鄭光輝，焦彩霞，賞 剛，熊俊峰

南京信息工程大學(xué)地理與遙感學(xué)院，江蘇 南京 210044

土壤全氮反射光譜估算機(jī)理研究

鄭光輝，焦彩霞*，賞 剛，熊俊峰

南京信息工程大學(xué)地理與遙感學(xué)院，江蘇 南京 210044

反射光譜技術(shù)具有快速、便捷等特點(diǎn)，過(guò)去幾十年中將其應(yīng)用于土壤科學(xué)的研究呈指數(shù)增長(zhǎng)，且廣泛用于土壤屬性估算。土壤全氮含量是一項(xiàng)非常重要的肥力指標(biāo)，光譜估算全氮含量可以為實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)提供重要支持。但反射光譜估算土壤全氮含量是基于全氮與有機(jī)碳的相關(guān)性還是基于氮本身的吸收特征仍然存在爭(zhēng)議。本文以江蘇濱海土壤為研究對(duì)象，利用偏最小二乘法分別構(gòu)建全氮和有機(jī)碳在相同建模樣本量、不同全氮含量及變異程度情況下的估算模型，通過(guò)分析模型精度變化規(guī)律及全氮與有機(jī)碳估算模型系數(shù)的相關(guān)性，探討土壤全氮反射光譜估算機(jī)理。結(jié)果表明，該地區(qū)土壤為1 000年來(lái)濱海灘涂經(jīng)人為耕作發(fā)育形成，全氮含量不高，有機(jī)碳含量偏低。全氮與有機(jī)碳之間存在較強(qiáng)的相關(guān)性，相關(guān)系數(shù)高達(dá)0.98。土壤全氮含量估算精度隨樣本集全氮含量的平均值、標(biāo)準(zhǔn)差增大出現(xiàn)先增加后略有減小的變化規(guī)律，與變異系數(shù)的變化規(guī)律相一致。當(dāng)全氮含量較低時(shí)(樣本平均值小于0.27 g·kg-1)，土壤全氮與有機(jī)碳相關(guān)系數(shù)也較小，實(shí)現(xiàn)反射光譜估算全氮是基于氮的吸收特征；當(dāng)全氮含量較高時(shí)(樣本平均值大于0.29 g·kg-1)，全氮與有機(jī)碳相關(guān)性較強(qiáng)且有機(jī)碳模型精度高于全氮，說(shuō)明有機(jī)碳對(duì)光譜曲線的影響隨其含量增加而增大，并掩蓋了氮的吸收特征，實(shí)現(xiàn)反射光譜估算全氮是基于其與有機(jī)碳的相關(guān)性。該研究揭示了土壤反射光譜估算全氮含量的機(jī)理，從而為反射光譜快速估算土壤全氮含量提供理論依據(jù)。

反射光譜；全氮；有機(jī)碳；偏最小二乘回歸

引 言

土壤全氮(total nitrogen, TN)含量是一項(xiàng)非常重要的肥力指標(biāo)。傳統(tǒng)的測(cè)定方法費(fèi)時(shí)、費(fèi)力，難以滿足現(xiàn)代農(nóng)業(yè)發(fā)展的需要，土壤反射光譜及遙感等新技術(shù)可以快速、準(zhǔn)確、實(shí)時(shí)、動(dòng)態(tài)獲取土壤信息[1]。過(guò)去幾十年的研究證明了反射光譜技術(shù)估算TN、有機(jī)碳(soil organic carbon, SOC)、鐵氧化物、粘土礦物及土壤質(zhì)量的可行性[2-5]，成像光譜技術(shù)也可用于估算TN在土壤剖面中的垂直分布[6]。Dalal[7]證明了反射光譜估算TN的可行性，結(jié)果表明SOC與TN回歸方程中兩個(gè)特征波段是相同的(1 870和2 052 nm)。而后Morra[8]發(fā)現(xiàn)SOC與TN估算所使用的波段區(qū)域相似。這兩項(xiàng)研究表明TN估算是基于TN與SOC的相關(guān)性。但在可見(jiàn)近紅外(VNIR)波段的確存在由有機(jī)N引起的合頻與倍頻吸收[9]。Chang[10]通過(guò)人工添加碳酸鈣、腐殖酸等物質(zhì)，利用偏最小二乘回歸(partial least squares regression, PLSR)方法建立SOC, TN及C/N比的估算模型，發(fā)現(xiàn)利用近紅外反射光譜估算土壤中TN不是基于N與C的相關(guān)性，而是基于土壤N的獨(dú)立響應(yīng)。Xie[11]的研究表明SOC模型中所使用波段區(qū)域與TN模型不同，說(shuō)明TN預(yù)測(cè)包括了與SOC組成不同的近紅外吸收波段。此外，Martin[12]認(rèn)為土壤反射光譜中存在N的吸收特征，但不像C的吸收那么強(qiáng)，如果存在較高C與N的相關(guān)性，反射光譜估算N是基于其與C的相關(guān)性；如果相關(guān)性不高，對(duì)N的估算就是基于N吸收特征。直至近期，土壤中TN含量的預(yù)測(cè)是基于其與SOC相關(guān)性，還是基于N本身的特征吸收，仍然存在爭(zhēng)議[9, 13]。雖然BP神經(jīng)網(wǎng)絡(luò)法[14]等建模方法可成功估算土壤TN，但Shi[15]認(rèn)為PLSR方法是進(jìn)行TN反射光譜估算的最優(yōu)方法。本文目的在于利用PLSR構(gòu)建相同建模樣本量、不同TN含量和變異程度的估算模型，分析TN建模精度的變化規(guī)律及TN與SOC兩個(gè)估算模型系數(shù)的相關(guān)性，探討TN反射光譜估算機(jī)理。

1 實(shí)驗(yàn)部分

1.1 樣本采集與分析

江蘇省東臺(tái)市位于蘇北沿海地區(qū)，屬北亞熱帶暖濕季風(fēng)氣候區(qū)。境內(nèi)土壤以范公堤為界，堤西地區(qū)為湖相沉積形成的水稻土，堤?hào)|地區(qū)為1 000年來(lái)濱海灘涂經(jīng)人類(lèi)耕作發(fā)育形成的潮鹽土。在范公堤以東地區(qū)采集13個(gè)剖面土樣和9個(gè)0～5 cm表層土樣。每個(gè)剖面采樣深度分別為0～5，5～0，10～20，20～30，30～40，40～60，60～80，80～100 cm。由于其中兩個(gè)剖面中各缺少一個(gè)樣品，共采集土壤樣品111個(gè)。樣品在實(shí)驗(yàn)室內(nèi)自然風(fēng)干后研磨，分別用于土壤屬性測(cè)定及光譜測(cè)量。土壤TN含量采用半微量開(kāi)氏法測(cè)定，SOC采用重鉻酸鉀法測(cè)定。

1.2 光譜測(cè)量

風(fēng)干后土壤樣品研磨過(guò)100目篩。土壤光譜測(cè)量采用FieldSpec 3便攜式光譜分析儀(Analytical Spectral Devices Inc., Boulder, USA)在暗室內(nèi)進(jìn)行。光源為一盞50 W鹵素?zé)?，與垂直方向角度為15°，距離樣品30 cm；采用5°視場(chǎng)角探頭，距土壤樣品15 cm處垂直進(jìn)行光譜采集。光譜采集過(guò)程中，盛于容器內(nèi)的土樣隨自動(dòng)旋轉(zhuǎn)平臺(tái)旋轉(zhuǎn)的同時(shí)采集反射率，每個(gè)樣品得到20條光譜曲線，算術(shù)平均后得到該土壤樣品的反射率數(shù)據(jù)。

1.3 光譜預(yù)處理

ASD光譜儀在1 000和1 800 nm附近會(huì)出現(xiàn)儀器轉(zhuǎn)換產(chǎn)生的斷點(diǎn)。使用軟件ViewSpecPro進(jìn)行斷點(diǎn)校正，消除儀器自身原因產(chǎn)生的斷點(diǎn)。然后，對(duì)光譜曲線進(jìn)行Savitzky-Golay平滑處理(2次多項(xiàng)式，11個(gè)點(diǎn))。

1.4 建模方法

PLSR是一種新型多元統(tǒng)計(jì)分析方法，可以更好地解決自變量之間多重自相關(guān)性的問(wèn)題，從而允許在樣本個(gè)數(shù)少于變量個(gè)數(shù)的條件下進(jìn)行回歸建模。在計(jì)算過(guò)程中，能有效地提取對(duì)系統(tǒng)解釋能力最強(qiáng)的綜合變量(稱(chēng)為潛變量)，排除無(wú)解釋作用的信息，使之對(duì)因變量有最強(qiáng)的解釋能力。PLSR分析在Unscrambler 9.7軟件(CAMO Software Inc., Woodbridge, New Jersey)中實(shí)現(xiàn)。

1.5 樣本集劃分

將111個(gè)土壤樣點(diǎn)光譜數(shù)據(jù)進(jìn)行主成分分析，依據(jù)前兩個(gè)主成分散點(diǎn)圖去除兩個(gè)異常點(diǎn)。將剩余109個(gè)樣點(diǎn)按TN含量排序后，每間隔5個(gè)樣本、順序選擇60個(gè)樣本作為樣本集合進(jìn)行建模及交叉驗(yàn)證，探討在相同建模樣本量情況下，估算精度隨樣本集TN含量平均值、標(biāo)準(zhǔn)差及變異程度而發(fā)生變化的規(guī)律。

1.6 回歸模型精度評(píng)價(jià)

2 結(jié)果與討論

2.1 樣本TN與SOC統(tǒng)計(jì)分析

研究區(qū)土壤為濱海灘涂經(jīng)人為耕作而形成，TN含量不高，SOC含量偏低(表1)。由于TN與SOC之間存在較強(qiáng)的相關(guān)性(相關(guān)系數(shù)為0.98，p<0.01)，其變異程度亦相似。

表1 TN與SOC含量統(tǒng)計(jì)分析

+依次為最小值、最大值、平均值，單位：g·kg-1；Std.為標(biāo)準(zhǔn)差；++變異系數(shù)，單位：%(下同)

2.2 建模樣本量相同情況下TN的估算結(jié)果與分析

2.3 建模樣本量相同情況下SOC的估算結(jié)果與分析

表2 各數(shù)據(jù)集TN含量統(tǒng)計(jì)分析及建模與交叉驗(yàn)證結(jié)果

注：PCs為主成分個(gè)數(shù)(下同)

表3 各數(shù)據(jù)集SOC含量統(tǒng)計(jì)分析及建模與交叉驗(yàn)證結(jié)果

表4 各數(shù)據(jù)集TN與SOC含量及模型系數(shù)的相關(guān)性

2.4 各數(shù)據(jù)集TN與SOC含量相關(guān)性及估算模型系數(shù)相關(guān)性分析

計(jì)算各數(shù)據(jù)集TN與SOC的相關(guān)系數(shù)，并分別提取對(duì)應(yīng)數(shù)據(jù)集TN與SOC估算模型中各波段系數(shù)，分析估算模型系數(shù)的相關(guān)性，結(jié)果見(jiàn)表4。估算模型系數(shù)的相關(guān)性受TN與SOC相關(guān)性影響，總體上表現(xiàn)出隨TN與SOC相關(guān)系數(shù)增加而增大。結(jié)合表2與表3，當(dāng)TN含量較低時(shí)(TN平均值小于0.27 g·kg-1、SOC平均值小于1.65 g·kg-1)，TN與SOC相關(guān)性以及二者模型系數(shù)的相關(guān)性都較低，TN估算精度高于SOC，說(shuō)明實(shí)現(xiàn)TN估算是基于N自身的吸收特征。而隨著TN含量增加(TN平均值大于0.29 g·kg-1、SOC平均值大于1.87 g·kg-1)，TN與SOC相關(guān)性以及二者模型系數(shù)的相關(guān)性都較高，SOC建模及交叉驗(yàn)證精度高于TN，說(shuō)明SOC對(duì)光譜曲線的影響隨其含量增加而增大，并掩蓋了N的吸收特征，實(shí)現(xiàn)TN估算是基于TN與SOC的相關(guān)性。

3 結(jié) 論

利用濱海土壤樣本分析在建模樣本量相同且TN含量逐漸變化情況下反射光譜估算TN與SOC的精度變化，探討TN光譜估算機(jī)理。結(jié)果表明，總樣本中TN與SOC之間存在非常強(qiáng)的相關(guān)性，相關(guān)系數(shù)高達(dá)0.98。在建模樣本量相同的前提下，TN與SOC建模與交叉驗(yàn)證精度隨樣本集平均值、標(biāo)準(zhǔn)差的增大出現(xiàn)先增加后略有減小的變化規(guī)律，與變異系數(shù)的變化相一致，表明樣本屬性的變異程度對(duì)建模精度影響較大。當(dāng)TN含量較低時(shí)(TN平均值小于0.27 g·kg-1)，與SOC相關(guān)系數(shù)較小，TN反射光譜估算是基于N的吸收特征；當(dāng)TN含量較高時(shí)(TN平均值大于0.29 g·kg-1)，TN反射光譜估算是基于其與SOC的相關(guān)性。

[1] ZHANG Gan-lin, SHI Xue-zheng, GONG Zi-tong(張甘霖, 史學(xué)正, 龔子同). Acta Pedol. Sin.(土壤學(xué)報(bào)), 2008, 45(5): 792.

[2] PENG Jie, XIANG Hong-ying, ZHOU Qing, et al(彭 杰, 向紅英, 周 清, 等). Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2013, 33(2): 502.

[3] Ben-Dor E, Heller D, Chudnovsky A. Soil Sci. Soc. Am. J., 2008, 72(4): 1113.

[4] Viscarra Rossel R A, Adamchuk V I, Sudduth K A, et al. Adv. Agron., 2011, 113: 243.

[5] Askari M S, O’Rourke S M, Holden N M. Geoderma, 2015, 243-244: 80.

[6] LI Shuo, WANG Shan-qin, SHI Zhou(李 碩, 汪善勤, 史 舟). Acta Pedol. Sin.(土壤學(xué)報(bào)) , 2015, 52(5): 1014.

[7] Dalal R C, Henry R J. Soil Sci. Soc. Am. J., 1986, 50: 120.

[8] Morra M J, Hall M H, Freeborn L L. Soil Sci. Soc. Am. J., 1991, 55(1): 288.

[9] Stenberg B, Viscarra Rossel R A, Mouazen A M, et al. Adv. Agron., 2010, 107: 163.

[10] Chang C W, Laird D A. Soil Sci., 2002, 167(2): 110.

[11] Xie H T, Yang X M, Drury C F, et al. Can. J. Soil Sci., 2011, 91(1): 53.

[12] Martin P D, Malley D F, Manning G, et al. Can. J. Soil Sci., 2002, 82(4): 413.

[13] St Luce M, Ziadi N, Zebarth B J, et al. Geoderma, 2014, 232-234: 449.

[14] ZHANG Juan-juan, TIAN Yong-chao, YAO Xia, et al(張娟娟, 田永超, 姚 霞, 等). J. Nat. Resour.(自然資源學(xué)報(bào)), 2011, 26(5): 881.

[15] Shi T, Cui L, Wang J, et al. Plant and Soil, 2013, 366(1-2): 363.

*Corresponding author

(Received Sep. 25, 2015; accepted Jan. 12, 2016)

A Mechanism Study of Reflectance Spectroscopy for Predicting Soil Total Nitrogen

ZHENG Guang-hui, JIAO Cai-xia*, SHANG Gang, XIONG Jun-feng

School of Geography and Remote Sensing, Nanjing University of Information Science & Technology, Nanjing 210044, China

Reflectance spectroscopy has been widely used for predicting soil properties due to its rapidity and convenience. In past decades, the application of soil spectroscopy on soil science studies has increased exponentially. The total nitrogen (TN) content in soil is an important index for soil fertility and the rapid prediction of TN content with spectroscopy serves an important function in precision agriculture. However, whether the TN content in soil is predicted through its relationship with soil organic carbon (SOC) or on its specific absorption is still debatable. The objective of this study was to explore the mechanism of reflectance spectroscopy for predicting TN in soils. Soils used for calibration were sampled from coastal soil in the north of Jiangsu province. Partial least squares regression (PLSR) analysis was used for the calibration datasets with different TN content when the sample number is the same in every dataset. In order to explore the mechanism of reflectance spectroscopy for predicting total nitrogen in soil, the changes of model accuracies and the correlation of TN and SOC were analyzed. The results indicated that the contents of TN and SOC in soil were relatively lower because the soil was derived from coastal sediments in the past 1 000 years and formed during cultivation. There was strong correlation between TN and SOC (R=0.98). The prediction accuracy of TN increased at first and then decreased slightly with the increase of mean, standard deviation of TN content. Meanwhile, the changes of prediction accuracy comply well with coefficients of variation. In conclusion, when the TN content is relatively low (mean TN<0.27 g·kg-1), the correlation coefficient between TN and SOC was moderately-high and TN was predicted on the basis of N absorbers. When the TN content is relatively high (mean TN>0.29 g·kg-1), strong correlation coefficients were obtained for TN and SOC and the model accuracy of SOC were better than TN. The effect of SOC to spectroscopy enhanced with the increase of SOC content, which masked the spectral features of N. Therefore, TN was predicted through the correlation with SOC when the TN content is high. This study revealed the mechanism of reflectance spectroscopy for predicting TN in soil and it could provide a theoretical basis for predicting soil TN content rapidly using reflectance spectroscopy.

Reflectance spectroscopy; Total nitrogen (TN); Soil organic carbon (SOC); Partial least squares regression (PLSR)

2015-09-25，

2016-01-12

國(guó)家自然科學(xué)基金項(xiàng)目(41201215)資助

鄭光輝，1977年生，南京信息工程大學(xué)地理與遙感學(xué)院講師 e-mail: zgh@nuist.edu.cn *通訊聯(lián)系人 e-mail: zheng_jiao1@163.com

TP79；S151.9

A

10.3964/j.issn.1000-0593(2016)10-3222-04