土壤含水量對采用Vis-NIR光譜分析土壤質地的影響

王 德 彩，張 俊 輝，韓 光 中

（1.河南農業大學林學院，河南 鄭州 450002；2.內江師范學院地理與資源科學學院，四川 內江 641112）

0 引言

目前可見光近紅外（Vis-NIR）光譜技術的發展為土壤質地的快速獲取提供了新途徑。反射光譜之所以能識別質地，一方面是基于不同質地土壤表面粗糙度差異引起的土壤反射曲線形狀的差異，另一方面基于粘粒礦物的波譜差異［1］。大量的以風干土為研究對象的研究表明，Vis-NIR光譜可以較好地識別土壤質地［2－6］，但這些研究均未考慮土壤含水量對基于光譜分析土壤質地的影響。

土壤含水量是土壤的重要組成部分，水分對土壤的光譜反射率影響較大，隨著土壤含水量增大，光譜反射率不斷降低［7－10］。當土壤存在水分時，如何應用高光譜反演土壤質地有待研究［4］。目前針對土壤水分對土壤質地分析精度影響的定量研究已有一些嘗試［1，11，12］。Chang 等［11］通過對比鮮土樣和風干土樣發現，利用土壤反射光譜均可估算土壤粘粒含量，風干土效果更好。Stenberg研究發現濕潤土壤能一定程度提升土壤粘粒含量的分析精度［12］。但上述研究均是在土壤含水量相似的情況下進行的，未考慮土壤樣本含水量差異較大時，土壤水分對土壤質地分析精度的影響。基于光譜技術的土壤屬性野外大區域測定，在水分差異較大情況下，土壤含水量對基于光譜分析土壤質地的精度影響值得研究。本文在實驗室條件下測量不同含水量狀態下土壤的Vis-NIR光譜反射率，并按土壤含水量進行分組，建立不同土壤含水量狀態的土壤質地分析模型，研究土壤含水量對土壤質地分析精度的影響，以期為野外土壤質地快速測定提供理論依據和方法。

1 材料與方法

1.1 研究區及采樣分析

研究區位于河南省封丘縣，屬暖溫帶大陸性季風氣候，年均氣溫16.0℃，年均降水量615.1 mm。該區為黃泛平原區，地勢由西南向東北傾斜，海拔65～72.5 m，土壤主要為雛形土和新成土。在研究區，按3 km×3 km正交網格布設樣點，以多點混合采樣方式采樣，每個采樣點中心及四角周圍10 m采5個土樣進行混合，共采集表層（0～20 cm）樣品78個。土壤質地采用激光粒度儀法（Beckman Coulter LS230，USA，測試粒徑范圍0.04～2 000μm）測定［13］。根據美國農業部的標準，將 ＞0.05 mm顆粒定義為砂粒，＜0.002 mm顆粒定義為粘粒。

1.2 土壤反射光譜測量

將土壤樣品放置于底部有小孔、內襯定量濾紙的鋁盒內（深約3 cm，認為光學上無限厚）。將鋁盒放在盛有蒸餾水的容器中，讓土壤從下往上吸水，直至土壤飽和。對土壤進行自然風干，每隔12 h測量土壤反射率，同時用天平測量濕土重量。設干土重＋鋁盒重＋濾紙重為W1，濕土重＋鋁盒重＋濾紙重為W2，鋁盒＋濾紙重為W3，則每次監測時土壤平均質量含水量（簡稱含水量）θm為［14］：

運用ASD FieldSpec 3地物高光譜儀測量土壤樣品的反射光譜數據，波長范圍350～2 500 nm，重采樣間隔為1 nm，輸出波段數為2 151。操作過程在黑暗的實驗室進行，每個樣品旋轉4次，每個角度掃描10次，共40次，取均值作為樣本光譜。將光譜兩端信號不穩定的波段（350～380 nm，2 400～2 500 nm）去除。按照水分差異對光譜曲線進行歸類，分為0～50、50～70、70～100、100～150、150～200、200～250、250～300、300～350 g／kg，共8個水分等級。

1.3 模型建立與驗證

2 結果與討論

2.1 土壤質地數據統計特征

如表1所示，這6組樣本偏度和峰度均在0～1之間，土壤樣本質地數據接近正態分布。由表1可知，研究區粘粒、砂粒含量分別為6.43～21.30%、0.01～39.10%，平 均 含 量 分 別 為 19.69% 和11.16%。建模樣本涵蓋了總樣本量的數據分布范圍，具有較好的代表性。

2.2 土壤光譜反射率隨土壤含水量變化特征

不同質地土壤光譜曲線隨含水量變化趨勢相同，以66號土為例給出其不同含水量狀態下土壤反射光譜曲線（圖1）。如圖1所示，不同水分狀態下土壤曲線形狀相似，有兩個反射谷，分別在1 450 nm和1 900 nm區，同時在2 150 nm處存在一個反射峰。隨著土壤含水量增大，光譜反射率不斷降低，這與土壤水分的光譜吸收有關。這一趨勢與文獻［7，10］的研究結果一致。

2.3 按照含水量分組建模及驗證結果

不同土壤含水量PLSR建模及驗證結果（表2）顯示，粘粒含量模型校正集誤差均較小，R2＞0.75，RMSECV≤1.54；砂粒含量模型校正集誤差大于粘粒含量，除70～100 g／kg、100～150 g／kg兩組外，R2＞0.60，RMSECV＜6.66。好的模型要同時具有好的模型校正精度和驗證精度。粘粒含量RMSEP為1.10～1.66，其中150～200 g／kg含水量狀態下的RMSEP最小；砂粒含量RMSEP為6.07～7.63，其中200～250 g／kg含水量狀態下的RMSEP最小。圖2和圖3分別給出粘粒含量和砂粒含量最佳模型的估測值和實測值比較結果。綜上，不同濕度狀態下模型精度均較高，且差異較小，本研究認為濕土可直接用于土壤質地分析。

Stenberg研究發現，體積含水量為12.5%和30%狀態下，能有效提高土壤粘粒分析精度［12］。本研究中150～200 g／kg含水量狀態下模型RMSEP最小，為1.10，其次為250～300 g／kg含水量狀態下（RMSEP為1.17），與Stenberg研究結論 基 本 吻合。此外，Stenberg對不同含水量的預處理方式是直接往干土中加入定量的水，本研究是在土壤飽和狀態下持續監測，獲取不同含水量狀態下的土壤濕度狀態，盡管獲取的是平均含水量數據，但其更接近野外土壤的實際狀態，更具實踐指導意義。

2.4 PLSR模型交互驗證結果

對各組模型分別分析其他7組不同含水量狀態驗證集的土壤質地，以探究土壤含水量差異較大時，土壤水分對光譜分析質地的影響。由于結果規律類似，只列出表2中砂粒含量及粘粒含量均較好的一組模型（含水量150～200 g／kg）分析其他含水量狀態土壤質地的結果（表3）。

交互驗證精度均低于本組即與之具有相同含水量狀態的土壤樣本的驗證精度，且其精度隨著驗證樣本與建模樣本間水分含量的差異增大而急劇降低，如表3中砂粒含量RMSEP最大值達154.72。說明建模樣本與驗證樣本處于相似含水量狀態下，土壤含水量對土壤砂粒含量和粘粒含量精度的影響不顯著，但當驗證集樣本與建模樣本間水分狀態差異較大時，會出現較大誤差。應用光譜技術在野外實地估測土壤質地時，其含水量差異大，土壤含水量對精度的影響不容忽視，因此需要預先獲取待測區域的土壤水分分布狀態，然后根據水分狀態建立分組光譜分析模型。此外，在將已有土壤質地光譜分析模型應用于野外實地土壤質地時，也應考慮待估測土壤的濕度狀態與建模土壤樣本濕度狀態的差異。

3 結論

本文建立不同含水量狀態下基于Vis-NIR光譜的土壤質地PLSR模型，研究土壤含水量對反射光譜法分析土壤質地的影響。在土壤處于同一濕度狀態時，各含水量狀態下均可取得較好的結果，可直接運用Vis-NIR光譜獲取濕土質地信息，且粘粒含量和砂粒含量最佳模型分別出現在150～200 g／kg和200～250 g／kg含水量狀態。當土壤樣本間水分差異較大時，精度隨著驗證樣本與建模樣本水分含量的差異增大而急劇降低，水分對精度的影響不可忽視。因此，當土壤處于同一濕度狀態時，在土壤含水量差異較大時，不宜建立統一的模型，可依據含水量狀態建立分組分析模型。本研究為基于Vis-NIR光譜的土壤質地野外快速獲取提供了理論基礎和參考方法。本文結論是基于實驗室測量光譜得出的，在野外實地應用中，土壤光譜的獲取會受到大氣狀況、地表粗糙度等多因素影響，還需進一步對該模型進行驗證分析。

［1］ WAISER T H，MORGAN C L S，BROWN D J，et al.In situ characterization of soil clay content with visible near-Infrared diffuse reflectance spectroscopy［J］.Soil Science Society of A-merica Journal，2007，71（2）：389－396.

［2］ 張娜，張棟良，李立新，等.基于高光譜的區域土壤質地模型建立與評價——以河套灌區解放閘灌域為例［J］.干旱區資源與環境，2014，28（5）：67－72.

［3］ BILGILI A V，VAN ES HM，AKBAS F，et al.Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey［J］.Journal of Arid Environments，2010，74：229－238.

［4］ 白燕英，魏占民，劉全明，等.基于高光譜的河套灌區農田表層土壤質地反演研究［J］.地理與地理信息科學，2013，29（5）：68－71.

［5］ 王德彩，鄔登巍，趙明松，等.平原區土壤質地的反射光譜與地統計制圖［J］.土壤通報，2012，43（2）：257－262.

［6］ MASSIMO C，RAFFAELE F，GIORGIO M，et al.Visible and near infrared spectroscopy for predicting texture in forest soil：An application in southern Italy［J］.Biogeosciences and Forestry，2014，doi：10.3832／ifor1221－007.

［7］ STONER E R，BAUMGARDNER M F.Characteristic variations in reflectance of surface soils［J］.Soil Science Society of America Journal，1981，45（6）：1161－1165.

［8］ LIU W D，BARET F，GU X F，et al.Relating soil surface moisture to reflectance［J］.Remote Sensing of Environment，2002，81（2）：238－246.

［9］ LOBELL D B，ASNER G P.Moisture effects on soil reflectance［J］.Soil Science Society of America Journal，2002，66（3）：722－727.

［10］ BOWERS S A，HANKS R J.Reflection of radiant energy from soils［J］.Soil Science，1965，100（3）：130－138.

［11］ CHANG C W，LAIRD D A，HURBURGH C R J R.Influence of soil moisture on near-infrared reflectance spectroscopic measurement of soil properties［J］.Soil Science，2005，170（4）：244－255.

［12］ STENBERG B.Effects of soil sample pretreatments and standardised rewetting as interacted with sand classes on Vis-NIR predictions of clay and soil organic carbon［J］.Geoderma，2010，158：15－22.

［13］ 李學林，李福春，陳國巖，等.用沉降法和激光法測定土壤粒度的對比研究［J］.土壤，2011，43（1）：130－134.

［14］ 王淼，潘賢章，解憲麗，等.土壤含水量對反射光譜法紅壤土壤有機質的影響研究［J］.土壤，2012，44（4）：645－651.

［15］ 許鳳華.偏最小二乘回歸分析中若干問題的研究［M］.濟南：山東科技大學出版社，2003.