基于連續(xù)統(tǒng)去除法的南疆水稻土有機(jī)質(zhì)含量預(yù)測(cè)①

向紅英，柳維揚(yáng)，彭　杰*，王家強(qiáng)，遲春明，牛建龍

（1 塔里木大學(xué)經(jīng)濟(jì)與管理學(xué)院資源與環(huán)境經(jīng)濟(jì)研究所，新疆阿拉爾　843300；2 塔里木大學(xué)植物科學(xué)學(xué)院，新疆阿拉爾　843300）

?

基于連續(xù)統(tǒng)去除法的南疆水稻土有機(jī)質(zhì)含量預(yù)測(cè)①

向紅英1，柳維揚(yáng)2，彭杰2*，王家強(qiáng)2，遲春明2，牛建龍2

（1 塔里木大學(xué)經(jīng)濟(jì)與管理學(xué)院資源與環(huán)境經(jīng)濟(jì)研究所，新疆阿拉爾843300；2 塔里木大學(xué)植物科學(xué)學(xué)院，新疆阿拉爾843300）

摘要：監(jiān)測(cè)土壤有機(jī)質(zhì)含量狀況，可為土壤肥力診斷及土壤資源的合理開發(fā)利用提供科學(xué)依據(jù)。本研究通過(guò)對(duì)南疆191個(gè)水稻土樣品的反射率數(shù)據(jù)進(jìn)行連續(xù)統(tǒng)去除處理后，構(gòu)建了有機(jī)質(zhì)連續(xù)統(tǒng)去除光譜指數(shù)并提取了850 ～1 380、1 380 ～ 1 550、1 730 ～ 2 150、2 150 ～ 2 380 nm 4個(gè)波段的吸收特征參數(shù)，據(jù)此建立了多種定量反演模型。結(jié)果表明：經(jīng)連續(xù)統(tǒng)去除后，有機(jī)質(zhì)的吸收特征得到了有效放大，不同有機(jī)質(zhì)含量的連續(xù)統(tǒng)去除曲線在850 ～ 1 380 nm，其有機(jī)質(zhì)含量與連續(xù)統(tǒng)去除值呈正相關(guān)，與吸收面積呈負(fù)相關(guān)，而在1 730 ～ 2 150 nm波段則呈現(xiàn)相反的規(guī)律。反射率連續(xù)統(tǒng)去除值與有機(jī)質(zhì)含量的相關(guān)性要優(yōu)于反射率與之的相關(guān)性，而反射率一階微分與連續(xù)統(tǒng)去除一階微分與有機(jī)質(zhì)的相關(guān)性差異不明顯。不同有機(jī)質(zhì)光譜指數(shù)模型之間的建模參數(shù)與預(yù)測(cè)能力差異不大，但均只具備初略估測(cè)有機(jī)質(zhì)的能力。吸收特征參數(shù)模型中，僅有850 ～ 1 380 nm 波段的面積歸一化最大吸收深度（NMAD850～1380nm）所建模型具有較好的定量預(yù)測(cè)能力。以反射率、反射率連續(xù)統(tǒng)去除、反射率一階微分、反射率連續(xù)統(tǒng)去除一階微分所建的PLSR模型均具有較好的預(yù)測(cè)能力，相對(duì)分析誤差均大于2.00。所有模型中，連續(xù)統(tǒng)去除一階微分（CR′）模型的決定系數(shù)與相對(duì)分析誤差最高，分別為0.91、2.58，均方根誤差最低，其值為5.62，具有最好的預(yù)測(cè)能力。

關(guān)鍵詞：連續(xù)統(tǒng)去除；高光譜；水稻土；有機(jī)質(zhì)含量；預(yù)測(cè)

土壤有機(jī)質(zhì)既是植物養(yǎng)分的主要來(lái)源，也是土壤肥力診斷的核心指標(biāo)。準(zhǔn)確、快速地監(jiān)測(cè)其含量，對(duì)于土壤肥力評(píng)價(jià)、土壤資源合理規(guī)劃、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與布局等方面具有重要意義。傳統(tǒng)的有機(jī)質(zhì)化學(xué)測(cè)定方法雖然具有較高的精度，但因其費(fèi)時(shí)、費(fèi)力、成本高、環(huán)保性差等方面的不足，無(wú)法滿足現(xiàn)代農(nóng)業(yè)精準(zhǔn)變量施肥的要求，同時(shí)也很難實(shí)現(xiàn)大面積土壤有機(jī)質(zhì)的快速、動(dòng)態(tài)監(jiān)測(cè)。光譜技術(shù)的出現(xiàn)，為解決這一瓶頸問(wèn)題提供了新的思路與途徑?？梢姽?近紅外光譜已經(jīng)成為一種快速、低廉、高效的預(yù)測(cè)土壤屬性的技術(shù)［1］。眾多研究表明，400 ～ 1 000 nm是有機(jī)質(zhì)主要的光譜響應(yīng)區(qū)域［2-8］，具有對(duì)有機(jī)質(zhì)進(jìn)行定量分析的潛力。目前，在我國(guó)不同地區(qū)進(jìn)行了大量關(guān)于土壤有機(jī)質(zhì)高光譜定量反演的研究［9-15］，但不同地區(qū)因土壤母質(zhì)、成土過(guò)程、有機(jī)質(zhì)組成等方面的差異，造成有機(jī)質(zhì)敏感波段存在不確定性［16］，所建反演模型也不盡相同。因此，目前針對(duì)土壤有機(jī)質(zhì)的定量反演還是以區(qū)域性研究為主。但是，就全國(guó)范圍而言，南疆的類似報(bào)道較少，特別是關(guān)于南疆水稻土有機(jī)質(zhì)高光譜定量反演模型構(gòu)建方面的報(bào)道。

有機(jī)質(zhì)定量反演模型的精度是其有效性與適用性的關(guān)鍵因素。光譜數(shù)據(jù)處理作為提高模型反演精度的有效途徑之一，已經(jīng)得到了廣泛的應(yīng)用。連續(xù)統(tǒng)去除具有消除不相關(guān)背景信息、增強(qiáng)感興趣吸收特征的作用，可明顯改善具有吸收特征地物的光譜數(shù)據(jù)與屬性數(shù)據(jù)之間的相關(guān)性，從而提高模型的反演精度。龔紹琦等［17］利用光譜一階微分、倒數(shù)對(duì)數(shù)和連續(xù)統(tǒng)去除法數(shù)據(jù)，建立了濱海鹽土重金屬含量高光譜反演模型，結(jié)果表明以一階微分處理的模型精度最高。李曉明等［18］研究表明土壤反射率經(jīng)連續(xù)統(tǒng)去除后，可提高鹽分的預(yù)測(cè)精度。彭杰等［19］利用連續(xù)統(tǒng)去除數(shù)據(jù)研究了土壤鹽分的預(yù)測(cè)，表明以 640 ～ 700 nm 波段連續(xù)統(tǒng)去除數(shù)據(jù)構(gòu)建的模型對(duì)南疆水稻土鹽分含量具有很好的反演效果。謝伯承等［20］利用導(dǎo)數(shù)光譜法和連續(xù)統(tǒng)去除法預(yù)測(cè)土壤有機(jī)質(zhì)含量，得出光譜特征吸收面積與有機(jī)質(zhì)含量有較好的相關(guān)，達(dá)到 0.01 顯著水平。從國(guó)內(nèi)外研究現(xiàn)狀來(lái)看，連續(xù)統(tǒng)去除法雖然在植物長(zhǎng)勢(shì)監(jiān)測(cè)、礦物鑒定、土壤鹽分與有機(jī)質(zhì)的高光譜特征及定量反演方面均有一定的報(bào)道，但關(guān)于系統(tǒng)地利用連續(xù)統(tǒng)去除數(shù)據(jù)及其不同變換形式以及由其構(gòu)建的光譜指數(shù)來(lái)探討有機(jī)質(zhì)的高光譜特征與反演方面的報(bào)道甚少，有待于進(jìn)一步深入研究。

綜上，本研究以南疆水稻土為研究對(duì)象，以有機(jī)質(zhì)為研究因子，利用反射率的連續(xù)統(tǒng)去除數(shù)據(jù)探討有機(jī)質(zhì)的高光譜特征，并建立連續(xù)統(tǒng)去除數(shù)據(jù)及其不同變換形式、光譜指數(shù)、吸收特征參數(shù)的有機(jī)質(zhì)定量反演模型，以期為南疆水稻土有機(jī)質(zhì)的高光譜遙感監(jiān)測(cè)提供一定的理論基礎(chǔ)和參考依據(jù)。

1　材料與方法

1.1土樣的采集與處理

土壤類型為水稻土，根據(jù)代表性、典型性和集中性原則，選取新疆維吾爾自治區(qū)阿克蘇地區(qū)的溫宿縣、拜城縣以及和田地區(qū)的和田縣為采樣區(qū)域。采用網(wǎng)格采樣法，樣點(diǎn)距離為50 m左右，采樣深度為0 ～20 cm。每個(gè)土樣采集重量為2 kg左右，共采集土樣191個(gè)，其中溫宿縣112個(gè)，和田縣58個(gè)，拜城縣21個(gè)。土樣帶回實(shí)驗(yàn)室后，清除小石塊及作物殘留物等非土壤成分物質(zhì)，于實(shí)驗(yàn)室自然風(fēng)干。風(fēng)干后的樣品經(jīng)研磨過(guò)10、100目，分別用于光譜測(cè)試和有機(jī)質(zhì)含量的測(cè)定。

1.2土樣的測(cè)試項(xiàng)目與方法

采用重鉻酸鉀容量法-外加熱法測(cè)定土壤有機(jī)質(zhì)含量，每個(gè)土樣設(shè)3個(gè)重復(fù)，重復(fù)間相對(duì)誤差控制在5%以內(nèi)，取3個(gè)重復(fù)的平均值為其測(cè)定值。本次共191個(gè)供試土樣，隨機(jī)分成建模組與預(yù)測(cè)組，其中建模組141個(gè)樣本，預(yù)測(cè)組50個(gè)樣本，有機(jī)質(zhì)含量數(shù)據(jù)見表1。由表1可知，不同土樣的有機(jī)質(zhì)含量變化范圍較大，具有較大的標(biāo)準(zhǔn)差和變異系數(shù)，這有利于模型的構(gòu)建，所建模型也更具普適性。

表1　土壤有機(jī)質(zhì)含量統(tǒng)計(jì)特征Table 1　Statistic characteristics of soil organic matter contents

1.3土樣光譜測(cè)試

采用美國(guó)ASD公司的FieldSpec Pro FR型光譜儀進(jìn)行土壤的室內(nèi)測(cè)試，該儀器波長(zhǎng)范圍為 350 ～2 500 nm，光譜分辨率分別為3 nm（350 ～ 1 000 nm）和10 nm（1 000 ～ 2 500 nm），采樣間隔為1 nm。光源是功率為50 W的鹵素?zé)?，距土壤樣品表?0 cm，天頂角30°。土壤樣本放置于直徑10 cm、深1.5 cm、內(nèi)部全部涂黑的培養(yǎng)皿內(nèi)，用直尺將土樣表面刮平。傳感器探頭位于土壤樣本表面垂直上方15 cm處，采用25°視場(chǎng)角探頭。測(cè)試之前先進(jìn)行白板校正。每個(gè)土樣采集4個(gè)不同方向的光譜曲線，每個(gè)方向之間相隔90°，算術(shù)平均后得到該土樣的實(shí)際反射光譜數(shù)據(jù)。

1.4光譜數(shù)據(jù)處理及吸收特征參數(shù)提取

每個(gè)土樣的光譜曲線去除噪聲較大的邊緣波段350 ～ 399 nm和2 400 ～ 2 500 nm。采用小波去噪法對(duì)土壤光譜進(jìn)行濾波去噪，小波去噪由MATLAB軟件實(shí)現(xiàn)。數(shù)據(jù)變換包括一階微分處理和連續(xù)統(tǒng)去除處理。

連續(xù)統(tǒng)去除處理后，提取出如下幾個(gè)典型吸收特征：吸收峰總面積（absorption peak total area，APTA），即為吸收峰的積分面積；最大吸收深度（maximum absorption depth，MAD），即為吸收峰內(nèi)連續(xù)統(tǒng)去除的最小值；面積歸一化最大吸收深度（normalization maximum absorption depth area，NMAD），即為最大吸收深度與吸收峰總面積的比值［21］。

1.5有機(jī)質(zhì)光譜指數(shù)構(gòu)建

根據(jù)相關(guān)性分析結(jié)果，選擇連續(xù)統(tǒng)去除的可見光最大負(fù)相關(guān)波段600 nm、近紅外最大正相關(guān)波段950 nm構(gòu)建連續(xù)統(tǒng)去除歸一化指數(shù)（ normalized index of continuum removal，NICR）、連續(xù)統(tǒng)去除差值指數(shù)（difference index of continuum removal，DICR）、連續(xù)統(tǒng)去除比值指數(shù)（ratio index of continuum removal，RICR）。

式中：CR610、CR950表示600、950 nm波段的連續(xù)統(tǒng)去除值。

1.6模型構(gòu)建與精度評(píng)價(jià)

建模方法采用光譜分析中最常用的偏最小二乘回歸（partial least squares regression，PLSR），模型驗(yàn)證方法采用交叉驗(yàn)證法。模型精度采用決定系數(shù)（R2）、相對(duì)分析誤差（relative percent deviation，RPD）、均方根誤差（root mean square error，RMSE） 3個(gè)指標(biāo)來(lái)評(píng)價(jià)。建模時(shí)，隨機(jī)選擇141個(gè)樣本用于建模，剩余的50個(gè)樣本用于預(yù)測(cè)模型。

此外，目前普遍認(rèn)為，當(dāng)1.5＜RPD＜2時(shí)表明模型只能對(duì)樣品高含量與低含量進(jìn)行粗略估測(cè)，當(dāng)2.0＜RPD＜2.5時(shí)表明模型具有較好的定量預(yù)測(cè)能力，當(dāng) 2.5＜RPD＜3.0時(shí)模型具有很好的預(yù)測(cè)能力，當(dāng)RPD＞3.0時(shí)模型具有極好的預(yù)測(cè)能力［22］。

2　結(jié)果與分析

2.1土壤有機(jī)質(zhì)的高光譜特征

圖1為不同有機(jī)質(zhì)含量土樣的光譜特征曲線。由圖1A可以看出，不同有機(jī)質(zhì)含量土樣的反射率曲線在400 ～ 900 nm范圍內(nèi)表現(xiàn)出較大的差異，該波段內(nèi)反射率隨有機(jī)質(zhì)含量的增加而降低；同時(shí)，在500 ～800 nm波段，低有機(jī)質(zhì)含量土樣的曲線具有明顯的反射峰，高有機(jī)質(zhì)含量的土樣不明顯；900 nm波段以后，不同有機(jī)質(zhì)含量曲線之間的反射率差異不如400 ～ 900 nm波段明顯，且有機(jī)質(zhì)含量與反射率大小之間沒有明顯的規(guī)律性；在1 400、1 900、2 300 nm波段出現(xiàn)明顯的吸收特征，其中，1 900 nm處的吸收深度、吸收面積與有機(jī)質(zhì)含量呈現(xiàn)出正相關(guān)趨勢(shì)，其余兩處不明顯。

圖1　不同有機(jī)質(zhì)含量土樣反射率（A）與連續(xù)統(tǒng)去除（B）曲線Fig. 1　Reflectance curves （A） and continuum removal curves of soils with different soil organic matter contents

反射率經(jīng)連續(xù)統(tǒng)去除后（圖 1B），吸收特征得到了明顯放大，如500、770 nm的微弱吸收帶在連續(xù)統(tǒng)去除曲線中可以觀察出來(lái)，而在反射率曲線中則不明顯。不同有機(jī)質(zhì)含量的連續(xù)統(tǒng)去除曲線具有4個(gè)典型的吸收特征波段，即850 ～ 1 380、1 380 ～1 550、1 730 ～ 2 150、2 150 ～ 2 380 nm。其中，在850 ～ 1 380 nm，有機(jī)質(zhì)含量與連續(xù)統(tǒng)去除值呈正相關(guān)，與吸收面積呈負(fù)相關(guān)，而在1 730 ～ 2 150 nm波段則呈現(xiàn)相反的規(guī)律，其余兩吸收處無(wú)明顯規(guī)律。

2.2土壤有機(jī)質(zhì)與光譜參數(shù)的相關(guān)性分析

圖2為土壤有機(jī)質(zhì)含量與土壤反射率（R）、反射率一階微分（R′）、反射率連續(xù)統(tǒng)去除（CR）、反射率連續(xù)統(tǒng)去除一階微分（CR′）的相關(guān)系數(shù)曲線。由圖2可以看出，土壤反射率與有機(jī)質(zhì)含量在整個(gè)波長(zhǎng)范圍內(nèi)均呈負(fù)相關(guān)，在400 ～ 890 nm達(dá)到極顯著水平，最大相關(guān)系數(shù)出現(xiàn)于600 nm左右，但絕對(duì)值低于0.6。反射率連續(xù)統(tǒng)去除相對(duì)于反射率而言，相關(guān)性得到了明顯改善，達(dá)極顯著水平波段顯著增加，特別在850 ～1 300 nm波段出現(xiàn)一個(gè)高相關(guān)系數(shù)平臺(tái)，相關(guān)系數(shù)在0.7 ～ 0.8間變動(dòng)，最大相關(guān)系數(shù)位于950 nm附近，達(dá)到0.81；此外，在1 400、1 900、2 200、2 300 nm波段也具有明顯的相關(guān)系數(shù)峰，其中1 400 nm處的相關(guān)性優(yōu)于其他3個(gè)波段。在可見光部分，反射率一階微分與有機(jī)質(zhì)含量的相關(guān)性要稍優(yōu)于連續(xù)統(tǒng)去除一階微分與有機(jī)質(zhì)含量的相關(guān)性，尤其是在可見光波段的660、820 nm附近，而在近紅外波段，則是后者要好于前者。

2.3有機(jī)質(zhì)反演模型的構(gòu)建

表2為連續(xù)統(tǒng)組合光譜指數(shù)、吸收特征參數(shù)、反射率連續(xù)統(tǒng)去除及其一階微分、反射率及其一階微分的建模參數(shù)。其中，單變量采用直線回歸（LR）建模，多變量采用偏最小二乘回歸（PLSR）建模，PLSR模型的建模波段均為400 ～ 2 400 nm。由表2可知，所有19個(gè)模型中，除 APTA1380～1550nm、APTA1730～2150nm、APTA2150～2380nm、MAD1730～2150nm、MAD2150～2380nm、NMAD1380～1550nm、NMAD1730～2150nm、NMAD2150～2380nm 這8個(gè)模型外，其余模型均達(dá)極顯著水平?？傮w比較來(lái)看，光譜指數(shù)模型與PLSR模型具有較好的建模效果，所有模型均達(dá)到了極顯著水平，RMSE都小于9.00；而以吸收特征參數(shù)建立的模型，僅有 850 ～1 380 nm波段具有較好的效果，R2大于0.55，RMSE 在 9.40以下，其余波段提取的特征參數(shù)所建模型除MAD1380～1550nm外，R2均未達(dá)到顯著水平，且 RMSE均大于13.00。由表2還可以看出，反射率經(jīng)連續(xù)統(tǒng)去除處理后，模型的精度得到了有效的改善，R2由0.65提高到0.76，RMSE由8.31降低至6.83，但反射率連續(xù)統(tǒng)去除一階微分與反射率一階微分相比較而言，反射率一階微分的建模精度要稍高于反射率連續(xù)統(tǒng)去除一階微分。在所有模型中，以反射率一階微分建立的PLSR模型的R2最高、RMSE最低，分別為0.81、6.07。

圖2　有機(jī)質(zhì)含量與光譜參數(shù)的相關(guān)性曲線Fig. 2　Correlations between soil organic matter contents and spectral parameters

表2　不同光譜參數(shù)的建模效果Table 2　Determination coefficients and RMSEs of models established with different spectral indexes

2.4不同反演模型的驗(yàn)證與比較

表3為50個(gè)驗(yàn)證樣本對(duì)模型預(yù)測(cè)與穩(wěn)定性的檢驗(yàn)結(jié)果。由表3可以看出，光譜指數(shù)、反射率連續(xù)統(tǒng)去除及其一階微分、反射率及其一階微分所建的PLSR模型均通過(guò)了極顯著水平檢驗(yàn)，而以吸收特征參數(shù)所建模型的預(yù)測(cè)能力普遍欠佳，僅 850 ～1 380 nm波段的吸收特征參數(shù)具有較好的效果。在以光譜指數(shù)建立的模型中，各模型的R2、RMSE、RPD均無(wú)明顯差異，R2均為0.75左右，RMSE均在8.90左右，RPD均在1.63左右。以吸收特征參數(shù)建立的模型中，不同波段提取的特征參數(shù)所建模型的預(yù)測(cè)效果存在明顯差異，850 ～ 1 380 nm波段的吸收峰面積（APTA）、最大吸收深度（MAD）、歸一化最大吸收深度（NMAD）模型的R2均在0.75以上，RMSE均小于8.30，RPD均在1.75以上，而其余3個(gè)波段的特征吸收參數(shù)模型，雖然有的 R2也達(dá)到了極顯著水平，但RMSE普遍大于13.00，RPD均小于1.50，模型的預(yù)測(cè)能力和穩(wěn)定性欠佳。反射率經(jīng)連續(xù)統(tǒng)去除處理后，R2明顯提高，RMSE更低，RPD也由2.04增加到2.23，同時(shí)，反射率一階微分與連續(xù)統(tǒng)去除一階微分相比較而言，雖然建模效果前者好于后者，但模型的預(yù)測(cè)能力和穩(wěn)定性不如后者。所有模型中，光譜指數(shù)所建3個(gè)模型、APTA850～1380nm、MAD850～1380nm模型的RPD在1.50 ～ 2.0，表明模型只能對(duì)樣品有機(jī)質(zhì)高含量與低含量進(jìn)行粗略估測(cè)；NMAD850～1380nm、R、CR、R′所建模型的RPD在2.0 ～ 2.5，模型具有較好的定量預(yù)測(cè)能力；僅有CR′ 模型的RPD在2.5 ～ 3.0，該模型對(duì)土壤有機(jī)質(zhì)含量具有很好的預(yù)測(cè)能力。

3　小結(jié)

不同有機(jī)質(zhì)含量的土壤反射率連續(xù)統(tǒng)去除曲線顯示，在 850 ～ 1 380 nm 波段，土壤有機(jī)質(zhì)含量與反射率連續(xù)統(tǒng)去除值呈正相關(guān)，與吸收面積呈負(fù)相關(guān)，而在 1 730 ～ 2 150 nm 波段則呈現(xiàn)相反的規(guī)律。土壤有機(jī)質(zhì)含量與光譜數(shù)據(jù)的相關(guān)性分析表明，反射率經(jīng)連續(xù)統(tǒng)去除處理后，與有機(jī)質(zhì)含量的相關(guān)性得到了明顯改善，特別是在 850 ～ 1 300 nm 波段出現(xiàn)一個(gè)高相關(guān)系數(shù)平臺(tái)，相關(guān)系數(shù)在 0.7 ～ 0.8 間變動(dòng)。反射率一階微分與連續(xù)統(tǒng)去除一階微分在與有機(jī)質(zhì)含量相關(guān)性方面的差異不大。

表3　不同模型的預(yù)測(cè)效果Table 3　Accuracies of different SOM prediction models

通過(guò)比較不同模型的 R2、RMSE、RPD后表明，不同光譜指數(shù)模型之間的差異不明顯，預(yù)測(cè)集的 R2均在0.75 左右，RMSE 均在 8.90 左右，RPD 均在1.63 左右。以 850 ～ 1 380、1 380 ～ 1 550、1 730 ～2 150、2 150 ～ 2 380 nm 這 4 個(gè)波段提取的 APTA、MAD、NMAD 參數(shù)所建立的模型中，以 850 ～ 1 380 nm的吸收特征參數(shù)模型明顯要優(yōu)于其他波段，尤其是NMAD850～1380nm所建模型預(yù)測(cè)集的 R2達(dá)到 0.86，RPD 達(dá)到 2.29。反射率經(jīng)連續(xù)統(tǒng)去除處理后，R2明顯提高，RMSE 更低，RPD 也由 2.04 增加到 2.23。反射率一階微分與連續(xù)統(tǒng)去除一階微分相比較而言，雖然建模效果前者好于后者，但模型的預(yù)測(cè)能力和穩(wěn)定性不如后者。所有模型中，CR′ 模型的 R2與 RPD最高，分別為 0.91、2.58，RMSE 最低，為 5.62，具有最好的預(yù)測(cè)能力，可推薦為南疆水稻土有機(jī)質(zhì)的高光譜定量反演模型。

參考文獻(xiàn)：

［1］ Islam K， Singh B， Mcbratney A. Simultaneous estimation of several soil properties by ultra-violet， visible， and nearinfrared reflectance spectroscopy［J］. Soil Research. 2003，41（6）： 1 101-1 114

［2］He T， Wang J， Lin Z J， et al. Spectral features of soil organic matter［J］. Geo-spatial Information Science， 2009，12（1）： 33-40

［3］ 彭杰， 張揚(yáng)珠， 周清， 等. 去除有機(jī)質(zhì)對(duì)土壤光譜特性的影響［J］. 土壤， 2006， 38（4）： 453-458

［4］ 劉煒， 常慶瑞， 郭曼， 等. 不同尺度的微分窗口下土壤有機(jī)質(zhì)的一階導(dǎo)數(shù)光譜響應(yīng)特征分析［J］. 紅外與毫米波學(xué)報(bào)， 2011， 30（4）： 316-321

［5］Galvao L S， Vitorello ?. Variability of laboratory measured soil lines of soils from southeastern Brazil［J］. Remote Sensing of Environment， 1998， 63： 166-181

［6］盧艷麗， 白由路， 楊俐蘋， 等. 高光譜的土壤有機(jī)質(zhì)含量預(yù)測(cè)模型的建立與評(píng)價(jià)［J］. 中國(guó)農(nóng)業(yè)科學(xué)， 2007， 40（9）：1 989-1 995

［7］ Krishnan P，Alexander J D，Butler B J．Reflectance technique for predicting soil organic matter［J］. Soil Science Society of America Journal， 1980， 44（6）： 1 282-1 285

［8］ Gunsaulis F R，Kocher M F，Griffis C L. Surface structure effects on close-range reflectance as a fu-nction of soil organic matter content［J］. American Society of Agricultural and Biological Engineers， 1991， 34（2）： 641-649

［9］ 盧艷麗， 白由路， 楊俐蘋， 等. 東北平原不同類型土壤有機(jī)質(zhì)含量高光譜反演模型同質(zhì)性研究［J］.植物營(yíng)養(yǎng)與肥料學(xué)報(bào)， 2011， 17（2）： 456-463

［10］ 劉嬌， 李毅， 劉世賓. 光譜測(cè)定黑河上游土壤有機(jī)質(zhì)的預(yù)測(cè)模型［J］. 光譜學(xué)與光譜分析， 2013， 33（12）： 3 354-3 358

［11］ 劉煥軍， 張柏， 趙軍， 等. 黑土有機(jī)質(zhì)含量高光譜模型研究［J］. 土壤學(xué)報(bào)， 2007， 44（1）： 27-32

［12］ 劉磊， 沈潤(rùn)平， 丁國(guó)香. 基于高光譜的土壤有機(jī)質(zhì)含量估算研究［J］. 光譜學(xué)與光譜分析， 2011， 31（3）： 762-766

［13］ 王延倉(cāng)， 顧曉鶴， 朱金山， 等. 利用反射光譜及模擬多光譜數(shù)據(jù)定量反演北方潮土有機(jī)質(zhì)含量［J］. 光譜學(xué)與光譜分析， 2014， 34（1）： 201-206

［14］ 徐明星， 周生路， 丁衛(wèi)， 等.蘇北沿海灘涂地區(qū)土壤有機(jī)質(zhì)含量的高光譜預(yù)測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)， 2011， 27（2）：219-223

［15］ 彭杰， 張楊珠， 龐新安， 等. 新疆南部土壤有機(jī)質(zhì)含量的高光譜特征分析［J］. 干旱區(qū)地理，2010，33（5）： 740-746

［16］ 紀(jì)文君， 史舟， 周清， 等. 幾種不同類型土壤的VIS-NIR光譜特性及有機(jī)質(zhì)響應(yīng)波段［J］. 紅外與毫米波學(xué)報(bào)，2012， 31（3）： 277-282

［17］ 龔紹琦， 王鑫， 沈潤(rùn)平， 等. 濱海鹽土重金屬含量高光譜遙感研究［J］. 遙感技術(shù)與應(yīng)用， 2010， 25（2）： 169-177

［18］ 李曉明， 韓霽昌， 李娟. 典型半干旱區(qū)土壤鹽分高光譜特征反演［J］. 光譜學(xué)與光譜分析， 2014， 34（4）： 1 081-1 084

［19］ 彭杰， 遲春明， 向紅英， 等. 基于連續(xù)統(tǒng)去除法的土壤鹽分含量反演研究［J］. 土壤學(xué)報(bào)， 2014， 51（3）： 459-469

［20］ 謝伯承， 薛緒掌， 劉偉東， 王紀(jì)華， 王國(guó)棟. 基于包絡(luò)線法對(duì)土壤光譜特征的提取及其分析［J］. 土壤學(xué)報(bào)， 2005，42（1）： 171-175

［21］ 張雪紅， 劉紹民， 何蓓蓓. 基于包絡(luò)線消除法的油菜氮素營(yíng)養(yǎng)高光譜評(píng)價(jià)［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2008， 24（10）：151-155

［22］ Saeys W， Mouazen A M， Ramon H. Potential for onsite and online analysis of pig manure using visible and near infrared reflectance spectroscopy［J］. Biosystem Engineering，2005， 91（4）： 393-402

Predicting Organic Matter Content in Paddy Soil Using Method of Continuum Removal in Southern Xinjiang， China

XIANG Hongying1， LIU Weiyang2， PENG Jie2*， WANG Jiaqiang2， CHI Chunming2， NIU Jianlong2
（1 Institute of Resource and Environmental Economics， College of Economics and Management， Tarim University， Alar， Xinjiang 843300， China； 2 College of Plant Science， Tarim University， Alar， Xinjiang843300， China）

Abstract：Monitoring soil organic matter（SOM） content can provide scientific basis for soil fertility diagnosis and rational utilization of soil resources. Through continuum removal process on reflectance curves of 191 soil samples from southern Xinjiang， SOM continuum removal spectral indexes were constructed and four absorption parameters were identified in accordance with 850-1380， 1380-1550， 1730-2150 and 2150-2380 nm， respectively. Subsequently， a number of quantitative inversion models were established to illustrate SOM contents. The results showed that absorption characteristics of SOM were amplified owing to the continuum removal reflectance， and SOM content was positively correlated with continuum removal values and negatively correlated with absorption area in 850-1380 nm， however， inverse correlations were observed in 1730-2150 nm. Additionally， the correlation between SOM content and values of continuum removal reflectance was better than that between SOM content and reflectance， meanwhile， the correlation between SOM content and first derivative of continuum removal reflectance was not significantly different from that between SOM content and first derivative of reflectance. As a whole，there were no significant differences in predictive accuracies when using exponential models based on SOM spectral indexes， and these models could estimate roughly SOM content. The model generated by NMAD850-1380nm（normalization maximum absorption depth area in 850-1380 nm） could predict SOM content better among all models based on absorption characteristic parameters. All of the PLSR models， which were established based on reflectances（R）， continuum removal（CR）， first derivative of reflectance （R′） or first derivative of continuum removal reflectance （CR′） values， respectively， could predict SOM content with all RPD values higher than 2.00， while the CR′ model was the best with highest R2（0.91） and RPD （2.58） but lowest RMSE （5.62）.

Key words：Continuum removal； Hyperspectral； Paddy soil； Soil organic matter content； Predicting

中圖分類號(hào)：TP701；S151. 9

DOI：10.13758/j.cnki.tr.2016.02.027

基金項(xiàng)目：①國(guó)家自然科學(xué)基金項(xiàng)目（41271234；41061031；41261083；41361048）資助。

* 通訊作者（pjzky@163.com）

作者簡(jiǎn)介：向紅英（1980—），女，湖南常德人，助理研究員，主要從事干旱區(qū)資源與環(huán)境的遙感監(jiān)測(cè)與評(píng)價(jià)方面的研究。E-mail： hongyingxiang @163.com