可見-近紅外光譜的濱海土壤“除水”鹽分估測

楊 晗， 曹見飛， 王召海， 吳泉源

山東師范大學(xué)地理與環(huán)境學(xué)院， 山東 濟(jì)南 250014

引 言

部分沿海中輕度鹽漬化土壤經(jīng)整治可變更為耕地， 其改良和治理對耕地保護(hù)的意義重大[1]。 濱海鹽堿區(qū)位于水陸交替的過渡帶， 具有獨(dú)特而敏感的生態(tài)系統(tǒng)[2]。 該地區(qū)土壤資源豐富， 但鹽漬化問題嚴(yán)重， 土壤鹽分的及時監(jiān)測是保護(hù)生態(tài)環(huán)境， 實現(xiàn)濱海鹽堿區(qū)資源合理利用的有效途徑[2]。

可見光近紅外(visible and near-infrared, Vis-NIR)光譜技術(shù)以其快速、 無損且經(jīng)濟(jì)高效的優(yōu)勢， 在土壤鹽分估測和鹽漬化監(jiān)測中得到廣泛應(yīng)用[3]。 水分作為土壤的重要組成部分， 是幾乎不可避免的光譜干擾因素， 對土壤反射率存在非線性影響[4]。 隨著水分含量的上升， 土壤顆粒表面的水膜厚度將會增加， 從而改變土壤的反射特性， 導(dǎo)致反射率降低[3]。 對于風(fēng)干土壤而言， 水分對反射率的影響并不顯著， 甚至可以忽略不計[5]。 因此多數(shù)研究表明， 利用Vis-NIR光譜估測土壤鹽分含量， 對實驗室可控環(huán)境下的烘干土壤[5]或是干燥地區(qū)(如干旱半干旱地區(qū))含水率較少的土壤更為適用[6]。 濱海鹽堿區(qū)土壤的高水分含量將掩蓋由土壤鹽分引起的光譜變化[3]， 同時土壤水分的高變異性特征， 也在一定程度上限制了鹽漬土光譜的研究， 降低了Vis-NIR光譜定量估測土壤鹽分的準(zhǔn)確性。

近些年， 已提出了多種減輕光譜數(shù)據(jù)集中受噪聲干擾的方法， 大多集中在弱化土壤水分的影響上。 “分類校準(zhǔn)”是構(gòu)建定量估測模型， 提高土壤屬性估測精度的常用策略。 例如， 采用多因子判別分析(factorial discriminant analysis, FDA)[7]或歸一化土壤濕度指數(shù)(normalized soil moisture index, NSMI)[8]， 將濕土光譜分類為不同的水分組， 通過逐類別建模， 實現(xiàn)土壤屬性估測。 該方法對水分高變異性的土壤而言， 選擇分類梯度實現(xiàn)不同水分組樣本均勻分布的難度較大， 且逐類建模的復(fù)雜性較高。 光譜轉(zhuǎn)換和濾波算法可分別通過矩陣轉(zhuǎn)換以及矩陣正交， 最大程度剔除光譜干擾[9]。 分段直接標(biāo)準(zhǔn)化(piecewise direct standardization, PDS)的光譜轉(zhuǎn)換方法， 作為直接標(biāo)準(zhǔn)化(direct standardization, DS)的簡化版， 通過不同窗口大小內(nèi)的相鄰波長實現(xiàn)光譜標(biāo)準(zhǔn)化， 以校正噪聲影響的光譜[10]； 正交信號校正(orthogonal signal correction, OSC)是基于矩陣正交理論的光譜濾波算法， 通過光譜矩陣和濃度矩陣正交， 濾除因噪聲干擾引起的波長偏移， 保留與土壤屬性有關(guān)的信息， 從而提高Vis-NIR光譜估測精度[11]。 PDS和OSC被認(rèn)為是有效減輕土壤水分干擾， 實現(xiàn)光譜校正的方法， 且受高變異水分的影響較弱， 具有一定普適性。 偏最小二乘回歸(partial least square regression, PLSR)是Vis-NIR建模的常用方法[12]， 故利用PDS和OSC與PLSR相結(jié)合的建模策略， 以減弱高變異性土壤水分對Vis-NIR光譜的干擾， 提高濱海鹽堿區(qū)土壤鹽分估測精度。

變量投影重要性(variable importance in projection, VIP)是探究模型潛在機(jī)理的常用方法， VIP值作為評估變量重要性的指標(biāo)， 廣泛應(yīng)用于土壤重金屬[12]， 有機(jī)質(zhì)[13]以及土壤鹽分[6]估測過程中重要波長的識別。 Spearman相關(guān)系數(shù)是分析土壤屬性與光譜特征間相關(guān)性的常用方法， 相關(guān)性高的波長， 同樣被認(rèn)為是相應(yīng)的重要波長。 為加深對土壤鹽分估測過程中重要波長的理解， 采用Spearman相關(guān)系數(shù)和VIP相結(jié)合的方法， 進(jìn)一步解釋模型估測機(jī)理。

采用PDS和OSC與PLSR相結(jié)合的策略， 建立濱海鹽堿區(qū)高變異水分條件下“除水”Vis-NIR土壤鹽分估測模型。 主要的目標(biāo)有： (1)通過光譜分析， 探究土壤鹽分和水分對土壤光譜的影響規(guī)律； (2)基于一階導(dǎo)數(shù)光譜， 建立PDS光譜轉(zhuǎn)換后的PDS-PLSR模型和OSC濾波后的OSC-PLSR模型， 評估PDS和OSC方法提高水分干擾下模型估算精度的潛力； (3)結(jié)合Spearman相關(guān)系數(shù)和VIP探究受水分干擾的土壤鹽分估測模型機(jī)理， 為“除水”模型推廣提供理論基礎(chǔ)。

1 實驗部分

1.1 樣本采集

研究區(qū)設(shè)在黃河三角洲濱海鹽堿區(qū)(37°37′—37°46′N， 118°42′—118°49′E)， 該地屬溫帶大陸性季風(fēng)氣候， 年平均氣溫和降水量分別為11.7～12.6 ℃和530～630 mm。 土壤類型為潮土、 鹽土和新積土三個土類， 隨著土壤中水分的蒸發(fā)， 鹽分極易上升地表， 形成鹽漬土[14]。

實驗于2018年10月23日至27日進(jìn)行， 此時采樣區(qū)表面蒸發(fā)量大于降水量， 土壤鹽分普遍增加。 結(jié)合Landsat影像， 在該地主要土地利用類型耕地、 草地和未利用地上， 分別設(shè)置密度小于1 km的67， 45和32個采樣點共144個(圖1)。 使用GPS接收器記錄采樣點坐標(biāo)。 為減少空間分布不均勻造成的誤差， 根據(jù)網(wǎng)格采樣法， 使用木鏟采集20 m半徑內(nèi)的五個表層土壤(0～20 cm)。 在剔除根組織、 草和葉等植物殘留， 充分混合后得到約1 kg的土壤樣本， 并全部移至實驗室烘干， 壓碎， 過2 mm篩， 制備1∶5土水比浸提液， 測定土壤鹽分含量。

圖1 采樣區(qū)土壤樣點分布

1.2 光譜測定及預(yù)處理

17個建模集土壤樣本用于實驗室控制實驗， 共設(shè)計10個含水率梯度(0%， 1%， 5%， 10%， 15%， 20%， 25%， 30%， 40%和50%)。 127個驗證集土壤樣本用于隨機(jī)驗證實驗， 根據(jù)1～50隨機(jī)數(shù)整數(shù)設(shè)計隨機(jī)含水率。 實驗容器使用半徑3 cm， 深度1 cm的鋁制圓盒。 將土壤烘干至恒重， 壓碎， 過2 mm篩子。 往鋁制圓盒中加入高度約0.5 cm的土壤樣本， 并記錄土壤重量(精確到0.1 mg)。 距土壤表面中心上方1 cm， 使用滴管向土壤中添加不同重量的水。 將鋁盒密閉靜置在暗室中6個小時， 保證土樣恒重。 再次測量容器總重量， 減去先前的重量即可得出土壤中水的準(zhǔn)確重量。 使用以下公式計算土壤含水率(重量含水量)

(1)

式(1)中，SW是土壤含水率，mw是含水土壤樣本的質(zhì)量，mg是烘干土壤樣本的質(zhì)量。

土壤反射光譜使用ASD Field Spec3地物光譜儀(Analytical Spectra Devices， USA)在暗室中測得。 將兩個50 W的鹵素?zé)粼O(shè)置在距地面50 cm處， 作為唯一且穩(wěn)定的光源。 以45°的照明天頂角， 在每個土壤樣本表面10 cm的垂直高度上獲取10條光譜曲線， 取算術(shù)平均值作為該土樣實際反射光譜數(shù)據(jù)。 使用ViewSpec 6.2軟件(Analytical Spectra Devices， USA)對光譜進(jìn)行一階導(dǎo)數(shù)變換， 以增強(qiáng)信噪比(SNR)銳化光譜特征。

1.3 “除水”模型建立與驗證

PDS通過校正“主”儀器向“從”儀器傳遞的光譜， 實現(xiàn)“主”儀器上所建模型在“從”儀器上的應(yīng)用并估測“從”儀器光譜[10]。 本研究中“主”對應(yīng)干燥土壤光譜， “從”對應(yīng)不同含水率的土壤光譜。 為確保PDS轉(zhuǎn)換過程中不會對噪聲建模， 測試了不同窗口大小的校正效果， 結(jié)果所得PDS的最佳窗口大小為5。 OSC通過矩陣正交的數(shù)學(xué)方法， 濾除自變量光譜矩陣中與因變量(土壤鹽分)無關(guān)的光譜信息， 達(dá)到簡化模型， 提高模型估測能力的目的[11]。

1.4 模型估測機(jī)理分析

為探究土壤鹽分“除水”模型估測機(jī)理， 采用Spearman相關(guān)系數(shù)分析光譜與土壤鹽分之間的相關(guān)性， 并利用VIP識別土壤鹽分估測的最佳因子， 即估測模型中的重要波長[13]。 VIP得分大于1且相關(guān)系數(shù)值越接近1的波長， 即土壤鹽分估測的重要波長與土壤鹽分高相關(guān)性波長吻合， 則該波長視為對“除水”估測模型有重要意義的波長。 Spearman相關(guān)系數(shù)在SPSS 24(IBM， USA)件中計算， VIP值使用SIMCA 16軟件(Sartorius Stedim Data Analytics AB， SE)計算。

2 結(jié)果與討論

2.1 鹽分影響下的土壤光譜

包含144個樣本的總樣本集土壤含鹽量在0.56～35.87 g·kg-1之間， 平均值為3.51 g·kg-1， 標(biāo)準(zhǔn)差為6.22 g·kg-1。 建模集(17個土壤樣本)土壤含鹽量在0.56～34.66 g·kg-1之間， 平均值和標(biāo)準(zhǔn)差分別為4.49和4.1 g·kg-1。 驗證集(127個土壤樣本)土壤含鹽量在0.78～35.87 g·kg-1之間， 平均值和標(biāo)準(zhǔn)差分別為3.47和6.34 g·kg-1。

采樣區(qū)的主要可溶性鹽是NaCl和MgCl2， 其中MgCl2作為高度吸濕鹽， 可吸收環(huán)境中的水蒸氣， 使土壤樣本中的水分含量增加， 導(dǎo)致反射率降低[15]。 不同含鹽量的干土光譜曲線如圖2所示。 在整個波長范圍內(nèi)， 光譜反射率隨著鹽分的增加逐漸降低。 不同鹽分的光譜曲線變化趨勢相似， 突出特征出現(xiàn)的位置基本一致。 具體來說， 光譜曲線肩部在800和2 350 nm波段， 吸收特征在1 410， 1 940和2 210 nm附近。 在到達(dá)第一個吸收特征(1 410 nm)前， 反射率均隨波長的增加逐漸上升， 光譜間的差異相對較小。 在之后的1 401～2 498 nm光譜區(qū)域， 反射率在0.35～0.5的范圍內(nèi)波動， 曲線的“峰”和“谷”位置相對穩(wěn)定。 13.3和22.72 g·kg-1鹽分光譜在800 nm之前沒有明顯區(qū)別。 800 nm之后， 特別是在1 940 nm吸收特征之后的波長域上， 鹽分引起的光譜變化逐漸顯著。 在800～1 382 nm的波長范圍內(nèi)， 低鹽分含量的反射率低于高鹽分的反射率。 相反， 1 410～2 498 nm波長范圍內(nèi)， 低鹽分含量的反射率高于高鹽分的反射率， 且差異增大。

圖2 不同含鹽量的干土平均反射率

2.2 水分和鹽分共同影響下的土壤光譜

不同含水率(1%～50%)鹽漬土(土壤鹽分接近35 g·kg-1)的平均反射率如圖3所示。 土壤鹽分和水分共同影響下的反射光譜， 同樣存在1 410， 1 940和2 210 nm附近的吸收特征， 以及800和2 350 nm的肩部特征。 水分放大了1 410和1 940 nm的兩個強(qiáng)吸收特征， 位于1 410 nm的吸收中心波長隨含水率增加， 不斷向更長的波長偏移。 位于2 210 nm的吸收特征和800和2 350 nm的肩部特征在逐漸消失， 這主要是O—H和H—O—H的共同作用所導(dǎo)致的[5]。

圖3 不同含水率的鹽漬土(土壤鹽分接近35 g·kg-1)平均反射率

干土的含水率在增加到40%的過程中， 整個光譜域上的光譜反射率持續(xù)降低。 降低趨勢在長波長處更為明顯， 這是由于長波長(>1 400 nm)對水的強(qiáng)烈吸收， 水分對光譜造成了更多影響[8]。 水分對1%和5%較低含水率的光譜影響不大， 反射率僅小幅(小于0.1)降低。 當(dāng)含水率從5%增加到10%， 15%， 20%和25%， 整個波長范圍內(nèi)的反射率急劇下降， 在25%～40%含水率之間， 反射率降低速度減緩， 這主要因為土壤逐步從干土變?yōu)闈裢粒?吸附作用到毛細(xì)作用的轉(zhuǎn)化基本完成[3]， 光譜對水分變化的敏感程度減弱。 當(dāng)含水率進(jìn)一步升至50%， 反射率從下降轉(zhuǎn)為上升， 在1 410 nm前上升幅度更大。 根據(jù)Liu等的研究結(jié)果， 此時已到達(dá)土壤“臨界含水率”， 土壤孔隙中的水含量開始飽和[16]。

2.3 光譜轉(zhuǎn)換和濾波后的土壤鹽分估測模型

圖4 含水條件下的土壤鹽分估測模型

值得注意的是， PDS似乎沒有表現(xiàn)出令人滿意的弱化水分干擾的效果， PDS-PLSR建模后的估測精度不如PLSR， 可能的原因主要在兩方面。 一方面， 水分對土壤光譜影響的非線性關(guān)系， 一般可用指數(shù)模型描述[4]。 PDS基于線性假設(shè)函數(shù)[10]， 完成“從”光譜(不同含水率光譜)向“主”光譜(干燥光譜)的傳遞， 這種非線性關(guān)系定性為線性后的光譜轉(zhuǎn)換， 存在波長偏移； 另一方面， 在PDS的轉(zhuǎn)換過程中可能會去除某些特定的光譜特征[10]， 從而剔除或減弱了部分有效的光譜反射， 造成模型估測結(jié)果不理想。 相比PDS， OSC算法可在不丟失有用信息的基礎(chǔ)上， 刪除與土壤屬性不相關(guān)(正交)的光譜信息[13]， 從而有效處理被水分掩蓋的土壤鹽分信息。 OSC-PLSR模型提高了土壤鹽分定量估測的精度。 總結(jié)來說， 三種模型均能實現(xiàn)土壤鹽分估測， 估測性能OSC-PLSR>PLSR>PDS-PLSR。

2.4 土壤鹽分估測模型機(jī)理分析

顯著性水平為0.01的Spearman相關(guān)系數(shù)(r)曲線以及VIP 大于1的區(qū)域分布如圖5所示。 一階導(dǎo)數(shù)光譜與土壤鹽分的r介于-0.6～0.5之間， 除了830， 1 940和2 050 nm波長附近的相關(guān)性較高(|r|>0.4)外， 其余波長域上的r均在-0.2～0.2上下波動， 且相關(guān)曲線的“峰”和“谷”特征較弱。 PDS對光譜的校正作用并不明顯， 相關(guān)系數(shù)曲線與一階導(dǎo)數(shù)光譜相似，r同樣介于-0.6～0.5之間。 OSC濾波后的光譜對土壤鹽分的敏感性有所提升，r介于-0.8～0.7之間。 同時， OSC有效弱化了水分對1 410， 1 500以及2 100nm附近光譜的干擾， 擴(kuò)大了“峰”和“谷”特征處的高相關(guān)性光譜區(qū)間。 在VIP 大于1的灰色區(qū)域內(nèi)， 可觀察到土壤鹽分估測的重要波長。 與一階導(dǎo)數(shù)光譜相比， PDS轉(zhuǎn)換后的重要波長分布更加分散， 似乎包含了更多的冗余信息[13]， 相反， OSC濾波后的重要波長分布更加集中和連續(xù)。

圖5 在(a) PLSR； (b) PDS-PLSR； (c) OSC-PLSR模型中的變量投影重要性(VIP)以及土壤光譜與鹽分之間的Spearman相關(guān)系數(shù)曲線(a)一階導(dǎo)光譜數(shù)； 基于一階導(dǎo)數(shù)光譜的(b) PDS轉(zhuǎn)換和(c) OSC濾波

VIP與Spearman相關(guān)系數(shù)結(jié)合來看， 三種模型具有大致相同的重要波長。 具體來說， 均保留了830 nm附近與土壤鹽分中的陽離子(Na+， Mg2+等)和振動基團(tuán)(Cl-等)有關(guān)[17]的光譜特征， 均減輕了水中—OH基團(tuán)[13]對1 940和2 050 nm附近光譜的干擾。 三種模型在830， 1 940和2 050 nm附近光譜域上實現(xiàn)了敏感波長(|r|>0.4)與重要波長(VIP>1)的吻合， 均可用于土壤鹽分估測。 與常規(guī)的PLSR和基于PDS的PLSR模型相比， OSC-PLSR更精確的提煉了對土壤鹽分估測有重要意義的波長， 進(jìn)一步證明了模型OSC-PLSR>PLSR>PDS-PLSR的土壤鹽分估測性能。

3 結(jié) 論

通過嚴(yán)格加水控制實驗和隨機(jī)驗證實驗， 研究水分對濱海含鹽土壤光譜的影響規(guī)律， 探究了PDS和OSC減輕濱海土壤鹽分估測模型中水分干擾的潛力， 并利用Spearman相關(guān)系數(shù)和VIP得分分析了土壤鹽分估測模型機(jī)理。 得出以下結(jié)論：

(1)土壤中的鹽分和水分對光譜吸收特征1 410， 1 940和2 210 nm附近波長的影響相似。 水分引起的反射率降低與土壤鹽分引起的光譜變化重疊， 從而降低了土壤鹽分估測準(zhǔn)確性；

(3)位于830， 1 940和2 050 nm附近的波長(VIP>1)與土壤鹽分顯著相關(guān)的敏感波長(|r|>0.4)吻合程度， 是含水條件下模型估測鹽分的關(guān)鍵。 相比PLSR和PDS-PLSR模型， OSC-PLSR更能有效“除水”提高模型估測精度， 主要機(jī)理在于OSC-PLSR更精確的提煉了以上對土壤鹽分估測有重要意義的波長。 變量投影重要性(VIP)和Spearman相關(guān)系數(shù)(r)結(jié)合的分析策略成功解釋了模型有效“除水”的原因， 為其推廣提供理論基礎(chǔ)。