馬 馳

(遼寧省交通高等專科學校，遼寧 沈陽 110122)

【研究意義】土壤中的有機質(zhì)是土壤的重要組成部分，是土壤肥力的核心指標，也是土壤反射光譜特征的重要反映。雖然有機質(zhì)含量只在土壤中占很小一部分(耕作區(qū)土壤表層有機質(zhì)通常小于10 %)，但其對植物的生長、土壤環(huán)境保護以及農(nóng)業(yè)生產(chǎn)等方面具有重要作用[1-3]。因此，快速、準確的估測土壤中有機質(zhì)的含量，對于防治土壤退化、保護農(nóng)業(yè)生態(tài)環(huán)境、促進農(nóng)業(yè)增產(chǎn)及農(nóng)民增收、實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展均具有重要意義。傳統(tǒng)的土壤有機質(zhì)含量調(diào)查工作存在成本高、效率低、容易受到地理位置限制等缺點，難以滿足精細農(nóng)業(yè)的要求。遙感技術(shù)具有數(shù)據(jù)獲取時間短、遙感影像所含信息量豐富等優(yōu)點，已在土壤成分估測等方面得到了廣泛應用。諸多學者研究顯示，有機質(zhì)的光譜特征主要表現(xiàn)在其對可見光的吸收作用，土壤中有機質(zhì)的含量在可見光與近紅外波段與反射率呈負相關(guān)。因此，有機質(zhì)的含量可以通過土壤的反射光譜獲得一定程度的反映。【前人研究進展】前人的研究結(jié)果顯示，現(xiàn)階段應用遙感技術(shù)估測土壤有機質(zhì)含量的多光譜遙感影像多為TM與ETM。然而， 由于Lansat 5遙感衛(wèi)星內(nèi)部出現(xiàn)故障，已于2011年末停止接收TM遙感數(shù)據(jù)，難以保證其現(xiàn)勢性需求；搭載ETM+傳感器的Landsat 7遙感衛(wèi)星在2003年5月出現(xiàn)故障，導致以后接收的所有ETM+遙感影像均出現(xiàn)條帶，嚴重影響了ETM+遙感影像的應用范圍和使用效果。我國自行研制的高分一號(GF-1)遙感衛(wèi)星于2013年2月升空，其獲得的遙感影像具有更短的重訪周期(4 d)和更高的空間分辨率(8m/16m)，更容易表現(xiàn)出地表詳細特征與碎部特征[4]。然而，當前利用GF-1遙感影像進行土壤成分估測等方面的研究尚處于探索階段?！颈狙芯壳腥朦c】本文實驗以GF-1遙感影像為數(shù)據(jù)源，利用地理信息系統(tǒng)(GIS)的分析方法，結(jié)合研究區(qū)土壤采樣的實驗室化驗數(shù)據(jù)，估測扶余市耕作區(qū)土壤有機質(zhì)含量，【擬解決的關(guān)鍵問題】為GF-1遙感影像估測土壤成分的研究提供依據(jù)與參考。

1 材料與方法

1.1 研究區(qū)概況

扶余市地處松嫩平原東北部邊緣，松原市東部，西與松原市寧江區(qū)接壤，南隔第二松花江與前郭縣、農(nóng)安縣、德惠市為鄰，北與肇源縣、哈爾濱市雙城區(qū)相望，東與榆樹市接壤，北緯44°30′～45°15′、東經(jīng)125°0′～127°05′。扶余市屬于中溫帶季風氣候，一年四季氣候分明：冬季寒冷而干燥，夏季炎熱而降雨集中，春季干旱且多大風、秋季涼爽而少雨，多年平均降水量為500～700 mm，平均海拔150～250 m。

扶余市地處我國東北平原黑土與鹽堿土的過渡區(qū)域：東部為黑土、黑鈣土區(qū)，土質(zhì)肥沃，有機質(zhì)含量較高(平均在5 %以上)，是我國最重要的糧食生產(chǎn)基地之一；研究區(qū)西部的松原市、白城市，湖沼眾多且地勢地平，部分地區(qū)土地鹽堿化嚴重。因此，監(jiān)測研究區(qū)土壤有機質(zhì)含量，對于發(fā)展地區(qū)農(nóng)業(yè)生產(chǎn)、預防土地退化與荒漠化，實現(xiàn)土地資源的可持續(xù)利用具有重要意義。

1.2 土壤采樣與處理

2015年4月14日至16日對扶余市耕作區(qū)表層土壤進行采樣，此時耕作區(qū)內(nèi)無植被、冰雪及凍土，在遙感影像上可以真實的表現(xiàn)出裸土的光譜信息，采樣點分布如圖1所示。土樣采集過程中采用五點采樣法，即：在30 m×30 m范圍內(nèi)采集5個土樣混合約1 kg，裝入采集袋保存，共采得67個土壤樣品。采樣過程中利用手持GPS接收機測量采樣點經(jīng)緯度坐標，用以確定采樣點在遙感影像上的相對位置，并對采樣位置進行拍照，記錄采樣點周邊環(huán)境、以前作物的類型、田塊的大小、天氣情況等信息。采樣后將土樣在實驗室風干、研磨，剔除小石塊、動物殘骸以及植物根須等雜質(zhì)，過3 mm篩。有機質(zhì)含量的化驗采用重鉻酸鉀容量法-外加熱法進行測定。

圖1 研究區(qū)內(nèi)土壤采樣點分布Fig.1 Distribution of soil sampling sites in the study area

1.3 遙感影像的選取與預處理

本文選取與土壤采樣同步的2015年4月10日覆蓋研究區(qū)的GF-1遙感影像1景，影像中云量小于1 %，遙感影像的成像時間與土壤采樣時間吻合，遙感影像可以真實反映出采樣時刻地表信息，有利于提高研究區(qū)土壤有機質(zhì)含量的估測精度；預處理工作包括GF-1影像的大氣校正、幾何精校正以及影像的裁剪等。利用ENVI 軟件中Radiomotric Calibration工具進行GF-1遙感影像的輻射定標，實現(xiàn)遙感影像的灰度值(DN值)向輻亮度值的轉(zhuǎn)化；利用ENVI軟件的FLAASH工具對遙感影像進行大氣校正，消除傳感器成像過程中大氣吸收、散射等原因造成的成像誤差；利用1∶5萬地形圖為對GF-1遙感影像進行幾何精校正，校正誤差小于1個像元；利用Erdas軟件對遙感影像進行適當?shù)牟眉艄ぷ?，獲得覆蓋研究區(qū)的遙感影像。

前人研究成果顯示，將遙感影像的反射率進行適當?shù)臄?shù)學變換可以削弱影像中噪聲對地物反射光譜的影響，提高土壤有機質(zhì)含量與遙感影像中反射率(反射率的變換形式)的相關(guān)性，從而改善土壤中有機質(zhì)含量的估測精度。本文實驗將GF-1影像的反射率進行對數(shù)(logR)、倒數(shù)(1/R)、一階微分(R′)、指數(shù)(eR)、冪(Ra)等數(shù)學變換，建立估測研究區(qū)土壤有機質(zhì)含量的光譜分析指數(shù)。

1.4 估測模型的建立與檢驗

為了建立研究區(qū)土壤有機質(zhì)含量的估測模型，將67個土樣分為兩部分：估測土壤有機質(zhì)含量的建模樣本57個和模型檢驗樣本10個；將建模樣本有機質(zhì)含量的化驗值與采樣點在GF-1影像中的反射率(反射率變換形式)在SPSS軟件中進行相關(guān)性分析，篩選出研究區(qū)土壤有機質(zhì)含量的敏感波段；利用回歸分析的方法建立研究區(qū)土壤有機質(zhì)含量的估測模型，估測研究區(qū)表層土壤有機質(zhì)含量，并繪制扶余市土壤有機質(zhì)含量估測結(jié)果圖。

估測模型的檢驗采用判定系數(shù)R2和總均根方差(RMSE)2個指標。模型的判定系數(shù)R2越大(接近于1)模型越穩(wěn)定；總均根方差(RMSE)越小，表明估測模型的精度越高、估測能力越強。一個好的估測模型應該使判定系數(shù)R2盡量大，而總均根方差(RMSE)盡量小。

2 結(jié)果與分析

2.1 有機質(zhì)含量與GF-1各波段反射率相關(guān)性分析

圖2 反射率與有機質(zhì)含量相關(guān)性統(tǒng)計Fig.2 Relevance of reflectivity and organic matter content

采樣土壤有機質(zhì)含量的化驗值與其在GF-1遙感影像中對應點的各波段反射率(反射率變換形式)進行相關(guān)性分析，圖2顯示：土壤有機質(zhì)含量與GF-1的反射率呈負相關(guān)，且相關(guān)性隨波長的增加而升高，在第4波段(波長0.77～0.89 μm)達到最大值(R=-0.813)；將反射率進行指數(shù)變化、冪函數(shù)變化以后可以顯著提高與有機質(zhì)含量的相關(guān)性。其中，經(jīng)過指數(shù)函數(shù)變化后與有機質(zhì)含量相關(guān)系數(shù)最大值出現(xiàn)在第3波段(波長0.63～0.69 μm)，相關(guān)系數(shù)為R=-0.886，經(jīng)過冪函數(shù)變化后與有機質(zhì)含量相關(guān)系數(shù)最大值出現(xiàn)在第4波段，相關(guān)系數(shù)為R=-0.872；經(jīng)過對數(shù)變化后，與有機質(zhì)含量的相關(guān)性略有增加，且相關(guān)系數(shù)在第3波段達到最大值，為R=-0.821；反射率經(jīng)過一階微分變換后與土壤有機質(zhì)含量的相關(guān)性有所降低。

2.2 估測模型建立與檢驗

表1 有機質(zhì)含量的估測模型

圖3 有機質(zhì)含量估測值與實測值的比較Fig.3 Comparison of estimated and measured values of organic matter content

2.3 研究區(qū)有機質(zhì)分布的空間格局

土壤有機質(zhì)含量的估測結(jié)果(圖4)顯示，研究區(qū)土壤有機質(zhì)含量具有東高西低、北高南低的空間格局：東部、北部地區(qū)土壤有機質(zhì)含量普遍高于30 g/kg，西部地區(qū)土壤有機質(zhì)含量普遍介于20～30 g/kg之間，而西南部地區(qū)與前郭縣、農(nóng)安縣交界地帶土壤有機質(zhì)含量較低，普遍低于20 g/kg，部分地區(qū)甚至低于10 g/kg。在對研究區(qū)進行實地調(diào)查、土壤采樣過程中發(fā)現(xiàn)，扶余市東部地區(qū)毗鄰我國東北黑土區(qū)，土壤中有機質(zhì)含量較高、土質(zhì)肥沃，農(nóng)作物長勢良好，是我國重要的糧食生產(chǎn)基地。而松原市中西部地區(qū)地勢低平、湖沼眾多，土地鹽堿化嚴重。諸多學者研究顯示，當土壤中含鹽量較高時，在可見光與近紅外波段將表現(xiàn)出較高反射率[5-7]，從而將掩蓋土壤中有機質(zhì)的光譜吸收特性，使得利用GF-1遙感影像土壤有機質(zhì)含量的估測值偏低。

3 討 論

在利用遙感影像 估測土壤有機質(zhì)含量的過程中，有機質(zhì)的光譜特性起著重要作用。土壤中有機質(zhì)含量的差異在可見光、近紅外波段的反射率均有重要體現(xiàn)。為此，諸多學者作了許多相關(guān)研究。例如，劉煥軍等人在利用TM遙感影像研究黑土有機質(zhì)含量時發(fā)現(xiàn)土壤中有機質(zhì)含量與TM遙感影像的反射率在可見光、近紅外波段呈負相關(guān)，且在第3波段(波長為0.63～0.69 μm)達到最大值，相關(guān)系數(shù)R=-0.710，其次為第4波段(波長為0.76～0.90 μm)，相關(guān)系數(shù)R=-0.683[8]。張法升等人在利用遙感影像反演阜新市阜新鎮(zhèn)土壤有機質(zhì)含量時發(fā)現(xiàn)，TM遙感影像的反射率與有機質(zhì)含量呈顯著負相關(guān)，且在第4、5波段相關(guān)性顯著[9]，以上學者的研究結(jié)論與本文相同或相近；將反射率進行指數(shù)變換、冪函數(shù)變換以后可以顯著提高與土壤中有機質(zhì)含量的相關(guān)性，與欒福明、宋金紅等人研究的結(jié)論相同[10-11]。

圖4 土壤有機質(zhì)含量估測Fig.4 Estimate results of soil organic matter content

本文利用GF-1前3個波段反射率指數(shù)變換形式為自變量，采用多元回歸分析的方法建立扶余市土壤有機質(zhì)含量多元估測模型，估測研究區(qū)表層土壤有機質(zhì)含量，獲得了較好的估測結(jié)果，分析其原因：①遙感影像成像時間與土壤采樣時間相同，有利于真實反應出研究區(qū)裸土信息，提高了有機質(zhì)含量估測精度；②將遙感影像進行了輻射定標與大氣校正，可以消除(削弱)大氣分子與氣溶膠等因素對地物反射的影響，遙感影像表現(xiàn)出較真實的地表反射率；③將GF-1遙感影像中的反射率進行適當?shù)臄?shù)學變換，可以有效抑制遙感影像中噪聲對估測結(jié)果的影響，顯著提高了土壤有機質(zhì)含量的估測精度。然而，本文利用檢驗樣本檢驗模型的估測效果時，有機質(zhì)含量的實測值與估測值仍然存在一定的誤差，筆者認為：文中在利用GF-1遙感影像估測研究區(qū)土壤有機質(zhì)含量的過程中，未考慮土壤中水分對有機質(zhì)含量估測的影響，在以后研究中有待考慮。

4 結(jié) 論

本文實驗利用GF-1遙感影像，結(jié)合扶余市耕作區(qū)裸土采樣的有機質(zhì)含量化驗數(shù)據(jù)，估測研究區(qū)土壤有機質(zhì)含量，可以總結(jié)出以下結(jié)論。

(1)利用GF-1遙感影像前3個波段反射率的指數(shù)變換建立的研究區(qū)土壤有機質(zhì)含量多元估測模型，建模樣本的模型判定系數(shù)R2達到0.851，檢驗樣本的均方根誤差RMSE= 0.172，說明該模型具有較高的估測精度與模型穩(wěn)定性，對研究區(qū)土壤有機質(zhì)含量具有較強的探測能力。

(2)GF-1遙感影像的4個波段均為對土壤中有機質(zhì)敏感的可見光與近紅外波段，與Landsat系列等遙感影像相比，GF-1具有較高的空間分辨率和更短的重訪周期，可以很好的表現(xiàn)出地表的細部特征與碎部特征，為GF-1遙感影像在土壤成分等方面的應用提供了廣闊的空間。

[1]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.

[2]管延龍，王讓會，李 成，等. 天山北麓土壤有機質(zhì)高光譜特征分析[J]. 環(huán)境科學技術(shù)，2015，38(9)：1-6.

[3]許安定，周鑫斌，蘇婷婷，等.土地整理對煙田土壤理化及生物學性狀的影響[J].西南大學學報(自然科學版),2016,38(3):156-164.

[4]陸春玲，王 瑞，尹 歡. “高分一號”衛(wèi)星遙感成像特性[J]. 航天返回與遙感，2014，35(4)：67-73.

[5]Rao B R, Sankar T R, Dwivedi R S, et al. Spectral behabior of salt-affected soils[J]. International Journal of Remote Sensing, 1995, 16(12): 2125-2136.

[6]扶卿華，倪紹祥，王世新. 土壤鹽分含量的遙感反演研究[J]. 農(nóng)業(yè)工程學報，2006，22(12)：48-54.

[7]王 爽，丁建麗，王 璐，等. 基于地表光譜建模的區(qū)域土壤鹽漬化遙感監(jiān)測研究[J]. 干旱區(qū)地理，2016，39(1)：190-198.

[8]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)工程學報，2011，28(7)：211-215.

[9]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]. 應用生態(tài)學報，2010，21(4)：883-888.

[10]欒福明，張小雷，熊黑鋼，等. 基于TM影像的荒漠-綠洲交錯帶土壤有機質(zhì)含量反演模型[J].中國沙漠，2014，34(4)：1080-1086.

[11]宋金紅，吳景貴，趙欣宇，等. 基于TM數(shù)據(jù)的黑土有機質(zhì)含量空間格局反演研究[J]. 土壤學報，2015，52(6)：1422-1429.