基于高光譜成像技術(shù)的土壤鹽分含量檢測(cè)摘要：利用NIR高光譜儀(光譜范圍900?1900/m)對(duì)土壤含鹽量進(jìn)行了無損檢測(cè)，對(duì)比分析不同含鹽量土壤的水分變化情況、不同時(shí)間下土壤光譜曲線的差異°結(jié)果表明，隨著土壤中含鹽量的增加，土壤中水分蒸發(fā)情況受到的影響程度不同，從而使得不同含鹽量土壤的反射率存在明顯的規(guī)律；在此基礎(chǔ)上，對(duì)比分析了不同預(yù)處理方法，優(yōu)選出原始光譜；利用多元線性回歸(multiplelinearregression,MLR)、主成分回歸(principalcomponentregression,PCR)與偏最小二乘回歸(par-tialleastsquaresregression,PLSR)方法對(duì)900?！900nm范圍的特征波長建立模型，對(duì)比分析不同建模效果，優(yōu)選)系數(shù)提取的特征波長的PLSR模型，特征波長為9%6、996、1016、！136、！151、！186、129%、1%95、1425、1458、1535、1642nm,最優(yōu)模型的預(yù)測(cè)相關(guān)系數(shù)為0#949,預(yù)測(cè)均方根誤差為2#914g/kg。因此，今后可采用不同波段對(duì)土壤含鹽量進(jìn)行定量分析，為今后表層土壤含鹽量遙感預(yù)測(cè)奠定基礎(chǔ)。關(guān)鍵詞：高光譜成像；土壤鹽分；診斷機(jī)理；無損檢測(cè)StudyonthediagnosismechanismofsoilsalinitybasedonspectralimagingtechniqueAbs&act：Thisarticlesummarizesanea廣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土壤鹽漬化是干旱可持續(xù)發(fā)展和改善環(huán)境質(zhì)量的戰(zhàn)略問題之一口2*。我國鹽漬土面積大，分部廣，堪稱世界之最我國耕地中的鹽漬化面積達(dá)到9.2X106hm2，占全國耕地面積的6.62%寧夏作為我國鹽漬化的大區(qū)，鹽堿土面積達(dá)2.18X107hm2，現(xiàn)有耕地中31.1%的面積受到鹽堿危

害，大面積的鹽漬化土壤導(dǎo)致很大一部分農(nóng)作物因受不同程度鹽害而減產(chǎn)絕收，難以發(fā)揮其潛力產(chǎn)量，土壤鹽漬化問題和灌溉引起的土壤次生鹽漬化問題嚴(yán)重制約了寧夏農(nóng)業(yè)的進(jìn)一步發(fā)展，也是影響綠洲生態(tài)環(huán)境穩(wěn)定的重要因素因此，對(duì)鹽漬化耕地進(jìn)行治理與改良及種植結(jié)構(gòu)調(diào)整與優(yōu)化，對(duì)寧夏乃至我國農(nóng)業(yè)的可持續(xù)發(fā)展具有深遠(yuǎn)意義$針對(duì)解決土壤鹽漬化問題的關(guān)鍵在于對(duì)信息的獲取方式$如何快速、準(zhǔn)確、低廉地獲取大面積鹽漬化土壤的動(dòng)態(tài)信息，并據(jù)此合理制定鹽漬化土壤治理、改良等方面的決策，是農(nóng)業(yè)科學(xué)研究的新主題遙感技術(shù)具有獲取信息量大、多平臺(tái)和多分辨率（時(shí)間和空間）、快速、覆蓋面積大的優(yōu)勢(shì)，是及時(shí)掌握大面積鹽漬化等土壤信息的最佳手段"牛高光譜遙感更是進(jìn)行土壤鹽漬化監(jiān)測(cè)較為理想的一種手段"!"#$鹽漬化土壤近地面高光譜試驗(yàn)的一系列研究，為其高光譜遙感監(jiān)測(cè)的實(shí)施和應(yīng)用提供了一定的理論依據(jù)和技術(shù)支撐$國內(nèi)外研究者在使用高光譜技術(shù)獲取土壤養(yǎng)分和理化特性信息方面已經(jīng)取得了一定的成果$Gogk、Allbed、王乾龍、紀(jì)文君等利用高光譜技術(shù)對(duì)土壤中養(yǎng)分含量的測(cè)定，取得了較好的結(jié)果，也證明該技術(shù)應(yīng)用到土壤養(yǎng)分測(cè)定是可行的（Weng、屈永華、王靜、劉煥軍等"1518］分別對(duì)不同地區(qū)土壤鹽分的快速檢測(cè)進(jìn)行了研究，建立的高光譜定量模型可以用于評(píng)價(jià)土壤鹽堿化程度$目前我國利用高光譜成像技術(shù)對(duì)土壤鹽分的研究!主要集中在黃淮海平原、內(nèi)蒙河套灌區(qū)、新疆渭干河灌區(qū)和某些濱海等地區(qū)；而對(duì)于我國西北寧夏引黃灌區(qū)的研究鮮有報(bào)道$本研究基于寧夏地區(qū)鹽漬土壤組分和光譜特征，利用土壤光譜反射數(shù)據(jù)和土壤含鹽量來進(jìn)行土壤含鹽量定量分析，采用化學(xué)計(jì)量學(xué)的方法構(gòu)建模型，并對(duì)土壤鹽分與光譜之間的機(jī)理進(jìn)行研究，探求寧夏銀川地區(qū)耕作土壤的鹽分預(yù)測(cè)模型$2材料與方法2.1材料試驗(yàn)土壤取自寧夏地區(qū)銀川市金鳳區(qū)良田鎮(zhèn)磚渠村的農(nóng)田，土壤類型為壤土$利用采土器從土壤表層至40cm深度混合取土，采用網(wǎng)格采樣法采樣$土樣帶回實(shí)驗(yàn)室，去除礫石及動(dòng)植物殘骸等雜質(zhì)，自然風(fēng)干后的樣品經(jīng)研磨過*mm篩后，分別裝在自封袋中，共計(jì)80個(gè)土樣用于后續(xù)鹽分測(cè)定、光譜測(cè)試以及模型建立。供試土樣容重1.20g/cm%,土壤為非鹽漬土（含鹽量V0.1%）$2.2儀器HyperSIS-NIR高光譜成像系統(tǒng)(900-1700nm,光譜分辨率5nm,256個(gè)波段)，由高光譜成像光譜儀(ImspectorN17E,Spectra1ImagingLtd.,Oulu,Finland)、CCD相機(jī)(Zelos-285GV,KappaoptronicsGmbH,Gleichen,Germany)、4個(gè)35W鹵鎢燈(HSIA7LS7TDIF,ZolixinstrumentsCo.,Ltd,Beijing,China)、電控位移平臺(tái)(PSA200-11-X,ZolixInstrumentsCo.,Ltd.,Beijing,China)、計(jì)算機(jī)(LenovoInter(R)Corei772600CPU@3.40GHz,RAM4.00G)和數(shù)據(jù)采集軟件(ENVI4.7,ZolixInstrumentsCo.,Ltd.,Beijing,China)五部分組成(見圖1),北京卓立漢光儀器有限公司；圖1高光譜成像系統(tǒng)Fig.1Hyperspectra1imagingsystem2.3方法2.3.1土壤含鹽量測(cè)定土壤樣品和蒸餾水按水土比例5i1進(jìn)行混合,經(jīng)過3min振蕩后，使得土壤中可溶性鹽分全部溶解到提取液中，然后將水土混合液進(jìn)行過濾，濾液可做為土壤可溶鹽分測(cè)定的待測(cè)液$土壤全鹽量計(jì)算公式"19#如下，測(cè)量條件為25；溫度下進(jìn)行$C+41.2653S—2120.76X5式中：S為全鹽含量,g/kg；CC+41.2653S—2120.76X52.3.2高光譜圖像的采集參數(shù)的確定高光譜成像系統(tǒng)采集樣本時(shí)，因不同樣本表層的粗糙程度、顏色、光澤有所差異，導(dǎo)致圖像采集系統(tǒng)中的焦距、透光量、載物臺(tái)移動(dòng)的速度、曝光時(shí)間等參數(shù)都會(huì)對(duì)樣本圖像的采集產(chǎn)生影響$經(jīng)過預(yù)試驗(yàn)確定土壤樣本采集的最佳采集參數(shù)：光源的穩(wěn)流設(shè)置為6.2A,物距為385mm,輸送裝置的步距為14mm/s,成像光譜儀的曝光時(shí)間為10ms,掃描線實(shí)際長度為180mm$2.3.3模型構(gòu)建及評(píng)估為準(zhǔn)確評(píng)價(jià)模型精度與穩(wěn)定性，并保證樣本之間的含鹽量間隔，將88個(gè)樣本分為兩部分,3/4樣本作為建模樣本!/4樣本作為預(yù)測(cè)集樣本。分別采用多元線性回歸法、主成分回歸法、偏最小二乘法，以反射率作為輸入量，建立土壤鹽分高光譜預(yù)測(cè)模型#模型精度由相關(guān)系數(shù)（R）和均方根誤差（RMSE）進(jìn)行綜合評(píng)價(jià)，模型的相關(guān)系數(shù)（R）越大，模型越穩(wěn)定'RMSE越小，模型預(yù)測(cè)能力越好#3結(jié)果與分析3.1不同含鹽量土壤的水分含量變化為了研究不同含鹽量土壤中水分含量隨時(shí)間變化，對(duì)10組不同含鹽量土壤的水分變化進(jìn)行了研究，結(jié)果如圖2、圖3所示；圖1為自然干燥后不同含鹽量土壤實(shí)際效果圖，從左到右（1—6）,從上到下（1—4）共計(jì)20個(gè)樣本，每2個(gè)樣本為平行樣#圖2為不同天數(shù)下，不同鹽土土壤含水率變化情況，圖中1—10分別代表0.95、3.10、6.32、8.57、9.70、10.1644、26.61、35.82、62.69、85.33g/kg的10組土壤含鹽量#圖2自然干燥后的不同含鹽量土壤Fig.2Naturallydriedsoilwithdifferentamountsofsalt備注:1-10的土壤含鹽量分別為0.95、3.10、6.32、8.57、9.70、10.16、26.61、35.82、62.69、85.33g/kg#由圖2可知：隨著土壤含鹽量的增加，表層土壤含鹽量出現(xiàn)不同情況即表層出現(xiàn)鹽斑的情況,1—6組土壤表層未出現(xiàn)鹽斑情況，第7組有少許鹽斑情況，第8組土壤表層含鹽量較大，出現(xiàn)大量的白斑;第9、10組土壤雖然為高鹽分土壤，反而表層土壤出現(xiàn)鹽斑較少，尤其是第10組，出現(xiàn)白斑的位置主要從鋁盒的側(cè)壁出來，面積較少，大部分鹽分在土壤表層形成一層鹽水氣共同作用的膜#低含鹽量土壤,表層鹽斑未見出現(xiàn)，主要是因?yàn)橥寥揽障犊梢越亓酐}分顆粒，土壤鹽分未能超出土壤對(duì)鹽分的容納能力；隨著土壤含鹽量的逐漸增大，鹽斑面積也逐漸越來越大；當(dāng)土壤中的鹽分達(dá)到一定含鹽量時(shí)，反而隨著土壤含鹽量的增大，鹽斑減少#這一結(jié)論與土壤含水率的光譜變化正好成反比，同時(shí)也為今后智能遙感定性判別土壤鹽分提供理論依據(jù)#由圖3可知：10組土壤樣本具有相同的土壤含水率28%,10組不同含鹽量的土壤的水分變化差異比較顯著#1號(hào)與2號(hào)土樣的含水率隨著天數(shù)的增加，出現(xiàn)先迅速下降再緩慢下降，這主要反映了表層土壤水分蒸發(fā)情況，與水分在介質(zhì)中傳質(zhì)理論相一致#3—6號(hào)土壤含水率直線下降，主要是因?yàn)辂}水中鹽顆粒的存在使得土壤的結(jié)構(gòu)受到變化，從而使得水分傳遞過程阻力減小，所以水分蒸發(fā)速率較快；7號(hào)與8號(hào)土壤含水率的變化情況先快后慢，出現(xiàn)這種情況主要是因?yàn)榍捌谕寥乐袀鬟f的效果與3—6號(hào)相似，但由于7、8號(hào)土壤中的鹽顆粒超出了土壤的容納程度，在水分傳遞的過程中，被帶到土壤表層形成鹽斑，而鹽斑的形成恰恰阻礙了下層水分的繼續(xù)蒸發(fā)，使得后期水分干燥速率降低#9號(hào)與10號(hào)土壤含水率則出現(xiàn)隨著天數(shù)的增加，土壤含水率從第1天迅速下降，第2—6天土壤含水率趨于平穩(wěn)，變化較小，主要是因?yàn)橥寥乐泻}顆粒較多，能很好的形成水分傳遞的介質(zhì)，因此，初期水分干燥速度較快；而由于土壤中過多的鹽分，使得土壤表層未形成鹽斑時(shí)就受到下層鹽水與空氣的作用，在其表面形成一種膜，阻礙其進(jìn)行水分傳質(zhì)#因此，水分只能從鋁盒的側(cè)壁進(jìn)行質(zhì)量傳遞，在側(cè)壁周圍形成鹽斑#1.01.52.02.53.03.54.04.55.05.56.0Time/d圖3不同天數(shù)土壤含水率變化情況Fig.3Ch+ngesofsoil contentondiffe&entd+ys綜上所述，不同含鹽量土壤中水分的蒸發(fā)效率不同，這為今后土壤中鹽分的精準(zhǔn)監(jiān)測(cè)提供理論支撐#3.2不同天數(shù)土壤光譜曲線為了探討不同含鹽量的土壤的光譜變化情況,利用900?1700nm高光譜成像儀，對(duì)配制的10組的土壤樣本進(jìn)行圖像信息采集，通過Envi4.6軟件提取光譜并對(duì)其求平均值，結(jié)果如圖4所示。由圖4可知：不同鹽漬化土壤的光譜曲線總體Wavelength/nmWavelength/nm圖4不同含鹽量土壤的高光譜曲線(左：第1天；右：第6天)Fig.4Hyperspectraicurveofsoiisalinityunderdifferentwatercontent(LeftFirstday;Right:Sixthday)變化比較平緩，光譜特征在形態(tài)上基本相似，光譜曲線之間具有良好的共性。土樣的光譜曲線在1446nm附近形成吸收峰，主要是因?yàn)樗腛H-基團(tuán)的吸收；第1天，隨著土壤含鹽量的增加，光譜反射率呈現(xiàn)逐漸減小的趨勢(shì)，主要是水分影響起主導(dǎo)作用；第6天時(shí)，隨著土壤含鹽量的增加，光譜反射率呈現(xiàn)出逐漸增大的趨勢(shì)，主要是鹽分影響起主導(dǎo)作用；第9組與第10組的土壤反射率低，主要是水分影響占主導(dǎo)作用，相比第1天，土壤光譜曲線的反射率明顯提高，這說明土壤水分含量減低。3.3土壤含鹽量測(cè)定及原始光譜曲線為了建立土壤含鹽量預(yù)測(cè)模型，試驗(yàn)共采集88個(gè)土壤樣本，選取3/4樣本作為校正集,1/4樣本作為預(yù)測(cè)集，確保土壤鹽分預(yù)測(cè)集的測(cè)定值范圍在校正集的測(cè)定值的范圍內(nèi)，結(jié)果如表1所示。表1土樣含鹽量測(cè)定值Tab.1DeterminationofsoiisalinityTypeNo.Maximumg/kgMinimumg/kgAverageg/kgSDg/kgCalibrationset6836.4050.60910.1349.606Validation2034.8250.7439.2698.721set為了建立不同含鹽量土壤的高光譜預(yù)測(cè)模型,利用高光譜成像儀對(duì)配制的88個(gè)不同含鹽量土壤進(jìn)行圖像掃描，采用Envi4.6軟件提取光譜信息，提取出不同波段下的光譜曲線，如圖5所示。0.0 -L . 1 1 < . 1 LI90010001100120013001400150016001700Wavelength/nm圖5不同含鹽量土壤光譜曲線Fig.5Spectroscopiccurvesofdifferentsalinitysoils由圖5可知：在900?!000nm波段出現(xiàn)3種不同的光譜反射趨勢(shì)，由于配制樣本的含水量都相同!這也說明了原始土樣含鹽量的差異比較明顯。原始光譜曲線比較平滑,1446nm附近有強(qiáng)烈的吸收，主要是因?yàn)樗值奈铡?.4光譜預(yù)處理建模由于土壤光譜曲線中既包含土壤樣品自身鹽分的化學(xué)信息，還包含其他無用的信息(噪音，水分、礦物質(zhì)等)，會(huì)產(chǎn)生一定的誤差。為了提高化學(xué)計(jì)量學(xué)建模的準(zhǔn)確性，分別選用平均平滑(Averagesmoothing)、高斯濾波(Gaussianfilter,GF)、中值濾波(Medianfilter,MF)、卷積平滑(Savitzky—Golaysmoothing)、最大值歸一化(Maximumnormaiiza—tion)，標(biāo)準(zhǔn)正態(tài)化(Standardnormalizationvara—tion,SNV)、多元散射校正(Multiplescatteringcor

rection,MSC）以及正交信號(hào)校正（Orthogonalsignalcorrection,OSC）的光譜預(yù)處理方法對(duì)原始光譜數(shù)據(jù)進(jìn)行信息增強(qiáng)$采用PLSR分析法對(duì)900$1700nm波段原始光譜和預(yù)處理后的光譜數(shù)據(jù)進(jìn)行模型建立，結(jié)果如表2所示$由表2所知：原始光譜建立的模型與預(yù)處理光表2不同預(yù)處理與原始光譜的PLSR模型對(duì)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譜建立的模型差異顯著$相對(duì)于原始光譜，平滑處理、濾波、歸一化、標(biāo)準(zhǔn)正態(tài)化、多元散射校正、正交信號(hào)校正等預(yù)處理方法所建立的模型，卷積平滑處理結(jié)果略低于原始光譜建立的模型，其它方法大都是校正模型效果較好，但預(yù)測(cè)結(jié)果較差，主要是因?yàn)樵脊庾V中特征信息比較多，建立的模型效果較好!其它的預(yù)處理方法未能改善模型的效果$因此，試驗(yàn)選擇900?1700nm光譜的原始光譜進(jìn)行后續(xù)的分析$3.5特征波長提取為了降低數(shù)據(jù)處理量，利用Unscrambler10.4軟件對(duì)900?1700nm原始光譜建立的PLSR模型進(jìn)行特征提取,選擇第10主成分為最優(yōu)主成分?jǐn)?shù)，在0系數(shù)圖上基于局部絕對(duì)值最大的原則，提取了12個(gè)特征波長（936、996、1016、1136、1151、11,6、1273、1395、1425、1458&1535、1642nm）；利用Mat-lab2014a軟件進(jìn)行編程，采用CARS法提取特征波長，最大主成分?jǐn)?shù)A=15,交互驗(yàn)證分組數(shù)fold=66,數(shù)據(jù)方法method='center'，篩選中，蒙特卡洛采樣次數(shù)設(shè)定為100次，選取了19個(gè)特征波段數(shù)；此基礎(chǔ)上進(jìn)一步進(jìn)行SPA,選擇m_max=7時(shí),獲得最小RMSECV=3.6683值，模型擬合效果最佳，選取了5個(gè)特征波段數(shù)$采用SPA法提取特征波長，在選擇m_max=5時(shí)，獲得最小RMSECV=2.9262值，模型擬合效果最佳，選取了8個(gè)特征波段數(shù)，結(jié)果如表3所示$表3不同特征波長提取方法對(duì)比分析Tab.3ComparatJeanalysisofdifferentcharacteristicwavelengthextractionmethodsMethods No.BandsorwavelengthsextractedBcoefficient 12 936、996、1016、？136,?151、？186、？273、？395、？425、？458、？535、？642nmCARS 19 2,6,56,58,84,92,147,159,161,170,176,182,184,186,187,194,200,208,209SPA 825,26,34,164,169,190,208,235CARShSPA 55,7,8,13,19由表3可知:CARS方法提取特征波長數(shù)太多，為了減少數(shù)據(jù)冗余，進(jìn)一步采用SPA方法進(jìn)行提取$CARS提取的特征波長數(shù)由原來的19減少到5個(gè)$PLSR、SPA方法分別提取特征波長數(shù)為12&8個(gè)$3.6不同建模效果對(duì)比分析為了對(duì)比不同特征波長提取方法建模的效果，優(yōu)選出最佳的特征波長提取方法，采用MLR、PCR、PLSR方法分別對(duì)提取的特征波長進(jìn)行建立模型，結(jié)果如表4所示$由表4可知：在MLR、PCR、PLSR模型中，與CARS提取特征波長所建立的模型相比,）系數(shù)方法所建立的MLR模型的RP稍小、RMSEP稍大，但其具有較少的特征波長數(shù)。對(duì)比MLR、PCR、PLSR模型，同類型特征波長建立的PLSR模型具有較高的R、較低的RMSEP值，因此系數(shù)方法提取特征波長建立的PLSR模型優(yōu)于MLR與PCR的模型。綜上所述,900-1700nm波段優(yōu)選出+系數(shù)方法提取的特征波長的PLSR模型，提取的特征波長為936、996、1016、1136,1151、11,6、1273、1395、1425"1458"1535"1642nm,最優(yōu)模型的預(yù)測(cè)相關(guān)系數(shù)表4不同提取特征波長的模型對(duì)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