摘要：土壤有機(jī)質(zhì)(SOM)是衡量礦區(qū)生態(tài)環(huán)境質(zhì)量的重要指標(biāo)之一。為了提高SOM含量的估算精度，在已有二波段指數(shù)的基礎(chǔ)上加入第3個(gè)波段，構(gòu)建新的三波段指數(shù)，利用極限學(xué)習(xí)機(jī)(ELM)和隨機(jī)森林(RF)分別建立SOM含量的預(yù)測(cè)模型。在新疆準(zhǔn)東煤田采集168個(gè)土壤樣點(diǎn)，在室內(nèi)進(jìn)行SOM含量、光譜的測(cè)定。對(duì)光譜數(shù)據(jù)進(jìn)行平滑和預(yù)處理后，構(gòu)建多個(gè)兩波段、三波段光譜指數(shù)，隨后分析不同維度光譜數(shù)據(jù)與SOM含量的敏感程度和敏感區(qū)域。ELM和RF被用于對(duì)每個(gè)維度最優(yōu)光譜參數(shù)建立預(yù)測(cè)模型。研究結(jié)果顯示，無(wú)論采用哪種方式建模，每個(gè)維度的光譜數(shù)據(jù)與SOM含量的敏感程度和建模精度均隨信息維度的增加而增加，即三波段指數(shù)(TBI)>二波段指數(shù)>一維光譜數(shù)據(jù)。在三波段指數(shù)中，ELM的預(yù)測(cè)效果要優(yōu)于RF，其中(TBI-4)-ELM的預(yù)測(cè)效果最好，決定系數(shù)(r2)=0.87，均方根誤差(RMSEP)=4.07，相對(duì)分析誤差(RPD)=2.63。三波段指數(shù)與ELM的結(jié)合，可以很好地減弱土壤信息噪聲，提高SOM含量的預(yù)測(cè)精度。

　　關(guān)鍵詞：遙感;光譜分析;土壤有機(jī)質(zhì);光譜指數(shù);機(jī)器學(xué)習(xí)

　　作者：朱傳梅

　　通信作者：王宏衛(wèi)

　　礦產(chǎn)資源的開采和加工可以帶來(lái)更多的經(jīng)濟(jì)效益，但是開采煤礦會(huì)干擾土層，破壞植被，使土壤失去利用價(jià)值，這對(duì)土地資源的可持續(xù)發(fā)展和生態(tài)環(huán)境構(gòu)成嚴(yán)重威脅[1]。在我國(guó)，大型的露天煤礦多集中分布于干旱、半干旱生態(tài)脆弱的地帶，該地區(qū)土壤自身修復(fù)能力極弱，生態(tài)敏感性極強(qiáng)，再加上礦產(chǎn)資源長(zhǎng)期大量被開采和加工，導(dǎo)致當(dāng)?shù)丨h(huán)境問(wèn)題和生態(tài)修復(fù)問(wèn)題日益突出[2]。土壤是陸地生態(tài)系統(tǒng)中許多生態(tài)過(guò)程(例如養(yǎng)分循環(huán)、水平衡、凋落物分解等)的基礎(chǔ)，土壤有機(jī)質(zhì)狀態(tài)是衡量退化生態(tài)系統(tǒng)中生態(tài)功能恢復(fù)和維持的關(guān)鍵指標(biāo)[3]。因此，無(wú)損地監(jiān)測(cè)土壤有機(jī)質(zhì)(SOM)含量有助于礦區(qū)環(huán)境管理和生態(tài)恢復(fù)。一般的SOM含量測(cè)定多基于大量的野外土壤采樣和繁瑣的室內(nèi)化學(xué)分析方法，較費(fèi)時(shí)、費(fèi)力、耗資，無(wú)法滿足現(xiàn)代精細(xì)農(nóng)業(yè)發(fā)展的需要[3]。與傳統(tǒng)的方法相比，遙感技術(shù)是一種很有前景的土壤屬性定量評(píng)估方法，具有快速響應(yīng)、成本低、采集快等特點(diǎn)，可以很好地用來(lái)描述、評(píng)估不同尺度下表層土壤的各種特征[4]。因此，基于不同的光譜反射和吸收特性，可見光-近紅外光譜(VIS-NIR)分析技術(shù)可以作為一種替代方法，保證SOM含量的準(zhǔn)確估算。

　　土壤是由多種物質(zhì)組成的混合物，其反射光譜常包括背景噪聲、基線漂移、傾斜等干擾信息，直接用來(lái)進(jìn)行SOM含量的估算得到的結(jié)果并不理想[5]。相關(guān)研究表明，光譜預(yù)處理方法能夠較好地移除噪聲、突出光譜曲線特征、去除或減弱其他因素的影響，為建立具有較高精度的估測(cè)模型提供可能[5]。光譜微分是增加信噪比的主要技術(shù)手段之一，其中一階微分(FD)可去除不同的背景噪聲和基線漂移，擴(kuò)大樣本間光譜的差異，反映被測(cè)物體的本質(zhì)特征。連續(xù)統(tǒng)去除(CR)法可減小散射對(duì)目標(biāo)光譜的影響，同時(shí)可放大微弱光譜的吸收特性[5]。這2種預(yù)處理技術(shù)被廣泛地應(yīng)用于VIS-NIR分析中，對(duì)建立預(yù)測(cè)能力強(qiáng)、穩(wěn)健性好的分析模型至關(guān)重要。

　　以往對(duì)于SOM的研究是在一維層面(全波段反射率或?qū)?yīng)的數(shù)學(xué)變換)上選取單個(gè)敏感波段或多個(gè)敏感波段進(jìn)行建模，該方法僅考慮了SOM與光譜間的關(guān)系，并沒(méi)有考慮光譜間的重疊吸收或相互影響[3-4]。光譜指數(shù)是由幾個(gè)窄波段或?qū)挷ǘ谓M合而成，可通過(guò)分析特定波段間的相互作用，提高對(duì)待測(cè)屬性的敏感程度。Wang等采用最優(yōu)兩波段指數(shù)對(duì)土壤鹽分含量進(jìn)行分析和預(yù)測(cè)，取得了較顯著的成果[3]。然而，Tian等在水稻葉片氮濃度的定量估測(cè)中，對(duì)比了兩波段指數(shù)和三波段指數(shù)的估算能力[4]，這些研究和提出的指標(biāo)表明，通過(guò)兩波段指數(shù)評(píng)估某些參數(shù)存在不足。對(duì)于土壤這種組成極為復(fù)雜的物質(zhì)，兩波段指數(shù)能否很好地消除或減弱土壤中其他物質(zhì)產(chǎn)生光的散射和分子的非特征吸收的干擾有待于進(jìn)一步研究。

　　機(jī)器學(xué)習(xí)算法在解析非線性問(wèn)題時(shí)表現(xiàn)能力較好，常用于土壤屬性的定量化估測(cè)，其中，極限學(xué)習(xí)機(jī)(ELM)和隨機(jī)森林(RF)更是研究的焦點(diǎn)。Douglas等在估算土壤中總石油烴(TPH)含量時(shí)，發(fā)現(xiàn)與線性偏最小二乘回歸(PLSR)法相比，RF模型能更好地反映土壤光譜的非線性響應(yīng)，從而提供更高的預(yù)測(cè)精度[6]。然而，ELM和RF能否在較多的土壤信息噪聲中(如嚴(yán)重的人為影響)和較低的SOM水平(如干旱區(qū)嚴(yán)重的荒漠化影響)下，建立SOM含量和光譜參數(shù)的聯(lián)系，并達(dá)到一定的預(yù)測(cè)精度，有待進(jìn)一步研究。

　　本研究的目的：(1)利用波段優(yōu)化算法，構(gòu)建新的三波段光譜指數(shù);(2)量化不同維度的光譜參數(shù)對(duì)SOM的響應(yīng);(3)通過(guò)比較SOM的預(yù)測(cè)精度，尋找最有效的建模方法。

　　1材料與方法

　　1.1研究區(qū)介紹和土壤樣本的制備

　　研究區(qū)為準(zhǔn)東煤田，位于我國(guó)新疆準(zhǔn)噶爾盆地東南緣(43°45′～45°00′N，88°45′～91°10′E)為13000km2的露天煤田，煤炭?jī)?chǔ)量預(yù)估可達(dá)到3900億t[2]。它是世界上最大的綜合煤田，被譽(yù)為“中國(guó)工業(yè)糧倉(cāng)”。該地為極端干燥的大陸性氣候，年平均降水量、溫度分別為140～183mm、5.3～7.3℃。土壤母質(zhì)為第四紀(jì)沖積沉積物，地表植被稀疏。準(zhǔn)東煤田的主要土地利用和土地覆被類型為荒地、草地、農(nóng)田等。自2006年準(zhǔn)東煤礦啟動(dòng)以來(lái)，大量的工礦活動(dòng)已造成了生態(tài)失衡和嚴(yán)重的環(huán)境污染，土壤性質(zhì)可能正在發(fā)生變化。

　　推薦閱讀：土壤改良論文發(fā)表推薦