一種基於高光譜技術的鹼化土壤空間酸鹼度監測方法與流程

2024-02-05 10:18:15

本發明涉及一種利用高光譜技術進行鹼化土壤空間酸鹼度監測的方法,尤其是應用高光譜遙感技術快速監測野外鹽鹼化土壤空間酸鹼度的方法,屬於遙感光譜圖像定量分析的應用領域。

背景技術：

土壤鹼化通常出現在乾旱、半乾旱地區，是乾旱、半乾旱農業區最主要的土地退化問題之一。因此，快速、準確、有效的監測鹽鹼土的危害程度和空間分布狀況對於治理土壤鹽鹼化、防止土壤再退化、加速綠洲農業發展起到至關重要的作用。ph是反應土壤鹼化程度的最重要指標之一。傳統的土壤鹼化狀況是通過野外調查獲得，費時費力，而且監測站點較少，尤其是地形起伏較大的地區、無人荒漠區監測難度較大，無法揭示鹽鹼土的時空動態變化特徵，對探測土地鹼化程度、鹽鹼化防治以及乾旱、半乾旱區域的綠洲農業發展有很大的限制作用。

為了快速、有效、精準的反映土地鹼化程度，高光譜遙感成為一種新的實時監測土壤組分的技術手段，高光譜遙感不僅具有多光譜遙感的宏觀性、省時省力等特點，還具有精細的光譜分辨能力。在光譜分析過程中，可以建立可靠的定量模型對土壤ph做出準確模擬和預測。目前，對土壤光譜特性的研究已在相關技術手段幫助下得以實現，並取得較大的進展。ferenc等[ferencc.spectralbandselectionforthecharacterizationofsalinitystatusofsoils[j].remotesensingofenvironment,1993,43:231-242.]應用改進逐步主成分分析(mspca)技術，對鹽鹼化土壤光譜進行了變換處理，有效提取了鹽鹼化程度信息。domsh等[domschh,giebela.estimationofsoiltexturalfeaturesfromsoilelectricalconductivityrecordedusingtheem38[j].recisionagriculture,2004,5:389-409.]使用em38測量的ec估算土壤質地特徵。metternicht等[metternichtg,alfredzinckj.remotesensingofsoilsalinizationimpactonlandmanagement[m].newyork:crcpress,2009:63-113.]使用遙感技術檢測土壤鹽漬化狀況，並研究其在土地管理中的應用。崔耀平等[崔耀平,王讓會,劉彤,等.基於光譜混合分析的乾旱荒漠區植被遙感信息提取研究—以古爾班通古特沙漠西緣為例[j].中國沙漠,2010,30(2):334-341.]以landsat-tm影像為數據源，使用光譜混合分解模型提取了鹽鹼化地區植被屬性等信息。

研究現狀而言，雖然通過一些高光譜數據已經建立了各種土壤組分的多種預測模型，但不同方法建立模型的精度不同，對以ph為主要指標的鹼化土壤的研究以及其時空分布特徵研究分析尚不成熟。

技術實現要素：

本發明的目的在於克服現有技術的不足，提供一種基於高光譜技術的鹼化土壤空間酸鹼度監測方法。

本發明採用的技術方案為：一種基於高光譜技術的鹼化土壤空間酸鹼度監測方法，包括以下步驟：

步驟一：選取能代表當地鹽漬化狀態的典型區域，本發明的樣地土壤類型包括鹽土、沼澤土、灰漠土、灰棕漠土、潮土、風沙土、淤灌土和草甸土，地表覆蓋植被主要為典型的鹽生沙漠植物白刺、梭梭、檸條、怪柳、胡楊等。在同一個採樣區域選取地表狀況相似的5個樣點(重複試驗)，進行100cm深的土壤剖面試驗，使用鋁製環刀進行分層(5層)取樣，每份挖取土壤樣品1kg。使用手持gps儀對每個樣點的海拔和經緯度坐標進行記錄。

步驟二：將步驟一所得土樣進行自然風乾、研磨、去除砂礫、石塊和植物殘體等處理，用0.25mm孔隙的篩子進行過篩處理。將處理好的土樣分為3份：分別用於光譜分析、化學測量和保存備用。

步驟三：將步驟二所得土樣進行室內光譜分析，室內土壤樣品反射光譜的測量採用的是美國asd公司生產的fieldspec3地物光譜儀。測定波長範圍為350～2500nm，其光譜解析度分別為3nm和10nm，重採樣間隔1nm，共輸出2151個波段。實驗測量過程中配備光源50w的滷素燈，探頭視場角為5°，光源與垂直方向呈15°夾角，光源距離土壤表面30cm，探頭距離土樣表面15cm。測量在黑暗環境的實驗室進行，將步驟二的土壤填滿盛樣皿(直徑10cm、高1.5cm)中稍壓平，用直尺將表土刮勻，使其表面儘量平整，為降低土樣光譜各個方向異性的影響，測量時轉動盛樣皿3次，每次轉動90°，可以獲得土樣4個方向的光譜曲線，每個方向採集3條樣本線，每個樣品共採集12條樣本線，算術平均後得到該土樣的反射光譜數據。為了減小光線的漫反射，每次測試前需進行朗伯性漫射材料聚四氟乙烯白板標定。

步驟四：為了減小光譜測定過程中所產生的誤差，要對光譜數據進行預處理，所以對土壤樣本的原始反射光譜曲線進行消除噪音、重採樣的預處理方法，來提高兩者之間的相關性。對土壤高光譜數據進行10nm間隔的重採樣處理，共得到215個波段。光譜不同形式的變換處理能夠顯著降低測量中背景、樣品粗糙度、光照等幹擾因子所產生的影響，有助於提高光譜與ph之間的相關性。

步驟五：通過對所得土壤光譜反射率及其相關變換形式(反射率一階導數微分和倒數對數)與ph逐波段進行相關分析，得到各波段與ph之間的相關係數，根據相關分析結果，選取相關係數較大的波段，進行多元逐步線性回歸分析，建立土壤光譜反射率及一階導數微分和倒數對數與ph之間的回歸方程。選取決定係數r2和均方根誤差rmse來評價回歸方程對樣本的擬合度。

步驟六：建模使用smlr模型和plsr模型。smlr模型根據方差分析結果選取較好的自變量進入方程進行建模，能將f值較小的自變量篩除，達到最好的建模效果。plsr模型是通過將因子分析和回歸分析相結合，能解決普通多元線性回歸較難解決的問題。它通過因子分析將光譜空間數據維數降低，然後通過合理選取主成分，去掉代表幹擾組分和幹擾因素主成分，選用有效的主成分參與回歸。

步驟七：模型需要較高的r2和較低的rmse，在回歸分析中，採用方差分析法對建立的回歸模型進行評價，首先利用r2來驗證自變量與因變量之間的關係，決定係數反映了模型自身的穩定性，保證自變量和因變量之間相關性符合回歸模型允許範圍；然後利用rmse來評價測量數據偏離真實值的程度，rmse越小，r2越大，說明模型預測精度越高，模型穩健性就越好。利用以上分析方法得到的估算模型,其精度的高低及適用性如何是需要驗證的，土壤ph光譜特徵通過多元回歸分析方法與偏最小二乘回歸分析方法分別建立了各自反演模型，但須從模型的穩定性與預測能力出發，對模型進行有效檢驗。r2表示擬合優度的大小，反映了模型自身的穩定性，當決定係數較大時，說明了自變量對因變量的解釋程度較高，構建的模型較為穩定；rmse能夠較好地反映構建模型的監測能力，當總均方根誤差較小時，說明構建的模型的精度較高，其預測能力較好。

步驟八：挑選最適合的建模波段，擬合出最適模型後，利用高光譜衛星進行區域空間酸鹼度的分析與監測，能夠及時反映出空間酸鹼度的變化狀況，起全範圍空間逐時監測作用，有效彌補人工監測的不足。

有益效果：本發明以典型鹼化土壤地區新疆精河縣為研究區域，通過對其土壤高光譜數據變換形式的反射率與土壤ph進行相關分析，建立多元逐步線性回歸(smlr)模型及偏最小二乘回歸(plsr)模型，分析土壤鹼化程度和空間分布狀況，對土地質量進行評價，為土壤的綜合治理提供科學依據，在此基礎上進行拓展研究，使鹼化土壤空間酸鹼度的高光譜監測技術能夠在乾旱區和半乾旱區得到實施應用，尤其是地形起伏較大區域和無人區域能夠從無監測轉化為逐時空間監測。

附圖說明

圖1為本發明研究區示意圖。

圖2為土壤ph值與原始光譜反射率和一階導數光譜、倒數對數光譜的相關係數圖。

圖3a為根據多元線性回歸模型所得的土壤ph實測值與預測值的擬合分布圖(光譜反射率)。

圖3b為根據多元線性回歸模型所得的土壤ph實測值與預測值的擬合分布圖(反射率一階導數)。

圖3c為根據多元線性回歸模型所得的土壤ph實測值與預測值的擬合分布圖(反射率倒數對數)。

圖4a為基於偏最小二乘法回歸分析建立的模型的土壤ph實測值與預測值的擬合分布圖(光譜反射率)。

圖4b為基於偏最小二乘法回歸分析建立的模型的土壤ph實測值與預測值的擬合分布圖(反射率一階導數)。

圖4c為基於偏最小二乘法回歸分析建立的模型的土壤ph實測值與預測值的擬合分布圖(反射率倒數對數)。

具體實施方式

本發明如圖1所示，土壤樣品的ph值是由電位滴定儀測定的。表1為不同採樣地點土壤ph的統計特徵。不同樣地土壤ph含量差異較大，樣本最大值出現在樣地4，最小值出現在樣地5，測量結果如表1。

表1土壤樣本ph(0-20cm)的統計結果

如圖2可以看出，土壤ph與原始反射率在560～2490nm區域正相關，在350～560nm區域呈負相關，整體相關係數均較低(絕對值小於0.41)。反射率倒數對數與土壤ph之間的相關性曲線在350～410nm呈正相關，相關性在0.29～0.38之間，而在1610～1690nm之間呈較好的負相關，相關性在0.43左右。一階導數光譜在440nm、480nm、510nm等處與土壤ph呈較好的正相關，相關係數最高達到0.86，在1370nm、1930nm、1730nm附近呈現較好的負相關，相關係數最大達到0.81。相對於原始光譜反射率，在可見光範圍內以反射率的一階導數變換使得與ph的相關性得到顯著提高。

對土壤ph與反射光譜的不同變換形式之間進行相關分析，不同變換形式光譜與土壤ph的較大相關係數所對應波段通常作為預測土壤ph的敏感波段，故選取各形式相關係數較大的波段作為自變量，以ph值作為因變量進行多元逐步線性回歸分析，通過spss22獲得光譜反射率、光譜一階導數及倒數對數的多元逐步回歸模型如下：

(1)光譜反射率模型：

y＝8.647-4.947x360+26.761x1660-24.724x1850，其中x360、x1660、x1850分別為360-369nm、1660-1669nm、1850-1859nm的波段的算術平均數。

(2)光譜反射率一階導數模型：

y＝7.583+410.806x440+893.195x1200-111.104x1370，其中x440、x1200、x1370分別為440-449nm、1200-1209nm、1370-1379nm的波段的算術平均數。

(3)光譜反射率倒數對數模型：

y＝6.990+3.945x390+20.607x1630-23.381x1840，其中x390、x1630、x1840分別為390-399nm、1630-1639nm、1840-1849nm的波段的算術平均數。

表2土壤ph多元逐步回歸分析結果

根據多元線性回歸模型所得的土壤ph實測值與預測值的擬合分布如圖3a-3c所示，從圖中可以看出反射率一階導數模型的預測值與實測值之間的擬合精度明顯高於其他模型。分析表明，利用反射率一階導數微分建立的多元逐步線性回歸模型對土壤ph的預測效果優於反射率原型和反射率的倒數對數，r2達到0.956，均高於光譜反射率及其倒數對數的0.780、0.812，而反射率一階導數的總均方根誤差為1.108，小於反射率的0.229和倒數對數的0.214。反映了土壤ph的實測值與預測值的偏差較小，更說明了反射率的一階導數變換形式的多元回歸模式具有相對較強的預測能力。

基於偏最小二乘法回歸分析建立的模型的土壤ph實測值與預測值的擬合分布如圖4a-4c所示，選取相關係數較大的波段作為自變量，以土壤ph值作為因變量進行偏最小二乘法回歸分析，建立光譜反射率、反射率一階導數及反射率倒數對數的偏最小二乘法回歸分析模型，模型的精度評價指標如表3所示。從圖中可以看出利用反射率建立的模型優於反射率倒數對數和反射率的一階導數微分，決定係數r2達到了0.964，均高於光譜反射率倒數對數及其一階導數微分的0.958、0.914，而反射率的總均方根誤差為0.194，小於反射率率倒數對數的0.210和反射一階導數的0.294。反映了土壤ph的實測值與預測值的偏差較小，說明直接使用反射率就可以達到很高的預測效果，也就是反射率的偏最小二乘回歸模式具有相對較強的預測能力。

表3土壤ph偏最小二乘法回歸分析結果

根據反射率、反射率一階導數及反射率倒數對數，分別建立土壤ph的多元逐步線性回歸模型及偏最小二乘回歸模型，兩者均能較好建立預測模型。在土壤ph多元逐步線性回歸中，反射率一階導數所建立的模型預測精度最好，決定係數達0.956，且總均方根誤差為最小的0.108，說明反射率一階導數建立的多元回歸模型可以較穩定的預測土壤ph，且精度較高；而在土壤ph偏最小二乘回歸分析中，反射率模型的決定係數高達0.964，總均方根誤差為最小的0.194，這說明反射率模型具有很強的預測能力以及較高的預測精度。偏最小二乘回歸分析中建立的三個模型的決定係數處於0.914～0.964之間，其總均方根誤差處於0.194～0.294之間，其穩定性以及預測精度都優於多元線性回歸模型，故反射率所建立的偏最小二乘回歸模型可以更好預測土壤ph值，更好的監測土壤鹼化程度。

土壤鹼化是個高度動態的過程，特別是乾旱、半乾旱地區，因此土壤鹽鹼化造成的環境問題日益嚴重。因此快速、有效、精準的對土壤鹼化程度進行實時監測對於研究區以及鹽鹼化嚴重地區的農業發展有著重大意義。但由於地區鹼性差異，不同地區土壤ph值存在差異性，本發明研究所得偏最小二乘回歸模型更適用於鹼化土壤空間酸鹼度的研究，可根據研究所擬合方程進行高光譜衛星區域空間酸鹼度預測與分析，做到土壤空間酸鹼度逐時監測，彌補人工監測在地形起伏較大區域和無人區域無監測的缺失，但是否同樣適用於其他地區、其他土壤以及其他土壤組分還需使用本發明所提方法實地驗證之後才能得出結論。

應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。本實施例中未明確的各組成部分均可用現有技術加以實現。