土壤全氮反射光谱估算机理研究

郑光辉，焦彩霞，赏 刚，熊俊峰

南京信息工程大学地理与遥感学院，江苏 南京 210044

土壤全氮反射光谱估算机理研究

郑光辉，焦彩霞*，赏 刚，熊俊峰

南京信息工程大学地理与遥感学院，江苏 南京 210044

反射光谱技术具有快速、便捷等特点，过去几十年中将其应用于土壤科学的研究呈指数增长，且广泛用于土壤属性估算。土壤全氮含量是一项非常重要的肥力指标，光谱估算全氮含量可以为实现精准农业提供重要支持。但反射光谱估算土壤全氮含量是基于全氮与有机碳的相关性还是基于氮本身的吸收特征仍然存在争议。本文以江苏滨海土壤为研究对象，利用偏最小二乘法分别构建全氮和有机碳在相同建模样本量、不同全氮含量及变异程度情况下的估算模型，通过分析模型精度变化规律及全氮与有机碳估算模型系数的相关性，探讨土壤全氮反射光谱估算机理。结果表明，该地区土壤为1 000年来滨海滩涂经人为耕作发育形成，全氮含量不高，有机碳含量偏低。全氮与有机碳之间存在较强的相关性，相关系数高达0.98。土壤全氮含量估算精度随样本集全氮含量的平均值、标准差增大出现先增加后略有减小的变化规律，与变异系数的变化规律相一致。当全氮含量较低时(样本平均值小于0.27 g·kg-1)，土壤全氮与有机碳相关系数也较小，实现反射光谱估算全氮是基于氮的吸收特征；当全氮含量较高时(样本平均值大于0.29 g·kg-1)，全氮与有机碳相关性较强且有机碳模型精度高于全氮，说明有机碳对光谱曲线的影响随其含量增加而增大，并掩盖了氮的吸收特征，实现反射光谱估算全氮是基于其与有机碳的相关性。该研究揭示了土壤反射光谱估算全氮含量的机理，从而为反射光谱快速估算土壤全氮含量提供理论依据。

反射光谱；全氮；有机碳；偏最小二乘回归

引 言

土壤全氮(total nitrogen, TN)含量是一项非常重要的肥力指标。传统的测定方法费时、费力，难以满足现代农业发展的需要，土壤反射光谱及遥感等新技术可以快速、准确、实时、动态获取土壤信息[1]。过去几十年的研究证明了反射光谱技术估算TN、有机碳(soil organic carbon, SOC)、铁氧化物、粘土矿物及土壤质量的可行性[2-5]，成像光谱技术也可用于估算TN在土壤剖面中的垂直分布[6]。Dalal[7]证明了反射光谱估算TN的可行性，结果表明SOC与TN回归方程中两个特征波段是相同的(1 870和2 052 nm)。而后Morra[8]发现SOC与TN估算所使用的波段区域相似。这两项研究表明TN估算是基于TN与SOC的相关性。但在可见近红外(VNIR)波段的确存在由有机N引起的合频与倍频吸收[9]。Chang[10]通过人工添加碳酸钙、腐殖酸等物质，利用偏最小二乘回归(partial least squares regression, PLSR)方法建立SOC, TN及C/N比的估算模型，发现利用近红外反射光谱估算土壤中TN不是基于N与C的相关性，而是基于土壤N的独立响应。Xie[11]的研究表明SOC模型中所使用波段区域与TN模型不同，说明TN预测包括了与SOC组成不同的近红外吸收波段。此外，Martin[12]认为土壤反射光谱中存在N的吸收特征，但不像C的吸收那么强，如果存在较高C与N的相关性，反射光谱估算N是基于其与C的相关性；如果相关性不高，对N的估算就是基于N吸收特征。直至近期，土壤中TN含量的预测是基于其与SOC相关性，还是基于N本身的特征吸收，仍然存在争议[9, 13]。虽然BP神经网络法[14]等建模方法可成功估算土壤TN，但Shi[15]认为PLSR方法是进行TN反射光谱估算的最优方法。本文目的在于利用PLSR构建相同建模样本量、不同TN含量和变异程度的估算模型，分析TN建模精度的变化规律及TN与SOC两个估算模型系数的相关性，探讨TN反射光谱估算机理。

1 实验部分

1.1 样本采集与分析

江苏省东台市位于苏北沿海地区，属北亚热带暖湿季风气候区。境内土壤以范公堤为界，堤西地区为湖相沉积形成的水稻土，堤东地区为1 000年来滨海滩涂经人类耕作发育形成的潮盐土。在范公堤以东地区采集13个剖面土样和9个0～5 cm表层土样。每个剖面采样深度分别为0～5，5～0，10～20，20～30，30～40，40～60，60～80，80～100 cm。由于其中两个剖面中各缺少一个样品，共采集土壤样品111个。样品在实验室内自然风干后研磨，分别用于土壤属性测定及光谱测量。土壤TN含量采用半微量开氏法测定，SOC采用重铬酸钾法测定。

1.2 光谱测量

风干后土壤样品研磨过100目筛。土壤光谱测量采用FieldSpec 3便携式光谱分析仪(Analytical Spectral Devices Inc., Boulder, USA)在暗室内进行。光源为一盏50 W卤素灯，与垂直方向角度为15°，距离样品30 cm；采用5°视场角探头，距土壤样品15 cm处垂直进行光谱采集。光谱采集过程中，盛于容器内的土样随自动旋转平台旋转的同时采集反射率，每个样品得到20条光谱曲线，算术平均后得到该土壤样品的反射率数据。

1.3 光谱预处理

ASD光谱仪在1 000和1 800 nm附近会出现仪器转换产生的断点。使用软件ViewSpecPro进行断点校正，消除仪器自身原因产生的断点。然后，对光谱曲线进行Savitzky-Golay平滑处理(2次多项式，11个点)。

1.4 建模方法

PLSR是一种新型多元统计分析方法，可以更好地解决自变量之间多重自相关性的问题，从而允许在样本个数少于变量个数的条件下进行回归建模。在计算过程中，能有效地提取对系统解释能力最强的综合变量(称为潜变量)，排除无解释作用的信息，使之对因变量有最强的解释能力。PLSR分析在Unscrambler 9.7软件(CAMO Software Inc., Woodbridge, New Jersey)中实现。

1.5 样本集划分

将111个土壤样点光谱数据进行主成分分析，依据前两个主成分散点图去除两个异常点。将剩余109个样点按TN含量排序后，每间隔5个样本、顺序选择60个样本作为样本集合进行建模及交叉验证，探讨在相同建模样本量情况下，估算精度随样本集TN含量平均值、标准差及变异程度而发生变化的规律。

1.6 回归模型精度评价

2 结果与讨论

2.1 样本TN与SOC统计分析

研究区土壤为滨海滩涂经人为耕作而形成，TN含量不高，SOC含量偏低(表1)。由于TN与SOC之间存在较强的相关性(相关系数为0.98，p<0.01)，其变异程度亦相似。

表1 TN与SOC含量统计分析

+依次为最小值、最大值、平均值，单位：g·kg-1；Std.为标准差；++变异系数，单位：%(下同)

2.2 建模样本量相同情况下TN的估算结果与分析

2.3 建模样本量相同情况下SOC的估算结果与分析

表2 各数据集TN含量统计分析及建模与交叉验证结果

注：PCs为主成分个数(下同)

表3 各数据集SOC含量统计分析及建模与交叉验证结果

表4 各数据集TN与SOC含量及模型系数的相关性

2.4 各数据集TN与SOC含量相关性及估算模型系数相关性分析

计算各数据集TN与SOC的相关系数，并分别提取对应数据集TN与SOC估算模型中各波段系数，分析估算模型系数的相关性，结果见表4。估算模型系数的相关性受TN与SOC相关性影响，总体上表现出随TN与SOC相关系数增加而增大。结合表2与表3，当TN含量较低时(TN平均值小于0.27 g·kg-1、SOC平均值小于1.65 g·kg-1)，TN与SOC相关性以及二者模型系数的相关性都较低，TN估算精度高于SOC，说明实现TN估算是基于N自身的吸收特征。而随着TN含量增加(TN平均值大于0.29 g·kg-1、SOC平均值大于1.87 g·kg-1)，TN与SOC相关性以及二者模型系数的相关性都较高，SOC建模及交叉验证精度高于TN，说明SOC对光谱曲线的影响随其含量增加而增大，并掩盖了N的吸收特征，实现TN估算是基于TN与SOC的相关性。

3 结 论

利用滨海土壤样本分析在建模样本量相同且TN含量逐渐变化情况下反射光谱估算TN与SOC的精度变化，探讨TN光谱估算机理。结果表明，总样本中TN与SOC之间存在非常强的相关性，相关系数高达0.98。在建模样本量相同的前提下，TN与SOC建模与交叉验证精度随样本集平均值、标准差的增大出现先增加后略有减小的变化规律，与变异系数的变化相一致，表明样本属性的变异程度对建模精度影响较大。当TN含量较低时(TN平均值小于0.27 g·kg-1)，与SOC相关系数较小，TN反射光谱估算是基于N的吸收特征；当TN含量较高时(TN平均值大于0.29 g·kg-1)，TN反射光谱估算是基于其与SOC的相关性。

[1] ZHANG Gan-lin, SHI Xue-zheng, GONG Zi-tong(张甘霖, 史学正, 龚子同). Acta Pedol. Sin.(土壤学报), 2008, 45(5): 792.

[2] PENG Jie, XIANG Hong-ying, ZHOU Qing, et al(彭 杰, 向红英, 周 清, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2013, 33(2): 502.

[3] Ben-Dor E, Heller D, Chudnovsky A. Soil Sci. Soc. Am. J., 2008, 72(4): 1113.

[4] Viscarra Rossel R A, Adamchuk V I, Sudduth K A, et al. Adv. Agron., 2011, 113: 243.

[5] Askari M S, O’Rourke S M, Holden N M. Geoderma, 2015, 243-244: 80.

[6] LI Shuo, WANG Shan-qin, SHI Zhou(李 硕, 汪善勤, 史 舟). Acta Pedol. Sin.(土壤学报) , 2015, 52(5): 1014.

[7] Dalal R C, Henry R J. Soil Sci. Soc. Am. J., 1986, 50: 120.

[8] Morra M J, Hall M H, Freeborn L L. Soil Sci. Soc. Am. J., 1991, 55(1): 288.

[9] Stenberg B, Viscarra Rossel R A, Mouazen A M, et al. Adv. Agron., 2010, 107: 163.

[10] Chang C W, Laird D A. Soil Sci., 2002, 167(2): 110.

[11] Xie H T, Yang X M, Drury C F, et al. Can. J. Soil Sci., 2011, 91(1): 53.

[12] Martin P D, Malley D F, Manning G, et al. Can. J. Soil Sci., 2002, 82(4): 413.

[13] St Luce M, Ziadi N, Zebarth B J, et al. Geoderma, 2014, 232-234: 449.

[14] ZHANG Juan-juan, TIAN Yong-chao, YAO Xia, et al(张娟娟, 田永超, 姚 霞, 等). J. Nat. Resour.(自然资源学报), 2011, 26(5): 881.

[15] Shi T, Cui L, Wang J, et al. Plant and Soil, 2013, 366(1-2): 363.

*Corresponding author

(Received Sep. 25, 2015; accepted Jan. 12, 2016)

A Mechanism Study of Reflectance Spectroscopy for Predicting Soil Total Nitrogen

ZHENG Guang-hui, JIAO Cai-xia*, SHANG Gang, XIONG Jun-feng

School of Geography and Remote Sensing, Nanjing University of Information Science & Technology, Nanjing 210044, China

Reflectance spectroscopy has been widely used for predicting soil properties due to its rapidity and convenience. In past decades, the application of soil spectroscopy on soil science studies has increased exponentially. The total nitrogen (TN) content in soil is an important index for soil fertility and the rapid prediction of TN content with spectroscopy serves an important function in precision agriculture. However, whether the TN content in soil is predicted through its relationship with soil organic carbon (SOC) or on its specific absorption is still debatable. The objective of this study was to explore the mechanism of reflectance spectroscopy for predicting TN in soils. Soils used for calibration were sampled from coastal soil in the north of Jiangsu province. Partial least squares regression (PLSR) analysis was used for the calibration datasets with different TN content when the sample number is the same in every dataset. In order to explore the mechanism of reflectance spectroscopy for predicting total nitrogen in soil, the changes of model accuracies and the correlation of TN and SOC were analyzed. The results indicated that the contents of TN and SOC in soil were relatively lower because the soil was derived from coastal sediments in the past 1 000 years and formed during cultivation. There was strong correlation between TN and SOC (R=0.98). The prediction accuracy of TN increased at first and then decreased slightly with the increase of mean, standard deviation of TN content. Meanwhile, the changes of prediction accuracy comply well with coefficients of variation. In conclusion, when the TN content is relatively low (mean TN<0.27 g·kg-1), the correlation coefficient between TN and SOC was moderately-high and TN was predicted on the basis of N absorbers. When the TN content is relatively high (mean TN>0.29 g·kg-1), strong correlation coefficients were obtained for TN and SOC and the model accuracy of SOC were better than TN. The effect of SOC to spectroscopy enhanced with the increase of SOC content, which masked the spectral features of N. Therefore, TN was predicted through the correlation with SOC when the TN content is high. This study revealed the mechanism of reflectance spectroscopy for predicting TN in soil and it could provide a theoretical basis for predicting soil TN content rapidly using reflectance spectroscopy.

Reflectance spectroscopy; Total nitrogen (TN); Soil organic carbon (SOC); Partial least squares regression (PLSR)

2015-09-25，

2016-01-12

国家自然科学基金项目(41201215)资助

郑光辉，1977年生，南京信息工程大学地理与遥感学院讲师 e-mail: zgh@nuist.edu.cn *通讯联系人 e-mail: zheng_jiao1@163.com

TP79；S151.9

A

10.3964/j.issn.1000-0593(2016)10-3222-04