土壤組分信息高光譜遙感反演研究進(jìn)展

方 臣， 朱正勇， 陳 曦， 熊前進(jìn)， 杜翌超， 金 朝， 胡 飛

(1.湖北省地質(zhì)調(diào)查院,湖北 武漢 430034; 2.湖北省地質(zhì)局 第四地質(zhì)大隊(duì)，湖北 咸寧 437100)

農(nóng)業(yè)種植與土壤環(huán)境息息相關(guān),良好的土壤生態(tài)環(huán)境是現(xiàn)代農(nóng)業(yè)生產(chǎn)的物質(zhì)基礎(chǔ)。傳統(tǒng)的土壤質(zhì)量調(diào)查主要以野外采樣和室內(nèi)化學(xué)分析為主,但不同理化性質(zhì)的分析方法不盡相同,且調(diào)查時(shí)間較長(zhǎng),無(wú)法滿足動(dòng)態(tài)監(jiān)測(cè)的要求。通過(guò)測(cè)量土壤光譜反射率來(lái)反演土壤的理化性質(zhì)是一種較為理想的土壤質(zhì)量評(píng)價(jià)方法。土壤光譜反射率是指入射在土壤上的某波長(zhǎng)電磁波的能量與從該土壤上反射的同一波長(zhǎng)電磁波的能量之比值。土壤是一個(gè)完整而復(fù)雜的生態(tài)系統(tǒng),不同成分的土壤物理化學(xué)性質(zhì)存在差異,導(dǎo)致吸收、反射光譜的特性不盡相同,根據(jù)這一特性可進(jìn)行土壤成分的分析。土壤光譜分析技術(shù)具有低成本、高效率、廣覆蓋、動(dòng)態(tài)及時(shí)等特點(diǎn),為土壤生態(tài)環(huán)境信息監(jiān)測(cè)提供了更為高效的技術(shù)手段。

土壤光譜研究起源于遙感技術(shù)的發(fā)展,并隨著遙感技術(shù)的進(jìn)步日趨完善。利用反射光譜技術(shù)測(cè)量土壤理化性質(zhì)的研究可以追溯到19世紀(jì)20—30年代,該時(shí)期的研究主要集中在土壤波譜等地物波譜的差異性研究,根據(jù)其不同反射特性進(jìn)行地物的探測(cè)和識(shí)別。19世紀(jì)60年代中期開(kāi)始，相關(guān)研究蓬勃發(fā)展,Obukhov等[1]研究土壤組分與反射率的關(guān)系,并由此提出利用土壤反射光譜進(jìn)行土地調(diào)查的可能性；Bowers等[2]研究顯示土壤濕度以及土壤顆粒對(duì)土壤光譜有影響；Condit[3]通過(guò)測(cè)量美國(guó)多個(gè)地區(qū)共計(jì)160個(gè)土壤樣品的土壤光譜數(shù)據(jù),利用光譜反射率特性成功將它們進(jìn)行了分類；Stoner等[4]利用光譜儀建立了美國(guó)39個(gè)州和巴西境內(nèi)的485個(gè)土壤樣品室內(nèi)光譜數(shù)據(jù)庫(kù)(波段范圍為0.52～2.36 μm)。1993年,便攜式野外光譜儀問(wèn)世,開(kāi)始被廣泛地應(yīng)用于土壤光譜的研究中。也有大量學(xué)者開(kāi)展土壤光譜研究,戴昌達(dá)[5]總結(jié)了中國(guó)主要土壤類型的光譜特征,把中國(guó)主要土壤光譜反射特性劃分為四種類型,該分類對(duì)中國(guó)土壤分類研究具有一定的指導(dǎo)意義；朱永豪等[6]研究了黃棕土壤類型在不同的濕度環(huán)境下光譜反射率靈敏度；徐彬彬等[7]研究了有機(jī)質(zhì)、土壤水分等在特定波段內(nèi)的響應(yīng)特征。以上的研究都表明,土壤的理化性質(zhì)如有機(jī)質(zhì)、鐵氧化物、重金屬等含量可以通過(guò)土壤光譜直接或間接定量研究。隨著近年來(lái)高光譜遙感技術(shù)和計(jì)算機(jī)算法的飛速發(fā)展,土壤理化性質(zhì)的光譜定量反演研究迎來(lái)新的高潮。

不同的土壤其物理結(jié)構(gòu)和化學(xué)特性都有所差異,會(huì)影響土壤的反射光譜特性,同時(shí)也是土壤類型鑒定和土壤質(zhì)量監(jiān)測(cè)的依據(jù)。以往的研究證實(shí)，土壤有機(jī)質(zhì)含量、含水量、氧化鐵含量、機(jī)械組成、母質(zhì)、土壤顏色、土壤質(zhì)地以及表面粗糙度等都會(huì)對(duì)土壤反射光譜產(chǎn)生影響。本文結(jié)合生產(chǎn)應(yīng)用的實(shí)際,主要對(duì)土壤有機(jī)質(zhì)、全氮、含水量、氧化鐵、重金屬五個(gè)方向的光譜特征及定量反演研究成果進(jìn)行綜述。

1 土壤高光譜數(shù)據(jù)獲取、處理與分析方法

1.1 土壤光譜獲取

1.1.1土壤樣品制備

根據(jù)研究需要在測(cè)區(qū)內(nèi)采取相應(yīng)間隔的土壤樣品,經(jīng)過(guò)加工的土壤樣品。土壤樣品的制備沒(méi)有統(tǒng)一標(biāo)準(zhǔn)。一般來(lái)說(shuō),土壤樣品通常采集地表0～20 cm的土樣,剔除大的根系等雜物,混合后,置于實(shí)驗(yàn)室風(fēng)干、研磨。有機(jī)質(zhì)、氮素樣品過(guò)0.15 mm篩用于光譜測(cè)試；氧化鐵含量及重金屬樣品分成兩份,過(guò)2 mm篩用于光譜測(cè)試,過(guò)0.15 mm篩用于含量分析；含水量樣品過(guò)2 mm篩,分別置于器皿中,依次緩注入不同水量,待表層的自由水消失后進(jìn)行測(cè)量[8]。此外,在部分遙感影像反演及對(duì)應(yīng)的同步地物光譜測(cè)量中,土樣直接采用原狀土,不加任何處理。

1.1.2光譜數(shù)據(jù)獲取

土壤光譜測(cè)量主要通過(guò)野外和室內(nèi)兩種途徑獲取。常用的儀器有ASD Field-Spec3、ASD pro FR、FTIR、Headwall Photonics HS-VNIR、PerkinElmer Lambda 900、VIS-NIR等,根據(jù)研究?jī)?nèi)容的不同選擇合適的波長(zhǎng)范圍、波段數(shù)和光譜分辨率。在測(cè)量中,用鹵素?zé)粢砸欢ń嵌日丈渫寥罉悠?及時(shí)進(jìn)行白板校正,根據(jù)光譜儀視場(chǎng)角確定距離土樣的距離,通常采取多角度、多次測(cè)量的方法獲取均值數(shù)據(jù)。

1.2 土壤光譜處理

在獲取土壤光譜數(shù)據(jù)后,通常需要對(duì)光譜數(shù)據(jù)進(jìn)行前期預(yù)處理,一般采取光譜平滑去噪和光譜變換處理方法。光譜平滑去噪主要是采用加權(quán)移動(dòng)平均法或包絡(luò)線消除法抑制毛刺和陡坎等噪聲波段,比有助于特征波段的提取。光譜變換主要是將原始光譜數(shù)據(jù)進(jìn)行數(shù)學(xué)轉(zhuǎn)換,形成新的波段數(shù)據(jù),可以有效地顯示光譜曲線的吸收特征和反射特征,增強(qiáng)相似光譜之間的差別,增強(qiáng)原始光譜曲線的特征[9]。土壤光譜處理后突出的光譜特征量為下一步開(kāi)展的反演建模和定量分析提供良好的數(shù)據(jù)支撐,是光譜定量化分析的基礎(chǔ)。

1.3 土壤光譜建模

土壤光譜分析的關(guān)鍵是要建立預(yù)測(cè)效果優(yōu)秀的定量模型,常用的建模方法包括主成分回歸法(PCR)、多元逐步回歸法(MSR)、偏最小二乘回歸法(PLSR)、BP神經(jīng)網(wǎng)絡(luò)法(BPNN)等。主成分回歸法利用主成分分析將自變量數(shù)據(jù)組成為多個(gè)相互無(wú)關(guān)的新變量,選取盡可能少的組合變量代表原有自變量信息,再與因變量建立回歸方程。多元逐步回歸法基本思路是將全部變量按照重要性逐步導(dǎo)入回歸方程,利用統(tǒng)計(jì)量選擇或剔除自變量,建立回歸方程。偏最小二乘回歸法集成了典型相關(guān)分析、主成分分析和線性回歸分析的優(yōu)點(diǎn),實(shí)現(xiàn)了數(shù)據(jù)結(jié)構(gòu)的簡(jiǎn)化,良好地解決了自變量間多重共線性問(wèn)題,適用于變量間高度相關(guān)及變量數(shù)超過(guò)樣本數(shù)的情況[10]。BP神經(jīng)網(wǎng)絡(luò)法在神經(jīng)元響應(yīng)函數(shù)連續(xù)可微的條件下,利用誤差的反向傳播建立模型,優(yōu)點(diǎn)是不需要先驗(yàn)知識(shí),只需給出對(duì)象的輸入、輸出數(shù)據(jù),通過(guò)網(wǎng)絡(luò)自身的學(xué)習(xí)功能就可以實(shí)現(xiàn)非線性映射的問(wèn)題,在一定程度上提高了算法的精度[11]。

2 土壤組分信息高光譜反演建模應(yīng)用

2.1 高光譜土壤有機(jī)質(zhì)反演建模應(yīng)用

有機(jī)質(zhì)是土壤結(jié)構(gòu)的重要組成成分,是植物獲取營(yíng)養(yǎng)的源泉,土壤有機(jī)質(zhì)含量的多少是衡量土壤肥力高低的一個(gè)重要指標(biāo),所以測(cè)定有機(jī)質(zhì)含量對(duì)于了解土壤肥力狀況有著重要的意義[12]。土壤有機(jī)質(zhì)的光譜特征及含量估測(cè)研究主要是利用土壤有機(jī)質(zhì)在可見(jiàn)光和近紅外波段下獨(dú)特的光譜特性,分析土壤有機(jī)質(zhì)含量實(shí)測(cè)值與光譜的線性或曲線關(guān)系,利用定量提取模型建立土壤光譜反射特性與土壤有機(jī)質(zhì)含量之間的響應(yīng)關(guān)系,最終實(shí)現(xiàn)通過(guò)測(cè)定土壤的光譜反射率確定土壤有機(jī)質(zhì)含量。 Mathews等[13]通過(guò)對(duì)比土壤樣品和標(biāo)準(zhǔn)黏土礦物的光譜反射曲線,發(fā)現(xiàn)土壤有機(jī)質(zhì)在0.5～1.2 μm波長(zhǎng)范圍內(nèi)反射率影響較明顯。Krishnan等[14]通過(guò)研究4種不同類型土壤的光譜曲線,發(fā)現(xiàn)有機(jī)質(zhì)引起的吸收峰主要集中于可見(jiàn)光區(qū)域(0.38～0.78 μm),該區(qū)域是有機(jī)質(zhì)含量估測(cè)的診斷波段。徐彬彬等[15]通過(guò)采集分析中國(guó)南疆72個(gè)土壤光譜數(shù)據(jù),發(fā)現(xiàn)在0.6 μm波長(zhǎng)附近的弓曲差與有機(jī)質(zhì)含量呈負(fù)相關(guān)性。彭玉魁等[16]采用近紅外光譜(0.78～1.1 μm)分析法,對(duì)中國(guó)黃土區(qū)土壤含水量、有機(jī)質(zhì)和全氮含量進(jìn)行評(píng)價(jià)分析,認(rèn)為水分是決定土壤光譜特征差異的主要因素。沙晉明等[17]分析了8種不同環(huán)境下多個(gè)層位的土壤光譜特征,發(fā)現(xiàn)土壤有機(jī)質(zhì)含量在紫外波段的0.376 μm波長(zhǎng)附近和可見(jiàn)光波段的0.616 μm、0.724 μm波長(zhǎng)附近呈負(fù)相關(guān)性。

上述研究表明,土壤有機(jī)質(zhì)含量與土壤光譜反射率的研究主要集中在可見(jiàn)光—近紅外波段(0.35～1 μm)。盡管光譜特征波段及診斷參數(shù)因土壤類型的不同而存在差異性,但在一般情況下,土壤光譜反射率隨著有機(jī)質(zhì)含量的增加而降低,根據(jù)該特征可以利用土壤有機(jī)質(zhì)的光譜特征來(lái)進(jìn)行土壤有機(jī)質(zhì)含量反演研究。在掌握土壤反射光譜特征響應(yīng)波段和參數(shù)的基礎(chǔ)上,大多釆用統(tǒng)計(jì)的方法,如相關(guān)分析、逐步回歸以及偏最小二乘回歸等，來(lái)構(gòu)建定量提取模型,但不同區(qū)域的土壤樣品選取的特征波段和建立的反演模型存在差異,需要進(jìn)行大量的試驗(yàn)來(lái)驗(yàn)證和評(píng)價(jià)。

2.2 高光譜土壤全氮反演建模應(yīng)用

全氮含量是衡量土壤肥力的重要指標(biāo),實(shí)時(shí)土壤氮素含量監(jiān)測(cè)可以為農(nóng)業(yè)管理提供服務(wù),是現(xiàn)代精細(xì)農(nóng)業(yè)重要的研究方向之一。土壤全氮的光譜特征及含量估測(cè)研究主要選用紅外波段光譜信息進(jìn)行定量反演,一類是直接反演,即分析土壤全氮含量實(shí)測(cè)值與光譜的線性或曲線關(guān)系,利用定量提取模型建立土壤光譜反射特性與土壤全氮含量之間的響應(yīng)關(guān)系,最終實(shí)現(xiàn)通過(guò)測(cè)定土壤的光譜反射率確定土壤全氮含量；另一類是間接反演,該方法主要基于土壤氮素與土壤有機(jī)質(zhì)的強(qiáng)相關(guān)性,建立某種相關(guān)關(guān)系模型來(lái)實(shí)現(xiàn)間接估測(cè)。自1986年Dalai等[18]探索性研究土壤光譜與土壤氮素之間的關(guān)系,利用紅外光譜法預(yù)測(cè)土壤全氮含量以來(lái),該技術(shù)一直是土壤定量遙感的重要方法。Couillard等[19]選擇反射率光譜為0.4～2.5 μm的土壤樣本估測(cè)美國(guó)密歇根州土壤全氮含量,取得較好成果。Reeves等[20]研究發(fā)現(xiàn)土壤類型差異顯著影響土壤全氮預(yù)測(cè)精度。Chang等[21]利用偏最小二乘法建立了土壤全氮含量光譜估測(cè)模型,認(rèn)為估算土壤中全氮含量不是基于氮與有機(jī)質(zhì)的相關(guān)性,而是基于土壤中氮含量與光譜之間的獨(dú)立響應(yīng)。徐永明[22]利用室內(nèi)土壤高光譜反射率,指出氮素含量的敏感波譜帶為2.16～2.28 μm和2.44～2.47 μm,并運(yùn)用偏最小二乘回歸等方法構(gòu)建了含量預(yù)測(cè)模型。李偉等[23]對(duì)比研究了偏最小二乘法和神經(jīng)網(wǎng)絡(luò)法構(gòu)建的預(yù)測(cè)土壤堿解氮含量的近紅外光譜分析模型,認(rèn)為神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果更好。盧艷麗等[24]利用光譜指數(shù)建立了中國(guó)東北黑土的全氮含量估測(cè)模型,結(jié)果表明基于0.45 μm和0.55 μm構(gòu)建的歸一化光譜指數(shù)能較好地估測(cè)土壤全氮含量。張雪蓮等[25]利用偏最小二乘法分別建立了5種不同類型的土壤在不同深度的全氮含量光譜估測(cè)模型,認(rèn)為模型受土壤類型的影響較大,基于某地區(qū)建立的模型用于另一地區(qū)的土壤樣品預(yù)測(cè)時(shí)存在較大的局限性。

上述研究表明,利用光譜分析技術(shù)預(yù)測(cè)土壤全氮含量是可行的,具有廣闊的發(fā)展前景。然而,從當(dāng)前的研究成果來(lái)看,不同類型土壤光譜差異較大,土壤全氮含量與光譜之間是否存在獨(dú)立響應(yīng)機(jī)制還需進(jìn)一步研究。此外，針對(duì)不同類型土壤的全氮含量對(duì)比研究還較少。

2.3 高光譜土壤含水量反演建模應(yīng)用

含水量在土壤形成過(guò)程中起著極其重要的作用,是植物生長(zhǎng)發(fā)育的關(guān)鍵因素之一。土壤含水量的光譜特征及含量估測(cè)研究主要是利用土壤含水量在可見(jiàn)光—近紅外、熱紅外及微波波段的光譜特性,分析土壤含水量實(shí)測(cè)值與光譜曲線的相關(guān)關(guān)系,利用定量提取模型建立土壤光譜反射特性與土壤含水量之間的響應(yīng)關(guān)系,最終實(shí)現(xiàn)通過(guò)測(cè)定土壤的光譜反射率確定土壤含水量。目前,土壤含水量的預(yù)測(cè)方法是通過(guò)獲取含水量的敏感波段,建立土壤的光譜特征與土壤含水量之間的多元線性回歸模型,常用的模型算法有偏最小二乘、支持向量機(jī)等算法[26]。Bowers等[2]研究發(fā)現(xiàn)在0.4～2.5 μm波段內(nèi),土壤濕度的增加會(huì)引起土壤反射率的降低,土壤反射光譜在1.4 μm、1.9 μm、2.2 μm存在三個(gè)吸收帶,并認(rèn)為1.9 μm是土壤水分特有的吸收波段,該研究成果為土壤水分遙感監(jiān)測(cè)研究奠定了基礎(chǔ)。Stoner等[4]指出,隨水分的增加土壤光譜反射率在整個(gè)波長(zhǎng)范圍內(nèi)降低,尤其在0.76 μm、0.97 μm、1.19 μm、1.45 μm、1.94 μm和2.95 μm等波段光譜明顯吸收。Muller等[27]研究發(fā)現(xiàn),當(dāng)濕度小于田間持水量時(shí),土壤濕度與反射率之間呈較好的指數(shù)相關(guān)關(guān)系,基于這種指數(shù)關(guān)系,建立了土壤濕度—反射率關(guān)系模型。朱永豪等[6]研究了不同濕度條件下黃棕壤光譜反射率的變化特征,發(fā)現(xiàn)在可見(jiàn)光和近紅外波段(0.41～1 μm)內(nèi)，表層土壤水分含量對(duì)土壤光譜反射率有明顯影響,其關(guān)系可以擬合為二次回歸曲線。張文群等[28]研究了甘肅地區(qū)5種類型的土壤含水量光譜特征,發(fā)現(xiàn)在0.55～0.95 μm波段內(nèi)土壤含水量越高其光譜反射率越低。劉偉東[29]進(jìn)一步探討了土壤含水量的高低與光譜反射率變化幅度的關(guān)系,指出當(dāng)含水量較低時(shí)近紅外波段的光譜反射率變化較明顯,含水量較高時(shí)可見(jiàn)光波段的光譜反射率變化較明顯,從而建立了兩種不同類型的含水量預(yù)測(cè)模型。Neema等[30]研究發(fā)現(xiàn)當(dāng)土壤含水量達(dá)到一定閾值時(shí)，光譜反射率呈現(xiàn)反向變化特征,據(jù)此，劉偉東[29]提出土壤反射率的“臨界值”概念,并建立了相應(yīng)的土壤含水量反演預(yù)測(cè)模型。

上述研究表明,土壤光譜反射率可直接反映含水量變化特征,尤其體現(xiàn)在0.76 μm、0.97 μm、1.19 μm、1.45 μm、1.94 μm和2.95 μm等水分吸收波段。

2.4 高光譜土壤氧化鐵反演建模應(yīng)用

自然界里鐵元素的分布很廣,是土壤中的主要元素之一。眾多學(xué)者研究發(fā)現(xiàn)，氧化鐵含量對(duì)土壤光譜反射特征影響較大,土壤可見(jiàn)光波段的光譜吸收特征大多是氧化鐵引起,土壤氧化鐵含量的增多會(huì)引起光譜反射率的下降[31]。Obukhov等[1]發(fā)現(xiàn)在0.50～0.64 μm波段內(nèi),光譜反射率與鐵含量呈反比,并且利用人工混合的氧化鐵模擬反演預(yù)測(cè)土壤中氧化鐵含量,取得較好效果。Baumgardner等[32]研究發(fā)現(xiàn)在0.87 μm波長(zhǎng)附近，鐵氧化物含量越高，其吸收峰寬度越大。Hunt等[33]研究認(rèn)為,土壤中Fe2+、Fe3+分別在1.0～1.1 μm、0.9 μm波段附近可以形成較明顯的吸收譜帶。徐彬彬等[7]通過(guò)實(shí)驗(yàn)分析了游離氧化鐵對(duì)土壤光譜反射率的影響,發(fā)現(xiàn)土壤脫鐵后在0.4～1.1 μm波段反射率增大。彭杰等[34]通過(guò)實(shí)驗(yàn)排除土壤有機(jī)質(zhì)的干擾,發(fā)現(xiàn)在0.42 μm、0.48 μm、0.64 μm波段附近的土壤光譜反射率與多種類型的氧化鐵具有很好的相關(guān)性。

上述研究表明,鐵氧化物對(duì)土壤光譜反射率存在特殊的影響,鐵離子的價(jià)態(tài)是影響光譜特征的重要因子。一般情況下,鐵氧化物引起的光譜吸收波段為0.4～1.1 μm波段。隨著土壤中鐵含量的增加,其光譜反射率會(huì)隨之下降,根據(jù)該特征可以實(shí)現(xiàn)其反演研究。

2.5 高光譜土壤重金屬反演建模應(yīng)用

土壤重金屬元素包括As、Be、Cd、Cr、Cu、Co、Hg、Ni和Zn等。重金屬元素是植物生長(zhǎng)所必需的微量元素,但是超過(guò)一定濃度就會(huì)對(duì)農(nóng)作物產(chǎn)生毒害,并在植物中積累,間接影響人類身體健康,因此開(kāi)展土壤重金屬污染監(jiān)測(cè)及修復(fù)工作迫在眉睫。Kooistra等[35]利用可見(jiàn)近紅外反射光譜預(yù)測(cè)萊茵河河漫灘中Cd和Zn的含量時(shí),發(fā)現(xiàn)Cd、Zn與土壤有機(jī)質(zhì)、黏土礦物含量之間存在正相關(guān)關(guān)系,通過(guò)這種關(guān)系間接預(yù)測(cè)了該地區(qū)Cd和Zn污染。Kemper等[36]利用重金屬元素與Fe的相關(guān)性,運(yùn)用逐步多線性回歸分析和人工神經(jīng)網(wǎng)絡(luò)模型成功預(yù)測(cè)了西班牙Aznalcollar礦區(qū)土壤中As、Fe、Hg、Pb、S和Sb的含量。吳均昭[37]通過(guò)實(shí)驗(yàn)室模擬研究探索土壤重金屬光譜響應(yīng)機(jī)理,發(fā)現(xiàn)重金屬與Fe、有機(jī)質(zhì)的相關(guān)性可實(shí)現(xiàn)間接預(yù)測(cè)。解憲麗等[38]研究發(fā)現(xiàn),在污染嚴(yán)重的區(qū)域,土壤重金屬含量與光譜相關(guān)性較高,土壤對(duì)金屬陽(yáng)離子的吸附作用較明顯。龔紹琦等[39]通過(guò)對(duì)濱海鹽土樣品進(jìn)行光譜測(cè)量和重金屬含量化學(xué)分析,發(fā)現(xiàn)Cr、Cu、Ni三種重金屬與黏土礦物、鐵錳氧化物、碳酸鹽相關(guān)系數(shù)較高,利用逐步回歸分析模型取得良好的預(yù)測(cè)效果。

上述研究表明,土壤重金屬的含量估測(cè)研究大致分為兩類：一類是直接建立土壤重金屬含量與光譜反射率之間的響應(yīng)機(jī)制進(jìn)行模型預(yù)測(cè),該方法主要用于土壤重金屬污染嚴(yán)重的地區(qū)；另一類是分析土壤組分中有機(jī)質(zhì)、黏土礦物及氧化鐵的光譜特征與重金屬含量的相關(guān)性,建立某種相關(guān)關(guān)系模型實(shí)現(xiàn)間接估測(cè)。

3 結(jié)論

當(dāng)前，土壤組分信息高光譜分析技術(shù)雖取得一定成效,但仍有一些不足：①各研究區(qū)域的土壤理化性質(zhì)(土壤質(zhì)地、濕度、有機(jī)質(zhì)、氧化鐵含量及土壤結(jié)殼等因素)不同,光譜特征波段及診斷參數(shù)也不同,無(wú)法形成統(tǒng)一的定量提取模型；②土壤組分信息光譜響應(yīng)機(jī)理尚未完全研究清楚,還需進(jìn)一步探究。鑒于以上兩方面的不足,目前土壤組分信息高光譜定量提取研究主要利用高光譜遙感圖像或野外高光譜數(shù)據(jù)進(jìn)行預(yù)測(cè)，研究主要集中于土壤類型單一或具有明顯差異的區(qū)域,如中國(guó)的東北黑土地分布區(qū)、重金屬污染嚴(yán)重的工礦企業(yè)用地等區(qū)域。

盡管受地域限制的土壤光譜數(shù)據(jù)不盡相同,但是土壤組分與反射光譜之間依然存在相關(guān)性,也就是部分土壤組分含量對(duì)土壤反射率有著強(qiáng)烈的影響。從土壤組分高光譜信息研究的角度,可以將土壤組分分為兩類：一類是與反射光譜存在響應(yīng)關(guān)系、突出峰值明顯、可以建立關(guān)系函數(shù)的土壤組分,如有機(jī)質(zhì)、含水量、氧化鐵,稱之為“特定關(guān)系土壤組分”；另一類是含量少或本身不存在特征吸收峰的土壤組分,如氮素、重金屬元素,稱之為“無(wú)特定關(guān)系土壤組分”。分析特定關(guān)系土壤組分實(shí)測(cè)值與光譜曲線的相關(guān)關(guān)系,通過(guò)關(guān)系模型提取可以實(shí)現(xiàn)特定關(guān)系土壤組分定量預(yù)測(cè)；分析特定關(guān)系土壤組分與無(wú)特定關(guān)系土壤組分之間的附存關(guān)系,建立某種相關(guān)關(guān)系模型可以實(shí)現(xiàn)非特定關(guān)系土壤組分間接估測(cè)。因此,利用土壤組分光譜響應(yīng)特征獲取土壤理化性質(zhì)的光譜分析技術(shù)是一種理想的土地質(zhì)量監(jiān)測(cè)方法,其低成本、高效率、實(shí)時(shí)監(jiān)測(cè)等特點(diǎn)使其在土壤監(jiān)測(cè)與研究領(lǐng)域具有顯著優(yōu)勢(shì)。