婁衛(wèi)東， 林寶剛， 周洪奎， 華水金， 唐旭， 胡昊*

(浙江省農(nóng)業(yè)科學(xué)院 a數(shù)字農(nóng)業(yè)研究所，b作物與核技術(shù)利用研究所，c環(huán)境資源與土壤肥料研究所，浙江 杭州 310021)

土壤理化性質(zhì)是土壤肥力優(yōu)劣和耕作適宜性的重要參考指標(biāo)[1-2]，當(dāng)前針對土壤理化性質(zhì)的檢測多為實(shí)驗(yàn)室化學(xué)分析方法，這種方法需要采集土壤樣品，送往實(shí)驗(yàn)室進(jìn)行化學(xué)分析，經(jīng)過一定時間的檢測才能得到相關(guān)結(jié)果[3]，費(fèi)時費(fèi)力，不能快速地對土壤理化性質(zhì)進(jìn)行測算，進(jìn)而影響土壤肥力和耕作適應(yīng)性的快速評價(jià)和決策，很可能會影響農(nóng)田作物的及時種植以及作物產(chǎn)量與品質(zhì)[4-5]。

近年來，近紅外光譜已應(yīng)用于作物生長狀態(tài)診斷、農(nóng)產(chǎn)品品質(zhì)分析、作物環(huán)境脅迫監(jiān)測等領(lǐng)域[6-8]。土壤是作物生長的容器，其理化性質(zhì)對作物的生長發(fā)育非常重要。有學(xué)者研究表明，通過近紅外光譜可以估算土壤的理化性質(zhì)。孫宇樂等[9]使用光譜結(jié)合SAR數(shù)據(jù)估算了農(nóng)田表土氮磷含量，結(jié)果表明，反射率一階導(dǎo)數(shù)的神經(jīng)網(wǎng)絡(luò)模型對土壤氮、磷量預(yù)測效果最佳，模型預(yù)測R2分別為0.749、0.759。唐永生等[10]利用近紅外光譜結(jié)合卷積神經(jīng)網(wǎng)絡(luò)估算了土壤pH值，其模型對訓(xùn)練集的均方誤差為0.097，對測試集的擬合優(yōu)度為0.90。沈強(qiáng)等[11]通過光譜方法估算了土壤重金屬濃度，表明光譜一階微分是Cr和Zn估算模型的最佳光譜參數(shù)。有學(xué)者發(fā)現(xiàn)近紅外光譜反射率與土壤陽離子交換量CEC(cation exchange capacity)、土壤含水量存在較為顯著的相關(guān)關(guān)系[12-14]。有機(jī)質(zhì)含量(OMC)作為土壤理化性質(zhì)的一種指標(biāo)[15]，被廣泛用于表征土壤肥力，一般認(rèn)為土壤OMC高，土壤較為肥沃，反之亦然。也有學(xué)者通過近紅外光譜估算了土壤OMC，取得了較為理想的結(jié)果[16-19]。

目前通過近紅外光譜對土壤理化性質(zhì)進(jìn)行估算仍存在一些問題，如估算建模使用的光譜特征多為反射率一階微分、反射率倒數(shù)對數(shù)、反射率倒數(shù)對數(shù)一階微分等光譜反射率變換或使用差值指數(shù)、比值指數(shù)、歸一化指數(shù)光譜植被指數(shù)等[20-22]，這些參數(shù)固然提高了模型的可選擇性，但也可能提高了實(shí)際操作的復(fù)雜性；另外，多采用神經(jīng)網(wǎng)絡(luò)、CARS算法、蝙蝠算法(BA)等方法構(gòu)建模型[23-26]。這些模型構(gòu)建方法相對比較復(fù)雜，可能需要較多的數(shù)理統(tǒng)計(jì)專業(yè)知識，實(shí)際應(yīng)用操作可能存在較大困難。因此，本文提出了一種新型的從近紅外光譜曲線自身變化趨勢構(gòu)建土壤理化性質(zhì)估算的方法。

1 材料與方法

本研究采集了140個土壤樣品，去除雜物后風(fēng)干、研磨并通過1 mm土壤篩，在直徑為60 mm、高20 mm的玻璃皿內(nèi)填充約50 g土壤樣品，使用AvaSpec-2048光譜儀(Avantes Inc.，荷蘭)內(nèi)置光源模式垂直采集土壤光譜反射率，光譜儀探頭高度為0.1 m，樣品測定前使用白板和黑背景校正。光譜儀的波長覆蓋范圍為172～1 160 nm，光譜分辨率為0.5 nm。每個樣品重復(fù)測量3次，使用光譜儀自帶程序計(jì)算反射率數(shù)據(jù)，并導(dǎo)入Excel 2010供分析使用。土壤光譜測定流程及所測定的土壤光譜曲線見圖1。

圖1 土壤光譜測定流程及土壤光譜曲線

土壤有機(jī)質(zhì)含量(OMC，g·kg-1)的測定采用重鉻酸鉀-硫酸法(GB 9834—88)，土壤有效磷(AP，mg·kg-1)的測定采用碳酸氫鈉浸提-鉬銻抗分光光度法(GB 7858—87)，土壤有效鉀(AK，mg·kg-1)的測定采用火焰原子吸收分光光度法(NY/T 889—2004)，土壤pH的測定采用電位法(HJ 962—2018)，土壤陽離子交換量測定(CEC，cmol·L-1)采用三氯化六氨合鈷浸提-分光光度法(HJ 889—2017)，土壤全氮含量(TN，g·kg-1)測定采用半微量開氏法(GB 7173—87)。

使用SPSS 17.0進(jìn)行Pearson相關(guān)性分析和雙尾檢驗(yàn)，以確定光譜參數(shù)與土壤物理和化學(xué)特征之間是否存在顯著關(guān)系。回歸模型在SPSS中用曲線估計(jì)工具建立。統(tǒng)計(jì)圖使用Sigma Plot 12.0繪制。

2 結(jié)果與分析

2.1 土壤樣本理化參數(shù)

試驗(yàn)采集的土壤樣本理化性質(zhì)見圖2。OMC為14.49～41.08 g·kg-1，CEC為5.07～19.03 cmol·L-1，土壤AP、AK分別為2.38～183.25 mg·kg-1、27～745 mg·kg-1?？傮w上看，土壤樣本AK和CEC變化范圍較大，OMC、TN和pH變化較小。

圖2 土壤理化性質(zhì)數(shù)值統(tǒng)計(jì)

2.2 光譜反射率曲線擬合及參數(shù)相關(guān)性分析

儀器測定的光譜在曲線兩端處噪聲很大，且數(shù)值接近甚至大于標(biāo)準(zhǔn)白板反射率數(shù)值(100%)，因此，選擇400～1 000 nm光譜數(shù)據(jù)以消除光譜噪聲，并且從波形上看，該范圍內(nèi)的土壤光譜反射率曲線呈線性變化趨勢(圖3)，反射率隨著波長的增加而增加，其變化線性趨勢比較明顯。

因此，假設(shè)400～1 000 nm波長的土壤反射率變化趨勢可以用公式來描述，并且線性回歸模型參數(shù)與該土壤樣本理化性質(zhì)具有很強(qiáng)的相關(guān)關(guān)系。

y=a×x+b。

式中，y為土壤反射率(%)，x為波長，a，b為常數(shù)。命名a參數(shù)名為Slope，命名b參數(shù)名為Intercept。

圖3 示例土壤光譜曲線及Slope、Intercept與土壤理化指標(biāo)相關(guān)系數(shù)

以某土壤樣本在400～1 000 nm的光譜曲線為例，用公式1回歸擬合了光譜反射率曲線，可以得到Slope為0.029 9，Intercept為2.183 3，模型方程為y=0.029 9x+2.183 3，決定系數(shù)為0.975 0，表明該模型較優(yōu)，可以很好地描述土壤光譜反射率的線性趨勢。

分析了Slope、Intercept與土壤樣本理化性質(zhì)OMC、AK、AP、CEC、TN、pH的相關(guān)關(guān)系(圖3)，可見Slope與土壤OMC的相關(guān)系數(shù)最高，為-0.808，達(dá)到極顯著相關(guān)；Slope與土壤TN的相關(guān)系數(shù)次之，為0.637，也達(dá)到極顯著相關(guān)水平；Slope與土壤CEC的相關(guān)系數(shù)為-0.192，達(dá)到顯著水平；Slope與AP、AK、pH的相關(guān)系數(shù)較小，沒有達(dá)到顯著水平。Intercept與TN的相關(guān)系數(shù)為0.348，達(dá)到極顯著相關(guān)水平；Intercept與OMC、pH相關(guān)性達(dá)到顯著水平，Intercept與AP、AK、CEC的相關(guān)性沒有達(dá)到顯著水平。

2.3 土壤有機(jī)質(zhì)含量估算模型建立及驗(yàn)證

選取土壤OMC作為土壤理化性質(zhì)的代表性參數(shù)，研究基于土壤光譜曲線Slope的OMC估算情況。選取70個土壤樣本，測定了其光譜曲線及OMC數(shù)據(jù)，用公式1擬合回歸土壤光譜曲線，得到70個Slope數(shù)據(jù)。繪制了Slope數(shù)據(jù)與相應(yīng)的土壤OMC的散點(diǎn)圖(圖4)。

圖4 Slope與OMC的關(guān)系及OMC估算模型的驗(yàn)證

從圖4中A可以看出，Slope與土壤OMC存在良好的線性關(guān)系，采用線性回歸模型擬合Slope與OMC的關(guān)系?？梢缘玫絆MC的估算模型。

OMC=-329.9x+41.755，R2=0.814 9。

選取另外70個土壤樣本數(shù)據(jù)用于驗(yàn)證已構(gòu)建的OMC估算模型。驗(yàn)證結(jié)果見圖4中B，基于Slope的土壤OMC估算值與實(shí)際測量值差距很小。OMC估算值與測量值的關(guān)系為：OMC估算值=0.899 1×OMC測量值+3.310 7，其決定系數(shù)R2為0.909 6，驗(yàn)證模型精度較高。

3 討論

國內(nèi)外研究表明，通過近紅外光譜可以對土壤理化特征進(jìn)行快速估算反演[27]，有學(xué)者研究表明通過近紅外光譜可估算OMC、pH、CEC、氮含量、含水量等土壤理化性質(zhì)[12,28-29]。本研究表明，通過土壤光譜可以估算土壤OMC，但估算土壤pH、CEC、氮含量效果不理想，這可能與本研究采用的土壤光譜線性變化趨勢(Slope)有關(guān)，采用其他參數(shù)如光譜指數(shù)及其轉(zhuǎn)化組合形式可能會影響光譜與土壤理化性質(zhì)的相關(guān)性。

此外，本研究是在實(shí)驗(yàn)室進(jìn)行，光譜反射率采集是通過光譜儀內(nèi)置光源進(jìn)行，同時土壤樣本是風(fēng)干后且經(jīng)過土壤篩處理，盡管OMC估算與驗(yàn)證模型均精度較高，但研究結(jié)果推廣應(yīng)用中可能會受到野外因素的影響，如土壤表面植被、土壤水分含量、土壤孔隙度等因素都會影響土壤光譜反射率[30]。因此，土壤理化性質(zhì)光譜估算的田間應(yīng)用可能需要進(jìn)一步研究。

實(shí)際農(nóng)業(yè)生產(chǎn)中，光譜指數(shù)的計(jì)算與復(fù)雜的建模方法可能會阻礙土壤理化性質(zhì)光譜快速估算的應(yīng)用，畢竟較多農(nóng)業(yè)從業(yè)人員不一定具有較高的數(shù)理統(tǒng)計(jì)知識，因此，本研究提出的一種基于土壤光譜線性變化趨勢的OMC模型可能具有較大的應(yīng)用價(jià)值。本估算模型建模簡單，容易研發(fā)便攜式設(shè)備或傳感器，在應(yīng)用場景驗(yàn)證優(yōu)化的基礎(chǔ)上，具有較大應(yīng)用市場。

4 小結(jié)

通過近紅外光譜可以快速估算土壤理化性質(zhì)。本研究表明，在波長400～1 000 nm土壤近紅外光譜反射率的線性變化趨勢Slope與土壤OMC的相關(guān)系數(shù)為-0.808，達(dá)到極顯著相關(guān)水平，構(gòu)建了基于Slope的OMC估算模型為OMC=-329.9x+41.755，決定系數(shù)R2為0.814 9；用獨(dú)立數(shù)據(jù)對以上估算模型進(jìn)行驗(yàn)證，結(jié)果表明，基于Slope的土壤OMC估算值與實(shí)際測量值差距很小，驗(yàn)證模型精度較高。基于土壤光譜Slope的OMC估算模型具有較大市場應(yīng)用前景。