張亞男 李吉璇 李賓 劉澤華

摘 要：本文利用橫山縣土壤的室內(nèi)光譜，對數(shù)據(jù)采用 的一階微分方法進行處理，并剔除不合理數(shù)據(jù)，運用BP神經(jīng)網(wǎng)絡法研究了土壤中的全鐵含量與高光譜之間的關(guān)系，并建立相應的反演模型。所建模型中隱含節(jié)點1層4個、2層3個的BP神經(jīng)模型較為理想，擬合殘差為0.02433，RMSE=1147.4623。

關(guān)鍵詞：高光譜;土壤全含鐵量;BP神經(jīng)網(wǎng)絡

土壤作為農(nóng)業(yè)生產(chǎn)的主要對象之一，了解其理化特性并據(jù)此進行農(nóng)業(yè)生產(chǎn)管理是保證農(nóng)業(yè)穩(wěn)產(chǎn)高產(chǎn)優(yōu)質(zhì)高效的重要前提。由于高光譜遙感技術(shù)具有連續(xù)、動態(tài)、大面積同步性等優(yōu)勢而被廣泛應用于農(nóng)業(yè)生產(chǎn)，使得快速實現(xiàn)土壤有機質(zhì)含量估測成為可能。鐵作為農(nóng)作物中的微量元素，對作物的生長發(fā)育起著舉足輕重的作用。由于土壤全鐵成分復雜，光譜特性與光譜之間不是簡單的線性關(guān)系。

本文通過對原始土壤光譜數(shù)據(jù)的獲取與分析，采用光譜重采樣，光譜反演指標選取，光譜數(shù)據(jù)變換方式，光譜特征吸收帶的提取，異常樣本的剔除等高光譜數(shù)據(jù)的處理。運用神經(jīng)網(wǎng)絡法研究土壤全鐵含量與其光譜之間的關(guān)系，建立反演模型，并對結(jié)果進行驗證。

一、數(shù)據(jù)來源

試驗區(qū)為橫山縣，位于陜西省北部（北緯37°22′～38°14′，東經(jīng)108°56′～110°～02′），在實驗區(qū)選擇地勢較平坦、土壤裸露區(qū)作為樣區(qū)，并考慮各種土地利用類型和土壤類型，共采集83個土樣。在實驗室對土壤樣品進行理化性質(zhì)分析。2003年6月獲取了橫山試驗區(qū)美國hypeRion成像光譜數(shù)據(jù)，面積400km2。在試驗區(qū)利用GPS確定土壤樣品采集的中心位置，并同步測量了土壤、植被、不同類型土地的地物光譜。地物光譜測量采用ASD FieldSpec FR 野外光譜儀，光譜儀測量的波長范圍為350nm～2500nm。

二、分析方法

1.光譜曲線去躁

為了更好地反映土壤含鐵量與反射率之間的關(guān)系，需要對數(shù)據(jù)進行平滑處理。對光譜曲線采用9點加權(quán)移動平均方法進行降噪處理。計算公式如下：

（1）

式（1）中， 表示9點平滑處理后的值。

2.光譜數(shù)據(jù)變換

為尋找敏感的土壤鐵含量光譜指標，有效增加土壤含鐵量與反射率之間的相關(guān)性，本文采用反射率對數(shù)的一階微分變換方法。在實際計算中，一般用光譜的差分作為微分的有限近似，計算公式如下：

（2）

式中，λ為每個波段的波長;△λ是波長λ1到λ2的間隔，視波段波長而定，本文取;Rλ1和Rλ2分別代表波段λ1和λ2處的光譜反射率。

利用對數(shù)的一階微分變換后，數(shù)據(jù)的相關(guān)系數(shù)曲線的特征明顯增強，在波段1792nm，1677nm，1452m，721nm，776nm，417nm，690nm，890nm，2241nm處較強。

3.光譜反演指標選取

光譜數(shù)據(jù)量和運算量巨大統(tǒng)計參數(shù)的估計偏差增大隨著波段數(shù)增多，樣本的統(tǒng)計參數(shù)也要求越高。計算各波段與土壤有機質(zhì)含量之間的相關(guān)性，按極大相關(guān)性原則，提取特征波段的光譜變換值，在350～2500nm的波段中選取最佳波段的反射率作為反演指標。

根據(jù)相關(guān)系數(shù)曲線的拐點，以波段的光譜反射率的變換值作為反演指標，本文選取1792nm，1677nm，1452m，721nm，776nm，417nm，690nm，890nm，2241nm為相關(guān)因子最初建模因子。

4.異常樣本的剔除

為更加準確地建立土壤性質(zhì)指標與反射率相關(guān)性的反演模型，需要剔除異常的樣本。具體方法是，作出6個波段的散點圖，可以看出樣本1，2和65等偏離趨勢直線較遠，將其作為異常樣本剔除。用同樣的方法將其余波段的異常樣本進行剔除，利用剩下的48個樣本建立模型。

5.光譜反演模型

BP網(wǎng)絡是對非線性可微分函數(shù)進行權(quán)值訓練的多層網(wǎng)絡，

應用步驟如下：

（1）BP網(wǎng)絡的結(jié)構(gòu)及確定。隱節(jié)點數(shù)的求解模型，如：

（3）

式中h為隱含層節(jié)點數(shù)，m為輸入節(jié)點數(shù)，n為輸出節(jié)點數(shù)，a在1～10之間選取。

（2）激活函數(shù)的選取。

三、結(jié)果分析

將樣本數(shù)據(jù)分為兩組：42個用于網(wǎng)絡訓練、6個用于模型檢驗。通過隱含層與隱含層節(jié)點的組合共有6個訓練模型：1）隱含層為1層，隱含層節(jié)點4個;2）隱含層2層，隱含節(jié)點5個;3）隱含層1層，隱含節(jié)點6個;4）隱含層2層，隱含節(jié)點1層4個，2層3個;5）隱含層2層，隱含節(jié)點1層5個，2層4個;6）隱含層2層，隱含節(jié)點1層6個，2層5個。對80個樣本數(shù)據(jù)分別進行訓練與檢驗，其中64個用于訓練、16個用于檢驗。

對6組模型的鐵含量訓練值與預測值的相對誤差比較如下：

基于BP神經(jīng)網(wǎng)絡法建立了多個土壤全鐵含量的高光譜反演模型，結(jié)果表明，模型四BP神經(jīng)模型效果較好，即隱含層2層，隱含節(jié)點1層4個、2層3個，擬合殘差為0.02433，RMSE=1147.4623。

四、結(jié)語

本文分別基于特征吸收波段、經(jīng)驗波段（350～2500nm），運用BP神經(jīng)網(wǎng)絡法建立了全鐵含量的多個反演模型，并對模型進行了驗證。

1.土壤中氧化鐵含量與反射率呈負相關(guān)，鐵含量增加會導致土壤反射率下降。模型四BP集成網(wǎng)絡模型效果較好，即隱含層2層，隱含節(jié)點1層4個、2層3個，擬合殘差為0.02433，RMSE=1216.86，利用BP神經(jīng)網(wǎng)絡模型得出的預測值與實測值較為接近，在實際中較為可行。

2.本次論文討論的模型有限，沒有對隱含層以及隱含層節(jié)點進行充分的討論，利用土壤高光譜信息反演土壤中的全鐵含量有待進一步研究。

3.在今后的工作中，可以系統(tǒng)地研究各種形式的鐵對光譜的影響，運用盡可能多的樣品進行分析和建模，研究對農(nóng)業(yè)更具實際意義的有效鐵含量的反演。高光譜在土壤特性分析中的應用還面臨很多問題，同時也有巨大的前景。

參考文獻：

[1]丁國香. 基于神經(jīng)網(wǎng)絡的土壤有機質(zhì)及全鐵含量的高光譜反演研究[D].南京信息工程大學碩士學位論文，2008.

[2]邱華旭，黃張裕，李希燦.土壤性質(zhì)指標光譜反演數(shù)據(jù)變換模型研究[J].測繪科學，2013，38（03）：131-133.

[3]李希燦，王靜，王芳，等.基于模糊識別的土壤性質(zhì)指標光譜反演[J].遼寧工程技術(shù)大學學報（自然科學版），2010，29（02）：324-327.

作者簡介：張亞男（1998-）女，山東泰安人，本科，主要研究方向為攝影測量與遙感。