李怡春 潘 愷 王昌昆 劉 婭 吳士文 劉 杰徐愛愛 潘賢章?

（1土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點實驗室（南京土壤研究所），南京 210008）

（2 中國科學(xué)院大學(xué)，北京 100049）

土壤顏色是土壤的一種重要屬性，能反映土壤組成和肥力狀況，甚至能指示土壤年齡，并表征某些土壤過程。不同類型土壤常具有不同的顏色，因而土壤顏色能輔助野外識別土壤類型［1］。土壤顏色與其他土壤屬性關(guān)系密切。當(dāng)有機質(zhì)含量較高時，土壤通常呈現(xiàn)暗棕色或黑色［2］。當(dāng)赤鐵礦的含量較高時土壤呈現(xiàn)紅色，而針鐵礦含量較高時土壤呈現(xiàn)黃色［3］。土壤顏色受水分影響很大，通常濕態(tài)較風(fēng)干態(tài)顏色更暗［4］，這個特性經(jīng)常用于定性描述土壤含水率。土壤顏色信息也可用于土壤質(zhì)量評估，研究認(rèn)為，土壤色調(diào)、明度和彩度等顏色信息是石灰性土壤分布區(qū)森林立地評估的最佳指標(biāo)之一［5］。

人眼依靠視網(wǎng)膜上的視錐細(xì)胞和視桿細(xì)胞來感知不同的顏色，根據(jù)細(xì)胞敏感光波的波長分為紅錐、綠錐和藍(lán)錐，通過三種錐細(xì)胞的組合可實現(xiàn)顏色的分辨［6］。工業(yè)界常用紅(R)、綠(G)、藍(lán)(B)3個顏色通道的變化以及它們相互之間的疊加來描述顏色，由于RGB色彩可以通過電子設(shè)備直接獲取，比較方便。而描述土壤顏色最常用的色系是蒙塞爾色系［7］，其與RGB顏色系統(tǒng)之間差異很大，因此，實際使用過程中往往需要進行色系之間的轉(zhuǎn)換。色系轉(zhuǎn)換法的基本思路是首先將RGB反射率值轉(zhuǎn)換到CIE XYZ坐標(biāo)系下，分別得到XYZ三刺激值，然后再轉(zhuǎn)換為蒙塞爾色系HV/C值［8］。該方法的優(yōu)點是，可以將蒙塞爾比色卡的顏色引入計算機自動配色測色，實現(xiàn)不同色度系統(tǒng)之間的快速轉(zhuǎn)換和色域匹配［9］，但缺點在于土壤顏色受多方面因素的影響，用色系轉(zhuǎn)換法來預(yù)測土壤顏色時，忽略了土壤屬性和土壤表面狀態(tài)對土壤顏色測量的影響。此外，由于需經(jīng)過多次轉(zhuǎn)換獲得蒙塞爾顏色值，各個轉(zhuǎn)換環(huán)節(jié)均會帶來一些誤差。因此，運用色系轉(zhuǎn)換法預(yù)測土壤顏色存在一些不可避免的問題，有必要探索一些新的預(yù)測方法。

近年來廣泛用于土壤屬性光譜預(yù)測建模的偏最小二乘回歸（Partial Least Squares Regression，PLSR）方法取得了很好的預(yù)測效果。劉婭等［10］研究表明，PLSR方法可以比較準(zhǔn)確地預(yù)測土壤電導(dǎo)率和濱海鹽土地區(qū)土壤鹽分含量。在應(yīng)用PLSR預(yù)測游離鐵含量大于20 g kg-1的土壤樣品時，該模型可以較好地預(yù)測游離鐵的含量［11］。PLSR方法對野外實測光譜處理也有較好的效果，郭燕等［12］利用野外實測光譜分別進行全波段、歸一化光譜指數(shù)和特征波段的PLSR建模，均可以準(zhǔn)確預(yù)測有機質(zhì)含量。劉秀英等［13］研究表明PLSR模型是估測黃綿土鉀含量的最佳模型。然而將PLSR方法應(yīng)用于土壤顏色預(yù)測是否可行仍需探索。由于土壤有機質(zhì)的敏感波段大部分集中在波長為400～1 000 nm的光譜范圍內(nèi)，并且主要集中于640～790 nm［14-15］，氧化鐵的光譜響應(yīng)波段為550～650 nm和750～950 nm［16］。而人眼識別紅、綠、藍(lán)三色分別對應(yīng)于620～750 nm、495～570 nm、450～495 nm［17］，這些波段與土壤有機質(zhì)、氧化鐵等的光譜敏感波段重疊。由此可見，利用可見光-近紅外的不同波段對土壤顏色進行預(yù)測具有較大的可行性。

因此，本研究主要探索基于PLSR方法預(yù)測土壤蒙賽爾顏色的建模預(yù)測效果，并與色系轉(zhuǎn)換法進行比較，以期為土壤蒙塞爾顏色的獲取提供一種更加快速和準(zhǔn)確的方法。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于皖南山區(qū)和豫章平原地區(qū)，主要位于安徽省的宿松縣、望江縣、東至縣和祁門縣，以及江西省的鄱陽縣和景德鎮(zhèn)郊區(qū)（圖1），經(jīng)緯度范圍在116°8′～117°15′E，29°17′～30°12′N之間。該地區(qū)年平均氣溫16℃～17℃，年降水量1 350～1 400 mm，屬于典型的亞熱帶季風(fēng)性濕潤氣候。采樣區(qū)地形多樣，包括山地、丘陵和平原，山地土地利用以林地為主，丘陵以林灌草利用為主，平原多為耕地。

圖1 采樣點分布圖Fig. 1 Distribution map of soil sampling points

1.2 樣品采集與分析

為了盡可能增加土壤顏色的多樣性，采樣設(shè)計既考慮了主要的土壤類型，又考慮了不同的利用方式。采樣點土壤類型包含紅壤、水稻土、黃棕壤、潮土、紫色土和黃壤（對應(yīng)的中國土壤系統(tǒng)分類分別是黏化濕潤富鐵土、鐵聚水耕人為土、鐵質(zhì)濕潤淋溶土、淺色潮濕雛形土、酸性紫色濕潤雛形土和鐵質(zhì)常濕淋溶土）［18］。土地利用類型包括裸地、稀疏幼林地、灌叢草地、水田和旱地等。土壤樣品采用五點法采集，取樣深度為0～15 cm，共采集樣品76個。樣品風(fēng)干后去除植物殘體后，分別過10目和100目篩。本實驗中，pH、有機質(zhì)、全氮、全磷和全鉀測定方法參照《土壤農(nóng)業(yè)化學(xué)分析方法》［19］。土壤顆粒組成使用激光粒度分析儀測定。

1.3 土壤光譜測定與Munsell顏色獲取

將過2 mm篩的土壤樣品放入直徑為7 cm、厚度為1 cm的涂黑的圓形鋁盒中，表面刮平后進行高光譜測試。高光譜采集采用美國ASD FieldSpec4 Hi-Res 地物光譜儀，此光譜儀的波段范圍為350～2 500 nm。土壤樣品測定過程中使用兩個50W的鹵素?zé)?，分別放置于與垂直方向成45°角的斜上方，ASD探頭視場角為8°，探頭放置于樣品上方40 cm處。每次進行光譜測量之前，要對實驗儀器進行暗電流校正和白板校正，白板校正使用的是25 cm×25 cm的漫反射標(biāo)準(zhǔn)參考板。為保證測量結(jié)果不受土壤表面狀態(tài)的干擾，每次測量旋轉(zhuǎn)樣品臺90°，每個方向測量五條光譜曲線，共20條光譜曲線，以這20條光譜曲線的平均值作為樣品的測試值［20］。ASD測量首先獲得的土壤表面每個波段的亮度值，通過拼接校正后獲得土壤表面在不同波段的光譜反射率值。在進行波段范圍選擇時人眼對顏色的感知主要與波長1 000 nm之前的波段有關(guān)，在色系轉(zhuǎn)換算法中亦只用到紅、綠、藍(lán)三種波段，因此，本研究選取的波段范圍為400～1 000 nm。為減少噪聲誤差，對該波段范圍內(nèi)的光譜進行平滑處理，平滑處理的方式為Savitzky-Golay多項式法（二次多項式，9點平滑）。

采用中國科學(xué)院南京土壤研究所1989年編制的中國標(biāo)準(zhǔn)土壤色卡在自然光下（光線強度4 300～4 500 Lux時）對土壤樣品進行比色，土壤顏色的記錄方式為HV/C。光強測試計選用SMART SENSOR數(shù)字光照度計。為了方便計算，利用色系轉(zhuǎn)換與PLSR法預(yù)測蒙塞爾顏色值時，通常將蒙塞爾H值用數(shù)值表達，在蒙塞爾色度系統(tǒng)中，H代表色調(diào)值，依次參照文獻［21］中的方法將H值轉(zhuǎn)換為數(shù)字形式，2.5YR=12.50、5YR=15.00、7.5YR=17.50、10YR=20.00、2.5Y=22.50、5Y=25.00。V和C的值可以直接用于計算和預(yù)測，不需要做轉(zhuǎn)換。

1.4 色系轉(zhuǎn)換法

（1）RGB值的計算 RGB值采用紅、綠和藍(lán)三種顏色對應(yīng)波段范圍（620～750 nm、495～570 nm、450～495 nm）內(nèi)的反射率均值（式（1）～式（3）），用于估算HV/C值。

式中，i 表示對應(yīng)的波段，λi表示 i 波段對應(yīng)的反射率值，R、G、B分別表示紅、綠、藍(lán)三波段的反射率值。

（2）色系轉(zhuǎn)換 將計算得到的R、G、B值采用式（4），首先轉(zhuǎn)化為國際標(biāo)準(zhǔn)色系坐標(biāo)CIE XYZ下的XYZ值［22］：

然后，根據(jù)Miyahara和Yoshida［23］提出的轉(zhuǎn)換公式完成從CIE XYZ到蒙塞爾顏色的轉(zhuǎn)換（式（5）～式（14））

式中，Xc=1.020X、Zc=0.487Z、

令θ =cot（H2/ H1），

H、V和C的表達式為：

色系轉(zhuǎn)換法中評價模型精度時使用的參數(shù)為均方根誤差（Root mean square error，RMSE）［24］、平均值和ΔE，ΔE參照文獻［21］中提出HV/C顏色精度評價參數(shù)，該參數(shù)由式（15）針對每個樣品計算得到，再計算所有樣品的均值。

式中，C1和C2表示預(yù)測和實測的彩度值，ΔH表示預(yù)測和實測的色調(diào)值之差，ΔV表示預(yù)測和實測的明度值之差，ΔC表示預(yù)測和實測的彩度值之差。RMSE和ΔE均值越小，表示模型精度越高。

1.5 偏最小二乘法

PLSR是基于因子提取的多元回歸數(shù)學(xué)優(yōu)化模型。首先對光譜矩陣與顏色屬性進行雙線性分解，之后在變量系統(tǒng)中提取一系列對因變量有最佳解釋能力的新綜合變量（即因子提?。蜃哟_定時要求光譜矩陣分解得到的因子與含量矩陣分解得到的因子相關(guān)性最大，最后利用提取的因子進行回歸分析［25］。建模過程采用交叉驗證的驗證方法，即給定一個含有i 個樣品的矩陣X，將其中某個樣品暫時剔除在PLSR建模計算范圍之外，用保留下來的i-1個樣品計算模型參數(shù)向量，最后用這i-1個樣品計算模型參數(shù)向量并預(yù)測被剔除的樣品的顏色坐標(biāo)值。重復(fù)該運算流程直至所有樣品均被剔除和預(yù)測過一次［26］。在本研究中使用該方法分別建立土壤實測H、V和C值與波長為400～1 000 nm的反射率值之間的PLSR模型。

PLSR中評價建模精度時使用建模集交叉驗證決定系數(shù)（Determination coefficient of cross validation，）、交叉驗證均方根誤差（Root mean square error，RMSEcv），測定值標(biāo)準(zhǔn)偏差與標(biāo)準(zhǔn)預(yù)測誤差的比值（Ratio of standard deviation to standard prediction error，RPD）［27］，式（16）和ΔE。

式中，SD表示數(shù)據(jù)集實測值標(biāo)準(zhǔn)差。

計算中涉及的色系轉(zhuǎn)換在MATLAB R2012a中完成，PLSR的建模及驗證在The Unscrambler 10.1中完成，圖表制作由OriginPro 9.0、ArcGIS 10.2完成。

2 結(jié) 果

2.1 土壤屬性及光譜特征

土壤樣品基本屬性的統(tǒng)計特征如表1所示。土壤pH介于3.96 ～7.60，平均值為4.84，表明大部分土壤為酸性土壤。有機質(zhì)平均值為20.57 g·kg-1，土壤肥力總體較高。在土壤顆粒組成中，粉粒含量較高，土壤質(zhì)地主要是壤質(zhì)砂土、粉（砂）壤土、壤土等。表2為不同土壤類型全鐵和有機質(zhì)含量的統(tǒng)計值，有機質(zhì)含量由高到低依次為黃棕壤、水稻土、黃壤、紫色土、潮土和紅壤。全鐵含量由高到低依次為黃壤、紅壤、潮土、黃棕壤、水稻土和紫色土。

研究區(qū)內(nèi)的76個風(fēng)干樣本的實測土壤顏色（Munsell HV/C）如下表3所示，色調(diào)主要集中在12.50到20.00之間的黃紅色調(diào)中，明度范圍在4.00至8.00之間，彩度值的變化范圍在1.00至8.00之間。由于比色時土壤呈風(fēng)干態(tài)，所以樣品偏亮、明度值偏高。土壤彩度值變化范圍較大，樣品的色彩濃度差異較大。

表1 采樣點土壤基本屬性Table 1 Basic properties of the sampling soils

表2 顏色相關(guān)的不同類型土壤屬性信息Table 2 Color-dependent properties of soils different in type

表3 實測HV/C值基本信息Table 3 Statistics of the measured HV/C values

土壤樣本在400～1 000 nm波長內(nèi)原始光譜反射率總體呈現(xiàn)上升的趨勢，本研究區(qū)土壤中均含有一定量的氧化鐵，在850～950 nm處存在不同程度的氧化鐵吸收峰，黃壤和紅壤氧化鐵含量較高，在光譜曲線中存在較為明顯的吸收峰。

2.2 色系轉(zhuǎn)換計算土壤顏色結(jié)果

本研究中，以色系轉(zhuǎn)換方法計算的H、V、C值為預(yù)測值的平均值與范圍，以人眼觀察值為實測值計算RMSE，結(jié)果如表4所示：

圖2 不同土壤樣品原始光譜Fig. 2 Original spectra of soil samples

表4 色系轉(zhuǎn)換預(yù)測土壤蒙塞爾顏色結(jié)果Table 4 Statistics of soil Munsell colors predicted with the color space conversion method

其中色調(diào)H的范圍介于13.95～23.57，而實測H值范圍介于12.50～20.00，二者之間有一定差距，從均值來看，預(yù)測平均值為19.25，其實測值為18.16，本研究中的土壤主要集中在黃紅色調(diào)中，因此，預(yù)測結(jié)果大約偏黃一個色調(diào)。明度V的預(yù)測范圍介于3.69～6.00，而實測值范圍介于4.00～8.00，預(yù)測平均值為4.99，實測值為6.68，可見，預(yù)測值較實測值偏暗。彩度值C的預(yù)測范圍介于4.24～8.30，實測值的范圍介于1.00～8.00，色系轉(zhuǎn)換法預(yù)測彩度值C存在一定的偏差；C預(yù)測均值為5.79，而實測均值為4.45，C均值偏低約1.34個單元。因此，預(yù)測值不足以表達土壤顏色的豐富程度。

從轉(zhuǎn)換結(jié)果（圖3）來看，色調(diào)H的預(yù)測值與實測值的回歸系數(shù)R2僅為0.30，預(yù)測結(jié)果較差。明度V回歸系數(shù)R2達到0.67，雖然預(yù)測值與實測值存在顯著正相關(guān)的關(guān)系，但預(yù)測V值明顯低于1∶1線，說明預(yù)測出的明度偏暗。彩度C預(yù)測值與實測值的回歸系數(shù)R2達到0.61，但C值的預(yù)測范圍較窄。從預(yù)測結(jié)果中可以得出，色系轉(zhuǎn)換法預(yù)測的顏色與真實值有較大差異。

基于色系轉(zhuǎn)換的方法預(yù)測土壤顏色時，土壤色調(diào)普遍偏黃，明度偏暗，彩度值的預(yù)測范圍較窄，該結(jié)論與Rossel等［29］2009年的研究結(jié)果相同。因此，色系轉(zhuǎn)換法雖然可以預(yù)測土壤顏色的實測值，但整體效果并不理想。

2.3 PLSR建模預(yù)測土壤顏色結(jié)果

從模型預(yù)測結(jié)果來看（表5），預(yù)測范圍與實測范圍非常接近，H預(yù)測值的范圍介于14.42～21.96，預(yù)測范圍偏高，但在中國標(biāo)準(zhǔn)土壤色卡的劃分中該誤差不足一個色調(diào)。V的預(yù)測值范圍介于5.12～8.21，范圍下限較實測值高約一個單元，上限與實測值上限大致相同；彩度值C的預(yù)測范圍介于0.40～8.70，與實測值的彩度范圍十分接近。PLSR方法預(yù)測的H、V、C的平均值與實測平均值一致。可見，PLSR預(yù)測值的平均值與實測值的平均值基本相同。

圖3 色系轉(zhuǎn)換與實測值對比圖Fig. 3 Measured HV/C versus predicted HV/C using color space conversion method

表5 PLSR預(yù)測土壤蒙塞爾顏色結(jié)果Table 5 Statistics of soil Munsell colors predicted with PLSR

利用PLSR法分別建立土壤色調(diào)、明度、彩度值與反射率回歸模型，PLSR模型在預(yù)測土壤蒙塞爾顏色的H、V、C值中，交叉驗證決定系數(shù)分別達到0.62、0.61和0.75，RPD分別達到1.94、1.67、2.15，說明PLSR方法可以很好地預(yù)測土壤的彩度值，可以較好地預(yù)測土壤色調(diào)值，可以近似地預(yù)測土壤明度值。

表6 不同預(yù)測方法ΔE統(tǒng)計結(jié)果Table 6 Statistics of ΔEs predicted with different methods

色系轉(zhuǎn)換法預(yù)測的蒙賽爾顏色的RMSE達到2.26、1.79和1.92個誤差單元，而PLSR法預(yù)測蒙塞爾顏色H、V和C值的RMSEcv僅為1.32、0.55和0.97個誤差單元，PLSR法的誤差與色系轉(zhuǎn)換法相比明顯偏低。表6中所示，利用ΔE對H、V、C三個因數(shù)進行綜合分析可得，平均值和預(yù)測范圍顯著下降，PLSR預(yù)測誤差明顯小于色系轉(zhuǎn)換法。因此，PLSR方法更適合預(yù)測土壤的蒙塞爾顏色。

從回歸分析結(jié)果（圖4）可知，PLSR預(yù)測H與實測H的決定系數(shù)R2為0.69，相比于色系轉(zhuǎn)換法變異明顯減小，說明色調(diào)H的預(yù)測精度有較大幅度的提升。明度值V與色系轉(zhuǎn)換法對明度值的預(yù)測結(jié)果相似，但回歸線與1∶1線更接近，明度值的預(yù)測范圍較色系轉(zhuǎn)換法更大。彩度值C的預(yù)測值與實測值R2達到0.78，回歸方程與1∶1線非常接近，說明預(yù)測值與真實值很接近，基于PLSR方法預(yù)測C值的效果明顯優(yōu)于色系轉(zhuǎn)換法。

圖4 PLSR預(yù)測值與實測值對比圖Fig. 4 Measured HV/C versus predicted HV/C using PLSR

3 討 論

本研究用色系轉(zhuǎn)換與PLSR法預(yù)測土壤顏色，結(jié)果表明，PLSR法預(yù)測土壤的H、V、C值的效果較好，該方法估測的土壤蒙塞爾顏色值較為可靠，整體預(yù)測精度高于色系轉(zhuǎn)換方法，預(yù)測結(jié)果與真實值差異小于色系轉(zhuǎn)換方法。由于PLSR法與色系轉(zhuǎn)換法存在較大的不同，所以預(yù)測效果存在一些差異，從土壤光譜、影響因素、計算過程和測量誤差四個方面分析差異產(chǎn)生的原因。

從土壤光譜來看，由于色系轉(zhuǎn)換法僅采用了肉眼能夠感知的RGB三個波段范圍光譜信息，數(shù)據(jù)處理中由于無法獲取肉眼的光譜響應(yīng)函數(shù)，故僅對各個波段反射率做了簡單平均，使其損失了較多有效信息。同時由于色系轉(zhuǎn)換采用的波段僅有紅、綠、藍(lán)3個波段，相對于原始光譜來說，存在信息過度壓縮的問題。而PLSR方法運用了400～1 000 nm的全部波段反射率信息，對于光譜信息的利用更為全面。因此，PLSR方法可以更好地進行土壤顏色預(yù)測。

從土壤顏色的影響因素來看，一般認(rèn)為土壤有機質(zhì)含量、土壤針鐵礦、赤鐵礦含量，以及顆粒組成和研磨程度對顏色的判定和光譜反射率有較大的影響［30］。從有機質(zhì)含量來看，于士凱等［31］認(rèn)為647 nm、750 nm、876 nm均是土壤有機質(zhì)的敏感波段。從鐵氧化物來看，依據(jù)Schwertmann的研究［32］，土壤中的某些礦物，例如針鐵礦、赤鐵礦也與土壤顏色息息相關(guān)，Brown 等［33］提出由于針鐵礦與赤鐵礦的原子構(gòu)型不同，導(dǎo)致在430 nm和550 nm處的敏感波段的反射率曲線形態(tài)存在一定差異，赤鐵礦是一段“平緩曲線”，而針鐵礦則出現(xiàn)“反射峰”。PLSR法將這些細(xì)微差異完全保留，并運用于顏色預(yù)測的建模過程中，而色系轉(zhuǎn)換法則忽略了土壤顏色產(chǎn)生的機理，僅從色系坐標(biāo)和色彩表達的角度進行推算，雖然這對色彩學(xué)研究有較大幫助，但由于土壤顏色的表達是一個復(fù)雜的過程，簡單的方法并不一定完全適用于土壤顏色研究。

從計算過程來看，色系轉(zhuǎn)換方法只選取紅、綠、藍(lán)三波段范圍內(nèi)的反射率信息，轉(zhuǎn)化步驟繁雜，每一步轉(zhuǎn)換均會存在一些不可避免的誤差；而PLSR法預(yù)測土壤顏色較為直接，該方法以誤差最小和決定系數(shù)最高為目標(biāo)進行建模，從而可以獲得能夠充分揭示數(shù)據(jù)內(nèi)涵的模型。此外，蒙塞爾比色卡比色時對土壤顆粒研磨的粗細(xì)程度和樣品表面狀態(tài)沒有過多的要求，而不同土壤樣品表面粗糙度和土壤質(zhì)地存在差異，反射率受到一定的影響，這些因素也會導(dǎo)致土壤預(yù)測時的誤差。因此，相比之下色系轉(zhuǎn)換計算土壤蒙塞爾顏色的誤差來源更多。本研究中提出的PLSR預(yù)測土壤顏色有一定的優(yōu)勢和較為廣闊的應(yīng)用前景，對快速獲取土壤顏色提供了一種新的方法。

本研究僅限于安徽南部、江西北部和湖北東部地區(qū)的土壤，樣本的顏色主要集中在黃紅色調(diào)，未來將擴大土壤類型，提高本研究方法的適應(yīng)性。從研究方法上而言，研究中僅使用了PLSR方法和色系轉(zhuǎn)換方法，關(guān)于其他色調(diào)土壤的研究和其他預(yù)測方法的探索將在后續(xù)展開。此外，在自然狀態(tài)下土壤顏色的判定還受到土壤水分含量等客觀因素的干擾。因此，后續(xù)研究將考慮土壤水分等因素對土壤顏色預(yù)測的影響。

4 結(jié) 論

本文探討了色系轉(zhuǎn)換法與PLSR方法對土壤蒙塞爾顏色的色調(diào)H、明度V和彩度C的預(yù)測效果，并進行了對比分析，PLSR的均方根誤差分別較色系轉(zhuǎn)換法低0.94、1.24 和0.95，其ΔE的平均值為1.91，色系轉(zhuǎn)換法的平均值為7.07，色系轉(zhuǎn)換法預(yù)測結(jié)果偏離實測值更遠(yuǎn)，表明PLSR方法對土壤HV/C的預(yù)測效果優(yōu)于色系轉(zhuǎn)換法。該方法可以應(yīng)用于不同類型、質(zhì)地的土壤顏色的預(yù)測，為土壤顏色的獲取提供了一條新的途徑。