基于最優(yōu)模型的荒地土壤有機(jī)質(zhì)含量空間反演

喬娟峰， 熊黑鋼， 王小平， 周倩倩

(1．新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院/綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830046； 2．北京聯(lián)合大學(xué)應(yīng)用文理學(xué)院，北京 100083)

土壤有機(jī)質(zhì)(Soil organic matter，SOM)是土壤中的所有含碳的有機(jī)物，具有改良土壤結(jié)構(gòu)、疏松土壤的作用，是評(píng)價(jià)土壤肥沃程度的一個(gè)重要指標(biāo)[1-2]。因此，研究SOM含量的空間格局是管理好土壤養(yǎng)分及了解土壤理化性質(zhì)的基礎(chǔ)。傳統(tǒng)的土壤有機(jī)質(zhì)含量測(cè)定方法是通過(guò)野外采集土樣，并在室內(nèi)運(yùn)用化學(xué)方法測(cè)定，其耗時(shí)長(zhǎng)、工作量大且多為點(diǎn)狀信息數(shù)據(jù)，不能快速、無(wú)損地進(jìn)行大面積的土壤有機(jī)質(zhì)含量測(cè)定[3]。因此，需要一種簡(jiǎn)捷、準(zhǔn)確測(cè)定SOM含量的技術(shù)。

土壤反射率與SOM含量之間存在一定關(guān)系[4]，這為遙感及時(shí)進(jìn)行大面積荒地SOM監(jiān)測(cè)提供了依據(jù)，并可利用其探討SOM的空間面狀分布特征。

國(guó)內(nèi)外學(xué)者利用不同遙感數(shù)據(jù)對(duì)SOM含量反演取得許多成果，Al-Abbas等[5]發(fā)現(xiàn)土壤光譜反射率與有機(jī)質(zhì)含量呈顯著負(fù)相關(guān)。宋金紅等[6]通過(guò)Landsat TM數(shù)據(jù)對(duì)SOM含量與土壤反射率定量關(guān)系進(jìn)行研究，得到TM1、TM5波段DN值的回歸模型預(yù)測(cè)研究區(qū)表層SOM含量最優(yōu)。田永超等[7]通過(guò)應(yīng)用熱紅外光聲光譜技術(shù)估測(cè)土壤有機(jī)質(zhì)含量，得到經(jīng)過(guò)一階導(dǎo)數(shù)濾波平滑后精度較高的光譜建模。在利用光譜反射率數(shù)據(jù)進(jìn)行土壤有機(jī)質(zhì)含量反演的模型方面，大多是運(yùn)用單波段回歸模型和多波段回歸模型。夏楠等[8]基于多光譜數(shù)據(jù)，利用多波段回歸估算模型對(duì)荒漠礦區(qū)土壤有機(jī)質(zhì)含量預(yù)測(cè)，結(jié)果表明一階微分建立的模型精度最高。馬馳基于Landsat 8數(shù)據(jù)，定量反演了吉林中北部地區(qū)土壤有機(jī)質(zhì)含量，利用反射率不同變換形式與表層有機(jī)質(zhì)含量建立單波段和多波段回歸模型，發(fā)現(xiàn)反射率倒數(shù)變換建立的多波段模型精度最優(yōu)[9]。前人研究主要是基于遙感影像波段原始反射率變換，很少直接利用IDL交互式編程語(yǔ)言對(duì)影像進(jìn)行微分處理，建立高精度的有機(jī)質(zhì)反演模型，并利用其分析有機(jī)質(zhì)空間面狀分布特征。本研究擬通過(guò)IDL交互式編程語(yǔ)言對(duì)Landsat OLI影像數(shù)據(jù)進(jìn)行微分處理，提取其土壤反射率和一階微分、二階微分，以及實(shí)驗(yàn)室測(cè)定的表層(0～20 cm)土壤有機(jī)質(zhì)含量為數(shù)據(jù)源，分別建立單波段回歸模型和多波段回歸模型，并對(duì)模型精度進(jìn)行檢驗(yàn)，找出最優(yōu)反演研究區(qū)土壤有機(jī)質(zhì)含量的數(shù)學(xué)模型。利用其對(duì)表層SOM含量空間面狀分布格局特征進(jìn)行探討。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源與處理

1.1 研究區(qū)概況

研究區(qū)位于阜康市水磨溝鄉(xiāng)222團(tuán)的柳城子水庫(kù)下游(87°46′～88°44′E，43°45′～45°29′N(xiāo))。水庫(kù)整體呈東南-西北走向，為一不規(guī)則的多邊形(圖1)。由于水庫(kù)底部未采取防滲措施，滲漏嚴(yán)重。其水庫(kù)下游荒地土壤鹽堿化嚴(yán)重，土壤類(lèi)型以鹽堿土為主。其地表主要植被類(lèi)型以梭梭群落、鹽爪爪群落等為主，幾乎全為旱生、鹽生植物，形成稀疏的植物群落混合鑲嵌分布。此地夏季炎熱，冬季寒冷，春秋氣溫升降劇烈，年均氣溫6.6 ℃，7月平均氣溫26.6 ℃，1月平均氣溫-17.0 ℃，無(wú)霜期174 d，年降水量164 mm，年蒸發(fā)潛力2 000 mm左右，冬季積雪 3～29 cm，是典型的大陸性干旱氣候[10]。

1.2 土壤數(shù)據(jù)

研究區(qū)土壤為原狀表層土，質(zhì)地為壤土。2014年10月在研究區(qū)進(jìn)行土樣采集。選擇采樣的路線避免人為干擾，由水庫(kù)大壩向西北每隔300 m左右布設(shè)1條平行于水庫(kù)大壩的采樣線，共布線8條。以遙感圖像為參考圖和手持GPS科學(xué)輔助野外調(diào)查選點(diǎn)。依據(jù)實(shí)地情況，在每條線上隔300 m取1個(gè)點(diǎn)，每條線上取7～9點(diǎn)，總計(jì)取64個(gè)采樣點(diǎn)(圖1)。每個(gè)采樣點(diǎn)按照梅花樁采樣法，取0～20 cm深度土壤，然后混合為1個(gè)組合樣品。對(duì)所采的每個(gè)土壤樣本編號(hào)入袋，帶回實(shí)驗(yàn)室，經(jīng)自然風(fēng)干和剔除殘?jiān)⑹瘔K等雜質(zhì)后，研磨，過(guò)2 mm孔篩。在中國(guó)科學(xué)院新疆生態(tài)與地理研究所理化測(cè)試中心，采用高溫外熱重鉻酸鉀容量法進(jìn)行土壤有機(jī)質(zhì)含量測(cè)定。

圖1 研究區(qū)位置及采樣點(diǎn)分布圖Fig.1 Location and sampling points of the study area

1.3 影像數(shù)據(jù)

研究所用的Landsat OLI影像免費(fèi)下載于地理空間數(shù)據(jù)云，其分辨率為30 m，云量很小，地圖投影為WGS84坐標(biāo)。選取的影像時(shí)間為2014年10月，以保證與采樣時(shí)間吻合。影像的預(yù)處理包括影像的輻射校正、大氣校正、幾何校正、圖像裁剪等步驟。在ENVI5.1軟件中對(duì)遙感影像進(jìn)行輻射校正使影像的灰度值轉(zhuǎn)換成輻亮度值，得到地物光譜反射率，定標(biāo)后采用FLASH模塊進(jìn)行大氣校正，以消除地面陰影、地形起伏和成像過(guò)程中產(chǎn)生的一系列的噪聲，使地物反射率更準(zhǔn)確，最后利用已有的基準(zhǔn)影像進(jìn)行幾何校正，以改正遙感影像幾何誤差(校正誤差小于0.5個(gè)像元)。經(jīng)校正后的影像的像元DN值可視為真實(shí)的地物光譜信息。OLI陸地成像儀波段為B1～B7，其波段范圍為：B1為 0.433～0.453 μm、B2為 0.450～0.515 μm、B3為 0.525～0.600 μm、B4為 0.630～0.680 μm、B5為 0.845～0.885 μm、B6為 1.560～1.660 μm、B7為 2.100～2.300 μm。

大量研究結(jié)果表明，對(duì)影像的地物反射率進(jìn)行數(shù)學(xué)變換可以適當(dāng)?shù)南魅鯃D像中噪聲對(duì)目標(biāo)光譜反射率的影響，增強(qiáng)反射率與土壤成分之間的相關(guān)性，從而突出光譜反射率與土壤有機(jī)質(zhì)的關(guān)系[11]。因此，本研究利用IDL交互式編程語(yǔ)言對(duì)大氣校正后的OLI影像反射率(A)的7個(gè)波段進(jìn)行一階微分(A′)和二階微分(A″)處理，作為變換指標(biāo)。

1.4 模型的驗(yàn)證

通過(guò)判別系數(shù)(R2)、均方根誤差(RMSE)和相對(duì)分析誤差[RPD，檢驗(yàn)樣本標(biāo)準(zhǔn)差(SD)與預(yù)測(cè)均方根誤差(RMSE)的比值]來(lái)衡量模型精度。R2越大，RMSE越小，說(shuō)明模型的精度越高[12]。Viscarra等[13]對(duì)模型RPD做了如下分類(lèi)，RPD≤1.0，預(yù)測(cè)能力極差；1.0

2 結(jié)果與分析

2.1 土壤有機(jī)質(zhì)統(tǒng)計(jì)分析

由于該研究區(qū)人為干擾少，氣候干旱少雨，荒地植物生產(chǎn)能力低，土壤中微生物活性低，土壤動(dòng)植物殘?bào)w歸還土壤少，使有機(jī)質(zhì)在土壤中的積累緩慢，導(dǎo)致土壤有機(jī)質(zhì)含量低。該區(qū)土壤64個(gè)樣本的有機(jī)質(zhì)含量變化范圍為 5.63～34.08 g/kg，SOM含量平均值14.86 g/kg(表1)。根據(jù)全國(guó)第二次土壤普查養(yǎng)分分級(jí)標(biāo)準(zhǔn)[14]，屬于第四等級(jí)的缺乏水平。選用K-S(Kennad-Stone)算法，在DPS軟件中計(jì)算出各個(gè)樣本的歐氏距離，并將其劃分為建模集和驗(yàn)證集，其中43個(gè)樣本用于建模，21個(gè)樣本用于驗(yàn)證。SOM含量的建模集和驗(yàn)證集的統(tǒng)計(jì)指標(biāo)接近，變異系數(shù) 10%～100%，為中等變異，表明樣本離散程度較高，建模具有代表性。

2.2 土壤有機(jī)質(zhì)含量與影像波段的相關(guān)性分析

研究區(qū)SOM含量與Landsat OLI各波段光譜反射率呈負(fù)相關(guān)(表2)。與原始影像反射率A相比，經(jīng)微分處理后的影像反射率與土壤有機(jī)質(zhì)含量相關(guān)系數(shù)均有所上升。通過(guò)比較3種變換指標(biāo)的相關(guān)系數(shù)，發(fā)現(xiàn)A′與SOM含量相關(guān)系數(shù)提高最明顯，其相關(guān)系數(shù)最大值為-0.850，A″與SOM含量相關(guān)系數(shù)次之，其最大值為-0.811。說(shuō)明一階微分更好地突出了SOM含量的光譜信息，而二階微分處理后的遙感影像反射率對(duì)SOM含量的相關(guān)性也有所提高。在P<0.01水平上呈顯著相關(guān)關(guān)系的有：A與B1～B5波段，A′與B3～B6波段，A″與B2～B7波段。在P<0.05水平呈顯著相關(guān)關(guān)系的有：A與B6～B7波段、A′與B1波段、A″與B1波段。A′與B2、B7波段相關(guān)性不顯著。選取與SOM含量相關(guān)性最好的波段分別建立方程(圖2)。從圖2可以看出，影像反射率A′的B6波段的影像反射率與實(shí)測(cè)表層SOM含量的R2為0.71，其坐標(biāo)數(shù)值靠近直線y=64.16x+8.28，兩者擬合效果最好。其次效果較好的依次為A″的B4波段、A的B5波段。

表1土壤有機(jī)質(zhì)含量特征統(tǒng)計(jì)

Table1Statisticsofsoilorganicmattercontent

樣本類(lèi)型樣本數(shù)(個(gè))全距(g/kg)最小值(g/kg)最大值(g/kg)均值(g/kg)標(biāo)準(zhǔn)差變異系數(shù)(%)總樣本6428.455.6334.0814.867.6951.76建模集4328.455.6334.0814.767.6952.08驗(yàn)證集2127.126.3533.4715.087.8952.34

表2有機(jī)質(zhì)含量與各波段反射率及變換形式的相關(guān)性

Table2Correlationanalysisbetweenorganicmattercontentandreflectanceofeachband

變換指標(biāo)分析參數(shù)波段B1B2B3B4B5B6B7Ar-0.347**-0.446**-0.434**-0.432**-0.449**-0.269*-0.285*T000000.0310.022A'r-0.295*-0.246-0.736**-0.715**-0.680**-0.850**0.153T0.0180.05000000.226A″r-0.287*-0.611**-0.737**-0.811**-0.657**-0.776**-0.457**T0.022000000

r為相關(guān)系數(shù)；T為相伴概率；**表示極顯著相關(guān)(P<0.01)；*表示顯著相關(guān)(P<0.05)。A：遙感影像原始反射率；A′：一階微分影像反射率；A″：二階微分影像反射率。

a：影像反射率的第5波段；b：影像反射率一階微分的第6波段 ；c：影像反射率二階微分的第4波段。圖2 不同波段反射率與有機(jī)質(zhì)含量的關(guān)系Fig.2 Relation between different spectral reflectance and the content of organic matter

2.3 有機(jī)質(zhì)含量反演模型的構(gòu)建

以土壤有機(jī)質(zhì)含量為因變量，并以影像各波段(B1～B7)像元反射率A、A′、A″為自變量，建立單波段和多波段回歸模型(表3)。在土壤有機(jī)質(zhì)含量的單波段反演模型中，利用A′的B6波段建立的SOM含量反演模型精度最高。其次為A″的B4波段，再次是A的B5波段。這主要是因?yàn)橛袡C(jī)質(zhì)含量與影像反射率的相關(guān)系數(shù)決定了其對(duì)影像波段響應(yīng)的靈敏性，相關(guān)性越高，響應(yīng)越靈敏[15]。在各波段反射率與建模集有機(jī)質(zhì)含量建立的土壤SOM的多波段回歸模型中，利用A′的B3、B4和B6波段建立的模型精度最好。其余依次為A″的B2、B4和B6波段、A的B1、B2和B5波段。A″建立的模型精度低于A′，可能與微分的差分計(jì)算有關(guān)，A′可以對(duì)重疊混合光譜進(jìn)行分解以便識(shí)別，擴(kuò)大樣品之間的光譜特征差異，A″在消除背景噪音的同時(shí)又?jǐn)U大了其他細(xì)節(jié)干擾的作用，因此可能損失了一些光譜信息。

在2種建模方法中，對(duì)A進(jìn)行微分變換后的模型精度均有所提升。比如單波段A建模的R2為0.30，RMSE為6.38，反射率經(jīng)過(guò)一階微分變換后建模的R2達(dá)到0.71，RMSE為4.25，反射率經(jīng)過(guò)二階微分變換后建模的R2為0.61，RMSE為5.10，表明以反射率的微分變換建立的模型比原始的模型效果好，同時(shí)也揭示了土壤反射率經(jīng)微分處理后能增加光譜對(duì)有機(jī)質(zhì)的敏感性。

無(wú)論在單波段還是多波段回歸模型中，一階微分變換后的回歸模型預(yù)測(cè)精度最優(yōu)。對(duì)比各反演模型精度，多波段建模精度優(yōu)于單波段建模，主要與入選的波段有關(guān)，波段數(shù)越多，精度相對(duì)就會(huì)提升。其中一階微分的多波段建模集R2為0.80，RMSE為3.66，模型精度高且誤差最小，是SOM含量的最優(yōu)預(yù)測(cè)模型。

表3土壤有機(jī)質(zhì)含量遙感建模

Table3Remotesensingmodelingofsoilorganicmattercontent

方法自變量R2RMSE模型單波段回歸模型A0.306.38SOM=33.80-50.06B5A'0.714.25SOM=8.28-64.16B6A″0.615.10SOM=30.85-155.20B4多波段回歸模型A0.306.34SOM=29.94+55.24B1-108.64B2-17.90B5A'0.803.66SOM=23.12-470.94B3-24.35B4-43.06B6A″0.674.67SOM=30.84-556.87B2-106.61B4-17.84B6

2.4 模型的檢驗(yàn)

模型的驗(yàn)證主要考慮估算模型的穩(wěn)定性和效果。利用模型驗(yàn)證集的21個(gè)土壤有機(jī)質(zhì)含量A、A′和A″建立的單波段和多波段回歸模型，計(jì)算預(yù)測(cè)SOM含量并與實(shí)測(cè)值擬合形成趨勢(shì)線。為方便看出擬合效果繪制散點(diǎn)圖(圖3、圖4)，基于單波段A′和A″的有機(jī)質(zhì)含量預(yù)測(cè)值與實(shí)測(cè)值較均勻地分布在趨勢(shì)線兩側(cè)。前者R2為0.79，RMSE為3.65，后者R2為0.79，RMSE為3.77。兩者的RPD在1.8～2.0，說(shuō)明二者預(yù)測(cè)能力較好(圖3)。而單波段的A的SOM預(yù)測(cè)值與實(shí)測(cè)值偏離趨勢(shì)線，其中A的RPD在1.4～1.8，表明模型預(yù)測(cè)能力一般。因此，也進(jìn)一步證明反射率微分處理后提高了SOM含量的預(yù)測(cè)能力。在多波段建立的模型中(圖4)，相比A和A″的散點(diǎn)圖，基于A′的SOM含量預(yù)測(cè)值與實(shí)測(cè)值均勻地分布在趨勢(shì)線兩側(cè)，其R2為0.79，RMSE為3.69，RPD為2.08，模型精度最高且誤差最小，RPD在2.0～2.5，說(shuō)明此模型預(yù)測(cè)能力極好。通過(guò)各種模型對(duì)比發(fā)現(xiàn)，遙感影像B3、B4、B6波段DN值與SOM含量建立的A′-MASR模型預(yù)測(cè)的土壤有機(jī)質(zhì)含量效果最優(yōu)，能精準(zhǔn)預(yù)測(cè)SOM含量，并為研究區(qū)表層土壤有機(jī)質(zhì)含量空間格局的反演提供了依據(jù)。

2.5 土壤有機(jī)質(zhì)含量的反演

利用擬合度和驗(yàn)證精度最優(yōu)的A′多波段模型(SOM=23.12-470.94B3-24.35B4-43.06B6)，通過(guò)ENVI軟件中BandMath工具實(shí)現(xiàn)整個(gè)研究區(qū)的SOM含量空間分布的反演，并將反演圖進(jìn)行圖斑碎塊化處理(圖5)。圖中最大值為36.70g/kg，最小值為5.30g/kg。按照國(guó)家對(duì)有機(jī)質(zhì)含量分級(jí)標(biāo)準(zhǔn)，將研究區(qū)分為5類(lèi)(0～6.0 g/kg、6.1～10.0 g/kg、10.1～20.0 g/kg、20.1～30.0 g/kg、30.1～40.0 g/kg)，其中含量在0～6.0 g/kg的面積占研究區(qū)3.13%，6.1～10.0 g/kg的面積占研究區(qū)21.88%，10.1～20.0 g/kg的面積占研究區(qū)56.25%，20.1～30.0 g/kg的面積占研究區(qū)11.25%，30.1～40.0 g/kg的面積占研究區(qū)7.49%。利用不同等級(jí)差異性顯現(xiàn)出了SOM含量的變化范圍和空間分布格局。

a：影像反射率；b：影像反射率一階微分；c：影像反射率二階微分。圖3 基于單波段反射率的有機(jī)質(zhì)預(yù)測(cè)值與實(shí)測(cè)值散點(diǎn)圖Fig.3 Scatter diagram of predicted and measured organic matter content based on single-band reflectance

a：影像反射率；b：影像反射率一階微分；c：影像反射率二階微分。圖4 基于多波段反射率的有機(jī)質(zhì)預(yù)測(cè)值與實(shí)測(cè)值散點(diǎn)圖Fig.4 Scatter diagram of predicted and measured organic matter content based on multi-band reflectance

研究區(qū)荒地整體上表層SOM含量低，大多數(shù)處于很缺乏水平。究其原因可能與該地區(qū)干旱少雨的氣候特征以及局部的成土母質(zhì)差異有關(guān)。同時(shí)，研究區(qū)內(nèi)反演圖顯示，土壤有機(jī)質(zhì)含量分布不均，空間差異較大。有機(jī)質(zhì)含量0～6.0 g/kg的區(qū)域主要分布在研究區(qū)邊緣地帶，尤其在研究區(qū)的西側(cè)。根據(jù)實(shí)地調(diào)查，雖然該區(qū)域距水庫(kù)較遠(yuǎn)，但地勢(shì)低洼，地下水位較高，土壤含鹽量高，植被覆蓋率低。因此，其土壤中累積有機(jī)質(zhì)含量少，土壤貧瘠?？拷畮?kù)邊緣SOM含量低，主要是該區(qū)域有一條排堿渠，地表呈現(xiàn)白色，植被少。此外，土壤中富含的鹽分遮蔽了有機(jī)質(zhì)的光譜信息，因此獲得有機(jī)質(zhì)含量的反演值較低。SOM含量在6.1～10.0 g/kg的土壤主要分布在0～6g/kg區(qū)域周?chē)?，即分布在鹽堿斑塊的周邊。SOM含量10.1～20.0 g/kg的土壤主要位于研究區(qū)的中心，該區(qū)域地勢(shì)略高，地下水位較低，有利于植被的生長(zhǎng)。SOM含量在20.1～30.0 g/kg的土壤和30.1～40.0 g/kg的土壤交叉分布，所占面積很小，主要靠近水庫(kù)大壩周?chē)脱芯繀^(qū)西北部，靠近平原水庫(kù)大壩，大壩未鋪防滲膜，土壤含水量多，地表植被和生物量都較多，有機(jī)質(zhì)含量累積高，而西北部SOM含量高則是該區(qū)域地勢(shì)較高，土壤鹽分少，含水量較高，地表植被生長(zhǎng)較為茂盛。

圖5 土壤有機(jī)質(zhì)含量的空間分布Fig.5 Spatial distribution of soil organic matter content

3 討 論

本研究以干旱區(qū)荒地土壤表層的有機(jī)質(zhì)含量為研究對(duì)象，對(duì)Landsat 8 OLI的7個(gè)波段反射率進(jìn)行微分處理后與有機(jī)質(zhì)含量進(jìn)行相關(guān)性分析，篩選出特征波段以及最優(yōu)模型，反演出荒地表層SOM含量的面狀空間格局，研究結(jié)果為：(1)影像反射率不同變換形式與土壤有機(jī)質(zhì)含量均呈負(fù)相關(guān)，原始反射率與有機(jī)質(zhì)含量的相關(guān)系數(shù)最大值為-0.449，而一階微分、二階微分與有機(jī)質(zhì)含量的相關(guān)性最大值分別為-0.850和-0.811。反射率經(jīng)過(guò)微分處理后，突出了有機(jī)質(zhì)的光譜信息，可以很好地對(duì)土壤有機(jī)質(zhì)進(jìn)行反演。(2)經(jīng)過(guò)一階微分處理后建立的反演模型具有更好的預(yù)測(cè)能力，并且多波段回歸建模效果優(yōu)于單波段建模。利用一階微分處理后的第3、第4、第6波段建立的模型為最優(yōu)估算模型，模型RPD為2.08，該模型可以很好地估算該區(qū)域的土壤有機(jī)質(zhì)含量。(3)基于一階微分的多波段回歸模型對(duì)研究區(qū)的SOM含量空間分布格局進(jìn)行反演，得出該地區(qū)土壤整體貧瘠且處于缺乏水平，反演結(jié)果與實(shí)際結(jié)果相吻合。這很好地表達(dá)了不同有機(jī)質(zhì)含量的土壤空間分布與其對(duì)應(yīng)的空間位置。為土壤有機(jī)質(zhì)面狀參數(shù)的獲取提供了快速而有效的方法。

利用遙感影像研究表層土壤有機(jī)質(zhì)含量空間分布的方法具有省時(shí)省力的特點(diǎn)，為以后土地質(zhì)量監(jiān)測(cè)與可持續(xù)利用開(kāi)辟了一條途徑。許多學(xué)者在利用遙感技術(shù)估算土壤有機(jī)質(zhì)含量時(shí)指出，將反射率進(jìn)行對(duì)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)[16-18]。本研究結(jié)果表明，影像波段反射率經(jīng)一階微分和二階微分處理后與土壤有機(jī)質(zhì)含量之間也存在較好的相關(guān)性，其中一階微分的多波段模型建模集R2為0.80，預(yù)測(cè)集R2為0.79，模型反演效果最優(yōu)。其RPD為2.08，表明模型預(yù)測(cè)能力極好，這更加支持了利用遙感影像一階微分處理對(duì)土壤有機(jī)質(zhì)含量進(jìn)行估測(cè)的可行性。一階微分處理有利于降低波段間的信息冗余，突出有用信息并提高靈敏度，而在二階微分時(shí)，由于差分計(jì)算，在消除背景噪音的同時(shí)又?jǐn)U大了其他細(xì)節(jié)干擾的作用。

通過(guò)研究區(qū)SOM含量與Landsat OLI的波段相關(guān)性研究，得到A的B5波段與SOM含量相關(guān)系數(shù)達(dá)到-0.449，A′的B6波段與SOM含量相關(guān)系數(shù)達(dá)到-0.850，A″的B4波段與SOM含量相關(guān)系數(shù)達(dá)到-0.811。發(fā)現(xiàn)影像反射率進(jìn)行微分變換后，明顯提高了與有機(jī)質(zhì)含量的相關(guān)性。陳頌超等[19]對(duì)土壤多光譜的數(shù)據(jù)研究發(fā)現(xiàn)一階微分處理的土壤光譜是獲取土壤有機(jī)質(zhì)響應(yīng)的有效手段。對(duì)遙感影像波段反射率進(jìn)行一階微分和二階微分處理對(duì)土壤有機(jī)質(zhì)信息的提取確實(shí)有效。由于本研究中只對(duì)反射率做了微分變換，在以后的研究中，將增加其他數(shù)學(xué)變換和更多的估算模型方法，找到提高反演模型精度的更好方法。

本研究利用多波段回歸分析方法建立了荒地表層有機(jī)質(zhì)含量的多光譜反演模型，達(dá)到了較好的預(yù)期效果，主要原因：(1)這是由于單波段的模型僅僅運(yùn)用了極少一部分信息，只能表達(dá)有限的土壤有機(jī)質(zhì)信息。而影像多光譜數(shù)據(jù)豐富的波段信息能表達(dá)出完整的信息。(2)遙感影像與采樣時(shí)間一致，同時(shí)10月份研究區(qū)的地表裸露及地表植物已枯萎，遙感影像能真實(shí)反映出地表土壤光譜信息。(3)研究區(qū)采樣點(diǎn)分布相對(duì)均勻，能夠代表采樣點(diǎn)的有機(jī)質(zhì)含量分布信息，有利于遙感影像反射率與有機(jī)質(zhì)含量的建模。

本研究以干旱區(qū)荒地土壤表層的有機(jī)質(zhì)含量為研究對(duì)象，對(duì)Landsat 8 OLI的7個(gè)波段反射率進(jìn)行微分處理后與有機(jī)質(zhì)進(jìn)行相關(guān)性分析，篩選出特征波段以及最優(yōu)模型，反演出荒地表層SOM含量的面狀空間格局，研究結(jié)果為：

(1)反射率不同變換形式與土壤有機(jī)質(zhì)含量均呈負(fù)相關(guān)，原始反射率與有機(jī)質(zhì)含量的相關(guān)系數(shù)最大值為-0.449，而一階微分、二階微分與有機(jī)質(zhì)含量的相關(guān)系數(shù)最大值分別為-0.850和-0.811。反射率經(jīng)過(guò)微分處理后，突出了有機(jī)質(zhì)的光譜信息，可以很好地對(duì)土壤有機(jī)質(zhì)進(jìn)行反演。

(2)經(jīng)過(guò)一階微分處理后建立的反演模型具有更好的預(yù)測(cè)能力，并且多波段回歸建模效果優(yōu)于單波段回歸建模。利用一階微分處理后的第3、第4、第6波段建立的模型為最優(yōu)估算模型，模型RPD為2.08，該模型可以很好地估算該區(qū)域的土壤有機(jī)質(zhì)含量。

(3)基于一階微分的多波段回歸模型對(duì)研究區(qū)的SOM含量空間分布格局進(jìn)行反演，得出該地區(qū)土壤整體貧瘠且處于缺乏水平，反演結(jié)果與實(shí)際結(jié)果相吻合。這很好地表達(dá)了不同有機(jī)質(zhì)含量的土壤空間分布與其對(duì)應(yīng)的空間位置。為土壤有機(jī)質(zhì)面狀參數(shù)的獲取提供了快速而有效的方法。

[1] SINGH D，HERLINI，BERROIR J P，et al.An approach to correlate NDVI with soil color for erosion process using NOAA/AVHRR data[J].Advances in Space Research，2004，33(3):328-332．

[2] CHANG C W，LAIRD D A．Near infrared reflectance spectroscopic analysis of soil C and N[J].Soil Science，2002，167(2):110-116．

[3] 何東健，陳 煦.土壤有機(jī)質(zhì)含量田間實(shí)時(shí)測(cè)定方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(1):127-132.

[4] 葉 勤，姜雪芹，李西燦，等.基于高光譜數(shù)據(jù)的土壤有機(jī)質(zhì)含量反演模型比較[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48(3):164-172.

[5] AL-ABBAS A H SWAIN P H，BAUMGARDER M F.Relating organic matter and clay content to the multi-spectral radiance of soils[J].Soil Science，1972，114(6):477-485.

[6] 宋金紅，吳景貴，趙欣宇，等.基于TM數(shù)據(jù)的黑土有機(jī)質(zhì)含量空間格局反演研究[J].土壤學(xué)報(bào)，2015，52(6):1422-1429.

[7] 田永超，張娟娟，姚 霞，等.基于近紅外光聲光譜的土壤有機(jī)質(zhì)含量定量建模方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28(1):145-152.

[8] 夏 楠，塔西甫拉提·特依拜，丁建麗，等.基于多光譜數(shù)據(jù)的荒漠礦區(qū)土壤有機(jī)質(zhì)估算模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32(6):263-267.

[9] 馬 馳. 基于Landsat8吉林中北部地區(qū)土壤有機(jī)質(zhì)定量反演研究[J].干旱區(qū)資源與環(huán)境，2017，31(2)：167-172.

[10] 李榮榮，熊黑鋼，段鵬程，等.干旱區(qū)平原水庫(kù)下游鹽漬化土壤光譜時(shí)空分布特征分析[J]. 土壤通報(bào)，2016，47(3):532-536.

[11] 王敬哲，塔西甫拉提·特依拜，丁建麗，等.基于分?jǐn)?shù)階微分預(yù)處理高光譜數(shù)據(jù)的荒漠土壤有機(jī)碳含量估算[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32(21):161-169.

[12] 郭 熙，葉英聰，謝碧裕，等.南方丘陵稻田土堿解氮高光譜特征及反演模型研究[J].國(guó)土資源遙感，2015，27(2):94-99.

[13] VISCARRA R V，MCGLYN R N，MCBRATNEY A B.Determing the composition of mineral-organic mixes using UV-vis-NIR diffuse Reflectance spectroscopy[J].Geoderma，2006，137(1/2):70-82.

[14] 全國(guó)第二次土壤普查養(yǎng)分分級(jí)標(biāo)準(zhǔn)[EB/OL]. [2012-05-10]http://wenku.baidu.com/view /1242f6ef856a561252d36f6e.html.

[15] 侯艷軍，塔西甫拉提·特依拜，買(mǎi)買(mǎi)提·沙吾提，等.荒漠土壤有機(jī)質(zhì)含量高光譜估算模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(16):113-120.

[16] 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(2):3354-3358.

[17] 顧曉鶴，王 堃，潘瑜春，等.基于HJ1A-HSI超光譜影像的耕地有機(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．

[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(cè)研究[J].土壤通報(bào)，2014，45(6):1313-1318.

[19] 陳頌超，馮來(lái)磊，李 碩，等.基于局部加權(quán)回歸的土壤全氮含量可見(jiàn)-近紅外光譜反演[J].土壤學(xué)報(bào)，2015，52(2)：312-320.