基于Landsat 8遙感圖像的長春中北部地區(qū)土壤有機(jī)質(zhì)含量反演

摘要：以Landsat 8遙感圖像為數(shù)據(jù)源，利用FLAASH大氣校正模型對遙感圖像進(jìn)行大氣校正，結(jié)合野外土壤采樣的有機(jī)質(zhì)含量化驗數(shù)據(jù)，采用逐步回歸分析的方法，對研究區(qū)土壤有機(jī)質(zhì)含量進(jìn)行定量反演。結(jié)果表明，土壤有機(jī)質(zhì)含量與Landsat 8遙感圖像反射率在近紅外波段具有較強(qiáng)的負(fù)相關(guān)性，對反射率進(jìn)行適當(dāng)?shù)臄?shù)學(xué)變換可以有效提高與有機(jī)質(zhì)的相關(guān)性，由此而建立起來的逐步回歸反演模型，其決定系數(shù)r2=0.925，總均根方差RMSE=0.171，說明該反演模型有較高的精度與穩(wěn)定性。根據(jù)上述反演模型，結(jié)合遙感影像分類結(jié)果，對研究區(qū)土壤有機(jī)質(zhì)含量進(jìn)行反演，結(jié)果顯示，研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量呈東高西低之勢，東部、南部地區(qū)土壤有機(jī)質(zhì)含量普遍高于3%，而西部、北部地區(qū)土壤有機(jī)質(zhì)含量普遍低于2%。

關(guān)鍵詞：Landsat 8 OLI；有機(jī)質(zhì)；定量反演；多光譜遙感；長春東北部地區(qū)

中圖分類號： TP79；S127文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2016）12-0415-04

收稿日期：2016-08-10

基金項目：國家自然科學(xué)基金（編號：41371332）；中國地質(zhì)調(diào)查局項目（編號：1212010911084）；遼寧省交通高等專科學(xué)校優(yōu)秀人才項目（編號：lnccrc201401）。

作者簡介：馬馳（1975—），男，遼寧義縣人，博士，副教授，主要從事RS與GIS應(yīng)用研究。Tel：（024）89708763；E-mail：machi1001@sina.com。

土壤中有機(jī)質(zhì)（SOM）含量是衡量土壤肥力的重要指標(biāo)，測量土壤中有機(jī)質(zhì)含量是判斷土壤肥力的重要途徑[1]。有機(jī)質(zhì)在土壤中的含量雖然很少（一般小于10%），但是大量研究證明，土壤中的有機(jī)質(zhì)與土壤的母質(zhì)、含水量、氧化鐵含量等共同影響著土壤的光譜特征[2]。傳統(tǒng)的土壤有機(jī)質(zhì)含量空間預(yù)測多采用采樣點的空間插值來繪制有機(jī)質(zhì)空間分布圖，該方法具有一定的可行性，但難以考慮到多種成土因素對有機(jī)質(zhì)含量的空間變異性影響，無法獲得客觀的土壤有機(jī)質(zhì)空間分布結(jié)果。

遙感技術(shù)具有數(shù)據(jù)獲取時間短、覆蓋范圍廣、信息量豐富、生產(chǎn)成本低等優(yōu)點，近年來國內(nèi)外諸多學(xué)者相繼展開了利用遙感技術(shù)對于土壤有機(jī)質(zhì)含量的相關(guān)研究，并取得了一定的研究成果。在信息源的選取方面，主要集中于多光譜遙感[3]和高光譜遙感[4-5]2種途徑；在數(shù)據(jù)處理與分析方法方面，主要采用定性分類[6-7]和定量反演[8]2種方法?？偨Y(jié)前人利用高光譜遙感技術(shù)對于土壤的研究成果可知：利用光譜儀獲得的高光譜數(shù)據(jù)只能在田間或?qū)嶒炇疫M(jìn)行，研究結(jié)果的實用性不強(qiáng)；基于高光譜遙感圖像反演土壤有機(jī)質(zhì)、氮等成分的研究還少有嘗試，且高光譜遙感圖像數(shù)據(jù)的獲取成本較高，各波段間具有很強(qiáng)的相關(guān)性，難以獲得普遍應(yīng)用；利用分類的方法只能進(jìn)行土壤定性分類制圖，難以實現(xiàn)土壤成分的定量分析目的。

本研究以2013年2月升空的Landsat 8陸地成像儀（OLI）多光譜遙感圖像為數(shù)據(jù)源，結(jié)合實地土壤采樣的化驗數(shù)據(jù)，定量反演吉林省長春市中北部地區(qū)農(nóng)安縣、德惠市土壤的有機(jī)質(zhì)含量，為區(qū)域土壤質(zhì)量監(jiān)測、土地資源的可持續(xù)利用提供數(shù)據(jù)支持。研究區(qū)地處東北平原黑土區(qū)與鹽堿土區(qū)的交接地帶，東部是我國最大的黑土區(qū)，是我國重要的糧食生產(chǎn)基地，西部的白城市以及松原市西部地區(qū)是我國最大的蘇打鹽堿土區(qū)。因此，對研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量進(jìn)行監(jiān)測，可為預(yù)防土壤退化、加強(qiáng)區(qū)域農(nóng)業(yè)生產(chǎn)管理和土地的可持續(xù)利用提供科學(xué)依據(jù)。

1研究區(qū)概況

農(nóng)安縣與德惠市位于長春市中北部、松遼平原中部腹地，124°36′～126°24′E、43°56′～44°52′N，東隔松花江與榆樹市、舒蘭縣相望，西與乾安縣、長嶺縣接壤，南與九臺市、長春市相連，北與扶余縣毗鄰，氣候?qū)贉貛О霛駶櫦撅L(fēng)氣候，年平均降水量400～500 mm，平均海拔100～200 m，全年無霜期114 d，多年平均氣溫4.8 ℃，土壤類型主要為黑土和黑鈣土，地方性土壤有草甸土、沖積土、風(fēng)沙土等。

2研究方法

2.1土壤采樣與處理

2015年5月22—24日在研究區(qū)內(nèi)進(jìn)行土壤采樣，采樣點均勻分布于研究區(qū)內(nèi)，采樣過程中同時考慮土壤類型和交通的便利性，獲取土壤樣品54個（采樣路線如圖1），采樣點覆蓋研究區(qū)內(nèi)的黑土區(qū)與黑鈣土區(qū)。土壤采樣過程中采用4點混合法采集土壤樣本，采樣深度為耕作層0～15 cm，每個土樣約1 kg，將土壤樣本裝入密封袋保存。采樣的同時利用手持全球定位系統(tǒng)（GPS）接收機(jī)記錄采樣點空間位置，用以確定采樣點與遙感影像的點位關(guān)系。為了提高土樣中有機(jī)質(zhì)含量的化驗精度，將土壤樣本在實驗室風(fēng)干、研磨，并剔除土樣中的小石塊、植物根須、動物殘體等雜質(zhì)，并將土樣過2 mm篩。土壤有機(jī)質(zhì)含量測定采用重鉻酸鉀-硫酸法，在加熱條件下用一定濃度的重鉻酸鉀-硫酸溶液氧化土樣中的有機(jī)質(zhì)，多余的重鉻酸鉀采用硫酸亞鐵滴定，根據(jù)重鉻酸鉀消耗量計算土樣中有機(jī)質(zhì)含量。

[FK（W19][TPMC1.tif]

2.2遙感數(shù)據(jù)及數(shù)據(jù)預(yù)處理

Landsat 8是最新型號的Landsat系列對地觀測遙感衛(wèi)星，由美國地質(zhì)調(diào)查局于2013年2月發(fā)射。該衛(wèi)星搭載了2個傳感器：OLI和熱紅外傳感器（TIRS），其中OLI包括1個分辨率為15 m的全色波段、7個分辨率為30 m的可見光與近紅外波段及1個短波紅外卷云識別波段，而TIRS設(shè)置了2個熱紅外波段[9-10]。本研究選取2015年4月13日Landsat 8遙感圖像1景，軌道號為118-029，云覆蓋量為0.4%，并對圖像進(jìn)行預(yù)處理，主要包括圖像輻射定標(biāo)、大氣校正、幾何精校正及圖像裁剪。在ENVI軟件中將圖像的灰度值轉(zhuǎn)換成輻亮度值，完成輻射定標(biāo)；利用FLAASH進(jìn)行大氣校正，校正過程中主要參數(shù)設(shè)置：大氣模型設(shè)置為Sub-Arctic Summer，氣溶膠模型設(shè)置為Urban，氣溶膠反演模型為2-Band（K-T），能見度設(shè)置為默認(rèn)值（40），輸入正確的圖像采集時間、研究區(qū)平均海拔等；在ERDAS軟件中對影像進(jìn)行幾何精校正，校正誤差控制在1個像素以內(nèi)；在ERDAS軟件中建立感興趣區(qū)，并對圖像進(jìn)行裁剪，獲得覆蓋研究區(qū)的遙感圖像。

2.3反演建模及模型檢驗

大量研究表明，對遙感圖像中地物反射率進(jìn)行適當(dāng)?shù)臄?shù)學(xué)變換可以削弱圖像中噪聲對目標(biāo)光譜的影響，增強(qiáng)反射率及其變換形式與土壤成分之間的相關(guān)性，從而提高土壤成分的反演精度[11-12]。本研究將大氣校正后遙感圖像的反射率進(jìn)行倒數(shù)（1/R）、對數(shù)lnR、一階微分（R′）、倒數(shù)的對數(shù)ln（1/R） 等數(shù)學(xué)變換，構(gòu)建光譜分析指數(shù)。

將采集的土壤樣本隨機(jī)分為2個部分：44個建模樣本、10個檢驗樣本。利用SPSS統(tǒng)計分析軟件，采用數(shù)理統(tǒng)計的方法對隨機(jī)選取的建模樣本土壤有機(jī)質(zhì)含量與反射率及其變換形式進(jìn)行統(tǒng)計分析，獲取兩者的相關(guān)性，并采用多元回歸分析方法，建立土壤有機(jī)質(zhì)含量的反演模型。

對反演模型的檢驗包括2個方面：反演模型的精度、穩(wěn)定性和模型預(yù)測能力，采用決定系數(shù)r2和總均根方差（RMSE）進(jìn)行檢驗。模型的決定系數(shù)r2介于0（模型精度最差、最不穩(wěn)定）和1（模型精度最高、最穩(wěn)定）之間，決定系數(shù)r2越大說明模型越穩(wěn)定、精度越高；模型的預(yù)測能力采用檢驗樣本總均根方差（RMSE）進(jìn)行檢驗，RMSE越小，模型的預(yù)測能力越強(qiáng)、精度越高。從統(tǒng)計學(xué)意義上來說，一個好的預(yù)測模型，r2應(yīng)該盡量大，而RMSE應(yīng)盡量小。

2.4研究區(qū)土壤的決策樹分類

決策樹（decision tree）又稱為判定樹，是現(xiàn)階段遙感圖像定性分類的一種常用方法。其中的每個內(nèi)部結(jié)點代表對某個屬性的1次測試，每條邊代表1個測試結(jié)果，葉結(jié)點代表某個類或者類的分布。本研究利用決策樹分類方法，引入歸一化差分植被指數(shù)（NDVI）、歸一化城鎮(zhèn)指數(shù)（NDBI）、歸一化差異水體指數(shù)（MNDWI）等[分別見式（1）、式（2）、式（3）]多種分類指標(biāo)，結(jié)合研究區(qū)內(nèi)主要地物在Landsat 8遙感圖像中的光譜特征，定性分類出研究區(qū)內(nèi)耕地及裸土區(qū)域，用以反演土壤有機(jī)質(zhì)含量。相關(guān)公式如下：

[JZ（]NDVI=[SX（]M5-M4M5+M4[SX）]；[JZ）][JY]（1）

[JZ（]NDBI=[SX（]M5-M6M5+M5[SX）]；[JZ）][JY]（2）

[JZ（]MNDWI=[SX（]M6-M3M6+M3[SX）]。[JZ）][JY]（3）

式中：M表示各波段反射率；數(shù)字為波段號。

3結(jié)果與分析

3.1反射率與土壤有機(jī)質(zhì)含量的相關(guān)性分析及回歸建模

相關(guān)性分析可以通過數(shù)值或圖形的形式揭示變量間統(tǒng)計關(guān)系的強(qiáng)弱程度，獲得土壤有機(jī)質(zhì)含量與反射率顯著相關(guān)的波段，從而提高土壤有機(jī)質(zhì)含量反演的精度。本研究將土壤樣本有機(jī)質(zhì)含量的化驗數(shù)據(jù)與影像上相應(yīng)采樣點的光譜反射率進(jìn)行相關(guān)性分析。

圖2顯示，土壤中有機(jī)質(zhì)含量與Landsat 8圖像7個波段的反射率都呈負(fù)相關(guān)。其中，土壤有機(jī)質(zhì)含量與第6波段相關(guān)性最好，相關(guān)系數(shù)r=-0.853，決定系數(shù)r2=0.728，P值=0.000，達(dá)到顯著水平。其次為第7波段，相關(guān)系數(shù)r=-0.837，決定系數(shù)r2=0.701，P值=0.000，達(dá)到顯著水平。再次為第5波段，相關(guān)系數(shù)r=-0.821，決定系數(shù)r2=0.675，P值=0.000。有機(jī)質(zhì)含量與第1波段相關(guān)性最差，相關(guān)系數(shù)r=-0.216，P值=0.441，未達(dá)到顯著水平。

利用Landsat 8遙感圖像第2～7波段反射率，采用逐步[JP2]回歸分析的方法，建立土壤有機(jī)質(zhì)含量反演模型：SOM含量=9.215×M4-23.059×M6+4.116，模型的決定系數(shù)r2=[JP3]0824，P值=0.000，達(dá)到顯著狀態(tài)，總均根方差RMSE=0.247。

[TPMC2.tif]

利用反射率建立起有機(jī)質(zhì)含量反演模型，依據(jù)檢驗樣本在Landsat 8遙感圖像中的相應(yīng)反射率，獲得10個檢驗樣本土壤有機(jī)質(zhì)含量的預(yù)測值，預(yù)測值與實測值一起建立散點圖。圖3顯示，檢驗樣本的預(yù)測值與實測值較均勻地分布于1 ∶[KG-*3]1直線兩側(cè)，決定系數(shù)r2=0.941，P值=0.000，達(dá)到顯著狀態(tài)，總均根方差RMSE=0.166。

[TPMC3.tif]

3.2反射率變換形式與土壤有機(jī)質(zhì)含量的相關(guān)性分析及回歸建模

將反射率進(jìn)行倒數(shù)、對數(shù)、一階微分、倒數(shù)的對數(shù)、對數(shù)的一階微分等數(shù)學(xué)變換，研究它們與土壤有機(jī)質(zhì)含量的相關(guān)性，土壤反射率及各變換形式所對應(yīng)特征波段及各分析指數(shù)與有機(jī)質(zhì)含量的相關(guān)系數(shù)如表1所示，結(jié)果顯示，將反射率圖像進(jìn)行倒數(shù)、對數(shù)、倒數(shù)的對數(shù)變化以后，與土壤有機(jī)質(zhì)含量的相關(guān)性均有不同程度地提高。其中，反射率的倒數(shù)、倒數(shù)的對數(shù)變換與土壤有機(jī)質(zhì)含量呈正相關(guān)，而反射率的對數(shù)變換與土壤有機(jī)質(zhì)含量呈負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.941。圖像的反射率經(jīng)過一階微分以后，與土壤有機(jī)質(zhì)含量的相關(guān)性雖然也達(dá)到了顯著水平，但比變換前與有機(jī)質(zhì)含量的相關(guān)性有所降低，而反射率對數(shù)的一階微分與有機(jī)質(zhì)含量相關(guān)性與變換前相比無明顯改善。

[FK（W4][HT6H][JZ]表1反射率及變換形式的有機(jī)質(zhì)特征波段位置及相關(guān)系數(shù)[HTSS]

[HJ*5][BG（！][BHDFG1*2，WK5，WK4。6W]光譜變量R1/RlnRln（1/R）（R）′ln（R）′

[BHD]入選波段677342

[BHDW]相關(guān)系數(shù)-0.8530.926-0.9410.912-0.802-0.883[BG）F]

將反射率及其變換形式與土壤有機(jī)質(zhì)含量進(jìn)行逐步回歸分析，建立土壤有機(jī)質(zhì)含量的反演模型：SOM含量=-16.187×M6+0.139/M7-0.512×（lnM2）′+6.467，模型的決定系數(shù)r2=0.925，P值=0.000，達(dá)到顯著狀態(tài)，總均根方差RMSE=0.171。

[JP2]利用反射率及其變換形式所建立的有機(jī)質(zhì)含量反演模型，依據(jù)檢驗樣本所處位置的反射率，計算檢驗樣本有機(jī)質(zhì)含量的預(yù)測值，與實測值建立散點圖，如圖4所示，檢驗樣本的預(yù)測值與實測值均勻分布于1 ∶[KG-*3]1直線兩側(cè)，決定系數(shù)r2=0965，P值=0.000，達(dá)到顯著狀態(tài)，總均根方差RMSE=0119，說明該反演模型可以很好地反演研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量。

[TPMC4.tif]

3.3研究區(qū)土壤有機(jī)質(zhì)含量的空間分布格局

考察“3.1”與“3.2”節(jié)的反演模型精度，選擇基于 Landsat 8 圖像光譜指數(shù)建立的土壤有機(jī)質(zhì)含量的反演模型，反演研究區(qū)土壤有機(jī)質(zhì)含量，并作圖，獲得長春市中北部地區(qū)土壤有機(jī)質(zhì)含量的空間分布與格局。圖5顯示，研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量分布不均，空間差異較大，東部地區(qū)土壤有機(jī)質(zhì)含量明顯高于西部地區(qū)，東部、南部地區(qū)土壤有機(jī)質(zhì)含量普遍高于3%，而西部、西北部地區(qū)土壤有機(jī)質(zhì)含量普遍低于2%，特別是研究區(qū)西北部（農(nóng)安縣西北部與松原市交界地帶），土壤有機(jī)質(zhì)含量處于較低水平，甚至低于1%。根據(jù)土壤實地調(diào)查可知，研究區(qū)東部地區(qū)處于我國黑土區(qū)邊緣地帶，地勢低平，土壤表層為松軟的暗色腐殖質(zhì)層，土質(zhì)肥沃，是我國重要的糧食生產(chǎn)基地，因此土壤有機(jī)質(zhì)含量反演值較高；研究區(qū)西部、北部為黑鈣土區(qū)，并接近我國最大的蘇打鹽堿土區(qū)，一方面土壤有機(jī)質(zhì)含量較低（低于2%），另一方面土壤中較高的鹽分掩蓋了土壤中有機(jī)質(zhì)的光譜特征，使農(nóng)安縣西部、北部地區(qū)土壤有機(jī)質(zhì)含量反演值較低。

[FK（W14][TPMC5.tif]

4討論與結(jié)論

利用遙感手段研究表層土壤有機(jī)質(zhì)含量空間分布的方法具有省時省力且可信度較高等特點，為土壤環(huán)境的監(jiān)測與可持續(xù)利用開辟了一條良好的途徑。國內(nèi)外研究結(jié)果普遍認(rèn)為，土壤中有機(jī)質(zhì)的光譜特征主要表現(xiàn)在有機(jī)質(zhì)對入射光能的吸收作用，土壤反射率會隨著有機(jī)質(zhì)含量的升高而降低，但在估算有機(jī)質(zhì)含量過程中所選擇的反射率波段和估算模型等方面，不同學(xué)者的研究結(jié)論有所差異，但總的趨勢相同。Ben-Dor 通過研究認(rèn)為，土壤中有機(jī)質(zhì)含量對整個可見光、近紅外、短波紅外波段的反射率均會產(chǎn)生影響[13]；Karnieili等研究發(fā)現(xiàn)，土壤有機(jī)質(zhì)吸收特征主要體現(xiàn)在近紅外波段，且在1.720、2.180、2.309 μm處出現(xiàn)吸收峰值[14]；李潤林等在利用TM遙感影像研究舒蘭市土壤有機(jī)質(zhì)空間分布時發(fā)現(xiàn)，土壤有機(jī)質(zhì)含量與TM遙感影像第4（波長為0.76～0.90 μm）、第5（波長為1.55～1.75 μm）、第7波段（波長為2.08～2.35 μm）反射率相關(guān)性顯著[15]；曾遠(yuǎn)文等利用ETM+遙感影像反演徐州礦區(qū)土壤有機(jī)質(zhì)含量時發(fā)現(xiàn)，土壤有機(jī)質(zhì)含量與ETM+影像第7波段（波長為2.08～2.35 μm）、第5波段（波長為1.55～1.75 μm）反射率相關(guān)性良好[16]；劉嬌等人采用ASD便攜式高光譜儀測定黑河流域上游位地區(qū)土壤光譜反射率，并與土壤有機(jī)質(zhì)含量進(jìn)行相關(guān)性分析的結(jié)果顯示，有機(jī)質(zhì)含量與可見光（波長范圍0.630～0.690 μm）、近紅外（波長范圍1.550～1.750 μm）光譜范圍內(nèi)反射率具有較強(qiáng)相關(guān)性[17]；張法升等在利用遙感技術(shù)估算土壤有機(jī)質(zhì)含量時指出，將反射率進(jìn)行對數(shù)、倒數(shù)等變換后可以顯著提高與有機(jī)質(zhì)含量的相關(guān)系數(shù)[3-4，18]。而本研究顯示，土壤中有機(jī)質(zhì)含量的差異在Landsat 8可見光及近紅外波段均有較強(qiáng)體現(xiàn)，[JP2]研究區(qū)土壤有機(jī)質(zhì)含量與Landsat 8第6波段（波長為1.560～1660 μm）相關(guān)系數(shù)達(dá)到最大值，其次為第7波段（波長為2100～2.300 μm）和第5波段（波長為0.845～0.885 μm）；將反射率進(jìn)行倒數(shù)、對數(shù)、倒數(shù)的對數(shù)等數(shù)學(xué)變換后，可以顯著提高與有機(jī)質(zhì)含量的相關(guān)性，與以上學(xué)者的研究結(jié)論相似或相近，但所建立的反演模型卻存在差異，原因可能與遙感數(shù)據(jù)的不同、模型的選取以及研究區(qū)土壤存在差異有關(guān)。

本研究利用多元逐步回歸分析方法建立研究區(qū)土壤有機(jī)質(zhì)含量回歸分析模型，反演長春市中北部地區(qū)土壤有機(jī)質(zhì)含量，達(dá)到了很好的預(yù)測效果，用于檢驗樣本的預(yù)測值與實測值也具有較好的相關(guān)性，主要原因：（1）用于分析的遙感圖像獲取時間為4月，研究區(qū)內(nèi)的耕地在這個時期為休耕期，地表裸露且無冰凍與積雪，因此遙感圖像上表現(xiàn)出來的是裸露土壤的光譜信息，不受植被、凍土等因素的影響；（2）土壤采樣點均勻分布于研究區(qū)內(nèi)，可以代表研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量的分布情況，有利于反演模型的建立。

然而，利用回歸模型獲得的檢驗樣本有機(jī)質(zhì)預(yù)測值與實測值存在一定誤差，究其原因：（1）利用FLAASH大氣校正模型對遙感圖像進(jìn)行大氣校正過程中，受大氣模型與氣溶膠模型的選取、研究區(qū)平均高程與大氣能見度等參數(shù)的輸入誤差影響，使大氣校正過程中可能會存在誤差；（2）由于未能獲得與采樣時間相同遙感影像，使得用于研究區(qū)土壤有機(jī)質(zhì)含量反演的遙感影像（成像時間為2015年4月13日）與土壤采樣（2015年5月22—24日）具有一定的時間差異，在以后研究過程中應(yīng)盡量選擇與采樣時間相同的同步遙感數(shù)據(jù)以提高反演精度。

本研究以Landsat 8遙感圖像為數(shù)據(jù)源，以土壤在遙感圖像中的反射率及其多種變換形式為光譜分析指標(biāo)，聯(lián)合野外土壤采樣的有機(jī)質(zhì)含量化驗數(shù)據(jù)，以第2波段反射率對數(shù)的一階微分、第6波段反射率、第7波段反射率倒數(shù)為自變量，利用多元逐步回歸分析的方法建立研究區(qū)土壤有機(jī)質(zhì)含量反演模型，反演長春市中北部地區(qū)農(nóng)安縣、德惠市土壤有機(jī)質(zhì)含量。結(jié)果顯示，以多種光譜分析指數(shù)利用逐步回歸分析的方法建立起來的有機(jī)質(zhì)含量反演模型有較高的精度與穩(wěn)定性。反演結(jié)果顯示，研究區(qū)內(nèi)土壤有機(jī)質(zhì)含量呈東高西低的趨勢，東南部地區(qū)有機(jī)質(zhì)含量普遍高于3%，而西北部地區(qū)有機(jī)質(zhì)含量普遍低于2%。利用Landsat 8多光譜遙感數(shù)據(jù)反演表層土壤有機(jī)質(zhì)含量可以取得良好的預(yù)測結(jié)果，為土壤參數(shù)獲取提供了快速而有效的方法。

[HS2*2]參考文獻(xiàn)：

[1]楊揚，高小紅，賈偉，等. 三江源區(qū)不同土壤類型有機(jī)質(zhì)含量高光譜反演[J]. 遙感技術(shù)與應(yīng)用，2015，30（1）：186-198.

[2]蘭澤英，劉洋. 樂安河流域土壤重金屬含量高光譜間接反演模型及其空間分布特征研究[J]. 地理與地理信息科學(xué)，2015，31（3）：26-31.

[3]張法升，曲威，尹光華，等. 基于多光譜遙感影像的表層土壤有機(jī)質(zhì)空間格局反演[J]. 應(yīng)用生態(tài)學(xué)報，2010，21（4）：884-888.

[4][JP3]顧曉鶴，王堃，潘瑜春，等. 基于HJ1A-HSI超光譜影像的耕地[JP3]有機(jī)質(zhì)遙感定量反演[J]. 地理與地理信息科學(xué)，2011，27（6）：70-73.

[5]李洪. 官廳水庫消落帶土壤有機(jī)質(zhì)分布特征及其高光譜反演研究[D]. 北京：首都師范大學(xué)，2014.

[6][JP2]徐劍波，宋立生，趙之重，等. 近15a來黃河源地區(qū)瑪多縣草地植被退化的遙感動態(tài)監(jiān)測[J]. 干旱區(qū)地理，2012，35（4）：615-622.

[7]印影，姜琦剛，林楠. 資源一號02C星數(shù)據(jù)在土地利用分類中的應(yīng)用[J]. 科學(xué)技術(shù)與工程，2014，14（29）：260-264.

[8]張娟娟，田永超，姚霞，等. 基于高光譜的土壤全氮含量估測[J]. 自然資源學(xué)報，2011，26（5）：881-890.

[9]徐涵秋，唐菲. 新一代Landsat系列衛(wèi)星：Landsat 8 遙感影像新增特征及其生態(tài)環(huán)境意義[J]. 生態(tài)學(xué)報，2013，33（11）：3249-3257.

[HT8.]

[10][JP3]李旭文，牛志春，姜晟，等.Landsat 8衛(wèi)星OLI遙感影像在生態(tài)環(huán)境監(jiān)[JP2]測中的應(yīng)用研究[J]. 環(huán)境監(jiān)控與預(yù)警，2013，5（6）：1-5.

[11]馬馳. 松嫩平原土地鹽堿化研究[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報，2014，36（3）：333-337.

[12]欒福明，張小雷，熊黑鋼，等. 基于TM影像的荒漠—綠洲交錯帶土壤有機(jī)質(zhì)含量反演模型[J]. 中國沙漠，2014，34（4）：1080-1086.

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

[14]Karnieli A，Verchovsky I，Hall J K，et al.Geographic information system for semi-detailed mapping of soil in semi-arid region[J]. Geocarto International，1998，13（3）：29-42.

[15]李潤林，姚艷敏. 基于TM影像和地形數(shù)據(jù)的土壤有機(jī)質(zhì)空間分布[J]. 湖北農(nóng)業(yè)科學(xué)，2014，53（2）：312-316.

[16]曾遠(yuǎn)文，陳浮，王雨辰，等. 采煤礦區(qū)表層土壤有機(jī)質(zhì)含量遙感反演[J]. 水土保持通報，2013，33（2）：169-172.

[17]劉嬌，李毅，劉世賓. 光譜測定黑河上游土壤有機(jī)質(zhì)的預(yù)測模型[J]. 光譜學(xué)與光譜分析，2013，33（2）：3354-3358.

[18]李媛媛，李微，劉遠(yuǎn)，等. 基于高光譜遙感土壤有機(jī)質(zhì)含量預(yù)測研究[J]. 土壤通報，2014，45（6）：1313-1318.