铁是植物必需的微量元素之一。土壤中的铁含量与土壤的Ph值和含水量高度相关，同时也受植物根系呼吸和微生物活动等因素影响。准确估测土壤全铁含量(Total iron content in soil，TICS)有助于农学家评估土壤状况，确保作物健康生长。本文研究利用土壤的高光谱数据估测全铁含量，提出了一种基于谐波分析(Harmonic analysis，HA)和BP神经网络(Back propagation neural network)的土壤全铁含量估测方法，可用于估测不同类型土壤的全铁含量。

　　本研究采集了黄土(Loessial soil)和沙土(Sandy soil)两种类型的土壤样品，烘干、磨碎、过筛后利用ASD光谱仪 (Analytical Spectral Devices, Inc., USA)获取高光谱数据，并利用原子吸收法测量土壤的全铁含量。实验共采集了84个土壤样品，其中包括51个黄土样品和33个沙土样品。研究采用一阶导数(First derivative，FD)、小波包变换(Wavelet packet transform，WPT)和谐波分析等多种方法对土壤的高光谱数据进行处理，经过特征选择后，利用BP神经网络构建土壤全铁含量估测模型(图1)。实验结果显示，土壤的原始光谱、光谱的一阶导数、光谱的小波包变换后数据、光谱经过小波包变换后的一阶导数均和土壤全铁含量具有较强的相关性(图2)。同时，利用BP神经网络构建的估测模型可以准确估测不同类型土壤的全铁含量(图3)。因此，高光谱数据在土壤微量元素含量估测中具有极大的应用潜力，而谐波分析和BP神经网络等机器学习算法则是利用高光谱数据估测土壤微量元素的有效工具。

　　图1 基于不同特征变量的土壤全铁含量估测流程图

　　图2 土壤原始光谱(OS)、光谱的一阶导数(FD)、光谱的小波包变换后数据(WPT)、光谱经过小波包变换后的一阶导数(WPT-FD)和土壤全铁含量的相关性

　　图3 不同类型土壤的全铁含量估测精度

　　来源 : Xueqin Jiang, Shanjun Luo, Shenghui Fang, et al. Remotely sensed estimation of total iron content in soil with harmonic analysis and BP neural network [J]. Plant Methods, 2021, 17:116.

　　编辑 : 段博