利用高光譜估算博斯騰湖西岸湖濱綠洲土壤有機質(zhì)含量

牛芳鵬，李新國*，靳萬貴，趙 慧，麥麥提吐爾遜·艾則孜

（1.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054；2.新疆干旱區(qū)湖泊環(huán)境與資源重點實驗室，新疆 烏魯木齊 830054）

土壤有機質(zhì)（SOM）是衡量干旱區(qū)綠洲農(nóng)林業(yè)與土壤生態(tài)系統(tǒng)平衡的關(guān)鍵參數(shù)，是改善區(qū)域土地荒漠化、土壤鹽堿化和草場退化等環(huán)境問題的關(guān)鍵因子［1-2］。高光譜遙感的出現(xiàn)在土壤有機質(zhì)含量的估算以及土壤環(huán)境的檢測方面提供了強有力的技術(shù)手段，可以低成本、高效率的快速掌握該區(qū)域土壤理化性質(zhì)及其動態(tài)變化過程［3-4］。在土壤有機質(zhì)含量與光譜反射率反演模型上國內(nèi)外眾多學(xué)者進行了大量研究［5-8］。Liu等［9］選用混合土地利用類型的土壤樣本進行土壤有機質(zhì)預(yù)測，發(fā)現(xiàn)在350～800和1900 nm附近的波長對土壤有機質(zhì)估算有重要意義，且在350～1000 nm波段土壤光譜反射率在每個波長上都不是線性相關(guān)的。王延倉等［10］發(fā)現(xiàn)采用光譜變換方法與連續(xù)小波耦合可提升土壤光譜反射率對土壤有機質(zhì)的敏感性；Chen等［1］研究香格里拉森林土壤有機質(zhì)含量的最優(yōu)高光譜估算模型，結(jié)果表明土壤粒徑與光譜反射率呈負相關(guān)關(guān)系，土壤粒徑越小光譜反射率越明顯，且一階微分變換可顯著增強土壤有機質(zhì)的光譜信息。于雷等［11］以江漢平原公安縣為研究區(qū)，通過對多種模型精度的比較發(fā)現(xiàn)原始光譜反射率經(jīng)連續(xù)統(tǒng)去除后建立的土壤有機質(zhì)高光譜偏最小二乘回歸（PLSR）預(yù)測模型效果最優(yōu)，驗證集決定系數(shù)（R2）達0.84。石樸杰等［12］探討農(nóng)田土壤有機質(zhì)含量時發(fā)現(xiàn)光譜數(shù)據(jù)經(jīng)矢量歸一化校正和一階微分變換后，構(gòu)建的PLSR模型預(yù)測效果顯著，決定系數(shù)為0.91。林鵬達等［13］運用多元逐步回歸（MSR）與PLSR方法構(gòu)建黑土土壤有機質(zhì)高光譜估算模型，建模效果均顯著，R2≥0.75，均方根誤差（RMSE）≤0.25。土壤光譜反射率與土壤理化性質(zhì)有著緊密的聯(lián)系。呂雄杰等［14］對自然條件下不同水分含量黃棕壤光譜特征進行了研究，試驗結(jié)果表明在可見光部分（460～710 nm），土壤含水量與光譜反射率相關(guān)性差，而在紅外部分（760～1650 nm）土壤含水量與光譜反射率達到極顯著負相關(guān)。沙晉明等［15］對8種不同環(huán)境條件下形成的土壤剖面進行光譜測量，發(fā)現(xiàn)土壤有機質(zhì)與376、676及724 nm波段附近有較強的負相關(guān)性。國內(nèi)關(guān)于荒漠［16-17］、平原［18-19］、煤礦區(qū)［20-21］等研究較多，干旱區(qū)湖濱綠洲土壤有機質(zhì)含量高光譜估算模型的研究鮮有報道。以博斯騰湖西岸湖濱綠洲為研究區(qū)，對采集的115個土樣進行土壤有機質(zhì)含量的試驗測量，并通過對光譜反射率進行5種不同形式的變換和預(yù)處理優(yōu)化方法選取特征光譜波段，對比分析MSR與PLSR兩種方法，構(gòu)建土壤有機質(zhì)含量的高光譜估算模型，以期為干旱區(qū)湖濱綠洲土壤有機質(zhì)含量快速估算提供一種方法。

1 材料與方法

1.1 研究區(qū)概況

博斯騰湖西岸湖濱綠洲行政規(guī)劃上屬于新疆博湖縣，位于焉耆盆地東南面，開都河下游，是典型的山前湖泊綠洲，地勢由西北向東南傾斜；研究區(qū)夏季干旱少雨，蒸發(fā)強烈；冬季寒冷干燥，年均降水量83.55 mm，年均溫8.0～8.6℃，季節(jié)過渡快，屬于大陸性荒漠氣候；主要土壤類型有綠洲潮土、扇緣典型鹽土、山地棕色荒漠等；區(qū)域土壤有機質(zhì)含量較低，主要分布在10.00～20.00 g·kg-1之間，耕地土壤有機質(zhì)含量平均為17.70 g·kg-1［22］。根據(jù)研究區(qū)的主要土地利用類型、植被覆蓋類型和微地形等因素，采樣區(qū)的范圍為200 m×200 m。

1.2 土樣采集與制備

土樣采集按照蛇形法線路隨機布點，采樣時間為2019年5月3日，在每個樣區(qū)采用GPS記錄每一樣點經(jīng)緯度坐標與高程數(shù)據(jù)；在樣區(qū)布設(shè)23個土壤剖面，并進一步分成不同深度（0～10、10～20、20～30、30～40與40～50 cm）取樣，每一層分三點取樣混勻后采用四分法取0.5 kg土壤，共計115個樣品。將土樣帶回實驗室經(jīng)自然風(fēng)干后進行物理碾磨過0.25 mm篩，分為兩份，其中一份用重鉻酸鉀容量法-外加熱法測定土壤有機質(zhì)含量，單位為g·kg-1；另一份用作測試室外土壤高光譜數(shù)據(jù)［23］。

1.3 土壤光譜的測定及預(yù)處理

土壤光譜數(shù)據(jù)測量通過ASD FieldSpec 3地物光譜儀于室外晴朗天氣下測定，光譜波長為350～2500 nm，采集時間為12：00～14：00；光纖探頭視場角為25°，垂直于土樣表面約15 cm處，對每個土樣重復(fù)測試15次光譜曲線并記錄存檔；去除光譜反射率大于1的異常值后作均值化處理，得到該土壤樣品的實際光譜反射率數(shù)據(jù)。為減少采集過程中高頻噪音對光譜信息的隱藏，提升光譜數(shù)據(jù)信噪比，運用Origin軟件對光譜曲線進行Savitzky-Golay平滑處理［24］；由于環(huán)境不可控因素，所有光譜曲線統(tǒng)一去除噪聲較大的尾部波段（2451～2500 nm）以及受環(huán)境水汽影響較大的1300～1450和1800～1950 nm波 段［25］；并 對去除后原始光譜曲線分別進行一階微分（R′）、倒數(shù)的一階微分（1/R）′、連續(xù)統(tǒng)去除（Rcr）、對數(shù)的一階微分（lgR） ′、倒數(shù)的對數(shù)一階微分（lg1/R）′5種光譜變換。

1.4 模型的建立與評價

采用Kennard-Stone（K-S）算法選擇80個土樣作為建模樣本集，剩余的35個樣本作為驗證樣本集［26］。以變換后的5種光譜敏感波段為自變量，實測的土壤有機質(zhì)含量數(shù)據(jù)為因變量，運用Matlab軟件完成MSR模型與PLSR模型的建立。模型精度的檢驗選用決定系數(shù)、均方根誤差、驗證集相對分析誤差（RPD）和統(tǒng)計量F進行，其中決定系數(shù)的取值范圍為0.00～1.00，當(dāng)決定系數(shù)越大、均方根誤差越小、統(tǒng)計量F＞Fα?xí)r模型的擬合程度越高，估算方程越顯著；當(dāng)RPD≥2.00時，模型非常成功；當(dāng)1.40≤RPD≤2.00時，模型較為成功；當(dāng)RPD＜1.40時，模型不可靠［27］。

2 結(jié)果與分析

2.1 土壤有機質(zhì)含量統(tǒng)計特征

由表1可知，研究區(qū)土壤有機質(zhì)含量變化范圍為5.09～44.00 g·kg-1，平均值為16.87 g·kg-1；樣本總集變異系數(shù)為44.69%，說明研究區(qū)土壤有機質(zhì)含量呈中等變異，樣本的離散程度較高。訓(xùn)練樣本變異系數(shù)為47.02%，驗證樣本變異系數(shù)為37.61%，與樣本總集相近，用于模型的構(gòu)建具有一定的普適性和代表性。由表2可知，在0～10 cm土壤中有機質(zhì)含量平均值最高，為19.84 g·kg-1，變異系數(shù)為39.69%；40～50 cm土壤中有機質(zhì)含量平均值最低，為14.40 g·kg-1，變異系數(shù)最高，為57.53%；20～30 cm土壤中有機質(zhì)含量變異系數(shù)最低，為36.10%；0～50 cm土層中土壤有機質(zhì)含量隨著土壤深度的增加而逐漸減小，土壤有機質(zhì)含量平均值最大相差5.44 g·kg-1。

表1 土壤有機質(zhì)含量統(tǒng)計特征

表2 研究區(qū)剖面土壤中有機質(zhì)的含量

2.2 土壤有機質(zhì)高光譜曲線特征

由圖2a可知，在0～50 cm土層中，隨著土層深度的增加土壤有機質(zhì)含量的反射率逐漸升高，40～50 cm土層土壤有機質(zhì)反射率最高，0～10 cm土層土壤有機質(zhì)反射率最低，在775、1150、2240 nm波段存在較明顯的吸收谷。根據(jù)研究區(qū)土壤有機質(zhì)含量的狀況，結(jié)合前人研究成果，采用K-means聚類分析方法將土壤有機質(zhì)含量劃分為＜11.49、12.03～17.66、17.88～26.66、＞29.04 g·kg-14類，獲得4種不同土壤有機質(zhì)含量的平均光譜曲線［28］。從圖2b可知，4類光譜曲線形狀變化基本一致，在400～2135 nm波段反射率與波長呈正相關(guān)，光譜反射率隨波長升高而增強，在2135 nm波段之后反射率逐漸減弱，與波長呈負相關(guān)關(guān)系；在可見光波段（400～780 nm）波譜曲線上升速度加快，在短波近紅外及部分長波近紅外波段（780～1300 nm）上升相對緩慢。有機質(zhì)含量越高，光譜反射率越低，在400～1750 nm波段變化較明顯［29］。當(dāng)有機質(zhì)含量＜11.49 g·kg-1時，其反射率均值為0.36；當(dāng)有機質(zhì)含量在12.03～17.66 g·kg-1時，其反射率均值為0.34；有機質(zhì)含量在17.88～26.66 g·kg-1時，其反射率均值為0.33；當(dāng)有機質(zhì)含量＞29.04 g·kg-1時，其反射率均值為0.30。

2.3 土壤有機質(zhì)敏感波段的選取

將土壤有機質(zhì)含量分別與變換后的5種光譜數(shù)據(jù)進行相關(guān)性分析，并選擇通過顯著性檢驗（P＜0.01）的波段作為敏感波段用于模型構(gòu)建。由圖3可知，土壤有機質(zhì)含量與原始光譜反射率R表現(xiàn)為單一負相關(guān)性，通過極顯著性檢驗（P＜0.01）的波段數(shù)有658個，主要集中在448～1300與1489～1614 nm波段，相 關(guān) 系 數(shù)0.09＜|r|＜0.42，在760 nm波段相關(guān)性最高；通過微分變換后反射率曲線呈正負波動，放大了原始光譜曲線的細微變化，反射率一階微分R′與土壤有機質(zhì)含量在400～504、664～891和1025～1092 nm波段相關(guān)性較高，相關(guān)系數(shù)r最大為0.46，通過極顯著性檢驗（P＜0.01）的波段數(shù)有423個；連續(xù)統(tǒng)去除（Rcr）通過極顯著性檢驗（P＜0.01）的波段數(shù)明顯減少，僅有242個，且相關(guān)性的連續(xù)性較差，呈極顯著相關(guān)性（P＜0.01）的波段主要在404～440、458～551、601～687和758～813 nm；反射率倒數(shù)一階微分（1/R）′與土壤有機質(zhì)含 量 在444～906、1003～1093、1171～1297和1541～1646 nm波段范圍內(nèi)相關(guān)性較高，相關(guān)系數(shù)|r|最大為0.50，相關(guān)性比原始反射率R提高了19.05%，通過極顯著性檢驗（P＜0.01）的波段數(shù)有745個；光譜反射率（lgR）′和（lg1/R）′與土壤有機質(zhì)含量通過極顯著性檢驗（P＜0.01）的波段數(shù)分別有556、657個，且都主要集中在590～756、770～892、1003～1092與1223～1291 nm波段，相關(guān)系數(shù)|r|最大值均為0.49，且都主要集中在676 nm左右。綜合分析，不同光譜變換下的最佳顯著性波段主要集中在590～687、758～892、1003～1092和1171～1297 nm波段。

2.4 模型的對比分析

2.4.1 多元逐步回歸模型

由表3可知，基于5種變換形式建模的決定系數(shù)在0.41～0.68之間，均方根誤差在6.55～8.77 g·kg-1之間，建模精度較差。其中以（lgR）′建模決定系數(shù)最高，Rcr模型次之，決定系數(shù)分別為0.68、0.65；（1/R）′建模效果最差，決定系數(shù)為0.41。從圖4可知，（lgR）′模型驗證集決定系數(shù)為0.66，預(yù)測效果最好，均方根誤差為4.65 g·kg-1，統(tǒng)計量F達56.19，其次為Rcr、R′模型，驗證集決定系數(shù)依次為0.63、0.61，均方根誤差依次為3.06、3.55 g·kg-1。R′模型驗證集決定系數(shù)大于建模集決定系數(shù)，存在不穩(wěn)定性，總體來說，在MSR模型中經(jīng)（lgR）′、Rcr變換下的土壤有機質(zhì)含量估算模型精度較好。

表3 土壤有機質(zhì)含量多元逐步回歸模型構(gòu)建

2.4.2 偏最小二乘回歸模型

由表4可知，5種變換光譜建立的PLSE模型較MSR模型的決定系數(shù)均有所提高，分別增長了15.52%、26.15%、65.85%、22.06%、48.84%，均方根誤差分別降低了32.70%、24.43%、35.76%、47.99%、32.84%；5種光譜變換形式的PLSE模型預(yù)測能力排序為（lgR）′＞Rcr＞（1/R）′＞R′＞（lg1/R）′，其中（lgR）′模型的建模集決定系數(shù)最高，均方根誤差最小，分別為0.83和4.01 g·kg-1；（lg1/R）′的建模決定系數(shù)最低，為0.64，均方根誤差最大，為5.89 g·kg-1。由圖5可知，（lg1/R）′、R′的驗證樣品分布較散，偏離1∶1線程度較大，均方根誤差分別為4.12、3.86 g·kg-1；Rcr、（1/R）′與（lgR）′模型驗證樣品在1∶1線偏離程度較低，決定系數(shù)均大于0.75，相對分析誤差均大于1.40，其中以（lgR）′模型驗證效果最好，誤差最小，決定系數(shù)為0.82，均方根誤差為2.64 g·kg-1，相對分析誤差為2.30，統(tǒng)計值F為116.41。

對比采用MSR、PLSR兩種方法建立的10個數(shù)學(xué)模型，可知對數(shù)一階微分（lgR）′變化下模型效果均高于其它變換形式，且基于（lgR）′變換下PLSE模型建模集與驗證集決定系數(shù)分別高于MSR模型22.06%、24.24%，建模集與驗證集的均方根誤差分別低于MSR模型47.99%、43.23%，表明選用（lgR）′變換下的特征波段所建立的PLSR模型可以更好地實現(xiàn)研究區(qū)土壤有機質(zhì)含量的估算。

表4 土壤有機質(zhì)含量偏最小二乘回歸模型構(gòu)建

3 討論

研究表明，隨著土層深度的增加土壤有機質(zhì)含量的反射率逐漸升高，且土壤有機質(zhì)含量越高光譜反射率越低，在不同深度、不同有機質(zhì)含量下土壤有機質(zhì)光譜曲線變化趨勢一致［30］。本研究通過樣區(qū)采集剖面土樣115個，主要分析了湖濱綠洲土壤有機質(zhì)含量的高光譜曲線特征，并構(gòu)建湖濱綠洲土壤有機質(zhì)含量的高光譜估算模型，結(jié)果表明，最優(yōu)模型決定系數(shù)為0.83，比林鵬達等［13］、南鋒等［21］、方少文等［31］最優(yōu)模型決定系數(shù)分別低0.14、0.12、0.07，高于喬娟峰等［32］模型決定系數(shù)0.04，表明選用PLSE方法建模效果較一致。土壤光譜反射率能夠綜合反映土壤內(nèi)在理化性質(zhì)，不同區(qū)域土壤因其理化特性的差異，土壤有機質(zhì)光譜的響應(yīng)波段也不同［33-34］。有機物、含水量和土壤質(zhì)地是影響土壤光譜反射率的主要因素［35］。土壤水分的存在會改變光的折射率而影響光的散射，司海青等［36］的研究結(jié)果表明，去除土樣水分可以提高有機質(zhì)高光譜估算精度。宋金紅等［37］發(fā)現(xiàn)土壤光譜特性在很大程度上依賴于成土母質(zhì)。方少文等［31］選取紅壤地區(qū)土壤有機質(zhì)的敏感波段560～710 nm進行建模，最優(yōu)模型為（lg1/R）′光譜變換下PLSR模型；林鵬達等［13］研究表明光譜數(shù)據(jù)利用連續(xù)小波變換方法預(yù)處理后結(jié)合R′變換，選取400、486、712、821、1770和2416 nm波段建立黑土有機質(zhì)含量高光譜反演模型精度最高；南鋒等［21］選取（lg1/R）′變換下的400～1830、1860～2400 nm波段建立黃土區(qū)農(nóng)田土壤有機質(zhì)高光譜模型最優(yōu)；喬娟峰等［32］通過對光譜數(shù)據(jù)去包絡(luò)線后選取800～960、1050～1110與2000～2100 nm波段建立荒地土壤有機質(zhì)高光譜模型最優(yōu)；本研究土壤有機質(zhì)高光譜敏感波段主要集中在590～756、770～892、1003～1092和1223～1291 nm，經(jīng)（lgR）′變換后建模精度最高，這與上述研究在敏感波段的選擇上基本一致，但在光譜響應(yīng)的具體位置存在較小差異，可能與對光譜反射率的預(yù)處理方法有關(guān)［38-39］。萬洪秀等［40］、吳成永等［41］對博斯騰湖流域植被覆蓋變化的研究表明，2001～2016年間博斯騰湖流域植被覆蓋度指數(shù)多年平均值為2.85，植被覆蓋度較低，建立植被指數(shù)與土壤有機質(zhì)含量的模型效果不明顯。由于不同綠洲土壤有機質(zhì)組成的差異，土壤水分、土壤母質(zhì)等因素對綠洲土壤有機質(zhì)含量的高光譜估算影響有待于進一步研究。

4 結(jié)論

研究區(qū)土壤有機質(zhì)含量變化范圍為5.09～44.00 g·kg-1，平均值為16.87 g·kg-1，變異系數(shù)為44.69%，呈中等變異；不同土壤有機質(zhì)含量等級的光譜曲線形狀較為一致，土壤光譜反射率在400～2135 nm波段隨波長的增加而升高，呈正相關(guān)，在2135 nm波段之后呈負相關(guān)，且在400～1750 nm波段土壤有機質(zhì)含量越高反射率越低。

反射率（1/R）′與土壤有機質(zhì)含量的相關(guān)性最高，相關(guān)系數(shù)|r|最大為0.50，比原始反射率R提高了19.05%；土壤有機質(zhì)的顯著性波段（P＜0.01）主要集中在590～687、758～892、1003～1092和1171～1297 nm 4個波段。

研究區(qū)土壤有機質(zhì)含量高光譜估算模型為：Y=30428.37X677+12738.78X775+2894.02X865+11589.35X885+5.56，建模集和驗證集決定系數(shù)R2分別為0.83和0.82，均方根誤差RMSE分別為4.01和2.64 g·kg-1，驗證集統(tǒng)計量F=116.41（P＜0.01），RPD=2.30預(yù)測能力較好。