通過減少土壤物理性質(zhì)對光譜的耦合作用來提高高光譜遙感在估算土壤有機(jī)質(zhì)的時空可遷移性：以中國東北地區(qū)為例

　　摘要

Figure 1. Framework of the proposed SOM estimation model.

　　研究區(qū)域

　　試驗點1位于中國東北黑龍江省黑土耕地保護(hù)區(qū)，如圖2所示，面積為1095 km²。該地區(qū)屬溫帶大陸性季風(fēng)氣候，年降水量為450–650 mm，降水主要集中在6–9月，占全年降水量的80%。研究區(qū)地勢南高北低，西高東低，大部分地區(qū)為堆積平原。該研究區(qū)是全球僅有的四個黑土區(qū)之一，耕層深厚，土壤肥沃，含腐殖質(zhì)的土層厚度為25–80 cm，適合種植玉米、大豆等作物。

圖 2. 研究區(qū)域概覽。（a）研究區(qū)域的地理位置；（b、c）分別為站點 1 和站點 2 的土壤采樣點；（d、e）“裸土期”的土壤表面。

　　試驗點2 位于中國吉林省黑土耕地保護(hù)區(qū)，如圖 2 所示，面積為 713 km²。站點地勢平坦，海拔在 189 至 237 m 之間。該區(qū)域為東部濕潤山區(qū)與西部半干旱平原區(qū)的過渡地帶。研究區(qū)屬溫帶大陸性半濕潤季風(fēng)氣候，年平均氣溫 4.6 ℃，年降水量 600—700 mm。該區(qū)域河流水系豐富，農(nóng)業(yè)水資源相對豐富，地表土壤空間異質(zhì)性強(qiáng)。該區(qū)域土壤主要為黑土，腐殖質(zhì)層厚度為 0.6—1.0 m。試驗點2的土壤類型、地表特征等環(huán)境因素與試驗點1有明顯差異，可以驗證本研究中SOM含量預(yù)測模型的時空可遷移性。

　　2022 年 10 月 29 日至 30 日，共從試驗點 1 采集了 104 個表層土壤樣品（圖 2b）。2023 年 4 月 14 日至 15 日，從試驗點 2 采集了 40 個表層土壤樣品（圖 2c），用于測試模型的時空可遷移性。

圖3. 樣區(qū)內(nèi)土壤樣品采集與參數(shù)測量示意圖。(a)象限采樣示意圖；(b)土壤表面點云數(shù)據(jù)測量。

　　研究過程

　　樣品運回實驗室后，通過稱重、烘干等方法獲得每個象限9個子樣本的SM和SBW，并計算子樣本的平均值。然后，將9個子樣本混合成復(fù)合樣本，在實驗室內(nèi)使用（ASD FieldSpec 4地物光譜儀）進(jìn)行光譜測量（取十次測量的平均值）和使用重鉻酸鉀加熱法測定SOM含量。為保證每個樣品的SBW相同，將土壤樣品裝入一次性培養(yǎng)皿中進(jìn)行光譜測量。對每個測量點的土壤表面點云數(shù)據(jù)進(jìn)行拼接、裁剪和濾波。利用處理后的點云數(shù)據(jù)建立三維相對坐標(biāo)系（圖3b），提取所有點云數(shù)據(jù)的Z坐標(biāo)，計算該象限的RMSH。

　　資源一號02D（ZY1-02D）高光譜圖像數(shù)據(jù)來自中國科學(xué)院空天信息創(chuàng)新研究院，圖像生成時間與土壤采樣時間同步，所有圖像的云量均小于1%。本研究選取450~1290nm、1408~1828nm和1963~2460nm波段作為光譜波段。

　　圖4. 成像光譜、實驗室光譜及其相關(guān)系數(shù)。

　　圖5. 不同物理性質(zhì)土壤的光譜特征。

　　圖6. 基于多參數(shù)估計模型的土壤物理參數(shù)與土壤像素光譜擬合的R2值。

圖 7. 使用試驗點 1 數(shù)據(jù)建立的 XG-Boost 模型，基于 (a) 原始像素光譜、(b) 地面光譜、(c) 四階多項式校正光譜和 (d) XG-Boost 校正光譜和站點 2 數(shù)據(jù)測量和預(yù)測的 SOM 含量的散點圖。

　　結(jié)論

　　本研究利用衛(wèi)星和地面高光譜數(shù)據(jù)以及土壤物理參數(shù)數(shù)據(jù)，分別基于四階多項式和XG-Boost構(gòu)建了兩種土壤光譜校正模型，以緩解土壤物理性質(zhì)對像素光譜的耦合效應(yīng)。通過使用來自兩個試驗點的數(shù)據(jù)，評估了土壤光譜校正模型的性能及其對SOM預(yù)測模型精度和時空可遷移性的影響。主要結(jié)論如下：

　　土壤像素光譜反射率與土壤地面光譜反射率呈非線性關(guān)系。表面物理性質(zhì)的差異是導(dǎo)致這兩種光譜數(shù)據(jù)類型偏差的主要因素。RMSH對土壤像素光譜的影響最為顯著，其次是SM和SBW。

　　四階多項式和XG-Boost模型具有良好的土壤光譜校正精度?；赬G-Boost的土壤光譜校正模型精度更高，時空可轉(zhuǎn)移性更強(qiáng)，因為它考慮了所有特征，持續(xù)調(diào)整樹的權(quán)重，防止結(jié)果陷入局部最優(yōu)。

　　土壤光譜校正顯著緩解了土壤物理性質(zhì)對土壤像素光譜的耦合效應(yīng)，有效提高了SOM預(yù)測模型的準(zhǔn)確性，更重要的是，大大增強(qiáng)了基于像素光譜的SOM預(yù)測模型的時空可轉(zhuǎn)移性。未來，通過充分考慮更多土壤特性，可以獲得更準(zhǔn)確的SOM預(yù)測結(jié)果。本研究為預(yù)測其他區(qū)域的土壤性質(zhì)參數(shù)提供了一種新的研究范式。

　　點擊下方鏈接，閱讀原文：

　　https://mp.weixin.qq.com/s/ZYmGOq5nFvFWCCkUrVmllQ