王 琪，吳成永，陳克龍，巴丁求英，趙爽凱，魏亞蘭，劉 娟，蘇小藝，張 肖

?

基于多光譜遙感圖像的青海湖流域土壤有機(jī)質(zhì)估算初探①

王 琪1,2,3，吳成永1,2,3，陳克龍2,3*，巴丁求英1，趙爽凱1,2,3，魏亞蘭1,2,3，劉 娟1,2,3，蘇小藝1,2,3，張 肖4

(1青海師范大學(xué)地理科學(xué)學(xué)院，西寧 810008；2青藏高原環(huán)境與生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，西寧 810008；3青海省自然地理與環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室，西寧 810008；4四川師范大學(xué)地理與資源科學(xué)學(xué)院，成都 610101)

土壤有機(jī)質(zhì)是土壤固相部分的重要組成成分，也是陸地表層重要的碳庫(kù)，其含量的快速、準(zhǔn)確測(cè)定關(guān)乎農(nóng)牧業(yè)生產(chǎn)活動(dòng)安排與地表過(guò)程研究中關(guān)鍵參數(shù)的獲取效率。為了探尋適合青藏高原高寒地區(qū)土壤有機(jī)質(zhì)遙感反演的響應(yīng)波段及遙感模型，實(shí)現(xiàn)區(qū)域像元尺度上的土壤表層有機(jī)質(zhì)估算，本文利用Landsat8-OLI多光譜遙感數(shù)據(jù)與實(shí)地采樣數(shù)據(jù)對(duì)青海湖流域表層(0 ~ 20 cm)土壤進(jìn)行了有機(jī)質(zhì)含量反演研究。結(jié)果表明：Landsat8-OLI影像的第5、6和7波段是青海湖流域土壤有機(jī)質(zhì)含量的特征波段，基于這3個(gè)波段構(gòu)建的土壤有機(jī)質(zhì)遙感反演三元回歸模型(R=0.704，<0.001)，經(jīng)實(shí)測(cè)點(diǎn)驗(yàn)證(RMSE=8.66)與相關(guān)文獻(xiàn)研究結(jié)果驗(yàn)證(RMSE=8.85)，精度高、穩(wěn)定性強(qiáng)、預(yù)測(cè)趨勢(shì)平穩(wěn)。本研究不僅為高寒地區(qū)土壤有機(jī)質(zhì)含量快速測(cè)定提供了一定的技術(shù)支持，也為高寒地區(qū)的碳庫(kù)計(jì)算、土壤肥力評(píng)價(jià)、土壤碳循環(huán)、農(nóng)作物估產(chǎn)、草地退化監(jiān)測(cè)等提供了參考。

青海湖流域；土壤有機(jī)質(zhì)；遙感模型

土壤有機(jī)質(zhì)(soil organic matter，SOM)是存在于土壤中動(dòng)植物的殘?bào)w、微生物體及其分解和合成物質(zhì)，是土壤固相部分的重要組成成分，也是陸地表層重要的碳庫(kù)，其含量不僅是土壤肥力的重要評(píng)判標(biāo)準(zhǔn)，也是土壤退化狀態(tài)的重要指標(biāo)[1-3]。目前，有機(jī)質(zhì)含量測(cè)定方法，主要有三大類(lèi)。傳統(tǒng)的測(cè)定有機(jī)質(zhì)的方法主要有容量分析法、重鉻酸鉀比色法、重鉻酸鉀氧化外加熱法等[4]。這些基于化學(xué)分析的測(cè)定方法，具有操作方便、價(jià)格便宜等不可比擬的優(yōu)勢(shì)[5]，雖然精度較高，但實(shí)驗(yàn)過(guò)程相對(duì)繁雜、費(fèi)力多、周期長(zhǎng)[6-7]。近年來(lái)，GIS技術(shù)和地統(tǒng)計(jì)學(xué)相繼用于土壤有機(jī)質(zhì)研究中，借助空間插值比如克里格插值、反距離插值法等，實(shí)現(xiàn)了中大尺度范圍內(nèi)的推演。但空間插值方法由于采樣點(diǎn)的數(shù)量有限且分布不均等原因，難以獲得較為準(zhǔn)確的空間預(yù)測(cè)結(jié)果[8-9]。如張枝枝等[10]結(jié)合GIS技術(shù)分析了渭河兩岸緩沖帶的土壤有機(jī)質(zhì)含量的分布特征及其影響因子；柳富坤等[11]基于GIS技術(shù)對(duì)武功山山地草甸土壤有機(jī)質(zhì)的分布特征以及空間異質(zhì)性進(jìn)行了研究分析；吳才武等[12]基于地統(tǒng)計(jì)與遙感反演相結(jié)合的方法得到了吉林省黑土區(qū)土壤有機(jī)質(zhì)空間分布。20世紀(jì)70年代以來(lái)，遙感技術(shù)作為采集地球信息及其變化的一種新型手段，因其具有宏觀性、動(dòng)態(tài)性、經(jīng)濟(jì)性被廣泛運(yùn)用于土壤有機(jī)質(zhì)估算等方面的研究中。其原理是不同類(lèi)型的土壤具有不同的反射曲線，通過(guò)遙感模型，借助尺度推繹方法[13]，實(shí)現(xiàn)像元尺度上的土壤有機(jī)質(zhì)空間格局模擬[14]。遙感模型估算土壤有機(jī)質(zhì)的首要前提和基礎(chǔ)是確定有機(jī)質(zhì)的遙感響應(yīng)波段，即土壤有機(jī)質(zhì)含量的遙感信息特征波段。由于土壤是高度不均一的歷史自然綜合體，不同土壤類(lèi)型其有機(jī)質(zhì)含量本身的高低，以及同一種類(lèi)土壤其成土母質(zhì)、土壤水分含量、植被狀況等的差異，綜合地影響土壤有機(jī)質(zhì)的遙感響應(yīng)，導(dǎo)致了遙感響應(yīng)波段的差異。Krishnan 等[15]發(fā)現(xiàn)土壤光譜在近紅波段與有機(jī)質(zhì)含量的相關(guān)性弱，可見(jiàn)光波段與有機(jī)質(zhì)含量有較強(qiáng)的相關(guān)性；Gunsaulis等[16]研究表明，土壤有機(jī)質(zhì)含量與紅光波段具有較強(qiáng)的相關(guān)性；劉煥軍等[17]認(rèn)為620 ~ 810 nm 波段范圍是黑土有機(jī)質(zhì)的主要響應(yīng)波段，土壤有機(jī)質(zhì)響應(yīng)波段集中在可見(jiàn)光和近紅外范圍內(nèi)；盧艷麗等[18]認(rèn)為在480 ~ 740 nm波段，黑土的有機(jī)質(zhì)含量與光譜呈極顯著負(fù)相關(guān)，而在816 ~ 1 415 nm波段范圍內(nèi)，其有機(jī)質(zhì)含量與光譜呈極顯著正相關(guān)；劉煒等[19]認(rèn)為530 ~ 580 nm波段范圍是褐土有機(jī)質(zhì)的主要響應(yīng)波段；劉磊等[20]認(rèn)為紅壤土有機(jī)質(zhì)的響應(yīng)波段在 400 ~ 1 000 nm，而沈潤(rùn)平等[21]則認(rèn)為紅壤土有機(jī)質(zhì)響應(yīng)波段在 540 ~ 1 000 nm，即可見(jiàn)光與近紅外區(qū)域。

我國(guó)草地面積廣闊，約占全國(guó)陸地總面積的41%，青藏高原廣泛分布著高寒草甸、高寒草原和溫性草原等草地生態(tài)系統(tǒng)類(lèi)型[22-23]，其面積約為1.28×108km2，其草地土壤有機(jī)碳量達(dá)到C 33.5×109t，占全國(guó)土壤有機(jī)碳量的23.44%，占全球土壤碳庫(kù)的2.4%[24]。青海湖流域是青藏高原東北部重要的牧區(qū)，流域內(nèi)有國(guó)家級(jí)自然保護(hù)區(qū)，生態(tài)環(huán)境極其脆弱。在人類(lèi)不合理活動(dòng)和全球氣候變化的雙重影響下，草地退化嚴(yán)重，裸土、黑土灘隨處可見(jiàn)，土壤肥力下降。因此，快速測(cè)定大尺度的土壤有機(jī)質(zhì)成為青海湖流域亟需解決的科學(xué)與現(xiàn)實(shí)問(wèn)題。

基于以上分析，本文以Landsat8-OLI多光譜遙感數(shù)據(jù)和野外實(shí)測(cè)有機(jī)質(zhì)數(shù)據(jù)，以青海湖流域?yàn)閷?shí)驗(yàn)區(qū)，利用RS、GIS技術(shù)和多元回歸方法，探尋適合青藏高原有機(jī)質(zhì)反演的響應(yīng)波段及參數(shù)并建立模型，從而實(shí)現(xiàn)區(qū)域像元尺度的土壤表層有機(jī)質(zhì)遙感估算，以為青藏高原草地生態(tài)系統(tǒng)的草地持續(xù)利用與生態(tài)修復(fù)提供一定的科學(xué)依據(jù)，為地方層面制定草地管理策略，為國(guó)家層面制定與實(shí)施生態(tài)補(bǔ)償政策提供現(xiàn)實(shí)指導(dǎo)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

青海湖流域地處青藏高原東北部，流域總面積為29 661 km2，地理位置36°15￠~ 38°20￠N，97°50￠~ 101°20￠E，地形復(fù)雜，地勢(shì)起伏大(圖1)。該區(qū)屬典型的高寒干旱大陸性氣候，以干旱、寒冷、多風(fēng)為主要特征，多年平均氣溫-1.4 ~ 1. 7℃，平均年降水量為340 mm，蒸發(fā)量800 ~ 1 000 mm[25]。主要植被類(lèi)型為高寒草甸、高寒草原、高寒流石坡稀疏植被、沙生植被、鹽生草甸、寒漠草原和沼澤草甸等。土壤主要有沼澤土、草氈土、栗鈣土、寒鈣土、黑氈土等。其中，草氈土、薄黑氈土和栗鈣土分別占整個(gè)流域面積的31.1%、15.1%、11.6%。

圖1 青海湖流域位置及采樣點(diǎn)分布區(qū)圖

1.2 研究方法

1.2.1 數(shù)據(jù)來(lái)源與處理 土樣采集采用網(wǎng)格采樣法，將研究區(qū)劃分為10 km×10 km的網(wǎng)格。2016年9月27至10月4日，通過(guò)手持GPS定位網(wǎng)格上的預(yù)采樣點(diǎn)，然后用環(huán)刀法采樣。在土壤剖面每個(gè)土壤層中部平穩(wěn)打入環(huán)刀，待環(huán)刀全部進(jìn)入土壤后，挖去環(huán)刀周?chē)耐寥?，取出環(huán)刀，小心脫出環(huán)刀上端的環(huán)刀托，然后用削土刀削平環(huán)刀兩端的土壤，用米尺量取0 ~ 10、10 ~ 20、20 ~ 30 cm土層土壤，分別取樣裝入樣品袋中。將樣品帶回實(shí)驗(yàn)室后，稱(chēng)取每個(gè)采樣點(diǎn)0 ~ 10、10 ~ 20 cm土層的土樣各50 g，混勻后裝入新樣品袋，土壤自然風(fēng)干后，然后取少量土壤樣品，進(jìn)行除雜，研磨，過(guò)100目篩。土壤有機(jī)質(zhì)含量用重鉻酸鉀氧化外加熱法測(cè)定。本文共得到41個(gè)采樣點(diǎn)數(shù)據(jù)，剔除實(shí)驗(yàn)失敗數(shù)據(jù)與異常數(shù)據(jù)，共得到29個(gè)采樣點(diǎn)有效數(shù)據(jù)(圖1)。

1.2.2 遙感數(shù)據(jù)獲取 考慮影像時(shí)間應(yīng)與采樣時(shí)間相近，以提高估算的準(zhǔn)確性，本研究從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)獲取了Landsat8-OLI多光譜衛(wèi)星遙感數(shù)據(jù)(表1)，即2016年9月28日1景、10月8日1景和10月17日2景，共4景影像。在ENVI5.1軟件中，將影像進(jìn)行輻射定標(biāo)、大氣校正和影像拼接等預(yù)處理。用定標(biāo)工具(radiometric calibration)將圖像的灰度值轉(zhuǎn)換成輻射亮度值，完成輻射定標(biāo)；利用 FLAASH進(jìn)行大氣校正，校正過(guò)程中主要參數(shù)設(shè)置：大氣模型設(shè)置為Mid-Latitude Winter，氣溶膠設(shè)置為Rural，氣溶膠反演模型為2-Band( K - T)，能見(jiàn)度設(shè)置為默認(rèn)值(40)，輸入圖像采集時(shí)間、研究區(qū)平均海拔為3.6 km等；用Mosaicking下的Seamless Mosaic工具進(jìn)行影像拼接[26]。為了去除微地形、影像處理與掃描過(guò)程中的噪聲，利用3×3 模板的均值濾波處理影像。同時(shí)，為了計(jì)算方便，將上述處理后的各波段除以1 000，然后用于相關(guān)計(jì)算與模型建立。

表1 Landsat8各波段簡(jiǎn)介[27]

1.2.3 模型構(gòu)建與檢驗(yàn) 本文將采樣點(diǎn)分為建模樣本和驗(yàn)證樣本 2 部分，分別為17和12個(gè)采樣點(diǎn)數(shù)據(jù)。運(yùn)用回歸分析法構(gòu)建有機(jī)質(zhì)遙感反演模型。模型的穩(wěn)定性用2檢驗(yàn)，2越大，模型越穩(wěn)定；模型的精度用均方根誤差RMSE(式1)檢驗(yàn)，RMSE越小，模型精度越高、預(yù)測(cè)能力越強(qiáng)；預(yù)測(cè)模型估計(jì)趨勢(shì)用平均誤差ME(式2)驗(yàn)證，平均誤差ME<0表明估計(jì)趨勢(shì)偏高，反之ME>0則估計(jì)趨勢(shì)偏低[28]。計(jì)算公式如下：

式中：a和p分別為表層土壤有機(jī)質(zhì)含量的實(shí)測(cè)值與預(yù)測(cè)值；為土壤樣本數(shù)。

2 結(jié)果與分析

2.1 土壤有機(jī)質(zhì)遙感信息特征波段篩選

對(duì)實(shí)測(cè)土壤有機(jī)質(zhì)含量和處理后Landsat8-OLI各波段影像值進(jìn)行相關(guān)性分析(表2)，結(jié)果表明，土壤有機(jī)質(zhì)含量與波段1、波段2、波段3和波段4的相關(guān)性不高，與波段5、波段6和波段7的相關(guān)性較高，相關(guān)系數(shù)分別為0.736、0.752和0.584。因此，LandSat-8 OLI的5、6和7波段含有土壤有機(jī)質(zhì)遙感信息，是青海湖流域土壤有機(jī)質(zhì)含量遙感反演的信息特征波段。

2.2 土壤有機(jī)質(zhì)遙感反演模型構(gòu)建

表2 實(shí)測(cè)有機(jī)質(zhì)和Landsat8-OLI各波段影像值的相關(guān)系數(shù)

注：*表示在0.05水平顯著相關(guān)(雙側(cè))。

將Landsat8-OLI的波段5、波段6和波段7這3個(gè)波段影像值進(jìn)行倒數(shù)變換后，利用SPSS20.0軟件中的回歸分析模塊構(gòu)建實(shí)測(cè)土壤有機(jī)質(zhì)含量與敏感波段的模型(表3)。通過(guò)綜合比較7個(gè)回歸模型的預(yù)測(cè)結(jié)果及其驗(yàn)證指標(biāo)，雙波段與多波段模型的決定系數(shù)(2=0.704)最大，表明模型較好。但雙波段模型預(yù)測(cè)結(jié)果不如多波段(ME=0.51，RMSE=8.66)模擬精度高，表明多波段模型比其他雙波段和單波段模型更能準(zhǔn)確地反演土壤有機(jī)質(zhì)含量，其模型為：=205.772+ 1053.3673-3175.7592-101.3191(2=0.704,<0.001)。據(jù)此，可得到研究區(qū)有機(jī)質(zhì)含量反演的空間分布格局圖(圖2)。

表3 基于Landsat8-OLI特征波段的青海湖流域表層土壤有機(jī)質(zhì)遙感反演模型

注：表中為土壤有機(jī)質(zhì)含量；1、2和3分別為波段5、波段6和波段7影像值的倒數(shù)。

圖2 青海湖流域土壤有機(jī)質(zhì)含量空間分布格局圖

2.3 土壤有機(jī)質(zhì)遙感反演模型評(píng)價(jià)

2.3.1 基于實(shí)測(cè)值的評(píng)價(jià) 本研究將12個(gè)驗(yàn)證點(diǎn)的有機(jī)質(zhì)含量實(shí)測(cè)值與多波段模型模擬值進(jìn)行比對(duì)，評(píng)價(jià)反演模型的準(zhǔn)確性與穩(wěn)定性(表4)。通過(guò)計(jì)算得出，本研究絕對(duì)誤差ME為0.51，為正數(shù)，表明模擬結(jié)果有稍低的預(yù)測(cè)趨勢(shì)，由于ME較小，不超過(guò)1，對(duì)于區(qū)域尺度的土壤有機(jī)質(zhì)估算，其誤差完全可以接受。另外，本研究的均方根誤差RMSE為8.66，與文獻(xiàn)[29](RMSE=5.70)和文獻(xiàn)[30](RMSE=6.93)的研究結(jié)果接近，表明本研究構(gòu)建的模型能夠較好地預(yù)測(cè)流域內(nèi)土壤有機(jī)質(zhì)含量。

2.3.2 基于文獻(xiàn)結(jié)果的評(píng)價(jià) 為了驗(yàn)證土壤類(lèi)別間的模擬誤差，本研究結(jié)合土壤類(lèi)型圖，經(jīng)空間統(tǒng)計(jì)分析，得到相應(yīng)各土壤類(lèi)型多波段模型模擬值的均值，然后與其他文獻(xiàn)中各土壤類(lèi)型的有機(jī)質(zhì)含量平均值進(jìn)行比較，得出兩者間的RMSE為8.85，進(jìn)一步表明模型具有很好的模擬精度(表5)。

表4 基于實(shí)測(cè)值的模型評(píng)價(jià)

表5 基于文獻(xiàn)資料結(jié)果的模型評(píng)價(jià)

2.4 各類(lèi)土壤有機(jī)質(zhì)含量特征分析

統(tǒng)計(jì)分析表明，青海湖流域有機(jī)質(zhì)含量63.57 ~ 85.52 g/kg土壤所占的比例最大，占整個(gè)青海湖流域總面積的36.7%，為10 897.89 km2；其次有機(jī)質(zhì)含量41.63 ~ 63.57 g/kg土壤所占的面積為7 734 km2，而有機(jī)質(zhì)含量0 ~ 19.69 g/kg土壤所占比例最小，占整個(gè)研究區(qū)面積的3.2%，為942.12 km2。主要土壤類(lèi)型的平均有機(jī)質(zhì)含量以黑鈣土最高，為65.72 g/kg；暗栗鈣土次之，為65.49 g/kg；石質(zhì)土最低，為8.69 g/kg。

青海湖流域土壤有機(jī)質(zhì)含量有隨海拔上升而變大的趨勢(shì)，這與李欣宇等[35]的研究結(jié)果一致。一般氣溫低于0℃，有機(jī)質(zhì)的分解速率小，不利于胡敏酸的形成。Jenkinson和Rayner[36]研究表明，年平均氣溫下降1℃，土壤有機(jī)質(zhì)含量增加2倍 ~ 3倍，可能是土壤溫度隨海拔上升而下降，氣候干旱寒冷，土壤微生物活動(dòng)微弱，導(dǎo)致土壤表層有機(jī)質(zhì)含量變高。這種現(xiàn)象在青海湖流域分布很明顯，如圖3中的區(qū)域A、B和C。土壤有機(jī)質(zhì)含量與土壤含水量的關(guān)系，特別是在河谷地區(qū)，離河流越遠(yuǎn)，有機(jī)質(zhì)含量呈現(xiàn)變大趨勢(shì)。這與已有研究不符，如董智君和趙英[37]及張帥普和邵明安[38]研究表明，土壤水分與有機(jī)質(zhì)含量呈正相關(guān)。水分越豐富，有機(jī)質(zhì)分解速度越慢。本研究區(qū)出現(xiàn)的這種情況，可能與過(guò)度放牧有關(guān)。河谷地區(qū)一般植被覆蓋度較高，是牛羊喜食地區(qū)，隨著牲畜不斷大量啃食、踩踏引起了局部草地退化，從而導(dǎo)致大量有機(jī)質(zhì)流失。沙地有機(jī)質(zhì)含量少，但青海湖區(qū)東面沙漠地區(qū)模擬的有機(jī)質(zhì)含量值較大，不符合沙地實(shí)際有機(jī)質(zhì)含量。原因可能是，沙地反射率高，導(dǎo)致遙感圖像值大，因而模擬結(jié)果偏高。

由于研究區(qū)地形復(fù)雜，土壤類(lèi)型多樣，加之交通不便，本研究對(duì)部分土壤類(lèi)型未采樣(如沼澤土、泥炭沼澤土等)，導(dǎo)致模型不能較好地模擬這些土壤的有機(jī)質(zhì)含量。另外，在遙感影像處理中，對(duì)云處理不夠，加之地形的影響，導(dǎo)致同物異譜現(xiàn)象，對(duì)于海拔較高的土壤類(lèi)型模擬結(jié)果有較大誤差，如黑氈土、石灰性草甸土。未來(lái)可通過(guò)野外地物光譜儀獲取實(shí)測(cè)土壤光譜，以深入分析土壤有機(jī)質(zhì)含量的遙感影響因素。國(guó)內(nèi)外關(guān)于土壤有機(jī)質(zhì)遙感反演的研究結(jié)果差異較大，但大多數(shù)研究表明土壤有機(jī)質(zhì)與波段DN值(digital number，指遙感影像像元亮度值)或反射率呈負(fù)相關(guān)，如張法升等[39]和Chen等[40]研究結(jié)果。但本文研究表明，青海湖流域的土壤有機(jī)質(zhì)含量與多光譜遙感波段DN值呈正相關(guān)，這可能與高寒地區(qū)的區(qū)域特征有關(guān)，如高海拔、復(fù)雜多樣的地形、類(lèi)型多樣的土壤等。

圖3 青海湖流域土壤有機(jī)質(zhì)含量在不同海拔梯度的分布

3 結(jié)論

Landsat8-OLI遙感影像反演青海湖流域土壤有機(jī)質(zhì)含量的特征波段是5、6和7波段，即波長(zhǎng)較長(zhǎng)的紅外波段，這對(duì)其他多光譜遙感平臺(tái)，如MODIS、ASTER等衛(wèi)星遙感影像反演青藏高原高寒草地生態(tài)系統(tǒng)的土壤有機(jī)質(zhì)含量具有一定的借鑒意義。

本研究通過(guò)比較，確定了基于Landsat8-OLI影像3個(gè)紅外波段的，精度最高、穩(wěn)定性強(qiáng)、預(yù)測(cè)趨勢(shì)平穩(wěn)的土壤有機(jī)質(zhì)遙感反演模型：=205.772+ 1053.3673-3175.7592-101.3191。通過(guò)實(shí)測(cè)點(diǎn)驗(yàn)證與相關(guān)文獻(xiàn)研究結(jié)果驗(yàn)證，該模型可以估算青海湖流域的土壤有機(jī)質(zhì)含量。這為面積廣大的青藏高原地區(qū)土壤有機(jī)質(zhì)含量遙感估算提供了參考，即運(yùn)用多光譜衛(wèi)星遙感數(shù)據(jù)的紅外波段估算青藏高原的土壤有機(jī)質(zhì)含量具有一定的可行性。

青海湖流域內(nèi)主要土壤類(lèi)型平均有機(jī)質(zhì)含量為：黑鈣土最高，為65.72 g/kg；暗栗鈣土次之，為65.49 g/kg；石質(zhì)土最低，為8.69 g/kg。

[1] 武彥清, 張柏, 宋開(kāi)山, 等. 松嫩平原土壤有機(jī)質(zhì)含量高光譜反演研究[J]. 中國(guó)科學(xué)院研究生院學(xué)報(bào), 2011, 28(2): 187–194

[2] 尚斌, 鄒焱, 徐宜民, 等. 貴州中部山區(qū)植煙土壤有機(jī)質(zhì)含量與海拔和成土母質(zhì)之間的關(guān)系[J]. 土壤, 2014, 46(3): 446–451

[3] 吳樂(lè)知, 蔡祖聰. 中國(guó)土壤有機(jī)質(zhì)含量變異性與空間尺度的關(guān)系[J]. 地球科學(xué)進(jìn)展, 2006, 20(9): 965–972

[4] 劉云香. 土壤有機(jī)質(zhì)不同測(cè)定方法的比較[J]. 農(nóng)村科技, 2007, 23(6): 28

[5] 吳才武, 夏建新, 段崢嶸. 土壤有機(jī)質(zhì)測(cè)定方法述評(píng)與展望[J]. 土壤, 2015, 57(3): 453–460

[6] 田永超, 張娟娟, 姚霞, 等. 基于近紅外光聲光譜的土壤有機(jī)質(zhì)含量定量建模方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(1): 145–152

[7] 于雷, 洪永勝, 周勇, 等. 連續(xù)小波變換高光譜數(shù)據(jù)的土壤有機(jī)質(zhì)含量反演模型構(gòu)建[J]. 光譜學(xué)與光譜分析, 2016, 35(5): 1428–1433

[8] 王瓊, 陳兵, 王方永, 等. 基于HJ衛(wèi)星的棉田土壤有機(jī)質(zhì)空間分布格局反演[J].農(nóng)業(yè)工程學(xué)報(bào), 2016, 31(1): 174– 180

[9] 周華坤, 趙新全, 周立, 等. 青藏高原高寒草甸的植被退化與土壤退化特征研究[J]. 草業(yè)學(xué)報(bào), 2005, 14(3): 31– 40

[10] 張枝枝, 張福平, 燕玉超, 等. 渭河兩岸緩沖帶的土壤有機(jī)質(zhì)含量分布特征及其影響因子[J]. 土壤, 2017, 49(2): 393–399

[11] 柳富坤, 袁知洋, 孫志國(guó), 等. 基于GIS的武功山山地草甸土壤有機(jī)質(zhì)空間變異研究[J]. 資源環(huán)境與工程, 2017, 31(2): 158–164

[12] 吳才武, 張?jiān)聟? 夏建新. 基于地統(tǒng)計(jì)與遙感反演相結(jié)合的有機(jī)質(zhì)預(yù)測(cè)制圖研究[J]. 土壤學(xué)報(bào), 2016, 53(6): 1568–1575

[13] Leemans R. Scientific challenges for anthropogenic research in the 21th century: Problems of scale//Earth System Science in the Anthro-pocene[C]. Berlin: Springer, 2006: 249–262

[14] 曾遠(yuǎn)文, 陳浮, 王雨辰, 等. 采煤礦區(qū)表層土壤有機(jī)質(zhì)含量遙感反演[J]. 水土保持通報(bào), 2013, 32(2): 169–172

[15] Krishnan P, Alexander J D, Butler B J, et al. Reflectance technique for predicting soil organic matter[J]. Soil Society of American Journal, 1980, 44(6): 1280–1285

[16] Gunsaulis F R, Kocher M F, Griffis C L. Surface structure effects on close-range reflectance as a function of soil organic matter content[J]. American Society of Agricultural Engineer, 1991, 34(2): 641–649

[17] 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

[18] 盧艷麗, 白由路, 楊俐蘋(píng), 等. 基于主成分回歸分析的土壤有機(jī)質(zhì)高光譜預(yù)測(cè)與模型驗(yàn)證[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 2008, 14(6): 1076–1082

[19] 劉煒, 常慶瑞, 郭曼, 等. 土壤導(dǎo)數(shù)光譜小波去噪與有機(jī)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

[20] 劉磊, 沈潤(rùn)平, 丁國(guó)香. 基于高光譜的土壤有機(jī)質(zhì)含量估算研究[J]. 光譜學(xué)與光譜分析, 2011, 31(3): 762–766

[21] 沈潤(rùn)平, 丁國(guó)香, 魏國(guó)栓, 等. 基于人工網(wǎng)絡(luò)的土壤有機(jī)質(zhì)含量高光譜反演[J]. 土壤學(xué)報(bào), 2009, 46(3): 391–397

[22] 張凡, 祁彪, 溫飛, 等. 不同利用程度高寒干旱草地碳儲(chǔ)量的變化特征分析[J]. 草業(yè)學(xué)報(bào), 2011, 20(4): 11–18

[23] 袁子茹, 任靈, 陳建綱, 等. 祁連山不同草地類(lèi)型土壤有機(jī)質(zhì)與全氮分布的關(guān)系[J]. 草原與草坪, 2016, 36(3): 12–16

[24] 方精云, 劉國(guó)華, 徐嵩齡. 中國(guó)陸地生態(tài)系統(tǒng)的碳庫(kù)//王庚辰, 溫玉璞. 溫室氣體濃度和排放監(jiān)測(cè)及相關(guān)過(guò)程[C]. 北京: 中國(guó)環(huán)境科學(xué)出版社, 1996: 109–128

[25] 朱延龍, 韓昆, 王芳. 青海湖流域氣候變化特點(diǎn)及水文生態(tài)響應(yīng)[J]. 中國(guó)水利水電科學(xué)研究院學(xué)報(bào), 2012, 9(4): 260–266

[26] 鄧書(shū)斌, 陳秋錦, 杜會(huì)建, 等. ENVI遙感圖像處理方法[M]. 2版. 北京: 科學(xué)出版社, 2017: 277–312

[27] 張玉君. Landsat8簡(jiǎn)介[J]. 國(guó)土資源遙感, 2013, 22(1): 176–177

[28] Webster R. Statistics to support soil research and theirpresentation[J]. European Journal of Soil Science, 2001, 52: 331–340

[29] 宋立生, 趙之重, 徐劍波, 等.基于TM遙感影像的瑪多縣草地土壤有機(jī)質(zhì)的時(shí)空格局反演[J]. 草業(yè)科學(xué), 2011, 27(12): 2069–2073

[30] 王瓊, 陳兵, 王方永, 等. 基于HJ衛(wèi)星的棉田土壤有機(jī)質(zhì)空間分布格局反演[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 31(1): 174– 180

[31] 程勵(lì)勵(lì), 高以信, 高坤林. 草氈寒凍雛形土的有機(jī)質(zhì)組成特征[J]. 土壤通報(bào), 1996, 39 (6): 243–244

[32] 孫寧, 常慶瑞. 青海高寒區(qū)土壤光譜特性研究[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2011, 29(1): 80–83

[33] 楊揚(yáng), 高小紅, 賈偉, 等. 三江源區(qū)不同土壤類(lèi)型有機(jī)質(zhì)含量高光譜反演[J]. 遙感技術(shù)與應(yīng)用, 2015, 29(1): 186–198

[34] 青海省農(nóng)業(yè)資源區(qū)劃辦公室. 青海土壤[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 1995: 24–142

[35] 李欣宇, 宇萬(wàn)太, 李秀珍. 基于TM影像的表層土壤有機(jī)碳空間格局[J]. 生態(tài)學(xué)雜志, 2008, 26(3): 333–338

[36] Jenkinson D S, Rayner J H. The turnover of soil organic matter in soil of the Rothamsted classical experiment[J]. Soil Science, 1977(123): 298–305

[37] 董智君, 趙英. 黑土有機(jī)質(zhì)含量與土壤水分蒸發(fā)關(guān)系的研究[J]. 農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究, 2000, 15(2): 145–148

[38] 張帥普, 邵明安. 綠洲邊緣土壤水分與有機(jī)質(zhì)空間分布及變異特征[J]. 干旱區(qū)研究, 2014, 30(5): 812–818

[39] 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(jī)質(zhì)空間格局反演[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2010, 20(4): 883–888

[40] Chen F, Kissel D E, West L T. Field-scale mapping of sur- face soil organic carbon using remotely sensed imagery[J]. Soil Science Society of America Journal, 2000, 64(2): 746–753

Estimating Topsoil Organic Matter in Qinghai Lake Basin Using Multi-Spectral Remote Sensing Images

WANG Qi1,2,3, WU Chengyong1,2,3, CHEN Kelong2,3*, Badingqiuying1, ZHAO Shuangkai1,2,3,WEI Yalan1,2,3, LIU Juan1,2,3, SU Xiaoyi1,2,3, ZHANG Xiao4

(1 College of Geography, Qinghai Normal University, Xining 810008, China; 2 Key Laboratory of Environment and Ecology, Ministry of Education, Qinghai-Tibet Plateau, Xining 810008, China;3 Key Laboratory of Natural Geography and Environmental Processes of Qinghai Province, Xining 810008, China; 4 College of Geography and Resource Science, Sichuan Normal University, Chengdu 610101, China)

Soil organic matter (SOM) is an important component of soil solid phase, and it is also an important carbon pool of terrestrial ecosystem. At regionalscale, rapidly and accurately determining SOM content is critical for production activities of agriculture-animal husbandry and the efficiency for obtaining the key parameters of earth surface processes. To explore the remote sensing (RS) bands containing SOM information in multi-spectral RS data and to estimate SOM with RS technology over Qinghai-Tibet Plateau (QTP), the Landsat-8 OLI multi-spectral RS data and the actual sample data were used to construct SOM estimation model with regression analysis method. The results showed that the characteristic bands of SOM in Landsat8-OLI image were band 5, band 6 and band 7. Based on these three bands, the model forestimating SOM was constructed (R= 0.704,<0.001). Through precision analysis of actual measured points (RMSE=8.66) and previous study results (RMSE = 8.85), this model was proved with high precision and strong stability. This study provides not only the technical support for rapid determination SOM over QTP, but also the reference for soil fertility evaluation, carbon pool calculation, soil carbon cycle, crop yield estimation and grassland degradation monitoring in alpine region.

Qinghai Lake basin; Soil organic matter; Remote sensing model

國(guó)家自然科學(xué)基金項(xiàng)目(41661023)和國(guó)家社會(huì)科學(xué)基金項(xiàng)目(14XMZ072)資助。

通訊作者(ckl7813@163.com)

王琪(1992—)，男，甘肅平?jīng)鋈耍T士研究生，主要從事生物地理與自然保護(hù)方面研究。E-mail:1186599488@qq.com

S158.2；TP79

A

10.13758/j.cnki.tr.2019.01.022