基于改進OII的濕地土壤有機質(zhì)高光譜反演

高燈州， 陳桂香， 章文龍， 顏燕燕， 曾從盛

(福建師范大學 a. 地理科學學院； b. 濕潤亞熱帶生態(tài)地理過程教育部重點實驗室；c. 亞熱帶濕地研究中心， 福建 福州350007)

0 引 言

濕地土壤是濕地的基質(zhì)，也是濕地生態(tài)系統(tǒng)碳素的主要儲藏場所[1～3]。土壤有機質(zhì)作為濕地生態(tài)系統(tǒng)中重要的生態(tài)因子，為濕地植物提供有機營養(yǎng)物質(zhì)和礦質(zhì)營養(yǎng)物質(zhì)，也為濕地土壤異養(yǎng)型微生物提供能源物質(zhì)，直接影響濕地生態(tài)系統(tǒng)的生產(chǎn)力大小。濕地土壤有機質(zhì)的含量對土壤系統(tǒng)的特性有重要的影響，其有機質(zhì)的分布特征是研究濕地生態(tài)系統(tǒng)碳、氮生物地球化學過程的基礎[4]。濕地土壤有機質(zhì)含量高光譜反演研究可為濕地土壤有機質(zhì)監(jiān)測以及濕地生態(tài)系統(tǒng)可持續(xù)發(fā)展研究提供一種有效的手段。

土壤的反射光譜中包含土壤含水量、土壤鐵的氧化物及有機質(zhì)含量等有用信息。利用高光譜測定土壤有機質(zhì)含量與利用傳統(tǒng)方法測定土壤有機質(zhì)含量相比具有快速便攜、節(jié)約成本的特點。研究表明，土壤光譜反射特性會受其有機質(zhì)的含量影響，一般來說，土壤有機質(zhì)含量的增加，土壤的反射光譜率減小，因此可以通過光譜數(shù)據(jù)反演土壤有機質(zhì)含量[5]。國內(nèi)外很早就開始利用土壤的反射光譜估算有機質(zhì)含量，高光譜遙感在土壤有機質(zhì)反演研究中也取得了重大進展，多數(shù)學者通過ASD FieldSpec FR便攜式光譜儀獲取土壤光譜數(shù)據(jù)，在可見光-近紅外光譜條件下運用多元線性回歸、PLSR和構建指數(shù)等方法進行土壤有機質(zhì)含量的反演研究，尋找土壤有機質(zhì)高光譜反演的優(yōu)質(zhì)模型[6～9]。

目前，已有學者利用遙感技術對森林土壤有機質(zhì)進行反演，但濕地土壤在特殊的水文條件和植被條件下，有著自身獨特的形成和發(fā)育過程，表現(xiàn)出不同于一般陸地土壤的理化性質(zhì)和生態(tài)功能[10]。不同的顆粒組成、含水量、土壤顏色等對光譜影響很難截然分開，在這種條件下，濕地土壤有機質(zhì)的反演方法和參數(shù)選擇的研究還鮮見報道。閩江河口濕地為國家級自然保護區(qū)，是福建省最重要的濕地之一。對閩江口濕地土壤有機質(zhì)進行高光譜反演研究，對該濕地生態(tài)系統(tǒng)保護和恢復具有重要意義。為此，本文結合兩種不同粒徑土樣室內(nèi)實測光譜與土壤有機質(zhì)含量進行分析，在反射光譜與OII的基礎上，利用不同方法建立反演模型，試圖在模型穩(wěn)定性及提高模型精度上有所突破。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

鱔魚灘是閩江口最大的天然洲灘濕地，地理坐標介于26°00′36″～26°03′42″N，119°34′12″～119°41′40″E。該區(qū)氣候暖濕，屬南亞熱帶與中亞熱帶過渡帶，年均氣溫約為19.3 ℃，年平均降水量1 380 mm左右，年均降水日約為153 d；土壤為濱海鹽土和沙土；潮汐屬于正規(guī)半日潮。鹽沼植被主要有蘆葦(Phragmitesaustralis)、咸草(Cyperusmalaccensis)和互花米草(Spartinaalterniflora)等。

1.2 研究方法

1.2.1土樣采集與制備

采集閩江口鱔魚灘濕地互花米草、蘆葦和咸草群落及裸地表層土壤(0～10 cm)，共41個土樣。其中蘆葦土壤樣本19個，互花米草土壤樣本11個，咸草土壤樣本6個，裸地土壤樣本5個。將土樣裝在自封袋，帶回實驗室自然風干。土壤自然風干后，剔除植物殘體和石塊等雜質(zhì)，磨勻后分成兩份，分別過2 mm和0.149 mm篩，編號后裝在自封袋以備測土壤有機質(zhì)和光譜使用。

1.2.2光譜測量

采用ASDFieldSpec Pro FR便攜式地物光譜儀在實驗室內(nèi)測量土壤反射光譜，波長350～2 500 nm，其中在350～1 000 nm內(nèi)采樣間隔和光譜分辨率分別為1.4 nm和3 nm，在1 000～2 500nm內(nèi)分別為2 nm 和10 nm，輸出波段數(shù)為2 150(重采樣間隔為1 nm)。傳感器置于離土壤樣本表面8 cm的垂直上方，視場角為25°；設置1 kW的鹵光燈，天頂角60 °，可提供到土壤樣本幾乎平行的光線。實驗室內(nèi)測試土樣光譜時，將處理好的土樣置于一塊幾乎沒有反射率的黑布上面，土壤厚度約為1 cm，表面自然展平，每個土壤樣本連續(xù)獲取6條測量光譜，去除異常光譜曲線后進行算術平均運算，得到該樣本的光譜反射率數(shù)據(jù)。

1.2.3有機質(zhì)測量

土壤有機質(zhì)含量測定采用濃硫酸-重鉻酸鉀容量外加熱法[11]。選取過0.15 mm篩土樣，每個土樣分別秤取2份，每份約0.15 g，并記錄實際稱重，進行平行測定，當每個土樣平行測定結果不超過指定范圍時，將平行測定結果求算術平均值，即為土壤有機質(zhì)含量。

1.2.4數(shù)據(jù)處理

由于光譜采樣時不同的光纖在不同位置采集到的土壤樣品光譜，導致光譜連接點的跳躍現(xiàn)象，本文采用ViewSpec軟件中的Splice Correction修正功能對光譜數(shù)據(jù)進行修正。而光譜儀各波段間對能量響應的不同，會導致光譜曲線上存在一些噪聲，又利用三點滑動平均對光譜進行平滑去噪處理。對41個土壤樣本原始光譜進行處理，其中互花米草土樣的原始測量光譜和預處理后的光譜曲線如圖1所示。由圖1可知，土壤光譜曲線變化總體比較平緩，且基本平行。該土樣土壤在波段范圍內(nèi)(350～2 350 nm)反射率總體呈上升趨勢，在1 360 nm 附近達到峰值后再緩慢下降；在1 930 nm 附近存在較大的吸收谷，與土壤中含水量相關; 此后曲線又有一個比較緩的上升，在2 200 nm附近存在較緩的吸收谷。預處理后的光譜曲線較原始光譜曲線平滑，鋸齒較小。

為進一步消除背景噪聲和儀器噪聲對光譜數(shù)據(jù)的干擾，對土壤原始光譜反射率(R)進行倒數(shù)對數(shù)變換和一階微分變換。有研究表明，倒數(shù)對數(shù)變換(log( 1/R))不僅趨向于增強可見光區(qū)的光譜差異，而且趨向于減少因光照條件變化引起的乘性因素的影響[12]；光譜反射率的一階微分(FD)可以對重疊混合光譜進行分解以便識別，擴大樣本之間的光譜特征差異，去除與波長無關的漂移，同時還有降噪的功能[12]。

(a) 原始

(b) 預處理后

2 結果與分析

2.1 土壤有機質(zhì)含量與光譜反射率相關關系

利用SPSS計算R、log( 1/R)及FD與有機質(zhì)含量的相關系數(shù)，結果如圖2所示。從圖2可以看出，兩種不同粒徑土壤光譜與有機質(zhì)含量的相關關系相似。在350～660 nm附近呈負相關，相關系數(shù)較小，其他波段呈正相關；在近紅外波段相關性較大，其中D1在波段1 093 nm的相關性最高，相關性r=0.491，D2在波段1 043 nm的相關性最高，相關性r=0.537。log( 1/R)與有機質(zhì)含量相關性和R與有機質(zhì)含量相關關系曲線大致對稱，D1在波段1 093 nm的相關性最高，r=-0.477, D2在波段1 043 nm的相關性最高，r=-0.545。FD與有機質(zhì)各波段相關系數(shù)波動較大，在紅邊區(qū)相關性較好，D1在波段813 nm的相關性最高，r=0.680，D2在波段735 nm的相關性最高，r=0.664。土壤反射率經(jīng)過FD處理后，土壤有機質(zhì)含量與敏感波段光譜的最大相關性有一定程度的提高。對比兩種不同粒徑條件下的相關系數(shù)，D2相關性總體水平較D1好。

(a) D1

(b) D2

2.2 土壤有機質(zhì)反演模型的構建

將41個土壤樣本根據(jù)測定有機質(zhì)含量多少作均衡選取分為兩部分，其中建模樣本共30個，檢驗樣本11個，建模樣本和檢驗樣本有機質(zhì)含量范圍基本一致，土壤樣本有機質(zhì)含量統(tǒng)計如表1所示。選取R2和RMSE作為模型評價指標，其中R2越大，RMSE越小，模型精度越高，預測能力越好。

表1 土壤有機質(zhì)含量統(tǒng)計特征

2.2.1基于敏感波段有機質(zhì)反演模型

選取相關系數(shù)最高所對應波段用于線性回歸分析，建立土壤有機質(zhì)含量高光譜預測模型。分別對兩種不同粒徑的3種單相關分析最佳單波段建立回歸模型，表2為兩種不同粒徑反射率及不同變換形式的土壤有機質(zhì)含量回歸預測模型。由表2可見，由R建立的土壤有機質(zhì)反演模型的模型R2=0.185，RMSE=1.160，其模型的穩(wěn)定性和預測能力比另外兩種變換形式建立的預測模型差。從模型的穩(wěn)定性和預測能力看，基于FD最佳單波段建立的有機質(zhì)含量預測模型效果較好，D1和D2的模型R2分別為0.454和0.533，RMSE分別為0.878和0.949；兩種不同粒徑建立模型的結果也有所差別，D2建立模型的模型R2都在0.001

表2 土壤光譜最佳波段有機質(zhì)估算模型

*表示在0.01 水平上顯著；**表示在0.001水平上顯著

水平上顯著，優(yōu)于D1建立的模型。圖3為土壤有機質(zhì)與FD回歸預測模型。從圖3可以看出，兩種不同粒徑土樣FD與土壤有機質(zhì)含量呈現(xiàn)較好的線性關系，相比較之下，D2反演模型優(yōu)于D1反演模型。

(a) D1

(b) D2

圖3 土壤有機質(zhì)單波段反演模型

2.2.2改進有機質(zhì)診斷指數(shù)反演模型

有機質(zhì)診斷指數(shù)(Organic Matter Identification Index，OII)可以減弱背景、大氣散射對光譜數(shù)據(jù)采集的影響和提高不同吸收特征的靈敏度[13]。前人采用QII建立反演模型多用可見光波段反射率均值對原始反射率R進行標準化比值處理[13-14]，而對近紅外波段和跨可見光和近紅外波段研究較少。本文分別選取400～1400 nm、400～1000 nm、450～750 nm、500～700 nm、760～1400 nm、550～650 nm、575～625 nm、590～610 nm、595～605 nm和600 nm波段反射率均值對R進行標準化比值處理，從中尋求相關性更高的敏感波段，進而改進QII。圖4反映的是波段400～1 400 nm、400～1 000 nm、450～750 nm、 760～1 400 nm、550～650 nm、590～610 nm波段反射率均值對R標準化處理獲得的指數(shù)與土壤有機質(zhì)含量的相關關系。

從圖4可以看出，不同MOII與土壤有機質(zhì)含量相關系數(shù)變化趨勢相似：在近紅外1 000 nm左右有最大正相關，D1和D2相關系數(shù)都達到0.7以上，相關系數(shù)最大波段與R相關系數(shù)最大波段范圍相近，但相關系數(shù)較大；在可見光600 nm左右存在最大負相關，其中D1最大相關系數(shù)r=-0.789，D2最大相關系數(shù)r=-0.838。因此，MOII也可以提高光譜對有機質(zhì)的敏感性，便于尋求高敏感波段?；?00～1 000 nm構建QII最大正相關和最大負相關都比較大，相關系數(shù)分別為0.769和-0.838，本文選擇400～1 000 nm所構建QII的最大負相關波段進行土壤有機質(zhì)含量模型反演，反演結果如表3所示。圖5為土壤有機質(zhì)含量與MOII線性擬合模型。從表3和圖6可以看出：D1建立模型的模型R2=0.635，RMSE=0.777；D2建立模型的模型R2=0.697，RMSE=0.707，其模型的檢驗和預測能力明顯優(yōu)于最佳單波段反演模型，而且相比OII最優(yōu)模型R2=0.421，RMSE=0.981精度有所提高；另外，D2建立模型的模型R2達到0.697，說明該模型的穩(wěn)定性和預測能力較D1建立模型好。

3 討 論

3.1 濕地土壤有機質(zhì)反演敏感波段

土壤有機質(zhì)在可見光和近紅外波段有獨特的光譜反射特性[15]。本研究中R及l(fā)og( 1/R)的兩種不同粒徑分別在近紅外波段1 043 nm和1 093nm有最大相關性，與Mathews等[16]發(fā)現(xiàn)500～1 200 nm是有機質(zhì)含量同光譜反射率相關較好的波段結果一致。690～930 nm是有機質(zhì)和氧化鐵對土壤反射光譜影響的復合區(qū)，土壤有機質(zhì)差異會導致反射光譜的差異[17]，對于FD光譜而言，D1在近紅外波段813 nm有最大正相關，而D2在可見光紅邊區(qū)735 nm有最大正相關。

(a) D1

(b) D2

有機質(zhì)診斷指數(shù)不同粒徑模型模型R2模型RMSE檢驗R2檢驗RMSER/R400～1000D1y=-108.33x658+114.430.635**0.7770.590**0.642D2y=-110.3x657+117.240.697**0.7070.735**0.526

(a) D1

(b) D2

圖5 土壤有機質(zhì)含量與MOII線性擬合模型

MOII分別在可見光紅邊區(qū)和近紅外有最大負相關和最大正相關，跨可見光和近紅外波段(400～1 000 nm)反射率均值對原始反射率進行標準化處理，D1和D2別在658 nm和657 nm有最大負相關。因此，可見光紅邊區(qū)和近紅外波段是土壤有機質(zhì)反演的敏感波段，這有助于更好地了解濕地土壤的光譜特性，將高光譜更好地應用于濕地土壤的研究。

3.2 MOII與SB、OII的比較

3種不同方法建立的有機質(zhì)反演模型都達到了一定的預測水平，SB雖然簡單，但是由于高光譜波段數(shù)較多，模型的精度相對較低，且容易受到背景的干擾。賀軍亮提出的OII用450～750 nm可見光波段反射率均值對R進行標準化比值處理一定程度上提高預測精度[13]。本研究發(fā)現(xiàn)，對跨可見光和近紅外波段(400～1 000 nm)反射率均值對原始反射率進行標準化處理得到的MOII建立的反演模型優(yōu)于OII建立的反演模型?？梢姽夂徒t外波段是土壤有機質(zhì)反演的敏感波段，所以對跨可見光和近紅外進行光譜處理可以增強反射率能量，提高模型穩(wěn)定和預測能力。

3.3 粒徑對土壤有機質(zhì)反演的影響

土壤黏粒的含量會影響土壤有機碳的估算精度，當黏粒含量過低時，土壤有機碳的估算精度很不理想[18]。陳增文等[19]發(fā)現(xiàn)，隨著土壤粒徑的減小，土壤光譜的整體反射率提高，其土壤粒徑<0.15 mm的預測模型優(yōu)于土壤粒徑<2 mm建立的反演模型。本文的研究表明，R、log(1/R)和FD與土壤有機質(zhì)相關關系表現(xiàn)為D2>D1，模型反演結果也均表現(xiàn)為D2優(yōu)于D1。其原因可能是同濕地土壤和森林土壤的理化性質(zhì)差異較大有關，許多學者認為粒徑影響估算精度是由于較大的介面出現(xiàn)的漫反射所致[20]。本文研究區(qū)土壤是河口濕地土壤，與森林土壤相比表現(xiàn)出不同的顆粒組成，其黏粒含量比較大，漫反射導致估算精度差異影響也較小，具體原因有待于進一步研究。

4 結 語

通過SB、OII和MOII構建閩江口濕地土壤有機質(zhì)高光譜反演模型，得出如下結論：

(1) 不同方法建立的有機質(zhì)反演模型均通過P<0.01顯著水平檢驗，且基于D2反射光譜建立的模型優(yōu)于D1。其中，MOII建立的土壤有機質(zhì)反演模型較好且更穩(wěn)定，優(yōu)于SB和OII。

(2) MOII相比OII能夠一定程度上提高光譜對濕地土壤有機質(zhì)的敏感性?？缈梢姽夂徒t外波段(400～1 000 nm)反射率均值進行標準化比值處理后獲得MOII對土壤有機質(zhì)含量的估算精度有所提高，從而改善模型的預測效果，基于D2反射光譜和MOII建立的反演模型可為濕地土壤有機質(zhì)含量的快速測定提供新途徑。

[1] 王紅麗, 李艷麗, 張文佺, 等. 濕地土壤在濕地環(huán)境功能中的角色與作用[J]. 環(huán)境科學與技術, 2008, 31(9): 62-66.

WANG Hong-li, LI Yan-li, ZHANG Wen-quan,etal. Role of Wetland Soil in Wetland Environmental Functions[J]. Environmental Science & Technology2008, 31(9): 62-66.

[2] 白軍紅, 鄧 偉, 張玉霞, 等. 洪泛區(qū)天然濕地土壤有機質(zhì)及氮素空間分布特征[J]. 環(huán)境科學, 2002, 23(2): 77-81.

BAI Jun-hong, DENG Wei, ZHANG Yu-xia,etal. Spacial Distribution Characteristics of Soil Organic Matter and Nitrogen in the Natural Floodplain Wetland[J]. Environmental science2002, 23(2): 77-81.

[3] William J M,Jarnes G G. Wetlands[M].New York:Van Nostrand Reinhold Company Inc, 1986:89-125.

[4] 趙同謙, 張 華, 徐華山, 等. 黃河濕地孟津段不同植物群落類型土壤有機質(zhì)含量變化特征研究[J]. 地球科學進展, 2008, 23(6): 638-643.

ZHAO Tong-qian, ZHANG Hua, XU Hua-shan,etal. Research on Variation Characteristics of Soil Organic Matter Contents in Different Vegetation Community Types in Mengjin Part of Yellow River Wetland[J]. Advances in Earth Science2008, 23(6): 638-643.

[5] 童慶禧, 張 兵, 鄭蘭芬. 高光譜遙感的多學科應用[M]. 北京：電子工業(yè)出版社, 2006.

[6] Krishnan P, Alexander J D, Butler B J, Hummel J W. Reflectance technique for predicting soil organic matter. Soil Science Society of America Journal, 1980, 44: 1282-1285.

[7] 周 萍, 王潤生, 閻柏琨, 等. 高光譜遙感土壤有機質(zhì)信息提取研究[J]. 地理科學進展, 2008, 27(5): 27-34.

ZHOU Ping, WANG Run-sheng, YAN Bai-kun,etal. Extraction of Soil Organic Matter Information by Hyperspectral Remote Sensing[J]. Advances in geography Science, 2008, 27(5): 27-34.

[8] 徐明星, 周生路, 丁 衛(wèi), 等. 蘇北沿海灘涂地區(qū)土壤有機質(zhì)含量的高光譜預測[J]. 農(nóng)業(yè)工程學報, 2011, 27(2): 219-223.

XU Ming-xing, ZHOU Sheng-lu, DING Wei,etal. Hyper spectral reflectance models for predicting soil organic matter content in coastal tidal land area northern Jiangsu[J].Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(2): 219-223.

[9] 盧艷麗, 白由路, 楊俐蘋, 等. 東北平原不同類型土壤有機質(zhì)含量高光譜反演模型同質(zhì)性研究[J]. 植物營養(yǎng)與肥料學報, 2011, 17(2): 456-463.

LU Yan-li, BAI You-lu, YANG Li-ping,etal. Homogeneity of retrieval models for soil organic matter of different soil types in Northeast Plain using hyper spectral data [J]. Plant nutrition and fertilizer science, 2011, 17(2): 456-463.

[10] 孫 鵬, 朱衛(wèi)紅, 王 琪. 濕地土壤在生態(tài)環(huán)境方面作用的初步研究[C]∥中國地理學會百年慶典學術論文摘要集, 2009.

Sun Peng, Zhu Wei-hong, Wang Qi. A preliminary study of wetland soils in terms of the ecology[C]∥Abstract of Papers Collection on Centennial celebration of Geographical Society of China , 2009.

[11] 魯如坤. 土壤農(nóng)業(yè)化學分析方法[M]. 北京：中國農(nóng)業(yè)科技出版社, 2000.

[12] 何 挺, 王 靜, 林宗堅, 等. 土壤有機質(zhì)光譜特征研究[J]. 武漢大學學報 (信息科學版), 2006, 31( 11) : 975-979.

HE Ting, WANG Jing, LIN Zong-jian,etal. Spectral Features of Soil Organic Matter[J].Geomatics and Information Science of Wuhan University(Chinese with English Abstract), 2006，31( 11) : 975-979.

[13] 賀軍亮, 蔣建軍, 周生路, 等. 土壤有機質(zhì)含量的高光譜特性及其反演[J]. 中國農(nóng)業(yè)科學, 2007, 40(3): 638-643.

HE Jun-liang, JIANG Jian-jun, ZHOU Sheng-lu,etal. The Hyperspectral Characteristics and Retrieval of Soil Organic Matter Content[J]. Scientia Agricultura Sinica, 2007, 40(3): 638-643.

[14] 姚 慧, 呂成文, 劉程海, 等. 宣城市崗坡地土壤有機質(zhì)含量光譜預測分析[J]. 安徽師范大學學報 (自然科學版), 2011(5): 015.

YAO Hui, Lü Cheng-wen, LIU Cheng-hai,etal. Spectral Prediction on Soil Organic Matter Content of the Slope in Xuancheng City[J]. Journal of Anhui Normal University(Natural Science), 2011(5): 015.

[15] 劉 靜,周 清, 唐 琨,等. 土壤有機質(zhì)光譜反射特性研究進展[J]. 湖南農(nóng)業(yè)科學, 2009(2): 67-70.

LIU Jing, ZHOU Qing, TANG Kun,etal. Advance in Spectral Reflectance Characteristics of Soil Organic Matter[J].Hunan Agricultural sciences, 2009(2)：67-70.

[16] Mathews H L, Cunningham R L, Petersen G W. Spectral reflectance of selected Pennsylvania soils[J]. Soil Science Society of America Journal, 1973, 37(3): 421-424.

[17] 沙晉明, 陳鵬程, 陳松林. 土壤有機質(zhì)光譜響應特性研究[J]. 水土保持研究, 2003, 10(2): 21-24.

SHA Jin-ming, CHEN Peng-cheng, CHEN Song-lin. Characteristics Analysis of Soil Spectrum Response Resulted From Organic Material [J]. Research of soil and water conservation, 2003, 10(2): 21-24.

[18] Stenberg B, Jonsson A, Borjesson T. Near infrared technology for soil analysis with implications for precision agriculture[C]//Near Infrared Spectroscopy: Proceedings of the 10th International Conference, Kyongju S. Korea. NIR Publications, Chichester, UK. 2002: 279-284.

[19] 陳增文, 陳光水, 鐘羨芳, 等. 基于高光譜遙感的土壤有機碳含量估算研究進展[J]. 亞熱帶資源與環(huán)境學報, 2009, 4(1): 78-87.

CHEN Zeng-wen, CHEN Guang-shui, ZHONG Xian-fang,etal. Review on Estimations of Soil Organic Carbon Content Based on Hyperspectral Measurements[J]. Journal of Subtropical Resources and Environment, 2009, 4(1): 78-87.

[20] 周 清. 土壤有機質(zhì)含量高光譜預測模型及其差異性研究 [D]. 杭州：浙江大學, 2004.