摘要
土壤有机碳、电导率、粒度是土壤的主要属性，土壤有机碳与土壤肥力密切相关，土壤电导率能够反映土壤含盐量，土壤粒度在一定程度上可以影响土壤养分。高光谱遥感相较于传统实验方法能节省时间和成本，能够快速、准确的获取土壤属性含量，为土壤属性含量监测提供了新途径。古城遗址具有独特的历史文化价值，为了更好探寻古城遗址土壤属性变化及其影响因素，综合分析土壤属性实测含量和高光谱的响应特征，选择出各土壤属性的最优模型。以新疆博格达沁古城遗址为研究区，利用实测土壤主要属性含量与高光谱(350～2500nm)数据，应用竞争性自适应重加权采样算法(CARS)、连续投影算法(SPA)、Boruta算法3种方法筛选土壤主要属性的响应波段，基于全波段和特征波段构建土壤主要属性的随机森林模型，对比模型估算精度，选择不同土壤属性的最优估算模型。主要研究结果如下: (1)研究区土壤有机碳变化范围在0.70～25.72g/kg,变异系数为66.97％,呈中等变异性;土壤电导率变化范围在0.14～13.92mS/cm，平均值为4.60mS/cm。变异系数范围在68.53％～84.40％,呈中等变异性。土壤粉粒平均值最高，百分比含量为54.89％,砂粒百分比含量平均值次之为39.61％，黏粒百分比含量最少为5.52％,且变异程度均属于中等变异。不同深度土层及不同含量土壤主要属性光谱曲线存在差异。土壤有机碳含量空间分布高值出现在东部，土壤电导率、黏粒、粉粒空间分布基本一致，高值均分布在东北和西北方向，土壤砂粒整体呈“北高南低”空间分布。 (2)对影响土壤主要属性变化的因子进行因子探测和交互探测，土壤表层及中层深度中均对土壤有机碳产生影响的因子是坡度、高程、坡向;影响土壤电导率的因子是坡度;影响土壤黏粒的因子是砂粒、粉粒、坡向;影响土壤粉粒的因子是砂粒、黏粒、坡向，影响土壤砂粒的因子是粉粒、黏粒、坡向。土壤深层中土壤有机碳、电导率的影响因子均未通过显著性检验，黏粒影响因子解释力:砂粒(0.77)＞粉粒(0.75)，粉粒影响因子解释力:砂粒(0.97)＞黏粒(0.75)，砂粒影响因子解释力:粉粒(0.96)＞黏粒(0.80)。交互探测主要体现在双因子增强和非线性增强，坡向因子在交互作用下对各土壤主要属性的解释力较单因子明显增强。 (3)利用CARS、SPA、Boruta三种方法筛选土壤主要属性的特征波段，可以有效减少建模输入数据量，提高模型运行效率。基于CARS方法筛选土壤有机碳、电导率、黏粒、粉粒、砂粒的特征波段分别为21、62、9、10、47个，筛选后特征波段分别占全波段的1.19％、3.51％、0.51％、0.57％、2.66％。基于SPA方法筛选土壤有机碳、电导率、黏粒、粉粒、砂粒的特征波段分别为16、22、17、14、14个，筛选后特征波段分别占全波段的0.91％、1.25％、0.96％、0.79％、0.79％。基于Boruta方法筛选土壤有机碳、电导率、黏粒、粉粒、砂粒的特征波段分别为102、209、129、165、168个，筛选后特征波段分别占全波段的5.77％、11.83％、7.30％、9.34％、9.51％。 (4)原始光谱经过SG平滑一阶求导处理后，预处理后全波段和特征波段建模估算精度均高于原始全波段建模精度，对于土壤有机碳来说估算效果最好的是FDR-Boruta-RF模型，R2最大为0.66、RMSE为3.87g/kg、RPD为1.72。估算土壤电导率含量最优模型是FDR-CARS-RF模型，R2最大为0.82，RMSE为1.52g/kg,RPD为2.35。土壤黏粒、粉粒、砂粒含量的高光谱估算最优模型均是FDR-Boruta-RF模型，R2分别是0.69、0.76、0.79,RMSE分别为1.25g/kg、7.83g/kg、8.68g/kg,RPD分别是1.81、2.03、2.19。利用不同方法筛选土壤主要属性的响应波段构建估算模型可以更好的为古城遗址土壤环境与土地保护提供科学依据。
NETL