一、引言

貴州省喀斯特地貌廣泛分布，地形復雜且氣候多變，土壤干旱和侵蝕較為嚴重，耕地分布零碎同時土壤類型多樣，使得部分地區農田耕作化程度低，造成土壤資源浪費。因此，運用合理的方法定量監測出山區耕地SOM含量從微觀角度來說能提高耕地土壤質量，在宏觀角度來看能促進貴州農業建設與發展。

本文研究通過高光譜遙感技術實現山區耕地土壤有機質的區域監測，構建行之有效的高光譜土壤有機質預估模型。通過研究區的土壤采集，借助高光譜遙感數據獲取土壤反射率，結合耕地同步采樣數據，綜合運用遙感影像處理、光譜分析和模型構建等技術手段，篩選與土壤有機質相關的敏感波段，建立對應的估測模型，實現山區耕地土壤有機質的遙感監測。從而為土壤肥力信息的快速獲取提供有效的技術途徑，推動精準農業的快速發展。

二、數據獲取及處理

2.1 研究區概況

研究區位于貴州省貴陽市花溪區，貴州省農業科學院貓塘坡辣椒研究示范基地（106°39′22″E，26°30′25″N），海拔高度為1150米，耕地土壤以黃壤為主。采樣點分布如圖2-1所示。

圖2-1研究區采樣點

貴州省農業科學院擁有多個專業研究所，涵蓋糧、油、果、蔬、茶、桑、藥、畜牧、獸醫、水產、土壤、肥料、植物保護等50余個專業領域，農產品培養基地多，使得土壤質地均勻，透水性好，由于耕種化程度高使得土壤的微量元素和有機質含量相對穩定。研究區屬于亞熱帶溫潤溫和型氣候，年平均氣溫15.6℃，其中，春季平均氣溫17.5℃，夏季平均氣溫23.3℃，秋季平均氣溫15.5℃，冬季平均氣溫6.7℃。全年極端最高氣溫33.4℃，極端最低氣溫-3.8℃。年降水量1104.5毫米左右，一日最大降雨量133.8毫米，最長連續降水日數11天，最長連續無降水日數11天，全年日照時數1287.4小時，比歷年多108.5小時，全年日照百分率29%，大于60%的天數有86天，小于20%的天數有184天，全年無霜期352天。充足的降雨量與日照時長為農業發展提供良好環境。

2.2數據獲取

2.2.1土樣采集及土壤有機質含量的測定

采集土樣前要做好相應的準備（手持GPS定位儀、小鏟、記號筆、密封袋）。

根據研究區做好采樣規劃，土樣采集以田塊為單元，以5m×5m的采樣尺度在研究區耕地內布點，采集樣點位置土樣。總共采集100份土壤樣品，其中廂間50份做訓練集，廂面50份做驗證集。采集到的土樣經實驗室風干、去雜、研磨通過2mm篩后進行有機質含量的測定。土壤有機質（SOM）測定采用重鉻酸鉀–硫酸硝化法。

2.2.2土壤有機質含量統計分析

廂間和廂面樣本各50個，分別作為訓練集和驗證集，由表看出廂面樣本土壤有機質含量多于廂間樣本，這是因為廂面是農作生長所需的土壤，土壤耕作化程度和施肥量相對較高，所以有機質含量偏高。整體土壤有機質含量介于40.68~47.94，均值為24.66，標準差為7.22，訓練集和驗證集樣本標準差分別為29.13和31.07，變異系數偏中等。

表2-1研究區土壤有機質含量統計分析

2.2.3研究區機載高光譜數據的采集

本文采用高光譜成像系統對貴州省農業科學院貓塘坡辣椒研究示范基地的土壤進行高光譜采集。測定時間為2022年8月8日上午10時至下午2時之間，因為該時段光照充足，幾乎無烏云遮擋，無人機捕捉的地物光譜信息較為全面。與此同時，提前在測區范圍內布設好靶標布，影像經過后期測區的輻射定標和拼接，將RTK獲取的土樣點位信息導入ENVI從而獲得土壤光譜反射率，機載光譜系統影像設置航高為100米，相機曝光時間設置為10毫秒，圖2-2是機載高光譜成像系統。

圖2-2機載高光譜成像系統

2.2.4研究區室外原位光譜數據采集

原位土壤反射光譜的測定采用便攜式地物光譜儀（圖2-3）。

圖 2-3 便攜式地物光譜儀

測定時間同樣選擇在地方時上午10時至下午2時之間，控制太陽高度角≥65°，微風條件，測量時排除白色衣裝和潛在強反射體。光譜測定時選擇在自然條件較為平整的土壤之上進行，面向陽光避免陰影干擾并使被測目標充滿視場，在測定時激光探頭保持距地表10cm且需要連續獲取10條光譜，每處樣點測定10次，5個點位共獲取50條光譜曲線，完成以上操作進行白板校正，為保證得到完全反射率減少噪聲，最后取算術均值作為得到土樣實際的反射光譜數據。白板校正和原位光譜采集見圖2-4。

圖 2-4 靶標布

三、山區耕地土壤光譜特征及分析方法

3.1土壤有機質含量光譜曲線特征分析

由于原始光譜在350~400nm和2400~2500nm之間存在很多噪聲，因此選取400~2400nm波段做分析。處理后的光譜反射率曲線如圖3-1所示，

圖 3-1 原始光譜反射率（a:地物光譜曲線; b:無人機高光譜曲線)

分析看出土壤樣本測得的光譜曲線走向基本相似，因為每個土樣的有機質含量等土壤理化性質的不同，所測得的土壤原始光譜反射率在波峰、波谷、反射率值大小均有所差異。基于地物光譜儀采集的土樣原始光譜反射率總體波段范圍介于0.05~0.4之間，其中在400~800nm波段范圍上升速度比較明顯，800~1900nm波段之間起伏較大，1900nm~2400nm之間反射率呈先增后降趨勢。由圖3-1（a）可以明顯看出在1400nm和1900nm兩個波段附近有兩個強烈的吸收谷，2200nm處有較弱的吸收谷；基于無人機高光譜成像體系采集的土樣原始光譜反射率總體波段范圍介于0.025~0.35之間，在400~700nm波譜反射率上升相對緩慢，700nm~800nm上升速度比較明顯，800nm~1000nm范圍波普反射率趨于平緩。根據圖3-1（b）分析可得在700nm和950nm兩個波段附近有兩個比較弱的吸收谷。

結合兩種采集土壤光譜反射率特征得出在700nm、950nm、1400nm、1900nm和2200nm均存在強弱不同的吸收谷，主要是由于在此波段區間土壤樣本中的水分與空氣中的水分吸收產生的，這與土壤光譜反射率特征的相關研究結論一致。

3.2光譜數據分析方法

3.2.1數據平滑（SG）

濾波器（SG）被廣泛地運用于數據流平滑除噪。該濾波方法是一種在時域內基于局域多項式最小二乘法擬合的濾波方法，最大的特點是在濾除噪聲的同時可以保持信號的形狀和寬度不變。使用平滑濾波器對信號濾波時，實際上是擬合了信號中的低頻成分，而將高頻成分平滑出去了。如果噪聲在高頻端，濾波的結果是去除噪聲，反之，若噪聲在低頻段，濾波的結果是留下噪聲。

計算機的唯一功能是充當一個平滑噪聲起伏的濾波器并盡量保證原始數據的不失真。因此，SG將濾波器常應用于一系列數字數據點，以提高信噪比而不使信號失真。本文在軟件中用Savitzky-Golay濾波進行9點平滑去噪處理,圖3-2是平滑前后對比。

圖 3-2 SG 平滑對比（a:原始光譜曲線; b:SG 平滑光譜曲線)

3.2.2光譜數據變化形式

為更有效篩選山區土壤光譜的特征波段，對平滑后的原始光譜反射率（R）進行一階微分(FD)、二階微分(SD)、倒數對數的一階微分(LRD)、連續統去除(CR)等4種變換處理。光譜一階微分處理可在消除背景噪聲干擾的同時提高光譜分辨率、降低相關波段的尋找難度，倒數對數法變換法可減少乘數因子對光照條件變化的影響，連續統去除法利于突出光譜曲線的吸收、反射特征，分類識別提取敏感波段。上述過程中FD、SD、LRD通過軟件處理。

圖 3-3 地物原始光譜反射率變換（a:FD; b:SD; c:LRD; d:CR)

圖3-3是地物光譜儀采集的原位土壤原始光譜反射率經過一階微分、二階微分、倒數對數的一階微分和連續統去除的數據變換得到效果，總體而言，除了CR變換之外，三種不同數據變換讓光譜反射率整體數值大小降低，且在正負值之間波動。FD的光譜變換使得反射率在可見光部分呈正值，并在700nm范圍出現最高反峰，而在近紅外部分反射率值呈正負相交，于1400、1900nm范圍出現強烈吸收谷，推測是由于在1400、1900nm和2200nm等波段附近具有強烈的水分吸收谷，這一項與粘土礦物中所含的OH－有關；與FD變換不同的是SD變換在全波段范圍間表現較為規則和均勻，密集出現吸收谷和反射峰，且在近紅外波段范圍反應更加強烈，說明山區耕地的土壤不僅在可見光部分含有SOM信息，在近紅外部分極大可能蘊藏有機質的信息；因為倒數對數變換的原因，LRD與FD的數據變換總體類似于對稱分布，但在1600~2000nm之間，LRD反射率絕對值遠大于FD的，這是由于倒數對數變換法能降低不確定因素對光照條件變化的影響，更加突出光譜曲線吸收和反射特征；連續統去除變換的光譜反射率類似于原始光譜的倒立分布，總體走向呈波浪形隨波長增加而逐漸增大，雖然在全波段范圍內均為正值，但總體反射率介于0.2~0.99之間，是四種數據變換中弧度和落差展現最大的光譜變換法，這說明CR可深挖山區土壤信息。以上四種變換均在不同程度展現山區土壤的光譜在各波段區間的特點，為下一步篩選敏感波段建模提供堅實的基礎與保障與地物光譜變化趨勢相似，如圖3-4是機載原始光譜反射率經過一階微分、二階微分、倒數對數的一階微分和連續統去除等數據變換得到特征結果。

圖 3-4 無人機原始光譜反射率變換（a:FD; b:SD; c:LRD; d:CR)

經FD和LRD變換反射率在700nm處出現明顯反射峰和吸收谷，同時在近紅外部分，SD數據變換使得光譜曲線谷峰增多，鋸齒曲線數量相對頻繁，說明在可見光-近紅外部分都含有山區土壤豐富的信息。與前三種光譜變換不同的是CR僅在可見光部分的光譜曲線差異明顯，這表明CR變換能提高無人機光譜反射率在可見光區間的吸收、反射特征。

3.3光譜特征波段篩選和植被指數特征構建

山區耕地的土壤高光譜在5種不同形式下與SOM之間的相關分析如圖3-5所示，分析得出，原始光譜R（圖3-5a）與SOM大部分呈負相關并在可見光部分相關系數達到極值；四種光譜變換在可見光-近紅外范圍內均有波段在正負值之間波動，并且有不少波段通過0.01顯著性檢驗；經FD（圖3-5b）變換提高了光譜與SOM在近紅外范圍內的相關性，敏感波段從可見光至近紅外之間呈均勻分配，有941個波段通過顯著性檢驗（p>0.01），相關系數最大值為0.652；SD（圖3-5c）處理之后的光譜在近紅外部分頻繁出現吸收谷和反射峰，敏感波段范圍也集中在此部分，統計有325個波段達到顯著相關（p>0.01），相關系數極值為-0.561；LRD（圖2d）與FD數據變換相似，共有822個敏感波段，因為先經過倒數對數變換的原因，LRD與FD的相關系數圖類似于對稱分布，相關系數極值為0.512；通過CR（圖2e）變換使得土壤光譜和有機質大部分呈正相關，這說明CR變換能增強山區土壤光譜的吸收特征，通過顯著性檢驗的波段有717個，相關系數極值為0.493；從相關系數絕對值的大小和通過顯著性波段的數量上看FD＞LRD＞CR＞SD，說明光譜數據經過FD和LRD的變換能提高山區耕地SOM與光譜波段之間的相關性，更有利于篩選特征波段。

圖 3-5 地物光譜儀 SOM 相關系數（a:R；b:FD; c:SD; d:LRD; e:CR)

機載高光譜在5種不同形式下與SOM之間的相關分析如圖3-6所示，與原位地物光譜的明顯區別在于原始光譜在近紅外波段呈顯著相關。

圖 3-6 機載高光譜 SOM 相關系數（a:R；b:FD; c:SD; d:LRD; e:CR)

表明在未經光譜變換之前，機載高光譜原始反射率在近紅外波段包含有大量山區耕地土壤有機質的信息，可通過相關系數法直接篩選敏感波段構建模型；與前人研究一致的是原始光譜R（圖3-6a）與SOM在大部分波段區間呈負相關并在可見光部分相關系數達到極值，相關系數極值為-0.447；經FD光譜（圖3-6b）變換通過顯著相關（p>0.01）波段數量小于原始光譜的，同時可見光有部分（524~534nm）波段通過顯著性檢驗，說明FD變換能提高光譜與SOM在可見光波段的相關性，FD變換共計有20個波段通過（p>0.01）顯著性檢驗，相關系數極值為-0.487；在FD變換基礎上，SD變換后的光譜在機載機高光譜全波段范圍內頻繁出現吸收谷與反射峰，但通過（p>0.01）顯著性檢驗的波段數量少于FD變換，統計共有11個波段通過（p>0.01）顯著性檢驗，相關系數極值為-0.387；與3.2.3章節的光譜反射率變換相似，經LRD和FD光譜變換與SOM相關分析的曲線圖同樣類似于對稱分布，原因是受到倒數對數變換的影響，共有12個敏感波段分布在可見光-近紅外波段區間，相關系數極值為0.443；

相對于原始光譜的相關系數，CR變換在可見光部分的數值有明顯提高，并且土壤光譜和有機質呈正相關，這說明CR變換能增強山區土壤光譜的吸收特征，通過顯著性檢驗的波段有10個，相關系數極值為-0.371；從整體上看，四種變換均在不同程度上提高山區SOM光譜波段之間的相關性，與從相關系數絕對值的大小和通過顯著性波段的數量上看FD＞LRD＞SD＞CR。

圖 3-7 機載高光譜不同形式光譜相關分析與 SOM 敏感波段范圍圖

圖 3-8 地物光譜儀不同形式光譜相關分析與 SOM 敏感波段范圍圖

圖3-7和圖3-8分別是無人機高光譜和地物光譜的SOM值與不同形式光譜相關分析的特征波段范圍分布，從中可以發現，原始光譜的特征波段大多集中在可見光部分，經光譜技術變換后在不同程度上挖掘出近紅外部分的特征光譜信息，說明可見光-近紅外波段范圍都蘊含有山區耕地土壤的特征波段，這與等利用競爭性自適應重加權-連續投影算法篩選的建模波段以近紅（1800~2400nm）波段部分為主有所差異，推測原因是研究區及土壤類型的不同，前人以江漢平原的潮土、水稻田和黃棕壤為研究對象，該地區雨量充沛且土壤耕作程度高，其土壤含水量相對較高，而土壤水含量的光譜特性主要集中在近紅外波段范圍，因此土壤水含量影響到土壤反射率及有機質的光譜信息。考慮到1400nm、1900nm和2200nm等波段附近受到水分影響，因此將其剔除，最后獲得5種光譜的特征響應波段。

3.4本章小結

本章主要介紹了山區土壤光譜曲線特征，并利用SG光譜預處理結合四種數據形式（FD、SD、LRD、CR）對原始光譜進行變換，經變換后的光譜與土壤有機質進行相關分析，篩選相關系數較高的波段用于下一章建模。本文模型選用偏最小二乘回歸模型、支持向量機回歸模型、隨機森林模型和BP神經網絡模型，模型精度驗證采取決定系數、均平方根誤差和相對分析誤差作為驗證指標。具體

總結如下：

（1）地物光譜儀采集的光譜反射率比機載的反射率略高，均呈波浪式走向，其中地物光譜儀采集的光譜在1400nm、1900nm存在兩個明顯吸收谷；無人機采集的光譜在700nm和950nm附近有兩個較弱的吸收谷；

（2）經過SG的9點平滑處理，無人機高光譜原始反射率有明顯平滑效果，這跟無人機光譜儀采集波段范圍窄且重采樣間距大有關；

（3）機載高光譜原始反射率與SOM相關分析整體近紅外部分波段通過0.01顯著檢驗，經FD、SD、LRD和CR變換與SOM相關分析發現敏感波段主要集中在可見光500~550nm之間，近紅外部分集中于800~1000nm范圍。能提高光譜與SOM相關性的光譜變換法分別是FD＞LRD＞SD＞CR；

（4）地物光譜原始反射率與SOM相關分析整體沒有波段通過0.01顯著檢驗，但經過四種光譜變換極大程度提高光譜與SOM之間的相關性，敏感波段主要集中在可見光500~760nm附近，近紅外部分900~1000nm、1200~1224nm、1715~1750nm、2126~2150nm、2320~2378nm均有山區SOM敏感波段。用于提高高光譜與SOM相關性的光譜變換法和機載中所用的方法一致。

續~

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學專門用于野外遙感測量、土壤環境、礦物地質勘探等領域的最新明星產品，獨有的光路設計，噪聲校準技術、可以實時自動校準暗電流，采用了固定全息光柵一次性分光，測試速度快，最短積分時間最短可達20μs，操作靈活、便攜方便、光譜測試速度快、光譜數據準確，廣泛應用于遙感測量、農作物監測、森林研究、海洋學研究和礦物勘察等各領域。

審核編輯 黃宇