不同土地利用方式下有機質含量的高光譜反演

徐麗華，謝德體

(西南大學資源環境學院，重慶 400716)

【研究意義】土壤有機質 (SOM, Soil Organic Matter) 含量是衡量土壤質量和作物長勢的關鍵參數[1-2]。高光譜技術由于能快速、無損地監測SOM的變化，而在SOM的預測中得到了廣泛的應用[3-4]。【前人研究進展】受氣候、母質、地形、生物等成土因素、成土年齡以及人類活動的影響，不同土壤的理化性質有明顯的差別[5]。而土壤的理化性質，如SOM、土壤水分含量、氧化鐵含量、機械組成等因素也是影響土壤光譜特性的重要因素[6]。對荒漠SOM預測的研究顯示，無人干擾區和人為干擾區建立的SOM含量反演模型的精度并不相同[4]。盛浩等人的研究發現，底土的溶解性有機質的數量和化學結構、土壤光譜的曲線形狀及特征值對土地利用方式的變化比較敏感[7]；但也有研究顯示不同的土壤養分對土地利用方式變化的敏感度并不相同[8]。【本研究切入點】本研究擬利用來自園地、旱地、水田3種不同土地利用方式的土壤樣本，嘗試建立不同土地利用方式下，SOM含量高光譜反演模型。【擬解決的關鍵問題】探討SOM含量反演精度對不同土地利用類型的響應，為分析人為活動對SOM含量的影響提供一定的參考。

圖1 采樣點分布

1 材料與方法

1.1 土壤樣本的野外采集及實驗室化學分析

在三峽庫區王家溝小流域內，采集0～20 cm耕層土壤樣本共111個(圖1)。其中，林地、園地、旱地、水田4種利用方式下的土壤樣本數分別為6、43、29和33。在實驗室內對土壤樣本進行風干、研磨、過篩處理。處理好的樣本被分成2份，分別用于 SOM含量和光譜反射率的測定。用重鉻酸鉀容量法測定樣本的SOM含量[9]。

圖2 土壤樣本的反射光譜曲線

1.2 光譜測量及光譜預處理

采用FieldSpec Pro FR 野外光譜儀(光譜范圍為350～2500 nm)，對同一土壤樣本進行10次重復測量。進行樣本有效性的檢查和剔除異常值后取多次測量的平均值作為該土壤樣本的反射光譜。為了剔除光譜曲線的起始處和末端噪聲的影響，采用400～2450 nm作為光譜分析波段(圖2)。在此基礎上，對圖2的光譜進行了斷點擬合和去包絡預處理，以便消除反射光譜的階躍性變化和突出光譜特征(圖3)。

圖3 預處理后的反射光譜曲線

表1 SOM含量的描述性統計(g/kg)

1.3 建模方法及模型精度評價指標

文中采用偏最小二乘回歸(Partial Least Squares Regression, PLSR)[10]法對SOM含量進行建模，并用相關系數R對模型精度進行評價。相關系數一般的判斷標準是[11]： |R|<0.3，則2個變量算作無相關； 0.3≤|R|<0.5，則表示2個變量之間呈現低度相關性； 0.5≤|R|<0.8，表示2個變量具有顯著的相關性； 0.8≤|R|<1，表示2個變量具有高度相關性；R=1，表示2個變量之間完全線性相關。

(1)

2 結果與分析

2.1 不同土地利用方式下的SOM統計特征

因為來自林地的樣本數量過少，所以文中只對來自于園地、旱地、水田的樣本進行了建模分析。對來自園地、旱地、水田的土壤樣本有機質含量進行統計分析，用3倍標準差的檢驗原則對數據進行離群值檢驗。在園地和水田樣本中未發現離群值，旱地樣本中發現1個離群值，在分析時剔除該離群值。對不同利用方式下的SOM含量進行描述性統計(表1)。水田和旱地都屬于耕地，受人為干擾的程度和時間均高于園地，其SOM含量的均值也高于園地；研究區內的水田與旱地均采用輪作的方式，受人為干擾程度基本相同，但水田SOM含量高于旱地，可能是由于水田長期處于水淹情況下，有機質分解慢的原因。3種土地利用方式下土壤的SOM含量的變異系數比較接近，但園地土壤的變異系數低于水田和旱地。

圖4 不同利用類型土壤有機質含量與去包絡后的光譜反射率的相關關系

圖中和分別表示標定樣本和驗證樣本

2.2 不同土地利用方式的特征波段的選擇

對經過預處理的光譜反射率與園地、旱地、水田樣本的SOM含量進行相關分析(圖4)。園地、旱地、水田 SOM含量與光譜反射率的相關系數的變化范圍分別是：-0.416～0.465,-0.480～0.490,-0.619～0.575。水田SOM含量與土壤光譜反射率之間相關系數最大絕對值為0.619，二者之間的相關性較高；與水田相比，旱地SOM含量與光譜反射率的相關性在整個波段范圍內普遍較低，但旱地SOM含量與光譜反射率的相關性普遍高于園地。

2.3 不同土地利用方式下的SOM含量預測精度

將園地、旱地、水田土壤樣本的2/3的樣本用于標定，1/3用于驗證，樣本隨機選取。其中園地、旱地、水田土壤樣本的標定集樣本數分別為29、18和22；園地、旱地、水田土壤樣本的驗證集樣本數分別為14、10和11。采用留一法對模型進行交叉驗證，剔除異常值。將剔除異常值后的樣本數據用于模型的定標和驗證。

將所選特征波段的反射率作為輸入變量，分別對園地、旱地、水田3種利用方式下的SOM含量進行PLS建模，并利用獲得的模型預測值與SOM含量實測值繪制散點圖(圖5)。

從圖5可以看出，對于園地、旱地和水田土壤有機質含量的反演，無論是標定集還是驗證集，其預測值和實測值的相關系數都位于0.5～0.8 (其值分別為0.730和0.626、0.771和0.769、0.865和0.776)，這說明不同利用方式下SOM含量反演模型獲得的預測值和實測值之間均具有顯著的相關性,但三種不同土地利用下的SOM含量反演精度并不相同。其中，無論是標定集還是驗證集，水田SOM含量反演模型獲得的預測值和實測值的相關系數都是最高的，其全體水田樣本預測值和實測值之間的總相關系數為0.838；園地土壤預測值和實測值的相關系數均為最低(總體相關系數為0.700)。旱地SOM含量預測值和實測值的總體相關系數為0.781，其反演精度居中。這說明，本研究中土地利用方式對SOM含量反演影響較大。水田和旱地土壤耕作時間和耕作強度高于園地土壤，其SOM含量反演精度也高于園地SOM含量的反演精度。主要原因可能是由于土地利用方式的不同，使得人類對不同土壤的干擾時間和干擾強度有所差異，進而造成了不同利用下的土壤光譜和SOM含量的差異，從而影響SOM含量的反演精度。從2.1中可以看出，園地、旱地、水田3種利用方式下SOM含量的變異系數從大到小分別是水田、旱地、園地。這個變化趨勢與SOM含量預測精度的排列順序一致，這說明SOM含量的反演精度與土壤有機含量的變異系數是有一定關系的。在一定程度上，如果SOM含量分布過于集中，往往可能難以獲得較高的反演精度。

3 討 論

本研究中，園地和旱地土壤的類型均為紫色土，其反演模型的精度均低于水田SOM反演模型的精度(水田土壤類型為水稻土)。說明雖然處于相同的氣候條件下，不同土壤類型的SOM含量預測精度是有所差異的。許多學者在研究不同土壤類型的SOM含量高光譜反演中也得到了相同的結論。如楊揚在用高山草甸土和高山草原土的原始反射光譜分別建立偏最小二乘回歸模型時發現，高山草原土的反演模型精度高于高山草甸土[12]。盧艷麗在對東北平原8種土壤類型的有機質含量進行高光譜反演中也發現，不同土壤類型的反演模型的精度并不相同[13]。因此，土壤類型是影響SOM含量反演精度的一個重要因素。

但即使是來自于同一土壤類型的樣本，由于土地利用方式不同，其SOM含量模型的反演精度也不一定相同。研究中，園地和旱地具有相同的土壤類型，由于利用方式不同，其土壤樣本SOM含量與光譜反射率的相關性不僅存在差異，其SOM含量的反演精度也并不相同。為了驗證SOM含量反演模型對土地利用方式的敏感性，將園地與旱地的土壤樣本合并，選擇4個特征波段(λ=683,1146,1151,1152 nm)建立紫色土SOM含量反演模型，其標定集和驗證集獲得的實測值和預測值的相關系數分別為0.501,0.574，總相關系數為0.528。其精度均低于按園地和旱地利用類型建立的SOM含量反演模型精度。因此，較單一的土地利用方式而言，混合不同利用方式的樣本建立的SOM含量反演模型的精度較低；與土壤類型相比，SOM含量的反演精度對土地利用方式更為敏感。其主要原因可能是由于對不同利用方式的土地有不同的施肥量和耕作措施，會在一定程度上改變土壤的理化性質[2]，使得SOM含量發生改變，所以土壤光譜反射特征對土地利用方式的變化會產生敏感的響應[7]。盛浩等人的研究表明，當天然林地轉變為其他土地利用方式后，會帶來底土溶解性有機質的損失和光譜曲線的變化[7]。這些研究也進一步說明土地利用方式是影響SOM反演模型精度的一個重要因素。薛莉紅對稻田、桃園、菜地3種不同土地利用方式下SOM含量的高光譜反演研究中卻得到了不同的結論[8]。對于不同供試樣本得到不同的結論，其原因可能與不同土地利用類型下的施肥種類(有機肥還是無機肥)、施肥量、受人為活動擾動的程度有關。

4 結 論

園地、旱地、水田3種土地利用方式下的SOM含量反演模型具有不同的精度，其中水田SOM含量反演模型的精度最高，園地SOM含量反演精度最低，旱地SOM含量反演精度居中；即使是同一土壤類型，但是由于土地利用方式不同，其SOM含量預測模型精度也并不相同， 旱地和園地的土壤類型均為紫色土，但旱地SOM反演模型精度高于園地；較單一的土地利用方式而言，混合不同土地利用方式的樣本建立的SOM含量預測模型的精度較低；與土壤類型相比，SOM含量的預測精度對土地利用方式更為敏感。今后的研究可進一步從施肥類型及種植年限等方面考慮人為活動對SOM含量反演精度的影響。