高光譜土壤元素估測(cè)

1、高光譜遙感的在估測(cè)土壤有機(jī)質(zhì)含量上的應(yīng)用摘要：高光譜遙感技術(shù)以其光譜分辨率高、波段連續(xù)性強(qiáng)、數(shù)據(jù)豐富的特 點(diǎn)，因而在土壤養(yǎng)分研究中得到廣泛應(yīng)用。通過(guò)土壤有機(jī)質(zhì)的高光譜遙感 分析，可以充分了解土壤養(yǎng)分的狀況及動(dòng)態(tài)變化，為指導(dǎo)農(nóng)業(yè)生產(chǎn)及保護(hù) 農(nóng)業(yè)生態(tài)環(huán)境提供科學(xué)依據(jù)。本文分析了土壤有機(jī)質(zhì)的光譜特征，介紹了 一種基于高光譜的土壤有機(jī)質(zhì)估測(cè)方法。關(guān)鍵詞：高光譜遙感；土壤有機(jī)質(zhì)；光譜分析；含量估測(cè)Hyperspectral remote sensing in the estimation ofsoil organic matter contentAbstract： Hyperspectral remot

2、e sensing technology with its high spectral resolution band continuity, rich data, which has been widely applied in the soil nutrient research .With the hyperspecttal remote sensing analysis of soil organic metter, we can fully understand the condition and dynamic changes of soil nutrients, and also

3、 can provide a scientific basis for the guidanee of agricuItural produetion and the protection of agricuItural ecological environment. This article analyzes the spectral characteristics of the soil organic matter, and an estimation method based on hyperspectral.Key words: remote sensing soil organic

4、 matter; spectral analysis content prediction1高光譜簡(jiǎn)介im高光譜遙感是高光譜分辨率遙感(Hyperspectral Remote Sensing) 的簡(jiǎn)稱，是上世紀(jì)80年代發(fā)展以來(lái)的遙感科學(xué)的前沿領(lǐng)域,她的出現(xiàn)是遙 感界的-場(chǎng)革命。它是指利用很多窄的電磁波波段獲取物體有關(guān)數(shù)據(jù)的技 術(shù)，它可在電磁波的紫外、可見(jiàn)光、近紅外、中紅外以至熱紅外區(qū)域，獲 取許多非常窄且光譜連續(xù)的圖像數(shù)據(jù)。這樣，在傳統(tǒng)的二維遙感的基礎(chǔ)上 增加了光譜維，形成了一種獨(dú)特的三維遙感。鑒于高光譜遙感的諸多優(yōu)點(diǎn)， 人們逐漸嘗試在植被、生態(tài)、大氣、環(huán)境、考古、農(nóng)業(yè)等方面進(jìn)行應(yīng)用， 取得

5、了一系列的進(jìn)展和很多成就，使高光譜遙感成為科研必不可少的工具 和技術(shù)。高光譜遙感的基礎(chǔ)是測(cè)譜學(xué)，主要在電磁波譜的紫外、可見(jiàn)光、近紅外 和屮紅外區(qū)域，獲取許多非常窄口光譜連續(xù)的圖像數(shù)據(jù)的技術(shù)。成像光譜儀 為每個(gè)像元提供數(shù)十個(gè)至數(shù)百個(gè)窄波段(通常波段寬度10nm)的光譜信息, 能產(chǎn)生一條完整而連續(xù)的光譜曲線。國(guó)際遙感界公認(rèn):光譜分辨率在1(T入 次數(shù)量級(jí)范圍的定為多光譜(Multlspectral),這樣的遙感器在可見(jiàn)光和近 紅外光譜區(qū)域通常只有幾個(gè)波段,如美國(guó)LandsatMSS. TM,法國(guó)的SPOT等; 而光譜分辨率在10_2A認(rèn)的遙感信息稱之為高光譜(Hyperspectral);隨著 遙

6、感光譜分辨率的進(jìn)一步提高,當(dāng)達(dá)到10)以上時(shí)，遙感即進(jìn)入超高光譜 (Ul-traspectral)階段，許多物質(zhì)的特征往往表現(xiàn)在一些狹窄的光譜范圍 內(nèi)，如何捕獲物體的這種特征而又不失其整體形態(tài)及與周圍地物的關(guān)系，這 就是高光譜分辨率遙感產(chǎn)生和發(fā)展的基礎(chǔ)和要回答的問(wèn)題。高光譜遙感的 特點(diǎn)是光譜分辨率高，波段連續(xù)性強(qiáng)，能獲得多光譜傳感器無(wú)法獲得的精細(xì) 的光譜信息，由于其光譜分辨率高達(dá)納米數(shù)量級(jí)，因此傳感器在0.4- 2. 5p m范圍內(nèi)可細(xì)分成幾十個(gè)，甚至幾百個(gè)波段,光譜分辨率為5-10nmo2高光譜遙感的土壤有機(jī)質(zhì)含量估測(cè)土壤是萬(wàn)物生存的物質(zhì)基礎(chǔ)，是人類財(cái)富的主要來(lái)源，是我們祖先最早 利用的生產(chǎn)

7、資料。土壤是地殼表層巖石礦物的風(fēng)化產(chǎn)物(母質(zhì))，在氣候、生 物、地形等環(huán)境條件和時(shí)間綜合因索的作用下形成的一種特殊自然體。土 壤是一種復(fù)雜的混合體,它的物理與化學(xué)性質(zhì)是由其組分所決定，這些有著 不同理化特征的丄壤成分及其質(zhì)地和結(jié)構(gòu)決定著各種上壤類型及其獨(dú)特的 光譜特性。土壤有機(jī)質(zhì)是存在于土壤中所有含碳的有機(jī)物質(zhì)，包括土壤中各種動(dòng) 植物殘?bào)w、微生物體及其分解和合成的各種有機(jī)物質(zhì)，是土壤中各種營(yíng)養(yǎng) 元素的重要來(lái)源(如:氮、磷等)。它即含有刺激植物生長(zhǎng)的胡敏酸等物質(zhì)， 又具有膠體特性能吸附較多的陽(yáng)離了，使土壤具有保肥力和緩沖性。同時(shí) 它還能使土壤疏松并形成結(jié)構(gòu)，從而改善土壤理化特性。它是微生物必不

8、可少的碳源和能源。因此，土壤有機(jī)質(zhì)含量的多少，是土壤肥力的一個(gè)重 要指標(biāo)。通過(guò)高光譜估測(cè)上壤有機(jī)質(zhì)含量，建立有機(jī)質(zhì)高光譜預(yù)測(cè)模型, 旨在快速評(píng)價(jià)有機(jī)質(zhì)含量，可以為提高上壤有機(jī)質(zhì)含量水平，改善土壤條 件服務(wù)；同時(shí)對(duì)提高作物產(chǎn)量有著重要意義。2.1 土壤有機(jī)質(zhì)光譜特征分析早在1965年Bowers等指出，影響土壤反射率的因素主要有土壤 質(zhì)地，表面粗糙度、氧化鐵含量、土壤水分及有機(jī)質(zhì)含量，其中有機(jī)質(zhì)是 影響土壤色調(diào)進(jìn)而影響光譜反射特性的重要因索.Gunasulis等研究表 明，土壤有機(jī)質(zhì)含量與紅光波段反射率有較強(qiáng)的相關(guān)性.Chang等從有 機(jī)質(zhì)結(jié)構(gòu)組成的角度解釋了近紅外區(qū)的光譜特征，認(rèn)為有機(jī)質(zhì)增加一

9、般會(huì) 降低譜線的反射率值.徐彬彬等7J通過(guò)比較去除有機(jī)質(zhì)前后的土壤光譜反 射率曲線，發(fā)現(xiàn)有機(jī)質(zhì)的影響主要在可見(jiàn)光和近紅外波段.賀軍亮等利 用統(tǒng)計(jì)單相關(guān)分析方法確定511nm為診斷土壤有機(jī)質(zhì)含量的敏感波段，并 對(duì)507516nm敏感范圍反射率做均值標(biāo)準(zhǔn)化處理后獲得有機(jī)質(zhì)診斷指 數(shù).劉煥軍等通過(guò)研究東北地區(qū)黑土土壤有機(jī)質(zhì)反射光譜特征，發(fā)現(xiàn)黑 土土壤有機(jī)質(zhì)敏感波段主要在350llOOnm,其屮680810nm最為 顯著，并利用多元逐步回歸分析建立了丄壤有機(jī)質(zhì)預(yù)測(cè)模型.張娟娟等“ 構(gòu)建了近紅外區(qū)反射率差值指數(shù)預(yù)測(cè)上壤有機(jī)質(zhì)含量沈潤(rùn)平等應(yīng)用多 元線性逐步回歸法和人工神經(jīng)網(wǎng)絡(luò)建立了有機(jī)質(zhì)反演模型，結(jié)果表明

10、人工 神經(jīng)網(wǎng)絡(luò)模型普遍優(yōu)于回歸模型。綜上所述，土壤有機(jī)質(zhì)敏感波段主要位于可見(jiàn)光及近紅外區(qū)，多變量 回歸分析方法常用于土壤有機(jī)質(zhì)含量分析，包括線性和非線性分析方法. 其中非線性分析方法，例如人工神經(jīng)網(wǎng)絡(luò)，可能得到的精度會(huì)較高，但模 型復(fù)雜且不具備穩(wěn)定性和可靠性.Vasques等切用高光譜數(shù)據(jù)預(yù)測(cè)土壤含 碳量時(shí)比較了各種線性及非線性的多變量分析方法，發(fā)現(xiàn)采用多元線性逐 步回歸法和偏最小二乘法得到的預(yù)測(cè)效果最好且最穩(wěn)定.高光譜預(yù)測(cè)上壤 有機(jī)質(zhì)含量的研究雖然很多，但針對(duì)不同地區(qū)建立的模型往往差別很人， 主要原因是成上母質(zhì)對(duì)上壤光譜影響很人;同時(shí)建模波段及建模方法的選 擇也會(huì)影響研究結(jié)果。2. 2 土壤

11、有機(jī)質(zhì)含量估測(cè)方法2. 2.1 土壤樣品采集采集020cm深的土層土壤。土壤樣本經(jīng)風(fēng)干、研磨后過(guò)2mm孔篩。 每個(gè)樣品分2份，一份用于光譜測(cè)量；一份用于有機(jī)質(zhì)含量分析。2. 2. 2 土壤有機(jī)質(zhì)分析土壤有機(jī)質(zhì)含量用高溫外熱重珞酸鉀氧化-容量法測(cè)定。2. 2. 3光譜測(cè)量運(yùn)用便攜式光譜儀ASD FieldSpec Pro測(cè)量空樣品Q勺反射光譜，波 長(zhǎng)范圍為3502500nm（350lOOOnm之間光譜采樣間隔為1. 4nm,光 譜分辨率為3nm； 10002500nm范圍內(nèi)光譜采樣間隔為2nm,光譜分辨 率為10nm；光譜儀最后將數(shù)據(jù)重采樣成lnm）。將每個(gè)土樣測(cè)得的10條反 射光譜曲線經(jīng)算術(shù)平

12、均后則為該土樣的實(shí)際反射光譜數(shù)據(jù)。2. 2. 4光譜數(shù)據(jù)預(yù)處理（1）光譜數(shù)據(jù)的數(shù)學(xué)變換光譜一階微分和倒數(shù)的對(duì)數(shù)是兩種常用的光譜處理方法間，其中，對(duì) 光譜曲線作一階微分變換，可以對(duì)重疊混合光譜進(jìn)行分解以便識(shí)別，擴(kuò)大 樣品之間的光譜特征差異；光譜反射率經(jīng)倒數(shù)的對(duì)數(shù)變換后，不僅趨向于 增強(qiáng)可見(jiàn)光區(qū)的光譜差異，而且趨向于減少因光照條件變化引起的乘性因 素影響剛。（2）特征吸收帶的提取剔除水吸收峰影響嚴(yán)重的波段區(qū)域。進(jìn)行相應(yīng)去包絡(luò)線操作，獲得光 譜波段深度曲線每一樣點(diǎn)土壤反射率歸一到對(duì)應(yīng)的光譜背景上，有利于光 譜曲線Z間特征波段的比較，并且可以有效地突出光譜曲線的吸收和反射 特征。2. 2. 5反演模型

13、多元線性逐步回歸模型多元線性逐步回歸分析(stepwise multiple linear regression, SMLR) 的基本思想是:對(duì)全部的自變量，按它們對(duì)因變量貢獻(xiàn)的人小進(jìn)行比較，并 通過(guò)F檢驗(yàn)法，選擇偏回歸平方和顯著的變量進(jìn)入回歸方程，每一步只引 入1個(gè)變量，同時(shí)建立一個(gè)偏回歸方程。當(dāng)1個(gè)變量被引入后，對(duì)原已 引入回歸方程的變量，逐個(gè)檢驗(yàn)它們的偏回歸平方和。如果由于引入新的 變量而使得已進(jìn)入方程的變量變?yōu)椴伙@著時(shí)，則及時(shí)從偏回歸方程中剔除。 在引入了 2個(gè)自變量以后，便開(kāi)始考慮是否有需要剔除的變量。只有當(dāng)回 歸方程中的所有自變量對(duì)因變量都有顯著影響而不需要剔除時(shí)，再考慮從 未選入

14、方程的自變量中，挑選有顯著影響的新的變量進(jìn)入方程。不論引入 還是剔除一個(gè)變量都稱為一步。斷重復(fù)這一過(guò)程，直至無(wú)法剔除已引入的 變量，也無(wú)法再引入新的自變量時(shí)，逐步回歸過(guò)程結(jié)束。偏最小二乘回歸模型偏最小二乘回歸(partial least squares regression, PLSR)考慮 p 個(gè)因變量與m個(gè)自變量的建模問(wèn)題，基本做法是首先在自變量集中提取第 1成分t”同時(shí)在因變量集中提取第1成分5,要求仁和5相關(guān)程度達(dá) 到最大.然后建立因變量與仁的回歸，如果回歸方程已達(dá)到滿意的精度， 則算法終止.否則繼續(xù)對(duì)第2對(duì)成分的提取，直到達(dá)到滿意的精度為止。 最終對(duì)白變量集提取r個(gè)成分t】，tr,偏

15、最小二乘回歸將建立因 變量與ti, t2,，t的回歸式，然后再表示為因變量與原自變量的回歸方 程式，即偏最小二乘回歸方程式17。為避免過(guò)擬合，檢驗(yàn)所建模型的有 效性，PLSR所選擇的成分?jǐn)?shù)量h可通過(guò)交叉有效性檢驗(yàn)確定例如對(duì)于 某個(gè)應(yīng)變量，具體做法為:將m個(gè)樣本中m-1個(gè)用作訓(xùn)練樣本，的1個(gè)樣 本作檢驗(yàn)樣本.第1次先將第1個(gè)樣本作檢驗(yàn)樣本，用其余m-1個(gè)樣本 建模，用檢驗(yàn)樣本代入模型，可以求得1個(gè)估計(jì)值，記為刃，”第2次 再將笫2個(gè)樣本留下作檢驗(yàn)樣本，用其余樣本建模，將2個(gè)樣本代入模 型求得估計(jì)值y2“如果循環(huán)m次，將這m個(gè)殘差值平方求和，用press 表示該值，表達(dá)式為：PRESS(h) =(

16、yiy嚴(yán)i=l另外，得到擬合h個(gè)成分的回歸方程后，汁算所有樣本點(diǎn)預(yù)測(cè)值y i,并 求其誤差平方和SS(h) :SS(h)二器丄-“)2 o PRESS(h)/ss(h-l)值越小越 好，一般設(shè)定限制值為0. 05,當(dāng)PRESS(h)/ss(h-l)(1-0. 05)2時(shí)，增加新 的成分，對(duì)減小方程預(yù)測(cè)誤差無(wú)明顯改善作用。如此，可確定偏最小二乘 法所提取的因了數(shù)。偏最小二乘回歸分析在建模的過(guò)程中集屮了主成分分 析，典型相關(guān)分析和線性回歸分析方法的特點(diǎn)，因此在分析結(jié)果中，除了 可以提供一個(gè)更為合理的回歸模型外，還可以同時(shí)完成一些類似主成分分 析和典型相關(guān)分析的研究?jī)?nèi)容，提供更豐富、深入的一些信息。

17、3問(wèn)題與展望土壤光譜是其各種成分的光譜響應(yīng)的綜合反映,土壤是由固、液、氣三 相物質(zhì)共同組成的多相分散體系,光有機(jī)質(zhì)的組成就相當(dāng)復(fù)雜，鐵在土壤屮 存在也形式多樣，每種成分的光譜響應(yīng)都是不一樣的，如有機(jī)質(zhì)屮的胡敏酸 和富里酸就有不同光譜反射曲線。在以后的研究中，應(yīng)該進(jìn)行更細(xì)致的研究, 了解丄壤各種成分光譜響應(yīng)機(jī)理，區(qū)分出哪些特征是其本質(zhì)的特征表現(xiàn)。這 樣便于光譜分析研究。盡管國(guó)內(nèi)外對(duì)土壤有機(jī)質(zhì)含量的光譜效應(yīng)進(jìn)行了大量的研究工作，但 在認(rèn)識(shí)上還存在一定的分歧，主要是由于以上研究大多基于多種土壤類型， 不同的土壤，由于受氣候、母質(zhì)、地形、生物等成土因素不同和成土年齡 的差異，以及人類活動(dòng)的影響，其理化

18、特性具有明顯差別。土壤組成物質(zhì) 的多樣性以及每種組成物質(zhì)獨(dú)特光譜特性，使得各類上壤光譜具有自己的 特點(diǎn)。因此，將其他研究結(jié)果應(yīng)用到特定上壤時(shí)，都可能產(chǎn)生較人誤差。 對(duì)于丄壤有機(jī)質(zhì)估測(cè)，模型的適用性往往較差，建立-種實(shí)用而且通用的 模型是現(xiàn)階段探索的目標(biāo)之一。要建立準(zhǔn)確的土壤反射率特征參量的反射 率反演模型需要進(jìn)行大量而精確的實(shí)驗(yàn)室與田間的光譜測(cè)量，若將其推廣 到圖像上則需進(jìn)行嚴(yán)格地校正和大量反復(fù)的實(shí)驗(yàn)。參考文獻(xiàn)：黃昌勇.土壤學(xué)J.北京，中國(guó)農(nóng)業(yè)出版社,2000鮑士旦土壤農(nóng)化分析,2000,中國(guó)農(nóng)業(yè)出版社武彥清，張柏，宋開(kāi)山，劉煥軍等.松嫩平原土壤有機(jī)質(zhì)含量高光譜反演研究J,中 國(guó)科學(xué)院研究生院

19、學(xué)報(bào)，2011, 5, 28 (2), 187-19Bowers S A Hanks R J. Reflection of radiant energy from soils J . Soil Science, 1965 100(2) : 130-138.Gunsaulis F R, Kocher M F, Griffis C L. Surface structure effects on close-range reflectance as a function of soil organic matter content J . Soil Chemistry and Physics, 1991 34(2):641-649.Chang C W, Lai rd D A. Near-infrared reflectance spec tgscopic anal y si s of soil C and N J . Soil Science, 2002 167(2):110-116.徐彬彬，戴昌達(dá).南疆土壤光譜反射特性與有機(jī)質(zhì)含量的相關(guān)分析J.科學(xué)通報(bào)， 1980, 25(6) : 282-284.賀軍亮，蔣建軍，周生路，等.土壤有機(jī)質(zhì)含量的高