基于反射光谱的宅基地复垦区土壤养分元素含量估算研究

石磊

摘 要：随着新型农村居民区建设的不断发展，农民搬离原有居住区或遗弃村中旧房，导致村内大量旧宅基地闲置，荒草丛生，形成了大量废弃地坑窑洞。宅基地复垦改变了原有地形地貌，对已经熟化的土壤耕层进行了翻动。但目前，对生土在耕作后磷、钾等营养元素的含量变化研究较少。由此，本研究对原始反射光谱进行NOR、MSC、SNV处理后，分别进行一、二阶微分、反射率倒数对数变换，并采用偏最小二乘回归法分别建立了P、K两种重金属元素的最优高光谱估算模型。研究表明，研究区土壤中P较为丰富，K为丰富;进行微分变换可以提高土壤中养分元素与反射光谱的相关性，使用其形成相关性较高的组合波段，使模型的稳定性和预测能力提高。

关键词：宅基地复垦;Vis-NIR;养分元素;反射光谱

中图分类号：S151.9 文献标识码：A 文章编号：1003-5168（2019）23-0144-03

Estimation of Soil Nutrient Element Content in Reclamation Area

of Homestead Based on Reflectance Spectrum

SHI Lei1，2，3，4

（1.Shaanxi Institute of Land Engineering Construction Co. Ltd.，Xi'an Shaanxi 710075;2.Institute of Shaanxi Land Engineering and Technology Co.， Ltd.，Xi'an Shaanxi 710075;3.Key Laboratory of Degraded and Unused Land Consolidation Engineering， Ministry of Land and Resources，Xi'an Shaanxi 710075;4.Shaanxi Provincial Land Consolidation Engineering Technology Research Center，Xi'an Shaanxi 710075）

Abstract： With the continuous development of new rural residential area construction， farmers move out of the original residential area or abandon the old houses in the village， resulting in a large number of old residential land idle， overgrown with weeds， forming a large number of abandoned pits and caves. Homestead reclamation has changed the original topography and topography， turning the ripened soil tillage. However， there are few studies on the changes of phosphorus， potassium and other nutrient elements in raw soil after tillage. In this study， NOR， MSC and SNV were used to process the original reflectance spectra， and the first and second order differential and reciprocal logarithmic transformation of reflectance were performed respectively. The optimal Hyperspectral Estimation Models of P and K heavy metals were established by partial least squares regression. The results show that P is abundant and K is abundant in the soil of the study area. Differential transformation can improve the correlation between soil nutrient elements and reflectance spectra， and use it to form a combination band with high correlation， so as to improve the stability and prediction ability of the model.

Keywords： homestead reclamation;Vis-NIR;nutrient elements;reflective spectrum

宅基地復垦是指依据土地利用总体规划以及土地整治开发规划方案，对荒废或者利用率极低的宅基地，复垦为耕地的行为[1]。在空心村土地整理实施过程中，改变了原有地形地貌，对已经熟化的土壤耕层进行了翻动。但目前，对生土在耕作后磷、钾等营养元素的含量变化研究较少[2]。目前，人们主要通过对待测样品进行化学实验，并通过计算得出土壤P、K含量[3，4]。传统检测方法中的化学实验较为烦琐，且成本较高，不同的元素需要不同的前处理与实验仪器，在大规模的土壤质量调查研究中效率较低。而高光谱技术可检测的信息丰富、方便快捷，且不破坏供试土壤样品的理化结构，因此，被广泛应用于土壤氮、磷、钾等元素含量的预测[5，6]。近年来，国内外学者在利用高光谱反演土壤有机质、氮、磷、钾等方面进行了大量研究，为本研究提供了诸多借鉴[7]。Vis-NIR光谱和化学计量学的结合为准确、快速监测土壤在处理过程中的性质（磷、钾元素）变化提供了一种理想的方法，而无需化学分析。目的是建立澄城县空心村土壤质量定量模型，评价土壤光谱对土壤理化性质的预测能力。

1 材料与方法

1.1 土样采集

采用“S”布点法进行土壤样品采集，去除表层杂质，使用反射探头对土壤进行反射光谱测量，总计49个土壤样品。将土壤样品去除其他杂质，在自然条件下风干后混合均匀，取300g样品并过孔径0.149mm筛用于室内氮、磷、钾含量测定。磷（P）、钾（K）元素统计特征如表1所示。

1.2 光谱数据测定

选定测试样点位置，使用便携式ASD HR地物光谱仪对样点进行土壤反射光谱测定。地物光谱仪波长范围为300 ～2 500nm，采样带宽为1.3nm（350～ 1 000nm）和2nm（1 000～2 500nm），重采样间隔为1nm，前端2cm的视野区可以避开土壤中的杂质干扰反射。

2 数据分析

2.1 光谱微分变换

对原始反射光谱进行反射率倒数对数、一阶、二阶微分变换，分析土壤光谱反射率，对其做3种变换，用于寻找适宜于不同元素的响应区域。一阶、二阶微分变换增加反射率与测试元素间的相关性，也可限制或消除部分线性、接近线性的背景的影响。以一阶微分[ρ'λi]、二阶微分[ρ''λi]分别表示土壤原始光谱反射率，并进行变换。计算公式为：

[ρλi=ρλi+1-ρλi-1/Δλ]                    （1）

[ρλi=ρλi+1-ρλi-1/Δλ]                         （2）

式中，[λi]为波长[i]nm的波段，[Δλ=λi+1-λi=10 nm]，[i]=400，410，…，2 450nm。

对数变换不但增强了可见光光谱的差异性，而且减少了光照条件下乘性因素的影响，对光谱数据做倒数的对数变换[log1ρλi]。

2.2 数据建模与验证

TQ Analyst根据马氏距离随机将全部数据集分为建模集和验证集，并采用PLS法建立预测模型。模型结果采用决定系数[R2]、均方根误差RMSE进行验证。计算公式如下：

[R2=i=1nyi-yi2i=1nyi-yi2]                         （3）

[RMSE=1ni=1nyi-yi2]                     （4）

式中，[yi]和[yi]分别为检验样本的观测值和预测值;[yi]为样本观测值的平均值;[m]为校正集的样品数量;[n]为验证样本数量。

3 结果与讨论

3.1 土壤养分元素含量分析

供试土壤类型为土，共采集土壤样品49个。其中，土壤pH值介于7.59～8.29，属于碱性土壤。土壤中P的含量介于44.78～172.64mg·kg-1，根据农用地质量分等标准，表现为较丰富。土壤中的K的含量介于9.23～84.62mg·kg-1，根据农用地质量分等标准，表现为丰富。

3.2 模型的建立

原始反射光谱作为对照组，对反射光谱数据经过SNV、MSC、NOR处理，分别进行一、二阶微分和反射率倒数对数变换后均进行Savitzky–Golay平滑，采用PLSR建立对应的估算模型，并使用决定系数和均方根误差进行检验。

针对不同光谱指标R、R+SG、R+SG+FD、R+SG+SD和R+SG+MSC，采用偏最小二乘回归法分别建立估算模型。通过与参照组对比：经过预处理及微分变换后建立的回归模型，无论是建模精度还是预测精度，均比基于原始数据建立的模型效果要好。

4 结论

本研究对原始反射光谱进行NOR、MSC、SNV處理后，分别进行一、二阶微分、反射率倒数对数变换，并采用偏最小二乘回归法分别建立了P、K两种重金属元素的最优高光谱估算模型。通过模型模拟计算，得到以下结论。

①研究区土壤中P较为丰富，K为丰富，对区域内的农作物生长有较大促进作用。

②对反射光谱数据经过SNV、MSC、NOR处理，分别进行一、二阶微分和反射率倒数对数变换，降低了土壤颗粒表面散射、粒径大小不均匀等因素对光谱反射的影响。进行微分变换可以提高土壤中养分元素与反射光谱的相关性，使用其形成相关性较高的组合波段，使模型的稳定性和预测能力提高。

参考文献：

[1]Yang Z， Liu Y， Wu W， et al. Effects of rural–urban development transformation on energy consumption and CO2 emissions： A regional analysis in China[J]. Renewable & Sustainable Energy Reviews，2015（53）：863-875.

[2]Liu Y. Revitalize the world's countryside[J].Nature，2017（7667）：275-277.

[3]周清，周斌，张杨珠，等.成土母质对水稻土高光谱特性及其有机质含量光谱参数模型影响的研究初探[J].土壤学报，2004（6）：905-911.

[4]陈玉福，孙虎，刘彦随.中国典型农区空心村综合整治模式[J].地理学报，2010（6）：727-735.

[5]Li C， Wu K. Driving forces of the villages hollowing based on geographically weighted regression model： a case study of Longde County， the Ningxia Hui Autonomous Region， China[J]. Natural Hazards，2017（3）：1059-1079.

[6]Al-abbas A H， Swain P H， BAaumgardner M F. Relating organic matter and clay content to the multispectral radiance of soils[J]. Soil Science，1972（6）：477-485.

[7] Siebielec G， Mccarty G W， Stuczynski T I. Near- and mid-infrared diffuse reflectance spectroscopy for measuring soil metal content[J].Journal of Environmental Quality，2004（6）：2056-2069.