張智安，趙燕，顏秉軍，姜涵，吳萱橋

(1.山東省遙感技術(shù)應(yīng)用中心，山東 濟(jì)南 250013；2.龍口礦業(yè)集團(tuán)有限公司，山東 龍口 265701；3.龍口市國土資源局，山東 龍口 265701;4.山東師范大學(xué)地理與環(huán)境學(xué)院，山東 濟(jì)南 250014；5.山東黃金金創(chuàng)集團(tuán)有限公司大柳行金礦，山東 煙臺 265615)

濰坊北部地區(qū)土壤鹽分光譜特征分析

張智安1，趙燕2，顏秉軍3，姜涵4，吳萱橋5

(1.山東省遙感技術(shù)應(yīng)用中心，山東 濟(jì)南 250013；2.龍口礦業(yè)集團(tuán)有限公司，山東 龍口 265701；3.龍口市國土資源局，山東 龍口 265701;4.山東師范大學(xué)地理與環(huán)境學(xué)院，山東 濟(jì)南 250014；5.山東黃金金創(chuàng)集團(tuán)有限公司大柳行金礦，山東 煙臺 265615)

為提高海水入侵地區(qū)土壤鹽分的監(jiān)測效率，以濰坊北部地區(qū)作為研究區(qū)，利用高光譜測量技術(shù)野外實地測量，獲得高光譜數(shù)據(jù)，并對該區(qū)域土壤鹽分高光譜數(shù)據(jù)進(jìn)行分析，獲得土樣鹽分含量相關(guān)數(shù)據(jù)，與光譜數(shù)據(jù)結(jié)合分析。通過分析各類離子與全鹽量之間的相關(guān)關(guān)系，分析濰北地區(qū)土壤鹽分的離子構(gòu)成與離子的相關(guān)來源。對高光譜原始測量數(shù)據(jù)進(jìn)行包絡(luò)線去除、變換，選取特征波段、一階二階微分變換等提高模型精度，建立高光譜數(shù)據(jù)與土壤鹽分?jǐn)?shù)據(jù)之間的逐步回歸模型，并對模型進(jìn)行精度檢驗，對比各類模型檢驗結(jié)果，分析各類離子對高光譜數(shù)據(jù)的響應(yīng)效果。其中，光譜數(shù)據(jù)一階微分變換后的逐步回歸模型對土壤中K+&Na+估算精度較高，R2=0.894且均方根誤差最小，精度較高，可為該地區(qū)的高光譜土壤鹽分監(jiān)測提供有力的數(shù)據(jù)分析結(jié)果。

土壤鹽分；光譜分析；相關(guān)離子；回歸模型

0 引言

土壤鹽漬化是土地退化的主要類型之一，主要發(fā)生在干旱、半干旱地區(qū)和濱海地區(qū)，是各類自然因素和人類不合理的農(nóng)業(yè)措施的作用下引起的環(huán)境問題[1]。土壤鹽漬化是濰北平原可持續(xù)發(fā)展所面臨的主要地質(zhì)環(huán)境問題之一，是在氣候、地形、水文、地質(zhì)等自然因素綜合影響下形成的[2]。鹽漬化的土壤會影響作物的生長，導(dǎo)致糧食減產(chǎn)進(jìn)而影響區(qū)域經(jīng)濟(jì)的發(fā)展，因此對土壤鹽分的監(jiān)測是利于農(nóng)業(yè)生產(chǎn)和環(huán)境保護(hù)的重要任務(wù)。傳統(tǒng)的土壤鹽分監(jiān)測方法是通過實地獲取土壤樣本并進(jìn)行檢測和分析，這樣的監(jiān)測方法工作量大，且難以實現(xiàn)大范圍區(qū)域的監(jiān)測[3]。隨著遙感技術(shù)的發(fā)展，利用多時期遙感影像跟蹤地表監(jiān)測，通過不同時相的衛(wèi)星遙感圖像解譯跟蹤地表土壤的鹽漬化和地表植被及地貌的變化來間接對咸淡水界的變化進(jìn)行監(jiān)測[4]。利用光譜的高分辨率、波段多且連續(xù)等優(yōu)點能夠反映地物的細(xì)微特征，使得通過光譜特征對地物信息定量反演成為可能，很好地克服了傳統(tǒng)人工地面監(jiān)測方法的不足，已成為土壤鹽分監(jiān)測領(lǐng)域中的一種先進(jìn)手段。

隨著遙感技術(shù)的發(fā)展，國內(nèi)外利用高光譜技術(shù)研究土壤性質(zhì)有了一定進(jìn)展，Dehaan R L[5]等利用土壤及相關(guān)植被的光譜特征研究土壤的鹽漬化特征及其空間分布，劉煥軍[6]等通過建立各種土壤光譜指數(shù)，分析并確定反映鹽堿化程度的最佳波段與土壤光譜指數(shù)。該文以濰北地區(qū)為研究區(qū)，通過獲得的高光譜數(shù)據(jù)以及土壤鹽分?jǐn)?shù)據(jù)結(jié)合分析，運用逐步回歸的方法對土壤中各類離子含量進(jìn)行建模，分析離子相關(guān)信息并進(jìn)行預(yù)測反演。

1 研究區(qū)域概況

濰坊市位于山東半島中部，北臨萊州灣。濰坊北部地處渤海萊州灣南岸濱海平原地區(qū)，擁有豐富的地下鹵水資源，灘涂面積447km2，鹽堿荒灘2600km2，地勢低平坡降小，是我國海(咸)水入侵最為典型和嚴(yán)重的地區(qū)。隨著海水入侵的不斷加重，濱海區(qū)域土壤發(fā)育按照潮土、鹽化潮土到鹽土的順序不斷發(fā)展，鹽漬化程度日益加重[7]。圖1為研究區(qū)域采樣點分布圖。

圖1 研究區(qū)域采樣點分布

2 數(shù)據(jù)的采集處理與研究方法

2.1 土樣采集與處理

根據(jù)研究區(qū)域情況，在研究區(qū)域內(nèi)選取采樣點。需要測定采樣點的實測高光譜數(shù)據(jù)，土壤表層光譜數(shù)據(jù)的采集使用美國ASD FisldspecHH便攜式高光譜儀(波譜范圍為325～1075 nm)。為減少氣候環(huán)境影響所帶來的誤差，測量時間大致為10：00～14：00之間并保證天氣晴朗且無云無風(fēng)。

在各個采樣點對土壤表層取樣，采樣深度為0～20cm。將所采的53個土樣在實驗室進(jìn)行風(fēng)干、剔除雜質(zhì)、研磨、過2 mm篩后，測定土樣的全鹽量、各類離子含量以及pH值等，測定的方法按照《土壤農(nóng)業(yè)化學(xué)分析方法》[8]。

2.2 土壤實測鹽分?jǐn)?shù)據(jù)與各類離子統(tǒng)計分析

土壤中各類離子含量不同會影響實測高光譜測量結(jié)果，土壤中各類離子含量與光譜數(shù)據(jù)間存在著不同于全鹽量的相關(guān)關(guān)系。對各類離子進(jìn)行統(tǒng)計分析，結(jié)果見表1。

表1 土壤樣本中各類離子統(tǒng)計分析結(jié)果

由表2可以看出，各離子間的相關(guān)分析可以看出，Cl-與K+&Na+含量高且相關(guān)性最高，說明土壤中Cl-與K+&Na+是主要的結(jié)合方式。同時K+&Na+和Cl-等離子與土壤全鹽量的相關(guān)系數(shù)較高且呈顯著相關(guān)。

表2 各類離子與全鹽量的相關(guān)分析

**相關(guān)性在0.01層面上顯著；*相關(guān)性在0.05層面上顯著

2.3 高光譜數(shù)據(jù)處理

對野外實測的光譜數(shù)據(jù)進(jìn)行預(yù)處理，每個測試樣點都采集了至少5條光譜數(shù)據(jù)，使用ViewSpecPro軟件剔除光譜測量數(shù)據(jù)中有明顯差別的光譜曲線，并對光譜曲線進(jìn)行取均值、平滑等處理，之后刪除噪聲影響較大的部分，最終選取400～900nm的光譜波段進(jìn)行分析。光譜反射率曲線圖見圖2。

圖2 實測高光譜數(shù)據(jù)曲線圖

在現(xiàn)有的高光譜數(shù)據(jù)處理方法中，光譜微分處理通過計算原始光譜反射率不同階數(shù)的微分值來提取光譜參數(shù)，是最常用的處理方法之一。研究表明，光譜的低階微分處理對噪聲影響敏感性較低，因而在實際應(yīng)用中通過微分變換獲得的數(shù)據(jù)更為有效[9]?；诖祟愌芯浚瑢Λ@得的實測光譜曲線進(jìn)行低階微分變換，以提高分析精度(圖3、圖4)。

圖3 反射率一階微分處理曲線

圖4 反射率二階處理曲線

包絡(luò)線從外觀上看就相當(dāng)于原始反射光譜曲線的“外殼”像用一層薄膜包裹凹凸不平的固體物，薄膜只與固體物的凸出部分接觸[10]。實際的光譜曲線是由離散的樣點組成，所以可用連續(xù)的折線來近似光譜曲線的包絡(luò)線[11]。包絡(luò)線去除法(continuum removal)是一種有效增強感興趣吸收特征的光譜分析方法[12]。光譜的吸收特征歸一化到一致的光譜背景上，有利于與其他光譜曲線進(jìn)行特征數(shù)值的比較(圖5)。

圖5 反射率包絡(luò)線去除處理曲線

2.4 研究方法

在獲取的53個采樣點中選取43個用于模型的建立，剩余數(shù)據(jù)用于模型的檢驗。根據(jù)數(shù)據(jù)處理變換的特點進(jìn)行建模，為了減小模型的計算量，提高模型精度，需要選擇對土壤含鹽量敏感的波段。因此用實測高光譜反射率經(jīng)過微分處理后的數(shù)據(jù)和包絡(luò)線去除變換后的數(shù)據(jù)與全鹽量和各類離子做相關(guān)分析，并選取相關(guān)系數(shù)絕對值較高且顯著相關(guān)的波段，用多元線性回歸的方法建立特征波段與土壤全鹽量等數(shù)據(jù)之間的線性關(guān)系模型。

3 建模與分析

3.1 特征波段選取

包絡(luò)線去除法得到反射率數(shù)據(jù)后，選擇有代表性的特征波段，即波段位于包絡(luò)線去除均值曲線的波谷、轉(zhuǎn)折點等位置，并且與全鹽量等數(shù)據(jù)相關(guān)性較高的波段來進(jìn)行模型的建立。

對用來建模的43個點的包絡(luò)線去除后的光譜數(shù)據(jù)與全鹽量和各類離子數(shù)據(jù)做相關(guān)分析。分析結(jié)果顯示包絡(luò)線去除后的光譜數(shù)據(jù)在波段720～900nm處相關(guān)系數(shù)絕對值較高(|r|≥0.4)且為顯著相關(guān)。

同樣方法對微分變換處理后的光譜數(shù)據(jù)進(jìn)行波段的選取，一階微分變換數(shù)據(jù)中共選取87個波段作為模型建立的自變量選取波段，二階微分變換數(shù)據(jù)中共選取62個波段作為模型建立的自變量選取波段。

3.2 模型建立

3.2.1 包絡(luò)線去除數(shù)據(jù)波段選取逐步回歸模型

利用SPSS軟件對選取的特征波段與實測土壤全鹽量和離子含量進(jìn)行逐步回歸模型的建立，分別得到光譜波段與土壤全鹽量、K+&Na+和Cl-的多元線性回歸方程。結(jié)果見表3。

表3 包絡(luò)線去除回歸模型

其中，X833，X720，X855，X801，X792，X723，X866，X762，X761，X830，X811分別代表選取的833nm，720nm，855nm，801nm，792nm，723nm，866nm，762nm，761nm，830nm，811nm特征波段包絡(luò)線去除后反射率的值。

從模型的穩(wěn)定性和預(yù)測能力兩個方面對模型進(jìn)行檢驗。模型的穩(wěn)定性用決定系數(shù)R2的大小檢驗，R2越大，模型越穩(wěn)定[13]；模型的監(jiān)測能力用均方根誤差(RMSE)來檢驗，RMSE的計算公式為：

(1)

在公式(1)中，m為建模樣本總數(shù)，Pi為各建模樣本預(yù)測值，Mi為各建模樣本實測值。RMSE越小，模型精度越高、監(jiān)測及預(yù)測能力越好，即模擬值和測最值之間的偏差越小[14]。

根據(jù)回歸模型的R2和RMSE可以看出，K+&Na+均方根誤差較小，全鹽量R2最大模型穩(wěn)定度較高。

3.2.2 光譜微分變換逐步回歸模型

采用逐步回歸法對相關(guān)分析后選取的不同波段光譜數(shù)據(jù)進(jìn)行建模，即用選取的實測光譜一階、二階微分處理數(shù)據(jù)與K+&Na+,Cl-和土壤全鹽量理化數(shù)據(jù)進(jìn)行線性回歸擬合，分析各離子實測含量與光譜數(shù)據(jù)的擬合程度和實測高光譜數(shù)據(jù)的各類微分變換對模型擬合的影響。

一階微分處理可以消除例如部分線性或接近線性的噪聲光譜、背景等對目標(biāo)光譜的影響[15]。對原始數(shù)據(jù)進(jìn)行一階微分處理，利用SPSS軟件進(jìn)行分析并建立模型，得到一階微分處理后的光譜數(shù)據(jù)與實測鹽分、各類離子數(shù)據(jù)的回歸方程。結(jié)果見表4。

表4 一階微分變換回歸模型

其中的X419，X861，X803，X439，X427，X465，X450，X486，X833，X736，X764，X440，X438等分別代表各波段一階微分處理后反射率的值。

從模型的穩(wěn)定性與精度的檢驗數(shù)值可以看出，全鹽量數(shù)據(jù)與一階微分處理后的實測高光譜數(shù)據(jù)模型R2值高于包絡(luò)線去除法回歸模型，模型穩(wěn)定性較好，均方根誤差(RMSE)相對較大；用K+&Na+數(shù)據(jù)建立的模型R2為0.894，RMSE為0.185，精度高且穩(wěn)定，相對于其他離子建模效果最佳。

相較于一階微分處理，二階微分處理可以很好地消除基線漂移和背景信號，提高分析精度，增強部分波段反射率與地表參數(shù)的相關(guān)性[15]。利用SPSS軟件進(jìn)行分析并建立模型，得到二階微分處理后的光譜數(shù)據(jù)與實測鹽分?jǐn)?shù)據(jù)的回歸方程。結(jié)果見表5。

其中的X711，X526，X750，X524，X579等分別代表各波段二階微分處理后反射率的值。

通過檢驗數(shù)據(jù)可以看出，經(jīng)過二階微分處理后的實測高光譜數(shù)據(jù)與K+&Na+，Cl-建立的模型決定系數(shù)R2分別為0.772和0.843，RMSE值較小，模型精度也比較高。全鹽量與二階微分處理數(shù)據(jù)建立的模型相較于一階和包絡(luò)線去除建立的模型穩(wěn)定性較高且均方根誤差較小，最適合對全鹽量進(jìn)行反演預(yù)測。而K+&Na+與一階微分變換后數(shù)據(jù)建立的模型R2最高且RMSE最小。

表5 二階微分變換回歸模型

3.3 模型的檢驗與預(yù)測

模型的建立是利用53個采樣點中隨機抽取的43個點進(jìn)行的，剩余采樣點數(shù)據(jù)可用于對各個模型、各類離子的預(yù)測精度和預(yù)測效果進(jìn)行檢驗。根據(jù)R2與RMSE的值可知，對K+&Na+而言一階微分變換后建模效果最佳，而對于全鹽量與Cl-而言二階微分變換后建模效果最佳。對這三個模型進(jìn)行檢驗，繪制散點圖可以直觀的看出建立模型的擬合效果(圖6、圖7、圖8)。

圖6 全鹽量預(yù)測值與實測值檢驗結(jié)果散點圖

圖7 K+&Na+預(yù)測值與實測值檢驗結(jié)果散點圖

圖8 Cl-預(yù)測值與實測值檢驗結(jié)果散點圖

4 結(jié)論

(1)對土壤中各類離子進(jìn)行分析，可以了解濰坊北部地區(qū)的土壤鹽分特征和各類離子分布狀況，其中K+&Na+和Cl-占比最大，說明該地區(qū)土壤中的鹽以氯化物為主。

(2)土壤高光譜數(shù)據(jù)因為其波段的連續(xù)性可以反映出土壤鹽分含量的細(xì)微差異，但原始測量的光譜反射率曲線形態(tài)相似，不容易區(qū)分光譜特征。對實測的高光譜數(shù)據(jù)進(jìn)行包絡(luò)線去除，一階、二階微分處理變換后可以更好地從光譜形態(tài)上分析光譜吸收特征。

(3)對光譜進(jìn)行各類變換后的數(shù)據(jù)對土壤鹽分含量更為敏感，相關(guān)性提高從而選出特征波段，利用逐步回歸法對處理變換后的光譜數(shù)據(jù)進(jìn)行建模，可以看出不同離子對于光譜的敏感波段不同，不同的光譜處理方式也影響模型的精度。其中K+&Na+與一階微分處理后的光譜數(shù)據(jù)建模效果較好，而全鹽量和Cl-則與二階微分處理后的光譜數(shù)據(jù)建模效果較好。

(4)土壤中各種因素都會影響高光譜數(shù)據(jù)的準(zhǔn)確性，野外光譜數(shù)據(jù)采集過程中各種未知因素都會影響光譜的測定，因此需要獲取更多數(shù)據(jù)以驗證模型的準(zhǔn)確性，更好地提高模型的精度。

[1] 楊勁松.中國鹽漬土研究的發(fā)展歷程與展望[J].土壤學(xué)報,2008,(5):837-845.

[2] 杜東,劉宏偉,劉志濤,等.萊州灣南岸海(咸)水入侵監(jiān)測技術(shù)方法體系構(gòu)建[J].山東國土資源,2015,31(5):49-53.

[3] 彭杰,劉煥軍,史舟,等.鹽漬化土壤光譜特征的區(qū)域異質(zhì)性及鹽分反演[J].農(nóng)業(yè)工程學(xué)報,2014,(7):167-174.

[4] 秦鵬,姚春梅,王集寧,等.濰北平原土壤鹽漬化現(xiàn)狀及成因分析[J].山東國土資源,2013,29(9):95-98.

[5] Dehaan R L, Taylor G R.Field-derived spectra of salinized soils and vegetation as indicators of irrigation-induced soil salinization [J].Remote Sensing of Environment,2002,80 (3) :406-417.

[6] 劉煥軍,張柏,王宗明,等.基于反射光譜特征的土壤鹽堿化評價[J].紅外與毫米波學(xué)報,2008,(2):138-142.

[7] 劉衍君,曹建榮,高巖,等.萊州灣南岸海水入侵區(qū)土壤鹽漬化驅(qū)動力分析與生態(tài)對策[J].中國農(nóng)學(xué)通報,2012,(2):209-213.

[8] 魯如坤.土壤農(nóng)業(yè)化學(xué)分析方法[M].南京:河海大學(xué)出版社，2000:21-59.

[9] 曹文濤,吳泉源,王菲,等.基于野外實測光譜的濰北地區(qū)土壤全鹽量監(jiān)測研究[J].土壤通報,2016,(2):265-271.

[10] 張雪紅,田慶久.基于連續(xù)統(tǒng)去除法的冬小麥葉片氮積累量的高光譜評價[J].生態(tài)學(xué)雜志,2010,(1):181-186.

[11] 丁麗霞,王志輝,葛宏立.基于包絡(luò)線法的不同樹種葉片高光譜特征分析[J].浙江林學(xué)院學(xué)報,2010,(6):809-814.

[12] 謝伯承,薛緒掌,劉偉東,等.基于包絡(luò)線法對土壤光譜特征的提取及其分析[J].土壤學(xué)報,2005,(1):171-175.

[13] 徐馳,黃介生.土壤含鹽量高光譜定量反演研究[J].中國農(nóng)村水利水電,2014,(4):1-3.

[14] 丁建麗,伍漫春,劉海霞,等.基于綜合高光譜指數(shù)的區(qū)域土壤鹽漬化監(jiān)測研究[J].光譜學(xué)與光譜分析,2012,(7):1918-1922.

[15] 張東,塔西甫拉提·特依拜,張飛,等.分?jǐn)?shù)階微分在鹽漬土高光譜數(shù)據(jù)預(yù)處理中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報,2014,(24):151-160.

AnalysisonSpectralCharacteristicsofSoilSalinityinNorthernWeifangCity

ZHANG Zhi'an1, ZHAO Yan2, YAN Bingjun3, JIANG Han4, WU Xuanqiao5

(1. Shandong Remote Sensing Technology Application Center, Shandong Jinan 250013，China;2. Longkou Mining Group Limited Corporation, Shandong Longkou 265701, China;3.Longkou Bureau of Land and Resource, Shandong Longkou 265701, China;4. Geography and Environment College of Shandong Normal University, Shandong Jinan 250014，China;5. Daliuhang Gold Mine of Shandong Jinchuang Gold Limited Corporation, Shandong Yantai 265615, China)

In order to improve the monitoring efficiency of soil salinity in seawater intrusion area, setting northern region in Weifang city as the study area, by using hyperspectral measurement technology, hyperspectral data of soil salinity in the region has been gained and analyzed, and relevant data of soil salt content has also been gained. Through analysis on the relationship between various ions and total salt contents, ion composition and ion source of soil salinity in Northern Weifang have been analyzed. Through removing and transforming of original hyperspectral data, choosing characteristic bands, first and second order differential transformation, the accuracy of the model can be improved. Stepwise regression model between hyperspectral data and soil salinity data can be established, and the accuracy of the model has been checked, various types of model test results have been compared, and the response effect of various ions on hyperspectral data has been analyzed. Among them, by using regression model of first order differential transform, the estimation accuracy of K+and Na+in soil is high, R2=0.894, the error of root mean square is small, and the accuracy is high. It can provide useful data for hyperspectral monitoring of soil salinity.

Soil salinity; spectral analysis;related ions; regression model

2017-04-17；

2017-05-24；

王敏

張智安(1961—)，男，山東濟(jì)南人，工程師，主要從事遙感與地理信息系統(tǒng)工程工作；E-mail:sdrs7260@126.com

TP79

B

張智安，趙燕，顏秉軍，等.濰坊北部地區(qū)土壤鹽分光譜特征分析[J].山東國土資源，2017,33(12)：43-48.ZHANG Zhi'an, ZHAO Yan, YAN Bingjun, etc. Analysis on Spectral Characteristics of Soil Salinity in Northern Weifang City[J].Shandong Land and Resources, 2017,33(12)：43-48.