基于高光谱成像技术的土壤盐分含量检测

基于高光谱成像技术的土壤盐分含量检测摘要：利用NIR高光谱仪(光谱范围900〜1900/m)对土壤含盐量进行了无损检测，对比分析不同含盐量土壤的水分变化情况、不同时间下土壤光谱曲线的差异°结果表明，随着土壤中含盐量的增加，土壤中水分蒸发情况受到的影响程度不同，从而使得不同含盐量土壤的反射率存在明显的规律；在此基础上，对比分析了不同预处理方法，优选出原始光谱；利用多元线性回归(multiplelinearregression,MLR)、主成分回归(principalcomponentregression,PCR)与偏最小二乘回归(par-tialleastsquaresregression,PLSR)方法对900〜！900nm范围的特征波长建立模型，对比分析不同建模效果，优选)系数提取的特征波长的PLSR模型，特征波长为9%6、996、1016、！136、！151、！186、129%、1%95、1425、1458、1535、1642nm,最优模型的预测相关系数为0#949,预测均方根误差为2#914g/kg。因此，今后可采用不同波段对土壤含盐量进行定量分析，为今后表层土壤含盐量遥感预测奠定基础。关键词：高光谱成像；土壤盐分；诊断机理；无损检测StudyonthediagnosismechanismofsoilsalinitybasedonspectralimagingtechniqueAbs&act：Thisarticlesummarizesanea广infraredhyperspectralimagingtechniquewasinvestigatedfornon-destructivedeterminationofsoilsaiinity,andthechangesofsoilmoistureandsoilspectralcurvesoniferentdayswerecomparedandanalyzed.Theresultsshowthaltheevaporationofsoilwaterisafeci-edtodi任erentdegreeswththencreaseofsoilsalinity,sothalthereflectanceofsoilwithdi任erents.alm-ityexistsanobviousrule.Onthisbasis,differentpretreatmentmethodswerecomparedandanalyzedtooptimizetheoriginalspectrum.MLR,PCRandPLSRmodeiingwereusedtooptimizethebestmodelforfeaturewavelengths.Comparedwithdifferentmodeiingeffects,optimizethePLSRmodelolcharacteris—ticwavelengthextractedby+coefiicientwasobtained.Theoptimalcharacteristicwavelengthsare936,996,1016,1136,1151,1186,1273,1395,1425,1458,1535,1642nm,respectively.Thepredictioncoefii—cienlRpis0.949,andtheRMSEPis2.914g/kg.Therefore,soilsaiinitycanbequantitativelyanalyzedbydifferentbands,whichlaysafoundationforremotesensingpredictionofsoilsalinityinthefuture.Keywords:hyperspectralimaging；soilsaiintty；diagnosismechanism；non-destructiondetection土壤盐渍化是干旱可持续发展和改善环境质量的战略问题之一口2*。我国盐渍土面积大，分部广，堪称世界之最我国耕地中的盐渍化面积达到9.2X106hm2，占全国耕地面积的6.62%宁夏作为我国盐渍化的大区，盐碱土面积达2.18X107hm2，现有耕地中31.1%的面积受到盐碱危

害，大面积的盐渍化土壤导致很大一部分农作物因受不同程度盐害而减产绝收，难以发挥其潜力产量，土壤盐渍化问题和灌溉引起的土壤次生盐渍化问题严重制约了宁夏农业的进一步发展，也是影响绿洲生态环境稳定的重要因素因此，对盐渍化耕地进行治理与改良及种植结构调整与优化，对宁夏乃至我国农业的可持续发展具有深远意义$针对解决土壤盐渍化问题的关键在于对信息的获取方式$如何快速、准确、低廉地获取大面积盐渍化土壤的动态信息，并据此合理制定盐渍化土壤治理、改良等方面的决策，是农业科学研究的新主题遥感技术具有获取信息量大、多平台和多分辨率（时间和空间）、快速、覆盖面积大的优势，是及时掌握大面积盐渍化等土壤信息的最佳手段"牛高光谱遥感更是进行土壤盐渍化监测较为理想的一种手段"!"#$盐渍化土壤近地面高光谱试验的一系列研究，为其高光谱遥感监测的实施和应用提供了一定的理论依据和技术支撑$国内外研究者在使用高光谱技术获取土壤养分和理化特性信息方面已经取得了一定的成果$Gogk、Allbed、王乾龙、纪文君等利用高光谱技术对土壤中养分含量的测定，取得了较好的结果，也证明该技术应用到土壤养分测定是可行的（Weng、屈永华、王静、刘焕军等"1518］分别对不同地区土壤盐分的快速检测进行了研究，建立的高光谱定量模型可以用于评价土壤盐碱化程度$目前我国利用高光谱成像技术对土壤盐分的研究!主要集中在黄淮海平原、内蒙河套灌区、新疆渭干河灌区和某些滨海等地区；而对于我国西北宁夏引黄灌区的研究鲜有报道$本研究基于宁夏地区盐渍土壤组分和光谱特征，利用土壤光谱反射数据和土壤含盐量来进行土壤含盐量定量分析，采用化学计量学的方法构建模型，并对土壤盐分与光谱之间的机理进行研究，探求宁夏银川地区耕作土壤的盐分预测模型$2材料与方法2.1材料试验土壤取自宁夏地区银川市金凤区良田镇砖渠村的农田，土壤类型为壤土$利用采土器从土壤表层至40cm深度混合取土，采用网格采样法采样$土样带回实验室，去除砾石及动植物残骸等杂质，自然风干后的样品经研磨过*mm筛后，分别装在自封袋中，共计80个土样用于后续盐分测定、光谱测试以及模型建立。供试土样容重1.20g/cm%,土壤为非盐渍土（含盐量V0.1%）$2.2仪器HyperSIS-NIR高光谱成像系统(900-1700nm,光谱分辨率5nm,256个波段)，由高光谱成像光谱仪(ImspectorN17E,Spectra1ImagingLtd.,Oulu,Finland)、CCD相机(Zelos-285GV,KappaoptronicsGmbH,Gleichen,Germany)、4个35W卤钨灯(HSIA7LS7TDIF,ZolixinstrumentsCo.,Ltd,Beijing,China)、电控位移平台(PSA200-11-X,ZolixInstrumentsCo.,Ltd.,Beijing,China)、计算机(LenovoInter(R)Corei772600CPU@3.40GHz,RAM4.00G)和数据采集软件(ENVI4.7,ZolixInstrumentsCo.,Ltd.,Beijing,China)五部分组成(见图1),北京卓立汉光仪器有限公司；图1高光谱成像系统Fig.1Hyperspectra1imagingsystem2.3方法2.3.1土壤含盐量测定土壤样品和蒸馏水按水土比例5i1进行混合,经过3min振荡后，使得土壤中可溶性盐分全部溶解到提取液中，然后将水土混合液进行过滤，滤液可做为土壤可溶盐分测定的待测液$土壤全盐量计算公式"19#如下，测量条件为25；温度下进行$C+41.2653S—2120.76X5式中：S为全盐含量,g/kg；CC+41.2653S—2120.76X52.3.2高光谱图像的采集参数的确定高光谱成像系统采集样本时，因不同样本表层的粗糙程度、颜色、光泽有所差异，导致图像采集系统中的焦距、透光量、载物台移动的速度、曝光时间等参数都会对样本图像的采集产生影响$经过预试验确定土壤样本采集的最佳采集参数：光源的稳流设置为6.2A,物距为385mm,输送装置的步距为14mm/s,成像光谱仪的曝光时间为10ms,扫描线实际长度为180mm$2.3.3模型构建及评估为准确评价模型精度与稳定性，并保证样本之间的含盐量间隔，将88个样本分为两部分,3/4样本作为建模样本!/4样本作为预测集样本。分别采用多元线性回归法、主成分回归法、偏最小二乘法，以反射率作为输入量，建立土壤盐分高光谱预测模型#模型精度由相关系数（R）和均方根误差（RMSE）进行综合评价，模型的相关系数（R）越大，模型越稳定'RMSE越小，模型预测能力越好#3结果与分析3.1不同含盐量土壤的水分含量变化为了研究不同含盐量土壤中水分含量随时间变化，对10组不同含盐量土壤的水分变化进行了研究，结果如图2、图3所示；图1为自然干燥后不同含盐量土壤实际效果图，从左到右（1—6）,从上到下（1—4）共计20个样本，每2个样本为平行样#图2为不同天数下，不同盐土土壤含水率变化情况，图中1—10分别代表0.95、3.10、6.32、8.57、9.70、10.1644、26.61、35.82、62.69、85.33g/kg的10组土壤含盐量#图2自然干燥后的不同含盐量土壤Fig.2Naturallydriedsoilwithdifferentamountsofsalt备注:1-10的土壤含盐量分别为0.95、3.10、6.32、8.57、9.70、10.16、26.61、35.82、62.69、85.33g/kg#由图2可知：随着土壤含盐量的增加，表层土壤含盐量出现不同情况即表层出现盐斑的情况,1—6组土壤表层未出现盐斑情况，第7组有少许盐斑情况，第8组土壤表层含盐量较大，出现大量的白斑;第9、10组土壤虽然为高盐分土壤，反而表层土壤出现盐斑较少，尤其是第10组，出现白斑的位置主要从铝盒的侧壁出来，面积较少，大部分盐分在土壤表层形成一层盐水气共同作用的膜#低含盐量土壤,表层盐斑未见出现，主要是因为土壤空隙可以截留盐分颗粒，土壤盐分未能超出土壤对盐分的容纳能力；随着土壤含盐量的逐渐增大，盐斑面积也逐渐越来越大；当土壤中的盐分达到一定含盐量时，反而随着土壤含盐量的增大，盐斑减少#这一结论与土壤含水率的光谱变化正好成反比，同时也为今后智能遥感定性判别土壤盐分提供理论依据#由图3可知：10组土壤样本具有相同的土壤含水率28%,10组不同含盐量的土壤的水分变化差异比较显著#1号与2号土样的含水率随着天数的增加，出现先迅速下降再缓慢下降，这主要反映了表层土壤水分蒸发情况，与水分在介质中传质理论相一致#3—6号土壤含水率直线下降，主要是因为盐水中盐颗粒的存在使得土壤的结构受到变化，从而使得水分传递过程阻力减小，所以水分蒸发速率较快；7号与8号土壤含水率的变化情况先快后慢，出现这种情况主要是因为前期土壤中传递的效果与3—6号相似，但由于7、8号土壤中的盐颗粒超出了土壤的容纳程度，在水分传递的过程中，被带到土壤表层形成盐斑，而盐斑的形成恰恰阻碍了下层水分的继续蒸发，使得后期水分干燥速率降低#9号与10号土壤含水率则出现随着天数的增加，土壤含水率从第1天迅速下降，第2—6天土壤含水率趋于平稳，变化较小，主要是因为土壤中含盐颗粒较多，能很好的形成水分传递的介质，因此，初期水分干燥速度较快；而由于土壤中过多的盐分，使得土壤表层未形成盐斑时就受到下层盐水与空气的作用，在其表面形成一种膜，阻碍其进行水分传质#因此，水分只能从铝盒的侧壁进行质量传递，在侧壁周围形成盐斑#1.01.52.02.53.03.54.04.55.05.56.0Time/d图3不同天数土壤含水率变化情况Fig.3Ch+ngesofsoil contentondiffe&entd+ys综上所述，不同含盐量土壤中水分的蒸发效率不同，这为今后土壤中盐分的精准监测提供理论支撑#3.2不同天数土壤光谱曲线为了探讨不同含盐量的土壤的光谱变化情况,利用900〜1700nm高光谱成像仪，对配制的10组的土壤样本进行图像信息采集，通过Envi4.6软件提取光谱并对其求平均值，结果如图4所示。由图4可知：不同盐渍化土壤的光谱曲线总体Wavelength/nmWavelength/nm图4不同含盐量土壤的高光谱曲线(左：第1天；右：第6天)Fig.4Hyperspectraicurveofsoiisalinityunderdifferentwatercontent(LeftFirstday;Right:Sixthday)变化比较平缓，光谱特征在形态上基本相似，光谱曲线之间具有良好的共性。土样的光谱曲线在1446nm附近形成吸收峰，主要是因为水的OH-基团的吸收；第1天，随着土壤含盐量的增加，光谱反射率呈现逐渐减小的趋势，主要是水分影响起主导作用；第6天时，随着土壤含盐量的增加，光谱反射率呈现出逐渐增大的趋势，主要是盐分影响起主导作用；第9组与第10组的土壤反射率低，主要是水分影响占主导作用，相比第1天，土壤光谱曲线的反射率明显提高，这说明土壤水分含量减低。3.3土壤含盐量测定及原始光谱曲线为了建立土壤含盐量预测模型，试验共采集88个土壤样本，选取3/4样本作为校正集,1/4样本作为预测集，确保土壤盐分预测集的测定值范围在校正集的测定值的范围内，结果如表1所示。表1土样含盐量测定值Tab.1DeterminationofsoiisalinityTypeNo.Maximumg/kgMinimumg/kgAverageg/kgSDg/kgCalibrationset6836.4050.60910.1349.606Validation2034.8250.7439.2698.721set为了建立不同含盐量土壤的高光谱预测模型,利用高光谱成像仪对配制的88个不同含盐量土壤进行图像扫描，采用Envi4.6软件提取光谱信息，提取出不同波段下的光谱曲线，如图5所示。0.0 -L . 1 1 < . 1 LI90010001100120013001400150016001700Wavelength/nm图5不同含盐量土壤光谱曲线Fig.5Spectroscopiccurvesofdifferentsalinitysoils由图5可知：在900〜!000nm波段出现3种不同的光谱反射趋势，由于配制样本的含水量都相同!这也说明了原始土样含盐量的差异比较明显。原始光谱曲线比较平滑,1446nm附近有强烈的吸收，主要是因为水分的吸收。3.4光谱预处理建模由于土壤光谱曲线中既包含土壤样品自身盐分的化学信息，还包含其他无用的信息(噪音，水分、矿物质等)，会产生一定的误差。为了提高化学计量学建模的准确性，分别选用平均平滑(Averagesmoothing)、高斯滤波(Gaussianfilter,GF)、中值滤波(Medianfilter,MF)、卷积平滑(Savitzky—Golaysmoothing)、最大值归一化(Maximumnormaiiza—tion)，标准正态化(Standardnormalizationvara—tion,SNV)、多元散射校正(Multiplescatteringcor

rection,MSC）以及正交信号校正（Orthogonalsignalcorrection,OSC）的光谱预处理方法对原始光谱数据进行信息增强$采用PLSR分析法对900$1700nm波段原始光谱和预处理后的光谱数据进行模型建立，结果如表2所示$由表2所知：原始光谱建立的模型与预处理光表2不同预处理与原始光谱的PLSR模型对比分析Tab.2ComparisonanalysisofPLSRmodelwithdifferentpretreatmentandoriginalspectrumTypePCsRcRMSECRcvRMSECVRpRMSEpRaw100.9742.1360.9473.0630.9473.15Averagesmoothing100.9712.2390.9453.1130.9483.156Gaussianfilter100.9732.1740.9463.0760.9483.1Medianfilter100.9732.1820.9443.1040.9463.053Savitzky-Golaysmoothing100.9722.230.9453.1120.9473.13Maximumnormalization100.9762.0660.9393.2540.9383.538Standardnormalzatonvaraton90.9463.0410.8864.3790.914.335Multplescatterngcorrecton10.2419.139-0.01211.7250.2378.77Orthogonalsgnalcorrecton40.9672.4030.9443.1050.9557.451谱建立的模型差异显著$相对于原始光谱，平滑处理、滤波、归一化、标准正态化、多元散射校正、正交信号校正等预处理方法所建立的模型，卷积平滑处理结果略低于原始光谱建立的模型，其它方法大都是校正模型效果较好，但预测结果较差，主要是因为原始光谱中特征信息比较多，建立的模型效果较好!其它的预处理方法未能改善模型的效果$因此，试验选择900〜1700nm光谱的原始光谱进行后续的分析$3.5特征波长提取为了降低数据处理量，利用Unscrambler10.4软件对900〜1700nm原始光谱建立的PLSR模型进行特征提取,选择第10主成分为最优主成分数，在0系数图上基于局部绝对值最大的原则，提取了12个特征波长（936、996、1016、1136、1151、11,6、1273、1395、1425、1458&1535、1642nm）；利用Mat-lab2014a软件进行编程，采用CARS法提取特征波长，最大主成分数A=15,交互验证分组数fold=66,数据方法method='center'，筛选中，蒙特卡洛采样次数设定为100次，选取了19个特征波段数；此基础上进一步进行SPA,选择m_max=7时,获得最小RMSECV=3.6683值，模型拟合效果最佳，选取了5个特征波段数$采用SPA法提取特征波长，在选择m_max=5时，获得最小RMSECV=2.9262值，模型拟合效果最佳，选取了8个特征波段数，结果如表3所示$表3不同特征波长提取方法对比分析Tab.3ComparatJeanalysisofdifferentcharacteristicwavelengthextractionmethodsMethods No.BandsorwavelengthsextractedBcoefficient 12 936、996、1016、？136,?151、？186、？273、？395、？425、？458、？535、？642nmCARS 19 2,6,56,58,84,92,147,159,161,170,176,182,184,186,187,194,200,208,209SPA 825,26,34,164,169,190,208,235CARShSPA 55,7,8,13,19由表3可知:CARS方法提取特征波长数太多，为了减少数据冗余，进一步采用SPA方法进行提取$CARS提取的特征波长数由原来的19减少到5个$PLSR、SPA方法分别提取特征波长数为12&8个$3.6不同建模效果对比分析为了对比不同特征波长提取方法建模的效果，优选出最佳的特征波长提取方法，采用MLR、PCR、PLSR方法分别对提取的特征波长进行建立模型，结果如表4所示$由表4可知：在MLR、PCR、PLSR模型中，与CARS提取特征波长所建立的模型相比,）系数方法所建立的MLR模型的RP稍小、RMSEP稍大，但其具有较少的特征波长数。对比MLR、PCR、PLSR模型，同类型特征波长建立的PLSR模型具有较高的R、较低的RMSEP值，因此系数方法提取特征波长建立的PLSR模型优于MLR与PCR的模型。综上所述,900-1700nm波段优选出+系数方法提取的特征波长的PLSR模型，提取的特征波长为936、996、1016、1136,1151、11,6、1273、1395、1425"1458"1535"1642nm,最优模型的预测相关系数表4不同提取特征波长的模型对比分析Tab.4ComparativeanalysisofmodelsfordifferentextractedcharacteristicwavelengthsMethodTypePCs*RMSECRevRMSECvRPRMSE5+coefficient—0.9782.2140.962.6550.9343.509MLRCARS0.9782.3090.8844.470.9463.205SPA—0.9323.6650.8964.2170.8984.442CARShSPA—0.0899.4220.0539.976—0.0269.86+coeffcent90.972.2770.9