《International Journal of Digital Earth》:Retrieval of mangrove soil nutrients and their stoichiometry using diagnostic spectral bands and competitive partial least squares model
编辑推荐:
红树林构成全球关键的海岸带生态系统,其生态功能从根本上受关键土壤养分(土壤有机碳SOC、全氮TN和全磷TP)及其化学计量比(C:N、C:P和N:P)的调控。其高光谱遥感反演因内在弱光谱信号和显著的区域生境异质性而仍具挑战性,这限制了模型的泛化能力。为解决这些问
红树林构成全球关键的海岸带生态系统,其生态功能从根本上受关键土壤养分(土壤有机碳SOC、全氮TN和全磷TP)及其化学计量比(C:N、C:P和N:P)的调控。其高光谱遥感反演因内在弱光谱信号和显著的区域生境异质性而仍具挑战性,这限制了模型的泛化能力。为解决这些问题,研究人员利用来自中国两个代表性红树林区域的227个土壤样品,系统研究了红树林土壤养分的光谱响应机制。研究人员开发了一种连续小波光谱相似性(CWSS)方法以量化养分变量与光谱响应之间的耦合关系,并改进了一种二维相关光谱学方法,为土壤有机碳(SOC)(390–800 nm和1369–1394 nm)、全氮(TN)(350–900、1180–1600和2150–2400 nm)和全磷(TP)(350–600和1660–2250 nm)分别识别了诊断光谱波段。在27种反演方案中,机制引导的竞争性偏最小二乘(CPLS)模式优于传统PLS,R2提升0.06–0.65。SOC获得最高反演精度,其次是TN和TP。整合微调迁移学习增强了跨区域适用性(ΔR2 = 0.218–0.403),证实了模型具有较强的可迁移性。结构方程模型识别出土壤深度和生境质量是养分空间变异的主要驱动因素。
**红树林土壤养分高光谱反演与驱动机制研究解读**
**1. 研究背景与问题**
红树林是分布于热带潮间带的独特全球性生态系统,其复杂根系构成天然屏障,可消减波浪能量、缓解海岸侵蚀并增强岸线生态系统稳定性。然而,受气候变化、城市化、水产养殖扩张和污染等多重压力影响,全球红树林面积持续下降,威胁植被存续及其生态功能。土壤有机碳(SOC)、全氮(TN)、全磷(TP)等养分是土壤质量与肥力的基础指标,直接调控植被生长和生态系统生产力,其化学计量比(C:N、C:P、N:P)则揭示养分限制与平衡状况。红树林在全球碳循环中贡献超过30%的蓝色碳汇,精准估算其土壤养分储量对理解蓝色碳循环及气候变化减缓至关重要。
传统土壤养分测定依赖野外采样与实验室分析,耗时费力且成本高昂,稀疏采样点难以刻画大尺度空间异质性。遥感技术虽已用于土壤养分估算,但多光谱影像波段有限,难以捕捉细微光谱特征;星载高光谱传感器在红树林等茂密冠层下信号穿透不足,难以获取高质量地表反射率。因此,实验室便携式光谱仪测量成为主流方案,可规避冠层干扰并获取全谱段数据。然而,实测高光谱数据受基线漂移、峰重叠和噪声影响,现有光谱分析方法多聚焦于一维特征提取,未将反射强度、光谱形态与养分含量整合至统一的多维相关框架,导致敏感波段缺乏明确物理解释,模型泛化性与机制透明性受限。此外,红树林土壤养分空间变异的驱动因素(土壤深度、树种、生境)间的因果路径尚不清晰,结构方程模型(SEM)在此领域的应用多集中于植被-气候-水文交互,缺乏对养分-生态因子耦合关系的定量刻画。
**2. 研究目标与方法**
针对上述挑战,本研究在中国两个代表性红树林保护区(海南东寨港国家级自然保护区和广西北部湾滨海湿地)开展。东寨港采样于2022年3月进行,设置14个采样点、每点3个重复样方,按6个深度间隔(0–60 cm)采集,经质量筛选保留187个有效样本;北部湾采样于2024年11月进行,设置10个采样点、每点2个重复,共40个样本,仅用于跨场景验证。研究提出了连续小波光谱相似性(CWSS)方法,结合连续小波变换(CWT)与光谱角制图(SAM),定量评估不同养分梯度下光谱形态差异;改进二维相关光谱法(CT-2DCOS),融合CWT多尺度分解与二维相关光谱分析,提取反射率敏感域和形态敏感域;利用多元无偏变量选择(MUVR)算法从敏感子域中筛选诊断波段,分为Max、Mid、Min三个尺度;构建机制引导的竞争性偏最小二乘(CPLS)模型,通过竞争评分机制优化反演性能,并采用微调迁移学习策略验证跨场景适用性;最终利用结构方程模型(SEM)解析土壤深度、树种和生境类型对养分空间分异的驱动路径。
**3. 研究结果**
**3.1 红树林土壤光谱特征**
对11,350条光谱曲线分析发现,红树林土壤在390 nm处存在吸收谷,反射率在1300 nm升至约0.45,2500 nm处仍保持0.4以上,显著高于黑土(0.2–0.4)的典型反射率范围。最大光谱差异出现在约580 nm(平均反射率差0.08±0.01)。与传统土壤在1400、1900、2200 nm附近的吸收特征相比,红树林土壤分别红移至1413、1912和2209 nm。CWT处理增强了细微光谱特征,CWT-Scale6小波系数与养分含量相关性最强(平均r=0.58,p<0.01)。400–600 nm区域的敏感性与有机碳对反射率的抑制、针铁矿(480–580 nm特征吸收)以及二者协同作用有关。
**3.2 养分元素与化学计量比的光谱响应**
CWSS分析显示,SOC在350–780 nm范围与反射率显著负相关,峰值θ值(0.3)出现在400和600 nm;TN差异与350–800 nm光谱发散正相关(r=0.38),600 nm处θ局部最大值0.27;TP含量200–1000 mg/kg时反射率整体偏高,400 nm处相关性(r=0.42)优于600 nm(r=0.28)。化学计量比方面,C:N在400–900 nm为核心敏感区(θ均值0.15–0.25),C:P在400 nm处峰值θ达0.28(较C:N高12%),N:P需差异超过6时方在800–1000 nm出现可辨光谱发散(θ最高0.24)。总体上400–900 nm是检测化学计量比变化的关键区间。
**3.3 敏感光谱子域与诊断波段提取**
CT-2DCOS分析表明,三种养分的形态敏感子域集中于约600、1400和2200 nm,反射率敏感子域随养分含量变化显著。SOC含量越低,敏感子域数量越多;C4组(SOC>2%)仅分布于350–600 nm,C3组(>1.5%)出现敏感子域分布突变,提示1.5%可能为光学活性转变阈值。TN含量低于500 mg/kg时子域广泛分布,高于1500 mg/kg时显著减少并集中于350–1300 nm。TP含量对子域数量影响相对较小。MUVR筛选出诊断波段:SOC主要响应区间为390–800 nm和1369–1394 nm,TN为350–900、1180–1600和2150–2400 nm,TP为350–600和1660–2250 nm。C:N在1.5–2.0时诊断波段集中于480、750、1200和2200 nm,N:P在400–455 nm区间高度聚集。
**3.4 养分含量与化学计量比反演**
基于多尺度诊断波段构建的CPLS模型,27种反演方案中R
2较传统PLS提升0.06–0.65。SOC反演精度最高(C4组R
2=0.854),TN次之(N2组最优R
2=0.830),TP相对较低(P2组最优R
2=0.830)。化学计量比中,C:N2组最优R
2=0.666,C:P3组Mid尺度R
2=0.809,N:P1组Max尺度R
2=0.550。与随机森林(RF)相比,CPLS在多数组别表现更优,尤其对养分元素(SOC提升0.091–0.193,TN提升0.015–0.115)。竞争评分(S
Score)显示诊断波段特征集显著优于全谱段结果,C4组提升123%–125%。
**3.5 跨场景迁移学习验证**
以海南东寨港为源域(n=187)、广西北部湾为目标域(n=42)进行微调迁移学习。SOC在目标域最优R
2=0.496(Max尺度),较全谱段提升0.344–0.361;TN最优R
2=0.495(Min尺度),较全谱段提升0.387–0.403;TP最优R
2=0.367(Max尺度),较全谱段提升0.218–0.232。CT-2DCOS提取的诊断波段显著提升了跨场景反演精度(ΔR
2=0.218–0.403),模型稳定性良好(各尺度R
2差异≤0.017)。
**3.6 土壤养分与生态因子的响应关系**
结构方程模型(SEM)分析表明,土壤深度是养分含量的主导正向因子,生境类型次之。在养分含量-生态因子模型中,生境的载荷系数最大(0.3),SOC载荷最高(0.40)。在化学计量比-生态因子模型中,土壤深度为优势变量,N:P载荷相对最高(0.40),表明N:P对生态影响具有较强指示意义。模型Ⅲ(化学计量比-生态因子)拟合最优(Chi-square/DF=1.197,GFI=0.994,AGFI=0.956,RMSEA=0.032),土壤深度和生境类型被识别为空间养分变异的主要驱动因素,养分浓度总体随深度增加而降低。
**4. 讨论与结论**
本研究揭示红树林土壤光谱的独特“低初始值-平稳上升-高维持”反射模式及吸收谷红移特征(9–13 nm偏移),区别于全球其他土壤类型,为光谱识别提供理论依据。敏感子域分析证实养分含量下降会同步收缩敏感子域范围,而化学计量比子域表现出更强稳定性,反映养分平衡关系对光学响应的缓冲效应。诊断波段提取有效消除冗余信息、降低多重共线性,提升模型精度且赋予明确的物理化学意义。跨场景验证成功证实了方法的可迁移性。
结论:研究成功识别SOC(390–800和1369–1394 nm)、TN(350–900、1180–1600和2150–2400 nm)和TP(350–600和1660–2250 nm)的诊断波段,开发的CPLS模型实现最高R
2=0.854的养分反演精度,SEM揭示土壤深度和生境类型是空间养分变异的关键驱动因子。局限性包括:实验室风干样本与野外真实状态存在偏差、验证区域仅限中国两处、C:P和N:P反演精度弱于单元素含量。未来工作将扩展参考光谱库至更广泛生物地理区、纳入原位湿态光谱、利用无人机或卫星高光谱平台进行大尺度外推,并将框架延伸至硫、钾等辅助土壤变量,构建非破坏性、可扩展的红树林健康与长期养分储库监测范式。