湖北建始县建业镇土壤有机质光谱特征分析

胡 飞，刘红亮，万 能，陈 曦，邓 杰，方 臣，朱正勇

(1.湖北省地质调查院 湖北省地质勘查工程技术研究中心，湖北 武汉 430034； 2.湖北省地质勘查基金管理中心，湖北 武汉 430071)

土壤有机质含量是衡量土壤肥力的重要指标之一[1]，它本身含有植物生长所需的各种养分，同时能够改善土壤的物理结构和化学性质，提高土壤的水肥保持能力。土壤的有机质含量越高，其肥力水平越高，土壤的水肥保持能力越强，能够节约化肥用量，提高肥料的利用率。依据原理是地面光谱仪测定土壤有机质的光谱特征，利用高光谱卫星数据反演，可以对大区域土壤有机质含量进行预测。

随着土壤有机质含量的增加，土壤颜色加深，表明土壤有机质含量的变化，一般在地物光谱测试或遥感图像上表现为可见光波段范围反射减弱，吸收增强，从而引起土壤颜色的变化。目前通过光谱反射率特征对土壤有机质含量反演的方法很多[2-9]，但是不具有普适性。不同地区的土壤类型不同，反演结果的误差较大，并且针对不同地区的土壤类型，波段的选取可能是不同的[3]。本文通过对158个土壤样本的有机质含量与其光谱反射率数据进行分析，研究土壤有机质含量在可见光波段与近红外波段的反射率光谱特征，并建立土壤有机质含量反演模型。

1 数据与方法

1.1 采样区概况

采样区位于湖北省建始县，地处鄂西南山区北部，是云贵高原的东延部分，地势南北高、中部低。建始县境地处新华夏系第三隆起带内，跨大巴山脉南缘分枝末端与武陵山脉分枝余脉结合部，经受地壳运动次数较多，地壳断陷和抬升显著。以褶皱为主，属构造、侵蚀、溶融等体系的结合，山体走向NE-SE向，与构造线走向基本一致。成土母岩主要是石灰岩、泥质岩、石英砂岩、紫色页岩、红砂岩，第四系粘土也有一定面积分布。由于生物气候的垂直变化规律，土壤分布在垂直带谱中表现为：海拔500m以下的河谷阶地及低山地区分布红壤;500～800m分布黄壤;800～1500m以上是棕壤以及少量山地草甸土。

1.2 土壤样品采集与有机质含量测定

考虑本次研究的适用性与推广性，土壤样品采集标准参照中国地质调查局《多目标区域地球化学调查规范》。设定样区时综合考虑土壤类型、周围地形、耕作措施、种植栽培状况等条件，选取地势平坦、土壤裸露的区域作为样区。每个测点选取距离均匀(约25cm)的3～5个点进行取样，混合后样品对整个样区或田块有足够的代表性，不影响研究目的。采样时要先将表层0～3cm左右的表层土刮去，然后再斜向或垂直取0～25cm深的耕层土壤。将各点所取的土壤均匀混合，同时去除枯枝、草根、石砾等杂质，然后取适量(至少1kg)的土壤装入样品袋，并做好记录。

土壤光谱数据测量：采用ASD FildSpec FR 地物光谱仪对土壤样品进行室内光谱测定。室内测定用50W的卤素灯为光源，距离土壤样品约50cm，采用3°视场角探头垂直对目标进行观测。在测定前先测75cm×75cm的白板获取绝对反射率，重复测量白板5次取平均值。为减少误差，测量土壤样品时，每个样品测量5次，取平均值。

土壤有机质含量的测定：土壤样品自然风干，磨碎，过80目筛子，之后通过重铬酸钾氧化还原容量法测定土壤有机碳的含量，乘以常数1.724即为土壤有机质含量(见表1)。在本次研究实验中等间隔选择53个为测试样本，剩余105个为建模样本。

表1 土壤样本有机质含量统计Table 1 Statistics on organic matter content of soil samples

1.3 光谱数据预处理

1.3.1光谱滤波

采用ASD Filed Spec FR地物光谱仪测得数据的光谱分辨率在350～1 000 nm为3 nm，在1 000～2 500 nm为10 nm，光谱仪最后重采样为1 nm。为了降低背景环境对光谱曲线的影响，本研究使用九点加权平均法对光谱曲线进行平滑去噪处理。

1.3.2水汽吸收谷波段剔除

水汽在1 400 nm和1 900 nm处有强烈的吸收，为了避免水汽吸收波段对光谱吸收特征参数提取的影响，通过分析和参考相关的文献，剔除3个水汽吸收严重的波段，分别是1 380～1 440 nm、1 870～1 980 nm、2 440～2 500 nm。之后所作的光谱反射率特征提取和相关性分析都是使用去除水汽吸收后的波段。

1.3.3光谱数学变换

为提高反射率光谱与有机质含量的相关性，找出对有机质敏感的波段，除了直接对光谱反射率曲线(R)进行分析外，另外还对其它12种数学形式进行了相应地变换，主要包括：包络线去除CR、反射率的倒数1/R、反射率倒数的一阶微分(1/R)′、反射率倒数的对数log(1/R)′、反射率倒数对数的一阶微分的对数(log(1/R))′、反射率对数的一阶微分logR、反射率对数的倒数(log(1/R))′、反射率对数的倒数的一阶微分R′、反射率的一阶微分eR、反射率的自然指数(eR)′等。

大量研究证明[3-9]，使用微分处理可以提高反演的精度。可能是因为土壤中的目标物质的反射率光谱特征受土壤其它组分的影响，光谱特征不明显，土壤反射率光谱进行微分变换后，突出了目标物质的光谱特征，迅速发现了与有机质相关性高的波段。

1.3.4基于包络线的光谱吸收特征参数提取

图1 反射率光谱及其光谱吸收特征参数曲线Fig.1 Reflectance spectrum and its spectral absorption characteristic curve

通过包络线计算的吸收特征参数[2]主要包括:①吸收位置AP：反射率最低处的波长(长波长方向斜率为正，短波长方向斜率为负)；②吸收对称性AS：过反射率最低点垂线为界右边区域面积和左边区域面积比值的常用对数。③吸收深度AD：反射率最低点与反射率等于1的距离；④吸收深度面积SD；⑤吸收高度AH；⑥吸收高度面积SH；⑦吸收高差AC；⑧吸收高差面积SC。

1.4 相关性分析

对158个样本的有机质含量与土壤反射率及其变换形式进行Pearson相关性分析，选择相关性较高的最佳波段用于回归分析，并分别找出相关性的绝对值≥0.5(显著相关)的波段范围，以确定有机质的敏感波段用于敏感波段上的特征参数提取。另外对有机质含量和敏感波段上的特征参数进行相关性分析，选出相关性高的特征参数用于回归分析。Pearson相关系数r的计算如下：

(1)

1.5 多元逐步回归

多元逐步回归模型将提取的敏感波段作为变量引入方程，然后根据敏感波段的显著性检验把方程中不重要的波段逐一剔除，建立新方程。158个样本通过等间隔选择分成两组：一组为建模样本(105个)用于回归分析建模，一组为测试样本(53个)用于回归分析模型的验证。

回归方程的精度使用决定系数R2和总均方根误差(Root Mean Square Error of Training Set,RMSE)进行评价。决定系数R2越大，总均方根误差RMSE越小，回归模型的拟合结果就越好。

(2)

(3)

2 结果分析

2.1 相关性分析结果

通过对样本有机质含量与反射率光谱曲线(滤波、重采样去除水汽吸收后的曲线)及其数学变换后的曲线进行相关性分析，计算结果表明，光谱反射率与土壤有机质含量呈负相关关系，因为土壤有机质含量越高，土壤颜色越深，对于光谱的吸收增强，反射减弱。除对倒数一阶微分外其它的一阶微分变换都能够在一定程度上提高光谱反射率与有机质的相关系数，其中倒数一阶微分明显地提高了光谱反射率与有机质的相关系数，变换前反射率与有机质的负相关系数绝对值最大为0.558 5，变换后负相关系数绝对值最大为0.671 6，可能是因为通过微分变换一些与土壤有机质相关的微弱信息被放大，噪声被抑制。尤其是在近红外波段，变换后一些波段的反射率与有机质含量的相关性显著提高，与有机质相关的信息被增强(图2)。

图2 原始反射率、反射率倒数一阶与土壤有机质的相关性系数Fig.2 Correlation coefficient between the original reflectance, the first order derivative of reciprocal of reflectance and soil organic matter

通过对各种数学变换后相关性系数的统计分析，发现相关性系数的绝对值的最大值集中分布在600～800 nm和2 185～2 223 nm(表2)。但是在600～800 nm反射率光谱曲线以及去包络线后的曲线，吸收高差、吸收高度、吸收深度曲线都没有明显的吸收谷,曲线较为平滑，而在近红外波段 2 133～2 268 nm有一个明显的吸收谷存在，吸收谷的最大吸收处在2 209 nm左右(图1中红色虚线框内的部分)，这有可能是土壤有机质特征的一个吸收谷。

表2 光谱反射率数学变换与有机质的相关系数Table 2 Correlation coefficient between characteristic parameters of sensitive bands and soil organic matter content

2.2 敏感波段特征参数分析

根据相关性分析得出，600～800 nm和2 170～2 222 nm为土壤有机质和光谱反射率曲线的敏感波段，2 133～2 268 nm为特征吸收谷的范围。对600～800 nm和2 133～2 268 nm两个波段范围分别提取最大高差(MAC)、高差面积(SC)、最大高差位置(APC)、最大高度(MAH)、高度面积(SH)、最大高度位置(APH)、最大深度(MAD)、深度面积(SD)、最大深度位置(APD)参数，并在2 133～2 268 nm范围内提取吸收谷的左面积(SL)、右面积(SR)、对称度(AS)。

将提取的600～800 nm和2 133～2 268 nm范围内的特征参数与样本土壤有机质含量进行相关性分析，结果表明在2 133～2 268 nm范围内的特征参数与土壤有机质含量的相关性明显高于600～800 nm范围内的特征参数与土壤有机质含量的相关性。在2 133～2 268 nm范围内，相关性最高的特征参数为吸收谷的左面积，相关性系数为-0.501 94，其它特征参数与土壤有机质的相关性从大到小依次为最大深度、最大高差、最大高度、高度面积、高差面积、深度面积、对称度等(表3)。

表3 敏感波段特征参数与土壤有机质含量相关性系数Table 3 Correlation coefficient between sensitive band characteristic parameters and soil organic matter content

2.3 多元逐步回归结果分析

多元逐步回归模型将提取的敏感波段作为变量引入方程，然后根据变量的显著性检验把方程中不重要的变量逐一剔除，并建立新方程。但是它存在如下缺点：①要提取适合的波段来建立回归方程，波段间的相关性会给回归系数带来不合理的解释；②所有的波段(去除水汽吸收后的)一次性引入方程，容易导致计算量大，运算效率低，精度不够。为了得到稳定且可靠的回归方程，就需要根据某种准则对土壤有机质含量敏感的波段引入方程，最终建立最优的回归方程。

根据Pearson相关性分析选择与土壤有机质含量相关性较高并且距离较远的波段范围作为变量引入方程，这样可以在保留敏感波段的同时减少变量的个数，提高运算效率。在选择敏感波段时剔除水汽吸收的波段被分割成三段，在这三段当中分别选择相关性系数绝对值>0.5(显著相关)的波段范围引入方程。

在表4中显示反射率的包络线去除变换和一阶微分变换与土壤有机质含量的多元逐步回归结果，实验结果表明,反射率的倒数一阶微分变换对土壤有机质含量的拟合结果是最好的，其决定系数为0.785，对数一阶的拟合结果也相对较好，拟合优度为0.672。去包络线虽然可以将光谱曲线的吸收特征展现出来，对于有机质含量的拟合结果较好，但不如倒数一阶。

表4 反射率不同变换形式与土壤有机质含量多元逐步回归结果Table 4 Different reflective transformations and multiple stepwise regression results of soil organic matter content

3 结论

通过对湖北省建始县建业州内158个土壤样品有机质含量的光谱特征分析，发现在350～2 500 nm波长范围内，不同土壤有机质含量和不同土壤类型光谱曲线在整体波段范围内趋势基本一致，土壤有机质含量与光谱反射率之间呈负相关关系，在700 nm、2 220 nm左右相关性达到最强。

土壤有机质相关性较大的波段范围主要为600～800 nm和2 185～2 223 nm，有可能就是土壤有机质的特征吸收谷。利用这一特性，建立数学模型，利用高光谱卫星数据进行反演(或测量多目标区域地球化学调查土壤副样)，可快速计算土壤的有机质含量。

土壤光谱反射率经倒数一阶微分处理后，有机质光谱建模的决定系数和相对分析误差均有所提高，均方根误差降低，模型预测效果较优。