土壤学报

作者：张欣跃,赵玉国,刘 峰,曾 荣,高 鸿,林 卡,张甘霖

单位：张欣跃，中国科学院南京土壤研究所；xyzhang@issas.ac.cn,赵玉国，中国科学院南京土壤研究所；ygzhao@issas.ac.cn,刘 峰，中国科学院南京土壤研究所；,曾 荣，南京信息工程大学；,高 鸿，南京师范大学；,林 卡，中国科学院南京土壤研究所；,张甘霖，中国科学院南京土壤研究所；,

关键词：土壤光谱;化学属性;来源地;随机森林

基金：国家重点研发计划（2017YFC0803807）、科技部基础性工作重点专项（2014FY110200）、公安部物证鉴定中心现场物证溯源技术国家工程实验室开放课题（2017NELKFKT03）、公安部物证鉴定中心协同创新工作项目（2016XTCX03）

土壤是一种重要的法庭痕迹科学证据，可提供有价值的信息，在案件侦破和法庭审理中发挥关键作用。对于一个未知的土样，怎样确定其来源地，是一个值得研究的问题。分别从跨省和省内两种尺度，基于黑龙江、安徽和江苏三个省市的土壤可见-近红外波段光谱以及土壤化学数据，采用随机森林模型对土壤样本的来源地进行判别，比较了不同土壤测定数据集及其组合方案的判别效果，并分析了土壤化学属性和光谱数据在来源地判别中的相对重要性，以判别正确的样点占总样点数作为验证精度进行评价。结果发现：跨省尺度下，光谱主成分和化学数据结合建模判别验证精度最佳，为0.92；土壤光谱测量所需样品量少，当土壤物证材料量少，化学数据难以获取时，光谱主成分和吸收峰结合建模验证精度最高，为0.82。省内尺度下，依旧是光谱主成分和化学数据结合建模精度最佳，为0.83；在化学数据难以获取时，仅利用光谱主成分与吸收峰也取得了相当的精度（0.82），可见在省内尺度，可以利用光谱来替代化学数据进行建模判别。计算两种尺度下判别因子的重要性发现，跨省尺度下，影响模型判别的化学数据主要是土壤中的全钾、全磷，光谱数据主要是光谱第一主成分以及350~600 nm与1 800~2 100 nm波段的吸收峰；省内化学数据主要是全磷，光谱数据主要是第七主成分与1 300~1 600 nm以及2 100~2 200 nm波段的吸收峰。这表明，利用土壤可见-近红外光谱与化学数据可以有效地判别土壤的来源地。当模型的样点空间分布范围有差异时，可以考虑利用不同的判别因子建模和多个指标来评估判别结果。

来源：2019年第5期

《土壤学报》期刊编辑部

查看土壤学报杂志2019年第5期