楊建鋒，馬軍成，王令超

（1.河南省科學(xué)院 地理研究所，河南 鄭州450052）

基于地貌類型的土壤有機質(zhì)多光譜遙感反演

楊建鋒1，馬軍成1，王令超1

（1.河南省科學(xué)院 地理研究所，河南 鄭州450052）

基于地貌類型分析土壤有機質(zhì)含量與多光譜遙感影像光譜波段之間相關(guān)關(guān)系，構(gòu)建不同地貌類型區(qū)有機質(zhì)含量反演模型。結(jié)果表明，各波段光譜反射率與土壤有機質(zhì)含量均呈負相關(guān)關(guān)系。利用SPSS軟件對所有波段進行剔除變量（remove）線性回歸分析，當(dāng)全部波段參與構(gòu)建反演模型時，一次反演模型擬合效果較好。分地貌類型區(qū)構(gòu)建土壤有機質(zhì)反演模型精度高于整個區(qū)域反演模型精度，與實際值對比，當(dāng)允許誤差為7%時，土壤有機質(zhì)含量識別度為91．65%?；诘孛差愋蜆?gòu)建土壤有機質(zhì)含量反演模型提取研究區(qū)土壤有機質(zhì)含量切實可行，且精度較高。

地貌類型；多光譜；回歸分析；土壤有機質(zhì)

利用遙感影像直接獲取土壤有機質(zhì)含量，是當(dāng)前土壤學(xué)研究的一個熱點[1-4]。Palacios-Orueta等用分級前臺本底分析法（HFBA）從土壤化學(xué)成分差異的不同等級中提取光譜信息，依次得到一系列訓(xùn)練矢量用來在AVIRIS影像中判斷有機質(zhì)含量[5]。Chen等分析地表土壤有機碳含量與航空相片的紅、綠、藍波段圖像亮度值之間的統(tǒng)計關(guān)系，建立一個對數(shù)方程預(yù)測地表有機碳含量[6]。Fox等利用數(shù)字?jǐn)z影系統(tǒng)確定包含紅波段和近紅外波段的圖像亮度值的土壤線，用于表層土有機質(zhì)制圖[7]。曾志遠利用資源衛(wèi)星多光譜圖像，借助多元非線性回歸方法，探測土壤表層（0～20 cm）有機質(zhì)含量和全氮含量，把有機質(zhì)含量和全氮含量表示成衛(wèi)星圖像4個波段輻射值的函數(shù)，所得的回歸方程在0．01 水平上顯著[8]。徐彬彬、戴昌達通過對南疆土壤研究發(fā)現(xiàn)，土壤有機質(zhì)與土壤光譜在600 nm 波段處的弓曲差（即土壤光譜反射曲線在550 nm 和650 nm 2個波段的光譜反射系數(shù)的平均值與600 nm 波段處的光譜反射系數(shù)的差值）呈極顯著負相關(guān)，并可用這一關(guān)系通過光譜反射系數(shù)預(yù)測分析土壤有機質(zhì)的含量[9]。劉煥軍等以田間原狀黑土野外實測高光譜反射率為研究對象,分析黑土有機質(zhì)的光譜響應(yīng)波段,運用光譜分析方法提取光譜指數(shù),建立基于反射光譜特征的黑土有機質(zhì)高光譜預(yù)測模型[10]。

目前土壤有機質(zhì)含量遙感估測研究主要集中在敏感波段分析、研究區(qū)域尺度、遙感影像來源以及反演模型建立等方面。本文以地貌類型為依據(jù)，獲取不同地貌類型區(qū)的土壤有機質(zhì)含量數(shù)據(jù)和遙感光譜數(shù)據(jù)，尋找不同光譜波段的有機質(zhì)含量光譜特征，并構(gòu)建不同地貌類型下的有機質(zhì)含量反演模型，探求分地貌類型構(gòu)建反演模型的可行性[11-17]。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

宜陽縣位于東經(jīng)111°45'～112°26'、北緯34°16'～34°42'之間，總土地面積1 666．25 km2。宜陽縣地形復(fù)雜，山區(qū)位于西南部，丘陵區(qū)位于北部和東南部，川區(qū)位于縣境中部、洛河兩岸。根據(jù)地貌特征，可將宜陽縣分為宜北丘陵區(qū)、洛河川區(qū)和宜南山地區(qū)。

為了確保模型的科學(xué)性，需要采用建模區(qū)以外的數(shù)據(jù)進行驗證和反演，同時，為了使建模區(qū)和驗證區(qū)都具有代表性，根據(jù)宜陽縣的地貌特征，將研究區(qū)域分為東西兩部分。西部為建模區(qū)，東部為驗證區(qū)?；舅悸肥菑慕^(qū)提取耕地質(zhì)量信息建立模型，用驗證區(qū)的信息對模型進行驗證。

1.2 遙感影像數(shù)據(jù)選擇

目前基于高光譜技術(shù)的土壤有機質(zhì)反演多集中在室內(nèi)或田間操作層面[18]，基于航空高光譜遙感影像反演土壤有機質(zhì)的研究還少有嘗試[19]。綜合考慮各種數(shù)據(jù)源的優(yōu)缺點及資料獲取的難度等實際需要，選取Landsat多光譜影像作為數(shù)據(jù)源，為了取得研究區(qū)域裸露地面的土壤光譜數(shù)據(jù)，本文選取2008年10月份的空間分辨率為30 m的Landsat多光譜影像。

1.3 土壤樣點采集

土壤樣點進行實地采集，土樣風(fēng)干、過篩后采用重鉻酸鉀容量法測定土壤有機質(zhì)含量。每個樣點取樣深度為0～20 cm，在30 m×30 m內(nèi)采用5點取樣法獲得。根據(jù)研究需要，在建模區(qū)采集了121個樣點，驗證區(qū)采集了24個樣點，最終采樣共145個。

1.4 數(shù)據(jù)預(yù)處理

采用地面控制點多項式校正方法對遙感圖像進行幾何校正，采用內(nèi)部平均法對遙感影像進行反射率反演。這種方法僅從圖像數(shù)據(jù)本身進行反射率反演，不需要其他輔助數(shù)據(jù)，基本屬于數(shù)據(jù)歸一化范疇，但計算所得的反射率都是相對反射率。利用ArcGIS軟件對土壤樣點數(shù)據(jù)進行管理，并轉(zhuǎn)換到與遙感影像相同的地理坐標(biāo)系統(tǒng)，以進行空間疊加分析。

1.5 反演方法

本文反演模型的建模思路為：①根據(jù)樣點位置，提取相對應(yīng)的遙感影像光譜波段，計算各波段光譜反射率。②根據(jù)地貌類型，進行土壤樣點分組。③利用SPSS軟件分析各組各波段光譜反射率與土壤有機質(zhì)含量相關(guān)關(guān)系。④構(gòu)建各組土壤有機質(zhì)含量識別模型。⑤對所有樣點土壤有機質(zhì)含量和光譜反射率進行相關(guān)關(guān)系分析。⑥基于所有樣點與光譜反射率相關(guān)關(guān)系，構(gòu)建土壤有機質(zhì)含量反演模型。⑦進行精度檢驗。⑧根據(jù)反演模型進行有機質(zhì)含量遙感識別及驗證。

2 反演模型構(gòu)建

利用SPSS軟件分析土壤有機質(zhì)含量和地物光譜反射率之間的相關(guān)關(guān)系，尋找不同光譜波段的有機質(zhì)特征波譜特征，利用分析結(jié)果進行回歸分析并建立土壤有機質(zhì)含量的光譜預(yù)測模型。反演模型構(gòu)建在建模區(qū)域內(nèi)進行。

2.1 相關(guān)分析結(jié)果

在樣點分組及其對應(yīng)位置的波段光譜反射率計算完成后，采用SPSS軟件的相關(guān)分析功能模塊，對土壤有機質(zhì)含量和各波段光譜反射率之間相關(guān)關(guān)系進行分析，結(jié)果見表1。

表1 土壤有機質(zhì)含量和各波段光譜反射率相關(guān)關(guān)系

從表1可知，不同地貌類型區(qū)各波段光譜反射率與土壤有機質(zhì)含量均呈負相關(guān)關(guān)系，除宜南山地區(qū)B5波段相關(guān)系數(shù)在α=0.05水平上有顯著性意義外，其余相關(guān)系數(shù)均為在α=0.01水平上有顯著性意義。宜北丘陵區(qū)在B4和B7波段，宜南山地區(qū)在B7波段，洛河川區(qū)在B4和B7波段，全部區(qū)域在B3波段相關(guān)性最強。

2.2 反演模型構(gòu)建

利用SPSS軟件對所有波段進行剔除變量線性回歸分析。結(jié)果表明，參與回歸的波段不同，其構(gòu)建的反演模型確定系數(shù)也有所不同，當(dāng)全部波段參與構(gòu)建反演模型時，一次反演模型擬合效果較好。各地貌類型區(qū)反演模型見表2。

表2 各地貌類型區(qū)反演模型

2.3 驗證分析

根據(jù)反演模型，分地貌類型區(qū)和全部區(qū)域提取土壤有機質(zhì)含量，將驗證區(qū)的土壤有機質(zhì)含量識別值與其對應(yīng)的土壤有機質(zhì)含量實際值進行對比分析，結(jié)果見表3。從表3可以得出，宜北丘陵區(qū)、宜南山地區(qū)和洛河川區(qū)的土壤有機質(zhì)反演模型識別差值絕對值均小于整個建模區(qū)反演模型識別差值絕對值，即以地貌類型為依據(jù)，構(gòu)建地貌類型區(qū)土壤有機質(zhì)反演模型精度高于整個建模區(qū)土壤有機質(zhì)反演模型精度。鑒于此，以地貌類型為依據(jù)，構(gòu)建各區(qū)土壤有機質(zhì)反演模型提取研究區(qū)土壤有機質(zhì)含量分布切實可行且精度較高。

表3 反演模型識別值與實際值差值

3 土壤有機質(zhì)反演識別

分地貌類型，利用構(gòu)建模型對土壤有機質(zhì)進行反演識別，結(jié)果見圖1。

圖1 宜陽縣土壤有機質(zhì)含量遙感識別圖

以宜陽縣土壤有機質(zhì)含量專題圖和實地調(diào)查獲取的數(shù)據(jù)為基準(zhǔn)，計算土壤有機質(zhì)差值的絕對值與其比值，獲取土壤有機質(zhì)含量識別誤差。當(dāng)誤差≤1，有機質(zhì)誤差分布累計頻率為61．25%，且隨著誤差范圍的增大，有機質(zhì)誤差分布累計頻率逐步遞增。當(dāng)誤差≤7時，累計頻率已達到91．65%。也就是說，隨著允許誤差的增大，模型反演有機質(zhì)含量的識別度也逐步增大。當(dāng)允許誤差為5%時，識別度為87．51%，當(dāng)允許誤差為7%時，識別度為91．65%，當(dāng)允許誤差為9%時，識別度高達94．27%,當(dāng)允許誤差為11%時，識別度高達96．27%。

對比土壤有機質(zhì)含量專題圖和遙感識別圖發(fā)現(xiàn)，基于遙感技術(shù)識別的土壤有機質(zhì)含量圖件能直觀反映出土壤有機質(zhì)含量的分布特征，且對局部細節(jié)特征表達較為細膩。

4 結(jié) 語

1）基于地貌類型分區(qū)域構(gòu)建模型對土壤有機質(zhì)含量進行識別，不僅識別精度高，而且能清楚表達土壤有機含量的各局部特征，其成果可為土地資源遙感監(jiān)測與評價、糧食產(chǎn)能核算等工作提供科學(xué)依據(jù)。

2）多光譜數(shù)據(jù)與高光譜數(shù)據(jù)相比，在定量分析土壤屬性及其含量上有一定差距，可以通過分析土壤高光譜反射率曲線的特征，確定影響土壤光譜反射曲線的主要特征控制點，簡化土壤光譜反射率曲線，然后利用現(xiàn)有多光譜數(shù)據(jù)模擬高光譜反射率曲線，用于定量分析土壤屬性及其含量[10]。這也是本文需要進一步深入研究的內(nèi)容。

3）目前，關(guān)于遙感識別土壤有機質(zhì)含量的研究存在諸多不一致性，如結(jié)論不一致、尺度不一致以及運用的遙感數(shù)據(jù)各不相同等，針對不同的研究區(qū)選取的敏感波段和建立的反演模型也不盡相同[20]，因此需要更多此類研究進一步討論以確定通用性強的方法與模型[21]。

[1] Sparling G P, Wheeler D, Vesely E T, et al． What is Soil Organic Matter Worth? [J]． Journal of Environmental Quality, 2006,35 (2):548-557

[2] 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]．中國農(nóng)業(yè)科學(xué), 2002,35(6) :660-666

[3] 陳慶強,沈承德,易惟熙,等．土壤碳循環(huán)研究進展[J]．地球科學(xué)進展,1998,13(6) :555-563

[4] 程彬,姜琦剛,王坤,等．遙感在土壤有機質(zhì)含量估算中的應(yīng)用及其研究進展[J]．山東農(nóng)業(yè)大學(xué)學(xué)報:自然科學(xué)版,2011,42(2) :317-321

[5] Palacios-Orueta A, Pinzon J E, Ustin S L,et al． Remote Sensing of Soils in the Santa Monica Mountains: II． Hierarchical Foreground and Background Analysis [J]． Remote Sensing of Environment,1999 (68):138-151

[6] Chen F, Kissel D E, West L T, et al． Field-scale Mapping of Surface Soil Organic Carbon Using Remotely Sensed Imagery [J]．Soil Science Society of America Journal, 2000 (64): 746-753

[7] Fox G A, Sabbagh G J． Estimation of Soil Organic Matter from Red and Near-infrared Remotely Sensed Data Using a Soil Line Euclidean Distance Technique [J] ．Soil Science Society of America Journal, 2002 (66): 1 922-1 929

[8] 曾志遠．土壤肥力的衛(wèi)星遙感探測[J] ．土壤,1987 (2) : 73-78 [9] 徐彬彬,戴昌達．南疆土壤光譜反射特性與有機質(zhì)含量的相關(guān)分析[J] ．科學(xué)通報,1980(6) :282-284

[10] 劉煥軍,張新樂,鄭樹峰,等．黑土有機質(zhì)含量野外高光譜預(yù)測模型[J]．光譜學(xué)與光譜分析,2010,30(12) :3 355-3 358

[11] 陳增文,陳光水,鐘羨芳,等．基于高光譜遙感的土壤有機碳含量估算研究進展[J]．亞熱帶資源與環(huán)境學(xué)報,2009, 4(1) : 78-87

[12] 張文娟,王紹強,常華,等．遙感在土壤碳儲量估算中的應(yīng)用[J]．地理科學(xué)進展, 2005, 24(3) :118-126

[13] 李欣宇,宇萬太,李秀珍,等．基于TM影像的表層土壤有機碳空間格局[J]．生態(tài)學(xué)雜志, 2008, 27(3) :333-338

[14] 尹云鋒,蔡祖聰,欽繩武,等．長期施肥條件下潮土不同組分有機質(zhì)的動態(tài)研究[J]．應(yīng)用生態(tài)學(xué)報,2005, 16(5) :875-878 [15] 楊景成,韓興國,黃建輝,等．土壤有機質(zhì)對農(nóng)田管理措施的動態(tài)響應(yīng)[J]．生態(tài)學(xué)報, 2003, 23(4) :787-796[16] 楊建鋒,馬軍成,王令超． 基于多光譜遙感的耕地等別識別評價因素研究[J]．農(nóng)業(yè)工程學(xué)報, 2012,28(17) :230-236

[17] 程朋根,吳劍,李大軍,等．土壤有機質(zhì)高光譜遙感和地統(tǒng)計定量預(yù)測[J]．農(nóng)業(yè)工程學(xué)報, 2009,25(3) :142-147

[18] 劉煥軍,張柏,劉殿偉,等．基于反射率模擬模型的黑土有機質(zhì)含量估測[J]．光譜學(xué)與光譜分析,2008,28(12):2 947-2 950

[19] Gomez C, Rossel R A V, McBratney A B． Soil Organic Carbon Prediction by Hyper Spectral Remote Sensing and Field VIS-NIR Spectroscopy: An Australian Case Study[J]． Geo Derma,2008 (146): 403-411

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

[21] 張法升,曲威,尹光華,等．基于多光譜遙感影像的表層土壤有機質(zhì)空間格局反演[J]．應(yīng)用生態(tài)學(xué)報,2010,21(4) :883-888

P237.9

B

1672-4623（2015）02-0048-03

10.3969/j.issn.1672-4623.2015.02.018

楊建鋒，助理研究員，主要研究地理信息系統(tǒng)、土地資源評價。

2014-03-27。

項目來源：國土資源部公益性行業(yè)科研資助項目（201011006）；河南省省屬科研單位社會公益資助項目（200882）；河南省科學(xué)院基本科研資助項目（51.12.04）。