土壤有机质高光谱特征及其反演研究
褐土参数的高光谱反演研究
别为 ０ ． ６ ０和 ０ ． ６ ８ 。土壤 ｐ Ｈ 的反射 率模 型 决定 系数 最 大为 ０ ． ７ ９ ， 验 证精 度 为 ０ ． ０ ２ ６ ， 有机 质 的一 阶 导数模 型 决定 系数最 大 为 ０ ． ７ ８ ，验证 精 度 为 ０ ． ３ ５ ０ ，全 盐量模 型一 阶 导数模 型 最优 ，决定 系数 为
研 究对 象 ， 试验 测 定 了研 究 区 ３ ６个土壤 样 本 的 ３个指标 （ ｐ Ｈ、 有机 质 、 全 盐量 ） 和 其可 见光 近红 外 波段 （ ４ ０ ０ ～９ ０ ０ ｎ ｍ） 的光 谱特 征 ， 对反 射 光谱进 行 ５种 变换 （ 反 射 率导数 、 倒 数及 其 导数 、 倒数 对 数 及 其 导数 ） ， 通 过 单相 关分 析 ， 选取 最佳 变换 进行 主 成分 分析 ， 最后 利 用 多元逐 步 线性 回 归建立 三 种定 量估 算模 型 ， 对 比找 出最优 模 型 ， 并进 行检 验 。 结果表 明 ， 研究区 ４ ０ ０ ～９ ０ ０ ｎ ｍ 波段 光谱 及其 ５ 种 变换形 式 中 ， 土壤 反射 率倒 数 对数 的 一阶 导数 与 ｐ Ｈ 相 关性 最好 ， ６ ７ １ ～６ ８ ０ ｎ ｍ 波段 相 关 系数 最
态化学因子。 传统的土壤研究 ， 土壤信息获取方法是进 行野外采样和室 内化学分析， 需要耗费大量人力 、 物力 和经济成本【 １ ］ 。 土壤光谱反射特性研究为土壤本身属性
的研 究 提供 了一个 新 的途径 和指标 ［ ２ １ 。目前光 谱仪 可 以
壤研究 中， 采用热红外光谱对土壤 属性进行 了估计 。 Ｃ ｓ ｉ ｌ ｌ ａ ｇ 等［ ５ １ 研究 了表层土壤样品的高光谱数据与土壤
见光 区 ６ １ ６ ． ５ ０ ６ ｎ ｍ波 段 附 近和 近红 外 区 ７ ２ ４ ． ０ ９ ７ ５ ｎ ｍ波 段 附近 有较好 的负相 关性 。郑 立华 等 利用 Ｂ Ｐ神 经 网
土壤光谱学
土壤光谱学土壤光谱学是研究土壤反射光谱特性及其与土壤物理化学性质、生物多样性、气候变化等方面关联的科学。
土壤光谱学的研究是近年来发展迅速的一个新型领域，其主要研究对象是土壤的光学特性。
土壤作为自然资源的重要组成部分，其物理化学性质和生态环境质量直接影响着生态系统的稳定性和生态安全。
土壤光谱学的研究可帮助人们更全面、准确地了解土壤的物理化学特性，从而为人类对土地的利用、保护、修复和管理提供科学依据。
土壤光谱学主要通过利用遥感技术对土壤进行高光谱图像的获取和处理，从而获得土壤体系的反射光谱。
土壤反射光谱的特征主要受土壤颗粒大小、质地、质量、湿度、有机质含量、微生物共生关系等多种因素的影响。
因此，通过对土壤光谱特征的分析和解读，可以得到土壤有关信息。
土壤光谱学在环境监测、土地利用评估、土地修复和管理等领域具有广泛的应用价值。
具体地说，土壤光谱学可用于下列方面：（1）土壤质量评价。
根据土壤光谱特征反演土壤质量指标，如有机质含量、pH值、土壤湿度等，从而对土壤的质量进行准确评估。
（2）土地利用监测。
利用土壤光谱学技术可以监测农田、林地、草地等不同类型土地的植被盖度、土壤湿度和肥力等关键指标，从而为土地的合理利用和管理提供科学依据。
（3）土地修复和管理。
土壤光谱学可通过反演土壤质量及其空间分布特征，为土地修复和管理提供数据基础。
例如在矿区土地修复过程中，通过监测土壤光谱特征可以评估土壤质量的恢复情况。
（4）环境污染监测。
土壤光谱学可监测土壤中有害元素和化学物质的污染情况，为环境污染治理提供科学依据。
例如利用土壤光谱学技术可定量检测土壤中汞、铝等有害元素的含量。
综上所述，土壤光谱学是一门多学科交叉的新型研究领域，其在环境保护、土地利用与管理、土地修复等方面有广泛的应用。
未来，随着遥感技术、机器学习技术和数据挖掘技术的不断发展，土壤光谱学在农业、生态、环保等领域的应用将越来越广泛，推动土地保护和可持续发展。
基于小波分析的土壤碱解氮含量高光谱反演
４ 。新疆大学资源与环境科学学 院，新疆 乌鲁木齐
摘
要 选 取新疆奇 台县 的 １ ３ ４个土壤样本 ， 利用土壤反射率对数 的一 阶导数 光谱分别 对 四种 小波 函数进
行多层离散分解 ， 采用 Ｐ Ｌ Ｓ Ｒ方法分别建立 了土壤碱解 氦含 量的反演模型 ， 并对其精度值进行检验 。 结果表
明： 小波分解获得 的各层低频系数以 １ ～３ 层较高 ， 而其余各层则较低 。 所有 函数分解的 ６ 层 中， 均 以第 ２ 层 低频系数建模 的精度最高 ，随着 分解层数 的增加 ， 其 精度值 和显著性 明显降低 。 相 同尺度下 ，采用 四种小波
现对信号 特征更精确 的局部描述和分离 的 目的ｒ ７ ］ ，其在 突变
信号 的检测 、含噪信号去噪等信号处理方 面的优 点被广泛 地 应用 在农 学、生 态学 、水 文学等 领域 。通 过小 波离 散分 解 ， 提取 小波低频 系数 ， 且各层的系数数 目随着 分解 层数 的增加 而减少 ， 原始光谱数据得到相应压缩 ，却足 以表示 光谱 的整 体特征『 ８ ］ 。目前 ， 国 内利 用小波 分析进 行土壤 高光 谱 曲线
基 于小 波分 析 的土 壤碱解 氮含 量 高光谱 反演
栾福 明 ，熊黑钢ｎ ，王 芳 ，张 芳
１ ．中国科学 院新疆生态与地理研究所 ， 新疆 乌鲁木齐 ２ ．中国科学 院大学 ， 北京 １ ０ ０ ０ ４ ９ １ ０ ０ ０ ８ ３ ８ ３ ０ ０ ４ ６ ３ ．北京联合大学应用文理学院，北京 ８ ３ ０ ０ １ １
收稿 日期 ：２ ０ １ ３ － ０ １ — ０ ５ ． 修订 日期 ： ２ ０ １ ３ ０４ － ０５ －
土壤理化分析实验室 ，由专业人员完成采用稀释热法分别 测
珠海一号高光谱遥感的表层土壤有机质含量反演方法
第35卷第4期2020年8月遥感信息Remote Sensing InformationVol.35,No.4Aug.,2020珠海一号高光谱遥感的表层土壤有机质含量反演方法孙浩然"，3,赵志根1,2,3,赵佳星1,2,陈卫卫"(1.安徽理工大学空间信息与测绘工程学院，安徽淮南232001；2.矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室，安徽淮南232001；3.矿区环境与灾害协同监测煤炭行业工程研究中心，安徽淮南232001)摘要：表层土壤有机质含量影响土壤光谱特性且在空间分布上呈异质性。
采用光谱分辨率高、波段连续性强的高光谱遥感影像反演区域表层土壤有机质空间分布状况，可为精准农业提供科学管理依据。
针对以往方法很少基于高光谱影像大尺度反演土壤表层有机质含量，以安徽省淮南市舜耕山以南的三和镇、曹庵镇为研究区，探索珠海一号高光谱遥感反演表层土壤有机质含量的方法。
研究结果表明，研究区表层土壤有机质含量与珠海一号高光谱影像原始光谱反射率最大相关波段为656nmO=—0.680)；采用小波包分解原始光谱后，低频分量和高频分量与表层土壤有机质的最大相关性均有所提高，低频分量最大相关波段为656nmO=—0.797),高频分量最大相关波段为700nmO=—0.804)。
采用多元线性回归对原始光谱、小波包分解低频分量、小波包分解高频分量建立土壤有机质预测模型取得了良好的效果，龙分别为0.747、0.770、0.789。
依据小波包分解的低频分量、小波包分解的高频分量建立的基于高斯核变换的支持向量回归模型预测效果优于多元线性回归模型，预测值与实测值更接近。
研究结果为开展大尺度遥感反演表层土壤有机质工作提供了新方法、新思略。
关键词：高光谱遥感；表层土壤有机质；多元线性回归；支持向量机回归；反演doi：10.3969力.issn.1000-3177.2020.04.007中图分类号:P237文献标志码：A文章编号：1000-3177(2020)04-0040-07Inversion of Topsoil Organic Matter Content by HyperspectralRemote Sensing of Zhuhai-1SUN Haoran1'2'3,ZHAO Zhigen1'2'3,ZHAO Jiaxing1'2,CHEN Weiwei"(1・College of Spatial Information and Surveying Engineering,Anhui University of Science and Technology9Huainan,Anhui2320019China^2.Key Laboratory of Aviationraerospace-ground Cooperative Monitoring andEarly Warning of Coal Mining-induced Disasters of Anhui HigherEducation Institutes,Huainan^Anhui232001^China^3.Coal Industry Engineering Research Center for Coordinated Monitoring of Environment andDisaster in Mining Area,Huainan,Anhui232001,C/iina)Abstract:The content of topsoil organic matter affects soil spectral characteristics and presents heterogeneity in spatial distribution.The inversion of regional spatial distribution of surface soil organic matter using hyperspectral remote sensing images with high spectral resolution and strong band continuity can provide scientific management basis for precision收稿日期：2019-09-17修订日期：2019-11-07基金项目：高校自然科学研究项目(KJ2015A034)。
基于植被识别的湿地土壤有机碳高光谱反演技术
基于植被识别的湿地土壤有机碳高光谱反演技术
湿地土壤有机碳高光谱反演技术是一种利用高光谱遥感数据对湿地土壤有机碳含量进行估算的方法。
该技术基于植被识别，通过分析植被光谱特征与土壤有机碳含量之间的关系，建立光谱反演模型，从而实现对湿地土壤有机碳含量的预测。
具体实施该技术的步骤如下：
1. 数据收集：首先，需要获取湿地的高光谱遥感数据、地面实测数据（如土壤有机碳含量）、植被类型等相关数据。
2. 数据预处理：对高光谱遥感数据进行预处理，包括大气校正、辐射校正、几何校正等步骤，以保证数据的准确性和可比性。
3. 植被识别：利用高光谱数据进行植被识别，即将图像中的植被像元与非植被像元进行分类。
4. 特征提取：从植被像元中提取出与土壤有机碳含量相关的光谱特征，如植被指数（如NDVI、EVI等）。
5. 模型建立：通过将提取到的光谱特征与实测土壤有机碳含量建立回归模型，如支持向量回归（SVR）、人工神经网络（ANN）等。
6. 反演预测：利用建立的回归模型对整个湿地区域的土壤有机碳含量进行预测，生成高光谱反演图像。
通过基于植被识别的湿地土壤有机碳高光谱反演技术，可以实现对大范围湿地土壤有机碳含量的遥感监测，为湿地生态环境的管理和保护提供科学依据。
褐土参数的高光谱反演研究
褐土参数的高光谱反演研究作者：刘征韩晨霞赵旭阳马艳艳来源：《湖北农业科学》2013年第12期摘要：土壤反射光谱的研究是土壤学研究的热点之一。
以石家庄市饮用水源二级保护区褐土为研究对象，测定了研究区36个土壤样本的3个指标（pH、有机质、全盐量）和其可见光近红外波段（400～900 nm）的光谱特征，对反射光谱进行5种变换（反射率的一阶导数、倒数及其一阶导数、倒数对数及其一阶导数），通过单相关分析，选取最佳变换进行主成分分析，最后利用多元逐步线性回归建立3种定量估算模型，对比找出最优模型，并进行检验。
结果表明，研究区400～900 nm波段光谱及其5种变换形式中，土壤反射率倒数对数的一阶导数与pH相关性最好，671～680 nm波段相关系数最大为0.54；反射率倒数一阶导数与有机质的相关性最好，441～450 nm波段相关系数最大为0.32；反射率及其一阶导数与全盐量的相关性最好，891～900 nm和851～860 nm波段相关系数较大，分别为0.60和0.68。
土壤pH的反射率模型决定系数最大为0.79，验证精度为0.026，有机质的一阶导数模型决定系数最大为0.78，验证精度为0.350，全盐量模型一阶导数模型最优，决定系数为0.731，验证精度为0.529。
关键词：褐土；高光谱；反演；多元逐步回归中图分类号：S127；S11+4；S151.9+5 文献标识码：A 文章编号：0439-8114（2013）12-2757-06High Spectral Inversion of Cinnamon Soil ParametersLIU Zheng，HAN Chen-xia，ZHAO Xu-yang，MA Yan-yan（ Department of Resources and Environment， Shijiazhuang University， Shijiazhuang 050035， China）Abstract： The study on soil reflectance spectral is one of the hot spots in soil science. Selecting the cinnamon soil in the second-level protection zone of drinking water source in Shijiazhuang city as the object of study， pH， the content of organic matter and total salt， and the near infrared（400～900 nm） spectrum features of 36 soil samples were measured. Then 5 kinds of transform （reflectivity derivative， reciproal and its derivative， reciproal logarithmic and its derivative） on reflection spectrum were made. The best transform was selected by single correlation analysis and the principal components analysis was conducted. Finally， three quantitative estimation models were established using the multivariate gradually linear regression and measured. The results showed that the correlation between soil reflectivity reciprocal logarithmic derivative and pH was the best and the correlation coefficient was up to 0.54 at 671～680 nm band. The correlation between reflectivity reciprocal of the first derivative and the organic matter was the best， and the maximum correlationcoefficient was 0.32 at 441～450 nm band. The correlations between the reflectance and its first derivative correlation and the total salt content were the best， the maximum correlation coefficients at 891～900 nm and 851～860 nm band were 0.60 and 0.68 respectively. The determination coefficient of the soil pH reflectance model was 0.79 and its verify accuracy was 0.026. The determination coefficient of the soil organic matter reflectance derivative model was 0.78 and the verify accuracy was 0.350. The optimal model of total salt content was the reflectance first derivative model， its determination coefficient and verify accuracy were 0.731 and 0.529 respectively.Key words： cinnamon soil； high spectral； inversion； multivariate gradually linear regression土壤是自然生态环境的一个重要组成部分，是地圈系统最活跃、最富生命力的圈层，它与人类的生产和生活活动有着极其密切的关系。
土壤重金属含量的高光谱遥感反演方法综述
土壤重金属含量的高光谱遥感反演方法综述摘要：随着工业生产规模的扩大、城市环境污染的加剧和农用化学物质种类、数量的增加，土壤重金属污染因其程度加剧、面积扩大而备受关注。
重金属污染物在土壤中移动差、滞留时间长、难被微生物降解，并可经水、植物等介质最终影响人体健康，因此对重金属污染的定量监测非常有必要并且意义重大。
高光谱遥感技术的发展为宏观、快速获取土壤重金属元素信息提供了新的契机，目前国内外学者基于土壤反射光谱特征，运用多种统计分析方法成功地预测了多种土壤重金属元素的含量。
介绍了土壤的光谱特征及光谱特征波段的提取，对利用高光谱遥感技术估算土壤重金属含量的主要方法进行了总结，对影响模型精度的主要因素进行了讨论，介绍了模型在模拟多光谱数据方面的应用，最后对模型反演过程出现的不足及今后的研究方向进行了展望。
关键词：土壤重金属；高光谱遥感；估算方法；统计分析；预测精度土壤是人类赖以生存的主要自然资源之一，也是人类生态环境的重要组成部分[1]。
随着工业的发展和农业生产的现代化，大量污染物进入土壤环境，其中重金属是重要的污染物质之一[2]。
土壤污染中重金属主要指汞、镉、铅、铬以及类金属砷等生物毒性显著的物质，也指具有一定毒性的一般重金属如锌、铜、钴、镍、锡等，目前最令研究者关注的重金属是汞、镉、铅等。
土壤重金属污染不仅会造成农作物减产，质量下降，严重者会通过食物链影响人体健康，因此对土壤重金属含量进行监测非常必要。
传统的野外采样和室内化学分析方法具有测量精度高、准确性强等优点，但相对费时费力，而且很难获取大面积空间上连续的污染物含量分布信息。
遥感技术因其多时相、大面积等特点逐渐被研究者应用于土壤性质的监测，高光谱遥感则以其多且连续的光谱波段特点被应用于监测土壤重金属含量，可以实现大范围、非破坏性和非接触元素的快速测样[3，4]。
由于土壤中重金属含量低，对土壤光谱曲线影响微弱，直接分析土壤样品重金属元素的特征光谱来估算其含量比较困难。
基于高光谱数据的土壤有机质含量反演模型比较
基于高光谱数据的土壤有机质含量反演模型比较
叶勤1姜雪芹1李西灿2林怡1
【摘要】摘要：以土壤多样化的陕西省横山县为研究区域，比较了3种基于高光谱数据的土壤有机质含量反演模型，在实验室利用ASD Field Spec FR地物光谱仪对横山县野外采集的土壤样品进行光谱测定,并通过重锯酸钾氧化容量法测定土壤有机质含量。
然后对原始光谱反射率的倒数进行微分运算获得其一阶导数光谱，将原始光谱反射率、一阶导数光谱分别与土壤有机质含量进行相关性分析，得到相关性系数「较高的特征波段的一阶导数光谱，直接建立基于—阶导数光谱的多元线性逐步回归分析(MLSR)模型。
同时针对这些相关性系数较高的特征波段的一阶导数光谱进行主成分分析(Principal component analysis, PCA),利用主成分分析得到的结果分别建立BP神经网络反演模型(PCA-BP)和多元线性逐步回归分析模型(PCA-MLSR)。
用上述3种方法进行土壤有机质含量反演,并对3种反演结果进行精度验证与比较。
实验分析结果表明：在3种模型中，基于主成分分析结果构建的PCA-BP模型在土壤有机质含量反演中决定系数(R2)最高，为0.893 0 ,均方根误差(RMSE)为0.118 5% ; 其次为运用全部主成分PCA分析结果构建的多元线性逐步回归模型，R2为0.740 7 , RMSE为0.161 3% ;而采用一阶导数光谱反射率构建的多元线性逐步回归模型中,最佳反演模型R2仅为0.689 9 , RMSE为0.171 0%。
由此说明,PCA-BP模型有机质含量反演精度明显高于多元线性逐步回归模型，利用全部主成分进行多元逐步回归，其有机质含量反演精度优于仅用累计方差贡献率大于90%的主成分进行多元逐步回归的精度，可以更好地反演土壤有机质的含量。
基于多光谱遥感影像的土壤有机质反演
第一章绪论第一节选题背景、目的和意义1.1选题背景从20世纪50年代开始，世界范围内人口急剧增加，人口愈多，资源的有限性表现的愈突出，环境问题也愈来愈严峻，人口资源环境之间的矛盾便日趋显现，资源枯竭，耕地锐减，生态环境受到严峻的破坏等成了不可轻忽的社会问题。
人类要生存，就需要粮食，这便对农业生产提出了要求，需要极大提高农业生产的效率，力争实现量和质的飞跃。
可是，进展需要资源与环境的支持，尤其是这种高速进展，给资源环境带来了庞大的压力，乃至是以捐躯其为代价的。
目前活着界范围内，因此而产生的矛盾日趋突出。
在所有人口资源环境的矛盾中，土地问题占有很重要的地位，亟待需要重视和解决。
土地在生态系统中的角色很重要，问题的本源也在于此：人们为了取得加倍充沛的粮食来养活日增的人口和为了进展现代工业和建设城市大肆开发土地，使得土地超负荷，引发了一系列的土地退化问题，比如土地盐碱化，土地沙化，土地污染，土壤侵蚀和土壤次生盐渍化等，因此为了使生态环境健康进展，各国政府和学者踊跃关注并研究解决土地质量问题。
土地是农业生产的重要来源之一，是人类获取资源的重要来源之一，仍是人类赖以生存的自然环境。
为了保证农业生产高产、优质、高效，咱们必需了解其理化性质，而且依照其理化性质进行农业生产计划治理。
尽管咱们假想的是如此，可是目前现实中却背道而驰。
当前，土地开发利用不合理的现象触目皆是，进行农业生产时，大量施用化学物质和其他不合理的利用开发手腕，致使土地问题接踵而至，土壤质量下降，资源衰消退化，环境污染严峻。
由于这各类的生态环境问题的显现，严峻制约了农业综合生产能力的提高。
为了解决该问题，应该改变农业生产方式，再也不利用传统的对环境破坏大的方式，而应加大力度推行和应用现代技术与治理方式。
为了使这一目标顺利实现，土地作为研究对象，其信息获取就变得十分重要。
为了提高土地的生产效率，必需精准把握土壤信息，从而诞生了精准农业。
精准农业[1]是利用现代技术基于知识和信息治理复杂农业系统的集成技术体系。
利用反射光谱及模拟多光谱数据定量反演北方潮土有机质含量
第３ 第１期 光 谱 学 与 光 谱 分 析 ４卷 ， ２０１４ 年 １ 月 Ｓ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｎ ｄＳ ｅ ｃ ｔ ｒ ａ ｌＡ ｎ ａ ｌ ｓ ｉ ｓ ｐ ｐ ｙａ ｐ ｙ
２ ０ １ ２ ０ ６ Ｖ ｏ ｌ ． ３ ４， Ｎ ｏ ． １， ｐ ｐ ， Ｊ ａ ｎ ｕ ａ ｒ ２ ０ １ ４ ｙ
利用反射光谱及模拟多光谱数据定量反演北方潮土有机质含量
２， ３ ３ ，顾晓鹤２， ，朱金山１，龙慧灵２，徐 鹏２，廖钦洪２ 王延仓１，
１．山东科技大学测绘科学与工程学院 ，山东 青岛 ２ ６ ６ ５ ９ ０ ０ ０ ０ ９ ７ ２．北京农业信息技术研究中心 ，北京 １ ３．农业部农业信息技术重点实验室 ，北京 １ ０ ０ ０ ９ ７
１ ０］ ； 值的回归 模 型 对 表 层 土 壤 有 机 质 含 量 的 预 测 结 果 可 靠 ［
Ｔ ｏ ｕ ｒ ｅ等利用航空高光谱数据建立 逐 步 多 元 线 性 回 归 预 测 模
２ ０ １ ３ ０ ４ １ ２，修订日期 ： ２ ０ １ ３ ０ ６ ２ ８ 收稿日期 ：
） ，海岛 （ ） 礁） 测绘技术国家地理信息局重点实验室项目 （ 资助 ２ ０ １ ２ Ｂ ＡＨ ２ ９ Ｂ ０ １ ２ ０ １ ２ Ｂ ０ ５ 基金项目 ：国家科技支撑计划项目 （ ： １ ９ ８ ６ 年生 ，山东科技大学测绘科学与工程学院硕士研究生 ｅ ｍ ａ ｉ ｌ ａ ｎ ｃ ａ ｎ ｗ ａ ｎ ６ ３ ． ｃ ｏ ｍ 作者简介 ：王延仓 ， ＠１ ｙ ｇ ｇ ： ｕ ｘ ｈ ｍ ａ ｉ ｌ ｅ ｒ ｃ ｉ ｔ ａ ． ｏ ｒ ． ｃ ｎ 通讯联系人 ｅ ＠ｎ ｇ ｇ［ １ 源自］１ １］ 。 的结果 ［
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Vol. 37 No. 4
Aug2019上海交通大学学报(农业科学版)
JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY (AGRICULTURAL SCIENCE
)
第37
卷第4
期
2019年8
月
文章编号：1671-9964(2019)04-0037-08 DOI： 10. 3969/J. ISSN. 1671-9964. 2019. 04. 007
土壤有机质高光谱特征及其反演研究
吴 裕
12,申广荣123,刘 璐12,
支月娥
13
(1.上海交通大学农业与生物学院，低碳农业研究中心，上海200240； 2.国家林业局上海城市森林生态系统国家
定位观测研究站，上海200240； 3.农业部都市农业重点实验室
，上海
200240)
摘 要：
具有精细的光谱分辨率，可获取地物纳米级连续光谱信息的高光谱技术以其简便、
快速
、
精度高和无损等优势成为获取土壤有机质(soil organic matter,SOM
)含量的重要手段，
在精确农
业发展中发挥着重要作用％本文阐述了高光谱反演土壤有机质的机理，概述了土壤有机质含量的 光谱反射特征，包括不同土壤类型
、
不同土壤有机质含量的光谱响应波段
，以及土壤有机质含量的
光谱反演方法和模型的研究进展。进一步分析了土壤有机质光谱特征研究中存在的问题并对发展
趋势进行了展望和分析，以期为以后的研究提供一定的参考。
关键词：土壤有机质；高光谱；遥感；
特征波段
；反演方法
中图分类号：S15 文献标识码：A
Hyperspectral characteristics
of soil orga
nic
matter
and
in
vers ion methods
WUYu1，
, SHEN Guang-rong123, LIU Lu1，, ZHI Yue-e
1，
(1. Research Center for Low-Carbon Agriculture,School of Agriculture and Biology,Shanghai Jiaotong University, Shanghai 200240,China； 2. Shanghai Urban Forest Ecosystem Research Station of National Positioning and Observation,State Forestry Administration,Shanghai 200240,China； 3. Key Laboratory of Urban Agriculture(South),MinistryofAgriculture,Shanghai200240
,China
)
Abstract：
Hyperspectral technology is playing an important role in precision agriculture.
With high spectral
resolution and continuous
spectral information of
objects in nanoscale,
it has
become a reliable means of
monitoringsoilorganic mat
er
(SOM)
foritssimplicity,
rapidity,
highprecisionandnon-destructiveness
measurement. This article explains
the
mechanism of
predicating
SOM content
with hyperspectral
technology and summarizes the spectral reflection characteristics
of
SOM
? including
the spectral
sensitive
bandOofdiferentOoiltypeO&diferentSOM content&andthe modeling methodOin predicating SOM< Furthermore it points out the current
problems in the study of hyperspectral characteristics
of SOM
and
showsthedevelopmenttrendofthistechnologyinordertoprovidesomereferenceforfutureresearch< Key words
： soil organic
matter； hyperspectral soil； remote-sensing； sensitive band；
modeling method
土壤有机质(
soil
organic matter,SOM
)
是指存
在于土壤中的含碳有机物质，主要包括动物、
植物残
体和微生物体及其分解或合成的各种有机质，
是土
壤碳库的重要组成部分土壤碳库是陆地生态系 统最大的碳库，其中土壤有机质作为土壤碳库主要
的存在形式，对全球碳循环的平衡起着重要作用2)
收稿日期：
2018-12-11
基金项目：国家重点研发计划(2017YFD0800204)；上海交大农工交叉项目(Agri-X2015004
)
作者简介:吴裕(1994-),男，硕士生,研究方向：农业高光谱遥感,email
：
1973613621@sjtu. edu. cn
；
申广荣(1964-)为本文通讯作者，女，博士，副教授，研究方向侬业遥感,email：sgrong@sjtu. edu cn38上海交通大学学报（农业科学版
）
第37 卷
另一方面，
土壤有机质中腐殖质可以促进土壤团聚
体形成，增加土壤孔隙度和通透性
，
并且腐殖质与
磷、铁、铝等离子形成络合物可抑制难溶性磷酸盐的 产生,提高土壤有效养分。因此在一定程度上，土壤 有机质含量决定着土壤肥力水平3,准确测量土壤 有机质含量对土壤肥力评价、环境保护以及农林业 发展等方面具有重要的意义。常规方法采样后进行 室内化学分析，实测精度较高，但费时费力，使用化 学试剂导致成本相对较高，破坏性采样方式造成环 境污染，其局限性较为明显，难以实时动态监测大面 积土壤有机质。高光谱技术具有精细的光谱分辨率，可获取地物 纳米级的连续光谱信息,能够有效反映出不同物质或 同一物质不同含量下光谱的细微差异特征，因而为监 测或反演土壤有机质提供了可能;同时高光谱技术是 以非接触方式获取地物光谱信息，具有快速、动态、无 损等特点，为实现动态快速监测区域土壤有机质含量 提供了便利因此从上个世纪60年代以来，土壤 有机质含量的高光谱研究受到了国内外学者普遍关 注5切。近年来随着计算机技术、高光谱技术及化学 计量学快速发展，光谱仪分辨率和信噪比越来越高， 高光谱遥感器光谱分辨率达至数纳米级别，土壤有机 质高光谱特征及其反演模型在精确农业特别是土壤 遥感监测中愈显重要。目前土壤有机质高光谱研究 主要从以下两个方面展开:首先探究土壤光谱反演有 机质的机理，并建立相应的估算模型;其次基于高光 谱遥感技术，利用机载或星载高分辨率光谱仪进行区 域尺度上土壤有机质监测与定量分析。本文在分析阐述高光谱反演土壤有机质机理的 基础上，总结了土壤有机质光谱响应特征，包括土壤 有机质光谱影响因子，土壤有机质光谱响应波段以及 土壤有机质光谱反演方法与模型研究进展，进一步分 析了土壤有机质光谱特征研究中存在的问题，并对 发展趋势进行了展望和分析，以期为相关研究提供 参考。1 土壤有机质含量高光谱响应机理土壤中某些物质的分子会产生伸缩振动和弯曲 振动，相应地会吸收不同的光能，从而产生特定的吸 收光谱。土壤有机质的吸收光谱主要在可见光-近红 夕卜（VNIR）和中红夕卜（MIR）两个波段中产生'2（。大部 分有机物质分子振动在中红外光谱区产生基频吸收, 而在近红外光谱区产生倍频吸收和合频吸收，近红外 光谱结果主要是受含氢基团X-H（X=C、N、O）的倍 频和合频的重叠主导'3（。不同化合物具有不同的红 外吸收光谱特征，其谱带的强度、位置、形状及数目均
与化合物种类及其状态有关。土壤有机质具有多种 官能团（如:羟基、羧基等）分别在红外光谱区域有特 征性吸收'4
（,且不同波段的吸收强度与该物质的分
子结构及浓度存在对应关系，因此土壤有机质的组 成、含量等属性可以在红外光谱上得到反映。部分文
献中可见光吸收光谱应用于土壤有机质研究中主要 是有机质中的发色基团在可见光区域有一定吸 收'5（。近红外光谱区吸收强度与中红外光谱区域相
比较弱,背景复杂
,谱峰重叠严重,直接分离解析难以
提取出足够有用的信息,需要用化学计量学方法从光 谱数据中提取相关信息'6（。相比于可见光和近红
外,中红外可能更有估算土壤属性的潜在优势 Pine等'8（利用主成分分析法建立土壤有机质光谱校
正和预测模型后,发现中红外光谱相较于紫外线-可 见光-近红外光谱得到的模型预测精度更高。
表1概述了不同类型有机物中各种化学键在中
红外光谱区的基频和近红外光谱区的倍频及合频情 况'9（。
土壤中有机质主要包括碳水化合物、含氮化
合物、木质素等物质,另外还有一些脂溶性物质。在
分解作用下,
土壤有机质在不同时期有机成分组成
也不一样，因而，其高光谱特征并不相同，取决于相
关化合物或化学键的波谱特征。
2 土壤有机质的高光谱响应特征
2.1 土壤有机质与光谱反射率的相关性土壤有机质与土壤光谱反射率存在紧密的联 系。陈颂超等对不同有机质含量水稻土研究发 现VNIR和MIR
波段均表现出有机质含量越高土
壤光谱吸收率越高的趋势。Bowers5
发现土壤有
机质含量与可见光波段的反射率和0.62〜0. 66
$m
波段反射率均呈现高度负相关性。徐彬彬等
8认为
土壤有机质含量与600 nm波段处的光谱反射率存
相应地极显著负相关关系。彭杰等'0（研究表明去 除土壤有机质后土壤光谱反射率在全波段或是分波 段均有明显升高。Chang等'口认为有机质成分复 杂，比如不同类型土壤中胡敏酸和富里酸的含量有
所不同，
同时这些物质又具有多种官能团
，它们的光
谱特性差异很大，因此很难解释土壤光谱特征与其 所含的官能团对应关系，但总体呈现土壤有机质含 量升高,整个谱线反射率逐渐降低的趋势。