離散小波在估測(cè)土壤有機(jī)質(zhì)含量方面的可行性,農(nóng)業(yè)基礎(chǔ)科學(xué)論文

離散小波在估測(cè)土壤有機(jī)質(zhì)含量方面的可行性,農(nóng)業(yè)基礎(chǔ)科學(xué)論文精準(zhǔn)農(nóng)業(yè)是當(dāng)代農(nóng)業(yè)發(fā)展的新方向,其基本涵義是根據(jù)作物生長(zhǎng)的土壤性狀,調(diào)節(jié)對(duì)作物的投入。故實(shí)時(shí)、快速、準(zhǔn)確地獲取土壤養(yǎng)分空間分布信息,對(duì)精準(zhǔn)農(nóng)業(yè)中的變量施肥具有重要意義。遙感技術(shù)實(shí)時(shí)、快速、無(wú)損觀測(cè)的特點(diǎn)為精準(zhǔn)農(nóng)業(yè)提供新的信息獲取途徑,當(dāng)前已成為該領(lǐng)域的研究熱門(mén)。土壤有機(jī)質(zhì)是土壤重要構(gòu)成成分,具有改善土壤肥力特性,提供大量作物所需中量、微量元素,凈化農(nóng)藥、重金屬污染等作用,因而其含量多少對(duì)耕地質(zhì)量具有重要影響。當(dāng)前,針對(duì)怎樣利用遙感技術(shù)估測(cè)土壤有機(jī)質(zhì)含量的問(wèn)題,國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究。已有研究表示清楚:東北黑土有機(jī)質(zhì)的光譜響應(yīng)范圍主要分布在620~810nm,且利用高光譜建立的最佳模型精度很高,R2=0.933;河南潮土、浙江紫土、四川紫土有機(jī)質(zhì)的光譜響應(yīng)區(qū)域集中在600~800nm,并發(fā)現(xiàn)2%不是有機(jī)含量估測(cè)的臨界點(diǎn);陜西橫山和宜興的土壤高光譜經(jīng)對(duì)數(shù)的一階微分變換后,對(duì)有機(jī)質(zhì)含量最敏感,利用該變換形式建立的模型預(yù)測(cè)精度較高,其決定系數(shù)高達(dá)0.885。R.A.ViscarraRossela利用澳大利亞全景4030份土壤樣品的可見(jiàn)光近紅外光譜數(shù)據(jù)開(kāi)展研究,發(fā)現(xiàn)土壤光譜為快速、有效、全面地測(cè)定土壤成分提供了新的途徑,可用于土壤客觀分類(lèi);Roberts等研究發(fā)現(xiàn):利用寬波段航空影像與主動(dòng)傳感器數(shù)據(jù)可提高估測(cè)有機(jī)質(zhì)含量分布圖的精度,同時(shí)可以通過(guò)考慮土壤水分含量對(duì)影像獲取時(shí)的奉獻(xiàn)及耕地0~1cm表層有機(jī)質(zhì)含量與光譜之間的關(guān)系,提高有機(jī)質(zhì)含量的估測(cè)精度。受土壤類(lèi)型復(fù)雜多樣性影響,針對(duì)利用遙感估測(cè)土壤有機(jī)質(zhì)含量研究,固然在某類(lèi)土壤(如東北黑土)獲得較好的效果,但是針對(duì)有機(jī)質(zhì)含量較低的土壤類(lèi)型(如潮土)研究相對(duì)較少且結(jié)果并不理想。潮土屬于半水成土,起源于富含碳酸鹽或無(wú)碳酸鹽的河流沖積物土,是我們國(guó)家北方主要農(nóng)業(yè)土壤之一和重要的糧棉生產(chǎn)基地,因而怎樣利用遙感技術(shù)監(jiān)測(cè)潮土土壤養(yǎng)分的空間變異具有重要意義。隨著小波變換等新算法的不斷發(fā)展與完善,怎樣利用小波分析研究估測(cè)土壤養(yǎng)分,逐步成為了當(dāng)下研究的熱門(mén)。本研究利用離散小波技術(shù)從土壤光譜數(shù)據(jù)中提取有機(jī)質(zhì)信息,并結(jié)合偏最小二乘法構(gòu)建估測(cè)土壤有機(jī)質(zhì)含量模型,研究離散小波在估測(cè)土壤有機(jī)質(zhì)含量方面的可行性。1實(shí)驗(yàn)部分1.1土壤樣本采集與處理研究區(qū)位于北京市順義區(qū)和通州區(qū),在2020年10月初夏玉米收獲后,采集了空間分布均勻的52個(gè)土壤樣品,采集深度為耕層0~20cm,將土樣置于室內(nèi),自然風(fēng)干后,研磨、過(guò)篩20目。通過(guò)以上處理后,可使土壤樣品在水分含量、土壤粒徑上相對(duì)同一,有效避免了不同含水量、不同粒徑對(duì)土壤光譜的影響。采用重鉻酸鉀容量法測(cè)定有機(jī)質(zhì)含量,其統(tǒng)計(jì)性描繪敘述如表1。【表1】1.2光譜測(cè)量將處理好的土樣按次序擺放如此圖1(a),采用美國(guó)ASD(AnalyticalSpectralDevices)研制的便攜式可見(jiàn)光近紅外光譜分析儀獲取土壤光譜數(shù)據(jù),其光譜范圍為350~2500nm,輸出光譜數(shù)據(jù)的分辨率為1nm。土壤光譜在暗室里進(jìn)行測(cè)量如此圖1(b),將土樣置于羊皮紙上,然后用直尺將外表刮平,土壤厚度保持在2cm左右。光源采用1000W的鹵光燈,可提供與垂線夾角為15的平行光束。將視場(chǎng)角為5的光纖探頭垂直置于距土樣30cm處。測(cè)量前須用白板進(jìn)行定標(biāo),然后每個(gè)土樣測(cè)10個(gè)光譜數(shù)據(jù),取其平均值為其實(shí)際的光譜數(shù)據(jù)?！緢D略】1.3光譜數(shù)據(jù)處理受環(huán)境及傳感器在不同波段的光譜響應(yīng)精度差異影響,使獲取的土壤光譜數(shù)據(jù)存在一些噪聲,十分是邊緣波段,受噪聲影響較大,故去除波段350~399和2451~2500nm。為減弱噪聲對(duì)準(zhǔn)確提取土壤信息的影響,采用長(zhǎng)度為9的海明窗低通濾波器進(jìn)行平滑處理。然后將光譜數(shù)據(jù)重采樣至5nm。1.4小波分析小波分析是基于傅里葉變換發(fā)展起來(lái)的數(shù)據(jù)分析方式方法,彌補(bǔ)了傅里葉變換僅能進(jìn)行頻率分析的缺陷,可同時(shí)開(kāi)展局部化時(shí)間和頻率分析,因而可有效地從信號(hào)中提取有益信息。小波分析為開(kāi)展多分辨率信號(hào)分析提供了一種嶄新的方式方法,當(dāng)前主要應(yīng)用于數(shù)據(jù)壓縮、噪聲去除、特征選擇、提取弱信號(hào)等。利用小波分析處理高光譜數(shù)據(jù),其時(shí)間即為光譜波段(波長(zhǎng))。土壤光譜數(shù)據(jù)經(jīng)小波處理后,可獲取低頻系數(shù)(ap-proximation,A)與高頻系數(shù)(detail,D),其分解經(jīng)過(guò)如此圖2。低頻系數(shù)保持土壤光譜的吸收特征,高頻系數(shù)則是細(xì)微信息的具體表現(xiàn)出。通過(guò)對(duì)小波函數(shù)進(jìn)行平移縮放,可將光譜數(shù)據(jù)分解為若干時(shí)頻分量和,到達(dá)細(xì)微分析光譜數(shù)據(jù)特征的目的。離散小波變換具有多尺度分析功能,可對(duì)土壤高光譜數(shù)據(jù)開(kāi)展多尺度小波變換分析,每增加一級(jí)分解,波段數(shù)減半,光譜分辨率降低一倍?！緢D2】1.5模型精度驗(yàn)證經(jīng)離散小波技術(shù)處理分析后,利用偏最小二乘法構(gòu)建有機(jī)質(zhì)含量估測(cè)模型,采用隨機(jī)抽樣法抽取35個(gè)樣點(diǎn)數(shù)據(jù)用于建模,簡(jiǎn)稱(chēng)建模組,其余17個(gè)樣點(diǎn)用于模型精度的驗(yàn)證。采用決定系數(shù)(R2)與均方根誤差(RMSE)來(lái)評(píng)價(jià)模型精度,其計(jì)算方式方法如下【2-3】式中:SOM為實(shí)測(cè)土壤有機(jī)質(zhì)含量,SOMP為估測(cè)土壤有機(jī)質(zhì)含量,SOM為實(shí)測(cè)土壤有機(jī)質(zhì)含量的均值,i為某土樣,n為土樣數(shù):n=17。2結(jié)果與討論2.1光譜分析土壤光譜經(jīng)離散小波處理后的低頻數(shù)據(jù)結(jié)果如此圖3(a),從圖中可知,低頻信息反射率隨分解級(jí)數(shù)增加而增加;土壤光譜特征隨著分解級(jí)數(shù)增加,逐步被拉伸,在分解級(jí)數(shù)為4時(shí)最大,然后逐步模糊、消失,華而不實(shí)1,2和3級(jí)分解能較好的保持土壤光譜特征;該現(xiàn)象主要是由于每增加一級(jí)分解,光譜特征波段數(shù)縮減一半,光譜分辨率降低一倍所致。圖3(b)為高頻數(shù)據(jù),由圖可知,隨著分解級(jí)數(shù)增加其高頻值迅速增加,同一級(jí)分解其高頻值的變化與相應(yīng)低頻值的變化速率相對(duì)應(yīng);高頻值的峰值與谷值位置大致一致,但又略有偏差,其原由于低頻信息的土壤光譜特征隨著分解級(jí)數(shù)而變化。2.2模型分析利用偏最小二乘回歸法構(gòu)建有機(jī)質(zhì)含量預(yù)測(cè)模型,并利用穿插驗(yàn)證法確定最佳主成分?jǐn)?shù)。提取與有機(jī)質(zhì)含量相關(guān)性較高,相距較遠(yuǎn),又具有一定代表性的特征波段介入建模。選擇該類(lèi)波段即充分利用土壤光譜信息,又避免了波段間多重線性相關(guān)的問(wèn)題。2.2.1反射率建模采用11種實(shí)用光譜處理方式方法開(kāi)展光譜分析研究,并構(gòu)建相應(yīng)估測(cè)有機(jī)質(zhì)含量模型,從中挑選出3個(gè)相對(duì)理想的估測(cè)模型進(jìn)行比照研究。其11種處理方式方法為:倒數(shù)、對(duì)數(shù)、倒數(shù)的對(duì)數(shù)、一階微分、倒數(shù)的一階微分、對(duì)數(shù)的一階微分、倒數(shù)的對(duì)數(shù)的一階微分、光譜比值(R/R930)、光譜比值(R/R(450~750))、吸收峰深度、弓曲差(Gqc)。2.2.2小波變換建?；谛〔ㄌ幚矸治龊蟮墓庾V信息,利用偏最小二乘法構(gòu)建有機(jī)質(zhì)含量估測(cè)模型如表3、表4,各模型均達(dá)到p=0.001的極顯著水平,且大多數(shù)模型的估測(cè)精度決定系數(shù)R2在0.4~0.8范圍內(nèi),均方根誤差RMSE在0.2~0.35范圍內(nèi)。從建模精度與估測(cè)精度綜合評(píng)價(jià)模型精度?；诮?jīng)小波分解后的土壤高光譜低頻信息構(gòu)建的偏最小二乘模型結(jié)果如表3:從表可看出,除3級(jí)分解外,其他各級(jí)分解構(gòu)建的模型精度較高且建模精度差異不大,但其估測(cè)精度差異明顯。僅從估測(cè)精度分析可知,基于2級(jí)分解建立的模型最優(yōu)結(jié)果如此圖4(a),其估測(cè)精度R2=0.722,RMSE=0.221;從模型精度與估測(cè)精度比照分析:分解級(jí)數(shù)為4的模型為最佳模型結(jié)果如此圖4(b),其建模R2=0.612,RMSE=0.252,估測(cè)精度R2=0.619,RMSE=0.257。整體看,最佳模型均出如今中等分解度,這是由于有機(jī)質(zhì)組成成分復(fù)雜多樣,各成分均有不同的光譜響應(yīng)范圍,假如光譜分辨率較高則不能充分利用有機(jī)質(zhì)各成分的光譜信息,而光譜分辨率較低則降低信噪比,進(jìn)而對(duì)建模產(chǎn)生負(fù)面影響。由構(gòu)建模型的特征波段知,近紅外范圍的入選波段居多,可見(jiàn)光的入選波段較少;其原由于耕地土壤有機(jī)質(zhì)主要源于農(nóng)作物遺體,由糖類(lèi)化合物、纖維素、半纖維素、含氮化合物等組成,這些成分中的CH鍵、CO鍵、NO鍵、NH等的光譜相應(yīng)區(qū)域位于近紅外區(qū)域。表4為利用土壤光譜的高頻信息構(gòu)建偏最小二乘模型結(jié)果,從表中可看出:由1級(jí)分解構(gòu)建的模型估測(cè)精度低,為無(wú)效模型,故不對(duì)其進(jìn)行分析。整體上,各分解級(jí)的建模精度無(wú)明顯差異,但其相應(yīng)估測(cè)精度間差異較為明顯。僅從估測(cè)精度分析可知,分解級(jí)數(shù)為2時(shí)最優(yōu),其R2=0.670,RMSE=0.255;由建模精度與估測(cè)精度比照分析知:2級(jí)分解構(gòu)建的模型最佳,其結(jié)果如此圖4(c),建模精度為R2=0.549,RMSE=0.271,估測(cè)精度為R2=0.670,RMSE=0.255;據(jù)此可知,利用土壤光譜經(jīng)小波分解后的高頻信息估測(cè)土壤有機(jī)質(zhì)含量時(shí),其最佳分解級(jí)數(shù)為2,即分辨率為20nm為最佳。2.4小波變換建模與光譜反射率建模的比擬從表3和表4可看出,采用小波低頻信息與高頻信息所構(gòu)建的土壤有機(jī)質(zhì)含量預(yù)測(cè)模型的建模精度較為接近,在估測(cè)精度方面表現(xiàn)為,低頻信息整體上優(yōu)于高頻信息;從估測(cè)精度分析,高頻信息所建模型的估測(cè)能力隨分解級(jí)數(shù)的增加而降低,即隨光譜分辨率降低而降低,這一規(guī)律的主要原因是由于高頻數(shù)據(jù)主要具體表現(xiàn)出土壤光譜的細(xì)節(jié)信息,隨著分解級(jí)數(shù)的增加,光譜分辨率降低,其具體表現(xiàn)出的細(xì)節(jié)信息被逐步掩蓋。土壤光譜反射率與土壤有機(jī)質(zhì)含量的回歸模型結(jié)果如表2,將其與小波變換比照分析可知:整體上,兩類(lèi)模型的建模精度差異不大。與土壤光譜反射率相比,基于小波變換低頻信息的土壤有機(jī)質(zhì)含量最佳模型的精度提高了18%,高頻信息對(duì)有機(jī)質(zhì)含量的最佳估測(cè)模型的精度提高了9.5%。3結(jié)論利用離散小波對(duì)土壤光譜數(shù)據(jù)開(kāi)展處理分析,建立基于偏最小二乘法的有機(jī)質(zhì)含量估測(cè)模型,并將小波模型與三種常用高光譜變換模型進(jìn)行比照分析得出如下結(jié)論:(1)利用小波分析技術(shù)估測(cè)土壤有機(jī)質(zhì)含量,從低頻信息角度分析,分解度為2和4時(shí),即光譜分辨率為20和80nm,其估測(cè)土壤有機(jī)質(zhì)含量精度較理想;從高頻信息分析可知,分解度為2,光譜分辨率為20nm時(shí),其對(duì)土壤有機(jī)質(zhì)含量的估測(cè)精度最高。(2)土壤光譜反射率經(jīng)小波變換后,低頻信息對(duì)有機(jī)質(zhì)含量的估測(cè)能力優(yōu)于高頻信息,且高頻信息對(duì)土壤有機(jī)質(zhì)含量的估測(cè)能力呈現(xiàn)隨分解級(jí)數(shù)增加而降低,即隨光譜分辨率降低而降低的規(guī)律。(3)小波變換分析法可提高土壤光譜對(duì)有機(jī)質(zhì)含量的估測(cè)能力,與三種常用模型相比,小波變換的低頻信息對(duì)有機(jī)質(zhì)含量的估測(cè)精度最高可提高18%,高