土壤总氮和总磷含量的高光谱遥感预测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
型的精度。 ３
验证方法，选取３和２个主成分数分别用于ＴＮ，ＴＰ的 ＰＬ５建模分析。为了更好地分析模型预测的效果，将
模型的预测值和实测值绘制成散点图，如图５和图６ 所示。
２ ２ ２ ｌ ｌ １ １
结论
文中在对去包络的反射率进行预处理的基础上，
建立了土壤全氮和全磷的高光谱预测模型。结果表
明，在对去包络的反射率经过预处理后，与土壤全氮
—ｍａｉｌ）ｓｗｅｉｔｌｉ８ｎｎａ＠１２６．ｃｏｍ
ｏ
２实验结果与讨论
２．１ ２．１．１
预处理
断点拟合
通讯作者：谢德体（１９５７一），男，四川开江人．教授，博士生导师，（Ｅ—
ｍａｉｌ）ｘｄｔ＠ｓｗｕ．ｅｄｕ．ｃｎ。
从图ｌ可以看出，所有样本的光谱曲线在约
ｌ
０００ｎｍ和ｌ ８００ｎｍ波段处都出现了阶跃性变化。
由
西
ｒｅｐ陀８∞ｔａｔｉｖｅ ｒｅｆｌｅｃｔＭｃｅ ８ｐｅｃ廿ａ
０ｆ。０ｉｌ”ｐｌ∞
４西 ４舶
２．１．２消除包络线
宝暑星昌星墨昌宕宕８ ８宕昌宕８宕８昌８暑８ 寻寮暑足昌暮害暑品需导景宝乏２景鲁＝昌景雩
一一一一一一一一一一Ｎ一一一一
从图ｌ可以看出，除了在４００一８００ｎｍ波段急剧
上升外，在其他波段处曲线变化相对较为平缓，其反
１
１．１
５００ｎｍ，３５０一ｌ ０００ｎｍ，ｌ ０００
５００，采样间隔分别为１．４ｎｍ和２ｎｍ，其光谱分辨
率分别为３ｎｍ和１０ｎｍ。测量时，为了尽可能减少测
量时的人为误差，将ＡＳＤ光纤探头固定在精密三脚架 上，垂直扫描土样。光纤探头距离所测土样约３ｃｍ
材料与方法
土壤样品的野外采集和实验室化学分析
高，室内灯源高１３０ｃｍ，并以约５０。的俯角照射测量目 标，测量目标位于光源光斑中心。每个土壤样本重复
２０１２年４月
农机化研究
第４期
土壤总氮和总磷含量的高光谱遥感预测
徐丽华，谢德体
（西南大学资源与环境学院，重庆４００７１６） 摘要：用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此，在对１１８个风干的土壤样本的室内反 射光谱进行预处理的基础上，分析了土壤总氮和总磷浓度与预处理后的反射光谱的相关性。分别选用与总氮和 总磷浓度具有较强相关性的３个波段（分别是６８４，７２４，ｌ
Ｉｏ踟ｙ ｍｉｘｅｄ
ｓｏｉｌ ｂｙ ｕｓｉｎｇ
ｎｅ盯ｉ血狮ｄ玎ｅｎｅｃｔａＩｌｃｅ
＂
１Ｊ
ｓｐｅｃｔｍｓｃｏｐｙ［Ｊ］．
ＡｄｖａＩＩｃｅｓ ｉｎ Ｉｎ—
ｔｅｌｌｉｇｅｍ Ｃｏｍｐｕｔｉｎｇ，２００５，３６４４：８５９—８６７．
杨剑虹，王成林，代亨林．土壤农化分析与环境监测 ［Ｍ］．北京：中国大地出版社，２００８．
方法，而且多数模型仅仅处于试验研究阶段，需要大
量的实地观测数据来修正。本文以三峡库区王家沟
室内光谱测量采用美国ＡｓＤ（Ａｎａｌ”ｉｃａｌ
Ｄｅｖｉｃｅｓ）公司生产的ＦｉｅｌｄＳｐｅｃ 测定波长范围为３５０～２
～２ Ｐｒｏ
ｓｐｅｃｔｒａｌ
ＦＲ野外光谱仪。
小流域为研究区，利用１１８个土壤样本的室内反射光
谱及其土壤总氮和总磷含量的化学测定数据，选取了 适用于本研究区的特征波段，并在此基础上建立了土 壤总氮和总磷的预测模型。
Ｂｐｅｃ仃ａ
ｃ∞ｃ朗ｔ功ｔｉｏｎ柚ｄ
原始反射率尺与土壤全氮和全磷的相关系数如
图３所示。由图３可以看出，ＴＮ和１１Ｐ与土壤原始反
ｒｅｎｅｃｔａＩｌｃｅ ｐ托ｐｒｏｃｅｓｓｅｄ
从图４可以看出，经过预处理以后土壤养分含量
与吸收光谱具有较高的相关性。根据图４，分别选取
射率的相关系数都很低，其绝对值的最大值都不超过 ０．３。这说明，原始的光谱反射率与土壤ＴＮ和１１Ｐ之
口
１Ｊ
陈鹏飞，刘良云，王纪华，等．近红外光谱技术实时测 定土壤中总氮及磷含量的初步研究［Ｊ］．光谱学与光谱
口．Ｚ
口＿．
仉口
口Ｊ
１．口
１－Ｚ
１．４
１．６
１Ｊ乙口Ｚ２
分析，２００８，２８（２）：２９５—２９８． Ｈ １Ｊ 徐永明，蔺启忠，黄秀华，等．利用可见光／近红外反射 光谱估算土壤总氮含量的实验研究［Ｊ］．地理与地理信 息科学，２００５，２ｌ（１）：１９—２２． ｂ １Ｊ 于飞健，闵顺耕．近红外光谱法分析土壤中的有机质和 氮素［Ｊ］．分析试验室，２００２，２ｌ（３）：４９—５１． № １Ｊ
ｐｒｅｄｉｃｔｉ伽ｍｏｄｅｌ
图中，Ｒ。２表示模型标定的决定系数；尺。２表示模型
验证的决定系数；Ｒ们明。表示模型标定的均方根误差；
ｍ仍Ｅ。表示模型验证的均方根误差。黑色的直线为ｙ ＝戈，如果模型预测的效果越好，则所有预测值应该越
接近ｙ＝戈这条直线。在ＴＮ与ＴＰ的校正和验证结果 中，ＴＮ的校正模型的趋势线比１１Ｐ更接近’，＝菇直线，
计算得到ＴＮ预测模型总的决定系数Ｒ２和总的均
预测模型及其效果评价
ＩＪｅａｓｔ Ｓｑｕａｒｅ，
本文利用偏最小二乘方法（Ｐａｒｔｉａｌ
ＰＬＳ）消除多波段之间的多重共线性，并根据预测残差
平方和（ＰＲＥｓｓ，ｐｒｅｄｉｃｔｉｏｎ
ｒｅｓｉｄｕａｌ ｓｕｍ ｏｆ
ｓｑｕａｒｅｓ）交叉
方根误差。因此，ＴＮ预测模型的精度高于１＇Ｐ预测模
测量１０次。
２００８年９月，在三峡库区王家沟小流域内（面积
２５７．９ｌｈｍ２）采集耕层（Ｏ～２０ｃｍ）土壤样本共１１８个。 采样方式是利用ＧＰＳ获取采样点的地理坐标，以采样
使用Ｖｉｅｗｓｐｅｃ Ｐｒｏ ４．０７对扫描样本的有效性进 行检查，剔除异常值后，取其平均值作为土样的光谱 反射率值。由于噪声的影响，光谱曲线的起始处和末 端处往往会出现一些奇异值，所以文中进行光谱分析
所采用的波段范围是４００—２ ４４９ｎｍ，如图ｌ所示。
点为中心进行多点混合采样。采好的土壤样本装入
塑料袋中编号，带回实验室进行自然风干。风干后，
将干结的土块敲碎，粗略剔除土壤以外的侵入体
收稿日期：２０ｌ卜０６一１９ 基金项目：中央高校基本科研业务费专项资金项目（ｘＤＪｌ（２００９Ｃ０６７）； 国家科技支撑计划项目（２００７ＢＡＤ８７８１０） 作者简介：徐丽华（１９７６一），女，黑龙江绥滨人。讲师，博士研究生，（Ｅ
文章编号：１００３—１∞Ｘ（２０１２）０４－０１１９—０４
０
引言 高光谱遥感技术的发展为高效快速地监测土壤氮
（如植物的根系或石粒等杂质），再经过研磨和过筛处
理。所有的土壤样品都被分成两份：一份用于化学组
分含量的测定，另一份用于光谱反射率的测定。本研 究土壤化学分析工作是由西南大学土壤农化与生命
元素分析实验室完成的。土壤样品的总氮与总磷含
磷含量提供了新的技术手段【ｌ。２ｊ。不同学者根据所研 究区的实际状况，提出了适用于本地区的土壤氮磷含
量预测模型，但多数模型对于不同的研究区所选取的
敏感波段和建立的预测模型也往往有一定差异旧曲】。 在上述模型中很难找到一种适用于所有地区的通用
量的测定分别采用的是半微量开氏定氮法和采用碱
熔融法¨１
ｏ
１．２光谱数据采集
波长／ｎｍ 图３土壤全氮和全磷与原始反射率的相关系数
Ｆｉｇ．３
射和吸收峰并不明显，这往往不利于各样品光谱曲线 之间的特征比较。因此，可对光谱曲线进行包络线消 除处理，将光谱反射和吸收特征归一到较为一致的背 景。所有土壤样品进行包络线去除后得到的反射光 谱曲线如图２所示。
１ ｌ Ｏ Ｏ
Ｃｏｒｒｅｌａｔｉ彻ｏｎ ｓｏｉｌ ｎｕｔｒｉｅｎｔ ｃｏｎｃｅｎｔ瑚ｌｉｏｎ明ｄ撕ｇｉｎａｌ陀ｎｅｃｔａＩＩｃｅ
［１］ 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．
州实测值，ｇ・ｋ一－
◆Ｃ羽ｈｌｊＤＩｌ
▲Ｖ一柚ｂＩｌｏｎ——ｙ＝ｘ
图５土壤ＴＮ浓度预测模型的标定和验证
心 １Ｊ
Ｃｏｎｆ砒ｏｎｉｅｒｉ Ｍ，Ｆ Ｆｂｍ鹊ｉｅｒ，Ａ ｏｆ
ｎｅａｒ
８９０，２ ００２ｎｍ和２ ３４２，ｉ ０９２，６３９，２
２６２ｎｍ），用偏最
小二乘方法建立了土壤总氮和总磷含量预测的高光谱分析模型。结果显示，利用预处理的反射光谱建立的土壤 总氮与总磷模型的决定系数分别是Ｏ．８４２和０．６２２，其均方根误差分别是０．１３２９／ｋｇ和Ｏ．２０８９／ｋｇ。 关键词：总氮；总磷；高光谱数据；偏最小二乘；包络线去除 中图分类号：Ｓ１５１．９；ＴＰ７９ 文献标识码：Ａ
和全磷的相关性有明显增强。根据预处理的反射率
建立的土壤总氮的预测模型具有较高精度。但土壤 总磷预测模型的精度仍然不能令人满意。今后的研
蚰加∞帅∞加加∞∞∞
Ｏ．６０
．譬．｜、增蘑置暑
ｌ Ｏ
Ｏ
究可继续研究近红外甚至是中红外光谱用于预测总
ＯＪＯ １．ＯＯ １２０
１．４０
１．６０
ＬＯＯ
ＺＯＯ
２．２０
Ｚ●Ｏ
磷的有效方法。 参考文献：
Ｈｅ Ｙ，Ｈ Ｓｏｎｇ，Ａ Ｇ Ｐｅｒｅｉｍ，ｅｔ ａ１．Ａ ｎｅｗ印ｐｒｏａｃｈ ｔｏ ｐｒｅ— ｄｉｃｔ Ｎ，Ｐ，Ｋ卸ｄ ０Ｍ ｃｏｎｔｅｎｔ ｉｎ
ａ
＂实测值，ｇ・ｋ。 ◆ｃａＩ玉髓茴∞
▲妇懈甜硼—＿ｙ－ｘ
图６土壤１’Ｐ浓度ＰＬＳ回归模型的标定和验证
Ｆｉｇ．６ Ｃａｌｉｂｒａｔｉｏｎ ａｎｄ ｖａｌｉｄａｌｉｏｎ ｏｆ∞ｉｌ ＴＰ ｃｏｎｃｅｎｔｍｔｉｏｎ
模型标定和验证的砌嬲Ｅ值。
第４期
重共线性。对２
３４２，ｌ ０９２，６３９，２
２６２ｎｍ处的反射率
进行多元回归分析，也发现了这４个波段的反射率尼’ 之间具有较强的多重共线性。
２．２．２
方根误差删分别是Ｏ．８４２和Ｏ．１３２。１１Ｐ预测模型
总的决定系数∥和总的均方根误差Ｒ椰Ｅ分别是
Ｏ．６２２和０．２０８。从这些数据可以看出，与ＴＰ预测模 型相比，ＴＮ预测模型具有较高的决定系数和较低的均
・１１９・
万方数据
２０１２年４月
农机化研究
第４期
这主要是由于光谱仪在紫外／可见光和近红外／短波
红外波长部分采用了不同的探测元件，在不同的探测
在一定程度上对相关系数产生影响旧１。因此，文中根
据孙建英提出的方法坤１，对去包络的反射率及土壤养 分进行了预处理。 将１１８个土壤样本的ＴＮ与，Ｉ’Ｐ含量数据按照递 增的顺序排列，以０．０ｌ ｇ／ｋｇ为间隔对ＴＮ与ＴＰ含量 数据进行分组。将各组内的养分含量值及其对应的 反射率分别求平均值，得到４２个ＴＮ含量和３６个ＴＰ 含量的新数据及其对应的光谱反射率新集合。从新 数据集中各自取１５个数据用于模型的验证，其他数 据用于模型的校正。
Ｕｒｓｉ肿，ｅｔ
ａ１．Ｔｈｅ ｐｏｔｅｎｔｉａｌ
ａｓ
ｉ血骶ｄ
ｒｅｆｌｅｃｔ锄ｃｅ ｓｐｅｃｔｍｓｃｏｐｙ
ａ加ｌｏｌ ｆｏｒ ｔｈｅ
ｃｈｅｍｉｃａｌ ｃｈａｒａｌｃｔｅｒｉ蛆ｔｉｏｎ ｏｆ Ｎｅａｒ
Ｉ触ｄ Ｓｐｅｃｔ删∞ｐｙ，２００ｌ（９）：１２３．
ａ鲥ｃｕＩｔｕｒａｌ ｓｏｉｌｓ［Ｊ］．ＪｏｕｍａＩ“
０９２，６３９，２２６２ｎｍ。其中，ＴＮ含量与６８４ｎｍ处
的反射率尺’的相关系数的绝对值超过了ｏ．８（相关系
数为一Ｏ．８１）。对６８４，７２４，ｌ
８９０，２
００２ｎｍ处的反射
・１２０・
万方数据
２０１２年４月
农机化研究
率尺’进行多元回归分析，发现四者之间具有较强的多
和０．６２５）。ＴＮ模型标定与验证的嬲也都低于１Ｐ
元件分区结合处往往会出现一定偏差所致。因此，文 中利用利用光谱分析软件Ｖｉｅｗｓｐｅｃ Ｐｒ０４．０７对原始光 谱曲线进行了断点拟合。
幡 蚴
哺
Ｏ
●
一ＴＮ—ＴＰ
惦 ＂
坫
中
导景暑曼量景毫曼蜀嚣导景暑量暑晷量曼蜀景孽
一一一一一一一一－－一Ｈ一一Ｈ一
由 由
装长／ｎｍ 蔫嘴水罂 图ｌ土壤样本的典型反射光谱
Ｆｉｇ．１ １１Ｉｅ
２．２
ＰＬＳ预测模型的建立
２．２．１特征波段的选择 对经过预处理后得到的光谱反射率数据Ｒ’与土
壤养分含量进行相关分析，得到结果如图４所示。
Ｏ
Ｏ
霉６
Ｏ ４
将 杂
岖
Ｏ Ｏ Ｏ Ｏ Ｏ Ｏ
ห้องสมุดไป่ตู้
蒸 ：｝Ｉ＜
晕
Ｏ
２
Ｏ
２
ｎ口Ｏ ４ ６
∞ 鳄∞艏∞碍乃∞
０
辱景暑是善晷星虽虽量星虽重量重莹萎量曷冤甍
被长／ｎｍ
图２土壤样本去包络的反射率 Ｆｉｇ．２
Ｏ仉Ｌ
Ｏ
……Ｈ
Ｈ Ｈ Ｈ＿Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ
霉景Ｓ＝昌昌昌＝罱罱导昌暑暑昌是暑＝呙曷导
一一一一一一一一一一Ｈ一一Ｎ一
波长／ｎｍ 图４土壤全氮和全磷与预处理后的反射光谱的相关性
Ｆｉｇ．４ Ｃｏｒ陀ｌａｔｉｏｎ ｏｎ∞ｉｌ ｎｕｔｒｉｅｎｔ
Ｃｏ埘¨ｕｍ—ｍｎｏｖｅｄ硎ｅｃｔａＩＩｃｅ
间不具有显著的相关关系。
相关系数比较大的４个波段，作为ＴＮ与１＇Ｐ含量建模 的特征波段，分别是６８４，７２４，１
２ ３４２，１ ８９０，２
００２ｎｍ和
经过去包络处理以后，ＴＮ和ＴＰ与反射光谱的相 关性有了一定的提高，但由于土壤养分含量的标准差
较低（ＴＮ与ｒＩＰ分别为０．２５９９／ｋｇ和０．２４６９／ｋｇ），会
验证方法，选取３和２个主成分数分别用于ＴＮ，ＴＰ的 ＰＬ５建模分析。为了更好地分析模型预测的效果，将
模型的预测值和实测值绘制成散点图，如图５和图６ 所示。
２ ２ ２ ｌ ｌ １ １
结论
文中在对去包络的反射率进行预处理的基础上，
建立了土壤全氮和全磷的高光谱预测模型。结果表
明，在对去包络的反射率经过预处理后，与土壤全氮
—ｍａｉｌ）ｓｗｅｉｔｌｉ８ｎｎａ＠１２６．ｃｏｍ
ｏ
２实验结果与讨论
２．１ ２．１．１
预处理
断点拟合
通讯作者：谢德体（１９５７一），男，四川开江人．教授，博士生导师，（Ｅ—
ｍａｉｌ）ｘｄｔ＠ｓｗｕ．ｅｄｕ．ｃｎ。
从图ｌ可以看出，所有样本的光谱曲线在约
ｌ
０００ｎｍ和ｌ ８００ｎｍ波段处都出现了阶跃性变化。
由
西
ｒｅｐ陀８∞ｔａｔｉｖｅ ｒｅｆｌｅｃｔＭｃｅ ８ｐｅｃ廿ａ
０ｆ。０ｉｌ”ｐｌ∞
４西 ４舶
２．１．２消除包络线
宝暑星昌星墨昌宕宕８ ８宕昌宕８宕８昌８暑８ 寻寮暑足昌暮害暑品需导景宝乏２景鲁＝昌景雩
一一一一一一一一一一Ｎ一一一一
从图ｌ可以看出，除了在４００一８００ｎｍ波段急剧
上升外，在其他波段处曲线变化相对较为平缓，其反
１
１．１
５００ｎｍ，３５０一ｌ ０００ｎｍ，ｌ ０００
５００，采样间隔分别为１．４ｎｍ和２ｎｍ，其光谱分辨
率分别为３ｎｍ和１０ｎｍ。测量时，为了尽可能减少测
量时的人为误差，将ＡＳＤ光纤探头固定在精密三脚架 上，垂直扫描土样。光纤探头距离所测土样约３ｃｍ
材料与方法
土壤样品的野外采集和实验室化学分析
高，室内灯源高１３０ｃｍ，并以约５０。的俯角照射测量目 标，测量目标位于光源光斑中心。每个土壤样本重复
２０１２年４月
农机化研究
第４期
土壤总氮和总磷含量的高光谱遥感预测
徐丽华，谢德体
（西南大学资源与环境学院，重庆４００７１６） 摘要：用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此，在对１１８个风干的土壤样本的室内反 射光谱进行预处理的基础上，分析了土壤总氮和总磷浓度与预处理后的反射光谱的相关性。分别选用与总氮和 总磷浓度具有较强相关性的３个波段（分别是６８４，７２４，ｌ
Ｉｏ踟ｙ ｍｉｘｅｄ
ｓｏｉｌ ｂｙ ｕｓｉｎｇ
ｎｅ盯ｉ血狮ｄ玎ｅｎｅｃｔａＩｌｃｅ
＂
１Ｊ
ｓｐｅｃｔｍｓｃｏｐｙ［Ｊ］．
ＡｄｖａＩＩｃｅｓ ｉｎ Ｉｎ—
ｔｅｌｌｉｇｅｍ Ｃｏｍｐｕｔｉｎｇ，２００５，３６４４：８５９—８６７．
杨剑虹，王成林，代亨林．土壤农化分析与环境监测 ［Ｍ］．北京：中国大地出版社，２００８．
方法，而且多数模型仅仅处于试验研究阶段，需要大
量的实地观测数据来修正。本文以三峡库区王家沟
室内光谱测量采用美国ＡｓＤ（Ａｎａｌ”ｉｃａｌ
Ｄｅｖｉｃｅｓ）公司生产的ＦｉｅｌｄＳｐｅｃ 测定波长范围为３５０～２
～２ Ｐｒｏ
ｓｐｅｃｔｒａｌ
ＦＲ野外光谱仪。
小流域为研究区，利用１１８个土壤样本的室内反射光
谱及其土壤总氮和总磷含量的化学测定数据，选取了 适用于本研究区的特征波段，并在此基础上建立了土 壤总氮和总磷的预测模型。
Ｂｐｅｃ仃ａ
ｃ∞ｃ朗ｔ功ｔｉｏｎ柚ｄ
原始反射率尺与土壤全氮和全磷的相关系数如
图３所示。由图３可以看出，ＴＮ和１１Ｐ与土壤原始反
ｒｅｎｅｃｔａＩｌｃｅ ｐ托ｐｒｏｃｅｓｓｅｄ
从图４可以看出，经过预处理以后土壤养分含量
与吸收光谱具有较高的相关性。根据图４，分别选取
射率的相关系数都很低，其绝对值的最大值都不超过 ０．３。这说明，原始的光谱反射率与土壤ＴＮ和１１Ｐ之
口
１Ｊ
陈鹏飞，刘良云，王纪华，等．近红外光谱技术实时测 定土壤中总氮及磷含量的初步研究［Ｊ］．光谱学与光谱
口．Ｚ
口＿．
仉口
口Ｊ
１．口
１－Ｚ
１．４
１．６
１Ｊ乙口Ｚ２
分析，２００８，２８（２）：２９５—２９８． Ｈ １Ｊ 徐永明，蔺启忠，黄秀华，等．利用可见光／近红外反射 光谱估算土壤总氮含量的实验研究［Ｊ］．地理与地理信 息科学，２００５，２ｌ（１）：１９—２２． ｂ １Ｊ 于飞健，闵顺耕．近红外光谱法分析土壤中的有机质和 氮素［Ｊ］．分析试验室，２００２，２ｌ（３）：４９—５１． № １Ｊ
ｐｒｅｄｉｃｔｉ伽ｍｏｄｅｌ
图中，Ｒ。２表示模型标定的决定系数；尺。２表示模型
验证的决定系数；Ｒ们明。表示模型标定的均方根误差；
ｍ仍Ｅ。表示模型验证的均方根误差。黑色的直线为ｙ ＝戈，如果模型预测的效果越好，则所有预测值应该越
接近ｙ＝戈这条直线。在ＴＮ与ＴＰ的校正和验证结果 中，ＴＮ的校正模型的趋势线比１１Ｐ更接近’，＝菇直线，
计算得到ＴＮ预测模型总的决定系数Ｒ２和总的均
预测模型及其效果评价
ＩＪｅａｓｔ Ｓｑｕａｒｅ，
本文利用偏最小二乘方法（Ｐａｒｔｉａｌ
ＰＬＳ）消除多波段之间的多重共线性，并根据预测残差
平方和（ＰＲＥｓｓ，ｐｒｅｄｉｃｔｉｏｎ
ｒｅｓｉｄｕａｌ ｓｕｍ ｏｆ
ｓｑｕａｒｅｓ）交叉
方根误差。因此，ＴＮ预测模型的精度高于１＇Ｐ预测模
测量１０次。
２００８年９月，在三峡库区王家沟小流域内（面积
２５７．９ｌｈｍ２）采集耕层（Ｏ～２０ｃｍ）土壤样本共１１８个。 采样方式是利用ＧＰＳ获取采样点的地理坐标，以采样
使用Ｖｉｅｗｓｐｅｃ Ｐｒｏ ４．０７对扫描样本的有效性进 行检查，剔除异常值后，取其平均值作为土样的光谱 反射率值。由于噪声的影响，光谱曲线的起始处和末 端处往往会出现一些奇异值，所以文中进行光谱分析
所采用的波段范围是４００—２ ４４９ｎｍ，如图ｌ所示。
点为中心进行多点混合采样。采好的土壤样本装入
塑料袋中编号，带回实验室进行自然风干。风干后，
将干结的土块敲碎，粗略剔除土壤以外的侵入体
收稿日期：２０ｌ卜０６一１９ 基金项目：中央高校基本科研业务费专项资金项目（ｘＤＪｌ（２００９Ｃ０６７）； 国家科技支撑计划项目（２００７ＢＡＤ８７８１０） 作者简介：徐丽华（１９７６一），女，黑龙江绥滨人。讲师，博士研究生，（Ｅ
文章编号：１００３—１∞Ｘ（２０１２）０４－０１１９—０４
０
引言 高光谱遥感技术的发展为高效快速地监测土壤氮
（如植物的根系或石粒等杂质），再经过研磨和过筛处
理。所有的土壤样品都被分成两份：一份用于化学组
分含量的测定，另一份用于光谱反射率的测定。本研 究土壤化学分析工作是由西南大学土壤农化与生命
元素分析实验室完成的。土壤样品的总氮与总磷含
磷含量提供了新的技术手段【ｌ。２ｊ。不同学者根据所研 究区的实际状况，提出了适用于本地区的土壤氮磷含
量预测模型，但多数模型对于不同的研究区所选取的
敏感波段和建立的预测模型也往往有一定差异旧曲】。 在上述模型中很难找到一种适用于所有地区的通用
量的测定分别采用的是半微量开氏定氮法和采用碱
熔融法¨１
ｏ
１．２光谱数据采集
波长／ｎｍ 图３土壤全氮和全磷与原始反射率的相关系数
Ｆｉｇ．３
射和吸收峰并不明显，这往往不利于各样品光谱曲线 之间的特征比较。因此，可对光谱曲线进行包络线消 除处理，将光谱反射和吸收特征归一到较为一致的背 景。所有土壤样品进行包络线去除后得到的反射光 谱曲线如图２所示。
１ ｌ Ｏ Ｏ
Ｃｏｒｒｅｌａｔｉ彻ｏｎ ｓｏｉｌ ｎｕｔｒｉｅｎｔ ｃｏｎｃｅｎｔ瑚ｌｉｏｎ明ｄ撕ｇｉｎａｌ陀ｎｅｃｔａＩＩｃｅ
［１］ 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．
州实测值，ｇ・ｋ一－
◆Ｃ羽ｈｌｊＤＩｌ
▲Ｖ一柚ｂＩｌｏｎ——ｙ＝ｘ
图５土壤ＴＮ浓度预测模型的标定和验证
心 １Ｊ
Ｃｏｎｆ砒ｏｎｉｅｒｉ Ｍ，Ｆ Ｆｂｍ鹊ｉｅｒ，Ａ ｏｆ
ｎｅａｒ
８９０，２ ００２ｎｍ和２ ３４２，ｉ ０９２，６３９，２
２６２ｎｍ），用偏最
小二乘方法建立了土壤总氮和总磷含量预测的高光谱分析模型。结果显示，利用预处理的反射光谱建立的土壤 总氮与总磷模型的决定系数分别是Ｏ．８４２和０．６２２，其均方根误差分别是０．１３２９／ｋｇ和Ｏ．２０８９／ｋｇ。 关键词：总氮；总磷；高光谱数据；偏最小二乘；包络线去除 中图分类号：Ｓ１５１．９；ＴＰ７９ 文献标识码：Ａ
和全磷的相关性有明显增强。根据预处理的反射率
建立的土壤总氮的预测模型具有较高精度。但土壤 总磷预测模型的精度仍然不能令人满意。今后的研
蚰加∞帅∞加加∞∞∞
Ｏ．６０
．譬．｜、增蘑置暑
ｌ Ｏ
Ｏ
究可继续研究近红外甚至是中红外光谱用于预测总
ＯＪＯ １．ＯＯ １２０
１．４０
１．６０
ＬＯＯ
ＺＯＯ
２．２０
Ｚ●Ｏ
磷的有效方法。 参考文献：
Ｈｅ Ｙ，Ｈ Ｓｏｎｇ，Ａ Ｇ Ｐｅｒｅｉｍ，ｅｔ ａ１．Ａ ｎｅｗ印ｐｒｏａｃｈ ｔｏ ｐｒｅ— ｄｉｃｔ Ｎ，Ｐ，Ｋ卸ｄ ０Ｍ ｃｏｎｔｅｎｔ ｉｎ
ａ
＂实测值，ｇ・ｋ。 ◆ｃａＩ玉髓茴∞
▲妇懈甜硼—＿ｙ－ｘ
图６土壤１’Ｐ浓度ＰＬＳ回归模型的标定和验证
Ｆｉｇ．６ Ｃａｌｉｂｒａｔｉｏｎ ａｎｄ ｖａｌｉｄａｌｉｏｎ ｏｆ∞ｉｌ ＴＰ ｃｏｎｃｅｎｔｍｔｉｏｎ
模型标定和验证的砌嬲Ｅ值。
第４期
重共线性。对２
３４２，ｌ ０９２，６３９，２
２６２ｎｍ处的反射率
进行多元回归分析，也发现了这４个波段的反射率尼’ 之间具有较强的多重共线性。
２．２．２
方根误差删分别是Ｏ．８４２和Ｏ．１３２。１１Ｐ预测模型
总的决定系数∥和总的均方根误差Ｒ椰Ｅ分别是
Ｏ．６２２和０．２０８。从这些数据可以看出，与ＴＰ预测模 型相比，ＴＮ预测模型具有较高的决定系数和较低的均
・１１９・
万方数据
２０１２年４月
农机化研究
第４期
这主要是由于光谱仪在紫外／可见光和近红外／短波
红外波长部分采用了不同的探测元件，在不同的探测
在一定程度上对相关系数产生影响旧１。因此，文中根
据孙建英提出的方法坤１，对去包络的反射率及土壤养 分进行了预处理。 将１１８个土壤样本的ＴＮ与，Ｉ’Ｐ含量数据按照递 增的顺序排列，以０．０ｌ ｇ／ｋｇ为间隔对ＴＮ与ＴＰ含量 数据进行分组。将各组内的养分含量值及其对应的 反射率分别求平均值，得到４２个ＴＮ含量和３６个ＴＰ 含量的新数据及其对应的光谱反射率新集合。从新 数据集中各自取１５个数据用于模型的验证，其他数 据用于模型的校正。
Ｕｒｓｉ肿，ｅｔ
ａ１．Ｔｈｅ ｐｏｔｅｎｔｉａｌ
ａｓ
ｉ血骶ｄ
ｒｅｆｌｅｃｔ锄ｃｅ ｓｐｅｃｔｍｓｃｏｐｙ
ａ加ｌｏｌ ｆｏｒ ｔｈｅ
ｃｈｅｍｉｃａｌ ｃｈａｒａｌｃｔｅｒｉ蛆ｔｉｏｎ ｏｆ Ｎｅａｒ
Ｉ触ｄ Ｓｐｅｃｔ删∞ｐｙ，２００ｌ（９）：１２３．
ａ鲥ｃｕＩｔｕｒａｌ ｓｏｉｌｓ［Ｊ］．ＪｏｕｍａＩ“
０９２，６３９，２２６２ｎｍ。其中，ＴＮ含量与６８４ｎｍ处
的反射率尺’的相关系数的绝对值超过了ｏ．８（相关系
数为一Ｏ．８１）。对６８４，７２４，ｌ
８９０，２
００２ｎｍ处的反射
・１２０・
万方数据
２０１２年４月
农机化研究
率尺’进行多元回归分析，发现四者之间具有较强的多
和０．６２５）。ＴＮ模型标定与验证的嬲也都低于１Ｐ
元件分区结合处往往会出现一定偏差所致。因此，文 中利用利用光谱分析软件Ｖｉｅｗｓｐｅｃ Ｐｒ０４．０７对原始光 谱曲线进行了断点拟合。
幡 蚴
哺
Ｏ
●
一ＴＮ—ＴＰ
惦 ＂
坫
中
导景暑曼量景毫曼蜀嚣导景暑量暑晷量曼蜀景孽
一一一一一一一一－－一Ｈ一一Ｈ一
由 由
装长／ｎｍ 蔫嘴水罂 图ｌ土壤样本的典型反射光谱
Ｆｉｇ．１ １１Ｉｅ
２．２
ＰＬＳ预测模型的建立
２．２．１特征波段的选择 对经过预处理后得到的光谱反射率数据Ｒ’与土
壤养分含量进行相关分析，得到结果如图４所示。
Ｏ
Ｏ
霉６
Ｏ ４
将 杂
岖
Ｏ Ｏ Ｏ Ｏ Ｏ Ｏ
ห้องสมุดไป่ตู้
蒸 ：｝Ｉ＜
晕
Ｏ
２
Ｏ
２
ｎ口Ｏ ４ ６
∞ 鳄∞艏∞碍乃∞
０
辱景暑是善晷星虽虽量星虽重量重莹萎量曷冤甍
被长／ｎｍ
图２土壤样本去包络的反射率 Ｆｉｇ．２
Ｏ仉Ｌ
Ｏ
……Ｈ
Ｈ Ｈ Ｈ＿Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ Ｈ
霉景Ｓ＝昌昌昌＝罱罱导昌暑暑昌是暑＝呙曷导
一一一一一一一一一一Ｈ一一Ｎ一
波长／ｎｍ 图４土壤全氮和全磷与预处理后的反射光谱的相关性
Ｆｉｇ．４ Ｃｏｒ陀ｌａｔｉｏｎ ｏｎ∞ｉｌ ｎｕｔｒｉｅｎｔ
Ｃｏ埘¨ｕｍ—ｍｎｏｖｅｄ硎ｅｃｔａＩＩｃｅ
间不具有显著的相关关系。
相关系数比较大的４个波段，作为ＴＮ与１＇Ｐ含量建模 的特征波段，分别是６８４，７２４，１
２ ３４２，１ ８９０，２
００２ｎｍ和
经过去包络处理以后，ＴＮ和ＴＰ与反射光谱的相 关性有了一定的提高，但由于土壤养分含量的标准差
较低（ＴＮ与ｒＩＰ分别为０．２５９９／ｋｇ和０．２４６９／ｋｇ），会