萊州灣海岸帶土壤光譜分析與有機質反演研究

李勇志，唐家奎＊，王德強，王春磊，張成雯

（1.中國科學院海岸帶環境過程重點實驗室／山東省海岸帶環境過程重點實驗室／中國科學院煙臺海岸帶研究所，山東煙臺264003；2.中國科學院研究生院，北京100049；3.河北聯合大學，河北唐山063009）

萊州灣海岸帶土壤光譜分析與有機質反演研究

李勇志1，2，唐家奎1，2＊，王德強1，王春磊3，張成雯1，2

（1.中國科學院海岸帶環境過程重點實驗室／山東省海岸帶環境過程重點實驗室／中國科學院煙臺海岸帶研究所，山東煙臺264003；2.中國科學院研究生院，北京100049；3.河北聯合大學，河北唐山063009）

利用土壤光譜反射率預測海岸帶典型土壤有機質含量。對萊州灣海岸帶典型地區97個土壤樣本的光譜反射率特性進行分析，把光譜曲線劃分為4個區域，提取每個區域的代表性特征參數，與土壤有機質含量進行相關性分析，最終選用458～587.1 nm區間的撓度（相關系數達0.87）作為自變量進行模型回歸，并利用均方根誤差（RMSE）和預測殘差（RPD）進行模型檢驗與評價。結果表明，以458～587.1 nm區間的撓度作為自變量建立的對數函數預測模型具有較高的精度和穩定性，經驗證計算出其RMSE為0.39，RPD為2.5，該模型應用效果較好。

海岸帶；土壤有機質；高光譜；撓度

0 引言

土壤有機質（Soil Organic Matter，SOM）對于促進土壤結構形成、改善土壤物理性質、提高土壤的保肥能力具有重要作用，是作物產量的主要限制因子［1，2］。海岸帶地區為海洋和陸地相互作用的地帶，研究海岸帶土壤有機質含量可為海岸帶農業發展及土壤生物資源研究提供基礎支撐。通過傳統的方法獲取較大區域土壤有機質含量大都借助于野外采集樣本點，經實驗室土壤化學或物理分析后內插得到，該過程耗時、費力且不經濟［3］。相關研究表明：土壤有機質在可見光及近紅外波段具有獨特的光譜特性，其含量可通過土壤的反射率光譜反映［4］。

Krishnan等實驗得出可見光光譜與土壤有機質含量緊密相關，在波長564 nm、623 nm處相關性較高，可用來預測土壤有機質［5］。Henderson等提出同母質材料的土壤中，可見光波段與土壤有機質相關性非常強［6］。徐彬彬等比較脫有機質前后的土壤光譜反射曲線，發現有機質的影響主要是在可見光和近紅外波段，而影響最大的是在600～800 nm波段［7］。Galvao等驗證了土壤反射光譜在550～700 nm波段吸收峰主要是由土壤有機質引起［8］。彭玉魁等研究發現，土壤有機質與其紅外光譜的相關系數高達0.921［9］。Karneili等研究發現，土壤有機質吸收特征主要表現在1 720 nm、2 180 nm、2 309 nm處［10］。徐彬彬等研究發現，土壤有機質含量與其在600 nm處的弓曲差（即光譜反射率曲線上，550 nm和650 nm的光譜反射率平均值與600 nm處的光譜反射率之差值）密切相關，并利用弓曲差得出土壤預測的冪函數模型［11］。高光譜遙感技術為快速準確提取土壤有機質含量提供一種有效途徑。但以往研究多是對反射率數據進行微分、對數、倒數等變換［12－15］，然后建立模型估算土壤有機質含量，僅徐彬彬等利用光譜曲線本身的特征（600 nm處的弓曲差）作為特征變量對土壤有機質含量進行反演。

本文以萊州灣典型海岸帶地區主要土壤野外實測反射率光譜曲線為研究對象，考慮到土壤有機質含量對整個光譜曲線的影響，根據光譜曲線特征，把光譜反射率曲線劃分為4個區域，計算每個區域最能表達其光譜曲線特征的參數，如吸收指數、撓度（曲線彎曲變形時橫截面形心沿與軸線垂直方向的線位移）、曲線斜率等，分析各個特征與土壤有機質含量的相關性，從而提取最佳參數并建立反演模型，最后用R2、RMSE和RPD檢驗預測精度并評價模型的預測能力，為基于高光譜遙感提取土壤有機質含量奠定理論基礎。

1 研究區與研究方法

本文選擇山東省煙臺市萊州灣海岸帶（東經119°33′～120°18′，北緯36°59′～37°28′）作為研究區，該區地處山東半島西北部，西瀕渤海，東臨招遠

2 相關性分析

2.1 光譜波形分析

由圖1可以明顯看出，在350～1 060 nm波段范圍內，隨著波長的增加，土壤反射率不斷增強。在350～457.5 nm區域，光譜反射率曲線緩慢上升；458～587.1 nm區域，曲線上升趨勢有所變化，土壤吸收加強，并呈現一定弧度；587.6～802.9 nm區域，繼續平穩上升；803.5～1 059 nm區域，光譜反射率隨波長增加上升趨勢減緩，并有所波動。因此，將整個波譜區域劃分為350～457.5 nm、458～587.1 nm、587.6～802.9 nm、803.5～1 059 nm 4個區域（圖3），并計算每個區域內光譜反射率特征因子：1區為平均反射率、斜率；2區為平均反射率、吸收指數、撓度（在此近似等于458 nm與587.1 nm處的反射率平均值減去522.5 nm處的反射率）；3區為反射率均值、曲線斜率；4區為反射率均值、標準差（測定光譜曲線波動大小）。市，東南與萊西市接壤，南連平度市，西南與昌邑市相望，海岸線108 km，總面積約1 878 km2，地勢自東南部低山向西北部沿海低地呈臺階式下降；屬北溫帶東亞季風區大陸性半濕潤氣候，為典型的海岸帶農業耕作區，主要作物為小麥、玉米、蔬菜，被命名為“國家綠色農業示范區”，研究土壤有機質含量分布對萊州典型海岸帶農業生產有重要指導作用。

2011年11月上旬，在橫貫萊州地區中部裸露農田設計97個樣點，在晴天或少云的10∶00－14∶00時段采集表層土（深約10 cm），煙臺海岸帶研究所分析測試中心利用完全燃燒法測定土壤有機質含量。光譜測量采用AvaField－3便攜式高光譜地物波譜儀（波譜范圍350～1 060 nm，光譜采樣間隔0.5 nm，光譜分辨率2.4 nm，波長精度±0.1 nm），每個樣本測量10次，取其平均值得到土壤反射率。由于受各方面因素影響，土壤反射率光譜曲線在一定程度上產生了噪聲，需要對其進行平滑去噪預處理。本研究采用移動加權平均法［16］，能在去除噪聲的同時保留更多的原始信息，處理好的土壤樣本的光譜反射率曲線如圖1所示（97條曲線代表97個土壤樣本）。土壤有機質反演研究流程如圖2所示。

圖3 反射率光譜曲線分區Fig.3 Reflectance spectra zoning map

2.2 土壤有機質含量分析

用本文測定的97個土樣有機質含量（表1）與土壤反射率及分區后提取的各特征值逐一進行相關性分析，計算每個特征值與有機質含量的相關系數R（表2）。由表2可知，在2區域的吸收指數、撓度及3區域的反射率值、光譜曲線斜率都有較強的相關性。在458～587.1 nm波段撓度與土壤有機質含量的相關性最大（0.87），在350～1 059 nm波段土壤反射率與有機質含量呈負相關，在803.5～1 059 nm波段光譜反射率曲線的波動性與土壤有機質含量相關性最小（0.04）。所以利用458～581.1 nm波段的撓度作為變量進行回歸分析，并建立土壤有機質含量反演方程。

表1 土壤有機質含量統計分析Table 1 Statistical analysis of soil organic matter content

表2 相關性分析結果Table 2 Correlation analysis results

3 回歸分析

根據相關性分析結果，選擇具有較高相關系數值的最佳特征用于回歸分析，組成預測方程。97個樣本隨機分為兩組，一組（73個）用于建立回歸模型（圖4），另一組（24個）用于驗證已建立的回歸模型（圖5）。預測精度用24個驗證樣本的RMSE來檢驗，用RPD評價模型預測能力［17］：如果RPD＞2，模型可以用來預測反演；1.4≤RPD≤2，模型經過改進后可以進行預測；RPD＜1.4，模型預測能力較弱。

式中：Yi和Yi′分別代表測定值和預測值，Y為樣本均值，n為樣本數。

回歸分析在SPSS統計軟件中進行，利用73個建模樣本的土壤有機質含量與土壤光譜反射率曲線458～587.1 nm處的撓度擬合模型，分別進行了線性函數、二次函數、對數函數、冪函數、指數函數等回歸，并根據建立的模型，利用24個驗證樣本對所建模型逐一進行檢驗；根據檢驗結果，利用式（1）對5個模型進行精度評定，利用式（3）對所建模型的預測能力進行評價（表3）。可以看出，利用458～587.1 nm區間的撓度作為特征變量所建的函數模型均具有較小的RMSE（0.4左右）。其中對數函數模型的RPD最大（2.55），能夠用來進行土壤有機質含量的預測反演；二次函數模型、冪函數模型、指數函數模型RPD值均為1.4～2，模型需經過一定的改進才能夠進行土壤有機質含量預測；線性函數模型RPD最小，為1.29（小于1.4），其反演能力較弱。由此可得，以土壤光譜反射率曲線458～587.1 mm區間的撓度作為自變量建立的對數函數模型具有較高的精度和穩定性，說明對數函數模型可用于反演研究區土壤有機質含量。

表3 模型回歸結果Table 3 Model regression results

4 結論

本研究在大量野外測試數據基礎上，對土壤光譜曲線進行分區研究，提取各個區域內光譜特性因子，并與土壤有機質含量進行相關性分析，確定其較高相關性的特征，最后通過數理統計方法建立土壤有機質含量反演模型。研究結果表明，土壤有機質含量與458～587.1 nm區間光譜反射率的撓度具有較強的相關性。土壤有機質成分對土壤光譜的影響為利用高光譜技術測定土壤成分含量奠定了理論基礎，也為探測儀器的改進及基于高光譜技術的土壤成分反演提供了理論依據。利用土壤光譜曲線的撓度代替土壤反射率或者通過反射率的簡單變換建立土壤有機質含量預測模型，考慮了土壤有機質含量對一定范圍內光譜的影響，提高了模型的穩定性。需強調的是，本研究測試的土壤為萊州灣典型海岸帶土壤，所建立的模型對其他類型土壤是否適用有待進一步驗證。今后需要對模型進行改進，提高可移植性，以應用于高光譜遙感影像土壤有機質含量反演，進而適應于其它地區相關研究。

［1］ 高祥照，胡克林，郭焱，等.土壤養分與作物產量的空間變異特征與精確施肥［J］.中國農業科學，2002，35（6）：660－666.

［2］ 賀軍亮，蔣建軍，周生路，等.土壤有機質含量的高光譜特性及其反演［J］.中國農業科學，2007，40（3）：638－643.

［3］ WETTERLIND J，STENBERG B，S?DERSTR?M.Increased sample point density in farm soil mapping by local calibration of visible and near infrared prediction models［J］.Geoderma，2010，156（3－4）：152－160.

［4］ HENDERSON T L，SZILAGYI A，BAUMGARDNER M F，et al.Spectral band selection for classification of soil organic matter content［J］.Soil Science Society of America，1989，53（6）：1778－1784.

［5］ KRISHNAN P，ALEXANDER J D，BUTLER B J，et al.Reflectance technique for predicting soil organic matter［J］.Soil Science Society of America Journal，1980，44（6）：1282－1285.

［6］ HENDERSON T L，BAUMGARDNER M F，FRANZMEIER D P，et al.High dimensional reflectance analysis of soil organic matter［J］.Soil Science Society of America Journal，1992，56（3）：865－872.

［7］ 徐彬彬，季耿善，朱永豪.中國陸地背景和土壤光譜反射特性的地理分區的初步研究［J］.遙感學報，1991，6（2）：142－151.

［8］ GALVAO L S，VITORELLOí.Variability of laboratory measured soil lines of soils from southeastern Brazil［J］.Remote Sensing of Environment，1998，63（2）：166－181.

［9］ 彭玉魁，張建新，何緒生.土壤水分、有機質和總氮含量的近紅外光譜分析研究［J］.土壤學報，1998，35（4）：554－559.

［10］ KARNIELI A，VERCHOVSKY I，HALL J K，et al.Geographic information system for semi－detailed mapping of soils in semiarid region［J］.Geocarto International，1998，13（3）：29－43.

［11］ 徐彬彬，戴昌達.南疆土壤光譜反射特性與有機質含量的相關性分析［J］.科學通報，1980（6）：282－284.

［12］ 張娟娟，田永超，朱艷，等.不同類型土壤的光譜特征及其有機質含量預測［J］.中國農業科學，2009，42（9）：3154－3163.

［13］ 劉煥軍，張柏，趙軍，等.黑土有機質含量高光譜模型研究［J］.土壤學報，2007，44（1）：27－32.

［14］ 何挺，王靜，林宗堅，等.土壤有機質光譜特征研究［J］.武漢大學學報，2006，31（11）：975－979.

［15］ 劉煥軍，張柏，劉志明，等.松嫩平原主要土壤光譜特征分析［J］.中國科學院研究生院學報，2007，24（4）：439－445.

［16］ 何挺，王靜，程燁，等.土壤氧化鐵光譜特征研究［J］.地理與地理信息科學，2006，22（2）：30－34.

［17］ CHANG C，LAIRD D A.Near－infrared reflectance spectroscopic analysis of soil C and N［J］.Soil Science，2002，167（2）：110－116.

Abstract：Organic matter content of typical soil in coastal zone was retrieved by using soil spectral reflectance.Spectral reflectance characteristics of 97 coastal soil samples of Laizhou Bay were analyzed.The spectral curves were divided into four regions.In each region，typical characteristic parameters were picked up to make a correlation with soil organic matter content.Finally，regression analysis model was made with the deflection in the range of 458～587.1 nm as independent variable.The model was evaluated by Root－Mean－Square Error（RMSE）and RPD（the ratio between the stand deviation of the reference method against that of the RMSE）.RMSE and RPD of the logarithm function model were 0.39 and 2.5 respectively，which demonstrated that the regression analysis prediction model can be applied to retrieve coastal organic matter content with good accuracy and stability.

Key words：coastal zone；soil organic matter；hyperspectrum；deflection

Spectral Analysis and Retrieval of Soil Organic Matter in Coastal Zone of Laizhou Bay

LI Yong－zhi1，2，TANG Jia－kui1，2，WANG De－qiang1，WANG Chun－lei3，ZHANG Cheng－wen1，2
（1.Key Laboratory of Coastal Zone Environmental Processes，Chinese Academy of Sciences／Shandong Provincial Key Laboratory of Coastal Zone Environmental Processes／Yantai Institute of Coastal Zone Research，Chinese Academy of Sciences，Yantai 264003；2.Graduate University of Chinese Academy of Sciences，Beijing 100049；3.Hebei United University，Tangshan 063009，China）

S153.2；TP79

A

1672－0504（2012）04－0079－04

2012－02－11；

2012－04－10

國家自然科學基金項目（40801124）；山東省中青年科學家科研獎勵基金（2010BSA06013）；中科院創新團隊國際合作伙伴計劃“海岸帶典型環境過程和資源效應”；中科院數字地球重點實驗室開放基金（2011LDE015）；中科院研究生院院長基金

李勇志（1985－），男，碩士研究生，研究方向為環境遙感。＊通訊作者E－mail：jktang＠gucas.ac.cn