基于歸一化光譜指數的土壤有機質含量空間分布狀況研究

祁亞琴，張顯峰，張立福，呂 新，張 澤，陳 劍，李新偉，王 飛，彭 奎

(1.北京大學地球與空間科學學院/遙感研究所生態遙感實驗室，北京　100871；2.石河子大學/新疆兵團綠洲生態農業重點實驗室，新疆石河子　832003；=3.中國科學院遙感與數字地球研究所高光譜研究室，北京　100094)

0　引 言

【研究意義】研究和獲取農田土壤含水量、主要養分含量信息狀況的空間分布差異，能夠更加全面、準確地識別與評價田間土壤特性的時空變異狀況[1]。較以往農田單位面積內物資投入量基本相同、區域內水肥利用率低、養分供給不平衡、粗放管理缺乏針對性的傳統農業生產[2]來說，有利于調整農用物資的投入量，科學水肥精量管理，是未來實現精準農業管理的前提,也是農業資源可持續利用的基礎[3]。目前新疆兵團各師團場的農業生產連隊土壤具有養分空間分布差異性等特點[4]，因此，在大型農場開展有關農田土壤養分分區管理的相關研究，做到精確管理、因土施肥、為今后大尺度農田推廣土壤養分快速獲取、精量施肥提供科學依據[5]，為探索適合新疆及兵團特色精準農業管理提供理論參考[6]，合理優化肥料使用，減少農田污染，降低生產成本，增加農民收入，達到增加經濟效益和環境效益的目的。【前人研究進展】20世紀60年代，法國統計學家(Matheron G)提出了地統計學(Geostatistics)，也稱地質統計學，是門新的統計學分支[7]。它是以區域化變量為核心理論基礎，以空間相關和變異函數為基本工具的一種數學地質方法[8]，是以空間數據的隨機性和結構性、空間依賴性和相關性、空間格局與變異有關的研究，可應用地統計學的理論與方法對數據進行最優無偏內插估計或模擬這些數據的離散性和波動性[9]。近30 a來，地統計學在氣象、地質、海洋、森林、農業、土壤、生態和環境治理等領域都有廣泛應用[10]。現代GIS技術，以空間數據庫為核心，以地理研究和預測為目的、以地理模型為手段、具有強大的區域空間分析能力[11]，將統計數據和空間要索有機結合在一起。【本研究切入點】克里格(Kriging)插值方法是地質統計學空間變異性研究常用的方法之一，從數學角度來說,是一種求最優線性無偏內插估計量的方法[12]，是根據某區域內外若干樣品的特征數值，對該區域作出的線性無偏和最小估計方差的方法。空間插值研究的本質是通過空間建模擬合生成充分逼近要素空間分布特征的函數方程,而插值模型的精度關鍵取決于模型對土壤屬性空間相關性與空間變異性的反應程度[13]。不同的插值模型精度也不同,就Kriging插值而言,算法不同精度也不同,且樣本的地理位置、取樣密度、容量及樣點空間分布等因素都會對插值精度產生極顯著的影響[14]。土壤有關水分、有機質、主要養分含量等都存在明顯的空間差異性,且受地形、土壤質地、人為活動等隨機性因素與植被等結構性因素的共同影響[15]。土壤養分空間差異信息可為農田土壤肥力狀況評價和變量分區管理提供基礎研究數據[16]。【擬解決的關鍵問題】研究利用歸一化光譜指數NDI估算土壤有機質含量，并對其空間分布狀況進行插值反演填圖，是實現農田精準管理和科學施肥決策的前提[17]，為推動新疆及兵團精準農業的實施提供技術支持。

1　材料與方法

1.1材 料

土壤有機質含量的高光譜反射率分析建模與小面積反演填圖試驗，于2014～2015年在新疆農墾科學院試驗地(45°20′N，86°40′E)進行，試驗面積為1 hm2。試驗地前茬為小麥，供試土壤為灰色壤土(pH值8.46～8.72，有機質含量13.8～21.6 g/kg、堿解氮66～144 mg/kg，有效磷 14.2～36.6 mg/kg，速效鉀 110～218 mg/kg)。

土壤養分信息空間分布獲取與大尺度分區管理應用試驗在新疆生產建設兵團(簡稱兵團)第七師125團墾區試驗地(44°36′～44°54′N，84°20′～84°40′E)進行，試驗區面積9 600 hm2，區內種植作物以棉花為主，土壤類型為灰漠土、砂土和鹽土。

1.2方 法

1.2.1土壤光譜測試

研究采用美國ASD公司 Field Spec Pro VNIR 2500型光譜輻射儀測定，光譜范圍350～2 500 nm，波長精度為lnm；測定速度固定掃描時間為0.1秒，視場角設定為25°，光譜測定時間為晴日中午12:00～14:00；選擇GPS定位取樣所對應的土壤樣本點進行測試，探測器頭部垂直向下距被測土壤表面部約100 cm，每個處理測定10～15條曲線(取其平均值作為該測試點的光譜反射值)；每次測量前、后應進行白板校正。

1.2.2土壤室內測定

土壤理化指標的測定采用《土壤農業化學分析方法》[18-19]。

1.2.3土壤樣本的采集

采用GPS定位進行采樣，供試土樣主要來源于新疆農墾科學院5個試驗區共100個土樣(在土壤光譜測試對應點取樣)以及兵團第七師125團的500個土壤樣品。所有土壤樣品采樣深度均為0～20 cm，樣品經風干、研磨并通過1 mm孔篩，裝入容器待用于土壤的實驗室理化性狀分析及光譜測定。圖1，圖2

圖1小試驗區土壤采樣點分布
Fig.1Experimental distribution of soil sample points

圖2125團土壤采樣點分布
Fig.2125 farm distribution of soil samples

1.2.4高光譜分析技術

1.2.4.1高光譜參數提取

為便于研究目標物吸收反射光譜特征，以解釋目標物光譜的物理、生物化學、土壤和植物生理學機理，提取目標物光譜的一些參數來鑒別、模擬、反演其它生物物理和化學參數。常見的高光譜參數有各類高光譜數據的變換形式：如對數變換、微分變換構建的光譜參數、光譜吸收指數及各類高光譜指數等[14]。

1.2.4.2高光譜土壤指數

光譜指數DI (Spectral indices)可用來估測地物的一系列生物物理和生物化學參數，如土壤質地、全氮、pH值、有機質含量、氧化鐵含量等[20]；在高光譜遙感數據中，由于光譜的近似連續性，可構建高光譜指數，例如某一波長λ0的歸一化光譜指數 NDI[21]可表示為：

(1)

式中R1、R2分別表示1，2兩個波段的光譜反射率。

1.3數據處理

使用ESRI公司開發的ArcGIS9.3軟件普通Kriging插值方法，進行土壤特征參量的空間分布填圖。

2　結果與分析

2.1土壤有機質含量的Kriging插值反演填圖

對土壤有機質含量預測值與實測值之間進行空間變異分析，得出基于高光譜定量估算模型模擬土壤有機質含量，具有良好的相關性，相對誤差為14.93%，預測精度為85.06%。研究表明，將土壤有機質含量的光譜預測值(基于歸一化光譜指數NDI[495,485]預測)與實驗室化學測定的實測值進行Kriging插值填圖進行比較，可以進一步分析土壤有機質含量的預測值與實測值在空間分布上的差異。結果顯示，從插值后的空間分布情況來看，土壤有機質含量的光譜預測值均與實測值之間具有較好的相似性，預測效果較好。圖3

圖3土壤有機質含量光譜預測值(左)與實測值(右)Kriging插值填圖(g/kg)
Fig.3Spectral prediction of soil organic matter content (left) and measured values (right) Kriging interpolation mapping(g/kg)

2.2土壤有機質含量信息空間分布狀況的大尺度獲取及分區管理應用

在實地反復驗證研究的基礎上，綜合考慮作物生長狀況及地形等條件，選擇了兵團第七師125團農田作為大尺度下，土壤有機質含量信息空間分布狀況研究的對象。從農田土壤有機質含量信息的光譜預測值與實測值時空變異特征對比分析入手，研究在大規模經營的農場進行土壤主要養分信息(TN、TP、TK)遙感監測及分區管理的可能性。

研究表明，通過大范圍的監測農田土壤有機質含量，并進行土壤養分信息的光譜預測值與實測值的空間分布反演填圖效果比對，結果顯示，土壤有機質含量的光譜預測模型具有較好的預測效果，由填圖顏色和區域對比可以看出，各養分含量的光譜預測值與實測值之間均具有較高程度的相似性，預測結果總體基本吻合，只有局部較小區域略有不同，如土壤有機質含量的預測值比實測值略偏小。圖4

圖4土壤有機質含量光譜預測值(左)與實測值(右)空間分布填圖
Fig.4Spectral prediction of soil organic matter content (left) and measured (right) spatial distribution mapping (g/kg)

3　討 論

3.1從插值后的空間分布情況來看，土壤有機質含量的光譜預測值均與實測值之間具有較好的相似性；

3.2由填圖效果和區域對比可以看出，土壤特征參量的預測結果總體基本吻合，只有局部較小區域略有不同,如大尺度預測土壤有機質含量的預測值比實測值略偏小；

3.3為提高土壤特征預測信息的準確性、有效性和穩定性，應采用多種方法來評估和驗證預測模型的精度，有利于光譜定量模型不斷修正和完善，提高其預測能力。

4　結 論

研究表明，利用地統分析中的普通克里格Kriging方法插值填圖反演土壤有機質含量特征信息，為今后預測農田土壤主要養分(全氮、全磷、全鉀)含量的空間區域變異分布奠定了基礎，使土壤特征信息的光譜預測更具空間性、直觀性和科學性，并為今后農田土壤養分狀況快速監測與精量管理提供了可能，為發展新疆及兵團未來特色精準農業提供技術支持。

參考文獻(References)

[1] 郭旭東,傅伯杰,馬克明, 等.基于GIS和地統計學的土壤養分空間變異特征研究-以河北省尊化市為例 [J].應用生態學報,2000, 11(4):557-563．

GUO Xu-dong, FU Bo-jie, MA Ke-ming. (2000). Spatial variability of soil nutrients based on geostatistcis combined with GIS -A case study in Zunghua City of Hebei [J].ChineseJournalofAppliedEcology, 11(4):557-563. (in Chinese)

[2]胡克林,李保國,林啟美.農田土壤養分的空間變異性特征[J].農業工程學報,1999,15(3):33-38．

HU Ke-lin, LI Bao-guo, LIN Qi-mei. (1999). Farmland spatial variation of soil nutrient characteristics [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,15(3):33-38. (in Chinese)

[3] 黃紹文,金繼運.土壤特性空間變異研究進展[J].土壤肥料,2002,(1):8-14．

HUANG Shao-wen, JIN Ji-yun. (2002). Advance in Study on Spatial Variability of Soil Properties [J].SoilandFertilizer, (1):8-14. (in Chinese)

[4] 陳彥,呂新.基于模糊c-均值聚類法的綠洲農田精確管理分區研究[J].生態學報,2008,(7):3 067-3 074.

CHEN Yan, Lü Xin. (2008). Definition of management zones based on fuzzy c-mean algorithm in oasis farmland [J].ActaEcologicaSinica, (7):3,067-3,074. (in Chinese)

[5] 雷詠雯, 危常州,李俊華,等.不同尺度下土壤養分空間變異特征的研究[J].土壤,2004,36(4):376-381．

LEI Yong-wen, WEI Chang-zhou, LI Jun-hua, et al. (2004). Characters of soil nutrient spatial variability in different scale [J].Soils, 36(4):376-381. (in Chinese)

[6]陳彥,呂新.基于FCM的綠洲農田養分管理分區研究[J].中國農業科學,2008,41(7): 2 016-2 024.

CHEN Yan, Lü Xin. (2008). Definition of management zones of soil nutrients based on FCM algorithm in oasis field [J].ScientiaAgriculturaSinica, 41(7):2,016-2,024. (in Chinese)

[7] 徐建華.計量地理學[M].北京:高等教育出版社,2006:138-139.

XU Jian-hua. (2006).Metricalgeography[M]. Beijing: Higher Education Press: 138-139. (in Chinese)

[8] Kang-tsung Chang[美].地理信息系統導論[M].北京:科學出版社,2004:259-261.

[9] Lark, R. M., & Ferguson, R. B. (2004). Mapping risk of soil nutrient deficiency or excess by disjunctive and indicator Kriging.Geoderma, 118(1): 39-53.

[10] 朱會義,劉述林,賈紹鳳.自然地理要素空間插值的幾個問題[J].地理研究,2004,23(4):425-432.

ZHU Hui-yi, LIU Shu-lin, JIA Shao-feng. (2004). Problems of the spatial interpolation of physical geographical elements [J].GeographicalResearch, 23(4):425-432. (in Chinese)

[11]馮仲科.空間數據的最佳內插法(kriging法)及其在GIS中應用的模型[J].測繪科學,1995,(3):22-26.

FENG Zhong-ke,(1995).The best interpolation method (Kriging) of spatial data and its application model in GIS [J].ScienceofSurveyingandMapping, (3):22-26.(in Chinese)

[12] Li, B. G., Cao, J., Liu, W. X., Shen, W. R., Wang, X. J., & Tao, S. (2006). Geostatistical analysis and kriging of hexachlorocyclohexane residues in topsoil from tianjin, china.EnvironmentalPollution, 142(3): 567-575.

[13] 石小華,揚聯安,張蕾.土壤速效鉀養分含量空間插值方法比較研究[J].水土保持學報,2006,20(2):68-72.

SHI Xiao-hua, YANG Liang-an, ZHANG Lei. (2006). Comparison of Spatial Interpolation Methods for Soil Available Kalium [J].JournalofSoilandWaterConservation, 20(2): 68-72.(in Chinese)

[14] Kravchenko, A., & Bullock, D. G. (1999). A comparative study of interpolation methods for mapping soil properties.AgronomyJournal, 91(3): 393-400.

[15] 王貴政.基于GIS技術的土壤養分空間分布分析及應用[J].中國農學通報,2010,(10):187-191.

WANG Gui-zheng. (2010). Application and Analysis of the Spatial-temporal of Soil Nutrients Using GIS Technique [J].ChineseAgriculturalScienceBulletin, (10):187-191. (in Chinese)

[16] 趙月玲,陳桂芬,王越.基于GIS的土壤養分空間變異狀況研究[J].西北農業學報,2005,(6):195-198.

ZHAO Yue-lin, CHEN Gui-fen, WANG Yue. (2005). A Study on Spatial Variability of Soil Nutrients Based on GIS [J].JournalofNorthwestAgriculture, (6):195-198. (in Chinese)

[17] 杜森,高祥照.信息技術在農田施肥管理中的應用[J].土壤與環境,2002,11(2):189-193．

DU Sen, GAO Xiang-zhao. (2002). Application of information technology in soil nutrition and fertilization management [J].JournalofSoilandEnvironment, 11(2):189-193. (in Chinese)

[18] 魯如坤. 土壤農業化學分析方法 [M]. 北京：中國農業科技出版社, 2000:106 -109.

Lu Ru-kun. (2000).SoilArgrochemistryAnalysisProtocoes[M]. Beijing: China Agricultural Science and Technology Publishing House: 106 -109. (in Chinese)

[19] 鮑士旦,土壤農化分析[M].北京:中國農業出版社,2000.

BAO Shi-dan,. (2000).AnalysisofSoil[M]. Beijing: China Agriculture Press. (in Chinese)

[20] 劉磊,沈潤平,丁國香.基于高光譜的土壤有機質含量估算研究 [J]. 光譜學與光譜分析,2011,(3):762-766.

LIU Lei, SHEN Run-ping, DING Guo-xiang. (2011). Studies on the Estimation of Soil Organic Matter Content Based on Hyper-Spectrum [J].SpectroscopyandSpectralAnalysis, (3): 762-766 . (in Chinese)

[21] Da Costa M. Surface soil color and reflectance as related to physio-chemical and mineralogical soil properties PhD. Dissertation. University of Missouri, Columbia Mo,1979,P1-54.

[22] Dalal, R. C., & Henry, R. J. (1986). Simultaneous determination of moisture, organic carbon, and total nitrogen by near infrared reflectance spectrophotometry.SoilScienceSocietyofAmericaJournal, 50(1): 120-123.