祁亚琴，张显峰，张立福，吕 新，张 泽，陈 剑，李新伟，王 飞，彭 奎

(1.北京大学地球与空间科学学院/遥感研究所生态遥感实验室，北京　100871；2.石河子大学/新疆兵团绿洲生态农业重点实验室，新疆石河子　832003；=3.中国科学院遥感与数字地球研究所高光谱研究室，北京　100094)

0　引 言

【研究意义】研究和获取农田土壤含水量、主要养分含量信息状况的空间分布差异，能够更加全面、准确地识别与评价田间土壤特性的时空变异状况[1]。较以往农田单位面积内物资投入量基本相同、区域内水肥利用率低、养分供给不平衡、粗放管理缺乏针对性的传统农业生产[2]来说，有利于调整农用物资的投入量，科学水肥精量管理，是未来实现精准农业管理的前提,也是农业资源可持续利用的基础[3]。目前新疆兵团各师团场的农业生产连队土壤具有养分空间分布差异性等特点[4]，因此，在大型农场开展有关农田土壤养分分区管理的相关研究，做到精确管理、因土施肥、为今后大尺度农田推广土壤养分快速获取、精量施肥提供科学依据[5]，为探索适合新疆及兵团特色精准农业管理提供理论参考[6]，合理优化肥料使用，减少农田污染，降低生产成本，增加农民收入，达到增加经济效益和环境效益的目的。【前人研究进展】20世纪60年代，法国统计学家(Matheron G)提出了地统计学(Geostatistics)，也称地质统计学，是门新的统计学分支[7]。它是以区域化变量为核心理论基础，以空间相关和变异函数为基本工具的一种数学地质方法[8]，是以空间数据的随机性和结构性、空间依赖性和相关性、空间格局与变异有关的研究，可应用地统计学的理论与方法对数据进行最优无偏内插估计或模拟这些数据的离散性和波动性[9]。近30 a来，地统计学在气象、地质、海洋、森林、农业、土壤、生态和环境治理等领域都有广泛应用[10]。现代GIS技术，以空间数据库为核心，以地理研究和预测为目的、以地理模型为手段、具有强大的区域空间分析能力[11]，将统计数据和空间要索有机结合在一起。【本研究切入点】克里格(Kriging)插值方法是地质统计学空间变异性研究常用的方法之一，从数学角度来说,是一种求最优线性无偏内插估计量的方法[12]，是根据某区域内外若干样品的特征数值，对该区域作出的线性无偏和最小估计方差的方法。空间插值研究的本质是通过空间建模拟合生成充分逼近要素空间分布特征的函数方程,而插值模型的精度关键取决于模型对土壤属性空间相关性与空间变异性的反应程度[13]。不同的插值模型精度也不同,就Kriging插值而言,算法不同精度也不同,且样本的地理位置、取样密度、容量及样点空间分布等因素都会对插值精度产生极显著的影响[14]。土壤有关水分、有机质、主要养分含量等都存在明显的空间差异性,且受地形、土壤质地、人为活动等随机性因素与植被等结构性因素的共同影响[15]。土壤养分空间差异信息可为农田土壤肥力状况评价和变量分区管理提供基础研究数据[16]。【拟解决的关键问题】研究利用归一化光谱指数NDI估算土壤有机质含量，并对其空间分布状况进行插值反演填图，是实现农田精准管理和科学施肥决策的前提[17]，为推动新疆及兵团精准农业的实施提供技术支持。

1　材料与方法

1.1材 料

土壤有机质含量的高光谱反射率分析建模与小面积反演填图试验，于2014～2015年在新疆农垦科学院试验地(45°20′N，86°40′E)进行，试验面积为1 hm2。试验地前茬为小麦，供试土壤为灰色壤土(pH值8.46～8.72，有机质含量13.8～21.6 g/kg、碱解氮66～144 mg/kg，有效磷 14.2～36.6 mg/kg，速效钾 110～218 mg/kg)。

土壤养分信息空间分布获取与大尺度分区管理应用试验在新疆生产建设兵团(简称兵团)第七师125团垦区试验地(44°36′～44°54′N，84°20′～84°40′E)进行，试验区面积9 600 hm2，区内种植作物以棉花为主，土壤类型为灰漠土、砂土和盐土。

1.2方 法

1.2.1土壤光谱测试

研究采用美国ASD公司 Field Spec Pro VNIR 2500型光谱辐射仪测定，光谱范围350～2 500 nm，波长精度为lnm；测定速度固定扫描时间为0.1秒，视场角设定为25°，光谱测定时间为晴日中午12:00～14:00；选择GPS定位取样所对应的土壤样本点进行测试，探测器头部垂直向下距被测土壤表面部约100 cm，每个处理测定10～15条曲线(取其平均值作为该测试点的光谱反射值)；每次测量前、后应进行白板校正。

1.2.2土壤室内测定

土壤理化指标的测定采用《土壤农业化学分析方法》[18-19]。

1.2.3土壤样本的采集

采用GPS定位进行采样，供试土样主要来源于新疆农垦科学院5个试验区共100个土样(在土壤光谱测试对应点取样)以及兵团第七师125团的500个土壤样品。所有土壤样品采样深度均为0～20 cm，样品经风干、研磨并通过1 mm孔筛，装入容器待用于土壤的实验室理化性状分析及光谱测定。图1，图2

图1小试验区土壤采样点分布
Fig.1Experimental distribution of soil sample points

图2125团土壤采样点分布
Fig.2125 farm distribution of soil samples

1.2.4高光谱分析技术

1.2.4.1高光谱参数提取

为便于研究目标物吸收反射光谱特征，以解释目标物光谱的物理、生物化学、土壤和植物生理学机理，提取目标物光谱的一些参数来鉴别、模拟、反演其它生物物理和化学参数。常见的高光谱参数有各类高光谱数据的变换形式：如对数变换、微分变换构建的光谱参数、光谱吸收指数及各类高光谱指数等[14]。

1.2.4.2高光谱土壤指数

光谱指数DI (Spectral indices)可用来估测地物的一系列生物物理和生物化学参数，如土壤质地、全氮、pH值、有机质含量、氧化铁含量等[20]；在高光谱遥感数据中，由于光谱的近似连续性，可构建高光谱指数，例如某一波长λ0的归一化光谱指数 NDI[21]可表示为：

(1)

式中R1、R2分别表示1，2两个波段的光谱反射率。

1.3数据处理

使用ESRI公司开发的ArcGIS9.3软件普通Kriging插值方法，进行土壤特征参量的空间分布填图。

2　结果与分析

2.1土壤有机质含量的Kriging插值反演填图

对土壤有机质含量预测值与实测值之间进行空间变异分析，得出基于高光谱定量估算模型模拟土壤有机质含量，具有良好的相关性，相对误差为14.93%，预测精度为85.06%。研究表明，将土壤有机质含量的光谱预测值(基于归一化光谱指数NDI[495,485]预测)与实验室化学测定的实测值进行Kriging插值填图进行比较，可以进一步分析土壤有机质含量的预测值与实测值在空间分布上的差异。结果显示，从插值后的空间分布情况来看，土壤有机质含量的光谱预测值均与实测值之间具有较好的相似性，预测效果较好。图3

图3土壤有机质含量光谱预测值(左)与实测值(右)Kriging插值填图(g/kg)
Fig.3Spectral prediction of soil organic matter content (left) and measured values (right) Kriging interpolation mapping(g/kg)

2.2土壤有机质含量信息空间分布状况的大尺度获取及分区管理应用

在实地反复验证研究的基础上，综合考虑作物生长状况及地形等条件，选择了兵团第七师125团农田作为大尺度下，土壤有机质含量信息空间分布状况研究的对象。从农田土壤有机质含量信息的光谱预测值与实测值时空变异特征对比分析入手，研究在大规模经营的农场进行土壤主要养分信息(TN、TP、TK)遥感监测及分区管理的可能性。

研究表明，通过大范围的监测农田土壤有机质含量，并进行土壤养分信息的光谱预测值与实测值的空间分布反演填图效果比对，结果显示，土壤有机质含量的光谱预测模型具有较好的预测效果，由填图颜色和区域对比可以看出，各养分含量的光谱预测值与实测值之间均具有较高程度的相似性，预测结果总体基本吻合，只有局部较小区域略有不同，如土壤有机质含量的预测值比实测值略偏小。图4

图4土壤有机质含量光谱预测值(左)与实测值(右)空间分布填图
Fig.4Spectral prediction of soil organic matter content (left) and measured (right) spatial distribution mapping (g/kg)

3　讨 论

3.1从插值后的空间分布情况来看，土壤有机质含量的光谱预测值均与实测值之间具有较好的相似性；

3.2由填图效果和区域对比可以看出，土壤特征参量的预测结果总体基本吻合，只有局部较小区域略有不同,如大尺度预测土壤有机质含量的预测值比实测值略偏小；

3.3为提高土壤特征预测信息的准确性、有效性和稳定性，应采用多种方法来评估和验证预测模型的精度，有利于光谱定量模型不断修正和完善，提高其预测能力。

4　结 论

研究表明，利用地统分析中的普通克里格Kriging方法插值填图反演土壤有机质含量特征信息，为今后预测农田土壤主要养分(全氮、全磷、全钾)含量的空间区域变异分布奠定了基础，使土壤特征信息的光谱预测更具空间性、直观性和科学性，并为今后农田土壤养分状况快速监测与精量管理提供了可能，为发展新疆及兵团未来特色精准农业提供技术支持。

参考文献(References)

[1] 郭旭东,傅伯杰,马克明, 等.基于GIS和地统计学的土壤养分空间变异特征研究-以河北省尊化市为例 [J].应用生态学报,2000, 11(4):557-563．

GUO Xu-dong, FU Bo-jie, MA Ke-ming. (2000). Spatial variability of soil nutrients based on geostatistcis combined with GIS -A case study in Zunghua City of Hebei [J].ChineseJournalofAppliedEcology, 11(4):557-563. (in Chinese)

[2]胡克林,李保国,林启美.农田土壤养分的空间变异性特征[J].农业工程学报,1999,15(3):33-38．

HU Ke-lin, LI Bao-guo, LIN Qi-mei. (1999). Farmland spatial variation of soil nutrient characteristics [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,15(3):33-38. (in Chinese)

[3] 黄绍文,金继运.土壤特性空间变异研究进展[J].土壤肥料,2002,(1):8-14．

HUANG Shao-wen, JIN Ji-yun. (2002). Advance in Study on Spatial Variability of Soil Properties [J].SoilandFertilizer, (1):8-14. (in Chinese)

[4] 陈彦,吕新.基于模糊c-均值聚类法的绿洲农田精确管理分区研究[J].生态学报,2008,(7):3 067-3 074.

CHEN Yan, LÜ Xin. (2008). Definition of management zones based on fuzzy c-mean algorithm in oasis farmland [J].ActaEcologicaSinica, (7):3,067-3,074. (in Chinese)

[5] 雷咏雯, 危常州,李俊华,等.不同尺度下土壤养分空间变异特征的研究[J].土壤,2004,36(4):376-381．

LEI Yong-wen, WEI Chang-zhou, LI Jun-hua, et al. (2004). Characters of soil nutrient spatial variability in different scale [J].Soils, 36(4):376-381. (in Chinese)

[6]陈彦,吕新.基于FCM的绿洲农田养分管理分区研究[J].中国农业科学,2008,41(7): 2 016-2 024.

CHEN Yan, LÜ Xin. (2008). Definition of management zones of soil nutrients based on FCM algorithm in oasis field [J].ScientiaAgriculturaSinica, 41(7):2,016-2,024. (in Chinese)

[7] 徐建华.计量地理学[M].北京:高等教育出版社,2006:138-139.

XU Jian-hua. (2006).Metricalgeography[M]. Beijing: Higher Education Press: 138-139. (in Chinese)

[8] Kang-tsung Chang[美].地理信息系统导论[M].北京:科学出版社,2004:259-261.

[9] Lark, R. M., & Ferguson, R. B. (2004). Mapping risk of soil nutrient deficiency or excess by disjunctive and indicator Kriging.Geoderma, 118(1): 39-53.

[10] 朱会义,刘述林,贾绍凤.自然地理要素空间插值的几个问题[J].地理研究,2004,23(4):425-432.

ZHU Hui-yi, LIU Shu-lin, JIA Shao-feng. (2004). Problems of the spatial interpolation of physical geographical elements [J].GeographicalResearch, 23(4):425-432. (in Chinese)

[11]冯仲科.空间数据的最佳内插法(kriging法)及其在GIS中应用的模型[J].测绘科学,1995,(3):22-26.

FENG Zhong-ke,(1995).The best interpolation method (Kriging) of spatial data and its application model in GIS [J].ScienceofSurveyingandMapping, (3):22-26.(in Chinese)

[12] Li, B. G., Cao, J., Liu, W. X., Shen, W. R., Wang, X. J., & Tao, S. (2006). Geostatistical analysis and kriging of hexachlorocyclohexane residues in topsoil from tianjin, china.EnvironmentalPollution, 142(3): 567-575.

[13] 石小华,扬联安,张蕾.土壤速效钾养分含量空间插值方法比较研究[J].水土保持学报,2006,20(2):68-72.

SHI Xiao-hua, YANG Liang-an, ZHANG Lei. (2006). Comparison of Spatial Interpolation Methods for Soil Available Kalium [J].JournalofSoilandWaterConservation, 20(2): 68-72.(in Chinese)

[14] Kravchenko, A., & Bullock, D. G. (1999). A comparative study of interpolation methods for mapping soil properties.AgronomyJournal, 91(3): 393-400.

[15] 王贵政.基于GIS技术的土壤养分空间分布分析及应用[J].中国农学通报,2010,(10):187-191.

WANG Gui-zheng. (2010). Application and Analysis of the Spatial-temporal of Soil Nutrients Using GIS Technique [J].ChineseAgriculturalScienceBulletin, (10):187-191. (in Chinese)

[16] 赵月玲,陈桂芬,王越.基于GIS的土壤养分空间变异状况研究[J].西北农业学报,2005,(6):195-198.

ZHAO Yue-lin, CHEN Gui-fen, WANG Yue. (2005). A Study on Spatial Variability of Soil Nutrients Based on GIS [J].JournalofNorthwestAgriculture, (6):195-198. (in Chinese)

[17] 杜森,高祥照.信息技术在农田施肥管理中的应用[J].土壤与环境,2002,11(2):189-193．

DU Sen, GAO Xiang-zhao. (2002). Application of information technology in soil nutrition and fertilization management [J].JournalofSoilandEnvironment, 11(2):189-193. (in Chinese)

[18] 鲁如坤. 土壤农业化学分析方法 [M]. 北京：中国农业科技出版社, 2000:106 -109.

Lu Ru-kun. (2000).SoilArgrochemistryAnalysisProtocoes[M]. Beijing: China Agricultural Science and Technology Publishing House: 106 -109. (in Chinese)

[19] 鲍士旦,土壤农化分析[M].北京:中国农业出版社,2000.

BAO Shi-dan,. (2000).AnalysisofSoil[M]. Beijing: China Agriculture Press. (in Chinese)

[20] 刘磊,沈润平,丁国香.基于高光谱的土壤有机质含量估算研究 [J]. 光谱学与光谱分析,2011,(3):762-766.

LIU Lei, SHEN Run-ping, DING Guo-xiang. (2011). Studies on the Estimation of Soil Organic Matter Content Based on Hyper-Spectrum [J].SpectroscopyandSpectralAnalysis, (3): 762-766 . (in Chinese)

[21] Da Costa M. Surface soil color and reflectance as related to physio-chemical and mineralogical soil properties PhD. Dissertation. University of Missouri, Columbia Mo,1979,P1-54.

[22] Dalal, R. C., & Henry, R. J. (1986). Simultaneous determination of moisture, organic carbon, and total nitrogen by near infrared reflectance spectrophotometry.SoilScienceSocietyofAmericaJournal, 50(1): 120-123.