基于野外viS-NIR高光譜的土壤屬性預(yù)測及田間水分影響去除研究.pdf

1、本研究以浙江省分屬不同市縣的9塊排水疏干后的水稻田為研究區(qū)域，選擇104個(gè)采樣點(diǎn)在田間靜態(tài)采集其野外原位vis-NIR光譜，針對(duì)土壤有機(jī)碳(OC)、有機(jī)質(zhì)(OM)、總氮(TN)、速效氮(AN)、速效磷(AP)、速效鉀(AK)和pH這七種重要土壤屬性，研究基于野外原位vis-NIR光譜對(duì)其進(jìn)行預(yù)測的可行性，并通過各種化學(xué)計(jì)量學(xué)方法提高其預(yù)測精度，以期為精準(zhǔn)農(nóng)業(yè)快速獲取土壤信息提供技術(shù)支撐與輔助決策指導(dǎo)。本論文的主要研究內(nèi)容和結(jié)果可以概括為

2、以下幾個(gè)方面:
　　(1)野外原位vis-NIR光譜的主要環(huán)境影響因素分析
　　野外環(huán)境無法進(jìn)行實(shí)驗(yàn)室中土壤樣品的烘干、研磨、過篩等預(yù)處理過程，土壤中的水分含量、土壤質(zhì)地、土壤微聚體陰影、土壤表面的平整處理、土壤屬性的各向異性、土壤大孔隙、土壤中殘留的植物根系、石塊、垃圾等物質(zhì)以及溫度、環(huán)境雜散光等都會(huì)影響野外原位光譜測量的精度。本研究首先在土壤采樣點(diǎn)進(jìn)行野外原位vis-NIR光譜測量，然后采集土壤樣本帶回實(shí)驗(yàn)室風(fēng)干研磨并過

3、2mm篩后測量其相應(yīng)的室內(nèi)光譜。在野外原位光譜測量中，高密度接觸式反射探頭的使用能夠在野外環(huán)境中創(chuàng)造人工暗室環(huán)境，有效避免環(huán)境雜散光的影響;而直徑僅為2cm的探頭窗口有利于選擇較為平整的土壤表面并避開土壤大孔隙、作物根系、石塊等對(duì)野外原位光譜測量的影響。從光譜特征上研究在野外原位光譜測量過程中的主要環(huán)境影響因素及其對(duì)野外原位光譜的影響機(jī)理，采用連續(xù)統(tǒng)去除算法放大光譜特征，采用光譜配對(duì)wavelengtht檢驗(yàn)分析野外原位光譜與相應(yīng)室內(nèi)光

4、譜的差別。對(duì)原始的和經(jīng)連續(xù)統(tǒng)去除的野外原位光譜和室內(nèi)光譜進(jìn)行比較后發(fā)現(xiàn)，二者的主要區(qū)別在于代表水分吸收的1450nm和1940nm波段附近，水稻土的野外光譜曲線吸收谷在寬度和深度上都遠(yuǎn)遠(yuǎn)大于其室內(nèi)光譜曲線，而這主要是因?yàn)樗就灵L期浸水導(dǎo)致的。
　　(2)基于野外原位vis-NIR光譜的土壤重要屬性預(yù)測研究
　　土壤不同組分分子在vis-NIR光譜波段的倍頻振動(dòng)與合頻振動(dòng)，構(gòu)成了利用vis-NIR光譜進(jìn)行土壤屬性預(yù)測的理論基礎(chǔ)

5、。在野外原位進(jìn)行土壤光譜測量，由于土壤水分、表面屬性及其他諸多環(huán)境因素的存在，可能會(huì)遮蓋或部分遮蓋某些土壤屬性的光譜特征，增加了從野外測量的土壤光譜中提取土壤屬性有效信息的難度。而對(duì)于長期處于水淹狀態(tài)的水稻土受到的環(huán)境影響因素，尤其是水分影響，更為明顯。本研究分別采用偏最小二乘回歸(PLSR)算法和最小二乘支持向量機(jī)(LS-SVM)算法，對(duì)利用野外原位vis-NIR光譜預(yù)測七種重要土壤屬性(OC、OM、TN、AN、AP、AK和pH)進(jìn)行

6、可行性分析，并與室內(nèi)光譜預(yù)測結(jié)果進(jìn)行比較。研究結(jié)果發(fā)現(xiàn)，利用野外原位vis-NIR光譜可以對(duì)土壤TN、AN、OC、OM和pH進(jìn)行定量預(yù)測，對(duì)AP和AK無法預(yù)測。對(duì)TN、 AN、 OC和OM的成功預(yù)測主要?dú)w功于這些成分在vis-NIR光譜波段存在直接的光譜響應(yīng)特征，對(duì)AP和AK無法預(yù)測則是因?yàn)樗鼈冊谕寥纕is-NIR光譜波段沒有直接的光譜響應(yīng)特征;而對(duì)pH的成功預(yù)測可能是由于它與土壤中存在直接響應(yīng)波段的礦物成分相關(guān)的緣故。與室內(nèi)光譜預(yù)測結(jié)

7、果進(jìn)行比較后發(fā)現(xiàn)，無論采用PLSR還是LS-SVM算法，基于野外原位光譜的土壤屬性預(yù)測精度普遍低于室內(nèi)光譜。
　　(3)線性與非線性多元建模方法對(duì)野外原位vis-NIR光譜預(yù)測土壤屬性精度的影響
　　土壤組分分子在vis-NIR波段的倍頻峰和合頻峰通常較為寬泛、相對(duì)微弱并且相互重疊，其光譜特征很難被肉眼區(qū)別開來。而且即使對(duì)于土壤組分的同一分子基團(tuán)，所結(jié)合的元素種類發(fā)生變化時(shí)，其吸收峰位置也會(huì)出現(xiàn)輕微的移動(dòng)。常規(guī)方法往往難以對(duì)

8、土壤的vis-NIR光譜進(jìn)行解析。隨著化學(xué)計(jì)量學(xué)的發(fā)展，越來越多的多元數(shù)據(jù)分析技術(shù)被用于土壤屬性光譜特征波段的提取和土壤組分的光譜預(yù)測建模。本研究利用線性的PLSR算法以及非線性的LS-SVM算法分別對(duì)野外原位測量的光譜進(jìn)行7種重要土壤屬性的預(yù)測研究。與線性的PLSR算法相比，LS-SVM算法對(duì)OC、OM、TN和pH的預(yù)測精度有了很大程度的提高，對(duì)AN的預(yù)測精度沒有顯著變化，對(duì)AP和AK兩種算法都不能進(jìn)行定量預(yù)測。研究結(jié)果表明，對(duì)于vi

9、s-NIR波段光譜可以預(yù)測的土壤屬性，非線性的LS-SVM算法可以提高利用野外原位光譜預(yù)測土壤屬性的精度。
　　(4)野外原位vis-NIR光譜土壤水分影響去除研究
　　從前面的研究結(jié)果可以看出，與基于實(shí)驗(yàn)室測量的土壤屬性高光譜研究相比，直接在野外進(jìn)行土壤高光譜測量省略了一系列風(fēng)干、研磨、過篩等土壤樣本的預(yù)處理步驟，節(jié)省了大量的人力物力財(cái)力和時(shí)間。然而，由于土壤水分及其他諸多環(huán)境因素的存在，增加了從野外測量的土壤光譜中提取土

10、壤屬性特征光譜的難度，降低了利用野外光譜進(jìn)行土壤屬性預(yù)測的精度。因此，研究野外土壤光譜測量中的影響因素的去除算法非常有意義。迄今為止，對(duì)于土壤光譜的野外測量中影響因素的去除算法進(jìn)行的研究報(bào)道為數(shù)不多。本研究使用額外參數(shù)正交化法(External parameter orthognolization，EPO)、光譜直接轉(zhuǎn)換法(DirectStandardization，DS)、光譜分段直接轉(zhuǎn)換法(Piecewise Direct Stan

11、dardization，PDS)三種方法對(duì)野外原位光譜中的環(huán)境影響因素進(jìn)行去除。EPO是將所測的光譜投影到與將要去除的環(huán)境影響因素相正交的空間上，從而達(dá)到去除這一影響因素的目的。DS算法通過對(duì)野外原位光譜與室內(nèi)光譜的差值光譜進(jìn)行分析，建立野外原位光譜與室內(nèi)光譜的轉(zhuǎn)換關(guān)系，對(duì)野外原位光譜進(jìn)行轉(zhuǎn)換，實(shí)現(xiàn)環(huán)境影響因素的去除。PDS算法與DS算法的基本原理相同。所不同的是，在DS算法中，室內(nèi)光譜中的全波段數(shù)據(jù)都被用來與野外光譜的每一個(gè)波段進(jìn)行關(guān)

12、聯(lián)并建立起線性關(guān)系進(jìn)行轉(zhuǎn)換。而在PDS算法是將野外光譜中每個(gè)波段附近一個(gè)窗口內(nèi)的光譜數(shù)據(jù)與室內(nèi)光譜該波段的光譜數(shù)據(jù)進(jìn)行關(guān)聯(lián)建立轉(zhuǎn)換關(guān)系，通過小窗口的移動(dòng)，對(duì)野外光譜的所有波段進(jìn)行轉(zhuǎn)換。研究結(jié)果表明，EPO、DS和PDS三種土壤水分影響去除算法都能有效提高基于野外原位光譜預(yù)測土壤有機(jī)碳的精度。未經(jīng)三種土壤水分影響去除算法處理的野外原位光譜可以對(duì)土壤有機(jī)碳進(jìn)行粗略估測(1.4＜RPD＜2.0)，而經(jīng)過處理后可以進(jìn)行準(zhǔn)確的定量預(yù)測（RPD＞2

13、.0）。但是，三種算法各有優(yōu)劣。三種算法的共同點(diǎn)是都需要從整個(gè)樣本集中選擇具有代表性的一小部分樣本帶回實(shí)驗(yàn)室，風(fēng)干研磨過篩后測量其室內(nèi)光譜，用于建立野外原位光譜與室內(nèi)光譜之間的轉(zhuǎn)換關(guān)系，計(jì)算轉(zhuǎn)換系數(shù)。三種算法的不同點(diǎn)是，PDS算法是在移動(dòng)的“小窗口”內(nèi)建立土壤野外原位光譜與室內(nèi)光譜之間的轉(zhuǎn)換關(guān)系，這一特性決定了PDS算法需要的轉(zhuǎn)換樣本數(shù)遠(yuǎn)遠(yuǎn)小于另外兩種算法。而轉(zhuǎn)換樣本數(shù)的減少，意味著節(jié)省了采樣以及樣品前處理所需要的時(shí)間和人力。但是，在本

14、研究中成功使用PDS算法去除野外光譜中土壤水分及其他環(huán)境影響因素的前提是對(duì)光譜進(jìn)行一階導(dǎo)預(yù)處理;而對(duì)于EPO和DS算法則無需進(jìn)行進(jìn)行這一光譜預(yù)處理過程。最后，對(duì)經(jīng)過三種去除水分算法處理后的野外原位光譜有機(jī)碳預(yù)測精度進(jìn)行比較，結(jié)果發(fā)現(xiàn)DS算法的精度最高。
　　(5)基于中國土壤光譜庫的野外原位vis-NIR光譜預(yù)測土壤有機(jī)碳研究
　　中國土壤vis-NIR光譜庫包含有多種類型的土壤樣本，基于中國土壤光譜庫建立的土壤有機(jī)碳預(yù)測模

15、型普適性高，可以實(shí)現(xiàn)對(duì)局部區(qū)域或田塊土壤有機(jī)碳的快速測量。然而，這一模型對(duì)野外原位采集的光譜并不適用，因?yàn)橹袊庾V庫中的光譜都是基于室內(nèi)測量的。本研究使用EPO、DS和PDS三種算法去除104個(gè)野外原位光譜中的水分影響因素后，利用中國土壤光譜庫模型進(jìn)行野外原位vis-NIR光譜土壤有機(jī)碳的預(yù)測。研究結(jié)果表明，經(jīng)三種算法對(duì)野外原位光譜處理后，利用已有的中國土壤光譜庫模型對(duì)土壤有機(jī)碳的預(yù)測精度都有了大幅度的提高，從完全無法預(yù)測(RPD=0.

16、23)提高到可以粗略估計(jì)(對(duì)于EPO和PDS算法:RPD＞1.40)，甚至可以定量預(yù)測（對(duì)于DS算法:RPD=2.06）。使用DS算法處理后的野外原位光譜的預(yù)測精度接近于直接使用室內(nèi)光譜的預(yù)測精度（RPD=2.11）。因此，研究中結(jié)合DS算法給出了基于中國土壤光譜庫的野外原位vis-NIR光譜土壤有機(jī)碳快速預(yù)測的實(shí)際應(yīng)用方案。
　　本研究的研究對(duì)象為水稻土，由于水稻田存在水旱交替這種特殊的耕作形式，基于野外原位vis-NIR光譜測

17、量技術(shù)對(duì)于保證在排水疏干的短暫時(shí)間內(nèi)完成土壤屬性的快速預(yù)量尤為必要。但是，與旱作土壤相比，其野外原位光譜中所受到的土壤水分及其他諸多環(huán)境因素的影響更為明顯，利用野外原位vis-NIR光譜預(yù)測其屬性的精度低于一般旱作土壤。因此，提高野外原位光譜預(yù)測水稻土屬性的精度，去除水稻土野外原位光譜中的水分影響因素，顯得更加迫切。本研究基本完成研究內(nèi)容，達(dá)到了預(yù)期的研究目標(biāo)，在以下個(gè)方面取得了新進(jìn)展:
　　(1)已有較多研究使用和比較了各種線性