土壤含水量對采用Vis-NIR光譜分析土壤質(zhì)地的影響

王 德 彩，張 俊 輝，韓 光 中

（1.河南農(nóng)業(yè)大學(xué)林學(xué)院，河南 鄭州 450002；2.內(nèi)江師范學(xué)院地理與資源科學(xué)學(xué)院，四川 內(nèi)江 641112）

0 引言

目前可見光近紅外（Vis-NIR）光譜技術(shù)的發(fā)展為土壤質(zhì)地的快速獲取提供了新途徑。反射光譜之所以能識別質(zhì)地，一方面是基于不同質(zhì)地土壤表面粗糙度差異引起的土壤反射曲線形狀的差異，另一方面基于粘粒礦物的波譜差異［1］。大量的以風(fēng)干土為研究對象的研究表明，Vis-NIR光譜可以較好地識別土壤質(zhì)地［2－6］，但這些研究均未考慮土壤含水量對基于光譜分析土壤質(zhì)地的影響。

土壤含水量是土壤的重要組成部分，水分對土壤的光譜反射率影響較大，隨著土壤含水量增大，光譜反射率不斷降低［7－10］。當(dāng)土壤存在水分時，如何應(yīng)用高光譜反演土壤質(zhì)地有待研究［4］。目前針對土壤水分對土壤質(zhì)地分析精度影響的定量研究已有一些嘗試［1，11，12］。Chang 等［11］通過對比鮮土樣和風(fēng)干土樣發(fā)現(xiàn)，利用土壤反射光譜均可估算土壤粘粒含量，風(fēng)干土效果更好。Stenberg研究發(fā)現(xiàn)濕潤土壤能一定程度提升土壤粘粒含量的分析精度［12］。但上述研究均是在土壤含水量相似的情況下進行的，未考慮土壤樣本含水量差異較大時，土壤水分對土壤質(zhì)地分析精度的影響。基于光譜技術(shù)的土壤屬性野外大區(qū)域測定，在水分差異較大情況下，土壤含水量對基于光譜分析土壤質(zhì)地的精度影響值得研究。本文在實驗室條件下測量不同含水量狀態(tài)下土壤的Vis-NIR光譜反射率，并按土壤含水量進行分組，建立不同土壤含水量狀態(tài)的土壤質(zhì)地分析模型，研究土壤含水量對土壤質(zhì)地分析精度的影響，以期為野外土壤質(zhì)地快速測定提供理論依據(jù)和方法。

1 材料與方法

1.1 研究區(qū)及采樣分析

研究區(qū)位于河南省封丘縣，屬暖溫帶大陸性季風(fēng)氣候，年均氣溫16.0℃，年均降水量615.1 mm。該區(qū)為黃泛平原區(qū)，地勢由西南向東北傾斜，海拔65～72.5 m，土壤主要為雛形土和新成土。在研究區(qū)，按3 km×3 km正交網(wǎng)格布設(shè)樣點，以多點混合采樣方式采樣，每個采樣點中心及四角周圍10 m采5個土樣進行混合，共采集表層（0～20 cm）樣品78個。土壤質(zhì)地采用激光粒度儀法（Beckman Coulter LS230，USA，測試粒徑范圍0.04～2 000μm）測定［13］。根據(jù)美國農(nóng)業(yè)部的標準，將 ＞0.05 mm顆粒定義為砂粒，＜0.002 mm顆粒定義為粘粒。

1.2 土壤反射光譜測量

將土壤樣品放置于底部有小孔、內(nèi)襯定量濾紙的鋁盒內(nèi)（深約3 cm，認為光學(xué)上無限厚）。將鋁盒放在盛有蒸餾水的容器中，讓土壤從下往上吸水，直至土壤飽和。對土壤進行自然風(fēng)干，每隔12 h測量土壤反射率，同時用天平測量濕土重量。設(shè)干土重＋鋁盒重＋濾紙重為W1，濕土重＋鋁盒重＋濾紙重為W2，鋁盒＋濾紙重為W3，則每次監(jiān)測時土壤平均質(zhì)量含水量（簡稱含水量）θm為［14］：

運用ASD FieldSpec 3地物高光譜儀測量土壤樣品的反射光譜數(shù)據(jù)，波長范圍350～2 500 nm，重采樣間隔為1 nm，輸出波段數(shù)為2 151。操作過程在黑暗的實驗室進行，每個樣品旋轉(zhuǎn)4次，每個角度掃描10次，共40次，取均值作為樣本光譜。將光譜兩端信號不穩(wěn)定的波段（350～380 nm，2 400～2 500 nm）去除。按照水分差異對光譜曲線進行歸類，分為0～50、50～70、70～100、100～150、150～200、200～250、250～300、300～350 g／kg，共8個水分等級。

1.3 模型建立與驗證

2 結(jié)果與討論

2.1 土壤質(zhì)地數(shù)據(jù)統(tǒng)計特征

如表1所示，這6組樣本偏度和峰度均在0～1之間，土壤樣本質(zhì)地數(shù)據(jù)接近正態(tài)分布。由表1可知，研究區(qū)粘粒、砂粒含量分別為6.43～21.30%、0.01～39.10%，平 均 含 量 分 別 為 19.69% 和11.16%。建模樣本涵蓋了總樣本量的數(shù)據(jù)分布范圍，具有較好的代表性。

2.2 土壤光譜反射率隨土壤含水量變化特征

不同質(zhì)地土壤光譜曲線隨含水量變化趨勢相同，以66號土為例給出其不同含水量狀態(tài)下土壤反射光譜曲線（圖1）。如圖1所示，不同水分狀態(tài)下土壤曲線形狀相似，有兩個反射谷，分別在1 450 nm和1 900 nm區(qū)，同時在2 150 nm處存在一個反射峰。隨著土壤含水量增大，光譜反射率不斷降低，這與土壤水分的光譜吸收有關(guān)。這一趨勢與文獻［7，10］的研究結(jié)果一致。

2.3 按照含水量分組建模及驗證結(jié)果

不同土壤含水量PLSR建模及驗證結(jié)果（表2）顯示，粘粒含量模型校正集誤差均較小，R2＞0.75，RMSECV≤1.54；砂粒含量模型校正集誤差大于粘粒含量，除70～100 g／kg、100～150 g／kg兩組外，R2＞0.60，RMSECV＜6.66。好的模型要同時具有好的模型校正精度和驗證精度。粘粒含量RMSEP為1.10～1.66，其中150～200 g／kg含水量狀態(tài)下的RMSEP最??；砂粒含量RMSEP為6.07～7.63，其中200～250 g／kg含水量狀態(tài)下的RMSEP最小。圖2和圖3分別給出粘粒含量和砂粒含量最佳模型的估測值和實測值比較結(jié)果。綜上，不同濕度狀態(tài)下模型精度均較高，且差異較小，本研究認為濕土可直接用于土壤質(zhì)地分析。

Stenberg研究發(fā)現(xiàn)，體積含水量為12.5%和30%狀態(tài)下，能有效提高土壤粘粒分析精度［12］。本研究中150～200 g／kg含水量狀態(tài)下模型RMSEP最小，為1.10，其次為250～300 g／kg含水量狀態(tài)下（RMSEP為1.17），與Stenberg研究結(jié)論 基 本 吻合。此外，Stenberg對不同含水量的預(yù)處理方式是直接往干土中加入定量的水，本研究是在土壤飽和狀態(tài)下持續(xù)監(jiān)測，獲取不同含水量狀態(tài)下的土壤濕度狀態(tài)，盡管獲取的是平均含水量數(shù)據(jù)，但其更接近野外土壤的實際狀態(tài)，更具實踐指導(dǎo)意義。

2.4 PLSR模型交互驗證結(jié)果

對各組模型分別分析其他7組不同含水量狀態(tài)驗證集的土壤質(zhì)地，以探究土壤含水量差異較大時，土壤水分對光譜分析質(zhì)地的影響。由于結(jié)果規(guī)律類似，只列出表2中砂粒含量及粘粒含量均較好的一組模型（含水量150～200 g／kg）分析其他含水量狀態(tài)土壤質(zhì)地的結(jié)果（表3）。

交互驗證精度均低于本組即與之具有相同含水量狀態(tài)的土壤樣本的驗證精度，且其精度隨著驗證樣本與建模樣本間水分含量的差異增大而急劇降低，如表3中砂粒含量RMSEP最大值達154.72。說明建模樣本與驗證樣本處于相似含水量狀態(tài)下，土壤含水量對土壤砂粒含量和粘粒含量精度的影響不顯著，但當(dāng)驗證集樣本與建模樣本間水分狀態(tài)差異較大時，會出現(xiàn)較大誤差。應(yīng)用光譜技術(shù)在野外實地估測土壤質(zhì)地時，其含水量差異大，土壤含水量對精度的影響不容忽視，因此需要預(yù)先獲取待測區(qū)域的土壤水分分布狀態(tài)，然后根據(jù)水分狀態(tài)建立分組光譜分析模型。此外，在將已有土壤質(zhì)地光譜分析模型應(yīng)用于野外實地土壤質(zhì)地時，也應(yīng)考慮待估測土壤的濕度狀態(tài)與建模土壤樣本濕度狀態(tài)的差異。

3 結(jié)論

本文建立不同含水量狀態(tài)下基于Vis-NIR光譜的土壤質(zhì)地PLSR模型，研究土壤含水量對反射光譜法分析土壤質(zhì)地的影響。在土壤處于同一濕度狀態(tài)時，各含水量狀態(tài)下均可取得較好的結(jié)果，可直接運用Vis-NIR光譜獲取濕土質(zhì)地信息，且粘粒含量和砂粒含量最佳模型分別出現(xiàn)在150～200 g／kg和200～250 g／kg含水量狀態(tài)。當(dāng)土壤樣本間水分差異較大時，精度隨著驗證樣本與建模樣本水分含量的差異增大而急劇降低，水分對精度的影響不可忽視。因此，當(dāng)土壤處于同一濕度狀態(tài)時，在土壤含水量差異較大時，不宜建立統(tǒng)一的模型，可依據(jù)含水量狀態(tài)建立分組分析模型。本研究為基于Vis-NIR光譜的土壤質(zhì)地野外快速獲取提供了理論基礎(chǔ)和參考方法。本文結(jié)論是基于實驗室測量光譜得出的，在野外實地應(yīng)用中，土壤光譜的獲取會受到大氣狀況、地表粗糙度等多因素影響，還需進一步對該模型進行驗證分析。

［1］ WAISER T H，MORGAN C L S，BROWN D J，et al.In situ characterization of soil clay content with visible near-Infrared diffuse reflectance spectroscopy［J］.Soil Science Society of A-merica Journal，2007，71（2）：389－396.

［2］ 張娜，張棟良，李立新，等.基于高光譜的區(qū)域土壤質(zhì)地模型建立與評價——以河套灌區(qū)解放閘灌域為例［J］.干旱區(qū)資源與環(huán)境，2014，28（5）：67－72.

［3］ BILGILI A V，VAN ES HM，AKBAS F，et al.Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey［J］.Journal of Arid Environments，2010，74：229－238.

［4］ 白燕英，魏占民，劉全明，等.基于高光譜的河套灌區(qū)農(nóng)田表層土壤質(zhì)地反演研究［J］.地理與地理信息科學(xué)，2013，29（5）：68－71.

［5］ 王德彩，鄔登巍，趙明松，等.平原區(qū)土壤質(zhì)地的反射光譜與地統(tǒng)計制圖［J］.土壤通報，2012，43（2）：257－262.

［6］ MASSIMO C，RAFFAELE F，GIORGIO M，et al.Visible and near infrared spectroscopy for predicting texture in forest soil：An application in southern Italy［J］.Biogeosciences and Forestry，2014，doi：10.3832／ifor1221－007.

［7］ STONER E R，BAUMGARDNER M F.Characteristic variations in reflectance of surface soils［J］.Soil Science Society of America Journal，1981，45（6）：1161－1165.

［8］ LIU W D，BARET F，GU X F，et al.Relating soil surface moisture to reflectance［J］.Remote Sensing of Environment，2002，81（2）：238－246.

［9］ LOBELL D B，ASNER G P.Moisture effects on soil reflectance［J］.Soil Science Society of America Journal，2002，66（3）：722－727.

［10］ BOWERS S A，HANKS R J.Reflection of radiant energy from soils［J］.Soil Science，1965，100（3）：130－138.

［11］ CHANG C W，LAIRD D A，HURBURGH C R J R.Influence of soil moisture on near-infrared reflectance spectroscopic measurement of soil properties［J］.Soil Science，2005，170（4）：244－255.

［12］ STENBERG B.Effects of soil sample pretreatments and standardised rewetting as interacted with sand classes on Vis-NIR predictions of clay and soil organic carbon［J］.Geoderma，2010，158：15－22.

［13］ 李學(xué)林，李福春，陳國巖，等.用沉降法和激光法測定土壤粒度的對比研究［J］.土壤，2011，43（1）：130－134.

［14］ 王淼，潘賢章，解憲麗，等.土壤含水量對反射光譜法紅壤土壤有機質(zhì)的影響研究［J］.土壤，2012，44（4）：645－651.

［15］ 許鳳華.偏最小二乘回歸分析中若干問題的研究［M］.濟南：山東科技大學(xué)出版社，2003.