趙雋宇 石媛媛 覃祚玉 潘波 黃小芮 唐健

摘要 以桂北桉樹人工林紅壤為研究對象，測定了不同土壤速效鉀含量樣品的光譜數(shù)據(jù)，分析其光譜特征，采用PLS法建立反演模型。結(jié)果表明：該區(qū)域紅壤速效鉀含量的光譜敏感波段集中于400～600、1 450、2 200 nm等區(qū)域。經(jīng)過一階導(dǎo)數(shù)變換后，能顯著減少原始光譜數(shù)據(jù)中的冗余信息，提高光譜指標(biāo)與土壤速效鉀含量之間的相關(guān)性。R、FDR 2種光譜指標(biāo)的全波段建模結(jié)果均優(yōu)于顯著性波段的建模結(jié)果，最優(yōu)模型為全波段-FDR-PLS，模型R2=0.86 RMSE=2.718。該研究結(jié)果可為廣西土壤數(shù)字制圖、精準(zhǔn)變量施肥以及土壤速效鉀實時監(jiān)測等近地遙感推廣應(yīng)用服務(wù)。

關(guān)鍵詞 可見-近紅外光譜;近地遙感;線性模型;人工林;土壤信息

中圖分類號 S 714.8? 文獻(xiàn)標(biāo)識碼 A

文章編號 0517-6611（2021）21-0154-03

doi：10.3969/j.issn.0517-6611.2021.21.037

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Hyperspectral Inversion Model of Available Potassium Content in Red Soil of Eucalyptus Plantation in Northern Guangxi

ZHAO Juan-yu? SHI Yuan-yuan? QIN Zuo-yu 2 et al

（1.Guangxi Zhuang Autonomous Region Forestry Research Institute，Nanning，Guangxi 530002; 2.Guangxi Research and Development Center for New Forestry Fertilizer，Nanning，Guangxi 530002）

Abstract Taking red soil of eucalyptus plantation in northern Guangxi as the research object，the spectral data of different soil available potassium content samples were measured，the spectral characteristics were analyzed，and the inversion model was established by using PLS method.The results showed that the spectral sensitive bands of available potassium content mainly concentrated in the region of 400-600，1 450，2 200 nm and so on.After the first derivative transformation，the redundant information in the original spectral data can be significantly reduced，and the correlation between spectral indexes and soil available potassium content can be improved.The full-band modeling results of R and FDR were better than those of significant bands.The optimal model was full-band FDR-PLS，R2=0.862 and RMSE=2.718.The results can be used for the application of near-ground remote sensing in Guangxi，such as soil digital mapping，precise variable fertilization and real-time monitoring of soil available potassium.

Key words Visible-near-infrared spectroscopy;Near-earth remote sensing; Linear model;Plantation;Soil information

基金項目

廣西優(yōu)良用材林資源培育重點實驗室自主課題資助項目（2020-A-04-01）;廣西創(chuàng)新驅(qū)動發(fā)展專項資金項目課題（桂科AA17204087-11）。

作者簡介 趙雋宇（1994—），男，廣西南寧人，工程師，碩士，從事土壤環(huán)境與遙感信息技術(shù)研究。*通信作者，教授級高級工程師，博士，從事土壤環(huán)境質(zhì)量研究。

收稿日期 2021-03-15

土壤中的鉀元素是植物生長發(fā)育所必需的大量養(yǎng)分元素，其含量的高低也是衡量土壤向地上植物持續(xù)供應(yīng)鉀的能力[1]。在人工林生產(chǎn)經(jīng)營中，鉀肥的投入不但對農(nóng)作物穩(wěn)定增產(chǎn)起到至關(guān)重要的作用，而且與林地生態(tài)環(huán)境有著密切關(guān)系，土壤中鉀含量過高會導(dǎo)致資源浪費、土壤環(huán)境污染、水污染以及土壤養(yǎng)分分布不平衡等問題[2-3]。因此，準(zhǔn)確、高效地調(diào)查林地土壤鉀含量及其地域分布狀況對于人工林地減肥增效、生態(tài)可持續(xù)發(fā)展具有重要意義。傳統(tǒng)的化學(xué)分析法采用火焰光度計和原子吸收儀測定土壤全鉀含量，但測定成本較高、耗時長，測定結(jié)果具有一定的滯后性，難以有效滿足田間施肥管理實時性的需要[4-5]。

高光譜（Hyperspectra）檢測技術(shù)作為一種新型的樣品檢測技術(shù)，具有快速、高效、成本低、樣品無損且適用范圍廣等特點[6-7]，其原理是利用土壤化學(xué)成分中C—C、C—O、C—H、N—H等官能團(tuán)對高光譜波段的基頻和倍頻吸收獲取土壤光譜數(shù)據(jù)[8]，通過建立光譜數(shù)據(jù)與土壤養(yǎng)分元素含量的回歸模型，實現(xiàn)土壤養(yǎng)分元素的定性與定量分析。自20世紀(jì)80年代開始，國內(nèi)外學(xué)者在土壤養(yǎng)分含量高光譜技術(shù)快速測定方面做了大量研究，目前大量研究成果已經(jīng)逐步應(yīng)用于生產(chǎn)實踐中[9-13]。彭一平等[5]以華南地區(qū)土壤為研究對象，基于一階微分變換的光譜數(shù)據(jù)構(gòu)建了土壤全鉀高光譜反演模型，決定系數(shù)R2為0.64，均方根誤差RMSE為4.850。李耀翔等[14]對比了PLS、SVR、PCR 3種建模方法與Savitzky-Golay 平滑+多元散射校正、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等多種光譜數(shù)據(jù)預(yù)處理方法建立模型，認(rèn)為采用Savitzky-Golay平滑+多元散射校正+一階導(dǎo)數(shù)預(yù)處理，以PLS法建立的森林土壤有機(jī)碳預(yù)測模型最優(yōu)。Conforti等[15]采集了不同地區(qū)的215個土樣，建立了PLSR模型，R2達(dá)到0.82。目前大量的研究成果主要集中于土壤有機(jī)質(zhì)、水分[16]、總氮、鹽漬度等光譜吸收特征較為明顯的土壤屬性，針對土壤礦質(zhì)元素（如鉀、鈣、鎂、鐵）的研究相對較為缺乏。

筆者以廣西桂北紅壤區(qū)桉樹人工林土壤為研究對象，進(jìn)行土壤采樣、實驗室土壤樣品制備與速效鉀含量測定、土壤光譜數(shù)據(jù)采集與處理等，對土壤原始光譜反射率進(jìn)行一階導(dǎo)數(shù)變換，通過相關(guān)系數(shù)的顯著性篩選敏感波段范圍，最后基于全波段和顯著性波段運用PLS法、多元線性回歸法建立預(yù)測模型，以獨立樣本進(jìn)行驗證，對比不同模型建模精度，篩選反演土壤速效鉀的最優(yōu)方法，為實現(xiàn)廣西人工林土壤速效鉀含量無損測定及制訂區(qū)域化林地經(jīng)營策略提供技術(shù)支撐和研究基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

土壤樣品來自廣西壯族自治區(qū)柳州市國有黃冕林場桉樹人工林主要種植區(qū)域，林場地處低緯度地區(qū)（108°18′26″E，25°21′32″N），屬南亞熱帶向中亞熱帶過渡帶，受季風(fēng)環(huán)流影響較明顯。境內(nèi)氣候溫和，年平均氣溫20.4 ℃，夏季最高氣溫38.0 ℃，冬季最低氣溫0 ℃。雨量充沛，年均降雨量約1 483.8 mm。地貌以丘陵為主，平均海拔在200 m以上，土壤類型主要為酸性沉積巖發(fā)育的紅壤，礫石含量≤10%。該地區(qū)土地利用方式較為單一，長期種植樹種為桉樹（Eucalyptus robusta Smith），采樣時為萌芽一代林，林齡2～3年。

1.2 土壤樣品采集

采樣點布設(shè)采用ArcGis 10.1網(wǎng)格化布點方式（圖1），共計28個采樣點。實地采樣時選取長勢均勻、未受到病蟲害侵蝕的林地，以“S”型取樣法采集0～20 cm表層土壤，采集時剔除侵入物，將土壤樣品混合后，經(jīng)四分法收集500 g土壤，做好標(biāo)記后裝入自封袋。土壤樣品自然風(fēng)干，經(jīng)研磨過篩后采用火焰光度計法測定土壤速效鉀含量，另一部分過0.149 mm土篩用于室內(nèi)高光譜數(shù)據(jù)采集。

1.3 土壤光譜數(shù)據(jù)采集 采用ASD FieldSpec 4高光譜儀在暗室內(nèi)測定土壤光譜數(shù)據(jù)，光譜波段介于可見-近紅外波段（350～2 500 nm），分辨率1 nm，探頭視場角15°，光源采用儀器配套的50 W鹵素?zé)?，光源入射角?5°。土壤樣本裝入直徑7 cm，深約1.5 cm的樣品杯，抹平并壓實，探頭距土壤表面5 cm，采用儀器控制器扣除空氣背景值后測定土壤光譜數(shù)據(jù)。為保證光譜數(shù)據(jù)的準(zhǔn)確性，每個土壤樣本均采集10次光譜數(shù)據(jù)，取算數(shù)平均值為最終土壤光譜數(shù)據(jù)。

1.4 光譜數(shù)據(jù)預(yù)處理

采用ASD F4儀器配套的ViewSpecPro 6.0對光譜數(shù)據(jù)進(jìn)行預(yù)處理。首先去除光譜儀器量程兩端（<400 nm，>2 400 nm）由于儀器自身性能造成光譜數(shù)據(jù)噪聲較大的波段，在土壤原始光譜反射率（Raw spectral reflectance，R）的基礎(chǔ)上，計算反射率一階導(dǎo)數(shù)（First derivative of reflectivity，F(xiàn)DR）。一階導(dǎo)數(shù)處理可以消除背景噪聲的干擾，分解混合重疊峰，提高光譜分辨率和靈敏度，易找到相關(guān)性高的波段。

1.5 分析與建模方法 在土壤速效鉀含量高光譜數(shù)據(jù)建模過程中，不同的光譜數(shù)據(jù)預(yù)處理方式往往與土壤速效鉀含量的相關(guān)性不同，需要對R、FDR分別進(jìn)行相關(guān)性分析，篩選不同光譜預(yù)處理方式的敏感波段。采用典型相關(guān)分析方法對土壤速效鉀含量與光譜數(shù)據(jù)進(jìn)行相關(guān)性分析，篩選出顯著相關(guān)波段（P<0.05）作為自變量輸入模型，相關(guān)性分析與制圖采用origin 2018軟件完成。

2 結(jié)果與分析

2.1 森林土壤速效鉀含量描述性統(tǒng)計 用于建模的土壤速效鉀樣本總數(shù)為28個，速效鉀含量平均值為54.72 mg/kg，整體變化范圍在31.8～84.0 mg/kg，標(biāo)準(zhǔn)差14.542 7，方差211.49，偏差0.396 58，峰度-0.568 7。根據(jù)《耕地質(zhì)量等級》GB/T 33469—2016可知，該區(qū)域土壤速效鉀含量處于較低水平，變異系數(shù)為26.57%，土壤速效鉀空間變異性為中等水平，在該地塊內(nèi)具有一定的代表性。

2.2 高光譜譜圖特征

從圖2可知，不同采樣點位土壤樣品的差異反映在反射率的強(qiáng)度上，整體譜線形狀基本保持一致，說明同種類型土壤樣品的高光譜特征類似。在400～800 nm可見光區(qū)域，不同土壤樣品的光譜特征差異性較小，部分波段存在交叉現(xiàn)象，隨著波長遞增，波段交叉現(xiàn)象逐漸減少。2 300～2 400 nm處波段交叉現(xiàn)象較為嚴(yán)重，說明在儀器的檢測范圍兩端光譜噪聲較大。土壤樣品的整體譜線在1 000、1 400、1 800～1 900及2 200 nm附近出現(xiàn)較為強(qiáng)烈的光譜吸收峰，其余波段的光譜反射率變化波動較小。原始光譜經(jīng)一階導(dǎo)數(shù)（FDR）變換后的譜圖見圖 不同土壤樣品的譜圖特征、形狀基本一致。相比原始光譜R，不同樣品間的FDR譜圖差異性較小，但作為特征識別區(qū)的吸收峰與吸收谷更加尖銳，可見光區(qū)域（400～800 nm）的噪聲更加明顯，吸收峰位置與原始光譜圖一致（1 000、1 400、1 800～1 900及2 200 nm）。

2.3 土壤速效鉀含量相關(guān)性 為進(jìn)一步篩選特征光譜，提高模型擬合精度，采用person相關(guān)性分析法分析土壤速效鉀含量與光譜數(shù)據(jù)的相關(guān)性，篩選相關(guān)性較高的波段建立模型（圖4）。土壤原始光譜反射率R與速效鉀含量相關(guān)性系數(shù)均為正值，在400～600、1 450、2 200 nm附近相關(guān)系數(shù)較高，600～1 000 nm波段相關(guān)系數(shù)相對其他波段明顯較低，因此，選取580、600、1 020、1 450、2 200 nm 5個敏感波段建立模型。土壤原始光譜一階導(dǎo)數(shù)變換FDR與土壤速效鉀含量相關(guān)性出現(xiàn)負(fù)值，在2 300～2 400 nm波段附近呈顯著負(fù)相關(guān)（P<0.05），在1 600 nm附近呈顯著正相關(guān)（P<0.05），整體波段相關(guān)性系數(shù)波動幅度較大。FDR顯著性波段選擇為1 000、1 650、1 600、2 100、2 380 nm 5個波段建立模型。

2.4 土壤全鉀光譜反演模型

采用R、FDR的全波段（400～2 400 nm）以及這2種指標(biāo)的顯著性波段，R（580、600、1 020、1 450、2 200 nm）、FDR（1 000、1 650、1 600、2 100、2 380 nm）作為模型自變量輸入，土壤速效鉀含量為因變量，采用Leave-one-out交叉驗證法確定模型中最佳因子個數(shù)，分別建立PLS模型，模型基本參數(shù)見表1。全波段模型中，F(xiàn)DR-PLS模型主成分個數(shù)為6個，模型精度R2=0.86 RMSE=2.718，優(yōu)于R-PLS模型，說明一階導(dǎo)數(shù)變換能顯著減少光譜數(shù)據(jù)冗余量，提高建模精度。顯著性波段模型中，R-PLS、FDR-PLS模型R2均未達(dá)到0.7，模型精度較低，但主成分個數(shù)為5個，相比以全波段建模，其模型復(fù)雜度顯著降低，運算量小，適合開發(fā)便攜式設(shè)備進(jìn)行土壤速效鉀的實地、實時估測。以獨立樣本對最優(yōu)模型（全波段FDR-PLS）進(jìn)行驗證（圖5）。

驗證樣本中，土壤速效鉀含量范圍在40～60 mg/kg占總樣本的60%，速效鉀含量大于60 mg/kg時，預(yù)測值與觀測值偏離較大。模型驗證擬合精度R2為0.865 8，高于建模精度，說明該模型具備一定的外推應(yīng)用能力。

3 討論與結(jié)論

3.1 結(jié)論 通過對桂北紅壤區(qū)土壤高光譜數(shù)據(jù)進(jìn)行特征分析，確定了土壤速效鉀含量的光譜敏感波段（400～600、1 450、2 200 nm），采用一階導(dǎo)數(shù)變換對原始光譜指標(biāo)進(jìn)行前處理，將R、FDR全波段數(shù)據(jù)與顯著相關(guān)波段作為自變量，同時采用PLS法建立光譜數(shù)據(jù)模型。研究表明：①一階導(dǎo)數(shù)變換能顯著減少原始光譜數(shù)據(jù)中的冗余信息，提高光譜指標(biāo)與土壤速效鉀含量之間的相關(guān)性;②R、FDR 2種光譜指標(biāo)的全波段建模結(jié)果均優(yōu)于顯著性波段的建模結(jié)果，最優(yōu)模型為全波段-FDR-PLS，模型R2=0.86 RMSE=2.718;③顯著性波段建立的模型主成分個數(shù)較少，模型復(fù)雜程度、計算量等顯著降低，可為今后開發(fā)便攜式設(shè)備提供數(shù)據(jù)基礎(chǔ)。

3.2 討論

由于土壤高度的空間變異性，不同區(qū)域的立地條件與土壤本底狀況不同，因此，該研究參考了大量研究成果[17-19]，對土壤樣品進(jìn)行風(fēng)干、研磨、過篩處理，消除土壤水分以及土壤粒徑對光譜數(shù)據(jù)采集的影響。同時采用暗室進(jìn)行土壤光譜反射率的室內(nèi)測定，相比野外測量更容易控制光源單一性，大幅消除了自然因素和人為因素對土壤光譜數(shù)據(jù)采集的影響。初步確定了適宜桂北紅壤區(qū)桉樹人工林土壤的前處理及光譜數(shù)據(jù)采集方法，為土壤光譜數(shù)據(jù)庫的建立以及反演模型的外推應(yīng)用提供了前期基礎(chǔ)。同時，該研究填補(bǔ)了廣西紅壤區(qū)域土壤礦質(zhì)元素高光譜快速反演研究的空白，但目前的研究僅僅針對紅壤，在今后的研究中應(yīng)加入赤紅壤、磚紅壤、石灰土等廣西主要土壤類型，為指導(dǎo)土壤管理、精準(zhǔn)變量施肥等工作奠定基礎(chǔ)。

參考文獻(xiàn)

[1]

姜子紹，宇萬太.農(nóng)田生態(tài)系統(tǒng)中鉀循環(huán)研究進(jìn)展[J].應(yīng)用生態(tài)學(xué)報，2006，17（3）：3545-3550.

[2] 曹繼釗，李孝忠.桉樹人工林沃土保育與可持續(xù)經(jīng)營思考[J].廣西林業(yè)科學(xué)，2017，46（2）：233-236.

[3] 王嘉琛，趙雋宇，黃康庭，等.桂北土壤肥力質(zhì)量對尾葉桉人工林連栽連作的響應(yīng)[J].西南林業(yè)大學(xué)學(xué)報（自然科學(xué)），2019，39（1）：106-113.

[4] 謝文.基于高光譜技術(shù)的森林土壤不同養(yǎng)分含量光譜特征及估測模型研究[D].南昌：江西農(nóng)業(yè)大學(xué)，2017.

[5] 彭一平，劉振華，王璐，等.華南地區(qū)土壤全鉀含量高光譜反演模型研究[J].西南農(nóng)業(yè)學(xué)報，2019，32（10）：2383-2389.

[6] KATUWAL S，KNADEL M，MOLDRUP P，et al.Visible-near-infrared spectroscopy can predict mass transport of dissolved chemicals through intact soil[J].Entific reports，2018，8（1）：1-9.

[7] ROSSEL R A V，WEBSTER R.Predicting soil properties from the Australian soil visible-near infrared spectroscopic database[J].European journal of soil science，201 63（6）：848-860.

[8] 柯以侃.分析化學(xué)手冊：第3分冊 光譜分析[M].2版.北京：化學(xué)工業(yè)出版社，1998.

[9] 欒福明，熊黑鋼，王芳，等.基于小波分析的土壤速效K含量高光譜反演[J].干旱區(qū)地理，2015，38（2）：320-326.

[10] 朱淑鑫，楊宸，顧興健，等.K均值算法結(jié)合連續(xù)投影算法應(yīng)用于土壤速效鉀含量的高光譜分析[J].江蘇農(nóng)業(yè)學(xué)報，2020，36（2）：358-365.

[11] 劉秀英，石兆勇，常慶瑞，等.黃綿土鉀含量高光譜估算模型研究[J].土壤學(xué)報，2018，55（2）：325-337.

[12] GU X H，WANG Y C，SUN Q，et al.Hyperspectral inversion of soil organic matter content in cultivated land based on wavelet transform[J].Computers and electronics in agriculture，2019，167：1-7.

[13] 國佳欣，趙小敏，郭熙，等.基于PLSR-BP復(fù)合模型的紅壤有機(jī)質(zhì)含量反演研究[J].土壤學(xué)報，2020，57（3）：636-645.

[14] 李耀翔，汪洪濤，耿志偉，等.基于近紅外光譜及BP神經(jīng)網(wǎng)絡(luò)分析法預(yù)測森林土壤有機(jī)碳含量[J].西部林業(yè)科學(xué)，2014，43（3）：1-6.

[15] CONFORTI M，BUTTAFUOCO G，LEONE A P，et al.Studying the relationship between water-induced soil erosion and soil organic matter using vis-NIR spectroscopy and geomorphological analysis：A case study in southern Italy[J].Catena，2013，110：44-58.

[16] AMANI M，MOBASHERI M R，MAHDAVI S.Contemporaneous estimation of Leaf Area Index and soil moisture using the red-NIR spectral space[J].Remote sensing letters，2018，9（3）：264-273.

[17] 劉煒，常慶瑞，郭曼，等.不同尺度的微分窗口下土壤有機(jī)質(zhì)的一階導(dǎo)數(shù)光譜響應(yīng)特征分析[J].紅外與毫米波學(xué)報，201 30（4）：316-321.

[18] HONG Y S，YU L，CHEN Y Y，et al.Prediction of soil organic matter by VIS-NIR spectroscopy using normalized soil moisture index as a proxy of soil moisture[J].Remote sensing，2018，10：1-17.

[19] VISCARRA ROSSEL R A，BEHRENS T，BEN-DOR E，et al.A global spectral library to characterize the world's soil[J].Earth-science reviews，2016，155：198-230.