寧夏鹽堿地土壤鹽分高光譜反演*

彭金英，蔣金豹，崔希民，張 建，王思佳，王明國，聶 鋮

(1.中國礦業(yè)大學(xué)(北京) 地球與測繪工程學(xué)院,北京 100083；2.北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875；3.寧夏農(nóng)業(yè)技術(shù)推廣總站，寧夏 銀川 750001)

1 研究區(qū)及實(shí)驗(yàn)數(shù)據(jù)

1.1 野外采樣

研究區(qū)位于寧夏回族自治區(qū)平羅縣，野外采樣在2018年4月8～10日進(jìn)行，每個(gè)采樣區(qū)由5個(gè)采樣點(diǎn)組成，采樣點(diǎn)間隔約10 m，呈矩形分布，每個(gè)樣點(diǎn)采集0～5 cm表層土壤，并記錄采樣區(qū)中心點(diǎn)GPS位置信息，共采集59份土壤樣本。

1.2 實(shí)驗(yàn)數(shù)據(jù)獲取

將土壤樣本帶回實(shí)驗(yàn)室烘干、研磨、去除砂礫、植物根莖殘?bào)w及磚瓦片等侵入體，并過2 mm孔篩，然后將每份土樣分成兩份，分別用于光譜數(shù)據(jù)采集和土壤理化性質(zhì)測試分析。

土壤光譜測定在暗室內(nèi)進(jìn)行，采用的光譜儀為SVC HR-1024i，其光譜范圍是350～2 500 nm，探頭視場角為8°，光源采用鹵素?zé)?；土樣放入黑色橡膠器皿，用尺子將土面刮平，將其放置于黑色底墊上，光源照射方向與垂直方向夾角15°，光源距離土壤表面30 cm，探頭位于土壤表面垂直上方15 cm處。每個(gè)樣本在測量前均進(jìn)行了白板校正，每個(gè)土樣測量4個(gè)方向(互為90°)，每個(gè)方向上測兩次光譜曲線數(shù)據(jù)，共8次，取其算術(shù)平均值作為最后的光譜反射率，如圖1所示。反射率光譜數(shù)值在5～70之間，高反射率與低反射率曲線間差異較大，但各曲線的變化趨勢大致相同。

圖1 原始光譜反射率圖

1.3 光譜數(shù)據(jù)預(yù)處理

光譜微分和連續(xù)統(tǒng)去除是光譜數(shù)據(jù)預(yù)處理的常用方法，一階導(dǎo)數(shù)可以扣除斜線背景影響，提高光譜分辨率；連續(xù)統(tǒng)去除將反射率歸一化為0～1，光譜的吸收特征也歸一化到一致的光譜背景上，有利于與其他光譜曲線進(jìn)行特征數(shù)值的比較。

1.3.1 光譜一階微分

光譜低階微分處理對噪聲的敏感性較低，采用導(dǎo)數(shù)光譜技術(shù)可以消除光譜數(shù)據(jù)之間的系統(tǒng)誤差，減弱對目標(biāo)光譜的影響，以便提取可識別地物的光譜吸收峰參數(shù)[13]；光譜一階微分可以消除背景噪聲，分辨重疊光譜[14]。

1.3.2 連續(xù)統(tǒng)去除

連續(xù)統(tǒng)去除(Continuum Removed, CR)可以凸顯地物的吸收特征，原始光譜經(jīng)連續(xù)統(tǒng)去除處理后，可明顯提高反演模型的預(yù)測性能[15]。

1.4 相關(guān)性分析與特征波段選擇

利用pearson相關(guān)性分析，計(jì)算各離子間的相關(guān)系數(shù)(絕對值)，計(jì)算公式見式(1)：

(1)

圖2 一階微分(左)、連續(xù)統(tǒng)去除光譜(右)與離子的相關(guān)系數(shù)

根據(jù)相關(guān)系數(shù)結(jié)果選擇相關(guān)性最強(qiáng)的波段為敏感波段。將光譜在1 501 nm、1 916 nm、2 097 nm和2 366 nm波段作為一階微分的敏感波段；2 035 nm、2 164 nm、2 258 nm和2 401 nm波段為連續(xù)統(tǒng)去除的敏感波段。在0.01顯著性水平下，相關(guān)系數(shù)絕對值均在0.7以上(**P0.01=0.330)。

2 模型構(gòu)建方法

2.1 偏最小二乘回歸

偏最小二乘回歸(Partial Least Squares Regression，PLSR)建立在一般最小二乘的基礎(chǔ)上，可以在自變量存在嚴(yán)重多重相關(guān)性、樣本點(diǎn)個(gè)數(shù)少于變量個(gè)數(shù)的條件下進(jìn)行回歸建模，可以較好地解決以往用普通多元回歸無法解決的問題，更易于辨識系統(tǒng)信息與噪聲[16]。

2.2 粒子群優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)

徑向基(Radial Basis Function，RBF)網(wǎng)絡(luò)結(jié)構(gòu)簡單、訓(xùn)練簡潔且學(xué)習(xí)收斂速度快，能夠逼近任意非線性函數(shù)，而粒子群(Particle Swarm Optimization，PSO)是一種群體智能的優(yōu)化算法，可實(shí)現(xiàn)個(gè)體在可解空間中的尋優(yōu)[17]。針對RBF神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和參數(shù)難以設(shè)置的缺點(diǎn)，利用PSO算法尋優(yōu)能力和收斂能力較強(qiáng)的優(yōu)點(diǎn)進(jìn)行優(yōu)化，得到PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)算法(PSO-RBF神經(jīng)網(wǎng)絡(luò)算法)，提高了網(wǎng)絡(luò)的泛化能力和學(xué)習(xí)能力[18]。

2.3 模型精度驗(yàn)證

在建模過程中，為保證精度，從59個(gè)樣本中選取41個(gè)樣本用來建立模型，其余18個(gè)樣本用來對模型進(jìn)行檢驗(yàn)。模型精度采用決定系數(shù)R2、均方根誤差RMSE和預(yù)測方差比RPD這3個(gè)指標(biāo)來評價(jià)。決定系數(shù)R2越大，均方根誤差RMSE越小，建模精度越高；預(yù)測方差比RPD≥2，表明模型預(yù)測能力極好，1.4

3 模型對比分析

表1 模型精度對比分析

4 結(jié) 論

(3)本次野外實(shí)驗(yàn)采集樣本數(shù)量較少，定量反演模型的普遍適用性還需要進(jìn)一步驗(yàn)證。在后續(xù)的工作中需要采集更多具有代表性的樣點(diǎn)數(shù)據(jù)，以便完善模型，使其具有普適性與穩(wěn)健性，并進(jìn)一步把模型應(yīng)用到我國高分五號遙感影像上，從而實(shí)現(xiàn)大范圍土壤鹽堿化遙感監(jiān)測與評估。