土壤鉻的航空高光譜間接反演模型及可遷移性研究

趙寧博，秦 凱，趙英俊，楊越超

核工業(yè)北京地質(zhì)研究院遙感信息與圖像分析技術(shù)國家級(jí)重點(diǎn)實(shí)驗(yàn)室，北京 100029

引 言

Cr是土壤中主要的重金屬元素之一，土壤Cr污染直接影響著糧食安全和人體健康，具有明顯的致癌致畸作用。工業(yè)生產(chǎn)活動(dòng)產(chǎn)生的含Cr“三廢”加劇著土壤Cr污染的蔓延，因此，土壤Cr含量調(diào)查是土壤質(zhì)量評(píng)價(jià)工作中的重要內(nèi)容。

土壤Cr含量傳統(tǒng)的調(diào)查方式主要是依靠地球化學(xué)調(diào)查，局限性是工作周期長(zhǎng)、調(diào)查成本較高，高光譜技術(shù)具有時(shí)效性強(qiáng)、操作便利等優(yōu)勢(shì)，近年來在土壤Cr含量反演中受到了關(guān)注。Cr元素作為微量元素，自身的光譜特征較為微弱，因此研究人員通過不同的數(shù)理統(tǒng)計(jì)方法進(jìn)行Cr元素的光譜特征提取與反演建模，例如吳明珠等[1]通過倒數(shù)、微分等光譜變換提取了Cr的敏感波段；張明月等[2]利用反向光譜吸收積分改善了Cr含量反演模型的精度和穩(wěn)定性；王敬哲等[3]利用分?jǐn)?shù)階微分進(jìn)行光譜預(yù)處理后提升了反演精度；路杰暉等[4]利用灰色關(guān)聯(lián)度修正模型對(duì)Cr的定量反演取得了較好效果。

上述研究中針對(duì)土壤Cr的高光譜反演采用了不同的數(shù)學(xué)變換與建模方法，但共同點(diǎn)是基于單個(gè)研究區(qū)數(shù)據(jù)利用光譜信息直接進(jìn)行建模，尚未在多個(gè)地區(qū)進(jìn)行對(duì)比研究。由于不同地區(qū)的土壤質(zhì)地、礦物、養(yǎng)分、土地利用類型等因素均存在差異，會(huì)直接或間接地影響土壤光譜，導(dǎo)致同一模型在不同研究區(qū)的應(yīng)用效果出現(xiàn)較大差異，從而影響模型的應(yīng)用范圍。

提升土壤Cr反演模型精度及泛化能力的途徑之一是研究Cr在不同地區(qū)土壤中的賦存特征，將共性的影響因素與特征光譜共同作為模型變量參與計(jì)算，以間接形式開展建模，并在不同研究區(qū)間開展模型遷移性評(píng)價(jià)。目前關(guān)于Cr的間接高光譜建模及不同地區(qū)的遷移性研究的報(bào)道較少。

Cr在土壤中存在多種價(jià)態(tài)，以Cr(Ⅲ)和Cr(Ⅵ)兩種價(jià)態(tài)為主，Cr(Ⅵ)毒性較高，活動(dòng)性強(qiáng)，Cr(Ⅲ)毒性較小，賦存形式較為穩(wěn)定，兩種價(jià)態(tài)的吸附和解吸受土壤pH、有機(jī)質(zhì)(SOM)、礦物等多種因素的控制，直接關(guān)系著Cr的含量分布及對(duì)環(huán)境的威脅程度。相對(duì)于Cr來說，有機(jī)質(zhì)、鐵錳氧化物、粘土礦物等土壤組分具有較強(qiáng)的光譜特征，能夠?yàn)镃r的光譜信息提取提供新的途徑。這為Cr的間接反演提供了理論依據(jù)。

在現(xiàn)有研究的基礎(chǔ)上利用航空高光譜開展土壤Cr的間接反演建模及模型遷移性評(píng)價(jià)；選擇黑龍江省建三江和海倫兩個(gè)黑土區(qū)作為研究區(qū)，在獲取航空高光譜數(shù)據(jù)與地面數(shù)據(jù)的基礎(chǔ)上，基于兩個(gè)研究區(qū)的共性特征開展Cr的賦存規(guī)律分析與光譜特征提取，建立間接反演模型，并在兩個(gè)研究區(qū)之間進(jìn)行模型的遷移性評(píng)價(jià)，探討該方式對(duì)提高Cr反演模型的精度及泛化能力的有效性，為提升航空高光譜技術(shù)對(duì)土壤Cr含量的實(shí)際調(diào)查能力提供新的手段。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

研究區(qū)分別位于我國黑龍江省建三江地區(qū)和海倫地區(qū)(圖1)，兩個(gè)地區(qū)均屬于東北黑土區(qū)，但在地形地貌、土壤類型、農(nóng)作物類型等方面均存在差異。建三江地區(qū)處于烏蘇里江、松花江、黑龍江沖積而成的三江平原腹地，地勢(shì)平坦，平均海拔50 m左右，相對(duì)高差10 m左右，農(nóng)作物類型主要為水稻。土壤類型有暗棕壤、白漿土、黑土、草甸土、沼澤土、泥炭土、水稻土。研究區(qū)面積約2 600 km2。海倫地處松嫩平原東北端，小興安嶺西麓，位于東北黑土區(qū)的中心區(qū)域，地形為丘陵、漫崗，屬中溫帶大陸性氣候，農(nóng)作物種植類型主要為水稻、玉米和大豆。主要土壤類型為黑土、暗棕壤和草甸土等。研究區(qū)面積約15 00 km2。

圖1 研究區(qū)位置分布圖Fig.1 Location map of the study area

1.2 航空數(shù)據(jù)獲取及處理

航空高光譜數(shù)據(jù)獲取采用CASI/SASI成像光譜儀(加拿大ITRES公司)，選擇Y-12飛機(jī)為搭載平臺(tái)。CASI傳感器譜段范圍為380～1 050 nm，空間分辨率1.5 m，波段數(shù)72個(gè)，光譜帶寬10 nm；SASI傳感器譜段范圍為950～2 450 nm，空間分辨率為3.75 m，波段數(shù)100個(gè)，光譜帶寬15 nm。飛行相對(duì)高度3 000 m。建三江航空數(shù)據(jù)獲取時(shí)間為2017年4月，海倫數(shù)據(jù)獲取時(shí)間為2018年5月，地表均處于裸土期。

數(shù)據(jù)預(yù)處理主要包括輻射校正、幾何校正、大氣糾正和光譜重建。航空成像光譜測(cè)量系統(tǒng)配備了用于輻射校正和幾何校正的軟件，其中輻射校正軟件為RCX(Radiometric Calibration Xpress) 9.3.5.1，幾何校正軟件為Geocor 3.0。處理步驟包括：①輻射校正；②傳感器姿態(tài)數(shù)據(jù)處理；③GPS定位數(shù)據(jù)處理；④姿態(tài)數(shù)據(jù)與定位數(shù)據(jù)時(shí)間同步與集成；⑤精細(xì)的幾何校正。在此基礎(chǔ)上采用大氣輻射傳輸模型對(duì)航空高光譜遙感數(shù)據(jù)進(jìn)行光譜重建，軟件采用ENVI5.3版本。首先在ENVI的FLAASH模塊中利用大氣輻射傳輸模型進(jìn)行校正，大氣水汽含量主要根據(jù)820，940和1 135 nm附近的水氣吸收譜帶的吸收面積與大氣水汽含量的統(tǒng)計(jì)關(guān)系來反演，在校正過程中及時(shí)對(duì)水汽含量反演結(jié)果進(jìn)行評(píng)估，反演生成的水汽圖像應(yīng)呈云霧狀，地物的輪廓基本分辨不清。然后利用地面黑、白兩種定標(biāo)布的光譜測(cè)量數(shù)據(jù)，在ENVI的empirical line模塊中進(jìn)行地-空回歸校正，計(jì)算地面光譜與大氣校正光譜(基于輻射傳輸模型)之間的乘性與加性系數(shù)，進(jìn)一步消除因輻射定標(biāo)、波段間相對(duì)定標(biāo)、波段配準(zhǔn)、大氣參數(shù)選取等誤差因素而造成的光譜誤差，最終獲得地物光譜反射率。反射率數(shù)據(jù)去除了水汽吸收波段(1 370～1 415和1 835～1 925 nm)及噪聲較大波段(380～499 nm)。

為了進(jìn)一步增強(qiáng)光譜信息，采用多種方法進(jìn)行光譜反射率的數(shù)學(xué)變換，包括光譜一階導(dǎo)數(shù)、倒數(shù)對(duì)數(shù)(log(1/R))、連續(xù)統(tǒng)去除(continuum remove,CR)、多元散射校正(multivariate scattering correction，MSC)和變量標(biāo)準(zhǔn)化(standard normalized variable,SNV)。

1.3 地面采樣與分析

在航空數(shù)據(jù)獲取時(shí)同步進(jìn)行地面土壤采樣，綜合土壤類型、地形地貌及農(nóng)作物類型等進(jìn)行均勻布點(diǎn)。采樣點(diǎn)布置于農(nóng)田中，長(zhǎng)期處于翻耕狀態(tài)，為了保證樣品的代表性，采樣深度為地表0～20 cm層位的耕作層土壤，由4個(gè)子樣等量均勻混合成1件樣品后采用四分法留取樣品。建三江地區(qū)采樣數(shù)量為225個(gè)，海倫地區(qū)采樣數(shù)量為121個(gè)。指標(biāo)分析方法如下：Cr的全量，樣品經(jīng)鹽酸、硝酸、氫氟酸、高氯酸分解后用鹽酸提取，采用OPTIMA 2100DV等離子體發(fā)射光譜儀測(cè)量；有機(jī)質(zhì)(SOM)采用硫酸、重鉻酸鉀消解法滴定；全氮，樣品采用石墨消解儀消解后用凱氏定氮儀測(cè)量；P，K2O，SiO2，Al2O3，F(xiàn)e2O3，CaO，MgO，Na2O采用X射線熒光光譜法測(cè)量；pH值采用PHS-25酸度計(jì)測(cè)定。數(shù)據(jù)統(tǒng)計(jì)分析在SPSS 22軟件中完成。

1.4 建模方法

建模采用偏最小二乘法。建模數(shù)據(jù)準(zhǔn)備：以地面采樣點(diǎn)位置為中心，將對(duì)應(yīng)位置航空影像中3×3像元范圍的光譜反射率進(jìn)行平均后作為該點(diǎn)的光譜數(shù)據(jù)。建三江研究區(qū)共整理225組樣本數(shù)據(jù)，其中145組作為建模樣本，80組作為驗(yàn)證樣本。海倫研究區(qū)共整理121組樣本數(shù)據(jù)，其中80組樣本為建模樣本，剩余41組樣本為驗(yàn)證樣本。建模樣本和驗(yàn)證樣本均按照空間分布均勻挑選。模型評(píng)價(jià)指標(biāo)包括決定系數(shù)(R2)和均方根誤差(RMSE)。

土壤理化參數(shù)SOM，N，P，K2O，SiO2，Al2O3，F(xiàn)e2O3，CaO，MgO，Na2O和pH采用光譜數(shù)據(jù)直接進(jìn)行建模。Cr的反演模型自變量包括光譜和理化參數(shù)數(shù)據(jù)，以探討間接反演模型的效果。

2 結(jié)果與討論

2.1 Cr的賦存規(guī)律分析

2.1.1 土壤指標(biāo)含量描述統(tǒng)計(jì)

分別統(tǒng)計(jì)了海倫和建三江地面樣品中Cr、養(yǎng)分、pH和相關(guān)主量成分的含量(表1)。參照規(guī)范(GB15618—2018)要求，兩個(gè)地區(qū)所有樣品的Cr含量均沒有超過土壤污染風(fēng)險(xiǎn)篩選值，表明目前兩個(gè)地區(qū)土壤Cr污染的風(fēng)險(xiǎn)較小。

表1 土壤指標(biāo)含量統(tǒng)計(jì)Table 1 Statistics of soil index content

土壤養(yǎng)分方面，參照規(guī)范(DZT0295—2016)，兩個(gè)地區(qū)土壤有機(jī)質(zhì)、全氮、全磷、全鉀整體上均處于較豐富級(jí)和豐富級(jí)，顯示出土壤養(yǎng)分條件較好。海倫地區(qū)的有機(jī)質(zhì)、全氮和全磷的均值高于建三江，其中有機(jī)質(zhì)更為明顯，這與海倫地區(qū)黑土資源更為豐富有關(guān)。

土壤其他主量成分方面，海倫地區(qū)土壤Fe2O3，MgO和CaO含量整體高于建三江，Na2O略低于建三江，SiO2和Fe2O3含量?jī)蓞^(qū)基本持平。

根據(jù)變異程度分級(jí)標(biāo)準(zhǔn)[5]，海倫地區(qū)土壤Cr，SOM，N，P和CaO屬于中等變異，其余指標(biāo)為弱變異；建三江地區(qū)Cr，SOM，N，P，F(xiàn)e2O3，MgO，CaO和Na2O屬于中等變異，其余為弱變異。除了Cr，pH和CaO外，其余指標(biāo)在建三江地區(qū)的變異系數(shù)均明顯高于海倫地區(qū)，表明在建三江地區(qū)這些指標(biāo)的空間分布更為不均勻。

2.1.2 Cr與土壤理化指標(biāo)的相關(guān)性

分別計(jì)算建三江和海倫研究區(qū)土壤Cr與理化指標(biāo)的相關(guān)系數(shù)(表2)，可以發(fā)現(xiàn)兩個(gè)地區(qū)相關(guān)系數(shù)具有較強(qiáng)的規(guī)律性，表現(xiàn)為：Cr與Al2O3，F(xiàn)e2O3，MgO，K2O和pH均呈極顯著的正相關(guān)，與SiO2，Na2O和SOM均呈極顯著的負(fù)相關(guān)，與CaO沒有顯著相關(guān)性。在個(gè)別參數(shù)上的相關(guān)性略有差異，表現(xiàn)為：建三江地區(qū)Cr與P呈顯著的負(fù)相關(guān)，海倫地區(qū)Cr與P沒有顯著相關(guān)性；海倫地區(qū)Cr與N呈極顯著的負(fù)相關(guān)，建三江地區(qū)則沒有顯著的相關(guān)性?？傮w上兩個(gè)地區(qū)Cr與土壤理化指標(biāo)的相關(guān)性規(guī)律具有較高的一致性，雖然與N和P的相關(guān)系數(shù)顯著性有差異，但相關(guān)系數(shù)絕對(duì)值均不高。

表2 Cr與土壤理化指標(biāo)的相關(guān)系數(shù)Table 2 Correlation coefficient between Cr and soil physical and chemical indexes

2.1.3 Cr的賦存規(guī)律分析

通過Cr的相關(guān)性進(jìn)一步分析其賦存規(guī)律。pH是影響土壤Cr賦存狀態(tài)的重要影響因素，其對(duì)Cr(Ⅲ)和Cr(Ⅵ)的影響機(jī)制不同。土壤中的Cr(Ⅲ)主要以陽離子形式存在，Cr(Ⅲ)進(jìn)入土壤后容易形成鉻和鐵氫氧化物的混合物，吸附在土壤表面形成穩(wěn)定的沉淀物。土壤對(duì)Cr(Ⅲ)的吸附主要是因?yàn)樾纬蒀r(OH)3的沉淀作用，其次是陽離子交換吸附作用。陳英旭等[6]實(shí)驗(yàn)結(jié)果表明，pH值4～6屬于Cr(Ⅲ)的吸附-沉淀區(qū)間，在此pH值區(qū)間內(nèi)Cr(Ⅲ)開始沉淀，土壤對(duì)Cr(Ⅲ)的吸附能力隨pH升高而增強(qiáng)，pH大于6時(shí)Cr(Ⅲ)進(jìn)入穩(wěn)定沉淀區(qū)間。而土壤對(duì)Cr(Ⅵ)的吸附量整體上隨pH值增高而減少。建三江和海倫的土壤pH整體處于中性和偏酸性，根據(jù)上述pH對(duì)Cr(Ⅲ)和Cr(Ⅵ)的影響作用，pH與土壤Cr含量整體應(yīng)呈正相關(guān)，這與相關(guān)系數(shù)計(jì)算結(jié)果是較為吻合的。

土壤金屬氧化物是吸附Cr的重要載體。當(dāng)pH>4時(shí)，水合鐵氧化物表面的負(fù)電荷開始增加，對(duì)Cr(Ⅲ)陽離子的吸附能力隨著pH的升高而增強(qiáng)，此外在pH 4～6區(qū)間，Cr(Ⅲ)還易與Fe3+和Al3+發(fā)生吸附共沉淀。土壤游離氧化鐵是吸附Cr(Ⅵ)的主要成分，此外鐵、鋁氧化物對(duì)Cr(Ⅵ)的吸附能力明顯高于粘土礦物[7]。Vega[8]的研究顯示土壤水鋁礦、針鐵礦和云母對(duì)Cr有較強(qiáng)的吸附性。建三江地區(qū)Cr與Al2O3，F(xiàn)e2O3和MgO的相關(guān)系數(shù)分別達(dá)到了0.865，0.775和0.810，海倫地區(qū)對(duì)應(yīng)的相關(guān)系數(shù)分別為0.742，0.570和0.674，顯示了在兩個(gè)研究區(qū)上述金屬氧化物對(duì)Cr均具有較高的吸附性，其中建三江地區(qū)相關(guān)性更高。

此外有機(jī)質(zhì)對(duì)土壤Cr的形態(tài)和含量也有重要影響。有機(jī)質(zhì)對(duì)Cr(Ⅵ)有較強(qiáng)的還原作用，有機(jī)質(zhì)中的腐殖質(zhì)能夠增加土壤的表面積和表面活性，從而增加土壤的吸附能力[9]，促進(jìn)碳酸鹽結(jié)合態(tài)Cr向有機(jī)結(jié)合態(tài)Cr的轉(zhuǎn)化[10]。土壤有機(jī)酸與Cr離子會(huì)產(chǎn)生絡(luò)合作用,從而對(duì)Cr在土壤中的吸附解吸產(chǎn)生影響[7]，陳英旭實(shí)驗(yàn)[6]顯示檸檬酸和富啡酸降低土壤對(duì)Cr(Ⅲ)的吸附和沉淀作用，而胡敏酸的相關(guān)作用不明顯。建三江地區(qū)Cr與有機(jī)質(zhì)的相關(guān)系數(shù)為-0.2，海倫地區(qū)為-0.396，雖然相關(guān)系數(shù)絕對(duì)值并不高，但兩個(gè)地區(qū)Cr與有機(jī)質(zhì)的顯著性均達(dá)到了極顯著水平，表明在有機(jī)質(zhì)的綜合作用下，兩個(gè)地區(qū)Cr與有機(jī)質(zhì)整體上均表現(xiàn)為負(fù)相關(guān)。

綜上，基于Cr在土壤中的賦存規(guī)律以及相關(guān)性分析，認(rèn)為兩個(gè)研究區(qū)Cr的賦存規(guī)律有較高的一致性，Cr均與Al2O3，F(xiàn)e2O3，MgO，K2O和pH呈極顯著的正相關(guān)關(guān)系，與SiO2，Na2O和SOM呈極顯著的負(fù)相關(guān)關(guān)系，為Cr的建模提供了相關(guān)依據(jù)。

2.2 Cr的光譜特征分析

2.2.1 Cr與不同光譜預(yù)處理的相關(guān)性

計(jì)算Cr與光譜反射率(R)、反射率變量標(biāo)準(zhǔn)化(SNV)、反射率多元散射校正(MSC)、連續(xù)統(tǒng)去除(CR)、反射率一階導(dǎo)數(shù)(R′)、反射率倒數(shù)對(duì)數(shù)(log(1/R))共六種光譜預(yù)處理的相關(guān)系數(shù)。

從圖2可看到，建三江地區(qū)反射率R的相關(guān)系數(shù)曲線較為平緩，隨著波段增大曲線緩慢下降并保持平穩(wěn)，整體呈負(fù)相關(guān)關(guān)系，在2 210 nm處有微弱的峰值(相關(guān)系數(shù)-0.275)；SNV和MSC曲線較為吻合，在1 800 nm之前呈正相關(guān)關(guān)系，之后轉(zhuǎn)為負(fù)相關(guān)關(guān)系，MSC曲線較為明顯的峰值為0.424(660 nm)，0.486(1 520 nm)，-0.495(2 210 nm)，SNV曲線較明顯的峰值為0.401(670 nm)，0.326(1 535 nm)，-0.492(2 210 nm)；CR曲線在1 370 nm之前呈持續(xù)下降的趨勢(shì)，在2 000 nm之后整體呈負(fù)相關(guān)關(guān)系，較明顯的峰值有0.405(540 nm)，-0.590(2 195 nm)，-0.479(2 345 nm)；R′曲線在1 200 nm之前呈緩慢下降的趨勢(shì)，1 415 nm之后波動(dòng)較大，較明顯的峰值有-0.494(2 105 nm)，0.374(2 390 nm)；log(1/R)曲線整體形態(tài)與原始反射率曲線呈鏡像分布，相關(guān)性也基本等同。

圖2 建三江地區(qū)土壤Cr與不同光譜預(yù)處理的相關(guān)系數(shù)曲線Fig.2 Correlation coefficient curves of Cr and different spectral pretreatments in Jiansanjiang area

從圖3可見，海倫地區(qū)反射率R的相關(guān)系數(shù)曲線整體隨波段增大而緩慢下降，形態(tài)較為平緩，相關(guān)系數(shù)最大為0.165(500 nm)；SNV和MSC曲線整體上同樣較為吻合，SNV曲線較明顯的峰值為0.071(920 nm)，-0.089(1 520 nm)，-0.086(2 195 nm)，MSC曲線較明顯的峰值為0.066(940 nm)，-0.080(2195 nm)；CR曲線在1 100 nm之前波動(dòng)較小，之后波動(dòng)幅度變大，較明顯的峰值有-0.213(1 310 nm)，0.220(1 700 nm)，-0.206(2 165 nm)，-0.205(2 270 nm)，-0.200(2 345 nm)；R′曲線在1 000 nm之前呈緩慢下降趨勢(shì)，波動(dòng)幅度較小，之后波動(dòng)較為劇烈，較明顯的峰值有-0.270(1 280 nm)，-0.183(2 045 nm)，0.225(2 360 nm)；log(1/R)曲線整體形態(tài)與原始反射率曲線呈鏡像分布，相關(guān)性略低于反射率曲線。

圖3 海倫地區(qū)土壤Cr與不同光譜預(yù)處理的相關(guān)系數(shù)曲線Fig.3 Correlation coefficient curves of Cr and different spectral pretreatments in Hailun area

2.2.2 不同變換形式對(duì)Cr與光譜相關(guān)性的影響

對(duì)比上述六種光譜預(yù)處理的相關(guān)性計(jì)算結(jié)果可以看到，反射率的相關(guān)性曲線整體較為平緩，沒有明顯的峰值出現(xiàn)，這是由于土壤是復(fù)雜的混合體，光譜的混合程度較高。

MSC和SNV對(duì)應(yīng)的曲線相關(guān)特征得到增強(qiáng)，出現(xiàn)了不同程度的峰值。MSC是在標(biāo)準(zhǔn)光譜的參考下對(duì)每條光譜的基線平移和偏移進(jìn)行修正，消除散射影響，增強(qiáng)與成分含量相關(guān)的光譜吸收信息；SNV是各波段間反射率數(shù)據(jù)的標(biāo)準(zhǔn)化，在一定程度上也可消除光譜中線性平移的影響，與多元散射校正有類似之處。因此通過MSC和SNV變換能在一定程度上增強(qiáng)土壤光譜吸收特征。

CR曲線整體上在1 000 nm之前相對(duì)平緩，之后波動(dòng)幅度較大，這是由于在1 000 nm之前土壤光譜主要受有機(jī)質(zhì)和鐵錳氧化物的影響，影響結(jié)果是光譜整體反射率的影響，診斷特征相對(duì)較弱；1 000 nm之后光譜主要受黏土礦物、水等影響，診斷特征相對(duì)明顯。因此經(jīng)CR變換后在1 000 nm之后，尤其是2 000 nm之后黏土礦物吸收區(qū)間出現(xiàn)了明顯的峰值。

R′曲線整體形態(tài)特征和CR曲線有相似之處，大致在1 000 nm之前較平緩，之后波動(dòng)加劇，因?yàn)閮煞N變換方式都是為了增強(qiáng)局部特征。但是R′曲線的局部波動(dòng)幅度明顯更高，與其計(jì)算方式有關(guān)，R′變換在增強(qiáng)局部吸收特征的同時(shí)也增強(qiáng)了噪聲信息。

此次log(1/R)變換沒有明顯增強(qiáng)Cr與光譜的相關(guān)性。

2.2.3 不同地區(qū)Cr的光譜特征對(duì)比

在整體相關(guān)性水平上，每種光譜形式下建三江地區(qū)Cr與光譜的相關(guān)性均高于海倫地區(qū)。建三江地區(qū)正相關(guān)值最高為0.486(MSC變換)，負(fù)相關(guān)值最小為-0.590(CR變換)，海倫地區(qū)相應(yīng)的值分別為0.220(CR變換)、-0.270(R′變換)。建三江地區(qū)Cr與光譜相關(guān)性更高的原因之一認(rèn)為是該區(qū)Cr與土壤礦物、有機(jī)質(zhì)等組分的相關(guān)性更強(qiáng)，間接影響到了光譜的相關(guān)性。

雖然兩區(qū)土壤Cr與光譜的相關(guān)程度存在差異，但是特征波段的位置存在相似性。對(duì)比圖2和圖3可以看到：兩區(qū)反射率曲線均沒有明顯的相關(guān)峰值；SNV和MSC曲線在2 200 nm附近均存在明顯的負(fù)相關(guān)峰值；CR曲線在2 345 nm處均存在明顯的負(fù)相關(guān)峰值；R′曲線在2 360 nm附近存在明顯的正相關(guān)峰值。兩區(qū)特征波段位置的相似性在一定程度上表明了土壤Cr賦存的控制因素存在一致性。

2.2.4 Cr的特征波段篩選

為了增強(qiáng)Cr反演模型的精度及可遷移性，需要綜合兩個(gè)研究區(qū)的光譜特征篩選特征波段。根據(jù)上述相關(guān)性分析結(jié)果篩選每種光譜預(yù)處理對(duì)應(yīng)的特征波段，結(jié)果見表3。

表3 Cr的特征波段篩選Table 3 Screening result of characteristic band of Cr

2.3 反演模型建立及遷移性分析

2.3.1 不同光譜預(yù)處理建模結(jié)果分析

利用不同光譜預(yù)處理進(jìn)行建模及驗(yàn)證，從結(jié)果(表4)可以看到，建三江和海倫研究區(qū)中SNV對(duì)應(yīng)的建模R2和驗(yàn)證R2均為最高。整體上對(duì)于兩個(gè)研究區(qū)，SNV和MSC對(duì)應(yīng)的建模R2均明顯高于其他四種光譜預(yù)處理，RMSE也明顯低于其他四種光譜預(yù)處理，驗(yàn)證結(jié)果的趨勢(shì)整體上與建模結(jié)果較為吻合。綜合上文中不同光譜變換形式對(duì)Cr與光譜間相關(guān)性的影響結(jié)果，認(rèn)為本研究中SNV和MSC變換能夠較好地提升Cr與光譜的相關(guān)性，使建模結(jié)果得到了穩(wěn)定的提升。CR和R′變換在某些波段范圍內(nèi)能大幅提升微弱的光譜特征，但同時(shí)也引入了噪聲干擾，建模結(jié)果中只有建三江地區(qū)的CR對(duì)應(yīng)的模型R2略高于原始反射率，其余均有一定的降低。log(1/R)對(duì)應(yīng)的模型精度基本與原始反射率持平。

表4 不同光譜形式的建模精度Table 4 Modeling accuracy of different spectral pretreatments

2.3.2 間接反演模型

間接反演模型的自變量集成了光譜數(shù)據(jù)和土壤組分?jǐn)?shù)據(jù)，為了后續(xù)模型遷移性研究的需要，將兩個(gè)研究區(qū)的模型自變量設(shè)置為完全一致。根據(jù)上述Cr的光譜特征分析與光譜建模結(jié)果，光譜數(shù)據(jù)采用SNV變換后的特征波段數(shù)據(jù)(表3)；根據(jù)Cr在土壤中的賦存規(guī)律分析，參與建模的土壤組分?jǐn)?shù)據(jù)設(shè)定為Al2O3，F(xiàn)e2O3，MgO，K2O，pH，SiO2，Na2O和SOM。建三江研究區(qū)建立的模型為：Cr=-0.123b1 520-0.098b2 195-0.096b2 210-0.094b2 225-0.705SiO2+3.932Al2O3+0.715Fe2O3+0.358MgO+0.253K2O-0.312Na2O-0.601SOM-1.498pH+61.813，建模結(jié)果顯示R2為0.751，RMSE為3.741；模型驗(yàn)證結(jié)果顯示R2為0.687，RMSE為3.873。海倫研究區(qū)建立的模型為：Cr=-0.053b1 520+0.031b2 195+0.033b2 210+0.035b2 225-0.808SiO2+8.235Al2O3+3.972Fe2O3+1.945MgO+1.357K2O-1.634Na2O-0.399SOM+0.024pH-21.11，建模結(jié)果顯示R2為0.676，RMSE為4.133；模型驗(yàn)證結(jié)果顯示R2為0.643，RMSE為4.316。

通過對(duì)比兩個(gè)研究區(qū)Cr的間接反演模型與純光譜模型的模型精度，可以發(fā)現(xiàn)間接反演模型明顯提升了Cr的模型精度。以純光譜模型中精度最高的SNV結(jié)果(表4)為比較對(duì)象，建三江研究區(qū)的間接反演模型將建模R2由0.643提升到了0.751，驗(yàn)證R2由0.571提升到了0.687；海倫研究區(qū)的間接反演模型將建模R2由0.537提升到了0.676，驗(yàn)證R2由0.471提升到了0.643。間接反演模型包括了更多Cr的賦存規(guī)律信息，因此模型精度有明顯提升。在航空高光譜反演制圖時(shí)，首先利用光譜信息進(jìn)行土壤相關(guān)組分的含量反演，然后將相關(guān)組分的反演數(shù)據(jù)納入間接反演模型進(jìn)行Cr的含量反演。此次建三江研究區(qū)Cr間接反演模型中相關(guān)組分的建模R2均在0.783以上，最高為0.887(Fe2O3)；海倫研究區(qū)相關(guān)組分的建模R2均在0.736以上，最高為0.836(MgO)，均達(dá)到了較好的反演效果，能夠?yàn)镃r的間接反演模型提供數(shù)據(jù)支持。

2.3.3 模型遷移性分析

分別將兩個(gè)研究區(qū)各自建立的SNV光譜模型和間接模型進(jìn)行互相遷移，以探討直接與間接反演模型在遷移性上的差異及遷移的可行性。從圖4(a)可看到，海倫研究區(qū)的直接光譜模型應(yīng)用到建三江研究區(qū)后，實(shí)測(cè)值和預(yù)測(cè)值之間幾乎沒有相關(guān)性，R2僅為0.019 4，并且預(yù)測(cè)值出現(xiàn)了若干負(fù)值，可以認(rèn)為模型不具有遷移的價(jià)值。而圖4(b)的結(jié)果與圖4(a)類似，同樣不具有可遷移性。出現(xiàn)此類現(xiàn)象的原因是不同地區(qū)間土壤光譜信息的影響因素有較多差異，而包括Cr在內(nèi)的重金屬元素在可見光-近紅外區(qū)間又沒有明顯的診斷光譜特征，從而影響了不同地區(qū)間模型的通用性。

圖4 SNV光譜模型遷移結(jié)果Fig.4 Migration results of SNV spectral model

圖5顯示，將海倫研究區(qū)Cr的間接反演模型應(yīng)用到建三江研究區(qū)后，實(shí)測(cè)與預(yù)測(cè)值的回歸R2達(dá)到0.597 5，而建三江的間接反演模型應(yīng)用到海倫后，回歸R2為0.577 3?？梢钥吹介g接模型遷移后預(yù)測(cè)值和實(shí)測(cè)值的線性關(guān)系較為明顯，相比純光譜模型，間接模型在兩個(gè)研究區(qū)間的可遷移性得到了明顯提升。這是由于兩個(gè)地區(qū)中Cr與模型中土壤相關(guān)組分的相關(guān)性是一致的，同時(shí)相關(guān)組分表現(xiàn)的光譜特征具有一致性，提升了模型遷移后的穩(wěn)健性。

圖5 間接反演模型遷移結(jié)果Fig.5 Migration results of indirect inversion model

3 結(jié) 論

(1)基于Cr在土壤中的賦存規(guī)律及光譜特征來建立航空高光譜間接反演模型，通過與土壤其他組分的相關(guān)性研究發(fā)現(xiàn)，建三江與海倫兩個(gè)研究區(qū)內(nèi)土壤Cr均與Al2O3，F(xiàn)e2O3，MgO，K2O和pH呈極顯著的正相關(guān)關(guān)系，與SiO2，Na2O和SOM呈極顯著的負(fù)相關(guān)關(guān)系。通過Cr與不同光譜變換形式的相關(guān)性分析篩選了相應(yīng)的特征波段，純光譜建模結(jié)果顯示光譜SNV形式對(duì)應(yīng)的模型精度最高。Cr的賦存規(guī)律及光譜特征分析為建立間接反演模型提供了相關(guān)依據(jù)。

(2)兩個(gè)研究區(qū)Cr的間接反演模型與純光譜模型精度對(duì)比結(jié)果顯示，建三江研究區(qū)的間接反演模型將建模R2由0.643提升到了0.751，驗(yàn)證R2由0.571提升到了0.687，海倫研究區(qū)的間接反演模型將建模R2由0.537提升到了0.676，驗(yàn)證R2由0.471提升到了0.643。間接反演模型明顯提升了Cr的反演精度，為土壤Cr的航空高光譜反演制圖提供了一種新的途徑。

(3)Cr的純光譜反演模型在兩個(gè)研究區(qū)間的可遷移能力較差，而間接反演模型的遷移能力則明顯提升，認(rèn)為間接反演模型考慮了更多Cr的賦存規(guī)律信息，提升了模型的泛化能力。