♥
为较全面地展示文化遗产数字化保护的前沿技术，本课题组每周收集整理与文化遗产数字化保护相关主题参考文献，包括：虚拟修复、高光谱、风险评估、三维特征提取等进行精读，并通过公众号推送分享，欢迎老师与同学们提出宝贵的建议和推荐相关文献。
引用格式：Mashimbye, Z.E., Cho, M.A., Nell, J.P., Clercq, W., Niekerk, A.V., Turner, D.P., Model-Based Integrated Methods for Quantitative Estimation of Soil Salinity from Hyperspectral Remote Sensing Data:A Case Study of Selected South African Soils[J]. Pedosphere, 2012. 22(5), 640-649.
推荐理由：本文将高光谱技术引入到土壤盐碱程度的定量反演估算。将高光谱对地物表面高透射性、光谱分辨率高、无损快速检测的优势应用于盐碱土壤的成分与含量探测，具有一定的优势性。文章中利用高光谱数据下的4种不同建模方式，预测干燥土壤中电导率，实现了对土壤盐度的估测，具有一定的精度。证实了光谱曲线经过数学模型变换与特征提取后，隐含光谱特征达到放大，可以很好的量化电导率数值。不同建模方式之间的精度评估具有一定的科学性。此外在土壤样本的获取中根据地质构造、有机碳含量、盐渍化程度、土壤类型进行科学合理平均取样，具有较大的真实可依赖性来支撑数据结果。此外建模4种建模方法均为非深度学习的传统手法，具有代表性。运用R2,R2adj,RMSE,RPD来进行精度评价，综合本文的大量图表提供了详细的结果描述，具有说服力，在此领域内颇具深度。
内容介绍：
1. 背景与意义
南非土地面积较广，数百万块土壤用于建设大型灌溉基础设施，导致土壤盐度积累。土壤盐碱化是一种发生在干旱和半干旱地区的土地退化过程。对土壤的盐碱程度进行估算是十分迫切与重要的。遥感具有相对较低的成本和能够快速提供覆盖大面积的空间信息，目前遥感检测手段有：各种航空照片、视频图像、红外热成像、 可见光和红外多光谱和微波图像。高光谱遥感由于其光谱连续，光谱分辨率高，穿透性强等特点已广泛用于研究受盐影响的土壤。本研究的目的是评价基于高光谱数据下利用单个条带、归一化差盐度指数(NDSI)、偏最小二乘回归(PLSR)和套袋PLSR四种建模方法对南非土壤盐度进行预测，定量估算的效果。
2. 研究方法
2.1 材料与数据的获取
所选的土壤样本是在14年期间从约翰内斯堡东南部的固定地点每月或双月收集的。土壤样本来自多种地质构造，样本选取考虑了不同数量天然有机碳的样品分布，所选土壤分别为盐渍土壤、中盐渍土壤、非碱性土壤和微盐渍土壤。所选样品对应土壤和地形数字数据库的(soter)土壤单元。本研究共使用了95份土壤样本。采用分层随机抽样技术。上述选样过程见图。
图1. 选样过程
将所有的样品经过烤箱烘干，磨碎，过筛后进行了导电率(EC)、有机碳和质地的分析。用1：5的饱和提取物测定EC。EC值是可以代表测土壤盐度的指标。将样本分为两组：训练（n=63）和验证（n=32）。训练样本用于模型建立，其余样本用于独立验证模型。选用(ASD)FieldSpec光谱仪获取暗室土壤样品的光谱特征，固定光照条件，并提前进行预热与反射率校正。
2.2 点云数据与高光谱数据融合
本文为此评价了四种技术效果：单波段建模、NDSI指数构建与建模、PLSR和套袋PLSR。盐度模型采用未变换的个体反射率、个体反射率一阶导数反射率(FDR)、EC的倒数进行计算。采用波长在400~2 500 nm范围内的土壤反射率数据进行分析。精度评定采用了R2,R2adj,RMSE,RPD4个拟合优度统计量。
单波段建模：利用EC的自然对数值计算拟合曲线符合正态分布。对原始土壤光谱和一阶导数光谱与EC进行了Pearson相关性分析，得到了最高的相关谱带用于反演EC值。回归模型使用这些谱波段来解释光谱反射率的EC最大程度的回归模型。
归一化差异盐度指数(NDSI): 对于一个样本n，选择在任意两个波段i和j的时候，NDSIi,j,n根据归根据归一化差异植被指数（NDVI）的原理来计算。
Ri,n和Rj,n分别是一个样品n的任意两个波段i和 j的反射率。候选的NDSI都来自于所有可能的方法。涉及400-2 500 nm范围内的双波段组合。相关系数最大的组合会纳入用于NDSI与EC的回归建模.
偏最小二乘回归(PLSR): 是一种使用数据压缩的双线性校准方法。指定了一组因变量(Y)和一组预测变量(X)之间的线性关系。
Y为包含响应变量的均值中心矩阵，X为包含预测变量（本研究中的波段）的均值中心矩阵，B为包含回归系数的矩阵，E为残差矩阵。将原始光谱与一阶导数变换后光谱作为对比，进行建模。
套袋PLSR: 引导程序在一个样本中执行采样。这是一种可以用于估计种群的累积分布函数(CDF)、其矩及其重新采样的不确定性的技术。采用1个软件对装袋PLSR进行50次迭代的自动引导。
3.结果分析
3.1 单波段建模
2257 nm与991nm处的原始反射率数据皮尔逊相关系数最高，被用于建立土壤EC的预测回归模型。在2257nm处的抛物线二次回归比线性一次回归的决定系数更高。对于FDR一阶导数光谱(在991nm处)，线性模型和二次模型都得到了相似的校准和预测R2值。
图2. 单波段建模
3.2 NDSI的构建与建模
对每个候选NDSI与EC进行线性回归分析。R2的等高线结果如图所示。2040 和1410 nm波长被认为是最具特征相关性的构建NDSI得双波段。由此带入归一化盐度计算公式并与电导率进行回归建模。其决定系数得到稳固提高相比于单波段建模。
图3. R2的等高线结果
图4. 回归建模
3.3 偏最小二乘建模
将原始光谱曲线与一阶导数去除后的光谱曲线全波段与电导率进行回归。两者得相对分析误差均小于1.5，建模稳定性不足。但决定系数相比于之前方法，有一定得精度提升。原始反射率得PLSR预测模型的前5个因子包含约68%的土壤EC信息，而一阶导后得FDRPLSR预测模型的第一个因子包含近72%的土壤EC信息。
图5. 土壤EC信息
3.4 套袋PLSR建模
RPD值均高于1.5，可应用于此领域得建模与预测。相比于PLSR在继承了其高决定系数的优势上，RMSE误差减小。利用遥感技术，套袋PLSR预测模型有提高土壤盐度预测的潜力。
图6. 套袋PLSR预测模型
4. 结论
本文研究内容表明：套袋偏最小二乘是最四种方法中最适合用于南非土壤盐碱程度预测模型。通过对光谱进行数学模型变换，对电导率进行对数变换后带入模型，精度有所提升。不同得建模方法均对挖掘南非土壤的隐藏盐碱光谱特性起到了一定的作用，套袋PLSR在模型的构建中包含了引导抽样，这稳定了建模，同时仍然允许识别数据中的重要关系。研究表明，PLSR可以为土壤EC提供有用的估计。NSDI预测模型可以解释高达50%的土壤EC变化。EC与盐土光谱的关系从可见光到短波红外(SWIR)区域的关系不断增加。这可能是由于盐渍土壤在可见光谱和NIR区域具有明显的光谱特征。由于本研究是基于干燥的土壤，因此水对土壤光谱的影响很小。当有机碳含量低于20g/kg时，对土壤的反射率几乎没有影响。因此排除了上述两种物质对土壤盐碱特征光谱的挑选中的干扰。
5. 相关思考
1土壤中成分复杂，关于敏感特征波段的选取，是否会有更新的方法。
2对光谱数据预处理的方法有很多，是否可以挑选并组合进行对比。
3利用EC电导率与光谱反射率进行建模的方法是否有更多更有效的方式。
4土壤中盐分种类多，此种方法是否可以应用于不同盐的浓度含量与成分的反演。
5是否可以利用面状光谱数据对盐含量进行丰都反演，使得结果变现更直观。
6本文得出的最优预测模型，是否具有普适性，用于其他盐碱地区的盐度检测。
来源期刊：Pedosphere
DOI:CNKI:SUN:TRQY.0.2012-05-007
关注我们
了解更多遗产数字化前沿信息
高光谱解混|虚拟修复|风险评估
如果你喜欢这篇文章，请记得长按二维码关注
文献整理：国洲乾
排版：孙宇桐、徐元豪
审核：王诗涵、林敬凯