Landsat 8與國產(chǎn)衛(wèi)星數(shù)據(jù)在表層土壤有機質(zhì)反演中的對比研究

王 瓊 ，陳 兵 ，戴建國 ，肖春華 ，楊秀春 ，王方永 ，劉 娜

（1新疆農(nóng)墾科學(xué)院，新疆 石河子 832000；2石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，新疆 石河子 832000；3石河子大學(xué)/兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，新疆 石河子 832000；4中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

0 引言

有機質(zhì)含量多的土壤能為作物生長提供豐富的營養(yǎng)，具有較強的保水保肥能力，能減少土壤養(yǎng)分流失，在一定程度上提高肥料的利用率。利用多光譜衛(wèi)星數(shù)據(jù)進(jìn)行土壤有機質(zhì)的遙感監(jiān)測，能夠及時獲取大范圍內(nèi)土壤肥力的信息[1]，很好地解決常規(guī)土壤有機質(zhì)田間調(diào)查費時費力等問題。已有研究表明，遙感數(shù)據(jù)作為土壤有機質(zhì)監(jiān)測的輔助參數(shù)，在提高監(jiān)測精度等方面具有明顯優(yōu)勢[2-3]；對于區(qū)域性土壤動態(tài)變化研究和精準(zhǔn)農(nóng)業(yè)的發(fā)展也具有重要意義[4-6]。

傳統(tǒng)土壤有機質(zhì)獲取的方法主要基于土壤的實驗室分析，從大量土壤樣本的采集、烘干、稱重、研磨到理化測試，需耗費大量的人力、物力和財力[7]；同時由于整個測試過程所需時間較長，并且采樣點數(shù)量有限，難以真實反映土壤屬性的空間分布特征，不能滿足現(xiàn)代農(nóng)業(yè)的發(fā)展需求[8]。多光譜遙感影像在土壤屬性信息獲取中應(yīng)用，能通過少量采樣點實現(xiàn)對區(qū)域土壤變異性的宏觀監(jiān)測。Chen等[9]研究表明，裸露地表的遙感影像能定量化分析土壤表層有機碳含量的空間變異性，由于方法簡便，結(jié)果較準(zhǔn)確，也可以應(yīng)用于實際的農(nóng)業(yè)生產(chǎn)管理。目前關(guān)于不同衛(wèi)星多光譜數(shù)據(jù)在土壤有機質(zhì)含量預(yù)測中的應(yīng)用研究較多，如張法升等[10]利用Landsat TM遙感影像反演了遼寧省阜新鎮(zhèn)表層土壤有機質(zhì)的空間格局；劉煥軍等[11]對黑龍江省黑土帶土壤有機質(zhì)含量與光譜反射率相關(guān)關(guān)系進(jìn)行分析，建立了基于TM影像的有機質(zhì)反演模型；程彬等[12]用ASTER遙感影像光譜值對土壤有機質(zhì)含量及空間分布特征進(jìn)行研究，建立了有機質(zhì)預(yù)測模型；李春蕾[13]使用 MODIS遙感圖像，對北疆土壤有機質(zhì)含量進(jìn)行了反演；丁美青等[14]利用SPOT 5遙感數(shù)據(jù)對土地開發(fā)整理區(qū)土壤有機質(zhì)含量進(jìn)行定量反演，建立模型的預(yù)測精度較好；王瓊等[15]利用國產(chǎn)HJ衛(wèi)星數(shù)據(jù)對新疆北部農(nóng)場土壤有機質(zhì)含量進(jìn)行了監(jiān)測，實現(xiàn)了土壤有機質(zhì)含量快速、經(jīng)濟監(jiān)測。

Landsat 8衛(wèi)星搭載的陸地成像儀（Operational Land Imager，OLI）2013年開始獲取數(shù)據(jù)，該數(shù)據(jù)與Landsat系列其他衛(wèi)星相比，在掃描方式、波段、輻射分辨性能等方面都有所改進(jìn)[16]，有學(xué)者研究認(rèn)為，Landsat 8衛(wèi)星數(shù)據(jù)能夠提供更好的地表溫度反演精度，對陸面及大型水體熱環(huán)境、溫度場的監(jiān)測具有重要價值[17-18]，還可進(jìn)行草原光合有效輻射吸收比率反演[19]、構(gòu)造分析[20]、土壤鹽分反演[21]、土地變化監(jiān)測[22]、森林監(jiān)測[23]、種植結(jié)構(gòu)提取[24]等。但是利用Landsat 8/OLI數(shù)據(jù)進(jìn)行土壤有機質(zhì)含量監(jiān)測的報道還相對較少，特別是針對西北干旱半干旱區(qū)，因此需要更多的研究來支持。

本研究分別使用Landsat 8/OLI數(shù)據(jù)和國產(chǎn)衛(wèi)星HJ-1/CCD數(shù)據(jù)對北疆綠洲農(nóng)田土壤有機質(zhì)空間布局進(jìn)行遙感反演，并對比分析不同衛(wèi)星數(shù)據(jù)反演的敏感波段、參數(shù)，以及反演模型和反演結(jié)果的差異，探討landsat 8/OLI與HJ-1/CCD多光譜數(shù)據(jù)對表層土壤有機質(zhì)含量反演的差異性及適宜性，為遙感技術(shù)在土壤參數(shù)監(jiān)測中更好的發(fā)揮作用提供理論支持。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)為新疆生產(chǎn)建設(shè)兵團第七師一三○團場，地處北疆綠洲農(nóng)耕區(qū)（44°2′31″—44°3′4″N，84°7′6″—85°3′8″E），年均溫度 6.4—7.1 ℃，≥10℃積溫為3 617—3 599.8℃，無霜期159—186 d，日照量2 611 h—2 697 h，平均降水量為160.7—182.1 mm，年蒸發(fā)量為1 761.9—1 709.7mm。常年有效耕地面積約2×104hm2，其中棉花種植面積約占總作物面積的80%。全區(qū)除局部略有起伏外，地勢平坦；土壤類型以灰漠土為主，有小部分屬于草甸土和潮土。

1.2 土樣采集與處理

于2014年10月下旬至11月上旬對土壤樣品進(jìn)行采集。此時大部分作物已收獲完畢，連續(xù)無降水時間大于1周，除少數(shù)灌水地塊外，其余耕地土壤相對較干燥。以5點取樣法[25]取0— 20 cm耕層土壤樣品（圖1），共采集土壤樣本91個，按照盡可能均勻分布在研究區(qū)的原則隨機將采樣點分為建模樣本（65個）和驗證樣本（26個）。

取樣同時利用手持GPS獲取采樣點地理位置等信息；并將土樣帶回實驗室進(jìn)行風(fēng)干、研磨、過篩等預(yù)處理后用重鉻酸鉀容量法測定有機質(zhì)含量。根據(jù)其描述性統(tǒng)計量（表1）可知，研究區(qū)土壤有機質(zhì)含量差異性較明顯，最大值與最小值之間相差 26.6 g/kg。

1.3 遙感數(shù)據(jù)獲取與處理

分別獲取2014年土樣采集時間附近，云量低于10%的HJ-1/CCD數(shù)據(jù)和Landsat 8/OLI數(shù)據(jù)各1期，數(shù)據(jù)時間分別為2014年11月3日和10月25日，影像軌道號分別為44/60和145/29。通過波長范圍和數(shù)據(jù)空間分辨率對比 （表2）可知，Landsat 8/OLI數(shù)據(jù) b2—b5波段與 HJ-1/CCD數(shù)據(jù)B1—B4波段具有較好的一致性。

使用ENVI 5.0軟件的ToolBox/Radiometric Correction/Radiometric Calibration模塊對影像數(shù)據(jù)進(jìn)行輻射校正，利軟件中FLAASH模塊對幾何校正后的數(shù)據(jù)進(jìn)行大氣校正，得到地面采樣時間一致的裸土反射率數(shù)據(jù)，具體步驟如下：Toolbox/Ra diometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction，打開FLAASH大氣校正工具，從相應(yīng)區(qū)域的DEM獲得平均值0.5 km，大氣模型選擇“mid— latitude winter”，氣溶膠模型選擇“Urban”，氣溶膠反演選擇“2—Band（K-T）”，初始能見度為40 m。多光譜設(shè)置中選擇 “Over-Land Retrieval Standard（660：2 100）”，波譜響應(yīng)文件選擇ldcm_oli.sli文件。Advence setting系數(shù)為系統(tǒng)自動設(shè)置。并以UTM，WGS-84投影及坐標(biāo)系統(tǒng)，利用ENVI軟件中的Registration/warp from GCPs工具對遙感影像數(shù)據(jù)進(jìn)行幾何校正，并以研究區(qū)矢量數(shù)據(jù)為邊界對影像進(jìn)行裁剪。使用“band math”工具，分別對 HJ-1/CCD數(shù)據(jù) 4個波段：B1、B2、B3、B4 的反射率，以及 Landsat8/OLI數(shù)據(jù)排除了全色波段b8和圖像噪聲較大的卷云波段b9的b1—b7，7個波段的反射率數(shù)值（R）進(jìn)行光譜指數(shù)計算，包括：倒數(shù)運算（1/R）、對數(shù)運算（LOG（R））、差 值運算 （R1-R2）、比值運 算（R1/R2）等。

圖1 采樣點分布圖（左）及標(biāo)準(zhǔn)假彩色遙感影像（右）Figure 1 Distribution of sample points （left） and false color image （right）

表2 Landsat 8 OLI數(shù)據(jù)與波段對比HJ-1A/1B CCD數(shù)據(jù)波段對比Table 2 Comparison of band features for Landsat 8/OLI data and HJ-1/CCD

1.4 模型建立與檢驗

利用SPSS統(tǒng)計分析軟件對光譜指數(shù)與對應(yīng)土壤有機質(zhì)含量進(jìn)行相關(guān)分析，得到相關(guān)性顯著的光譜反射率及其變換形式，并基于SPSS軟件分別構(gòu)建單波段和多波段回歸方程。其中單波段回歸方程包括線性回歸模型、對數(shù)回歸模型、倒數(shù)回歸模型、二次回歸模型、三次回歸模型、冪函數(shù)回歸模型、S型回歸模型、生長回歸模型和指數(shù)回歸模型。

利用采樣獲取的驗證樣本（26個）對建立的模型進(jìn)行檢驗。采用統(tǒng)計量F值、修正自由度的可決定系數(shù)（R2）、均方根誤差（RMSE）評價估算模型的有效性[26]。當(dāng)F值大于理論臨界值Fa時，估算方程顯著；R2越大模型越穩(wěn)定；RMSE越小模型精度越高[20]。

1.5 空間分布格局反演

使用ENVI5.0軟件的Band math模塊，將采樣點對應(yīng)的光譜參數(shù)代入回歸方程，得到研究區(qū)土壤有機質(zhì)含量灰度圖；根據(jù)全國第二次土壤普查推薦的土壤肥力分級和新疆棉田土壤主要養(yǎng)分含量分級指標(biāo)[27]將土壤有機質(zhì)含量范圍劃分為4個等級：0— 12 g/kg范圍為四級，有機質(zhì)含量“低”，12— 15 g/kg范圍為三級，有機質(zhì)含量 “較低”，15 g/kg-18 g/kg范圍為二級，有機質(zhì)含量“中等”，有機質(zhì)含量＞18 g/kg時等級為十級，有機質(zhì)含量“較高”。使用密度分割方法按照4個等級對有機質(zhì)含量灰度圖進(jìn)行分級，得到不同級別有機質(zhì)含量的空間分布圖。

2 結(jié)果與分析

2.1 反射率對比分析

計算在HJ-1/CCD數(shù)據(jù)和Landsat 8/OLI數(shù)據(jù)中對應(yīng)的反射率值，繪制反射率折線圖，由圖2可知，HJ-1/CCD數(shù)據(jù)4個波段反射率折線與Land sat 8/OLI數(shù)據(jù)對應(yīng)波段的變化趨勢較為一致，均呈現(xiàn)隨著波長的增加，反射率值上升的趨勢，說明對光譜的吸收、反射過程也是相近的，即隨波長的增加，對光譜的吸收作用逐漸減弱，反射作用逐漸增強。

不同有機質(zhì)含量的土壤，其光譜反射率值整體相差不大，其中HJ-1/CCD數(shù)據(jù)以B3波段差異較大，Landsat 8/OLI數(shù)據(jù)以b5、b6波段差異相對明顯。有機質(zhì)含量＞20 g/kg（＞2%）的土壤光譜反射率變化特性與＜20g/kg（＜2%）的土壤光譜反射率變化趨勢一致，即呈現(xiàn)隨著有機質(zhì)含量的增加，反射率值減小的趨勢。

雖然Landsat8/OLI數(shù)據(jù)在波長為475—860nm范圍內(nèi)與HJ-1/CCD數(shù)據(jù)的反射率折線圖變化一致，但Landsat 8/OLI數(shù)據(jù)在中心波長為2.2 μm處（b7）光譜反射率值達(dá)到最高，0.59 μm 處（b8）反射率值迅速下降。這也表明Landsat 8/OLI數(shù)據(jù)在可見光和近紅外波段范圍對土壤有機質(zhì)反射光譜具有強烈的吸收作用，當(dāng)波長大于2.2 nm時對土壤有機質(zhì)光譜反射作用增強。兩種衛(wèi)星數(shù)據(jù)相比，Landsat 8/OLI數(shù)據(jù)具有明顯的光譜波段優(yōu)勢。

圖2 不同采樣點SOM含量HJ-1/CCD數(shù)據(jù)（左）Landsat 8/OLI數(shù)據(jù)（右）反射率折線圖（單位 克/千克）Figure 2 HJ-1/CCD reflectance （left） and Landsat 8/OLI reflectance （right） with different SOM sample （unit g/kg）

2.2 反演模型構(gòu)建

由于研究區(qū)為農(nóng)田土壤，受人為活動影響大，無論在實地調(diào)研還是采集的土壤樣本，有機質(zhì)含量均呈現(xiàn)出較為明顯的差異性。由表3可知，HJ-1/CCD數(shù)據(jù)4個波段反射率均與土壤有機質(zhì)含量存在顯著的負(fù)相關(guān)性，其中B3波段負(fù)相關(guān)系數(shù)為-0.693，相關(guān)性最為顯著，其次為第2波段；不同的反射率變換形式中，也以B3波段進(jìn)行倒數(shù)變換后得到的參數(shù)相關(guān)性最為顯著。

由表 4可知，Landsat 8/OLI數(shù)據(jù) 7個波段反射率均與土壤有機質(zhì)存在較為顯著的相關(guān)性，最大相關(guān)系數(shù)在b5波段，為-0.835。對比不同的反射率變換形式，仍然為b5波段的變換形式得到的相關(guān)系數(shù)最大，其中b5波段反射率值與對應(yīng)點土壤有機質(zhì)含量相關(guān)性高。

2.2.1 單波段回歸模型

分別以相關(guān)系數(shù)較高的HJ-1/CCD數(shù)據(jù)B3波段和Landsat 8/OLI數(shù)據(jù)b5波段的光譜反射率為自變量，以土壤有機質(zhì)含量為因變量進(jìn)行回歸分析，得到線性回歸模型、對數(shù)回歸模型等9種預(yù)測模型。

由表5可知，對HJ-1/CCD數(shù)據(jù)基于B3波段反射率建立的有機質(zhì)單波段遙感預(yù)測模型中，穩(wěn)定性較好的為二次和三次回歸模型，R2分別為0.523和 0.525，均大于0.5，但是對比 RMSE發(fā)現(xiàn)二次回歸模型為6.637，與三次回歸模型的6.93相比，精度明顯較高。

與HJ-1/CCD數(shù)據(jù)相比，基于Landsat 8/OLI數(shù)據(jù)的回歸模型（表 6），R2整體偏高，其中 R2最大的為三次回歸模型，達(dá)到0.699，二次回歸模型和線性回歸模型R2略低，均為0.688?？梢娙N模型穩(wěn)定性相差不大。對比RMSE結(jié)果發(fā)現(xiàn)二次回歸模型模型RMSE值最小，說明精度較高的仍為二次回歸模型。

表3 有機質(zhì)含量與HJ-1/CCD數(shù)據(jù)各波段反射率相關(guān)系數(shù)（n=65）Table 3 Correlation coefficient between SOM and HJ-1/CCD reflectance at different bands

表4 有機質(zhì)含量與Landsat 8/OLI數(shù)據(jù)各波段反射率相關(guān)系數(shù)（n=65）Table 4 Correlation coefficient between SOM and Landsat 8/OLI reflectance at different bands

表5 基于單波段HJ-1/CCD光譜指數(shù)的農(nóng)田土壤有機質(zhì)遙感反演模型Table 5 Reversing models of Farmland SOM based on HJ-1/CCD spectral indices

2.2.2 多波段回歸模型

分別對HJ-1/CCD數(shù)據(jù)和Landsat 8/OLI數(shù)據(jù)波段間的相關(guān)性進(jìn)行對比分析，發(fā)現(xiàn)HJ-1/CCD數(shù)據(jù)B4波段與其他波段相關(guān)系數(shù)最小，B3波段信息量最豐富；Landsat 8/OLI數(shù)據(jù)前4個波段以及第7、8波段相關(guān)系數(shù)在0.85以上，為極顯著相關(guān)關(guān)系，b5波段與其他波段相關(guān)系數(shù)最小，為0.371；故選取 HJ-1/CCD數(shù)據(jù) B3、B4波段，Land sat 8/OLI數(shù)據(jù)b4、b5、b7波段作為自變量建立多波段回歸模型（表7）。由構(gòu)建的多元回歸模型發(fā)現(xiàn)，雖然增加了自變量，但是反演模型的精度并沒有明顯提高，為了操作的便捷性，僅選用單波段回歸模型對農(nóng)田表層土壤有機質(zhì)含量進(jìn)行遙感反演。

表6 基于單波段Landsat 8/OLI光譜指數(shù)的農(nóng)田土壤有機質(zhì)遙感反演模型Table 6 Reversing models of Farmland SOM based on Landsat 8/OLI spectral indices

表7 基于多波段光譜指數(shù)的農(nóng)田土壤有機質(zhì)遙感回歸模型Table 7 Reversing models of Farmland SOM based on multi-spectral indices

2.3 反演結(jié)果對比分析

2.3.1 模型驗證及對比

與模型選擇、光譜數(shù)據(jù)預(yù)處理方法相比，模型預(yù)測精度主要取決于土壤理化參數(shù)數(shù)值范圍和土壤屬性間的自相關(guān)程度[26]。為了能夠更好的揭示北疆農(nóng)田土壤裸土光譜反射率與土壤有機質(zhì)含量之間的相關(guān)關(guān)系，通過野外實測樣點數(shù)據(jù)對理論得到的模型進(jìn)行驗證。圖3為實測值與預(yù)測值間的線性關(guān)系，可知HJ-1/CCD數(shù)據(jù)和Landsat 8/OLI數(shù)據(jù)反演得到的土壤有機質(zhì)實測值與預(yù)測值斜率分別為 1.028 1 （R2=0.72，P<0.001）和1.033 4（R2=0.73，P<0.001），表明預(yù)測結(jié)果與實測結(jié)果具有較好的線性相關(guān)性，通過遙感估測數(shù)值，能夠反演研究區(qū)農(nóng)田表層土壤有機質(zhì)的空間分布格局。

表8 研究區(qū)土壤有機質(zhì)含量實測值與反演數(shù)值統(tǒng)計分析表Table 8 Statistical analysis of inversion and measured value of SOM in the study area

對實測數(shù)據(jù)進(jìn)行對比分析（表8），發(fā)現(xiàn)基于HJ-1/CCD數(shù)據(jù)的反演結(jié)果中，土壤有機質(zhì)含量預(yù)測值的極小值、極大值均略高于實測值，雖然均值大致相同，但是變異系數(shù)存在差異性；而基于Landsat 8/OLI數(shù)據(jù)的土壤有機質(zhì)含量預(yù)測值和實測值的極值、均值以及變異系數(shù)基本一致，預(yù)測值能夠再現(xiàn)研究區(qū)土壤有機質(zhì)含量的變化范圍、空間變異程度等屬性。

2.3.2 空間格局填圖分析

將采樣點對應(yīng)多光譜數(shù)據(jù)的光譜參數(shù)R分別帶入Landsat 8/OLI和HJ-1/CCD數(shù)據(jù)反演的最優(yōu)回歸方程中，分別進(jìn)行基于HJ-1/CCD數(shù)據(jù)和Landsat 8/OLI數(shù)據(jù)的表層土壤有機質(zhì)空間分布填圖（圖4）。可知兩種衛(wèi)星數(shù)據(jù)的反演填圖中，有機質(zhì)含量＞18 g/kg的斑塊所占面積均最大，分別為4 154 hm2和4 376 hm2，占研究區(qū)總面積的39.9%和42.0%；其次是12—15 g/kg，面積分別3 024 hm2、2 995 hm2，占研究區(qū)總面積的 29.0%和28.7%；有機質(zhì)含量在0—12 g/kg的部分最少，只有1 154 hm2和 1 103 hm2，分別占研究區(qū)總面積的11.1%和10.6%。

3 結(jié)論與討論

本研究探討不同衛(wèi)星多光譜數(shù)據(jù)對北疆綠洲農(nóng)田表層土壤有機質(zhì)空間布局進(jìn)行遙感反演的差異性，結(jié)論如下：（1）國產(chǎn) HJ-1/CCD 數(shù)據(jù) B1、B2、B3、B4 4個波段反射率折線圖與Landsat 8/OLI數(shù)據(jù)對應(yīng) b2、b3、b4、b5 4個波段變化趨勢較為一致，就反射率值來看，不同土壤采樣點在HJ-1/CCD數(shù)據(jù)上對應(yīng)的反射率值略高于Landsat 8/OLI數(shù)據(jù)上對應(yīng)的反射率值；Landsat 8/OLI影像數(shù)據(jù)較HJ-1/CCD具有明顯的光譜波段優(yōu)勢。（2）不同衛(wèi)星數(shù)據(jù)得到的光譜指數(shù)均與有機質(zhì)含量顯著相關(guān)，其中HJ-1/CCD數(shù)據(jù)單波段顯著性最強的為B3波段，Landsat 8/OLI數(shù)據(jù)顯著性最強的是b5波段。（3）不同衛(wèi)星數(shù)據(jù)得到的反演模型中，精度最高的為一元二次回歸模型，通過實地采樣檢測發(fā)現(xiàn)模型預(yù)測精度高、穩(wěn)定性好，可以用于揭示西北綠洲農(nóng)田土壤有機質(zhì)含量的空間分布特征。（4）由于波譜范圍較大，Landsat 8/OLI數(shù)據(jù)在監(jiān)測精度上優(yōu)于國產(chǎn)HJ-1/CCD影像數(shù)據(jù)。

圖4 研究區(qū)表層土壤有機質(zhì)含量空間格局圖（左：HJ-1/CCD；右：Landsat 8/OLI）Figure 4 Distribution of the result for surface SOM in the study area （left：HJ-1/CCD，right：Landsat 8/OLI）

研究通過將Landsat8/OLI數(shù)據(jù)與國產(chǎn)衛(wèi)星多光譜數(shù)據(jù)（HJ-1/CCD數(shù)據(jù)）進(jìn)行對比，并分別對不同有機質(zhì)含量的裸土光譜反射率特征進(jìn)行對比分析，在此基礎(chǔ)上基于不同衛(wèi)星數(shù)據(jù)分別對綠洲區(qū)農(nóng)田裸土有機質(zhì)含量進(jìn)行反演，探討Landsat 8/OLI數(shù)據(jù)與國產(chǎn)衛(wèi)星多光譜數(shù)據(jù)在進(jìn)行土壤有機質(zhì)反演的差異，以及Landsat 8/OLI數(shù)據(jù)和國產(chǎn)衛(wèi)星多光譜數(shù)據(jù)在綠洲區(qū)農(nóng)田土壤屬性監(jiān)測中相互補充的可能性，為遙感技術(shù)在土壤參數(shù)監(jiān)測中更好的發(fā)揮作用提供理論支持。

致謝：感謝中國資源衛(wèi)星應(yīng)用中心和USGS提供論文所用衛(wèi)星數(shù)據(jù)。

[1]趙英時.遙感應(yīng)用分析原理與方法.北京：科學(xué)出版社，2003：280-326.

[2]Wu C F，Wu J P，Luo Y M，et al.Spatial prediction of soil organic matter content using cokriging with remotely sensed data.Soil Science Society of America Journal，2009，73（4）：1202-1208.

[3]Luo Y Y，Liu T X，Wang X X，et al.Influences of landform as a confounding variable on SOM-NDVI association in semiarid Ordos Plateau.Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2012，4（4）：450-456.

[4]Moran M S，Inoue Y，Barnes E M.Opportunities and limita tions for image-based remote sensing in precision crop management.Remote Sensing of Environment，1997，61（3）：319-346.

[5]H Croft，N J Kuhn，K Anderson.On the use of remote sens ing techniques for monitoring spatio-temporal soil organic carbon dynamics in agricultural systems.CATENA，2012，94：64-74.

[6]吳才武，夏建新，段崢嶸.土壤有機質(zhì)預(yù)測性制圖方法研究進(jìn)展.土壤通報，2015，46（1）：239-247．Wu C W，Xia J X，Duan Z R.Technologies of Predictive Mapping for Soil Organic Matter.Chinese Journal of Soil Science，2015，46（1）：239-247.（in Chinese）

[7]Ben-Dor E.Quantitative remote sensing of soil propertie.Ad vances in Agronomy，Academic Press，2002，75：173-243.

[8]劉煥軍，張柏，楊立，等.土壤光學(xué)遙感研究進(jìn)展.土壤通報，2007，38（6）：1 196-1 202.Liu H J，Zhang B，Yang L，et al.Review of soil optical re mote sensing.Chinese Journal of Soil Science，2007，38（6）：1 196-1 202.（in Chinese）

[9]Chen F，Kissel D E，Larry T W，et al.Field-scale mapping of surface soil organic carbon using remotely sensed im agery.Soil Science Society of America Journal，2000，64：746-753.

[10]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質(zhì)空間格局反演.應(yīng)用生態(tài)學(xué)報，2010，21（4）：883-888.Zhang F S，Qu W，Yin G H，et al.Spatial pattern of sur face soil organic matter based on remotely sensed multi spectralimage.Chinese JournalofApplied Ecology，2010，21（4）：883-888.（in Chinese）

[11]劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演.農(nóng)業(yè)工程學(xué)報，2011，27（8）：211-215.Liu H J，Zhao C J，Wang J H，et al.Soil organic matter predicting with remote sensing image in typical black soil area ofNortheastChina.Transactions ofthe CSAE，2011，27（8）：211-215.（in Chinese）

[12]程彬，姜琦剛，陳鳳臻，等.松遼平原黑土有機質(zhì)含量的遙感反演研究.水土保持研究，2012，8（1） 264-267，275.Cheng B，Jiang Q G，Chen F Z，et al.Study of surface soil organic matter using remotely sensed imagery in northeast China.Research of Soil and Water Conservation，2011，18（1）：264-267.（in Chinese）

[13]李春蕾.新疆北疆裸土土壤有機質(zhì)與機械組成遙感反演研究.烏魯木齊：新疆師范大學(xué)，2011.Li C.The research of retrieving exposed soil organic matter and soil mechanical composition by remote sensing in North Xinjiang Province，China，The Master Degree Dis sertation of Xinjiang Normal University，2011.（in Chi nese）

[14]丁美青，肖紅光，陳松嶺，等.基于BP神經(jīng)網(wǎng)絡(luò)的土地開發(fā)整理區(qū)土壤有機質(zhì)含量遙感定量反演.湘潭大學(xué)自然科學(xué)學(xué)報，2012，34（2）：103-106.Ding M Q，Xiao H G，Chen S L，et al.Remote sensing quantitative retrieval of soil organic matter content in the land development and consolidation region based on BP neural network.Natural Science Journal of Xiangtan Uni veraity，2012，34（2）：103-106.（in Chinese）

[15]王瓊，陳兵，王方永，等.基于 HJ衛(wèi)星的棉田土壤有機質(zhì)空間分布格局反演.農(nóng)業(yè)工程學(xué)報，2016，32（1）：174-180.Wang Q，Chen B，Wang F Y，et al.Inversion for spatial distribution pattern of soil organic matter based on HJ im age in oasis cotton field.Transactions of the Chinese Soci ety of Agricultural Engineering，2016，32 （1）：174-180.（in Chinese）

[16]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.生態(tài)學(xué)報，2013，33（11）：3249-3257.Xu H Q，Tang F.Analysis of new characteristics of the first Landsat8 image and their eco-environmental significance.Acta Ecologica Sinica，2013，33 （11）：3249-3257.（in Chinese）

[17]Yu Y F，Xing L X ，Pan J，et al.Study of high temperature targets identification and temperature retrieval experimental model in SWIR remote sensing based Landsat8.Interna tional Journal of Applied Earth Observation and Geoinfor mation，2016，46：56-62.

[18]宋挺，段崢，劉志軍，等.Landsat 8數(shù)據(jù)地表溫度反演算法對比.遙感學(xué)報，2015，19（3）：451-464.Song T，Duan Z，Liu Z J，et al.Comparision of four algo rithms to retrieve land surface temperature using Landsat 8 satellite.Journal of Remote Sensing，2015，19 （3）：451-464.（in Chinese）

[19]李曉宇，包玉海，吳瓊，等.HJ-1CCD與Landsat8 OLI呼倫貝爾草原區(qū)FPAR反演中的比較分析.草業(yè)科學(xué)，2015，32（2）：151-159.Li X Y，Bao Y H，Wu Q，et al.Comparative analysis in re trieved FPAR from HJ-1CCD and Landsat8 OLI Data in Hulunber grassland.Pratacultural Science，2015，32 （2）：151-159.（in Chinese）

[20]Shi Z J，Wen X P，Ma W，et al.Quantitative and statistics analysis of lineament from Landsat-8 OLI imagery.Interna tional Industrial Informatics and Computer Engineering Conference （IIICEC 2015）.

[21]陳實.干旱區(qū)膜下滴灌棉田土壤鹽分遙感反演研究—以新疆石河子墾區(qū)為例.蕪湖：安徽師范大學(xué)，2014.Chen Shi.The remote sensing inversion study of soil salini ty of the drip irrigation cotton fields under the membrane in arid areas--a case study over Shihezi reclamation area of Xinjiang.Wuhu City：Anhui Normal University，2014.（in Chinese）

[22]Cristina Tarantino，Maria Adamo，Richard Lucas，et al.De tection of changes in semi-natural grasslands by cross cor relation analysis with WorldView-2 images and new Land sat 8 data.RemoteSensingofEnvironment，2016，175（15）：65-72.

[23]徐婷，曹林，佘光輝.基于 Landsat8 OLI的特征變量優(yōu)化提取及森林生物量反演.遙感技術(shù)與應(yīng)用，2015，30（2）：226-234.Xu T，Cao L，She G H.Feature extraction and forest biomass estimation based on Landsat 8 OLI.Remote Sens ing Technology and Application，2015，30 （2）：226-234.（in Chinese）

[24]謝登峰，張錦水，潘耀忠，等.Landsat 8和 MODIS融合構(gòu)建高時空分辨率數(shù)據(jù)識別秋糧作物.遙感學(xué)報，2015，19（5）：791-805.Xie D F，Zhang J S，Pan Y Z，et al.Fusion of MODIS and Landsat 8 images to generate high spatial-temporal resolu tion data for mapping autumn crop distribution.Journal of Remote Sensing，2015，19（5）：791-805.（in Chinese）

[25]中國科學(xué)院南京土壤研究所.土壤理化分析.上海：上?？茖W(xué)技術(shù)出版社，1978：62-136．

[26]Volkan Bilgili A，vanes H M，Akbas F，Durak A and Hively W D.2010.Visible-near infrared reflectance spec troscopy for assessment of soil properties in a semi-arid area of Turkey.Journal of Arid Environments，74（2），229-238.（in Chinese）

[27]張炎，王講利，付明鑫，等.新疆棉田土壤養(yǎng)分評價指標(biāo)的建立.中國科協(xié)2005年學(xué)術(shù)年會“新疆現(xiàn)代農(nóng)業(yè)論壇”論文專集.Zhang Y，Wang J L，F(xiàn)u M X，et al.The establishment of the Xinjiang cotton soil nutrient evaluation index.China Association for Science and Technology.2005 Academic Convention “BBS”Modern Agriculture in Xinjiang Thesis Album.（in Chinese）

[28]侯艷軍，塔西甫拉提·特依拜，買買提·沙吾提，等.荒漠土壤有機質(zhì)含量高光譜估算模型.農(nóng)業(yè)工程學(xué)報，2014，30（16）：113-120.Hou Y J，Tiyip T，Sawut M，et al.Estimation model of desert soil organic matter content using hyperspectral data.Transactions of the Chinese Society of Agricultural Engi neering （Transactions of the CSAE），2014，30（16）：113-120.（in Chinese）