专题一：土壤有机质含量高光谱预测模型及其差异性研究

null土壤有机质含量高光谱预测模型 及其差异性研究土壤有机质含量高光谱预测模型 及其差异性研究主要内容主要内容1、研究背景、目的和意义 2、技术路线及试验 3、研究结果及 4、结论1、研究背景、目的和意义1、研究背景、目的和意义null1.1 研究背景 土壤在发育过程中，因为母质、气候、地形、生物等成土环境不同和成土时间长短的差异，再加上人类活动的影响，其理化特性，如机械组成、有机质含量、粘土矿物类型等有明显差别，光谱特性也因此各有特点（如图1、图2）。 图1 不同类型土壤反射光谱曲线 （Stoner & Beumgardner,1981） 图2 4种土壤的室内反射光谱曲线 （徐彬彬，1987）null国内外已有的研究表明，土壤理化性质中，土壤水分、土壤有机质含量、铁的氧化物（矿物组份）、土壤质地等诸多因素对土壤光谱特性有明显影响。 土壤中一些理化特性只有在 高光谱下才能得到反映图3、光谱分辨率对水铝石光谱的影响（Cloutis,1996)null由于土壤是一个由多种物质组成的复杂综合体，而土壤光谱又是各种组份的综合表现，所以要准确定量描述土壤中某种物质与光谱反射系数的关系有很大的难度，因此目前虽然光谱在植被等方面的应用研究取得诸多重要进展，但光谱在土壤方面的研究仍然停留在宏观及区域性研究的水平，一些定量研究的实用及推广价值也相当有限。 由于受诸多因素的影响，土壤光谱研究具有风险大、难度高的特点，为此，研究选择土壤众多理化特性中对土壤光谱反射影响较大，同时又是肥力重要指标之一的土壤有机质（SOM）作为研究对象，应用高光谱数据获取手段，对以土种为单元的SOM含量高光谱预测模型作探索性的研究。null已有的土壤有机质光谱研究 土壤反射光谱与土壤有机质含量呈显著负相关（ Al-Abbas, A.H., 1972；Krishnan P.等 ,1980）； 有机质中不同的成份光谱特性不一样（徐彬彬，1991；Demattê 等，1999；李震宇等, 1999; 牛灵安等, 2001 ) ； 有机质含量可以从土壤反射光谱中得到一定程度上的反应( Krishnan等, 1980；徐彬彬，戴昌达，1980；Henderson等, 1992；Sudduth等, 1993；Bon-Dor等，1995；Chang, C. W.等，2002；McCarty等，2002 )； null图4 胡敏酸和富里酸反射光谱曲线（徐彬彬等，1991） null 有机质含量=式中，K为回归常数，r 为反射值，λ为波长（ Krishnan 等，1980） 。 null 徐彬彬、戴昌达（1980）通过对南疆土壤研究发现，土壤有机质与土壤光谱在600nm波段处的弓曲差（即土壤光谱反射系数曲线在550nm和650nm两个波段的光谱反射系数的平均值与600nm波段处的光谱反射系数的差值）极显著负相关logY=0.1271-1.0830logh R=-0.81** 式中，Y为有机质含量 （%）， h为弓曲差。 弓曲差图5 样品的散点图及回归曲线 （徐彬彬，1980）null1.2 研究目的和意义 基于土壤高光谱变化规律，建立各类试验土壤相应SOM含量高光谱预测模型，并探求所建模型之间的差异性。 人工模拟SOM梯度试验 探索在较为严格地控制土壤其他理化特性不变的条件，不同土种SOM含量与土壤光谱特性之间的关系。 野外实地土壤样品SOM数据 研究建立自然条件下以土种为建模单元的SOM含量高光谱 预测模型。 2、技术路线及试验设计 2、技术路线及试验设计 null2.1 技术路线 应用研究得到的室内土壤高光谱数据获取的统一方法，结合传统土壤理化特性分析技术，研究基于土种的SOM含量高光谱预测模型及其差异性（技术路线如图6所示）。null图6 技术路线图null2.3 试验设计 （1）室内光谱测试过程的不确定性研究 室内几何测试条件对高光谱质量的影响 土壤表面处理及粒径对室内土壤高光谱数据的可重复性影响 表面处理：表面刮平处理，表面稍压平处理 粒 径：5mm，2mm，1mm， 0.5mm， 0.28mm， 0.145mm 表1 试验因素与水平设置null （2）基于土种的SOM含量高光谱预测模型及其差异性研究 人工模拟SOM梯度： 12种土壤（表3） 野 外 土 样： 两种土壤（青紫泥和红黄泥）null表2 被试土壤名称及相应发育母质 null（3）研究方法 土样的采集和制备 人工模拟SOM梯度土壤原始样品按常规方法采集(鲁如坤，2000)，野外实地SOM梯度土壤样品采样范围在所选采样点的1m×1m面积内，采样深度0~15 cm。 土壤样品理化性质的测定 对所有土样的机械组成、SOM含量及速效N、P、K等理化性质采用常规方法进行测试(鲁如坤，2000)。 SOM梯度样品的制备 用过量双氧水氧化法弃除样品中的SOM，有机质被完全氧化后，过量的过氧化氢用加热法排除(中国科学院南京土壤研究所, 1978)。 制备SOM梯度样品 用未弃SOM的样品和氧化后的样品按比例混合，可按需要获取SOM含量范围在氧化后样品SOM含量和原土壤样品SOM含量之间的任一SOM梯度样品。 SOM含量高于原土壤SOM含量的梯度样品，用在原土壤样品中加入腐殖酸的方法获得。 null室内土壤高光谱测试 采用 ASD公司生产的ASDFieldSpec-FRTM型光谱仪测试，该光谱仪光谱范围350~2500 nm，其中350~1000 nm 范围内光谱采样间隔（波段宽）为1.4 nm，光谱分辨率为3 nm，在1000~2500 nm范围内光谱采样间隔（波段宽）2.0 nm，光谱分辨率为10 nm。测试具体操按研究中提出的规范进行。光谱反射系数经专用平面白板化。 数据处理 光谱微分 方差分析 多元线性回归分析3、研究结果及分析3、研究结果及分析null3.1 室内高光谱数据的不确定性及其影响因素分析 室内几何测试条件对土壤高光谱质量的影响 光源为50W的卤素灯、探头视场角为8°的条件下，以光源入射角度15°、光源距离30 cm、探头距离15 cm作为室内几何测试条件较为理想。 不同表面处理方法对土壤室内高光谱反射系数的影响 表面压平处理相对表面刮平处理而言，对于不同质地的土壤，总体上具有较小的测试方向上的标准差向量及多次测试之间的标准差向量，是室内光谱测试较好的土样表面处理方法。 土样粒径对土壤室内高光谱反射系数的影响 6种研究粒径中，对于不同质地的土壤，1 mm粒径的土样总体上具有相对较小的测试方向上的标准差向量及多次重复测试之间的标准差向量，是室内光谱测试较合适的土样粒径。null室内土壤高光谱数据采集规范 田间土壤样品采集 保证田间土壤样品采集时的剖面位置一致，建议表层土样都采集0~15 cm深度范围内的土壤，且所采集的样品应能尽量具备研究对象的代表性。 土壤样品制备 在土壤样品制备过程中，样品前处理条件（主要包括土样粒径尺度、土样水分控制、土样表面处理等）应一致，建议以1 mm作为土壤光谱测试样品的粒径尺度，风干土壤样品测试前在40℃恒温条件下烘24小时，然后密闭冷却24小时，测试时土壤表面进行稍稍压平处理。 测试条件的控制 测试时除遵循光谱测试指南的要求外，还必须保证测试光照条件的一致性，建议在50W卤素灯、8°探头角条件下，采用15°的光源照角度、30 cm的光源距离和15 cm探头距离作为室内土壤高光谱测试几何条件，同时还须保证参考板表面与测试土壤样品的表面在同一平面上。 null3.2 土壤高光谱特性及其SOM含量预测模型差异性研究 试验土样的人工模拟SOM梯度（如表3所示） 表3 测试土样SOM含量 注：表中Ti-j为第i号土壤第j个梯度编号。 null3.2.1 外源腐殖酸对土壤高光谱特性的影响 图7 人工模拟SOM梯度反射系数曲线null图7 人工模拟SOM梯度反射系数曲线（续）null图6 人工模拟SOM梯度反射系数曲线（续）null各种土壤的原始样品在加入外源腐殖酸后，反射系数在研究波段内有不同程度的降低（花岗岩红壤除外）； 同时，研究土壤的反射光谱曲线的走势也有明显变化，特别是700~1000 nm范围的反射系数曲线在加入外源腐殖酸后，变得很平缓，其中部分土壤差别较大，如花岗岩红壤（图7c）、红黄泥（图7g）、红菜园土（图7h）等 。 nulla麻沙泥b麻沙菜园土c山地花岗岩红壤d黄菜园土nulla麻沙泥b麻沙菜园土c山地花岗岩红壤d黄菜园土nulle黄泥田f山地板岩红壤g第四纪红土红壤h红黄泥nulle黄泥田f山地板岩红壤g第四纪红土红壤h红黄泥nullh红菜园土i潮菜园土模拟有机质模型模拟有机质模型红黄泥 SOM=-778.960+23.595ρ(λ953) -0.459ρ(λ964) SOM=58.333-559.333ρ′(λ447)+334.545ρ′(λ870) +39.699ρ′(λ572)野外红黄泥的高光谱特征 野外红黄泥的高光谱特征 红黄泥以一阶微分为自变量的模型 红黄泥以一阶微分为自变量的模型 SOM=15.108+463.517ρ′(λ776)+385.755ρ′(λ771) -319.453ρ′(λ643)+5.175ρ′(λ975) R2=1.000**null3.2.2 不同土壤类型高光谱特性差异研究 （1）相同母质发育的不同土壤类型的土壤高光谱特性的差异图8 相同母质发育的不同类型土壤反射系数的差异null图9 相同母质发育的不同类型土壤一阶微分光谱的差异null 同一母质发育的不同类型的土壤，虽然母质相同，但由于成土环境的差异，造成土壤间的矿物组成及SOM组成的差异，使得土壤的反射光谱特性在反射系数的高低和反射系数曲线的变化趋势上都有显著差异，土壤类型间的反射系数大小与SOM含量间没有明显的负相关特性。null（2）不同母质发育的同种土壤类型的土壤高光谱特性的差异图10 不同母质发育的水稻土反射系数及其一阶微分曲线null图11 不同母质发育的红壤反射系数及其一阶微分曲线null 不同母质发育的相同类型（指土类）的土壤，因母质矿物组成的不同造成土壤化学成分和矿质养分含量的差别，加上SOM的组成和含量的不同，使其反射高光谱特性在反射系数的高低和反射系数曲线的变化趋势上也都有明显的差异；土壤间的反射系数大小与SOM含量间也没有过明显的负相关特性。null3.2.3 模拟有机质梯度条件下建立土壤有机质含量高光谱预测模型 （1）各土壤类型SOM含量高光谱预测模型的差异分析表4 反射系数为自变量的多元线性逐步回归结果注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中除08号土样的第一个模型的决定系数只达0.05显著水平外，其它都达0.01显著水平。 表5 吸收系数为自变量的多元线性逐步回归结果 表5 吸收系数为自变量的多元线性逐步回归结果 注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中除08号土样的第一个模型的决定系数只达0.05显著水平外，其它都达0.01显著水平。 null表6 一阶微分为自变量的多元线性逐步回归结果 注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中各土样的决定系数均达0.01显著水平。null表7 以反射系数为自变量的各土壤SOM含量预测模型统计量表8 以吸收系数为自变量的各土壤SOM含量预测模型统计量null表9 以一阶微分为自变量的各土壤SOM含量预测模型统计量null表中数据表明： （1）对于相同自变量的模型，土壤类型之间，入选波段的位置、个数和相应模型的决定系数都有一定的差异。 （2）对于同一土壤，以反射系数和吸收系数为自变量的模型间，其入选的波段位置相差不大，有的甚至相同或前部分波段相同；以一阶微分为自变量的模型的入选波段的位置、个数及相应模型的决定系数与其它两种自变量模型有明显差别。null（2）模型差异原因分析 土壤本身矿物组成的不同是模型产生差异的原因之一。土壤光谱是土壤组成物质光谱的综合表现，不同土壤类型间由于矿物组成差异（包括矿物种类以及各种矿物的具体含量的不同），导致土样光谱的不同，使得SOM对土壤光谱的影响及这种影响在光谱中的表现也不一样，导致不同土壤类型SOM高光谱预测模型的差异。 不同成土环境下SOM的组成差异也是模型产生差异的又一原因。图12 某些粘土矿物反射系数曲线（季耿善等，1987）null（3）模型验证图13 红黄泥和青紫泥模型检验结果null3.2.4 基于野外土壤样品数据建立土壤有机质含量高光谱预测模型 3.2.4.1 青紫泥高光谱特性及其有机质含量预测模型 （1）供试青紫泥部分性质表10 供试土壤的部分性质null（2）青紫泥的高光谱特性图14 不同SOM水稻土光谱反射系数及一阶微分曲线 （图例中代号为样本编号，括号中的数字为有机质含量，单位： g·kg-1）null图15 SOM与反射系数及一阶微分的相关性（n=74）null（3）青紫泥SOM含量高光谱预测模型的建立表11 不同波段范围内数据回归模型选入波段 null图16 选入波段个数与相应线性回归模型决定系数的关系nullR22=0.943** R22=0.976** （1）（2）null（4）青紫泥模型检验图17 SOM测量值与模型（1）、（2）预测值的相关关系(n*=45) null注：表中统计量β0、β1、β2在模型（3）中分别依次对应于模型的常数项及2295和2215 nm波段反射系数的系数，β0、β1、β2、β3、β4、β5、β6、β7在模型（4）中分别依次对应于模型的常数项及1925、1935、1775、978、2035、1335和1375 nm波段反射系数对数一阶微分的系数。 表12 原样本和检验样本拟合模型（1）、（2）的结果null（5）模型预测精度差异的原因分析 （1）自变量个数的差异，反射系数只有2个自变量，而一阶微分有 7个自变量。 （2）拟合模型所用数据源的不同。一阶微分较大的变异系数说明其对对外界因素的反应要比反射系数敏感。图18 反射系数与一阶微分在400-2450nm范围内的变异系数（n=74）null（6）小结 （1）由河湖沉积物发育的水稻土反射系数与SOM极显著负相关。 （2）可以用反射系数和一阶微分定量反映青紫泥SOM的含量。模型中以反射系数为自变量的回归模型的稳定性和预测性能优于以一阶微分为自变量的回归模型。 null3.2.4.2 成土母质对水稻土高光谱特性及其有机质含量预测模型的影响 （1）红黄泥（RP）与青紫泥（BP）的高光谱特性比较 图19 RP和BP反射系数及一阶微分曲线 （图例括号中的数字为SOM含量，单位： g·kg-1）null图20 RP与BP的反射系数（a）及一阶微分(b)和SOM的相关关系(n=18)null（2）红黄泥与青紫泥的有机质含量高光谱预测模型的差异表13 多元线性逐步回归结果null表14 BP及RP 各SOM含量光谱参数模型统计量null（3）模型检验及交叉检验表15 模型检验及交叉检验MSPR值null小结 起源于不同母质的BP和RP的反射系数和一阶微分有明显差异。 BP与RP的SOM含量高光谱模型所包含波段的个数和位置都有明显的差异，不同母质发育的水稻土的SOM含量预测模型因粘土矿物类型及SOM组成的不同而应选择不同光谱参数模型，即SOM含量高光谱预测模型的建立应以土种（土系）为基本建模单元，以保证模型的预测精度。4、结论4、结论(1)提出以土种为基本单元构建SOM含量高光谱预测模型，以保证模型的预测精度，有一定的创新性。 (2)提出室内高光谱测试规范，使获取的光谱数据比较稳定，在技术方法上有新的进展。 (3)在室内高光谱测试规范化获取数据的基础上，采用人工模拟SOM梯度方法，研究不同土种之间高光谱特性，并以SOM多元线性回归方式建立模型，在研究思路上具有新意。