王世芳，程 旭，宋海燕

山西農業(yè)大學工學院，山西 太谷 030801

水分對土壤有機質檢測影響的光譜特性分析及抗水分干擾模型建立

王世芳，程 旭，宋海燕*

山西農業(yè)大學工學院，山西 太谷 030801

土壤水分對光譜表現出很強的吸收性，且土壤水分與土壤有機質的吸收波段有重疊，因此土壤水分對土壤有機質的檢測造成一定的干擾。為此做了以下工作：(1)采用可見近紅外光譜儀在室內獲取相同含水率下不同土壤動態(tài)光譜圖；(2)通過對相同含水率下不同有機質含量的二維同步相關光譜圖分析得出：當土壤為烘干土樣時，600和1 660 nm左右表征土壤有機質的波段出現強的自相關峰，但隨著含水率的增加，這兩個波段逐漸消失，由于受水分的影響，1 931，2 200和1 480 nm均形成了強的自相關峰。說明水分會掩蓋表征土壤有機質信息的波段，對土壤有機質檢測造成干擾。(3)為了消除水分影響，提高模型對不同含水率下土壤有機質的預測精度，將田間近似最大含水率樣本參與建模，采用偏最小二乘定量分析方法在550～650和1 610～1 710 nm波段內建立了抗水分干擾土壤有機質預測模型，并對不同含水率的土壤有機質進行預測，結果表明：預測樣本的相關系數為0.954，標準偏差為0.744%，標準差為0.844%，預測效果明顯提高，說明此方法可減少水分對土壤有機質檢測的影響。

水分；有機質；抗水分干擾模型；可見近紅外光譜

引 言

近紅外光譜分析土壤有機質是快速、便捷的。土壤有機質與水分均對土壤反射光譜特征有顯著的影響[1]，尤其是土壤水分對光譜表現出很強的吸收性，水分子中O—H鍵在近紅外光譜區(qū)有兩個特征譜帶為1 940和1 450 nm，并且土壤水分與土壤有機質的吸收波段有重疊，因此土壤水分對土壤有機質的檢測造成一定的干擾[2-3]。Tulina等[4]研究了水分對土壤有機質穩(wěn)定性的影響，研究表明土壤有機質礦化增加土壤水分的平衡。Curtin等[5]研究了溫度和水分對土壤有機質礦化的影響，得出溫度和濕度在礦化過程中起著決定性的作用。Minasny等[6]采用外部參數正交化(external parameter orthogonalisation)對近紅外光譜檢測中減少水分對土壤有機碳檢測的影響進行了研究。宋海燕等[7]通過二維相關同步譜圖分析了水分對土壤近紅外光譜檢測的影響，找出了其敏感波段為1 929，2 210和1 415 nm，為以后建立抗干擾模型提供依據。單秀枝等[8]通過研究土壤有機質含量對土壤水分動力學參數的影響，得到當含水率相同時，隨著有機質含量的變化，動力學參數也在變化，說明土壤水分與土壤有機質有很好的相關性。王淼等[9]通過對土壤水分含量進行分級結合一階微分光譜建立有機質預測模型，得出隨著含水率的增加，有機質對數值與一階微分光譜的相關性呈先增加后降低趨勢，且含水率為10%～15%時相關系數最大，還得出土壤含水率小于20%時仍可用于濕潤土壤光譜。肖武等[10]采用近紅外光譜和機器視覺融合的方法對土壤含水率檢測進行研究，得出土壤含水率增加到一定程度后，圖像參數變化規(guī)律會改變，且會產生不同程度的表面光反射。

前人研究表明水分對土壤有機質檢測是有影響的，但在如何消除水分影響，提高模型精度方面的研究還不是很多。為此在對相同含水率下不同有機質含量的一維光譜及二維相關同步光譜[11]分析的基礎上，找到表征土壤有機質的特征波段，并在此基礎上對抗水分干擾模型進行了研究。

1 實驗部分

1.1 樣本制備

在山西省境內(太谷、關帝山、右玉等地)采集了離地5～15 cm的50個壤土土壤樣本。土壤有機質含量采用標準化學方法重鉻酸鉀法測得，其統(tǒng)計結果為：最大值7.920%，最小值0.402%，平均值2.220%，標準差1.22%。在預實驗時，發(fā)現含水率為20%時已飽和，會發(fā)生鏡面反射[11]，為此本研究配制的最大含水率為17%，近似認為是田間最大含水率。將采集的土壤樣本攤開自然風干、碾碎、過篩(10目)、烘干(烘箱中進行)處理后，將每個樣本分成5份，每份為500 g，放入1 000 mL燒杯，然后分別加入不同比例的水(配制方法見公式(1))，配制成含水率為17%，15%，10%，5%，0%的樣本，并進行3次重復，以便使用。將配制好的樣本采用塑料薄膜密封，在密封期間，定時對樣本攪拌晃動，以確保水分擴散均勻，并不會結塊影響光譜試驗；待水分擴散均勻且無結塊時，開封進行光譜實驗。

(1)

1.2 光譜數據采集

光譜實驗使用ASD公司的FieldSpec3光譜儀，波長范圍為350～2 500 nm，每個樣本分別掃描3次。光譜采集軟件為Rs3。光譜數據采集在室溫下進行，采用三角尺將置于直徑為12.5 cm培養(yǎng)皿中的土壤樣本刮平，再放入自制的暗室(以確保沒有外界因素的影響)內進行光譜采集。光譜數據處理軟件為ViewSpec，經過均值(Mean)、拼接校正(Splice Correction)、反射率求對數(log1/R)得到橫坐標為波長、縱坐標為吸光度的光譜圖，再經ASCII Export將數據導出。二維相關光譜分析軟件為shige軟件。相同含水率下不同有機質含量的光譜特性譜圖和偏最小二乘(PLS)定量建模分析是在MATLAB 7.11.0(R2010b)軟件下實現。

2 結果與討論

2.1 光譜特性分析

2.1.1 相同含水率下不同有機質含量的光譜特性

為明確表示不同土壤含水率、不同土壤有機質含量下土壤的光譜特性變化趨勢，分別對有機質含量7.920%(最大)和有機質含量0.402%(最小)在不同含水率下(0%，5%，10%，15%，17%)的光譜進行了分析，見圖1。圖中X軸為含水率(%)，Y軸為波長(350～2 500 nm)，Z軸為吸光度值[log(1/R)]。

圖1 不同有機質含量、不同含水率條件下土壤樣本光譜圖

Fig.1 Spectra of soil samples under different organic matter and moisture contents

從圖中可以得出，(1)當含水率相同時，在整個波段范圍內(350～2 500 nm)，不同有機質含量的譜圖變化趨勢類似；在1 415，1 929，2 210 nm左右都有明顯的突起，且高度和寬度都隨著有機質含量的變化而變化；(2)當含水率為0%時，在可見波段350～780 nm范圍內，7.920%有機質樣本的吸光度值明顯高于0.402%有機質樣本的吸光度值，說明當土壤樣本為烘干土時，在可見光區(qū)用肉眼可以判定土壤有機質含量的高低；相比近紅外區(qū)域(780～2 500 nm)，雖然7.920%有機質樣本的吸光度值與0.402%有機質樣本的吸光度值有差異，但差異太小，若要在此波段范圍內定性判斷土壤有機質的高低是有難度的，因此需要借助化學計量學方法來定量判定；(3)當含水率低于8%時，在350～780 nm范圍內可以很明顯的看出，7.920%有機質樣本的吸光度值高于0.402%有機質樣本，而當含水率超過8%時，則相反，說明對于潮濕土壤樣本仍需要借助定量分析方法來判定有機質含量的高低。

2.1.2 相同含水率下不同有機質含量的二維相關同步光譜特性

為了更好地分析水分對土壤有機質的影響，選擇了具有代表性、典型的、可以拉開有機質含量梯度的6個有機質含量(7.920%，4.507%，3.347%，2.119%，1.116%，0.402%)樣本分別在不同含水率(0%，5%，10%，15%，17%)下的二維同步相關譜圖進行分析，可以得到因譜圖重疊和外擾引起的細微光譜變化信息，見圖2—圖6。

圖2 含水率0%條件下不同有機質含量的 二維同步相關光譜圖

從圖2—圖6可以得出，(1)當土壤含水率為0%時，隨著土壤有機質含量的下降在可見光區(qū)波長為600 nm左右有一很明顯的強自相關峰，其次在近紅外區(qū)1 660 nm左右為中心，形成了一個比較弱的自相關峰；即當土壤為烘干土樣時，600和1 660 nm左右的波段是表征土壤有機質含量的波段；(2)隨著含水率的增加，600和1 660 nm左右的自相關峰逐漸消失，1 480，1 931，2 200 nm左右的自相關峰漸漸產生；1 440和1 940 nm是水分子中O—H鍵在近紅外光譜區(qū)的兩個特征譜帶，說明水分會影響土壤有機質含量的檢測；(3)當土壤含水率為17%時，1 931，2 200和1 480 nm均形成了強的自相關峰，且從三處自相關峰的密集程度分析，1 931 nm左右的自相關峰最強，其次是以2 200 nm左右形成的自相關峰，最后是以1 480 nm左右形成的自相關峰。即土壤為潮濕土時，由于受水分的影響，在可見光區(qū)域找不到可以對其進行定量分析的敏感波段，而在近紅外區(qū)域由水分引起的或與O—H基團有關的波段掩蓋了可以表征土壤有機質信息的波段，對土壤有機質的定量分析造成干擾。

圖3 含水率5%條件下不同有機質含量的 二維同步相關光譜圖

圖4 含水率10%條件下不同有機質含量的 二維同步相關光譜圖

圖5 含水率15%條件下不同有機質含量的 二維同步相關光譜圖

圖6 含水率17%條件下不同有機質含量的 二維同步相關光譜圖

2.2 抗水分干擾模型建立

為了消除水分對土壤有機質檢測的影響，采用偏最小二乘定量分析方法，建立了抗水分干擾土壤有機質預測模型。依據二維光譜分析得出的600和1 660 nm是表征土壤有機質的敏感波段，因此在定量分析時選用的波段范圍為550～650和1 610～1 710 nm。

模型建立時，建模樣本的選取會直接影響到模型的質量，考慮到當含水率超過8%時，不同含量有機質的譜圖會出現交替(見圖1)，影響譜圖變化趨勢，因此建立抗干擾模型時，使含水率樣本也參與建模，將此變化趨勢引入到建模中會很大程度上提高模型的精度。本研究將近似為田間最大含水率17%的光譜與烘干土樣0%的光譜的樣本同時作為建模樣本，建立了土壤有機質的抗水分干擾模型。根據實驗，每個樣本都有5個動態(tài)光譜圖，分別是含水率0%，5%，10%，15%和17%時的譜圖。模型采用的建模樣本是41個土壤樣本在含水率0%和最大含水率17%時的82組動態(tài)光譜數據，預測樣本是9個土壤樣本在含水率為0%，5%，10%，15%，17%時的45組動態(tài)光譜數據。為了驗證模型的預測效果，還將41個土壤樣本在含水率0%時的動態(tài)光譜數據作為建模樣本，對9個預測樣本在含水率為0%，5%，10%，15%，17%時的45組動態(tài)光譜數據進行了分析。其建模樣本和預測樣本統(tǒng)計參數見表1。

近紅外光譜定量模型評價指標為：要有較高的相關系數，較低的建模標準偏差SEC和標準差RMSEC，預測標準偏差SEP和標準差RMSEP，且SEC和SEP比較接近，RMSEC和RMSEP比較接近。從表中可以看出：模型1建模樣本的統(tǒng)計參數均優(yōu)于模型2，但預測效果統(tǒng)計參數卻不如模型2，且模型1中SEP與SEC的差值為0.979，RMSEP和RMSEC的差值為1.855；模型2中SEP與SEC的差值為0.338，RMSEP和RMSEC的差值為0.425，說明模型2在一定程度上可以減少水分的影響，提高模型的預測精度，即模型的通用性比較強。

表1 不同模型下土壤有機質建模樣本和預測樣本的定量分析統(tǒng)計參數

3 結 論

對相同含水率下不同有機質含量樣本的光譜圖進行分析，得出當土壤樣本為烘干土樣時，可見光區(qū)用肉眼可以判別土壤有機質含量的高低，但對于潮濕土樣不適用；二維同步光譜有較高的識別率，當土壤樣本為烘干土樣時，600和1 660 nm左右是表征土壤有機質的波段，隨著含水率的增加，這兩個波段逐漸消失，1 480，1 931和2 200 nm左右的自相關峰漸漸產生，說明水分會掩蓋表征土壤有機質信息的波段，對土壤有機質檢測造成干擾。

為了消除水分對土壤有機質檢測的影響，采用偏最小二乘定量分析方法在550～650，1 610～1 710 nm波段內建立了土壤有機質的抗水分干擾模型，得出田間最大近似含水率樣本參與建模，可提高模型對不同含水率下土壤有機質含量的預測精度，即在一定程度上可減少水分對土壤有機質含量檢測的影響。

[1] TANG Na, ZHANG Xin-le，LIU Huan-jun, et al(湯 娜，張新樂，劉煥軍，等). Chinese Journal of Soil Science(土壤通報)，2013, 44(1): 72.

[2] Chang C, Laird D A, Mausbach M J, et al. Soil Science Society of America Journal, 2001, 65: 480.

[3] Hummel J W, Sudduth K A, Hollinger S E.Computer and Electronics in Agriculture, 2001, 32: 149.

[4] Tulina A S, Semenov V M, Rozanova L N, et al. Soil Chemistry, 2009, 42(11): 1241.

[5] Curtin Denis, Beare Michael H, Hernandez-Ramirez, et al. Soil Science Society of America Journal, 2012, 11: 2055.

[6] Minasny B, McBratney A B, Bellon-Maurel V, et al. Geoderma, 2011，167：118.

[7] SONG Hai-yan, CHENG Xu(宋海燕，程 旭). Spectroscopy and Spectral Analysis(光譜學與光譜分析)，2014，34(5): 1240.

[8] SHAN Xiu-zhi, WEI You-qing, YAN Hui-jun, et al(單秀枝，魏由慶，嚴慧峻, 等). Acta Pedologica Sinica(土壤學報), 1998, 35(1): 1.

[9] WANG Miao, PAN Xian-zhang, XIE Xian-li, et al(王 淼，潘賢章，解憲麗，等). Soil(土壤)，2012, 44(4)：645.

[10] XIAO Wu, LI Xiao-yu, LI Pei-wu, et al(肖 武，李小昱，李培武，等). Transactions of the Chinese Society of Agricultural Engineering(農業(yè)工程學報)，2009，25(8): 15.

[11] Noda I. Appl. Spectrosc., 1993, 47(9): 1329.

(Received Jun. 15, 2015; accepted Oct. 30, 2015)

*Corresponding author

Analysis of the Effect of Moisture on Soil Organic Matter Determination and Anti-Moisture Interference Model Building Based on Vis-NIR Spectral Technology

WANG Shi-fang, CHENG Xu, SONG Hai-yan*

College of Engineering, Shanxi Agricultural University, Taigu 030801, China

Soil moisture shows a strong absorption for spectroscopy while soil organic matter and moisture have identical absorption bands. Therefore, the soil moisture causes interference to soil organic matter detection. The study made the following works: firstly, different soil organic matter dynamic spectrums under different moisture content were acquired with visible near-infrared spectroscopy; secondly, different organic matter content features under the same moisture content were analyzed with two-dimensional synchronization correlation spectroscopy. When the soil moisture is 0%, around 600 and 1 660 nm which characterize soil organic matter band appear strong autocorrelation peaks. With moisture content increasing, around 600 and 1 660 nm band disappear and around 1 931, 2 200 and 1 480 nm band appear strong autocorrelation peaks in the near-infrared region. Soil moisture covers information bands which characterize soil organic matter and affects soil organic matter detection; thirdly, the maximum moisture content samples approximately in the filed participated modeling to eliminate the effect of moisture on soil organic matter detection and improve the model prediction accuracy. The anti-moisture interference prediction model which used 550～650 and 1 610～1 710 nm wavelengths by PLS (Partial Least Squares) quantitative analysis method was established to predicate the soil organic matter content under different moisture content. The results are as follows: predicted correlation coefficient, SEP and RMSEP is 0.954, 0.744 and 0.844 respectively. Predicted effect improves significantly. It is that the method can reduce the effect of moisture on soil organic matter detection.

Water; Organic matter; Anti-moisture interference model; Vis-NIR spectroscopy

2015-06-15，

2015-10-30

國家自然科學基金項目(41201294)和山西省科技攻關項目(20130313010-6)資助

王世芳，女，1989年生，山西農業(yè)大學碩士研究生 e-mail: wangshifang1302@126.com *通訊聯系人 e-mail: yybbao@163.com

S152.3；O657.3

A

10.3964/j.issn.1000-0593(2016)10-3249-05