太湖流域典型農用地面源磷流失的土壤主控因子光譜識別

熊俊峰, 林 晨, 馬榮華, 吳治澎, 閔 敏,4

(1.南京信息工程大學 地理與遙感學院, 江蘇 南京 210044; 2.中國科學院 南京地理與湖泊研究所 中國科學院流域地理學重點實驗室, 江蘇 南京 210008; 3.南京大學 地理與海洋科學學院, 江蘇 南京 210046; 4.河南大學 黃河文明與可持續發展研究中心, 河南 開封 475001)

太湖流域典型農用地面源磷流失的土壤主控因子光譜識別

熊俊峰1,2, 林 晨2, 馬榮華2, 吳治澎3, 閔 敏2,4

(1.南京信息工程大學 地理與遙感學院, 江蘇 南京 210044; 2.中國科學院 南京地理與湖泊研究所 中國科學院流域地理學重點實驗室, 江蘇 南京 210008; 3.南京大學 地理與海洋科學學院, 江蘇 南京 210046; 4.河南大學 黃河文明與可持續發展研究中心, 河南 開封 475001)

[目的] 通過光譜識別太湖流域農用地面源磷流失的土壤主控因子，為簡化面源磷流失強度估算提供依據。 [方法] 通過分析梅梁灣流域耕地和園地中不同面源磷流失強度下的土壤光譜特征，確定影響面源磷流失強度的主要土壤理化性質。 [結果] 耕地面源磷流失強度的特征波段為650～670 nm，1 475 nm和1 680～1 695 nm，土壤主控因子是有機質，二者之間呈正相關；園地面源磷流失強度的特征波段為685～690 nm，710～720 nm，1 110～1 115 nm，1 150～1 155 nm和2 170 nm，主控因子是有機質、水分和Fe2+，分別和面源磷流失強度呈負相關、正相關和負相關；有機質對耕地的面源磷流失強度的影響更加顯著：耕地面源磷流失強度與光譜指數間的相關系數在1 685 nm處達到0.74，而園地條件下相關系數最高值在715 nm處僅為0.48。 [結論] 耕地面源磷流失主控因子為有機質，園地的主控因子為有機質、水分和Fe2+。

光譜; 磷流失; 水分; 有機質; 土地利用

文獻參數： 熊俊峰, 林晨, 馬榮華, 等.太湖流域典型農用地面源磷流失的土壤主控因子光譜識別[J].水土保持通報，2017,37(2)：137-141.DOI:10.13961/j.cnki.stbctb.2017.02.020； Xiong Junfeng, Lin Chen, Ma Ronghua, et al. Spectral Identification of Main Control Factors of Soil Phosphorus Loss from Typical Agricultural Land in Taihu Basin[J]. Bulletin of Soil and Water Conservation, 2017,37(2)：137-141.DOI:10.13961/j.cnki.stbctb.2017.02.020

農業面源污染是流域水體富營養化的重要來源，面源磷流失強度受到土壤性質、土地利用、植被覆蓋和降雨等多方面因素影響[1-2]，而實際上大多數影響因素會首先改變土壤理化性質，進而對磷流失強度產生影響，所以土壤理化性質是判斷面源磷流失強度的直接依據。而利用反射光譜判斷土壤理化特性的研究已經十分成熟[3]，因此，利用光譜技術，快速甄別影響面源磷流失的土壤理化性質對農業面源污染的合理管控具有重要的科學意義。近年來，國內外已有許多學者致力于研究土壤理化性質和光譜特征間的關系，目前土壤水分、有機質和鐵等土壤理化性質的研究比較豐富，其光譜特征波段已經受到大多數學者認可(表1)[3-14]。其中，土壤水分和有機質在1 400和2 200 nm處會相互影響，二者的含量增多會降低全波段的反射率[12]；土壤的機械組成對土壤光譜特征也有較大的影響，土壤粒徑越小，其反射率越高，但是隨著土壤黏粒含量提高，土壤含水量會增多，從而造成反射率下降[14-15]。土壤中氮元素與土壤有機質結合緊密，雖然存在光譜特征卻容易受到有機質掩蓋[16-17]；土壤中磷元素的光譜研究多集中于對總磷和有效磷含量的定量估算，對磷的特征波段研究較少，另一方面磷與有機質結合緊密，其光譜特征受到有機質光譜特征影響嚴重[18]，磷與整個波段內的反射光譜表現出了低相關性[19]。通過土壤光譜定性判斷土壤理化性質的研究成果十分豐富，而土壤中磷元素的光譜響應機理還不明確，所以無法根據土壤光譜特征直接判斷磷含量的高低及其流失強度，但是，磷與有機質、機械組成、土壤水分等土壤理化性質關系緊密，而這些指標的光譜特征相對明確，因此，通過篩選影響磷流失的關鍵理化性質，進而實現面源磷流失的光譜快速監測是可行的。

本研究以太湖梅梁灣流域為研究區，將農業用地分為耕地和園地，面源磷流失強度分為高值區和低值區，通過野外實測光譜對比不同面源磷流失強度的土壤光譜特征，提取出光譜響應特征波段，分析影響面源磷流失的主要土壤理化性質，實現面源磷流失的土壤主控因子識別，為簡化面源磷流失強度估算提供依據。

表1 主要土壤理化性質的光譜響應波段

1 材料與方法

1.1 研究區劃分

以太湖梅梁灣流域為研究區，根據課題組已有的研究基礎,首先利用ArcSWAT劃分子流域確定研究區范圍，利用ENVI 5.2和ArcGIS 10.2軟件，根據降雨數據、遙感影像數據、數字高程模型和土地利用數據，結合小區試驗，通過USLE模型和PLOAD[20]模型計算研究區面源磷流失強度[1]。根據面源磷流失強度(圖1)，結合太湖流域典型農用地類型：耕地和園地(附圖7)。將研究區分為4類區域： (1) 耕地高值區; (2) 耕地低值區; (3) 園地高值區; (4) 園地低值區。從中選取23個典型代表區域為采樣區，進行野外光譜實測，高值區選取流失強度大于1.2 kg/km2的區域，低值區選取流失強度低于0.8 kg/km2的區域，4類區域的采樣區個數依次為4，5，6，8個。

圖1 研究區面源磷流失強度分布

1.2 光譜數據采集

野外實地光譜采集使用的是ASD FieldSpec3手持便攜式光譜儀，測定波段為350～2 500 nm，其中350～1 000 nm光譜分辨率為3 nm，1 000～2 500 nm間的光譜分辨率為10 nm。數據采集在晴天少云的時間段進行，并在采集前將植被剝離，保證裸土信息獲取。測試過程中，在每個采樣區內隨機選擇3個光譜采集點，每個采集點測定5次取算術平均值，共得到69個采樣點的光譜數據。為了消除外界噪聲影響，首先對光譜數據進行9點Savitz-Golay卷積平滑法[3]處理；然后為了減少光譜變量，對光譜數據進行5 nm間隔的重采樣，作為實際反射光譜曲線。

1.3 光譜數據分析

由于野外實地光譜采集受到外界因素的干擾較大，故刪去噪聲較大的3個波段1 345～1 455 nm，1 790～1 970 nm和2 400～2 500 nm。首先將光譜曲線根據面源磷流失強度分為高低值，通過去包絡線處理突出光譜吸收特征，對比不同面源磷流失強度下的土壤光譜差異。然后根據用地類型進一步劃分耕地和園地，并對實際光譜反射率(reflectance,R)進行5種變換處理： (1) 去包絡線(continuum removal, CR); (2) 去包絡線導數(continuum removal derivative, CRD); (3) 對數(logarithm,L); (4) 對數導數(logarithmic derivative, LD); (5) 一階導數(first derivative, FD)，計算面源磷流失強度與這6種形式數據之間顯著系數，顯著系數越低顯著性越高，選取顯著性最高的5個波段確定面源磷流失強度的土壤主控因子。最后根據顯著系數選取顯著性最好的光譜指數曲線，計算光譜指數曲線和面源磷流失強度的相關系數，分析不同用地類型下，土壤主控因子對面源磷流失強度的影響機理。

2 結果與分析

2.1 不同面源磷流失強度光譜特征分析

由于野外實測得到的光譜反射率較低，為了突出其吸收特征，對光譜曲線進行去包絡線處理，圖2為不同面源磷流失強度下光譜反射率及其去包絡線。由圖2可知，整體上兩條曲線反射率都較低，但是高值區反射率曲線明顯高于低值區反射率曲線，造成整體反射率存在差異的原因可能是有機質，水分或機械組成[3]；高值曲線和低值曲線的變化趨勢基本一致，但是在700 nm處高值曲線比低值曲線的吸收峰深，1 100 nm附近高值曲線有一明顯的反射峰，而低值曲線在此處較平滑，對照表1可知，700 nm處為有機質吸收波段，1 100 nm處為Fe2+的吸收波段，說明有機質和Fe2+對面源磷流失有影響。2條去包絡線僅在700 nm處存在明顯差異，可以篩選出有機質是影響面源磷流失強度的主控因子。去包絡線在其他波段基本重合，說明籠統地對比農用地高值區和低值區的光譜特征效果不佳，所以接下來將農用地繼續進一步劃分為耕地和園地，判斷不同用地類型下面源磷流失強度的土壤主控因子。

圖2 不同面源磷流失強度土壤的光譜曲線與去包絡線

2.2 不同用地類型下面源磷流失土壤主控因子識別

表2 面源磷流失強度和光譜指數間的顯著系數

注：CRD為去包絡線導數，FD為一階導數。

2.3 不同用地類型下土壤理化性質對面源磷流失強度的影響機理

根據表2，耕地選取光譜經過CRD變換后的曲線，園地選取光譜經過FD變換后的曲線，計算其與面源磷流失強度的相關系數(圖3)。從耕地光譜指數和面源磷流失強度的相關系數圖可以看出，相關系數最高值在1 685 nm處達到0.74；在650～670 nm，1 475 nm，1 680～1 695 nm處相關系數較高，即為特征波段；根據表1可知，650～670 nm處為有機質的吸收波段，面源磷流失強度和去包絡線導數在此處呈負相關，表明當去包絡線導數越小時，去包絡線數值在此處下降快，吸收峰深，有機質含量高，則面源磷流失強度大，即說明有機質含量和面源磷流失強度呈正相關；1 475 nm處接近土壤水分和有機質的吸收波段，說明其和面源磷流失強度呈負相關；1 680～1 695 nm處接近C-H的吸收波段，說明其和面源磷流失強度呈負相關。

綜合3處光譜曲線特征可知，由于在耕地中的灌溉行為頻繁，導致土壤水分含量大，而耕地的有機質含量低，所以有機質的部分吸收特征被水分掩蓋，可以認為耕地條件下有機質含量越高，水分含量越低，則面源磷流失強度越大。從園地光譜指數和面源磷流失強度的相關系數圖可以看出，相關系數最高值在715 nm處達到0.48；在685～690 nm，710～720 nm，1 110～1 115 nm，1 150～1 155和2 170 nm處相關系數較高，即為特征波段；根據表1可知，685～690 nm和710～720 nm這2個波段為有機質吸收波段，面源磷流失強度和導數在此處呈正相關，說明有機質含量和面源磷流失強度呈負相關；1 110～1 115 nm接近Fe2+的吸收波段，其和面源磷流失強度在此處呈正相關；2 170 nm接近水分和有機質吸收波段，其和面源磷流失強度呈正相關。可以認為園地條件下有機質和Fe2+含量越高，土壤水分含量越低，則面源磷流失強度越低。

有機質和水分都是2種用地類型面源磷流失強度的土壤主控因子，但是二者在2種用地類型下影響機理卻相反，這是因為2種用地類型下面源磷流失的機理有所不同。相比于耕地，園地地表坡度較大，降雨時更容易造成水土流失，面源磷流失形態以顆粒態磷所占比例更大，所以，在園地條件下： (1) 土壤水含量越高，越容易產生徑流，造成水土流失； (2) 有機質含量低，土壤黏性下降，也容易造成水土流失[22]。在耕地條件下，地面坡度較平緩，降雨時徑流流速較慢，對地表的沖刷作用不劇烈，所以相比于園地，顆粒態磷流失量減少，溶解態所占比重增大，所以在耕地條件下： (1) 由于降雨時會首先產生壤中流帶走溶解態磷，土壤蓄滿后才會產生徑流[2]，所以土壤水分含量少，溶解態磷流失量大； (2) 土壤有機質含量和磷含量顯著相關，所以土壤中有機質含量越高，磷含量也越高[23]，面源磷流失強度也越高。由此可見，土壤有機質含量對磷流失起著十分重要的作用，有機質含量低，一方面導致土壤黏性小，容易產生水土流失，另一方面導致磷含量低。但是土壤黏性和磷含量對磷流失的影響還需進一步研究，今后的研究中需要探索二者在不同坡度和土壤含水量的情況下，對不同形態磷流失的影響能力。

圖3 光譜指數和面源磷流失強度間的相關系數

3 結 論

通過對太湖流域典型農用地下不同面源磷流失強度區域的土壤光譜研究，證明了農用地面源磷流失強度的土壤主控因子是有機質，根據前人研究，一方面由于土壤中有機質含量影響植物生長，植被的生長狀況對水土保持有著重要影響[21]；另一方面有機質影響土壤黏性，土壤黏性對水土流失也有重要影響[22]；土壤中有機質和磷結合緊密[18]，土壤中有機質含量高低可以指示磷含量高低，土壤磷含量對面源磷流失有著直接影響。進一步劃分用地類型為耕地和園地后，可以確定耕地面源磷流失強度的土壤主控因子是有機質，其面源磷流失強度和土壤有機質含量呈正相關；園地面源磷流失強度的土壤主控因子是有機質、水分和Fe2+，其面源磷流失強度和土壤有機質呈負相關，和水分呈正相關，和Fe2+呈負相關。雖然兩種用地類型下的面源磷流失強度土壤主控因子都是有機質，但是有機質在2種用地類型下的作用相反，并且對耕地的面源磷流失強度的影響更加顯著，說明在園地條件下，外界環境復雜，導致面源磷流失強度受到的影響因素變多，另一方面說明不同外界條件下，面源磷流失的機理有所差異[1-2]，有機質的作用也不一樣。研究表明通過光譜可以快速甄別平原地區農用地面源磷流失強度，在今后的研究中，可以進一步探索不同外界條件下這些主控因子對面源磷流失的影響機理，并根據這些主控因子簡化面源磷流失強度的估算模型，提高估算效率，進而為農業面源污染的治理提供依據。

[1] Lin Chen, Wu Zhipeng, Ma Ronghua, et al. Detection of sensitive soil properties related to non-point phosphorus pollution by integrated models of SEDD and PLOAD[J]. Ecological Indicators, 2016,60:483-494.

[2] 陳玲.香溪河流域典型坡耕地氮磷流失機理研究[D].湖北 宜昌:三峽大學,2013.

[3] 鄭光輝.江蘇部分地區土壤屬性高光譜定量估算研究[D].江蘇 南京:南京大學,2010.

[4] 燕守勛,張兵,趙永超,等.礦物與巖石的可見近紅外光譜特性綜述[J].遙感技術與應用,2003,18(4):191-201.

[5] Weber B, Olehowski C, Knerr T, et al. A new approach for mapping biological soil crusts in semi-desert areas with hyperspectral imagery [J]. Remote Sensing of Environment, 2008,112(5):2187-2201.

[6] Bartholomeus H M, Schaepman M E, Kooistra L, et al. Spectral reflectance based indices for soil organic carbon quantification [J]. Geoderma, 2008,145(1/2):28-36.

[7] Ladoni M, Bahrami H A, Alavipanah S K, et al. Estimating soil organic carbon from soil reflectance:a review [J]. Precision Agriculture, 2010,11(1):82-99.

[8] Reeves J B. Near-versus mid-infrared diffuse reflectance spectroscopy for soil analysis emphasizing carbon and laboratory versus on-site analysis: Where are we and what needs to be done [J]. Geoderma, 2010,158(1/2):3-14.

[9] Rossel R A V, Adamchuk V I, Sudduth K A, et al.Proximal soil sensing:An effective approach for soil measurements in space and time [J]. Advances in Agronomy, 2011,113(113):243-291.

[10] 紀文君,史舟,周清,等.幾種不同類型土壤的VIS_NIR光譜特性及有機質響應波段[J].紅外與毫米波學報,2012,31(3):277-282.

[11] 彭杰,周清,張楊珠,等.有機質對土壤光譜特性的影響研究[J].土壤學報,2013,50(3):517-524.

[12] 鄭光輝,王明江,焦彩霞,等.土壤有機質高光譜估算研究進展[J].南京信息工程大學學報,2013,5(6):481-486.

[13] 史舟,王乾龍,彭杰,等.中國主要土壤高光譜反射特性分類與有機質光譜預測模型[J].中國科學(D)：地球科學,2014,44(5):978-988.

[14] 馬創,申廣榮,王紫君,等.不同粒徑土壤的光譜特征差異分析[J].土壤通報,2015,46(2):292-298.

[15] 張娜,張棟良,李立新,等.基于高光譜的區域土壤質地預測模型建立與評價:以河套灌區解放閘灌域為例[J].干旱區資源與環境,2014,28(5):67-72.

[16] Martin P D, Malley D F, Manning G, et al. Determination of soil organic carbon and nitrogen at the field level using near-infrared spectroscopy[J]. Canadian Journal of Soil Science, 2002,82(4):413-422.

[17] Luce M S, Ziadi N, Zebarth B J, et al. Rapid determination of soil organic matter quality indicators using visible near infrared reflectance spectroscopy [J]. Geoderma, 2014,232:449-458.

[18] Lin Chen, Ma Ronghua, Zhu Qing, et al. Using hyper-spectral indices to detect soil phosphorus concentration for various land use patterns [J]. Environ. Monit. Assess, 2015,187(1):4130-4140.

[19] 徐麗華，謝德體，魏朝富，等.紫色土土壤全氮和全磷含量的高光譜遙感預測[J].光譜學與光譜分析,2013,33(3):723-727.

[20] USEPA. PLOAD 3.0 User’s Manual [R]. January, 2001.

[21] 徐憲立，馬克明，傅伯杰，等.植被與水土流失關系研究進展[J].生態學報,2006,26(9):3137-3143.

[22] 楊才敏.土壤有機質與水土流失的關系定量研究[J].水土保持研究,2008,15(5):177-179.

[23] 陳書琴，儲昭升，胡社榮，等．巢湖周邊表土中有機質、全氮和全磷空間分布及其相關性[J].環境科學,2012,33(9):3031-3037.

Spectral Identification of Main Control Factors of Soil Phosphorus Loss from Typical Agricultural Land in Taihu Basin

XIONG Junfeng1,2, LIN Chen2, MA Ronghua2, WU Zhipeng3, MIN Min2,4

(1.SchoolofGeographyandRemoteSensing,NanjingUniversityofInformationScience&Technology,Nanjing，Jiangsu210044,China; 2.KeyLaboratoryofWatershedGeographicSciences,InstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing,Jiangsu210008,China; 3.SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing,Jiangsu210046,China; 4.KeyResearchInstituteofYellowRiverCivilizationandSustainableDevelopment,He’nanUniversity,Kaifeng,He’nan475001,China)

[Objective] This study was to simplify the estimation of phosphorus loss intensity, through identifying key soil properties affecting non-point source phosphorus loss by spectral analysis, in agricultural land of Taihu Basin. [Methods] To identify the key soil physical and chemical properties affecting non-point source phosphorus loss, the spectral characteristics of soil from arable land and orchard land at Meiliang Bay watershed, Taihu Basin were contrasted. [Results] The characteristic bands of non-point source phosphorus loss were 650～670 nm, 1 475 nm and 1 680～1 695 nm in arable land, suggesting that soil organic matter was the main factor controlling non-point source phosphorus loss due to the positive correlation between soil organic matter content and non-point source phosphorus loss intensity. The characteristic bands of non-point source phosphorus loss were 685～690 nm, 710～720 nm, 1 110～1 115 nm, 1 150～1 155 nm and 2 170 nm in orchard land, which suggested that soil organic matter, moisture and Fe2+were the main controlling factors of non-point source phosphorus loss intensity. Non-point source phosphorus loss intensity was negatively correlated with soil organic matter content and Fe2+, while it was positively correlated with water content. The effect of the source phosphorus loss on the arable land was more significant. The correlation coefficient between the surface source phosphorus loss intensity and the spectral index reached 0.74 at 1 685 nm in arable land. The highest correlation coefficient was only 0.48 at 715 nm in orchard land. [Conclusion] The key soil property in arable land was soil organic matter, and the key soil properties in orchard land was soil organic matter, moisture and Fe2+.

spectrum; phosphorus loss; moisture; organic matter; land use

2016-07-14

2016-09-09

國家自然科學基金青年項目“典型林耕地轉換模式下顆粒態磷流失的土壤主控因子光譜甄別”(41301227)

熊俊峰(1993—),男(漢族),江西省九江市人,碩士研究生,研究方向為領域為生態環境效應遙感監測。E-mail:xjfpanda@163.com。

林晨(1984—),男(漢族),江蘇省南京市人,博士,助理研究員,主要從事生態環境效應遙感監測。E-mail:Clin@niglas.ac.cn。

B

1000-288X(2017)02-0137-05

TP79, S151.9