徐 璐，王 慧，邱思怡，練靖文，王李娟

江蘇師范大學(xué)地理測(cè)繪與城鄉(xiāng)規(guī)劃學(xué)院，江蘇 徐州 221116

引 言

土壤鹽漬化不僅影響農(nóng)業(yè)可持續(xù)發(fā)展，而且對(duì)生態(tài)環(huán)境也有一定的破壞，是導(dǎo)致土壤退化的全球性問(wèn)題之一[1]。由于自然環(huán)境的變化和人為活動(dòng)的影響，土壤鹽漬化程度和分布一直處于變化的狀態(tài)，因此精確監(jiān)測(cè)土壤鹽漬化的變化動(dòng)態(tài)是科學(xué)管理和合理利用鹽漬土的重要前提[2]。傳統(tǒng)的土壤鹽漬化監(jiān)測(cè)方法需要大量人力、 物力和時(shí)間成本，而且采樣的時(shí)間和地區(qū)都有一定的限制，對(duì)土壤表面也有一定的破壞，難以實(shí)現(xiàn)鹽漬化監(jiān)測(cè)的快速更新[1]。利用遙感定量監(jiān)測(cè)土壤鹽漬化已經(jīng)成為公認(rèn)的方便快捷的新途徑，也是科學(xué)界比較重要的研究熱點(diǎn)[3-4]。但是遙感仍然存在一定的局限性，如受天氣影響和反演地表參數(shù)的尺度較大等，而近地表傳感可以解決這些問(wèn)題。

數(shù)碼相機(jī)作為日常電子用品，可以用于土壤信息的精確反演[5-7]。Persson利用數(shù)碼相機(jī)獲取土壤相片，經(jīng)過(guò)顏色空間轉(zhuǎn)換得到RGB和HSV等不同顏色參數(shù)，并發(fā)現(xiàn)S和V變量與土壤含水量有較好的關(guān)系，建立了較好的預(yù)測(cè)模型[7]。吳才武等利用數(shù)碼相機(jī)提取黑土表面的顏色信息，然后定量化研究其與黑土有機(jī)質(zhì)之間的關(guān)系，發(fā)現(xiàn)R波段與土壤有機(jī)質(zhì)有較高的相關(guān)性，并建立了精度較高的預(yù)測(cè)模型[6]。相比其他高精度的貴重儀器，數(shù)碼相機(jī)等電子產(chǎn)品的通用性和普遍性為科學(xué)研究的應(yīng)用推廣提供了良好的平臺(tái)，結(jié)合無(wú)人機(jī)技術(shù)的快速發(fā)展，將會(huì)加快實(shí)現(xiàn)土壤精準(zhǔn)監(jiān)測(cè)和土地精細(xì)化管理，為精準(zhǔn)農(nóng)業(yè)發(fā)展提供了技術(shù)支持。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

研究區(qū)位于江蘇省鹽城市大豐區(qū)(120.52°—120.86°N，33.03°—33.5°E)，瀕臨黃海，該區(qū)屬于亞熱帶海洋季風(fēng)氣候，受南北氣流和海洋、 大陸雙重氣候的影響，年降水量約為900～1 100 mm，年平均氣溫約為13.7～14.8 ℃[8]。海水倒灌導(dǎo)致地下水礦化度較高，人類(lèi)活動(dòng)的不合理利用使得淺咸地下水上升至地表導(dǎo)致土壤加劇鹽漬化。如今土地利用類(lèi)型以圍墾用地，建筑用地，水產(chǎn)養(yǎng)殖用地和濱海灘涂等為主，而且隨著復(fù)墾和養(yǎng)殖用地的增加，灘涂用地也越來(lái)越少，茅草，鹽蒿，蘆葦和米草等群落也在逐漸減少。圖1展示了研究區(qū)和采樣點(diǎn)位置。

圖1 研究區(qū)和采樣點(diǎn)分布圖Fig.1 Study area and sampling points distribution

1.2 數(shù)據(jù)獲取

1.2.1 相片數(shù)據(jù)獲取

2018年6月22日—24日，天氣多云轉(zhuǎn)晴，時(shí)有微風(fēng)，溫度為18～33 ℃。我們沿著海岸線(xiàn)一路考察，選擇不同狀態(tài)的裸露地表進(jìn)行采樣，同時(shí)拍照獲取數(shù)碼相片。為了增加相片數(shù)據(jù)的復(fù)雜性以獲得魯棒性較強(qiáng)的模型，我們選擇在晴天和多云的狀態(tài)下進(jìn)行全天時(shí)拍照和采樣，最終共采集了52個(gè)樣品。

圖2 各采樣點(diǎn)的拍照時(shí)間和平均亮度值Fig.2 Sampling time and mean brightness of sampling points

1.2.2 土壤數(shù)據(jù)獲取

拍照完成后，將視場(chǎng)內(nèi)的表層土壤(小于5 cm)采集裝入封口袋，并放入保溫箱以防止土壤水分蒸發(fā)，同時(shí)使用GPS記錄采樣點(diǎn)的經(jīng)緯度。每天將采集樣品進(jìn)行稱(chēng)重獲取土壤濕重，之后在105℃烘箱中干燥24 h以獲取土壤干重，進(jìn)而得到土壤含水量。

用2 mm篩子將烘干土樣過(guò)篩，并配制土水比為1∶5的混合溶液，充分混合后獲取表層清液用來(lái)測(cè)量土壤理化性質(zhì)。土壤電導(dǎo)率(EC)和pH值數(shù)據(jù)通過(guò)電導(dǎo)率儀(DDS-307A)和pH計(jì)(PHSJ-3F)測(cè)量得到。濱海鹽土的主要鹽分是NaCl，其可溶性使得土壤含鹽量與電導(dǎo)率之間有非常好的相關(guān)性[10]，因此本區(qū)域可以用電導(dǎo)率表示土壤鹽漬化程度。土壤的理化性質(zhì)如表1所示。

表1 土壤理化屬性數(shù)據(jù)描述Table 1 Summary of soil physical and chemical properties

1.3 顏色空間

1.3.1 RGB和HIS

RGB顏色空間是最常用的顏色系統(tǒng)，是由紅(R)綠(G)藍(lán)(B)三種基本色構(gòu)成，其相對(duì)應(yīng)的光譜波段為700，546和436 nm。對(duì)于常用的8位圖像，每個(gè)基本色都有28=256個(gè)位階，其灰度值由黑(0)到白(255)變化[11]。本研究中JPG格式的相片是基于RGB顏色系統(tǒng)的，可以直接從相片的各像素中提取RGB的亮度值。

RGB三原色的亮度值具有高度相關(guān)性，HIS顏色空間則是去相關(guān)后的顏色空間，H代表色相，I代表強(qiáng)度或亮度，S代表飽和度。該顏色空間可以由RGB顏色空間轉(zhuǎn)換而來(lái)，為了與其他顏色空間參數(shù)區(qū)分，本文用HIS_H，HIS_I，HIS_S表示HIS顏色空間的三個(gè)參數(shù)。

1.3.2 CIEXYZ，CIELAB，CIELUV和CIELCH

懷遠(yuǎn)石榴雖然品質(zhì)良好，但是缺乏宣傳，知名度十分有限。懷遠(yuǎn)縣的石榴很少利用新媒體的宣傳方式，只是依靠品質(zhì)與口碑?dāng)U大銷(xiāo)路。當(dāng)今社會(huì)，信息繁多，如何吸引消費(fèi)者的關(guān)注成為了產(chǎn)品銷(xiāo)售的重要因素之一?！熬葡悴慌孪镒由睢钡臅r(shí)代早已不復(fù)存在，缺乏宣傳的產(chǎn)品很容易導(dǎo)致無(wú)人問(wèn)津。而懷遠(yuǎn)的石榴卻恰恰忽視了宣傳這個(gè)重要因素。雖然懷遠(yuǎn)的石榴拿到了國(guó)家的農(nóng)產(chǎn)品獎(jiǎng)項(xiàng)，但是由于缺乏宣傳，懷遠(yuǎn)石榴的知名度僅限于安徽省北部的地區(qū)即周邊省。這樣會(huì)使得即使懷遠(yuǎn)石榴及其相關(guān)產(chǎn)品生產(chǎn)出來(lái)，也只會(huì)積壓在倉(cāng)庫(kù)內(nèi)，造成資源浪費(fèi)。因此，知名度小是該地區(qū)石榴產(chǎn)業(yè)化的重大阻礙。

1931年，國(guó)際照明組織(CIE)通過(guò)指定光源為顏色系統(tǒng)制定了標(biāo)準(zhǔn)，并提出CIEXYZ顏色系統(tǒng)。這里的Y代表亮度值，X和Z是虛擬組分，該系統(tǒng)經(jīng)常作為其他顏色系統(tǒng)轉(zhuǎn)換的中間媒介，如CIELAB和CIELUV[11]。

國(guó)際照明組織在1976年提出了新的CIELAB和CIELUV顏色空間，都是有CIEXYZ顏色空間轉(zhuǎn)換而來(lái)。CIELAB中，L表示亮度，取值范圍是[0, 100]，A表示從綠色到品紅色的范圍，B表示從藍(lán)色到黃色的范圍，取值范圍都是[-128，127]，該顏色空間的三個(gè)參數(shù)用LAB_L，LAB_A和LAB_B表示。

CIELUV中的L的意義和取值范圍都與CIELAB相同，U和V表示色度，且取值范圍是[-100, 100][12]，顏色空間的三個(gè)參數(shù)用LUV_L，LUV_U和LUV_V表示。

CIELCH顏色空間與CIELAB一致，但是它采用了不用的表示方法，L表示亮度，C表示飽和度，H表示色相，這里用LCH_L，LCH_C和LCH_H表示。

圖3給出了不同顏色空間之間的轉(zhuǎn)換關(guān)系，各顏色空間之間的轉(zhuǎn)換公式可參考文獻(xiàn)[12]。這里L(fēng)AB_L，LUV_L和LCH_L都表示亮度且值相同，因此數(shù)據(jù)分析時(shí)統(tǒng)一用LAB_L表示。所有的顏色空間轉(zhuǎn)換計(jì)算由“colorscience” 軟件包完成。

圖3 不同顏色空間的變換關(guān)系Fig.3 Color space transformations

1.4 建模與評(píng)價(jià)

本研究采用隨機(jī)森林算法進(jìn)行建模，隨機(jī)森林是一種集成學(xué)習(xí)方法，該算法會(huì)生成很多樹(shù)，每棵樹(shù)都是通過(guò)自舉抽樣的樣本數(shù)據(jù)訓(xùn)練得到的，并用袋外樣本進(jìn)行精度驗(yàn)證，隨機(jī)森林的預(yù)測(cè)結(jié)果則是所有輸出結(jié)果的平均情況[13]。該算法的主要參數(shù)都用默認(rèn)值，即決策樹(shù)個(gè)數(shù)(ntree=500)和節(jié)點(diǎn)數(shù)(mtry約為總變量數(shù)的1/3)。利用隨機(jī)選取的建模數(shù)據(jù)集(70%)進(jìn)行建模，采用留一交叉驗(yàn)證(LOOCV)進(jìn)行精度校正，然后用余下的驗(yàn)證數(shù)據(jù)集(30%)進(jìn)行檢驗(yàn)，重復(fù)100次以確定最優(yōu)模型參數(shù)。此外，選取決定系數(shù)(R2)，均方根誤差(RMSE)和相對(duì)分析誤差(RPD)作為模型精度檢驗(yàn)指標(biāo)，其計(jì)算方法如下

一般情況下，預(yù)測(cè)能力較好的模型具有較高的R2和較低的RMSE。有研究表明，RPD>2 表明模型有較高的預(yù)測(cè)能力，1.4

2 結(jié)果與討論

2.1 土壤顏色參數(shù)與電導(dǎo)率的關(guān)系

從數(shù)碼相片中獲取圖像的RGB空間的顏色參數(shù)之后，經(jīng)過(guò)上述顏色空間轉(zhuǎn)換得到其他顏色空間參數(shù)。將所有顏色空間的參數(shù)和電導(dǎo)率做相關(guān)分析，結(jié)果如圖4所示。圖中將所有顏色參數(shù)分成3組，相關(guān)性較大的參數(shù)聚集成一組，且只顯示相關(guān)性達(dá)到極顯著水平(p<0.01)的值，相關(guān)性未達(dá)到極顯著水平的值不予顯示?？梢钥闯觯琇AB_A，LAB_B，LUV_U，LUV_V，LCH_C和HIS_S之間的相關(guān)性較大，且與其他參數(shù)的相關(guān)性基本都未達(dá)到極顯著水平； LCH_H和HIS_H的相關(guān)性較大，HIS_H與其他參數(shù)相關(guān)性基本未達(dá)到極顯著水平，但LCH_H與LAB_A和LUV_U有一定的負(fù)相關(guān)關(guān)系； 余下的顏色參數(shù)(R，G，B，X，Y，Z，LAB_L，HIS_I)之間具有較高的相關(guān)性，且與其他顏色參數(shù)都未達(dá)到顯著水平。

圖4 顏色空間參數(shù)與電導(dǎo)率之間的相關(guān)系數(shù) ×表示參數(shù)間的相關(guān)性未達(dá)到極顯著水平Fig.4 Correlation coefficient between EC andparameters in various color spaces × means the non-significant correlation

從顏色模型的角度分析，LAB_A，LAB_B，LUV_U，LUV_V，LCH_C和HIS_S都是表示顏色純度的參數(shù)，雖然在不同的顏色空間中有自己的值域，但是經(jīng)過(guò)轉(zhuǎn)換后的參數(shù)之間的相關(guān)系數(shù)仍較高(r>0.82，p<0.001)。HIS_H和LCH_H都是表示顏色色相的參數(shù)，二者之間的相關(guān)系數(shù)為r=0.81 (p<0.001)。R，G，B，X，Y，Z，LAB_L和HIS_I都是表示顏色亮度的參數(shù)，在不同的顏色空間也有自己的值域，相關(guān)系數(shù)最小值為r=0.92(p<0.001)?？梢岳斫鉃椋m然各顏色空間的顏色表達(dá)不一樣，但是顏色三要素(純度，亮度，色相)之間互相影響較小。

從電導(dǎo)率與顏色參數(shù)之間的相關(guān)關(guān)系可以看出，電導(dǎo)率與所有表示顏色亮度參數(shù)的相關(guān)性都達(dá)到了極顯著水平，最小值是R參數(shù)與電導(dǎo)率之間的相關(guān)系數(shù)r=0.39(p=0.005)。電導(dǎo)率與表示顏色純度的參數(shù)也都達(dá)到了顯著水平，最小值是LAB_A與電導(dǎo)率之間的相關(guān)系數(shù)r=0.35(p=0.011)。電導(dǎo)率與表示顏色色相參數(shù)(LCH_H和HIS_H)之間的相關(guān)性都沒(méi)有達(dá)到顯著水平，相關(guān)系數(shù)分別為0.26(p=0.06)和0.05(p=0.72)。

2.2 模型構(gòu)建與評(píng)價(jià)

圖5 土壤電導(dǎo)率的觀(guān)測(cè)值與預(yù)測(cè)值對(duì)比Fig.5 Scatter diagram of observed and predicted EC

已有研究利用相機(jī)拍照獲取顏色參數(shù)來(lái)構(gòu)建土壤鹽分模型。Ren等[15]研究了東北地區(qū)典型的蘇打鹽堿土，發(fā)現(xiàn)土壤鹽分越大，地表干燥后的裂紋就越大，以此現(xiàn)象著手，計(jì)算每個(gè)相片的灰色共生矩陣紋理特征，基于此建立了精度很高的土壤鹽分預(yù)測(cè)模型(R2=0.92)。Xu等[5]研究了西部干旱區(qū)土壤鹽分，發(fā)現(xiàn)鹽分有表聚現(xiàn)象，泛白的鹽分對(duì)日光有較高的反射率，導(dǎo)致相片有較高的亮度值，在獲取相片數(shù)據(jù)RGB顏色空間參數(shù)后，對(duì)相片的每一個(gè)像素進(jìn)行深度分析，建立了精度很高的土壤鹽分預(yù)測(cè)模型(R2=0.90)。與上述研究不同，本文研究區(qū)位于東部濱海，土壤鹽分常常受到土壤水分的影響，表1中可以看出濱海地區(qū)很少有地表干燥的土壤，所以既無(wú)鹽分表聚，也無(wú)地表裂紋現(xiàn)象。因此，本文從顏色空間的角度探索一種新的土壤鹽分反演途徑，在有土壤水分干擾的情況下，獲得了精度較好的模型。除此之外，獲取相片時(shí)的光環(huán)境變化會(huì)對(duì)相片的RGB顏色空間有一定的影響，最終對(duì)模型精度有一定的影響。

圖6對(duì)各參數(shù)變量的重要性做了比較?？梢钥闯龅梅州^高的前5個(gè)變量都是顏色純度參數(shù)，如LUV_U，HIS_S，LUV_V，LCH_C和LAB_B，位于中間的8個(gè)變量是顏色亮度變量，如HIS_I，R，Y，B，Z，X，G和LAB_L，最后兩個(gè)變量是色相參數(shù)，也是與電導(dǎo)率相關(guān)性較小的兩個(gè)個(gè)變量，其中LCH_H與電導(dǎo)率的相關(guān)性最小，在模型中的貢獻(xiàn)也最小，該結(jié)果與圖4中電導(dǎo)率與顏色參數(shù)的相關(guān)系數(shù)結(jié)果一致。

圖6 不同顏色空間參數(shù)的重要性比較Fig.6 The importance of variables in different color spaces

土壤顏色空間逐漸成為土壤研究方向的科研熱點(diǎn)[16-17]。吳才武等[17]利用數(shù)碼相機(jī)獲取黑土表面顏色信息，研究了不同顏色空間參數(shù)(RGB，CIELAB，CIELUV和CIELCH)及其數(shù)學(xué)變換形式，并建立其與有機(jī)質(zhì)含量之間的關(guān)系，根據(jù)模型建立和檢驗(yàn)的綜合評(píng)價(jià)，認(rèn)為RGB顏色空間更能有效反演土壤有機(jī)質(zhì)，其次是CIELUV，CIELAB和CIELCH。Fu等[16]在實(shí)驗(yàn)室內(nèi)用手機(jī)拍照獲取不同水分狀態(tài)下的土壤相片，反演復(fù)雜情況的土壤有機(jī)質(zhì)含量，通過(guò)5個(gè)顏色空間(RGB，HIS，CIELUV，CIELAB和CIELCH)的參數(shù)對(duì)比分析，發(fā)現(xiàn)不同水分狀態(tài)下土壤有機(jī)質(zhì)含量與顏色參數(shù)的相關(guān)性不同，認(rèn)為土壤水分含量較少(<10%)的情況下，R對(duì)土壤有機(jī)質(zhì)有較好的預(yù)測(cè)能力。土壤水分含量較高(>10%)的情況下，LCH_H，LCH_C和LUV_U能夠較好的預(yù)測(cè)土壤有機(jī)質(zhì)含量。以前的研究大多針對(duì)不同顏色參數(shù)與土壤屬性之間的關(guān)系，較少的認(rèn)識(shí)到顏色參數(shù)間的屬性歸類(lèi)，而且顏色空間在土壤鹽分預(yù)測(cè)方面的研究也較少。本研究彌補(bǔ)了這一空白，認(rèn)為土壤顏色純度是土壤含鹽量估算的重要參數(shù)，其次是土壤顏色亮度，而土壤顏色色相對(duì)土壤含鹽量的估算能力較小。

土壤顏色本身并不是土壤的功能屬性，卻是反演土壤功能屬性的重要參數(shù)。本研究通過(guò)數(shù)碼相機(jī)獲取濱海土壤顏色參數(shù)，并通過(guò)顏色空間轉(zhuǎn)換獲取了其他顏色參數(shù)，通過(guò)多個(gè)顏色參數(shù)建立了土壤含鹽量快速預(yù)測(cè)的新方法。土壤顏色受多種因素的影響，如土壤有機(jī)質(zhì)，土壤質(zhì)地，土壤鐵含量，土壤含水量等[5, 12]，而最終獲取的土壤相片顏色又受到天氣情況，日照強(qiáng)度，相機(jī)參數(shù)設(shè)置等因素影響[9]。因此，該模型是在眾多因素影響下建立起來(lái)的魯棒性較強(qiáng)的土壤鹽分反演模型。

采樣區(qū)聚集在東部濱海地區(qū)，我們認(rèn)為土壤有機(jī)質(zhì)、 土壤鐵含量和土壤質(zhì)地等土壤背景參數(shù)基本相同，并認(rèn)為土壤含水量和含鹽量是影響土壤相片顏色的主要因素，這樣得到的模型就可以忽略土壤含水量的影響。同時(shí)為了模型具有更大的魯棒性和普適性，我們選擇在不同天氣情況下獲取相片數(shù)據(jù)，以此獲取對(duì)天氣因素免疫的土壤鹽分模型。

作為顏色三要素之一的顏色純度是模型中起主要作用的參數(shù)，它們大都與土壤鹽分有極顯著的負(fù)相關(guān)關(guān)系，具體物理聯(lián)系尚不清楚。土壤顏色亮度與土壤含水量、 周?chē)猸h(huán)境和相機(jī)曝光設(shè)置有一定的關(guān)系[7]，在天氣多變的情況下，選擇自動(dòng)曝光模式對(duì)相片亮度有較好的統(tǒng)一作用。顏色色相是常用來(lái)分辨顏色的重要參數(shù)，在模型中的作用卻是最次要的，可能是由于同一地區(qū)土壤顏色差異較小，僅通過(guò)色彩差異不足以反演土壤鹽分帶來(lái)的變化。本文僅僅通過(guò)顏色空間轉(zhuǎn)換等方法來(lái)探索顏色參數(shù)對(duì)土壤鹽分的反演過(guò)程，各個(gè)顏色參數(shù)與土壤鹽分的物理關(guān)系仍不明確，需進(jìn)一步實(shí)驗(yàn)研究。

3 結(jié) 論