引言

土壤營養元素的含量是提高農作物產量和農產品品質的重要因素。對土壤營養元素進行準確測量是實施精細農業的基礎。傳統的土壤營養元素的測定方法為化學法，化學法測量結果精度高，但需要消耗大量的時間和人力，難以滿足土壤營養元素實時監控的要求。高光譜技術光譜分辨率高、光譜通道數多，能夠更加真實、全面地反映物體的固有光譜特性及其差異，從而能夠提高土壤營養元素的預測精度。高光譜技術已廣泛應用于土壤營養元素的預測與反演。

目前，幾乎所有實驗室條件下的土壤營養元素的高光譜反演都要首先對土壤樣本進行磨碎和過篩處理，而直接采集和利用原始土壤高光譜數據進行建模的較少；其次幾乎所有的光譜數據的預處理方法都以平均 光譜曲線（Ａ）及其數學變換為主，而結合光譜成像技術的特點，提取并使用特征統計參數（標準差Ｓ、方 差Ｖ）進行建模的極少。

本文以山西典型褐土土壤為研究對象，所有土壤樣品經風干后，未經研磨過篩處理，直接裝入樣品杯進行測量。并采用高光譜成像技術獲取近紅 外高光譜圖像，并提取平均光譜曲線（Ａ）、標準差曲線（Ｓ）和方差曲線（Ｖ）等統計參數。然后分別采用以平均光譜曲線（Ａ）、平均光譜曲線的一階導數 （Ｆ）、Ａ與Ｆ的乘積（Ａ＊Ｆ）、Ａ與Ｆ的商（Ａ／Ｆ）為基礎的２０種光譜預處理方法，結合ＰＬＳ方法進行建模，并對驗證集進行驗證。本文旨在構建一種結 合高光譜成像技術特點的，針對未經研磨和過篩處理的褐土土壤總氮含量的定量預測模型，并為土壤其他營養元素的快速預測提供參考。

材料與方法

2.1 土壤樣本

試驗用土壤樣本共149個，采集自某農業大學試驗田，土壤類型均為褐土土壤，采集深度為0~20ｃｍ，為農田耕層土壤。土壤樣本經自然風干處理，手動捏碎較大的土壤顆粒并剔除較大的非土壤雜質（例如農作物根莖葉等殘留）后，采用四分法取樣，一式兩份：其中一份直接用于實驗室條件下土壤高光譜圖像的采集；另外一份用于實驗室采用半微量開氏法測定土壤總氮含量。在PLS建模時需要將土壤樣本分類建模集和驗證集兩類。通常的做法是隨機抽取總樣本的80％到90％作為建模集，剩下的部分作為驗證集。

因此，本文隨機選取約80％（119個）的土壤樣本作為建模集，用于土壤總氮含量預測模型的建模；剩余20％（30個）作為驗證集，用于預測模型的驗證。根據實驗室化學法測定結果，土壤總氮含量的特征統計見表１。

表１土壤總氮含量的特征統計

建模集、驗證集與所有土壤樣本的總氮含量的范圍、均值、校準差和差異系數均較為接近，即建模集和驗證集均能較好反映土壤樣本的統計特性。

2.2 數據提取

高光譜成像技術能夠同時獲取土壤樣本的光譜信息和圖像信息。高光譜圖像上的每一個像素點，都有一條光譜范圍為950~1650ｎｍ，共148個波段的漫反射光譜曲線與之相對應。本文采用軟件提取高光譜圖像上土壤樣本范圍內所有像素點的漫反射光譜曲線。對每個波段所有像素點的光譜反射率進行統計，獲取其算術平均值、標準差和方差。將所有波段的統計參數連接起來，即可獲得對應土壤樣本的平均光譜曲線（Ａ）、標準差曲線（Ｓ）和方差曲線（Ｖ）。

2.3 數據預處理

平均光譜曲線（Ａ）及平均光譜曲線的一階導數曲線（Ｆ）能夠反映土壤總氮對光譜反射率的影 響；而標準差曲線（Ｓ）和方差曲線（Ｖ）能夠一定程 度反映土壤樣本的表面特性。因此本文選取平均光譜曲線（Ａ）、平均光譜曲線的一階導數曲線（Ｆ）、標準差曲線（Ｓ）和方差曲線（Ｖ）等４種曲線作為基本預處理方法，然后選取其中的一種或多種基本預處理方法的組合對光譜數據進行預處理。詳細的預處理方法見表２。

表２光譜數據預處理方法匯總

2.4 建模與評價

偏最小二乘（PLS）方法是結合多元線性回歸和主成分分析的化學計量學方法，是近紅外光譜預測反演土壤營養元素最常用、最有效的建模方法之一。本文選取主因子個數的方法為：調整主因子個數，使模型對建模集的驗證結果為決定系數（Ｒ２）不小于0.9；且最大主因子個數不超過２０個。該PLS主因子數的選取方法可以使所建模型對建模集的驗證效果基本相同，因此，模型的好壞只需要對比分析不同模型對驗證集的驗證效果即可。

本文采用建模集決定系數（Ｒｃ２）、驗證集決定系數（Ｒｐ２）、建模集均方根 誤差（RMSEｃ）、驗證集均方根誤差（ＲＭＳＥｐ）、建模集相對分析誤差 （ＲＰＤｃ）、驗證集相對分析誤差（ＲＰＤｐ）等指數來對模型進行評價。其中：決定系數（Ｒ２）越大越好，但不能超過１，越接近１表明模型的預測能力越強。均方根誤差（ＲＭＳＥ）越小越好。相對分析誤差（ＲＰＤ）越大越好。當ＲＰＤ≥２．０時，表明模型較好，可用于土壤總氮含量的定量預測；當ＲＰＤ在1.0~2.0之間時，表明模型預測效果較差；當ＰＲＤ≤１．０時，表明模型預測效果極差，無法用于定量分析。

結果與分析

3.1 不同總氮含量的光譜響應特征

按實驗室化學法實測總氮含量對所有土壤樣本進行分類，分別統計總氮含量低于７００ｍｇ·ｋｇ－１，７００～８００ｍｇ·ｋｇ－１，８００～９００ ｍｇ·ｋｇ－１，９００～ １０００ｍｇ·ｋｇ－１及１１００ｍｇ·ｋｇ－１以上的光譜反射率，計算每類土壤樣品的平均光譜曲線；并對平均光譜曲線求導，獲取每類平均光譜曲線的一階導數曲線。其結果如圖１、圖２所示。

圖１ 不同總氮含量的平均光譜曲線

圖２ 不同總氮含量的平均光譜曲線的一階

由圖1可知，土壤的平均光譜反射率隨波長的增加逐漸增大；在1400ｎｍ附近有顯著的水吸收特征，這可能與自然風干后的土壤樣本內仍有少量水分殘留有關。當 總氮含量低于1000ｍｇ·ｋｇ－１時，平均光譜反射率隨總氮含量的增加而增加；當總氮含量高于1000ｍｇ·ｋｇ－１時，光譜反射率隨總氮含量的增加急劇減小；且光譜波長越短，反射率減小的越多。平均光譜曲線隨總氮含量先增加后減小的特點，可能導致兩個總氮含量差異極大的土壤樣本的平均光譜曲線非常接近，從而影響預測模型的預測準確性。由圖２可知，一階導數曲線隨著總氮含量的增加逐漸增加。總氮含量在７００ｍｇ·ｋｇ－１以下的一階導數曲線比在７００～８００ｍｇ·ｋｇ－１之間的一階導數曲線略有增加，在圖２中顯示為基本完全重合。當總氮含量高于1000ｍｇ·ｋｇ－１時，一階導數曲線隨總氮含量的增加出現顯著的增加。由于一階導數曲線隨總氮含量的增加單調增加，因此使用一階導數進行建模，可能能夠獲得更好的預測效果。

未完待續。。。。。。。。

推薦：

無人機高光譜成像系統iSpecHyper-VM100

一款基于小型多旋翼無人機高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過獨特的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇