基于可見(jiàn)近紅外成像光譜技術(shù)土壤剖面氮的預(yù)測(cè)研究.pdf

1、土壤剖面及其不同層次的屬性研究對(duì)于土壤發(fā)生發(fā)育、土壤分類等土壤科學(xué)研究有著極其重要的意義。傳統(tǒng)的土壤信息獲取過(guò)程耗時(shí)費(fèi)力，而遙感技術(shù)可以快速、周期性地提供各種尺度的土壤信息，已被廣泛應(yīng)用于土壤資源調(diào)查、土地質(zhì)量評(píng)價(jià)、土壤分等定級(jí)、土壤分類及土壤制圖等研究工作當(dāng)中。傳統(tǒng)的土壤理化屬性測(cè)試方法費(fèi)時(shí)、繁瑣，成本高，難以滿足快速監(jiān)測(cè)土壤氮（N）含量的需求。近年來(lái)利用光譜測(cè)定技術(shù)快速、簡(jiǎn)便、無(wú)損地對(duì)樣品進(jìn)行定量分析，已在各個(gè)領(lǐng)域廣泛應(yīng)用，并取得了

2、良好的效果。成像技術(shù)與光譜技術(shù)的結(jié)合獲取的數(shù)據(jù)既具有高空間分辨率又同時(shí)具有高光譜分辨率，能夠提供非常豐富的土壤遙感信息，為橫向上的土壤定量監(jiān)測(cè)及土壤屬性制圖等提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。然而，從國(guó)內(nèi)外學(xué)者的研究工作來(lái)看，土壤科學(xué)缺乏一種對(duì)于土壤完整剖面的高空間及高光譜分辨率成像技術(shù)來(lái)測(cè)量全氮（TN）含量。對(duì)于土壤屬性的定量研究大都選用深0-15cm或0-20cm的耕層土樣，鮮有針對(duì)0-100cm剖面點(diǎn)狀樣的相關(guān)報(bào)道，特別是針對(duì)縱向上完整土壤剖

3、面TN制圖更是未見(jiàn)諸于相關(guān)文獻(xiàn)。
　　 鑒于此，本文以配備25μm狹縫和視場(chǎng)角13.1°的35mm焦距鏡頭，電荷耦合器件(CCD)1004 pixels×1002 pixels的成像光譜儀用于數(shù)據(jù)采集，涵蓋400-1000nm共753個(gè)波段。首先利用采自潛江后湖地區(qū)0-100cm剖面點(diǎn)狀土樣光譜反射率，對(duì)比分析不同預(yù)處理方法、不同建模方法對(duì)預(yù)測(cè)結(jié)果的影響，探究最佳的預(yù)測(cè)模型。然后利用采自咸寧地區(qū)0-100cm剖面點(diǎn)狀土樣的可見(jiàn)近

4、紅外(Vis-NIR）土壤反射光譜建立預(yù)測(cè)TN的校正模型，再利用該模型對(duì)該地區(qū)3個(gè)完整土壤剖面的Vis-NIR高光譜影像數(shù)據(jù)進(jìn)行TN的反演并制圖，考察成像光譜技術(shù)在縱向上的土壤TN預(yù)測(cè)能力。同時(shí)，在研究過(guò)程中基于軟件Matlab2010b編寫(xiě)了一個(gè)土壤高光譜影像處理系統(tǒng)來(lái)完成相關(guān)數(shù)據(jù)處理。主要研究成果如下:
　　 1.基于Vis-NIR光譜土壤TN含量的預(yù)測(cè)研究
　　 土壤建模方法是影響光譜定量結(jié)果的主要因素之一。對(duì)采自

5、潛江后湖農(nóng)場(chǎng)0-100cm深度范圍的48個(gè)剖面點(diǎn)狀土樣經(jīng)過(guò)風(fēng)干、研磨、過(guò)篩后進(jìn)行光譜采集。經(jīng)光譜反射率曲線感興趣區(qū)(ROI)提取，為剔除無(wú)效光譜區(qū)域決定保留470-1000nm波段數(shù)據(jù)，然后分析比較了多種預(yù)處理方法建立的PCR(主成分回歸)和PLSR(偏最小二乘回歸）模型，最終確定采用先一階微分（FD）變換再二階7窗口Savitzki-Golay平滑作為光譜預(yù)處理最佳方法。再分別應(yīng)用PCR、PLSR和反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)3種方法

6、建立土壤TN的定量模型。PCR與PLSR兩線性模型的R2分別為0.74和0.80，其RPD分別為2.23和2.22，兩模型能用于土壤TN含量的精確估計(jì)。由PCR提供主成分?jǐn)?shù)(PrincipalComponents)，PLSR提供潛變量數(shù)(Laten Variables)分別作為BPNN的輸入，構(gòu)建的兩個(gè)非線性模型BPNN-PCs和BPNN-LVs均明顯優(yōu)于線性模型PCR和PLSR。其中以4個(gè)潛變量作為輸入的BPNN-LVs模型預(yù)測(cè)性能最

7、優(yōu)，R2以及RPD分別達(dá)到0.90和3.11。實(shí)驗(yàn)結(jié)果表明，提取Vis-NIR光譜的PLSR潛變量因子作為BPNN的輸入，所建定量模型可用于土壤N縱向時(shí)空分布的快速準(zhǔn)確預(yù)測(cè)。
　　 2.基于Vis-NIR成像光譜的土壤剖面TN反演及制圖
　　 采自咸寧崇陽(yáng)的完整土壤剖面高光譜影像在TN反演前需做一系列預(yù)處理。通過(guò)用數(shù)碼相機(jī)拍攝有固定格網(wǎng)尺寸背景的數(shù)碼照片結(jié)合剖面高光譜影像進(jìn)行幾何校正，解決了由于光譜儀和拍攝平臺(tái)等技術(shù)局限

8、性導(dǎo)致拍攝的影像存在較大形變的問(wèn)題，并將影像校正為1mm精度。通過(guò)空間維及光譜維的裁剪，去掉木框及平臺(tái)背景而保留土壤影像數(shù)據(jù)(160 pixels×980 pixels)及有效的光譜波段(470-1000nm)。經(jīng)幾何校正和裁剪后的影像使用多種監(jiān)督分類法處理，結(jié)果顯示最小距離法對(duì)于陰影、裂縫等無(wú)效數(shù)據(jù)與土壤的區(qū)分效果最佳。提出一種“采樣模板”的方法，讓模板依據(jù)限定條件進(jìn)行塊狀或條狀采樣，做類似于ROI的平均處理，最終解決點(diǎn)狀樣與剖面光譜

9、的尺度不一致問(wèn)題。再利用10個(gè)點(diǎn)狀土樣光譜建立PLSR校正模型，對(duì)三個(gè)完整土壤剖面高光譜影像進(jìn)行TN預(yù)測(cè)。結(jié)果表明，Vis-NIR成像光譜可以應(yīng)用于縱向土壤剖面TN反演及制圖，且預(yù)測(cè)效果良好，經(jīng)實(shí)測(cè)值檢驗(yàn)0-100cm的R2和RPD分別為0.56和1.41模型達(dá)到了粗略估計(jì)范疇;0-60cm的效果較好R2和RPD分別為0.87和1.76，顯示出成像光譜技術(shù)可能具有縱向局限性。各剖面單獨(dú)預(yù)測(cè)發(fā)現(xiàn)，XL-1在60-100cm的預(yù)測(cè)偏差拉低了

10、三個(gè)剖面總體在0-100cm的預(yù)測(cè)效果，其在0-60cm的檢驗(yàn)結(jié)果顯示R2=0.94，RPD=2.19，模型優(yōu)異且達(dá)到了可精確預(yù)測(cè)的范疇，而其0-100cm的R2和RPD則分別降至0.15和1.06。XL-2和XL-3在0-100cm的檢驗(yàn)結(jié)果中顯示R2分別為0.91和0.93，RPD分別為1.81和1.69，模型均達(dá)到了粗略定量范疇。以上結(jié)果表明，本研究已初步建立起一套基于Vis-NIR成像光譜的土壤剖面TN反演及制圖處理流程，該技術(shù)

11、用于完整剖面土壤TN含量的粗略估計(jì)是可行的。
　　 3.土壤高光譜影像數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
　　 土壤高光譜影像數(shù)據(jù)大，計(jì)算效率低。現(xiàn)有各類圖像處理軟件僅能實(shí)現(xiàn)通用功能，難以滿足對(duì)影像做無(wú)效值剔除、模板采樣等特殊處理需求。為了更好地對(duì)數(shù)據(jù)進(jìn)行處理，本研究基于Matlab2010b設(shè)計(jì)并編譯了一個(gè)圖形用戶界面(GUI)，實(shí)現(xiàn)了土壤高光譜影像的數(shù)據(jù)讀取、影像裁剪、無(wú)效值剔除、采樣模板、位置還原、精度評(píng)價(jià)等功能。數(shù)據(jù)讀取給土