基于光谱指数和机器学习的土壤有机质含量反演

来源:期刊VIP网所属分类:农业科技发布时间:2021-03-04浏览:

  摘要:土壤有机质(SOM)是衡量矿区生态环境质量的重要指标之一。为了提高SOM含量的估算精度,在已有二波段指数的基础上加入第3个波段,构建新的三波段指数,利用极限学习机(ELM)和随机森林(RF)分别建立SOM含量的预测模型。在新疆准东煤田采集168个土壤样点,在室内进行SOM含量、光谱的测定。对光谱数据进行平滑和预处理后,构建多个两波段、三波段光谱指数,随后分析不同维度光谱数据与SOM含量的敏感程度和敏感区域。ELM和RF被用于对每个維度最优光谱参数建立预测模型。研究结果显示,无论采用哪种方式建模,每个维度的光谱数据与SOM含量的敏感程度和建模精度均随信息维度的增加而增加,即三波段指数(TBI)>二波段指数>一维光谱数据。在三波段指数中,ELM的预测效果要优于RF,其中(TBI-4)-ELM的预测效果最好,决定系数(r2)=0.87,均方根误差(RMSEP)=4.07,相对分析误差(RPD)=2.63。三波段指数与ELM的结合,可以很好地减弱土壤信息噪声,提高SOM含量的预测精度。

  关键词:遥感;光谱分析;土壤有机质;光谱指数;机器学习

土壤科学论文

  作者:朱传梅

  通信作者:王宏卫

  矿产资源的开采和加工可以带来更多的经济效益,但是开采煤矿会干扰土层,破坏植被,使土壤失去利用价值,这对土地资源的可持续发展和生态环境构成严重威胁[1]。在我国,大型的露天煤矿多集中分布于干旱、半干旱生态脆弱的地带,该地区土壤自身修复能力极弱,生态敏感性极强,再加上矿产资源长期大量被开采和加工,导致当地环境问题和生态修复问题日益突出[2]。土壤是陆地生态系统中许多生态过程(例如养分循环、水平衡、凋落物分解等)的基础,土壤有机质状态是衡量退化生态系统中生态功能恢复和维持的关键指标[3]。因此,无损地监测土壤有机质(SOM)含量有助于矿区环境管理和生态恢复。一般的SOM含量测定多基于大量的野外土壤采样和繁琐的室内化学分析方法,较费时、费力、耗资,无法满足现代精细农业发展的需要[3]。与传统的方法相比,遥感技术是一种很有前景的土壤属性定量评估方法,具有快速响应、成本低、采集快等特点,可以很好地用来描述、评估不同尺度下表层土壤的各种特征[4]。因此,基于不同的光谱反射和吸收特性,可见光-近红外光谱(VIS-NIR)分析技术可以作为一种替代方法,保证SOM含量的准确估算。

  土壤是由多种物质组成的混合物,其反射光谱常包括背景噪声、基线漂移、倾斜等干扰信息,直接用来进行SOM含量的估算得到的结果并不理想[5]。相关研究表明,光谱预处理方法能够较好地移除噪声、突出光谱曲线特征、去除或减弱其他因素的影响,为建立具有较高精度的估测模型提供可能[5]。光谱微分是增加信噪比的主要技术手段之一,其中一阶微分(FD)可去除不同的背景噪声和基线漂移,扩大样本间光谱的差异,反映被测物体的本质特征。连续统去除(CR)法可减小散射对目标光谱的影响,同时可放大微弱光谱的吸收特性[5]。这2种预处理技术被广泛地应用于VIS-NIR分析中,对建立预测能力强、稳健性好的分析模型至关重要。

  以往对于SOM的研究是在一维层面(全波段反射率或对应的数学变换)上选取单个敏感波段或多个敏感波段进行建模,该方法仅考虑了SOM与光谱间的关系,并没有考虑光谱间的重叠吸收或相互影响[3-4]。光谱指数是由几个窄波段或宽波段组合而成,可通过分析特定波段间的相互作用,提高对待测属性的敏感程度。Wang等采用最优两波段指数对土壤盐分含量进行分析和预测,取得了较显著的成果[3]。然而,Tian等在水稻叶片氮浓度的定量估测中,对比了两波段指数和三波段指数的估算能力[4],这些研究和提出的指标表明,通过两波段指数评估某些参数存在不足。对于土壤这种组成极为复杂的物质,两波段指数能否很好地消除或减弱土壤中其他物质产生光的散射和分子的非特征吸收的干扰有待于进一步研究。

  机器学习算法在解析非线性问题时表现能力较好,常用于土壤属性的定量化估测,其中,极限学习机(ELM)和随机森林(RF)更是研究的焦点。Douglas等在估算土壤中总石油烃(TPH)含量时,发现与线性偏最小二乘回归(PLSR)法相比,RF模型能更好地反映土壤光谱的非线性响应,从而提供更高的预测精度[6]。然而,ELM和RF能否在较多的土壤信息噪声中(如严重的人为影响)和较低的SOM水平(如干旱区严重的荒漠化影响)下,建立SOM含量和光谱参数的联系,并达到一定的预测精度,有待进一步研究。

  本研究的目的:(1)利用波段优化算法,构建新的三波段光谱指数;(2)量化不同维度的光谱参数对SOM的响应;(3)通过比较SOM的预测精度,寻找最有效的建模方法。

  1材料与方法

  1.1研究区介绍和土壤样本的制备

  研究区为准东煤田,位于我国新疆准噶尔盆地东南缘(43°45′~45°00′N,88°45′~91°10′E)为13000km2的露天煤田,煤炭储量预估可达到3900亿t[2]。它是世界上最大的综合煤田,被誉为“中国工业粮仓”。该地为极端干燥的大陆性气候,年平均降水量、温度分别为140~183mm、5.3~7.3℃。土壤母质为第四纪冲积沉积物,地表植被稀疏。准东煤田的主要土地利用和土地覆被类型为荒地、草地、农田等。自2006年准东煤矿启动以来,大量的工矿活动已造成了生态失衡和严重的环境污染,土壤性质可能正在发生变化。

  推荐阅读:土壤改良论文发表推荐

期刊VIP网,您身边的高端学术顾问

文章名称: 基于光谱指数和机器学习的土壤有机质含量反演

文章地址: http://www.qikanvip.com/nongyekeji/56316.html