马 驰

(辽宁省交通高等专科学校，辽宁 沈阳 110122)

【研究意义】土壤中的有机质是土壤的重要组成部分，是土壤肥力的核心指标，也是土壤反射光谱特征的重要反映。虽然有机质含量只在土壤中占很小一部分(耕作区土壤表层有机质通常小于10 %)，但其对植物的生长、土壤环境保护以及农业生产等方面具有重要作用[1-3]。因此，快速、准确的估测土壤中有机质的含量，对于防治土壤退化、保护农业生态环境、促进农业增产及农民增收、实现农业可持续发展均具有重要意义。传统的土壤有机质含量调查工作存在成本高、效率低、容易受到地理位置限制等缺点，难以满足精细农业的要求。遥感技术具有数据获取时间短、遥感影像所含信息量丰富等优点，已在土壤成分估测等方面得到了广泛应用。诸多学者研究显示，有机质的光谱特征主要表现在其对可见光的吸收作用，土壤中有机质的含量在可见光与近红外波段与反射率呈负相关。因此，有机质的含量可以通过土壤的反射光谱获得一定程度的反映。【前人研究进展】前人的研究结果显示，现阶段应用遥感技术估测土壤有机质含量的多光谱遥感影像多为TM与ETM。然而， 由于Lansat 5遥感卫星内部出现故障，已于2011年末停止接收TM遥感数据，难以保证其现势性需求；搭载ETM+传感器的Landsat 7遥感卫星在2003年5月出现故障，导致以后接收的所有ETM+遥感影像均出现条带，严重影响了ETM+遥感影像的应用范围和使用效果。我国自行研制的高分一号(GF-1)遥感卫星于2013年2月升空，其获得的遥感影像具有更短的重访周期(4 d)和更高的空间分辨率(8m/16m)，更容易表现出地表详细特征与碎部特征[4]。然而，当前利用GF-1遥感影像进行土壤成分估测等方面的研究尚处于探索阶段。【本研究切入点】本文实验以GF-1遥感影像为数据源，利用地理信息系统(GIS)的分析方法，结合研究区土壤采样的实验室化验数据，估测扶余市耕作区土壤有机质含量，【拟解决的关键问题】为GF-1遥感影像估测土壤成分的研究提供依据与参考。

1 材料与方法

1.1 研究区概况

扶余市地处松嫩平原东北部边缘，松原市东部，西与松原市宁江区接壤，南隔第二松花江与前郭县、农安县、德惠市为邻，北与肇源县、哈尔滨市双城区相望，东与榆树市接壤，北纬44°30′～45°15′、东经125°0′～127°05′。扶余市属于中温带季风气候，一年四季气候分明：冬季寒冷而干燥，夏季炎热而降雨集中，春季干旱且多大风、秋季凉爽而少雨，多年平均降水量为500～700 mm，平均海拔150～250 m。

扶余市地处我国东北平原黑土与盐碱土的过渡区域：东部为黑土、黑钙土区，土质肥沃，有机质含量较高(平均在5 %以上)，是我国最重要的粮食生产基地之一；研究区西部的松原市、白城市，湖沼众多且地势地平，部分地区土地盐碱化严重。因此，监测研究区土壤有机质含量，对于发展地区农业生产、预防土地退化与荒漠化，实现土地资源的可持续利用具有重要意义。

1.2 土壤采样与处理

2015年4月14日至16日对扶余市耕作区表层土壤进行采样，此时耕作区内无植被、冰雪及冻土，在遥感影像上可以真实的表现出裸土的光谱信息，采样点分布如图1所示。土样采集过程中采用五点采样法，即：在30 m×30 m范围内采集5个土样混合约1 kg，装入采集袋保存，共采得67个土壤样品。采样过程中利用手持GPS接收机测量采样点经纬度坐标，用以确定采样点在遥感影像上的相对位置，并对采样位置进行拍照，记录采样点周边环境、以前作物的类型、田块的大小、天气情况等信息。采样后将土样在实验室风干、研磨，剔除小石块、动物残骸以及植物根须等杂质，过3 mm筛。有机质含量的化验采用重铬酸钾容量法-外加热法进行测定。

图1 研究区内土壤采样点分布Fig.1 Distribution of soil sampling sites in the study area

1.3 遥感影像的选取与预处理

本文选取与土壤采样同步的2015年4月10日覆盖研究区的GF-1遥感影像1景，影像中云量小于1 %，遥感影像的成像时间与土壤采样时间吻合，遥感影像可以真实反映出采样时刻地表信息，有利于提高研究区土壤有机质含量的估测精度；预处理工作包括GF-1影像的大气校正、几何精校正以及影像的裁剪等。利用ENVI 软件中Radiomotric Calibration工具进行GF-1遥感影像的辐射定标，实现遥感影像的灰度值(DN值)向辐亮度值的转化；利用ENVI软件的FLAASH工具对遥感影像进行大气校正，消除传感器成像过程中大气吸收、散射等原因造成的成像误差；利用1∶5万地形图为对GF-1遥感影像进行几何精校正，校正误差小于1个像元；利用Erdas软件对遥感影像进行适当的裁剪工作，获得覆盖研究区的遥感影像。

前人研究成果显示，将遥感影像的反射率进行适当的数学变换可以削弱影像中噪声对地物反射光谱的影响，提高土壤有机质含量与遥感影像中反射率(反射率的变换形式)的相关性，从而改善土壤中有机质含量的估测精度。本文实验将GF-1影像的反射率进行对数(logR)、倒数(1/R)、一阶微分(R′)、指数(eR)、幂(Ra)等数学变换，建立估测研究区土壤有机质含量的光谱分析指数。

1.4 估测模型的建立与检验

为了建立研究区土壤有机质含量的估测模型，将67个土样分为两部分：估测土壤有机质含量的建模样本57个和模型检验样本10个；将建模样本有机质含量的化验值与采样点在GF-1影像中的反射率(反射率变换形式)在SPSS软件中进行相关性分析，筛选出研究区土壤有机质含量的敏感波段；利用回归分析的方法建立研究区土壤有机质含量的估测模型，估测研究区表层土壤有机质含量，并绘制扶余市土壤有机质含量估测结果图。

估测模型的检验采用判定系数R2和总均根方差(RMSE)2个指标。模型的判定系数R2越大(接近于1)模型越稳定；总均根方差(RMSE)越小，表明估测模型的精度越高、估测能力越强。一个好的估测模型应该使判定系数R2尽量大，而总均根方差(RMSE)尽量小。

2 结果与分析

2.1 有机质含量与GF-1各波段反射率相关性分析

图2 反射率与有机质含量相关性统计Fig.2 Relevance of reflectivity and organic matter content

采样土壤有机质含量的化验值与其在GF-1遥感影像中对应点的各波段反射率(反射率变换形式)进行相关性分析，图2显示：土壤有机质含量与GF-1的反射率呈负相关，且相关性随波长的增加而升高，在第4波段(波长0.77～0.89 μm)达到最大值(R=-0.813)；将反射率进行指数变化、幂函数变化以后可以显著提高与有机质含量的相关性。其中，经过指数函数变化后与有机质含量相关系数最大值出现在第3波段(波长0.63～0.69 μm)，相关系数为R=-0.886，经过幂函数变化后与有机质含量相关系数最大值出现在第4波段，相关系数为R=-0.872；经过对数变化后，与有机质含量的相关性略有增加，且相关系数在第3波段达到最大值，为R=-0.821；反射率经过一阶微分变换后与土壤有机质含量的相关性有所降低。

2.2 估测模型建立与检验

表1 有机质含量的估测模型

图3 有机质含量估测值与实测值的比较Fig.3 Comparison of estimated and measured values of organic matter content

2.3 研究区有机质分布的空间格局

土壤有机质含量的估测结果(图4)显示，研究区土壤有机质含量具有东高西低、北高南低的空间格局：东部、北部地区土壤有机质含量普遍高于30 g/kg，西部地区土壤有机质含量普遍介于20～30 g/kg之间，而西南部地区与前郭县、农安县交界地带土壤有机质含量较低，普遍低于20 g/kg，部分地区甚至低于10 g/kg。在对研究区进行实地调查、土壤采样过程中发现，扶余市东部地区毗邻我国东北黑土区，土壤中有机质含量较高、土质肥沃，农作物长势良好，是我国重要的粮食生产基地。而松原市中西部地区地势低平、湖沼众多，土地盐碱化严重。诸多学者研究显示，当土壤中含盐量较高时，在可见光与近红外波段将表现出较高反射率[5-7]，从而将掩盖土壤中有机质的光谱吸收特性，使得利用GF-1遥感影像土壤有机质含量的估测值偏低。

3 讨 论

在利用遥感影像 估测土壤有机质含量的过程中，有机质的光谱特性起着重要作用。土壤中有机质含量的差异在可见光、近红外波段的反射率均有重要体现。为此，诸多学者作了许多相关研究。例如，刘焕军等人在利用TM遥感影像研究黑土有机质含量时发现土壤中有机质含量与TM遥感影像的反射率在可见光、近红外波段呈负相关，且在第3波段(波长为0.63～0.69 μm)达到最大值，相关系数R=-0.710，其次为第4波段(波长为0.76～0.90 μm)，相关系数R=-0.683[8]。张法升等人在利用遥感影像反演阜新市阜新镇土壤有机质含量时发现，TM遥感影像的反射率与有机质含量呈显著负相关，且在第4、5波段相关性显著[9]，以上学者的研究结论与本文相同或相近；将反射率进行指数变换、幂函数变换以后可以显著提高与土壤中有机质含量的相关性，与栾福明、宋金红等人研究的结论相同[10-11]。

图4 土壤有机质含量估测Fig.4 Estimate results of soil organic matter content

本文利用GF-1前3个波段反射率指数变换形式为自变量，采用多元回归分析的方法建立扶余市土壤有机质含量多元估测模型，估测研究区表层土壤有机质含量，获得了较好的估测结果，分析其原因：①遥感影像成像时间与土壤采样时间相同，有利于真实反应出研究区裸土信息，提高了有机质含量估测精度；②将遥感影像进行了辐射定标与大气校正，可以消除(削弱)大气分子与气溶胶等因素对地物反射的影响，遥感影像表现出较真实的地表反射率；③将GF-1遥感影像中的反射率进行适当的数学变换，可以有效抑制遥感影像中噪声对估测结果的影响，显著提高了土壤有机质含量的估测精度。然而，本文利用检验样本检验模型的估测效果时，有机质含量的实测值与估测值仍然存在一定的误差，笔者认为：文中在利用GF-1遥感影像估测研究区土壤有机质含量的过程中，未考虑土壤中水分对有机质含量估测的影响，在以后研究中有待考虑。

4 结 论

本文实验利用GF-1遥感影像，结合扶余市耕作区裸土采样的有机质含量化验数据，估测研究区土壤有机质含量，可以总结出以下结论。

(1)利用GF-1遥感影像前3个波段反射率的指数变换建立的研究区土壤有机质含量多元估测模型，建模样本的模型判定系数R2达到0.851，检验样本的均方根误差RMSE= 0.172，说明该模型具有较高的估测精度与模型稳定性，对研究区土壤有机质含量具有较强的探测能力。

(2)GF-1遥感影像的4个波段均为对土壤中有机质敏感的可见光与近红外波段，与Landsat系列等遥感影像相比，GF-1具有较高的空间分辨率和更短的重访周期，可以很好的表现出地表的细部特征与碎部特征，为GF-1遥感影像在土壤成分等方面的应用提供了广阔的空间。

[1]程 彬，姜琦刚，陈凤臻，等. 松辽平原黑土有机质含量的遥感反演研究[J]. 水土保持研究，2011，18(1)：264-267.

[2]管延龙，王让会，李 成，等. 天山北麓土壤有机质高光谱特征分析[J]. 环境科学技术，2015，38(9)：1-6.

[3]许安定，周鑫斌，苏婷婷，等.土地整理对烟田土壤理化及生物学性状的影响[J].西南大学学报(自然科学版),2016,38(3):156-164.

[4]陆春玲，王 瑞，尹 欢. “高分一号”卫星遥感成像特性[J]. 航天返回与遥感，2014，35(4)：67-73.

[5]Rao B R, Sankar T R, Dwivedi R S, et al. Spectral behabior of salt-affected soils[J]. International Journal of Remote Sensing, 1995, 16(12): 2125-2136.

[6]扶卿华，倪绍祥，王世新. 土壤盐分含量的遥感反演研究[J]. 农业工程学报，2006，22(12)：48-54.

[7]王 爽，丁建丽，王 璐，等. 基于地表光谱建模的区域土壤盐渍化遥感监测研究[J]. 干旱区地理，2016，39(1)：190-198.

[8]刘焕军，赵春江，王纪华，等. 黑土典型区土壤有机质遥感反演[J]. 农业工程学报，2011，28(7)：211-215.

[9]张法升，曲 威，尹光华，等. 基于多光谱遥感影像的表层土壤有机质空间格局反演[J]. 应用生态学报，2010，21(4)：883-888.

[10]栾福明，张小雷，熊黑钢，等. 基于TM影像的荒漠-绿洲交错带土壤有机质含量反演模型[J].中国沙漠，2014，34(4)：1080-1086.

[11]宋金红，吴景贵，赵欣宇，等. 基于TM数据的黑土有机质含量空间格局反演研究[J]. 土壤学报，2015，52(6)：1422-1429.