基于支持向量机的土壤主要盐分离子高光谱反演模型

王海江 蒋天池 YUNGER John A 李亚莉 田 甜 王金刚

(1.新疆生产建设兵团绿洲生态农业重点实验室， 石河子 832000； 2.石河子大学农学院， 石河子 832000；3.州长州立大学生物系， 芝加哥 60466； 4.新疆农业科学院土壤肥料与农业节水研究所， 乌鲁木齐 830091)

0 引言

新疆盐渍土不仅在分布广度上存在明显的区域分异性，其盐害类型也有多种，如盐胁迫、碱胁迫和盐碱胁迫等[1]。当土壤盐分过多时，由于某些离子过多产生了离子的竞争作用，抑制了植物对另一些矿质元素的吸收，从而造成矿质营养胁迫[2]，盐胁迫的内在表现主要是渗透效应和离子毒害，往往对植物造成的伤害也高于总盐含量[3]，因此，快速、准确地获取土壤盐分离子含量是避免作物盐碱胁迫和盐渍化土壤改良的关键。

已有的研究中基于高光谱的土壤盐分含量反演精度差异较大，如WENG等[10]建立的盐分高光谱定量估测模型决定系数为0.89，ZHANG等[11]研究的决定系数为0.58，屈永华等[9]研究的决定系数为0.73，卢霞[12]测定的决定系数为0.56。综上所述，利用高光谱技术能够建立土壤反射特征和盐分含量、离子组成的拟合关系[13]，但因成土母质、样品干燥方式、粒径大小、建模方法等因素的不同，其预测精度差异较大。基于此，本文以新疆盐渍化土壤为研究对象，分析不同土壤干燥处理、过筛粒径所获取的土壤光谱特征与盐分离子含量的拟合关系，探究如何利用高光谱反射特征提高土壤盐分离子含量反演的准确性，以期为盐渍化土壤的高光谱定量监测提供理论依据，也为新疆盐渍化土壤的改良利用奠定基础。

1 材料与方法

1.1 土壤样品的采集与处理

新疆高温干燥和强烈蒸发条件，决定了土壤的上升水流占优势。在自然条件下，土壤的淋溶过程和脱盐过程十分微弱，土壤中的可溶性盐，借助毛管水上行积聚于表层，导致土壤普遍积盐，形成大面积的盐土。盐土的盐分组成与母岩的类型和成分有密切的联系，为了获取更具有代表性、典型性、盐分离子组成丰富的样品，在查阅大量资料的基础上，土壤样品采集于新疆维吾尔自治区的北疆和南疆盐分含量较重的农田，其中采集北疆博乐地区80个，昌吉地区120个，南疆阿克苏地区84个，喀什地区68个，和田地区72个，石河子垦区104个，共计528个土壤样品。为了更好地验证盐分离子拟合模型的精度，将石河子垦区104个土样不作为建模和外部检验样本，用于模型构建后检验模型的普适性。

土壤样品采集于地表0～5 cm土层，分别在每一个采样点的东、西、南、北4个方向，5 m范围内随机再采集1个土样，5个土样混合后作为该采样点待测样品，质量约2 kg。采集后迅速封装在自封袋中，拍摄样点周边自然景观并记录采集土壤样品的经纬度坐标，带回实验室后去除砾石及动植物残骸等杂质。去杂后的424个土壤样品(除石河子垦区土样)分为T1、T2和T3 3种处理，T1保持鲜样状态，T2为自然风干，T3为干燥箱105～110℃干燥，T1处理过2 mm筛，T2和T3处理研磨后分别过2、1、0.15 mm筛，处理后的土壤样品待测光谱反射数值。土壤盐分含量及离子组成测定方法参见文献[14]。

1.2 土壤样品分析

表1 土壤盐分含量和离子组成描述性统计分析Tab.1 Descriptive statistical analysis of soil salt content and ion composition

1.3 光谱测定

采用美国ASD 公司 Field Spec Pro FR 型光谱仪进行土壤样品测试，其波长范围350～2 500 nm，其中350～1 000 nm、1 000～2 500 nm波段光谱分辨率分别为3、10 nm，采样间隔分别为1.4、2 nm。取制备好的土壤样品放置于半径5 cm、深1.5 cm(认为是光学上无限厚)的黑色盛样皿内，土壤装填容重约 1.4 g/cm3。光谱测定在暗室中进行，采用200 W卤素灯置于目标两侧，光源入射角度25°，距离目标30 cm，8°视场角的传感器探头置于离土壤样本表面15 cm的垂直上方，探头接收光谱的区域为直径2.1 cm的圆，小于盛样皿的面积，探头接收的均为土壤的反射光谱。测试之前先以白板进行定标，每个土样采集10条光谱曲线，算术平均后得到该土样的实际反射光谱数据。

1.4 光谱数据的处理

1.5 模型构建与检验

在进行光谱数据变换和筛选的基础上，选取与土壤盐分离子显著相关波段多的变换形式，采用支持向量机(Support vector machine，SVM)构建盐渍土盐分离子含量光谱反演模型。设定SVM类型为4(即v- SVR)，核函数类型为 2(即 RBF)，采用训练集交叉验证和网格搜索法(Grid search)进行参数寻优，依据均方差最小原则确定惩罚参数C和RBF核参量g的值；相关计算用Matlab R2012a 软件的libsvm 3.11工具箱实现。

2 结果与分析

2.1 土壤原始光谱与盐分离子含量的相关性

图1 土壤盐分离子含量与光谱特征相关性Fig.1 Correlation of soil salt ions content and spectral characteristics

2.2 基于SVM的模型构建

2.3 构建模型的普适性检验

3 讨论

光谱分析技术在分析土壤成分含量以及理化特征参数方面表现出良好的预测能力。在土壤水分[18]、盐分[7-8]、有机质[19-20]、氮素含量等[21-24]方面已开展了大量的研究，但土壤样品的光谱测试大都经过风干、过筛等预处理，以消除土壤含水率和粒径对光谱测量结果造成的影响[13]。KIRSHNAN等[25]将土壤样品采集、风干、去杂和过筛后，放入105℃干燥箱干燥24 h，然后测定土壤样品的光谱特征参数，所构建的土壤有机质光谱反演模型决定系数R2达到0.873；DALAL等[26]对采集后的土壤样品经风干、粉碎，过2 mm和0.25 mm筛预处理，分析土壤近红外光谱与土壤含水率、有机碳和全氮含量的相关性，发现土壤粒径越细光谱特征参数对土壤属性反演精度越高；土壤的光谱反射率随着粒径的增大吸光度显著增大，其反射率降低[27]，土壤光谱反射率与土壤粒径呈负相关关系，土壤粒径小于0.15 mm时，反射率增长趋势更为明显[28]；武红旗等[29]比较了未研磨和过2 mm筛的土样的光谱特征，利用光谱参数拟合土壤有机质含量的精度，结果表明过2 mm土样所建立的有机质含量预测模型精度较高；朱琦等[30]分析了土壤样品过20、40、60、80、100目筛所建立的土壤全氮含量光谱反演模型，显示粒径小的土样模型预测精度较高。本研究中土壤取鲜样的光谱反演模型精度较差，不能够预测土壤盐分离子含量，主要是因为土壤水分具有较宽泛的光谱吸收带，随土壤含水率的增加反射率呈指数下降趋势[31]，对其他土壤属性光谱特征的掩盖作用明显[32]；从土样风干、干燥和粒径组成上来看，干燥处理后利用光谱反演盐分离子含量模型的预测能力较好，粒径在0.15 mm处理拟合精度较高。

表2 土壤盐分离子含量反演的模型构建Tab.2 Models of hyperspectral inversion for soil salt ions content

图2 K+、Na+、Ca2+和离子含量拟合模型的检验Fig.2 Model checking of soil K+, Na+, Ca2+ and

4 结论

1 郗金标,张福锁,毛达如,等.新疆盐渍土分布与盐生植物资源[J].土壤通报,2005,36(3): 299-303.

XI Jinbiao, ZHANG Fusuo, MAO Daru, et al. Saline-soil distribution and halophyte resources in Xinjiang [J]. Chinese Journal of Soil Science, 2005, 36(3): 299-303. (in Chinese)

2 郭全恩.土壤盐分离子迁移及其分异规律对环境因素的响应机制[D].杨凌:西北农林科技大学,2010.

GUO Quanen. The response mechanism of soil salt ion transfer and diversity rule to environment factors and risk analysis [D]. Yangling: Northwest A&F University, 2010. (in Chinese)

3 张永峰,殷薄.混合盐碱胁迫对苗期紫花苜蓿抗氧化酶活性及丙二醛含量的影响[J].草业学报, 2009,18(1): 46-50.

ZHANG Yongfeng, YIN Bo. Influences of salt and alkali mixed stresses on antioxidative activity and MDA content ofMedicagosativaat seedling stage [J]. Acta Prataculturae Sinica, 2009, 18(1): 46-50. (in Chinese)

4 BEN-DOR E，BANIN A．Near-infrared analysis as a rapid method to simultaneously evaluate several soil properties [J]. SSSAJ, 1995, 59(2):364-372．

5 ENDOVITSKY A P, MINKINA T M, KALINICHENKO V P, et al. The association of ions in the soil solution of saline soils[J]. American Journal of Agricultural & Biological Science, 2014, 9(2): 238-244.

6 魏昌龙,赵玉国,李德成,等.基于相似光谱匹配预测土壤有机质和阳离子交换量[J].农业工程学报,2014,30(1):81-88.

WEI Changlong, ZHAO Yuguo, LI Decheng, et al. Prediction of soil organic matter and cation exchange capacity based on spectral similarity measuring[J]. Transactions of the CSAE, 2014,30(1):81-88. (in Chinese)

7 彭杰,刘焕军,史舟,等. 盐渍化土壤光谱特征的区域异质性及盐分反演[J]. 农业工程学报, 2014, 30(17): 167-174.

PENG Jie, LIU Huanjun, SHI Zhou, et al. Regional heterogeneity of hyperspectral characteristics of salt-affected soil and salinity inversion[J]. Transactions of the CSAE, 2014, 30(17):167-174. (in Chinese)

8 SRIVASTAVA R, SETHI M, YADAV R K, et al. Visible-near infrared reflectance spectroscopy for rapid characterization of salt-affected soil in the indo-gangetic plains of haryana, India[J]. Journal of the Indian Society of Remote Sensing, 2017,45(2):307-315.

9 屈永华,段小亮,高鸿永,等.内蒙古河套灌区土壤盐分光谱定量分析研究[J].光谱学与光谱分析, 2009, 29(5): 1362-1366.

QU Yonghua, DUAN Xiaoliang, GAO Hongyong, et al. Quantitative retrieval of soil salinity using hyperspetral data in the region of Inner Mongolia Hetal irrigation district [J]. Spectroscopy and Spectral Analysis, 2009, 29(5): 1362-1366. (in Chinese)

10 WENG Y L, GONG P, ZHU Z L. Reflectance spectroscopy for the assessment of soil salt content in soils of the Yellow River delta of China [J]. International Journal of Remote Sensing, 2008, 29(19): 5511-5531.

11 ZHANG T T, ZENG S L, GAO Y, et al. Using hyperspectral vegetation indices as a proxy to monitor soil salinity[J]. Ecological Indicators, 2011, 11(6): 1552-1562.

12 卢霞.滨海盐土盐分含量与其光谱特征的关系研究[J].水土保持通报,2012,32(5):186-190.

LU Xia. Relationship between saline concentration and its reflectance spectra for seashore saline soil [J]. Bulletin of Soil and Water Conservation, 2012, 32(5): 186-190. (in Chinese)

13 李民赞,郑立华,安晓飞,等. 土壤成分与特性参数光谱快速检测方法及传感技术[J/OL]. 农业机械学报, 2013,44(3):73-87.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20130315&flag=1.DOI：10.6041/j.issn.1000-1298.2013.03.015.

LI Minzan, ZHENG Lihua, AN Xiaofei, et al.Fast measurement and advanced sensors of soil parameters with NIR spectroscopy [J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(3): 73-87. (in Chinese)

14 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000.

15 吕真真,刘广明,杨劲松.新疆玛纳斯河流域土壤盐分特征研究[J].土壤学报,2013,50(2): 289-295.

LÜ Zhenzhen, LIU Guangming, YANG Jingsong. Soil salinity characteristics of manas river valley in Xinjiang [J].Acta Pedologica Sinica, 2013, 50(2): 289-295. (in Chinese)

16 向红英,柳维扬,彭杰,等. 基于连续统去除法的南疆水稻土有机质含量预测[J].土壤,2016,48(2): 389-394.

XIANG Hongying, LIU Weiyang, PENG Jie, et al. Predicting organic matter content in paddy soil using method of continuum removal in southern Xinjiang, China [J]. Soils, 2016, 48(2): 389-394. (in Chinese)

17 刘亚秋,陈红艳,王瑞燕,等. 基于可见/近红外光谱的黄河口区土壤盐分及其主要离子的定量分析[J].中国农业科学, 2016, 49(10): 1925-1935.

LIU Yaqiu, CHEN Hongyan, WANG Ruiyan, et al. Quantitative analysis of soil salt and its main ions based on visible/near infrared spectroscopy in estuary area of Yellow River [J]. Scientia Agricultura Sinica, 2016, 49(10): 1925-1935. (in Chinese)

18 王海江,张花玲,任少亭,等. 基于高光谱反射特性的土壤水盐状况预测模型研究[J/OL].农业机械学报,2014, 45(7):133-138.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20140721&flag=1. DOI：10.6041/j.issn.1000-1298.2014.07.021.

WANG Haijiang, ZHANG Hualing, REN Shaoting, et al. Prediction model of soil water-salt based on hyperspectral reflectance characteristics[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(7): 133-138. (in Chinese)

19 侯艳军,塔西甫拉提·特依拜,买买提·沙吾提,等. 荒漠土壤有机质含量高光谱估算模型[J]. 农业工程学报, 2014, 30(16): 113-120.

HOU Yanjun, TASHPOLAT·Tiyip, MAMAT·Sawut, et al. Estimation model of desert soil organic matter content using hyperspectral data [J]. Transactions of the CSAE, 2014, 30(16): 113-120. (in Chinese)

20 孙建英,李民赞,唐宁,等. 东北黑土的光谱特性及其与土壤参数的相关性分析[J]. 光谱学与光谱分析, 2007, 27(8): 1502-1505.

SUN Jianying，LI Minzan，TANG Ning，et al．Spectral characteristics and their correlation with soil parameters of black soil in northeast China [J]. Spectroscopy and Spectral Analysis, 2007, 27(8):1502-1505. (in Chinese)

21 卢艳丽,白由路,王磊,等. 黑土土壤中全氮含量的高光谱预测分析[J]. 农业工程学报, 2010, 26(1): 256-261.

LU Yanli, BAI Youlu, WANG Lei, et al. Determination for total nitrogen content in black soil using hyperspectral data[J].Transactions of the CSAE, 2010, 26(1): 256-261. (in Chinese)

22 张娟娟,田永超,姚霞,等. 基于高光谱的土壤全氮含量估测[J]. 自然资源学报, 2011, 26(5): 881-890.

ZHANG Juanjuan, TIAN Yongchao, YAO Xia, et al. Estimating soil total nitrogen content based on hyperspectral analysis technology [J]. Journal of Natural Resources, 2011, 26(5): 881-890. (in Chinese)

23 徐丽华,谢德体,魏朝富,等. 紫色土土壤全氮和全磷含量的高光谱遥感预测[J]. 光谱学与光谱分析, 2013, 33(3): 723-727.

XU Lihua, XIE Deti, WEI Chaofu, et al. Prediction of total nitrogen and total phosphorus concentrations in purple soil using hyperspectral data[J]. Spectroscopy and Spectral Analysis, 2013,33(3):723-727.(in Chinese)

24 张瑶,李民赞,郑立华,等.基于近红外光谱分析的土壤分层氮素含量预测[J].农业工程学报,2015,31(9):121-126.

ZHANG Yao, LI Minzan, ZHENG Lihua, et al. Prediction of soil total nitrogen content in different layers based on near infrared spectral analysis[J]. Transactions of the CSAE, 2015, 31(9): 121-126. (in Chinese)

25 KIRSHNAN P，ALEXANDER J D，BUTLER B J，et al．Reflectance technique for predicting soil organic matter[J]. SSSAJ, 1980,44(6) :1282-1285．

26 DALAL R C, HENRY R J. Simultanous determination of moisture, organic carbon, and total nitrogen by near infrared reflectance spectrophotometry[J]. SSSAJ, 1986,50(1): 120-123．

27 鲍一丹,何勇,方慧,等.土壤的光谱特征及氮含量的预测研究[J].光谱学与光谱分析,2007,27(1):62-65.

BAO Yidan, HE Yong, FANG Hui, et al. Spectral characterization and N content prediction of soil with different particle size and moisture content [J]. Spectroscopy and Spectral Analysis, 2007, 27(1): 62-65. (in Chinese)

28 马创,申广荣,王紫君,等.不同粒径土壤的光谱特征差异分析[J].土壤通报,2015,46(2): 292-298.

MA Chuang, SHEN Guangrong, WANG Zijun, et al.Analysis of spectral characteristics for different soil particle sizes [J]. Chinese Journal of Soil Science, 2015, 46(2): 292-298. (in Chinese)

29 武红旗,范燕敏,何晶,等.不同粒径土壤的反射光谱对荒漠土壤有机质含量的响应[J].草地学报,2014,22(2):266-270.

WU Hongqi, FAN Yanmin, HE Jing, et al.Response of soil hyperspectral characteristics of different particle sizes to soil organic matter [J]. Acta Agrectir Sinica, 2014, 22(2):266-270. (in Chinese)

30 朱琦,董桂梅,杨仁杰,等.土壤粒度差异对光谱法检测土壤全氮含量的影响研究[J].天津农学院学报, 2015, 22(4): 29-32.

ZHU Qi, DONG Guimei, YANG Renjie, et al. Influences of soil particle size difference on detecting total nitrogen contents in soil by spectrometry [J]. Journal of Tianjin Agricultural College, 2015, 22(4): 29-32.(in Chinese)

31 何挺,王静,程烨,等. 土壤水分光谱特征研究[J]. 土壤学报, 2006, 43(6): 1027-1032.

HE Ting, WANG Jing, CHENG Ye, et al. Spectral features of soil moisture [J].Acta Pedologica Sinica, 2006, 43(6): 1027-1032. (in Chinese)

32 刘秀英,王力,宋荣杰,等.黄绵土风干过程中土壤含水率的光谱预测[J/OL].农业机械学报,2015,46(4):266-272.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150439&flag=1.DOI：10.6041/j.issn.1000-1298.2015.04.039.

LIU Xiuying, WANG Li, SONG Rongjie, et al. Prediction of soil moisture content in air-drying loess using spectral data[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(4):266-272. (in Chinese)

33 代希君,张艳丽,彭杰,等. 土壤水溶性盐基离子的高光谱反演模型及验证[J].农业工程学报, 2015, 31(22): 139-145.

DAI Xijun, ZHANG Yanli, PENG Jie, et al. Prediction and validation of water-soluble salt ions content using hyperspectral data [J]. Transactions of the CSAE, 2015, 31(22): 139-145. (in Chinese)

34 张俊华,秦君琴,李明.基于土壤光谱特征的宁夏银北地区盐碱地盐分预测研究[J].水土保持通报, 2013, 33(5): 123-129, 164.

ZHANG Junhua, QIN Junqin, LI Ming. Prediction of soil salt content based on spectral characteristics of soil in Northern Yinchuan City, Ningxia Hui Autonomous Region[J]. Bulletin of Soil and Water Conservation, 2013, 33(5): 123-129, 164. (in Chinese)