基于高光譜數(shù)據(jù)的土壤有機質(zhì)含量研究

研究方法：

1. 數(shù)據(jù)收集：利用高光譜相機或傳感器獲取土壤的高光譜數(shù)據(jù)。這些數(shù)據(jù)涵蓋了土壤在可見光到近紅外波段的反射或吸收特性。

2. 光譜預(yù)處理：對收集到的高光譜數(shù)據(jù)進(jìn)行預(yù)處理，包括噪聲去除、光譜平滑、基線校正等，以提高數(shù)據(jù)質(zhì)量。

3. 特征提取：通過分析土壤光譜曲線的形狀、吸收峰、反射峰等特征，提取與土壤有機質(zhì)含量相關(guān)的敏感波段或特征波長。

4. 建模與驗證：利用化學(xué)計量學(xué)方法或機器學(xué)習(xí)算法，建立土壤有機質(zhì)含量與提取的光譜特征之間的定量模型。這個模型可以根據(jù)土壤的光譜數(shù)據(jù)預(yù)測其有機質(zhì)含量。對模型進(jìn)行訓(xùn)練和驗證，評估模型的預(yù)測精度和穩(wěn)定性。

【本研究切入點】研究有關(guān)土壤特征參量的光譜指數(shù)是為了減弱背景、大氣散射對室外采集高光譜數(shù)據(jù)的影響和提高不同吸收特征的靈敏度，對土壤光譜數(shù)據(jù)進(jìn)行敏感波段選擇所獲得較好的診斷指數(shù)與土壤有機質(zhì)、含水量、全氮、全磷、全鉀含量進(jìn)行相關(guān)分析，建立快速估算土壤特征參量的數(shù)學(xué)模型。盡管國內(nèi)外對于土壤的物理化學(xué)參數(shù)的估算研究己有很多，然而這些研究多是針對當(dāng)?shù)仡愃频耐寥蕾|(zhì)地的土壤特性進(jìn)行研究的，當(dāng)這些模型應(yīng)用于別的地區(qū)時，則產(chǎn)生很大的誤差。目前，基于高光譜遙感技術(shù)在新疆及兵團農(nóng)區(qū)的有關(guān)土壤理化參數(shù)的反演研究少有報道。【擬解決的關(guān)鍵問題】研究利用土壤光譜估算土壤有機質(zhì)及主要養(yǎng)分含量，為探索適合新疆特色的精準(zhǔn)農(nóng)業(yè)管理模式下農(nóng)田土壤養(yǎng)分分區(qū)管理、推薦施肥技術(shù)研究提供參考，對進(jìn)一步推動在“3S”技術(shù)支持下的新疆及兵團精準(zhǔn)農(nóng)業(yè)的實施，具有十分重要的意義。

1 材料與方法

1.1 材料

土壤有機質(zhì)含量的光譜分析與建模試驗于2012～2013年在新疆農(nóng)墾科學(xué)院試驗地(N45°20',E86°40')進(jìn)行，面積為1hm2,平均海拔450.8m,年平均氣溫在6.5～7.2℃,年降水量為125.0～207.7 mm,無霜期為168～171d,≥0℃的活動積溫為4023～4118℃,≥10℃的活動積溫為3570～3729℃。試驗地供試土壤為灰色壤土，pH值8.46～8.72,有機質(zhì)含量13.8～21.6g/kg、堿解氮66～144mg/kg,有效

磷14.2～36.6 mg/kg,速效鉀110～218 mg/kg,試驗地前茬為棉花。

1.2 方法

1.2.1 土壤光譜測試

研究采用美國ASD公司Field Spec Pro VNIR2500型光譜輻射儀測定目標(biāo)地物反射光譜，光譜范圍350～2500nm,光譜分辨率在350～1000nm區(qū)間為3nm,1000～2500 nm區(qū)間為10 nm,波長精度為1nm;測定速度固定掃描時間為0.1s。光譜測定方法：選擇晴朗無云之日，于上午11:30～14:00測定新疆農(nóng)墾科學(xué)院五個試驗區(qū)100個樣本點。土壤光譜測試點選擇GPS定位取樣所對應(yīng)的樣本點測試。野外光譜測試時設(shè)定視場角為25°,探測器頭部垂直向下距被測土壤表面約100 cm,每個處理測定10～15條曲線(取其平均值作為該測試點的光譜反射值),光譜曲線掃描設(shè)定時間0.2s。測量前、后都立即進(jìn)行白板校正。

1.2.2 土壤室內(nèi)測定

土壤理化指標(biāo)的測定采用《土壤農(nóng)業(yè)化學(xué)分析方法》[7]、《土壤農(nóng)化分析》[1測定和提取分析土壤化學(xué)指標(biāo)信息，具體方法略{l7-18]。

1.2.3 高光譜分析技術(shù)

1.2.3.1 基于光譜特征位置變量的分析技術(shù)

基于光譜特征位置變量的分析技術(shù)是根據(jù)波長變化量或相應(yīng)的參數(shù)變量(自變量)與生物物理和生物化學(xué)參量(因變量)的關(guān)系來估計因變量的，一般是通過高光譜數(shù)據(jù)進(jìn)行某種變換(如求導(dǎo)、求對數(shù)等)來尋找光譜的特征位置，也可直接通過高光譜數(shù)據(jù)來尋找這些特征位置。

1.2.3.2 高光譜參數(shù)及提取

為了探究目標(biāo)物吸收反射光譜的特征，便于對目標(biāo)物進(jìn)行光譜匹配和混合光譜分解，以解釋目標(biāo)物光譜特征的物理學(xué)、生物化學(xué)、土壤學(xué)和植物生理學(xué)的機理，進(jìn)而求得目標(biāo)物的生物物理和生物化學(xué)參數(shù)，常常需要提取目標(biāo)物光譜的一些參數(shù)，以這些參數(shù)來鑒別目標(biāo)物的各組分及模擬、反演它的生物物理、化學(xué)參數(shù)；常見的高光譜參數(shù)有各類高光譜指數(shù)、各類高光譜數(shù)據(jù)變換形式(如對數(shù)變換、微分變換)構(gòu)建的光譜參數(shù)、光譜吸收指數(shù)等[19]。

2結(jié)果與分析

2.1 土壤有機質(zhì)的高光譜遙感估算模型的建立

研究選取歸一化光譜指數(shù)與不同有機質(zhì)含量土壤試驗樣本(n=25)在紅光范圍的反射率組合NDI

[495,485]值，以NDI為自變量，有機質(zhì)含量為因變量建立了線性和非線性的6種預(yù)測模型，用歸一化光譜指數(shù)NDI預(yù)測土壤有機質(zhì)含量的6種估計模型中，一元三次函數(shù)模型的復(fù)相關(guān)系數(shù)(R2=0.7132)最高，其次是一元二次函數(shù)和簡單線性函數(shù)模型的復(fù)相關(guān)系數(shù)(R2=0.6166、R2=6056)也較高，冪函數(shù)模型的復(fù)相關(guān)系數(shù)(R2=0.5638)最低。研究說明，通過采用不同的數(shù)學(xué)模型方程，選取有較高的R值的回歸模型，可以較好估計土壤有機質(zhì)含量。通過研究認(rèn)為，用歸一化光譜指數(shù)NDI預(yù)測土壤有機質(zhì)含量是可行的，有機質(zhì)含量與歸一化光譜指數(shù)NDI成較好的一元三次函數(shù)關(guān)系：

2.2 基于NDI預(yù)測土壤有機質(zhì)含量擬合模型的檢驗

用歸一化光譜指數(shù)NDI建立的6種預(yù)測土壤有機質(zhì)的模型中對于驗證樣本(n=25)的估算具有不同的效果。六者相比，以冪函數(shù)、指數(shù)函數(shù)和對數(shù)函數(shù)建立的模型方程預(yù)測結(jié)果偏低；以一元三次函數(shù)建立的估算模型方程預(yù)測效果最好，其預(yù)測值與實測值的復(fù)相關(guān)系數(shù)最高為0.7132,且均方根差RMSE較其他模型最小為1.1795,說明此方程的估計精度高，通過此方程可以較精確的估算出土壤有機質(zhì)含量。表1

3 討論

通過歸一化光譜指數(shù)NDI建立了估算土壤有機質(zhì)含量的高光譜遙感監(jiān)測模型，并對所建立的各類模型進(jìn)行了精度檢驗和評價。

基于NDI預(yù)測土壤有機質(zhì)含量的估算模型中，均達(dá)到a<0.01的極顯著水平；并以一元三次函數(shù)模型(Ysow=-4E+07X3+2E+06X2-21338Xx+110.44,R2=0.7132)為最優(yōu)，指數(shù)函數(shù)的模型次之。

4 結(jié)論

系統(tǒng)地研究不同類型土壤特性與其光譜反射率之間的關(guān)系，有利于土壤類型識別；建立快速獲取和診斷土壤特征參量的遙感估算模型，為實施精準(zhǔn)農(nóng)業(yè)管理中精準(zhǔn)監(jiān)測環(huán)節(jié)的迫切需求提供技術(shù)手段；最終實現(xiàn)土壤水分、養(yǎng)分含量空間分布狀況的快速、準(zhǔn)確獲取，為探索適合新疆特色的精準(zhǔn)農(nóng)業(yè)管理模式的農(nóng)田土壤養(yǎng)分分區(qū)管理研究提供參考。

新疆是中國最適宜實施遙感技術(shù)和精準(zhǔn)農(nóng)業(yè)的地區(qū)，生態(tài)氣候條件獨特、規(guī)模化種植、機械化水平高的有利條件，為高光譜遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用提供了一個良好的平臺。近年來，新疆及兵團精準(zhǔn)農(nóng)業(yè)取得了長足的進(jìn)展，已在農(nóng)業(yè)生產(chǎn)中逐步建立了精準(zhǔn)技術(shù)體系，并取得了巨大的經(jīng)濟效益。但是，精準(zhǔn)監(jiān)測技術(shù)至今仍是新疆及兵團精準(zhǔn)農(nóng)業(yè)中的薄弱環(huán)節(jié)。因此，發(fā)展支持"精準(zhǔn)農(nóng)業(yè)"的高光譜分辨率遙感技術(shù)快速獲取土壤信息的研究，無疑將在精準(zhǔn)監(jiān)測中有關(guān)土壤信息的提取方面發(fā)揮積極作用。

需要注意的是，基于高光譜數(shù)據(jù)的土壤有機質(zhì)含量研究仍面臨一些挑戰(zhàn)，如光譜數(shù)據(jù)的變異性、土壤表面的非均質(zhì)性等。因此，在實際應(yīng)用中，需要結(jié)合地面實況數(shù)據(jù)和其他輔助信息，進(jìn)一步提高模型的預(yù)測能力和可靠性。