基于多角度高光谱特征整合的铝质湿润淋溶土区土壤属性反演优化框架

《International Journal of Applied Earth Observation and Geoinformation》：Enhancing soil property retrieval in an Ali-Perudic Argosols–dominated region through multi-angle hyperspectral feature integration

　　

在铝质湿润淋溶土（Ali-Perudic Argosols）为主的区域，研究人员开发了一种通过整合多角度高光谱特征来提升土壤属性反演性能的最优框架。研究发现，不同土壤属性之间不存在普遍适用的最优观测几何；多角度特征通过利用光谱-角度耦合信息显著改善了反演精度。研究系统比较了七种光谱预处理方法、五种特征波长选择方法及四种建模算法，确定了单视角和多角度模式下的最优反演框架。结果表明，Savitzky–Golay（SG）平滑为最优预处理方法，随机蛙跳-竞争性自适应重加权采样（RFROG–CARS）组合特征选择结合非线性支持向量机（SVM）在单视角数据中表现最佳，而二维卷积神经网络（2D-CNN）在多角度双向反射因子（BRF）数据中提取的光谱-角度特征进一步提升了反演精度。多角度BRF反演在沙粒、粉粒、黏粒含量、土壤有机质（SOM）含量和阳离子交换量（CEC）上分别取得R2为0.61、0.69、0.79、0.73和0.76的精度，虽略低于最优单视角结果，但无需预先确定最佳观测角度即可提供稳定且较高的性能。此外，基于SOILSPECT模型模拟的多角度BRF亦被验证可有效用于土壤属性反演。该研究为利用多角度高光谱信息提升土壤属性反演提供了重要见解。

论文解读：基于多角度高光谱特征整合的铝质湿润淋溶土区土壤属性反演研究

一、研究背景与问题

土壤是陆地生态系统的关键组成部分，其属性直接影响农业生产、生态环境和资源管理。土壤有机质（SOM）含量、阳离子交换量（CEC）以及粒径分布（沙粒、粉粒和黏粒含量）等关键土壤属性在很大程度上决定了土壤肥力和通透性，对作物生长和土地利用管理具有重要作用。高光谱遥感为反演这些土壤属性提供了一种快速、非接触的手段，已在土壤研究中得到广泛应用。

然而，以往大多数土壤属性反演研究依赖于单一观测角度（通常为天底方向）获取的高光谱反射率。实际上，土壤反射率本质上是各向异性的，在固定光照条件下随观测几何变化，这一特性由双向反射分布函数（BRDF）描述。近年研究表明，多角度反射率观测能够显著提升土壤有机质含量和粒径组分（PSF）的反演精度，尤其是在中国东北地区。这种提升源于土壤属性能够改变BRDF模式，例如随着SOM含量增加，BRDF变异性通常降低，因为腐殖质物质呈暗色，强烈吸收入射辐射。尽管如此，多角度高光谱数据能否在其他区域提升多种土壤属性的反演精度仍 largely unexplored。

此外，现有研究中特征波长的选择大多基于单一观测角度获取的高光谱反射率。尽管已有研究发现观测角度对整体特征选择结果影响有限，但不同观测角度下识别出的具体波长存在差异。目前仍不清楚哪些多角度光谱特征能够提升土壤属性反演精度。

在植被参数估算领域，多角度高光谱数据已得到更广泛应用，主要采用两种策略：一是基于辐射传输模型（如PROSAIL）进行反演；二是直接在回归框架中使用多角度光谱观测来估算目标参数。由于基于回归的方法在高光谱土壤属性反演中被广泛使用，本研究采用第二种策略，聚焦于优化基于回归的多角度特征整合。

高光谱土壤属性反演通常包括光谱预处理、特征波长选择或特征提取、建模三个关键步骤。尽管已有大量方法被提出，但对于最优的高光谱土壤属性反演框架仍未达成共识，尤其是对于不同观测角度获取的土壤反射率。特征波长选择方面，以往研究主要依赖单一特征选择方法，结合不同特征选择方法被认为是一种有前景的策略。此外，以往特征选择方法主要针对单视角高光谱数据的一维（1-D）光谱特征，而在多角度高光谱观测中，土壤反射率同时随波长和观测角度变化，形成二维（2-D）光谱-角度特征结构，传统一维特征选择方法可能不足以充分挖掘光谱与角度维度间的耦合信息。随着深度学习技术的发展，卷积神经网络（CNN）已被越来越多地应用于从高光谱数据中提取二维甚至三维特征，但基于CNN的方法能否有效利用多角度高光谱观测提升土壤属性反演仍有待探索。

铝质湿润淋溶土是中国亚热带地区最具代表性的土壤类型之一，是支撑区域农业生产和生态安全的基础土壤资源。该区域长期遭受强降雨侵蚀、强烈淋溶过程和复杂地形条件影响，导致土壤理化性质具有显著的空间异质性和变异性，因此在该区域反演土壤属性面临较大挑战。

二、研究内容与主要技术方法

本研究以贵州省大方县为研究区，该区域以铝质湿润淋溶土为主。研究人员共布设156个采样点，涵盖不同土壤类型和坡位，采集0–20 cm表层土壤样品。采用硫酸-重铬酸钾氧化法测定SOM含量，EDTA铵盐快速法测定CEC，吸管法测定粒径分布。利用定制多角度观测系统（MAOS）在固定照明天顶角（IZA）40°条件下，于48个不同观测角度测量双向反射因子（BRF），光谱范围为350–2500 nm。研究采用七种光谱预处理方法（原始光谱R、SG平滑、一阶导数FD、二阶导数SD、标准正态变量变换SNV、多元散射校正MSC、去趋势DT）、五种特征选择方法（主成分分析PCA、CARS、RFROG、RFROG–CARS组合以及2D-CNN）和四种建模算法（PLSR、线性SVM、非线性SVM、随机森林RF），通过贝叶斯优化进行超参数调优，以确定最优反演框架。数据集采用分层抽样结合SPXY算法划分为训练集（80%）和验证集（20%）。

三、研究结果

3.1 土壤属性与BRF特征

土壤属性表现出显著变异性：SOM含量范围为7.8–109.2 g kg^?1，变异系数（CV）为44.3%；CEC范围为7.1–32.2 cmol kg^?1，CV为28.0%；沙粒含量CV最高（44.1%），粉粒含量CV最低（16.8%）。土壤BRF随观测天顶角（VZA）和相对观测方位角（VAA）增大而降低。不同土壤属性对BRF角度分布的影响不同：当SOM和CEC相对恒定时，BRF角度变异性随黏粒含量增加而增大；当粒径分布相对稳定时，BRF角度变异性随SOM含量增加而减小，表明土壤属性梯度能够影响反射率角度模式。

3.2 高光谱土壤属性反演

七种光谱预处理方法中，原始反射率、SG平滑和DT在多数土壤属性上获得较高预测精度，SD预处理表现较差。综合考虑预测精度和模型稳健性，SG平滑被选为最优预处理方法。基于单视角数据，RFROG–CARS组合特征选择方法平均R²较RFROG、CARS和PCA分别提升0.3%、1.8%和4.6%；非线性SVM平均R²较线性SVM、PLSR和RF分别提升8.6%、7.0%和14.7%。因此，单视角数据采用RFROG–CARS结合非线性SVM。基于多角度BRF数据，2D-CNN特征提取方法优于RFROG–CARS波长选择方法：SOM、沙粒和粉粒含量的R²（RMSE）分别从0.64（8.8 g/kg）提升至0.73（7.7 g/kg）、0.53（6.9%）提升至0.61（6.3%）、0.64（4.7%）提升至0.69（4.4%）；CEC和黏粒含量性能相当。

3.3 反演精度随观测角度的变化

单视角反演精度随观测几何变化，但不同属性间无统一模式。黏粒含量在相对VAA 60°、VZA 40°时取得最高精度（R²=0.82，RMSE=3.93%），后向方向优于前向；沙粒和粉粒含量在前向方向精度略高；SOM在相对VAA 30°、VZA 30°时最佳（R²=0.80，RMSE=6.79 g kg^?1）；CEC在相对VAA 120°、VZA 5°时最高（R²=0.79，RMSE=2.33 cmol kg^?1）。多角度BRF反演在沙粒、粉粒、黏粒、SOM和CEC上分别取得R²（RMSE）为0.61（6.27%）、0.69（4.35%）、0.79（4.31%）、0.73（7.72 g kg^?1）和0.76（2.45 cmol kg^?1）。虽略低于最优单视角精度，但多角度方法无需预先知晓最佳观测角度即可提供稳定且较高的性能。

3.4 多角度高光谱特征

单视角条件下，近红外波段（1800–2400 nm）被选择频率高于可见光波段，尤其对SOM和CEC；400、550–600和1200 nm附近波长对粒径组分更常被选择。多角度模式下，RFROG–CARS选择的波长更为集中，信息特征分布于大部分48个观测角度，但相对贡献因土壤属性而异。沙粒和黏粒含量的最重要特征主要与后向观测几何相关（相对VAA 0°和30°）；粉粒、SOM和CEC则更多受益于倾斜观测几何，分别在30°–10°、180°–60°和60°–40°配置下贡献最大。

3.5 基于模拟多角度BRF的土壤属性反演

基于SOILSPECT模型模拟的BRF与实测值总体吻合良好，平均R²和RMSE分别为0.85和0.04。模拟精度随观测几何变化，VZA 5°时精度较低，平均R²随相对VAA从0°增至60°由0.94降至0.74，随后在180°回升至0.94。这一趋势可能归因于SOILSPECT参数是从主平面内BRF测量中反演的。

四、讨论与结论

研究系统比较了多种光谱预处理、特征选择和建模方法，确定了铝质湿润淋溶土区土壤属性反演的最优框架：SG平滑预处理、RFROG–CARS特征选择结合非线性SVM用于单视角数据，2D-CNN特征提取用于多角度BRF数据。研究证实多角度BRF数据包含互补的光谱-角度信息，能够提升土壤属性反演性能，且无需预先确定最佳观测角度。不同土壤属性的最优观测几何存在差异，这与土壤属性对BRDF模式的不同影响有关。基于SOILSPECT模型模拟的多角度BRF也可有效用于土壤属性反演，为多角度遥感数据的实际应用提供了支持。该研究为利用多角度高光谱信息提升土壤属性反演精度提供了重要见解，对可持续土壤管理和农业发展具有参考价值。