土壤总氮和总磷含量的高光谱遥感

引言

高光谱遥感技术的发展为高效快速地监测土壤氮磷含量提供了新的技术手段。不同学者根据所研究区的实际状况，提出了适用于本地区的土壤氮磷含量预测模型，但多数模型对于不同的研究区所选取的 敏感波段和建立的预测模型也往往有一定差异。在上述模型中很难找到一种适用于所有地区的通用方法，而且多数模型仅仅处于试验研究阶段，需要大量的实地观测数据来修正。本文以三峡库区王家沟小流域为研究区，利用118个土壤样本的室内反射光谱及其土壤总氮和总磷含量的化学测定数据，选取了适用于本研究区的特征波段，并在此基础上建立了土壤总氮和总磷的预测模型。

土壤样品的野外采集和实验室化学分析

2008年9月，在三峡库区王家沟小流域内( 面积 257.91hm2 ) 采集耕层( 0 ～ 20cm) 土壤样本共 118 个。采样方式是利用GPS获取采样点的地理坐标，以采样 点为中心进行多点混合采样。采好的土壤样本装入塑料袋中编号，带回实验室进行自然风干。风干后，将干结的土块敲碎，粗略剔除土壤以外的侵入体）如植物的根系或石粒等杂质) ，再经过研磨和过筛处理。所有的土壤样品都被分成两份: 一份用于化学组分含量的测定，另一份用于光谱反射率的测定。本研究土壤化学分析工作是由西南大学土壤农化与生命 元素分析实验室完成的。土壤样品的总氮与总磷含量的测定分别采用的是半微量开氏定氮法和采用碱熔融法。

预处理

从图1可以看出，所有样本的光谱曲线在约 1000 nm 和 1800nm 波段处都出现了阶跃性变化。这主要是由于光谱仪在紫外 /可见光和近红外/短波 红外波长部分采用了不同的探测元件，在不同的探测元件分区结合处往往会出现一定偏差所致。因此，利用利用光谱分析软件对原始光 谱曲线进行了断点拟合。除了在 400 ～ 800nm 波段急剧上升外，在其他波段处曲线变化相对较为平缓，其反 射和吸收峰并不明显，这往往不利于各样品光谱曲线之间的特征比较。因此，可对光谱曲线进行包络线消 除处理，将光谱反射和吸收特征归一到较为一致的背景。所有土壤样品进行包络线去除后得到的反射光谱曲线如图 2 所示。

图1 土壤样本的典型反射光谱

图 2 土壤样本去包络的反射率

原始反射率 R 与土壤全氮和全磷的相关系数如 图 3 所示。由图 3 可以看出，TN 和 TP 与土壤原始反 射率的相关系数都很低，其绝对值的最大值都不超过 0. 3。这说明，原始的光谱反射率与土壤 TN 和 TP 之 间不具有显著的相关关系。

图3 土壤全氮和全磷与原始反射率的相关系数

对经过预处理后得到的光谱反射率数据 R’与土壤养分含量进行相关分析，得到结果如图 4 所示。

图 4 土壤全氮和全磷与预处理后的反射光谱的相关性

从图 4 可以看出，经过预处理以后土壤养分含量与吸收光谱具有较高的相关性。

利用偏最小二乘方法消除多波段之间的多重共线性，并根据预测残差平方和交叉验证方法，选取 3 和 2 个主成分数分别用于 TN，TP 的PLS 建模分析。为了更好地分析模型预测的效果，将 模型的预测值和实测值绘制成散点图，如图 5 和图 6 所示。

图5 土壤 TN 浓度预测模型的标定和验证

图 6 土壤 TP 浓度 PLS 回归模型的标定和验证

结论

文中在对去包络的反射率进行预处理的基础上， 建立了土壤全氮和全磷的高光谱预测模型。结果表明，在对去包络的反射率经过预处理后，与土壤全氮和全磷的相关性有明显增强。根据预处理的反射率建立的土壤总氮的预测模型具有较高精度。但土壤总磷预测模型的精度仍然不能令人满意。今后的研究可继续研究近红外甚至是中红外光谱用于预测总磷的有效方法。

欢迎关注公众号：莱森光学，了解更多光谱知识。

莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。

审核编辑黄宇