枸杞土壤含水量间接光谱估测模型.pdf

枸杞土壤含水量间接光谱估测模型吴 娟1,何月红2,黄 涛1,吕林涛1,刘自增1(1.宁夏回族自治区遥感调查院(宁夏回族自治区遥感中心),宁夏银川 750001;2.中宁县枸杞产业发展服务中心,宁夏银川 750001)摘要 为定量分析叶片高光谱不同波段反射率特征值与土壤含水量之间关系,并为构建枸杞作物土壤含水量快速、高效、准确的预测模型提供理论依据。以银川市试验基地枸杞为试验对象,测定实验室叶片光谱反射率,利用多元线性回归和多元逐步回归方法提取反射光谱特征指标,建立土壤水分含量的高光谱预测模型。结果表明,基于 754、1 844、1 855 和 1 900 nm 波段反射率特征值的多元线性回归模型对土壤水分的反演准确性较低,R2=0.326;以 673、1 893、1 872 nm 波段反射率为特征值的多元逐步回归分析法可以较好地预测土壤含水量,R2=0.716,模型方程为 Y=25.001-56.485X673-115.923X1 893+100.631X1 872,该模型在预测土壤含水量方面具有较好的准确性且输入量少的优点,可以为土壤含水量预测模型提供参考。关键词 土壤水分;高光谱数据;线性回归;逐步回归中图分类号 X833 文献标识码 A 文章编号 0517-6611(2023)11-0171-03doi:10.3969/j.issn.0517-6611.2023.11.041 开放科学(资源服务)标识码(OSID):Indirect Spectral Estimation Model of Wolfberry Soil Water ContentWU Juan1,HE Yue-hong2,HUANG Tao1 et al(1.Ningxia Institute of Remote Sensing Survey&Mapping(Ningxia Remote Sensing Cen-ter),Yinchuan,Ningxia 750001;2.Zhongning County Wolfberry Industry Development Service Center,Yinchuan,Ningxia 750001)Abstract In order to quantitatively analyze the relationship between leaf hyperspectral reflectance characteristics of different bands and soil water content,and provide a theoretical basis for constructing a fast,efficient and accurate prediction model of soil water content of wolfberry crops.In this paper,the experimental base of Yinchuan wolfberry as the experimental object,laboratory spectral reflectance was determined,using multiple linear regression and multiple stepwise regression method to extract reflectance spectral characteristics,hyperspectral prediction model of soil moisture content was established.The results show that the multiple linear regression model based on reflectance characteristic values of 754,1 844,1 855 and 1 900 nm bands has low inversion accuracy for soil moisture,R2=0.326;the multiple stepwise regression anal-ysis method with 673,1 893 and 1 872 nm band reflectance as characteristic values can better predict soil water content,R2=0.716.The model equation is:Y=25.001-56.485X673-115.923X1 893+100.631X1 872.The model has good accuracy and less input in predicting soil water content,which can provide reference for soil water content prediction model.Key words Soil moisture;Hyperspectral data;Linear regression;Stepwise regression基金项目 宁夏回族自治区自然科学基金项目(2020AAC03461)。作者简介 吴娟(1985),女,宁夏银川人,工程师,从事资源环境遥感应用技术研究。通信作者,高级工程师,从事枸杞栽培管理技术研究。收稿日期 2022-05-05;修回日期 2022-06-02 土壤水分是土壤一项重要的理化性质,直接影响土壤中的物质和能量运移以及地表作物的水、肥、气、热等条件的变化,是作物生长状况监测的重要指标,在作物生长发育中起着不可替代的作用1-3。因此,快速、准确、高效地监测农田土壤水分一直是研究的重点。传统的土壤水分监测方法主要包括烘干法、中子水分仪法、张力计法和时域反射仪(TDR)法等4-6,上述方法普遍以人工单点测定为基础,尽管具有测定精度高和操作简单的优点,但是数据范围有限、工作量大、时效性差,难以满足大范围实时的土壤水分监测需求7。近年来,随着遥感技术飞速发展,通过遥感技术获取植被和土壤的光谱反射特性,使大范围、高精度的快速监测土壤水分动态成为可能,弥补了传统土壤水分监测方法的缺点,成为研究的热点8。随着高光谱与土壤水分关系的研究,光谱数据处理技术日趋成熟。研究表明,3502 500 nm 波长范围内的高光谱反射率可以反映土壤水分特征值的细微差异,进而反演土壤水分含量。国内外学者9-11已得出较为一致的结论,在一定的土壤含水量范围内,土壤光谱反射率随着土壤水分的增加而减小;当土壤水分达到阈值时,土壤光谱反射率随土壤水分的增加而上升。金慧凝等12以黑土作为研究对象,利用去包络线方法提取反射光谱特征指标,得到以 1 920 nm 波段反射率为自变量建立的一元线性回归模型;何挺等13基于 1 450 和1 925 nm 黄土和沙子的光谱特征参数,建立了相应的土壤水分预测模型。目前,基于高光谱数据的土壤水分预测已经取得了显著的成果,但仍有许多问题需要进一步研究。现有的光谱-土壤湿度预测模型大多基于单一的特征参数,参与变量较少时不能充分反映全局变量,建立多参数谱-土壤水分预测模型已成为必然趋势。该研究以银川枸杞试验基地土壤样品为研究对象,设置了不同等级的土壤水分含量,获得了 4 个土壤水分区间的样品。测定实验室叶片光谱反射率,采用多元线性回归和多元逐步回归方法提取光谱反射率特征值,分析土壤水分吸收谷和光谱特征波段,建立土壤水分和高光谱预测模型之间的关系,以期研究利用光谱特征参数预测土壤水分潜力,为快速测定土壤水分提供新的方法。1 材料与方法1.1 试验区概况 试验在银川市郊区芦花台花园试验基地的温室内进行。该地区属中温带干旱气候区,年平均气温8.5,有效积温 3 1353 272 10,昼夜温差 1015,日照时数 3 032 h,日照度 67%,年降水量 180200 mm,无霜期 180 d。棚内施肥、修剪等管理措施与田间管理一致。该区域枸杞田属于盐碱地,地下水位为 1.21.8 m,pH 8.67安徽农业科学,J.Anhui Agric.Sci.2023,51(11):171-173,177 8.84,土壤总盐为 0.721.90 g/kg,土壤有机质为 8.37 g/kg,土壤总氮为 0.340.52 g/kg,水解氮为 9.9247.70 mg/kg,全钾 19.70 g/kg,速效磷和速效钾含量分别为 2.3044.20和 18.6037.90 mg/kg。该试验采用盆栽枸杞,试验品种为“宁杞 1 号”,树龄为 4 a。试验时间为 20202021 年,2020年 4 月上旬,选择 12 株生长相同的枸杞树进行裸根移植,每个花盆里装 16 kg 土壤用于栽培。1.2 试验设计 田间滴灌的最佳灌水量为 4 kg/株为中等灌水量,设 4 个处理,过度灌溉(中灌 125%)、中灌、轻度干旱(中灌 75%)、中度干旱(中灌 50%),每个处理重复 3 次,灌水频率为 7 d。为了保证数据的代表性,选择枸杞盆栽植物进行统一生长。每盆施肥时间和施肥量相同,各枸杞树的管理措施相同。光谱数据、土壤水分和土壤温度在整个生育期进行测量,每个生育期测量 23 次。为了保证数据的准确性,选择枝干上健康的叶片来测量光谱数据。1.3 监测指标1.3.1 光谱测量仪器和方法。采用美国 ASD 公司生产的便携式野外监测仪对温室枸杞冠层进行光谱测定。该检测仪的波段范围为3502 500 nm,光谱分辨率为3 nm。选择晴朗无风的天气,在 10:0014:00 进行光谱测量。探针距离样品15 cm。每个样品以 3视场角垂直照射 5 次,平均后得到样品的光谱反射率。在光谱采集过程中,每测试 9 个样品用白板进行校准。选取发育完全叶片上、中、下 3 部分的光谱反射率,取其平均值作为测量组的光谱反射率。在测量过程中,叶片室放置刀片夹,然后刀片夹紧以确保叶片水平和测量区域是相同的,以消除背景反射造成的影响以及光谱波动引起的叶片表面弯曲和叶片的内部变化。1.3.2 土壤水分测定。采用便携式土壤温度、水、盐、pH 测速仪测定枸杞样品植株的土壤含水量。该仪器通过测量土壤的介电常数来反映真实的土壤含水量,测量精度为2%。1.4 数据处理 利用 ViewSpecPro 光谱数据处理软件对每个土壤样品的光谱曲线断点进行修正,然后通过 Microsoft Office Excel 2010 求算出5 条光谱曲线平均值,作为对应样品的光谱反射率。由于受多种人为及外界因素的影响,光谱曲线存在大量噪声。为了减少毛刺噪声的影响,使光谱曲线更加平稳,采用 5 点加权移动平均方法对光谱曲线进行降噪处理。1.5 土壤含水量光谱特征分析 为了防止异常样本对试验结果造成影响,叶片的光谱反射率数据样本分类根据含水量的顺序从小到大,通过绘制散点图观察光谱反射曲线的趋势并消除异常样本。将剩余 72 个土壤样品按含水量分为 4 个等级:5%10%、10%15%、15%20%、20%,样本数分别为10、14、32、16 个。计算各等级样品的平均光谱反射率,绘制叶片光谱曲线,如图 1 所示。从图 1 可知,在 350 1 400 nm 波段,土壤含水量在15%20%的叶片光谱反射率最高,其余等级的光谱反射率随土壤含水量的增加而下降,即土壤含水量与叶片光谱反射率在一定波段之间呈负相关性,这与现有的研究一致3。不同土壤含水量的叶片光谱曲线有 3 个较大的吸收峰,分别位于 900、1 100 和1 250 nm 附近;在670720 nm 波段中反射率急剧上升,相反在 1 3401 460 nm 波段间光谱急剧下降;且由于大气水汽吸收的强烈影响,在 1 8001 960 和 2 3342 500 nm 波段光谱曲线变动剧烈,而在 7201 340 nm 波段光谱曲线变动平缓。在整个 35