基于可見近紅外成像光譜技術土壤剖面氮的預測研究.pdf

1、土壤剖面及其不同層次的屬性研究對于土壤發(fā)生發(fā)育、土壤分類等土壤科學研究有著極其重要的意義。傳統(tǒng)的土壤信息獲取過程耗時費力，而遙感技術可以快速、周期性地提供各種尺度的土壤信息，已被廣泛應用于土壤資源調查、土地質量評價、土壤分等定級、土壤分類及土壤制圖等研究工作當中。傳統(tǒng)的土壤理化屬性測試方法費時、繁瑣，成本高，難以滿足快速監(jiān)測土壤氮（N）含量的需求。近年來利用光譜測定技術快速、簡便、無損地對樣品進行定量分析，已在各個領域廣泛應用，并取得了

2、良好的效果。成像技術與光譜技術的結合獲取的數(shù)據(jù)既具有高空間分辨率又同時具有高光譜分辨率，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)測及土壤屬性制圖等提供了堅實的數(shù)據(jù)基礎。然而，從國內外學者的研究工作來看，土壤科學缺乏一種對于土壤完整剖面的高空間及高光譜分辨率成像技術來測量全氮（TN）含量。對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0-100cm剖面點狀樣的相關報道，特別是針對縱向上完整土壤剖

3、面TN制圖更是未見諸于相關文獻。
　　 鑒于此，本文以配備25μm狹縫和視場角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個波段。首先利用采自潛江后湖地區(qū)0-100cm剖面點狀土樣光譜反射率，對比分析不同預處理方法、不同建模方法對預測結果的影響，探究最佳的預測模型。然后利用采自咸寧地區(qū)0-100cm剖面點狀土樣的可見近

4、紅外(Vis-NIR）土壤反射光譜建立預測TN的校正模型，再利用該模型對該地區(qū)3個完整土壤剖面的Vis-NIR高光譜影像數(shù)據(jù)進行TN的反演并制圖，考察成像光譜技術在縱向上的土壤TN預測能力。同時，在研究過程中基于軟件Matlab2010b編寫了一個土壤高光譜影像處理系統(tǒng)來完成相關數(shù)據(jù)處理。主要研究成果如下:
　　 1.基于Vis-NIR光譜土壤TN含量的預測研究
　　 土壤建模方法是影響光譜定量結果的主要因素之一。對采自

5、潛江后湖農場0-100cm深度范圍的48個剖面點狀土樣經(jīng)過風干、研磨、過篩后進行光譜采集。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平滑作為光譜預處理最佳方法。再分別應用PCR、PLSR和反向傳播神經(jīng)網(wǎng)絡(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。由PCR提供主成分數(shù)(PrincipalComponents)，PLSR提供潛變量數(shù)(Laten Variables)分別作為BPNN的輸入，構建的兩個非線性模型BPNN-PCs和BPNN-LVs均明顯優(yōu)于線性模型PCR和PLSR。其中以4個潛變量作為輸入的BPNN-LVs模型預測性能最

7、優(yōu)，R2以及RPD分別達到0.90和3.11。實驗結果表明，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縱向時空分布的快速準確預測。
　　 2.基于Vis-NIR成像光譜的土壤剖面TN反演及制圖
　　 采自咸寧崇陽的完整土壤剖面高光譜影像在TN反演前需做一系列預處理。通過用數(shù)碼相機拍攝有固定格網(wǎng)尺寸背景的數(shù)碼照片結合剖面高光譜影像進行幾何校正，解決了由于光譜儀和拍攝平臺等技術局限

8、性導致拍攝的影像存在較大形變的問題，并將影像校正為1mm精度。通過空間維及光譜維的裁剪，去掉木框及平臺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，結果顯示最小距離法對于陰影、裂縫等無效數(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)限定條件進行塊狀或條狀采樣，做類似于ROI的平均處理，最終解決點狀樣與剖面光譜

9、的尺度不一致問題。再利用10個點狀土樣光譜建立PLSR校正模型，對三個完整土壤剖面高光譜影像進行TN預測。結果表明，Vis-NIR成像光譜可以應用于縱向土壤剖面TN反演及制圖，且預測效果良好，經(jīng)實測值檢驗0-100cm的R2和RPD分別為0.56和1.41模型達到了粗略估計范疇;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可能具有縱向局限性。各剖面單獨預測發(fā)現(xiàn)，XL-1在60-100cm的預測偏差拉低了

10、三個剖面總體在0-100cm的預測效果，其在0-60cm的檢驗結果顯示R2=0.94，RPD=2.19，模型優(yōu)異且達到了可精確預測的范疇，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的檢驗結果中顯示R2分別為0.91和0.93，RPD分別為1.81和1.69，模型均達到了粗略定量范疇。以上結果表明，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

11、用于完整剖面土壤TN含量的粗略估計是可行的。
　　 3.土壤高光譜影像數(shù)據(jù)處理系統(tǒng)設計與實現(xiàn)
　　 土壤高光譜影像數(shù)據(jù)大，計算效率低?，F(xiàn)有各類圖像處理軟件僅能實現(xiàn)通用功能，難以滿足對影像做無效值剔除、模板采樣等特殊處理需求。為了更好地對數(shù)據(jù)進行處理，本研究基于Matlab2010b設計并編譯了一個圖形用戶界面(GUI)，實現(xiàn)了土壤高光譜影像的數(shù)據(jù)讀取、影像裁剪、無效值剔除、采樣模板、位置還原、精度評價等功能。數(shù)據(jù)讀取給土