南疆鹽堿土水、氮、鹽光譜特征及其反演模型

趙澤藝，李朝陽(yáng)，王洪博，張 楠，李國(guó)輝，唐茂淞，王興鵬*，高 陽(yáng)

（1.塔里木大學(xué) 水利與建筑工程學(xué)院，新疆 阿拉爾 843300；2.中國(guó)農(nóng)業(yè)科學(xué)院 農(nóng)田灌溉研究所，河南 新鄉(xiāng) 453002）

0 引 言

【研究意義】土壤水、礦物質(zhì)[1]、有機(jī)質(zhì)量[2]直接影響植物生長(zhǎng)與產(chǎn)量形成。快速、準(zhǔn)確地監(jiān)測(cè)土壤信息對(duì)農(nóng)業(yè)生產(chǎn)具有重要意義?！狙芯窟M(jìn)展】土壤含水率[3]、含氮量[4]、含鹽量[5]的傳統(tǒng)監(jiān)測(cè)方法是現(xiàn)場(chǎng)采樣，然后進(jìn)行物理或化學(xué)監(jiān)測(cè)。傳統(tǒng)監(jiān)測(cè)方法雖然可以獲得準(zhǔn)確信息，但耗時(shí)、耗力，時(shí)效性較差。隨著高光譜技術(shù)的發(fā)展，星載光譜、機(jī)載光譜、地物手持光譜技術(shù)逐漸成熟，光譜反演土壤中的元素種類(lèi)越來(lái)越多，反演方法層出不窮。以往研究利用高光譜技術(shù)監(jiān)測(cè)了草甸土[6]、黑土[7]、紫土[8]、黃壤土[8]的水分特征，監(jiān)測(cè)了褐土[9]、黃綿土[10]、砂姜黑土[11]、黑土[12]的含氮量；這些研究均證實(shí)高光譜監(jiān)測(cè)土壤含水率和氮素是可行的。高光譜不僅可以反演土壤中的含水率和含氮量，還可以反演土壤鹽漬化程度。土壤鹽漬化程度越高，對(duì)光譜的反射率則越大[13]。陳睿華等[14]采用支持向量機(jī)算法反演了銀川平原的土壤鹽分。李志等[15]利用高光譜特征參數(shù)對(duì)土壤鹽量進(jìn)行了建模，發(fā)現(xiàn)在17 種一維單波段光譜中，對(duì)數(shù)倒數(shù)的一階微分變換與土壤鹽量的相關(guān)性最好，峰值敏感波段為1 083 nm。徐馳等[16]采用光譜吸收參數(shù)作為自變量，用鹽分指數(shù)對(duì)土壤鹽量進(jìn)行了反演。Ivushkin 等[17]采用無(wú)人機(jī)遙感技術(shù)對(duì)土壤鹽量進(jìn)行了反演，決定系數(shù)（R2）最高可達(dá)到0.64。Darochaneto 等[18]指出，線性模型在土壤鹽漬化預(yù)測(cè)方面優(yōu)于非線性模型。柴思躍等[19]運(yùn)用遺傳算法、偏最小二乘法對(duì)水分、鹽分共同影響下的特征光譜進(jìn)行建模，得出土壤電導(dǎo)率會(huì)受到水分和鹽分的共同影響。王海江等[20]對(duì)不同土壤水分與鹽分狀況建立高光譜定量模型，在土壤含水率較低的情況下能夠得到較好的土壤鹽量監(jiān)測(cè)精度?！厩腥朦c(diǎn)】然而，已有研究多以土壤水、氮、鹽的單一因子作為變量，缺少多因素相互影響下的土壤信息監(jiān)測(cè)與反演研究?！緮M解決的關(guān)鍵問(wèn)題】因此，本研究設(shè)置水、鹽（EC）和氮（TN）3 個(gè)變量，在不同組合下獲取土壤光譜信息，利用偏最小二乘回歸（PLSR）、支持向量回歸（SVR）和BP 神經(jīng)網(wǎng)絡(luò)（BPNN）模型分別對(duì)土壤水、鹽、氮量進(jìn)行反演。本研究旨在建立多因素影響下的土壤水、鹽、氮反演模型，為精準(zhǔn)監(jiān)測(cè)土壤水、鹽、氮量提供技術(shù)支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于新疆生產(chǎn)建設(shè)兵團(tuán)第一師（圖1）。該區(qū)域?qū)倥瘻貛O端大陸性干旱荒漠氣候，晝夜溫差大，常年干旱少雨，日照時(shí)間長(zhǎng)，地表蒸發(fā)強(qiáng)烈。多年平均氣溫為10.7 ℃，年平均降水量為48 mm，年平均蒸發(fā)量為2 100 mm。土壤類(lèi)型為砂土，干密度為1.1 g/cm3。土壤鹽分組成以NaCl 為主，有機(jī)質(zhì)量為11.05 g/kg，有效磷量為7.2 mg/kg，有效硼量為0.6 mg/kg，速效鉀量為33 mg/kg。以五點(diǎn)采樣法測(cè)定了研究區(qū)土壤理化性質(zhì)，土壤平均田間持水率、全氮量和含鹽量分別為87 g/kg、4.963 mg/L 和0.93 g/kg。

圖1 研究區(qū)與采樣點(diǎn)示意Fig.1 Schematic diagram of research area and sampling site

1.2 土壤樣品采集與制備

于2021 年11 月16 日在阿拉爾市十團(tuán)矮砧千畝果園，采集3 m3的0～30 cm 土層的土壤。取樣結(jié)束后，將樣品帶回實(shí)驗(yàn)室自然風(fēng)干21 d；采用4 cm 篩網(wǎng)去除土壤雜質(zhì)后備用。

試驗(yàn)設(shè)置水、氮、鹽3 個(gè)因子，其中土壤水分設(shè)置2個(gè)梯度，質(zhì)量含水率分別為64.7 g/kg和56.5 g/kg，約為田間持水率的75%和65%；土壤全氮量設(shè)置10個(gè)梯度，分別為9.926、12.407、14.889、17.37、19.852、22.333、24.815、27.296、29.778、32.259 mg/L；土壤鹽量設(shè)置10 個(gè)梯度，分別為1.860、2.325、2.790、3.255、3.720、4.185、4.650、5.115、5.580、6.045 g/kg。不同水平的水、氮、鹽進(jìn)行全組合設(shè)計(jì)，共200 個(gè)處理，每個(gè)處理設(shè)置10 個(gè)重復(fù)，共計(jì)2 000 份樣本。通過(guò)添加尿素（總氮量≥46.0%）和NaCl（分析純）來(lái)調(diào)控土壤的含氮量和含鹽量。不同處理的土壤樣品制備好后，將體積質(zhì)量為0.97 g/cm3的土壤樣品放入深度為4.5 cm，半徑為4 cm 的PVC 圓柱容器內(nèi)，用于觀測(cè)光譜信息。

1.3 土壤光譜數(shù)據(jù)獲取

使用美國(guó)SEI公司的PSR+3 500地物光譜儀采集土壤樣品的光譜信息，儀器的波譜范圍為350～2 500 nm，數(shù)據(jù)輸出重采樣間隔為1 nm，共2 151 個(gè)波段，每采集一個(gè)樣本，自動(dòng)收集10 條光譜曲線，取平均后作為一個(gè)樣本的光譜數(shù)據(jù)。測(cè)量時(shí)，將不同處理的土壤樣品置于光譜儀光纖探頭正下方，每1 min 使用反射率為1 的白板進(jìn)行一次校正。

1.4 光譜數(shù)據(jù)處理

在光譜采集過(guò)程中，數(shù)據(jù)會(huì)受到諸多因素影響，影響模型反演的精度。因此，對(duì)原始光譜信息進(jìn)行數(shù)據(jù)降噪是構(gòu)建反演模型的前提。Savitzky-Golay 是一種常用的降噪方法，是在時(shí)域內(nèi)基于局域多項(xiàng)式最小二乘法擬合的濾波方法；平滑濾波的效果隨選取的窗口寬度不同而有所差異。使用Savitzky-Golay 降噪可以顯著提高光譜平滑度。本研究采用濾波器窗口長(zhǎng)度為51，擬合樣本的多項(xiàng)式階數(shù)為5 的方法對(duì)光譜進(jìn)行平滑，結(jié)果如圖2 所示。將平滑后的數(shù)據(jù)進(jìn)行歸一化，使用主成分分析法（PCA）進(jìn)行降維，PCA 映射到低維度空間后有32 個(gè)主成分，保留99.88%的原始信息，將PCA 處理后的數(shù)據(jù)作為模型的輸入信息。所有算法均由Python 3.10 實(shí)現(xiàn)。

圖2 不同含水率處理下土樣的原始光譜與Savitzky-Golay 平滑光譜Fig.2 Original spectra and Savitzky-Golay smoothed spectra of soil samples in different water treatments

1.5 土壤水、氮、鹽量的光譜反演模型

采用偏最小二乘回歸（PLSR）[21]、支持向量機(jī)回歸（SVR）[22]和BP 神經(jīng)網(wǎng)絡(luò)（BPNN）[23]構(gòu)建土壤水、氮、鹽量的光譜反演模型。PLSR 是一種多變量回歸分析方法，可以簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)，構(gòu)建線性回歸模型。SVR 是一種多元非線性的回歸算法，能夠?qū)⒌途S空間中難以解決的非線性問(wèn)題映射到高維度空間，從而將非線性問(wèn)題轉(zhuǎn)化為線性問(wèn)題。BPNN 主要分為輸入層、隱藏層、輸出層3 層，采用隨機(jī)梯度下降算法。利用決定系數(shù)（R2）和均方根誤差（RMSE）評(píng)價(jià)模型的模擬效果。R2越高、RMSE越小，說(shuō)明模型所預(yù)測(cè)的效果越好。R2最大為1，RMSE最小為0。

2 結(jié)果與分析

2.1 土壤光譜特征

圖3 為經(jīng)過(guò)Savitzky-Golay 平滑處理后的不同處理土樣的光譜特征值。同一含水率下，含鹽量上升導(dǎo)致氮光譜反射率下降（圖3（a）），光譜反射率的最大差值波段為1 909 nm，處理間最大相差4.24%；同一含水率條件下，含氮量升高導(dǎo)致鹽光譜反射率下降（圖3（b）），光譜反射率的最大差值波段為1 895 nm，處理間最大相差7.01%。同一含氮量條件下，含水率升高導(dǎo)致鹽光譜反射率上升（圖3（c）），光譜反射率的最大差值波段為1 870 nm，處理間最大相差2.34%；同一含氮量條件下，含鹽量升高導(dǎo)致水光譜反射率下降（圖3（d）），光譜反射率的最大差值波段為1 894 nm，處理間最大相差5.01%。同一含鹽量條件下，含水率升高導(dǎo)致氮光譜反射率上升（圖3（e）），光譜反射率的最大差值波段為1 870 nm，處理間最大相差4.27%；同一含鹽量條件下，含氮量升高導(dǎo)致水的光譜反射率下降（圖3（f）），光譜反射率的最大差值波段為1 895 nm，處理間最大相差7.01%。

圖3 經(jīng)Savitzky-Golay 平滑處理的不同處理土樣的平均光譜值Fig.3 Average spectrum of soil samples in different treatments after Savitzky-Golay smoothing

采用皮爾遜相關(guān)系數(shù)篩選出土壤水、氮、鹽的特征光譜波段。圖4 為土壤水、氮和鹽的皮爾遜相關(guān)系數(shù)及其顯著性。在350～2 500 nm 范圍內(nèi)，土壤水分與光譜反射率呈正相關(guān)，但不顯著（P＞0.05）；在1 900 nm 附近的相關(guān)性最高，相關(guān)系數(shù)約為0.6。在350～2 500 nm 范圍內(nèi)，土壤含氮量與光譜反射率呈顯著負(fù)相關(guān)（P＜0.05）；在512～2 500 nm 范圍內(nèi)，土壤含氮量與光譜反射率的皮爾遜相關(guān)系數(shù)在-0.8～-0.6 之間。在350～2 500 nm 范圍內(nèi)，土壤電導(dǎo)率與光譜反射率呈顯著負(fù)相關(guān)（P＜0.05），在1 878 nm處的皮爾遜相關(guān)系數(shù)為-0.8。

圖4 土壤含水率、含氮量、含鹽量與光譜特征值的顯著性及皮爾遜相關(guān)系數(shù)Fig.4 Significance and Pearson coefficient of soil water, nitrogen, and salt content with the characteristic value of the spectrum

2.2 土壤氮（TN）量反演模型的建立與驗(yàn)證

不同模型對(duì)訓(xùn)練集的預(yù)測(cè)效果如圖5 所示。32個(gè)主成分的PLSR 模型的R2與RMSE均優(yōu)于SVR 模型與BPNN 模型。分別對(duì)56.5、64.7、56.5、64.7 g/kg含氮量下不同組合處理TN 量進(jìn)行反演，R2最高的是56.5 g/kg 處理下PLSR 的TN 反演模型，R2為0.576 9，RMSE為6.9 mg/L；R2最低的為56.5 g/kg 與64.7 g/kg組合處理下BPNN 的TN 反演模型，R2僅為0.146 7，RMSE為6.157 mg/L。就RMSE而言，預(yù)測(cè)值與實(shí)測(cè)值最接近的是64.7 g/kg 含水率處理下的PLSR 模型，RMSE為5.12 mg/L。BPNN 模型反演土壤含氮量時(shí)，無(wú)論是針對(duì)單一含水率處理還是2 個(gè)含水率處理都存在下限閾值。56.5 g/kg 含水率處理下土壤含氮量反演下限閾值為3.619 mg/L，64.7 g/kg 含水率處理下TN下限閾值為5.257 mg/L；而含水率為56.5 g/kg 和64.7 g/kg 組合處理下TN 反演的下限閾值為4.297 mg/L。

圖5 不同土壤含水率條件下土壤含氮量實(shí)測(cè)值與高光譜反演模型預(yù)測(cè)值的對(duì)比Fig.5 Comparison between the measured and predicted values of soil nitrogen content with the hyper-spectral inversion model under the different conditions of soil water content

2.3 土壤EC 反演模型的建立與驗(yàn)證

圖6 為PLSR、SVR 和BPNN 構(gòu)建的土壤EC反演模型的預(yù)測(cè)效果。R2最高的是64.7 g/kg 含水率處理的PLSR 模型，為0.555 6。R2最低的是2 個(gè)含水率處理組合的BPNN 模型，為-0.924 4。就RMSE而言，預(yù)測(cè)值與實(shí)測(cè)值最接近的是64.7 g/kg 含水率下的PLSR 模型，RMSE為257 μS/cm，最差的是56.5 g/kg 和64.7 g/kg 含水率處理下的SVR 模型，RMSE為530 μS/cm。

圖6 不同土壤含水率條件下土壤電導(dǎo)率實(shí)測(cè)值與高光譜反演模型預(yù)測(cè)值的對(duì)比Fig.6 Comparison between the measured and predicted values of soil electrical conductivity with the hyper-spectral inversion model under the different conditions of soil water content

2.4 土壤含水率反演模型的建立與驗(yàn)證

由于僅有64.7、56.5 g/kg 的2 個(gè)含水率處理，因此，將2 個(gè)含水率處理合并進(jìn)行含水率預(yù)測(cè)。不同模型對(duì)訓(xùn)練集的預(yù)測(cè)效果如圖7 所示。PLSR 模型的預(yù)測(cè)精度最高，R2為0.662 4，RMSE為0.315 3。SVR模型最差，相關(guān)系數(shù)為0。

圖7 56.5 g/kg 與64.7 g/kg 混合水處理下的測(cè)定和預(yù)測(cè)含水率對(duì)比Fig.7 Measurement and prediction of the water content of the water treatment of 56.5 g/kg and 64.7 g/kg

3 討 論

高光譜對(duì)土壤中水、氮、鹽的反演精度較高[24-26]，這是由于在單一因素下可以放大某一因子的特征波段。本試驗(yàn)對(duì)土壤設(shè)置水、氮、鹽3 個(gè)因子，研究結(jié)果可應(yīng)用于土壤鹽漬化地區(qū)。光譜在1 900 nm 附近的波谷受到水、氮、鹽3 種因素的影響，含水率越低，氮、鹽量越高，1 940 nm 之后波段主要受氮量影響。土壤含水率與光譜反射率呈正相關(guān)。隨著土壤含水率的升高，光譜反射率整體呈上升趨勢(shì)，這是因?yàn)樯惩恋某炙芰^低，添加的水分在沙土表面形成水膜，水膜的鏡面反射導(dǎo)致反射率上升。張世文等[27]、劉秀英等[28]、劉偉東等[29]研究表明，水分會(huì)吸收1 400、1 900 nm 附近的特征波段光。本研究篩選出鹽堿土的水分特征波段在1 900 nm 附近，決定系數(shù)略低于已有研究結(jié)果。這主要是因?yàn)榈望}吸收了1 400 nm處的光線。孫建英等[30]研究發(fā)現(xiàn)，氮在1 827、1 901、2 090、2 240 nm 的4 個(gè)波段的相關(guān)系數(shù)較高。本試驗(yàn)下土壤氮量的特征波段為1 490～1 506、1 540～2 006、2 011～2 500 nm。隨著土壤含鹽量的增加，土壤光譜反射率呈下降趨勢(shì)，這與穆其爾等[31]的結(jié)果一致。Srivastava 等[32]研究發(fā)現(xiàn)，1 390～2 400 nm 波段的反射率與土壤鹽量相關(guān)性較高。

多因素影響下的土壤水、氮、鹽反演模型中，偏最小二乘回歸模型反演水、氮、鹽量的相關(guān)系數(shù)均高于支持向量機(jī)和BP 神經(jīng)網(wǎng)絡(luò)，偏最小二乘回歸的均方根誤差最小。同一水分條件下，隨著含氮量與含鹽量的增加，光譜反射率逐漸降低，并且低濃度NaCl溶液與碳酸銨溶液在光譜反射率上的整體差距不明顯，導(dǎo)致輸入到模型中的光譜區(qū)別不大。偏最小二乘回歸對(duì)土壤含水率的預(yù)測(cè)效果最好，這是因?yàn)橥凰幚韮?nèi)部水分差距較小，不同處理間水分差距較大。土壤含水率反演的R2最高為0.662 4，低于裴承忠等[33]的結(jié)果。土壤鹽量反演的R2最高為0.555 6，也略低于裴承忠等[33]的結(jié)果，這是由于電導(dǎo)率反映的是土壤中全部水溶性鹽的導(dǎo)電性能，土壤中的鹽分組成較為復(fù)雜，且尿素溶于水生成碳酸銨會(huì)使電導(dǎo)率上升，導(dǎo)致光譜反射率曲線發(fā)生偏移，致使鹽的特征波段信息不全，降低模型對(duì)鹽的預(yù)測(cè)能力。土壤氮量光譜差異顯著，特征明顯且波段多，R2最高為0.576 9。

4 結(jié) 論

1）南疆鹽堿土的水光譜特征波段為1 900 nm，氮光譜特征波段為1 490～1 506、1 540～2 006、2 011～2 500 nm，鹽光譜特征波段為1 880～1 883 nm 和1 890～1 942 nm。

2）水分會(huì)使南疆鹽堿土光譜反射率上升，氮和鹽會(huì)使南疆鹽堿土光譜反射率下降。

3）在水、氮、鹽共同影響下，建立了基于高光譜的土壤水、氮、鹽反演模型，偏最小二乘回歸模型的估算精度最高。

（作者聲明本文無(wú)實(shí)際或潛在的利益沖突）