李勇志，唐家奎＊，王德強(qiáng)，王春磊，張成雯

（1.中國(guó)科學(xué)院海岸帶環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室／山東省海岸帶環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室／中國(guó)科學(xué)院煙臺(tái)海岸帶研究所，山東煙臺(tái)264003；2.中國(guó)科學(xué)院研究生院，北京100049；3.河北聯(lián)合大學(xué)，河北唐山063009）

萊州灣海岸帶土壤光譜分析與有機(jī)質(zhì)反演研究

李勇志1，2，唐家奎1，2＊，王德強(qiáng)1，王春磊3，張成雯1，2

（1.中國(guó)科學(xué)院海岸帶環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室／山東省海岸帶環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室／中國(guó)科學(xué)院煙臺(tái)海岸帶研究所，山東煙臺(tái)264003；2.中國(guó)科學(xué)院研究生院，北京100049；3.河北聯(lián)合大學(xué)，河北唐山063009）

利用土壤光譜反射率預(yù)測(cè)海岸帶典型土壤有機(jī)質(zhì)含量。對(duì)萊州灣海岸帶典型地區(qū)97個(gè)土壤樣本的光譜反射率特性進(jìn)行分析，把光譜曲線(xiàn)劃分為4個(gè)區(qū)域，提取每個(gè)區(qū)域的代表性特征參數(shù)，與土壤有機(jī)質(zhì)含量進(jìn)行相關(guān)性分析，最終選用458～587.1 nm區(qū)間的撓度（相關(guān)系數(shù)達(dá)0.87）作為自變量進(jìn)行模型回歸，并利用均方根誤差（RMSE）和預(yù)測(cè)殘差（RPD）進(jìn)行模型檢驗(yàn)與評(píng)價(jià)。結(jié)果表明，以458～587.1 nm區(qū)間的撓度作為自變量建立的對(duì)數(shù)函數(shù)預(yù)測(cè)模型具有較高的精度和穩(wěn)定性，經(jīng)驗(yàn)證計(jì)算出其RMSE為0.39，RPD為2.5，該模型應(yīng)用效果較好。

海岸帶；土壤有機(jī)質(zhì)；高光譜；撓度

0 引言

土壤有機(jī)質(zhì)（Soil Organic Matter，SOM）對(duì)于促進(jìn)土壤結(jié)構(gòu)形成、改善土壤物理性質(zhì)、提高土壤的保肥能力具有重要作用，是作物產(chǎn)量的主要限制因子［1，2］。海岸帶地區(qū)為海洋和陸地相互作用的地帶，研究海岸帶土壤有機(jī)質(zhì)含量可為海岸帶農(nóng)業(yè)發(fā)展及土壤生物資源研究提供基礎(chǔ)支撐。通過(guò)傳統(tǒng)的方法獲取較大區(qū)域土壤有機(jī)質(zhì)含量大都借助于野外采集樣本點(diǎn)，經(jīng)實(shí)驗(yàn)室土壤化學(xué)或物理分析后內(nèi)插得到，該過(guò)程耗時(shí)、費(fèi)力且不經(jīng)濟(jì)［3］。相關(guān)研究表明：土壤有機(jī)質(zhì)在可見(jiàn)光及近紅外波段具有獨(dú)特的光譜特性，其含量可通過(guò)土壤的反射率光譜反映［4］。

Krishnan等實(shí)驗(yàn)得出可見(jiàn)光光譜與土壤有機(jī)質(zhì)含量緊密相關(guān)，在波長(zhǎng)564 nm、623 nm處相關(guān)性較高，可用來(lái)預(yù)測(cè)土壤有機(jī)質(zhì)［5］。Henderson等提出同母質(zhì)材料的土壤中，可見(jiàn)光波段與土壤有機(jī)質(zhì)相關(guān)性非常強(qiáng)［6］。徐彬彬等比較脫有機(jī)質(zhì)前后的土壤光譜反射曲線(xiàn)，發(fā)現(xiàn)有機(jī)質(zhì)的影響主要是在可見(jiàn)光和近紅外波段，而影響最大的是在600～800 nm波段［7］。Galvao等驗(yàn)證了土壤反射光譜在550～700 nm波段吸收峰主要是由土壤有機(jī)質(zhì)引起［8］。彭玉魁等研究發(fā)現(xiàn)，土壤有機(jī)質(zhì)與其紅外光譜的相關(guān)系數(shù)高達(dá)0.921［9］。Karneili等研究發(fā)現(xiàn)，土壤有機(jī)質(zhì)吸收特征主要表現(xiàn)在1 720 nm、2 180 nm、2 309 nm處［10］。徐彬彬等研究發(fā)現(xiàn)，土壤有機(jī)質(zhì)含量與其在600 nm處的弓曲差（即光譜反射率曲線(xiàn)上，550 nm和650 nm的光譜反射率平均值與600 nm處的光譜反射率之差值）密切相關(guān)，并利用弓曲差得出土壤預(yù)測(cè)的冪函數(shù)模型［11］。高光譜遙感技術(shù)為快速準(zhǔn)確提取土壤有機(jī)質(zhì)含量提供一種有效途徑。但以往研究多是對(duì)反射率數(shù)據(jù)進(jìn)行微分、對(duì)數(shù)、倒數(shù)等變換［12－15］，然后建立模型估算土壤有機(jī)質(zhì)含量，僅徐彬彬等利用光譜曲線(xiàn)本身的特征（600 nm處的弓曲差）作為特征變量對(duì)土壤有機(jī)質(zhì)含量進(jìn)行反演。

本文以萊州灣典型海岸帶地區(qū)主要土壤野外實(shí)測(cè)反射率光譜曲線(xiàn)為研究對(duì)象，考慮到土壤有機(jī)質(zhì)含量對(duì)整個(gè)光譜曲線(xiàn)的影響，根據(jù)光譜曲線(xiàn)特征，把光譜反射率曲線(xiàn)劃分為4個(gè)區(qū)域，計(jì)算每個(gè)區(qū)域最能表達(dá)其光譜曲線(xiàn)特征的參數(shù)，如吸收指數(shù)、撓度（曲線(xiàn)彎曲變形時(shí)橫截面形心沿與軸線(xiàn)垂直方向的線(xiàn)位移）、曲線(xiàn)斜率等，分析各個(gè)特征與土壤有機(jī)質(zhì)含量的相關(guān)性，從而提取最佳參數(shù)并建立反演模型，最后用R2、RMSE和RPD檢驗(yàn)預(yù)測(cè)精度并評(píng)價(jià)模型的預(yù)測(cè)能力，為基于高光譜遙感提取土壤有機(jī)質(zhì)含量奠定理論基礎(chǔ)。

1 研究區(qū)與研究方法

本文選擇山東省煙臺(tái)市萊州灣海岸帶（東經(jīng)119°33′～120°18′，北緯36°59′～37°28′）作為研究區(qū)，該區(qū)地處山東半島西北部，西瀕渤海，東臨招遠(yuǎn)

2 相關(guān)性分析

2.1 光譜波形分析

由圖1可以明顯看出，在350～1 060 nm波段范圍內(nèi)，隨著波長(zhǎng)的增加，土壤反射率不斷增強(qiáng)。在350～457.5 nm區(qū)域，光譜反射率曲線(xiàn)緩慢上升；458～587.1 nm區(qū)域，曲線(xiàn)上升趨勢(shì)有所變化，土壤吸收加強(qiáng)，并呈現(xiàn)一定弧度；587.6～802.9 nm區(qū)域，繼續(xù)平穩(wěn)上升；803.5～1 059 nm區(qū)域，光譜反射率隨波長(zhǎng)增加上升趨勢(shì)減緩，并有所波動(dòng)。因此，將整個(gè)波譜區(qū)域劃分為350～457.5 nm、458～587.1 nm、587.6～802.9 nm、803.5～1 059 nm 4個(gè)區(qū)域（圖3），并計(jì)算每個(gè)區(qū)域內(nèi)光譜反射率特征因子：1區(qū)為平均反射率、斜率；2區(qū)為平均反射率、吸收指數(shù)、撓度（在此近似等于458 nm與587.1 nm處的反射率平均值減去522.5 nm處的反射率）；3區(qū)為反射率均值、曲線(xiàn)斜率；4區(qū)為反射率均值、標(biāo)準(zhǔn)差（測(cè)定光譜曲線(xiàn)波動(dòng)大?。Ｊ?，東南與萊西市接壤，南連平度市，西南與昌邑市相望，海岸線(xiàn)108 km，總面積約1 878 km2，地勢(shì)自東南部低山向西北部沿海低地呈臺(tái)階式下降；屬北溫帶東亞季風(fēng)區(qū)大陸性半濕潤(rùn)氣候，為典型的海岸帶農(nóng)業(yè)耕作區(qū)，主要作物為小麥、玉米、蔬菜，被命名為“國(guó)家綠色農(nóng)業(yè)示范區(qū)”，研究土壤有機(jī)質(zhì)含量分布對(duì)萊州典型海岸帶農(nóng)業(yè)生產(chǎn)有重要指導(dǎo)作用。

2011年11月上旬，在橫貫萊州地區(qū)中部裸露農(nóng)田設(shè)計(jì)97個(gè)樣點(diǎn)，在晴天或少云的10∶00－14∶00時(shí)段采集表層土（深約10 cm），煙臺(tái)海岸帶研究所分析測(cè)試中心利用完全燃燒法測(cè)定土壤有機(jī)質(zhì)含量。光譜測(cè)量采用AvaField－3便攜式高光譜地物波譜儀（波譜范圍350～1 060 nm，光譜采樣間隔0.5 nm，光譜分辨率2.4 nm，波長(zhǎng)精度±0.1 nm），每個(gè)樣本測(cè)量10次，取其平均值得到土壤反射率。由于受各方面因素影響，土壤反射率光譜曲線(xiàn)在一定程度上產(chǎn)生了噪聲，需要對(duì)其進(jìn)行平滑去噪預(yù)處理。本研究采用移動(dòng)加權(quán)平均法［16］，能在去除噪聲的同時(shí)保留更多的原始信息，處理好的土壤樣本的光譜反射率曲線(xiàn)如圖1所示（97條曲線(xiàn)代表97個(gè)土壤樣本）。土壤有機(jī)質(zhì)反演研究流程如圖2所示。

圖3 反射率光譜曲線(xiàn)分區(qū)Fig.3 Reflectance spectra zoning map

2.2 土壤有機(jī)質(zhì)含量分析

用本文測(cè)定的97個(gè)土樣有機(jī)質(zhì)含量（表1）與土壤反射率及分區(qū)后提取的各特征值逐一進(jìn)行相關(guān)性分析，計(jì)算每個(gè)特征值與有機(jī)質(zhì)含量的相關(guān)系數(shù)R（表2）。由表2可知，在2區(qū)域的吸收指數(shù)、撓度及3區(qū)域的反射率值、光譜曲線(xiàn)斜率都有較強(qiáng)的相關(guān)性。在458～587.1 nm波段撓度與土壤有機(jī)質(zhì)含量的相關(guān)性最大（0.87），在350～1 059 nm波段土壤反射率與有機(jī)質(zhì)含量呈負(fù)相關(guān)，在803.5～1 059 nm波段光譜反射率曲線(xiàn)的波動(dòng)性與土壤有機(jī)質(zhì)含量相關(guān)性最?。?.04）。所以利用458～581.1 nm波段的撓度作為變量進(jìn)行回歸分析，并建立土壤有機(jī)質(zhì)含量反演方程。

表1 土壤有機(jī)質(zhì)含量統(tǒng)計(jì)分析Table 1 Statistical analysis of soil organic matter content

表2 相關(guān)性分析結(jié)果Table 2 Correlation analysis results

3 回歸分析

根據(jù)相關(guān)性分析結(jié)果，選擇具有較高相關(guān)系數(shù)值的最佳特征用于回歸分析，組成預(yù)測(cè)方程。97個(gè)樣本隨機(jī)分為兩組，一組（73個(gè)）用于建立回歸模型（圖4），另一組（24個(gè)）用于驗(yàn)證已建立的回歸模型（圖5）。預(yù)測(cè)精度用24個(gè)驗(yàn)證樣本的RMSE來(lái)檢驗(yàn)，用RPD評(píng)價(jià)模型預(yù)測(cè)能力［17］：如果RPD＞2，模型可以用來(lái)預(yù)測(cè)反演；1.4≤RPD≤2，模型經(jīng)過(guò)改進(jìn)后可以進(jìn)行預(yù)測(cè)；RPD＜1.4，模型預(yù)測(cè)能力較弱。

式中：Yi和Yi′分別代表測(cè)定值和預(yù)測(cè)值，Y為樣本均值，n為樣本數(shù)。

回歸分析在SPSS統(tǒng)計(jì)軟件中進(jìn)行，利用73個(gè)建模樣本的土壤有機(jī)質(zhì)含量與土壤光譜反射率曲線(xiàn)458～587.1 nm處的撓度擬合模型，分別進(jìn)行了線(xiàn)性函數(shù)、二次函數(shù)、對(duì)數(shù)函數(shù)、冪函數(shù)、指數(shù)函數(shù)等回歸，并根據(jù)建立的模型，利用24個(gè)驗(yàn)證樣本對(duì)所建模型逐一進(jìn)行檢驗(yàn)；根據(jù)檢驗(yàn)結(jié)果，利用式（1）對(duì)5個(gè)模型進(jìn)行精度評(píng)定，利用式（3）對(duì)所建模型的預(yù)測(cè)能力進(jìn)行評(píng)價(jià)（表3）。可以看出，利用458～587.1 nm區(qū)間的撓度作為特征變量所建的函數(shù)模型均具有較小的RMSE（0.4左右）。其中對(duì)數(shù)函數(shù)模型的RPD最大（2.55），能夠用來(lái)進(jìn)行土壤有機(jī)質(zhì)含量的預(yù)測(cè)反演；二次函數(shù)模型、冪函數(shù)模型、指數(shù)函數(shù)模型RPD值均為1.4～2，模型需經(jīng)過(guò)一定的改進(jìn)才能夠進(jìn)行土壤有機(jī)質(zhì)含量預(yù)測(cè)；線(xiàn)性函數(shù)模型RPD最小，為1.29（小于1.4），其反演能力較弱。由此可得，以土壤光譜反射率曲線(xiàn)458～587.1 mm區(qū)間的撓度作為自變量建立的對(duì)數(shù)函數(shù)模型具有較高的精度和穩(wěn)定性，說(shuō)明對(duì)數(shù)函數(shù)模型可用于反演研究區(qū)土壤有機(jī)質(zhì)含量。

表3 模型回歸結(jié)果Table 3 Model regression results

4 結(jié)論

本研究在大量野外測(cè)試數(shù)據(jù)基礎(chǔ)上，對(duì)土壤光譜曲線(xiàn)進(jìn)行分區(qū)研究，提取各個(gè)區(qū)域內(nèi)光譜特性因子，并與土壤有機(jī)質(zhì)含量進(jìn)行相關(guān)性分析，確定其較高相關(guān)性的特征，最后通過(guò)數(shù)理統(tǒng)計(jì)方法建立土壤有機(jī)質(zhì)含量反演模型。研究結(jié)果表明，土壤有機(jī)質(zhì)含量與458～587.1 nm區(qū)間光譜反射率的撓度具有較強(qiáng)的相關(guān)性。土壤有機(jī)質(zhì)成分對(duì)土壤光譜的影響為利用高光譜技術(shù)測(cè)定土壤成分含量奠定了理論基礎(chǔ)，也為探測(cè)儀器的改進(jìn)及基于高光譜技術(shù)的土壤成分反演提供了理論依據(jù)。利用土壤光譜曲線(xiàn)的撓度代替土壤反射率或者通過(guò)反射率的簡(jiǎn)單變換建立土壤有機(jī)質(zhì)含量預(yù)測(cè)模型，考慮了土壤有機(jī)質(zhì)含量對(duì)一定范圍內(nèi)光譜的影響，提高了模型的穩(wěn)定性。需強(qiáng)調(diào)的是，本研究測(cè)試的土壤為萊州灣典型海岸帶土壤，所建立的模型對(duì)其他類(lèi)型土壤是否適用有待進(jìn)一步驗(yàn)證。今后需要對(duì)模型進(jìn)行改進(jìn)，提高可移植性，以應(yīng)用于高光譜遙感影像土壤有機(jī)質(zhì)含量反演，進(jìn)而適應(yīng)于其它地區(qū)相關(guān)研究。

［1］ 高祥照，胡克林，郭焱，等.土壤養(yǎng)分與作物產(chǎn)量的空間變異特征與精確施肥［J］.中國(guó)農(nóng)業(yè)科學(xué)，2002，35（6）：660－666.

［2］ 賀軍亮，蔣建軍，周生路，等.土壤有機(jī)質(zhì)含量的高光譜特性及其反演［J］.中國(guó)農(nóng)業(yè)科學(xué)，2007，40（3）：638－643.

［3］ WETTERLIND J，STENBERG B，S?DERSTR?M.Increased sample point density in farm soil mapping by local calibration of visible and near infrared prediction models［J］.Geoderma，2010，156（3－4）：152－160.

［4］ HENDERSON T L，SZILAGYI A，BAUMGARDNER M F，et al.Spectral band selection for classification of soil organic matter content［J］.Soil Science Society of America，1989，53（6）：1778－1784.

［5］ KRISHNAN P，ALEXANDER J D，BUTLER B J，et al.Reflectance technique for predicting soil organic matter［J］.Soil Science Society of America Journal，1980，44（6）：1282－1285.

［6］ HENDERSON T L，BAUMGARDNER M F，F(xiàn)RANZMEIER D P，et al.High dimensional reflectance analysis of soil organic matter［J］.Soil Science Society of America Journal，1992，56（3）：865－872.

［7］ 徐彬彬，季耿善，朱永豪.中國(guó)陸地背景和土壤光譜反射特性的地理分區(qū)的初步研究［J］.遙感學(xué)報(bào)，1991，6（2）：142－151.

［8］ GALVAO L S，VITORELLOí.Variability of laboratory measured soil lines of soils from southeastern Brazil［J］.Remote Sensing of Environment，1998，63（2）：166－181.

［9］ 彭玉魁，張建新，何緒生.土壤水分、有機(jī)質(zhì)和總氮含量的近紅外光譜分析研究［J］.土壤學(xué)報(bào)，1998，35（4）：554－559.

［10］ KARNIELI A，VERCHOVSKY I，HALL J K，et al.Geographic information system for semi－detailed mapping of soils in semiarid region［J］.Geocarto International，1998，13（3）：29－43.

［11］ 徐彬彬，戴昌達(dá).南疆土壤光譜反射特性與有機(jī)質(zhì)含量的相關(guān)性分析［J］.科學(xué)通報(bào)，1980（6）：282－284.

［12］ 張娟娟，田永超，朱艷，等.不同類(lèi)型土壤的光譜特征及其有機(jī)質(zhì)含量預(yù)測(cè)［J］.中國(guó)農(nóng)業(yè)科學(xué)，2009，42（9）：3154－3163.

［13］ 劉煥軍，張柏，趙軍，等.黑土有機(jī)質(zhì)含量高光譜模型研究［J］.土壤學(xué)報(bào)，2007，44（1）：27－32.

［14］ 何挺，王靜，林宗堅(jiān)，等.土壤有機(jī)質(zhì)光譜特征研究［J］.武漢大學(xué)學(xué)報(bào)，2006，31（11）：975－979.

［15］ 劉煥軍，張柏，劉志明，等.松嫩平原主要土壤光譜特征分析［J］.中國(guó)科學(xué)院研究生院學(xué)報(bào)，2007，24（4）：439－445.

［16］ 何挺，王靜，程燁，等.土壤氧化鐵光譜特征研究［J］.地理與地理信息科學(xué)，2006，22（2）：30－34.

［17］ CHANG C，LAIRD D A.Near－infrared reflectance spectroscopic analysis of soil C and N［J］.Soil Science，2002，167（2）：110－116.

Abstract：Organic matter content of typical soil in coastal zone was retrieved by using soil spectral reflectance.Spectral reflectance characteristics of 97 coastal soil samples of Laizhou Bay were analyzed.The spectral curves were divided into four regions.In each region，typical characteristic parameters were picked up to make a correlation with soil organic matter content.Finally，regression analysis model was made with the deflection in the range of 458～587.1 nm as independent variable.The model was evaluated by Root－Mean－Square Error（RMSE）and RPD（the ratio between the stand deviation of the reference method against that of the RMSE）.RMSE and RPD of the logarithm function model were 0.39 and 2.5 respectively，which demonstrated that the regression analysis prediction model can be applied to retrieve coastal organic matter content with good accuracy and stability.

Key words：coastal zone；soil organic matter；hyperspectrum；deflection

Spectral Analysis and Retrieval of Soil Organic Matter in Coastal Zone of Laizhou Bay

LI Yong－zhi1，2，TANG Jia－kui1，2，WANG De－qiang1，WANG Chun－lei3，ZHANG Cheng－wen1，2
（1.Key Laboratory of Coastal Zone Environmental Processes，Chinese Academy of Sciences／Shandong Provincial Key Laboratory of Coastal Zone Environmental Processes／Yantai Institute of Coastal Zone Research，Chinese Academy of Sciences，Yantai 264003；2.Graduate University of Chinese Academy of Sciences，Beijing 100049；3.Hebei United University，Tangshan 063009，China）

S153.2；TP79

A

1672－0504（2012）04－0079－04

2012－02－11；

2012－04－10

國(guó)家自然科學(xué)基金項(xiàng)目（40801124）；山東省中青年科學(xué)家科研獎(jiǎng)勵(lì)基金（2010BSA06013）；中科院創(chuàng)新團(tuán)隊(duì)國(guó)際合作伙伴計(jì)劃“海岸帶典型環(huán)境過(guò)程和資源效應(yīng)”；中科院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金（2011LDE015）；中科院研究生院院長(zhǎng)基金

李勇志（1985－），男，碩士研究生，研究方向?yàn)榄h(huán)境遙感。＊通訊作者E－mail：jktang＠gucas.ac.cn