王　瓊，陳　兵，王方永，宋慶平，竇中江※，戴建國，肖春華，楊秀春（.新疆農(nóng)墾科學(xué)院，石河子8000；.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，石河子8000；．石河子大學(xué)/兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，石河子8000；．中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京0008）

?

基于HJ衛(wèi)星的棉田土壤有機質(zhì)空間分布格局反演

王瓊1，陳兵1，王方永1，宋慶平1，竇中江1※，戴建國2，肖春華3，楊秀春4
（1.新疆農(nóng)墾科學(xué)院，石河子832000；2.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，石河子832000；3．石河子大學(xué)/兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，石河子832000；4．中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京100081）

摘要：以北疆綠洲區(qū)棉田表層土壤為研究對象，利用國產(chǎn)HJ-1A/1B衛(wèi)星CCD多光譜數(shù)據(jù)對裸土有機質(zhì)空間分布格局進行研究。通過分析多光譜數(shù)據(jù)不同波段的光譜反射率及其變換形式與實地采樣得到的土壤有機質(zhì)含量的相關(guān)性，探尋適合綠洲區(qū)棉田表層土壤有機質(zhì)含量快速反演的敏感波段及參數(shù)，并針對不同參數(shù)分別建立一元線性、二次、三次、對數(shù)、倒數(shù)、冪函數(shù)、生長型、S型回歸模型，以及多元回歸模型；對生成的模型進行綜合對比分析，獲取北疆綠洲區(qū)棉田表層土壤有機質(zhì)含量的最佳反演模型，從而實現(xiàn)整個研究區(qū)土壤有機質(zhì)空間格局的遙感反演。結(jié)果表明：HJ衛(wèi)星多光譜數(shù)據(jù)4個波段的反射率均與土壤有機質(zhì)含量存在顯著的相關(guān)性，第3波段的倒數(shù)與土壤有機質(zhì)含量相關(guān)性最為顯著；且以第3波段光譜反射率作為因變量得到的三次線性回歸模型對土壤有機質(zhì)含量進行反演的效果最佳；通過空間布局反演得到研究區(qū)土壤有機質(zhì)空間分布整體呈現(xiàn)南北兩端有機質(zhì)含量較高，中部有機質(zhì)含量較低的格局。該研究表明雖然與黑土有機質(zhì)含量具有差別，但是遙感技術(shù)仍能夠作為綠洲區(qū)土壤有機質(zhì)含量空間布局反演的方法，為遙感技術(shù)在土壤參數(shù)監(jiān)測中更好的發(fā)揮作用提供理論支持，同時也為新疆棉田生產(chǎn)管理和農(nóng)田可持續(xù)利用提供科學(xué)依據(jù)。

關(guān)鍵詞：土壤；衛(wèi)星；遙感；HJ衛(wèi)星；綠洲棉田；土壤有機質(zhì)；遙感反演

王瓊，陳兵，王方永，宋慶平，竇中江，戴建國，肖春華，楊秀春.基于HJ衛(wèi)星的棉田土壤有機質(zhì)空間分布格局反演[J].農(nóng)業(yè)工程學(xué)報，2016，32（01）：174-180.doi：10.11975/j.issn.1002-6819.2016.01.024 http://www.tcsae.org

Wang Qiong, Chen Bing, Wang Fangyong, Song Qingping, Dou Zhongjiang, Dai Jianguo, Xiao Chunhua, Yang Xiuchun.Inversion for spatial distribution pattern of soil organic matter based on HJ image in oasis cotton field[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2016, 32（01）: 174－180.（in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.01.024 http://www.tcsae.org

0　引言

新疆是中國重要的綠洲農(nóng)業(yè)區(qū)，更是中國重要的棉產(chǎn)區(qū)。隨著節(jié)水灌溉技術(shù)的推廣，土壤養(yǎng)分不均衡導(dǎo)致滴灌棉田早衰的問題日漸凸顯。已有研究表明土壤有機質(zhì)含量是表征土壤養(yǎng)分的重要屬性之一[1]，及時獲取大范圍棉田土壤有機質(zhì)空間布局有助于快速獲取棉田土壤的養(yǎng)分狀況，對更好的制定栽培措施，促進棉田穩(wěn)產(chǎn)高產(chǎn)具有現(xiàn)實意義[2]。傳統(tǒng)對土壤有機質(zhì)含量的監(jiān)測多采用普通克里金等空間插值方法，但由于采樣點的數(shù)量有限，且分布不均等原因，常難以獲得較為準確的空間預(yù)測結(jié)果。近年來眾多學(xué)者以高光譜遙感為技術(shù)手段，對褐土[3]、紅壤土[4-5]、黑土[6-8]、潮土[9]、荒漠土[10-13]等土壤有機質(zhì)含量進行了估測，為更大空間尺度上估算土壤有機質(zhì)含量提供了可靠的理論基礎(chǔ)和研究依據(jù)。多光譜遙感技術(shù)因其具有數(shù)據(jù)量大、實時、大范圍等特點[14-15]，20世紀80年代就被研究者們用來反演黑土土壤有機質(zhì)含量的空間格局[16]。研究證明與傳統(tǒng)方法相比，利用多光譜遙感數(shù)據(jù)進行土壤有機質(zhì)制圖、土壤分析和指導(dǎo)施肥花費的人力物力更少、得到的分析結(jié)果更接近實際情況[17-18]。

目前利用多光譜遙感對土壤有機質(zhì)進行估測的研究主要集中在對黑土有機質(zhì)含量進行反演[19-20]，因其有機質(zhì)含量均大于2%，土壤有機質(zhì)含量對光譜的影響更為明顯；綠洲農(nóng)業(yè)區(qū)土壤有機質(zhì)含量與黑土和森林土壤有著明顯的差異，特別是北疆棉田土壤，有機質(zhì)含量均值在2%左右，局部區(qū)域遠小于2%，能否用遙感數(shù)據(jù)對這樣的土壤進行有機質(zhì)空間格局的反演？參考已有對荒漠土壤的研究，并依托北疆綠洲棉田規(guī)?；?、大面積的特點，本文以HJ1A/1B數(shù)據(jù)為多光譜遙感數(shù)據(jù)源，獲取采樣點裸土的光譜反射率及數(shù)學(xué)變換式得到的結(jié)果作為參數(shù)，與采樣點土壤有機質(zhì)含量進行分析研究，探尋適合綠洲棉田裸土有機質(zhì)快速反演的敏感波段及參數(shù)并建立模型，從而實現(xiàn)整個研究區(qū)棉田土壤表層有機質(zhì)空間格局的反演；以期為新疆棉田生產(chǎn)管理和農(nóng)田可持續(xù)利用提供科學(xué)依據(jù)，為遙感技術(shù)在今后的土壤參數(shù)監(jiān)測中更好的發(fā)揮作用提供理論支持。

1　材料與方法

1.1研究區(qū)概況

研究區(qū)位于新疆生產(chǎn)建設(shè)兵團第七師130團墾區(qū)（44°2′31″～44°3′4″N，84°7′6″～85°3′8″E）是典型的綠洲農(nóng)耕區(qū)，年均溫度為6.4～7.1℃，≥10℃積溫為3617～3 599.8℃，無霜期為159～186 d，日照量2 611～2 697 h，平均降水量為160.7～182.1 mm，年蒸發(fā)量為1 761.9～1 709.7 mm。耕地面積2×104hm2，2013-2014年作物種植面積約為1.2×104hm2，以平均面積約15 hm2的單塊條田作為一種作物的種植單元，其中棉花種植面積約占總作物面積的80%。氣候?qū)贉貛Т箨懶詺夂?，光熱資源豐富、降水量??；全區(qū)除局部略有起伏外，地勢平坦；土壤類型以灰漠土為主，還有小部分屬于草甸土、潮土。

1.2土樣采集與處理

為了更好的反映棉田裸土的光譜信息，將土樣采集時間定為10月底，此時棉田已秋收完成（圖1）。在棉田內(nèi)采用五點取樣法[21]，取0～20 cm耕層土壤樣品，同時利用手持GPS獲取采樣點地理位置等信息；并將土樣帶回實驗室進行風(fēng)干、研磨、過篩等預(yù)處理后用重鉻酸鉀容量法測定土壤有機質(zhì)含量，其描述性統(tǒng)計量見表1。由表1可知研究區(qū)土壤有機質(zhì)含量差異性明顯，最大值與最小值之間相差26 g/kg左右。

圖1　130團采樣點分布圖Fig.1 Distribution of sample points in 130 Group

表1　土壤有機質(zhì)描述性統(tǒng)計表Table 1 Descriptive statistics table of SOM

1.3遙感數(shù)據(jù)獲取與處理

環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星星座A、B星（HJ-1A/1B星）于2008年發(fā)射，包括4個譜段，空間分辨率為30 m。本文以該數(shù)據(jù)為數(shù)據(jù)源，分別獲取2013年、2014年10月底，云量低于10%的CCD數(shù)據(jù)，影像軌道號為44/60。使用ENVI 5.0軟件對遙感影像進行輻射校正得到地物光譜反射率數(shù)據(jù)，并以UTM，WGS-84投影及坐標系統(tǒng)，利用已有的基準影像對數(shù)據(jù)進行幾何校正，用ENVI軟件中FLAASH模塊對幾何校正后的數(shù)據(jù)進行大氣校正，得到地面采樣時間一致的裸土反射率數(shù)據(jù)。

1.4模型建立與檢驗

通過提取采樣點的裸土反射率數(shù)值（R），對（HJ-1A/ 1B）CCD數(shù)據(jù)各波段反射率進行倒數(shù)（1/R）、對數(shù)（LOG （R））、差值（R1-R2）、比值（R1/R2）等運算得到不同形式的光譜指數(shù)，并利用計算得到的指數(shù)與采樣測定的土壤有機質(zhì)含量進行數(shù)理分析，得到采樣點裸土光譜指數(shù)和土壤有機質(zhì)含量之間的相關(guān)關(guān)系。對與土壤有機質(zhì)間的相關(guān)性顯著的光譜反射率及其變換形式進行回歸分析，并基于SPSS統(tǒng)計分析軟件分別構(gòu)建單波段和多波段回歸方程，其中單波段回歸方程包括線性回歸模型、對數(shù)回歸模型、倒數(shù)回歸模型、二次回歸模型、三次回歸模型、冪函數(shù)回歸模型、S型回歸模型、生長回歸模型和指數(shù)回歸模型。

將采樣點分為建模樣本（65個）和驗證樣本（26個），對建立的模型進行檢驗。采用統(tǒng)計量F值、修正自由度的可決定系數(shù)（R2）、均方根誤差（RMSE）評價估算模型的有效性[13]。當F值大于理論臨界值Fa時，估算方程顯著；R2越大模型越穩(wěn)定；RMSE越小模型精度越高[7]。

1.5空間分布格局反演

使用ENVI5.0軟件的波段運算模塊，將采樣點對應(yīng)的CCD數(shù)據(jù)光譜參數(shù)代入到回歸方程，波段運算后得到研究區(qū)土壤有機質(zhì)含量灰度圖；根據(jù)全國第二次土壤普查推薦的土壤肥力分級和新疆棉田土壤主要養(yǎng)分含量分級指標[22]將土壤有機質(zhì)含量范圍劃分為4個等級：在0～12 g/kg范圍內(nèi)有機質(zhì)含量等級為“低”，12～15 g/kg范圍內(nèi)有機質(zhì)含量等級為“較低”，15～18 g /kg范圍等級為“中等”，有機質(zhì)含量＞18 g/kg時等級為“較高”。使用密度分割方法按照4個等級的劃分范圍，對生成的有機質(zhì)含量灰度圖進行分級，得到不同級別有機質(zhì)含量的空間分布圖。

2　結(jié)果與分析

2.1不同多光譜遙感數(shù)據(jù)土壤反射率特征

在研究區(qū)選取有機質(zhì)含量分別在1～10、10～20、20～30 g/kg和有機質(zhì)含量大于30 g/kg范圍內(nèi)具有代表性的土壤樣點4個，計算遙感影像上對應(yīng)點在不同波段的反射率值，繪制反射率折線圖（圖2）可知，4個樣點在遙感影像不同波段B1（0.45～0.52 μm）、B2（0.52～0.60 μm）、B3（0.63～0.69 μm）、B4（0.76～0.90 μm）的反射率值均呈現(xiàn)隨著波長的增加，反射率值也隨之上升的趨勢，說明無論是有機質(zhì)含量大于20 g/kg（＞2%）的黑土，或者有機質(zhì)含量均值小于20 g/kg（＜2%）的荒漠土，對光譜的吸收、反射過程都是相近的，即隨波長的增加，對光譜的吸收作用逐漸減弱，反射作用逐漸增強。當有機質(zhì)含量在20～30 g/kg之間和大于30 g/kg時，不同土壤樣點的光譜反射率值相差很小，尤其在B3、B4波段；當有機質(zhì)含量在1～10 g/kg和10～20 g/kg時，土壤樣點在不同波段的光譜反射率值相差較為明顯，其中以B3波段差異較大。

圖2　不同有機質(zhì)含量范圍土壤反射率折線圖Fig.2 Spectrum line chart of soil organic matter sample in different range of contents

研究區(qū)受人為活動影響大，無論實地調(diào)研還是采集的土壤樣本，有機質(zhì)含量均呈現(xiàn)出較為明顯的差異性，為了明確土壤有機質(zhì)含量與光譜反射率之間是否存在相關(guān)關(guān)系，對二者及其變換形式進行了相關(guān)性檢驗，表2列出了土壤有機質(zhì)含量與對應(yīng)點多光譜數(shù)據(jù)各波段反射率的相關(guān)系數(shù)。由表2可知，不同采樣點在4個波段的光譜反射率及其變化形式均與有機質(zhì)含量存在相關(guān)性，其中反射率進行倒數(shù)變換后與有機質(zhì)含量相關(guān)系數(shù)最高，其次為對數(shù)變換形式。不同波段反射率做差值和比值變換后與土壤有機質(zhì)含量雖然也具有相關(guān)性，但是相關(guān)系數(shù)遠小于反射率倒數(shù)變換的數(shù)值。同一變換形式中，不同波段光譜參數(shù)與有機質(zhì)含量的相關(guān)性也不同，其中以第3波段光譜反射率及其變換行形式的相關(guān)系數(shù)最高，其次為第2波段、第1波段和第4波段。第3波段光譜反射率及其對數(shù)、倒數(shù)的變換形式與對應(yīng)點土壤有機質(zhì)含量的相關(guān)系數(shù)差別不大，以倒數(shù)變換形式最高，對數(shù)變換次之。

表2　土壤有機質(zhì)含量與CCD數(shù)據(jù)各波段反射率相關(guān)系數(shù)（n=65）Tablel 2 Correlation coefficient between SOM and CCD reflectance at different bands

2.2表層土壤有機質(zhì)含量反演模型建立

對土壤有機質(zhì)含量與多光譜數(shù)據(jù)各波段反射率相關(guān)系數(shù)表中相關(guān)系數(shù)在0.01水平顯著的反射率（R），及其倒數(shù)（1/R）、對數(shù)（LOG（R））3種形式分別進行單波、多波段回歸分析。得到單波段回歸模型9種，包括：線性回歸模型、對數(shù)回歸模型、倒數(shù)回歸模型、冪函數(shù)回歸模型、S型回歸模型、生長型回歸模型、指數(shù)回歸模型、一元二次回歸模型和一元三次回歸模型共75個。進行對比分析發(fā)現(xiàn)：B1和B2波段雖然與土壤有機質(zhì)相關(guān)性顯著，但是單波段模型在判定系數(shù)、均方根誤差等比較中均低于B3波段，該規(guī)律在反射率倒數(shù)和對數(shù)變換中同樣成立，從不同波段反射率及其變換形式構(gòu)建的模型中挑選出R2較大、RMSE較小的模型（表3）。由表3可知，對HJ衛(wèi)星多光譜數(shù)據(jù)，基于單波段反射率及其變換形式建立的有機質(zhì)反演模型中，線性模型、對數(shù)模型和倒數(shù)模型精度和穩(wěn)定性略低，冪函數(shù)模型、S型模型、增長模型和指數(shù)模型精度最低，光譜反射率及其倒數(shù)和對數(shù)變換得到的二次和三次回歸模型精度相對較高、穩(wěn)定性較好。綜合對比不同波段、不同反射率變換形式得到的線性、對數(shù)、倒數(shù)等模型的精度和穩(wěn)定性，發(fā)現(xiàn)B3的反射率（R3）作為變量，有機質(zhì)含量作為因變量得到的三次回歸模型R2值為0.625，RMSE為6.93，與其他單波段模型相比最優(yōu)。

表3　基于單波段光譜指數(shù)的農(nóng)田土壤有機質(zhì)遙感反演模型Table 3 Reversing models of Farmland SOM based on single-band spectral indices

多波段回歸分析后，剔除了相關(guān)性較強的B1和B2，利用B3和B4波段光譜反射率及其倒數(shù)、對數(shù)等變換形式得到二元一次回歸模型。由表4可知，基于多波段反射率及其變換形式進行逐步回歸分析得到的模型中，光譜反射率倒數(shù)變換得到二元一次回歸模型精度相對較高、穩(wěn)定性較好。

表4　基于度波段光譜指數(shù)的農(nóng)田土壤有機質(zhì)遙感反演模型Table 4 Reversing models of Farmland SOM based on multispectral indices

2.3研究區(qū)表層土壤有機質(zhì)含量空間格局反演

2.3.1模型精度驗證

對比多波段反演模型和單波段反演模型，雖然在模型精度和穩(wěn)定性上多波段光譜反射率倒數(shù)變換得到的二元一次回歸模型和單波段三次回歸模型都相對較優(yōu)，但是三次回歸模型精度稍高，且需要的光譜參數(shù)較簡單，故選取單波段三次回歸模型對研究區(qū)裸土有機質(zhì)含量進行反演。

由于模型預(yù)測精度主要取決于土壤理化參數(shù)數(shù)值范圍和土壤屬性間的自相關(guān)程度[23]。對采樣點實測值與預(yù)測數(shù)值進行統(tǒng)計分析發(fā)現(xiàn)，研究區(qū)表層土壤有機質(zhì)含量實測值和預(yù)測值的均值大致相同，為19.9 g/kg，極小值分別為7.5 g/kg和11.2 g/kg、極大值分別34.1 g/kg和38 g/kg，預(yù)測值均略高于實測值。變異系數(shù)分別為47.2和37.6，二者的變異系數(shù)存在一定的差異。為了能夠更好的揭示棉田表層土壤光譜反射率與有機質(zhì)含量之間的關(guān)系，通過野外實測樣點數(shù)據(jù)對理論得到的模型進行驗證。得到土壤有機質(zhì)實測值與模型預(yù)測值間的線性函數(shù)Y=1.028 1X表達（圖3），該線性方程斜率為1.0281（R2=0.72，P＜0.001），散點圖較為集中，該結(jié)果表明模型預(yù)測結(jié)果與土壤有機質(zhì)含量實測結(jié)果具有較好的線性相關(guān)性，通過遙感估測數(shù)值能夠反演研究區(qū)表層土壤有機質(zhì)的空間分布格局。

圖3　反演精度驗證Fig.3 Validated result for model precision

2.3.2空間格局反演

將采樣點對應(yīng)多光譜數(shù)據(jù)的光譜參數(shù)R3代入到三次回歸方程Y=196.678-1 313.770X+9 746.337X3中，波段運算后得到研究區(qū)土壤有機質(zhì)含量空間分布圖（圖4）。由圖可知：研究區(qū)土壤有機質(zhì)空間分布整體呈現(xiàn)南北兩端有機質(zhì)含量較高，中部有機質(zhì)含量較低的格局。有機質(zhì)含量在12～15 g/kg和18～36 g/kg范圍的斑塊所占面積較大，分別為0.42×104hm2和0.30×104hm2，占研究區(qū)棉田總面積的40%和29%；15～18 g/kg范圍面積為0.20×104hm2，占研究區(qū)棉田總面積的20%；有機質(zhì)含量在0～12 g/kg的部分最少只有0.11×104hm2，占研究區(qū)棉田總面積的11%。

通過實地調(diào)查發(fā)現(xiàn)，土壤有機質(zhì)含量較高的區(qū)域，多分布在老河道和河流附近，土壤類型多為壤土或潮土；種植的作物以棉花為主。含量在12～18 g/kg之間的土壤，在地形、分布和作物種植上均沒有明顯的規(guī)律。

圖4　研究區(qū)表層土壤有機質(zhì)含量空間格局圖Fig.4 Distribution of result for surface SOM in study area

3　討論

已有利用遙感數(shù)據(jù)對表層土壤有機質(zhì)的研究，大多集中在有機質(zhì)含量大于2%的黑土區(qū)或者森林土壤，而對有機質(zhì)含量平均值小于2%的土壤，特別是西北荒漠土壤的研究相對較少。本文利用國產(chǎn)HJ衛(wèi)星多光譜數(shù)據(jù)對新疆綠洲棉田表層裸土有機質(zhì)含量進行了研究，發(fā)現(xiàn)HJ衛(wèi)星多光譜數(shù)據(jù)4個波段反射率均與土壤有機質(zhì)含量存在顯著的相關(guān)性，最大相關(guān)系數(shù)在第3波段（630～690 nm），其次為第2波段（520～600 nm）。該結(jié)論與侯艷軍[13]、Gunsaulis[24]等的研究保持一致，侯艷軍以準格爾盆地東部荒漠過渡帶0～20 cm土壤為研究對象，認為土壤有機質(zhì)響應(yīng)波段集中在可見光和近紅外范圍內(nèi)，只是光譜敏感區(qū)的具體位置與黑土等其他土壤不同，在640～790 nm土壤光譜反射率與土壤有機質(zhì)含量相關(guān)性最為顯著。對4個波段不同的反射率變換形式進行相關(guān)性分析，得到第3波段的倒數(shù)與土壤有機質(zhì)含量相關(guān)系數(shù)最大，該結(jié)論與李春蕾[25]的研究結(jié)論具有相同之處，但是李春蕾認為土壤有機質(zhì)含量與土壤光譜數(shù)據(jù)的倒數(shù)在430 nm處達到最大相關(guān)，與本文研究不同。經(jīng)分析不排除數(shù)據(jù)源和研究尺度的關(guān)系，具體原因?qū)⒃谶M一步研究中進行論證。

在研究相關(guān)性的基礎(chǔ)上，以土壤有機質(zhì)含量為因變量，多光譜數(shù)據(jù)不同波段反射率數(shù)據(jù)及其變換形式作為變量分別進行一元和多元回歸分析得到87個模型。通過對比分析，發(fā)現(xiàn)一元回歸分析模型中，二次和三次線性回歸模型的精度較其他模型高，該結(jié)論與李春蕾研究結(jié)論相似，但由于其使用的是低空間分辨率的MODIS數(shù)據(jù)，本文使用30 m分辨率的國產(chǎn)數(shù)據(jù)更適合進行農(nóng)場尺度土壤有機質(zhì)含量的空間格局反演。

利用三次線性回歸模型對研究區(qū)棉田土壤進行有機質(zhì)空間格局反演時，部分非棉田區(qū)域沒能在自動提取過程中提取出來，導(dǎo)致分級圖中有機質(zhì)含量較高的面積稍大。同時由于利用遙感影像估測土壤有機質(zhì)含量對研究區(qū)具有一定的要求，例如水分變化較小等[26]，且對土壤有機質(zhì)含量的影響因素如土壤類型、地形、地質(zhì)等因素也會對反演結(jié)果造成影響，因此研究反演精度在72%左右，與侯艷軍等的研究相比精度稍低，在后續(xù)的研究中將會綜合考慮土壤有機質(zhì)含量的影響因素，以達到提高反演精度的目的。反演結(jié)果可以用于表層土壤有機質(zhì)空間布局分析、耕地質(zhì)量評價、土壤有機碳庫估算等，為干旱半干旱區(qū)土地可持續(xù)利用提供技術(shù)與數(shù)據(jù)支持。

4　結(jié)論

本研究基于國產(chǎn)衛(wèi)星HJ-1A/B的CCD多光譜數(shù)據(jù)，建立了北疆綠洲區(qū)農(nóng)場尺度棉田表層土壤有機質(zhì)含量的遙感預(yù)測模型，對綠洲區(qū)棉田土壤有機質(zhì)含量的空間布局進行反演，結(jié)論如下：

1）北疆表層土壤有機質(zhì)含量與黑土有機質(zhì)含量差異明顯，但是棉田土壤有機質(zhì)含量的空間布局仍能夠采用遙感技術(shù)進行快速監(jiān)測，部分樣點土壤有機質(zhì)含量低于2%，對整體監(jiān)測結(jié)果影響不大。

2）HJ衛(wèi)星多光譜影像4個波段反射率均與土壤有機質(zhì)含量存在顯著的相關(guān)性，最大相關(guān)系數(shù)在第3波段，其次為第2波段。對比不同的反射率變換形式，第3波段反射率及其變換形式相關(guān)系數(shù)均較高，且不同變換形式間差別較小。

3）以HJ-1A/1B衛(wèi)星多光譜數(shù)據(jù)第3波段反射率（R3）作為變量，棉田土壤有機質(zhì)含量作為因變量進行回歸分析得到的一元三次回歸模型Y=196.678-1 313.770X+ 9 746.337X3在綜合對比分析中，精度和穩(wěn)定性都相對較高，可以用于該區(qū)土壤有機質(zhì)遙感反演。

致謝：感謝中國資源衛(wèi)星應(yīng)用中心提供HJ衛(wèi)星數(shù)據(jù)。

[參考文獻]

[1]陸訪儀，趙永存，黃標，等.海倫市耕層土壤有機質(zhì)含量空間預(yù)測方法研究[J].土壤通報，2012，43（3）：662-667.Lu Fangyi, Zhao Yongcun, Huang Biao, et al.Comparison of predicting methods for mapping the spatial distribution of topsoil organic matter content in cropland of Hailun[J].Chinese Journal of Soi1 Science, 2012, 3（3）: 662-667.（in Chinese with English abstract）

[2]彭陶，呂新.綠洲棉田土壤有機質(zhì)的時空變異性研究[J].土壤通報，2010，41（3）：563-567.Peng Tao, Lv Xin.Study on spatio-temporal variation of soil organic matter inoasis cotton field[J].Chinese Journal of Soi1 Science, 2010, 41（3）: 563 -567.（in Chinese with English abstract）

[3]劉煒，常慶瑞，郭曼，等.土壤導(dǎo)數(shù)光譜小波去噪與有機質(zhì)吸收波段特征提取[J].光譜學(xué)與光譜分析，2011，31（1）：100-104.Liu Wei, Chang Qinrui, Guo Man, et al.Extraction of first derivative spectrum features of soil organic matter via wavelet de-nosing[J].Spectroscopy and Spectral Analysis, 2011, 31（1）: 100-104.（in Chinese with English abstract）

[4]劉磊，沈潤平，丁國香.基于高光譜的土壤有機質(zhì)含量估算研究[J].光譜學(xué)與光譜分析，2011，31（3）：762-766.Liu Lei, Shen Ruiping, Ding Guoxiang.Studies on the estimation of soil organic matter content based on hyper-spectrum [J].Spectroscopy and Spectral Analysis, 2011, 31（3）: 762-766.（in Chinese with English abstract）

[5]沈潤平，丁國香，魏國栓，等.基于人工網(wǎng)絡(luò)的土壤有機質(zhì)含量高光譜反演[J].土壤學(xué)報，2009，46（3）：391-397.Shen Ruiping, Ding Guoxiang, Wei Guoshuan, et al.Retrieval of soil organic matter content from hyper-spectrum based on ANN [J].Acta Pedologica Sinica, 2009, 46（3）: 391-397.（in Chinese with English abstract）

[6]盧艷麗，白由路，楊俐蘋，等.基于主成分回歸分析的土壤有機質(zhì)高光譜預(yù)測與模型驗證[J].植物營養(yǎng)與肥料學(xué)報，2008，14（6）:1076-1082.Lu Yanli, Bai Youlu, Yang Liping, et al.Application of hyperspectral data for soil organic matter estimation based on principle components analysis[J].Plant Nutrition and Fertilizer Science, 2008, 14（6）: 1076-1082.（in Chinese with English abstract）

[7]劉煥軍，趙春江，王紀華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報，2011，27（8）：211-215.Liu Huanjun, Zhao Chunjiang, Wang Jihua, et al.Soil organic matter predicting with remote sensing image in typical black soil area of Northeast China[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2011, 27 （8）：211－215．（in Chinese with English abstract）

[8]劉煥軍，張柏，趙軍，等．黑土有機質(zhì)含量高光譜模型研究[J]．土壤學(xué)報，2007，44（1）：27－32．Liu Huanjun, Zhang Bai, Zhao Jun, et al.Spectral models for prediction of organic matter in black soil[J].Acta Pedologica Sinica, 2007, 44（1）: 27－32．（in Chinese with English abstract）

[9]廖欽洪，顧曉鶴，李存軍，等．基于連續(xù)小波的潮土有機質(zhì)含量高光譜估算[J]．農(nóng)業(yè)工程學(xué)報，2012，28（23）：132－139．Liao Qinhong, Gu Xiaohe, Li Cunjun, et al.Estimation of fluvoaquic soil organic matter content from hyper-spectral reflectance based on continuous wavelet transformation[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2012, 28（23）: 132－139．（in Chinese with English abstract）

[10]徐彬彬，戴昌達．南疆土壤光譜反射特性與有機質(zhì)的相關(guān)分析[J]．科學(xué)通報，1980，25（6）：282－284．XU Binbin, DAI Changda.Correlation analysis of organic matter content and spectral reflection properties of the soil in South Xinjiang[J].Chinese Science Bulletin, 1980, 25（6）: 282－284．（in Chinese with English abstract）

[11]彭杰，張楊珠，龐新安，等．有機質(zhì)含量的高光譜特征分析[J]．干旱區(qū)地理，2010，33（5）：740－746．Peng Jie, Zhang Yangzhu, Pang Xin′an, et al.Hyper-spectral features of soil organic matter content in South Xinjiang[J].Arid Land Geography, 2010, 33（5）: 740－746．（in Chinese with English abstract）

[12]高志海，白黎娜，王琫瑜，等．荒漠化土地土壤有機質(zhì)含量的實測光譜估算[J]．林業(yè)科學(xué)，2011，47（6）：9－16．Gao Zhihai, Bai Li'na, Wang Bengyu, et al.Estimation of soil organic matter content in desertified lands using measured soil spectral data[J].Scientla Silvae Sinicae, 2011, 47（6）: 9－16．（in Chinese with English abstract）

[13]侯艷軍，塔西甫拉提·特依拜，買買提·沙吾提，等．荒漠土壤有機質(zhì)含量高光譜估算模型[J].農(nóng)業(yè)工程學(xué)報，2014，30 （16）：113－120．Hou Yanjun, Tashpolat·Tiyip, Mamat·Sawut, et al.Estimation model of desert soil organic matter content using hyperspectral data[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2014, 30（16）: 113－120．（in Chinese with English abstract）

[14]梅安新，彭望碌，秦其明，等．遙感導(dǎo)論[M].北京：高等教育出版社，2001：1－21．

[15]趙英時．遙感應(yīng)用分析原理與方法[M]．北京：科學(xué)出版社，2003，280－326．

[16] Bowers S A，Hanks R J.Reflectance of radiant energy from soils.Soil Science, 1965, 100（2）: 130－138．

[17]程彬，姜琦剛，王坤．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．Cheng Bin, Jiang Qigang, Wang Kun.Application and progress in estimting soil organic matter content based on Remote Sensing[J].Journal of Shandong Agricultural University（Natural science edition）, 2011, 42（2）: 317－321.（in Chinese with English abstract）

[18] Obade V D, Lal R.Assessing land cover and soil quality by remote sensing and geographical information systems（GIS）[J].Catena，2013，104: 77－92．

[19]程彬，姜琦剛．遙感影像在土壤屬性估算中的應(yīng)用[J].中國農(nóng)學(xué)通報，2008，24（1）：467－470．Cheng Bin, Jiang Qigang.Estimation of soil properties using remotelysensedimagery[J].Chinese Agricultural Science Bulletin, 2008, 24（1）: 467－470．（in Chinese with English abstract）

[20]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．Zhang Fasheng, Qu Wei, Yin Guanghua, et al.Spatial pattern of surface soil organic matter based on remotely sensed multispectral imagery[J].Chinese Journal of Applied Ecology, 2010, 21（4）: 883－888．（in Chinese with English abstract）

[21]中國科學(xué)院南京土壤研究所．土壤理化分析[M]．上海：上?？茖W(xué)技術(shù)出版社：1987，62－136．

[22]張炎，王講利，付明鑫，等．新疆棉田土壤養(yǎng)分評價指標的建立[A]．中國科協(xié)，2005年學(xué)術(shù)年會“新疆現(xiàn)代農(nóng)業(yè)論壇”論文專集[C]，2005．Zhang Yan, Wang Jiangli, Fu Mingxin, et al.The establishment of the xinjiang cotton soil nutrient evaluation index[A].China association for science and technology.2005 Academic Convention "BBS" Modern Agriculture inXinjiang Thesis Album [C], 2005．（in Chinese with English abstract）

[23] Volkan Bilgili A, van Es H M, Akbas F, et al.Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey[J].Journal of Arid Environments, 2010, 74（2）: 229－238．

[24] Gunsaulis E R, Kocher M F, Griffis C L.Surface structure effects on close-range reflectance a function of soil organicmatter content[J].Tranctions of the ASAE, 1991, 34（2）: 641－649．

[25]李春蕾．新疆北疆裸土土壤有機質(zhì)與機械組成遙感反演研究[D]．烏魯木齊：新疆師范大學(xué)，2011．Li Chunlei.The Research of Retrieving Exposed Soil Organic Matter and Soil Mechanical Composition by Remote Sensing in North Xinjiang Province, China[D].Urumqi：Xinjiang Normal University, 2011．（in Chinese with English abstract）

[26]程彬，姜琦剛，陳鳳臻，等．松遼平原黑土有機質(zhì)含量的遙感反演研究[J]．水土保持研究，2011，18（1）：264－267，275．Cheng Bin, Jiang Qigang, Chen Fengzhen, et al.Study of surface soil organic matter using remotely sensed imagery in northeast China[J].Research of Soil and Water Conservation, 2011, 18（1）: 264－267, 275．（in Chinese with English abstract）

Inversion for spatial distribution pattern of soil organic matter based on HJ image in oasis cotton field

Wang Qiong1, Chen Bing1, Wang Fangyong1, Song Qingping1, Dou Zhongjiang1※, Dai Jianguo2, Xiao Chunhua3, Yang Xiuchun4
（1.Xinjiang Academy of Agricultural and Reclamation Sciences, Shihezi 832000, China; 2.College of Information Science and Technology, Shihezi University, Shihezi 832000, China; 3.Key Oasis Eco-Agriculture of Xinjiang Production and Construction Corps/Shihezi University, Shihezi 832003, China; 4.Institute of Agricultural Resources and Regional Planning, Chinses Academy of Agricultural Sciences, Beijing 100081, China）

Abstract:Quick and real-time monitoring of soil organic matter（SOM）distribution based on remote sensing can support the decision-making on precision crop management.However, most previous studies have been aimed at black soil, SOM content of which is commonly higher than 2%.The research about grey desert soil（average content of SOM is less than 2%）has been reported less.This paper tries to quantitatively retrieve SOM of grey soil by using HJ-1A/1B satellite remote sensing images.Ninety-one soil samples are collected from the oasis cotton field in northern Xinjiang, China during 2013-2014.The SOM content of these samples was determined, and the mult-spectral reflectances were measured.The spectrum characteristics of 65 soil samples were analyzed, the correlation analysis was conducted, and the characteristic bands for estimating retrieval model were sought; then, the stepwise regression analysis method was used to build the inversed models.And the models include one-variable linear regressive equation, quadratic regression model, cubic regression model, loglinear regression model, inverse regression model, power function model, growth regression model, S regression model and multiple regression model for different spectrum parameters.By means of comprehensive and comparative analysis of various models, the final monitoring model of SOM was then established.Taking into account the spatial difference between the samples and remote sensing images, 26 soil samples were used to test the model.And there was a good linear relationship between the estimated and the measured SOM values（determination coefficient 0.72）.At last, based on the final monitoring mode, the distribution of the SOM was mapped.Results showed that: 1）The reflectance of each band had significant correlation with SOM content, and the reciprocal of reflectance at Band 3 had the most significant correlation with SOM content; 2）The cubic regression model was based on the refectance at Band 3, and combared with other models, it was the optimal one and could be used to retrieve the spatial distribution pattern of SOM in oasis cotton field; 3）Spatial distribution pattern of SOM indicated that the SOM content was higher in the north and south of study area, and lower in the middle.All of the present work implies that although the SOM content of grey desert soil is very different from black soil, the multi-spectral data, such as HJ-1A/1B satellite data, can be effectively used in SOM remote sensing monitoring.This conclusion can not only provide a scientific basis for cotton management and sustainable utilization of farmland in Xinjiang, but also offer the theory support for monitoring soil parameter by using remote sensing technology.

Keywords:soils; satellites; remote sensing; HJ satellite; oasis cotton fields; soil organic matter; remote sensing inversion

通信作者：※竇中江（1970－），副研究員，主要從事信息技術(shù)在林學(xué)中的應(yīng)用研究。石河子新疆農(nóng)墾科學(xué)院，832000。Email：xjwqtg@163.com

作者簡介：王瓊（1983－），女，四川南充人，副研究員，博士，研究方向為作物信息技術(shù)與精準農(nóng)業(yè)。石河子新疆農(nóng)墾科學(xué)院，832000。Email：wangqionghope＠163．com

基金項目：新疆農(nóng)墾科學(xué)院引導(dǎo)計劃項目（54YYD201302）；新疆兵團工業(yè)科技計劃項目（2014BA019）；國家自然基金項目（41161068）；石河子大學(xué)高層次人才科研啟動項目（RCZX201325）

收稿日期：2015-10-18

修訂日期：2015-11-24

中圖分類號：S-3 TP79

文獻標志碼：A

文章編號：1002-6819（2016）-01-0174-07

doi：10.11975/j.issn.1002-6819.2016.01.024