引言

本文以山西省長治王莊煤礦周邊3種處于不同沉陷階段的耕地為例，在研究區(qū)內(nèi)進行樣品采集，并使用無人機搭載高光譜相機進行影像獲取，利用多元線性回歸、偏最小二乘回歸和BP神經(jīng)網(wǎng)絡3種模型對有機質含量進行預測，并對模型預測結果進行精度評價，將優(yōu)選模型代入無人機高光譜影像進行有機質填圖，得到耕地范圍內(nèi)的有機質分布情況，并對處于不同沉陷階段的耕地土壤有機質空 間分布差異情況及驅動因子進行分析討論，為無人機高光譜遙感在礦區(qū)復墾、養(yǎng)分快速估測等提供參考。

2、材料與方法

2.1 研究區(qū)概況

研究區(qū)位于長治市王莊煤礦（112°58′25″E～113°03′21″E，36°14′04″N～36°24′35″N），地處潞安礦區(qū)的東北部，跨長治市潞州區(qū)、屯留縣、襄垣縣3個行政區(qū)，地處黃土高原暖溫帶半干旱大陸性季風氣候區(qū)，溫差變化大，年平均氣溫8.9℃。研究區(qū)土壤以碳酸鹽褐土和草甸土為主，其中礦區(qū)內(nèi)主要分布碳酸鹽褐土，自然肥力較高，有明顯的黏化質和鈣化質，田塊呈連片化分布。王莊煤礦的生產(chǎn)能力為596×104t/a，多年的開采活動導致井田內(nèi)形成了大范圍的采煤塌陷區(qū)，對當?shù)氐耐恋刭Y源、生態(tài)環(huán)境及農(nóng)業(yè)生產(chǎn)造成了明顯影響。在研究區(qū)內(nèi)選定3個試驗小區(qū)，其中試驗小區(qū)A為煤炭開采擾動區(qū)農(nóng)田，試驗小區(qū)B為煤炭開采擾動穩(wěn)沉區(qū)農(nóng)田，試驗小區(qū)C為煤炭開采未擾動區(qū)農(nóng)田，3個試驗小區(qū)面積均為1.4hm2，均位于王莊煤礦平原區(qū)，屬同一農(nóng)業(yè)種植區(qū)域。煤炭開采前，3個小區(qū)的氣候、地貌、土壤特征一致，作物類型為春玉米，于每年4月采用旋耕機作業(yè)整地，10月收割，一年一熟；煤炭開采后的地表裂縫經(jīng)過掩埋推平，種植作物類型和耕作方式與開采前一致，但由于煤炭開采沉陷使3個小區(qū)分別處于開采擾動、穩(wěn)沉和未擾動3個不同階段，生態(tài)驅動因素發(fā)生變化，導致土壤理化性質、地表植被、人類管理方式發(fā)生改變。

圖 1 研究區(qū)概況

表 1 樣品有機質含量

2.2 數(shù)據(jù)獲取與預處理

2.2.1 土壤樣品采集與處理

2020年分別在煤炭開采擾動區(qū)（擾動區(qū)），煤炭開采擾動穩(wěn)沉區(qū)（穩(wěn)沉區(qū)）及煤炭開采未擾動區(qū)（對照區(qū)）內(nèi)按棋盤式布點，利用取土器采集地面表層0～20cm深度的土壤，每個采樣點按中心點周圍X形的5個樣地土壤混合為一個土樣。若采樣點落在農(nóng)田設施上則取附近耕地土壤代替，同時使用GPS記錄采樣點地理坐標。將采集的57個土樣送回實驗室，待風干、研磨、過篩后將土樣分為兩部分，一部分過0.15mm篩，用于進行土壤養(yǎng)分理化性質實驗，采用重鉻酸鉀外加熱法測定有機質含量，測定結果如表1，另一部分用于室內(nèi)土壤光譜測量。

2.2.2 無人機影像獲取與預處理

在所選3個試驗小區(qū)內(nèi)，采用無人機搭載高光譜光譜儀于2020年 10月30日飛行拍攝高光譜影像，拍攝時段選擇當?shù)貢r間10:00—15:00，此時段內(nèi)有足夠的太陽高度角，光照條件穩(wěn)定；地面能見度不小于15km，無卷云、濃積云等；測量時間內(nèi)空中風力小于4 級，地面風力小于3級：飛行高度100m，速度4m/s。對高光譜影像進行輻射率轉換、反射率轉換、幾何校正、大氣校正、鑲嵌和裁剪、道路掩膜等預處理，結果如圖2所示。

圖2 預處理后高光譜影像

3、結果與分析

3.1 特征波段選擇

將原始土壤光譜曲線及4種不同形式變換的土壤光譜曲線與實測樣本有機質含量做相關性分析，計算光譜與土壤有機質含量的相關系數(shù)，結果如圖3所示。

圖3 土壤有機質與各種光譜變換形式相關性分析

從圖3中可以看出，未經(jīng)變換和經(jīng)過倒數(shù)變換的反 射率光譜曲線與有機質呈整體正相關，相關系數(shù)低于0.4。反射率光譜曲線經(jīng)過一階微分變換與有機質含量的相關性有所增強，表現(xiàn)為在386.64～414.25nm內(nèi)正相關，在414.25～835.76、875.18～1 012.93nm內(nèi)負相關。反射率光譜曲線經(jīng)過二階微分變換與有機質含量的相關性增強最為明顯，相關系數(shù)曲線波動劇烈，與有機質含量正相關系數(shù)的峰值主要位于1021.92、1017.42、805.27、 744.77nm處，最大正相關系數(shù)為0.61，負相關系數(shù)的峰值主要位于680.62、655.16、650.93nm附近，最大負相關系數(shù)為-0.62。反射率光譜曲線經(jīng)過多元散射校正變換與有機質含量的相關系數(shù)曲線整體呈現(xiàn)為“M”型，相關系數(shù)曲線存在兩個正峰值，主要位于932.58nm和471.94nm處，最大相關系數(shù)位于932.58nm附近，相關系數(shù)為 0.63。

通過分析不同光譜變換與土壤有機質含量的相關性，篩選出的特征波段如表2所示

表2 不同光譜變換下的有機質特征波段

3.2 建模結果

3.2.1 經(jīng)過光譜變換篩選出的特征波段建模結果

在軟件中分別構建多元線性回歸模型和偏最小二乘回歸模型，對有機質實測值與經(jīng)過不同光譜變換方式篩選出的特征波段光譜反射率進行回歸分析，并驗證模型精度。3 種模型精度評價指標均選用決定系數(shù)R2和均方根誤差RMSE，模型精度評價結果和模型預測結果如表3所示。

表3 3種模型預測有機質含量精度評價

從表3可以看出，利用多元線性回歸模型建立的有機質反演結果中，4種光譜變換方式用于有機質反演建模整體精度不高，其中倒數(shù)、一階微分、二階微分變換方式建模和驗證集 R2不足0.5，比未變換的光譜 建模精度更低，多元散射校正變換方式建模和預測R2分別為0.699和0.654，為同組最高，可用于粗略估計有機質含量。利用偏最小二乘回歸模型建立的有機質反演結果中，對特征波段光譜反射率做倒數(shù)、二階微分、多元散射校正變換的模型的建模R2都達到0.6以上，相比未經(jīng)變換的特征波段建模精度大幅提高，模型的擬合效果較好，其中，多元散射校正變換的建模和驗證R2均達到0.8以上，具有較高的預測精度。

4、討論

本文探索了高光譜數(shù)據(jù)用于土壤有機質含量預測和無人機高光譜影像用于分析煤炭開采對耕地土壤有機質含量影響的適用性，通過將變換處理后的土壤光譜與實測土壤有機質含量進行相關性分析，提取相關系數(shù)較高的光譜波段，研究發(fā)現(xiàn)有機質含量與多元散射校正后的 光譜反射率相關系數(shù)最高，敏感波段為463.75～492.45nm，870.79～932.58nm處。對不同光譜變換方式下篩選出的特征波段分別使用多元線性回歸、偏最小二乘回歸、BP 神經(jīng)網(wǎng)絡進行模型構建，結果表明相較于多元線性回歸模型而言，偏最小二乘回歸和BP 神經(jīng)網(wǎng)絡模型具有更高的精度。對比幾種光譜變換形式，經(jīng)過多元散射校正變換的建模結果更好。將無人機航拍的高光譜影像基于模型進行有機質含量估測，得到土壤有機質含量的空間分布規(guī)律為煤炭開采未擾動區(qū)耕地>煤炭開采擾動區(qū)耕地>煤炭開采擾動穩(wěn)沉區(qū)耕地，這是因為煤炭開采導致多方面驅動因子變化。

推薦：

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數(shù)據(jù)采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇