土壤学报

作者：赵明松，谢毅，陆龙妹，李德成，王世航

单位：赵明松，安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001;土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 安徽淮南 232001;矿区环境与灾害协同监测煤炭行业工程研究中心, 安徽淮南 232001；,谢毅，安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001;矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 安徽淮南 232001;矿区环境与灾害协同监测煤炭行业工程研究中心, 安徽淮南 232001；,陆龙妹，安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001；,李德成，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008；,王世航，安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001;矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 安徽淮南 232001;矿区环境与灾害协同监测煤炭行业工程研究中心, 安徽淮南 232001；,

关键词：光谱特征指数;弓曲差;光谱变换;土壤有机质

基金：国家自然科学基金项目（41501226）、土壤与农业可持续发展国家重点实验室开放基金项目（Y412201431）、安徽省高校自然科学研究项目（KJ2015A034）

以江苏中部的水稻土和潮土为研究对象，采集178个表层土壤（0~20 cm）样品，并测定了土壤有机质含量（Soil Organic Matter，SOM）。运用ASD FieldSpec 3光谱仪测量了土壤的高光谱曲线，首先对原始光谱进行倒数对数和去包络线变换，分析了不同SOM含量梯度和土壤类型的高光谱特征。其次，基于原始光谱、倒数对数变换和去包络线变换等三种光谱数据，分别计算弓曲差、差值指数、比值指数和归一化指数等光谱特征指数，并分析其与SOM含量的相关性。最后，筛选光谱特征指数建立SOM的回归预测模型，并比较模型精度。结果表明：（1）SOM含量与原始光谱呈极显著负相关，与倒数对数光谱呈极显著正相关，且在400~900 nm波段相关性最强，相关系数绝对值在0.6以上。去除包络线处理后，土壤光谱曲线特征差异明显，在420 nm、480 nm、660 nm和900 nm附近出现了明显吸收谷。（2）原始光谱、倒数对数变换和去包络线变换光谱在600 nm处的弓曲差与SOM含量极显著相关（P<0.01），相关系数分别为-0.66，0.61和-0.33。（3）利用3种光谱数据的差值指数、比值指数和归一化指数分别结合弓曲差，建立的SOM预测模型效果较好，建模的R2和RMSE分别介于0.56~0.64和4.98~5.50 g·kg-1，验证的R2和RMSE介于0.67~0.73和3.21~3.51 g·kg-1。为快速有效测定苏中平原SOM含量提供技术支持。

来源：2021年第1期

《土壤学报》期刊编辑部

查看土壤学报杂志2021年第1期