哈尔滨市土壤有机质高光谱模型

第３８卷第７期　２ｏｉｏ－＇￣７月　东北林业大学学报　

ＪＯＵＲＮＡＬ　ＯＦ　ＮＯＲＴＨＥＡＳＴ　ＦＯＲＥＳＴＲＹ　ＵＮＩＶＥＲＳＩＴＹ　Ｖｏ１．３８　Ｎｏ．７　

Ｊｕ１．２０１０　

哈尔滨市土壤有机质高光谱模型　乔　璐　陈立新　张　杰　黄兰英　（东北林业大学，哈尔滨，１５００４０）　

摘要通过对哈尔滨市土壤样品实测和室内高光谱测定，以土壤光谱反射率（反射率倒数、反射率对数、反　射率一阶微分等）的数学变换数据作为自变量，土壤有机质质量分数的对数作为因变量，利用Ｍａｔｌａｂ７．１软件，多　元统计分析方法，建立了哈尔滨市土壤有机质质量分数高光谱多元逐步回归分析模型，实现了对哈尔滨地区土壤　有机质的快速预测。　关键词哈尔滨市；土壤有机质；高光谱测定；回归模型　分类号Ｓ１５３．６　Ｓｐｅｃｔｒａｌ　Ｍｏｄｅｌｓ　ｆｏｒ　Ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　Ｓｏｉｌ　Ｏｒｇａｎｉｃ　Ｍａｔｔｅｒ　ｉｎ　Ｈａｒｂｉｎ／Ｑｉａｏ　Ｌｕ，Ｃｈｅｎ　Ｌｉｘｉｎ，Ｚｈａｎｇ．１ｉｅ，Ｈｕａｎｇ　Ｌａｎｙｉｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｆｏｒｅｓｔｒｙ，Ｎｏｒｔｈｅａｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５００４０，Ｐ．Ｒ．Ｃｈｉｎａ）／／Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｅａｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒ－　ｓｉｔｙ．－２０１０，３８（７）．一１ｌ６一ｌ１８　Ａｎ　ｅｘｐｅｒｉｍｅｎｔ　ｗａｓ　ｃｏｎｄｕｃｔｅｄ　ｔｏ　ｓｔｕｄｙ　ｔｈｅ　ｒａｐｉｄ　ｍｅｔｈｏｄ　ｆｏｒ　ｔｈｅ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｓｏｉｌ　ｏｒｇａｎｉｃ　ｍａｔｔｅｒ　ｉｎ　Ｈａｒｂｉｎ　Ｃｉｔｙ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｏｉｌ　ｓａｍｐｌｉｎｇ　ａｎｄ　ｉｎｄｏｏｒ　ｓｐｅｃｔｒｏｍｅｔｒｙ　ｍｅａｓｕｒｅｍｅｎｔ．Ａ　ｍｕｈｉｐｌｅ　ｓｔｅｐｗｉｓｅ　ｒ￣ｇｒｅｓｓｉｏｎ　ｍｏｄｅｌ　ｗａｓ　ｅｓ—　ｔａｂｌｉｓｈｅｄ　ｂｙ　Ｍａｔｌａｂ７．１　ａｎｄ　ｍｕｈｉｖａｒｉａｂｌｅ　ｒｅｇｒｅｓｓｉｏｎ　ａｎａｌｙｓｉｓ　ｕｓｉｎｇ　ｓｐｅｃｔｒａｌ　ｒｅｆｌｅｃｔａｎｃｅ（Ｒｅｅｉｐｒｏｃ矗ｒｅｆｌｅｃｔａｎｃｅ，Ｌｏｇａｒｉｔｈｍ　ｏｆ　ｒｅｆｌｅｃｔａｎｃｅ，ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ　ｏｆ　ｒｅｆｌｅｃｔａｎｃｅ）ａｓ　ｔｈｅ　ｉｎｄｅｐｅｎｄｅｎｔ　ｖａｒｉａｂｌｅｓ　ａｎｄ　ｌｏｇａｒｉｔｈｍｉｃ　ｖａｌｕｅ　ｏｆ　ｓｏｉｌ　ｏｒｇｇｎｉｅ　ｒｗ￣ｔｅｒ　ｃｏｎ．　ｔｅｎｔ　ａｓ　ｔｈｅ　ｄｅｐｅｎｄｅｎｔ　ｖａｒｉａｂｌｅ．　Ｋｅｙｗｏｒｄｓ　Ｈａｒｂｉｎ；Ｓｏｉｌ　ｏｒｇａｎｉｃ　ｍａｔｔｅｒ；Ｈｙｐｅｒｓｐｅｃｔｒａｌ；Ｒｅｇｒｅｓｓｉｏｎ　ｍｏｄｅｌｓ　

有机质是土壤的重要组成部分，它含有植物生长所需的　各种营养元素，是植物生长不可缺少的营养库。同时土壤有　机质对全球碳平衡、土壤肥力、环境保护和农业可持续发展等　方面有着重要的意义　。传统的有机质测定技术具有很高　的准确性，但涉及范围存在一定的局限性，大范围地统计土壤　有机质的质量分数，需投人大量的人力、物力、财力，而遥感技　术可以以其独有的宏观性、综合性和可重复性及低成本的特　点，预测大范围地区土壤有机质。目前，研究较多的是利用土　壤光谱反射率与实测土壤有机质，运用多元线性回归　（ＳＭＬＲ）、主成分分析（ＰＣＲ）、人工神经网络（ＡＮＮ）和偏最小　二乘法（ＰＬＳＲ）等方法，建立土壤有机质模型，从而预测土壤　有机质含量。Ｋｒｉｓｈｎａｎ等利用多元线性逐步同归和迭代方　法，研究不同类型的土壤有机质，发现可见光５６４、６２３　ｎｍ相　关性较高　。Ｄａｌａｉ等在波长１　７０２～２　０５２　ｎｍ的短波近红外　区对土壤的有机质与总有机氮进行了预测Ｌ３　Ｊ。Ｃｈａｎｇ等从有　机质结构组成的角度解释了近红外区的光谱特征，认为有机　质成分复杂，功能团多样，因而其在近红外光谱区的光谱特性　与其所含的功能团对应解释的难度很大，一般体现为降低整　个谱线的反射系数　』。Ｂｅｎ—Ｄｏｒ和Ｂａｎｉｎ在对的土壤有机质　样本进行研究发现，当有机质超过４Ｏ　ｋｇ时，估算值与测量　值差异很大　。而Ｃｏｈｅｎ等利用土壤光谱估算湿地上壤有机　质（０—８２％）时，估算值和实际值之间的相关系数达到０．１９４　３，其模型估算精度并没有因为有机质质量分数差异大而受到　影响　６Ｊ。徐彬彬研究土壤有机质的最佳波段在６００～８００　１）国家自然科学基金（３０７７１７０８）资助。　第一作者简介：乔璐，女，１９８３年１０月生，东北林业大学林学院　硕士研究生。　通信作者：陈立新，东北林业大学林学院，教授。　收稿日期：２０１０年１月２４日。　责任编辑：程红。　ｎｍ＿７Ｊ。曾志远利用资源卫星多光谱图象，借助多元非线性回　归方法，探测土壤表层（０～２０　ｅｍ）有机质质量分数，把有机质　质量分数表示成卫星图像４个波段辐射值的函数　』。刘焕军　等利用多元线性回归法对黑土有机质和土壤反射率建立高光　谱模型，较好地实现了对土壤有机质质量分数大范围的快速　预测　Ｊ。黄明祥等在海涂土壤高光谱特性中利用偏最小二　

乘法（ＰＬＳＲ）、主成分分析回归法（ＰＣＲ）、人工神经网络　（ＡＮＮ）、支持向量机（ＳＶＭ）４种方法构建模型，取得了显著　的效果　。笔者利用多元统计分析方法构建哈尔滨地区土　壤有机质的预测模型，效果显著。　

１研究区概况　哈尔滨市，位于黑龙江省南部，地处东北亚巾心位置，东　经１２５。４２　～１３０。１０　，北纬４４。０４　一４６。４Ｏ　，被誉为欧亚大陆　桥的明珠，是欧亚大陆桥和空中走廊的重要枢纽。哈尔滨境　内的大小河流均属于松花江水系和牡丹江水系。气候属中温　带大陆性季风气候，四季分明，１月平均气温一１９℃；７月的平　均气温一２３℃。全年平均降水量５６９．１　ｍｍ，夏季占全年降水　量的６０％。　

２研究方法　土壤样品采集：根据哈尔滨市１：５０　０００的地形图和土　地利用状况，按照农地、林地、城市绿地、池塘、松花江流域　（上游和下游），采用１　ｋｇｘ１　网格法设计采样点，共设置９５　个采样点，在地形图上标记，并记录下每个采样点的地理坐　标。２００８年９月２８至ｌＯ月８日，用ＧＰＳ导航，根据每个采样　点设定的地理坐标，寻找采样点。在每个采样点１５　ｍＸ　１５　ｍ　范围内，按“ｓ型”设计５个采集点，采集０—２０　ｅｍ土样，５个　土壤样品混合，作为一个土壤测定样品。采集后的土壤样品　剔除树枝、石块等杂物，室内风干研磨，分别过２．００、０．２５　ｍｍ　筛，装入容器储藏。　第７期　乔璐等：哈尔滨市土壤有机质高光谱模型　１１７　土壤样品测定：土壤有机质测定采用重铬酸钾氧化　法…Ｊ。对９５个样本进行有机质测定，有机质变化幅度为　１２．２５～２７４．９４　ｋｇ，平均值为１３１．３１　ｋｇ，标准误差为　６４．５３　ｇ／ｋｇ。　光谱测定：将过２　ｍｍ筛的土壤样品放置于直径为１０　ｃｍ、深度为２　ｃｍ的玻璃器皿中（玻璃器皿经特殊处理刷成黑　色以减少光谱测定误差），表层用玻璃棒刮平。采用ＡＳＤ　ＦｉｅｌｄＳｐｅｅ—ＦＲＴＭ背挂式野外光谱辐射仪，分别在３５０～１　０００　ｎｍ波段，间隔为１．４　ａｍ，光谱分辨率为３　ｎｍ和ｌ　０００～２　５００　ａｍ波段，间隔为２　ｒｉｍ、光谱分辨率为１０　ａｍ条件下进行测试。　光谱测试在暗室内进行。室内土壤高光谱测试的几何条件：　光源为功率５Ｏ　ｗ的标准直流钨丝石英卤素灯，探头视场角　８。，光源入射角１５。，光源距离３０　ｅｍ，探头垂直土样表面且距　离土样１５　ｅｍ。光谱仪进行优化后，测试２５　ｅｍｘ２５　ｅｍ优良朗　伯性漫射材料聚四氟乙烯标定白板获得绝对反射率，每次测　量前后都进行标准板的测量以校准光谱仪。为减少误差，每　个土样测１Ｏ组反射率，最后取其平均值。　数据处理：由于光谱仪不同波段对能量吸收的差异，使光　谱曲线存在一些噪声，为了去除包含在光谱数据中的噪声，采　用Ｍａｔｌａｂ７．１一邻域均值法，得到平滑后的数据。大量文献表　明，光谱反射率不同形式的微分处理可以降低部分噪声、背　景、地形、光照等因素对目标光谱的影响，增强光谱数据与有　机质之间的相关性。为了提高光谱数据与有机质之间的相关　性，对光谱反射率做ｊ，７种变化包括光谱反射率倒数、反射率　对数、反射率倒数的对数、反射率一阶微分、反射率倒数的一　阶微分、反射率对数的一阶微分。其巾，光谱数据一阶微分计　算公式为：　（Ａ）＝［　（Ａ　）一　（Ａ　）］／２ＡＡ。式中：Ａ是每个　波段的波长；Ｒ（Ａ）为波长Ａ的一阶微分光谱；ＡＡ为采样间　隔；ＡＡ＝１０。　

３结果与分析　３．１有机质质量分数的对数与土壤光谱的相关性　土壤有机质质量分数高低，直接影响光谱反射率大小。　由于哈尔滨地区土壤有机质质量分数变化幅度较大（１２～２７４　ｋｇ），因此，采用哈尔滨地区土壤有机质质量分数的最小值，　最大值和平均值绘制３种土壤有机质质量分数不同的土壤光　谱（图１）。从图１可看出，有机质质量分数不同，所显示的吸　收峰的深度、面积、宽度也不同，但３种值的光谱变化总趋势　相同。在可见光波段，３种有机质质量分数与反射率相关性　并不高，６００～８００　ａｍ处陡然上升，在１　４００和１　９００　ｎｍ附近　出现土壤水的吸收峰。表明土壤有机质质量分数越高，其反　射率越低，此结果与徐彬彬研究的实验室土壤脱有机质结论　相一致　。Ｓｔｏｎｅ和Ｂａｕｍｇａｒｄｎｅｒ研究发现黑土光谱曲线属　于有机质控制类型　。随着土壤有机质质量分数的增加，曲　线形状由微凸、平直状趋向微下凹，有机质质量分数越高，下　凹的程度越大、光谱反射率越低　。根据光谱曲线的特征，　按照土地利用类型（农地、林地、城市绿地、池塘、松花江流　域），利用Ｍａｔｌａｂ依次进行单相关分析，找出相关系数较高的　相应波段（表１）。为了提高有机质与土壤光谱反射率的相关　性，对土壤有机质质量分数进行对数变换　ｊ。从图２可以看　出，在６００～１　０００　ａｍ相关性有着明显的提高。６１３　ｎｌｎ处相关　性由一０．４１４　３提高到了一０．５６３　２；８０９　ａｍ处相关性由　一０．７２１　１提高到了一０．８００　９。　图１　不同有机质质量分数的土壤光谱曲线　ａ、ｂ、Ｃ的有机质质量分数分别为１２、１０３、２７４　ｇ／ｋｇ。　图２　有机质质量分数与有机质质量分数对数的差异　表１　土壤光谱反射率与土壤有机质对数的相关系数及波段　圭苎　妻　波长　相关系数　圭釜　望　相关系数　数学变换形式　ｎｍ　…　一　数学变换形式　ｎ埘　…　…　反射率　６５６—０．５６４　３　反射率对数一阶微分　１　１５８　—０．８０８　９　反射率倒数　６５６—０．５９８　１　反射率对数一阶微分　１　５４０　—０．５２６　２　反射率对数　６５６—０．６５１　１　反射率对数一阶微分　１　６０７　—０．７０７　５　反射率一阶微分　１　０００—０．６６７　２　反射率倒数对数的一阶微分４６５　—０．８０１　５　反射率一阶微分　１　０６６—０．６７９　２　反射率倒数对数的一阶微分　５５６　一Ｏ．８３１　８　反射率一阶微分　１　４１６—０．７４２６　反射率倒数对数的一阶微分　７６２　—０．７１８　０　反射率一阶微分　１　５８２—０．６４５　８　反射率倒数对数的一阶微分８５８　—０．７８０　２　反射率对数一阶微分　６２９　—０．６７２　８　反射率倒数对数的一阶微分　９７４　—０．７５６　８　反射率对数一阶微分６１３　—０．５６３　２　反射率倒数对数的一阶微分１　２７５　—０．５００　６　反射率对数一阶微分６５６　—０．５９１　５　反射率倒数对数的一阶微分１　３６８　—０．５４６　２　反射率对敬一阶微分８０９　一Ｏ．８００　９　反射率觑数对数的一阶微分ｌ　５６９　—０．７６２　５　反射率对数一阶微分９１０　—０．４８２　６　反射率倒数对数的一阶微分１　６００　—０．７９７　４　反射率对数一阶微分１　０５０　—０．６９５　８　反射率倒数对数的一阶微分１　６６７　—０．６１　１　０　反射率对数一阶微分１　０７５　—０．８６９　５　３．２模型建立与检验　３．２．１模型建立　根据单相关性的分析结果，以土壤有机质质量分数的对　数为因变量，土壤波段（相关性较高的２７个波段所对应的数　学变化形式）（表１）为自变量，组建方程，依次剔除异常值，最　终以４３个样本建模。２０个检验样本。建模方程为：　１ｎ（Ｓ有机质）＝０．３９０＋３．３４１（１ｏｇＲ）６５６—０．１３９（１／Ｒ）６５６—１４９．５６９　（１ｏ　）　ｌ　ｏ７５＋３０．７４７（１ｏｇｌＲ）　ｌ　０５０＋１２２．７１７（１０　）　ｌ瑚。式巾：　ｌｎ（Ｓ删　）为有机质对数的预测值；６５６、１　０７５、１　０５０、１　５６９为