基于差異化光譜指數(shù)的鹽漬土水分含量預(yù)測(cè)①
——以濱海鹽土為例

劉　婭，潘賢章，王昌昆，李燕麗，石榮杰，李志婷

（1 中國(guó)科學(xué)院土壤環(huán)境與污染修復(fù)重點(diǎn)實(shí)驗(yàn)室（南京土壤研究所），南京　210008；2 中國(guó)科學(xué)院大學(xué)，北京　100049）

?

基于差異化光譜指數(shù)的鹽漬土水分含量預(yù)測(cè)①
——以濱海鹽土為例

劉婭1，2，潘賢章1*，王昌昆1，李燕麗1，2，石榮杰1，2，李志婷1，2

（1 中國(guó)科學(xué)院土壤環(huán)境與污染修復(fù)重點(diǎn)實(shí)驗(yàn)室（南京土壤研究所），南京210008；2 中國(guó)科學(xué)院大學(xué)，北京100049）

摘要：以濱海鹽土為研究對(duì)象，通過(guò)添加不同濃度的鹽溶液并模擬蒸發(fā)過(guò)程，獲取不同含水、含鹽量的土壤樣品，并測(cè)定土壤光譜和土壤含水量，分別運(yùn)用光譜指數(shù)法和偏最小二乘回歸法（PLSR）對(duì)土壤含水量進(jìn)行預(yù)測(cè)。結(jié)果表明：由2 027 nm和1 878 nm構(gòu)建的土壤水分差異化光譜指數(shù)（NDMI2027，1878）是預(yù)測(cè)土壤水分的最優(yōu)指數(shù)，且適用于任何等級(jí)的鹽漬化土壤，其建模集和驗(yàn)證集的預(yù)測(cè)結(jié)果均優(yōu)于PLSR方法，驗(yàn)證集R2達(dá)0.99，RMSE僅為21.84 g/kg，可比較準(zhǔn)確地預(yù)測(cè)鹽漬化土壤的含水量。

關(guān)鍵詞：濱海鹽土；土壤含水量；可見(jiàn)-近紅外光譜；光譜指數(shù)；預(yù)測(cè)

土壤水分不僅是土壤的重要組分之一，更是植物生長(zhǎng)、發(fā)育的必要條件，且對(duì)熱量平衡、土壤溫度、農(nóng)業(yè)墑情等具有重要意義。對(duì)鹽漬化土壤而言，土壤鹽分狀況更與水分含量密切相關(guān)，“鹽隨水來(lái)，鹽隨水去”已經(jīng)成為基本的認(rèn)知，因此，對(duì)鹽漬化土壤含水量的準(zhǔn)確、快速和低成本監(jiān)測(cè)更為重要。常用的土壤水分監(jiān)測(cè)方法中，中子儀及張力計(jì)等對(duì)土壤和環(huán)境適應(yīng)性有限，且需要校正，成本較高［1］。近年來(lái)，時(shí)域（TDR）、頻域反射儀（FDR）等野外快速測(cè)定土壤含水量的方法已被廣泛采用，但是由于其測(cè)定主要依賴于土壤介電常數(shù)與土壤體積含水量之間的關(guān)系，因而在測(cè)定高鹽土壤含水量時(shí)容易出現(xiàn)較大誤差［2］。

近年來(lái)，由于高光譜遙感可快速獲取地面土壤的反射光譜信息，為土壤水分監(jiān)測(cè)研究提供了一種新的途徑。有學(xué)者通過(guò)對(duì)不同含水量狀態(tài)下黃河三角洲鹽漬土含水量及光譜進(jìn)行分析，認(rèn)為552、862、1 201、1 430、2 029和2 218 nm構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)土壤含水量預(yù)測(cè)模型優(yōu)于多元線性回歸分析模型［3］。另有研究人員對(duì)不同含水、含鹽量條件下土壤含水量及土壤光譜進(jìn)行了研究，結(jié)果表明一階微分后1 300 nm和1 970 nm構(gòu)建的差值光譜指數(shù)可準(zhǔn)確反演土壤含水量，且不受土壤含鹽量的影響［4］。還有研究表明土壤含水量可作為反演土壤含鹽量的一個(gè)變量，參與鹽分反演方程的構(gòu)建［5］。但前人研究對(duì)含鹽土壤含水量的預(yù)測(cè)精度有限，且難以實(shí)現(xiàn)對(duì)土壤水分的快速、準(zhǔn)確、低成本預(yù)測(cè)。

因此，本研究通過(guò)對(duì)40個(gè)不同含鹽量的濱海鹽土樣品，從水分飽和到風(fēng)干過(guò)程中19次觀測(cè)結(jié)果（共760組數(shù)據(jù)）的分析，研究了反射光譜與濱海鹽土土壤含水量之間的關(guān)系，提出了土壤水分差異化光譜指數(shù)，可較準(zhǔn)確地預(yù)測(cè)濱海鹽土土壤水分，為土壤含水量的快速、準(zhǔn)確獲取提供了一種方法。

1　材料與方法

1.1供試土壤與實(shí)驗(yàn)設(shè)計(jì)

供試的基礎(chǔ)土壤為采自江蘇省鹽城市的 4個(gè)土樣，均屬濱海鹽土亞類，由沿海地區(qū)的鹽漬淤泥發(fā)育而成。濱海鹽土含鹽量高，尤其是Cl-和Na+較多，pH值較高，是采樣區(qū)內(nèi)濱海鹽土的典型代表。采集的4個(gè)土樣經(jīng)風(fēng)干后，挑出瓦礫、植被根茬等異物，用木棒碾碎后過(guò)2 mm篩后待用。供試的4個(gè)土壤的基本理化性質(zhì)如表1所示。

表1　基礎(chǔ)土壤理化性質(zhì)Table 1　Basic properties of the tested soils

為獲取不同含鹽量、含水量等級(jí)，對(duì)4個(gè)基礎(chǔ)土壤均添加不同濃度的NaCl溶液，并將其置于室內(nèi)自然蒸發(fā)，直至土壤含水量與光譜不再變化，整個(gè)蒸發(fā)過(guò)程中每隔12 h測(cè)量土壤光譜和水分含量一次。每個(gè)基礎(chǔ)土壤均設(shè)置10個(gè)鹽分梯度，共制備土壤樣品40個(gè)。過(guò)篩后的土壤，分別裝入40個(gè)直徑6.5 cm，深2.5 cm，底部有小孔的鋁盒內(nèi)，表面用直尺刮平，底部分別放入盛有蒸餾水、1.5、3、6、9、12、16、20、30和35 g/kg的NaCl溶液的培養(yǎng)皿中潤(rùn)濕，直到表層濕潤(rùn)達(dá)到飽和，放置24 h后待表層的自由水消失后，開(kāi)始定時(shí)測(cè)定其質(zhì)量含水量及反射光譜。制備后土壤樣品的含水、含鹽量范圍如表2所示。

表2　制備樣品的含水、含鹽量Table 2　Soil water and salt contents of the prepared samples

1.2土壤含鹽量數(shù)據(jù)獲取

土壤含鹽量通過(guò)計(jì)算得到，鋁盒重為 W1，盛滿干土后的重量（鋁盒重+干土重）為W2，放入培養(yǎng)皿中吸取不同濃度鹽溶液之后的重量（鋁盒重+土重+鹽溶液重）為W3，鹽溶液濃度是配制時(shí)已知記為c，則該樣品吸收溶液中鹽的質(zhì)量為m=（W3-W2） ×c，則土壤含鹽量ssc（g/kg）可以由下式表示：

式中：mo為土壤中原始含鹽量。

1.3土壤含水量數(shù)據(jù)獲取

土壤含水量為質(zhì)量含水量，單位為g/kg。每次測(cè)量光譜的同時(shí)也稱取樣品的重量記為Wi，該樣品第i次測(cè)量的含水量記為θi，該樣品中鹽的質(zhì)量為m，則某個(gè)樣品第i次觀測(cè)時(shí)的含水量可由下式計(jì)算得到：

1.4光譜數(shù)據(jù)測(cè)量

光譜采集采用美國(guó)產(chǎn)ASD FieldSpec 3 Hi-Res地物光譜儀在暗室中進(jìn)行，該光譜儀光譜范圍為350 ～2 500 nm，350 ～ 1 050 nm之間采樣間隔為1.4 nm，1 000 ～ 2 500 nm之間采樣間隔為2 nm，重采樣間隔為1 nm。采用8°視場(chǎng)角探頭，探頭到土樣表面距離為25 cm，光源為兩盞50W的鹵素?zé)?，其到樣品表面的距離為40 cm，光源照射方向與垂直方向夾角為45°。為消除陰影影響，每個(gè)樣品采集4個(gè)方向的光譜，按90°間隔旋轉(zhuǎn)樣品盒，每個(gè)方向采集5條光譜曲線，共20條曲線，以20條光譜曲線的平均值代表該樣品的光譜［6］。每次測(cè)量前先做暗電流校正，然后用25 cm × 25 cm的漫反射標(biāo)準(zhǔn)參考板（Labsphere生產(chǎn)）進(jìn)行校正。由于350 ～ 399 nm與2 400 ～ 2 500 nm噪音比較大且不能反映土壤真實(shí)的光譜信息，本研究去除上述波段，光譜研究范圍為400 ～ 2 400 nm。

1.5光譜數(shù)據(jù)預(yù)處理

光譜儀不同波段對(duì)能量的響應(yīng)有所差別，測(cè)量所得的光譜曲線進(jìn)而存在噪聲，表現(xiàn)為光譜曲線上有很多毛刺，曲線不光滑。尤其是2 300 ～ 2500 nm范圍，由于光譜儀自身原因，反射率變化劇烈，信噪比很低，因此，需對(duì)所測(cè)光譜進(jìn)行平滑優(yōu)化處理，以減小噪聲干擾。本文采用的平滑方式為Savitzky-Golay多項(xiàng)式平滑法［7］。

1.5.1光譜指數(shù)法高光譜波段眾多，不同的波段組合方式往往可生成新的反演土壤含水量的指數(shù)。研究表明，不同的波段組合可以增強(qiáng)地物的光譜反射特性。本文采用波段組合方式生成歸一化水分光譜指數(shù)（NDMI），其計(jì)算公式為：

式中：Rm和Rn分別為兩個(gè)波段的反射率。

1.5.2偏最小二乘回歸法偏最小二乘回歸（PLSR）吸收了主成分分析中提取主成分的思想，實(shí)現(xiàn)了數(shù)據(jù)結(jié)構(gòu)的簡(jiǎn)化［8］，解決了自變量之間多重相關(guān)的問(wèn)題，同時(shí)克服了主成分分析對(duì)自變量有較強(qiáng)解釋能力但對(duì)因變量解釋能力不足的缺點(diǎn)［6］，近年來(lái)受到國(guó)內(nèi)外學(xué)者的青睞。

1.6模型評(píng)價(jià)方法

為了客觀且準(zhǔn)確地評(píng)價(jià)所建模型的建模及預(yù)測(cè)精度，本研究選用以下參數(shù)對(duì)其預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)。決定系數(shù)（R2），均方根誤差（RMSE）。其中RMSE的計(jì)算公式為：

式中：iμ為實(shí)測(cè)值，iμ∧為預(yù)測(cè)值，n為建模集樣本數(shù)。

2　結(jié)果與分析

2.1不同含水量下光譜變化

以供試土壤中某一土壤樣品為例（含鹽量為17.69 g/kg），圖1指示了其蒸發(fā)過(guò)程中土壤反射率隨含水量的變化。在土壤從濕潤(rùn)到風(fēng)干的過(guò)程中（含水量19.68 ～ 495.23 g/kg），隨著含水量的減少，光譜反射率逐漸升高，且水分吸收峰的深度逐漸變淺，這與土壤水分對(duì)光譜的吸收減弱有關(guān)，這一結(jié)論與國(guó)內(nèi)外很多學(xué)者的結(jié)論一致［9-11］。隨含水量的減少，光譜曲線形狀沒(méi)有變化，整個(gè)過(guò)程中的曲線基本平行，僅表現(xiàn)為反射率高低的變化。蒸發(fā)初期，即土壤含水量較高時(shí)，光譜反射率隨土壤含水量變化較緩慢，且1 400、1 900和2 200 nm處的吸收峰較深；在蒸發(fā)末期，光譜反射率的變化也較緩慢，上述 3個(gè)吸收峰變淺。

圖1　不同含水量（g/kg）鹽土光譜曲線Fig. 1　Reflectance spectra of saline soil with different soil moisture

2.2NDMI建模及驗(yàn)證結(jié)果

將400 ～ 2 400 nm波段范圍內(nèi)所有波段兩兩組合成 NDMI形式，并與土壤含水量構(gòu)建一元線性回歸方程，所得方程的決定系數(shù)（R2）如圖2所示。決定系數(shù)較高的區(qū)域基本都在短波紅外區(qū)（1 300 ～ 2 400 nm），在水分的兩個(gè)特殊吸收波段1 400 nm和1 900 nm以及礦物的特殊吸收波段2 200 nm附近表現(xiàn)更為顯著，尤其是1 400 ～ 1 900 nm和2 000 ～ 2 200 nm波段范圍內(nèi)相互組合而構(gòu)成的NDMI，R2均在0.95以上。

圖2　土壤含水量與NDMI的線性決定系數(shù)（R2）等勢(shì)圖Fig. 2　The contour map of the coefficient of R2between soil water content and NDMI

分析結(jié)果表明由2 027 nm和1 878 nm波段構(gòu)建的 NDMI反演含水量的結(jié)果最好，所得 R2最高，因此將上述兩個(gè)波段組合提取出來(lái)，并計(jì)算NDMI2027，1878，以具體分析該指數(shù)預(yù)測(cè)土壤含水量的能力。分別將 4個(gè)基礎(chǔ)土壤所對(duì)應(yīng)的土壤含水量與NDMI建立線性回歸模型，結(jié)果如圖3所示。4個(gè)基礎(chǔ)土壤所建立的模型決定系數(shù)均為0.99，P值均小于0.001，達(dá)極顯著水平，且各基礎(chǔ)土壤所建線性回歸方程的斜率和截距相差不大，表明該指數(shù)有很好的穩(wěn)定性。

圖3　四種基礎(chǔ)土壤質(zhì)量含水量與NDMI2027，1878的關(guān)系Fig. 3　Regression relationships between NDMI2027，1878and moisture contents of four basic soils

將所有 760組數(shù)據(jù)按含水量降序排序，每隔兩個(gè)樣品取出一個(gè)作為獨(dú)立驗(yàn)證集，其他作為建模集，并用獨(dú)立驗(yàn)證集對(duì)建模集所得模型進(jìn)行驗(yàn)證，結(jié)果如圖 4所示。建模集所建線性回歸方程為y = 2502.57x + 7.10，方程決定系數(shù)R2為0.98，P＜0.001達(dá)極顯著水平（圖4a）。將上述回歸方程用于驗(yàn)證集土壤含水量的反演，含水量實(shí)測(cè)值與預(yù)測(cè)值線性回歸方程的R2達(dá)0.99，RMSE僅為21.84 g/kg，含水量實(shí)測(cè)值與預(yù)測(cè)值的散點(diǎn)基本都分布在 1︰1線附近（圖 4b）。表明所建模型可以比較準(zhǔn)確地反演土壤含水量，NDMI2027，1878是反演土壤含水量的最優(yōu)指數(shù)。

圖4　建模集NDMI2027，1878與土壤含水量的回歸關(guān)系（a）和驗(yàn)證集實(shí)測(cè)含水量與預(yù)測(cè)含水量的關(guān)系（b）Fig. 4　Regression relationships between NDMI2027，1878and water contents of calibration dataset （a）and relationship between measured soil water contents and predicted soil water contents （b）

2.3PLSR建模及驗(yàn)證結(jié)果

采用2.2節(jié)同樣的建模集和驗(yàn)證集劃分方式，用PLSR方法對(duì)建模集進(jìn)行分析，并用驗(yàn)證集對(duì)所建立的PLSR模型進(jìn)行驗(yàn)證，結(jié)果如圖5所示。建模集含水量實(shí)測(cè)值與預(yù)測(cè)值線性回歸的R2為0.96，RMSE為 29.99 g/kg，含水量實(shí)測(cè)值與預(yù)測(cè)值的散點(diǎn)基本都分布在1︰1線附近（圖5a）。驗(yàn)證集的R2為0.96，RMSE為29.80 g/kg，實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)均勻分布在1︰1線周圍（圖5b）。表明PLSR方法也可以準(zhǔn)確反演土壤含水量，但是和NDMI2027，1878光譜指數(shù)相比，結(jié)果稍差。

圖5　建模集（a）和驗(yàn)證集（b）的PLSR模型結(jié)果Fig. 5　Relationship between measured soil water content and predicted soil water content in （a） calibration and （b） prediction

2.4NDMI與土壤含鹽量的關(guān)系

為檢驗(yàn)土壤含鹽量是否對(duì)NDMI指數(shù)造成干擾，將土壤含鹽量與 NDMI指數(shù)做線性回歸，所建方程的決定系數(shù)等勢(shì)圖如圖6所示。結(jié)果表明NDMI與土壤含鹽量并沒(méi)有顯著相關(guān)性，所有模型的決定系數(shù)均未超過(guò)0.60，大部分在0 ～ 0.02之間，水分反演所用的最優(yōu)NDMI組合NDMI2027，1878與土壤含鹽量所建方程的決定系數(shù)R2為0。說(shuō)明NDMI2027，1878指數(shù)并不受土壤含鹽量的干擾，僅與土壤含水量有顯著相關(guān)關(guān)系。

圖6　土壤含鹽量與NDMI的線性決定系數(shù)（R2）等勢(shì)圖Fig. 6　The contour map of the coefficient of R2between soil salt content and NDMI

為進(jìn)一步檢驗(yàn)土壤含鹽量與 NDMI2027，1878的關(guān)系，按照王遵親等［12］制定的鹽漬土等級(jí)劃分標(biāo)準(zhǔn)，將所有樣品分為非鹽漬化土壤、輕度鹽漬化土壤、中度鹽漬化土壤、重度鹽漬化土壤和鹽土5級(jí)，然后對(duì)每個(gè)級(jí)別的土壤含水量與 NDMI2027，1878分別建立線性擬合模型，結(jié)果如圖7所示，每個(gè)鹽漬化等級(jí)的土壤含水量與 NDMI2027，1878均有較高相關(guān)性，R2均為0.98，同樣證明NDMI2027，1878與土壤含水量之間的線性關(guān)系在不同的含鹽量條件下都存在，受土壤含鹽量的影響很小。

圖7　五個(gè)鹽漬化等級(jí)的土壤含水量與NDMI2048，1878的關(guān)系Fig. 7　The relationship between soil moisture content and NDMI2027，1878of soil salt contents in five grades

3　討論

鹽漬化土壤含水量與土壤含鹽量有密切的關(guān)系，對(duì)作物生長(zhǎng)及農(nóng)業(yè)墑情監(jiān)測(cè)也有重要意義，快速、準(zhǔn)確獲取鹽漬土的含水量一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。本文分別用差異化水分光譜指數(shù)法和偏最小二乘回歸分析法對(duì)土壤含水量進(jìn)行預(yù)測(cè)，結(jié)果表明2 027 nm與1 878 nm波段組合而成的水分光譜指數(shù)NDMI2027，1878是土壤水分預(yù)測(cè)的最優(yōu)波段組合，其預(yù)測(cè)結(jié)果略優(yōu)于PLSR法的預(yù)測(cè)結(jié)果，且光譜指數(shù)法相比PLSR方法所需波段少，更簡(jiǎn)單、易操作。

研究表明1 900 nm為水分極強(qiáng)的吸收譜帶［13］，由于1 878 nm位于土壤水分的特殊吸收峰附近，而2 027 nm位于反射率由吸收峰最低值逐漸升高的位置，因此兩個(gè)波段組合更能反映土壤含水量的變化狀況。劉洋等［14］研究表明2 060 nm處光譜反射率以及1 870 nm處倒數(shù)對(duì)數(shù)的微分值對(duì)含水量有很強(qiáng)的響應(yīng)，并對(duì)含水量進(jìn)行等級(jí)劃分，不同等級(jí)采用不同的模型預(yù)測(cè)土壤含水量，所得模型最高R2為0.945。本文采用的波段與劉洋等［14］探尋的特征波段位置類似，模型適用于文中所有含水量范圍（19.54 ～ 515.53 g/kg），無(wú)需對(duì)含水量分級(jí)，且結(jié)果略優(yōu)于劉洋等［14］所得最優(yōu)結(jié)果。另有學(xué)者研究表明建立多元線性回歸模型時(shí)，經(jīng)反射率對(duì)數(shù)一階微分變換后的數(shù)據(jù)1 432、1 546、1 760、1 916、2 060 nm 波段組合反演土壤含水量的精度最高［15］，與本研究的2 027 nm和1 878 nm也有接近的波段，微弱的波段差異可能由于研究所用的土壤類型不同導(dǎo)致，上述研究所用土壤為沙土和黃綿土，而本研究所用土壤為濱海鹽土。綜上，NDMI2027，1878是準(zhǔn)確預(yù)測(cè)鹽漬化土壤含水量的最佳選擇。

野外實(shí)測(cè)土壤光譜易受到空氣中水汽的影響，在水分的特殊吸收峰會(huì)出現(xiàn)噪聲，信噪比較低，后續(xù)分析中一般會(huì)切除1 351 ～ 1 450 nm和1 800 ～ 1 950 nm，這將影響到NDMI2027，1878中1 878 nm處反射率。隨著技術(shù)的進(jìn)步，高密度接觸式反射探頭的出現(xiàn)有效克服了這一難題，它不僅能夠消除天氣狀況對(duì)光譜測(cè)試的限制作用，也有利于隨時(shí)隨地創(chuàng)造人工暗室條件，有效避免雜散光的影響，也使得本研究提出的 NDMI2027，1878土壤水分高光譜指數(shù)有更廣泛的應(yīng)用前景。

本研究?jī)H以濱海鹽土為研究對(duì)象，結(jié)果表明所得差異化水分指數(shù) NDMI2027，1878適用于濱海鹽土土壤水分的預(yù)測(cè)，但該指數(shù)是否適用于其他土壤類型及研究區(qū)還需進(jìn)一步驗(yàn)證。

4　結(jié)論

本研究以4個(gè)濱海鹽土為研究對(duì)象，通過(guò)添加不同濃度的鹽溶液，采用室內(nèi)模擬蒸發(fā)法，獲取不同含水量范圍內(nèi)（19.54 ～ 515.53 g/kg）的土壤光譜數(shù)據(jù)760組，采用兩兩組合的方式逐波段建立 NDMI指數(shù)，并與土壤含水量建立線性回歸關(guān)系，從中選擇最優(yōu)的光譜指數(shù)，其為 NDMI2027，1878，所建模型驗(yàn)證集 R2達(dá)0.99，RMSE為21.84 g/kg，略優(yōu)于PLSR的建模結(jié)果，且NDMI2027，1878受土壤含鹽量的干擾很小。本研究為鹽漬化土壤含水量的快速、準(zhǔn)確獲取提供了有效的方法。

致謝：部分?jǐn)?shù)據(jù)來(lái)自于中國(guó)土壤數(shù)據(jù)庫(kù)，特此感謝。

參考文獻(xiàn)：

［1］ 張學(xué)禮， 胡振琪， 初士立. 土壤含水量測(cè)定方法研究進(jìn)展［J］. 土壤通報(bào)， 2005， 36（1）： 118-123

［2］ 曹巧紅， 龔元石. 土壤電導(dǎo)率對(duì)時(shí)域反射儀測(cè)定土壤水分的影響［J］. 土壤學(xué)報(bào)， 2001， 38（4）： 483-490

［3］ 王麗娜. 基于高光譜技術(shù)的黃河三角洲鹽堿土水鹽含量估測(cè)研究［D］. 山東泰安： 山東農(nóng)業(yè)大學(xué)， 2013

［4］ Wang Q， Li P， Pu Z， Chen X. Calibration and validation of salt-resistant hyperspectral indices for estimating soil moisture in arid land［J］. Journal of Hydrology， 2011，408（3/4）： 276-285

［5］ 劉婭， 潘賢章， 王昌昆， 等. 土壤濕潤(rùn)條件下基于光譜對(duì)稱度的鹽漬土鹽分含量預(yù)測(cè)［J］. 光譜學(xué)與光譜分析，2013， 33（10）： 2 771-2 776

［6］ 劉婭， 潘賢章， 王昌昆， 等. 基于可見(jiàn)-近紅外光譜的濱海鹽土土壤鹽分預(yù)測(cè)方法［J］. 土壤學(xué)報(bào)， 2012， 49（4）：824-829

［7］ 王淼， 解憲麗， 周睿， 等. 基于可見(jiàn)光-近紅外漫反射光譜的紅壤有機(jī)質(zhì)預(yù)測(cè)及其最優(yōu)波段選擇［J］. 土壤學(xué)報(bào)，2011， 48（5）： 1 083-1 089

［8］ 張婷婷. 基于PLS模型的農(nóng)業(yè)土壤成分高光譜遙感反演研究［D］. 吉林長(zhǎng)春： 吉林大學(xué)， 2010

［9］Lobell DB， Asner GP. Moisture effects on soil reflectance［J］. Soil Science Society of America Journal， 2002， 66（3）：722-727

［10］ 魏娜. 土壤含水量高光譜遙感監(jiān)測(cè)方法研究［D］. 北京：中國(guó)農(nóng)業(yè)科學(xué)院， 2009

［11］ Stoner E R， Baumgardner M F. Physicochemical， site， and bidirectional reflectance factor characteristics of uniformly moist soils［M］. Indiana. 1980

［12］ 王遵親， 祝壽泉， 俞仁培. 中國(guó)鹽漬土［M］. 北京： 北京科學(xué)出版社， 1993

［13］ Ben-Dor E. Quantitative remote sensing of soil properties［J］. Advances in Agronomy， 2002， 75： 173-243

［14］ 劉洋， 丁瀟， 劉煥軍， 等. 黑土土壤水分反射光譜特征定量分析與預(yù)測(cè)［J］. 土壤學(xué)報(bào)， 2014， 51（5）： 1 021-1 026

［15］ 王曉. 土壤含水量高光譜特性與估測(cè)模型研究［D］. 山東泰安： 山東農(nóng)業(yè)大學(xué)， 2012

Prediction of Saline Soil Moisture Content Based on Differential Spectral Index： A Case Study of Coastal Saline Soil

LIU Ya1，2， PAN Xianzhang1*， WANG Changkun1， LI Yanli1，2， SHI Rongjie1，2， LI Zhiting1，2
（1 Key Laboratory of Soil Environment and Pollution Remediation， Institute of Soil Science， Chinese Academy of Sciences，
Nanjing210008， China； 2 University of Chinese Academy of Sciences， Beijing100049， China）

Abstract：Soil samples with various salt and moisture contents were artificially prepared by adding different amount of NaCl solutions to costal saline soil to simulate the evaporation process. During the evaporation process， soil moisture contents and soil spectra were regularly collected， and then analyzed using spectral indices and partial least squares regression （PLSR） to quantify soil moisture content. The results showed that the differential moisture index derived from the reflectance value of 2 027 nm and 1 878 nm was the best index to predict soil moisture content， and the indexes obtained from NDMI2027，1878in both calibration and validation process were slightly better than these from PLSR， with the determined coefficient （R2） of the prediction as high as 0.99. The root mean square error （RMSE） was only 21.84 g/kg， and not affected by the salinity grades. It could be concluded that soil moisture content can be accurately predicted by NDMI2027，1878.

Key words：Saline soil； Soil moisture content； Vis-NIR spectroscopy； Spectral index； Prediction

中圖分類號(hào)：S151.9

DOI：10.13758/j.cnki.tr.2016.02.026

基金項(xiàng)目：①國(guó)家自然科學(xué)基金項(xiàng)目（41071140）、中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)（XDB15040300）和土壤學(xué)科領(lǐng)域基礎(chǔ)科學(xué)數(shù)據(jù)整合與集成應(yīng)用項(xiàng)目（XXH12504-1-02）資助。

* 通訊作者（panxz@issas.ac.cn）

作者簡(jiǎn)介：劉婭（1986—），女，山東菏澤人，博士研究生，主要從事土壤遙感方面的研究。E-mail： liuya@issas.ac.cn