

Abstract Taking red soil of eucalyptus plantation in northern Guangxi as the research object，the spectral data of different soil available potassium content samples were measured，the spectral characteristics were analyzed，and the inversion model was established by using PLS method.The results showed that the spectral sensitive bands of available potassium content mainly concentrated in the region of 400-600，1 450，2 200 nm and so on.After the first derivative transformation，the redundant information in the original spectral data can be significantly reduced，and the correlation between spectral indexes and soil available potassium content can be improved.The full-band modeling results of R and FDR were better than those of significant bands.The optimal model was full-band FDR-PLS，R2=0.862 and RMSE=2.718.The results can be used for the application of near-ground remote sensing in Guangxi，such as soil digital mapping，precise variable fertilization and real-time monitoring of soil available potassium.

Key words Visible-near-infrared spectroscopy;Near-earth remote sensing; Linear model;Plantation;Soil information

基金項目

廣西優良用材林資源培育重點實驗室自主課題資助項目（2020-A-04-01）;廣西創新驅動發展專項資金項目課題（桂科AA17204087-11）。

作者簡介 趙雋宇（1994—），男，廣西南寧人，工程師，碩士，從事土壤環境與遙感信息技術研究。*通信作者，教授級高級工程師，博士，從事土壤環境質量研究。

收稿日期 2021-03-15

土壤中的鉀元素是植物生長發育所必需的大量養分元素，其含量的高低也是衡量土壤向地上植物持續供應鉀的能力[1]。在人工林生產經營中，鉀肥的投入不但對農作物穩定增產起到至關重要的作用，而且與林地生態環境有著密切關系，土壤中鉀含量過高會導致資源浪費、土壤環境污染、水污染以及土壤養分分布不平衡等問題[2-3]。因此，準確、高效地調查林地土壤鉀含量及其地域分布狀況對于人工林地減肥增效、生態可持續發展具有重要意義。傳統的化學分析法采用火焰光度計和原子吸收儀測定土壤全鉀含量，但測定成本較高、耗時長，測定結果具有一定的滯后性，難以有效滿足田間施肥管理實時性的需要[4-5]。

高光譜（Hyperspectra）檢測技術作為一種新型的樣品檢測技術，具有快速、高效、成本低、樣品無損且適用范圍廣等特點[6-7]，其原理是利用土壤化學成分中C—C、C—O、C—H、N—H等官能團對高光譜波段的基頻和倍頻吸收獲取土壤光譜數據[8]，通過建立光譜數據與土壤養分元素含量的回歸模型，實現土壤養分元素的定性與定量分析。自20世紀80年代開始，國內外學者在土壤養分含量高光譜技術快速測定方面做了大量研究，目前大量研究成果已經逐步應用于生產實踐中[9-13]。彭一平等[5]以華南地區土壤為研究對象，基于一階微分變換的光譜數據構建了土壤全鉀高光譜反演模型，決定系數R2為0.64，均方根誤差RMSE為4.850。李耀翔等[14]對比了PLS、SVR、PCR 3種建模方法與Savitzky-Golay 平滑+多元散射校正、一階導數、二階導數等多種光譜數據預處理方法建立模型，認為采用Savitzky-Golay平滑+多元散射校正+一階導數預處理，以PLS法建立的森林土壤有機碳預測模型最優。Conforti等[15]采集了不同地區的215個土樣，建立了PLSR模型，R2達到0.82。目前大量的研究成果主要集中于土壤有機質、水分[16]、總氮、鹽漬度等光譜吸收特征較為明顯的土壤屬性，針對土壤礦質元素（如鉀、鈣、鎂、鐵）的研究相對較為缺乏。

筆者以廣西桂北紅壤區桉樹人工林土壤為研究對象，進行土壤采樣、實驗室土壤樣品制備與速效鉀含量測定、土壤光譜數據采集與處理等，對土壤原始光譜反射率進行一階導數變換，通過相關系數的顯著性篩選敏感波段范圍，最后基于全波段和顯著性波段運用PLS法、多元線性回歸法建立預測模型，以獨立樣本進行驗證，對比不同模型建模精度，篩選反演土壤速效鉀的最優方法，為實現廣西人工林土壤速效鉀含量無損測定及制訂區域化林地經營策略提供技術支撐和研究基礎。

1 材料與方法

1.1 研究區概況

土壤樣品來自廣西壯族自治區柳州市國有黃冕林場桉樹人工林主要種植區域，林場地處低緯度地區（108°18′26″E，25°21′32″N），屬南亞熱帶向中亞熱帶過渡帶，受季風環流影響較明顯。境內氣候溫和，年平均氣溫20.4 ℃，夏季最高氣溫38.0 ℃，冬季最低氣溫0 ℃。雨量充沛，年均降雨量約1 483.8 mm。地貌以丘陵為主，平均海拔在200 m以上，土壤類型主要為酸性沉積巖發育的紅壤，礫石含量≤10%。該地區土地利用方式較為單一，長期種植樹種為桉樹（Eucalyptus robusta Smith），采樣時為萌芽一代林，林齡2～3年。

1.2 土壤樣品采集

采樣點布設采用ArcGis 10.1網格化布點方式（圖1），共計28個采樣點。實地采樣時選取長勢均勻、未受到病蟲害侵蝕的林地，以“S”型取樣法采集0～20 cm表層土壤，采集時剔除侵入物，將土壤樣品混合后，經四分法收集500 g土壤，做好標記后裝入自封袋。土壤樣品自然風干，經研磨過篩后采用火焰光度計法測定土壤速效鉀含量，另一部分過0.149 mm土篩用于室內高光譜數據采集。

1.3 土壤光譜數據采集 采用ASD FieldSpec 4高光譜儀在暗室內測定土壤光譜數據，光譜波段介于可見-近紅外波段（350～2 500 nm），分辨率1 nm，探頭視場角15°，光源采用儀器配套的50 W鹵素燈，光源入射角為45°。土壤樣本裝入直徑7 cm，深約1.5 cm的樣品杯，抹平并壓實，探頭距土壤表面5 cm，采用儀器控制器扣除空氣背景值后測定土壤光譜數據。為保證光譜數據的準確性，每個土壤樣本均采集10次光譜數據，取算數平均值為最終土壤光譜數據。

1.4 光譜數據預處理

采用ASD F4儀器配套的ViewSpecPro 6.0對光譜數據進行預處理。首先去除光譜儀器量程兩端（<400 nm，>2 400 nm）由于儀器自身性能造成光譜數據噪聲較大的波段，在土壤原始光譜反射率（Raw spectral reflectance，R）的基礎上，計算反射率一階導數（First derivative of reflectivity，FDR）。一階導數處理可以消除背景噪聲的干擾，分解混合重疊峰，提高光譜分辨率和靈敏度，易找到相關性高的波段。

1.5 分析與建模方法 在土壤速效鉀含量高光譜數據建模過程中，不同的光譜數據預處理方式往往與土壤速效鉀含量的相關性不同，需要對R、FDR分別進行相關性分析，篩選不同光譜預處理方式的敏感波段。采用典型相關分析方法對土壤速效鉀含量與光譜數據進行相關性分析，篩選出顯著相關波段（P<0.05）作為自變量輸入模型，相關性分析與制圖采用origin 2018軟件完成。

2 結果與分析

2.1 森林土壤速效鉀含量描述性統計 用于建模的土壤速效鉀樣本總數為28個，速效鉀含量平均值為54.72 mg/kg，整體變化范圍在31.8～84.0 mg/kg，標準差14.542 7，方差211.49，偏差0.396 58，峰度-0.568 7。根據《耕地質量等級》GB/T 33469—2016可知，該區域土壤速效鉀含量處于較低水平，變異系數為26.57%，土壤速效鉀空間變異性為中等水平，在該地塊內具有一定的代表性。

2.2 高光譜譜圖特征

從圖2可知，不同采樣點位土壤樣品的差異反映在反射率的強度上，整體譜線形狀基本保持一致，說明同種類型土壤樣品的高光譜特征類似。在400～800 nm可見光區域，不同土壤樣品的光譜特征差異性較小，部分波段存在交叉現象，隨著波長遞增，波段交叉現象逐漸減少。2 300～2 400 nm處波段交叉現象較為嚴重，說明在儀器的檢測范圍兩端光譜噪聲較大。土壤樣品的整體譜線在1 000、1 400、1 800～1 900及2 200 nm附近出現較為強烈的光譜吸收峰，其余波段的光譜反射率變化波動較小。原始光譜經一階導數（FDR）變換后的譜圖見圖 不同土壤樣品的譜圖特征、形狀基本一致。相比原始光譜R，不同樣品間的FDR譜圖差異性較小，但作為特征識別區的吸收峰與吸收谷更加尖銳，可見光區域（400～800 nm）的噪聲更加明顯，吸收峰位置與原始光譜圖一致（1 000、1 400、1 800～1 900及2 200 nm）。

2.3 土壤速效鉀含量相關性 為進一步篩選特征光譜，提高模型擬合精度，采用person相關性分析法分析土壤速效鉀含量與光譜數據的相關性，篩選相關性較高的波段建立模型（圖4）。土壤原始光譜反射率R與速效鉀含量相關性系數均為正值，在400～600、1 450、2 200 nm附近相關系數較高，600～1 000 nm波段相關系數相對其他波段明顯較低，因此，選取580、600、1 020、1 450、2 200 nm 5個敏感波段建立模型。土壤原始光譜一階導數變換FDR與土壤速效鉀含量相關性出現負值，在2 300～2 400 nm波段附近呈顯著負相關（P<0.05），在1 600 nm附近呈顯著正相關（P<0.05），整體波段相關性系數波動幅度較大。FDR顯著性波段選擇為1 000、1 650、1 600、2 100、2 380 nm 5個波段建立模型。

2.4 土壤全鉀光譜反演模型

采用R、FDR的全波段（400～2 400 nm）以及這2種指標的顯著性波段，R（580、600、1 020、1 450、2 200 nm）、FDR（1 000、1 650、1 600、2 100、2 380 nm）作為模型自變量輸入，土壤速效鉀含量為因變量，采用Leave-one-out交叉驗證法確定模型中最佳因子個數，分別建立PLS模型，模型基本參數見表1。全波段模型中，FDR-PLS模型主成分個數為6個，模型精度R2=0.86 RMSE=2.718，優于R-PLS模型，說明一階導數變換能顯著減少光譜數據冗余量，提高建模精度。顯著性波段模型中，R-PLS、FDR-PLS模型R2均未達到0.7，模型精度較低，但主成分個數為5個，相比以全波段建模，其模型復雜度顯著降低，運算量小，適合開發便攜式設備進行土壤速效鉀的實地、實時估測。以獨立樣本對最優模型（全波段FDR-PLS）進行驗證（圖5）。

驗證樣本中，土壤速效鉀含量范圍在40～60 mg/kg占總樣本的60%，速效鉀含量大于60 mg/kg時，預測值與觀測值偏離較大。模型驗證擬合精度R2為0.865 8，高于建模精度，說明該模型具備一定的外推應用能力。

3 討論與結論

3.1 結論 通過對桂北紅壤區土壤高光譜數據進行特征分析，確定了土壤速效鉀含量的光譜敏感波段（400～600、1 450、2 200 nm），采用一階導數變換對原始光譜指標進行前處理，將R、FDR全波段數據與顯著相關波段作為自變量，同時采用PLS法建立光譜數據模型。研究表明：①一階導數變換能顯著減少原始光譜數據中的冗余信息，提高光譜指標與土壤速效鉀含量之間的相關性;②R、FDR 2種光譜指標的全波段建模結果均優于顯著性波段的建模結果，最優模型為全波段-FDR-PLS，模型R2=0.86 RMSE=2.718;③顯著性波段建立的模型主成分個數較少，模型復雜程度、計算量等顯著降低，可為今后開發便攜式設備提供數據基礎。

3.2 討論

由于土壤高度的空間變異性，不同區域的立地條件與土壤本底狀況不同，因此，該研究參考了大量研究成果[17-19]，對土壤樣品進行風干、研磨、過篩處理，消除土壤水分以及土壤粒徑對光譜數據采集的影響。同時采用暗室進行土壤光譜反射率的室內測定，相比野外測量更容易控制光源單一性，大幅消除了自然因素和人為因素對土壤光譜數據采集的影響。初步確定了適宜桂北紅壤區桉樹人工林土壤的前處理及光譜數據采集方法，為土壤光譜數據庫的建立以及反演模型的外推應用提供了前期基礎。同時，該研究填補了廣西紅壤區域土壤礦質元素高光譜快速反演研究的空白，但目前的研究僅僅針對紅壤，在今后的研究中應加入赤紅壤、磚紅壤、石灰土等廣西主要土壤類型，為指導土壤管理、精準變量施肥等工作奠定基礎。

參考文獻

[1]

姜子紹，宇萬太.農田生態系統中鉀循環研究進展[J].應用生態學報，2006，17（3）：3545-3550.

[2] 曹繼釗，李孝忠.桉樹人工林沃土保育與可持續經營思考[J].廣西林業科學，2017，46（2）：233-236.

[3] 王嘉琛，趙雋宇，黃康庭，等.桂北土壤肥力質量對尾葉桉人工林連栽連作的響應[J].西南林業大學學報（自然科學），2019，39（1）：106-113.

[4] 謝文.基于高光譜技術的森林土壤不同養分含量光譜特征及估測模型研究[D].南昌：江西農業大學，2017.

[5] 彭一平，劉振華，王璐，等.華南地區土壤全鉀含量高光譜反演模型研究[J].西南農業學報，2019，32（10）：2383-2389.

[6] KATUWAL S，KNADEL M，MOLDRUP P，et al.Visible-near-infrared spectroscopy can predict mass transport of dissolved chemicals through intact soil[J].Entific reports，2018，8（1）：1-9.

[7] ROSSEL R A V，WEBSTER R.Predicting soil properties from the Australian soil visible-near infrared spectroscopic database[J].European journal of soil science，201 63（6）：848-860.

[8] 柯以侃.分析化學手冊：第3分冊 光譜分析[M].2版.北京：化學工業出版社，1998.

[9] 欒福明，熊黑鋼，王芳，等.基于小波分析的土壤速效K含量高光譜反演[J].干旱區地理，2015，38（2）：320-326.

[10] 朱淑鑫，楊宸，顧興健，等.K均值算法結合連續投影算法應用于土壤速效鉀含量的高光譜分析[J].江蘇農業學報，2020，36（2）：358-365.

[11] 劉秀英，石兆勇，常慶瑞，等.黃綿土鉀含量高光譜估算模型研究[J].土壤學報，2018，55（2）：325-337.

[12] GU X H，WANG Y C，SUN Q，et al.Hyperspectral inversion of soil organic matter content in cultivated land based on wavelet transform[J].Computers and electronics in agriculture，2019，167：1-7.

[13] 國佳欣，趙小敏，郭熙，等.基于PLSR-BP復合模型的紅壤有機質含量反演研究[J].土壤學報，2020，57（3）：636-645.

[14] 李耀翔，汪洪濤，耿志偉，等.基于近紅外光譜及BP神經網絡分析法預測森林土壤有機碳含量[J].西部林業科學，2014，43（3）：1-6.

[15] CONFORTI M，BUTTAFUOCO G，LEONE A P，et al.Studying the relationship between water-induced soil erosion and soil organic matter using vis-NIR spectroscopy and geomorphological analysis：A case study in southern Italy[J].Catena，2013，110：44-58.

[16] AMANI M，MOBASHERI M R，MAHDAVI S.Contemporaneous estimation of Leaf Area Index and soil moisture using the red-NIR spectral space[J].Remote sensing letters，2018，9（3）：264-273.

[17] 劉煒，常慶瑞，郭曼，等.不同尺度的微分窗口下土壤有機質的一階導數光譜響應特征分析[J].紅外與毫米波學報，201 30（4）：316-321.

[18] HONG Y S，YU L，CHEN Y Y，et al.Prediction of soil organic matter by VIS-NIR spectroscopy using normalized soil moisture index as a proxy of soil moisture[J].Remote sensing，2018，10：1-17.

[19] VISCARRA ROSSEL R A，BEHRENS T，BEN-DOR E，et al.A global spectral library to characterize the world's soil[J].Earth-science reviews，2016，155：198-230.